|
KEMENTERIAN PENDIDIKAN TINGGI, SAINS, DAN TEKNOLOGI
UNIVERSITAS NEGERI PADANG
– FAKULTAS TEKNIK
– PROGRAM STUDI INFORMATIKA (S1)
|
||||||
| RENCANA PEMBELAJARAN SEMESTER | |||||||
| MATA KULIAH (MK) | KODE | Rumpun MK | BOBOT (sks) | SEMESTER | Tgl Penyusunan | ||
| Data Science | INF.62.0066 | - | 1 | 2 | 4 | - | |
| OTORISASI / PENGESAHAN | Dosen Pengembang RPS | Koordinator RMK | Koordinator Prodi | ||||
| - | - | - | Dr. Yeka Hendriyani S.Kom., M.Kom. | ||||
| Capaian Pembelajaran |
CPL-PRODI yang dibebankan pada MK | |
| CPL-3 | Mampu berfikir logis, kritis dan inovatif dalam mengidentifikasi, menganalisis dan memberikan solusi terhadap permasalahan yang sesuai dengan bidang Informatika. | |
| CPL-5 | Memiliki pengetahuan yang memadai terkait cara kerja sistem komputer dan mampu menerapkan/menggunakan berbagai algoritma/metode untuk memecahkan masalah pada suatu organisasi. | |
| CPL-8 | Kemampuan mengimplementasi kebutuhan computing dengan mempertimbangkan berbagai metode/algoritma yang sesuai. | |
| Capaian Pembelajaran Mata Kuliah (CPMK) | ||
| CPMK 1 | Mahasiswa mampu menjelaskan konsep dasar dan ruang lingkup data science, termasuk proses dan siklus hidup data science (C2 – Memahami). | |
| CPMK 2 | Mahasiswa mampu mengumpulkan, membersihkan, dan mempersiapkan data dari berbagai sumber untuk analisis lebih lanjut (C3 – Menerapkan). | |
| CPMK 3 | Mahasiswa mampu menerapkan teknik eksplorasi data menggunakan statistik deskriptif dan visualisasi data (C3 – Menerapkan). | |
| CPMK 4 | Mahasiswa mampu menggunakan bahasa pemrograman (seperti Python/R) dan pustaka data science (seperti Pandas, NumPy, Matplotlib, Scikit-learn) dalam proyek data science (C3 – Menerapkan). | |
| CPMK 5 | Mahasiswa mampu membangun dan mengevaluasi model pembelajaran mesin dasar (seperti regresi, klasifikasi, clustering) untuk menyelesaikan masalah nyata (C4 – Menganalisis).; Mahasiswa mampu menginterpretasikan hasil analisis dan menyajikan insight dalam bentuk laporan dan visualisasi yang komunikatif (C4 – Menganalisis).; Mahasiswa mampu bekerja dalam tim dan memanfaatkan platform kolaborasi (Git, Jupyter Notebook, dsb.) dalam pengembangan proyek data science (C5 – Mengevaluasi). | |
| Kemampuan akhir tiap tahapan belajar (Sub-CPMK) | ||
| SUB CPMK | - | |
| Matriks CPL ke CPMK |
|
| Deskripsi Singkat Mata Kuliah |
Mata kuliah Data Science memperkenalkan konsep-konsep dasar dan teknik-teknik analisis data untuk memahami, mengolah, dan menafsirkan data dalam berbagai bentuk. Mahasiswa akan mempelajari metode statistik, pembelajaran mesin (machine learning), serta alat dan perangkat lunak yang digunakan untuk analisis data besar (big data). Materi yang dibahas mencakup pengumpulan data, pembersihan data, eksplorasi data, dan pembuatan model prediktif. |
| 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 |