Download RPKPS File - Teknologi Informasi

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN
RI
UNIVERSITAS ANDALAS
FAKU LTAS TEKNOLOG
I
IN
FORMASI
PRODI SISTEM INFORMASI
RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER
Mata Kuliah
: Data Warehouse & Mining
Kode/
: TIB
P ra
U
sya
SKS
rat
niversitas
Fa
316/ 3
kultas
:Andalas
:Teknik
DESKRIPSI UMUM MATA KULIAH
SKS
Dosen
Muhammad Adri, MT
Kode Dosen
Status
Wajib
Prodi
Sistem lnformasi
Semester
V (lima)
:
Data Warehouse (Gudang Data) dan Data Mining (Penggalian Data), merupakan suatu kajian tentang
tata kelola data dalam skala besar (very large datobase scale)yang banyak diterapkan pada modelsistem
informasi enterprise. Untuk kebutuhan pengembangan penggalian data pada sebuah sistem enterprise
tidak terlepas dari model arsitektur enterprise yang digunakan dalam membangun sistem informasi
enterprises tersebut, maka pada awal materi akan dibahas konsep data dan arsitektur dari sistem
enterprises sebagai pondasi dalam pengembangan sistem penggalian dan gudang data. Beberapa model
arsitektur enterprises yang populer akan dibahas sebagai pengatahuan dasar bagi mahasiswa dalam
membangun sistem enterprises seperti :TOGAF, Zachman, FEA dan Gartner.
Untuk membangun sebuah gudang data, setelah arsitektur enterprises dipilih, maka selanjutnya
dikembangkan teknil-teknik penggalian data dari sistem dan dari customer. Tujuan dari data mining
adalah untuk melakukan acquiring dan pemrosesan data. Untuk itu kepada mahasiswa diperkenalkan
model-model penggalian data, serta metode dan algoritma penggalian data. Terdapat banyak algoritma
yang dapat diterapkan dalam teknik penggalian data ini yang dapat dikaji lebih jauh oleh mahasiswa
untuk dikembangkan menjadi studi kasus dalam mata kuliah ini, seperti teknik klasifikasi, klustering dan
sebagainya.
Selanjutnya hasil dari penggalian data akan ditampung dalam sebuah gudang data. Setidaknya terdapat
dua sumber data yang akan disimpan dalam sebuah gudang data, yaitu data dari operafional database
dan sumber data external yang tidak lagi berbentuk basis data relasional, namun sudah dalambentuk
basis data multidimesional. Bagaimana kedua sumber data ini kemudian diextraksi dalam bentuk
metadata repository yang akan digunakan untuk memanggil data yang tersimpan di dalam gudang data
yang kemudian dipresentasi dan divisualisasikan dengan salah satu teknikyang populeryaitu OLAP (OnLine Analytical Processing).
Diharapkan mahasiswa yang mengikuti Mata Kuliah ini telah memiliki pengetahuan dan keterampilan
yang kokoh tentang Konsep Sistem lnformasi, Sistem lnformasi Manajemen, Konsep Dasar Perancangan
Sistem Basis Data, Analisis Sistem informasi, Basis Data Lanjutan, Sistem Pendukung Keputusan dan
Enterprise Architecture sebagai Architecture Sistem yang akan mengimplementasikan konsep Data
Mining dan Data Warehousing ini.
LECTURE KEYWORD
:
Arsitektur Enterprise (Enterprose Architecture- EA) merupakan proses penerjemahan visi dan stratgei
bisnis kepadalam suatu perubahan enterprise yang efektif dengan membuat, mengkomunikasi dan
menyempurnakan key requirements, prinsip-prinsip dan model yang menggambarkan masa depan
enterprise dan evolusinya.
lstilah enterprise mencakup semua kekompleksan sistem dan socio-technical system seperti : sumber
daya manusia, informai, teknologidan bisnis.
