|
UNIVERSITAS AMIKOM YOGYAKARTA
|
RPS-D3MI-DM169 |
| RENCANA PEMBELAJARAN SEMESTER | ||||||
| MATA KULIAH (MK) | KODE | Rumpun MK | BOBOT (sks) | SEMESTER | Tanggal Penyusunan | |
| PENAMBANGAN DATA | DM169 | Data/Information Management; Data / Business Analytics | T= 2 | 3 | 19 Oct 2026 | |
| Pengesahan | Dosen Pengembang RPS | Koordinator RMK | Ka PRODI |
 Melany Mustika Dewi, S.Kom., M.Kom. |
 Supriatin, S.Kom., M.Kom., Melany Mustika Dewi, S.Kom., M.Kom. |
 Ir. AKHMAD DAHLAN, S.KOM., M.KOM. |
| Capaian Pembelajaran | CPL-PRODI yang dibebankan pada MK | |
| CPL04 | Mampu menguasai dan menerapkan konsep dasar serta perkembangan sistem informasi untuk merancang dan mengimplementasikan solusi teknologi informasi secara inovatif, kolaboratif, dan bertanggung jawab sesuai kebutuhan organisasi. | |
| CPL06 | Mampu menyusun laporan proses dan hasil kerja secara akurat, mendokumentasikan, menyimpan, mengamankan, serta menemukan kembali data, sekaligus memahami konsep dasar sistem informasi, logika, basis data, dan infrastruktur TI. | |
| CPL07 | Mampu menguasai dan menerapkan konsep dasar sistem informasi, logika, struktur data, serta basis data dalam pengembangan sistem informasi sesuai kebutuhan organisasi. | |
| CPL10 | Mampu memahami dan menerapkan prinsip legalitas, etika profesional, serta keamanan data dalam pengelolaan dan penggunaan sistem informasi di lingkungan organisasi. | |
| Capaian Pembelajaran Mata Kuliah (CPMK) | ||
| CPMK.04.1 | Mampu menerapkan konsep dasar sistem informasi untuk merancang solusi teknologi informasi yang sesuai dengan kebutuhan organisasi secara kolaboratif dan bertanggung jawab. | |
| CPMK.06.1 | Mampu memahami dan menerapkan konsep dasar sistem informasi, logika pemrograman, basis data, serta infrastruktur teknologi informasi dalam kegiatan pengolahan dan pengelolaan data secara efektif. | |
| CPMK.07.1 | Mampu memahami dan menjelaskan konsep dasar sistem informasi, logika pemrograman, struktur data, serta basis data yang mendukung pengembangan sistem informasi. | |
| CPMK.10.1 | Mampu memahami dan menerapkan prinsip legalitas serta etika profesional dalam pengelolaan dan penggunaan sistem informasi sesuai peraturan dan norma organisasi. | |
| Kemampuan akhir tiap tahapan belajar (Sub-CPMK) | ||
| sub.cpmk.DM169.CPMK.04.1.1 | Mampu menjelaskan konsep dasar data mining dan penerapannya untuk mendukung perancangan solusi teknologi informasi sesuai kebutuhan organisasi. | |
| sub.cpmk.DM169.CPMK.06.1.1 | Mampu mengidentifikasi karakteristik, jenis, dan struktur data yang digunakan dalam proses pengolahan dan pengelolaan data. | |
| sub.cpmk.DM169.CPMK.06.1.2 | Mampu menerapkan teknik pengolahan dan persiapan data untuk mendukung proses data mining. | |
| sub.cpmk.DM169.CPMK.06.1.3 | Mampu menerapkan teknik regresi dan klasifikasi dalam proses analisis dan pengolahan data. | |
| sub.cpmk.DM169.CPMK.06.1.4 | Mampu menerapkan teknik klastering dan asosiasi untuk menemukan pola dan hubungan dalam data. | |
