|
UNIVERSITAS AMIKOM YOGYAKARTA
|
RPS-S1TK-TK077 |
| RENCANA PEMBELAJARAN SEMESTER | ||||||
| MATA KULIAH (MK) | KODE | Rumpun MK | BOBOT (sks) | SEMESTER | Tanggal Penyusunan | |
| BIG DATA | TK077 | Algorithms and Complexity (CE-ALG,CS2013) | 2 | 2 | 5 | 14 Jan 2021 |
| Pengesahan | Dosen Pengembang RPS | Koordinator RMK | Ka PRODI |
 Jeki Kuswanto, M.Kom. |
 Muhammad Koprawi, S.Kom., M.Eng. |
 Dr. Dony Ariyus, M.Kom |
| Capaian Pembelajaran | CPL-PRODI yang dibebankan pada MK | |
| 2021 CPL04 | Mampu melakukan dokumentasi, evaluasi, dan komunikasi ilmiah terhadap hasil karya dan pemikiran melalui berbagai media teknologi informasi. | |
| 2021 CPL05 | Mampu beradaptasi terhadap perkembangan teknologi mutakhir dan menerapkan prinsip pembelajaran sepanjang hayat (lifelong learning) | |
| Capaian Pembelajaran Mata Kuliah (CPMK) | ||
| CPMK15 | Mahasiswa mampu mengidentifikasi permasalahan nyata dan memodelkannya menggunakan pendekatan Artificial Intelligence (AI) dan Machine Learning (ML) secara tepat. | |
| CPMK16 | Mahasiswa mampu menerapkan metode Deep Learning untuk membangun sistem komputer cerdas yang efisien dan adaptif sesuai kebutuhan aplikasi. | |
| CPMK17 | Mahasiswa mampu menjelaskan dan menerapkan konsep dasar sistem komputer, matematika, statistika, dan sains dalam menyelesaikan masalah teknik secara empiris. | |
| CPMK18 | Mahasiswa mampu mengembangkan kemampuan berpikir analitis dengan menggunakan data eksperimen untuk memecahkan masalah komputasi teknik. | |
| Kemampuan akhir tiap tahapan belajar (Sub-CPMK) | ||
| sub.cpmk.TK077.CPMK15.1 | Mahasiswa dapat mengidentifikasi kebutuhan sistem cerdas dan merumuskan model solusi menggunakan algoritma AI dan ML berbasis data eksperimen. | |
| sub.cpmk.TK077.CPMK15.2 | Mahasiswa mampu mengevaluasi performa model AI dan ML dengan menggunakan metrik evaluasi yang sesuai untuk meningkatkan akurasi dan efisiensi solusi sistem cerdas. | |
| sub.cpmk.TK077.CPMK16.1 | Mahasiswa dapat merancang arsitektur Deep Learning yang sesuai dengan karakteristik data dan kebutuhan aplikasi sistem komputer cerdas. | |
| sub.cpmk.TK077.CPMK16.2 | Mahasiswa dapat mengimplementasikan dan menguji model Deep Learning menggunakan bahasa pemrograman Python serta mempertimbangkan aspek efisiensi dan keamanan sistem. | |
| sub.cpmk.TK077.CPMK17.1 | Mahasiswa mampu menjelaskan konsep dasar matematika teknik dan statistika serta penerapannya dalam analisis data teknik. | |
| sub.cpmk.TK077.CPMK17.2 | Mahasiswa mampu menerapkan prinsip dasar big data untuk mengolah dan menganalisis data teknik secara empiris. | |
| sub.cpmk.TK077.CPMK18.1 | Mahasiswa mampu menganalisis data eksperimen menggunakan pendekatan matematis untuk mengidentifikasi pola dan solusi dalam permasalahan teknik. | |
| sub.cpmk.TK077.CPMK18.2 | Mahasiswa mampu menerapkan teknik pengolahan data besar (big data) untuk mendukung pengambilan keputusan berbasis analisis komputasi teknik. | |
| Korelasi CPMK terhadap Sub-CPMK | ||
| CPMK15 |
sub.cpmk.TK077.CPMK15.1 sub.cpmk.TK077.CPMK15.2 |
|
| CPMK16 |
sub.cpmk.TK077.CPMK16.1 sub.cpmk.TK077.CPMK16.2 |
|
| CPMK17 |
sub.cpmk.TK077.CPMK17.1 sub.cpmk.TK077.CPMK17.2 |
|
| CPMK18 |
sub.cpmk.TK077.CPMK18.1 sub.cpmk.TK077.CPMK18.2 |
|
