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