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 Teknik Informatika 2019/2020
IKG308
Visualisasi Data
3.00
3022 Dian Pratiwi, S.T., M.T.I.
2441 Ratna Shofiati, S.Kom., M.Kom.
RPS
|
Assessment Map
Kurikulum Informatika 2023/2024
IKD6406
Data Warehouse dan Data Lake
4.00
3022 Dian Pratiwi, S.T., M.T.I.
2128 Dr. Dedy Sugiarto
RPS
|
Assessment Map
Kurikulum Sistem Informasi 2023/2024
IKL6207
Struktur Data dan Algoritma
2.00
2554 Anung Barlianto Ariwibowo, M.Kom.
2553 Syandra Sari, S.Kom., M.Kom.
RPS
|
Assessment Map
Kurikulum Sistem Informasi 2023/2024
IKD6312
Manajemen Data dan Informasi
3.00
2553 Syandra Sari, S.Kom., M.Kom.
2554 Anung Barlianto Ariwibowo, M.Kom.
RPS
|
Assessment Map
Kurikulum Sistem Informasi 2023/2024
ISD6301
Datawarehouse
3.00
2612 Dr. Ir. Teddy Siswanto, M.Si.
3088 Agus Salim, S.T., M.T.
RPS
|
Assessment Map
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
Kurikulum Informatika 2023/2024
IKD6314
Pemrosesan Data
3.00
3022 Dian Pratiwi, S.T., M.T.I.
2128 Dr. Dedy Sugiarto
RPS
|
Assessment Map
Kurikulum Sistem Informasi 2023/2024
IKD6313
Manajemen Data dan Informasi Lanjut
3.00
0630007CD Shabrina - Teruri, S.Kom., M.T.
2553 Syandra Sari, S.Kom., M.Kom.
RPS
|
Assessment Map
Kurikulum Sistem Informasi 2019/2020
IKD416
Datawarehouse
4.00
2612 Dr. Ir. Teddy Siswanto, M.Si.
Belum di tentukan
RPS
|
Assessment Map
Kurikulum Informatika 2023/2024
IKS6335
Big Data
3.00
2641 Binti Solihah, S.T., M.Kom.
2615 Is Mardianto, M.Kom.
RPS
|
Assessment Map
Kurikulum Informatika 2023/2024
IKL6441
Struktur Data dan Algoritma
4.00
2641 Binti Solihah, S.T., M.Kom.
2554 Anung Barlianto Ariwibowo, M.Kom.
RPS
|
Assessment Map
Matakuliah tidak ditemukan
RPS Detail
Matakuliah
Profile
History
Kode Matakuliah
IKD6314
Nama Matakuliah
Pemrosesan Data
sks
3.00
Semester Name
Subject Code
Subject Name
Group Name
Group Code
Portofolio
Gasal 2023/2024 (R)
IKD6314
Pemrosesan Data
TIF-01
01
Portofolio
Gasal 2023/2024 (R)
IKD6314
Pemrosesan Data
TIF-02
02
Portofolio
Gasal 2024/2025 (R)
IKD6314
Pemrosesan Data
TIF-01
01
Portofolio
Review History
RPS Review History
No
Review
Review By
Review Date
1
Quiz sebaiknya tidak dijadikan bahan kajian seperti tertulis di pertemuan 7 dan 13. Quiz merupakan bagian dari kriteria penilaian. Mhn dituliskan saja bahan kajian yang merupakan bagian dari konten mata kuliah. Pertimbangkan pula materi terkait data preprocessing dalam topik computer vision. Materi forecasting mohon dicek kembali apakah relevan dengan mata kuliah ini
Dedy Sugiarto
2024-07-22 11:14:18
Capaian Pembelajaran (CP) terkait
Capaian Pembelajaran (CP)
PENGETAHUAN
2
Mahasiswa mampu menjelaskan konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. (P.b)
Students can explain the theoretical concepts of Computer Science/Informatics in designing and simulating multi-platform technology applications relevant to the needs of industry and society. (P.b)
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
Mahasiswa mampu menjelaskan konsep dan berbagai prosedur pengolahan data yang dibutuhkan industri dan masyarakat
Students are able to explain concepts and various data processing procedures needed by industry and society
(2,2)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Mahasiswa mampu menjelaskan dan menyimpulkan konsep dasar data processing
Students are able to explain and conclude the basic concepts of data processing
(2,2)
2
Mahasiswa mampu mengidentifikasi jawaban dari persoalan data processing dalam bentuk essay
Students are able to identify answers to data processing problems in essay form
(2,4)
2
Show/Hide
Mahasiswa mampu menganalisis, merancang dan mensimulasikan model pengolahan data pada berbagai platform
Students are able to design and simulate data processing models on various platforms
(4,4)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Mahasiswa mampu menganalisis dan merancang model visualisasi sesuai jenis data yang diolah
Students are able to analyze and design visualization models according to the type of data processed
(4,2)
KETRAMPILAN KHUSUS
1
Mahasiswa mampu mengimplementasi kebutuhan komputasi dengan mempertimbangkan berbagai metode/algoritma yang sesuai (KK.a)
Students can implement computational requirements while considering various suitable methods/algorithms.(KK.a)
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
Mahasiswa mampu menerapkan dan menguji berbagai metode pengolahan data
Students are able to apply and test various data processing methods
(3,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
Students are able to identify and test various data pre-processing methods
(3,3)
4
