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
IKG308
Nama Matakuliah
Visualisasi Data
sks
3.00
Semester Name
Subject Code
Subject Name
Group Name
Group Code
Portofolio
Review History
RPS Review History
No
Review
Review By
Review Date
1
Sudah direview.
Anung Barlianto Ariwibowo
2023-05-31 13:43:50
Capaian Pembelajaran (CP) terkait
Capaian Pembelajaran (CP)
SIKAP
3
Dapat menunjukkan etika dan moral masyarakat: Satria, Setia, Sportif. (S.c)
Ability to show the ethics and morals of society: Satria, Setia dan Sportif (S.c)
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
Mahasiswa mampu mengidentifikasi, menjelaskan, mendiskusikan konsep pengelolaan dan interpretasi berbagai jenis data pada visualisasi
Students are able to identify, explain, discuss management concepts and interpretation of various types of data in visualization
(2,2)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Mahasiswa mampu mengidentifikasi dan menjelaskan konsep proses, sejarah visualisasi dan peranan pengguna pada sistem visualisasi data
Students are able to identify and explain process concepts, visualization history and user roles in data visualization systems
(2,2)
2
Mahasiswa mampu mengidentifikasi jawaban dari soal-soal visualisasi data dalam bentuk essay
Students are able to identify answers to data visualization questions in the form of essays
(1,2)
3
Mahasiswa mampu mengidentifikasi dan menjelaskan prinsip perancangan tree pada visualisasi
Students are able to identify and explain the principles of tree design in visualization
(2,2)
4
Mahasiswa mampu mengidentifikasi dan menjelaskan konsep interaksi, animasi, dan transformasi visualisasi
Students are able to identify and explain the concept of interaction, animation, and visualization transformation
(2,2)
KETRAMPILAN UMUM
1
Kemampuan menganalisis persoalan komputasi yang kompleks serta menerapkan prinsip-prinsip computing dan disiplin ilmu relevan lainnya untuk mengidentifikasi solusi, dengan mempertimbangkan wawasan perkembangan ilmu transdisiplin (KU.a)
Ability to analyze complex computational problems and apply the principles of computing and other relevant disciplines to identify solutions, taking into account the insights of the development of transdisciplinary science (KU.a)
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
Mahasiswa mampu menganalisis dan mengevaluasi penerapan sistem visualisasi dalam ranah data intelijen
Students are able to analyze and evaluate the application of visualization systems in the realm of intelligence data
(4,1)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Mahasiswa mampu mengidentifikasi, membedakan dan mengevaluasi konsep data dan berbagai pengolahannya pada ranah data intelijen
Students are able to identify, distinguish and evaluate data concepts and their various processing in the realm of intelligence data
(5,2)
2
Mahasiswa mampu mengidentifikasi, menganalisis konsep dan pengelolaan data Corpus dengan SOM
Students are able to identify, analyze concepts and manage Corpus data with SOM
(4,2)
3
Mahasiswa mampu menerapkan akuisisi, pengelolaan dan visualisasi pada ranah data intelijen dengan menggunakan sistem yang telah ada
Students are able to apply acquisition, management and visualization in the realm of intelligence data using existing systems
(3,3)
2
Kemampuan mendesain, mengimplementasi dan mengevaluasi solusi berbasis komputasi yang memenuhi kebutuhan-kebutuhan komputasi pada sebuah disiplin program (KU.b)
Ability to design, implement and evaluate computation-based solutions that meet the computational requirements of a program discipline (KU.b)
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
Mahasiswa mampu merancang, mengidentifikasi dan memperbaiki bentuk visualisasi data
Students are able to design, identify and improve the form of data visualization
(5,1)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Mahasiswa mampu mengidentifikasi dan menganalisis konsep persepsi , proses serta bentuk interpretasi manusia terhadap visualisasi
Students are able to identify and analyze the concept of perception, process and form of human interpretation of visualization
(4,3)
2
Mahasiswa mampu mengidentifikasi tahap-tahap visualisasi dan mengevaluasi penerapan variabel visual pada ranah data intelijen
Students are able to identify the stages of visualization and evaluate the application of visual variables in the realm of intelligence data
(5,1)
5
