Kurikulum MBKM Sains Data-UPNVJT

DOKUMEN
KURIKULUM
Merdeka Belajar – Kampus Merdeka
Program Studi Sains Data
Fakultas Ilmu Komputer
Universitas Pembangunan Nasional Veteran Jawa Timur
2022
DOKUMEN KURIKULUM
MERDEKA BELAJAR KAMPUS MERDEKA
PROGRAM STUDI SAINS DATA
FAKULTAS ILMU KOMPUTER

UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR
2022
No. Dokumen 066/UN63.7/SD/XI/2022
Universitas Pembangunan Revisi 01
Nasional “VETERAN” Jawa Timur Tanggal 06 Oktober 2022
Halaman 2 dari 53
KAMPUS
Jl. Raya Rungkut Madya, Gunung Anyar, Kota SBY, Jawa Timur 60294
DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA
HALAMAN PENGESAHAN
No. : 066/UN63.7/SD/XI/2022
TGL : 07 Desember 2021
DIBUAT
TGL REVISI : 06 Oktober 2022
TGL : 10 November 2022
EFEKTIF
DIBUAT Tim Kurikulum Program Studi Sains Data
OLEH UPN “Veteran” Jawa Timur
Tresna Maulana Fahrudin, S.ST., M.T.

NIP. 19930501 202203 1 007
DIPERIKSA Gugus Penjaminan Mutu Program Studi Sains
OLEH Data
UPN
“VETERAN”
JAWA TIMUR
Kartika Maulida Hindrayani, S.Kom., M.Kom.

NIP. 19920909 202203 2 009
DISAHKAN Dekan Fakultas Ilmu Komputer
OLEH
Dr. Ir. Ni Ketut Sari, M.T.

NIP. 19650731 199203 2 001
DOKUMEN KURIKULUM
MERDEKA BELAJAR KAMPUS MERDEKA
PROGRAM STUDI SAINS DATA FAKULTAS ILMU KOMPUTER
DASAR HUKUM / REFERENSI KUALIFIKASI PELAKSANA

1. Undang-Undang Republik 1. Memahami tugas dan fungsi unit kerja
Indonesia Nomor 20 Tahun 2. Memahami peraturan terkait
2003, tentang Sistem 3. Memiliki integritas tinggi
Pendidikan Nasional. 4. Mampu mengoperasikan sistem
5. Sesuai dengan tupoksi terkait
Halaman 3 dari 53
KAMPUS
2. Undang-Undang Republik
Indonesia Nomor 12 Tahun
2012, tentang Pendidikan
Tinggi.
3. Undang-Undang Republik
Indonesia Nomor 6 Tahun
2014, tentang Desa.
4. Peraturan Pemerintah Nomor
04 Tahun 2014, tentang
Penyelenggaraan Pendidikan
Tinggi dan Pengelolaan
Perguruan Tinggi
5. Peraturan Presiden Nomor 8
Tahun 2012, tentang KKNI.
6. Peraturan Menteri
Pendidikan dan Kebudayaan
Republik Indonesia Nomor 3
Tahun 2020, tentang Standar
Nasional Pendidikan Tinggi.
7. Peraturan Menteri Desa,
Pembangunan Daerah
Tertinggal, dan Transmigrasi
Nomor 11 Tahun 2019,
tentang Prioritas
Penggunaan Dana Desa
Tahun 2020.
Pembangunan Daerah
tentang Musyawarah Desa.
Pembangunan Daerah
tentang Pedoman Umum
Pembangunan dan
Pemberdayaan Masyarakat
Desa.
Pembangunan Daerah
Halaman 4 dari 53
KAMPUS

tentang Pedoman Umum
Pendampingan Masyarakat
Desa.
11. Peraturan Menteri Riset,
Teknologi, dan Pendidikan
Republik Indonesia Nomor
86 Tahun 2017 tentang
Statuta Universitas
Pembangunan Nasional
"Veteran" Jawa Timur.
12. Buku Panduan Merdeka
Belajar - Kampus, Direktorat
Jenderal Pendidikan Tinggi,
Kementerian Pendidikan dan
Kebudayaan, Tahun 2020.
13. Keputusan Rektor
Universitas Pembangunan
Nasional "Veteran" Jawa
Timur Nomor:
KEP/155/UN.63/2019,
tentang Standar Pendidikan
Tinggi Bidang Akademik
Timur.
14. Rencana Strategis
Timur Tahun 2020-2024.
15. Keputusan Rektor
Timur Tahun Nomor:
89/UN.63/U/2020, tentang
Implementasi Pembelajaran
Merdeka Belajar-Kampus
Merdeka di Universitas
Pembangunan Nasional
Halaman 5 dari 53
KAMPUS
RIWAYAT PERUBAHAN DOKUMEN

REVISI TANGGAL/BULAN DISUSUN OLEH: URAIAN SINGKAT
/TAHUN PERUBAHAN
01 06 Oktober 2022 Tim Kurikulum Pergeseran beberapa
Program Studi mata kuliah wajib sains
Sains Data, UPN data di semester 5 dan 6
“Veteran” Jawa ke semester 1 hingga 4
Timur untuk alokasi mata kuliah
pilihan, softskill, dan
konversi MBKM
Halaman 6 dari 53
KAMPUS
TIM PENYUSUN
Tresna Maulana Fahrudin, S.ST,. M.T.

(Ketua Tim Penyusun)
Anggota:
Prismahardi Aji Riyantoko, S.Si., M.Si.

Kartika Maulida Hindrayani, S.Kom., M.Kom..
Dr. I Gede Susrama Mas Diyasa, S.T., M.T.
Mohammad Idhom, SP., S.Kom, M.T.
Trimono, S.Si., M.Si.
Amri Muhaimin, S.Stat., M.Stat., M.S.
Dr. Eng. Ir. Dwi Arman Prasetya, S.T., M.T., IPU.
Aviolla Terza Damaliana, S.Si., M.Stat.
Ilmatus Sa’diyah, S.Pd., M.Hum.
Wahyu Kyestiati Sumarno, S.Pd., M. Ed., M.Pd.
Taufikurrahman, S.Pd., M.Pd.
Halaman 7 dari 53
KAMPUS
Penanggung Jawab
Proses Tanggal
Nama Jabatan Tanda tangan
Perumus Dr. I Gede Koordinator 20 November
Susrama Program Studi 2022
Mas Sains Data
Diyasa,
S.T, M.T.
Pemeriksa Kartika Gugus 20 November
Maulida Penjaminan Mutu 2022
Hindrayani, Program Studi
S.Kom., Sains Data
M.Kom.
Persetujuan Intan Wakil Dekan I 20 November
Yuniar Fakultas Ilmu 2022
Purbasari. Komputer
S.Kom.,
M.Sc.
Penetapan Dr. Ir. Ni Dekan Fakultas 20 November
Ketut Sari, Ilmu Komputer 2022
M.T.
Pengendalian Dr. Ir. Wakil Rektor I 20 November
Sukendah, UPN “Veteran” 2022
M.Sc. Jawa Timur
Halaman 8 dari 53
KAMPUS
DAFTAR ISI
1. LANDASAN KURIKULUM MBKM ....................................................................................... 9
2. VISI, MISI, TUJUAN PENDIDIKAN FAKULTAS................................................................ 13
3. VISI KEILMUAN PRODI DAN TUJUAN PENDIDIKAN PRODI ......................................... 16
4. EVALUASI KURIKULUM ................................................................................................... 18
5. PROFIL LULUSAN ............................................................................................................ 23
6. PERUMUSAN CPL (SN-DIKTI) ......................................................................................... 25
7. MATRIK HUBUNGAN CPL DENGAN PROFIL LULUSAN ............................................... 30
8. MATRIK HUBUNGAN CPL PRODI DAN TUJUAN PENDIDIKAN PRODI ........................ 32
9.MATRIK CPL TERHADAP PEMBENTUKAN MATA KULIAH DAN PENENTUAN BOBOT

SKS ....................................................................................................................................... 34
10. ORGANISASI MATA KULIAH PROGRAM STUDI .......................................................... 44
11. DAFTAR SEBARAN MATA KULIAH REGULER DAN BKP MBKM TIAP SEMESTER .. 45
LAMPIRAN RENCANA PEMBELAJARAN SEMESTER (RPS) ............................................ 53

Halaman 9 dari 53
KAMPUS
1. LANDASAN KURIKULUM MBKM

Landasan hukum pelaksanaan program kegiatan Hak Belajar Tiga Semester di
Luar Program Studi di antaranya:
a. Undang - Undang Nomor 20 Tahun 2003, tentang Sistem Pendidikan
Nasional.
b. Undang - Undang Nomor 12 Tahun 2012, tentang Pendidikan Tinggi.
c. Undang - Undang Nomor 6 Tahun 2014, tentang Desa.
d. Peraturan Pemerintah Nomor 04 Tahun 2014, tentang Penyelenggaraan
Pendidikan Tinggi dan Pengelolaan Perguruan Tinggi.
e. Peraturan Presiden Nomor 8 Tahun 2012, tentang Kerangka Kualifikasi
Nasional Indonesia.
f. Peraturan Menteri Desa, Pembangunan Daerah Tertinggal, dan Transmigrasi
Nomor 11 Tahun 2019, tentang Prioritas Penggunaan Dana Desa Tahun
2020.
g. Peraturan Menteri Desa, Pembangunan Daerah Tertinggal, dan Transmigrasi
Nomor 16 Tahun 2019, tentang Musyawarah Desa.
h. Peraturan Menteri Desa, Pembangunan Daerah Tertinggal, dan Transmigrasi
Nomor 17 Tahun 2019, tentang Pedoman Umum Pembangunan dan
Pemberdayaan Masyarakat Desa.
i. Peraturan Menteri Desa, Pembangunan Daerah Tertinggal, dan Transmigrasi
Nomor 18 Tahun 2019, tentang Pedoman Umum Pendampingan Masyarakat
Desa.
j. Peraturan Menteri Pendidikan dan Kebudayaan Republik Indonesia Nomor 3
Tahun 2020, tentang Standar Nasional Pendidikan Tinggi.
k. Peraturan Menteri Pendidikan dan Kebudayaan Republik Indonesia Nomor 73
Tahun 2013 tentang Penyelenggaraan Kerangka Kualifikasi Nasional
Indonesia.
Halaman 10 dari 53
KAMPUS
l. Keputusan Menteri Pendidikan dan Kebudayaan Republik Indonesia Nomor