| sub.cpmk.DM169.CPMK.07.1.1 | Mampu menjelaskan prinsip kerja dan karakteristik teknik regresi, klasifikasi, klastering, dan asosiasi sebagai bagian dari konsep dasar pengembangan sistem informasi. | |
| sub.cpmk.DM169.CPMK.10.1.1 | Mampu menerapkan prinsip legalitas dan etika profesional dalam penggunaan data serta penyampaian hasil analisis data mining sesuai peraturan dan norma organisasi. | |
| Korelasi CPMK terhadap Sub-CPMK | ||
| CPMK.04.1 |
sub.cpmk.DM169.CPMK.04.1.1 |
|
| CPMK.06.1 |
sub.cpmk.DM169.CPMK.06.1.1 sub.cpmk.DM169.CPMK.06.1.2 sub.cpmk.DM169.CPMK.06.1.3 sub.cpmk.DM169.CPMK.06.1.4 |
|
| CPMK.07.1 |
sub.cpmk.DM169.CPMK.07.1.1 |
|
| CPMK.10.1 |
sub.cpmk.DM169.CPMK.10.1.1 |
|
| Deskripsi Singkat MK | Mata kuliah ini mempelajari cara menambang data dan mengolah data. Merupakan matakuliah dengan jumlah 2 SKS teori selama 14 kali pertemuan. Ujian Tengah Semester dan Ujian Akhir Semester mengerjakan tugas secara kelompok. | |
| Bahan Kajian : Materi Pembelajaran | Materi pada perkuliahan ini adalah : • Konsep dasar data mining • Konsep dasar data • Pengolahan data • Regresi • Klasifikasi • Klastering • Asosiasi | |
| Pustaka | Utama | |
|
|
||
| Pendukung | ||
|
|
||
| Dosen Pengampu | Melany Mustika Dewi, S.Kom., M.Kom. | |
| Mata Kuliah Syarat | - | |
| Pertemuan Ke | Kemampuan akhir tiap tahapan belajar (Sub-CPMK) | Penilaian | Bentuk Pembelajaran; Metode Pembelajaran; Penugasan Mahasiswa; | Materi Pembelajaran | Bobot Penilaian | ||
|---|---|---|---|---|---|---|---|
| Indikator | Kriteria & Teknik | Luring | Daring | ||||
| 1 |
sub.cpmk.DM169.CPMK.04.1.1-Mampu menjelaskan konsep dasar data mining dan penerapannya untuk mendukung perancangan solusi teknologi informasi sesuai kebutuhan organisasi. |
a. Mahasiswa mengetahui kontrak belajar dan RPS b. Ketepatan mahasiswa dalam menjelaskan konsep data data mining c. Ketepatan mahasiswa dalam memberikan contoh penerapan data mining di era 4.0 |
Kriteria Ketepatan Menjawab Kuis Teknik Kuis : 1.Pengertian data mining 2. Permasalahan utama dalam data mining 3. Penerapan data mining |
Kuliah,Ceramah Langsung,[C=90 Menit] |
Kuliah Online Zoom,Ceramah Langsung,[C=90 Menit] |
Topik Konsep Dasar Data Mining Sub Topik Kontrak belajar dan RPS Konsep data mining Contoh penerapan data mining di era 4.0 |
3 |
| 2 |
sub.cpmk.DM169.CPMK.04.1.1-Mampu menjelaskan konsep dasar data mining dan penerapannya untuk mendukung perancangan solusi teknologi informasi sesuai kebutuhan organisasi. |
a. Ketepatan mahasiswa dalam menjelaskan ruang lingkup data mining b. Ketepatan mahasiswa dalam menjelaskan tahapan data mining c. Ketepatan mahasiswa dalam menjelaskan teknik data mining |
Kriteria Ketepatan Menjawab Kuis Teknik Kuis : Tahapan Data Mining; Teknik Data Mining |
Kuliah,Ceramah Langsung,[C=90 Menit] |
Kuliah Online Zoom,Ceramah Langsung,[C=90 Menit] |
Topik Konsep Dasar Data Mining Lanjutan Sub Topik Ruang lingkup data mining Teknik data mining |
6 |
| 3 |
sub.cpmk.DM169.CPMK.06.1.1-Mampu mengidentifikasi karakteristik, jenis, dan struktur data yang digunakan dalam proses pengolahan dan pengelolaan data. |
