Universitas Negeri Surabaya
Fakultas Matematika dan Ilmu Pengetahuan Alam
Program Studi S1 Kecerdasan Artifisial

Kode Dokumen

SEMESTER LEARNING PLAN

Course

KODE

Rumpun MataKuliah

Bobot Kredit

SEMESTER

Tanggal Penyusunan

Analisis Big Data

5528303016

T=3

P=0

ECTS=4.77

6

9 April 2026

OTORISASI

Pengembang S.P

Koordinator Rumpun matakuliah

Koordinator Program Studi




.......................................


.......................................


ELLY MATUL IMAH

Model Pembelajaran

Project Based Learning

Program Learning Outcomes (PLO)

PLO program Studi yang dibebankan pada matakuliah

PLO-1

Mampu menunjukkan nilai-nilai agama, kebangsaan dan budaya nasional, serta etika akademik dalam melaksanakan tugasnya

PLO-3

Mengembangkan pemikiran logis, kritis, sistematis, dan kreatif dalam melakukan pekerjaan yang spesifik di bidang keahliannya serta sesuai dengan standar kompetensi kerja bidang yang bersangkutan

PLO-6

Mampu mengelola data (mengumpulkan, membersihkan, merekonstruksi, dan mengintegrasikan), merancang dan mengimplementasikan sistem (khususnya terkait Big Data), serta menganalisis dan mengekstraksi makna menggunakan metode kecerdasan artifisial untuk mendukung pengambilan keputusan bisnis dan mengevaluasi performa tindakan yang dihasilkan.

PLO-7

Mampu merancang skenario dan membangun model kecerdasan artifisial, mengevaluasi hasil pemodelan dan mereview proses pemodelan, melakukan deployment model dan memelihara model, melakukan review proyek kecerdasan artifisial dan membuat laporan akhir.

PLO-11

Mampu mengambil keputusan secara tepat berdasarkan prosedur dan standar di bidang kecerdasan artifisial, menunjukkan kepemimpinan dengan bertanggung jawab atas pencapaian hasil kerja tim, melakukan supervisi dan evaluasi terhadap pekerjaan yang menjadi tanggung jawabnya, serta membangun jejaring kerja sama di dalam maupun luar lembaga untuk mendukung inovasi dan pengembangan edu-technoecopreneurship berkelanjutan

PLO-12

Menguasai teori dan konsep teknologi informasi, dan kecerdasan artifisial baik dari sisi komputasi maupun manajemen informasi untuk menyelesaikan masalah kecerdasan artifisial dengan AI human-centred mindset.

Program Objectives (PO)

Matrik PLO-PO
 
POPLO-1PLO-3PLO-6PLO-7PLO-11PLO-12

Matrik PO pada Kemampuan akhir tiap tahapan belajar (Sub-PO)
 
PO Minggu Ke
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Deskripsi Singkat Mata Kuliah

Mata kuliah Analisis Big Data membahas konsep, arsitektur, dan teknik analisis data berskala besar yang memiliki karakteristik volume, velocity, variety, dan veracity. Materi meliputi ekosistem big data, arsitektur komputasi terdistribusi, akuisisi dan penyimpanan data, pra-pemrosesan data skala besar, analisis eksploratif, serta penyajian dan visualisasi hasil analisis. Melalui pembelajaran berbasis studi kasus dan proyek, mahasiswa dikembangkan kompetensinya dalam merancang pipeline analisis big data, mengelola data terdistribusi, mengekstraksi insight yang relevan, serta menginterpretasikan hasil analisis secara sistematis sebagai dasar pengambilan keputusan dan pengembangan sistem kecerdasan artifisial berbasis data.

Pustaka

Utama :

  1. Govindaraju, Raghavan, and Rao. Release . 2015. Big Data Analytics, 1st Edition. Editor(s): Imprint:Elsevier.
  2. T. White, Hadoop: The Definitive Guide, 4th ed. Sebastopol, CA, USA: O’Reilly Media, 2015.
  3. M. Minelli, M. Chambers, and A. Dhiraj, Big Data, Big Analytics: Emerging Business Intelligence and Analytic Trends for Today’s Businesses. Hoboken, NJ, USA: Wiley, 2013.

