UNIVERSITAS AMIKOM YOGYAKARTA
FAKULTAS ILMU KOMPUTER
PROGRAM STUDI TEKNIK INFORMATIKA

RPS-D3TI-DT194
RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tanggal Penyusunan
BIG DATA FUNDAMENTAL DT194 Graphics and Visualization 0 2 4 11 Aug 2025
Pengesahan Dosen Pengembang RPS Koordinator RMK Ka PRODI

Ainul Yaqin, M.Kom
Hastari Utama, M.Cs
Barka Satya, M.Kom
Capaian Pembelajaran CPL-PRODI yang dibebankan pada MK
23-CPL06 Kemampuan mendesain dan mengimplementasi solusi berbasis computing multi-platform yang memenuhi kebutuhan computing pada sebuah organisasi.
23-CPL08 Kemampuan mengimplementasikan sistem cerdas menggunakan algoritma umum untuk memecahkan masalah di dunia industri.
Capaian Pembelajaran Mata Kuliah (CPMK)
CP-MK061 Mampu menerapkan desain solusi berbasis computing Multiplatform
CP-MK081 Mampu mengimplementasikan sistem cerdas menggunakan algoritma untuk memecahkan masalah di dunia industri
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
sub.cpmk.DT194.CP-MK061.1 Memahami konsep dasar Big Data.
sub.cpmk.DT194.CP-MK061.2 Mampu melakukan EDA dengan Pandas.
sub.cpmk.DT194.CP-MK061.3 Mampu melakukan pengaturan awal lingkungan big data, melakukan import dataset, web scraping, Crawling data, serta EDA pada studi kasus yang diberikan.
sub.cpmk.DT194.CP-MK061.4 Mampu melakukan visualisasi data (structured vs unstructured).
sub.cpmk.DT194.CP-MK061.5 Mampu menyajikan insight dari data secara efektif (storytelling dengan data).
sub.cpmk.DT194.CP-MK061.6 Mengumpulkan data dan melakukan EDA untuk proyek akhir.
sub.cpmk.DT194.CP-MK061.7 Menyajikan hasil proyek akhir dan menjawab pertanyaan.
sub.cpmk.DT194.CP-MK081.1 Mampu mengimpor dataset dari sumber publik (UCI, Kaggle, dll).
sub.cpmk.DT194.CP-MK081.2 Mampu mengumpulkan data dari web scraping.
sub.cpmk.DT194.CP-MK081.3 Mampu melakukan preprocessing data (normalisasi, encoding, dll).
sub.cpmk.DT194.CP-MK081.4 Melakukan integrasi dan preprocessing dari dataset yang telah terkumpul.
sub.cpmk.DT194.CP-MK081.5 Melakukan visualisasi data dari dataset yang telah terintegrasi.
sub.cpmk.DT194.CP-MK081.6 Mampu mengumpulkan data dari API.
Korelasi CPMK terhadap Sub-CPMK
CP-MK061 sub.cpmk.DT194.CP-MK061.1
sub.cpmk.DT194.CP-MK061.2
sub.cpmk.DT194.CP-MK061.3
sub.cpmk.DT194.CP-MK061.4
sub.cpmk.DT194.CP-MK061.5
sub.cpmk.DT194.CP-MK061.6
sub.cpmk.DT194.CP-MK061.7
CP-MK081 sub.cpmk.DT194.CP-MK081.1
sub.cpmk.DT194.CP-MK081.2
sub.cpmk.DT194.CP-MK081.3
sub.cpmk.DT194.CP-MK081.4
sub.cpmk.DT194.CP-MK081.5
sub.cpmk.DT194.CP-MK081.6
Deskripsi Singkat MK Mata kuliah Big Data Fundamental merupakan mata kuliah praktik yang dirancang untuk memberikan pemahaman dan keterampilan dasar dalam mengelola dan menganalisis data dalam skala besar. Mata kuliah ini mencakup berbagai aspek penting dalam pengolahan big data, mulai dari pengumpulan data, preprocessing, eksplorasi data, hingga visualisasi dan penyajian insight yang efektif.
