|
KEMENTERIAN PENDIDIKAN TINGGI, SAINS, DAN TEKNOLOGI
UNIVERSITAS NEGERI PADANG
– FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
– PROGRAM STUDI FISIKA (S2)
|
||||||
| RENCANA PEMBELAJARAN SEMESTER | |||||||
| MATA KULIAH (MK) | KODE | Rumpun MK | BOBOT (sks) | SEMESTER | Tgl Penyusunan | ||
| Data Science | FIS.82.0051 | - | 0 | 2 | 3 | - | |
| OTORISASI / PENGESAHAN | Dosen Pengembang RPS | Koordinator RMK | Koordinator Prodi | ||||
| - | - | - | Prof. Dr. Ratnawulan M.Si. | ||||
| Capaian Pembelajaran |
CPL-PRODI yang dibebankan pada MK | |
| CPL-1 | Memiliki karakter yang baik, relijius, semangat nasionalisme dan jiwa entrepreneur dengan memperhatikan norma-etika serta nilai budaya dan kearifan lokal yang berlaku dalam segala aktivitas dan pekerjaan profesional (karakter yang baik / good character) | |
| Capaian Pembelajaran Mata Kuliah (CPMK) | ||
| CPMK 1 | Mahasiswa mampu memahami dan menjelaskan konsep data science, statistika dan algoritma machine learning | |
| CPMK 2 | Mahasiswa mampu memahami dan menjelaskan pengujian algoritma, proses akuisisi data, formating data, visualiasi data dan formating data dalam standar semantic web | |
| CPMK 3 | Mahasiswa mampu menganalisis dan merancang aplikasi data science yang tepat untuk menyelesaikan masalah tertentu | |
| CPMK 4 | Mahasiswa mampu mengimplementasikan, menguji, mengoptimasi dan melaporkan pengembangan aplikasi data science | |
| Kemampuan akhir tiap tahapan belajar (Sub-CPMK) | ||
| SUB CPMK | - | |
| Matriks CPL ke CPMK |
|
| Deskripsi Singkat Mata Kuliah |
Mata kuliah data science fokus pada proses pencarian pengetahuan dari sekumpulan data, baik data yang terstruktur maupun tidak terstruktur. Pembelajaran meliputi pemahaman tentang data, statistika dan analisis data dengan menggunakan algoritma machine learning. Mahasiswa diajak untuk mengetahui dan mempraktekan cara pengambilan data hingga analisis dan visualisasinya, termasuk menyajikan data dalam format standard dalam semantic web. Mahasiswa juga diajak untuk melihat berbagai penelitian dalam area data science, dan menggali ide untuk membuat karya baru. Selanjutnya mahasiswa dibimbing untuk melakukan perancangan, pengujian dan optimasi. Mahasiswa juga diajak untuk menuliskan dan menceritakan secara oral setiap langkah dalam mengembangkan aplikasi data science. Penilaian dilakukan terhadap penguasaan materi, keaktifan diskusi, kreativitas dalam pengembangan aplikasi serta kemampuan menceritakan apa yang telah dikerjakan. |
| Pustaka | Utama: |
| - | |
|
Pendukung: (Jika diperlukan)
-
|
|
| Dosen Pengampu |
- |
| Mata kuliah syarat |
- |
| Minggu Ke- | SUB-CPMK (Kemampuan Akhir Yang Diharapkan) | Penilaian | Bentuk Pembelajaran, Metode Pembelajaran, Penugasan Mahasiswa [Estimasi Waktu] |
Materi Pembelajaran [Rujukan] |
Bobot Penilaian (%) |
||
|---|---|---|---|---|---|---|---|
| Indikator | Teknik & Kriteria | Luring (Tatap Muka) | Daring (Online) | ||||
| - | - | - | - | - | - | - | 0 |
| UTS | |||||||
| UAS | |||||||