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
2435 Abdul Rochman, M.Kom.
2554 Anung Barlianto Ariwibowo, M.Kom.
RPS
|
Assessment Map
Matakuliah tidak ditemukan
RPS Detail
Matakuliah
Profile
History
Kode Matakuliah
IKS6335
Nama Matakuliah
Big Data
sks
3.00
Semester Name
Subject Code
Subject Name
Group Name
Group Code
Portofolio
Gasal 2023/2024 (R)
IKS6335
Big Data
TIF-01
01
Portofolio
Gasal 2023/2024 (R)
IKS6335
Big Data
TIF-02
02
Portofolio
Gasal 2023/2024 (R)
IKS6335
Big Data
TIF-03
03
Portofolio
Gasal 2024/2025 (R)
IKS6335
Big Data
TIF-02
02
Portofolio
Review History
RPS Review History
No
Review
Review By
Review Date
1
Mohon dicek CP yang digunakan P, KUb, KKa, tidak sama dengan tabel di link https://docs.google.com/document/d/1c2jRM5vHxBeeArqF6KnXLDqNwC6j2S6IKA4GHxTo-Ig/edit mana yg benar? saran sy lebih baik perbaiki tabel sehingga memuat komponen CP : P, KUb, KKa
Is Mardianto
2024-07-19 11:43:15
Capaian Pembelajaran (CP) terkait
Capaian Pembelajaran (CP)
PENGETAHUAN
1
Mahasiswa mampu menjelaskan cara kerja sistem komputer dan menerapkan/menggunakan berbagai algoritma/metode untuk memecahkan masalah pada suatu industri. (P.a)
Students can explain the operation of computer systems and apply/utilize various algorithms/methods to solve problems in the industry. (P.a)
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
mampu menjelaskan masalah skala dan implikasi Big Data pada kebutuhan komputasi
able to explain problems of scale and the implications of Big Data on computation requirements
(2,1)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
mampu membedakan permasalahan volume, keragaman format, dan kecepatan perubahan data dan implikasinya pada kebutuhan komputasi
able to differentiate among volume, variety, and velocity of data and its impact to computation requirements
(2,1)
2
mampu menjelaskan model pertumbuhan data yang berimplikasi pada kebutuhan komputasi
able to explain data growth and its implications to computation requirements
(2,2)
2
Show/Hide
mampu menjelaskan cara kerja dan arsitektur teknologi big data
able to explain the operation and architecture of Big Data technology
(2,2)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
mampu membedakan data terstruktur, semi-terstruktur, dan tidak terstruktur
Ability to differentiate structured, unstructured and semi-structured data
(2,2)
2
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan media simpanan
able to explain techniques and operation of technologies to solve data storage requirements
(2,2)
3
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan keragaman data
able to explain techniques and operation of technologies to solve data variety
(2,2)
4
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data yang cepat
able to explain techniques and operation of technologies to solve data processing requirement
(2,2)
5
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data cepat yang pada simpanan terdistribusi
able to explain techniques and operation of technologies to solve high speed data processing requirement in distributed data storage
(2,2)
6
mampu menjelaskan teknik dan cara kerja data capturing dan penyimpanan data pada data streaming
able to explain techniques and operation of technologies to capture and store data in data streaming
(2,2)
7
mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kualitas data
able to explain techniques and operation of technologies to solve data quality
(2,2)
KETRAMPILAN UMUM
2
Mahasiswa mampu berpikir logis, kritis serta sistematis dalam memanfaatkan ilmu pengetahuan informatika/ ilmu komputer untuk menyelesaikan masalah nyata. (KU.b)
Students can think logically, critically, and systematically in utilizing the knowledge of informatics/computer science to solve real-world problems.(KU.b)
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
mampu memilih teknologi yang tepat untuk menyelesaikan masalah skala dan implikasi Big Data
able to choose appropriate technology in addressing scale and implication of big data
(5,1)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan simpanan data
able to choose appropriate technology in addressing data storage requirements
(5,1)
2
mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan pemrosesan dan peyimpanan keragaman data
able to choose appropriate technology in addressing data variety processing and storage requirements
(5,1)
3
mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan pemrosesan data kecepatan tinggi
able to choose appropriate technology in addressing high speed data processing requirements
(5,1)
4
mampu mempresentasikan hasil rancangan secara logis, kritis, dan sistematis