Bahan Kajian : Materi Pembelajaran "Konsep Dasar Big Data Pengumpulan Data dari Sumber Publik Web Scraping Pengambilan Data dari API Exploratory Data Analysis (EDA) Integrasi Dataset dan EDA pada Studi Kasus Preprocessing Data Visualisasi Data Storytelling dengan Data Proyek Akhir: Pengumpulan Data dan EDA Integrasi dan Preprocessing Dataset Visualisasi Data dalam Dashboard"
Pustaka Utama
  • 1. Erl, T., Khattak, W., & Buhler, P. (2016). Big data fundamentals: Concepts, drivers & techniques. Prentice Hall.
  • 2. McKinney, W. (2017). Python for data analysis (2nd ed.). O'Reilly Media.
  • 3. Grus, J. (2019). Data science from scratch: First principles with Python (2nd ed.). O'Reilly Media.
  • 4. Mitchell, R. (2018). Web scraping with Python: Collecting more data from the modern web (2nd ed.). O'Reilly Media.
Pendukung
  • 5. Sweigart, A. (2019). Automate the boring stuff with Python (2nd ed.). No Starch Press.
  • 6. Ramalho, L. (2015). Fluent Python: Clear, concise, and effective programming. O'Reilly Media.
Dosen Pengampu Ainul Yaqin, M. Kom, Arvin Claudy Frobenius, M.Kom, Hastari Utama, M.Cs
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.DT194.CP-MK061.1-Memahami konsep dasar Big Data. Menjelaskan karakteristik Big Data (5V) dan mampu memahami pengumpulan data. Kriteria
Rubrik skala Persepsi
Teknik
Diskusi 		Praktikum,Praktikum,[P=100 Menit]
 Topik
Konsep Big Data
Sub Topik
"""- Konsep Big Data: Volume, Velocity, Variety, Veracity, Value. - Data Engineering: Peran, tanggung jawab, dan tools. - Pengenalan Google Colab: Setup lingkungan kerja."""
  • [1] Hal: 1
2.5
2 sub.cpmk.DT194.CP-MK081.1-Mampu mengimpor dataset dari sumber publik (UCI, Kaggle, dll). Mengunduh dan memuat dataset dari sumber publik ke dalam Google Colab. Kriteria
Rubrik Analitik
Teknik
Tugas 		Praktikum,Praktikum,[P=100 Menit]
 Topik
Dataset Publik: UCI Machine Learning Repository, Kaggle.
Sub Topik
"""- Dataset Publik: UCI Machine Learning Repository, Kaggle. - Library: Pandas. - Praktik: Mengimpor dan memuat dataset."" - Operasi Python dan PySpark"
2.5
3 sub.cpmk.DT194.CP-MK081.2-Mampu mengumpulkan data dari web scraping. Melakukan scraping data dari website menggunakan Python. Kriteria
Rubrik Analitik
Teknik
Laporan praktikum 		Praktikum,Laporan Praktikum,[LP=100 Menit]
 Topik
Web Scraping: Konsep dan tools (BeautifulSoup, Scrapy)
Sub Topik
"""- Web Scraping: Konsep dan tools (BeautifulSoup, Scrapy). - Praktik: Scraping data dari website statis."""
3.75
4 sub.cpmk.DT194.CP-MK081.6-Mampu mengumpulkan data dari API. Mengambil data dari API menggunakan Python. Kriteria
Rubrik Analitik
Teknik
Diskusi 		Praktikum,Praktikum,[P=1 Menit]
 Topik
API: Konsep dan cara kerja.
Sub Topik
"""- API: Konsep dan cara kerja. - Library: Requests. - Praktik: Mengambil data dari API publik (contoh: Twitter, Google Maps)."""
