YEKTI WIDYANINGSIH
AKADEMIK FMIPA UI
Informasi Umum
Kode MK SCMF600002
Jumlah SKS 2
Status MK Wajib
Semester ke- 2
MK Prasyarat -
Bahasa Pengantar Indonesia
AKADEMIK FMIPA UI
Metode pembelajaran &
teknis perkuliahan
AKADEMIK FMIPA UI
Deskripsi mata kuliah
Sains Data (Data Science - DS) dan Big Data (BD) telah menjadi kunci penting dalam kesuksesan industri
dan pemerintahan di banyak tempat di seluruh dunia. Mengetahui tantangan, peluang, teknologi, dan
metode terkait DS dan BD akan menjadi salah satu faktor penentu persaingan bisnis di era data. Mata
kuliah Pengantar Sains Data (PSD) dimulai dengan pengenalan berbagai istilah dan sejarah mengapa
teknologi dan metode baru terkait DS dan BD terlahir. Hubungan antara DS, BD, AI (Artificial
Intelligence), Machine Learning, Statistika, dan berbagai bidang ilmu terkait data lainnya menjadi
pembahasan selanjutnya. Overview dari berbagai metode dan teknologi yang ada di DS dan BD menjadi
fondasi bagi para pemula untuk mendalami lebih lanjut ilmu DS dan-atau BD. Deskripsi, tugas, serta
tanggung jawab berbagai profesi terkait data seperti Data Scientist, Data Engineer, dan Data Analyst
menjadi salah satu pokok bahasan di mata kuliah ini. Berbagai isu terkait hukum dan ethics data, serta
diskusi terkait masa depan teknologi dan metode di DS dan BD juga tidak luput dari pembahasan di mata
kuliah ini.
Bagian kedua dari mata kuliah PSD mengakomodir kebutuhan mahasiswa dalam memahami dasar ilmu
statistika (metode statistika). Statistika dasar yang dibahas meliputi ukuran pusat dan keseragaman data,
dasar peluang, uji statistika sederhana, analisis keragaman, dan korelasi. Bahasa pengantar yang
digunakan dalam mata kuliah ini adalah bahasa Indoensia dan bahasa Inggris.
AKADEMIK FMIPA UI
Capaian Pembelajaran
mata kuliah
AKADEMIK FMIPA UI
Sub Capaian
Pembelajaran mata kuliah
AKADEMIK FMIPA UI
Sub Capaian
Pembelajaran mata kuliah
Mahasiswa mampu menjelaskan keseluruhan proses data mining pada sebuah permasalahan nyata
Sub- CPMK 8
(C2).
Mahasiswa mampu menjelaskan konsep peluang dan menerapkannya pada data diskrit maupun
Sub-CPMK 9
kontinu. (C3)
Mampu menjelaskan mengenai distribusi sampling dan beberapa teorema penting dalam statistika.
Sub-CPMK 10
(C2)
Mahasiswa mampu melakukan estimasi parameter dan pengujian hipotesis untuk satu dan dua
Sub-CPMK 11
populasi, uji proporsi, uji ragam,m dan uji homogenitas . (C3)
Mahasiswa mampu melakukan pengolahan dan analsis data sederhana dengan korelasi dan regresi.
Sub-CPMK 12
(C4)
Sub-CPMK 13 Mahasiswa mampu melakukan pengolahan data sederhana dengan metode pengelompokan. (C3)
Mahasiswa mampu menggunakan perangkat lunak sains data, teknologi komputasi dan informasi
Sub-CPMK 14
untuk membantu dalam pengambilan dan pengolahan data sederhana (C3).
AKADEMIK FMIPA UI
1 SKS kuliah
AKADEMIK FMIPA UI
Kalender Akademik UI
Semester genap 2020/2021
Kegiatan Waktu
Pengisian IRS 1– 12 Februari 2021
Pengisian IRS Eksternal (mk lintas prodi) 8– 12 Februari 2021
Kegiatan Perkuliahan dan Ujian
22 Feb -- 2 Juli 2021
(UTS dan UAS)
Ujian Tengah Semester (UTS di blok) 19 -- 24 April 2021
Ujian Akhir semester (UAS di blok) 21 Juni -- 2 Juli 2021
Batas Akhir Pengunggahan Nilai Ujian
9 Juli 2021
Semester Gasal 2020/2021 ke dalam SIAK
(pukul 16.00)
NG (kecuali Tugas Akhir)
AKADEMIK FMIPA UI
SAP
(Satuan Acara Perkuliahan)
Pekan Topik Bahasan
1 22 – 27 Feb
2 1 – 6 Mar
3 8 – 13 Mar
4 15 – 20 Mar
5 22 – 27 Mar
6 29 Mar – 3 Apr
AKADEMIK FMIPA UI
SAP
(Satuan Acara Perkuliahan)
Pekan Topik Bahasan
7 5 – 10 Apr Pendahuluan statistika dan analisis data.
AKADEMIK FMIPA UI
Sumber: https://azkadina.com/kalender-bulan-mei-2021/
SAP
(Satuan Acara Perkuliahan)
AKADEMIK FMIPA UI
Komponen penilaian*
AKADEMIK FMIPA UI
Bahan bacaan/
referensi
1. Baesens, B. (2014). Analytics in a big data world: The essential guide to data science
and its applications. John Wiley & Sons. (general introduction to data science and big data)
2. Cielen, D., Meysman, A., & Ali, M. (2016). Introducing data science: big data, machine
learning, and more, using Python tools. Manning Publications Co. (good technical
reference to big data related problems)
3. Berman, J. J. (2018). Principles and Practice of Big Data: Preparing, Sharing, and
Analyzing Complex Information. Academic Press.
