RPS Assessment Map


Matakuliah
LandscapeKurikulum Teknik Informatika 2019/2020
Kode MatakuliahIKS335
Nama MatakuliahBig Data
sks3.00

RPS Assessment Map
Capaian Pembelajaran (CP) terkait
Jenis No Expectted Leaning Outcomes Course Learning Outcomes Session Learning Outcomes Kriteria Penilaian (Indikator)
Diskusi 1 Diskusi 2 Diskusi 3 Diskusi 4 Presentasi 1 Presentasi 2 Presentasi 3 Presentasi 4 Tugas 1 Tugas 2 Tugas 3 Ujian Akhir Semester Ujian Tengah Semester
SIKAP Dapat menunjukkan etika dan moral masyarakat: Satria, Setia, Sportif. (S.c)
PENGETAHUAN Pemahaman intelektual dan kemampuan untuk menerapkan matematika dan teori informatika (P.a) 1 mampu menjelaskan masalah skala dan implikasi Big Data pada kebutuhan komputasi mampu membedakan permasalahan volume, keragaman format, dan kecepatan perubahan data dan implikasinya pada kebutuhan komputasi 2
mampu menjelaskan model pertumbuhan data yang berimplikasi pada kebutuhan komputasi 2
1 mampu menjelaskan cara kerja dan arsitektur teknologi big data mampu membedakan data terstruktur, semi-terstruktur, dan tidak terstruktur 1
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan media simpanan 1 5
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan keragaman data 1
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data yang cepat 1 5
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data cepat yang pada simpanan terdistribusi 1 2 5
mampu menjelaskan teknik dan cara kerja data capturing dan penyimpanan data pada data streaming 1 5
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kualitas data 1
KETRAMPILAN UMUM Kemampuan menganalisis persoalan komputasi yang kompleks serta menerapkan prinsip-prinsip computing dan disiplin ilmu relevan lainnya untuk mengidentifikasi solusi, dengan mempertimbangkan wawasan perkembangan ilmu transdisiplin (KU.a) 1 mampu memilih teknologi yang tepat untuk menyelesaikan masalah skala dan implikasi Big Data mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan simpanan data 0.5 2
mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan pemrosesan dan peyimpanan keragaman data 1 2
mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan pemrosesan data kecepatan tinggi 0.5 2
mampu mempresentasikan hasil rancangan secara logis, kritis, dan sistematis 4 25
KETRAMPILAN KHUSUS Mampu mengimplementasikan dan mengintegrasikan komponen-komponen komputasi pada bidang data science (KK.a) 1 mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan big data yang dihadapi dunia industri mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan volume pada kasus tiruan big data yang dihadapi dunia industri 10
mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan kecepatan update data pada tiruan big data yang dihadapi dunia industri 10
mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan data variety update data pada tiruan big data yang dihadapi dunia industri 10

Assessment Composition


Jenis Elo Kriteria Penilaian (Indikator) Total
Diskusi 1 Diskusi 2 Diskusi 3 Diskusi 4 Presentasi 1 Presentasi 2 Presentasi 3 Presentasi 4 Tugas 1 Tugas 2 Tugas 3 Ujian Akhir Semester Ujian Tengah Semester
SIKAP Dapat menunjukkan etika dan moral masyarakat: Satria, Setia, Sportif. (S.c) 0
PENGETAHUAN Pemahaman intelektual dan kemampuan untuk menerapkan matematika dan teori informatika (P.a) 5 2 2 2 2 20 33
KETRAMPILAN UMUM Kemampuan menganalisis persoalan komputasi yang kompleks serta menerapkan prinsip-prinsip computing dan disiplin ilmu relevan lainnya untuk mengidentifikasi solusi, dengan mempertimbangkan wawasan perkembangan ilmu transdisiplin (KU.a) 1 1 4 2 4 25 37
KETRAMPILAN KHUSUS Mampu mengimplementasikan dan mengintegrasikan komponen-komponen komputasi pada bidang data science (KK.a) 10 10 10 30
Total 5 2 3 3 2 4 2 4 10 10 10 25 20 100