UNIVERSITAS LAMBUNG MANGKURAT

FAKULTAS TEKNIK
PRODI TEKNOLOGI INFORMASI
RENCANA PEMBELAJARAN SEMESTER
Rumpun BOBOT
MATA KULIAH KODE SEMESTER Tgl Penyusunan
MK (sks)
Data Warehouse dan Data Mining HIKB-753 MKB 3 Genap ………..
Pengembang RPS Koordinator MK/RMK Koordinator Prodi

OTORISASI

Hj. Yuslena Sari, S. Kom, M. Kom Muhammad Alkaff, S.Kom, M.Kom

CPL
Sikap : S9 - Menunjukkan sikap bertanggungjawab atas pekerjaan di bidang keahliannya secara mandiri;
Kemampuan Umum : KU1 - Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam konteks pengembangan atau
implementasi ilmu pengetahuan dan teknologi yang memperhatikan dan menerapkan nilai humaniora yang sesuai
Capaian dengan bidang keahliannya
Pembelajaran (CP) Kemampuan Khusus : KK9- Mampu membuat desain basis data yang efisien dan sesuai dengan kebutuhan pengembangan perangkat
lunak
Pengetahuan : PP9 - Menguasai konsep teoritis tentang manajemen data dan informasi
CP-MK
Mahasiswa dapat merancang aplikasi data warehouse dan memahami konsep data mining.
Mata kuliah ini mempelajari tentang bagaimana proses perencanaan, pengumpulan requirement, arsitektur , infrastruktur, desain,
Diskripsi Singkat MK
persiapan data, information delivery, deployment dan pemeliharaan data Warehouse.
Bahan Kajian/Pokok Information Management dengan pokok bahasan:
Bahasan 1. Motivation in Data Warehouse
2. Building Block Data Warehouse
3. DW as Mainstream
4. Planning and Project Management
5. Kompenen Arsitektural
6. Infrastruktur Pondasi DW
7. Metadata dan Peranannya

RPS Data Warehouse dan Data Mining – Hj. Yuslena Sari, S.Kom, M.Kom
 8. Prinsip Dimensional Modelling
9. Data Quality
Utama :
Paulraj Ponniah. (2009). Data Warehousing Fundamentals. John Wiley & Sons, Inc
Pustaka/referensi
Pendukung :
W. H. Inmon. (2008). Building the Data Warehouse Third edition. John Wiley & Sons, Inc
Perangkat lunak : Perangkat keras :
Media Pembelajaran
Laptop/PC
Team Teaching Hj. Yuslena Sari, S.Kom, M.Kom
Matakuliah prasyarat -

Minggu Sub-CPMK Kriteria & Metode Pembelajaran Materi Pembelajaran Bobot

Indikator
Ke- Bentuk [ Estimasi Waktu] [Pustaka/Referensi] Penilaian
Penilaian (%)
(1) (2) (5) (6) (7)
(3)
(4)
1 Mahasiswa dapat 1. Ketepatan dalam Keaktifan dalam - Perception Students  Urgensi data warehouse 5
menguraikan konsep memahami materi yang diskusi Have  Siklus data dan informasi
dan karakteristik data akan disampaikan dalam - Ceramah
 Data operasional vs
warehouse serta satu semester (TM: 1x50”)
perkuliahan - Diskusi informasi strategis
urgensi yang  Konsep dan siklus hidup
2. Ketepatan dalam (BM:1x100”)
mendasari perlunya memahami dasar-dasar data warehouse
data warehouse data warehouse sebagai  Karakteristik data
gambaran perkuliahan warehouse
 Data mart vs Data
warehouse

2 Mahasiswa dapat 1. Ketepatan dalam - Information Search  Analisis dimensi 5

menganalisa menguraikan komponen - Ceramah  Paket Informasi
kebutuhan- (TM: 1x150”)
penyusun dalam data  Metode pengumpulan
kebutuhan dalam warehouse kebutuhan
perancangan data 2. Ketepatan dalam

RPS Data Warehouse dan Data Mining – Hj. Yuslena Sari, S.Kom, M.Kom
 warehouse menguraikan  Definisi kebutuhan
requirement data  Jenis-jenis kebutuhan
warehouse - Kebutuhan bisnis
3. Ketepatan dalam - Kebutuhan
menjelaskan tentang arsitektur
unsur-unsur pada data - Kebutuhan
warehouse perancangan data
 Spesifikasi penyimpanan
data dan penyajian
informasi

