Garis besar topik

    • Deskripsi Mata Kuliah Forum

      BISMILLAHIRRAHMANNIRRAHIM

      Assalamu'alaikum Wr. Wb, Selamat Siang

      Tabik Pun

      Selamat datang Rekan Rekan Mahasiswa yang saya banggakan.
      Dimanapun berada..., semoga selalu dalam keadaan sehat walafiat dan dalam Lindungan Allah SWT.

      Selamat datang di Mata kuliah Data Sience and Business Analytics dengan Sistem Pembelajaran Tatap Muka di Fakultas Ilmu Komputer Jurusan Pendidikan Teknologi Informasi . Mata kuliah ini ditujukan bagi peserta didik yang sedang mengambil program S1 Sarjana pada rumpun Pendidikan Ilmu  Komputer, terutama terkait dengan bidang studi:Ilmu Komputer / Pendidikan Teknologi Informasi

      Mata kuliah ini memiliki beban SKS sebesar 4 SKS, dengan kode Matakuliah : BDG23407

      Selamat mengikuti perkuliahan ini dengan baik,
      Salam hangat dan tetap semangat !!

      Wassalamu'alaikum Wr. Wb
      Yuni Puspita Sari, S.Kom., M.T.I

      Deskripsi Matakuliah ANALISIS DAN PERANCANGAN SISTEM INFORMASI TERSTRUKTUR :

      Matakuliah Data Science dan Business Analytics dirancang untuk memberikan pemahaman menyeluruh mengenai konsep, teknik, dan aplikasi analisis data dalam konteks bisnis. Mahasiswa akan mempelajari dasar-dasar data science, framework business analytics, serta metodologi pengolahan data mulai dari pengumpulan, pembersihan, hingga analisis eksploratori. Selain itu, matakuliah ini membekali mahasiswa dengan pengetahuan mengenai analitik prediktif, analisis time series, segmentasi pelanggan, serta penerapan machine learning baik supervised maupun unsupervised. Penggunaan Business Intelligence dan pembuatan dashboard interaktif juga menjadi bagian integral, sehingga mahasiswa dapat mengintegrasikan visualisasi data dan storytelling untuk mendukung pengambilan keputusan berbasis data. Melalui pendekatan teoretis dan praktikum, mahasiswa didorong untuk mengembangkan kemampuan analitis, problem solving, serta kreativitas dalam mengaplikasikan konsep-konsep tersebut pada studi kasus dan project akhir yang menantang. Matakuliah ini mempersiapkan lulusan untuk berkontribusi secara efektif dalam era transformasi digital dan kompetisi bisnis global. Melalui latihan, diskusi, dan studi kasus nyata, mahasiswa memperoleh pengalaman dalam menganalisis data serta mengembangkan solusi inovatif.

      STRUKTUR PELAKSANAAN

      Struktur Pelaksanaan Perkuliahan mata kuliah  ini, diharapkan seluruh peserta didik dapat menyelesaikan mata kuliah ini dalam kurun waktu satu semester Adapun struktur pelaksanannya adalah sebagai berikut:

      Peserta didik diwajibkan membaca setiap materi dan konten yang diberikan per pokok bahasan.

      Peserta didik wajib mengisi presensi kehadiran sesuai jadwal pada menu feedback setiap kali melaksanakan perkuliahan online.

      Peserta didik secara aktif berpartisipasi dalam diskusi baik secara tatap muka maupun asinkron (diskusi di LMS).

      Peserta didik pengerjaan tugas, kuis, maupun aktifitas lain yang telah disediakan.

      Setelah peserta didik mempelajari seluruh pokok bahasan pada pertemuan 1 sampai dengan 14, maka peserta didik dapat mengikuti UTS.

      Pada saat seluruh pokok bahasan telah dipahami dan dipelajari oleh peserta didik, maka yang bersangkutan dapat mengikuti UAS.

      Seluruh bentuk aktivitas selama perkuliahan online harus terdata di LMS 

      MODEL ASESMEN

      Model Asesmen dalam perkuliahan ini dapat dilihat pada tabel dibawah ini.

      Range

      Nilai

      Bobot

      85 - 100

      A

      4

      80 ΓÇô 84.9

      A-

      3.75

      75 ΓÇô 79.9

      B+

      3.5

      65 ΓÇô 74.9

      B

      3

      55 ΓÇô 64.9

      C

      2

      40 ΓÇô 54.9

      D

      1

      <40

      E

      0


      BOBOT PENILAIAN
      Peserta didik akan dievaluasi penguasaannya dan pemahamannya terhadap materi kuliah dengan menggunakan pendekatan sebagai berikut :

      1.      Presensi Kehadiran (20%)

      2.      Tugas Mandiri (20%)

      3.      Ujian Tengah Semester (20%)

      4.      Ujian Akhir Semester (20%)

      5.      Attitude (20%)


      DOSEN PENGAMPU MATA KULIAH

      Nama     :       Yuni Puspita Sari,S.Kom.,MTI

      NIK         :       12070111

      NIDN      :       0209068502

      Ruang     :       Gedung Raden Saleh Lantai 5

      Email       :       yunipuspita@darmajaya.ac.id

      HP/WA    :       081373991881



        Terima Kasih, Wabillahi taufiq wal hidayah Wassalaamu'alaikum Warahmatullaahi Wabarakaatuh.
        Yuni Puspita Sari        , S.Kom., M.T.I