Penggalian data (Dofo mining) adalah ekstraksi pola yang menarik dari data dalam jumlah besar. Suatu
pola dikatakan menarik apabila pola tersebut tidak sepele, implisit, tidak diketahui sebelumnya, dan
berguna. Pola yang disajikan haruslah mudah dipahami, berlaku untuk data yang akan diprediksi dengan
derajat kepastian tertentu, berguna, dan baru. Penggalian data memiliki beberapa nama alternatif,
meskipun definisi eksaknya berbeda, seperti KDD (knowledge discovery in database), analisis pola,
arkeologi data, pemanenan informasi, dan intelegensia bisnis. Penggalian data diperlukan saat data yang
tersedia terlalu banyak (misalnya data yang diperoleh dari sistem basis data perusahaan, e-commerce,
data saham, dan data bioinformatika).
Gudang data (doto warehouse) adalah suatu sistem komputer untuk mengarsipkan dan menganalisis
data historis suatu organisasi seperti data penjualan, gaji, dan informasi lain dari operasi harian. Pada
umumnya suatu organisasi menyalin informasi dari sistem operasionalnya (seperti penjualan dan SDM)
ke gudang data menurut jadwal teratur, misalnya setiap malam atau setiap akhir minggu. Setelah itu,
manajemen dapat melakukan kueri kompleks dan analisis (contohnya penambangan data, doto mining)
terhadap informasi tersebut tanpa membebani sistem yang operasional.
Gudang data merupakan sebuah metoda untuk menyimpan historis dan data terintegrasi yang
digunakan untuk mendukung pengambilan keputusan. Gudang data menyedia sebuah sumber data
dalam bentuk data historis enterprises terpadu.
KOMPETENSI
:
Setelah menyelesaikan mata kuliah ini, mahasiswa diharapkan
1. Memamahi konsep dasar arsitektur enterprise
2.
3.
4.
5.
6.
:
Memahami berbagai jenis arsitektur enterprise
Memahami konsep dasar penggalian data
Menganalisis teknik penggalian data dengan berbagai teknik dan algoritma data mining
Memahami konspe dasar gudang data
Membangun sistem gudang data
POKOK BAHASAN
:
Section I : Enterprise Architecture
1.
2.
Konsep Dasar Arsitekture Enterprise
Arsitektur Enterprise Populer
Section ll : Data Mining
3.
4.
5.
6.
Sistem lnformasi, DSS, Data Mining dan Data Warehousing
Konsep Dasar Data Mining
Data Mining
- Data Preprocessing
Kubus Data, Pola, Klasifikasi dan Prediksi
7.
8.
9.
Data Stream, Time Series, dan Basis Data Transaksional
Social Network Analysis, Text dan Data Web
Knowledge Discovery and Data Mining
lll : Data Warehousing
10. Konsep Dasar Data Warehousing
Section
1"1. Teknik Datawarehousing
12. OLAP (On-Line Analytical Processing)
RENCANA PEMBELAJARAN
Minggu
:
Kompetensi
Bahan Kajian
Kegiatan
lndikator
Pengantar Perkuliahan
Penjelasan Wacana
Kehadiran
Nilai(%)
Ke
Mengetahui rencana
Perkuliahan dan
T
hubungannya
dan
Agena
Perku lia ha n
dengan
mata kuliah pendukung
la
innya
Mengetahui
Kontrak
Kuliah dan tata aturan
yang diberlakukan dalam
perku liaha n
Memahami Konsep Dasar EA
2.
