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
ISA6303
Nama Matakuliah
Analitik Data
sks
3.00
Semester Name
Subject Code
Subject Name
Group Name
Group Code
Portofolio
Gasal 2023/2024 (R)
ISA6303
Analitik Data
SI-02
02
Portofolio
Gasal 2023/2024 (R)
ISA6303
Analitik Data
SI-01
01
Portofolio
Genap 2023/2024 (R)
ISA6303
Analitik Data
SI-01
01
Portofolio
Review History
RPS Review History
No
Review
Review By
Review Date
1
Pada pertemuan ke 2, KAD nya mengandung dua kata kerja bloom yang memiliki level berbeda (memahami dan menerapkan), sehingga assesmentnya akan berbeda pula, pertemuan ke 7 juga, pertemuan 10 juga KAD sebaiknya ditambahkan mampu baru diikuti katakerja bloom Pertemuan ke-12 krn KAD nya menerapkan maka assesment yg cocok praktikum saran: komposisi penilaian utk praktikum disatukan saja, demikian juga utk quiz untuk mengurangi kemungkinan komponen nilai yang kosong yg mengakibatkan nilai incomplete sehingga berakhir nilai E
Syandra Sari
2024-05-23 11:22:40
Capaian Pembelajaran (CP) terkait
Capaian Pembelajaran (CP)
KETRAMPILAN KHUSUS
1
Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
CPMK 1 : Membuat rekomendasi pengambilan keputusan pada proses dan sistem organisasi berdasarkan hasil analitik data
CPMK 1 : Make recommendations for decision making on organizational processes and systems based on data analytical results
(6,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Sub CPMK 1 : Memahami perbedaan descriptive analytics, diagnostic analytics, predictive analytics dan prescriptive analytics
Understand the differences between descriptive analytics, diagnostic analytics, predictive analytics and prescriptive analytics
(2,2)
2
Sub CPMK 2 : Memahami tipe sumber data dan menerapkan beberapa teknik pengumpulan data dalam analitik data
Sub CPMK 2 : Understand data source types and apply several data collection techniques in data analytics
(3,3)
3
Sub CPMK 3 : Menerapkan preprocessing data: cleansing dan transformasi
Sub CPMK 3 : Apply data preprocessing: Cleansing and transformation
(3,3)
4
Sub CPMK 4 : Menerapkan analisis data eksploratori
Sub CPMK 4 : Apply exploratory data analysis
(3,3)
5
Sub CPMK 5 : Membuat visualisasi dan rekomendasi pengambilan keputusan
Sub CPMK 5 : Create visualizations and decision making recommendations
(6,3)
2
Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
CPMK 2 : Mengolah dan menganalisis data dengan berbagai teknik dasar
Process and analyze data with various basic techniques
(3,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Sub CPMK 6 : Mempersiapkan data menggunakan SQL
Sub CPMK 6 : Prepare data using SQL
(3,3)
2
Sub CPMK 7 : Menampilkan dan menganalisis statistika deskriptif menggunakan SQL
Sub CPMK 7 : Displays and analyze descriptive statistics using SQL
(4,3)
7
Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
CPMK 3 : Memahami prinsip-prinsip Computational Thinking (CT) untuk mempelajari data science, menganalisis permasalahan data science dengan framework CT serta mengekspresikan masalah bisnis sebagai masalah data
Understand the principles of Computational Thinking (CT) to learn data science, analyze data science problems with the CT framework and express business problems as data problems
(3,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Sub CPMK 8: Memahami pemodelan statistik dan Regresi linear
Understand statistical modeling and Linear regression
(2,3)
2
Sub CPMK 9 : Memahami dan menerapkan model regresi logistik dengan prediktor kualitatif
Understand and apply logistic regression models with qualitative predictors
(3,3)
3
Sub CPMK 10: Memahami dan menerapkan model time series dan forecasting
Understand and apply time series and forecasting models
(3,3)
4
Sub CPMK 11 : Menerapkan visualisasi data menggunakan Power BI
Implement data visualization using Power BI
(3,3)
5
Sub CPMK 12 : Menerapkan visualisasi data menggunkan Tableau
Implement data visualization using Tableau
(3,3)
6