Mampu melakukan fungsi anggota atau pemimpin tim secara efektif dalam kegiatan yang sesuai dengan disiplin ilmu program studi (KU.e)
Able to perform the function of a member or team leader effectively in activities that are in accordance with the discipline of the study program (KU.e)
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
Mahasiswa mampu menciptakan, menunjukkan dan mempresentasikan aplikasi visualisasi data
Students are able to create, demonstrate and present data visualization applications
(6,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Mahasiswa mampu menciptakan, mempresentasikan dan mendokumentasikan proyek visualisasi data
Students are able to create, present and document data visualization projects
(6,1)
KETRAMPILAN KHUSUS
3
Mampu mengimplementasikan visualisasi data pada bidang data science (KK.c)
Able to implement data visualization in the field of data science (KK.c)
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
Mahasiswa mampu mengidentifikasi, mempraktekkan, dan mengembangkan Javascript untuk pengelolaan data visualisasi
Students are able to identify, practice, and develop Javascript for data visualization management
(3,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Mahasiswa mampu mengidentifikasi, membedakan, menerapkan konsep, pengolahan dan visualisasi data spasial
Students are able to identify, differentiate, apply concepts, process and visualize spatial data
(3,3)
2
Mahasiswa mampu mengidentifikasi dan menerapkan konsep, pengelolaan data geospasial
Students are able to identify and apply concepts, geospatial data management
(3,2)
3
Mahasiswa mampu mengidentifikasi dan menerapkan konsep data akuisisi, pengelolaan data multivariat, dan visualisasinya berbasis garis
Students are able to identify and apply the concepts of data acquisition, multivariate data management, and line-based visualization
(3,2)
RPS per Session
Sesi Ke
KAD
Bahan Kajian
Metoda Pembelajaran
Waktu Belajar (Menit)
Pengalaman Belajar Mahasiswa
Referensi
Kriteria Penilaian (Indikator)
1
Pengertian visualisasi data Sejarah dan perkembangan visualisasi, Konsep proses visualisasi, Pengenalan scatterplot, Peranan pengguna pada sistem visualisasi data
Tutorial
Diskusi
150.00
Mengumpulkan informasi (100 menit) Mendiskusikan point-point penting (50 menit)
Matthew Ward, Georges Grinstein, Daniel Keim(2015) (pp: 1-12)
Stephen A. Thomas(2015) (24-39)
Dian Pratiwi(2024)
Quiz 1 - 1.00 %
Ujian Tengah Semester - 1.00 %
CAPAIAN PEMBELAJARAN
: Dapat menunjukkan etika dan moral masyarakat: Satria, Setia, Sportif. (S.c)
Ability to show the ethics and morals of society: Satria, Setia dan Sportif (S.c)
CPMK
: Mahasiswa mampu mengidentifikasi, menjelaskan, mendiskusikan konsep pengelolaan dan interpretasi berbagai jenis data pada visualisasi
Students are able to identify, explain, discuss management concepts and interpretation of various types of data in visualization
KAD
: Mahasiswa mampu mengidentifikasi dan menjelaskan konsep proses, sejarah visualisasi dan peranan pengguna pada sistem visualisasi data
Students are able to identify and explain process concepts, visualization history and user roles in data visualization systems
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Kesesuaian dalam menjelaskan konsep visualisasi data
Suitability in explaining the concept of data visualization
Quiz 1 1.00 %
Ujian Tengah Semester 1.00 %
2.00(Pass)
3.00(Pass)
4.00(Pass)
Mahasiswa mampu mengidentifikasi konsep Visualisasi Data
Students are able to identify the concept of Data Visualization
Mahasiswa mampu mengidentifikasi konsep Visualisasi Data dan tahapan dasar pembuatan visualisasi
Students are able to identify the concept of Data Visualization and the basic stages of making visualizations
Mahasiswa mampu mengidentifikasi konsep Visualisasi Data, tahapan dasar pembuatan visualisasi dan peranan pengguna
Students are able to identify the concept of Data Visualization, the basic stages of making visualizations and the role of the user
PI Description
PI Assessment Methods
2. Keaktifan dalam memberi pendapat & bertanya
Activeness in giving opinions and asking questions
2
Pengenalan data pada visualisasi Berbagai jenis data dan pengolahannya
Tutorial
Diskusi
Pemecahan Masalah
150.00
Mengumpulkan informasi (50 menit) Mendiskusikan point-point penting (50 menit Merepresentasikan jenis data visualisasi (50 menit)
Matthew Ward, Georges Grinstein, Daniel Keim(2015) (13-50)
Stephen A. Thomas(2015) (24-39)
Quiz 1 - 1.50 %
