| Jenis |
No |
Expectted Leaning Outcomes |
Course Learning Outcomes |
Session Learning Outcomes |
Kriteria Penilaian (Indikator) |
| Praktikum |
Tugas |
Ujian Akhir Semester |
Ujian Tengah Semester |
| KETRAMPILAN KHUSUS |
Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
| 1 |
CPMK 1 Memahami pengertian probabilitas, statistika, sains data dan mengenal penggunaan Python atau R untuk statistika dalam sains data |
KAD 1 Memahami definisi statistika deskriptif dan inferensia & peran statistika dalam sains data |
3 |
5 |
|
|
|
|
1 |
CPMK 2 mampu meringkas dan menyajikan data (statistika deskriptif) melalui penggunaan python atau R |
KAD 2 Melakukan perhitungan berbagai ukuran-ukuran statistika (lokasi, keragaman, bentuk) untuk meringkas data menggunakan python atau R |
3 |
|
|
|
|
|
|
KAD 3 Melakukan eksplorasi data statistik menggunakan Python atau R |
3 |
|
|
|
|
|
1 |
CPMK 3 Melakukan perhitungan probabilitas kejadian dan probabilitas peubah acak |
KAD 4 Mampu memahami konsep ruang sampel dan kejadian serta menghitung titik sampel |
|
5 |
|
|
|
|
|
KAD 5 Mampu memahami aturan-aturan probabilitas, menghitung probabilitas kejadian, probabilitas bersyarat serta probabilitas kejadian dengan menggunakan kaidah bayes |
|
|
|
5 |
|
|
|
KAD 6 Mampu menghitung peluang peubah acak binom dan poisson |
3 |
|
|
10 |
|
|
|
KAD 7 Mampu menghitung peluang peubah acak normal dan eksponensial |
3 |
|
|
10 |
|
|
1 |
CPMK 4 Mampu menghitung pendugaan interval serta pengujian hipotesis dari parameter populasi |
KAD 8 Mampu menghitung pendugaan interval untuk satu rata-rata populasi, selisih dua rata-rata populasi, satu proporsi populasi dan selisih dua proporsi populasi secara manual dan menggunakan python atau R |
3 |
|
|
|
|
|
|
KAD 9 Mampu melakukan pengujian hipotesis untuk satu rata-rata populasi dan satu proporsi populasi secara manual dan menggunakan python atau R |
3 |
5 |
5 |
|
|
|
|
KAD 10 Mampu melakukan pengujian kesesuaian dengan distribusi normal serta pengujian hubungan antar dua peubah kategorik (uji kebebasan) |
3 |
5 |
5 |
|
|
Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
| 7 |
CPMK 5 Mampu melakukan analisis regresi dan korelasi |
KAD 11 Mampu membuat, menguji dan menginterpretasi persamaan regresi linier sederhana dan berganda menggunakan python atau R |
|
|
5 |
|
|
|
|
KAD 12 Mampu menampilkan, menguji dan menginterpretasi korelasi linier antar variabel menggunakan python atau R |
3 |
|
|
|
|
|
7 |
CPMK 6 Mampu melakukan analisis ragam |
KAD 13 Mampu memahami konsep analisis ragam dan rancangan eksoerimen serta melakukan dan interpretasi analisis ragam satu arah menggunakan python atau R |
3 |
|
5 |
|
|
|
7 |
CPMK 7 Mampu melakukan uji statistika non parametrik |
KAD 14 Mampu melakukan dan interpretasi hasil pengujian statistika non parametrik Mann-Whitney U, Wilcoxon Signed-Rank, Kruskal-Wallis, Spearman Correlation menggunakan python atau R |
|
|
5 |
|
| Jenis |
Elo |
Kriteria Penilaian (Indikator) |
Total |
| Praktikum |
Tugas |
Ujian Akhir Semester |
Ujian Tengah Semester |
| KETRAMPILAN KHUSUS
|
Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a)) |
24 |
20 |
10 |
25 |
79 |
|
Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g)) |
6 |
|
15 |
|
21 |
| Total |
30 |
20 |
25 |
25 |
100 |