Mahasiswa mampu memecahkan masalah di dunia industri dengan pendekatan sistem cerdas menggunakan algoritma kompleks (KK.d)
Students can solve industrial problems using intelligent system approaches with complex algorithms. (KK.d)
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
Mahasiswa mampu menetapkan metode pengolahan data yang sesuai dengan kebutuhan perancangan sistem cerdas
Students are able to determine appropriate data processing methods based on the requirement of intelligence system design
(3,2)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Mahasiswa mampu mempraktekkan metode forecasting untuk memecahkan masalah
Students are able to practice forecasting methods to solve problems
(3,3)
2
Mahasiswa mampu mempraktekkan metode analisis data untuk memecahkan masalah
Students are able to practice data analysis methods to solve problems
(3,3)
RPS per Session
Sesi Ke
KAD
Bahan Kajian
Metoda Pembelajaran
Waktu Belajar (Menit)
Pengalaman Belajar Mahasiswa
Referensi
Kriteria Penilaian (Indikator)
1
Konsep & Ruang Lingkup Data Processing
Tutorial (50)
Diskusi (50)
150.00
Menerima, Mengetahui Konsep serta ruang lingkup data processing
Patrick R. Nicholas(2017) (Hal. 89-129)
Quiz 1 (56) - 1.00 %
Ujian Tengah Semester (56) - 2.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. (P.b)
Students can explain the theoretical concepts of Computer Science/Informatics in designing and simulating multi-platform technology applications relevant to the needs of industry and society. (P.b)
CPMK
: Mahasiswa mampu menjelaskan konsep dan berbagai prosedur pengolahan data yang dibutuhkan industri dan masyarakat
Students are able to explain concepts and various data processing procedures needed by industry and society
KAD
: Mahasiswa mampu menjelaskan dan menyimpulkan konsep dasar data processing
Students are able to explain and conclude the basic concepts of data processing
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Mahasiswa mampu menjelaskan pengertian, kegunaan, dan ruang lingkup data processing
Students are able to explain the meaning, use, and scope of data processing
Quiz 1 (56) 1.00 %
Ujian Tengah Semester (56) 2.00 %
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengetahui dan menjelaskan dengan benar pengertian data processing
Students are not able to know and explain correctly the meaning of data processing
Mahasiswa mampu mengetahui dan menjelaskan dengan benar pengertian data processing
Students are able to know and explain correctly the meaning of data processing
Mahasiswa mampu mengetahui dan menjelaskan dengan benar ruang lingkup data processing
Students are able to know and explain correctly the scope of data processing
2
Jenis-jenis Data Processing, metode dari tahapan data processing yang dapat digunakan, dan contoh pengaplikasiannya
Tutorial (50)
Diskusi (30)
Diksusi Online (20)
150.00
Memahami, mengidentifikasi, Memberikan umpan balik terkait pengaplikasian data processing
Quiz 1 (56) - 2.00 %
Ujian Tengah Semester (56) - 3.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. (P.b)
Students can explain the theoretical concepts of Computer Science/Informatics in designing and simulating multi-platform technology applications relevant to the needs of industry and society. (P.b)
CPMK
: Mahasiswa mampu menganalisis, merancang dan mensimulasikan model pengolahan data pada berbagai platform
Students are able to design and simulate data processing models on various platforms
KAD
: Mahasiswa mampu menganalisis dan merancang model visualisasi sesuai jenis data yang diolah
Students are able to analyze and design visualization models according to the type of data processed
(4,4)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Mahasiswa mampu mengidentifikasi jenis-jenis data processing dan menganalisis metode beserta contoh penerapannya
Students are able to identify the types of data processing and analyze methods along with examples of their application
Quiz 1 (56) 2.00 %
Ujian Tengah Semester (56) 3.00 %
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengidentifikasi jenis-jenis data processing dengan benar
Students are not able to identify the types of data processing correctly
Mahasiswa mampu mengidentifikasi jenis-jenis data processing dengan benar
Students are able to correctly identify the types of data processing
Mahasiswa mampu mengidentifikasi jenis-jenis data processing dan metode dalam ruang lingkup data processing dengan benar
Students are able to correctly identify the types of data processing and methods within the scope of data processing
PI Description
PI Assessment Methods
2. Mahasiswa mampu menganalisis, merancang, menerapkan model visualisasi sesuai jenis data yang diberikan
