RPS: Session, Learning Material, Reference, Assessment/Rubric Info Search Subject Subject Name : 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. 1. Patrick R. Nicholas. Scala for Machine Learning: Data processing, ML algorithms, smart analytics, and more. Packt Publishing. 2017
2. 2. Lu, G. Multimedia Database Management Systems . ARTECH HOUSE Inc. 1999
3. 3. A.J. Henley and Dave Wolf. Learn Data Analysis with Python. APRESS. 2018
4. 4. Dr. Ossama Embarak. Data Analysis and Visualization using Python. APRESS. 2018
5. 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

Copyright©Universitas Trisakti