Bab 1 Konsep Dasar Data Mining terdiri dari preprocessing data, teknik pembelajaran data mining, transformasi data, penerapan data mining.
Bab 2 Teknik Klasifikasi Decision Tree terdiri dari pengertian, manfaat, kelebihan, kekurangan, model decision tree, algoritma ID3 contoh alur penerapan, algoritma C4.5 contoh alur penerapan, dan perbedaan algoritma ID3 dan C4.5.
Bab 3 Teknik Klasifikasi Teorema Bayes terdiri dari algoritma Naïve Bayes, Algoritma Find-S.
Bab 4 Teknik Klasifikasi Analisa Diskriminan terdiri dari uji kenormalan peubah ganda, uji kesamaan matriks ragam, uji vector nilai rataan, dan penentuan peubah bebas dalam pembentukan fungsi diskriman dengan prosedur stepwise.
Bab 5 Teknik Klaster K-Means terdiri dari algoritma K-Means dan penerapan contoh yang mengacu pada beberapa paper referensi.
Bab 6 Analisis Asosiasi terdiri dari algoritma apriori dan penerapan contoh yang mengacu pada beberapa paper referensi.
Bab 7 Data Mining Tool terdiri dari alur penyelesaian algoritma K-Means, Apriori, ID3, C4.5, K-Medoid dengan menggunakan Rapidminer.