  • [4] Hal: 1
2.5
5 sub.cpmk.DT194.CP-MK061.2-Mampu melakukan EDA dengan Pandas. Melakukan analisis statistik dan visualisasi data dasar menggunakan Pandas. Kriteria
Rubrik Analitik
Teknik
Tugas 		Praktikum,Praktikum,[P=100 Menit]
 Topik
EDA: Analisis statistik (mean, median, std dev) dan visualisasi data.
Sub Topik
"""- EDA: Analisis statistik (mean, median, std dev) dan visualisasi data. - Library: Pandas, Matplotlib. - Praktik: Melakukan EDA pada dataset."""
  • [2] Hal: 1
2.5
6 sub.cpmk.DT194.CP-MK061.2-Mampu melakukan EDA dengan Pandas. Melakukan analisis statistik dan visualisasi data dasar menggunakan Pandas. Kriteria
Rubrik Analitik
Teknik
Laporan praktikum 		Praktikum,Praktikum,[P=100 Menit]
 Topik
EDA: Analisis statistik (mean, median, std dev) dan visualisasi data.
Sub Topik
"""- EDA: Analisis statistik (mean, median, std dev) dan visualisasi data. - Library: Pandas, Matplotlib. - Praktik: Melakukan EDA pada dataset."""
  • [2] Hal: 1
3.75
7 sub.cpmk.DT194.CP-MK061.3-Mampu melakukan pengaturan awal lingkungan big data, melakukan import dataset, web scraping, Crawling data, serta EDA pada studi kasus yang diberikan. Mampu mengintegrasikan dataset dan disertasi dengan hasil EDA. Kriteria
Rubrik Holistik
Teknik
Responsi 		Praktikum,Tugas Responsi,[TR=100 Menit]
 Topik
Responsi: Presentasi hasil EDA oleh peserta.
Sub Topik
"""- Responsi: Presentasi hasil EDA oleh peserta. - Diskusi: Evaluasi dan umpan balik dari dosen dan peserta."""
  • [2] Hal: 1
7.5
8 sub.cpmk.DT194.CP-MK081.3-Mampu melakukan preprocessing data (normalisasi, encoding, dll). Melakukan normalisasi, encoding kategorikal, dan scaling data. Kriteria
Rubrik skala Persepsi
Teknik
Diskusi 		Praktikum,Ceramah Langsung,[C=100 Menit]
 Topik
Preprocessing: Normalisasi (Min-Max, Z-score), encoding kategorikal (One-Hot Encoding, Label Encoding).
Sub Topik
"""- Preprocessing: Normalisasi (Min-Max, Z-score), encoding kategorikal (One-Hot Encoding, Label Encoding). - Library: Scikit-learn. - Praktik: Preprocessing dataset."""
  • [3] Hal: 1
2.5
9 sub.cpmk.DT194.CP-MK061.4-Mampu melakukan visualisasi data (structured vs unstructured). Membuat visualisasi data untuk analisis (plot, scatter plot, dll). Kriteria
Rubrik Analitik
Teknik
Tugas 		Praktikum,Praktikum,[P=100 Menit]
 Topik
Visualisasi Data: Prinsip dasar dan jenis grafik.
Sub Topik
"""- Visualisasi Data: Prinsip dasar dan jenis grafik. - Library: Matplotlib, Seaborn. - Praktik: Membuat visualisasi data terstruktur dan tidak terstruktur."""
  • [2] Hal: 1
2.5
10 sub.cpmk.DT194.CP-MK061.5-Mampu menyajikan insight dari data secara efektif (storytelling dengan data). Membuat presentasi data yang menarik dan informatif. Kriteria
Rubrik Analitik
Teknik
Praktikum 		Praktikum,Praktikum,[P=100 Menit]
 Topik
Storytelling dengan Data: Prinsip dan teknik.
Sub Topik
"""- Storytelling dengan Data: Prinsip dan teknik. - Library: Plotly, Dash. - Praktik: Membuat visualisasi interaktif dan dashboard sederhana."""