able to present the design result logically, critically, and systematically
(3,2)
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
mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan big data yang dihadapi dunia industri
able to propose design of information technology to solve big data issues facing by industry
(6,1)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan volume pada kasus tiruan big data yang dihadapi dunia industri
able to propose design of information technology to solve volume issues in big data dummy case faced by industry
(6,1)
2
mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan kecepatan update data pada tiruan big data yang dihadapi dunia industri
able to propose design of information technology to solve a velocity issue of big data dummy case facing by industry
(3,2)
3
mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan data variety update data pada tiruan big data yang dihadapi dunia industri
able to propose design of information technology to solve a data variety issue of big data dummy case faced by industry
(3,2)
RPS per Session
Sesi Ke
KAD
Bahan Kajian
Metoda Pembelajaran
Waktu Belajar (Menit)
Pengalaman Belajar Mahasiswa
Referensi
Kriteria Penilaian (Indikator)
1
RPS Big Data. Pertumbuhan data dan implikasinya. Keragaman format data dan implikasinya. Kecepatan perubahan data dan implikasinya
Tutorial
Diskusi
150.00
mahasiswa berdiskusi dan dapat menyimpulkan terkait dengan pertumbuhan data, keragaman format dan kecepatan perubahan data serta implikasinya
Diskusi 1 - 3.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan cara kerja sistem komputer dan menerapkan/menggunakan berbagai algoritma/metode untuk memecahkan masalah pada suatu industri. (P.a)
Students can explain the operation of computer systems and apply/utilize various algorithms/methods to solve problems in the industry. (P.a)
CPMK
: mampu menjelaskan masalah skala dan implikasi Big Data pada kebutuhan komputasi
able to explain problems of scale and the implications of Big Data on computation requirements
KAD
: mampu membedakan permasalahan volume, keragaman format, dan kecepatan perubahan data dan implikasinya pada kebutuhan komputasi
able to differentiate among volume, variety, and velocity of data and its impact to computation requirements
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
implikasi big data pada kebutuhan komputasi dapat diidentifikasi
Big data impact to computation requirement can be identified
Diskusi 1 2.00 %
CPMK
: mampu menjelaskan cara kerja dan arsitektur teknologi big data
able to explain the operation and architecture of Big Data technology
KAD
: mampu membedakan data terstruktur, semi-terstruktur, dan tidak terstruktur
Ability to differentiate structured, unstructured and semi-structured data
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Keragaman format data dapat diidentifikasi
format variety of data can be identified
Diskusi 1 1.00 %
2
Model pertumbuhan volume data dari berbagai media
Tutorial
Diskusi
150.00
mahasiswa berdiskusi untuk menyimpulkan model pertumbuhan data dari kasus yang diberikan
Diskusi 1 - 2.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan cara kerja sistem komputer dan menerapkan/menggunakan berbagai algoritma/metode untuk memecahkan masalah pada suatu industri. (P.a)
Students can explain the operation of computer systems and apply/utilize various algorithms/methods to solve problems in the industry. (P.a)
CPMK
: mampu menjelaskan masalah skala dan implikasi Big Data pada kebutuhan komputasi
able to explain problems of scale and the implications of Big Data on computation requirements
KAD
: mampu menjelaskan model pertumbuhan data yang berimplikasi pada kebutuhan komputasi
able to explain data growth and its implications to computation requirements
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Model pertumbuhan data dapat diidentifikasi
Data growth model can be identified
Diskusi 1 2.00 %
3
sistem terdistribusi. File system terdistribusi. Database terdistribusi: Hadoop, MongoDB
Tutorial
Diskusi
150.00
mahasiswa berdiskusi untuk membandinkan kapabilitas berbagai produk teknologi untuk mengatasi masalah volume data besar
Diskusi 2 - 1.00 %
Ujian Tengah Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan cara kerja sistem komputer dan menerapkan/menggunakan berbagai algoritma/metode untuk memecahkan masalah pada suatu industri. (P.a)
Students can explain the operation of computer systems and apply/utilize various algorithms/methods to solve problems in the industry. (P.a)
CPMK
: mampu menjelaskan cara kerja dan arsitektur teknologi big data
able to explain the operation and architecture of Big Data technology
