Student Information System
RPS: Session, Learning Material, Reference, Assessment/Rubric
Info
Search Subject
Subject Name :
Landscape
Kode Matakuliah
Nama Matakuliah
sks
Creator
Reviewer
Action
Kurikulum Sistem Informasi 2023/2024
ISA6303
Analitik Data
3.00
2128 Dr. Dedy Sugiarto
2553 Syandra Sari, S.Kom., M.Kom.
RPS
|
Assessment Map
Kurikulum Sistem Informasi 2023/2024
ISA6304
Analitik Data Lanjut
3.00
2128 Dr. Dedy Sugiarto
2553 Syandra Sari, S.Kom., M.Kom.
RPS
|
Assessment Map
Matakuliah tidak ditemukan
RPS Detail
Matakuliah
Profile
History
Kode Matakuliah
ISA6304
Nama Matakuliah
Analitik Data Lanjut
sks
3.00
Semester Name
Subject Code
Subject Name
Group Name
Group Code
Portofolio
Gasal 2023/2024 (R)
ISA6304
Analitik Data Lanjut
SI-01
01
Portofolio
Gasal 2023/2024 (R)
ISA6304
Analitik Data Lanjut
SI-02
02
Portofolio
Gasal 2023/2024 (Rmd)
ISA6304
Analitik Data Lanjut
SI-01
01
Portofolio
Review History
RPS Review History
No
Review
Review By
Review Date
1
- KAD sebaiknya ditambahkan mampu baru diikuti katakerja bloom -KAD 6 Membuat visualisasi data menggunakan python, assesmentnya kurang tepat demikan juga KAD 7 Membuat aplikasi analitik data berbasis python - bila pada pengalaman belajar mhs praktek melalui gcolah maka sebaiknya di metoda pembelajaran ditulis praktek tidak hanya tutorial
Syandra Sari
2024-05-23 11:51:29
Capaian Pembelajaran (CP) terkait
Capaian Pembelajaran (CP)
KETRAMPILAN KHUSUS
1
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))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
Membuat rekomendasi pengambilan keputusan pada proses dan sistem organisasi berdasarkan analitik lanjut / big data
Make decision-making recommendations on organizational processes and systems based on advanced analytics/big data
(6,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
KAD 14 Mempresentasikan aplikasi analitik data lanjut yang berisi rekomendasi pengambilan keputusan pada proses dan sistem organisasi
KAD 14 Presents advanced data analytics applications that contain recommendations for decision making on organizational processes and systems
(6,3)
2
Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
Membuat aplikasi analitik data menggunakan python
Create data analytics applications using python
(6,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
KAD 1 Memahami konsep analitik big data dan contoh penerapan pada berbagai bidang
KAD 1 Understand the concept of big data analytics and examples of applications in various fields
(2,2)
2
KAD 2 Menerapkan data wrangling lanjut
KAD 2 Apply advanced data wrangling
(3,3)
3
KAD 3 Melakukan analisis multivariat dengan target numerik : regresi berganda
KAD 3 Carrying out multivariate analysis with numerical targets: multiple regression
(4,3)
4
KAD 4 Melakukan analisis multivariat dengan target kategorik : regresi logistik
KAD 4 Carrying out multivariate analysis with categorical targets: logistic regression
(4,3)
5
KAD 5 Melakukan analisis data spasial
KAD 5 Perform spatial data analysis
(4,3)
6
KAD 6 Membuat visualisasi data menggunakan python
KAD 6 Create data visualizations using python
(6,3)
7
KAD 7 Membuat aplikasi analitik data berbasis python
KAD 7 Create a Python-based data analytics application
(6,3)
7
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))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
Melakukan analisis regresi, klasifikasi serta visualisasi data dari data numerik/teks dan big data
Carrying out regression analysis, classification and data visualization from numeric/text data and big data
(4,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
KAD 8 Menerapkan dasar-dasar komputasi cluster menggunakan a lingkungan kluster virtual melalui VirtualBox dan Vagrant : single virtual machine
KAD 8 Apply the basics of cluster computing using a virtual cluster environment via VirtualBox and Vagrant : single virtual machine
(3,3)
2
KAD 9 Menerapkan dasar-dasar komputasi cluster menggunakan a lingkungan kluster virtual melalui VirtualBox dan Vagrant : multiple virtual machine
KAD 9 Apply the basics of cluster computing using a virtual cluster environment via VirtualBox and Vagrant : multiple virtual machine
(3,3)
3
KAD 10 Melakukan analitik dan visualisasi big data menggunakan pyspark
