| Sesi Ke |
KAD |
Bahan Kajian |
Metoda Pembelajaran |
Waktu Belajar (Menit) |
Pengalaman Belajar Mahasiswa |
Referensi |
Kriteria Penilaian (Indikator) |
| 1 |
|
keterbatasan pemrosesan file konvensional;
Daftar komponen lingkungan database;
Identifikasi kategori aplikasi database;
siklus hidup pengembangan sistem basis data;
pembuatan prototipe dan pendekatan pengembangan yang tangkas;
arsitektur tiga skema untuk database;
pentingnya pemodelan data;
Memodelkan berbagai jenis atribut, entitas, hubungan, dan kardinalitas;
Diagram ER untuk situasi bisnis umum
|
|
170.00 |
Memanfaatkan berbagai sumber belajar. memberi dan menerima umpan balik melalui diskusi dan tanya jawab
|
- Ralph Kimball and Margy Ross(2016)
- Vaisman, Alejandro & Zimanyi, Esteban. (2022) (Vaisman, Alejandro & Zimanyi, Esteban. (2014, 2022). Data Warehouse Systems: Design and Implementati)
|
- Ujian Tengah Semester - 2.00 %
|
|
CAPAIAN PEMBELAJARAN: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))
|
CPMK: Rancangan Database
Database Design |
KAD: Mampu menganalisis Lingkungan Basis Data & Proses Pengembangan dan memodelkan Data dalam Organisasi
Able to analyze Database Environment & Development Process and model Data in Organizations (4,4) |
|
| Daftar Kriteria Penilaian (Indikator) |
|---|
| PI Description | PI Assessment Methods |
|---|
Model database dalam organisasi dapat dijelaskan
The database model in the organization can be explained |
Ujian Tengah Semester 2.00 %
|
|
|
|
|
|
| 2 |
|
penggunaan teknik spesialisasi dan generalisasi;
fitur khusus proyek pemodelan data;
menggunakan model data paket;
lima sifat relasi;
normalisasi untuk mengubah tabel anomali menjadi relasi yang terstruktur dengan baik;
|
|
170.00 |
Memanfaatkan berbagai sumber belajar. memberi dan menerima umpan balik melalui diskusi dan tanya jawab
|
|
- Ujian Tengah Semester - 3.00 %
|
|
CAPAIAN PEMBELAJARAN: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))
|
CPMK: Rancangan Database
Database Design |
KAD: Mampu menganalisis Desain Basis Data Logis dan Model Relasional
Able to analyze Logical Database Design and Relational Models (4,4) |
|
| Daftar Kriteria Penilaian (Indikator) |
|---|
| PI Description | PI Assessment Methods |
|---|
Teknik spesialisasi dan generalisasidalam rancangan database dapat ditentukan
Specialization and generalization techniques in database design can be determined |
Ujian Tengah Semester 3.00 %
|
|
|
|
|
|
| 3 |
|
proses desain basis data fisik;
Terjemahkan model database ke dalam struktur yang efisien, dan ketahui kapan/bagaimana melakukan denormalisasi; kueri SQL tunggal
|
|
170.00 |
Memanfaatkan berbagai sumber belajar. memberi dan menerima umpan balik melalui diskusi dan tanya jawab
|
|
- Ujian Tengah Semester - 3.00 %
|
|
CAPAIAN PEMBELAJARAN: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))
|
CPMK: Rancangan Database
Database Design |
KAD: Mampu menganalisis Desain dan Kinerja Basis Data Fisik
Able to analyze Physical Database Design and Performance (4,4) |
|
| Daftar Kriteria Penilaian (Indikator) |
|---|
| PI Description | PI Assessment Methods |
|---|
Desain dan Kinerja Basis Data Fisik dapat dirancang
Physical Database Design and Performance can be designed |
Ujian Tengah Semester 3.00 %
|
|
|
|
|
|
| 4 |
|
kueri SQL tabel tunggal dan ganda;
tiga jenis gabungan;
subkueri yang tidak berkorelasi dan berkorelasi;