Students are able to analyze, design, apply visualization models according to the type of data provided
3
Data Collection ; model pengumpulan data, kecukupan jumlah data, tools yang dipergunakan
Tutorial (50)
Percobaan (10)
Diskusi (20)
Diksusi Online (20)
150.00
Memahami, mengidentifikasi dan menerapkan metode pengumpulan data
Quiz 1 - 2.00 %
Ujian Tengah Semester - 3.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu mengimplementasi kebutuhan komputasi dengan mempertimbangkan berbagai metode/algoritma yang sesuai (KK.a)
Students can implement computational requirements while considering various suitable methods/algorithms.(KK.a)
CPMK
: Mahasiswa mampu menerapkan dan menguji berbagai metode pengolahan data
Students are able to apply and test various data processing methods
KAD
: Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
Students are able to identify and test various data pre-processing methods
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Mahasiswa mampu mengidentifikasi, menerapkan dan menguji metode pengumpulan data
Students are able to identify, apply and test data collection methods
Quiz 1 2.00 %
Ujian Tengah Semester 3.00 %
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengetahui model pengumpulan data dan kecukupan data yang diperoleh
Students are not able to know the data collection model and the adequacy of the data obtained
Mahasiswa mampu mengetahui model pengumpulan data dan kecukupan data yang diperoleh
Students are able to know the model of data collection and the adequacy of the data obtained
Mahasiswa mampu mengidentifikasi dan menerapkan metode pengumpulan data dengan benar beserta kecukupan jumlah datanya
Students are able to correctly identify and apply data collection methods along with the adequacy of the amount of data
PI Description
PI Assessment Methods
2. Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
Students are able to identify and test various data pre-processing methods
4
Data Pre-Processing (I) ; Aggregation, Editing, extraction, Selection, Cleansing, Filtering
Tutorial (40)
Percobaan (20)
Diskusi (10)
Pemecahan Masalah (10)
Diksusi Online (20)
150.00
Mengetahui, membedakan, menguji, memberi umpan balik terhadap berbagai metode pre-processing
Lu, G(1999)
Quiz 1 - 2.00 %
Ujian Tengah Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu mengimplementasi kebutuhan komputasi dengan mempertimbangkan berbagai metode/algoritma yang sesuai (KK.a)
Students can implement computational requirements while considering various suitable methods/algorithms.(KK.a)
CPMK
: Mahasiswa mampu menerapkan dan menguji berbagai metode pengolahan data
Students are able to apply and test various data processing methods
KAD
: Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
Students are able to identify and test various data pre-processing methods
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Mahasiswa mampu mengidentifikasi, menerapkan dan menguji metode pengumpulan data
Students are able to identify, apply and test data collection methods
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengetahui model pengumpulan data dan kecukupan data yang diperoleh
Students are not able to know the data collection model and the adequacy of the data obtained
Mahasiswa mampu mengetahui model pengumpulan data dan kecukupan data yang diperoleh
Students are able to know the model of data collection and the adequacy of the data obtained
Mahasiswa mampu mengidentifikasi dan menerapkan metode pengumpulan data dengan benar beserta kecukupan jumlah datanya
Students are able to correctly identify and apply data collection methods along with the adequacy of the amount of data
PI Description
PI Assessment Methods
2. Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
Students are able to identify and test various data pre-processing methods
Quiz 1 2.00 %
Ujian Tengah Semester 5.00 %
5
Data Pre-processing (II); compression, segmentation, extraction
Tutorial (50)
Diskusi (20)
Pemecahan Masalah (10)
Diksusi Online (20)
150.00
Memahami, membedakan, menguji, memberi umpan balik terhadap metode pre-processing
Lu, G(1999) (Hal. 64)
Quiz 1 - 1.00 %
Ujian Tengah Semester - 3.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu mengimplementasi kebutuhan komputasi dengan mempertimbangkan berbagai metode/algoritma yang sesuai (KK.a)
Students can implement computational requirements while considering various suitable methods/algorithms.(KK.a)
CPMK
: Mahasiswa mampu menerapkan dan menguji berbagai metode pengolahan data
Students are able to apply and test various data processing methods
KAD
: Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