KAD 10 Performing big data analytics and visualization using pyspark
(4,3)
4
KAD 11 Melakukan analitik big data menggunakan pyspark dengan machine learning library
KAD 11 Performing big data analytics using pyspark with machine learning library
(4,3)
5
KAD 12 Melakukan analitik teks, prapemrosesan data teks, word embedding dan vektorisasi teks
KAD 12 Perform text analytics, text data preprocessing, word embedding and text vectorization
(4,3)
6
KAD 13 Membuat analisis sentimen dan pemodelan topik
KAD 13 Create sentiment analysis and topic modeling
(6,3)
RPS per Session
Sesi Ke
KAD
Bahan Kajian
Metoda Pembelajaran
Waktu Belajar (Menit)
Pengalaman Belajar Mahasiswa
Referensi
Kriteria Penilaian (Indikator)
1
Pendahuluan analitik data lanjut dan analitik big data, analitik prediktif dan preskriptif, analitik teks
Tutorial
Diskusi
150.00
Melihat youtube terkait, praktek melalui google colab berdasarkan rujukan jurnal terkait
Ujian Tengah Semester - 7.50 %
CAPAIAN PEMBELAJARAN
: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))
CPMK
: Membuat aplikasi analitik data menggunakan python
Create data analytics applications using python
KAD
: KAD 1 Memahami konsep analitik big data dan contoh penerapan pada berbagai bidang
KAD 1 Understand the concept of big data analytics and examples of applications in various fields
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan menjawab soal ujian
Accuracy in answering test questions
Ujian Tengah Semester 7.50 %
2
Pengertian data wrangling, membaca data, pemahaman awal data, pembersihan data, transformasi data, filtering data penanganan missing value, grouping, menyimpan data + praktikum modul 1 : pengenalan aplikasi analitik data menggunakan streamlit
Tutorial
Diskusi
150.00
praktek melalui google colaboratory
Praktikum - 3.75 %
CAPAIAN PEMBELAJARAN
: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))
CPMK
: Membuat aplikasi analitik data menggunakan python
Create data analytics applications using python
KAD
: KAD 2 Menerapkan data wrangling lanjut
KAD 2 Apply advanced data wrangling
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan dan kelengkapan laporan praktikum
The accuracy and completeness of the practicum report
Praktikum 3.75 %
3
Tinjau ulang regresi berganda, regresi non linier, contoh kasus regresi linier dan non linier + praktikum modul 2 Streamlit koneksi Database
Tutorial
Diskusi
150.00
praktek melalui google colaboratory
Ujian Tengah Semester - 7.50 %
Praktikum - 3.75 %
CAPAIAN PEMBELAJARAN
: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))
CPMK
: Membuat aplikasi analitik data menggunakan python
Create data analytics applications using python
KAD
: KAD 3 Melakukan analisis multivariat dengan target numerik : regresi berganda
KAD 3 Carrying out multivariate analysis with numerical targets: multiple regression
(4,4)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Ketepatan menjawab soal ujian
Accuracy in answering test questions
Ujian Tengah Semester 7.50 %
PI Description
PI Assessment Methods
2. Ketepatan dan kelengkapan laporan praktikum
The accuracy and completeness of the practicum report
Praktikum 3.75 %
4
Regresi logistik, konsep dan contoh kasus + praktikum modul 3 Deploy Streamlit Sharing dengan Github
Tutorial
Diskusi
150.00
praktek melalui google colaboratory
Praktikum - 3.75 %
CAPAIAN PEMBELAJARAN
: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))
CPMK
: Membuat aplikasi analitik data menggunakan python
Create data analytics applications using python
KAD
: KAD 4 Melakukan analisis multivariat dengan target kategorik : regresi logistik
KAD 4 Carrying out multivariate analysis with categorical targets: logistic regression
(4,4)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan dan kelengkapan laporan praktikum
The accuracy and completeness of the practicum report
Praktikum 3.75 %
5
Visualisasi data spasial + praktikum modul 4 Visualisasi Data Geospasial
Tutorial
Diskusi
150.00
praktek melalui google colaboratory
Praktikum - 3.75 %
CAPAIAN PEMBELAJARAN
: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))
CPMK
: Membuat aplikasi analitik data menggunakan python
Create data analytics applications using python
KAD
: KAD 5 Melakukan analisis data spasial
KAD 5 Perform spatial data analysis
(4,4)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan dan kelengkapan laporan praktikum