SQL dalam bahasa prosedural (misalnya PHP, PL/SQL);
pemicu dan prosedur tersimpan
|
|
170.00 |
Memanfaatkan berbagai sumber belajar. memberi dan menerima umpan balik melalui diskusi dan tanya jawab
|
|
- Ujian Tengah Semester - 3.00 %
|
|
CAPAIAN PEMBELAJARAN: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
|
CPMK: Mampu menerapkan Data Mining
Able to apply Data Mining |
KAD: Mampu memodifikasi Advanced SQL
Able to modify Advanced SQL (3,3) |
|
| Daftar Kriteria Penilaian (Indikator) |
|---|
| PI Description | PI Assessment Methods |
|---|
Teknik Query Lanjut dapat dibuat
Advanced Query Techniques can be created |
Ujian Tengah Semester 3.00 %
|
|
|
|
|
|
| 5 |
|
alasan kesenjangan informasi antara kebutuhan dan ketersediaan informasi;
alasan perlunya data warehousing;
tiga tingkat data; arsitektur gudang;
dua komponen skema bintang;
Perkirakan ukuran tabel fakta;
Merancang pasar data;
persyaratan untuk data mart
|
|
170.00 |
Memanfaatkan berbagai sumber belajar. memberi dan menerima umpan balik melalui diskusi dan tanya jawab |
|
- Ujian Tengah Semester - 3.00 %
|
|
CAPAIAN PEMBELAJARAN: Mampu merancang dan menggunakan database, serta mengolah dan menganalisa data dengan alat dan teknik pengolahan data. (CPL02 (KK.b))
Able to design and use databases, as well as process and analyze data using data processing tools and techniques. (CPL02 (KK.b))
|
CPMK: Rancangan Database
Database Design |
KAD: Mampu menganalisis Data Warehousing
Able to analyze Data Warehousing (4,4) |
|
| Daftar Kriteria Penilaian (Indikator) |
|---|
| PI Description | PI Assessment Methods |
|---|
Data Warehouse dapat dirancang
Data Warehouse can be designed |
Ujian Tengah Semester 3.00 %
|
|
|
|
|
|
| 6 |
|
Transaction processing vs. data analysis;
Course logistics;
Data integration
|
|
170.00 |
Memanfaatkan berbagai sumber belajar. memberi dan menerima umpan balik melalui diskusi dan tanya jawab |
|
- Ujian Tengah Semester - 3.00 %
|
|
CAPAIAN PEMBELAJARAN: Mampu memahami dan menggunakan berbagai metodologi pengembangan sistem beserta alat pemodelan sistem dan menganalisa kebutuhan pengguna dalam membangun sistem informasi untuk mencapai tujuan organisasi. (CPL03 (P.a))
Able to understand and utilize various system development methodologies, modeling tools, and analyze user requirements to build information systems that align with organizational goals. (CPL03 (P.a))
|
CPMK: Mengevaluasi metodologi pengembangan sistem
Evaluate system development methodologies |
KAD: Mampu membandingkan OLTP vs OLAP
Able to compare OLTP vs OLAP (5,5) |
|
| Daftar Kriteria Penilaian (Indikator) |
|---|
| PI Description | PI Assessment Methods |
|---|
Perbedaan OLTP dan OLAP dapat dipahami
The difference between OLTP and OLAP is understandable |
Ujian Tengah Semester 3.00 %
|
|
|
|
|
|
| 7 |
|
Proses pemodelan dimensi 4 langkah : Proses bisnis untuk memodelkan; butir untuk tabel fakta; dimensi ukuran numerik untuk fakta |
|
170.00 |
Memanfaatkan berbagai sumber belajar. memberi dan menerima umpan balik melalui diskusi dan tanya jawab |
|
- Ujian Tengah Semester - 3.00 %
|
|
CAPAIAN PEMBELAJARAN: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
|
CPMK: Memproyeksikan Analisis dan Visualisasi Data
Project Data Analysis and Visualization |
KAD: Mampu menganalisis Dimensional Modelling
Able to Analyze Dimensional Modeling (4,4) |
|
| Daftar Kriteria Penilaian (Indikator) |