| Deskripsi Singkat MK | Mata kuliah ini memberikan pemahaman menyeluruh tentang konsep, teknologi, serta praktik pengolahan dan analisis data dalam skala besar (big data). Mahasiswa akan mempelajari ekosistem teknologi big data seperti Hadoop, HDFS, MapReduce, Spark, serta konsep Data Lake, Data Warehouse, SQL dan NoSQL. Selain itu, mahasiswa akan memahami teknik analitik seperti klasifikasi, prediksi, dan clustering, serta keterampilan preprocessing dan visualisasi data menggunakan Python dan alat bantu lain. Perkuliahan juga melatih mahasiswa membangun pipeline data dan dashboard analitik sebagai bagian dari proyek akhir. | |
| Bahan Kajian : Materi Pembelajaran | Bahan kajian dimulai dengan pengenalan terhadap domain dan aplikasi big data, mencakup berbagai sektor seperti bisnis, kesehatan, pemerintahan, dan e-commerce. Mahasiswa akan dikenalkan pada karakteristik utama big data (volume, variety, velocity, veracity), serta manfaatnya dalam mendukung pengambilan keputusan berbasis data. Selanjutnya, mahasiswa mempelajari berbagai teknologi big data yang mencakup Hadoop ecosystem, seperti HDFS (penyimpanan terdistribusi), MapReduce (pemrosesan paralel), dan alternatif modern seperti Apache Spark. Mahasiswa juga diperkenalkan dengan platform cloud big data seperti AWS EMR dan Google Dataproc. | |
| Pustaka | Utama | |
|
||
| Pendukung | ||
|
|
||
| Dosen Pengampu | Anggit Ferdita Nugraha, S.T., M.Eng, Arief Setyanto, S.Si., MT., Ph.D, Dr. Kumara Ari Yuana, ST, MT | |
| 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.TK077.CPMK17.2-Mahasiswa mampu menerapkan prinsip dasar big data untuk mengolah dan menganalisis data teknik secara empiris. | Mahasiswa Mampu Menjelaskan Materi |
Kriteria Ketepatan Jawaban Teknik Tanya Jawab |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Kontrak Perkuliahan Sub Topik - Penjelasan silabus, kontrak kuliah, evaluasi, tools, referensi |
0 |
| 2 | sub.cpmk.TK077.CPMK18.2-Mahasiswa mampu menerapkan teknik pengolahan data besar (big data) untuk mendukung pengambilan keputusan berbasis analisis komputasi teknik. | Mahasiswa Mampu Menjelaskan Materi |
Kriteria Ketepatan Jawaban Teknik Tanya Jawab |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Domain & Aplikasi Big Data Sub Topik - Penerapan big data pada industri, e-government, kesehatan, bisnis |
0 |
| 3 | sub.cpmk.TK077.CPMK16.2-Mahasiswa dapat mengimplementasikan dan menguji model Deep Learning menggunakan bahasa pemrograman Python serta mempertimbangkan aspek efisiensi dan keamanan sistem. | Mahasiswa Mampu Menjelaskan Materi |
Kriteria Ketepatan Jawaban Teknik Tanya Jawab |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Teknologi Big Data – Overview Sub Topik - Hadoop Ecosystem: HDFS, MapReduce, Hive, Pig, Spark |
0 |
| 4 | sub.cpmk.TK077.CPMK15.1-Mahasiswa dapat mengidentifikasi kebutuhan sistem cerdas dan merumuskan model solusi menggunakan algoritma AI dan ML berbasis data eksperimen. | Mahasiswa Mampu Menjelaskan Materi |
Kriteria Ketepatan Jawaban Teknik Tanya Jawab |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Arsitektur Big Data & Infrastruktur Sub Topik - HDFS, MapReduce, Big Data Cloud Platform (AWS EMR, GCP Dataproc) |
0 |