754/P/2020 tentang Indikator Kinerja Utama Perguruan Tinggi Negeri dan
Lembaga Layanan Pendidikan Tinggi di Lingkungan Kementerian Pendidikan
dan Kebudayaan Tahun 2020
m. Keputusan Menteri Pendidikan dan Kebudayaan Republik Indonesia Nomor
74/P/2021, tentang Pengakuan Satuan Kredit Semester Pembelajaran
Program Kampus Merdeka.
n. Buku Panduan Merdeka Belajar - Kampus, Direktorat Jenderal Pendidikan
Tinggi, Kementerian Pendidikan dan Kebudayaan, Tahun 2020.
o. Peraturan Menteri Riset, Teknologi, dan Pendidikan Republik Indonesia
Nomor 86 Tahun 2017 tentang Statuta Universitas Pembangunan Nasional
p. Peraturan Rektor Universitas Pembangunan Nasional “Veteran” Jawa Timur
Nomor 9 Tahun 2020 tentang Peraturan Akademik Bidang Pendidikan
Program Sarjana (S-1) Universitas Pembangunan Nasional “Veteran” Jawa
Timur.
q. Keputusan Rektor Universitas Pembangunan Nasional "Veteran" Jawa Timur
Nomor KEP/155/UN.63/2019, tentang Standar Pendidikan Tinggi Bidang
Akademik Universitas Pembangunan Nasional "Veteran" Jawa Timur.
r. Rencana Strategis Universitas Pembangunan Nasional "Veteran" Jawa Timur
Tahun 2020-2024.
s. Keputusan Rektor Universitas Pembangunan Nasional "Veteran" Jawa Timur
Nomor 89/UN.63/U/2020, tentang Implementasi Pembelajaran Merdeka
Belajar-Kampus Merdeka di Universitas Pembangunan Nasional "Veteran"
Jawa Timur.
t. Peraturan Rektor Universitas Pembangunan Nasional “Veteran” Jawa Timur
Nomor 5 Tahun 2021 tentang Satuan Kredit Poin Mahasiswa (SKPM)
Halaman 11 dari 53
KAMPUS
Pengembangan Soft Skill Mahasiswa Universitas Pembangunan Nasional

“Veteran” Jawa Timur.
Kebijakan Merdeka Belajar-Kampus Merdeka (MBKM) merupakan salah satu
kebijakan dari Menteri Pendidikan dan Kebudayaan. Salah satu bentuk kegiatan
tersebut adalah hak belajar mahasiswa di luar kampus. Tujuan daripada hal
tersebut adalah meningkatkan kompetensi lulusan, baik soft skills maupun hard
skills. Dengan begitu, mahasiswa mempunyai persiapan tambahan untuk terjun
dalam dunia kerja, dengan keahlian-keahlian yang sesuai dengan era industri saat
ini. Universitas Pembangunan Nasional “Veteran” Jawa Timur mendukung dan
berpartisipasi aktif dalam menggerakkan program MBKM dalam 9 bentuk kegiatan
pembelajaran, yaitu pertukaran mahasiswa, magang atau praktik kerja, asistensi
mengajar di satuan pendidikan, penelitian atau riset, proyek kemanusiaan, kegiatan
wirausaha, studi atau proyek independen, membangun desa atau kuliah kerja
nyata, dan pelatihan dasar kemiliteran komponen cadangan-bela negara
(Latsarmil-Komcad).
Pertukaran mahasiswa adalah bentuk kegiatan pembelajaran yang dilakukan
oleh mahasiswa di luar program studinya di Perguruan Tinggi asal maupun di
Perguruan Tinggi lain. Magang atau kerja praktik adalah bentuk kegiatan
pembelajaran yang memberikan pengalaman dan pembelajaran langsung kepada
mahasiswa di tempat kerja (experiential learning) melalui kerja sama dengan mitra
antara lain perusahaan, yayasan nirlaba, organisasi multilateral, instansi
pemerintah, maupun perusahaan rintisan (startup). Asistensi mengajar di satuan
pendidikan adalah bentuk kegiatan pembelajaran yang dilakukan mahasiswa
secara kolaboratif di bawah bimbingan guru dan dosen pembimbing di satuan
pendidikan formal. Penelitian atau riset adalah bentuk kegiatan pembelajaran
untuk membangun cara berpikir kritis mahasiswa yang memiliki passion menjadi
peneliti untuk lebih mendalami, memahami, dan melakukan metode riset secara
lebih baik yang sangat dibutuhkan untuk berbagai rumpun keilmuan pada jenjang
Halaman 12 dari 53
KAMPUS
pendidikan tinggi. Proyek kemanusiaan adalah bentuk kegiatan pembelajaran

yang menyerupai KKN, tetapi dalam bentuk mengembangkan kegiatan
kemanusiaan dan kepekaan sosial secara mandiri dengan urgensi adanya musibah
atau bencana alam yang menimpa suatu daerah.
Kegiatan wirausaha adalah bentuk kegiatan pembelajaran yang memberikan
kesempatan kepada mahasiswa untuk belajar di luar kelas dan mengembangkan
diri menjadi entrepreneur melalui aktivitas pengembangan usaha mikro, kecil, dan
menengah. Proyek independen adalah bentuk kegiatan pembelajaran di mana
mahasiswa berperan penting dalam menyusun sebuah proyek atau penyelesaian
masalah di suatu institusi atau perusahaan, sedangkan studi independen adalah
bentuk kegiatan pembelajaran di mana mahasiswa mengembangkan diri melalui
aktivitas di luar kelas perkuliahan dengan menguasai kompetensi spesifik dan
praktis yang dibutuhkan oleh dunia usaha dunia industri. Membangun desa atau
kuliah kerja nyata adalah bentuk kegiatan pembelajaran yang dilakukan
mahasiswa dengan tujuan untuk menerapkan ilmu-ilmu yang telah didapatkan
selama perkuliahan dengan mengidentifikasi dan menganalisis permasalahan,
mencari alternatif solusi serta mengembangkan potensi sumber daya manusia
masyarakat, dan sumber daya alam desa setempat. Latsarmil-Komcad adalah
bentuk kegiatan pembelajaran di mana mahasiswa mengikuti pelatihan dasar
militer sebagai sebagai komponen cadangan bela negara.
Dalam upaya mendukung terlaksananya bentuk kegiatan pembelajaran pada
program MBKM, Program Studi Sains Data Fakultas Ilmu Komputer Universitas
Pembangunan Nasional “Veteran” Jawa Timur Ilmu telah menyusun kurikulum
berbasis MBKM beserta mekanisme konversi/rekognisi, dan petunjuk penilaian.
Mahasiswa Program Studi Sains Data mendapatkan hak belajar di luar kampus
selama dua semester pada semester 5 dan 6, dan mahasiswa mendapatkan hak
belajar di program studi yang berbeda di Perguruan Tinggi asal pada semester 7.
Sains data adalah bidang multidisiplin, mahasiswa mendapatkan bekal
Halaman 13 dari 53
KAMPUS
pengetahuan dan keterampilan melalui keilmuan di bidang matematika dan

statistika, ilmu komputer, dan domain/pengetahuan bisnis. Melalui program MBKM,
mahasiswa diberikan kesempatan untuk belajar dan berkegiatan di luar kampus
dengan memilih bentuk kegiatan pembelajaran MBKM di mana capaian
pembelajarannya di bidang rekayasa data (data engineering), analisis data (data
analysis), sains data (data science), dan kecerdasan artifisial (artificial intelligence)
yang dapat diterapkan pada permasalahan nyata di dunia usaha dunia industri
serta dapat dikonversi/direkognisi sebagai kegiatan pembelajaran. Dengan
disusunnya kurikulum berbasis MBKM Program Studi Sains Data ini diharapkan
dapat memudahkan mahasiswa dalam membuat rencana studi di tiap semester,
memberikan manfaat dan pengalaman yang berbeda dengan belajar di luar
kampus, dan mahasiswa mendapatkan pengakuan dalam bentuk
konversi/rekognisi belajar.
2. VISI, MISI, TUJUAN PENDIDIKAN FAKULTAS

A. Visi Fakultas Ilmu Komputer
Visi Fakultas Ilmu Komputer untuk tahun 2020 – 2024 adalah “Menjadi
Fakultas Ilmu Komputer yang unggul berkarakter bela negara”.
Merujuk pada visi UPN “Veteran” Jawa Timur, makna visinya adalah mencapai
keunggulan tugas tridharmanya yang akan mengantarkan UPN “Veteran” Jawa
Timur ke World Class University pada tahun 2039 yang diperjelas sebagai
berikut:
1) Unggul: dimaknai sebagai bernilai daya saing tinggi. Dimensi keunggulan
yang dikembangkan UPN “Veteran” Jawa Timur adalah unggul di bidang
Teaching dan Penelitian Terapan yang dapat dimanfaatkan masyarakat
daerah tertinggal melalui kegiatan Dimas yang berbasis riset berkarakter
bela negara.
Halaman 14 dari 53
KAMPUS
2) Bela Negara: mengandung nilai-nilai cinta tanah air, sadar sebagai warga
negara dalam berbangsa dan bernegara, rela berkorban, yakin bahwa
Pancasila sebagai dasar negara dan mempunyai kemampuan awal bela
negara yang wajib dianut oleh seluruh civitas akademika dan ditanamkan
ke peserta didik dalam proses pembelajarannya. Internalisasi karakter bela
negara bagi seluruh civitas akademika sejalan dengan sejarah pendirian
UPN “Veteran” Jawa Timur oleh pada Veteran pejuang kemerdekaan yang
menginginkan agar UPN “Veteran” Jawa Timur sebagai Monumen Hidup
bagi veteran kemerdekaan dengan sesanti Widya Mwat Yasa yang berarti
bahwa segenap civitas akademika selalu “Belajar untuk Membangun
Bangsa dan Negara” secara kreatif dan inovatif dalam menghasilkan
IPTEK, serta SDM lulusan yang profesional dan berbudi pekerti luhur
sehingga mampu berkompetisi di tingkat global namun tidak lupa dengan
akar budaya bangsa Indonesia.
B. Misi Fakultas Ilmu Komputer

Misi Fakultas Ilmu Komputer untuk tahun adalah sebagai berikut:
1) Menyelenggarakan pendidikan untuk menghasilkan lulusan yang
menguasai teknologi informasi, berdaya saing tinggi, dan berkarakter bela
negara.
2) Mengembangkan penelitian dalam bidang teknologi informasi dan
menerapkannya untuk meningkatkan kecerdasan dan kesejahteraan
masyarakat.
3) Menyelenggarakan pengabdian kepada masyarakat dalam bidang
teknologi informasi yang berbasis riset dan kearifan lokal.
4) Menyelenggarakan tata kelola yang baik dan bersih dalam rangka
mencapai akuntabilitas pengelolaan anggaran.
Halaman 15 dari 53
KAMPUS
5) Mengembangkan kualitas sumber daya manusia unggul dalam sikap dan

tata nilai, unjuk kerja, penguasaan pengetahuan, dan manajerial.
6) Meningkatkan sistem pengelolaan sarana dan prasarana terpadu.
7) Meningkatkan kerjasama dengan stakeholder di bidang Pendidikan,
Penelitian, dan Pengabdian kepada Masyarakat.
C. Tujuan Fakultas Ilmu Komputer