|---|
| PI Description | PI Assessment Methods |
|---|
4 langkah dimesional model dapat dirancang
4-step dimensional model can be designed |
Ujian Tengah Semester 3.00 %
|
|
|
|
|
|
| 8 |
|
Star Schema; Snowflake Schema; Galaxy Schema
|
- Tutorial
- Pemecahan Masalah
|
170.00 |
Memanfaatkan berbagai sumber belajar. memberi dan menerima umpan balik melalui diskusi dan tanya jawab |
|
- Ujian Akhir Semester - 5.00 %
|
|
CAPAIAN PEMBELAJARAN: Mampu memahami, menganalisis, menilai konsep dasar dan peran sistem informasi dalam mengelola data yaitu pemfilteran, agregasi dan pengorganisasian dalam analisis dan visualisasi data untuk memberikan rekomendasi pengambilan keputusan pada proses dan sistem organisasi. (CPL01 (KK.a))
Able to understand, analyze, and evaluate the basic concepts and role of information systems in managing data, including filtering, aggregation, and organization in data analysis and visualization, to provide decision-making recommendations in organizational processes and systems. (CPL01 (KK.a))
|
CPMK: Memproyeksikan Analisis dan Visualisasi Data
Project Data Analysis and Visualization |
KAD: Mampu menganalisis Schema Modelling
Able to analyze Schema Modeling (4,4) |
|
| Daftar Kriteria Penilaian (Indikator) |
|---|
| PI Description | PI Assessment Methods |
|---|
Perbedaan Star Schema, Snowflake Schema dan Galaxy Schema dapat dirancang
The differences between Star Schema, Snowflake Schema and Galaxy Schema can be designed |
Ujian Akhir Semester 5.00 %
|
|
|
|
|
|
| 9 |
|
Extract, Transform,
Loading (1)
|
- Tutorial
- Pemecahan Masalah
|
170.00 |
Memanfaatkan berbagai sumber belajar. memberi dan menerima umpan balik melalui diskusi dan tanya jawab |
|
- Ujian Akhir Semester - 5.00 %
|
|
CAPAIAN PEMBELAJARAN: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
|
CPMK: Mampu menerapkan Data Mining
Able to apply Data Mining |
KAD: Mampu memodifikasi ETL
Able to modify ETL (3,3) |
|
| Daftar Kriteria Penilaian (Indikator) |
|---|
| PI Description | PI Assessment Methods |
|---|
Teknik ETL dapat dibuat
ETL techniques can be created |
Ujian Akhir Semester 5.00 %
|
|
|
|
|
|
| 10 |
|
Extract, Transform,
Loading (2)
|
- Tutorial
- Pemecahan Masalah
|
170.00 |
Memanfaatkan berbagai sumber belajar. memberi dan menerima umpan balik melalui diskusi dan tanya jawab |
|
- Ujian Akhir Semester - 5.00 %
|
|
CAPAIAN PEMBELAJARAN: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
|
CPMK: Mampu menerapkan Data Mining
Able to apply Data Mining |
KAD: Mampu memodifikasi ETL
Able to modify ETL (3,3) |
|
| Daftar Kriteria Penilaian (Indikator) |
|---|
| PI Description | PI Assessment Methods |
|---|
Teknik ETL dapat dibuat
ETL techniques can be created |
Ujian Akhir Semester 5.00 %
|
|
|
|
|
|
| 11 |
|
Descriptive; Predictive;
Prescriptive
|
- Tutorial
- Pemecahan Masalah
|
170.00 |
Memanfaatkan berbagai sumber belajar. memberi dan menerima umpan balik melalui diskusi dan tanya jawab |
|
- Ujian Akhir Semester - 5.00 %
|
|
CAPAIAN PEMBELAJARAN: Mampu memahami dan menggunakan berbagai metodologi pengembangan sistem beserta alat pemodelan sistem dan menganalisa kebutuhan pengguna dalam membangun sistem informasi untuk mencapai tujuan organisasi. (CPL03 (P.a))
Able to understand and utilize various system development methodologies, modeling tools, and analyze user requirements to build information systems that align with organizational goals. (CPL03 (P.a))
