RPS: Session, Learning Material, Reference, Assessment/Rubric Info Search Subject Subject Name : 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. 1. Matthew Ward, Georges Grinstein, Daniel Keim. Interactiva Data Visualization : Foundations, Techniques, and Applications. . CRC Press- Taylor& Francis Group. 2015
2. 2. Stephen A. Thomas. Data Visualization with Javascript. No Starch Press Inc. 2015
3. 3. Matthew Ward, Georges Grinstein, Daniel Keim. Interactiva Data Visualization : Foundations, Techniques, and Applications. . CRC Press- Taylor& Francis Group. 2015
4. 4. Ben Fhala. HTML 5 Graphing and Data Visualization Cookbook. PACKT Publishing. 2012
5. 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

Copyright©Universitas Trisakti