Pendukung :

Dosen Pengampu

Minggu Ke-

Kemampuan akhir tiap tahapan belajar
(Sub-PO)

Penilaian

Bantuk Pembelajaran,

Metode Pembelajaran,

Penugasan Mahasiswa,

 [ Estimasi Waktu]

Materi Pembelajaran

[ Pustaka ]

Bobot Penilaian (%)

Indikator

Kriteria & Bentuk

Luring (offline)

Daring (online)

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

1

Minggu ke 1



0%

2

Minggu ke 2



0%

3

Minggu ke 3



0%

4

Minggu ke 4



0%

5

Minggu ke 5



0%

6

Minggu ke 6



0%

7

Minggu ke 7



0%

8

Minggu ke 8



0%

9

Minggu ke 9



0%

10

Minggu ke 10



0%

11

Minggu ke 11



0%

12

Minggu ke 12



0%

13

Minggu ke 13



0%

14

Minggu ke 14



0%

15

Minggu ke 15



0%

16

Minggu ke 16



0%



Rekap Persentase Evaluasi : Project Based Learning

No Evaluasi Persentase
0%

Catatan

  1. Capaian Pembelajaran Lulusan Program Studi (PLO - Program Studi) adalah kemampuan yang dimiliki oleh setiap lulusan Program Studi yang merupakan internalisasi dari sikap, penguasaan pengetahuan dan ketrampilan sesuai dengan jenjang prodinya yang diperoleh melalui proses pembelajaran.
  2. PLO yang dibebankan pada mata kuliah adalah beberapa capaian pembelajaran lulusan program studi (CPL-Program Studi) yang digunakan untuk pembentukan/pengembangan sebuah mata kuliah yang terdiri dari aspek sikap, ketrampulan umum, ketrampilan khusus dan pengetahuan.
  3. Program Objectives (PO) adalah kemampuan yang dijabarkan secara spesifik dari PLO yang dibebankan pada mata kuliah, dan bersifat spesifik terhadap bahan kajian atau materi pembelajaran mata kuliah tersebut.
  4. Sub-PO Mata kuliah (Sub-PO) adalah kemampuan yang dijabarkan secara spesifik dari PO yang dapat diukur atau diamati dan merupakan kemampuan akhir yang direncanakan pada tiap tahap pembelajaran, dan bersifat spesifik terhadap materi pembelajaran mata kuliah tersebut.
  5. Indikator penilaian kemampuan dalam proses maupun hasil belajar mahasiswa adalah pernyataan spesifik dan terukur yang mengidentifikasi kemampuan atau kinerja hasil belajar mahasiswa yang disertai bukti-bukti.
  6. Kreteria Penilaian adalah patokan yang digunakan sebagai ukuran atau tolok ukur ketercapaian pembelajaran dalam penilaian berdasarkan indikator-indikator yang telah ditetapkan. Kreteria penilaian merupakan pedoman bagi penilai agar penilaian konsisten dan tidak bias. Kreteria dapat berupa kuantitatif ataupun kualitatif.
  7. Bentuk penilaian: tes dan non-tes.
  8. Bentuk pembelajaran: Kuliah, Responsi, Tutorial, Seminar atau yang setara, Praktikum, Praktik Studio, Praktik Bengkel, Praktik Lapangan, Penelitian, Pengabdian Kepada Masyarakat dan/atau bentuk pembelajaran lain yang setara.
  9. Metode Pembelajaran: Small Group Discussion, Role-Play & Simulation, Discovery Learning, Self-Directed Learning, Cooperative Learning, Collaborative Learning, Contextual Learning, Project Based Learning, dan metode lainnya yg setara.
  10. Materi Pembelajaran adalah rincian atau uraian dari bahan kajian yg dapat disajikan dalam bentuk beberapa pokok dan sub-pokok bahasan.
  11. Bobot penilaian adalah prosentasi penilaian terhadap setiap pencapaian sub-PO yang besarnya proposional dengan tingkat kesulitan pencapaian sub-PO tsb., dan totalnya 100%.
  12. TM=Tatap Muka, PT=Penugasan terstruktur, BM=Belajar mandiri.