PRODI INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA
YOGYAKARTA

SI LABUS
Nama MK : Kecerdasan Bisnis Kelas : A, B
Kode MK : INMA108 Semester/TA : Genap 2023/2023
SKS/JP : 3/3 Dosen : PH. Prima Rosa, MSc.
Prasyarat: - Dr. Ridowati Gunawan

DESKRIPSI SINGKAT MATAKULIAH

• Kecerdasan Bisnis (business intelligence) merupakan perpaduan antara

teknologi dan metode-metode untuk memperkaya pembuatan keputusan
dalam organisasi laba maupun nirlaba dari level operasional sampai dengan
level strategis.

CAPAIAN PEMBELAJARAN LULUSAN

Melalui matakuliah ini, mahasiswa diharapkan untuk:

CPL 3. Mampu bertanggungjawab secara mandiri, dan mampu mengikuti

perkembangan bidang ilmunya;
CPL 4. Mampu bekerjasama dengan berbagai pihak yang memiliki latar
belakang yang beragam;
CPL 5. Mampu menerapkan teori di bidang informatika dan dasar - dasar
pengembangan perangkat lunak untuk menghasilkan solusi
berbasis computing;
CPL 6. Mampu menerapkan pemikiran logis, kritis, dan sistematis dalam
konteks implementasi di bidang computing;
CPL 7. Mampu mengambil keputusan secara tepat dalam konteks
penyelesaian masalah di bidang computing, berdasarkan
hasil analisis informasi dan data;

CAPAIAN PEMBELAJARAN MATA KULIAH

Pada akhir matakuliah ini, mahasiswa diharapkan memiliki kemampuan untuk:

CPMK 1. Memahami konsep dasar kecerdasan bisnis yang mencakup
analisis deskriptif, prediktif, dan preskriptif.
CPMK 2. Melakukan pengolahan data, menganalisis, dan menyajikannya
untuk mendukung pengambilan keputusan dengan
menggunakan berbagai teknik dan metode dalam kecerdasan
bisnis
CPMK 3. Menguasai perangkat lunak bantu untuk mengimplementasikan
teknik yang dibutuhkan dalam kecerdasan bisnis.
CPMK 4. Bersikap mandiri, kreatif, dan jujur dalam proses
pembelajaran.
CPMK 5. Bekerja dalam tim dan mengkomunikasikan hasil kerjanya
secara lisan dan tertulis.
RANCANGAN KEGIATAN BELAJAR MENGAJAR

Pertemuan Pokok Bahasan / Sub Pokok bahasan

1 1. Tata kelola pembelajaran: silabus, peta mata kuliah
dalam kurikulum, tugas, mekanisme pembelajaran,
aturan dan disiplin perkuliahan.

2. Pengantar:
a. Kecerdasan bisnis (business intelligence):
pengertian, tujuan, manfaat
b. Analytics
c. Data science
d. Big data analytics
e. Contoh kasus dalam berbagai domain

2 Analisis Deskriptif (Bagian I):

a. Ilustrasi kasus
b. Sifat data
c. Pemodelan statistikal untuk analisis bisnis
d. Visualisasi

3-4 Analisis deskriptif (Bagian II):

1. Ilustrasi kasus
2. Kecerdasan bisnis & gudang data (data warehouse)
3. Proses penggudangan data
4. Arsitektur gudang data
5. Integrasi data dan proses ETL (extraction,
transformation, load)
6. Pembangunan gudang data
7. Isu implementasi gudang data
8. Administrasi, keamanan gudang data, dan trend masa
depan gudang data
9. Business Performance Management
10. Alat bantu penggudangan data

6-7 Analisis prediktif (Bagian I):

1. Ilustrasi kasus
2. Konsep dasar penambangan data
3. Aplikasi penambangan data
4. Proses penambangan data
5. Metode penambangan data:
a. Klasifikasi
b. Clustering
c. Asosiasi
d. Outlier detection
6. Alat bantu penambangan data

5 USIP 1

8-9 Analisis prediktif (Bagian II):

1. Ilustrasi kasus
2. Analisis teks dan text mining
3. Aplikasi text mining
4. Proses text mining
5. Sentiment analysis

10-11 Analisis Preskriptif:

 1. Ilustrasi kasus
2. Optimisasi
3. Simulasi
12-13 Big Data:
1. Ilustrasi kasus
2. Konsep dasar big data analytics
3. Teknologi big data
4. Big data dan data warehousing
14-15 Studi kasus dan Presentasi proyek USIP 2

16 UAS

METODE PEMBELAJARAN
 Ceramah, tanya jawab, diskusi kelompok, presentasi

DAFTAR PUSTAKA:
[1] Ramesh Sharda, Dursun Delen, Efraim Turban, 2018, Business
Intelligence, Analytics, & Data Science: A Managerial Perspective,
Fourth Edition, Pearson (E-book)

[2] Anil K. Maheshwari, 2015, Business Intelligence and Data Mining,

Business Expert Press, LLC (E-book), New York

[3] Jay Gendron, 2016, Introduction to R for Business Intelligence, Packt

Publishing (E-book), Birmingham

[4] Jiawei Han, Micheline Kamber, 2005, Data Mining : Concepts and
Techniques, Second Edition, Morgan Kaufmann (E-book)

[5] Pang Ning, 2005, Introduction To Data Mining, First Edition, Addison
Wesley.

[6] Budi Santosa, 2007, Data Mining: Teknik Pemanfaatan Data Untuk
Keperluan Bisnis Teori dan Aplkasi, Graha Ilmu, Yogyakarta, Indonesia

[7] Ian H. Witten, Eibe Frank, 2005, Practical Machine Learning Tools and
Techniques, Second Edition, Morgan Kaufmann.

EVALUASI
1. USIP I : 20%
2. USIP II : 20%
3. Tugas : 20%
4. UAS : 30%
5. Partisipasi & kerjasama : 10%

 Seize the Day !!! 