Berdasarkan visi dan misi yang telah ditetapkan, maka dapat dirumuskan tujuan yang
ingin dicapai oleh Fakultas Ilmu Komputer UPN “Veteran” Jawa Timur pada tahun
2020 – 2024 sebagai berikut:
1) Menghasilkan lulusan yang berjiwa nasionalis, profesional, mampu
mengembangkan potensi dirinya, dan berdaya saing tinggi
2) Menghasilkan riset dasar dan terapan yang bermanfaat di bidang teknologi
informasi
3) Mewujudkan pengabdian kepada masyarakat di bidang teknologi informasi
yang berbasis riset dan kearifan lokal
4) Mengembangkan tata kelola yang baik dan bersih untuk mencapai
akuntabilitas pengelolaan anggaran
5) Menghasilkan sumber daya manusia unggul yang kompeten dan berdaya
saing tinggi
6) Meningkatkan sarana prasarana yang memadai dengan pengelolaan yang
efektif dan efisien
7) Menghasilkan kerjasama yang saling menguntungkan antara Fakultas
dengan pemerintah, industri, lembaga pendidikan dan penelitian, baik
dalam maupun luar negeri.
Halaman 16 dari 53
KAMPUS
3. VISI KEILMUAN PRODI DAN TUJUAN PENDIDIKAN PRODI
A. Visi Program Studi Sains Data

Adapun Visi Program Studi Sains Data Fakultas Ilmu Komputer UPN “Veteran”
Jawa Timur adalah “Menjadi Program Studi yang Unggul di Bidang
Kecerdasan Buatan dan Big Data untuk Industri 4.0 Berkarakter Bela
Negara”.
B. Misi Program Studi Sains Data

Adapun Misi Program Studi Sains Data Fakultas Ilmu Komputer UPN “Veteran”
Jawa Timur adalah
1) Menyelenggarakan pendidikan terbaik di bidang kecerdasan buatan dan
Big Data bagi para mahasiswa agar mampu menjadi lulusan yang handal,
berkarakter Bela Negara, dan berwawasan global dan siap menghadapi
tantangan di tengah revolusi industri 4.0.
2) Menyelenggarakan penelitian dan pengembangan ilmu pengetahuan di

bidang kecerdasan buatan dan Big Data yang memberikan dampak pada
kemajuan disiplin akademik dan profesional.
3) Menyelenggarakan pengabdian kepada masyarakat dengan menerapkan

ilmu-ilmu di bidang kecerdasan buatan dan Big Data.
4) Melaksanakan tata kelola yang baik dan bersih dalam rangka mencapai
pengelolaan anggaran yang akuntabel.
5) Mengembangkan kualitas Sumber Daya Manusia yang memiliki karakter

unggul, handal, cerdas, dan berjiwa kepemimpinan.
6) Mengembangkan sistem pengelolaan sarana dan prasarana terintegrasi

yang mendukung operasional.
Halaman 17 dari 53
KAMPUS
7) Menjalin kerjasama dengan masyarakat, institusi, dan lembaga pemerintah

maupun swasta untuk terus meningkatkan kualitas kegiatan dan hasil
tridarma perguruan tinggi.
C. Tujuan Program Studi Sains Data

Untuk mewujudkan visi dan misi tersebut, maka dirumuskan tujuan Program
Studi Sains Data Fakultas Ilmu Komputer UPN “Veteran” Jawa Timur sebagai
berikut:
1) Menghasilkan lulusan sarjana yang memiliki pengetahuan mendalam di
bidang kecerdasan buatan dan Big Data, berkarakter bela negara, dan
berwawasan global sehingga dapat menerapkan ilmu pengetahuan untuk
memenangkan persaingan di tengah revolusi industri 4.0.
2) Menghasilkan luaran penelitian di bidang kecerdasan buatan dan Big Data
yang memberikan dampak pada kemajuan disiplin akademik dan
profesional internasional dengan membangun, mengembangkan dan
memelihara nilai-nilai tradisi dan budaya masyarakat.
3) Memberikan solusi untuk permasalahan pada masyarakat menggunakan
ilmu-ilmu di bidang kecerdasan buatan dan Big Data yang memberikan
dampak pada peningkatan kesejahteraan sebagai bentuk pengabdian
masyarakat.
4) Melaksanakan tata kelola yang baik dan bersih dalam rangka mencapai
pengelolaan anggaran yang akuntabel.
5) Menghasilkan kualitas Sumber Daya Manusia yang memiliki karakter
unggul, handal, cerdas, dan berjiwa kepemimpinan.
6) Meningkatkan sarana dan prasarana yang terintegrasi, efektif, dan efisien.
Halaman 18 dari 53
KAMPUS
7) Mendukung fakultas dalam menyelenggarakan kerjasama dengan

masyarakat, institusi, dan lembaga pemerintah maupun swasta untuk terus
meningkatkan kualitas kegiatan dan hasil tridarma perguruan tinggi.
4. EVALUASI KURIKULUM
Berdasarkan Surat Keputusan Dekan Fakultas Ilmu Komputer UPN “Veteran” Jawa
Timur No. 44/UN63.7/SKEP/V/2022 tentang Penetapan Mekanisme Proses
Evaluasi dan Pemutakhiran Kurikulum, maka program studi memiliki kewajiban
melakukan pemutakhiran profil lulusan, capaian pembelajaran lulusan (CPL), dan
rencana pembelajaran semester. Perubahan kurikulum dilakukan didasari oleh
beberapa hal, antara lain perkembangan ilmu pengetahuan, kebijakan pemerintah,
kebutuhan pengguna lulusan, dan hasil evaluasi kurikulum yang sedang berjalan.
Pelaksanaan monitoring dan evaluasi kurikulum mencakup prosedur, aspek-aspek,
dan metode monitoring dan evaluasi kurikulum.
A. Prosedur Monitoring dan Evaluasi Kurikulum
Monitoring dan evaluasi kurikulum Monitoring dan evaluasi (monev) kurikulum
program studi dilakukan secara berkala yang meliputi penyempurnaan
kurikulum setiap tahun dan peninjauan kurikulum yang dilakukan setiap
maksimal 4 tahun oleh Gugus Penjaminan Mutu Prodi (GPMP) dan Gugus
Penjaminan Mutu Prodi Fakultas (GPMF). Proses monitoring dan evaluasi
kurikulum dilakukan dengan prinsip:
1) Berbasis evaluasi diri (self-evaluated)
2) Integritas dan tanggung jawab
3) Meningkatkan mutu
4) Meningkatkan profesionalisme program studi dan dosen
Halaman 19 dari 53
KAMPUS
Monitoring dan evaluasi kurikulum dilakukan melalui siklus manajemen yang

terdiri dari 4 (empat) tahap, yaitu:
1) Tahap persiapan
Kegiatan yang dilakukan adalah penyiapan instrumen serta penentuan
jadwal monitoring dan evaluasi oleh GPMF.
2) Tahap pelaksanaan
Pada tahap ini dilakukan pengecekan dan penilaian berbasis dokumen,
serta analisis hasil dan dilakukan secara mandiri oleh GPMP.
3) Tahap pelaporan
Pada tahap ini dilakukan penyusunan laporan hasil monitoring dan evaluasi
untuk dilaporkan ke GPMF dan dianalisis serta dikompilasi. Hasilnya
dilaporkan ke Fakultas.
4) Tahap Tindak Lanjut
Pada tahap ini Fakultas mengadakan Rapat Tinjauan Manajemen (RTM)
untuk menindaklanjuti hasil monitoring dan evaluasi.
B. Aspek-aspek Monitoring dan Evaluasi Kurikulum

Aspek-aspek Monitoring dan Evaluasi Kurikulum sebagai berikut:
1) Kelengkapan dokumen kebijakan tentang penyusunan dan pengembangan
kurikulum Program Studi.
2) Pelibatan pemangku kepentingan meliputi alumni, pengguna lulusan dan
dunia usaha serta dunia industri (DUDI) dalam penyusunan kurikulum.
3) Kesesuaian dengan VMTS Perguruan Tinggi, Fakultas, dan Visi Keilmuan
Program Studi.
4) Penetapan profil lulusan oleh rumpun keilmuan dosen dan Asosiasi
program studi, dengan memperhatikan prospek lapangan kerja dan
pengembangan diri.
Halaman 20 dari 53
KAMPUS
5) Kejelasan capaian pembelajaran lulusan (CPL) yang memenuhi standar

kompetensi lulusan (SKL) dan sesuai struktur dan deskripsi KKNI.
6) Ketentuan pembentuan Mata Kuliah dan besaran sks.
7) Ketepatan metode dan strategi pembelajaran sesuai karakteristik capaian
pembelajaran.
8) Ketepatan sistem penilaian dalam mengukur pencapaian capaian
pembelajaran.
9) Perencanaan pembelajaran dalam RPS.
10) Peninjauan kurikulum diperbaharui sesuai peraturan, selambat-lambatnya
sekali dalam 4 tahun
C. Metode Monitoring dan Evaluasi Kurikulum