Students are able to identify and test various data pre-processing methods
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Mahasiswa mampu mengidentifikasi, menerapkan dan menguji metode pengumpulan data
Students are able to identify, apply and test data collection methods
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengetahui model pengumpulan data dan kecukupan data yang diperoleh
Students are not able to know the data collection model and the adequacy of the data obtained
Mahasiswa mampu mengetahui model pengumpulan data dan kecukupan data yang diperoleh
Students are able to know the model of data collection and the adequacy of the data obtained
Mahasiswa mampu mengidentifikasi dan menerapkan metode pengumpulan data dengan benar beserta kecukupan jumlah datanya
Students are able to correctly identify and apply data collection methods along with the adequacy of the amount of data
PI Description
PI Assessment Methods
2. Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
Students are able to identify and test various data pre-processing methods
Quiz 1 1.00 %
Ujian Tengah Semester 3.00 %
6
Data Analysis (I) : descriptive, exploratory, diagnostic
Tutorial (50)
Percobaan (10)
Diskusi (10)
Pemecahan Masalah (10)
Diksusi Online (20)
150.00
Mengetahui, mengidentifikasi, menerapkan berbagai metode analisis data dalam memecahkan masalah
A.J. Henley and Dave Wolf(2018)
Dr. Ossama Embarak(2018)
Quiz 1 - 2.00 %
Ujian Tengah Semester - 4.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu memecahkan masalah di dunia industri dengan pendekatan sistem cerdas menggunakan algoritma kompleks (KK.d)
Students can solve industrial problems using intelligent system approaches with complex algorithms. (KK.d)
CPMK
: Mahasiswa mampu menetapkan metode pengolahan data yang sesuai dengan kebutuhan perancangan sistem cerdas
Students are able to determine appropriate data processing methods based on the requirement of intelligence system design
KAD
: Mahasiswa mampu mempraktekkan metode analisis data untuk memecahkan masalah
Students are able to practice data analysis methods to solve problems
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Mahasiswa mampu menerapkan, menguji, dan mengevaluasi metode-metode analisis data terhadap masalah yang diberikan
Students are able to apply, test, and evaluate data analysis methods for a given problem
Quiz 1 2.00 %
Ujian Tengah Semester 4.00 %
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengidentifikasi dan menerapkan metode analisis dengan benar
Students are not able to identify and apply analytical methods correctly
Mahasiswa mampu mengidentifikasi dan menerapkan metode analisis dengan benar
Students are able to identify and apply analytical methods correctly
Mahasiswa mampu mengidentifikasi, menguji dan mengevaluasi berbagai metode analisis data dengan benar
Students are able to correctly identify, test and evaluate various methods of data analysis
7
Summary pertemuan 1-6 dan Quiz I
Pemecahan Masalah (100)
150.00
Menjawab soal-soal dan memberikan umpan balik
Quiz 1 - 0.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. (P.b)
Students can explain the theoretical concepts of Computer Science/Informatics in designing and simulating multi-platform technology applications relevant to the needs of industry and society. (P.b)
CPMK
: Mahasiswa mampu menjelaskan konsep dan berbagai prosedur pengolahan data yang dibutuhkan industri dan masyarakat
Students are able to explain concepts and various data processing procedures needed by industry and society
KAD
: Mahasiswa mampu mengidentifikasi jawaban dari persoalan data processing dalam bentuk essay
Students are able to identify answers to data processing problems in essay form
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Mahasiswa mampu menjawab soal-soal quiz terkait konsep, ruang lingkup, jenis, prosedur data processing dengan benar
Students are able to answer quiz questions related to concepts, scope, types, data processing procedures correctly
PI Description
PI Assessment Methods
2. Mahasiswa mampu menjawab soal-soal quiz terkait data analisis, metode forecasting, perhitungan akurasinya, serta model visualisasinya dengan tepat
Students are able to answer quiz questions related to data analysis, forecasting methods, accuracy calculations, and visualization models correctly
8
Data Analysis (II); predictive, prescriptive, statistical
Tutorial (50)
Diskusi (10)
Pemecahan Masalah (20)
Diksusi Online (20)
150.00
Mengetahui, mengidentifikasi, menerapkan berbagai metode analisis data dalam memecahkan masalah
A.J. Henley and Dave Wolf(2018)
Dr. Ossama Embarak(2018)
Quiz 2 - 2.00 %