Tugas - 0.50 %
Ujian Tengah Semester - 3.00 %
CAPAIAN PEMBELAJARAN
: Kemampuan menganalisis persoalan komputasi yang kompleks serta menerapkan prinsip-prinsip computing dan disiplin ilmu relevan lainnya untuk mengidentifikasi solusi, dengan mempertimbangkan wawasan perkembangan ilmu transdisiplin (KU.a)
Ability to analyze complex computational problems and apply the principles of computing and other relevant disciplines to identify solutions, taking into account the insights of the development of transdisciplinary science (KU.a)
CPMK
: Mahasiswa mampu menganalisis dan mengevaluasi penerapan sistem visualisasi dalam ranah data intelijen
Students are able to analyze and evaluate the application of visualization systems in the realm of intelligence data
KAD
: Mahasiswa mampu mengidentifikasi, membedakan dan mengevaluasi konsep data dan berbagai pengolahannya pada ranah data intelijen
Students are able to identify, distinguish and evaluate data concepts and their various processing in the realm of intelligence data
(5,5)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Kesesuaian dalam membedakan jenis data
Suitability in differentiating data types
Quiz 1 1.50 %
Ujian Tengah Semester 3.00 %
2.00(Pass)
3.00(Pass)
4.00(Pass)
Mahasiswa mampu mengidentifikasi jenis-jenis data visualisasi (minimal 1 data) dan pengolahannya
Students are able to identify the types of visualization data (at least 1 data) and their processing
Mahasiswa mampu mengidentifikasi jenis-jenis data visualisasi (minimal 2 data) dan pengolahannya
Students are able to identify the types of visualization data (minimum 2 data) and their processing
Mahasiswa mampu mengidentifikasi jenis-jenis data visualisasi (minimal 3 data) dan pengolahannya
Students are able to identify the types of visualization data (minimum 3 data) and their processing
PI Description
PI Assessment Methods
2. Keaktifan dalam memberi pendapat & bertanya
Activeness in giving opinions and asking questions
Tugas 0.50 %
3
Pengenalan persepsi dan proses visual manusia, Komponen-komponen visual manusia, Bentuk-bentuk interpretasi manusia terhadap visualisasi
Tutorial
Diskusi
150.00
Mengumpulkan informasi (100 menit) Mendiskusikan point-point penting (50 menit)
Ben Fhala(2012) (53-71)
Quiz 1 - 2.00 %
Tugas - 0.50 %
Ujian Tengah Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Kemampuan mendesain, mengimplementasi dan mengevaluasi solusi berbasis komputasi yang memenuhi kebutuhan-kebutuhan komputasi pada sebuah disiplin program (KU.b)
Ability to design, implement and evaluate computation-based solutions that meet the computational requirements of a program discipline (KU.b)
CPMK
: Mahasiswa mampu merancang, mengidentifikasi dan memperbaiki bentuk visualisasi data
Students are able to design, identify and improve the form of data visualization
KAD
: Mahasiswa mampu mengidentifikasi dan menganalisis konsep persepsi , proses serta bentuk interpretasi manusia terhadap visualisasi
Students are able to identify and analyze the concept of perception, process and form of human interpretation of visualization
(4,4)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Kesesuaian dalam menjelaskan interpretasi visualisasi
Suitability in explaining the interpretation of visualization
Quiz 1 2.00 %
Ujian Tengah Semester 5.00 %
2.00(Pass)
3.00(Pass)
4.00(Pass)
Mahasiswa mampu mengidentifikasi konsep persepsi manusia
Students are able to identify the concept of human perception
Mahasiswa mampu mengidentifikasi konsep persepsi manusia dan prosesnya
Students are able to identify the concept of human perception and the process
Mahasiswa mampu mengidentifikasi konsep persepsi manusia dan prosesnya, serta bentuk-bentuk interpretasinya
Students are able to identify the concept of human perception and its processes, as well as the forms of interpretation
PI Description
PI Assessment Methods
2. Keaktifan dalam memberi pendapat & bertanya
Activeness in giving opinions and asking questions
Tugas 0.50 %
4
Tahap-tahap visualisasi, Simbol-simbol grafis, Variabel-variabel visual dan penerapannya pada visualisasi data
Tutorial
Percobaan
Diskusi
150.00
Mengumpulkan informasi (50 menit) Mendiskusikan point-point penting (50 menit) Mempraktekkan visualisasi data dengan Javascript (50 menit)
Matthew Ward, Georges Grinstein, Daniel Keim(2015) (73-103)
Quiz 1 - 1.50 %
Quiz 2 - 1.00 %
Tugas - 1.00 %
Ujian Akhir Semester - 3.00 %
Ujian Tengah Semester - 3.00 %
CAPAIAN PEMBELAJARAN