3 Mahasiswa dapat 1. Ketapatan dalam - Case-Study Teaching a. Arsitektur 5

menguraikan menguraikan arsitektur - Problem-Based  Pengantar arsitektur DW
arsitektur dan dan infrastuktur data Learning  Karakteristik
infrastruktur data warehouse - Ceramah
2. Ketepatan dalam (TM: 1x150”)
 Architectural
warehouse. Framework
menganalisa arsitektur
dan infrastuktur data  Technical architectur
warehouse b. Infrastruktur
 Infrastruktur pendukung
arsitektur
 Hardware & software
 Database software
 Tool data warehouse
4 Mahasiswa dapat 1. Ketepatan dalam - Case-Study Teaching  Star Schema 5
merancang mengidentifikasi - Problem-Based  Snow Flake Schema
pemodelan dimensi snowflake schema, star Learning
 Kombinasi Star dan
data warehouse schema. (TM:1x150”)
2. Ketepatan dalam Snow Flake Schema
menggunakan
menganalisa snowflake
skema-skema sesuai schema, star schema.
kebutuhan

RPS Data Warehouse dan Data Mining – Hj. Yuslena Sari, S.Kom, M.Kom
 5 Mahasiswa dapat 1. Ketepatan dalam - Case-Study Teaching  Perancangan OLTP 5
menerapkan tahapan- menguraikan tentang - Problem-Based  Perancangan data
tahapan dalam perancangan database Learning warehouse
perancangan data data warehouse (TM:1x150”)
 Perancangan OLAP
warehouse  Perancangan Dimensi
 Perancangan Agregasi
6 Mahasiswa dapat 1. Ketepatan dalam - Case-Study Teaching  Pengenalan ETL 10
menerapkan konsep menguraikan tentang - Problem-Based  Extraction data
ETL yang tepat Extraction, Learning
 Transformasi data
dalam perancangan Transformation & (TM:1x150”)
 Loading data
data warehouse Loading
 ETL summary
2. Ketepatan
mengidentifikasi ETL
pada data warehouse
7 Mahasiswa dapat 1. Ketepatan dalam - Case-Study Teaching  Information delivery 10
menerapkan konsep menguraikan tentang - Problem-Based  Kubus
OLAP yang tepat konsep information Learning
 Karakteristik OLAP
dalam perancangan delivery, karakteristik, (TM:1x150”)
 OLAP Feature & Function
data warehouse fitur dan fungsi, serta
 OLAP model
model OLAP
2. Ketepatan dalam  Implementasi OLAP
menerapkan fitur dan
model dalam
pengembangan OLAP
8 Evaluasi Tengah Semester
9 Mahasiswa mampu 1. Ketepatan dalam - Case-Study Teaching  Pengenalan ETL 15
menerapkan ETL menguraikan tentang - Problem-Based  Extraction data
pada data warehouse Extraction, Learning
 Transformasi data
Transformation & (TM:1x150”)
 Loading data
Loading
 ETL summary
2. Ketepatan
mengidentifikasi ETL
pada data warehouse

RPS Data Warehouse dan Data Mining – Hj. Yuslena Sari, S.Kom, M.Kom
 10 Mahasiswa mampu 1. Ketepatan dalam - Ceramah  Data quality critical 10
Menerapkan data menguraikan tujuan data - Problem-Based  Data quality challenges
quality pada database quality dari database Learning
 Data quality tool
data warehouse data warehouse (TM:1x150”)
2. Ketepatan dalam  Data quality initiative
menguraikan hubungan
antara data quality pada
database data warehouse
3. Ketepatan dalam
penerapan data quality
pada database data
warehouse
4. Ketepatan dalam
menguraikan data
quality pada database
data warehouse
11 Mahasiswa mampu 1. Ketepatan dalam - Case-Study Teaching  Perencanaan DTS 15
membuat DTS data menguraikan tujuan data - Problem-Based  Implementasi DTS
warehouse transformation service Learning
 DTS Programming
2. Ketepatan dalam (TM: 1x150”)
menerapkan DTS
datawarehouse
3. Ketepatan dalam
menggunakan DTS
beserta penerapan
tekniknya

12 Mahasiswa mampu 1. Ketepatan dalam - Ceramah  5

membuat aplikasi mengaplikasikan data - Problem-Based
data warehouse warehouse Learning
(TM:1x150”)

13 Mahasiswa mampu - Ceramah 5

- Ketepatan dalam Konsep data mining
memahami dasar- - Problem-Based

RPS Data Warehouse dan Data Mining – Hj. Yuslena Sari, S.Kom, M.Kom
 dasar data mining mengidentifikasi data
Learning
(TM:1x150”)
mining
- Ketepatan dalam
menguraikan data mining
14 Mahasiswa mampu - Ceramah
- Ketepatan dalam Soal-soal dari materi yang
memahami semua - Problem-Based
memahami semua materi Learning telah diberikan
materi yang telah
yang telah diberikan (TM:1x150”)
diberikan sebelum
-
menghadapi UAS
15 Evaluasi Akhir Semester 100

RPS Data Warehouse dan Data Mining – Hj. Yuslena Sari, S.Kom, M.Kom