Ujian Akhir Semester - 7.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu memecahkan masalah di dunia industri dengan pendekatan sistem cerdas menggunakan algoritma kompleks (KK.d)
Students can solve industrial problems using intelligent system approaches with complex algorithms. (KK.d)
CPMK
: Mahasiswa mampu menetapkan metode pengolahan data yang sesuai dengan kebutuhan perancangan sistem cerdas
Students are able to determine appropriate data processing methods based on the requirement of intelligence system design
KAD
: Mahasiswa mampu mempraktekkan metode analisis data untuk memecahkan masalah
Students are able to practice data analysis methods to solve problems
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Mahasiswa mampu menerapkan, menguji, dan mengevaluasi metode-metode analisis data terhadap masalah yang diberikan
Students are able to apply, test, and evaluate data analysis methods for a given problem
Quiz 2 2.00 %
Ujian Akhir Semester 2.00 %
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengidentifikasi dan menerapkan metode analisis dengan benar
Students are not able to identify and apply analytical methods correctly
Mahasiswa mampu mengidentifikasi dan menerapkan metode analisis dengan benar
Students are able to identify and apply analytical methods correctly
Mahasiswa mampu mengidentifikasi, menguji dan mengevaluasi berbagai metode analisis data dengan benar
Students are able to correctly identify, test and evaluate various methods of data analysis
9
Forecasting (I); Qualitative (market survey, Delphi method, expert system (opinion judgment), panel consensus)
Tutorial (50)
Percobaan (10)
Diskusi (20)
Diksusi Online (20)
150.00
Mengidentifikasi, menerapkan, menerima umpan balik terkait metode forecasting
Patrick R. Nicholas(2017)
Quiz 2 - 2.00 %
Ujian Akhir Semester - 7.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu memecahkan masalah di dunia industri dengan pendekatan sistem cerdas menggunakan algoritma kompleks (KK.d)
Students can solve industrial problems using intelligent system approaches with complex algorithms. (KK.d)
CPMK
: Mahasiswa mampu menetapkan metode pengolahan data yang sesuai dengan kebutuhan perancangan sistem cerdas
Students are able to determine appropriate data processing methods based on the requirement of intelligence system design
KAD
: Mahasiswa mampu mempraktekkan metode forecasting untuk memecahkan masalah
Students are able to practice forecasting methods to solve problems
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Mahasiswa mampu mengidentifikasi, menerapkan dan mengevaluasi berbagai metode forecasting untuk memecahkan persoalan
Students are able to identify, apply and evaluate various forecasting methods to solve problems
Quiz 2 2.00 %
Ujian Akhir Semester 7.00 %
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengidentifikasi metode forecasting untuk memecahkan masalah dengan benar
Students are not able to identify forecasting methods to solve problems correctly
Mahasiswa mampu mengidentifikasi dan mempraktekkan metode forecasting untuk memecahkan masalah dengan benar
Students are able to identify and practice forecasting methods to solve problems correctly
Mahasiswa mampu mengidentifikasi, mempraktekkan dan mengevaluasi metode-metode forecasting untuk memecahkan masalah dengan benar
Students are able to identify, practice and evaluate forecasting methods to solve problems correctly
10
Forecasting (II); Quantitative, numerical prediction, exponential smoothing, interpolation, extrapolation
Tutorial (50)
Percobaan (10)
Diskusi (20)
Diksusi Online (20)
150.00
Mengidentifikasi, menerapkan, menerima umpan balik terkait metode forecasting
Robert Johansson(2019)
Quiz 2 - 2.00 %
Ujian Akhir Semester - 7.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu memecahkan masalah di dunia industri dengan pendekatan sistem cerdas menggunakan algoritma kompleks (KK.d)
Students can solve industrial problems using intelligent system approaches with complex algorithms. (KK.d)
CPMK
: Mahasiswa mampu menetapkan metode pengolahan data yang sesuai dengan kebutuhan perancangan sistem cerdas
Students are able to determine appropriate data processing methods based on the requirement of intelligence system design
KAD
: Mahasiswa mampu mempraktekkan metode forecasting untuk memecahkan masalah
Students are able to practice forecasting methods to solve problems
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Mahasiswa mampu mengidentifikasi, menerapkan dan mengevaluasi berbagai metode forecasting untuk memecahkan persoalan
Students are able to identify, apply and evaluate various forecasting methods to solve problems
Quiz 2 2.00 %
