|
KEMENTERIAN PENDIDIKAN TINGGI, SAINS, DAN TEKNOLOGI
UNIVERSITAS NEGERI PADANG
– FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
– PROGRAM STUDI ILMU AKTUARIA (S1)
|
||||||
| RENCANA PEMBELAJARAN SEMESTER | |||||||
| MATA KULIAH (MK) | KODE | Rumpun MK | BOBOT (sks) | SEMESTER | Tgl Penyusunan | ||
| Pengantar Big Data | IAK.62.0043 | - | 1 | 2 | 7 | - | |
| OTORISASI / PENGESAHAN | Dosen Pengembang RPS | Koordinator RMK | Koordinator Prodi | ||||
| - | - | - | - | ||||
| Capaian Pembelajaran |
CPL-PRODI yang dibebankan pada MK | |
| CPL | - | |
| Capaian Pembelajaran Mata Kuliah (CPMK) | ||
| CPMK 1 | Mahasiswa dapat memahami dan menjelaskan konsep dasar Big Data, termasuk karakteristiknya, serta menganalisis studi kasus untuk mengidentifikasi tipe dan karakteristik data yang relevan dalam konteks bisnis. | |
| CPMK 2 | Mahasiswa dapat membandingkan dan menganalisis berbagai teknologi dan teknik yang digunakan dalam pemrosesan, penyimpanan, dan analisis Big Data, termasuk sistem penyimpanan terdistribusi, pemrosesan paralel, dan metode analisis seperti data mining dan mac | |
| CPMK 3 | Mahasiswa mampu mengevaluasi faktor-faktor yang mendorong adopsi Big Data dalam organisasi, serta menganalisis tantangan dan pertimbangan dalam perencanaan implementasi Big Data, termasuk aspek privasi, keamanan, dan tata kelola. | |
| Kemampuan akhir tiap tahapan belajar (Sub-CPMK) | ||
| SUB CPMK | - | |
| Matriks CPL ke CPMK |
|
| Deskripsi Singkat Mata Kuliah |
Materi Pengantar Big Data: Konsep dan Terminology, karakteristik big data, perbedaan tipe data, latar belakang studi kasus, contoh-contoh studi kasus, identifikasi karakterstik data, identifikasi tipe data. Motivasi dan Pendorong Bisnis untuk Adopsi Big Data: Dinamika Pasar, Arsitektur Bisnis, Manajemen Proses Bisnis, Teknologi Informasi dan Komunikasi, Internet of Everything (IoE), studi kasus; Adopsi big data dan Pertimbangan Perencanaan: Prasyarat Organisasi, Pengadaan Data, Privasi, Keamanan, Asal, Dukungan Realtime Terbatas, Tantangan Kinerja yang Berbeda, Persyaratan Tata, Pemerintahan yang Berbeda, Metodologi yang berbeda,Cloud, Siklus Hidup Big Data Analytics, Evaluasi Kasus Bisnis, Identifikasi Data, Akuisisi dan Penyaringan Data, Ekstraksi Data, Validasi dan Pembersihan Data, Agregasi dan Representasi Data, Analisis data, Visualisasi data, Pemanfaatan Hasil Analisis. Contoh Studi Kasus; Teknologi Perusahaan dan Kecerdasan Bisnis big data: Pemrosesan Transaksi Online (OLTP), Online Analytical Processing (OLAP), Extract Transform Load (ETL), Gudang Data, Mart Data, BI tradisional, Big Data BI, studi kasus; Konsep Penyimpanan Big Data: Clusters, File Systems dan Distributed File Systems, NoSQL, Sharding, Replication, Sharding and Replication, CAP Theorem, ACID BASE, studi kasus; Big Data Processing Concepts: Parallel Data Processing, Distributed Data Processing, Hadoop, Processing Workloads, Cluster, Processing in Batch Mode, Processing in Realtime Mode, Big Data Storage Technology: On-Disk Storage Devices, In-Memory Storage Devices, studi kasus; Big Data Analysis Techniques: Quantitative Analysis, Qualitative Analysis, Data Mining, Statistical Analysis, Machine Learning, Semantic Analysis, Visual Analysis, studi kasus. |
| 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 | |||||||