UNIVERSITAS JEMBER

FAKULTAS EKONOMI DAN BISNIS

PROGRAM STUDI S1 AKUNTANSI

SILABUS
Nama Mata Kuliah : Big Data Analytics
Kode Mata Kuliah : EKA1416
Semester : 4
SKS : 3 SKS
Diskripsi Mata Kuliah : Mata kuliah Big Data analytics merupakan mata kuliah
wajib di Program Studi S1-Akuntansi. Mata Kuliah ini
didesain untuk memperdalam pemahaman mahasiswa
tentang data analytics pada perusahaan. Data analytics
terdiri dari atas keterampilan, proses, dan teknologi untuk
menciptakan wawasan yang tepat waktu dan bermakna
dari data organisasi. Prinsip dasar pengetahuan dan
keterampilan yang diharapkan dalam mata kuliah ini
adalah memodelkan, mengintegrasikan, menganalisis, dan
memvisualisasikan data. Mata kuliah ini diharapkan akan
memberikan kemampuan eksploratif proses teknis dan
manajerial dalam menggunakan data untuk pengambilan
keputusan dan menciptakan nilai bisnis yang signifikan.
Capaian Pembelajaran Mata : 1. Mahasiswa diharapkan mampu memahami konsep-
Kuliah konsep teoritis big data analytics
2. Mahasiswa diharapkan mampu konsep, framework,
fenomena, peluang dan tantangan big data analytics
3. Memahami konsep, teori, framework dari aktivitas big
data analytics
4. Mampu memilih dan melakukan aktivitas Data
Analytics yang sesuai dengan konteks masalah bisnis
yang dihadapi
5. Mampu membuat model deskripsi dan prediksi
menggunakan data yang tersedia
Bahan Kajian : 1. Overview of the Course
2. An Overview of Business Intelligence, Analytics, and
Data Science
3. Data Analytics Lifecycle
4. Data Wrangling
5. Building a Data Model
6. Descriptive Analytics: Nature of Data, Statistical
Modeling, and Visualization
7. Excel Data Analytics – Statistic Calculation Basic Data
Visualizations
8. Mid Term
9. Predictive Analytics: Data Mining Process, and
Methods
10. Prescriptive Analytics: Optimization and Simulation
11. Communicating an Analytic Project 1
12. Communicating an Analytic Project 2
13. Communicating an Analytic Project 3
 14. Group Project Presentations 1
15. Group Project Presentations 2

Referensi : Textbooks (TB):

1. Sharda, R., Dursun, D., and Turban, E., 2018, Business
Intelligence, Analytics, and Data Science: A
Managerial Perspective, fourth edition, Pearson.
2. Foster Provost and Tom Fawcett (2013), "Data Science
for Business: What You Need to Know about Data
Mining and Data-analytics Thinking", 1st edition,
O'Reilly Media, ISBN-10: 1449361323, ISBN-13:
9781449361327.

Supporting Articles (SA):

1. Vidgen, R., Shaw, S., & Grant, D. B. (2017).
Management challenges in creating value from
business analytics. European Journal of Operational
Research, 261(2), 626-639.
2. Appelbaum, D., Kogan, A., Vasarhelyi, M., & Yan, Z.
(2017). Impact of business analytics and enterprise
systems on managerial accounting. International
Journal of Accounting Information Systems, 25, 29-44
3. Che, D., Safran, M., & Peng, Z. (2013, April). From big
data to big data mining: challenges, issues, and
opportunities. In International conference on
database systems for advanced applications (pp. 1-
15). Springer, Berlin, Heidelberg.
4. Van Vlasselaer, V., Eliassi-Rad, T., Akoglu, L., Snoeck,
M., & Baesens, B. (2015, August). Afraid: fraud
detection via active inference in time-evolving social
networks. In Proceedings of the 2015 IEEE/ACM
International Conference on Advances in Social
Networks Analysis and Mining 2015 (pp. 659-666).
5. Vasarhelyi, M. A., Kogan, A., & Tuttle, B. M. (2015). Big
Data in accounting: An overview. Accounting
Horizons, 29(2), 381-396.