UNIVERSITAS AMIKOM YOGYAKARTA
FAKULTAS ILMU KOMPUTER
PROGRAM STUDI INFORMATIKA

RPS-S1IF-ST168
RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tanggal Penyusunan
BIG DATA DAN DATA MINING ST168 Kelompok mata kulliah Sistem cerdas T= 2 P= 2 5 17 Sep 2026
Pengesahan Dosen Pengembang RPS Koordinator RMK Ka PRODI

Arifiyanto Hadinegoro, S.Kom, MT
Anna Baita, M.Kom
Eli Pujastuti, M.Kom.
Capaian Pembelajaran CPL-PRODI yang dibebankan pada MK
CPLP06 Mampu menggunakan dan mengoptimalkan teknik akuisisi data , analisis data, dan pengolahan data untuk menyelesaikan masalah penelitian atau industri.
CPLP10 Mampu menjelaskan konsep dan pengetahuan teknik akuisisi data , analisis data, dan pengolahan data untuk menyelesaikan masalah.
Capaian Pembelajaran Mata Kuliah (CPMK)
CMPK19 Mahasiswa mampu menerapkan teknik akuisisi data.
CPMK21 Mahasiswa mampu menerapkan metode analisis data.
CPMK23 Mahasiswa mampu menerapkan metode evaluasi data.
CPMK39 Mahasiswa mampu menjelaskan konsep teknik akuisisi data.
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
sub.cpmk.ST168.CMPK19.1 Mahasiswa dapat menjelaskan konsep dasar big data,  data mining dan tahapan data mining(KDD)
sub.cpmk.ST168.CPMK21.1 Mahasiswa dapat menerapkan Data Preprocessing(Data Tabular, Text, Image, Voice)
sub.cpmk.ST168.CPMK23.1 Mahasiswa dapat menjelaskan supervised learning dan Metode Evaluasi pada Supervised Learning
sub.cpmk.ST168.CPMK23.2 Mahasiswa dapat menerapkan unsupervised learning dan metode evaluasi pada unsupervised learning
sub.cpmk.ST168.CPMK39.1 Mahasiswa dapat memahami data dan  dapat menerapkan  exploratory data analysis(EDA)
Korelasi CPMK terhadap Sub-CPMK
CMPK19 sub.cpmk.ST168.CMPK19.1
CPMK39 sub.cpmk.ST168.CPMK39.1
CPMK21 sub.cpmk.ST168.CPMK21.1
CPMK23 sub.cpmk.ST168.CPMK23.1
sub.cpmk.ST168.CPMK23.2
Deskripsi Singkat MK Mata kuliah Data Mining memuat konsep dasar data mining. Mata kuliah ini juga membahas cara melakukan data mining dimulai dari data preprocessing, menganalisis data dengan teknik-teknik analisis seperti: mining frequent pattern, association, correlation, supervised learning (classification & regression) dan un-supervised learning (clustering) analysis. Di bagian akhir dibahas mengenai tren dan aplikasi yang terkait dengan Data Mining.
Bahan Kajian : Materi Pembelajaran Materi yang disampaikan meliputi: Pengetahuan umum Data Mining, kaidah Asosiasi, Konsep dasar Supervised&Un-Supervised Learning, Algoritma Klasifikasi, Algoritma Clustering, Evaluasi model klasifikasi dan evaluasi model clustering
Pustaka Utama
  • 1. J. Han, M. Kamber, J. Pei, Data Mining Concepts and Techniques, Morgan Kaufmann Publishers, 2012
  • 2. Pang-Ning Tan, M. Steinbach, V. Kumar, Introduction to DATA MINING, Pearson Education, Inc., Boston, 2006
  • 3. M. North, Data Mining for the Masses. 2012.
