Bagan Mingguan

  • Selamat Datang di Matakuliah Kecerdasan Bisnis (IS402)

    Deskripsi Singkat Matakuliah:

    Mata kuliah ini membahas berbagai teknik-teknik data mining dalam menganalisa informasi dan data untuk dijadikan sebuah pengetahuan. Mahasiswa/i didorong untuk menganalisa, memilih, dan melakukan aktivitas kecerdasan bisnis dan mendokumentasikan solusi baru ke dalam bentuk makalah ilmiah.

    Capaian Pembelajaran Matakuliah:

    • Mampu menganalisa, memilih, dan melakukan aktivitas kecerdasan bisnis yang sesuai dengan konteks masalah bisnis yang dihadapi makalah ilmiah
    • Mampu membuat dokumentasi model kecerdasan bisnis dan mendokumentasikan solusi baru ke dalam bentuk makalah ilmiah

    Kuliah Sinkronus Diselenggarakan Pada :

    Setiap Selasa (9 Jan 2024 - 28 Mei 2024), Pukul 18.30-21.50, Ruang B.306 UVERS

    Kebutuhan Perkuliahan:


  • "Kecerdasan buatan bukanlah pengganti manusia, melainkan mitra yang membantu kita mengatasi kompleksitas dunia modern. Bersama-sama, kita membentuk era di mana teknologi dan kebijaksanaan manusia berpadu harmonis."

    • Pertemuan 01 Pengenalan Kecerdasan Bisnis (9 Januari 2024)

      Dalam pertemuan ini, mahasiswa akan mendalami konsep Kecerdasan Bisnis (Business Intelligence) melalui pemahaman tentang pengertian, kebutuhan, arsitektur, dan tahapan pengembangan. Materi perkuliahan akan membahas esensi kecerdasan bisnis sebagai suatu pendekatan analisis data yang bertujuan memberikan wawasan berharga untuk mendukung pengambilan keputusan bisnis. Mahasiswa akan memahami kebutuhan organisasi dalam mengelola dan menginterpretasi data, serta mendiskusikan arsitektur sistem yang mendukung implementasi kecerdasan bisnis. 

      Selain itu, tahapan pengembangan kecerdasan bisnis dari ekstraksi data hingga penyajian informasi yang mudah diinterpretasi akan menjadi fokus, memungkinkan mahasiswa memahami secara menyeluruh bagaimana kecerdasan bisnis dapat memperkaya strategi bisnis dan meningkatkan kinerja perusahaan.

    • Pertemuan 02 Estimasi (16 Januari 2024)

      Dalam pertemuan ini, mahasiswa akan diperkenalkan pada konsep Estimasi, mencakup definisi, fungsi, estimasi titik, selang kepercayaan, dan penerapan teknik estimasi dalam konteks analisis statistik. Materi perkuliahan akan membahas bagaimana estimasi digunakan untuk menganalisis dan menyimpulkan karakteristik populasi berdasarkan sampel data yang terbatas. Mahasiswa akan memahami perbedaan antara estimasi titik dan selang kepercayaan, serta bagaimana teknik ini dapat digunakan untuk memberikan perkiraan yang akurat dan memberikan informasi tentang tingkat kepercayaan yang terkait. 

      Penerapan teknik estimasi dalam berbagai situasi statistik juga akan menjadi fokus, memungkinkan mahasiswa mengembangkan keterampilan analisis yang diperlukan dalam penelitian dan pengambilan keputusan berbasis data.

    • Pertemuan 03 Prediksi (23 Januari 2024)

      Dalam pertemuan ini, mahasiswa akan mendalami konsep Prediksi, dengan penekanan pada Regresi Linear Sederhana. Materi perkuliahan mencakup definisi prediksi, pembahasan langkah-langkah dalam regresi linear sederhana, dan penentuan koefisien regresi sebagai ukuran kekuatan dan arah hubungan antara variabel independen dan dependen. 

      Mahasiswa juga akan memahami cara penerapan teknik prediksi ini dalam konteks analisis statistik, memungkinkan mereka untuk menggunakan model regresi linear sederhana sebagai alat yang efektif untuk membuat perkiraan dan menginterpretasi hubungan antar variabel dalam situasi nyata.