: Kemampuan mendesain, mengimplementasi dan mengevaluasi solusi berbasis komputasi yang memenuhi kebutuhan-kebutuhan komputasi pada sebuah disiplin program (KU.b)
Ability to design, implement and evaluate computation-based solutions that meet the computational requirements of a program discipline (KU.b)
CPMK
: Mahasiswa mampu merancang, mengidentifikasi dan memperbaiki bentuk visualisasi data
Students are able to design, identify and improve the form of data visualization
KAD
: Mahasiswa mampu mengidentifikasi tahap-tahap visualisasi dan mengevaluasi penerapan variabel visual pada ranah data intelijen
Students are able to identify the stages of visualization and evaluate the application of visual variables in the realm of intelligence data
(5,5)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Kesesuaian dalam menerapkan visualisasi
Suitability in applying visualization
Quiz 1 1.50 %
Quiz 2 1.00 %
Ujian Akhir Semester 3.00 %
Ujian Tengah Semester 3.00 %
2.00(Pass)
3.00(Pass)
4.00(Pass)
Mahasiswa mampu mengidentifikasi tahap-tahap visualisasi
Students are able to identify the stages of visualization
Mahasiswa mampu mengidentifikasi tahap-tahap visualisasi dan simbol -simbol grafis
Students are able to identify the stages of visualization and graphic symbols
Mahasiswa mampu mengidentifikasi tahap-tahap visualisasi dan menerapkan simbol -simbol grafis pada visualisasi
Students are able to identify the stages of visualization and apply graphic symbols to visualization
PI Description
PI Assessment Methods
2. Keaktifan dalam memberi pendapat & bertanya
Activeness in giving opinions and asking questions
Tugas 1.00 %
5
Pengenalan data spasial, Contoh-contoh data spasial, Data spasial 1 dimensi, Data spasial 2 dimensi, Data spasial 3 dimensi, Data dinamis dan kombinasi teknik visualisasi pada data spasial
Tutorial
Percobaan
Diskusi
150.00
Mengumpulkan informasi (50 menit) Mendiskusikan point-point penting (50 menit) Menampilkan data spasial dengan Javascript (50 menit)
Matthew Ward, Georges Grinstein, Daniel Keim(2015) (105-128)
Ben Fhala(2012) (20-289)
Stephen A. Thomas(2015) (123-199)
Quiz 1 - 1.00 %
Tugas - 0.50 %
Ujian Akhir Semester - 3.00 %
Ujian Tengah Semester - 3.00 %
CAPAIAN PEMBELAJARAN
: Mampu mengimplementasikan visualisasi data pada bidang data science (KK.c)
Able to implement data visualization in the field of data science (KK.c)
CPMK
: Mahasiswa mampu mengidentifikasi, mempraktekkan, dan mengembangkan Javascript untuk pengelolaan data visualisasi
Students are able to identify, practice, and develop Javascript for data visualization management
KAD
: Mahasiswa mampu mengidentifikasi, membedakan, menerapkan konsep, pengolahan dan visualisasi data spasial
Students are able to identify, differentiate, apply concepts, process and visualize spatial data
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Kesesuaian dalam menerapkan data spasial pada visualisasi
Suitability in applying spatial data to visualization
Quiz 1 1.00 %
Ujian Akhir Semester 3.00 %
Ujian Tengah Semester 3.00 %
2.00(Pass)
3.00(Pass)
4.00(Pass)
Mahasiswa mampu mengidentifikasi data spasial dan contoh-contohnya
Students are able to identify spatial data and examples
Mahasiswa mampu mengidentifikasi data spasial dan contoh-contohnya, serta menerapkan data spasial 1 dimensi pada visualisasi
Students are able to identify spatial data and examples, and apply 1-dimensional spatial data to visualization
Mahasiswa mampu mengidentifikasi data spasial dan contoh-contohnya, serta menerapkan data spasial lebih dari 1 dimensi pada visualisasi
Students are able to identify spatial data and examples, and apply spatial data of more than 1 dimension to visualization
PI Description
PI Assessment Methods
2. Keaktifan dalam memberi pendapat & bertanya
Activeness in giving opinions and asking questions
Tugas 0.50 %
6
Pengenalan data geospasial, Perbedaan data spasial dengan geospasial, Visualisasi pada data berbentuk titik, Visualisasi data garis dan data area
Tutorial
Percobaan
Diskusi
150.00
Mengumpulkan informasi (50 menit) Mendiskusikan point-point penting (50 menit) Mempraktekkan Javascript untuk memvisualisasikan data geospasial (50 menit)
Matthew Ward, Georges Grinstein, Daniel Keim(2015) (99-124)
Ben Fhala(2012) (294-529)
Stephen A. Thomas(2015) (8 & 21-122)
Quiz 1 - 1.00 %
Quiz 2 - 1.50 %
Tugas - 1.00 %
Ujian Akhir Semester - 3.00 %
Ujian Tengah Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Mampu mengimplementasikan visualisasi data pada bidang data science (KK.c)