Sub CPMK 13 : Menerapkan visualisasi data menggunakan Google Looker Studio
Implement data visualization using Google Looker Studio
(3,3)
7
Sub CPMK 14 : Menerapkan Proyek Analitik Data Dasar dan Presentasi
Implement Basic Data Analytics Projects and Presentations
(3,3)
RPS per Session
Sesi Ke
KAD
Bahan Kajian
Metoda Pembelajaran
Waktu Belajar (Menit)
Pengalaman Belajar Mahasiswa
Referensi
Kriteria Penilaian (Indikator)
1
Pengertian descriptive, diagnostic, predictive, presciptive Analysis dan contoh implementasi
Tutorial
Diskusi
150.00
Memanfaatkan berbagai sumber belajar, memberi dan menerima umpan balik
Ali Abdulhussein(2022)
Peter Bruce, Andrew Bruce & Peter Gedeck(2020)
Quiz 1 - 3.00 %
CAPAIAN PEMBELAJARAN
: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: CPMK 1 : Membuat rekomendasi pengambilan keputusan pada proses dan sistem organisasi berdasarkan hasil analitik data
CPMK 1 : Make recommendations for decision making on organizational processes and systems based on data analytical results
KAD
: Sub CPMK 1 : Memahami perbedaan descriptive analytics, diagnostic analytics, predictive analytics dan prescriptive analytics
Understand the differences between descriptive analytics, diagnostic analytics, predictive analytics and prescriptive analytics
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Tugas teori dan konsep analitik data dapat diselesaikan
Theoretical tasks and data analytical concepts can be completed
Quiz 1 3.00 %
0.00(Fail)
25.00(Pass)
50.00(Pass)
75.00(Pass)
100.00(Pass)
Jawaban kuis salah
Incorrect quiz for answer
25% Jawaban kuis benar
25% quiz answers are correct
50% Jawaban kuis benar
50% quiz answers are correct
75% Jawaban kuis benar
75% quiz answers are correct
100% Jawaban kuis benar
100% quiz answers are correct
2
Jenis sumber data (data mesin, data file, data primer, data sekunder), teknik pengumpulan data (web scraping, database query, social media monitoring)
Tutorial
Diskusi
150.00
- Memanfaatkan berbagai sumber belajar, termasuk LMS. - Memberi dan menerima umpan balik melalui diskusi dan tanya jawab. - Menjalankan praktikum
Ryan Mitchell(2015)
Praktikum 1 - 3.00 %
CAPAIAN PEMBELAJARAN
: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: CPMK 1 : Membuat rekomendasi pengambilan keputusan pada proses dan sistem organisasi berdasarkan hasil analitik data
CPMK 1 : Make recommendations for decision making on organizational processes and systems based on data analytical results
KAD
: Sub CPMK 2 : Memahami tipe sumber data dan menerapkan beberapa teknik pengumpulan data dalam analitik data
Sub CPMK 2 : Understand data source types and apply several data collection techniques in data analytics
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan dan kelengkapan dalam laporan praktikum
Accuracy and completeness in the practicum report
Praktikum 1 3.00 %
3
data cleansing, transformasi data
Tutorial
Diskusi
150.00
- Memanfaatkan berbagai sumber belajar, termasuk LMS. - Memberi dan menerima umpan balik melalui diskusi dan tanya jawab. - Mengerjakan pre-test dan post-test
Wes McKinney(2018)
Ujian Tengah Semester - 7.50 %
CAPAIAN PEMBELAJARAN
: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: CPMK 1 : Membuat rekomendasi pengambilan keputusan pada proses dan sistem organisasi berdasarkan hasil analitik data
CPMK 1 : Make recommendations for decision making on organizational processes and systems based on data analytical results
KAD
: Sub CPMK 3 : Menerapkan preprocessing data: cleansing dan transformasi
Sub CPMK 3 : Apply data preprocessing: Cleansing and transformation
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan dalam menjawab soal ujian
Accuracy in answering test questions
Ujian Tengah Semester 7.50 %
4
statistik deskriptif dasar dalam descriptive analytics serta probabilitas dan statistika inferensi dalam diagnostic dan predictive analytics
Tutorial
Diskusi
150.00
- Memanfaatkan berbagai sumber belajar, termasuk LMS. - Memberi dan menerima umpan balik melalui diskusi dan tanya jawab.