    • Pertemuan 04 Prediksi Lanjutan (30 Januari 2024)

      Dalam pertemuan ini, mahasiswa akan mendalami Regresi Linear Berganda, fokus pada konsep Koefisien Determinasi, dan Korelasi Berganda. Materi perkuliahan mencakup pemahaman tentang bagaimana regresi linear berganda digunakan untuk menganalisis hubungan antara dua atau lebih variabel independen dan satu variabel dependen. Mahasiswa akan mempelajari Koefisien Determinasi sebagai indikator sejauh mana variabilitas variabel dependen dapat dijelaskan oleh variabel independen dalam model regresi. Selain itu, konsep Korelasi Berganda akan dibahas untuk memahami hubungan antar variabel independen dalam konteks regresi berganda. 

      Dengan penerapan konsep-konsep ini, mahasiswa diharapkan dapat menginterpretasikan dan menguji model regresi berganda dengan lebih mendalam untuk analisis data yang lebih kompleks.

    • Pertemuan 05 Peramalan (6 Februari 2024) [ASINKRONUS]

      Dalam pertemuan ini, mahasiswa akan memperoleh pemahaman mendalam tentang Peramalan, melibatkan definisi peramalan, berbagai metode peramalan yang umum digunakan, dan penerapan teknik peramalan khususnya pada program R. Materi perkuliahan akan mencakup konsep dasar peramalan untuk memprediksi tren atau perilaku di masa depan berdasarkan data masa lalu. Mahasiswa akan mempelajari berbagai metode peramalan seperti rata-rata bergerak, eksponensial smoothing, dan regresi time series. 

      Selanjutnya, fokus akan diberikan pada penerapan teknik peramalan ini dengan menggunakan program R, memungkinkan mahasiswa untuk menguasai alat ini dalam konteks analisis data dan perencanaan masa depan.

      • Tugas Pertemuan 05 Penugasan

        Lakukan Prediksi Data Baru pada soal Latihan Praktikum 2 dengan tahapan berikut:

        1. Inisiasi data awal (bobot: 5)
        2. Plot data awal (bobot: 15)
        3. Hitung korelasi semua variabel x dengan variabel y (bobot: 5)
        4. Buat model regresi linear menggunakan data awal (bobot: 10)
        5. Prediksi data baru dengan menggunakan fungsi predict() (bobot: 25)
        6. Plot hasil prediksi (bobot: 40)

        Petunjuk Pengerjaan:

        1. Kerjakan Latihan Praktikum 2 di Google Colab
        2. Link pengerjaan dibagikan di Tugas Pertemuan 05 dan pastikan dapat diakses
        3. Pengumpulan sampai dengan Selasa, 20 Februari 2024, 14.00 WIB

    • Pertemuan 06 Klasifikasi (20 Februari 2024)

      Dalam pertemuan ini, mahasiswa akan memperdalam pemahaman tentang Klasifikasi dengan eksplorasi konsep dasar, metode, dan aplikasi teknik klasifikasi. Materi perkuliahan mencakup definisi klasifikasi sebagai proses pengelompokan data ke dalam kategori atau kelas yang sesuai. Fokus utama akan diberikan pada dua metode klasifikasi populer, yaitu Linear Discriminant Analysis (LDA) dan Support Vector Machine (SVM), beserta pengenalan konsep Radial Basis Function (RBF) sebagai bagian dari SVM. 

      Selain itu, mahasiswa akan terlibat dalam penerapan teknik klasifikasi ini menggunakan program R, memungkinkan mereka untuk memahami implementasi praktis dan memanfaatkan alat ini dalam analisis dan klasifikasi data.

    • Pertemuan 07 Klastering (27 Februari 2024) [ASINKRONUS]

      Dalam pertemuan ini, mahasiswa akan menggali konsep dasar pengelompokan atau clustering, dengan pemahaman tentang definisi dan pentingnya teknik ini dalam analisis data. Materi perkuliahan akan mendetaili tiga teknik clustering utama: K-Means, k-Nearest Neighbour (k-NN), dan Hierarchical Clustering. Mahasiswa akan belajar cara K-Means bekerja untuk mengelompokkan data ke dalam k kelompok yang telah ditentukan, bagaimana k-NN memanfaatkan kedekatan data dalam pengelompokan, dan konsep Hierarchical Clustering yang membangun hirarki dalam kelompok-kelompok data. 