The accuracy and completeness of the practicum report
Praktikum 3.75 %
6
Visualisasi data lanjut, matplotlib, seaborn, visualisasi interaktif menggunakan plotly
Tutorial
Diskusi
150.00
praktek melalui google colaboratory
Ujian Tengah Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))
CPMK
: Membuat aplikasi analitik data menggunakan python
Create data analytics applications using python
KAD
: KAD 6 Membuat visualisasi data menggunakan python
KAD 6 Create data visualizations using python
(6,6)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan menjawab soal ujian
Accuracy in answering test questions
Ujian Tengah Semester 5.00 %
7
Pengenalan penbuatan aplikasi analitik data berbasis web, python streamlit
Tutorial
Diskusi
150.00
praktek melalui google colaboratory
Ujian Tengah Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))
CPMK
: Membuat aplikasi analitik data menggunakan python
Create data analytics applications using python
KAD
: KAD 7 Membuat aplikasi analitik data berbasis python
KAD 7 Create a Python-based data analytics application
(6,6)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan menjawab soal ujian
Accuracy in answering test questions
Ujian Tengah Semester 5.00 %
8
Teknologi dan tools big data, ingkungan kluster virtual melalui VirtualBox dan Vagrant, single virtual machine + praktikum modul 5 big menggunakan vagrant dan VirtualBox, single vm
Tutorial
Diskusi
150.00
praktek melalui google colaboratory
Ujian Akhir Semester - 5.00 %
Praktikum - 3.75 %
CAPAIAN PEMBELAJARAN
: 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))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: Melakukan analisis regresi, klasifikasi serta visualisasi data dari data numerik/teks dan big data
Carrying out regression analysis, classification and data visualization from numeric/text data and big data
KAD
: KAD 8 Menerapkan dasar-dasar komputasi cluster menggunakan a lingkungan kluster virtual melalui VirtualBox dan Vagrant : single virtual machine
KAD 8 Apply the basics of cluster computing using a virtual cluster environment via VirtualBox and Vagrant : single virtual machine
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Ketepatan menjawab soal ujian
Accuracy in answering test questions
Ujian Akhir Semester 5.00 %
PI Description
PI Assessment Methods
2. Ketepatan dan kelengkapan laporan praktikum
The accuracy and completeness of the practicum report
Praktikum 3.75 %
9
Teknologi dan tools big data, ingkungan kluster virtual melalui VirtualBox dan Vagrant, multiple virtual machine + praktikum modul 6, multiple vm
Tutorial
Diskusi
150.00
praktek melalui google colaboratory
Praktikum - 3.75 %
CAPAIAN PEMBELAJARAN
: 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))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: Melakukan analisis regresi, klasifikasi serta visualisasi data dari data numerik/teks dan big data
Carrying out regression analysis, classification and data visualization from numeric/text data and big data
KAD
: KAD 9 Menerapkan dasar-dasar komputasi cluster menggunakan a lingkungan kluster virtual melalui VirtualBox dan Vagrant : multiple virtual machine
KAD 9 Apply the basics of cluster computing using a virtual cluster environment via VirtualBox and Vagrant : multiple virtual machine
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan dan kelengkapan laporan praktikum
The accuracy and completeness of the practicum report
Praktikum 3.75 %
10
Teknologi dan tools big data, pemrosesan data menggunakan spark + praktikum modul 7 pengenalan pyspark
Tutorial
150.00
praktek melalui google colaboratory
Ujian Akhir Semester - 5.00 %
Praktikum - 3.75 %
CAPAIAN PEMBELAJARAN
: 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))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: Melakukan analisis regresi, klasifikasi serta visualisasi data dari data numerik/teks dan big data
Carrying out regression analysis, classification and data visualization from numeric/text data and big data
KAD
: KAD 10 Melakukan analitik dan visualisasi big data menggunakan pyspark
KAD 10 Performing big data analytics and visualization using pyspark
(4,4)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Ketepatan menjawab soal ujian