Peter Bruce, Andrew Bruce & Peter Gedeck(2020)
Quiz 2 - 3.00 %
CAPAIAN PEMBELAJARAN
: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: CPMK 1 : Membuat rekomendasi pengambilan keputusan pada proses dan sistem organisasi berdasarkan hasil analitik data
CPMK 1 : Make recommendations for decision making on organizational processes and systems based on data analytical results
KAD
: Sub CPMK 4 : Menerapkan analisis data eksploratori
Sub CPMK 4 : Apply exploratory data analysis
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan menjawab soal ujian
Accuracy in answering test questions
Quiz 2 3.00 %
5
Analisis data eksploratory dan visualisasi (histogram, box plot, pie chart, bar chart, frequency table, cross tabulation)
Tutorial
Diskusi
150.00
- Memanfaatkan berbagai sumber belajar, termasuk LMS. - Memberi dan menerima umpan balik melalui diskusi dan tanya jawab. - Menjalankan praktikum
Peter Bruce, Andrew Bruce & Peter Gedeck(2020)
Jake VanderPlas(2017)
Ujian Tengah Semester - 7.50 %
CAPAIAN PEMBELAJARAN
: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
CPMK
: CPMK 1 : Membuat rekomendasi pengambilan keputusan pada proses dan sistem organisasi berdasarkan hasil analitik data
CPMK 1 : Make recommendations for decision making on organizational processes and systems based on data analytical results
KAD
: Sub CPMK 5 : Membuat visualisasi dan rekomendasi pengambilan keputusan
Sub CPMK 5 : Create visualizations and decision making recommendations
(6,6)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan menjawab soal ujian
Accuracy in answering exam question
Ujian Tengah Semester 7.50 %
6
Penggabungan tabel basis data untuk mempersiapkan data, transformasi dan pembersihan data menggunakan fungsi SQL
Tutorial
Diskusi
150.00
- Memanfaatkan berbagai sumber belajar, termasuk LMS. - Memberi dan menerima umpan balik melalui diskusi dan tanya jawab. - Menjalankan praktikum
Upom Malik, Matt Goldwasser, and Benjamin Johnston(2019)
Ujian Tengah Semester - 7.50 %
CAPAIAN PEMBELAJARAN
: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))
CPMK
: CPMK 2 : Mengolah dan menganalisis data dengan berbagai teknik dasar
Process and analyze data with various basic techniques
KAD
: Sub CPMK 6 : Mempersiapkan data menggunakan SQL
Sub CPMK 6 : Prepare data using SQL
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan Jawaban
Accuracy of answers
Ujian Tengah Semester 7.50 %
0.00(Fail)
25.00(Pass)
50.00(Pass)
75.00(Pass)
100.00(Pass)
Jawaban ujian salah
Incorrect test answer
25% Jawaban ujian benar
25% Answer for Examination test is correct
50% Jawaban ujian benar
50% Answer for Examination test is correct
75% Jawaban ujian benar
75% Answer for Examination test is correct
100% Jawaban kuis benar dan lengkap
100% Answer for Examination test is correct and complete
7
Fungsi agregat dalam SQl yang dikombinasikan dengan GROUP BY dan HAVING untuk menampilkan statistika deskriptif
Tutorial
Diskusi
150.00
- Memanfaatkan berbagai sumber belajar, termasuk LMS. - Memberi dan menerima umpan balik melalui diskusi dan tanya jawab. - Menjalankan praktikum
Upom Malik, Matt Goldwasser, and Benjamin Johnston(2019)
Ujian Tengah Semester - 2.50 %
Praktikum 2 - 3.00 %
Quiz 3 - 3.00 %
CAPAIAN PEMBELAJARAN
: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))
CPMK
: CPMK 2 : Mengolah dan menganalisis data dengan berbagai teknik dasar
Process and analyze data with various basic techniques
KAD
: Sub CPMK 7 : Menampilkan dan menganalisis statistika deskriptif menggunakan SQL
Sub CPMK 7 : Displays and analyze descriptive statistics using SQL
(4,4)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Ketepatan menjawab soal ujian
Accuracy in answering test questions
Ujian Tengah Semester 2.50 %
PI Description
PI Assessment Methods
2. Ketepatan menjawab soal quiz
Accuracy in answering quiz questions
Quiz 3 3.00 %
PI Description
PI Assessment Methods
3. Ketepatan dan kelengkapan laporan praktikum
The accuracy and completeness of the practicum report
Praktikum 2 3.00 %
8
Persamaan regresi linier,r-square, uji asumsi, dan korelasi.
