| 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
|
|
150.00 |
mahasiswa berdiskusi dan dapat menyimpulkan terkait dengan pertumbuhan data, keragaman format dan kecepatan perubahan data serta implikasinya |
|
|
|
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 |
|
150.00 |
mahasiswa berdiskusi untuk menyimpulkan model pertumbuhan data dari kasus yang diberikan |
|
|
|
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 |
|
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 |
|
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 |
|
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 |
|
150.00 |
mahasiswa berdiskusi untuk membedakan model arsitektur dan data pipeline pada proses ekstraksi data |
|
|
|
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 |
|
150.00 |
mahasiswa berdiskusi untuk membedakan kebutuhan integrasi dan data transformasi ke datawarehouse dan datalake |
|
|
|
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 |
|
|
|
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 |
|
|
|
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 |
|
|
|
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 |
|
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 %
|
|
|
|
|
|