Sidia is a education Platform website.
Course Description
Matakuliah Analisis Big Data bertujuan untuk memberikan pemahaman mendalam tentang konsep, teknik, dan alat analisis yang digunakan dalam mengelola dan menganalisis data besar (big data). Mahasiswa akan mempelajari berbagai metode analisis data, termasuk pengumpulan data, preprocessing, analisis statistik, machine learning, dan visualisasi data. Ruang lingkup mata kuliah mencakup pemahaman tentang big data, teknik analisis data, alat analisis data, serta penerapan analisis data dalam berbagai konteks bisnis dan teknologi. Dengan mengikuti mata kuliah ini, diharapkan mahasiswa mampu mengelola dan menganalisis data besar secara efektif untuk mendukung pengambilan keputusan yang berbasis data.
Program Objectives (PO)
- Memahami konsep dasar, fenomena, framework, peluang dan tantangan Big Data
- Mampu memilih dan melakukan aktivitas collection and ingestion data
- Mampu menggunakan alat dan ekosistem analisis Big Data
- Mahasiswa mampu menerapkan teori dan menggunakan teknologi big data
- Mahasiswa mampu mengambil keputusan cerdas berdasarkan hasil analisis
Aktifitas Pembelajaran
-
Pertemuan 1 Pengertian, karakteristik, peluang dan tantangan dari keseluruhan aktivitas yang berhubungan dengan Big Data -
Pertemuan 2 Teori dan framework dari analisis big data -
Pertemuan 3 Teori dan framework dari analisis big data -
Pertemuan 4 Pola data dan dapat mengambil pengetahuan dari data -
Pertemuan 5 Siklus hidup analisis big data dan teknik-teknik pemrosesaan data secara batch -
Pertemuan 6 Dan menerapkan teknik pemrosesan data secara real-time -
Pertemuan 7 Dan menerapkan teknik data analytics pada big data termasuk predictive abalytics dan real-time analytics -
Pertemuan 8 UTS -
Pertemuan 9 Dan menjelaskan kosep clustering dan teknik-teknik clustering seperto K-Means dan DBSCAN dalam analsiis big data -
Pertemuan 10 Tekik pengurangan dimensi dalam big data -
Pertemuan 11 Dan menjelaskan konsep dasar text analytics dan berbagai tekniknya dalam analiis data teks -
Pertemuan 12 Dan menerapkan sentiment analysis pada data teks -
Pertemuan 13 Dan menjelaskan konsep dan algorotma supervised learning -
Pertemuan 14 Osep dan algoritma unsupervised learning -
Pertemuan 15 Dan menganalisisi dan memilih algoritma yang sesuai untuk jenis masalah dalam analisis big data -
Pertemuan 16 UAS
References
- Buyya, R., Broberg, J., & Goscinski, A. (2013). Big Data: Principles and Paradigms. Wiley
- Smith, D. M. (2014). Data Processing and Analysis. Wiley.
- Provost, F., & Fawcett, T. (2013). Data Science for Business. O'Reilly Media.
- Schmidt, A. G. (2016). Streaming Data: Understanding the Real-Time Pipeline. O'Reilly Media.
- Loshin, D. (2013). Big Data Analytics: From Strategic Planning to Enterprise Integration with Tools, Techniques, NoSQL, and Graph. Elsevier.
- Witten, I. H., Frank, E., & Hall, M. A. (2016). Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann.
- Berry, M. W., & Castellanos, M. (2009). Text Mining: Classification, Clustering, and Applications. Springer.
- Liu, B. (2012). Sentiment Analysis and Opinion Mining. Morgan & Claypool.
- Alpaydin, E. (2020). Introduction to Machine Learning. MIT Press.
- Murphy, K. P. (2012). Machine Learning: A Probabilistic Perspective. MIT Press.
- Marz, N., & Warren, J. (2015). Big Data: Principles and Best Practices of Scalable Real-Time Data Systems. Manning Publications.
Lecturer
Difficult Things About Education.
$75$10
More Similar Courses
Related Courses
Development of Teaching Materials
Understanding the concept of teaching materials and mastery of skills in developing teaching materials in the field of Fashion Design studies, including characteristics, roles and
Basic Education
Providing prospective teachers and/or in-service teachers about the basic concepts of education, human nature and its development, the foundations of education, education as a system,
Makeup Design
Provide an understanding of the basic concepts of design and mastery of skills in applying design elements which include line, direction, shape, size, texture, value
Copyright © 2025 Sinau Digital UNESA All Rights Reserved