| 5 | sub.cpmk.TK077.CPMK16.2-Mahasiswa dapat mengimplementasikan dan menguji model Deep Learning menggunakan bahasa pemrograman Python serta mempertimbangkan aspek efisiensi dan keamanan sistem. | Mahasiswa dapat Mengerjakan Tugas |
Kriteria Ketepatan Jawaban tugas sesuai perintah soal Teknik Tugas Berkelompok |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB : 1 x (2x50")=12501250125090 Menit] Penugasan,Tugas Take Home,[TH=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Penugasan,Tugas Take Home,[TH=70 Menit] |
Topik Analisis Big Data – Dasar Sub Topik - Konsep analisis, alur pipeline data, ETL |
5 |
| 6 | sub.cpmk.TK077.CPMK18.2-Mahasiswa mampu menerapkan teknik pengolahan data besar (big data) untuk mendukung pengambilan keputusan berbasis analisis komputasi teknik. | Mahasiswa Mampu Menjelaskan Materi |
Kriteria Ketepatan Jawaban Teknik Tanya Jawab |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik SQL vs NoSQL Sub Topik - Perbandingan dan penggunaan, MongoDB, Cassandra |
0 |
| 7 | sub.cpmk.TK077.CPMK16.2-Mahasiswa dapat mengimplementasikan dan menguji model Deep Learning menggunakan bahasa pemrograman Python serta mempertimbangkan aspek efisiensi dan keamanan sistem. | Mahasiswa dapat Mengerjakan Tugas |
Kriteria Kesesuaian output daftar isi sesuai ketentuan Teknik Tugas Berkelompok |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB : 1 x (2x50")=12501250125090 Menit] Penugasan,Tugas Take Home,[TH=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Penugasan,Tugas Take Home,[TH=70 Menit] |
Topik Data Warehouse vs Data Lake Sub Topik - Arsitektur penyimpanan, skenario pemakaian |
10 |
| 8 | sub.cpmk.TK077.CPMK17.1-Mahasiswa mampu menjelaskan konsep dasar matematika teknik dan statistika serta penerapannya dalam analisis data teknik. | Mahasiswa Mampu Menjelaskan Materi |
Kriteria Ketepatan Jawaban Teknik Tanya Jawab |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Teknik Dasar Analitik Sub Topik - Statistik dasar, korelasi, regresi, visualisasi awal |
0 |
| 9 | sub.cpmk.TK077.CPMK18.2-Mahasiswa mampu menerapkan teknik pengolahan data besar (big data) untuk mendukung pengambilan keputusan berbasis analisis komputasi teknik. | Mahasiswa Mampu Menjelaskan Materi |
Kriteria Ketepatan Jawaban Teknik Tanya Jawab |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Kuliah,Kegiatan Mandiri,[PM=70 Menit] |
Topik Data Preprocessing Sub Topik - Data cleaning, handling missing value, transformasi |
0 |
| 10 | sub.cpmk.TK077.CPMK17.1-Mahasiswa mampu menjelaskan konsep dasar matematika teknik dan statistika serta penerapannya dalam analisis data teknik. | Mahasiswa Mampu Menjelaskan Materi |
Kriteria Ketepatan Jawaban Teknik Tanya Jawab |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Klasifikasi & Prediksi Sub Topik - Data cleaning, handling missing value, transformasi |
0 |
| 11 | sub.cpmk.TK077.CPMK18.2-Mahasiswa mampu menerapkan teknik pengolahan data besar (big data) untuk mendukung pengambilan keputusan berbasis analisis komputasi teknik. | Mahasiswa Mampu Menjelaskan Materi |
Kriteria Ketepatan Jawaban Teknik Tanya Jawab |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Clustering Sub Topik - K-Means, DBSCAN, aplikasi segmentasi data |
0 |