Konsep Dasar Arsitektur
Presentasi
Enterprise
dan Diskusi
Dosen
serta
dan Diskusi
Dosen
Kehadiran
Kehadi
ra n
Penugasa n
Memahami dan Menjelaskan
EA Populer
Memahami keterkaitan
antara Sistem lnformasi, DSS,
3
3
Data Mining dan
Data
Enterprise
Architecture
Presentasi
dan Diskusi
Ponuler
dan Diskusi
Sistem lnformasi, DSS, Data
Presentasi
Kehadiran
dan
dan Diskusi
dan
Mining
Data
Dosen
Diskusi serta
Warehousing
Penugasa n
Konsep Dasar Data Mining
Presentasi
Warehousing
Memahami Konsep
4
Dasar
5,6
Dosen
Memahami dan menjelaskan
Kubus Data, Pola, Klasifikasi
Presentasi
Dosen
konsep Kubus Data,
dan Prediksi dalam data
dan Diskusi
serta
mining
Penugasa n
Data Stream, Time Series, dan
Basis Data Transaksional
dan Diskusi serta
Pola,
Klasifikasi dan Prediksi dalam
Kehadi
ra n
dan Diskusi
dan Diskusi
Data Minins
Kehadiran
dan Diskusi
data minine
Memahami berbagai jenis
I'o
data dalam data mining :
Data Stream, Time Series,
Presentasi
Dosen
Kehadiran
dan Diskusi
Penugasan
dan Basis Data Transaksional
ci:ry -'ffi
,t.l
data mining
pada teknologi Social
Memahami
10
ll'il
ltl/lL!!!1i,
w.&
Social Network Analysis, Text
dan Data Web
Network Analysis, Text dan
Presentasi
Dosen
dan Diskusi serta
Pe
Ke ha di
ran
dan Diskusi
nugasa n
Data Web
11
Memahami konsep dasar
Knowledge Discovery and
Knowledge Discovery and
Data Mining
Memahami Konsep
L2
Dasar
Konsep Dasar
dasar
Warehousins
Teknik Datawarehousing
Data Warehousine
1,4
Memahami Teknik
Presentasi
Dosen
dan Diskusi serta
Kehadiran
dan Diskusi
Penugasa n
Data Minins
L3,
Bobot
Data
Presentasi
Dosen
Presentasi
Dosen
ra n
Ke
hadi
ra n
dan Diskusi
dan Diskusi
dalam pengolahan data pada
Kehadi
dan Diskusi
dan Diskusi
Datawa rehousi ng
L5, 16
Memahami konsep dasar
OLAP (On-Line Analytical
OLAP (On-Line Analytical
Processing) pada data
dan Diskusi serta
Presentasi
Processing) datawarehouse
warehouse
Penugasa n
Dosen
ItNllll l
Kehadiran
dan Diskusi
KONTRAK KULIAH
a. Kontrak Umum
:
:
'
Mata kuliah ini terdiri dari 3 SKS (Sistem Kredit Semester) yang mengintegrasikan antara
kekuatan konsep teoritis dan aspek praktis dan aplikatif dari Data Mining dan Data Warehousing.
'
Untuk itu dalam mengukur keberhasilan perencanaan sebuah sistem informasi, maka mata
kuliah ini dilengkapi dengan final project oleh masing-masing mahasiswa dalam bentuk Analisis
Rancangan Aplikasi Sistem lnformasi berdasarkan konsep dan tahapan rekayasa perangkat lunak
'
yang dilengkapi dengan dasar analisis perencanaan dan pengembangan serta implementasinya
Perkuliahan akan dibagi menjadi2 SKS tatap muka, dan l SKS Praktikum Mandirioleh mahasiswa
dalam upaya penyelesaian final project mata kuliah ini.
b. Strategi Perkuliahan
' Metode perkuliahan
ini
menggunakan beberapa metoda, diantaranya metoda ceramah,
sumbang saran dan diskusi.
'
Dalam metoda ceramah dosen pembimbing akan menguraikan materi perkuliahan pada suatu
pertemuan, namun karena mata kuliah ini merupakan mata kuliah lanjutan, maka latar-belakang
pengetahuan mahasiswa dapat dilibatkan melalui metoda sumbang-saran dan diskusi.
'
Fokus dalam diskusi adalah membahas tentang persoalan-persoalan yang ada dalam suatu
analisis dan perancangan sistem informasi berbasis Data Mining dan Data Warehousing.
Sistem Penilaian
Sistem Penilaian dalam Mata Kuliah iniakan menggunakan sistem huruf dan angka dalam formatA,
C, D dan E, dengan rincian sebagai berikut:
Nilai
A
Range Skor
-
Keterangan
c
66-8s
56-6s
Skor tertinggi dengan konvers skor angka = 4
Skor tertinggi dengan konvers skor angka = 3
Skor tertinggi dengan konvers skor angka = 2
D
41-55
Skor tertinggi dengan konvers skor angka = 1
E
< 4'J,
81
B
100
B,
Akumulasi perhitungan nilai tersebut di atas diperoleh dari persentase penilaian yang diambil dari
komponen-komponen penilaian sebagai berikut :
.
