UNIVERSITAS SAM RATULANGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
PROGRAM STUDI SISTEM INFORMASI
RENCANA PEMBELAJARAN SEMESTER (RPS)
Nama Mata Kuliah Kode Mata Kuliah Bobot (sks) Semester TanggalPenyusunan
PEMOGRAMAN
BERORIENTASI
OBJEK
SIS 3391 3(2-1) V
Otorisasi Nama KoordinatorPengembang RPS KoordinatorBidangKeahlian (Jika Ada) Korprodi
Luther Alexander Latumakulita Altien J.Rindengan
CapaianPembelajaran
(CP)
CPL-PRODI (CapaianPembelajaranLulusan Program Studi) Yang DibebankanPada Mata Kuliah
S11 Menginternalisasi prinsip-prinsip belajar sepanjang hayat, literasi data, literasi teknologi, literasi manusia, dan mampu
memahami tanda-tanda revolusiindustri 4.0
KU1 Mampu menerapkan pemikiranlogis, kritis, sistematis, dan inovatif dalam konteks pengembangan dan implementasi ilmu
pengetahuan dan teknologi dengan memperhatikan dan menerapkan nilai humaniora yang sesuai dengan bidang keahliannya;
KU5 Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya, berdasarkan hasil
analisi sinformasi dan data;
KU10 Mampu melakukan analisis & desain denganmenggunakan kaidah rekayasa software dan hardware serta algoritma dengan
cara menggunakan tools dan dapat menunjukkan hasil dan kondisi yang maksimal untuk aplikasi bisnis.
KK1 Mampu menerapkan matematika dasar, prinsip algoritma, dan teori komputasi dalam pemodelan dan desain sistem berbasis
komputeruntukmemecahkanmasalahnyatadibidanginformasi.
PP3 Mempunyai pengetahuan dalam penyusunan algoritma pemrograman yang efektif dan efisien serta dapat merancang,
membangun dan mengelola aplikasi system informasi secara tepat dan akurat untuk pendukung pengambilan keputusan.
CPMK (CapaianPembelajaran Mata Kuliah)
Menguasai pemograman Python dan mampu menggunakannya untuk komputasi suatu masalah spesifik
SUB-CPMK
1. Mampu memahami pemograman Python sebagai bahasa pemograman berorientasi objek
2. Mampu menerapkan konsep enkapsulasi (class dan objek) dalam Bahasa Pemograman Python
3. Mampu menenerapkan konsep pewarisan dan polimorfis dalam bahasa pemograman Python
4. Mampu menggunakan Pemograman Python analisis dan pengolahan data
5. Mampu menggunakan Python untuk ploting data dan visualisasi
6. Mampu menggunakan Python dalam domain machine learning
7 Mampu menggunakan Python untuk pengolahan signal digital
DeskripsiSingkat Mata
Kuliah
Matakuliah ini mengajarkan mahasiswa untuk dapat menggunakan bahasa pemograman Python sebagai bahasa objek oriented untuk
memecahkan berbagai masalah komputasi numeric, statistic, data sciende dan komputasi cerdar.
BahanKajian/MateriPembel
ajaran
1. Pendahuluan komputasi menggunakan Python
2. Statement perulangan dan seleksi
3. Konsep enkaptulasi (Class dan Objek)
4. Struktur class dengan pewarisan dan polimorfis
5. Komputasi simbolik
6. Ploting dan visualisasi
7. Pemecahan masalah optimasi
8. Analisa dan pemrosesan data
9 Machine Learning with Python
10 Signals Processing with Python
DaftarReferensi Utama
1. Kenneth A. Lambert. 2017. Fundamentals of Python Firt Program 2
nd
Edition. CENGAGE, Boston USA.