Accuracy in answering test questions
Ujian Akhir Semester 5.00 %
PI Description
PI Assessment Methods
2. Ketepatan dan kelengkapan laporan praktikum
The accuracy and completeness of the practicum report
Praktikum 3.75 %
11
Teknologi dan tools big data, pemrosesan machine learning melalui pyspark + praktikum modul 8 MLlib
Tutorial
Diskusi
150.00
praktek melalui google colaboratory
Ujian Akhir Semester - 5.00 %
Praktikum - 3.75 %
CAPAIAN PEMBELAJARAN
: 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))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: Melakukan analisis regresi, klasifikasi serta visualisasi data dari data numerik/teks dan big data
Carrying out regression analysis, classification and data visualization from numeric/text data and big data
KAD
: KAD 12 Melakukan analitik teks, prapemrosesan data teks, word embedding dan vektorisasi teks
KAD 12 Perform text analytics, text data preprocessing, word embedding and text vectorization
(4,4)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Ketepatan menjawab soal ujian
Accuracy in answering test questions
Ujian Akhir Semester 5.00 %
PI Description
PI Assessment Methods
2. Ketepatan dan kelengkapan laporan praktikum
The accuracy and completeness of the practicum report
Praktikum 3.75 %
12
Pengenalan natural languang processing, data preprocessing + praktikum modul 9 analisis sentiment
Tutorial
Diskusi
150.00
praktek melalui google colaboratory
Ujian Akhir Semester - 5.00 %
Praktikum - 3.75 %
CAPAIAN PEMBELAJARAN
: 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))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: Melakukan analisis regresi, klasifikasi serta visualisasi data dari data numerik/teks dan big data
Carrying out regression analysis, classification and data visualization from numeric/text data and big data
KAD
: KAD 12 Melakukan analitik teks, prapemrosesan data teks, word embedding dan vektorisasi teks
KAD 12 Perform text analytics, text data preprocessing, word embedding and text vectorization
(4,4)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Ketepatan menjawab soal ujian
Accuracy in answering test questions
Ujian Akhir Semester 5.00 %
PI Description
PI Assessment Methods
2. Ketepatan dan kelengkapan laporan praktikum
The accuracy and completeness of the practicum report
Praktikum 3.75 %
13
Analisis sentimen dan pemodelan topik
Tutorial
Diskusi
150.00
praktek melalui google colaboratory
Ujian Akhir Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: 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))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: Melakukan analisis regresi, klasifikasi serta visualisasi data dari data numerik/teks dan big data
Carrying out regression analysis, classification and data visualization from numeric/text data and big data
KAD
: KAD 13 Membuat analisis sentimen dan pemodelan topik
KAD 13 Create sentiment analysis and topic modeling
(6,6)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan menjawab soal ujian
Accuracy in answering test questions
Ujian Akhir Semester 5.00 %
14
Presentasi proyek analitik data , pemodelan prediktif
Presentasi
150.00
praktek melalui google colaboratory
Tugas - 16.25 %
CAPAIAN PEMBELAJARAN
: 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))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: Membuat rekomendasi pengambilan keputusan pada proses dan sistem organisasi berdasarkan analitik lanjut / big data
Make decision-making recommendations on organizational processes and systems based on advanced analytics/big data
KAD
: KAD 14 Mempresentasikan aplikasi analitik data lanjut yang berisi rekomendasi pengambilan keputusan pada proses dan sistem organisasi
KAD 14 Presents advanced data analytics applications that contain recommendations for decision making on organizational processes and systems
(6,6)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan dan Kelengkapan Presentasi
Accuracy and Completeness of Presentation
Tugas 16.25 %
Assessment Component
Assessment Detail
No
Component Name
Weightage
1
Praktikum
33.75
2
Tugas
16.25
3
Ujian Akhir Semester
25
4
Ujian Tengah Semester
25
Total
100
Daftar Referensi
Notice
: Trying to get property of non-object in
/var/www/html/sis/application/controllers/IndexController.php
on line
978