        Berita dan pengumuman

    • Sesi 01 || Pendahuluan

    • Sesi 02 || Framework dan Siklus Hidup Data Dalam Business Analytics

      • Materi Pembelajaran Berkas PPTX
        Siswa harus
        Tandai selesai
        158.4 KB · Diunggah 10/03/26, 05:30
      • Modul Praktikum Penugasan
        Siswa harus
        Tandai selesai
      • Tugas Modul 1 Penugasan
        Tersedia sampai 10 Maret 2026, 14:00

    • Sesi 03 || Process Data Cleaning

      • Tugas Praktikum Penugasan
        Tersedia sampai 17 Maret 2026, 20:00

    • Sesi 04 || Konsep Exploratory Data Analysis (EDA)

      • Konsep Exploratory Data Analysis (EDA) Pelajaran
        Siswa harus
        Tandai selesai

        1.       Konsep Exploratory Data Analysis (EDA)

        2.       Teknik visualisasi data dasar

        3.       Analisis statistik deskriptif

        4.       Penerapan EDA dengan software (misal: Python/R) Evaluasi kualitas data

      • Framework Berkas PPTX
        Siswa harus
        Tandai selesai
        197.1 KB · Diunggah 30/03/26, 09:57
      • Modul 2 Berkas DOCX
        Siswa harus
        Tandai selesai
        34.3 KB · Diunggah 30/03/26, 09:58
      • Tugas Modul 2 Penugasan
        Tersedia sampai 31 Maret 2026, 17:00

    • Sesi 05 || Analitik Prediktif

      • Konsep predictive analytics Pelajaran
        Siswa harus
        Tandai selesai

        1.       Konseppredictive analytics

        2.        Algoritma dasar dalam prediksi

        3.       Teknik regresi (linear, logistik)

        4.       Evaluasi performa model prediktif

        5.       Studi kasus

        implementa si predictive analytics

      • Data Cleaning Berkas PPTX
        Siswa harus
        Tandai selesai
        208.9 KB · Diunggah 30/03/26, 10:00
      • Modul 3 Berkas DOCX
        Siswa harus
        Tandai selesai
        35.0 KB · Diunggah 30/03/26, 10:01
      • Tugas Modul 3 Penugasan
        Tersedia sampai 31 Maret 2026, 17:00

    • Sesi 06 || Analisis Time Series

      • Analisis time series dan segmentasi pelanggan. Pelajaran
        Siswa harus
        Tandai selesai

        1.       Konsep analisis time series

        2.       Teknik peramalan dan trend analysis

        3.       Metode customer segmentation

        4.       Market basket analysis

        5.      Aplikasi lanjutan analitik dalam bisnis

      • EDA Berkas PPTX
        Siswa harus
        Tandai selesai
        210.7 KB · Diunggah 6/04/26, 19:50
      • Modul 4 Berkas DOCX
        Siswa harus
        Tandai selesai
        35.4 KB · Diunggah 6/04/26, 19:52
      • Tugas Modul 4 Penugasan
        Tersedia sampai 7 April 2026, 15:00

    • Sesi 07 || Supervised Learning Dalam Konteks Bisnis.

      • Supervised Learning Dalam Konteks Bisnis. Pelajaran
        Siswa harus
        Tandai selesai

        1.       Konsep dasar supervised learning

        2.       Algoritma klasifikasi (misal: decision tree, SVM)

        3.       Algoritma regresi dalam machine learning

        4.       Teknik evaluasi model supervised

        5.        Penerapan supervised learning pada studi kasus bisnis

      • Predictive Analytics & Model Pembelajaran Mesin (Machine Learning) Berkas PPTX
        Siswa harus
        Tandai selesai
        426.2 KB · Diunggah 13/04/26, 20:13
      • Modul 5 Berkas DOCX
        Tersedia sampai 14 April 2026, 12:00
        33.5 KB · Diunggah 13/04/26, 20:14
      • Tugas Modul 5 Penugasan
        Tersedia sampai 14 April 2026, 12:00

    • Ujian Tengah Semester

    • Sesi 11

    • Sesi 12 || Visualisasi dan Aplikasi nya

      • Project Time Series Analysis & Clustering Berkas DOCX
        32.2 KB · Diunggah 26/05/26, 07:55
      • Dataset Berkas XLSX
        9.0 KB · Diunggah 26/05/26, 07:56
      • Project Time Series Analysis & Clustering Penugasan
        Tersedia sampai 26 Mei 2026, 19:00

    • Sesi 13 || Storytelling dan Teknik Presentasi

      • Dimensionality Reduction & Feature Engineering Berkas PPTX
        130.2 KB · Diunggah 4/06/26, 12:08
      • Modul 8 Berkas DOCX
        Tersedia sampai 5 Juni 2026, 10:00
        36.2 KB · Diunggah 4/06/26, 12:09
      • Dataset Berkas XLSX
        5.7 KB · Diunggah 4/06/26, 12:10
      • Tugas Modul 8 Penugasan
        Tersedia sampai 5 Juni 2026, 10:00

    • Sesi 14 || Teknik Analitik Dalam Berbagai Bidang Bisnis.