| 12 | sub.cpmk.TK077.CPMK15.1-Mahasiswa dapat mengidentifikasi kebutuhan sistem cerdas dan merumuskan model solusi menggunakan algoritma AI dan ML berbasis data eksperimen. | Mahasiswa Mampu Menjelaskan Materi |
Kriteria Ketepatan Jawaban Teknik Tanya Jawab |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Evaluasi Hasil Analitik Sub Topik - Metrik evaluasi model: akurasi, precision, recall, F1-score |
0 |
| 13 | sub.cpmk.TK077.CPMK17.2-Mahasiswa mampu menerapkan prinsip dasar big data untuk mengolah dan menganalisis data teknik secara empiris. | Mahasiswa dapat Mengerjakan Tugas |
Kriteria Ketepatan Jawaban tugas sesuai perintah soal Teknik Tugas Berkelompok |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB : 1 x (2x50")=1250125090 Menit] Penugasan,Tugas Take Home,[TH=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Penugasan,Tugas Take Home,[TH=70 Menit] |
Topik Visualisasi Data Sub Topik - Matplotlib, Seaborn, Tableau/PowerBI dasar |
5 |
| 14 | sub.cpmk.TK077.CPMK18.2-Mahasiswa mampu menerapkan teknik pengolahan data besar (big data) untuk mendukung pengambilan keputusan berbasis analisis komputasi teknik. | Mahasiswa dapat Mengerjakan Tugas |
Kriteria kesesuain output sesuai ketentuan Teknik Tugas Berkelompok |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB : 1 x (2x50")=1250125090 Menit] Penugasan,Tugas Take Home,[TH=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Penugasan,Tugas Take Home,[TH=70 Menit] |
Topik Review Final Project Sub Topik - Briefing tugas akhir, kelompok, studi kasus industri |
5 |
| 15 | sub.cpmk.TK077.CPMK17.2-Mahasiswa mampu menerapkan prinsip dasar big data untuk mengolah dan menganalisis data teknik secara empiris. | Mahasiswa Melakukan Ujian Mandiri |
Kriteria Ketepatan jawaban ujian sesuai perintah soal Teknik Ujian Mandiri |
Ujian terjadwal,Ujian Terjadwal,[UT=100 Menit] |
Ujian terjadwal,Ujian Terjadwal,[UT=100 Menit] |
Topik Ujian Tengah Semester Sub Topik - Teori big data dan studi kasus |
20 |
| 16 | sub.cpmk.TK077.CPMK18.2-Mahasiswa mampu menerapkan teknik pengolahan data besar (big data) untuk mendukung pengambilan keputusan berbasis analisis komputasi teknik. | Mahasiswa dapat Membuat laporan Praktikum |
Kriteria Ketepatan Jawaban Teknik Laporan Pratikum |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Instalasi & Pengantar Hadoop Sub Topik - Install Hadoop single node, struktur HDFS |
0 |
| 17 | sub.cpmk.TK077.CPMK15.1-Mahasiswa dapat mengidentifikasi kebutuhan sistem cerdas dan merumuskan model solusi menggunakan algoritma AI dan ML berbasis data eksperimen. | Mahasiswa dapat Membuat laporan Praktikum |
Kriteria Ketepatan Jawaban Teknik Laporan Pratikum |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Mengelola Data dengan HDFS Sub Topik - Upload, browse, dan query file pada HDFS |
0 |
| 18 | sub.cpmk.TK077.CPMK18.2-Mahasiswa mampu menerapkan teknik pengolahan data besar (big data) untuk mendukung pengambilan keputusan berbasis analisis komputasi teknik. | Mahasiswa dapat Membuat laporan Praktikum |
Kriteria Ketepatan Jawaban Teknik Laporan Pratikum |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik MapReduce Program Sub Topik - Menulis program sederhana MapReduce (word count, sort) |
0 |
| 19 | sub.cpmk.TK077.CPMK15.2-Mahasiswa mampu mengevaluasi performa model AI dan ML dengan menggunakan metrik evaluasi yang sesuai untuk meningkatkan akurasi dan efisiensi solusi sistem cerdas. | Mahasiswa dapat Membuat laporan Praktikum |