1) Pengumpulan data atau informasi yang berkenaan dengan pengembangan
kurikulum program studi, pembelajaran dan suasana akademik yang
tujuannya menyediakan bahan bagi pengambil keputusan dalam
menentukan tindak lanjut dengan cara pengisian instrumen monitoring dan
evaluasi.
2) Memonitor pelaksanaan pengembangan kurikulum program studi,
pembelajaran dan suasana akademik.
3) Pelaporan hasil pelaksanaan pengembangan kurikulum program studi,
4) Pelaporan kemajuan hasil pengembangan kurikulum, pembelajaran dan
suasana akademik.
5) Pelaporan kendala dalam pelaksanaan pengembangan kurikulum,
Evaluasi kurikulum menghasilkan struktur kurikulum Program Studi Sains Data
dalam delapan semester terbagi ke dalam beberapa rumpun mata kuliah, antara
lain pembentukan karakter, matematika dan statistika, data science, data analysis,
Halaman 21 dari 53
KAMPUS
data engineering, keterampilan hidup dan praktik profesional, mata kuliah pilihan,
dan mata kuliah softskills.
Adanya kebijakan MBKM yang telah dikeluarkan oleh Kementerian Pendidikan dan
Kebudayaan Republik Indonesia berdampak pada kurikulum yang sedang berjalan
pada tiap program studi, Program Studi Sains Data melakukan redesain kurikulum
dan melakukan pemetaan kembali terkait bentuk kegiatan MBKM yang dapat
dikonversi/direkognisi dengan mata kuliah wajib, mata kuliah pilihan, dan
menambahkan sejumlah mata kuliah softkills pada kurikulum program studi. Program
Studi Sains Data memberikan hak kepada mahasiswa untuk ikut serta dalam
menggerakkan Program MBKM di antaranya:
Halaman 22 dari 53
KAMPUS
1) Pertukaran Mahasiswa:
a. Pertukaran Mahasiswa Merdeka (PMM) melalui tautan: https://program-
pmm.id/.
b. Indonesian International Student Mobility Awards (IISMA) melalui tautan:
https://site.iisma.id/.
c. Indonesia Cyber Education Institute (ICEI) melalui tautan: https://icei.ac.id/.
d. International Credit Transfer (ICT) melalui tautan:
https://dikti.kemdikbud.go.id/category/pembelajaran-dan-kemahasiswaan/.
e. Kredensial Mikro Mahasiswa Indonesia (KMMI) melalui tautan:
https://kmmi.kemdikbud.go.id/pt/.
f. Permadi (Pertukaran Mahasiswa Antar Program Studi) di UPN “Veteran”
Jawa Timur
2) Studi/Proyek Independen:
a. Studi Independen Bersertifikat melalui tautan:
https://kampusmerdeka.kemdikbud.go.id/program/studi-independen.
b. Program Bangkit melalui tautan: https://registration.bangkit.academy.
c. Program Gerilya-Kementerian ESDM melalui tautan:
https://www.esdm.go.id/id/page/gerilya.
3) Magang/Praktik Kerja Bersertifikat melalui
https://kampusmerdeka.kemdikbud.go.id/program/magang/
a. Magang Kerjasama Monster Group (Surabaya, Solo, Jakarta)
b. Magang Kerjasama PT Jawa Pos Multimedia (Surabaya)
c. Magang Matching Fund Kedaireka (Program pendanaan dari Direktorat
Jenderal Pendidikan Tinggi, Riset, dan Teknologi yang melibatkan
insan perguruan tinggi dan Dunia Usaha Dunia Industri (DUDI))
d. Magang Mandiri dan Kerjasama lainnya
Halaman 23 dari 53
KAMPUS
4) Riset/Penelitian:
a. Skema Kerjasama: Penelitian yang dilaksanakan dengan inisiasi mitra
lembaga riset/perguruan tinggi.
b. Skema Mandiri: Penelitian yang dilaksanakan dengan inisiasi
mahasiswa.
5) Wirausaha Merdeka melalui tautan: https://wirausahamerdeka.id/.
6) Kampus Mengajar melalui tautan:
https://kampusmerdeka.kemdikbud.go.id/program/mengajar.
7) KKN Tematik MBKM - LPPM UPN “Veteran” Jawa Timur melalui tautan:
http://lppm.upnjatim.ac.id/:
a. Skema Desa Tangguh Bencana
b. Skema Kewirausahaan dan Ekonomi Kreatif
c. Skema Desa Wisata atau
d. Skema Desa Bebas Stunting
8) Proyek Kemanusiaan - LPPM UPN “Veteran” Jawa Timur melalui tautan:
http://lppm.upnjatim.ac.id/:
9) Latsarmil-Komcad melalui tautan: https://komcad.kemhan.go.id/komcad/.
5. PROFIL LULUSAN
Berdasarkan Keputusan Rektor UPN “Veteran” Jawa Timur No.
KEP/155/UN.63/2019 tentang Standar Pendidikan Tinggi Bidang Akademik UPN
“Veteran” Jawa Timur pada sub-komponen standar isi pembelajaran, standar yang
ditetapkan adalah Program Studi memiliki rumusan profil lulusan menurut program
studi per jenjang pendidikan yang diselenggarakan. Program Studi Sains Data
merumuskan Profil Lulusan berdasarkan Peta Okupasi Nasional Indonesia bidang
Teknologi Informasi dan Komunikasi pada level 6 di area Junior Data Scientist,
Junior Data Engineer, Junior IT Consultant, dan Data Analyst. Selain itu, Program
Studi Sains Data menggunakan Unit Kompetensi berdasarkan Penetapan Standar
Halaman 24 dari 53
KAMPUS
Kompetensi Kerja Nasional Indonesia Kategori Informasi dan Komunikasi bidang

Artificial Intelligence Subbidang Data Science dan Knowledge Based System serta
bidang Data Management System Subbidang Data Management dan mengacu
pada buku pengembangan kurikulum KKNI berdasarkan OBE bidang Ilmu
Informatika dan Komputer dari Asosiasi Pendidikan Tinggi Informatika dan
Komputer (APTIKOM) terkait jenis pekerjaan di bidang Informatika dan Komputer
untuk merumuskan profil lulusan bidang pekerjaan Machine Learning Engineer dan
Intelligent System Developer. Profil lulusan Program Studi Sains Data dirumuskan
sebagai berikut:
No Profil Lulusan Deskripsi Profil Lulusan

1 (PL-1) Data Analyst Lulusan yang memiliki kemampuan untuk berpikir
analitis dan menerapkan teknik-teknik analisis data
dengan menggunakan perangkat lunak yang telah
tersedia untuk menyelesaikan berbagai permasalahan
di berbagai bidang industri.
2 (PL-2) Data Engineer Lulusan yang memiliki kemampuan merancang dan
membuat arsitektur manajemen data baik berupa
database, data warehouse ataupun sistem
pemrosesan data berskala besar.
3 (PL-3) Data Scientist Lulusan yang menguasai konsep big data dan mampu
membangun perangkat lunak berbasis kecerdasan
buatan untuk menyelesaikan permasalahan di
berbagai bidang industri.
4 (PL-4) Intelligent System Developer Lulusan yang memiliki kemampuan mengembangkan
perangkat lunak yang intelijen dengan berbagai teknik
kecerdasan artifisial (AI), seperti sistem pakar, pattern
recognition, jaringan syaraf tiruan, image processing,
machine learning, data mining, dan lain-lain.
5 (PL-5) Machine Learning Engineer Lulusan yang memiliki kemampuan membangun
sistem kecerdasan artifisial (AI) yang memanfaatkan
kumpulan data besar untuk menghasilkan dan
mengembangkan algoritma yang mampu melakukan
learning dan membuat prediksi.
6 (PL-6) Akademisi Lulusan yang memiliki kemampuan melakukan
penelitian dan melanjutkan ke jenjang pendidikan
yang lebih tinggi dalam bidang sains data serta
memiliki kemampuan menerapkan metode-metode
komputasi cerdas dalam penelitian dan melakukan
modifikasi, perbaikan, dan peningkatan terhadap
metode-metode yang sudah ada.
Halaman 25 dari 53
KAMPUS
6. PERUMUSAN CPL (SN-DIKTI)

Program Studi Sains Data telah merumuskan aspek sikap dan keterampilan umum
berdasarkan Standar Nasional Pendidikan Tingg, sedangkan aspek pengetahuan
dan keterampilan khusus mengacu pada buku pengembangan kurikulum KKNI
berdasarkan OBE bidang Ilmu Informatika dan Komputer dari Asosiasi Pendidikan
Tinggi Informatika dan Komputer (APTIKOM), dan memperhatikan masukan
Komunitas Data Science Indonesia (DSI), Asosiasi Ilmuwan Data Indonesia (AIDI)
sebagai Penciri PS Sains Data. Selain itu, PS Sains Data menambahkan aspek
sikap yang memuat internalisasi dan implementasi nilai-nilai bela negara sesuai
bidang keahlian dalam rumusan kualifikasi lulusan program studi. CPL Program
Studi Sains Data dirumuskan sebagai berikut:
No Deskripsi Capaian Pembelajaran Lulusan (CPL)

Aspek Sikap
S1 Menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama,
moral, dan etika
S2 Berkontribusi dalam peningkatan mutu kehidupan bermasyarakat, berbangsa,
bernegara, dan kemajuan peradaban berdasarkan Pancasila
S3 Berperan sebagai warga negara yang bangga dan cinta tanah air, memiliki
nasionalisme serta rasa tanggung jawab pada negara dan bangsa
S4 Menghargai keanekaragaman budaya, pandangan, agama, dan kepercayaan, serta
pendapat atau temuan orisinal orang lain
S5 Bekerja sama dan memiliki kepekaan sosial serta kepedulian terhadap masyarakat
dan lingkungan
S6 Taat hukum dan disiplin dalam kehidupan bermasyarakat dan bernegara
S7 Menginternalisasi nilai, norma, dan etika akademik
S8 Menunjukkan sikap bertanggung jawab atas pekerjaan di bidang keahliannya secara
mandiri
S9 Menginternalisasi semangat kemandirian, kejuangan, dan kewirausahaan
S10 Menunjukan sikap dan berperilaku sesuai dengan nilai-nilai bela negara
Halaman 26 dari 53
KAMPUS

S11 Menjunjung tinggi nilai kemanusiaan dalam menjalankan tugas berdasarkan agama,
moral, dan etika
Aspek Pengetahuan
P1 Mampu mengidentifikasi dan memahami secara mendalam mengenai masalah
transformasi data menjadi informasi, insight dan knowledge menggunakan metode
statistik, aplikasi probabilitas, machine learning dan konsep teoritis bagian khusus
untuk mendapatkan pengetahuan lebih luas
P2 Mampu merumuskan dan menyelesaikan masalah secara prosedural dan terstruktur
dalam bidang Data Science
P3 Mampu memahami dan menjelaskan keahlian bidang Matematika Sains Data,
Algoritma dan Pemrograman, Statististik, Big data, Kecerdasan Buatan dan
Perencanaan Proyek Sains Data dalam segala situasi
P4 Mampu memanfaatkan dan menggunakan ilmu pengetahuan, teknologi dan/atau
seni untuk beradaptasi terhadap segala situasi dalam menyelesaikan masalah Data
Science
P5 Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di
bidang Data Science, berdasarkan data dan sistem cerdas
P6 Mampu memberikan petunjuk dan saran dalam memilih berbagai metode untuk
menyelesaikan masalah bidang Data Science secara mandiri maupun kelompok
Aspek Keterampilan Umum
KU1 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam konteks
pengembangan atau implementasi ilmu pengetahuan dan teknologi yang
memperhatikan dan menerapkan nilai humaniora yang sesuai dengan bidang
keahliannya
KU2 Mampu menunjukkan kinerja mandiri, bermutu, dan terukur
KU3 Mampu mengkaji implikasi pengembangan atau implementasi ilmu pengetahuan
teknologi yang memperhatikan dan menerapkan nilai humaniora sesuai dengan
keahliannya berdasarkan kaidah, tata cara dan etika ilmiah dalam rangka
menghasilkan solusi, gagasan, desain atau kritik seni, menyusun deskripsi saintifik
hasil kajiannya dalam bentuk skripsi atau laporan tugas akhir, dan mengunggahnya
dalam laman perguruan tinggi
Halaman 27 dari 53
KAMPUS

KU4 Menyusun deskripsi saintifik hasil kajian tersebut di atas dalam bentuk skripsi atau
laporan tugas akhir, dan mengunggahnya dalam laman perguruan tinggi
KU5 Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di
bidang keahliannya, berdasarkan hasil analisis informasi dan data
KU6 Mampu memelihara dan mengembangkan jaringan kerja dengan pembimbing,
kolega, sejawat baik di dalam maupun di luar lembaganya
KU7 Mampu bertanggungjawab atas pencapaian hasil kerja kelompok dan melakukan
supervisi dan evaluasi terhadap penyelesaian pekerjaan yang ditugaskan kepada
pekerja yang berada di bawah tanggung jawabnya
KU8 Mampu melakukan proses evaluasi diri terhadap kelompok kerja yang berada di
bawah tanggung jawabnya, dan mampu mengelola pembelajaran secara mandiri
KU9 Mampu mendokumentasikan, menyimpan, mengamankan, dan menemukan kembali
data untuk menjamin kesahihan dan mencegah plagiasi
KU10 Mengintegrasikan nilai-nilai bela negara dalam pengembangan dan penerapan ilmu
pengetahuan
Aspek Keterampilan Khusus
KK1 Mampu merumuskan pemecahan masalah Data Science secara kreatif dengan
memanfaatkan Big Data Analytics
KK2 Mampu merumuskan pemecahan masalah Data Science secara inovatif dengan
memanfaatkan teknologi sistem cerdas berbasis konsep - konsep yang relevan
menggunakan pemodelan yang tepat
KK3 Mampu membangun dan menerapkan pemrograman data science untuk mendesain
struktur data, pemodelan dan machine learning.
KK4 Mampu memvisualisasikan dan mengaplikasikan pemrograman data science untuk
mendesain struktur data, pemodelan dan machine learning.
KK5 Mampu bekerjasama dalam Tim untuk merancang, membangun dan menganalisis
perangkat lunak berbasis sistem cerdas skala menengah/besar dengan menerapkan
Big Data Analytics secara tepat.
KK6 Mampu bekerjasama dalam Tim untuk merancang, membangun dan menganalisis
sistem informasi berbasis sistem cerdas skala menengah/besar dengan menerapkan
machine learning secara tepat.
Halaman 28 dari 53
KAMPUS
Reformulasi CPL Berbasis OBE