.
.
.
.
Kehadiran
n%
Tugas
20%
Kuis
ts%
Ujian Mid Semester 25%
Uiian Akhir Semester 30 %
Jumlah
DESKRIPSITUGAS:
'
'
'
Untuk mengoptimalkan proses pembelajaran, bahan bacaan yang diuraikan pada daftar bacaan
harus dibaca sebelum mengikuti perkuliahan, sesuai dengan materiyang akan dibahas.
Mahasiswa diwajibkan untuk menyerahkan paper kecil pada pertemuan ke 7, sebagai pra-syarat
untuk mengikuti Evaluasi Mid Semester. Paper ini menguraikan penjelasan saudara tentang
konsep dasar rancangan sistem informasi berbasis konsep dasar data mining dan data
warehosuing yang akan dikembangkan sebagai final project yang memenuhi kaidah sistem
informasi, rekayasa perangkat lunak, basis data dan sistem berbasis client-server
.
Tugas paper besar, merupakan pra-syarat mengikuti ujian akhir semester, diserahkan pada
pertemuan ke 15. Dalam paper ini mahasiswa menjelaskan dan menguraikan Final Report dari
Final Project yang dibuat.
NORMA AKADEMIK
o
o
o
o
o
.
:
Kegiatan pembelajaran sesuai Jadwal Resmi, kecualijika ada agenda perubahan jadwal dan
agenda kuliah pengganfi .
Toleransi keterlambatan 10 menit.
Pengumpulan tugas ditetapkan sesuaijadwal, pengumpulan setelah jadwal tidak diterima
Berpakaian sopan, rapi dan tidak ketat
Tidak diperkenankan menggunakan sandal dalam perkuliahan
Tidak diperkenankan untuk mengaktifkan telepon genggam, melakukan aktifitas komunikasi
(SMS, Chat, Telp, dll) selama di dalam kelas.
REFERENSI
Referensi Utama
o
o
o
:
lan H . Witten, et.al. (2011) . Dota Mining: Proctical Mochine Leorning Tools qnd Techniques,
Third Edition, Burlington, MA, USA: Morgan Kaufmann.
Jiawei Han, et.al.(20I2). Doto Mining: Concepts ond Techniques, Third Edition, Waltham, MA,
USA: Morgan Kaufmann
paulraj Ponniah.(2010). Dota Warehousing : Fundamentols for IT Professional, New Jersey : John
Wiley & Sons, lnc.
o
Thomas C. Hammergen and Alan R. Simon.(2009). Dato Worehouse for Dummies,2nd Edition,
New Jersey : WileY Publishing
Referensi Best Practice
.
.
:
Joy Mundy, et.al.0. The Microsoft Dota Worehouse Toolkit, 2nd Edution, lndianapolis, USA
Wiley Publishing, lnc
Ralph Kimball, Margy Ross.(2008) The Data Worehouse Toolkit: The Complete Guide to
Dimensional Modeling (3rd Edition), John Wiley & Sons,
:
Referensi Pendukung :
. Pang-Ning Tan, Michael Steinbach and Vipin Kumar. (2005). lntroduction to Doto Mining,
. William H. lnmon and Richard D. Hackathorn, (1-994). using the Dato Warehouse, New York :
John WileY & Son's
. pyle, Dorian. (2003). Business Modeling and Doto Mining. London : Morgan Kaufmann.
. Stephen Haag, Maeve Cummings, Donald J. McCubbery, Alain Pinsonneault,Richard Donvan.
(2006). Manogements lnformation System for the tnformotion Age, Third Canadian Edition,
o
McGraw-Hill RYerson
Darmawikarta, Djoni. (2007). Dimensionol Doto Worehousing with MySQL. BrainySoftware.
Ta
nesal
6 Aeustus 2012
Disetujui
Diperiksa
Dibuat
Ta ngga
Tanseal
OIeh
Muhammad Adri
Oleh
Jabatan
Tlnda Tangan
Dosen MK
Jabatan
Tanda Tangan
I
Oleh
Tim Evaluasi Kurikulum
Jabatan
Tanda Tangan
Ka. Prodi Sl