Garis besar topik

  • Deskripsi Mata Kuliah

    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.


    Bahan Kajian

    1. Memahami konsep dasar Data Science dan Business Analytics
    2. Menjelaskan framework Business Analytics
    3. Melakukan proses pengumpulan, pembersihan, dan preprocessing data
    4. Menerapkan teknik Exploratory Data Analysis (EDA) dan analisis statistik dasar
    5. Mengaplikasikan teknik predictive analytics.
    6. Menerapkan analisis time series, customer segmentation, dan market basket analysis
    7. Menerapkan algoritma supervised learning
    8. Menerapkan teknik unsupervised learning
    9. Mengembangkan dan menerapkan dashboard Business Intelligence (BI)
    10.  Merancang visualisasi data yang efektif
    11.  Mengintegrasikan berbagai teknik analitik
    12.  Menyusun dan mengimplementasikan project akhir secara komprehensif 


    Capaian Pembelajaran  Lulusan (CPL) 

    • CPL-S1 Memiliki sikap religius, menjunjung tinggi nilai kemanusiaan, berjiwa Pancasila, dan kesadaran akan kepentingan berbangsa
    • CPL-S2 Memiliki tanggung jawab, profesionalitas, kepercayaan diri, kematangan emosional dan peka terhadap lingkungan sosial, etika dan kesadaran untuk menjadi pembelajar sepanjang hayat 
    • CPL-S3 Memiliki semangat kemandirian, kejuangan dan kewirausahaan
    • CPL-KU1 Mampu menerapkan pemikiran logis, kritis, sistematis, kreatif dan inovatif dengan memanfaatkan teknologi informasi untuk menghasilkan solusi yang diwujudkan dalam dokumen scientific dan implementasi bidang keahlian yang berintegritas 
    • CPL-KK1 Mampu memanfaatkan teknologi digital untuk menciptakan inovasi, model bisnis dan strategi pengembangan bisnis, serta mengidentifikasikan kebutuhan sumber daya dalam membangun usaha rintisan 
    • CPL-KK2 Mampu mengidentifikasi kebutuhan pasar dan mengembangkan produk/aplikasi/platform atau layanan digital yang relevan dan sesuai dengan permintaan pelanggan  


    Capaian Pembelajaran Matakuliah  (CPMK)

    • CPMK 1 - Mahasiswa mampu memahami konsep dasar Data Science dan Business Analytics 
    • CPMK 2 ΓÇô Mahasiswa mampu menjelaskan framework Business Analytics 
    • CPMK 3 ΓÇô Mahasiswa mampu melakukan proses pengumpulan, pembersihan, dan preprocessing data 
    • CPMK 4 ΓÇô Mahasiswa mampu menerapkan teknik Exploratory Data Analysis (EDA) dan analisis statistik  
    • CPMK 5 ΓÇô Mahasiswa mampu mengaplikasikan teknik predictive analytics. 
    • CPMK 6 ΓÇô Mahasiswa mampu menerapkan analisis time series, customer segmentation, dan market basket analysis 
    • CPMK 7 ΓÇô Mahasiswa mampu menerapkan algoritma supervised learning 
    • CPMK 8 ΓÇô Mahasiswa mampu menerapkan teknik unsupervised learning 
    • CPMK 9 ΓÇô Mahasiswa mampu mengembangkan dan menerapkan dashboard Business Intelligence (BI) 
    • CPMK 10 ΓÇô Mahasiswa mampu merancang visualisasi data yang efektif 
    • CPMK 11 ΓÇô Mahasiswa mampu mengintegrasikan berbagai teknik analitik 
    • CPMK 12 ΓÇô Mahasiswa mampu menyusun dan mengimplementasikan project akhir secara komprehensif 


    Nilai Perkuliahan

    Nilai Skor Mata Kuliah (Angka)

    Nilai Mata Kuliah (Huruf)

    81-100

    A

    75-79.5

    A-

    70-74.5

    B+

    65-69.5

    B

    55-64.5

    C

    30-54.5

    D

    <30

    E


  • MINGGU 1 : SENIN 10/03/2025

    Konsep Data Science dan Business Analytics

    1. Definisi dan ruang lingkup Data Science
    2. Peran Data Science dalam transformasi bisnis
    3. Konsep Business Analytics
    4. Konsep Business Analytics
    5. Data-driven decision making
    6. Gambaran umum tools dan teknologi yang digunakan

  • MINGGU 2 : SENIN 17/03/2025

    Business Analytics Framework 

    1. Business analytics framework secaramendalam
    2. Siklus hidup data(data collection, processing, analysis, deployment)
    3. Peran teknologi dalam pengelolaan data
    4. Sumber data (internal dan eksternal)
    5. Tantangan dan peluang implementasi analytics 

    • MATERI PERTEMUAN 3 Berkas
      Siswa harus
      Tandai selesai
    • MATERI PERTEMUAN 4 Berkas
      Siswa harus
      Tandai selesai
    • MATERI RAPIDMINER Berkas
      Siswa harus
      Tandai selesai
    • TUGAS KELOMPOK Penugasan
      Siswa harus
      Tandai selesai

      Instruksi 

      Silahkan setiap kelompok untuk mencari dataset yang akan digunakan untuk project akhir. Dataset dapat diperoleh dengan mencari diberbagai platform atau diberbagai website yanga da di situs pencarian. Setelah memperoleh dataset, silahkan buatkan :

      1. Business understanding (berikan penjelasan tentang masalah bisnis yang ada dalam data)
      2. Data understanding (buatkan deskripsi data yang telah anda peroleh, jelaskan masing-masing fitur yang ada dalam data tersebut)

      Buat dalam format Ms. Word dan ppt, kemudian dipresentasikan di depan kelas. Tugas hanya dikirim oleh ketua kelompok saja.

