2023-2028 CURRICULUM OF BACHELOR PROGRAM IN DATA SCIENCE

Study Program

Need Help?

Please contact us here:

2023-2028 Curriculum of Bachelor Program in Data Science

Vision, Mission and Goals

Vision

Menjadi lembaga pendidikan jenjang sarjana dan pengembangan sains data yang berfokus pada machine learning berbasis keilmuan statistika bertaraf internasional yang berkontribusi dalam ilmu pengetahuan dan teknologi serta terapannya pada bidang (1) Bisnis dan Industri, (2) Ekonomi dan Finansial, (3) Sosial dan Kependudukan, serta (4) Lingkungan dan Kesehatan.

Mission

Misi Program Studi Sains Data adalah memberikan kontribusi dalam pengembangan ilmu pengetahuan dan teknologi pada bidang sains data yang berfokus pada machine learning berbasis keilmuan statistika serta terapannya untuk mewujudkan kesejahteraan masyarakat melalui kegiatan pendidikan, penelitian, pengabdian kepada masyarakat, dan manajemen yang berbasis teknologi informasi dan komunikasi.
Misi Program Studi Sains Data di bidang pendidikan:
- menyelenggarakan pendidikan Sarjana pada bidang sains data yang berfokus pada machine learning berbasis keilmuan statistik, teknologi informasi dan komunikasi untuk menghasilkan lulusan yang berkualitas internasional;
- menghasilkan lulusan yang beriman dan bertakwa kepada Tuhan Yang Maha Esa, memiliki tanggung jawab dan etika profesi, serta mampu memotivasi diri untuk berpikir kreatif dan belajar sepanjang hayat; dan
- menghasilkan lulusan yang profesional di bidang sains data yang mempunyai pengetahuan kewirausahaan.
Misi Program Studi Sains Data di bidang penelitian adalah berperan secara aktif dalam pengembangan ilmu pengetahuan dan teknologi pada bidang sains data yang berfokus pada machine learning berbasis keilmuan statistik serta terapannya melalui kegiatan penelitian yang berkualitas internasional.
Misi Program Studi Sains Data di bidang pengabdian kepada masyarakat adalah memanfaatkan sumber daya yang dimiliki untuk berperan aktif dalam menyelesaikan permasalahan yang dihadapi oleh masyarakat, industri, dan pemerintahan.
Misi Program Studi Sains Data di bidang manajemen:
- pengelolaan kemampuan sumber daya secara profesional dalam penyelenggaraan Tridharma Perguruan Tinggi yang berbasis teknologi informasi dan komunikasi; dan
- mengembangkan jejaring dan bersinergi dengan perguruan tinggi dalam dan luar negeri, industri, masyarakat, dan pemerintahan dalam penyelenggaraan Tridharma Perguruan Tinggi.

Goals

Menghasilkan lulusan yang dapat berkarier sebagai (1) Data Scientist dan (2) Business Intelligence Analyst and Data Analyst yang memiliki kemampuan:

- menerapkan metode sains data yang berfokus pada machine learning berbasis keilmuan statistik dalam menyelesaikan masalah pada bidang (1) Bisnis dan Industri, (2) Ekonomi dan Finansial, (3) Sosial dan Kependudukan, serta (4) Lingkungan dan Kesehatan;
- menyusun program komputer untuk pengumpulan dan analisis data berskala besar; dan
- mengidentifikasi, menformulasi, mengumpulkan, menganalisis dan menginterpretasikan data terstruktur atautidak terstruktur.

Menghasilkan lulusan yang dapat berkontribusi pada praktik profesional bidang pilihannya melalui komunikasi yang efektif, kepemimpinan, kerja tim, layanan, dan etika yang tinggi.
Menghasilkan lulusan yang memiliki karakter yang mampu mengembangkan diri dengan pembelajaran sepanjang hayat melalui kegiatan dan pelatihan profesional, serta mengikuti pendidikan ke jenjang yang lebih tinggi.

