Deskripsi
Capaian Pembelajaran
Yang Kamu Pelajari
Item Penilaian

Deskripsi

Mata kuliah Data Science pada Program Studi Pendidikan Teknik Informatika FKIP UMS bertujuan membekali mahasiswa dengan kemampuan memahami dan mengolah data secara sistematis untuk mendukung pengambilan keputusan berbasis data. Perkuliahan ini mengintegrasikan konsep dasar statistika, pemrograman, serta konteks pendidikan sebagai bidang aplikasi.

Mahasiswa mempelajari alur kerja data science mulai dari data hunting, data understanding, data cleaning, hingga data analysis dan visualization. Pembelajaran dirancang dengan komposisi 30% teori dan 70% praktik (hands-on), menggunakan tools seperti Jamovi (statistik dasar), Orange Data Mining (machine learning visual), Winsteps (Rasch Model), serta Google Colab untuk pengolahan data.

Melalui eksplorasi dataset nyata dari repositori terbuka, mahasiswa dilatih mengembangkan kemampuan analitis, berpikir kritis, dan problem solving. Evaluasi dilakukan melalui UTS tertulis dan UAS berupa tugas akhir atau ujian tertulis, dengan harapan mahasiswa memiliki literasi data yang kuat dalam konteks pendidikan dan teknologi.

Capaian Pembelajaran

  • Mahasiwa mampu memahami konsep dasar data science
  • Mahasiswa mampu memahami jenis-jenis data dan mengaplikasikan teknik akuisisi data
  • Mahasiswa mampu mengimplementasikan preparasi data dan teknik analisisnya
  • Mahasiswa mampu mengimplementasikan visualisasi data dan interpretasinya
  • Mahasiswa mampu mengaplikasikan berbagai pendekatan data science

Yang Kamu Pelajari

Poin Utama Materi

  1. Konsep Dasar Data Science
    Memahami peran data, alur kerja (data science life cycle), serta penerapannya dalam bidang pendidikan dan teknologi.

  2. Data Understanding & Acquisition
    Mengidentifikasi jenis data, struktur dataset, serta teknik mencari dan memilih dataset dari berbagai sumber.

  3. Data Cleaning & Data Analysis
    Membersihkan data, mengelola variabel, serta melakukan analisis statistik deskriptif menggunakan tools seperti Jamovi.

  4. Data Visualization & Insight
    Menyajikan data dalam bentuk visual (grafik) dan menarik insight untuk pengambilan keputusan.

  5. Aplikasi Lanjut Data Science
    Pengantar machine learning (Orange), pengolahan data (SQL di Google Colab), serta analisis pendidikan menggunakan Rasch Model (Winsteps).

Item Penilaian

1. Kehadiran & Partisipasi (10%)

Menilai keaktifan mahasiswa dalam:

  • Kehadiran (minimal 75%)

  • Diskusi kelas

  • Keterlibatan saat praktik

Terkait CPMK: Sub-CPMK 1–5


2. Tugas Praktik / LKM (25%)
3. Tugas Eksplorasi Dataset (15%)
4. Ujian Tengah Semester (UTS) (20%)
5. Proyek Akhir / UAS (30%)
Mahasiswa melakukan:
Rekap Bobot Penilaian
KomponenBobot
Kehadiran & Partisipasi10%
Tugas Praktik (LKM)25%
Tugas Eksplorasi Dataset15%
UTS20%
UAS / Proyek Akhir30%
Total100%

Tugas berbasis praktik setiap topik, meliputi:

  • Data hunting & understanding

  • Data cleaning

  • Analisis deskriptif (Jamovi)

  • Visualisasi & insight

Output:

  • File dataset

  • File Jamovi (.omv)

  • Laporan singkat

Terkait CPMK: Sub-CPMK 2, 3, 4

Tugas individual :

  • Mencari dataset dari repositori (Kaggle, dll.)

  • Analisis mandiri

  • Menyusun insight berbasis data

Penilaian:

  • Kualitas dataset

  • Kedalaman analisis

  • Kemandirian eksplorasi

Terkait CPMK: Sub-CPMK 2–4

Bentuk: Tes tertulis

Materi:

  • Konsep dasar data science

  • Jenis data & struktur dataset

  • Data handling & analisis dasar

Terkait CPMK: Sub-CPMK 1–3

Bentuk:

  • Proyek analisis data ATAU ujian tertulis

Jika proyek:

  • Data hunting

  • Data cleaning

  • Analisis (Jamovi / Orange / Winsteps / SQL)

  • Visualisasi & insight

  • Presentasi hasil

Penilaian:

  • Proses analisis

  • Ketepatan metode

  • Kualitas insight

  • Presentasi

Terkait CPMK: Semua Sub-CPMK