      Penerapan teknik clustering ini juga akan dibahas, dengan fokus pada penggunaan program R untuk mengimplementasikan konsep-konsep clustering dalam konteks analisis data dunia nyata.

      • Tugas Asinkronus Pertemuan 7 Penugasan

        • Buatlah 1 lembar rangkuman materi pertemuan 1-6 dengan tulis tangan!
        • Materi yang dirangkum adalah:

        1. Teori Materi Pertemuan 1 (Pengenalan Kecerdasan Bisnis)
        2. Rumus dan Contoh Penyelesaian dari Estimasi
        3. Teori Materi Pertemuan 3 (Prediksi)
        4. Rumus dan Contoh Penyelesaian dari Regresi Linear Sederhana
        5. Teori Materi Pertemuan 5 (Peramalan)
        6. Teori Materi Pertemuan 6 (Klasifikasi)

        Perhitungan hanya: Estimasi dan Regresi Linear Sederhana

        • Tulis serapi dan selengkap mungkin dalam 1 lembar kertas A4 (lembar ini akan dibawa saat UTS)
        • Hasil rangkuman difoto/discan
        • File dikumpulkan dengan:
          • mengupload langsung ke tugas elearning ini atau
          • diupload ke google drive dan copy paste link ke kolom pengumpulan
        • Dikumpulkan sampai Tanggal 5 Maret 2024, Pukul 14.00

    • Pertemuan 08 Ujian Tengah Semester (5 Maret 2024)

      • Pertemuan 09 Data Preprocessing (12 Maret 2024)

        Dalam pertemuan ini, mahasiswa akan menjelajahi Tujuan Data Preprocessing, dengan fokus pada Pembersihan Data, Integrasi Data, Transformasi Data, serta penerapan deteksi dan penghilangan noise data menggunakan program R. Materi perkuliahan mencakup pemahaman tentang pentingnya tahap preprocessing dalam persiapan data untuk analisis lebih lanjut. Mahasiswa akan mempelajari teknik pembersihan data untuk mengidentifikasi dan menangani nilai-nilai yang hilang atau tidak valid, integrasi data untuk menggabungkan sumber data yang berbeda, dan transformasi data untuk mengatasi ketidaknormalan atau skewness. 

        Selain itu, fokus akan diberikan pada penerapan deteksi dan penghilangan noise data dengan menggunakan program R, memungkinkan mahasiswa untuk mengimplementasikan praktik-praktik ini dalam konteks analisis data menggunakan alat komputasi statistik yang efektif.

      • Pertemuan 10 Data Preprocessing Lanjutan (19 Maret 2024)

        Dalam pertemuan lanjutan tentang Teknik Data Preprocessing, mahasiswa akan mengeksplorasi konsep-konsep seperti Reduksi Data, Sampling Data, dan penerapan teknik sampling data menggunakan program R. Materi perkuliahan akan memfokuskan pada strategi pengurangan dimensi data untuk meningkatkan efisiensi dan performa analisis, serta pembahasan metode sampling data yang berperan penting dalam merepresentasikan populasi besar dengan data yang lebih kecil. 

        Mahasiswa akan terlibat dalam penerapan teknik sampling data menggunakan program R, memungkinkan mereka untuk memahami dan mengimplementasikan metode sampling yang sesuai dalam analisis data praktis.

        • Tugas Pertemuan 10 Penugasan

          • Kerjakan Materi Praktek Pertemuan 10 pada Google Colab masing-masing
          • Jalankan semua code sesuai urutan tahapannya
          • Share link Google Colab ke kolom pengumpulan tugas ini (pastikan link dapat diakses)
          • Pengumpulan link paling lambat tanggal 26 Maret 2024, Pukul 18.00

        • Tugas Proyek ke-1 (Business Understanding, Data Gathering) Penugasan

          Tatacara Tugas Proyek ke-1:

          1. Silahkan buat WAG dari 1 tim untuk diskusi proyek UAS Takehome Kecerdasan Bisnis
          2. Di dalam WAG silahkan diskusi tentang kasus apa yang akan diselesaikan pada program UAS
          3. Silahkan cari 7 jurnal yang berhubungan dengan kasus dan penggunaan teknik yang tim anda pilih
          4. Silahkan cari data yang diperlukan,
          5. Lakukakan ubah data ke dalam bentuk excel dan bersihkan data jika diperlukan.