Programme Learning Outcome (PLO)

Programme Learning Outcome

Able to demonstrate attitudes and characters that reflect: being pious to God Almighty, having ethics and integrity, virtuous character, sensitive and concern with social and environmental issues, respecting cultural differences and pluralism, upholding law enforcement, prioritizing the interests of the nation and the wider community, through creativity and innovation, excellence, strong leadership, synergy, and other potentials to achieve maximum results.
Able to study and utilize science and technology in order to apply it to certain fields of expertise and be able to make appropriate decisions based on the results of their own work and group work in the form of a final project report or other forms of learning activities whose output is equivalent to the final project through logical, critical, systematic, and innovative thinking.
Able to manage one’s own learning and develop oneself as a lifelong learner to compete at the national or international level in order to contribute significantly to solving problems by implementing information and communication technology and paying attention to the principles of sustainability and understanding technology-based entrepreneurship.
Able to apply science and mathematics to support understanding of data science methods
Able to apply statistical theories and methods to data analysis to support decision-making.
Able to design structured and unstructured data collection and integration with appropriate methodology
Able to compile algorithms and create computer programs for big data analysis to solve problems in various applied fields.
Able to collect and present the results of structured or unstructured data analysis in oral or written form.
Able to analyze and apply appropriate data science methods based on statistical machine learning to problems in the fields of business intelligence and data science.

Graduate Profile

Berdasarkan kajian kebutuhan industri terhadap lulusan, beberapa profil lulusan yang sesuai dengan Program Studi Sains Data ITS adalah (1) Data Scientist; dan (2) Business Intelligence and Data Analyst. Kompetensi yang akan dimiliki oleh lulusan (Capaian Pembelajaran Lulusan) adalah:

Mampu menerapkan pengetahuan sains dan matematika untuk mendukung pemahaman metode sains data
Mampu menerapkan teori statistika pada metode sains data untuk menyelesaikan permasalahan dalam berbagai bidang terapan
Mampu membuat program komputer untuk mengumpulkan data, mengindentifikasi, memformulasi, menganalisis data berskala besar untuk menyelesaikan masalah di berbagai bidang terapan
Mampu menyajikan analisis data terstruktur atau tidak terstruktur secara lisan maupun tulisan
Memiliki pengetahuan tentang isu terkini dan mendatang yang berkaitan dengan bidang statistical machine learning
Mampu berkomunikasi secara efektif dan bekerjasama dalam tim yang interdisiplin dan multidisiplin
Memiliki tanggung jawab dan etika profesi serta mampu memotivasi diri untuk berpikir kreatif dan belajar sepanjang hayat

Capaian Pembelajaran Lulusan (CPL) tersebut selaras dengan Standar Kompetensi Kerja Nasional Indonesia (SKKNI) Bidang Data Science yang disahkan melalui Keputusan Menteri Ketenagakerjaan Republik Indonesia Nomor 299 Tahun 2020 memiliki 21 unit kompentensi sebagaimana Tabel 1.3 sedangkan untuk bidang Data Analyst ada 8 unit kompetensi sebagaimana Tabel 1.4

Tabel 1.3 Kompetensi Data Science

No	Kode Unit	Judul Unit Kompetensi
1	J.62.DMI00.001.1	Menentukan Objektif Bisnis
2	J.62.DMI00.002.1	Menentukan Tujuan Teknis Data Science
3	J.62.DMI00.003.1	Membuat Rencana Proyek Data Science
4	J.62.DMI00.004.1	Mengumpulkan Data
5	J.62.DMI00.005.1	Menelaah Data
6	J.62.DMI00.006.1	Memvalidasi Data
7	J.62.DMI00.007.1	Menentukan Objek Data
8	J.62.DMI00.008.1	Membersihkan Data
9	J.62.DMI00.009.1	Mengkonstruksi Data
10	J.62.DMI00.010.1	Menentukan Label Data
11	J.62.DMI00.011.1	Mengintegrasikan Data
12	J.62.DMI00.012.1	Membangun Skenario Model
13	J.62.DMI00.013.1	Membangun Model
14	J.62.DMI00.014.1	Mengevaluasi Hasil Pemodelan
15	J.62.DMI00.015.1	Melakukan Proses Review Pemodel
16	J.62.DMI00.016.1	Membuat Rencana Deployment Model
17	J.62.DMI00.017.1	Melakukan Deployment Model
18	J.62.DMI00.018.1	Membuat Rencana Pemeliharaan Model
19	J.62.DMI00.019.1	Melakukan Pemeliharaan Model
20	J.62.DMI00.020.1	Melakukan Review Proyek Data Science
21	J.62.DMI00.021.1	Melakukan Laporan Akhir Proyek Data Science