Reformulasi CPL dilakukan untuk memudahkan dalam mengukur ketercapaian
mahasiswa dalam mencapai empat aspek kompetensi yang telah dirumuskan
sebelumnya. Reformulasi CPL ini dengan cara mengintegrasikan beberapa
capaian pembelajaran lulusan dengan kemampuannya dalam membentuk sikap
dan karakter, kemampuan menguasai konseptual, memformulasikan pemecahan
masalah, mengaplikasikan bidang keahlian, dan membangun kerjasama tim.
Reformulasi CPL Program Studi Sains Data dirumuskan sebagai berikut:

CPL-1 Mampu menjadi insan yang bertaqwa, mandiri, bertanggung jawab, bekerjasama,
(A) menghargai keanekaragaman budaya dan memiliki wawasan kebangsaan dengan nilai-
nilai bela negara
CPL-2 Menguasai konsep pengetahuan mengenai transformasi data menjadi informasi, insight
(B) dan knowledge menggunakan metode statistik, aplikasi probabilitas, machine learning
dan konsep teoritis bagian khusus dalam bidang pengetahuan tersebut secara
mendalam, serta mampu memformulasikan penyelesaian masalah prosedural
CPL-3 Mampu mengaplikasikan bidang keahliannya dan memanfaatkan ilmu pengetahuan,
(C) teknologi, dan/atau seni meliputi Matematika Sains Data, Algoritma dan Pemrograman,
Statististik, Big data, elemen Kecerdasan Buatan, Perencanaan Proyek Sains Data
dalam penyelesaian masalah serta mampu beradaptasi terhadap situasi yang dihadapi.
CPL-4 Mampu mengambil keputusan yang tepat berdasarkan data dan sistem cerdas, serta
(D) mampu memberikan petunjuk dalam memilih berbagai metode secara mandiri dan
kelompok
CPL-5 Mampu mengimplementasikan, membandingkan dan mengintegrasikan keahlian, solusi
(E) dan gagasan dalam bentuk deskripsi saintifik
CPL-6 Mampu menganalisis, mengintegrasi, dan mengevaluasi data, informasi, dan nilai-nilai
(F) bela negara secara kelembagaan
CPL-7 Mampu secara kreatif dan inovatif memformulasikan pemecahan masalah dengan
(G) memanfaatkan Big Data dan teknologi sistem cerdas berbasis konsep-konsep yang
relevan dan dengan memanfaatkan alat-alat pemodelan tepat
Halaman 29 dari 53
KAMPUS

CPL-8 Mampu membangun pemrograman data science untuk mendesain struktur data,
(H) melakukan pemodelan, menerapkan machine learning, dan memvisualisasikan hasilnya
CPL-9 Mampu bekerja sama dalam tim merancang, membangun dan menganalisis perangkat
(I) lunak atau sistem informasi berbais sistem cerdas skala menengah/besar dengan
menerapkan/mengadopsi konsep Big Data atau Machine Learning yang tepat/sesuai
Matriks kesesuaian CPL (SN Dikti) dengan Reformulasi CPL

Matriks kesesuaian CPL denganReformulasi CPL Program Studi Sains Data
sebagai berikut:
CPL CPL-1 CPL-2 CPL-3 CPL-4 CPL-5 CPL-6 CPL-7 CPL-8 CPL-9
(A) (B) (C) (D) (E) (F) (G) (H) (I)
CPL
(SN Dikti)
S1 Ö
S2 Ö
S3 Ö
S4 Ö
S5 Ö
S6 Ö
S7 Ö
S8 Ö
S9 Ö
S10 Ö
S11 Ö
P1 Ö
P2 Ö
P3 Ö
Halaman 30 dari 53
KAMPUS
CPL CPL-1 CPL-2 CPL-3 CPL-4 CPL-5 CPL-6 CPL-7 CPL-8 CPL-9
(A) (B) (C) (D) (E) (F) (G) (H) (I)
P4 Ö
P5 Ö
P6 Ö
KU1 Ö
KU2 Ö
KU3 Ö
KU4 Ö
KU5 Ö
KU6 Ö
KU7 Ö
KU8 Ö
KU9 Ö
KU10 Ö
KK1 Ö
KK2 Ö
KK3 Ö
KK4 Ö
KK5 Ö
KK6 Ö
7. MATRIK HUBUNGAN CPL DENGAN PROFIL LULUSAN

Matriks hubungan CPL dengan Profil lulusan Program Studi Studi Sains Data
sebagai berikut:
Deskripsi CPL Prodi PL-1 PL-2 PL-3 PL-4 PL-5 PL-6
CPL-1 Mampu menjadi insan yang Ö Ö Ö Ö Ö Ö
bertaqwa, mandiri, bertanggung
(A)
jawab, bekerjasama,
Halaman 31 dari 53
KAMPUS

menghargai keanekaragaman
budaya dan memiliki wawasan
kebangsaan dengan nilai-nilai
bela negara
CPL-2 Menguasai konsep Ö Ö Ö Ö
pengetahuan mengenai
(B)
transformasi data menjadi
informasi, insight dan
knowledge menggunakan
metode statistik, aplikasi
probabilitas, machine learning
dan konsep teoritis bagian
khusus dalam bidang
pengetahuan tersebut secara
mendalam, serta mampu
memformulasikan penyelesaian
masalah prosedural
CPL-3 Mampu mengaplikasikan bidang Ö Ö
keahliannya dan memanfaatkan
(C)
ilmu pengetahuan, teknologi,
dan/atau seni meliputi
Matematika Sains Data,
Algoritma dan Pemrograman,
Statististik, Big data, elemen
Kecerdasan Buatan,
Perencanaan Proyek Sains
Data dalam penyelesaian
masalah serta mampu
beradaptasi terhadap situasi
yang dihadapi.
CPL-4 Mampu mengambil keputusan Ö Ö Ö
yang tepat berdasarkan data
(D)
dan sistem cerdas, serta
mampu memberikan petunjuk
dalam memilih berbagai metode
secara mandiri dan kelompok
CPL-5 Mampu mengimplementasikan, Ö Ö Ö
membandingkan dan
(E)
mengintegrasikan keahlian,
solusi dan gagasan dalam
bentuk deskripsi saintifik
CPL-6 Mampu menganalisis, Ö Ö Ö
mengintegrasi, dan
(F)
mengevaluasi data, informasi,
dan nilai-nilai bela negara
secara kelembagaan
CPL-7 Mampu secara kreatif dan Ö Ö Ö
inovatif memformulasikan
(G)
pemecahan masalah dengan
Halaman 32 dari 53
KAMPUS

memanfaatkan Big Data dan
teknologi sistem cerdas
berbasis konsep-konsep yang
relevan dan dengan
memanfaatkan alat-alat
pemodelan tepat
CPL-8 Mampu membangun Ö Ö Ö
pemrograman data science
(H)
untuk mendesain struktur data,
melakukan pemodelan,
menerapkan machine learning,
dan memvisualisasikan hasilnya
CPL-9 Mampu bekerja sama dalam tim Ö Ö Ö
merancang, membangun dan
(I)
menganalisis perangkat lunak
atau sistem informasi berbais
sistem cerdas skala
menengah/besar dengan
menerapkan/mengadopsi
konsep Big Data atau Machine
Learning yang tepat/sesuai
8. MATRIK HUBUNGAN CPL PRODI DAN TUJUAN PENDIDIKAN PRODI

Matriks hubungan CPL Program Studi Sains Data dan tujuan pendidikan Program
Studi Sains Data sebagai berikut:
Deskripsi CPL Prodi TP-1 TP-2 TP-3 TP-4 TP-5 TP-6 TP-7
CPL-1 Mampu menjadi insan yang Ö Ö Ö Ö Ö Ö Ö
bertaqwa, mandiri,
(A)
bertanggung jawab,
bekerjasama, menghargai
keanekaragaman budaya dan
memiliki wawasan kebangsaan
dengan nilai-nilai bela negara
CPL-2 Menguasai konsep Ö
pengetahuan mengenai
(B)
transformasi data menjadi
informasi, insight dan
knowledge menggunakan
metode statistik, aplikasi
probabilitas, machine learning
dan konsep teoritis bagian
khusus dalam bidang
pengetahuan tersebut secara
mendalam, serta mampu
memformulasikan
penyelesaian masalah
prosedural
Halaman 33 dari 53
KAMPUS
CPL-3 Mampu mengaplikasikan Ö Ö
bidang keahliannya dan
(C)
memanfaatkan ilmu
pengetahuan, teknologi,
dan/atau seni meliputi
Matematika Sains Data,
Algoritma dan Pemrograman,
Statististik, Big data, elemen
Kecerdasan Buatan,
Perencanaan Proyek Sains
Data dalam penyelesaian
masalah serta mampu
beradaptasi terhadap situasi
yang dihadapi.
CPL-4 Mampu mengambil keputusan Ö Ö
yang tepat berdasarkan data
(D)
dan sistem cerdas, serta
mampu memberikan petunjuk
dalam memilih berbagai
metode secara mandiri dan
kelompok
CPL-5 Mampu Ö Ö Ö Ö Ö
mengimplementasikan,
(E)
membandingkan dan
mengintegrasikan keahlian,
solusi dan gagasan dalam
bentuk deskripsi saintifik
CPL-6 Mampu menganalisis, Ö Ö Ö Ö Ö Ö Ö
mengintegrasi, dan
(F)
mengevaluasi data, informasi,
dan nilai-nilai bela negara
secara kelembagaan
CPL-7 Mampu secara kreatif dan Ö Ö
inovatif memformulasikan
(G)
pemecahan masalah dengan
memanfaatkan Big Data dan
teknologi sistem cerdas
berbasis konsep-konsep yang
relevan dan dengan
memanfaatkan alat-alat
pemodelan tepat
CPL-8 Mampu membangun Ö
pemrograman data science
(H)
untuk mendesain struktur data,
melakukan pemodelan,
menerapkan machine learning,
dan memvisualisasikan
hasilnya
Halaman 34 dari 53
KAMPUS
CPL-9 Mampu bekerja sama dalam Ö
tim merancang, membangun
(I)
dan menganalisis perangkat
lunak atau sistem informasi
berbais sistem cerdas skala
menengah/besar dengan
menerapkan/mengadopsi
konsep Big Data atau Machine
Learning yang tepat/sesuai
9.MATRIK CPL TERHADAP PEMBENTUKAN MATA KULIAH DAN PENENTUAN