  • 4. Suyanto, Machine Learning, Informatika Bandung, 2018
  • 5. Suyanto, Data Mining untuk Klasifikasi dan Klasterisasi Data, Informatika Bandung, 2019
Pendukung
  • 6. Primartha Rifkie, Belajar Machine Learning, Informatika Bandung, 2018
  • 7. Coursera, Machine Learning Foundation, Department of Statistic Washington University
Dosen Pengampu Anna Baita, M.Kom, Kusnawi, S.Kom, M. Eng., Robert Marco, M.T., Ph.D, Rumini, 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.ST168.CMPK19.1-Mahasiswa dapat menjelaskan konsep dasar big data,  data mining dan tahapan data mining(KDD)
 Mahasiswa dapat melakukan operasi pada dataset (membaca data, struktur dataframe) Kriteria
Rubrik Holistik
Teknik
TUGAS 		Praktikum,Praktikum,[P=100 Menit]
 Elearning,Praktikum Online,[PR=100 Menit]
 Topik
Struktur Data di Python
Sub Topik
List
Tuple
Dictionary
Data Frame
  • [6] Hal: 110
2
1 sub.cpmk.ST168.CMPK19.1-Mahasiswa dapat menjelaskan konsep dasar big data,  data mining dan tahapan data mining(KDD)
 Mahasiswa dapat memberikan contoh aplikasi penerapan Data Mining dan menjelaskan tahapan data mining Kriteria
Rubrik Analitik
Teknik
KUIS 		Kuliah,Ceramah Langsung,[C=100 Menit]
 Elearning,Video Pembelajaran,[VA=100 Menit]
 Topik
Pengantar Big data & Data Mining
Sub Topik
Pengertian Big Data
Karakteristik Big data
Tipe dan tools big data
Big data analitics
Aplikasi/penerapan data mining
Tahapan data mining
  • [3] Hal: 10
0
2 sub.cpmk.ST168.CPMK39.1-Mahasiswa dapat memahami data dan  dapat menerapkan  exploratory data analysis(EDA)
 Mahasiswa dapat menjelaskan Contoh EDA Kriteria
Rubrik Holistik
Teknik
KUIS 		Kuliah,Proses Belajar,[PB=100 Menit]
 Elearning,Video Pembelajaran,[VA=100 Menit]
 Topik
"Data Understanding & Exploratory Data Analysis"
Sub Topik
" -Tendensi Sentral
- Sebaran Data
- Visualisasi Data
-Jarak Antar Objek Data
-Analisis Univariate,
-Analisis Multivariate


  • [6] Hal: 111
2
2 sub.cpmk.ST168.CPMK39.1-Mahasiswa dapat memahami data dan  dapat menerapkan  exploratory data analysis(EDA)
 Mahasiswa dapat melakukan EDA Kriteria
Rubrik Holistik
Teknik
Laporan 		Praktikum,Praktikum,[P=100 Menit]
 E-learning interaktif,Praktikum Online,[PR=100 Menit]
 Topik
Data Understanding & Exploratory Data Analysis
Sub Topik
Melihat informasi umum data, univariate analysis, multivariate analysis
  • [3] Hal: 22
2
3 sub.cpmk.ST168.CPMK21.1-Mahasiswa dapat menerapkan Data Preprocessing(Data Tabular, Text, Image, Voice)
 Mahasiswa dapat menyebutkan dan menjelaskan jenisjenis pre-processing Kriteria
Rubrik Analitik
Teknik
Diskusi 		Kuliah,Presentasi,[PS=100 Menit]
 Elearning,Presentasi Tidak Langsung,[PSTL=100 Menit]
 Topik
Data Preprocessing
Sub Topik
Definisi data Preprocessing,
Pentingnya Data Preprocessing,
Tabular Preprocessing,
Text Preprocessing,
Image Preprocessing,
Voice Preprocessing
  • [4] Hal: 112
8
4
5
6
3 sub.cpmk.ST168.CPMK21.1-Mahasiswa dapat menerapkan Data Preprocessing(Data Tabular, Text, Image, Voice)