2. Robert Johansson.2019. Numerical Python. Apress USA
Pendukung
1. Susan Li. 2017. Solving A Simple Classification Problem with Python — Fruits Lovers’ Edition.
https://towardsdatascience.com/solving-a-simple-classification-problem-with-python-fruits-lovers-edition-d20ab6b071d2
2. Steven Hurwitt. 2018. Classification in Python with Scikit-Learn and Pandas. https://stackabuse.com/classification-in-
python-with-scikit-learn-and-pandas/
Nama DosenPengampu Luther Alexander Latumakulita
Mata KuliahPrasyarat
(jikaada)
Algoritma dan Struktur Data
Matriks Pembelajaran :
Minggu
Kemampuan akhir yang
diharapkan
( Subjek PMK)
Bahan
Kajian/Materi
Pembelajaran
Bentuk dan
Metode
Pembelajaran
Estimasi
Waktu
(Menit)
Tugas Mahasiswa
Penilaian
Bobot
Nilai
(%) Kriteria dan Bentuk Indikator
1 Mampu memahami
lingkungan bahasa
pemograman Python
Komponen
komputasi sains di
Python
Bentuk : Kuliah
Metode:Diskusi,
Cooperative
learing
TM:2x50
PT:2x60
BM:2x60
Mahasiswa mampu
menjelaskan komponen
dan lapisan komputasi
sains dalam python
Nontes(proses):
Keaktifan dalam Tugas
Perseorangan
Nontes(luaran): Tes Lisan
Indikator
Kelengkapan
komponen
komputasi sain
dalam phyton
Kriteria:
Ketepatan dan
penguasaan
komponen
komputasi sains
dalam python
BentukPenilaian:
• Tes lisan dan
latihan
5%
2 Mampu memahami
memahami dan
mengimplementasi
statement Looping dan
Selection
-for Loop
-if dan if-else
-Implementasi
Bentuk : Kuliah
Metode : Small
group
discussion,
Cooperative
learing
TM:
3x2x50
PT:
3x2x60
BM:
3x2x60
Mahasiswa mampu
menjelaskan konsep for,
if dan if-else serta mampu
implmentasi dalam
program
Proses:
Keaktifan dalam Tugas
Pereorangan
Luaran:
Kualitas tes formatif
perorangan
Indikator
Kelengkapan dan
kejelasan dalam
menerangkan
danmenerapkan
statement for , if
dan if-else
Kriteria:
Ketepatandanpengu
asaankonsepdantuju
an loop dan seleksi
BentukPenilaian
5%
Latihan dan tugas
Bentuk
Praktikum
TM+PT+
BM :
3x170
Kelas:
Melakukan praktikum
berdasarkan bahan
praktikum yang disusun
dosen
Praktikum di lab
Nontes(proses):
Keaktifan dalam praktikum
Nontes(luaran): Laporan
Praktikum
Proses:
Keaktifan dalam
praktikum
Luaran:
Kualitas laporan
praktikum
3
Mampu menjelaskan
konsep enkapsulasi
- Konsep
Enkapsulasi
- Konsept Class
- Objek
Metode :Project
based learning
TM+PT+
BM :
3x170
- Mahasiswa mampu
menjelaskan konsep
enkapsulasi
- Mahasiswa mampu
membuat class
- Mahasiswa mampu
menciptakan objek
Proses:
Keaktifan dalam diskusi
kelompok
Luaran:
Kualitas tes formatif
perorangan
Proses:
Keaktifan dalam
diskusi kelompok
Luaran:
Kualitas ringkasan
hasil kajian
perorangan
5%
Bentuk
Praktikum
TM+PT+
BM :
3x170
Kelas:
Melakukan praktikum
berdasarkan bahan
praktikum yang disusun
dosen
Praktikum di lab
Nontes(proses):
Keaktifan dalam praktikum
Nontes(luaran): Laporan
Praktikum
Proses:
Keaktifan dalam
praktikum
Luaran:
Kualitas laporan
praktikum
4 Mampu memahami dan
menerapkan konsep klass
dengan pewarisan dan
polimorfis
- Konsep
pewarisan
- Konsep
polimorfi
- Class dengan
pewarisan dan
polimorfis
Bentuk: Kuliah
Metode :Small
Group
Discussion
TM:
3x2x50
PT:
3x2x60
BM:
3x2x60
Mahasiswa
mendiskusikan class
dengan pewarisan dan
polimorfis
Proses:
Keaktifan dalam diskusi
kelompok
Luaran:
Kualitas tes formatif
perorangan
Proses:
Keaktifan dalam
diskusi kelompok
Luaran:
Kualitas ringkasan
hasil kajian
perorangan
5%
Bentuk
Praktikum
TM+PT+
BM :
3x170
Kelas:
Melakukan praktikum
berdasarkan bahan
praktikum yang disusun
dosen
Praktikum di lab
Nontes(proses):
Keaktifan dalam diskusi
kelompok
Nontes(luaran): Tes formatif
Proses:
Keaktifan dalam
diskusi kelompok
Luaran:
Kualitas tes
formatif perorangan
5 - 6 Mampu mengimplementasi
komputasi simbolik
- Library SymPy
- Jenis number
dan expresi
dalam Python
- Operasi kalkulus
(turunan,
integral, limit
dan sum
products)
Bentuk : Kuliah
Metode : Small
Group
Discussion
TM:
3x2x50
PT:
3x2x60
BM:
3x2x60