BOBOT SKS
Matriks CPL terhadap pembentukan mata kuliah dan penentuan bobot SKS berikut:
No Mata Kuliah CPL

(sks)
CPL-1 CPL-2 CPL-3 CPL-4 CPL-5 CPL-6 CPL-7 CPL-8 CPL-9
(A) (B) (C) (D) (E) (F) (G) (H) (I)
Semester 1
1. Pancasila (2 sks) Ö Ö Ö
2. Bahasa Inggris (3 Ö Ö
sks)
3. Matematika Sains Ö Ö Ö Ö Ö
Data I (3 sks)
4. Pengantar Ö Ö Ö Ö Ö
Statistika (3 sks)
5. Algoritma dan Ö Ö Ö Ö
Pemrograman
Dasar (2-1 sks)
6. Pengantar Sains Ö Ö Ö Ö Ö
Data (2-1 sks)
7. Elemen Ö Ö Ö Ö Ö Ö
Kecerdasan
Buatan (2 sks)
Semester-2
1. Kewarganegaraan Ö Ö Ö
(2 sks)
2. Agama (2 sks) Ö Ö Ö
Halaman 35 dari 53
KAMPUS
No Mata Kuliah CPL

(sks)
(A) (B) (C) (D) (E) (F) (G) (H) (I)
3. Matematika Sains Ö Ö Ö Ö
Data II (3 sks)
4. Ö Ö Ö Ö
Algoritma dan
Pemrograman
Lanjut (2-1 sks)
5. Konsep Basis Ö Ö Ö Ö
Data (2-1 sks)
6. Data Wrangling Ö Ö Ö Ö Ö Ö
(2-1 sks)
7. Ö Ö Ö Ö Ö Ö
Statistika
Komputasi (2-1
sks)
Semester-3
1. Bela Negara (2-1 Ö Ö Ö
sks)
2. Matematika Diskrit Ö Ö Ö Ö
(3 sks)
3. Aljabar Linier (3 Ö Ö Ö Ö
sks)
4. Analisis Data Ö Ö Ö Ö Ö Ö
Eksploratif (2-1
sks)
5. Statistika Regresi Ö Ö Ö Ö Ö Ö
(2-1 sks)
6. Basis Data Lanjut Ö Ö Ö Ö Ö Ö
(2-1 sks)
7. Analisis Numerik Ö Ö Ö Ö Ö Ö
(3 sks)
Semester-4
1. Kepemimpinan (2 Ö Ö Ö
sks)
2. Bahasa Indonesia Ö Ö Ö
(2 sks)
3. Statistika Ö Ö Ö Ö Ö Ö Ö
Multivariat (2-1
sks)
Halaman 36 dari 53
KAMPUS
No Mata Kuliah CPL

(sks)
(A) (B) (C) (D) (E) (F) (G) (H) (I)
4. Big Data (2-1 sks) Ö Ö Ö Ö Ö Ö

5. Machine Learning Ö Ö Ö Ö Ö Ö Ö
I (2-1 sks)
6. Data Mining I (2-1 Ö Ö Ö Ö Ö Ö Ö
sks)
7. Komputasi Awan Ö Ö Ö Ö Ö
(2-1 sks)
Semester-5
1. Ö Ö Ö Ö Ö Ö
Praktik Kerja
Lapangan (2 sks)
[Kondisional]
2. Kuliah Kerja Ö Ö Ö
Nyata (2 sks)
[Kondisional]
3. Mata Kuliah
Pilihan I (2-1 sks)
4. Mata Kuliah
Pilihan II (2-1
sks)
5. Mata Kuliah
Pilihan III (2-1 Sesuai dengan capaian pembelajaran masing-masing mata kuliah
pilihan
sks)
6. Mata Kuliah
Pilihan IV (2-1
sks)
7.
Mata Kuliah
Pilihan V (2 sks)
8. Mata Kuliah
Pilihan VI (2 sks)
[Kondisional]
9. Mata Kuliah Soft
Skills I (2 sks) Sesuai dengan capaian pembelajaran masing-masing mata kuliah soft
[Kondisional] skill
Halaman 37 dari 53
KAMPUS
No Mata Kuliah CPL

(sks)
(A) (B) (C) (D) (E) (F) (G) (H) (I)
10.
Mata Kuliah Soft
Skills II (2 sks)
[Kondisional]
11. Sesuai dengan capaian pembelajaran dari setiap tambahan mata

Mata Kuliah kuliah wajib
Wajib Tambahan
(2-1 sks)
Semester-6
1. Praktik Kerja Ö Ö Ö Ö Ö Ö
Lapangan (2 sks)
[Kondisional]
2. Kuliah Kerja Ö Ö Ö
Nyata (2 sks)
[Kondisional]
3.
Mata Kuliah
Pilihan I (2-1 sks)
4. Mata Kuliah
Pilihan II (2-1
sks)
5. Sesuai dengan capaian pembelajaran masing-masing mata kuliah
Mata Kuliah
Pilihan III (2-1 pilihan
sks)
6. Mata Kuliah
Pilihan IV (2-1
sks)
7.
Mata Kuliah
Pilihan V (2 sks)
8. Mata Kuliah
Pilihan VI (2 sks)
[Kondisional]
Halaman 38 dari 53
KAMPUS
No Mata Kuliah CPL

(sks)
(A) (B) (C) (D) (E) (F) (G) (H) (I)
9. Mata Kuliah Soft

Skills I (2 sks)
[Kondisional] Sesuai dengan capaian pembelajaran masing-masing mata kuliah soft
skill
10. Mata Kuliah Soft
Skills II (2 sks)
[Kondisional]
11. Mata Kuliah Sesuai dengan capaian pembelajaran dari setiap tambahan mata
Wajib Tambahan kuliah wajib
(2-1 sks)
Semester-7
1. Ö Ö Ö
Dasar
Perencanaan
Proyek Sains
Data (2-1 sks)
2. Etika Profesi (2 Ö Ö Ö Ö Ö Ö Ö
sks)
3. Seminar Proposal Ö Ö Ö Ö Ö Ö
(2 sks)
4.
Sesuai dengan capaian pembelajaran dari setiap tambahan mata

kuliah wajib
Mata Kuliah Wajib
Tambahan (2-1
sks)
5.
Mata Kuliah Wajib
Tambahan (2-1
sks)
6.
Mata Kuliah Wajib
Tambahan (2-1
sks
Semester-8
Halaman 39 dari 53
KAMPUS
No Mata Kuliah CPL

(sks)
(A) (B) (C) (D) (E) (F) (G) (H) (I)
1. Skripsi (4 sks) Ö Ö Ö Ö Ö Ö Ö
Mata Kuliah Wajib Tambahan

1. Data Mining II (2-1 Ö Ö Ö Ö Ö Ö Ö
sks)
2. Machine Learning Ö Ö Ö Ö Ö Ö Ö
II (2-1 sks)
3. Ö Ö Ö Ö Ö Ö Ö
Dasar
Perencanaan
Proyek Sains
Data (2-1 sks)
4. Penelitian Sains Ö Ö Ö Ö Ö Ö Ö
Data (2-1 sks)
5. Ö Ö Ö Ö Ö Ö Ö
Deep Learning (2-
1 sks)
Mata Kuliah Pilihan
Statistika Ö Ö Ö Ö Ö Ö Ö
1. Nonparametrik (2-
1 sks)
Manajemen dan Ö Ö Ö Ö Ö Ö Ö
2. Kebijakan Big
Data (2-1 sks)
Perangkat Lunak Ö Ö Ö Ö Ö Ö Ö
3. Open Source Big
Data (2-1 sks)
Kapita Selekta (2- Ö Ö Ö Ö Ö Ö

4.
1 sks)
Proyek Basis Data Ö Ö Ö Ö Ö Ö Ö
5.
(2-1 sks)
Ö Ö Ö Ö Ö Ö Ö
Analitik Media
6.
Sosial (SDS) (2-1
sks)
Halaman 40 dari 53
KAMPUS
No Mata Kuliah CPL

(sks)
(A) (B) (C) (D) (E) (F) (G) (H) (I)
7. People Analytics
(SDS) (2-1 sks)
Natural
8. Language
Processing
(SDS)* (2-1 sks)
Kecerdasan
9. Bisnis (FDS) * (2-
1 sks)
Analisis
10. Segmentasi
Pelanggan (FDS)
(2-1 sks)
Pemodelan Data Ö Ö Ö Ö Ö Ö Ö
11. Bisnis (FDS) (2-1
sks)
Machine
Learning
12.
Bioinformatika
(MDS) (2-1 sks)
Sistem Cerdas Ö Ö Ö Ö Ö Ö Ö
13. Medis (MDS) * (2-
1 sks)
Sains Data
Perawatan
14.
Kesehatan (MDS)
(2-1 sks)
15. Pertanian Presisi
(ADS) * (2-1 sks)
Meteorologi
16. Pertanian (ADS)
(2-1 sks)
Sistem Pertanian
17. Perkotaan (ADS)
(2-1 sks)
Halaman 41 dari 53
KAMPUS
No Mata Kuliah CPL

(sks)
(A) (B) (C) (D) (E) (F) (G) (H) (I)
Analitik Data
Kota Cerdas
18.
Berkelanjutan
(SDS) (2-1 sks)
Statistika Iklim
dan
19.
Kebencanaan
(SDS) (2-1 sks)
Data Mining Ö Ö Ö Ö Ö Ö Ö
Investigasi
20.
Kriminalitas
(SDS) (2-1 sks)
Statistika Sains
Data dan
21. Analisis
Kebijakan (SDS)
(2-1 sks)
Integrasi
Aplikasi
22.
Korporasi (FDS)
(2-1 sks)
Analisis Deret
23. Waktu (FDS)* (2-
1 sks)
Blockchain dan
24. Cryptocurrency
(FDS) (2-1 sks)
Sains Data
Ekonometrika
25.
Keuangan (FDS)
(2-1 sks)
Analisis
26. Mikroskopi
(MDS) (2-1 sks)
Halaman 42 dari 53
KAMPUS
No Mata Kuliah CPL

(sks)
(A) (B) (C) (D) (E) (F) (G) (H) (I)
Deep Learning Ö Ö Ö Ö Ö Ö Ö
Pengolahan Citra
27.
Medis (MDS) (2-1
sks)
Analisis
Geospasial
28. Kesehatan
Masyarakat
(MDS) (2-1 sks)
Pengenalan
29. Suara Medis
(MDS) (2-1 sks)
Deteksi Penyakit
dan Manajemen
30.
Hama (ADS) (2-1
sks)
Sistem
Rekomendasi
31. Pemupukan
Pertanian (ADS)
(2-1 sks)
Klimatologi
32. Pertanian (ADS)
(2-1 sks)
Sistem Irigasi
33. Otomatis-IoT
(ADS) (2-1 sks)
Ö Ö Ö Ö
Keamanan Data
34. dan Aplikasi
(2 sks)
Ö Ö Ö Ö
Deployment
35.
Aplikasi (2 sks)
Halaman 43 dari 53
KAMPUS
No Mata Kuliah CPL