  • [2] Hal: 1
3.75
11 sub.cpmk.DT194.CP-MK061.6-Mengumpulkan data dan melakukan EDA untuk proyek akhir. Mampu mengumpulkan data berkaitan dengan studi kasus yang dikerjakan disertai hasil EDA. Kriteria
Rubrik Analitik
Teknik
Diskusi 		Praktikum,Praktikum,[P=100 Menit]
 Topik
Proyek Akhir: Penjelasan tahapan proyek.
Sub Topik
"""- Proyek Akhir: Penjelasan tahapan proyek. - Praktik: Pengumpulan data dan EDA."""
  • [3] Hal: 1
2.5
12 sub.cpmk.DT194.CP-MK081.4-Melakukan integrasi dan preprocessing dari dataset yang telah terkumpul. Mampu mengkonversi raw data menjadi dataset yang dibutuhkan dalam studi kasus. Kriteria
Rubrik Analitik
Teknik
Tugas 		Praktikum,Praktikum,[P=100 Menit]
 Topik
Integrasi dan Preprocessing dataset
Sub Topik
- Proyek Akhir - Praktik: Integrasi dan Preprocessing dataset
  • [3] Hal: 1
2.5
13 sub.cpmk.DT194.CP-MK081.5-Melakukan visualisasi data dari dataset yang telah terintegrasi. Mengintegrasikan data collection, EDA, dan visualisasi dalam dashboard. Kriteria
Rubrik Holistik
Teknik
Laporan praktikum 		Responsi,Studi Kasus,[SK=100 Menit]
 Topik
Membangun dashboard interaktif dari visualiasi data.
Sub Topik
-Tugas Akhir - Praktik: Membangun dashboard interaktif dari visualiasi data.
  • [2] Hal: 1
3.75
14 sub.cpmk.DT194.CP-MK061.7-Menyajikan hasil proyek akhir dan menjawab pertanyaan. Mampu menyelesaikan studi kasus dengan cara mengintegrasi, preprocessing, dan visualisasi data. Kriteria
Rubrik skala Persepsi
Teknik
Responsi 		Responsi,Tugas Responsi,[TR=100 Menit]
 Topik
Responsi: Presentasi proyek akhir oleh peserta.
Sub Topik
"""- Responsi: Presentasi proyek akhir oleh peserta. - Diskusi: Evaluasi dan umpan balik dari dosen dan peserta."""
  • [5] Hal: 1
  • [6] Hal: 1
7.5
15 sub.cpmk.DT194.CP-MK061.1-Memahami konsep dasar Big Data. sub.cpmk.DT194.CP-MK061.2-Mampu melakukan EDA dengan Pandas. sub.cpmk.DT194.CP-MK061.3-Mampu melakukan pengaturan awal lingkungan big data, melakukan import dataset, web scraping, Crawling data, serta EDA pada studi kasus yang diberikan. sub.cpmk.DT194.CP-MK061.4-Mampu melakukan visualisasi data (structured vs unstructured). Mampu menyelesaikan studi kasus yang diberikan dalam bentuk laporan visualisasi data. Kriteria
Rubrik Analitik
Teknik
UTS 		Kuliah,Tugas Take Home,[TH=80 Menit]
 Topik
Ujian Tengah Semester
Sub Topik
Ujian Tengah Semester
 20