Ujian Akhir Semester 7.00 %
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengidentifikasi metode forecasting untuk memecahkan masalah dengan benar
Students are not able to identify forecasting methods to solve problems correctly
Mahasiswa mampu mengidentifikasi dan mempraktekkan metode forecasting untuk memecahkan masalah dengan benar
Students are able to identify and practice forecasting methods to solve problems correctly
Mahasiswa mampu mengidentifikasi, mempraktekkan dan mengevaluasi metode-metode forecasting untuk memecahkan masalah dengan benar
Students are able to identify, practice and evaluate forecasting methods to solve problems correctly
11
Forecasting Accuracy; akurasi, presisi, recall, MSE, SSE, RMSE, cross validation
Tutorial (50)
Diskusi (10)
Pemecahan Masalah (20)
Diksusi Online (20)
150.00
Mengidentifikasi, menguji, mengevaluasi perhitungan keakuratan forecasting
Quiz 2 - 2.00 %
Ujian Akhir Semester - 7.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu memecahkan masalah di dunia industri dengan pendekatan sistem cerdas menggunakan algoritma kompleks (KK.d)
Students can solve industrial problems using intelligent system approaches with complex algorithms. (KK.d)
CPMK
: Mahasiswa mampu menetapkan metode pengolahan data yang sesuai dengan kebutuhan perancangan sistem cerdas
Students are able to determine appropriate data processing methods based on the requirement of intelligence system design
KAD
: Mahasiswa mampu mempraktekkan metode forecasting untuk memecahkan masalah
Students are able to practice forecasting methods to solve problems
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Mahasiswa mampu mengidentifikasi, menerapkan dan mengevaluasi berbagai metode forecasting untuk memecahkan persoalan
Students are able to identify, apply and evaluate various forecasting methods to solve problems
Quiz 2 2.00 %
Ujian Akhir Semester 7.00 %
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengidentifikasi metode forecasting untuk memecahkan masalah dengan benar
Students are not able to identify forecasting methods to solve problems correctly
Mahasiswa mampu mengidentifikasi dan mempraktekkan metode forecasting untuk memecahkan masalah dengan benar
Students are able to identify and practice forecasting methods to solve problems correctly
Mahasiswa mampu mengidentifikasi, mempraktekkan dan mengevaluasi metode-metode forecasting untuk memecahkan masalah dengan benar
Students are able to identify, practice and evaluate forecasting methods to solve problems correctly
12
Data Visualization
Tutorial (50)
Percobaan (10)
Diskusi (10)
Pemecahan Masalah (10)
Diksusi Online (20)
150.00
menganalisis, merancang, menguji model visualisasi data
Dr. Ossama Embarak(2018)
Quiz 2 - 2.00 %
Ujian Akhir Semester - 7.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. (P.b)
Students can explain the theoretical concepts of Computer Science/Informatics in designing and simulating multi-platform technology applications relevant to the needs of industry and society. (P.b)
CPMK
: Mahasiswa mampu menganalisis, merancang dan mensimulasikan model pengolahan data pada berbagai platform
Students are able to design and simulate data processing models on various platforms
KAD
: Mahasiswa mampu menganalisis dan merancang model visualisasi sesuai jenis data yang diolah
Students are able to analyze and design visualization models according to the type of data processed
(4,4)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Mahasiswa mampu mengidentifikasi jenis-jenis data processing dan menganalisis metode beserta contoh penerapannya
Students are able to identify the types of data processing and analyze methods along with examples of their application
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengidentifikasi jenis-jenis data processing dengan benar
Students are not able to identify the types of data processing correctly
Mahasiswa mampu mengidentifikasi jenis-jenis data processing dengan benar
Students are able to correctly identify the types of data processing
Mahasiswa mampu mengidentifikasi jenis-jenis data processing dan metode dalam ruang lingkup data processing dengan benar
Students are able to correctly identify the types of data processing and methods within the scope of data processing
PI Description
PI Assessment Methods
2. Mahasiswa mampu menganalisis, merancang, menerapkan model visualisasi sesuai jenis data yang diberikan
Students are able to analyze, design, apply visualization models according to the type of data provided
Quiz 2 2.00 %
Ujian Akhir Semester 7.00 %
13
Quiz II
Pemecahan Masalah (100)
150.00
Menjawab soal-soal dan memberikan umpan balik