Tabel 1.4 Kompetensi Data Analyst

No	Kode Unit	Judul Unit Kompetensi
1	J.620900.004.02	Merancang spesifikasi sesuai denganfungsi dan kebutuhan
2	J.620900.033.02	Melakukan backup data dan sistem
3	J.631100.001.01	Menetapkankebutuhan pengelolaanpusat data untuk organisasi
4	J.631100.002.01	Menetapkanstandar dan acuanpraktik terbaik yang berlaku
5	J.63OPR00.009.	Menggunakanaplikasi berbasis internet
6	J.63OPR00.015.	Memastikanvaliditas data
7	J.63OPR00.016.	Mengidentifikasi aspek keamananinformasi pengguna
8	J.63OPR00.017.	Memastikankeamananinformasi pengguna

Curriculum

List Of Courses For Bachelor Program

SEMESTER: I
No	Course Code	Course Name	Credit	Documents
No	Course Code	Course Name	Credit	Sylabus	RPS
1	SB234101	Biology	2	link	link
2	SM234101	Calculus 1	3	link	link
3	SD234101	Linear Algebra	3	link	link
4	SF234103	Mechanics Physics	3	link	link
5	SD234102	Basic Statistics	3	link	link
6	SD234103	Basic Programming	3	link	link
7	SD234104	Introduction to Data Science	2	link	link
	Jumlah sks		19

SEMESTER: II
No	Course Code	Course Name	Credit	Documents
No	Course Code	Course Name	Credit	Sylabus	RPS
1	SM234201	Calculus II	3	link	link
2	SD234201	Statistical Theory I	3	link	link
3	SD234202	Numerical Method	3	link	link
4	SD234203	Database Management	2	link	link
5	SD234204	Open Source Programming	3	link	link
6	SD234205	Exploratory Data Visualization	3	link	link
	Jumlah sks		17

SEMESTER: III
No	Course Code	Course Name	Credit	Documents
No	Course Code	Course Name	Credit	Sylabus	RPS
1	SD234301	Discrete Mathematics	3	link	link
2	SD234302	Statistical Theory II	3	link	link
3	SD234303	Data Warehouse	4	link	link
4	SD234304	Teknik Sampling dan Data Wrangling	4	link	link
5	SD234305	Data Structure and Algorithm Optimization	3	link	link
6	SD234306	Statistical Modeling	4	link	link
	Jumlah sks		21

SEMESTER: IV
No	Course Code	Course Name	Credit	Documents
No	Course Code	Course Name	Credit	Sylabus	RPS
1	SD234401	Data Privacy and Security	2	link	link
2	SD234402	Data Science Computing	3	link	link
3	SD234403	Stochastic Modeling	3	link	link
4	SD234404	Multivariate Data Analysis	3	link	link
5	SD234405	Data Mining	3	link	link
6	SD234406	Simulation Design and Analysis	3	link	link
7	SD234407	Optimation Method	3	link	link
	Jumlah sks		20

SEMESTER: V
No	Course Code	Course Name	Credit	Documents
No	Course Code	Course Name	Credit	Sylabus	RPS
1	SD234501	Image and Voice Processing	4	link	link
2	SD234502	Unsupervised Machine Learning	3	link	link
3	SD234503	Metaheuristic Optimization Methods	3	link	link
4	SD234504	Supervised Machine Learning	3	link	link
5	SD234505	Big Data Analysis	4	link	link
6	SD234506	Text Mining	3	link	link
	Jumlah sks		20

