UNIVERSITAS AMIKOM YOGYAKARTA
FAKULTAS ILMU KOMPUTER S2
PROGRAM STUDI PJJ S2 INFORMATIKA

RPS-S2IFPJJ-PJ069
RENCANA PEMBELAJARAN SEMESTER
MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tanggal Penyusunan
DATA VISUALIZATION AND BUSINESS INTELLIGENCE PJ069 Graphics and Interactive Techniques (GIT) T= 3 3 14 Apr 2026
Pengesahan Dosen Pengembang RPS Koordinator RMK Ka PRODI

Dr. Andi Sunyoto, M.Kom.
Dr. Andi Sunyoto, M.Kom.
Dhani Ariatmanto, S.Kom, M.Kom, PhD
Capaian Pembelajaran CPL-PRODI yang dibebankan pada MK
CPL-02 Memiliki sikap profesional dan bertanggung jawab dalam menginternalisasi semangat kemandirian, kejuangan dan kewirausahaan dalam bidang TIK.
CPL-04 Mampu menjelaskan pemahaman mengenai penguasaan teori, dan/atau falsafah bidang ilmu kecerdasan artifisial, multimedia lanjut, atau transformasi digital secara sistematis dan mengaplikasikannya dalam ilmu pengetahuan dan teknologi sesuai keahliannya dalam bidang TIK.
CPL-05 Mampu mengembangkan pemikiran logis, kritis, dan sistematis melalui penelitian ilmiah, penciptaan desain atau karya seni dalam ilmu pengetahuan dan teknologi berdasarkan kaidah, dan etika ilmiah bidang TIK.
CPL-07 Mampu menganalisis dan merancang teknologi informasi berbasis kecerdasan artifisial yang tepat sesuai dengan problem yang dihadapi untuk mengimplementasikan pada bidang Digital transformation intelligence, Big Data and Predictive analytics atau intelligent multimedia technology.
CPL-08 Mampu memecahkan permasalahan ilmu pengetahuan dan teknologi informasi berbasis kecerdasan artifisial melalui riset inter atau multidisipliner sehingga menghasilkan karya inovatif dan teruji pada bidang Digital transformation intelligence, Big Data and Predictive analytics atau intelligent multimedia technology.
Capaian Pembelajaran Mata Kuliah (CPMK)
CPMK-03 Mampu bersikap profesional dalam menginternalisasi semangat kemandirian, kejuangan dan kewirausahaan dalam bidang TIK.
CPMK-07 Mampu menjelaskan pemahaman mengenai penguasaan teori, dan/atau falsafah bidang ilmu kecerdasan artifisial, multimedia lanjut, atau transformasi digital secara sistematis.
CPMK-10 Mampu menciptakan desain atau karya seni dalam ilmu pengetahuan dan teknologi berdasarkan kaidah, dan etika ilmiah bidang TIK.
CPMK-14 Mampu mengimplementasikan teknologi informasi berbasis kecerdasan artifisial yang tepat pada bidang Digital transformation intelligence atau Big Data and Predictive analytics dan atau Intelligent Multimedia Technology.
Kemampuan akhir tiap tahapan belajar (Sub-CPMK)
sub.cpmk.PJ069.CPMK-03.1 Mahasiswa mampu mempresentasikan hasil analisis awal secara kritis melalui diskusi temuan data
sub.cpmk.PJ069.CPMK-03.2 Mahasiswa mampu mengevaluasi performa model dan melakukan validasi terhadap temuan analisis
sub.cpmk.PJ069.CPMK-03.3 Mahasiswa mampu menyusun laporan rekomendasi bisnis yang komprehensif berdasarkan hasil olah data
sub.cpmk.PJ069.CPMK-07.1 Mahasiswa mampu menguraikan peran strategi Business Intelligence dan siklus hidup data dalam organisasi
sub.cpmk.PJ069.CPMK-07.2 Mahasiswa mampu menjelaskan arsitektur Data Warehouse serta proses ETL (Extract, Transform, Load) dalam manajemen data
sub.cpmk.PJ069.CPMK-07.3 Mahasiswa mampu mengidentifikasi pola dan metode Data Mining yang sesuai untuk berbagai kasus bisnis
sub.cpmk.PJ069.CPMK-10.1 Mahasiswa mampu mendemonstrasikan teknik Data Preprocessing (pembersihan dan transformasi) untuk menangani data yang kotor atau tidak terstruktur
sub.cpmk.PJ069.CPMK-10.2 Mahasiswa mampu merancang visualisasi data yang efektif untuk menyampaikan pesan kunci secara intuitif
sub.cpmk.PJ069.CPMK-14.1 Mahasiswa mampu mengimplementasikan algoritma Classification untuk memprediksi kategori atau label data
sub.cpmk.PJ069.CPMK-14.2 Mahasiswa mampu menerapkan teknik Clustering untuk melakukan segmentasi data berdasarkan karakteristik tertentu
sub.cpmk.PJ069.CPMK-14.3 Mahasiswa mampu membangun model Regression untuk menganalisis hubungan sebab-akibat dan prediksi nilai numerik
sub.cpmk.PJ069.CPMK-14.4 Mahasiswa mampu melakukan peramalan tren masa depan menggunakan metode Time Series
sub.cpmk.PJ069.CPMK-14.5 Mahasiswa mampu menemukan pola keterkaitan antar variabel menggunakan teknik Association Rules
Korelasi CPMK terhadap Sub-CPMK
CPMK-03 sub.cpmk.PJ069.CPMK-03.1
sub.cpmk.PJ069.CPMK-03.2
sub.cpmk.PJ069.CPMK-03.3
CPMK-07 sub.cpmk.PJ069.CPMK-07.1
sub.cpmk.PJ069.CPMK-07.2
sub.cpmk.PJ069.CPMK-07.3
CPMK-10 sub.cpmk.PJ069.CPMK-10.1
sub.cpmk.PJ069.CPMK-10.2
CPMK-14 sub.cpmk.PJ069.CPMK-14.1
sub.cpmk.PJ069.CPMK-14.2
sub.cpmk.PJ069.CPMK-14.3
sub.cpmk.PJ069.CPMK-14.4
sub.cpmk.PJ069.CPMK-14.5
Deskripsi Singkat MK Mata kuliah Data Visualization and Business Intelligence dirancang untuk membekali mahasiswa dengan kemampuan mengelola, menganalisis, dan menyajikan data bisnis secara strategis. Melalui pemanfaatan berbagai teknologi dan aplikasi terkini, mahasiswa akan mempelajari cara mengubah data mentah menjadi informasi visual yang interaktif guna mendukung proses pengambilan keputusan yang tepat sasaran. Fokus utama mata kuliah ini mencakup integrasi teknologi BI dalam menyelaraskan operasional harian dengan visi, misi, dan tujuan jangka panjang suatu organisasi.
Bahan Kajian : Materi Pembelajaran - Dasar BI: Intro BI, Data Warehouse, & Data Mining - Visualisasi: Data Preprocessing & Teknik Visualisasi - Pemodelan: Classification, Clustering, Regression, Time Series, & Association - Evaluasi: Diskusi Temuan, Analisa Hasil, UTS, & UAS
Pustaka Utama
  • 1. Turban, E., Sharda, R., & Delen, D. (2011). Decision Support and Business Intelligence Systems. Prentice Hall.
  • 2. Niu, L., Lu, J., & Zhang, G. (2009). Cognition-Driven Decision Support for Business Intelligence: Models, Techniques, Systems and Applications. Springer.
Pendukung
  • 3. Harts, Doug. (2008). Microsoft Office 2007 Business Intelligence: Reporting, Analysis, and Measurement From The Desktop. McGraw-Hill.
  • 4. Moss, L. T., & Atre, S. (2003). Business Intelligence Roadmap : The Complete Project Lifecycle for Decision-Support Applications. Addison-Wesley.
  • 5. Sauter, V. L. (n.d.). Decision Support Systems for Business Intelligence.
  • 6. Sharda, R., Delen, D., & Turban, Efraim. (n.d.). Business Intelligence and Analytics : Systems for Decision Support (2014th ed.). Pearson Education Limited.
Dosen Pengampu Dr. Andi Sunyoto, S.Kom., M.Kom., Robert Marco, S.T., M.T., Ph.D.
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.PJ069.CPMK-07.1-Mahasiswa mampu menguraikan peran strategi Business Intelligence dan siklus hidup data dalam organisasi Kriteria