(sks)
(A) (B) (C) (D) (E) (F) (G) (H) (I)
Ö Ö Ö Ö
Data Storytelling
36.
(2 sks)
Ö Ö Ö Ö
Intuisi dan
37. Wawasan Data
(2 sks)
Ö Ö Ö Ö
38. Pengenalan Pola
(2-1 sks)
Ö Ö Ö Ö
39. Visi Komputer
(2-1 sks)
Ö Ö Ö Ö
40. Pengolahan Citra
Digital (2-1 sks)
Ö Ö Ö Ö
Internet of Things
41.
dan Aplikasinya
(2-1 sks)
Ö Ö Ö Ö
Framework
42. Pengembangan
Perangkat Lunak
(2 sks)
Sesuai dengan capaian pembelajaran masing-masing mata kuliah

pilihan yang akan ditambahkan oleh Tim Kurikulum
43. [Nama Mata
Kuliah Pilihan
Lainnya]
Mata Kuliah Softskills
Kepemimpinan (2 Ö Ö Ö
1.
sks)
Ö Ö Ö
2. Tanggungjawab
(2 sks)
Keingintahuan (2 Ö Ö Ö
3.
sks)
4. Inisiatif (2 sks) Ö Ö Ö
5. Ketekunan (2 sks) Ö Ö Ö
6. Kerjasama (2 sks) Ö Ö Ö
Halaman 44 dari 53
KAMPUS
No Mata Kuliah CPL

(sks)
(A) (B) (C) (D) (E) (F) (G) (H) (I)
7. Adaptasi (2 sks) Ö Ö Ö
Kedisiplinan Ö Ö Ö
8.
(2 sks)
Ö Ö Ö
9. Komunikasi
(2 sks)
Ö Ö Ö
10. Berfikir Kritis
(2 sks)
11. Kreatifitas (2 sks) Ö Ö Ö
Ö Ö Ö
Literasi: Data,
12.
Digital, Manusia
(2 sks)
Ö Ö Ö
13. Manajemen Diri
(2 sks)
Ö Ö Ö
14. Pemecahan
Masalah (2 sks)
10. ORGANISASI MATA KULIAH PROGRAM STUDI

Organisasi mata kuliah Program Studi Sains Data sebagai berikut:
KELOMPOK MATA KULIAH REGULER BKP MBKM DAN REKOGNISI
Smt SKS Jumlah Nama MK Nama MK Nama Jumlah Nama MK Nama MK Nama
MK Wajib/SKS Pilihan/SKS MKDU/SKS MK Wajib/SKS Pilihan/SKS MKDU/SKS
I 19 7 5 (14 sks) - 2 (5 sks) - - - -
II 19 7 5 (14 sks) - 2 (5 sks) - - - -
III 21 7 6 (18 sks) - 1 (3 sks) - - - -
IV 19 7 5 (14 sks) - 2 (5 sks) - - - -
V 23 9 2 (5 sks) 7 (18 sks) - 8 1 (2 sks) 7 (18 sks) -
VI 23 9 2 (5 sks) 7 (18 sks) - 8 1 (2 sks) 7 (18 sks) -
VII 16 6 5 (13 sks) - 1 (3 sks) 1 1 (2 sks) - -
VIII 4 1 1 (4 sks) - - - - - -
Total 144 53 31 (87 sks) 14 (36 sks) 8 (21 sks) 17 3 (6 sks) 14 (36 sks) -
Halaman 45 dari 53
KAMPUS
11. DAFTAR SEBARAN MATA KULIAH REGULER DAN BKP MBKM TIAP
SEMESTER
Daftar sebaran mata kuliah regular dan BKP MBKM tiap semester Program Studi
Sains Data sebagai berikut:
SEMESTER I Prasyarat Rekognisi

Mata Kuliah Bobot sks BKP
No Kode MK MBKM
(MK) Teori Praktikum Praktek Jumlah
1 UV21007 Pancasila 2 - - 2 - -
2 UV21010 Bahasa Inggris 3 - - 3 - -
3 SD211101 Matematika - - 3 - -
Sains Data I 3
4 SD211102 Pengantar - - 3 - -
Statistika 3
5 SD211103 Algoritma dan 2 1 - 3 - -
Pemrograman
Dasar
6 SD211105 Pengantar 2 1 - 3 - -
Sains Data
7 SD211110 Elemen - - 2 - -
Kecerdasan 2
Buatan
Jumlah Beban Studi Semester I 17 2 - 19 - -
SEMESTER II Prasyarat Rekognisi

Mata Kuliah (MK) Bobot sks BKP
No Kode MK MBKM
Teori Praktikum Praktek Jumlah
1 UV21008 Kewarganegaraan 2 - - 2 - -
2 UV2100X Agama 2 - - 2 - -
3 Matematika Sains - - 3 Matematika -
3
SD211106 Data II Sains Data I
4 Algoritma dan - 3 Algoritma dan -
Pemrograman 2 1 Pemrograman
SD211108 Lanjut Dasar
5 - 3 Algoritma dan -
Konsep Basis Data 2 1 Pemrograman
SD211109 Dasar
6 SD221137 Data Wrangling 2 1 - 3 Algoritma dan -
Pemrograman
Dasar,
Pengantar
Statistika
7 SD211113 Statistika 2 1 - 3 Algoritma dan -
Komputasi Pemrograman
Dasar,
Pengantar
Statistika
Jumlah Beban Studi Semester II 15 4 - 19 - -
Halaman 46 dari 53
KAMPUS
SEMESTER III Prasyarat Rekognisi

No Kode MK MBKM
1 UV21011 Bela Negara 2 1 - 3 - -
2 - - 3 Matematika -
Sains Data I,
Matematika Diskrit 3 Algoritma dan
Pemrograman
SD211111 Dasar
3 - - 3 Matematika -
Aljabar Linier 3
SD211112 Sains Data I
4 Analisis Data 3 Data -
2 1
SD211123 Eksploratif - Wrangling
5 - 3 Pengantar -
Statistika Regresi 2 1
SD211114 Statistika
6 - 3 Konsep Basis -
Basis Data Lanjut 2 1
SD211115 Data
7 SD211118 Analisis Numerik 3 - - 3 - -
Jumlah Beban Studi Semester III 17 4 - 21 - -
SEMESTER IV Prasyarat Rekognisi

No Kode MK MBKM
1 UV21013 Kepemimpinan 2 - - 2 - -
2 UV21009 Bahasa Indonesia 2 - - 2 - -
3 Statistika - 3 -
2 1 Aljabar Linear
SD211119 Multivariat
4 - 3 Basis Data -
Big Data 2 1
SD211120 Lanjut
5 - 3 Pengantar -
Statistika,
Machine Learning I 2 1
Pengantar
SD211124 Sains Data
6 - 3 Pengantar -
Statistika,
Data Mining I 2 1
Pengantar
SD211125 Sains Data
7 SD211126 Komputasi Awan 2 1 - 3 - -
Jumlah Beban Studi Semester IV 14 5 - 19 - -
SEMESTER V Prasyarat Rekognisi

Kode Mata Kuliah Bobot sks BKP
No MBKM
MK (MK) Teori Praktikum Praktek Jumlah
1 SD2111 Praktik Kerja 2 2 1) Jika menambah/
33 Lapangan - mengkonversi MK
[Kondisional] Praktik Kerja
2 SD2111 Kuliah Kerja - 2 2 Lapangan DAN Kuliah
27 Nyata Kerja Nyata di SMT V,
[Kondisional] maka juga
menambah/mengkonv
ersi MK Soft Skills I di
SMT V
2) Jika menambah/
Halaman 47 dari 53
KAMPUS
SEMESTER V Prasyarat Rekognisi

No MBKM
mengkonversi MK
Praktik Kerja
Lapangan ATAU
Kuliah Kerja Nyata di
SMT V, maka juga
menambah/mengkonv BKP MBKM
ersi MK Soft Skills I
dan II di SMT V
3) Jika TIDAK
menambah/
mengkonversi MK
Praktik Kerja
Lapangan DAN Kuliah
Kerja Nyata di SMT V,
maka harus
menambah/mengkonv
dan II di SMT V
3 SD2212 Mata Kuliah - 3
2 1 -
XX Pilihan I
-
XX Pilihan II 2 1
-
XX Pilihan III 2 1
2 1 -
XX Pilihan IV
2 - -
XX Pilihan V
8 SD2212 Mata Kuliah - - 2 MK Pilihan VI dapat
2
XX Pilihan VI ditambah/dikonversi jika
[Kondisional] MK Praktik Kerja
Lapangan DAN Kuliah
Kerja Nyata TIDAK
ditambah/dikonversi di
semester V
9 SD2213 Mata Kuliah - - 2

Menyesuaikan Pemilihan
XX Soft Skills I 2
MK Praktik Kerja
[Kondisional]
Lapangan dan/atau Kuliah
Kerja Nyata di SMT V
XX Soft Skills II 2
[Kondisional]
11 SD2111 Mata Kuliah 2 1 - 3
Sesuai Prasyarat Mata
XX Wajib -
Kuliah Wajib
Tambahan
Jumlah Beban Studi Semester V 18 5 - 23 - -
SEMESTER VI Prasyarat Rekognisi

No MBKM
1 SD2111 Praktik Kerja 2 2
33 Lapangan - 1) Jika
[Kondisional] menambah/mengkonv
Halaman 48 dari 53
KAMPUS
SEMESTER VI Prasyarat Rekognisi

No MBKM
2 2 2 ersi MK Praktik Kerja
Kuliah Kerja Lapangan DAN Kuliah
SD2111 Nyata
27 - Kerja Nyata di SMT VI,
[Kondisional] maka juga
menambah/mengkonv
ersi MK Soft Skills I di
SMT VI
2) Jika
menambah/mengkonv
ersi MK Praktik Kerja
Lapangan ATAU
Kuliah Kerja Nyata di
SMT VI, maka juga BKP MBKM
menambah/mengkonv
dan II di SMT VI
3) Jika TIDAK
menambah/mengkonv
ersi MK Praktik Kerja
Lapangan DAN Kuliah
Kerja Nyata di SMT VI,
maka harus
menambah/mengkonv
dan II di SMT VI
2 1 -
XX Pilihan I
-
XX Pilihan II 2 1
-
XX Pilihan III 2 1
2 1 -
XX Pilihan IV
2 - -
XX Pilihan V
8 SD2212 Mata Kuliah - - 2 MK Pilihan VI dapat
2
XX Pilihan VI ditambah/dikonversi jika
Lapangan DAN Kuliah
Kerja Nyata telah
ditambah/dikonversi di
semester V (sebelumnya)
agar mencapai 144 sks
XX Soft Skills I 2 Menyesuaikan Pemilihan
10 SD2213 Mata Kuliah - - 2 Lapangan dan/atau Kuliah
XX Soft Skills II 2 Kerja Nyata di SMT VI
[Kondisional]
11 SD2111 Mata Kuliah 2 1 - 3
Sesuai Prasyarat Mata
XX Wajib -
Kuliah Wajib
Tambahan
Jumlah Beban Studi Semester 18 5 - 23 - -
VI
Halaman 49 dari 53
KAMPUS
SEMESTER VII Prasyarat Rekognisi