SEMESTER: VI
No	Course Code	Course Name	Credit	Documents
No	Course Code	Course Name	Credit	Sylabus	RPS
1	UG234911	Pancasila	2	link	link
2	UG234914	English	2	link	link
3	UG234915	Technopreneur	2	link	link
4	UG234912	Indonesian	2	link	link
5		Enrichment Course	3	link	link
6	SD234601	Data Science Project	4	link	link
7	SD234602	Bussiness Analytics	3	link	link
8	SD2346–	Elective Courses I	3	link	link
	Jumlah sks		21

SEMESTER: VII
No	Course Code	Course Name	Credit	Documents
No	Course Code	Course Name	Credit	Sylabus	RPS
1	UG23490X	Religion	2	link	link
2	UG234913	Civics	2	link	link
3	SD234701	Scientific Research Methodology	2	link	link
4	SD234702	Practical Work	2	link	link
5	UG234916	Applied Technology and Digital Transformation	3	link	link
6	SD2347–	Elective Courses II	3	link	link
7	SD2347–	Elective Courses III	3	link	link
8	SD2347–	Elective Courses IV	3	link	link
	Jumlah sks		20

SEMESTER: VIII
No	Course Code	Course Name	Credit	Documents
				Sylabus	RPS
1	SD234801	Final Project	6	link	link
	Jumlah sks		6

List Of Elective Courses

No	Course Code	Course Name	Credit	Documents
No	Course Code	Course Name	Credit	Sylabus	RPS
Business Intelligence & Data Analyst
1	SD234611	Spatio-temporal Data Visualization	3	link	link
2	SD234612	Financial Risk Management	3	link	link
3	SD234613	Digital Marketing	3	link	link
4	SD234614	Digital Bussiness	3	link	link
Data Scientist
5	SD234615	Intoduction to Parallel Computing	3	link	link
6	SD234711	Cloud Computing Technology	3	link	link
7	SD234712	Bayesian Computing	3	link	link
8	SD234713	Spatiotemporal Forecasting	3	link	link
9	SD234714	Bioinformatics Technology	3	link	link
Religion
10	UG234902	Christian Studies	3	link	link
11	UG234903	Catholic Studies	3	link	link
12	UG234904	Hindu Studies	3	link	link
13	UG234905	Buddhist Studies	3	link	link
14	UG234906	Khonghucu Studies	3	link	link