Teknik
 Topik
Introduction to Data Visualization dan Business Intelligence
Sub Topik
Data Visualization and Business Intelligence (DVBI), Sejarah DVBI, Decission support system, Dukungan DVBI untuk organisasi, Overview analytic.
 0
2 sub.cpmk.PJ069.CPMK-07.2-Mahasiswa mampu menjelaskan arsitektur Data Warehouse serta proses ETL (Extract, Transform, Load) dalam manajemen data Kriteria

Teknik
 Topik
Data Warehoushing
Sub Topik
What is data warehousing (DW)?, Karakteristik DW, Komponen DW, Model DW
 0
3 sub.cpmk.PJ069.CPMK-07.3-Mahasiswa mampu mengidentifikasi pola dan metode Data Mining yang sesuai untuk berbagai kasus bisnis Dapat mencari paper yang berhubungan dengan tugas yang dipilih dan membuat membuat latar belakang kasus Business Intelligence. Kriteria
Pemahaman Konsep
Teknik
mengumpulkan peper dan melakukan leterature review. 		Topik
Data Mining
Sub Topik
Defninition of Data Mining (DM)?, Type DM, Proses DM, Workflow DM, Aplikasi DM, Modelling DM.
 10
4 sub.cpmk.PJ069.CPMK-03.1-Mahasiswa mampu mempresentasikan hasil analisis awal secara kritis melalui diskusi temuan data Kriteria