Able to implement data visualization in the field of data science (KK.c)
CPMK
: Mahasiswa mampu mengidentifikasi, mempraktekkan, dan mengembangkan Javascript untuk pengelolaan data visualisasi
Students are able to identify, practice, and develop Javascript for data visualization management
KAD
: Mahasiswa mampu mengidentifikasi dan menerapkan konsep, pengelolaan data geospasial
Students are able to identify and apply concepts, geospatial data management
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Kesesuaian dalam menerapkan data geospasial pada visualisasi
Suitability of applying geospatial data to visualization
Quiz 1 1.00 %
Quiz 2 1.50 %
Ujian Akhir Semester 3.00 %
Ujian Tengah Semester 5.00 %
2.00(Pass)
3.00(Pass)
4.00(Pass)
Mahasiswa mampu mengidentifikasi data geospasial dan contoh-contohnya
Students are able to identify geospatial data and examples
Mahasiswa mampu mengidentifikasi data geospasial dan contoh-contohnya, serta menerapkan data geospasial titik & garis pada visualisasi
Students are able to identify geospatial data and examples, and apply point & line geospatial data to visualization
Mahasiswa mampu mengidentifikasi data geospasial dan contoh-contohnya, serta menerapkan data geospasial titik & garis pada visualisasi berbentuk area
Students are able to identify geospatial data and examples, and apply point & line geospatial data to visualization in the form of areas
PI Description
PI Assessment Methods
2. Keaktifan dalam memberi pendapat & bertanya
Activeness in giving opinions and asking questions
Tugas 1.00 %
7
Quiz I: Prosedur visualisasi, jenis data, perbedaan data spasial
Pemecahan Masalah
150.00
Menjawab soal-soal essay (150 menit)
Quiz 1 - 0.00 %
CAPAIAN PEMBELAJARAN
: Dapat menunjukkan etika dan moral masyarakat: Satria, Setia, Sportif. (S.c)
Ability to show the ethics and morals of society: Satria, Setia dan Sportif (S.c)
CPMK
: Mahasiswa mampu mengidentifikasi, menjelaskan, mendiskusikan konsep pengelolaan dan interpretasi berbagai jenis data pada visualisasi
Students are able to identify, explain, discuss management concepts and interpretation of various types of data in visualization
KAD
: Mahasiswa mampu mengidentifikasi jawaban dari soal-soal visualisasi data dalam bentuk essay
Students are able to identify answers to data visualization questions in the form of essays
(1,1)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Kesesuaian menjawab soal tertulis
Suitability of answering written questions
8
UTS
Pemecahan Masalah
120.00
Menjawab soal-soal essay (120 menit)
Ujian Tengah Semester - 0.00 %
CAPAIAN PEMBELAJARAN
: Dapat menunjukkan etika dan moral masyarakat: Satria, Setia, Sportif. (S.c)
Ability to show the ethics and morals of society: Satria, Setia dan Sportif (S.c)
CPMK
: Mahasiswa mampu mengidentifikasi, menjelaskan, mendiskusikan konsep pengelolaan dan interpretasi berbagai jenis data pada visualisasi
Students are able to identify, explain, discuss management concepts and interpretation of various types of data in visualization
KAD
: Mahasiswa mampu mengidentifikasi jawaban dari soal-soal visualisasi data dalam bentuk essay
Students are able to identify answers to data visualization questions in the form of essays
(1,1)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Kesesuaian menjawab soal tertulis
Suitability of answering written questions
9
Pengenalan Corpus, Level representasi teks (lexical, syntactic, semantic), Teknik pembobotan teks dengan metode Self Organizing Map, Contoh software visualisasi data teks
Tutorial
Diskusi
150.00
Mengumpulkan informasi (100 menit) Mendiskusikan point-point penting (50 menit)
Matthew Ward, Georges Grinstein, Daniel Keim(2015) (201-250)
Quiz 2 - 1.00 %
Tugas - 2.00 %
Ujian Akhir Semester - 4.00 %
CAPAIAN PEMBELAJARAN
: Kemampuan menganalisis persoalan komputasi yang kompleks serta menerapkan prinsip-prinsip computing dan disiplin ilmu relevan lainnya untuk mengidentifikasi solusi, dengan mempertimbangkan wawasan perkembangan ilmu transdisiplin (KU.a)
Ability to analyze complex computational problems and apply the principles of computing and other relevant disciplines to identify solutions, taking into account the insights of the development of transdisciplinary science (KU.a)
CPMK
: Mahasiswa mampu menganalisis dan mengevaluasi penerapan sistem visualisasi dalam ranah data intelijen