  • MINGGU 3 : SENIN 24/03/2025

    Data Preprocessing and Tools

    1. Konsep dan pentingnya data cleaning
    2. Teknik-teknik preprocessing data
    3. Penanganan missing values
    4. Normalisasi data dan standardisasi data
    5. Pengenalan tools untuk data preprocessing 

  • MINGGU 4 : SENIN 31/03/2025

    Exploratory Data Analysis (EDA)

    1. Konsep Exploratory Data Analysis (EDA)
    2. Teknik Visualisasi data dasar
    3. Analisis statistik deskriptif
    4. Penerapan EDA dengan software (misal:Python/R)
    5. Evaluasi kualitas data 

  • MINGGU 5 : SENIN 07/04/2025

    Teknik Analitik Prediktif

    1. Konsep predictive analytics
    2. Algoritma dasar dalam prediksi
    3. Teknik regresi (linear, logistik)
    4. Evaluasi performa model prediktif
    5. Studi kasus implementasi predictive analytics 

  • MINGGU 6 : SENIN 14/04/2025

    Analisis Time Series dan Segmentasi Pelanggan

    1. Konsep analisis time series
    2. Teknik peramalandan trend analysis
    3. Metode customersegmentation
    4. Market basket analysis
    5. Aplikasi lanjutan analitik dalam bisnis

  • MINGGU 7 : SENIN 21/04/2025

    Konsep Supervised Learning dalam Bisnis

    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

  • MINGGU 8 : UJIAN TENGAH SEMESTER

    • UTS PRAKTIKUM Penugasan
      Siswa harus
      Tandai selesai
    • UTS TEORI Penugasan
      Siswa harus
      Tandai selesai
      Silahkan kerjakan UTS Teori di bawah ini, jawaban menggunakan kertas Polio/A4. Ditulis tangan dengan RAPI. Kemudian di Scan dan di Upload.

  • MINGGU 9 : SENIN 12/05/2025

    Konsep Dasar Unsupervised Learning

    1. Konsep dasar unsupervised learning
    2. Teknik clustering dan asosiasi
    3. Perbandingan antara supervised dan unsupervised learning
    4. Teknik evaluasi model pada unsupervised learning
    5. Studi kasus penerapan unsupervised learning dalam bisnis 

  • MINGGU 10 : SENIN 19/05/2025

    Konsep Business Intelligence

    1. Definisi dan konsep Business Intelligence
    2. BI tools dan platform populer
    3. Proses pembuatan dashboard BI
    4. Peran data visualization dalam BI
    5. Integrasi BI dengan proses bisnis 

    • Tugas Individu Penugasan
      Siswa harus
      Tandai selesai

      Buatkan Makalah dengan materi sebagai berikut (masing-masing pilih 1 topik saja):

      1. Definisi dan konsep Business Intelligence
      2. BI tools dan platform populer
      3. Proses pembuatan dashboard BI
      4. Peran data visualization dalam BI
      5. Integrasi BI dengan proses bisnis 

      Upload dalam bentuk word/pdf dan disusun dengan rapi.

    • Business Intelligence (Konsep Dasar, Arsitektur Business Intelligence) URL
      Siswa harus
      Tandai selesai


  • MINGGU 11 : SENIN 26/05/2025

    Konsep KPI Monitoring

    1. Konsep KPI monitoring dalam BI
    2. Teknik analitik real-time
    3. Pembuatan dashboard interaktif
    4. Integrasi sistem BI dengan data real-time
    5. Studi kasus implementasi KPI monitoring 

  • MINGGU 12 : SENIN 02/06/2025

    Prinsip Visualisasi Data

    1. Prinsip dasar visualisasi data
    2. Pemilihan jenis grafik yang tepat
    3. Desain dashboard yang efektif
    4. Penggunaan warna, layout, dan tipografi
    5. Studi kasus visualisasi data yang sukses 

  • MINGGU 13: SENIN 09/06/2025

    Storytelling Data dan Teknik Presentasi 

    1. Teknik storytelling dengan data
    2. Pembuatan visualisasi interaktif
    3. Strategi penyampaian pesan melalui visualisasi
    4. Penggunaan software presentasi (misal: Tableau, Power BI)
    5. Evaluasi dan perbaikan visualisasi data

  • MINGGU 14: SENIN 16/06/2025

    Teknik Analisis dalam Berbagai Bidang Bisnis

    1. Customer analytics
    2. Marketing analytics
    3. Financial analytics
    4. Supply chain analytics
    5. Studi kasus aplikasi analitik dalam bisnis

  • MINGGU 15: SENIN 23/06/2025

    Implementasi Konsep Sains Data (Project Akhir)

    1. Penyusunan proposal project
    2. Implementasi analisis data dalam project
    3. Pengembangan dashboard/visualisasi untuk project
    4. Analisis hasil dan evaluasi project
    5. Presentasi dandiskusi hasil project

  • MINGGU 16 : UJIAN AKHIR SEMESTER