Teknik
 Topik
Presentasi RTM#1
Sub Topik
Masing-masing kelompok mempresentasikan hasil dari RTM#1.
 0
5 sub.cpmk.PJ069.CPMK-10.1-Mahasiswa mampu mendemonstrasikan teknik Data Preprocessing (pembersihan dan transformasi) untuk menangani data yang kotor atau tidak terstruktur sub.cpmk.PJ069.CPMK-10.2-Mahasiswa mampu merancang visualisasi data yang efektif untuk menyampaikan pesan kunci secara intuitif Mahasiswa dapat melakukan preprosessing data dan memvisualkan data yang digunakan. Kriteria
Rubrik Analisis
Teknik
 Topik
Data Visaulization dan Preprocessing
Sub Topik
Data preparation, Data Cleaning, Data Normalization, Data Transformation, Data Scalling, Data Visualization.
 10
6 sub.cpmk.PJ069.CPMK-03.1-Mahasiswa mampu mempresentasikan hasil analisis awal secara kritis melalui diskusi temuan data Kriteria

Teknik
 Topik
Presentasi Hasil RTM#2
Sub Topik
Presentasi hasil dari RTM#2 tentang data preparation dan visualization
 0
7
8 sub.cpmk.PJ069.CPMK-07.1-Mahasiswa mampu menguraikan peran strategi Business Intelligence dan siklus hidup data dalam organisasi sub.cpmk.PJ069.CPMK-07.2-Mahasiswa mampu menjelaskan arsitektur Data Warehouse serta proses ETL (Extract, Transform, Load) dalam manajemen data sub.cpmk.PJ069.CPMK-07.3-Mahasiswa mampu mengidentifikasi pola dan metode Data Mining yang sesuai untuk berbagai kasus bisnis Mahasiswa dapat menyelesaikan tugas 1 dan 2, yaitu pemilihan kasus dan melakukan preprosesing dan visaulisasi data. Kriteria

Teknik
 Topik
Ujian Tengah Semester
Sub Topik
Menuliskan temuan yang dihasilkan dari RTM#1 dan RTM#2 ke dalam naskah publikasi.
 30
9 sub.cpmk.PJ069.CPMK-14.1-Mahasiswa mampu mengimplementasikan algoritma Classification untuk memprediksi kategori atau label data Kriteria

Teknik
 Topik
Technique for Modelling - Classification
Sub Topik
Membahas algoritma klasifikasi untuk kasus Load Credit Approval.
 0
10 sub.cpmk.PJ069.CPMK-14.2-Mahasiswa mampu menerapkan teknik Clustering untuk melakukan segmentasi data berdasarkan karakteristik tertentu Kriteria

Teknik
 Topik
Technique for Modelling - Clustering
Sub Topik
Membahas contoh kasus penerapan algoritma clustering customer segmentation.
 0
11 sub.cpmk.PJ069.CPMK-14.3-Mahasiswa mampu membangun model Regression untuk menganalisis hubungan sebab-akibat dan prediksi nilai numerik Mahsiswa dapat memilih model yang cocok untuk penyelesaian kasus yang dipilih mereka. Kriteria
Ketepatan konteks & argumentasi
Teknik
 Topik
Technique for Modelling - Regression
Sub Topik
Membahas algoritma regressi untuk penyelesaian masalah prediksi data numerik.
 10
12 sub.cpmk.PJ069.CPMK-14.4-Mahasiswa mampu melakukan peramalan tren masa depan menggunakan metode Time Series Kriteria

Teknik
 Topik
Technique for Modelling - Time Series
Sub Topik
Membahas algortma yang digunakan untuk memprediksi data dalam bentuk time series.
 0
13 sub.cpmk.PJ069.CPMK-14.5-Mahasiswa mampu menemukan pola keterkaitan antar variabel menggunakan teknik Association Rules Kriteria

Teknik
 Topik
Technique for Modelling - Asosiasi
Sub Topik
Membahas algoritma yang digunakan untuk penyelesaian kasus "shopping basket analisys".
 0
14 sub.cpmk.PJ069.CPMK-03.1-Mahasiswa mampu mempresentasikan hasil analisis awal secara kritis melalui diskusi temuan data sub.cpmk.PJ069.CPMK-03.2-Mahasiswa mampu mengevaluasi performa model dan melakukan validasi terhadap temuan analisis Mahasiswa dapat menganalisa hasil eksperimen dan mempresentasikan hasil yang diperoleh. Kriteria