Tutorial
Diskusi
150.00
- Memanfaatkan berbagai sumber belajar, termasuk LMS. - Memberi dan menerima umpan balik melalui diskusi dan tanya jawab
Joel Grus(2019)
Ujian Akhir Semester - 5.00 %
Quiz 4 - 3.00 %
CAPAIAN PEMBELAJARAN
: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: CPMK 3 : Memahami prinsip-prinsip Computational Thinking (CT) untuk mempelajari data science, menganalisis permasalahan data science dengan framework CT serta mengekspresikan masalah bisnis sebagai masalah data
Understand the principles of Computational Thinking (CT) to learn data science, analyze data science problems with the CT framework and express business problems as data problems
KAD
: Sub CPMK 8: Memahami pemodelan statistik dan Regresi linear
Understand statistical modeling and Linear regression
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
1. Ketepatan jawaban
Accuracy of answers
Ujian Akhir Semester 5.00 %
0.00(Fail)
25.00(Fail)
50.00(Pass)
75.00(Pass)
100.00(Pass)
Jawaban ujian salah
Incorrect test answer
25% Jawaban ujian benar
25% Answer for Examination test is correct
50% Jawaban ujian benar
50% Answer for Examination test is correct
75% Jawaban ujian benar
75% Answer for Examination test is correct
100% Jawaban ujian benar dan lengkap
100% Answer for Examination test is correct and complete
PI Description
PI Assessment Methods
2. Ketepatan jawaban quiz
Accuracy of quiz answer
Quiz 4 3.00 %
0.00(Fail)
25.00(Fail)
50.00(Pass)
75.00(Pass)
100.00(Pass)
Jawaban quiz salah
Incorrect quiz answer
25% jawaban quiz benar
25% answer for quiz test is correct
50% Jawaban quiz benar
50% Answer for Quiz test is correct
75% Jawaban ujian benar
75% Answer for Quiz test is correct
100% Jawaban quiz benar dan lengkap
100% Answer for Quiz test is correct and complete
9
Regresi dengan prediktor kualitatif, dummy variable
Tutorial
Diskusi
150.00
- Memanfaatkan berbagai sumber belajar, termasuk LMS. - Memberi dan menerima umpan balik melalui diskusi dan tanya jawab
Joel Grus(2019)
Ujian Akhir Semester - 5.00 %
Praktikum 3 - 3.00 %
CAPAIAN PEMBELAJARAN
: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: CPMK 3 : Memahami prinsip-prinsip Computational Thinking (CT) untuk mempelajari data science, menganalisis permasalahan data science dengan framework CT serta mengekspresikan masalah bisnis sebagai masalah data
Understand the principles of Computational Thinking (CT) to learn data science, analyze data science problems with the CT framework and express business problems as data problems
KAD
: Sub CPMK 9 : Memahami dan menerapkan model regresi logistik dengan prediktor kualitatif
Understand and apply logistic regression models with qualitative predictors
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan jawaban
Accuracy of answers
Ujian Akhir Semester 5.00 %
Praktikum 3 3.00 %
0.00(Fail)
25.00(Pass)
50.00(Pass)
75.00(Pass)
100.00(Pass)
Jawaban salah
Incorrect answer
25% Jawaban benar
25% Answer is correct
50% Jawaban benar
50% Answer is correct
75% Jawaban benar
75% Answer is correct
100% Jawaban benar dan lengkap
100% Answer is correct and complete
10
Peramalan data deret waktu menggunakan exponential smoothing (single exponential smoothing, double exponential smoothing, holt-winter) dan jaringan syaraf tiruan
Tutorial
Diskusi
150.00
- Memanfaatkan berbagai sumber belajar, termasuk LMS. - Memberi dan menerima umpan balik melalui diskusi dan tanya jawab
Marco Peixeiro(2022)
Ujian Akhir Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: CPMK 3 : Memahami prinsip-prinsip Computational Thinking (CT) untuk mempelajari data science, menganalisis permasalahan data science dengan framework CT serta mengekspresikan masalah bisnis sebagai masalah data
Understand the principles of Computational Thinking (CT) to learn data science, analyze data science problems with the CT framework and express business problems as data problems
KAD
: Sub CPMK 10: Memahami dan menerapkan model time series dan forecasting
Understand and apply time series and forecasting models
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan jawaban
Accuracy of answers
Ujian Akhir Semester 5.00 %
0.00(Fail)
25.00(Pass)
50.00(Pass)
75.00(Pass)
100.00(Pass)
Jawaban ujian salah
Incorrect test answer
25% Jawaban ujian benar
25% Answer for Examination test is correct
50% Jawaban ujian benar
50% Answer for Examination test is correct
75% Jawaban ujian benar
75% Answer for Examination test is correct
100% Jawaban ujian benar dan lengkap
100% Answer for Examination test is correct and complete
11
Langkah-langkah dasar visualisasi data, melakukan import dan transformasi data, model dan Relasi antar tabel menggunakan power BI
Tutorial
Diskusi
150.00
- Memanfaatkan berbagai sumber belajar, termasuk LMS. - Memberi dan menerima umpan balik melalui diskusi dan tanya jawab. - Menjalankan praktikum
Devin Knight, Brian Knight, Mitchell Pearson, Manuel Quintana(2018)
Brett Powell (2018)
Praktikum 4 - 3.00 %
Ujian Akhir Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: CPMK 3 : Memahami prinsip-prinsip Computational Thinking (CT) untuk mempelajari data science, menganalisis permasalahan data science dengan framework CT serta mengekspresikan masalah bisnis sebagai masalah data
Understand the principles of Computational Thinking (CT) to learn data science, analyze data science problems with the CT framework and express business problems as data problems
KAD
: Sub CPMK 11 : Menerapkan visualisasi data menggunakan Power BI
Implement data visualization using Power BI
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan jawaban
Accuracy of answers
Praktikum 4 3.00 %
Ujian Akhir Semester 5.00 %
0.00(Fail)
25.00(Pass)
50.00(Pass)
75.00(Pass)
100.00(Pass)
Jawaban salah
Incorrect answer
25% Jawaban benar
25% Answer is correct
50% Jawaban benar
50% Answer is correct
75% Jawaban benar
75% Answer is correct
100% Jawaban benar dan lengkap
100% Answer is correct and complete
12
Visualisasi data, dashboard dan story menggunakan tableau
Tutorial
Diskusi
150.00
- Memanfaatkan berbagai sumber belajar, termasuk LMS. - Memberi dan menerima umpan balik melalui diskusi dan tanya jawab. - Menjalankan praktikum
Jen Stirrup, Ruben Oliva Ramos(2017)
Praktikum 5 - 3.00 %
Quiz 5 - 3.00 %
CAPAIAN PEMBELAJARAN
: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: CPMK 3 : Memahami prinsip-prinsip Computational Thinking (CT) untuk mempelajari data science, menganalisis permasalahan data science dengan framework CT serta mengekspresikan masalah bisnis sebagai masalah data
Understand the principles of Computational Thinking (CT) to learn data science, analyze data science problems with the CT framework and express business problems as data problems
KAD
: Sub CPMK 12 : Menerapkan visualisasi data menggunkan Tableau
Implement data visualization using Tableau
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan jawaban
Accuracy of answers
Praktikum 5 3.00 %
Quiz 5 3.00 %
0.00(Fail)
25.00(Pass)
50.00(Pass)
75.00(Pass)
100.00(Pass)
Jawaban praktikum dan kuis salah
Practical and quiz answers are incorrect
25% Jawaban praktikum dan kuis benar
25% Practical and quiz answers are correct
50% Jawaban praktikum dan kuis benar
50% Practical and quiz answers are correct
75% Jawaban praktikum dan kuis benar
75% Practical and quiz answers are correct
100% Jawaban praktikum dan kuis benar dan lengkap
100% Practical and quiz answers are correct and complete
13
Core analytics concept, table calculation, dan dashboard menggunakan google cloud
Tutorial
Diskusi
150.00
- Memanfaatkan berbagai sumber belajar, termasuk LMS. - Memberi dan menerima umpan balik melalui diskusi dan tanya jawab. - Menjalankan praktikum
Lee Hurst(2020)
Ujian Akhir Semester - 5.00 %
CAPAIAN PEMBELAJARAN
: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: CPMK 3 : Memahami prinsip-prinsip Computational Thinking (CT) untuk mempelajari data science, menganalisis permasalahan data science dengan framework CT serta mengekspresikan masalah bisnis sebagai masalah data