Kriteria Ketepatan Jawaban Teknik Laporan Pratikum |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Query Big Data dengan Hive/Pig Sub Topik - HiveQL, skenario agregasi data |
0 |
| 20 | sub.cpmk.TK077.CPMK16.2-Mahasiswa dapat mengimplementasikan dan menguji model Deep Learning menggunakan bahasa pemrograman Python serta mempertimbangkan aspek efisiensi dan keamanan sistem. | Mahasiswa dapat Membuat laporan Praktikum |
Kriteria kesesuain output sesuai ketentuan Teknik Tugas Berkelompok |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB : 1 x (2x50")=1250125090 Menit] Penugasan,Tugas Take Home,[TH=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Penugasan,Tugas Take Home,[TH=70 Menit] |
Topik Big Data dengan Spark Sub Topik - Spark RDD, DataFrame, Transformasi |
5 |
| 21 | sub.cpmk.TK077.CPMK18.2-Mahasiswa mampu menerapkan teknik pengolahan data besar (big data) untuk mendukung pengambilan keputusan berbasis analisis komputasi teknik. | Mahasiswa dapat Membuat laporan Praktikum |
Kriteria Ketepatan Jawaban Teknik Laporan Pratikum |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik SQL vs NoSQL Implementation Sub Topik - MongoDB dasar, query & update dokumen |
0 |
| 22 | sub.cpmk.TK077.CPMK15.2-Mahasiswa mampu mengevaluasi performa model AI dan ML dengan menggunakan metrik evaluasi yang sesuai untuk meningkatkan akurasi dan efisiensi solusi sistem cerdas. | Mahasiswa dapat Mengerjakan Tugas |
Kriteria Ketepatan Jawaban Teknik Laporan Pratikum |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik ETL Pipeline Sub Topik - Data preprocessing menggunakan Python/Pandas |
0 |
| 23 | sub.cpmk.TK077.CPMK15.2-Mahasiswa mampu mengevaluasi performa model AI dan ML dengan menggunakan metrik evaluasi yang sesuai untuk meningkatkan akurasi dan efisiensi solusi sistem cerdas. | Mahasiswa dapat Mengerjakan Tugas |
Kriteria Ketepatan Jawaban tugas sesuai perintah soal Teknik Tugas |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB : 1 x (2x50")=12501250125090 Menit] Penugasan,Tugas Take Home,[TH=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Penugasan,Tugas Take Home,[TH=70 Menit] |
Topik Klasifikasi Model Sub Topik - Decision Tree, evaluasi model sederhana |
10 |
| 24 | sub.cpmk.TK077.CPMK18.2-Mahasiswa mampu menerapkan teknik pengolahan data besar (big data) untuk mendukung pengambilan keputusan berbasis analisis komputasi teknik. | Mahasiswa dapat Membuat laporan Praktikum |
Kriteria Ketepatan Jawaban Teknik Laporan Pratikum |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Clustering Model Sub Topik - K-Means Clustering dengan Scikit-learn |
0 |
| 25 | sub.cpmk.TK077.CPMK18.2-Mahasiswa mampu menerapkan teknik pengolahan data besar (big data) untuk mendukung pengambilan keputusan berbasis analisis komputasi teknik. | Mahasiswa dapat Membuat laporan Praktikum |
Kriteria Ketepatan Jawaban Teknik Laporan Pratikum |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Data Visualization dengan Python Sub Topik - Visualisasi grafik: bar, line, scatter |
0 |