- Mahasiswa mampu
menggunakan library
SymPy untuk oprasi-
operasi kalkulus
- Diskusikelas
Nontes(proses):
Keaktifan dalam diskusi
kelompok
Nontes(luaran):Ringkasan
diskusi
Proses:
Keaktifan dalam
diskusi kelompok
Luaran:
Kualitas ringkasan
hasil kajian
perorangan
10%
Bentuk
Praktikum
TM:
2x2x50
PT:
2x2x60
BM:
2x2x60
Kelas:
Melakukan praktikum
berdasarkan bahan
praktikum yang disusun
dosen
Praktikum di lab
Nontes(proses):
Keaktifan dalam diskusi
kelompok
Nontes(luaran): Tes formatif
Proses:
Keaktifan dalam
diskusi kelompok
Luaran:
Kualitas tes
formatif perorangan
7 Mampu membuat ploting
dan visualisasi
- Import modul
matplotlib.pyplo
t
- Membuat grafik
- 3D plot
Bentuk: Kuliah
Metode : Small
Group
Discussion
TM:
3x2x50
PT:
3x2x60
BM:
3x2x60
- Mahasiswamengerjaka
n proyek yg dirancang
secara sistematis
Keaktifan dalam praktikum
Nontes(luaran): Laporan
Proyek
Proses:
Keaktifan dalam
praktikum
Luaran:
Kualitas laporan
proyek
10%
Bentuk
Praktikum
TM+PT+
BM :
3x170
Kelas:
Melakukan praktikum
berdasarkan bahan
praktikum yang disusun
dosen
Praktikum di lab
Keaktifan dalam praktikum
Nontes(luaran): Laporan
Praktikum
Proses:
Keaktifan dalam
praktikum
Luaran:
Kualitas laporan
praktikum
8 – 9 Mampu membuat
programan untuk
pemecahan masalah
optimasi
- masalah optimasi
- Unvariate
optimasi
- Problem kuadrat
terkecil tidak
linier
Bentuk : Kuliah
Metode :Project
Based Learning
TM+PT+
BM :
3x170
- Mahasiswa mampu
mengerjakan tugas
masalah optimasi
- Diskusikelas
Keaktifan dalam praktikum
Nontes(luaran): Laporan
Proyek
Proses:
Keaktifan dalam
diskusi kelompok
Luaran:
Kualitas ringkasan
hasil kajian
perorangan
UJIAN
TENGA
H
SEMES
TER
Bentuk
Praktikum
Kelas:
Melakukan praktikum
berdasarkan bahan
praktikum yang disusun
dosen
Praktikum di lab
Keaktifan dalam praktikum
Nontes(luaran): Laporan
Proyek
10 – 11 Mampu membuat program
untuk analisa dan
pemrosesan data
- Library Pandas
- Series,
dataFrame dan
Time series
Bentuk : Kuliah
Metode :Project
Based Learning
TM+PT+
BM :
3x170
- Mahasiswa mampu
mengerjakan
mengimplementasikan
tugas project analisis
dan pengolahan data
- Diskusikelas
Keaktifan dalam praktikum
Nontes(luaran): Laporan
Proyek
Proses:
Keaktifan dalam
diskusi kelompok
Luaran:
Kualitas ringkasan
hasil kajian
perorangan
10%
Bentuk
Praktikum
TM+PT+
BM :
3x170
Kelas:
Melakukan praktikum
berdasarkan bahan
praktikum yang disusun
dosen
Praktikum di lab
Keaktifan dalam praktikum
Nontes(luaran): Laporan
Praktikum
Proses:
Keaktifan dalam
praktikum
Luaran:
Kualitas laporan
praktikum
12 - 13 Mampu membuat program
untuk penerapan metode-
metode machine learning
-Regresi
-Clasifikasi
Clastering
Bentuk : Kuliah
Metode : Project
Based Learning
TM+PT+
BM :
3x170
- Mahasiswa mampu
mengerjakan
mengimplementasikan
tugas project analisis
dan pengolahan data
- Diskusikelas
Keaktifan dalam praktikum
Nontes(luaran): Laporan
Proyek
Proses:
Keaktifan dalam
praktikum
Luaran:
Kualitas laporan
proyek
10%
Bentuk
Praktikum
TM+PT+
BM :
3x170
Kelas:
Melakukan praktikum
berdasarkan bahan
praktikum yang disusun
dosen
Praktikum di lab
Keaktifan dalam praktikum
Nontes(luaran): Laporan
Praktikum
Proses:
Keaktifan dalam
praktikum
Luaran:
Kualitas laporan
praktikum
14 - 15 Mampu membuat program
untuk pengolahan data
signal digital
- Tranformasi
Fourier
Bentuk : Kuliah TM+PT+
BM :
3x170
- Mahasiswa mampu
mengerjakan
mengimplementasikan
Keaktifan dalam praktikum
Nontes(luaran): Laporan
Proyek
Proses:
Keaktifan dalam
praktikum
10%
- Spectogram
- Filtering noise
Metode :Project
Based Learning
tugas project analisis
dan pengolahan data
- Diskusikelas
Luaran:
Kualitas laporan
proyek
- Bentuk
Praktikum
TM+PT+
BM :
3x170
Kelas:
Melakukan praktikum
berdasarkan bahan
praktikum yang disusun
dosen
Praktikum di lab
Keaktifan dalam praktikum
Nontes(luaran): Laporan
Praktikum
Proses:
Keaktifan dalam
praktikum
Luaran:
Kualitas laporan
praktikum