4. Ratner, B. (2017). Statistical and Machine-Learning Data Mining:: Techniques for
Better Predictive Modeling and Analysis of Big Data. Chapman and Hall/CRC.
5. Furht, B., & Villanustre, F. (2016). Big data technologies and applications. Berlin,
Germany: Springer.
6. Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. (1993). Probability and statistics
for engineers and scientists (Vol. 5). New York: Macmillan.
7. Freeman, L., & Peace, A. G. (Eds.). (2005). Information ethics: privacy and intellectual
property. IGI Global.
AKADEMIK FMIPA UI
Tata tertib
perkuliahan daring
AKADEMIK FMIPA UI
Tata tertib
perkuliahan daring
AKADEMIK FMIPA UI
Tata tertib
perkuliahan daring
4. Sebelum mengikuti perkuliahan secara video
conference (sinkronus), mahasiswa harus:
• Memastikan telah mendapat link/ID meeting
untuk join ke dalam virtual class.
• Membaca materi (ppt/video/bacaan) yang telah
ditugaskan oleh dosen
• Menyiapkan pertanyaan jika ada hal yang kurang
dimengerti dari materi, untuk ditanyakan kepada
dosen.
AKADEMIK FMIPA UI
Tata tertib
perkuliahan daring
5. Selama perkuliahan secara video conference*
(sinkronus) berlangsung, mahasiswa
• Mematikan audio (pada kondisi mute) dan video
selama sesi kuliah, kecuali jika diminta oleh dosen
untuk mengaktifkannya.
• Menyalakan audio dan video jika dosen
menetapkan bahwa sesi tersebut adalah sesi
diskusi.
• Jika akan mengajukan pertanyaan, dapat secara
langsung atau ditulis dalam chat
* Opsi: Microsoft Teams/Google meet/Zoom/Skype
AKADEMIK FMIPA UI
Tata tertib
perkuliahan daring
6. Kehadiran mahasiswa dalam perkuliahan selama 1
(satu) semester akan direkap dari:
• Aktivitas mahasiswa (secara mingguan) di dalam
EMAS (login, mengakses materi kuliah,
keterlibatan dalam forum diskusi, men-submit
tugas, mengerjakan kuis, dll.)
• Daftar hadir* yang diberikan saat perkuliahan
melalui video conference (sinkronus).
AKADEMIK FMIPA UI
Tata tertib
perkuliahan daring
7. EMAS merupakan platform utama yang
digunakan untuk interaksi dosen/tim dosen
dengan mahasiswa, sehingga mahasiswa harus
selalu memperhatikan pengumuman di EMAS.
8. Media lain seperti email, SMS, Whatsapp, LINE
dapat digunakan sesuai kesepakatan dengan
dosen/tim dosen.
9. Mahasiswa wajib memperhatikan etika jika akan
menghubungi dosen/tim dosen (pada hari dan
jam kerja) .
AKADEMIK FMIPA UI
Tata tertib ujian
semester secara daring
AKADEMIK FMIPA UI
AKADEMIK FMIPA UI
AKADEMIK FMIPA UI
Tata tertib ujian
semester secara daring
AKADEMIK FMIPA UI
Tata tertib ujian
semester secara daring
3. Apabila dikemudian hari mahasiswa terbukti
melakukan kecurangan akademik dalam mengerjakan
ujian, mahasiswa tersebut akan dikenakan sanksi
akademik sesuai dengan
•SK Rektor UI Nomor 014, Tahun 2016, pasal 31 ayat 8 dan
pasal 33 ayat 4 (S1)
•SK Rektor UI Nomor 015, Tahun 2016, pasal 38 ayat 4 (S2)
•SK Rektor UI Nomor 016, Tahun 2016, pasal 35 ayat 4 (S3)
yaitu mahasiswa diberikan nilai E untuk mata kuliah ini.
AKADEMIK FMIPA UI
Tata tertib ujian
semester secara daring
AKADEMIK FMIPA UI
REFERENSI
• KETETAPAN MAJELIS WALI AMANAT UNIVERSITAS
INDONESIA Nomor 008/SK/MWA-UI/2004 TENTANG
PERUBAHAN KETETAPAN MWA UNIVERSITAS INDONESIA
NOMOR: 005/SK/MWA-UI/2004 TENTANG TATA TERTIB
KEHIDUPAN KAMPUS UNIVERSITAS INDONESIA
• PERATURAN MAJELIS WALI AMANAT UNIVERSITAS
INDONESIA Nomor : 003 /Peraturan/MWA-UI/2005
TENTANG KEBIJAKAN RISET UNIVERSITAS INDONESIA
AKADEMIK FMIPA UI
REFERENSI
AKADEMIK FMIPA UI
Apakah EDOM?
•Evaluasi Dosen Oleh Mahasiswa, instrumen
untuk menilai kinerja dosen dalam proses
pembelajaran di akhir semester. Peduli mutu
adalah motto Universitas Indonesia.
AKADEMIK FMIPA UI
Wajibkah Mahasiswa Mengisi
EDOM?
https://edom.ui.ac.id/login.php
AKADEMIK FMIPA UI
SSO log