Teknik
 Topik
Presentasi Hasil RTM#3
Sub Topik
Presentasi dan diskusi analisa hasil dari RTM#3.
 10
15
16 sub.cpmk.PJ069.CPMK-14.1-Mahasiswa mampu mengimplementasikan algoritma Classification untuk memprediksi kategori atau label data sub.cpmk.PJ069.CPMK-14.2-Mahasiswa mampu menerapkan teknik Clustering untuk melakukan segmentasi data berdasarkan karakteristik tertentu sub.cpmk.PJ069.CPMK-14.3-Mahasiswa mampu membangun model Regression untuk menganalisis hubungan sebab-akibat dan prediksi nilai numerik sub.cpmk.PJ069.CPMK-14.4-Mahasiswa mampu melakukan peramalan tren masa depan menggunakan metode Time Series sub.cpmk.PJ069.CPMK-14.5-Mahasiswa mampu menemukan pola keterkaitan antar variabel menggunakan teknik Association Rules Mahsiswa dapat melaporakan hasil ekperimen dalam format publikasi. Kriteria
Ujian UAS yang terjadwal Resmi
Teknik
 Topik
Ujian Akhir Semester
Sub Topik
Menuliskan hasil seluruh eksperimen ke dalam draf publikasi berisi: Introduction, Related Works, Methodology, Result and Discuss, Conclusion, dan References.
 30

Teknik Penilaian CPMK

CPL MK CPMK Tugas Teori (Kelompok) Tes Tulis (UTS)
CPL-02 DATA VISUALIZATION AND BUSINESS INTELLIGENCE CPMK-03 Y
CPL-04 DATA VISUALIZATION AND BUSINESS INTELLIGENCE CPMK-07 Y Y
CPL-05 DATA VISUALIZATION AND BUSINESS INTELLIGENCE CPMK-10 Y
CPL-07 DATA VISUALIZATION AND BUSINESS INTELLIGENCE CPMK-14 Y

Prosedur Penilaian CPMK

1. Komponen Penilaian CPMK
CPL CPMK Sub-CPMK Detail Penugasan (Teknik Penilaian) Bobot % Kriteria Penilaian
CPL-04 CPMK-07 sub.cpmk.PJ069.CPMK-07.1 0
CPL-04 CPMK-07 sub.cpmk.PJ069.CPMK-07.2 0
CPL-04 CPMK-07 sub.cpmk.PJ069.CPMK-07.3 mengumpulkan peper dan melakukan leterature review. 10 Pemahaman Konsep
CPL-02 CPMK-03 sub.cpmk.PJ069.CPMK-03.1 0
CPL-05 CPMK-10 sub.cpmk.PJ069.CPMK-10.1, sub.cpmk.PJ069.CPMK-10.2 10 Rubrik Analisis
CPL-02 CPMK-03 sub.cpmk.PJ069.CPMK-03.1 0
CPL-04 CPMK-07 sub.cpmk.PJ069.CPMK-07.1, sub.cpmk.PJ069.CPMK-07.2, sub.cpmk.PJ069.CPMK-07.3 30
CPL-07 CPMK-14 sub.cpmk.PJ069.CPMK-14.1 0
CPL-07 CPMK-14 sub.cpmk.PJ069.CPMK-14.2 0
CPL-07 CPMK-14 sub.cpmk.PJ069.CPMK-14.3 10 Ketepatan konteks & argumentasi
CPL-07 CPMK-14 sub.cpmk.PJ069.CPMK-14.4 0
CPL-07 CPMK-14 sub.cpmk.PJ069.CPMK-14.5 0
CPL-02 CPMK-03 sub.cpmk.PJ069.CPMK-03.1, sub.cpmk.PJ069.CPMK-03.2 10
CPL-07 CPMK-14 sub.cpmk.PJ069.CPMK-14.1, sub.cpmk.PJ069.CPMK-14.2, sub.cpmk.PJ069.CPMK-14.3, sub.cpmk.PJ069.CPMK-14.4, sub.cpmk.PJ069.CPMK-14.5 30 Ujian UAS yang terjadwal Resmi
Total 100
2. Penilaian CPMK
CPL MK CPMK Tugas Teori (Kelompok) Tes Tulis (UTS) Total
CPL-02 DATA VISUALIZATION AND BUSINESS INTELLIGENCE CPMK-03 0% 10% 0% 10%
CPL-04 DATA VISUALIZATION AND BUSINESS INTELLIGENCE CPMK-07 0% 10% 30% 40%
CPL-05 DATA VISUALIZATION AND BUSINESS INTELLIGENCE CPMK-10 0% 10% 0% 10%
CPL-07 DATA VISUALIZATION AND BUSINESS INTELLIGENCE CPMK-14 0% 40% 0% 40%
100%