Kurikulum Program Studi Sains Data dikembangkan dengan mengadopsi dari berbagai acuan pokok bahasan ataupun kurikulum seperti Computing Competencies for Undergraduate Data Science Curricula dari Association for Computing Machinery (ACM), SKKNI, dan APTIKOM sebagai rumah asosiasi perguruan tinggi ilmu komputer, akan memastikan bahwa program ini mengikuti standar internasional dan nasional. Hal ini akan menggabungkan kompetensi dasar dalam ilmu komputer, analisis data, serta keterampilan praktis yang relevan dengan kebutuhan industri. Dengan acuan tersebut, kurikulum ini akan mencakup area-area kunci seperti:

  1. Matematika dan Statistik: Dasar-dasar untuk pemodelan, analisis data, dan pengembangan algoritma.
  2. Ilmu Komputer: Fokus pada pemrograman, algoritma, struktur data, dan sistem database yang digunakan dalam analisis data.
  3. Kompetensi dalam Pembelajaran Mesin dan Kecerdasan Buatan: Pembelajaran mesin sebagai pilar dalam memproses dan memahami data besar (big data).

Selain itu, SKKNI (Standar Kompetensi Kerja Nasional Indonesia) akan memastikan bahwa keterampilan lulusan sesuai dengan kebutuhan tenaga kerja nasional, sedangkan APTIKOM sebagai asosiasi pendidikan komputer di Indonesia memberikan panduan relevan dalam konteks pendidikan tinggi di dalam negeri. Proses pengembangan kurikulum dan perkuliahan di UIN Sumatera Utara Sumatera Utara sendiri telah diatur dalam dokumen, seperti

  1. Panduan Akademik, Link
  2. SOP Perkuliahan dan Kurikulum, Link
  3. RPS OBE UINSU 2025, Link
  4. Eksplorasi Kurikulum Link
Kode CPL Deskripsi CPL
CPL-01 Menunjukkan sikap bertanggungjawab atas pekerjaan di bidang keahliannya secara mandiri.
CPL-02 Mampu mengidentifikasi, memformulasikan, dan menganalisis serta menyelesaikan masalah komputasi yang kompleks dalam melakukan pekerjaan secara profesional di bidang sains data.
CPL-03 Mampu menerapkan konsep matematika, statistika, dan ilmu komputer yang relevan untuk memperoleh pemahaman menyeluruh tentang prinsip-prinsip sains data pada domain spesifik.
CPL-04 Mampu membangun model kecerdasan buatan dengan parameter model untuk optimalisasi nilai evaluasi pengujian.
CPL-05 Mampu merancang dan mengimplementasikan arsitektur manajemen data, baik berupa database, data warehouse, atau sistem pemrosesan data berskala besar, serta menerapkan teknik pengamanan data yang sesuai dengan kebijakan keamanan dan privasi data.
CPL-06 Mampu memilih dan menerapkan metode/sumber daya/alat komputasi modern standar industri yang sesuai untuk aktivitas praktik sains data.
CPL-07 Mampu mengidentifikasi masalah pada domain spesifik, mempersiapkan data, menganalisis data skala besar dan menginterpretasikannya, serta membangun dan menerapkan model data ke dalam lingkungan operasional.

Sebaran Mata Kuliah Program Studi Sains Data dengan Total SKS 144

Kurikulum dengan Kode

Semester 1

KodeMata KuliahTPTotal
25010000001Studi Islam I2–2
25010000004Bahasa Indonesia2–2
25010000006Pancasila2–2
25010707101Sains dan Teknologi Dasar2–2
25010707201Kalkulus3–3
25010707202Statistika3–3
25010707203Pengantar Sains Data2–2
25010707204Algoritma dan Pemrograman213
Total18119

Semester 2

KodeMata KuliahTPTotal
25010000002Studi Islam II2–2
25010000003Etika Akademik2–2
25010000007Pendidikan Kewarganegaraan2–2
25010707102Bahasa Arab Sains dan Teknologi2–2
25010707205Organisasi & Arsitektur Komputer3–3
25010707206Matematika Diskrit3–3
25010707207Basis Data213
25010707208Struktur Data213
Total18220

Semester 3

KodeMata KuliahTPTotal
25010000005Filsafat Sains2–2
25010707103Bahasa Inggris Sains & Teknologi2–2
25010707209Regresi Linier & Logistik3–3
25010707210Aljabar Linier3–3
25010707211Pemodelan Stokastik3–3
25010707212Pemodelan & Simulasi213
25010707213Data Wrangling213
Total17219

Semester 4

KodeMata KuliahTPTotal
25010707106Tafsir Ayat Sains & Teknologi2–2
25010707105Technopreneurship2–2
25010707214Analitik Data Lingkungan & Keberlanjutan213
25010707215Data Warehouse213
25010707216Metode Optimasi3–3
25010707217Analisis Data Multivariat3–3
25010707218Data Mining213
25010707104Sains & Teknologi Lingkungan2–2
Total18321

Semester 5

KodeMata KuliahTPTotal
25010707107Metodologi Penelitian2–2
25010707108Kerja Praktik2–2
25010707219Text Mining213
25010707220Analisis Geospasial & Remote Sensing213
25010707221Analisis Eksplorasi & Visualisasi Data213
25010707222Big Data Analytics213
25010707223Kecerdasan Buatan2–2
25010707224Etika Profesi2–2
Total16420

Semester 6

KodeMata KuliahTPTotal
25010707109KKN2–2
25010707224Pemrograman Web213
25010707225Bioinformatika213
25010707226Model Prediksi Perubahan Iklim & Ekosistem213
25010707227Analitika Bisnis213
–Pilihan 13–3
–Pilihan 23–3
Total16420

Semester 7

KodeMata KuliahTPTotal
25010707110Tugas Akhir I2–2
25010707229Machine Learning213
25010707230Jaringan Syaraf Tiruan213
25010707231Data Privacy & Security2–2
25010707232Projek Sains Data (Capstone)213
25010707233Komunikasi & Pengembangan Diri2–2
–Pilihan 33–3
–Pilihan 43–3
Total18321

Semester 8

KodeMata KuliahTPTotal
25010707111Tugas Akhir II4–4
Total404

Mata Kuliah Pilihan

Kode Mata Kuliah T P SKS Semester
25010707234 Analisis Time Series 2 1 3 VI
25010707235 Proses Bahasa Alami (NLP) 2 1 3 VI
25010707236 Deep Learning 2 1 3 VI
25010707237 Analisis Data Finansial 2 1 3 VI
25010707238 Bisnis Cerdas 2 1 3 VII
25010707239 Analisis Data Medis 2 1 3 VII
25010707240 Analisis Data Spasio-Temporal 2 1 3 VII
25010707241 IoT untuk Lingkungan 2 1 3 VII
Total 16 8 24 –