Students are able to analyze and evaluate the application of visualization systems in the realm of intelligence data
KAD
: Mahasiswa mampu mengidentifikasi, menganalisis konsep dan pengelolaan data Corpus dengan SOM
Students are able to identify, analyze concepts and manage Corpus data with SOM
(4,4)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Kesesuaian dalam menjelaskan konsep corpus
Conformity in explaining the concept of corpus
Quiz 2 1.00 %
Tugas 1.00 %
Ujian Akhir Semester 4.00 %
2.00(Pass)
3.00(Pass)
4.00(Pass)
Mahasiswa mampu mengidentifikasi konsep corpus
Students are able to identify the concept of corpus
Mahasiswa mampu mengidentifikasi konsep corpus dan membedakan level representasi teks dengan benar
Students are able to identify the concept of corpus and distinguish levels of text representation correctly
Mahasiswa mampu mengidentifikasi konsep corpus, membedakan level representasi teks dan menghitung bobot teks untuk visualisasi dengan benar
Students are able to identify the concept of corpus, distinguish levels of text representation and calculate text weights for visualization correctly
PI Description
PI Assessment Methods
2. Keaktifan dalam memberi pendapat & bertanya
Activeness in giving opinions and asking questions
Tugas 1.00 %
10
Konsep tree pada visualisasi, Struktur hirarki, Konsep graf pada visualisasi, Representasi matriks pada graf
Tutorial
Percobaan
Diskusi
150.00
Mengumpulkan informasi (50 menit) Mendiskusikan point-point penting (50 menit) Mempraktekkan perancangan graf (50 menit)
Matthew Ward, Georges Grinstein, Daniel Keim(2015) (251-290)
Quiz 2 - 2.50 %
Tugas - 2.00 %
Ujian Akhir Semester - 4.00 %
CAPAIAN PEMBELAJARAN
: Dapat menunjukkan etika dan moral masyarakat: Satria, Setia, Sportif. (S.c)
Ability to show the ethics and morals of society: Satria, Setia dan Sportif (S.c)
CPMK
: Mahasiswa mampu mengidentifikasi, menjelaskan, mendiskusikan konsep pengelolaan dan interpretasi berbagai jenis data pada visualisasi
Students are able to identify, explain, discuss management concepts and interpretation of various types of data in visualization
KAD
: Mahasiswa mampu mengidentifikasi dan menjelaskan prinsip perancangan tree pada visualisasi
Students are able to identify and explain the principles of tree design in visualization
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Kesesuaian dalam menjelaskan konsep tree pada visualisasi
Suitability in explaining the tree concept in visualization
Quiz 2 2.50 %
Tugas 1.00 %
Ujian Akhir Semester 4.00 %
2.00(Pass)
3.00(Pass)
4.00(Pass)
Mahasiswa mampu mengidentifikasi konsep tree pada visualisasi
Students are able to identify the tree concept in visualization
Mahasiswa mampu mengidentifikasi konsep tree dan graf pada visualisasi
Students are able to identify tree and graph concepts in visualization
Mahasiswa mampu mengidentifikasi serta menerapkan konsep tree dan graf pada visualisasi
Students are able to identify and apply tree and graph concepts to visualization
PI Description
PI Assessment Methods
2. Keaktifan dalam memberi pendapat & bertanya
Activeness in giving opinions and asking questions
Tugas 1.00 %
11
Pengenalan data multivariat, Konsep visualisasi berbasis titik, Matriks scatterplot, Visualisasi berbasis garis, Algoritma Andrew’s Curve, Bar Chart, PCA
Tutorial
Percobaan
Diskusi
150.00
Mengumpulkan informasi (50 menit) Mendiskusikan point-point penting (50 menit) Mempraktekkan visualisasi data multivariate dengan Javascript (50 menit)
Matthew Ward, Georges Grinstein, Daniel Keim(2015) (179-196)
Ben Fhala(2012) (408-606)
Stephen A. Thomas(2015) (10-11 & 202-235)
Quiz 2 - 1.50 %
Tugas - 0.50 %
Ujian Akhir Semester - 4.00 %
CAPAIAN PEMBELAJARAN
: Mampu mengimplementasikan visualisasi data pada bidang data science (KK.c)
Able to implement data visualization in the field of data science (KK.c)
CPMK
: Mahasiswa mampu mengidentifikasi, mempraktekkan, dan mengembangkan Javascript untuk pengelolaan data visualisasi
Students are able to identify, practice, and develop Javascript for data visualization management
KAD
: Mahasiswa mampu mengidentifikasi dan menerapkan konsep data akuisisi, pengelolaan data multivariat, dan visualisasinya berbasis garis
Students are able to identify and apply the concepts of data acquisition, multivariate data management, and line-based visualization
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Kesesuaian dalam menjelaskan dan menerapkan data multivariat
Conformity in explaining and applying multivariate data
