Data Science pada Domain Spesifik

Data Science di Bidang Industri Pangan: Menjaga Mutu Air dan Susu

3 sks – Genap 2025/2026

Di balik segelas air minum dan segelas susu yang kita konsumsi setiap hari, terdapat proses panjang yang
melibatkan kualitas, keamanan, dan keputusan berbasis data. Mata kuliah Data Science pada Domain
Spesifik di industri pangan (khususnya air dan susu) mengajak mahasiswa menelusuri bagaimana data
berperan dalam menjaga mutu air dan susu.

Perkuliahan dimulai dengan pengenalan dunia data science secara umum. Mahasiswa diajak memahami
apa itu data science, bagaimana peran seorang data scientist, serta bagaimana tahapan pengolahan data
digunakan untuk menjawab permasalahan nyata di berbagai sektor. Melalui contoh-contoh kasus yang
dekat dengan kehidupan sehari-hari, mahasiswa melihat bahwa data science bukan sekadar kumpulan
teknik, melainkan cara berpikir yang sistematis dan berbasis data.

Setelah memahami gambaran besar, mahasiswa mulai memasuki tahapan-tahapan data science dengan
mengenali kebutuhan organisasi dan memahami data yang tersedia. Menggunakan contoh data kualitas air
dan susu, mahasiswa belajar mengumpulkan, membaca, dan mengeksplorasi data. Pada tahap ini,
mahasiswa dilatih untuk memahami konteks data dan menemukan pola awal melalui visualisasi dan
deskripsi data sederhana.

Untuk memperkuat konteks, mahasiswa diperkenalkan pada kondisi nyata industri pangan melalui kuliah
tamu. Dalam sesi ini mahasiswa mempelajari peran penting air dalam proses produksi, tahapan
pengolahan susu, parameter mutu, serta standar dan regulasi yang mengatur keamanan pangan. Dari sini,
mahasiswa diharapkan dapat mulai memahami bahwa setiap data yang dianalisis merepresentasikan
proses nyata yang berdampak langsung pada kualitas produk dan keselamatan konsumen.

Data di dunia nyata seringkali bersifat “kotor” dan tidak siap digunakan dalam proses analisis sehingga
perlu dipersiapkan terlebih dahulu. Peroleha data yang dilakukan secara berkala sering kali menghasilkan
data yang tidak lengkap, tidak wajar (anomali), atau sulit langsung dianalisis. Melalui studi kasus ini,
mahasiswa belajar menyiapkan data agar siap diolah, mengubah data menjadi informasi yang lebih
bermakna, serta menggali insight untuk mendukung pengendalian mutu.

Setelah masa ujian tengah semester, mahasiswa mulai diperkenalkan pada peran machine learning dalam
otomasi quality control. Dengan pendekatan yang intuitif dan berbasis kasus kualitas air dan susu,
mahasiswa memahami bagaimana komputer dapat belajar membedakan produk yang layak dan tidak
layak, serta mengapa kesalahan prediksi dapat berdampak serius, baik dari sisi keamanan pangan maupun
efisiensi produksi. Proses evaluasi model diperkenalkan sebagai bagian dari proses pengambilan
keputusan yang berbasis data.

Pada tahap akhir, mahasiswa menggabungkan seluruh proses yang telah dipelajari, mulai dari
pengumpulan data mentah, penyiapan data, analisis, hingga visualisasi dan pembuatan model sederhana.
Hasil analisis kemudian dikomunikasikan melalui dashboard, presentasi, dan laporan yang terstruktur.
Kemampuan storytelling menjadi penutup penting, karena nilai sebuah analisis terletak pada
kemampuannya untuk dipahami dan digunakan oleh pihak lain.

Mata kuliah ini dirancang untuk mahasiswa Informatika maupun non-Informatika UNPAR. Oleh karena
itu, pendekatan pembelajaran menekankan pemahaman konsep, alur berpikir, dan konteks nyata industri,
tanpa bergantung sepenuhnya pada kemampuan teknis pemrograman. Mahasiswa diperkenalkan pada alat
yang umum digunakan di dunia kerja seperti Excel dan Orange, dengan Python sebagai pilihan
tambahan bagi mahasiswa yang telah terbiasa menggunakannya.

Melalui mata kuliah ini, mahasiswa diharapkan tidak hanya memahami data science sebagai sekumpulan
metode, namun sebagai sebuah proses berpikir, dari memahami permasalahan nyata industri pangan,
menginterpretasi data, hingga menghasilkan keputusan berbasis data yang berdampak dan bertanggung
jawab.

Di akhir perkuliahan mahasiswa diharapkan dapat memahami dan menerapkan:

1. Konsep dasar data science dan tahapan data science.
2. Konsep dasar data science pada domain spesifik.
3. Pengetahuan umum mengenai industri pangan (air dan susu).
4. Konsep dasar mengenai eksplorasi data.
5. Konsep staging (extract, cleanse, transform, load) dan prakteknya pada dataset-dataset industri
   pangan.
6. Konsep dasar machine learning dan teknik yang relevan untuk industri pangan.
7. Pemodelan data untuk industri pangan.
8. Proses penggalian insights dengan menggunakan perangkat lunak yang sesuai.
9. Konsep visualisasi data dan interpretasinya.
10. Teknik-teknik dalam melakukan presentasi yang baik.

Prasyarat: lulus 60 sks