|
CPMK: Mengevaluasi metodologi pengembangan sistem
Evaluate system development methodologies |
KAD: Mampu menilai Quality Data
Able to assess Data Quality (5,5) |
|
| Daftar Kriteria Penilaian (Indikator) |
|---|
| PI Description | PI Assessment Methods |
|---|
Tingkatan kualitas data dapat dibedakan
Levels of data quality can be differentiated |
Ujian Akhir Semester 5.00 %
|
|
|
|
|
|
| 12 |
|
Tools Visual : Power BI, Tableau |
- Tutorial
- Pemecahan Masalah
|
170.00 |
Memanfaatkan berbagai sumber belajar. memberi dan menerima umpan balik melalui diskusi dan tanya jawab |
|
- Ujian Akhir Semester - 5.00 %
|
|
CAPAIAN PEMBELAJARAN: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
|
CPMK: Mampu menerapkan Data Mining
Able to apply Data Mining |
KAD: Mampu memodifikasi Visualization
Able to modify Visualization (3,3) |
|
| Daftar Kriteria Penilaian (Indikator) |
|---|
| PI Description | PI Assessment Methods |
|---|
Tools visual dapat digunakan
Visual tools can be used |
Ujian Akhir Semester 5.00 %
|
|
|
|
|
|
| 13 |
|
Business Analytics;
Business Intelligence
|
|
170.00 |
Memanfaatkan berbagai sumber belajar. memberi dan menerima umpan balik melalui diskusi dan tanya jawab |
|
- Ujian Akhir Semester - 5.00 %
|
|
CAPAIAN PEMBELAJARAN: Mampu memahami dan menggunakan berbagai metodologi pengembangan sistem beserta alat pemodelan sistem dan menganalisa kebutuhan pengguna dalam membangun sistem informasi untuk mencapai tujuan organisasi. (CPL03 (P.a))
Able to understand and utilize various system development methodologies, modeling tools, and analyze user requirements to build information systems that align with organizational goals. (CPL03 (P.a))
|
CPMK: Mengevaluasi metodologi pengembangan sistem
Evaluate system development methodologies |
KAD: Mampu menilai Data Analytics
Able to assess Analytics Data (5,5) |
|
| Daftar Kriteria Penilaian (Indikator) |
|---|
| PI Description | PI Assessment Methods |
|---|
Business Analytics dan Business Intelligence dapat dibedakan
Business Analytics and Business Intelligence can be distinguished |
Ujian Akhir Semester 5.00 %
|
|
|
|
|
|
| 14 |
|
Presentation Task |
|
170.00 |
Memanfaatkan berbagai sumber belajar. memberi dan menerima umpan balik melalui diskusi dan tanya jawab |
|
|
|
CAPAIAN PEMBELAJARAN: Memiliki kemampuan dalam melakukan fungsi klasifikasi, klasterisasi, regresi, deteksi anomali, pemfilteran, aggregasi, pembelajaran aturan asosiasi, perangkuman, baik secara deskriptif maupun prediktif di dalam memahami masalah data secara tepat dengan memahami konsep, metode, teknik dan tahapan data mining serta visualisasi data sebagai pengetahuan. (CPL09 (KK.g))
Possess the ability to perform classification, clustering, regression, anomaly detection, filtering, aggregation, association rule learning, summarization, both descriptively and predictively, to accurately understand data problems by understanding the concepts, methods, techniques, and stages of data mining and data visualization as knowledge. (CPL09 (KK.g))
|
CPMK: Mampu menerapkan Data Mining
Able to apply Data Mining |
KAD: Mampu memecahkan Studi Kasus
Able to solve Case Studies (3,3) |
|
| Daftar Kriteria Penilaian (Indikator) |
|---|
| PI Description | PI Assessment Methods |
|---|
Tugas Presentasi dapat diselesaikan
Presentation tasks can be completed |
Tugas 50.00 %
|
|
|
|
|
|