Quiz 2 1.50 %
Ujian Akhir Semester 4.00 %
2.00(Pass)
3.00(Pass)
4.00(Pass)
Mahasiswa mampu mengidentifikasi konsep data multivariat
Students are able to identify the concept of multivariate data
Mahasiswa mampu mengidentifikasi konsep data multivariat dan konsep visualisasi berbasis titik
Students are able to identify multivariate data concepts and point-based visualization concepts
Mahasiswa mampu mengidentifikasi dan menerapkan konsep data multivariat dan konsep visualisasi berbasis titik
Students are able to identify and apply multivariate data concepts and point-based visualization concepts
PI Description
PI Assessment Methods
2. Keaktifan dalam memberi pendapat & bertanya
Activeness in giving opinions and asking questions
Tugas 0.50 %
12
Konsep interaksi pada visualisasi, Komponen interaksi Animasi dan transformasi visualisasi, Pengontrolan interaksi
Tutorial
Diskusi
150.00
Mengumpulkan informasi (100 menit) Mendiskusikan point-point penting (50 menit)
Ben Fhala(2012) (201-215)
Quiz 2 - 2.00 %
Tugas - 1.00 %
Ujian Akhir Semester - 4.00 %
CAPAIAN PEMBELAJARAN
: Dapat menunjukkan etika dan moral masyarakat: Satria, Setia, Sportif. (S.c)
Ability to show the ethics and morals of society: Satria, Setia dan Sportif (S.c)
CPMK
: Mahasiswa mampu mengidentifikasi, menjelaskan, mendiskusikan konsep pengelolaan dan interpretasi berbagai jenis data pada visualisasi
Students are able to identify, explain, discuss management concepts and interpretation of various types of data in visualization
KAD
: Mahasiswa mampu mengidentifikasi dan menjelaskan konsep interaksi, animasi, dan transformasi visualisasi
Students are able to identify and explain the concept of interaction, animation, and visualization transformation
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Kesesuaian dalam menjelaskan konsep transformasi visualisasi
Suitability in explaining the concept of visualization transformation
Quiz 2 2.00 %
Ujian Akhir Semester 4.00 %
2.00(Pass)
3.00(Pass)
4.00(Pass)
Mahasiswa mampu mengidentifikasi konsep transformasi pada visualisasi
Students are able to identify the concept of transformation in visualization
Mahasiswa mampu mengidentifikasi konsep transformasi dan komponen interaksi pada visualisasi
Students are able to identify the concept of transformation and interaction components in visualization
Mahasiswa mampu mengidentifikasi konsep transformasi, komponen dan pengontrolan interaksi pada visualisasi
Students are able to identify the concept of transformation, component and interaction control in visualization
PI Description
PI Assessment Methods
2. Keaktifan dalam memberi pendapat & bertanya
Activeness in giving opinions and asking questions
Tugas 1.00 %
13
Sistem berbasis data ilmiah (OpenDX), Sistem berbasis data multivariat (XmdvTool), Sistem berbasis data graf (GraphViz), Sistem berbasis data geospasial (Macrofocus), Sistem berbasis data teks (Jigsaw)
Tutorial
Percobaan
Diskusi
150.00
Mengumpulkan informasi (50 menit) Mendiskusikan point-point penting (50 menit) Mempraktekkan pengelolaan data dengan berbagai sistem (50 menit)
Ben Fhala(2012) (223-246)
Quiz 2 - 2.50 %
Tugas - 1.00 %
Ujian Akhir Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Kemampuan menganalisis persoalan komputasi yang kompleks serta menerapkan prinsip-prinsip computing dan disiplin ilmu relevan lainnya untuk mengidentifikasi solusi, dengan mempertimbangkan wawasan perkembangan ilmu transdisiplin (KU.a)
Ability to analyze complex computational problems and apply the principles of computing and other relevant disciplines to identify solutions, taking into account the insights of the development of transdisciplinary science (KU.a)
CPMK
: Mahasiswa mampu menganalisis dan mengevaluasi penerapan sistem visualisasi dalam ranah data intelijen
Students are able to analyze and evaluate the application of visualization systems in the realm of intelligence data
KAD
: Mahasiswa mampu menerapkan akuisisi, pengelolaan dan visualisasi pada ranah data intelijen dengan menggunakan sistem yang telah ada
Students are able to apply acquisition, management and visualization in the realm of intelligence data using existing systems
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Kesesuaian dalam mengidentifikasi keunggulan aplikasi pengelolaan data visualisasi
Conformity in identifying the advantages of visualization data management applications
Quiz 2 2.50 %
Ujian Akhir Semester 5.00 %
2.00(Pass)
3.00(Pass)
