Sistem Big Data

Matakuliah Sistem Big Data

Deskripsi:
  • Matakuliah Sistem Big Data mempelajari tentang konsep, metodologi, dan teknologi yang terkait dengan pengelolaan dan analisis data berskala besar. 
Topik yang dibahas meliputi:
  • Karakteristik Big Data: 3V (Volume, Velocity, Variety)
  • Arsitektur Big Data: Hadoop, Spark, Hive, HBase, Kafka, dll.
  • Teknologi Pengolahan Data: Batch processing, stream processing, real-time processing
  • Analisis Big Data: Machine learning, deep learning, data mining, natural language processing
  • Visualisasi Big Data: Tableau, Qlik, Power BI
  • Etika dan Privasi Big Data
Tujuan:
  • Memahami konsep dan prinsip dasar Big Data
  • Mampu mengelola dan menganalisis data berskala besar
  • Mampu menggunakan teknologi Big Data untuk menyelesaikan masalah
  • Mampu memahami etika dan privasi dalam Big Data
Manfaat:
  • Meningkatkan kemampuan dalam mengolah data
  • Meningkatkan daya saing di dunia kerja
  • Mempersiapkan diri untuk karir di bidang Big Data
Topik Spesifik:
  • Sumber Data Big Data: Data sensor, data media sosial, data web, dll.
  • Aplikasi Big Data: Bisnis, kesehatan, pemerintahan, ilmu pengetahuan, dll.
  • Tantangan Big Data: Skalabilitas, keamanan, privasi, dll.
Metode Pembelajaran:
  • Kuliah teori
  • Praktikum
  • Diskusi
  • Proyek
Penilaian:
  • Ujian
  • Tugas
  • Proyek
Referensi:
  • Big Data Analytics, 1st Edition. Editor(s): Govindaraju, Raghavan, and Rao. ReleaseDate: 07 Jul 2015. Imprint: Elsevier
  • Data Science and Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data. Editor: EMC Education Services. January 2015. 
  • Big Data: A Very Short Introduction by Dawn Griffiths
  • Big Data for Dummies by Judith Hurwitz, Robin Bloor, Marcia Kaufman
  • Judith S. Hurwitz, et. al. 2013. Big Data for Dummies, John Wiley & Sons, Inc.,Hoboken, New Jersey
  • Parhusip, H. A. Pemrograman Python untuk Penanganan Big Data. Pnerbit Andi Yogyakarta, 2019.
  • Wu. X, Kumar, V. The Top Ten Algorithms in Data Mining. CRC Press, 6000 Broken Sound Parkway NW, Suite 300. 2009.
  • Dugard P, Todman J, Staines H. Approching Multivariate Analysis A Practical Introduction. Routledge 270 Madison Avenue, New York, 2010.
  • Kantardzic M. DATA MINING Concepts, Models, Methods, And Algorithms. A JOHN WILEY & SONS, INC., PUBLICATION 2011.
  • S. Sumathi, S.N. Sivanandam. Introduction to Data Mining and its Applications. Springer 2006.
  • Ratner B. Statistical Modeling and Analysis for Database Marketing Effective Techniques for Mining Big Data
  • Referensi Bisa di Unduh di link Berikut: Folder Buku DISINI, Password diberikan ketika perkuliahan
Materi

  • Pertemuan 1. Orientasi Perkuliahan
    • Rencana Perkuliahan Semester (RPS) Unduh Disini
    • Kontrak Kuliah Unduh Disini
    • Orientasi Perkuliahan Disini
    • Pengenalan dan Motivasi Perkuliahan Disini
  • Pertemuan 2. Pengenalan Big Data
    • Penjelasan tentang pengenalan big data 
      • Pengertian big data
      • Pengertian fungsi 
      • Manfaat 
      • Tools 
      • Teknologi dan implementasinya
    • Materi Pengenalan Big Data bisa di Unduh Disini dan Disini
    • Materi dari kelompok satu Unduh Disini
    • Tugas Mandiri 1, Unduh Disini
  • Pertemuan 3. Sifat Big Data dan Kompleksitas Big Data
    • Penjelasan tentang sifat big data dan kompleksitas big data

      • Volume, Variety, Velocity, Veracity,Value
      • Big-O Complexity
      • Materi bisa di Unduh Disini
  • Pertemuan 4. Arsitektur Manajemen Big Data dan Data Warehouse
    • Arsitektur manajemen Big Data 3 lapisan umum Big Data : 
      • Aplikasi
      • Infrastruktur
      • Teknologi
        • Teknologi Hadoop/Ekosistem Hadoop
      • Materi bisa di unduh disini
  • Pertemuan 5. Pengenalan Metodologi, Model, dan Algoritma data Mining
    • Pengenalan metodologi, model dan algoritma pada Data Mining
    • Materi bisa dilihat Disini
  • Pertemuan 6. Konsep Data Mining: Regresi
    • Tujuan metode regresi 
    • Aplikasi regresi Penggunaan 
    • Software untuk pengolahan model regresi
    • Materi bisa dilihat Disini
  • Pertemuan 7. Konsep Data Mining: Klasifikasi
    • Definisi dan perbedaan klasifikasi 
    • Algoritma pada klasifikasi : decision tree, dll
    • Aplikasi klasifikasi Penggunaan software untuk pengolahan model klasifikasi
    • Materi bisa di akses Disini
    • Klasifikasi Adaptive Boosting lihat Disini
    • Klasifikasi K Nearest Neigbor (KNN) lihat Disini
    • Tugas akses Disini
  • Pertemuan 8. UAS
  • Pertemuan 9-10. Teknik Clustering dalam Data Mining
    • Klustering
      • Definisi dan konsep dasar clustering data mining Lihat Disini
      • Algoritma K-Means & Hierarchical Clustering bisa dilihat Disini
      • Algoritma DBSCAN Lihat Disini
      • Algoritma J48 lihat Disini
    • Evaluasi Clustering
    • Karakteristik data, cluster dan algoritma clustering
    • Prototype –based & Density  
    • Graphbased clustering 
    • Skalabilitas Clustering
    • Penggunaan Ai(ex:Fuzzy logic, K-means,JST) pada clustering
  • Pertemuan 11-12. Konsep Data Mining: Association Rule
    • Penjelasan tentang konsep data mining: association rule 
      • Definisi dan konsep asosiasi data
      • Aplikasi / studi kasus asosiasi data
      • Penggunaan software untuk pengolahan model asosiasi data
      • Materi bisa dilihat Disini
  • Pertemuan 13-14 Peluang Big Data dan Studi Kasus Big Data
    • Penjelasan tentang project peluang big data dan studi kasus big data.
    • Tugas Kelompok Peluang Big Data
  • Pertemuan 15. Aplikasi Big Data dalam Industri
  • Pertemuan 16. UAS