Ketepatan mahasiswa dalam menjelaskan definisi, tipe data dan kualitas data Ketepatan mahasiswa dalam menjelaskan teknik pengumpulan data |
Kriteria Ketepatan Menjawab Kuis Teknik Kuis : Konsep Data; Teknik Pengumpulan Data |
Kuliah,Ceramah Langsung,[C=90 Menit] |
Kuliah Online Zoom,Ceramah Langsung,[C=90 Menit] |
Topik Teknik Pengumpulan Data Sub Topik Definisi data Tipe data Kualitas data Teknik pengumpulan data |
6 |
| 4 |
sub.cpmk.DM169.CPMK.06.1.2-Mampu menerapkan teknik pengolahan dan persiapan data untuk mendukung proses data mining. |
Ketepatan mahasiswa dalam menjelaskan tahapan pengolahan data (data preprocessing, pembersihan data, dan integrasi data) |
Kriteria Ketepatan mengikuti perintah Teknik Tugas : Pengolahan data |
Kuliah,Ceramah Langsung,[C=30 Menit] Tutorial,Studi Kasus,[SK=60 Menit] |
Kuliah Online Zoom,Studi Kasus,[SK=90 Menit] |
Topik Pengolahan Data Sub Topik Data preprocessing; data cleaning; penanganan missing value dan duplikasi; transformasi data; normalisasi data; pembagian data training dan testing. |
10 |
| 5 | |||||||
| 6 |
sub.cpmk.DM169.CPMK.06.1.2-Mampu menerapkan teknik pengolahan dan persiapan data untuk mendukung proses data mining. sub.cpmk.DM169.CPMK.06.1.3-Mampu menerapkan teknik regresi dan klasifikasi dalam proses analisis dan pengolahan data. |
a. Ketepatan mahasiswa dalam menjelaskan konsep regresi b. Ketepatan mahasiswa dalam menjelaskan algoritma regresi c. Ketepatan mahasiswa dalam mengevaluasi algoritma regresi |
Kriteria Ketepatan mengikuti perintah Teknik Tugas : Penerapan algoritma regresi dalam data mining |
Kuliah,Ceramah Langsung,[C=30 Menit] Studi kasus,Studi Kasus,[SK=60 Menit] Presentasi,Presentasi,[PS=90 Menit] |
Kuliah Online Zoom,Ceramah Langsung,[C=30 Menit] Pembelajaran Mandiri,Studi Kasus,[SK=60 Menit] Presentasi via Zoom,Presentasi,[PS=90 Menit] |
Topik Regresi Sub Topik Konsep regresi; regresi linear sederhana; algoritma regresi; proses penerapan regresi; evaluasi model regresi (MAE, MSE, RMSE, dan R²). |
10 |
| 7 | |||||||
| 8 |
sub.cpmk.DM169.CPMK.07.1.1-Mampu menjelaskan prinsip kerja dan karakteristik teknik regresi, klasifikasi, klastering, dan asosiasi sebagai bagian dari konsep dasar pengembangan sistem informasi. |
Mahasiswa mampu mengolah data hingga penerapan data mining (Regresi). |
Kriteria Ketepatan mengikuti perintah Teknik Ujian Take Home |
Ujian terjadwal,Tugas Take Home,[TH=90 Menit] |
Ujian terjadwal,Tugas Take Home,[TH=90 Menit] |
Topik Ujian Tengah Semester (UTS) Sub Topik Pengolahan data; Penerapan Regresi |
15 |
| 9 |
sub.cpmk.DM169.CPMK.06.1.2-Mampu menerapkan teknik pengolahan dan persiapan data untuk mendukung proses data mining. sub.cpmk.DM169.CPMK.06.1.3-Mampu menerapkan teknik regresi dan klasifikasi dalam proses analisis dan pengolahan data. |
a. Ketepatan mahasiswa dalam menjelaskan konsep klasifikasi b. Ketepatan mahasiswa dalam menjelaskan algoritma klasifikasi c. Ketepatan mahasiswa dalam mengevaluasi algoritma klasifikasi |