Quiz 2 - 0.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. (P.b)
Students can explain the theoretical concepts of Computer Science/Informatics in designing and simulating multi-platform technology applications relevant to the needs of industry and society. (P.b)
CPMK
: Mahasiswa mampu menjelaskan konsep dan berbagai prosedur pengolahan data yang dibutuhkan industri dan masyarakat
Students are able to explain concepts and various data processing procedures needed by industry and society
KAD
: Mahasiswa mampu mengidentifikasi jawaban dari persoalan data processing dalam bentuk essay
Students are able to identify answers to data processing problems in essay form
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Mahasiswa mampu menjawab soal-soal quiz terkait konsep, ruang lingkup, jenis, prosedur data processing dengan benar
Students are able to answer quiz questions related to concepts, scope, types, data processing procedures correctly
PI Description
PI Assessment Methods
2. Mahasiswa mampu menjawab soal-soal quiz terkait data analisis, metode forecasting, perhitungan akurasinya, serta model visualisasinya dengan tepat
Students are able to answer quiz questions related to data analysis, forecasting methods, accuracy calculations, and visualization models correctly
14
Presentasi Proyek
Diskusi (10)
Presentasi (30)
Diksusi Online (10)
Proyek (50)
150.00
Menunjukkan, menjelaskan, bekerja sama secara tim untuk menyelesaikan proyek data processing
Tugas Kelompok - 25.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. (P.b)
Students can explain the theoretical concepts of Computer Science/Informatics in designing and simulating multi-platform technology applications relevant to the needs of industry and society. (P.b)
CPMK
: Mahasiswa mampu menjelaskan konsep dan berbagai prosedur pengolahan data yang dibutuhkan industri dan masyarakat
Students are able to explain concepts and various data processing procedures needed by industry and society
KAD
: Mahasiswa mampu menjelaskan dan menyimpulkan konsep dasar data processing
Students are able to explain and conclude the basic concepts of data processing
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Mahasiswa mampu menjelaskan pengertian, kegunaan, dan ruang lingkup data processing
Students are able to explain the meaning, use, and scope of data processing
Tugas Kelompok 3.00 %
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengetahui dan menjelaskan dengan benar pengertian data processing
Students are not able to know and explain correctly the meaning of data processing
Mahasiswa mampu mengetahui dan menjelaskan dengan benar pengertian data processing
Students are able to know and explain correctly the meaning of data processing
Mahasiswa mampu mengetahui dan menjelaskan dengan benar ruang lingkup data processing
Students are able to know and explain correctly the scope of data processing
CPMK
: Mahasiswa mampu menganalisis, merancang dan mensimulasikan model pengolahan data pada berbagai platform
Students are able to design and simulate data processing models on various platforms
KAD
: Mahasiswa mampu menganalisis dan merancang model visualisasi sesuai jenis data yang diolah
Students are able to analyze and design visualization models according to the type of data processed
(4,4)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Mahasiswa mampu mengidentifikasi jenis-jenis data processing dan menganalisis metode beserta contoh penerapannya
Students are able to identify the types of data processing and analyze methods along with examples of their application
Tugas Kelompok 3.00 %
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengidentifikasi jenis-jenis data processing dengan benar
Students are not able to identify the types of data processing correctly
Mahasiswa mampu mengidentifikasi jenis-jenis data processing dengan benar
Students are able to correctly identify the types of data processing
Mahasiswa mampu mengidentifikasi jenis-jenis data processing dan metode dalam ruang lingkup data processing dengan benar
Students are able to correctly identify the types of data processing and methods within the scope of data processing
PI Description
PI Assessment Methods
2. Mahasiswa mampu menganalisis, merancang, menerapkan model visualisasi sesuai jenis data yang diberikan
Students are able to analyze, design, apply visualization models according to the type of data provided
Tugas Kelompok 3.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu mengimplementasi kebutuhan komputasi dengan mempertimbangkan berbagai metode/algoritma yang sesuai (KK.a)
Students can implement computational requirements while considering various suitable methods/algorithms.(KK.a)
