Survey
* Your assessment is very important for improving the workof artificial intelligence, which forms the content of this project
* Your assessment is very important for improving the workof artificial intelligence, which forms the content of this project
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