          Cara pengumpulan Tugas Proyek ke-1:
          1 perwakilan tim uploadkan 2 file ini ke dalam satu folder google drive:

          1. Data yang sudah bersih
          2. 7 jurnal yang didapat
          Link folder gdrive dibagikan ke kolom pengumpulan, Paling lambat 26 Maret 2023, 18.00 WIB

      • Pertemuan 11 Text Mining (26 Maret 2024)


        Dalam pertemuan ini, mahasiswa akan memperoleh pemahaman mendalam tentang konsep Text Mining, melibatkan definisi, tahapan, dan dua algoritma utama: TF/IDF (Term Frequency-Inverse Document Frequency) dan Vector-Space-Model. Materi perkuliahan akan membahas bagaimana Text Mining digunakan untuk mengekstrak dan mengolah informasi dari teks, melibatkan tahapan-tahapan seperti tokenisasi, stemming, dan pembentukan matriks dokumen-terma. Fokus utama akan diberikan pada algoritma TF/IDF yang mengukur pentingnya kata-kata dalam suatu dokumen terkait dengan kumpulan dokumen lainnya, serta Vector-Space-Model yang menggambarkan teks sebagai vektor dalam ruang multidimensi. 

        Mahasiswa juga akan terlibat dalam penerapan teknik Text Mining menggunakan program R, memungkinkan mereka untuk mengimplementasikan konsep-konsep ini dalam analisis teks dan pengambilan informasi yang lebih efektif.

        • Tugas Proyek ke-2 (Import data, Visualisasi data) Penugasan

          Tatacara Tugas Proyek ke-2:

          1. Import data ke program R
          2. Jalankan program R dengan teknik yg dipilih (silahkan dipakai source code sampling data yang telah kalian simpan di praktikum sebelumnya)
          3. Buat visualisasi datanya (Plot / Tabel data ), baik visualisasi sebelum dibuat model atau visualisasi setelah dibuat model
          4. Buat tabel keterangan variabel independen (x) pada google spreadsheet
          5. Carilah referensi jurnal tambahan untuk mendukung pembuatan pendahuluan dan metode makalah ilmiah

                Cara pengumpulan Tugas Proyek ke-2:
                1 perwakilan tim membagikan link folder google drive yang berisi, 
                • Google colab program tugas proyek-2
                • Google spreadsheet tabel keterangan variabel independen
                • File-file referensi jurnal tambahan

                Paling lambat 2 April 2024, 18.00 WIB


            1. Pertemuan 12 Social Network Analysis (2 April 2024) [Asinkronus]

              Dalam pertemuan ini, mahasiswa akan mendalami konsep Social Network Analysis (SNA) dengan eksplorasi definisi, representasi Directed dan Undirected Graph, serta penerapan teknik SNA menggunakan program R. Materi perkuliahan mencakup pemahaman tentang bagaimana SNA digunakan untuk menganalisis hubungan dan interaksi dalam jaringan sosial. Mahasiswa akan belajar mengenai representasi grafik yang berarah (Directed Graph) dan tidak berarah (Undirected Graph) yang menggambarkan koneksi antara entitas dalam jaringan. 

              Fokus akan diberikan pada penerapan teknik SNA menggunakan program R, memungkinkan mahasiswa untuk mengimplementasikan dan menganalisis pola hubungan sosial dalam konteks nyata menggunakan alat komputasi statistik yang efektif.

            2. Pertemuan 13 Dokumentasi Ilmiah Kecerdasan Bisnis I (23 April 2024)

              Dalam pertemuan berbasis proyek ini, mahasiswa akan terlibat dalam pengalaman praktis dengan menyusun program kecerdasan bisnis dan menghubungkannya ke pembuatan makalah ilmiah dengan pendekatan storytelling. Mahasiswa akan memahami bagaimana mengintegrasikan konsep dan teknik kecerdasan bisnis ke dalam proyek nyata, sambil mengembangkan keterampilan membuat narasi ilmiah yang kuat. Fokus akan diberikan pada penyajian informasi yang efektif dan relevan dalam makalah ilmiah, menggambarkan bagaimana implementasi program kecerdasan bisnis dapat memberikan solusi atau wawasan yang berharga. 