4.00(Pass)
Mahasiswa mampu mengidentifikasi dan menguji keunggulan satu aplikasi pengelolaan data visualisasi
Students are able to identify and test the advantages of a visualization data management application
Mahasiswa mampu mengidentifikasi dan menguji keunggulan 2 jenis aplikasi pengelolaan data visualisasi
Students are able to identify and test the advantages of 2 types of visualization data management applications
Mahasiswa mampu mengidentifikasi dan menguji keunggulan 3 jenis aplikasi pengelolaan data visualisasi
Students are able to identify and test the advantages of 3 types of visualization data management applications
PI Description
PI Assessment Methods
2. Keaktifan dalam memberi pendapat & bertanya
Activeness in giving opinions and asking questions
Tugas 1.00 %
14
Quiz II: corpus, visualisasi graf dan interaksi
Pemecahan Masalah
150.00
Menjawab soal-soal essay (150 menit)
Quiz 2 - 0.00 %
CAPAIAN PEMBELAJARAN
: Dapat menunjukkan etika dan moral masyarakat: Satria, Setia, Sportif. (S.c)
Ability to show the ethics and morals of society: Satria, Setia dan Sportif (S.c)
CPMK
: Mahasiswa mampu mengidentifikasi, menjelaskan, mendiskusikan konsep pengelolaan dan interpretasi berbagai jenis data pada visualisasi
Students are able to identify, explain, discuss management concepts and interpretation of various types of data in visualization
KAD
: Mahasiswa mampu mengidentifikasi jawaban dari soal-soal visualisasi data dalam bentuk essay
Students are able to identify answers to data visualization questions in the form of essays
(1,1)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Kesesuaian menjawab soal tertulis
Suitability of answering written questions
15
Proyek visualisasi data
150.00
Presentasi proyek (150 menit)
Tugas Kelompok - 20.00 %
CAPAIAN PEMBELAJARAN
: Mampu melakukan fungsi anggota atau pemimpin tim secara efektif dalam kegiatan yang sesuai dengan disiplin ilmu program studi (KU.e)
Able to perform the function of a member or team leader effectively in activities that are in accordance with the discipline of the study program (KU.e)
CPMK
: Mahasiswa mampu menciptakan, menunjukkan dan mempresentasikan aplikasi visualisasi data
Students are able to create, demonstrate and present data visualization applications
KAD
: Mahasiswa mampu menciptakan, mempresentasikan dan mendokumentasikan proyek visualisasi data
Students are able to create, present and document data visualization projects
(6,6)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Kejelasan presentasi
Presentation clarity
Tugas Kelompok 5.00 %
PI Description
PI Assessment Methods
2. Kelayakan hasil proyek
Feasibility of project results
Tugas Kelompok 15.00 %
16
UAS
120.00
Menjawab soal-soal essay (120 menit)
Ujian Akhir Semester - 0.00 %
CAPAIAN PEMBELAJARAN
: Dapat menunjukkan etika dan moral masyarakat: Satria, Setia, Sportif. (S.c)
Ability to show the ethics and morals of society: Satria, Setia dan Sportif (S.c)
CPMK
: Mahasiswa mampu mengidentifikasi, menjelaskan, mendiskusikan konsep pengelolaan dan interpretasi berbagai jenis data pada visualisasi
Students are able to identify, explain, discuss management concepts and interpretation of various types of data in visualization
KAD
: Mahasiswa mampu mengidentifikasi jawaban dari soal-soal visualisasi data dalam bentuk essay
Students are able to identify answers to data visualization questions in the form of essays
(1,1)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Kesesuaian menjawab soal tertulis
Suitability of answering written questions
Assessment Component
Assessment Detail
No
Component Name
Weightage
1
Quiz 1
8
2
Quiz 2
12
3
Tugas
10
4
Tugas Kelompok
20.00
5
Ujian Akhir Semester
30
6
Ujian Tengah Semester
20
Total
100
Daftar Referensi
1. Matthew Ward, Georges Grinstein, Daniel Keim. Interactiva Data Visualization : Foundations, Techniques, and Applications. . CRC Press- Taylor& Francis Group. 2015
2. Stephen A. Thomas. Data Visualization with Javascript. No Starch Press Inc. 2015
3. Matthew Ward, Georges Grinstein, Daniel Keim. Interactiva Data Visualization : Foundations, Techniques, and Applications. . CRC Press- Taylor& Francis Group. 2015
4. Ben Fhala. HTML 5 Graphing and Data Visualization Cookbook. PACKT Publishing. 2012
5. Dian Pratiwi. Visualisasi Data: Teori dan Penerapannya. UWAIS Inspirasi Indonesia. 2024
Notice
: Trying to get property of non-object in
/var/www/html/sis/application/controllers/IndexController.php
on line
978