Kriteria Ketepatan mengikuti perintah Teknik Tugas : Penerapan algoritma klasifikasi dalam data mining |
Kuliah,Ceramah Langsung,[C=30 Menit] Studi Kasus,Studi Kasus,[SK=60 Menit] Presentasi,Presentasi,[PS=90 Menit] |
Kuliah Online Zoom,Ceramah Langsung,[C=30 Menit] Pembelajaran Mandiri,Studi Kasus,[SK=60 Menit] Presentasi via Zoom,Presentasi,[PS=90 Menit] |
Topik Klasifikasi Sub Topik Konsep klasifikasi; supervised learning; algoritma klasifikasi (Decision Tree, K-Nearest Neighbor, Naive Bayes); proses penerapan klasifikasi; evaluasi model (confusion matrix, accuracy, precision, recall, dan F1-score). |
10 |
| 10 | |||||||
| 11 | |||||||
| 12 |
sub.cpmk.DM169.CPMK.06.1.2-Mampu menerapkan teknik pengolahan dan persiapan data untuk mendukung proses data mining. sub.cpmk.DM169.CPMK.06.1.4-Mampu menerapkan teknik klastering dan asosiasi untuk menemukan pola dan hubungan dalam data. |
a. Ketepatan mahasiswa dalam menjelaskan konsep klastering b. Ketepatan mahasiswa dalam menjelaskan algoritma klastering c. Ketepatan mahasiswa dalam implementasi klastering menggunakan algoritma K-Means |
Kriteria Ketepatan mengikuti perintah Teknik Tugas : Penerapan algoritma klastering dalam data mining |
Kuliah,Ceramah Langsung,[C=30 Menit] Studi Kasus,Studi Kasus,[SK=60 Menit] Presentasi,Presentasi,[PS=90 Menit] |
Kuliah Online Zoom,Ceramah Langsung,[C=30 Menit] Pembelajaran Mandiri,Studi Kasus,[SK=60 Menit] Presentasi via Zoom,Presentasi,[PS=90 Menit] |
Topik Klastering Sub Topik Konsep klastering; unsupervised learning; algoritma K-Means; proses pembentukan klaster; evaluasi klaster (Elbow Method dan Silhouette Score). |
10 |
| 13 | |||||||
| 14 |
sub.cpmk.DM169.CPMK.06.1.2-Mampu menerapkan teknik pengolahan dan persiapan data untuk mendukung proses data mining. sub.cpmk.DM169.CPMK.06.1.4-Mampu menerapkan teknik klastering dan asosiasi untuk menemukan pola dan hubungan dalam data. |
a. Ketepatan mahasiswa dalam menjelaskan konsep asosiasi b. Ketepatan mahasiswa dalam menjelaskan macam algoritma asosiasi c. Ketepatan mahasiswa dalam implementasi asosiasi menggunakan algoritma Apriori |
Kriteria Ketepatan mengikuti perintah Teknik Tugas : Penerapan teknik asosiasi menggunakan algoritma Apriori |
Kuliah,Ceramah Langsung,[C=30 Menit] Studi Kasus,Studi Kasus,[SK=60 Menit] Presentasi,Presentasi,[PS=90 Menit] |
Kuliah Online Zoom,Ceramah Langsung,[C=30 Menit] Pembelajaran Mandiri,Studi Kasus,[SK=60 Menit] Presentasi via Zoom,Presentasi,[PS=90 Menit] |
Topik Asosiasi Sub Topik Konsep association rule mining; frequent itemset; algoritma Apriori; pembentukan aturan asosiasi; evaluasi aturan asosiasi (support, confidence, dan lift). |
10 |
| 15 | |||||||
| 16 |
sub.cpmk.DM169.CPMK.10.1.1-Mampu menerapkan prinsip legalitas dan etika profesional dalam penggunaan data serta penyampaian hasil analisis data mining sesuai peraturan dan norma organisasi. |