| 26 | sub.cpmk.TK077.CPMK15.2-Mahasiswa mampu mengevaluasi performa model AI dan ML dengan menggunakan metrik evaluasi yang sesuai untuk meningkatkan akurasi dan efisiensi solusi sistem cerdas. | Mahasiswa dapat Membuat laporan Praktikum |
Kriteria Ketepatan Jawaban Teknik Laporan Pratikum |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Visualisasi Dashboard Interaktif Sub Topik - Dasar penggunaan Power BI atau Tableau |
0 |
| 27 | sub.cpmk.TK077.CPMK16.2-Mahasiswa dapat mengimplementasikan dan menguji model Deep Learning menggunakan bahasa pemrograman Python serta mempertimbangkan aspek efisiensi dan keamanan sistem. | Mahasiswa dapat Membuat laporan Praktikum |
Kriteria Ketepatan Jawaban Teknik Laporan Pratikum |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Mini Project – Data Pipeline Sub Topik - Integrasi: preprocessing + model sederhana |
0 |
| 28 | sub.cpmk.TK077.CPMK15.1-Mahasiswa dapat mengidentifikasi kebutuhan sistem cerdas dan merumuskan model solusi menggunakan algoritma AI dan ML berbasis data eksperimen. | Mahasiswa dapat Membuat laporan Praktikum |
Kriteria Ketepatan Jawaban Teknik Laporan Pratikum |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB=1250125090 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Pemahaman materi mandiri,Kegiatan Mandiri,[PM=70 Menit] |
Topik Mini Project – Visualisasi & Laporan Sub Topik - Dashboard dan laporan akhir proyek |
0 |
| 29 | sub.cpmk.TK077.CPMK16.2-Mahasiswa dapat mengimplementasikan dan menguji model Deep Learning menggunakan bahasa pemrograman Python serta mempertimbangkan aspek efisiensi dan keamanan sistem. | Mahasiswa dapat Mengerjakan Tugas |
Kriteria kesesuaian output isi presentasi sesuai ketentuan Teknik Presentasi |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Proses Belajar,[PB : 1 x (2x50")=12501250125090 Menit] Penugasan,Presentasi,[PS=70 Menit] |
Kuliah,Persiapan Perkuliahan,[P=10 Menit] Kuliah,Video Pembelajaran,[VA=20 Menit] Kuliah,Diskusi,[DS=70 Menit] Penugasan,Presentasi,[PS=70 Menit] |
Topik Presentasi Final Project Sub Topik - Demo sistem, penilaian proyek akhir |
10 |
| 30 | sub.cpmk.TK077.CPMK16.2-Mahasiswa dapat mengimplementasikan dan menguji model Deep Learning menggunakan bahasa pemrograman Python serta mempertimbangkan aspek efisiensi dan keamanan sistem. | Mahasiswa Melakukan Ujian Mandiri |
Kriteria Ketepatan jawaban ujian sesuai perintah soal Teknik Ujian Mandiri |
Ujian terjadwal,Ujian Terjadwal,[UT=100 Menit] |
Ujian terjadwal,Ujian Terjadwal,[UT=100 Menit] |
Topik Ujian Akhir Semester Sub Topik - Evaluasi proyek akhir + pengujian teori praktik |
30 |
Teknik Penilaian CPMK
| CPL | MK | CPMK | Kuis | Tugas Teori (Kelompok) | Tes Tulis (UTS) | Tugas Praktikum | Partisipasi | Tes Tulis (UAS) |
|---|---|---|---|---|---|---|---|---|
| 2021 CPL08 | BIG DATA | CPMK15 | ||||||
| 2021 CPL08 | BIG DATA | CPMK16 | Y | Y | Y | |||
| 2021 CPL09 | BIG DATA | CPMK17 | Y | Y | Y | |||
| 2021 CPL09 | BIG DATA | CPMK18 | Y |
Prosedur Penilaian CPMK
1. Komponen Penilaian CPMK
| CPL | CPMK | Sub-CPMK | Detail Penugasan (Teknik Penilaian) | Bobot % | Kriteria Penilaian |
|---|---|---|---|---|---|
| 2021 CPL09 | CPMK17 | sub.cpmk.TK077.CPMK17.2 | Tanya Jawab | 0 | Ketepatan Jawaban |
| 2021 CPL09 | CPMK18 | sub.cpmk.TK077.CPMK18.2 | Tanya Jawab | 0 | Ketepatan Jawaban |