 Mahasiswa dapat mengimplemntasikan teknik pre-processing pada data tabular Kriteria
Rubrik Holistik
Teknik
Laporan Praktikum 		Praktikum,Praktikum,[P=100 Menit]
 E-learning interaktif,Praktikum Online,[PR=100 Menit]
 Topik
Preprocessing pada data tabular
Sub Topik
Data Cleaning, Data Transformation
  • [6] Hal: 234
2
4 sub.cpmk.ST168.CPMK21.1-Mahasiswa dapat menerapkan Data Preprocessing(Data Tabular, Text, Image, Voice)
 Mahasiswa dapat mengimplemntasikan teknik text preprocessing Kriteria
Rubrik Holistik
Teknik
Laporan Praktikum/ Tugas 		Praktikum,Praktikum,[P=100 Menit]
 E-learning interaktif,Praktikum Online,[PR=100 Menit]
 Topik
Text Data Preprocessing
Sub Topik
Cleaning, tokenizing, feature extraction
  • [6] Hal: 278
2
5 sub.cpmk.ST168.CPMK21.1-Mahasiswa dapat menerapkan Data Preprocessing(Data Tabular, Text, Image, Voice)
 Mahasiswa dapat mengimplemntasikan teknik Image pre-processing Kriteria
Rubrik Holistik
Teknik
TUGAS 		Praktikum,Praktikum,[P=100 Menit]
 E-learning interaktif,Praktikum Online,[PR=100 Menit]
 Topik
Image Preprocessing
Sub Topik
Cropping, resize, normalization, augmentation
  • [3] Hal: 234
2
6 sub.cpmk.ST168.CPMK21.1-Mahasiswa dapat menerapkan Data Preprocessing(Data Tabular, Text, Image, Voice)
 Mahasiswa dapat mengimplementasikan voice preprocessing Kriteria
Rubrik Analitik
Teknik
Tugas 		Kuliah,Praktikum,[P=100 Menit]
 Elearning,Praktikum Online,[PR=100 Menit]
 Topik
voice preprocessing
Sub Topik
resampling,
noise reduction,
normalisasi,
padding,
trimming
  • [6] Hal: 122
2
7 sub.cpmk.ST168.CPMK21.1-Mahasiswa dapat menerapkan Data Preprocessing(Data Tabular, Text, Image, Voice)
 Mahasiswa dapat menjelaskan fitur seleksi Kriteria
Rubrik Analitik
Teknik
Kuis 		Kuliah,Ceramah Langsung,[C=100 Menit]
 Elearning,Video Pembelajaran,[VA=100 Menit]
 Topik
Seleksi Fitur
Sub Topik
Filtering method,
Wrapper method,
Embedded Method
  • [3] Hal: 222
0
7 sub.cpmk.ST168.CPMK21.1-Mahasiswa dapat menerapkan Data Preprocessing(Data Tabular, Text, Image, Voice)
 Mahasiswa dapat mengimplementasikan seleksi fitur Kriteria
Rubrik Analitik
Teknik
Tugas 		Praktikum,Praktikum,[P=100 Menit]
 Elearning,Praktikum Online,[PR=100 Menit]
 Topik
Seleksi fitur
Sub Topik
Filter Method,
Wrapper Method,
Embedded Method
 2
8 sub.cpmk.ST168.CPMK23.1-Mahasiswa dapat menjelaskan supervised learning dan Metode Evaluasi pada Supervised Learning
Mahasiswa dapat menjelaskan konsep supervised learning dan mengevaluasi model supervised Kriteria
Rubrik Holistik
Teknik
kuis 		Kuliah,Ceramah Langsung,[C=100 Menit]
 Elearning,Video Pembelajaran,[VA=100 Menit]
 Topik
supervised learning
Sub Topik
konsep supervised learning,
jenis-jenis supervised learning,
contoh algoritma supervised learning
evaluasi pada supervised learning
Studi kasus algoritma SVM & MLP/NN
  • [1] Hal: 200
5
9
10
8 sub.cpmk.ST168.CPMK23.1-Mahasiswa dapat menjelaskan supervised learning dan Metode Evaluasi pada Supervised Learning