              Dengan kombinasi pembuatan program dan penyusunan makalah, mahasiswa diharapkan dapat memperoleh pemahaman yang mendalam tentang penerapan kecerdasan bisnis dalam konteks praktis serta kemampuan untuk menyajikan temuan mereka secara persuasif dan jelas melalui media akademis.

              • Tugas Proyek ke-4 (Storytelling hasil program) Penugasan

                Tatacara Tugas Proyek ke-4:

                Penulisan makalah ilmiah hasil program Kecerdasan Bisnis pada bagian Hasil dan Pembahasan dan Kesimpulan

                Cara pengumpulan: 

                • 1 perwakilan membagikan link google doc pengerjaan tugas proyek ke-4.
                • Paling lambat 30 April 2024, 14.00 WIB

            3. Pertemuan 14 Dokumentasi Ilmiah Kecerdasan Bisnis II (30 April 2024)


              Dalam pertemuan berbasis proyek ini, mahasiswa akan terlibat dalam tugas akhir berupa penyelesaian dan penyempurnaan makalah ilmiah tentang kecerdasan bisnis. Fokus utama akan diberikan pada aspek finishing, di mana mahasiswa diharapkan untuk mengaplikasikan pemahaman dan penelitian mereka dalam membahas isu-isu terkait kecerdasan bisnis. Dalam proses ini, mahasiswa akan mengasah keterampilan penulisan akademis, analisis kritis, dan pemilihan metode riset yang relevan. 

              Pertemuan ini menjadi langkah kunci dalam penyelesaian proyek akhir, memungkinkan mahasiswa untuk menghasilkan makalah ilmiah yang berkualitas tinggi sebagai sumbangan mereka dalam bidang kecerdasan bisnis.

              • Tugas Proyek ke-5 (Finishing dokumentasi karya ilmiah) Penugasan

                Tatacara Tugas Proyek ke-5:

                Penulisan makalah ilmiah hasil program Kecerdasan Bisnis pada bagian Kesimpulan, Abstrak, Kata Kunci dan Daftar Pustaka

                Cara pengumpulan: 
                1 perwakilan mengumpulkan:

                • File WORD "Draft makalah ilmiah" 
                • File R "Script Program R"
                • File Excel "Semua data yang digunakan
                Paling lambat 7 Mei 2024, 14.00 WIB

            4. Pekan ini

              Pertemuan 15 Dokumentasi Ilmiah Kecerdasan Bisnis III (7 Mei 2024)

              Dalam pertemuan berbasis proyek ini, mahasiswa akan terlibat dalam tugas yang melibatkan penyusunan slide presentasi makalah ilmiah tentang Kecerdasan Bisnis. Mereka akan mempraktikkan keterampilan menyajikan informasi teknis secara jelas dan efektif melalui media visual. Proses penyusunan slide akan mencakup pembahasan definisi kecerdasan bisnis, tujuan, metode, temuan, dan implikasi praktisnya. Mahasiswa akan belajar mengorganisir dan menyajikan argumen ilmiah secara terstruktur serta mempertimbangkan tata letak, grafik, dan elemen visual lainnya untuk meningkatkan keterbacaan dan pemahaman presentasi. 

              Melalui tugas proyek ini, mahasiswa akan mengembangkan keterampilan komunikasi ilmiah yang kritis sambil menggali lebih dalam konsep-konsep kecerdasan bisnis dalam konteks praktis.

              • Tugas Proyek ke-6 (Silde Presentasi Karya Ilmiah) Penugasan

                Tatacara Tugas Proyek ke-4:

                • Susunlah slide presentasi Hasil Makalah Ilmiah Kecerdasan Bisnis yang akan digunakan untuk presentasi kelompok saat UAS Kecerdasan Bisnis
                • Presentasi UAS akan dilaksanakan 12 menit setiap kelompok
                • Kriteria penilaian presentasi UAS:
                  • Kerjasama tim
                  • Cara penyajian presentasi yang informatif
                  • Topik materi presentasi yang efektif
                  • Penguasaan materi anggota tim

                Cara pengumpulan tugas: 

                • 1 perwakilan mengumpulkan File PPT atau Link Canva
                • Paling lambat 14 Mei 2024, 14.00 WIB

            5. Pertemuan 16 Ujian Akhir Semester (28 Mei 2024)