16 sub.cpmk.DT194.CP-MK081.1-Mampu mengimpor dataset dari sumber publik (UCI, Kaggle, dll). sub.cpmk.DT194.CP-MK081.2-Mampu mengumpulkan data dari web scraping. sub.cpmk.DT194.CP-MK081.3-Mampu melakukan preprocessing data (normalisasi, encoding, dll). sub.cpmk.DT194.CP-MK081.4-Melakukan integrasi dan preprocessing dari dataset yang telah terkumpul. sub.cpmk.DT194.CP-MK081.5-Melakukan visualisasi data dari dataset yang telah terintegrasi. sub.cpmk.DT194.CP-MK081.6-Mampu mengumpulkan data dari API. Mampu menentukan tema studi kasus dan menyelesaikan studi kasus tersebut dengan penerapan ke program komputer serta visualisasi data. Kriteria
Rubrik skala Persepsi
Teknik
UAS 		Praktikum,Tugas Take Home,[TH=100 Menit]
 Topik
Ujian Akhir Semester
Sub Topik
Ujian Akhir Semester
 30

Teknik Penilaian CPMK

CPL MK CPMK
23-CPL06 BIG DATA FUNDAMENTAL CP-MK061 Y
23-CPL08 BIG DATA FUNDAMENTAL CP-MK081 Y

Prosedur Penilaian CPMK

1. Komponen Penilaian CPMK
CPL CPMK Sub-CPMK Detail Penugasan (Teknik Penilaian) Bobot % Kriteria Penilaian
23-CPL06 CP-MK061 sub.cpmk.DT194.CP-MK061.1 Diskusi 2.5 Rubrik skala Persepsi
23-CPL08 CP-MK081 sub.cpmk.DT194.CP-MK081.1 Tugas 2.5 Rubrik Analitik
23-CPL08 CP-MK081 sub.cpmk.DT194.CP-MK081.2 Laporan praktikum 3.75 Rubrik Analitik
23-CPL08 CP-MK081 sub.cpmk.DT194.CP-MK081.6 Diskusi 2.5 Rubrik Analitik
23-CPL06 CP-MK061 sub.cpmk.DT194.CP-MK061.2 Tugas 2.5 Rubrik Analitik
23-CPL06 CP-MK061 sub.cpmk.DT194.CP-MK061.2 Laporan praktikum 3.75 Rubrik Analitik
23-CPL06 CP-MK061 sub.cpmk.DT194.CP-MK061.3 Responsi 7.5 Rubrik Holistik
23-CPL08 CP-MK081 sub.cpmk.DT194.CP-MK081.3 Diskusi 2.5 Rubrik skala Persepsi
23-CPL06 CP-MK061 sub.cpmk.DT194.CP-MK061.4 Tugas 2.5 Rubrik Analitik
23-CPL06 CP-MK061 sub.cpmk.DT194.CP-MK061.5 Praktikum 3.75 Rubrik Analitik
23-CPL06 CP-MK061 sub.cpmk.DT194.CP-MK061.6 Diskusi 2.5 Rubrik Analitik
23-CPL08 CP-MK081 sub.cpmk.DT194.CP-MK081.4 Tugas 2.5 Rubrik Analitik
23-CPL08 CP-MK081 sub.cpmk.DT194.CP-MK081.5 Laporan praktikum 3.75 Rubrik Holistik
23-CPL06 CP-MK061 sub.cpmk.DT194.CP-MK061.7 Responsi 7.5 Rubrik skala Persepsi
23-CPL06 CP-MK061 sub.cpmk.DT194.CP-MK061.1, sub.cpmk.DT194.CP-MK061.2, sub.cpmk.DT194.CP-MK061.3, sub.cpmk.DT194.CP-MK061.4 UTS 20 Rubrik Analitik
23-CPL08 CP-MK081 sub.cpmk.DT194.CP-MK081.1, sub.cpmk.DT194.CP-MK081.2, sub.cpmk.DT194.CP-MK081.3, sub.cpmk.DT194.CP-MK081.4, sub.cpmk.DT194.CP-MK081.5, sub.cpmk.DT194.CP-MK081.6 UAS 30 Rubrik skala Persepsi
Total 100
2. Penilaian CPMK
CPL MK CPMK Total
23-CPL06 BIG DATA FUNDAMENTAL CP-MK061 52.5% 52.5%
23-CPL08 BIG DATA FUNDAMENTAL CP-MK081 47.5% 47.5%
100%