Mahasiswa dapat menganalisis performa model supervised Kriteria
Rubrik Holistik
Teknik
Tugas 		Kuliah,Praktikum,[P=100 Menit]
 Elearning,Praktikum Online,[PR=100 Menit]
 Topik
supervised learning
Sub Topik
model evaluation
  • [6] Hal: 122
2
9 sub.cpmk.ST168.CPMK23.1-Mahasiswa dapat menjelaskan supervised learning dan Metode Evaluasi pada Supervised Learning
Mahasiswa dapat mengimplemntasikan Algoritma SVM dalam 1 studi kasus Kriteria
Rubrik Holistik
Teknik
laporan praktikum 		Praktikum,Praktikum,[P=100 Menit]
 E-learning interaktif,Praktikum Online,[PR=100 Menit]
 Topik
SVM
Sub Topik
Implementasi SVM
Evaluasi SVM
  • [4] Hal: 12
2
10 sub.cpmk.ST168.CPMK23.1-Mahasiswa dapat menjelaskan supervised learning dan Metode Evaluasi pada Supervised Learning
Mahasiswa dapat mengimplementasikan Decission Tree dalam studi kasus Kriteria
Rubrik Holistik
Teknik
Tugas 		Kuliah,Praktikum,[P=100 Menit]
 Elearning,Praktikum Online,[PR=100 Menit]
 Topik
SVM
Sub Topik
Implementasi Decision Tree
Evaluasi Decision tree
  • [4] Hal: 122
2
11 sub.cpmk.ST168.CPMK23.2-Mahasiswa dapat menerapkan unsupervised learning dan metode evaluasi pada unsupervised learning
Mahasiswa dapat menjelaskan unsupervised learning dan evaluasinya Kriteria
Rubrik Analitik
Teknik
kuis 		Kuliah,Ceramah Langsung,[C=100 Menit]
 Elearning,Praktikum Online,[PR=100 Menit]
 Topik
unsupervised learning
Sub Topik
konsep unsupervised learning
jenis-jenis unsupervised learning
contoh algoritma
cara evaluasi
studi kasus KMeans & DBSCAN
  • [6] Hal: 21
5
12
13
11 sub.cpmk.ST168.CPMK23.2-Mahasiswa dapat menerapkan unsupervised learning dan metode evaluasi pada unsupervised learning
Mahasiswa dapat melakukan evaluasi model unsupervised Kriteria
Rubrik Analitik
Teknik
Tugas 		Praktikum,Praktikum,[P=100 Menit]
 E-learning interaktif,Praktikum Online,[PR=100 Menit]
 Topik
unupervised learning
Sub Topik
evaluasi unsupervised learning
 2
12 sub.cpmk.ST168.CPMK23.2-Mahasiswa dapat menerapkan unsupervised learning dan metode evaluasi pada unsupervised learning
Mahasiswa dapat mengimplementasi kmeans Kriteria
Rubrik Analitik
Teknik
Tugas 		Praktikum,Praktikum,[P=100 Menit]
 Praktikum,Praktikum Online,[PR=100 Menit]
 Topik
unsupervised
Sub Topik
kmeans
 2
13 sub.cpmk.ST168.CPMK23.2-Mahasiswa dapat menerapkan unsupervised learning dan metode evaluasi pada unsupervised learning
Mahasiswa dapat melakukan implementasi DBSCAN dalam studi kasus Kriteria
Rubrik Analitik
Teknik
Tugas 		Praktikum,Praktikum,[P=100 Menit]
 Praktikum,Praktikum Online,[PR=100 Menit]
 Topik
Unsupervised learning
Sub Topik
DBSCAN
 2
14 sub.cpmk.ST168.CPMK23.1-Mahasiswa dapat menjelaskan supervised learning dan Metode Evaluasi pada Supervised Learning
sub.cpmk.ST168.CPMK23.2-Mahasiswa dapat menerapkan unsupervised learning dan metode evaluasi pada unsupervised learning
Mahasiswa dapat menyelesaikan 1 kasus secara individu menggunakan teknik supervised/unsupervised Kriteria
Rubrik Analitik
Teknik
Presentasi 		Presentasi,Presentasi,[PS=100 Menit]