Understand the principles of Computational Thinking (CT) to learn data science, analyze data science problems with the CT framework and express business problems as data problems
KAD
: Sub CPMK 13 : Menerapkan visualisasi data menggunakan Google Looker Studio
Implement data visualization using Google Looker Studio
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan jawaban
Accuracy of answers
Ujian Akhir Semester 5.00 %
0.00(Fail)
25.00(Pass)
50.00(Pass)
75.00(Pass)
100.00(Pass)
Jawaban ujian salah
Incorrect test answer
25% Jawaban ujian benar
25% Answer for Examination test is correct
50% Jawaban ujian benar
50% Answer for Examination test is correct
75% Jawaban ujian benar
75% Answer for Examination test is correct
100% Jawaban ujian benar dan lengkap
100% Answer for Examination test is correct and complete
14
Presentasi proyek analitik data dasar
Presentasi
Proyek
150.00
- Memanfaatkan berbagai sumber belajar, termasuk LMS. - Memberi dan menerima umpan balik melalui diskusi dan tanya jawab
Proyek - 20.00 %
CAPAIAN PEMBELAJARAN
: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
CPMK
: CPMK 3 : Memahami prinsip-prinsip Computational Thinking (CT) untuk mempelajari data science, menganalisis permasalahan data science dengan framework CT serta mengekspresikan masalah bisnis sebagai masalah data
Understand the principles of Computational Thinking (CT) to learn data science, analyze data science problems with the CT framework and express business problems as data problems
KAD
: Sub CPMK 14 : Menerapkan Proyek Analitik Data Dasar dan Presentasi
Implement Basic Data Analytics Projects and Presentations
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan dalam menjelaskan proyek analitik dasar
Accuracy in describing basic analytics projects
Proyek 20.00 %
0.00(Fail)
25.00(Pass)
50.00(Pass)
75.00(Pass)
100.00(Pass)
Ketidaklengkapan bahan presentasi
Incompleteness of presentation materials
25% Kelengkapan bahan presentasi
25% Completeness of presentation materials
50% Kelengkapan bahan presentasi
50% Completeness of presentation materials
75% Kelengkapan bahan presentasi
75% Completeness of presentation materials
100% Kelengkapan bahan materi dan pemahaman materi
100% Completeness of material and understanding of material
Assessment Component
Assessment Detail
No
Component Name
Weightage
1
Praktikum 1
3.00
2
Praktikum 2
3.00
3
Praktikum 3
3.00
4
Praktikum 4
3.00
5
Praktikum 5
3.00
6
Proyek
20.00
7
Quiz 1
3.00
8
Quiz 2
3.00
9
Quiz 3
3.00
10
Quiz 4
3.00
11
Quiz 5
3.00
12
Ujian Akhir Semester
25
13
Ujian Tengah Semester
25
Total
100
Daftar Referensi
1. Ali Abdulhussein. Data Analytics and Decision Making. University of Windsor Windsor ON. 2022
2. Joel Grus. Data Science from Scratch First Principles with Python. O’Reilly Media, Inc. 2019
3. Ryan Mitchell. Web Scraping with Python. O’Reilly Media, Inc. 2015
4. Peter Bruce, Andrew Bruce & Peter Gedeck. Practical Statistics for Data Scientists 50+ Essential Concepts Using R and Python. O’Reilly Media, Inc. 2020
5. Wes McKinney. Python for Data Analysis Data Wrangling with Pandas, NumPy, and IPython. O'reilly. 2018
6. Upom Malik, Matt Goldwasser, and Benjamin Johnston. SQL for Data Analytics . Packt Publishing. 2019
7. Devin Knight, Brian Knight, Mitchell Pearson, Manuel Quintana. Microsoft Power BI Quick Start Guide. Packt Publishing. 2018
8. Brett Powell . Mastering Microsoft Power BI: Expert techniques for effective data analytics and business intelligence. Packt Publishing. 2018
9. Jake VanderPlas. Python Data Science Handbook. O’Reilly Media, Inc. 2017
10. Jen Stirrup, Ruben Oliva Ramos. Advanced Analytics with R and Tableau. Packt Publishing. 2017
11. Lee Hurst. Hands On With Google Data Studio. Wiley. 2020
12. Marco Peixeiro. Time Series Forecasting in Python. Manning Publications Co. 2022
Notice
: Trying to get property of non-object in
/var/www/html/sis/application/controllers/IndexController.php
on line
978