RPS: Session, Learning Material, Reference, Assessment/Rubric Info Search Subject Subject Name : 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. 1. Ali Abdulhussein. Data Analytics and Decision Making. University of Windsor Windsor ON. 2022
2. 2. Joel Grus. Data Science from Scratch First Principles with Python. O’Reilly Media, Inc. 2019
3. 3. Ryan Mitchell. Web Scraping with Python. O’Reilly Media, Inc. 2015
4. 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. 5. Wes McKinney. Python for Data Analysis Data Wrangling with Pandas, NumPy, and IPython. O'reilly. 2018
6. 6. Upom Malik, Matt Goldwasser, and Benjamin Johnston. SQL for Data Analytics . Packt Publishing. 2019
7. 7. Devin Knight, Brian Knight, Mitchell Pearson, Manuel Quintana. Microsoft Power BI Quick Start Guide. Packt Publishing. 2018
8. 8. Brett Powell . Mastering Microsoft Power BI: Expert techniques for effective data analytics and business intelligence. Packt Publishing. 2018
9. 9. Jake VanderPlas. Python Data Science Handbook. O’Reilly Media, Inc. 2017
10. 10. Jen Stirrup, Ruben Oliva Ramos. Advanced Analytics with R and Tableau. Packt Publishing. 2017
11. 11. Lee Hurst. Hands On With Google Data Studio. Wiley. 2020
12. 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

Copyright©Universitas Trisakti