15	SD234715	Special Topic	3	link	link
16	SD234716	Internship	3	link	link

CPL to Courses Mapping

Matrik CPL dan Mata Kuliah Prodi Sains Data

Download

Module and Staff Handbook

Module Handbook


No	Course Code	Course Name	Credit	Semester	Prerequisite Course
1	SB234101	Biology	2	1	–
2	SM234101	Calculus 1	3	1	–
3	SD234101	Linear Algebra	3	1	–
4	SF234103	Mechanics Physics	3	1	–
5	SD234102	Basic Statistics	3	1	–
6	SD234103	Basic Programming	3	1	–
7	SD234104	Introduction to Data Science	2	1	–
8	SM234201	Calculus 2	3	2	–
9	SD234201	Statistical Theory I	3	2	–
10	SD234202	Numerical Method	3	2	–
11	SD234203	Database Management	2	2	–
12	SD234204	Pemrograman Open Source	3	2	–
13	SD234205	Exploratory Data Visualization	3	2	–
14	SD234301	Discrete Mathematics	3	3	Calculus 2
15	SD234302	Statistical Theory II	3	3	Statistical Theory I
16	SD234303	Data Warehouse	4	3	–
17	SD234304	Teknik Sampling dan Data Wrangling	4	3	Basic Statistics
18	SD234305	Data Structure and Algorithm Optimization	3	3	–
19	SD234306	Statistical Modeling	4	3	Basic Statistics
20	SD234401	Data Privacy dan Security	3	4	Exploratory Data Visualization
21	SD234402	Data Science Computing	3	4	Open Source Programming
22	SD234403	Stochastic Modeling	3	4	Basic Statistics
23	SD234404	Multivariate Data Analysis	3	4	Statistical Modeling
24	SD234405	Data Mining	3	4	Statistical Modeling
25	SD234406	Simulation Design and Analysis	3	4	Data Structure and Algorithm Optimization
26	SD234407	Optimation Method	3	4	Data Structure and Algorithm Optimization
27	SD234501	Image and Voice Processing	4	5	Data Mining
28	SD234502	Unsupervised Machine Learning	3	5	Multivariate Data Analysis
29	SD234503	Metaheuristic Optimization Methods	3	5	Optimation Method
30	SD234504	Supervised Machine Learning	3	5	Statistical Modeling, Data Mining
31	SD234505	Big Data Analysis	4	5	Data Mining
32	SD234506	Text Mining	3	5	Data Mining
33	UG234911	Pancasila	2	6	–
34	UG234914	English	2	6	–
35	UG234915	Teknopreneur	2	6	–
36	UG234912	Indonesian	2	6	–
37	SD234601	Data Science Project	4	6	Statistical Modeling, Data Mining
38	SD234602	Anlatika Bisnis	3	6
39	UG23490X	Agama	2	7	–
40	UG234913	Civics	2	7	–
41	SD234701	Scientific Research Methodology	2	7	–
42	SD234702	Practical Work	2	7	–
43	UG234916	Applied Technology and Digital Transformation	3	7	–
44	SD234801	Final Project	6	8	–
45	SD234611	Visualisasi Data Spasio-Temporal	3	Elective Courses	–
46	SD234612	Financial Risk Management	3	Elective Courses	–
47	SD234613	Digital Marketing	3	Elective Courses	–
48	SD234614	Digital Bussiness	3	Elective Courses	–
49	SD234615	Intoduction to Parallel Computing	3	Elective Courses	–
50	SD234711	Cloud Computing Technology	3	Elective Courses	–
51	SD234712	Bayesian Computing	3	Elective Courses	–
52	SD234713	Spatiotemporal Forecasting	3	Elective Courses	–
53	SD234714	Bioinformatics Technology	3	Elective Courses	–
54	SD234715	Special Topic	3	Elective Courses	–
55	SD234716	Internship	3	Elective Courses	–

Staff Handbook

On Job Training and Final Project

Procedures and Forms form On Job Training

Kerja Praktik (KP) ialah Kerja Lapangan atau Kerja Nyata yang harus dilaksanakan mahasiswa dalam satu tim beranggotakan dua (2) mahasiswa di suatu lembaga/instansi dalam waktu yang telah ditetapkan dengan bobot 2 sks.

TUJUAN KERJA PRAKTIK (KP)

Mampu bermasyarakat dalam dunia kerja.
Memberikan pengalaman kepada mahasiswa tentang sistem kerja di suatu lembaga.
Mampu mengidentifikasi masalah untuk dianalisis dengan menggunakan metode statistik.

TIMELINE KP :

Periode 01 untuk pelaksanaan KP antara Desember – Februari (atau menyesuaikan kalender akademik ITS)
Periode 02 untuk pelaksanaak KP antara Juni - Agustus (atau menyesuaikan kalender akademik ITS)

TAHAP I. PENDAFTARAN KP

Sebelum Pendaftaran KP, mahasiswa harus:

Mengikuti sosialisasi KP dan memahami linimasa akademik S1 Sains Data ITS
Membentuk tim secara mandiri (satu tim terdiri dari dua mahasiswa). Satu tim mahasiswa melakukan KP pada periode yang sama dan mengambil MK KP di FRS pada semester yang sama. Misalnya, mahasiswa KP periode 01 harus mengambil MK KP pada semester Genap (Februari-Juni).
Menyusun proposal KP dengan dosen-dosen pembimbing KP (Dosen Wali).
Mengumpulkan formulir F1 dan Proposal KP melalui administrasi akademik untuk persetujuan KP oleh prodi.
Setelah F1 dan proposal lengkap dengan persetujuan dari prodi, mahasiswa mengunggah F1 melalui persuratan mahasiswa untuk pengajuan surat pengantar KP kepada instansi tujuan KP.
Mahasiswa menyerahkan surat pengantar KP dari departemen dan proposal ke perusahaan/instansi KP secara mandiri.
Apabila mahasiswa diterima maka mahasiswa meng-entry-kan detail KP melalui lembar kerja berikut lengkap dengan kode tim. Ketentuan kode tim akan dijelaskan pada saat sosialisasi KP.
Jika mahasiswa tidak diterima/berencana pindah tempat KP, maka mahasiswa harus menunjukkan surat penolakan dari perusahaan bersamaan dengan Form F1 dan proposal yang baru.

