PROGRAM STUDI STATISTIKAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS PGRI ADI BUANA SURABAYA

DATA INFORMATION KNOWLEDGE WISDOM

August 18, 2016

August 23, 2017

March 23, 2018

August 28, 2019

Apa itu Data Scientist ??

PROGRAM STUDI STATISTIKA

UNIVERSITAS PGRI ADI BUANA SURABAYA

BERDIRI SEJAK 1998

Science of data

Science of data

big

Data Scientist

•Kompeten merencanakan big data

•Kompeten mengumpulkan big data

•Kompeten menganalisis big data

•Kompeten menginterpretasikan big data

•Kompeten mempresentasikan big data

LUARAN LULUSAN

• Kompeten merencanakan data → Software : MySQL, Hadoop, Spark

• Mampu dan paham merencanakan pengumpulan data

• Metodologi Penelitian, Teknik Samping Survey, Design Experiment, Database,

Teori Probabilitas, Sistem Informasi Manajemen.

• Kompeten mengumpulkan data → Software : MySQL, MonggoDB,

BigQuery, Python

• Mampu dan paham cara mengumpulkan data

• Teknik Sampling, Design Experiment, Database, Sistem Informasi Manajemen,

Teori Probabilitas, Metode Statistika.

LUARAN LULUSAN• Kompeten menganalisis data → Software : R, Python, SPSS, MINITAB,

STATA• Mampu dan paham cara menganalisis data

• Analisis Data Eksploratif, Analisis Data Kategorik, Analisis Time Series, AnalisisRegresi Terapan, Statistika Multivariate, Statistika Nonparametrik, AnalisisRegresi.

• Kompeten menginterpretasikan data → Software : R, Python• Mampu dan bisa menginterpretasikan hasil analisis data

• Inferensi dari analisa data, pengantar metode statistika, analisis regresi, analisis time Series,...

• Kompeten mempresentasikan data → Software : R, python, Tableau, PowerBI• Mampu memvisualisasikan data

• Data Visualisasi, Bisnis Intelligence, Analisis Data Eksploratif,…

RANCANGAN KURIKULUM

86 SKS, 59%

16 SKS, 11%

21 SKS, 14%

24 SKS, 16%

SEBARAN KURIKULUM PRODI STATISTIKA UNIPA SURABAYA

INTI KEILMUAN PENGEMBANGAN KEPRIBADIAN

PENGAYAAN KEILMUAN MAGANG, PENELITIAN, PENGABDIAN DLL

MATA KULIAH MULTIDISIPLIN

• Eksplorasi dan Visuallisasi Data

• Data Mining dan Business Intelligence

• Social Network Analysis

• Structural Equation Modeling (SEM)

• Komputer Terapan : Teori dan praktek pemanfaatan teknologi komputer,

khususnya pemanfaatan perangkat lunak berupa program Ms Office

Word, Power Point, Access dan Excel untuk menyelesaikan tugas-tugas di

perkantoran secara efektif.

• Algoritma dan Pemograman / Coding : Pemograman fungsi dasar R dan

Python (Loops/Statements, Functions Vectors, Matrices, Manipulation

Data, Mutate) merupakan mata kuliah dasar dan pondasi dalam

pemodelan machine learning maupun pengembangan dalam artificial

intelligence.

Working with Python

• Etika Bisnis : Etika Terapan dan Etika Profesi (berbicara mengenai norma

dan nilai moral, kondisi-kondisi dasar bagi manusia untuk bertindak secara

etis, bgmn manusia mengambil keputusan etis, teori-teori etika, lembaga-

lembaga normatif dan semacamnya, norma-norma moral dasar dalam

bidang kehidupan yg khusus.

• Basis Data dan Penelusuran Data / Database : Pengenalan Dasar Basis Data, Model Data Relasional, Manajemen Basis Data, Struktur Bahasa Query (SQL), Penerapan Operator dalam MySQL, Penerapan Fungsi dalam Mysql, RelasiTabel, dan MySQL dan PHP.

• Eksplorasi dan Visuallisasi Data : Mempresentasikan data dengan visualisasidan eksplorasi. software R, python, Tableau

• Data Mining dan Business Intelligence : Konsep Machine Learning

(supervised algorithm, unsupervised algorithm), Data Collection -> Data

Cleaning -> Data Exploration -> Feature Engineering -> Model Building

Model Evaluation and Tuning.

• Web dan Social Intelligence : web crawling dan social media analytics, Isi data

web antara lain dapat berupa teks, citra, audio, video. Data Collection -> Data

Cleaning -> Data Exploration -> Feature Engineering -> Model Building

• Social Network Analysis : Hubungan sosial dalam hal teori jaringan yang

terdiri dari node dan hubungan (juga disebut tepi, link, atau koneksi).

memeriksa data relasional bukan hanya pada karakteristik atribut aktor

individu, dan berfokus pada menjelaskan pola hubungan antara aktor, dan

menganalisis struktur pola- pola ini.

•

Social Network Analysis

• Contoh : Seorang peneliti ingin menemukan “akar masalah” peyebab

degradasi lingkungan di suatu daerah. Pada tahap awal, dia mengidentifikasi

dan mengumpulkan semua isu dan gejala lingkungan hidup yang

mengindikasikan bahwa degradasi tersebut memang terjadi. Kumpulan isu

dan gejala ini kemudian diuraikan dan diinteraksikan, untuk kemudian

diberikan skor. Sehingga pada tahap akhir akan didapatkan isu-isu utama yang

menjadi “akar masalah”.

Social Network Analysis

Social Network Analysis

DATA INFORMATION KNOWLEDGE WISDOM

TERIMA KASIH