KAD
: mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan media simpanan
able to explain techniques and operation of technologies to solve data storage requirements
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
teknik dan cara kerja penyimpanan terdistribusi dapat dijelaskan
techniques and operation of technologies to solve data storage requirements can be explained
Diskusi 2 1.00 %
Ujian Tengah Semester 5.00 %
4
Pemrosesan data secara paralel: MapReduce: Hadoop Pig
Tutorial
Diskusi
Presentasi
150.00
mahasiswa dapat memperagakan bagaimana paralel processing MapReduce bekerja dan merancang arsitekturnya
Diskusi 2 - 1.00 %
Presentasi 1 - 2.00 %
Ujian Tengah Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan cara kerja sistem komputer dan menerapkan/menggunakan berbagai algoritma/metode untuk memecahkan masalah pada suatu industri. (P.a)
Students can explain the operation of computer systems and apply/utilize various algorithms/methods to solve problems in the industry. (P.a)
CPMK
: mampu menjelaskan cara kerja dan arsitektur teknologi big data
able to explain the operation and architecture of Big Data technology
KAD
: mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data cepat yang pada simpanan terdistribusi
able to explain techniques and operation of technologies to solve high speed data processing requirement in distributed data storage
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. teknik dan cara kerja teknologi pemrosesan data cepat pada sistem terdistribusi dapat dijelaskan
techniques and operation of technologies to solve high speed data processing can be explained
Ujian Tengah Semester 5.00 %
PI Description
PI Assessment Methods
2. Material paparan dan diskusi dapat dijalankan sesuai kaidah paparan yang baik
presentation material and discussion can be conducted approximately
Diskusi 2 1.00 %
Presentasi 1 2.00 %
5
Data streaming model dan teknologinya: Kafka Apache, Airflow
Tutorial
Diskusi
150.00
mahasiswa berdiskusi untuk membedakan cara kerja model-model data streaming dicapture dan disimpan
Diskusi 3 - 1.00 %
Ujian Tengah Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan cara kerja sistem komputer dan menerapkan/menggunakan berbagai algoritma/metode untuk memecahkan masalah pada suatu industri. (P.a)
Students can explain the operation of computer systems and apply/utilize various algorithms/methods to solve problems in the industry. (P.a)
CPMK
: mampu menjelaskan cara kerja dan arsitektur teknologi big data
able to explain the operation and architecture of Big Data technology
KAD
: mampu menjelaskan teknik dan cara kerja data capturing dan penyimpanan data pada data streaming
able to explain techniques and operation of technologies to capture and store data in data streaming
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
teknik dan cara kerja data capturing dan penyimpanan data pada data streaming dapat dijelaskan
techniques and operation of technologies to capture and store data in data streaming can be explained
Diskusi 3 1.00 %
Ujian Tengah Semester 5.00 %
6
Pemrosesan data cepat dan teknologinya: Apache Spark
Tutorial
Diskusi
150.00
mahasiswa berdiskusi untuk mengidentifikasi cara kerja pemrosesan data cepat untuk teknologi tertentu
Diskusi 3 - 1.00 %
Ujian Tengah Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan cara kerja sistem komputer dan menerapkan/menggunakan berbagai algoritma/metode untuk memecahkan masalah pada suatu industri. (P.a)
Students can explain the operation of computer systems and apply/utilize various algorithms/methods to solve problems in the industry. (P.a)
CPMK
: mampu menjelaskan cara kerja dan arsitektur teknologi big data
able to explain the operation and architecture of Big Data technology
KAD
: mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan data yang cepat
able to explain techniques and operation of technologies to solve data processing requirement
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
teknik dan cara kerja teknologi pemrosesan data cepat dapat dijelaskan
techniques and operation of technologies to process data in high speed can be explained
Diskusi 3 1.00 %
Ujian Tengah Semester 5.00 %
7
Kasus volume data dan kasus kecepatan update data
Tutorial
Diskusi
Presentasi
150.00
mahasiswa berdiskusi untuk memilih teknologi yang tepat berserta argumentasinya
Diskusi 3 - 1.00 %
Presentasi 2 - 4.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu berpikir logis, kritis serta sistematis dalam memanfaatkan ilmu pengetahuan informatika/ ilmu komputer untuk menyelesaikan masalah nyata. (KU.b)
Students can think logically, critically, and systematically in utilizing the knowledge of informatics/computer science to solve real-world problems.(KU.b)
CPMK
: mampu memilih teknologi yang tepat untuk menyelesaikan masalah skala dan implikasi Big Data
able to choose appropriate technology in addressing scale and implication of big data
KAD
: mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan pemrosesan data kecepatan tinggi
able to choose appropriate technology in addressing high speed data processing requirements
(5,5)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
teknologi pemrosesan data kecepatan tinggi dapat dipilih dengan benar
high speed data processing technology can be chosen appropriately
Diskusi 3 0.50 %
Presentasi 2 2.00 %
KAD
: mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan simpanan data
able to choose appropriate technology in addressing data storage requirements
(5,5)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
teknologi penyimpanan data besar dapat dipilih dengan benar
big data storage technology can be choosen appropriately
Diskusi 3 0.50 %
Presentasi 2 2.00 %
8
Artistektur ETL, ELT. Model data pipeline berdasarkan kebutuhan latensi data ekstraksi: Apache Airflow
Tutorial
Diskusi
150.00
mahasiswa berdiskusi untuk membedakan model arsitektur dan data pipeline pada proses ekstraksi data
Diskusi 4 - 1.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan cara kerja sistem komputer dan menerapkan/menggunakan berbagai algoritma/metode untuk memecahkan masalah pada suatu industri. (P.a)
Students can explain the operation of computer systems and apply/utilize various algorithms/methods to solve problems in the industry. (P.a)
CPMK
: mampu menjelaskan cara kerja dan arsitektur teknologi big data
able to explain the operation and architecture of Big Data technology
KAD
: mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan keragaman data
able to explain techniques and operation of technologies to solve data variety
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kebutuhan pemrosesan keragaman data dapat dijelaskan
techniques and operation of technologies to solve data variety can be explained appropriately
Diskusi 4 1.00 %
9
Konsep datawarehouse dan datalake. Data integrity dan data transformasi: Apache Hudi
Tutorial
Diskusi
150.00
mahasiswa berdiskusi untuk membedakan kebutuhan integrasi dan data transformasi ke datawarehouse dan datalake
Diskusi 4 - 1.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan cara kerja sistem komputer dan menerapkan/menggunakan berbagai algoritma/metode untuk memecahkan masalah pada suatu industri. (P.a)
Students can explain the operation of computer systems and apply/utilize various algorithms/methods to solve problems in the industry. (P.a)
CPMK
: mampu menjelaskan cara kerja dan arsitektur teknologi big data
able to explain the operation and architecture of Big Data technology
KAD
: mampu menjelaskan teknik dan cara kerja teknologi yang digunakan menyelesaikan permasalahan kualitas data
able to explain techniques and operation of technologies to solve data quality
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
kualitas data hasil extraksi dapat ditingkatkan kualitasnya
data quality of extraction results can be improved
Diskusi 4 1.00 %
10
Pemecahan kasus data variety
Kolaborative
Pemecahan Masalah
Presentasi
175.00
mahasiswa berdiskusi untuk memecahkan kasus data variety
Diskusi 4 - 1.00 %
Presentasi 3 - 2.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu berpikir logis, kritis serta sistematis dalam memanfaatkan ilmu pengetahuan informatika/ ilmu komputer untuk menyelesaikan masalah nyata. (KU.b)
Students can think logically, critically, and systematically in utilizing the knowledge of informatics/computer science to solve real-world problems.(KU.b)
CPMK
: mampu memilih teknologi yang tepat untuk menyelesaikan masalah skala dan implikasi Big Data
able to choose appropriate technology in addressing scale and implication of big data
KAD
: mampu memilih teknologi yang tepat untuk menyelesaikan masalah kebutuhan pemrosesan dan peyimpanan keragaman data
able to choose appropriate technology in addressing data variety processing and storage requirements
(5,5)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
teknologi yang tepat untuk menyelesaikan masalah kebutuhan pemrosesan dan peyimpanan keragaman data dapat dipilih
appropriate technology in addressing data variety processing and storage requirements can be choosen
Diskusi 4 1.00 %
Presentasi 3 2.00 %
11
perancangan data engineering pada kasus yang diberikan
Kolaborative
Pemecahan Masalah
150.00
mahasiswa secara berkelompok merancang data engineering pada masalah data variety
Tugas 1 - 10.00 %
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
: mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan big data yang dihadapi dunia industri
able to propose design of information technology to solve big data issues facing by industry
KAD
: mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan data variety update data pada tiruan big data yang dihadapi dunia industri
able to propose design of information technology to solve a data variety issue of big data dummy case faced by industry
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
solusi teknologi untuk menyelesaikan permasalahan data variety update data pada tiruan big data yang dihadapi dunia industri dapat dirancang
design of information technology to solve a data variety issue of big data dummy case faced by industry can be built
Tugas 1 10.00 %
12
perancangan data engineering pada kasus yang diberikan
Kolaborative
Pemecahan Masalah
150.00
mahasiswa secara berkelompok merancang data engineering pada masalah volume
Tugas 2 - 10.00 %
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
: mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan big data yang dihadapi dunia industri
able to propose design of information technology to solve big data issues facing by industry
KAD
: mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan volume pada kasus tiruan big data yang dihadapi dunia industri
able to propose design of information technology to solve volume issues in big data dummy case faced by industry
(6,6)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
rancangan solusi teknologi untuk menyelesaikan permasalahan big data yang dihadapi dunia industri dapat dibuat
design of information technology to solve big data issues facing by industry can be built
Tugas 2 10.00 %
13
perancangan data engineering pada kasus yang diberikan
Kolaborative
Pemecahan Masalah
150.00
mahasiswa secara berkelompok merancang data engineering pada permasalahan kecepatan update data
Tugas 3 - 10.00 %
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
: mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan big data yang dihadapi dunia industri
able to propose design of information technology to solve big data issues facing by industry
KAD
: mampu mengajukan rancangan solusi teknologi untuk menyelesaikan permasalahan kecepatan update data pada tiruan big data yang dihadapi dunia industri
able to propose design of information technology to solve a velocity issue of big data dummy case facing by industry
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
rancangan solusi teknologi untuk menyelesaikan permasalahan kecepatan update data pada tiruan big data yang dihadapi dunia industri dapat dibuat
design of information technology to solve a velocity issue of big data dummy case facing by industry can be built
Tugas 3 10.00 %
14
Presentasi hasil perancangan secara terintegrasi
Diskusi
Presentasi
150.00
mahasiswa mempresentasikan hasil rancangan
Ujian Akhir Semester (Ujian lisan paparan) - 25.00 %
Presentasi 4 - 4.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu berpikir logis, kritis serta sistematis dalam memanfaatkan ilmu pengetahuan informatika/ ilmu komputer untuk menyelesaikan masalah nyata. (KU.b)
Students can think logically, critically, and systematically in utilizing the knowledge of informatics/computer science to solve real-world problems.(KU.b)
CPMK
: mampu memilih teknologi yang tepat untuk menyelesaikan masalah skala dan implikasi Big Data
able to choose appropriate technology in addressing scale and implication of big data
KAD
: mampu mempresentasikan hasil rancangan secara logis, kritis, dan sistematis
able to present the design result logically, critically, and systematically
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. hasil rancangan secara logis, kritis, dan sistematis dapat dipresentasikan
the design result logically, critically, and systematically can be presented
Presentasi 4 4.00 %
PI Description
PI Assessment Methods
2. hasil rancangan solusi permasalahan bigdata tiruan di industri dapat dibuat dengan benar
design of solution of dummy industrial problem can be demonstrated approximately
Ujian Akhir Semester (Ujian lisan paparan) 25.00 %
Assessment Component
Assessment Detail
No
Component Name
Weightage
1
Diskusi 1
5
2
Diskusi 2
2
3
Diskusi 3
3
4
Diskusi 4
3
5
Presentasi 1
2.00
6
Presentasi 2
4.00
7
Presentasi 3
2.00
8
Presentasi 4
4.00
9
Tugas 1
10.00
10
Tugas 2
10.00
11
Tugas 3
10.00
12
Ujian Akhir Semester
25.00
13
Ujian Tengah Semester
20
Total
100
Daftar Referensi
Notice
: Trying to get property of non-object in
/var/www/html/sis/application/controllers/IndexController.php
on line
978