TAHAP II. PEMBUATAN PROPOSAL

Pembimbingan penyusunan proposal KP setidaknya dilakukan 3 kali dengan kedua dosen pembimbing KP.
Mahasiswa harus membawa formulir F4 saat bimbingan proposal, yang kemudian dilampirkan pada proposal.
Proposal KP yang siap diunggah, dilengkapi lembar pengesahan dengan tanda tangan kedua mahasiswa dan kedua dosen pembimbing KP.
Kelengkapan tanda tangan Kepala Departemen pada lembar pengesahan proposal KP diproses melalui admin akademik (lihat tahap 1 poin 3).

TAHAP III. PELAKSANAAN KP

Mahasiswa harus mengambil KP pada FRS yang bersesuaian contoh mahasiswa yang melaksanakan KP pada periode 01 maka harus mengambil KP pada FRS semester genap.
Mahasiswa harus melaksanakan KP di Perusahaan selama minimum 20 hari kerja sesuai perjanjian dengan perusahaan/instansi. Pada periode ini mahasiswa wajib melengkapi logbook KP (Form A).
Selama pelaksanaan KP (antara t0 dan t1) mahasiswa wajib melaksanaan pembimbingan dengan dosen pembimbing KP minimal 1 kali.
Tanggal t2 ditentukan otomatis 60 hari setelah t1 atau ditentukan oleh prodi dengan menyesuaikan kalender akademik ITS dan departemen Statistika ITS.
Masa di antara t1 dan t2 adalah periode penyusunan laporan akhir KP, mahasiswa wajib melakukan bimbingan setidaknya 5 kali untuk kedua pembimbing KP (Form B).
Lembar pengesahan oleh instansi pada laporan akhir KP ditandatangi oleh pembimbing lapangan dan pejabat diatasnya
Lembar pengesahan oleh Departemen Statistika pada laporan akhir KP wajib dilengkapi oleh tanda tangan kedua dosen pembimbing dan tanda tangan Kepala Departemen akan diproses oleh admin akademik.
Mahasiswa menyerahkan salinan fisik laporan akhir KP (ukuran A5 hardcover) kepada Perpustakaan Pusat ITS secara mandiri.
Mahasiswa mengunggah PDF laporan akhir KP (lembar pengesahan lengkap dengan semua tanda tangan) melalui lembar kerja monitoring dengan tanggal unggah dokumen akan menentukan perhitungan keterlambatan pengumpulan laporan.

TAHAP IV. KARYA KP

Mahasiswa wajib merencanakan karya KP yang akan dihasilkan sejak menyusun proposal KP.
Karya KP dapat berupa videografis, video informasi, atau dashboard. Karya dalam bentuk lain dapat disepakati oleh pembimbing lapangan dan dosen pembimbing.
Jika pembimbing lapangan dan tempat KP menyetujui dapat dapat diajukan dalam HKI berikut

TAHAP V. PENYERAHAN NILAI KP

Mahasiswa dapat menyampaikan link penilaian KP untuk pembimbing lapangan setelah laporan akhir KP selesai dengan deadline penilaian adalah 2 minggu setelah t2.
Penilaian oleh dosen pembimbing internal dikoordinasikan oleh prodi.
Nilai di-entry-kan oleh prodi dengan ketentuan konsekuensi penurunan nilai akibat keterlambatan unggah laporan KP sebagai berikut:
Nilai KP turun X tingkat jika keterlambatan H hari (selisih antara pengumpulan laporan sebenarnya dengan t2).

Form Kerja Praktik Prodi S1 Sains Data

UNDUH

MBKM Program

Kegiatan Merdeka Belajar – Kampus Merdeka (MB – KM) merupakan proses pembelajaran yang dilaksanakan di luar Program Studi baik yang ada di internal ITS maupun di luar ITS yang terdiri atas: