RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS)

Transkripsi

1 ANALISIS BIG DATA - RPKPS RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) MATA KULIAH : Analisis Big SEMESTER : 7 KODE MATA KULIAH : TIF SKS : 3 (Teri) Dsen : Imam Chlissdin, M.Km. Deskripsi Singkat Mata kuliah Analisis Big mencakup knsep analisis Big, termasuk Vlume, Velcity, dan Variety (3V), kemudian terdapat analisis prediktif, tanpa adanya kendala dari besarnya data yang dilah. Adanya kemajuan teknlgi dalam hal penyimpanan, penglahan, dan analisis Big meliputi (a) penurunan secara cepat terhadap biaya penyimpanan data dalam beberapa tahun terakhir; (b) fleksibilitas dan efektivitas biaya pada pusat data dan kmputasi awan untuk perhitungan elastisitas dan penyimpanan; dan (c) pengembangan kerangka kerja baru seperti Hadp Ecsystem, yang memungkinkan pengguna untuk mengambil manfaat dari sistem kmputasi terdistribusi menyimpan sejumlah data yang besar melalui pemrsesan paralel. Sehingga kemajuan teknlgi ini telah menciptakan beberapa perbedaan antara analisis tradisinal dengan analisis tingkat lanjut pada Big. Tujuan Instruksinal Perkuliahan Setelah mengikuti mata-kuliah ini mahasiswa dapat: 1. Mempelajari dan memahami knsep dasar analisis Big, termasuk Vlume, Velcity, dan Variety (3V). 2. Mampu melakukan analisis prediktif atau implementasi metde tertentu lainnya untuk mengambil nilai dari data, tanpa adanya kendala atas besarnya data yang diperlukan. 3. Mampu menjawab tantangan termasuk analysis, capture, curatin, search, sharing, strage, transfer, visualizatin, and infrmatin privacy dan peluang yang ditimbulkan leh "Big " dalam berbagai dmain dan bagaimana teknik statistik dan algritma yang invatif dapat membantu mengumpulkan data penting dan mempercepat penemuan infrmasi dalam data yang besar. 4. Mampu mengambil ptensi dari data yang besar untuk membantu meningkatkan perasi atau tindakan yang sebaiknya dilakukan dengan lebih cepat, yang memunculkan pengambilan keputusan yang lebih cerdas dari Big. Pustaka Yang Digunakan 1. Big Analytics, 1st Editin. Editr(s): Gvindaraju, Raghavan, and Ra. Release Date: 07 Jul Imprint: Elsevier. 2. Science and Big Analytics: Discvering, Analyzing, Visualizing and Presenting. Editr: EMC Educatin Services. January Judith S. Hurwitz, et. al Big Fr Dummies, Jhn Wiley & Sns, Inc., Hbken, New Jersey.

2 Rencana Prgram Dan Kegiatan Pembelajaran Semester (RPKPS) PERTEMUAN KE JENIS KEGIATAN PEMBELAJARAN POKOK BAHASAN SUB POKOK BAHASAN BENTUK TUGAS BOBOT NILAI (1) (2) (3) (4) (5) (5) 1 Kuliah Membahas silabus dan kntrak kuliah 2 Kuliah Pengantar Big & Analytics Lifecycle - Pengantar Big & Analytics Lifecycle - Dasar-Dasar Metde Analytic - Teri dan Metde Analitik Tingkat Lanjut (Clustering) - Teri dan Metde Analitik Tingkat Lanjut (Regresi) - Teri dan Metde Analitik Tingkat Lanjut (Klasifikasi) - Teknlgi dan Tls - Gambaran Umum Big Structures Analyst Perspective n Repsitries - State f the Practice in Analytics BI Versus Science Current Analytical Architecture Drivers f Big Emerging Big Ecsystem and a New Apprach t Analytics - Key Rles fr the New Big Ecsystem - Examples f Big Analytics - Analytics Lifecycle Overview Key Rles fr a Successful Analytics Prject Backgrund and Overview f Analytics Lifecycle - Phase 1: Discvery Learning the Business Dmain Resurces Framing the Prblem Identifying Key Stakehlders Interviewing the Analytics Spnsr Develping Initial Hyptheses Identifying Ptential Surces - Phase 2: Preparatin Preparing the Analytic Sandbx Perfrming ETLT Learning Abut the Cnditining Survey and Visualize - Tidak ada - Diskusi Kelmpk

3 3 Kuliah Dasar-Dasar Metde Analytic 4 Kuliah Teri dan Metde Lanjut (Clustering) 5 Kuliah Tugas Paper 1 (Keywrd: Big ) Cmmn Tls fr the Preparatin Phase - Phase 3: Mdel Planning Explratin and Variable Selectin Mdel Selectin Cmmn Tls fr the Mdel Planning Phase - Phase 4: Mdel Building Cmmn Tls fr the Mdel Building Phase - Phase 5: Cmmunicate Results - Phase 6: Operatinalize - Case Study: Glbal Innvatin Netwrk and Analysis (GINA) - Intrductin Graphical User Interfaces Imprt and Exprt Attribute and Types Descriptive Statistics - Explratry Analysis Visualizatin Befre Analysis Dirty Visualizing a Single Variable Examining Multiple Variables Explratin Versus Presentatin - Statistical Methds fr Evaluatin Hypthesis Testing Difference f Means Wilcxn Rank-Sum Test Type I and Type II Errrs Pwer and Sample Size ANOVA - Overview f Clustering - K-means versus Kernel K- means Overview f the Methd Determining the Number f Clusters Diagnstics Reasns t Chse and Cautins - Additinal Algrithms - Review (Deskripsi : Prblem Base, Algritma (alur, kelebihan & kekurangan), Hasil & Evaluasi) - Diskusi Kelmpk - Diskusi Kelmpk Kelmpk

4 6 Kuliah Teri dan Metde Lanjut (Regresi) - Linear Regressin Mdel Descriptin Diagnstics - Lgistic Regressin Mdel Descriptin Diagnstics - Reasns t Chse and Cautins - Additinal Regressin Mdels - Diskusi Kelmpk 7 Kuliah Quiz Kuliah UTS Kuliah Teri dan Metde Lanjut (Klasifikasi) 10 Kuliah Teknlgi dan Tls Big 1 f 3 11 Kuliah Tugas Paper 2 (Keywrd: Big ) 12 Kuliah Teknlgi dan Tls Big 2-3 f 3 - Naïve Bayes: Bayes Therem Naïve Bayes Classifier Smthing Diagnstics Naïve Bayes in R - Decisin Trees: Overview f a Decisin Tree The General Algrithm Decisin Tree Algrithms Evaluating a Decisin Tree Decisin Trees in R - Diagnstics f Classifiers - Additinal Classificatin Methds - Technlgy and Tls: MapReduce and Hadp - Analytics fr Unstructured MapReduce Apache Hadp - The Hadp Ecsystem Spark Pig Hive - NSQL HBase Mahut - Review (Deskripsi : Prblem Base, Algritma (alur, kelebihan & kekurangan), Hasil & Evaluasi) - Technlgy and Tls: MapReduce and Hadp - Analytics fr Unstructured MapReduce Apache Hadp - Diskusi Kelmpk - Diskusi Kelmpk Kelmpk - Diskusi Kelmpk

5 13 Kuliah Quiz 2 + Prgress FP ke-1 - The Hadp Ecsystem Spark Pig Hive - NSQL HBase Mahut - Pengajuan Judul (Paper Ref. Utama) & Acc Persetujuan - Diskusi Kelmpk 14 Kuliah Prgress FP ke-2 - Membuat Siklus Penyelesaian (Perhitungan Manual) - Implementasi Prgram dan Analisis Hasil Pengujian - Dkumentasi sesuai Template 15 Kuliah Prgress FP ke-3 - Hasil Revisi Dkumentasi & Implementasi Kelmpk Kelmpk 16 Kuliah UAS/Pengumpulan Akhir Final Prject - Dkumentasi sesuai Template. Prgram, PPT Kelmpk Sistem Penilaian Pint Keaktifan + 20% Tugas + 15% Quiz + 25% UTS + 40% UAS/FP