CPMK
: Mahasiswa mampu menerapkan dan menguji berbagai metode pengolahan data
Students are able to apply and test various data processing methods
KAD
: Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
Students are able to identify and test various data pre-processing methods
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Mahasiswa mampu mengidentifikasi, menerapkan dan menguji metode pengumpulan data
Students are able to identify, apply and test data collection methods
Tugas Kelompok 3.00 %
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengetahui model pengumpulan data dan kecukupan data yang diperoleh
Students are not able to know the data collection model and the adequacy of the data obtained
Mahasiswa mampu mengetahui model pengumpulan data dan kecukupan data yang diperoleh
Students are able to know the model of data collection and the adequacy of the data obtained
Mahasiswa mampu mengidentifikasi dan menerapkan metode pengumpulan data dengan benar beserta kecukupan jumlah datanya
Students are able to correctly identify and apply data collection methods along with the adequacy of the amount of data
PI Description
PI Assessment Methods
2. Mahasiswa mampu mengidentifikasi dan menguji berbagai metode data pre-processing
Students are able to identify and test various data pre-processing methods
Tugas Kelompok 5.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu memecahkan masalah di dunia industri dengan pendekatan sistem cerdas menggunakan algoritma kompleks (KK.d)
Students can solve industrial problems using intelligent system approaches with complex algorithms. (KK.d)
CPMK
: Mahasiswa mampu menetapkan metode pengolahan data yang sesuai dengan kebutuhan perancangan sistem cerdas
Students are able to determine appropriate data processing methods based on the requirement of intelligence system design
KAD
: Mahasiswa mampu mempraktekkan metode analisis data untuk memecahkan masalah
Students are able to practice data analysis methods to solve problems
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Mahasiswa mampu menerapkan, menguji, dan mengevaluasi metode-metode analisis data terhadap masalah yang diberikan
Students are able to apply, test, and evaluate data analysis methods for a given problem
Tugas Kelompok 3.00 %
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengidentifikasi dan menerapkan metode analisis dengan benar
Students are not able to identify and apply analytical methods correctly
Mahasiswa mampu mengidentifikasi dan menerapkan metode analisis dengan benar
Students are able to identify and apply analytical methods correctly
Mahasiswa mampu mengidentifikasi, menguji dan mengevaluasi berbagai metode analisis data dengan benar
Students are able to correctly identify, test and evaluate various methods of data analysis
KAD
: Mahasiswa mampu mempraktekkan metode forecasting untuk memecahkan masalah
Students are able to practice forecasting methods to solve problems
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Mahasiswa mampu mengidentifikasi, menerapkan dan mengevaluasi berbagai metode forecasting untuk memecahkan persoalan
Students are able to identify, apply and evaluate various forecasting methods to solve problems
Tugas Kelompok 10.00 %
55.00(Fail)
56.00(Pass)
70.00(Pass)
Mahasiswa tidak mampu mengidentifikasi metode forecasting untuk memecahkan masalah dengan benar
Students are not able to identify forecasting methods to solve problems correctly
Mahasiswa mampu mengidentifikasi dan mempraktekkan metode forecasting untuk memecahkan masalah dengan benar
Students are able to identify and practice forecasting methods to solve problems correctly
Mahasiswa mampu mengidentifikasi, mempraktekkan dan mengevaluasi metode-metode forecasting untuk memecahkan masalah dengan benar
Students are able to identify, practice and evaluate forecasting methods to solve problems correctly
Assessment Component
Assessment Detail
No
Component Name
Weightage
1
Quiz 1
10
2
Quiz 2
10
3
Tugas Kelompok
25.00
4
Ujian Akhir Semester
35
5
Ujian Tengah Semester
20
Total
100
Daftar Referensi
1. Patrick R. Nicholas. Scala for Machine Learning: Data processing, ML algorithms, smart analytics, and more. Packt Publishing. 2017
2. Lu, G. Multimedia Database Management Systems . ARTECH HOUSE Inc. 1999
3. A.J. Henley and Dave Wolf. Learn Data Analysis with Python. APRESS. 2018
4. Dr. Ossama Embarak. Data Analysis and Visualization using Python. APRESS. 2018
5. Robert Johansson. Numerical Python. APRESS. 2019
Notice
: Trying to get property of non-object in
/var/www/html/sis/application/controllers/IndexController.php
on line
978