| 2021 CPL08 | CPMK16 | sub.cpmk.TK077.CPMK16.2 | Tanya Jawab | 0 | Ketepatan Jawaban |
| 2021 CPL08 | CPMK15 | sub.cpmk.TK077.CPMK15.1 | Tanya Jawab | 0 | Ketepatan Jawaban |
| 2021 CPL08 | CPMK16 | sub.cpmk.TK077.CPMK16.2 | Tugas Berkelompok | 5 | Ketepatan Jawaban tugas sesuai perintah soal |
| 2021 CPL09 | CPMK18 | sub.cpmk.TK077.CPMK18.2 | Tanya Jawab | 0 | Ketepatan Jawaban |
| 2021 CPL08 | CPMK16 | sub.cpmk.TK077.CPMK16.2 | Tugas Berkelompok | 10 | Kesesuaian output daftar isi sesuai ketentuan |
| 2021 CPL09 | CPMK17 | sub.cpmk.TK077.CPMK17.1 | Tanya Jawab | 0 | Ketepatan Jawaban |
| 2021 CPL09 | CPMK18 | sub.cpmk.TK077.CPMK18.2 | Tanya Jawab | 0 | Ketepatan Jawaban |
| 2021 CPL09 | CPMK17 | sub.cpmk.TK077.CPMK17.1 | Tanya Jawab | 0 | Ketepatan Jawaban |
| 2021 CPL09 | CPMK18 | sub.cpmk.TK077.CPMK18.2 | Tanya Jawab | 0 | Ketepatan Jawaban |
| 2021 CPL08 | CPMK15 | sub.cpmk.TK077.CPMK15.1 | Tanya Jawab | 0 | Ketepatan Jawaban |
| 2021 CPL09 | CPMK17 | sub.cpmk.TK077.CPMK17.2 | Tugas Berkelompok | 5 | Ketepatan Jawaban tugas sesuai perintah soal |
| 2021 CPL09 | CPMK18 | sub.cpmk.TK077.CPMK18.2 | Tugas Berkelompok | 5 | kesesuain output sesuai ketentuan |
| 2021 CPL09 | CPMK17 | sub.cpmk.TK077.CPMK17.2 | Ujian Mandiri | 20 | Ketepatan jawaban ujian sesuai perintah soal |
| 2021 CPL09 | CPMK18 | sub.cpmk.TK077.CPMK18.2 | Laporan Pratikum | 0 | Ketepatan Jawaban |
| 2021 CPL08 | CPMK15 | sub.cpmk.TK077.CPMK15.1 | Laporan Pratikum | 0 | Ketepatan Jawaban |
| 2021 CPL09 | CPMK18 | sub.cpmk.TK077.CPMK18.2 | Laporan Pratikum | 0 | Ketepatan Jawaban |
| 2021 CPL08 | CPMK15 | sub.cpmk.TK077.CPMK15.2 | Laporan Pratikum | 0 | Ketepatan Jawaban |
| 2021 CPL08 | CPMK16 | sub.cpmk.TK077.CPMK16.2 | Tugas Berkelompok | 5 | kesesuain output sesuai ketentuan |
| 2021 CPL09 | CPMK18 | sub.cpmk.TK077.CPMK18.2 | Laporan Pratikum | 0 | Ketepatan Jawaban |
| 2021 CPL08 | CPMK15 | sub.cpmk.TK077.CPMK15.2 | Laporan Pratikum | 0 | Ketepatan Jawaban |
| 2021 CPL09 | CPMK17 | sub.cpmk.TK077.CPMK15.2 | Tugas | 10 | Ketepatan Jawaban tugas sesuai perintah soal |
| 2021 CPL09 | CPMK18 | sub.cpmk.TK077.CPMK18.2 | Laporan Pratikum | 0 | Ketepatan Jawaban |
| 2021 CPL09 | CPMK18 | sub.cpmk.TK077.CPMK18.2 | Laporan Pratikum | 0 | Ketepatan Jawaban |
| 2021 CPL08 | CPMK15 | sub.cpmk.TK077.CPMK15.2 | Laporan Pratikum | 0 | Ketepatan Jawaban |
| 2021 CPL08 | CPMK16 | sub.cpmk.TK077.CPMK16.2 | Laporan Pratikum | 0 | Ketepatan Jawaban |
| 2021 CPL08 | CPMK15 | sub.cpmk.TK077.CPMK15.1 | Laporan Pratikum | 0 | Ketepatan Jawaban |
| 2021 CPL08 | CPMK16 | sub.cpmk.TK077.CPMK16.2 | Presentasi | 10 | kesesuaian output isi presentasi sesuai ketentuan |
| 2021 CPL08 | CPMK16 | sub.cpmk.TK077.CPMK16.2 | Ujian Mandiri | 30 | Ketepatan jawaban ujian sesuai perintah soal |
| Total | 100 | ||||
2. Penilaian CPMK
| CPL | MK | CPMK | Kuis | Tugas Teori (Kelompok) | Tes Tulis (UTS) | Tugas Praktikum | Partisipasi | Tes Tulis (UAS) | Total |
|---|---|---|---|---|---|---|---|---|---|
| 2021 CPL08 | BIG DATA | CPMK15 | 0% | 0% | 0% | 0% | 0% | 0% | 0% |
| 2021 CPL08 | BIG DATA | CPMK16 | 0% | 20% | 0% | 0% | 10% | 30% | 60% |
| 2021 CPL09 | BIG DATA | CPMK17 | 0% | 5% | 20% | 10% | 0% | 0% | 35% |
| 2021 CPL09 | BIG DATA | CPMK18 | 0% | 5% | 0% | 0% | 0% | 0% | 5% |
| 100% | |||||||||