Kurikulum 2024

Kode Mata KuliahBA4121 / 3 SKS
Penyelenggara114 - Agricultural Engineering / SITH
KategoriLecture
Bahasa IndonesiaEnglish
Nama Mata KuliahBig Data untuk PertanianBig Data for Agriculture
Bahan Kajian
  1. Gambaran Umum Big Data
  2. Gambaran Umum Data Analytics
  3. Dasar Data Analytics menggunakan Microsoft Excel
  4. Metode Analisis Data: Clustering menggunakan Microsoft Excel & R
  5. Metode Analisis Data: Regresi menggunakan Microsoft Excel & R
  6. Studi Kasus Analisis Data Pertanian
  7. Metode Analisis Data: Klasifikasi menggunakan R
  8. Aplikasi Big Data: Hadoop
  9. Studi Kasus Big Data untuk aplikasi rekayasa pertanian
  1. Big Data Overview
  2. Data Analytics Overview
  3. Data Analytics Basics using Microsoft Excel
  4. Data Analysis Method: Clustering using Microsoft Excel & R
  5. Data Analysis Method: Regression using Microsoft Excel & R
  6. Agricultural Data Analysis Case Study
  7. Data Analysis Method: Classification using R
  8. Big Data Applications: Hadoop
  9. Big Data Case Study for Agricultural Engineering Applications
Capaian Pembelajaran Mata Kuliah (CPMK)
  1. Mampu menerapkan pengetahuan teknologi informasi untuk mendapatkan pemahaman menyeluruh tentang prinsip-prinsip big data untuk pertanian.
  2. Mampu menerapkan prinsip-prinsip biosains dan ilmu pertanian untuk mendapatkan pemahaman menyeluruh tentang prinsip-prinsip big data dalam pertanian.
  3. Mampu menjelaskan peran, tanggungjawab dan etika profesi perekayasa.
  4. Mampu membuat keputusan berdasarkan tanggung jawab etika profesi dalam memecahkan permasalahan big data dalam pertanian.
  5. Mampu menjelaskan dampak big data pertanian terhadap kesejahteraan masyarakat, keamanan lingkungan, dan pembangunan berkelanjutan.
  6. Mampu belajar secara mandiri dan berkelanjutan melalui kegiatan perkuliahan dan eksperimen.
  7. Mampu mengumpulkan informasi dari berbagai sumber secara efisien dan efektif.
  8. Mampu mendiskusikan isu-isu terkini yang berkaitan dengan bidang rekayasa.
  1. Able to apply knowledge of information technology to gain a thorough understanding of big data principles for agriculture.
  2. Able to apply bioscience and agricultural science principles to gain a thorough understanding of big data principles in agriculture.
  3. Able to explain the roles, responsibilities and ethics of the engineering profession.
  4. Able to make decisions based on professional ethical responsibilities in solving big data problems in agriculture.
  5. Able to explain the impact of agricultural big data on community welfare, environmental security, and sustainable development.
  6. Able to learn independently and continuously through lectures and experiments.
  7. Able to collect information from various sources efficiently and effectively.
  8. Able to discuss current issues related to engineering.
Metode PembelajaranCeramah, Diskusi kelompok, Pembelajaran berbasis Masalah/Studi KasusLecture, Group Discussion, Problem Based Learning/Case Study
Modalitas PembelajaranLuring Sinkron, Bauran/Daring AsinkronSynchronous Offline, Asynchronous Online/Blended
Jenis NilaiABCDE
Metode PenilaianKuis, Tugas Kelompok, UTS, UASQuiz, Group Assignment, Mid-Term Exam, Final Exam
Catatan Tambahan