No Kode MK MBKM
1 - 2 Permadi
SD211134 Etika Profesi 2 - - Prodi
Hukum
2 2 2 Telah -
SD211135 Seminar Proposal menempuh
- -
minimal 120
SKS
3 UV21012 Kewirausahaan 3 - - 3 - -
4 - 3 Sesuai -
SD2111XX Mata Kuliah Prasyarat
2 1
Wajib Tambahan Mata Kuliah
Wajib
5 - 3 Sesuai -
SD2111XX Mata Kuliah Prasyarat
2 1
Wajib
6 SD2111XX - 3 Sesuai -
Mata Kuliah Prasyarat
2 1
Wajib
Jumlah Beban Studi Semester VII 13 3 - 16 - -
SEMESTER VIII Prasyarat Rekognisi

No Kode MK
Teori Praktikum Praktek Jumlah MBKM
1 SD211136 Skripsi - - 4 4 - -
Jumlah Beban Studi Semester VIII - - 4 4 - -
Mata Kuliah Wajib Tambahan

SEMESTER V/ VI/ VII Prasyarat
Mata Kuliah (MK) Bobot sks
No Kode MK
1 SD211128 Data Mining II 2 1 - 3 Data Mining I
2 Machine Learning - 3 Machine
2 1
SD211129 II Learning I
3 Dasar - 3
Perencanaan 2 1
SD211132 Proyek Sains Data
4 Penelitian Sains - 3
2 1
SD211131 Data
5 - 3 Elements of
Artificial
2 1 Intelligence,
Machine
SD211130 Deep Learning Learning I
6 SD211128 Data Mining II 2 1 - 3 Data Mining I
Halaman 50 dari 53
KAMPUS
Mata Kuliah Pilihan

Bobot (sks)
Kode MK Mata Kuliah (MK)
No. Teori Praktik Praktikum Jumlah
1 Statistika Nonparametrik 2 1 - 3
SD221201
2 Manajemen dan Kebijakan Big Data 2 1 - 3
SD221202
3 Perangkat Lunak Open Source Big Data 2 1 - 3
SD221203
4 2 1 - 3
SD221204 Kapita Selekta
5 Proyek Basis Data 2 1 - 3
SD221205
6 2 1 - 3
SD221206 Analitik Media Sosial (SDS)
7 2 1 - 3
SD221207 People Analytics (SDS)
8 2 1 - 3
SD221208 Natural Language Processing (SDS) *
9 2 1 - 3
SD221209 Kecerdasan Bisnis (FDS) *
10 2 1 - 3
SD221210 Analisis Segmentasi Pelanggan (FDS)
11 2 1 - 3
SD221211 Pemodelan Data Bisnis (FDS)
12 Machine Learning Bioinformatika (MDS) 2 1 - 3
SD221212
13 Sistem Cerdas Medis (MDS) * 2 1 - 3
SD221213
14 Sains Data Perawatan Kesehatan (MDS) 2 1 - 3
SD221214
15 2 1 - 3
SD221215 Pertanian Presisi (ADS) *
16 2 1 - 3
SD221216 Meteorologi Pertanian (ADS)
17 2 1 - 3
SD221217 Sistem Pertanian Perkotaan (ADS)
18 Analitik Data Kota Cerdas Berkelanjutan - 3
2 1
SD221218 (SDS)
19 - 3
Statistika Iklim dan Kebencanaan (SDS) 2 1
SD221219
20 Data Mining Investigasi Kriminalitas - 3
2 1
SD221220 (SDS)
21 - 3
Statistika Sains Data dan Analisis
2 1
Kebijakan (SDS)
SD221221
22 Integrasi Aplikasi Korporasi (FDS) 2 1 - 3
SD221222
23 Analisis Deret Waktu (FDS)* 2 1 - 3
SD221223
24 Blockchain dan Cryptocurrency (FDS) 2 1 - 3
SD221224
25 Sains Data Ekonometrika Keuangan - 3
2 1
SD221225 (FDS)
26 Analisis Mikroskopi (MDS) 2 1 - 3
SD221226
27 Deep Learning Pengolahan Citra Medis - 3
2 1
SD221227 (MDS)
28 Analisis Geospasial Kesehatan - 3
2 1
SD221228 Masyarakat (MDS)
Halaman 51 dari 53
KAMPUS
Bobot (sks)
29 Pengenalan Suara Medis (MDS) 2 1 - 3
SD221229
30 Deteksi Penyakit dan Manajemen Hama - 3
2 1
SD221230 (ADS)
31 - 3
Sistem Rekomendasi Pemupukan
2 1
Pertanian (ADS)
SD221231
32 Klimatologi Pertanian (ADS) 2 1 - 3
SD221232
33 Sistem Irigasi Otomatis-IoT (ADS) 2 1 - 3
SD221233
34 Keamanan Data dan Aplikasi 2 - 2
SD221234
35 Deployment Aplikasi 2 - - 2
SD221235
36 Data Storytelling 2 - - 2
SD221236
37 2 - - 2
SD221237 Intuisi dan Wawasan Data
38 2 1 - 3
SD221238 Pengenalan Pola
39 2 1 - 3
SD221239 Visi Komputer
40 2 1 - 3
SD221240 Pengolahan Citra Digital
41 2 1 - 3
SD221241 Internet of Things dan Aplikasinya
42 Framework Pengembangan Perangkat - 2
2 -
SD221242 Lunak
43 SD2212XX [Nama Mata Kuliah Pilihan yang dapat ditambahkan oleh Tim Kurikulum]
Mata Kuliah Softskills

Bobot (sks)
1 2 - - 2
MBKM221301 Kepemimpinan
2 2 - - 2
MBKM221302 Tanggungjawab
3 2 - - 2
MBKM221303 Keingintahuan
4 2 - - 2
MBKM221304 Inisiatif
5 2 - - 2
MBKM221305 Ketekunan
6 2 - - 2
MBKM221306 Kerjasama
7 2 - - 2
MBKM221307 Adaptasi
8 2 - - 2
MBKM221308 Kedisiplinan
9 2 - - 2
MBKM221309 Komunikasi
10 2 - - 2
MBKM221310 Berfikir Kritis
11 2 - - 2
MBKM221311 Kreatifitas
12 2 - - 2
MBKM221312 Literasi: Data, Digital, Manusia
Halaman 52 dari 53
KAMPUS
Bobot (sks)
13 2 - - 2
MBKM221313 Manajemen Diri
14 2 - - 2
MBKM221314 Pemecahan Masalah
15 MBKM223XX [Nama Mata Kuliah Soft Skills dan Free Form yang dapat ditambahkan oleh Tim
Kurikulum]
Halaman 53 dari 53
KAMPUS
LAMPIRAN RENCANA PEMBELAJARAN SEMESTER (RPS)
Dokumen Rencana Pembelajaran Semester, didokumentasikan secara sendiri untuk

seluruh mata kuliah dan Bentuk Pembelajaran MBKM

Kurikulum MBKM Sains Data-UPNVJT

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Kurikulum MBKM Sains Data-UPNVJT

Diunggah oleh

Hak Cipta:

Format Tersedia

DOKUMEN

PROGRAM STUDI SAINS DATA

FAKULTAS ILMU KOMPUTER

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

Tresna Maulana Fahrudin, S.ST., M.T.

Kartika Maulida Hindrayani, S.Kom., M.Kom.

Dr. Ir. Ni Ketut Sari, M.T.

DASAR HUKUM / REFERENSI KUALIFIKASI PELAKSANA

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

Nomor 18 Tahun 2019,

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

RIWAYAT PERUBAHAN DOKUMEN

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

Tresna Maulana Fahrudin, S.ST,. M.T.

Prismahardi Aji Riyantoko, S.Si., M.Si.

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

1. LANDASAN KURIKULUM MBKM ....................................................................................... 9

2. VISI, MISI, TUJUAN PENDIDIKAN FAKULTAS................................................................ 13

3. VISI KEILMUAN PRODI DAN TUJUAN PENDIDIKAN PRODI ......................................... 16

4. EVALUASI KURIKULUM ................................................................................................... 18

5. PROFIL LULUSAN ............................................................................................................ 23

6. PERUMUSAN CPL (SN-DIKTI) ......................................................................................... 25

7. MATRIK HUBUNGAN CPL DENGAN PROFIL LULUSAN ............................................... 30

8. MATRIK HUBUNGAN CPL PRODI DAN TUJUAN PENDIDIKAN PRODI ........................ 32

9.MATRIK CPL TERHADAP PEMBENTUKAN MATA KULIAH DAN PENENTUAN BOBOT

10. ORGANISASI MATA KULIAH PROGRAM STUDI .......................................................... 44

LAMPIRAN RENCANA PEMBELAJARAN SEMESTER (RPS) ............................................ 53

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

1. LANDASAN KURIKULUM MBKM

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

l. Keputusan Menteri Pendidikan dan Kebudayaan Republik Indonesia Nomor

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

Pengembangan Soft Skill Mahasiswa Universitas Pembangunan Nasional

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

pendidikan tinggi. Proyek kemanusiaan adalah bentuk kegiatan pembelajaran

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

pengetahuan dan keterampilan melalui keilmuan di bidang matematika dan

2. VISI, MISI, TUJUAN PENDIDIKAN FAKULTAS

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

B. Misi Fakultas Ilmu Komputer

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

5) Mengembangkan kualitas sumber daya manusia unggul dalam sikap dan

C. Tujuan Fakultas Ilmu Komputer

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

3. VISI KEILMUAN PRODI DAN TUJUAN PENDIDIKAN PRODI

A. Visi Program Studi Sains Data

B. Misi Program Studi Sains Data

2) Menyelenggarakan penelitian dan pengembangan ilmu pengetahuan di

3) Menyelenggarakan pengabdian kepada masyarakat dengan menerapkan

5) Mengembangkan kualitas Sumber Daya Manusia yang memiliki karakter

6) Mengembangkan sistem pengelolaan sarana dan prasarana terintegrasi

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

7) Menjalin kerjasama dengan masyarakat, institusi, dan lembaga pemerintah

C. Tujuan Program Studi Sains Data

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

7) Mendukung fakultas dalam menyelenggarakan kerjasama dengan

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

Monitoring dan evaluasi kurikulum dilakukan melalui siklus manajemen yang

B. Aspek-aspek Monitoring dan Evaluasi Kurikulum

DOKUMEN KURIKULUM MBKM PROGRAM STUDI SAINS DATA

5) Kejelasan capaian pembelajaran lulusan (CPL) yang memenuhi standar

C. Metode Monitoring dan Evaluasi Kurikulum