Mahasiswa mampu mengembangkan analisis data mining dengan menerapkan teknik regresi, klasifikasi, klastering, atau asosiasi sesuai permasalahan, mengevaluasi hasil, menginterpretasikan temuan, serta menyampaikan rekomendasi dengan memperhatikan etika dan legalitas data. |
Kriteria Ketepatan mengikuti perintah Teknik Ujian Take Home |
Ujian terjadwal,Tugas Take Home,[TH=90 Menit] |
Ujian terjadwal,Tugas Take Home,[TH=90 Menit] |
Topik Ujian Akhir Semester (UAS) Sub Topik Penerapan teknik data mining untuk menyelesaikan permasalahan berdasarkan hasil pengolahan data serta dilengkapi dengan evaluasi model. |
20 |
Teknik Penilaian CPMK
| CPL | MK | CPMK | Kuis | Tugas Teori (Individu) | Unjuk Kerja (Presentasi) | Tes Tulis (UTS) | Tes Tulis (UAS) |
|---|---|---|---|---|---|---|---|
| CPL04 | PENAMBANGAN DATA | CPMK.04.1 | Y | ||||
| CPL06 | PENAMBANGAN DATA | CPMK.06.1 | Y | Y | Y | ||
| CPL07 | PENAMBANGAN DATA | CPMK.07.1 | Y | ||||
| CPL10 | PENAMBANGAN DATA | CPMK.10.1 | Y |
Prosedur Penilaian CPMK
1. Komponen Penilaian CPMK
| CPL | CPMK | Sub-CPMK | Detail Penugasan (Teknik Penilaian) | Bobot % | Kriteria Penilaian |
|---|---|---|---|---|---|
| CPL04 | CPMK.04.1 | sub.cpmk.DM169.CPMK.04.1.1 | Kuis : 1.Pengertian data mining 2. Permasalahan utama dalam data mining 3. Penerapan data mining | 3 | Ketepatan Menjawab Kuis |
| CPL04 | CPMK.04.1 | sub.cpmk.DM169.CPMK.04.1.1 | Kuis : Tahapan Data Mining; Teknik Data Mining | 6 | Ketepatan Menjawab Kuis |
| CPL06 | CPMK.06.1 | sub.cpmk.DM169.CPMK.06.1.1 | Kuis : Konsep Data; Teknik Pengumpulan Data | 6 | Ketepatan Menjawab Kuis |
| CPL06 | CPMK.06.1 | sub.cpmk.DM169.CPMK.06.1.2 | Tugas : Pengolahan data | 10 | Ketepatan mengikuti perintah |
| CPL06 | CPMK.06.1 | sub.cpmk.DM169.CPMK.06.1.2, sub.cpmk.DM169.CPMK.06.1.3 | Tugas : Penerapan algoritma regresi dalam data mining | 10 | Ketepatan mengikuti perintah |
| CPL07 | CPMK.07.1 | sub.cpmk.DM169.CPMK.07.1.1 | Ujian Take Home | 15 | Ketepatan mengikuti perintah |
| CPL06 | CPMK.06.1 | sub.cpmk.DM169.CPMK.06.1.2, sub.cpmk.DM169.CPMK.06.1.3 | Tugas : Penerapan algoritma klasifikasi dalam data mining | 10 | Ketepatan mengikuti perintah |
| CPL06 | CPMK.06.1 | sub.cpmk.DM169.CPMK.06.1.2, sub.cpmk.DM169.CPMK.06.1.4 | Tugas : Penerapan algoritma klastering dalam data mining | 10 | Ketepatan mengikuti perintah |
| CPL06 | CPMK.06.1 | sub.cpmk.DM169.CPMK.06.1.2, sub.cpmk.DM169.CPMK.06.1.4 | Tugas : Penerapan teknik asosiasi menggunakan algoritma Apriori | 10 | Ketepatan mengikuti perintah |
| CPL10 | CPMK.10.1 | sub.cpmk.DM169.CPMK.10.1.1 | Ujian Take Home | 20 | Ketepatan mengikuti perintah |
| Total | 100 | ||||
2. Penilaian CPMK
| CPL | MK | CPMK | Kuis | Tugas Teori (Individu) | Unjuk Kerja (Presentasi) | Tes Tulis (UTS) | Tes Tulis (UAS) | Total |
|---|---|---|---|---|---|---|---|---|
| CPL04 | PENAMBANGAN DATA | CPMK.04.1 | 9% | 0% | 0% | 0% | 0% | 9% |
| CPL06 | PENAMBANGAN DATA | CPMK.06.1 | 6% | 10% | 40% | 0% | 0% | 56% |
| CPL07 | PENAMBANGAN DATA | CPMK.07.1 | 0% | 0% | 0% | 15% | 0% | 15% |
| CPL10 | PENAMBANGAN DATA | CPMK.10.1 | 0% | 0% | 0% | 0% | 20% | 20% |
| 100% | ||||||||