 Presentasi,Presentasi,[PS=100 Menit]
 Topik
Final Project
Sub Topik
Presentasi Final Project
 14
15 sub.cpmk.ST168.CPMK21.1-Mahasiswa dapat menerapkan Data Preprocessing(Data Tabular, Text, Image, Voice)
 Mahasiswa dapat menyelesaikan soal UTS Kriteria
Rubrik Analitik
Teknik
UTS 		Topik
UTS
Sub Topik
UTS
 25
16 sub.cpmk.ST168.CPMK23.1-Mahasiswa dapat menjelaskan supervised learning dan Metode Evaluasi pada Supervised Learning
sub.cpmk.ST168.CPMK23.2-Mahasiswa dapat menerapkan unsupervised learning dan metode evaluasi pada unsupervised learning
Mahasiswa dapat menyelesaikan UAS Kriteria
Rubrik Analitik
Teknik
UAS 		Topik
UAS
Sub Topik
UAS
 15

Teknik Penilaian CPMK

CPL MK CPMK Kuis Laporan Praktikum Tugas Diskusi Presentasi Tes Tulis (UTS) Tes Tulis ( UAS )
CPLP06 BIG DATA DAN DATA MINING CMPK19 Y
CPLP06 BIG DATA DAN DATA MINING CPMK21 Y Y Y Y
CPLP06 BIG DATA DAN DATA MINING CPMK23 Y Y Y Y
CPLP10 BIG DATA DAN DATA MINING CPMK39 Y Y

Prosedur Penilaian CPMK

1. Komponen Penilaian CPMK
CPL CPMK Sub-CPMK Detail Penugasan (Teknik Penilaian) Bobot % Kriteria Penilaian
CPLP06 CMPK19 sub.cpmk.ST168.CMPK19.1 TUGAS 2 Rubrik Holistik
CPLP06 CMPK19 sub.cpmk.ST168.CMPK19.1 KUIS 0 Rubrik Analitik
CPLP10 CPMK39 sub.cpmk.ST168.CPMK39.1 KUIS 2 Rubrik Holistik
CPLP10 CPMK39 sub.cpmk.ST168.CPMK39.1 Laporan 2 Rubrik Holistik
CPLP06 CPMK21 sub.cpmk.ST168.CPMK21.1 Diskusi 8 Rubrik Analitik
CPLP06 CPMK21 sub.cpmk.ST168.CPMK21.1 Laporan Praktikum 2 Rubrik Holistik
CPLP06 CPMK21 sub.cpmk.ST168.CPMK21.1 Laporan Praktikum/ Tugas 2 Rubrik Holistik
CPLP06 CPMK21 sub.cpmk.ST168.CPMK21.1 TUGAS 2 Rubrik Holistik
CPLP06 CPMK21 sub.cpmk.ST168.CPMK21.1 Tugas 2 Rubrik Analitik
CPLP06 CPMK21 sub.cpmk.ST168.CPMK21.1 Kuis 0 Rubrik Analitik
CPLP06 CPMK21 sub.cpmk.ST168.CPMK21.1 Tugas 2 Rubrik Analitik
CPLP06 CPMK23 sub.cpmk.ST168.CPMK23.1 kuis 5 Rubrik Holistik
CPLP06 CPMK23 sub.cpmk.ST168.CPMK23.1 Tugas 2 Rubrik Holistik
CPLP06 CPMK23 sub.cpmk.ST168.CPMK23.1 laporan praktikum 2 Rubrik Holistik
CPLP06 CPMK23 sub.cpmk.ST168.CPMK23.1 Tugas 2 Rubrik Holistik
CPLP06 CPMK23 sub.cpmk.ST168.CPMK23.2 kuis 5 Rubrik Analitik
CPLP06 CPMK23 sub.cpmk.ST168.CPMK23.2 Tugas 2 Rubrik Analitik
CPLP06 CPMK23 sub.cpmk.ST168.CPMK23.2 Tugas 2 Rubrik Analitik
CPLP06 CPMK23 sub.cpmk.ST168.CPMK23.2 Tugas 2 Rubrik Analitik
CPLP06 CPMK23 sub.cpmk.ST168.CPMK23.1, sub.cpmk.ST168.CPMK23.2 Presentasi 14 Rubrik Analitik
CPLP06 CPMK21 sub.cpmk.ST168.CPMK21.1 UTS 25 Rubrik Analitik
CPLP06 CPMK23 sub.cpmk.ST168.CPMK23.1, sub.cpmk.ST168.CPMK23.2 UAS 15 Rubrik Analitik
Total 100
2. Penilaian CPMK
CPL MK CPMK Kuis Laporan Praktikum Tugas Diskusi Presentasi Tes Tulis (UTS) Tes Tulis ( UAS ) Total
CPLP06 BIG DATA DAN DATA MINING CMPK19 0% 2% 0% 0% 0% 0% 0% 2%
CPLP06 BIG DATA DAN DATA MINING CPMK21 0% 2% 8% 8% 0% 25% 0% 43%
CPLP06 BIG DATA DAN DATA MINING CPMK23 10% 0% 12% 0% 14% 0% 15% 51%
CPLP10 BIG DATA DAN DATA MINING CPMK39 2% 0% 2% 0% 0% 0% 0% 4%
100%