Student Information System
RPS: Session, Learning Material, Reference, Assessment/Rubric
Info
Search Subject
Subject Name :
Landscape
Kode Matakuliah
Nama Matakuliah
sks
Creator
Reviewer
Action
Kurikulum Teknik Informatika 2019/2020
IKG308
Visualisasi Data
3.00
3022 Dian Pratiwi, S.T., M.T.I.
2441 Ratna Shofiati, S.Kom., M.Kom.
RPS
|
Assessment Map
Kurikulum Informatika 2023/2024
IKD6406
Data Warehouse dan Data Lake
4.00
3022 Dian Pratiwi, S.T., M.T.I.
2128 Dr. Dedy Sugiarto
RPS
|
Assessment Map
Kurikulum Sistem Informasi 2023/2024
IKL6207
Struktur Data dan Algoritma
2.00
2554 Anung Barlianto Ariwibowo, M.Kom.
2553 Syandra Sari, S.Kom., M.Kom.
RPS
|
Assessment Map
Kurikulum Sistem Informasi 2023/2024
IKD6312
Manajemen Data dan Informasi
3.00
2553 Syandra Sari, S.Kom., M.Kom.
2554 Anung Barlianto Ariwibowo, M.Kom.
RPS
|
Assessment Map
Kurikulum Sistem Informasi 2023/2024
ISD6301
Datawarehouse
3.00
2612 Dr. Ir. Teddy Siswanto, M.Si.
3088 Agus Salim, S.T., M.T.
RPS
|
Assessment Map
Kurikulum Sistem Informasi 2023/2024
ISA6303
Analitik Data
3.00
2128 Dr. Dedy Sugiarto
2553 Syandra Sari, S.Kom., M.Kom.
RPS
|
Assessment Map
Kurikulum Sistem Informasi 2023/2024
ISA6304
Analitik Data Lanjut
3.00
2128 Dr. Dedy Sugiarto
2553 Syandra Sari, S.Kom., M.Kom.
RPS
|
Assessment Map
Kurikulum Informatika 2023/2024
IKD6314
Pemrosesan Data
3.00
3022 Dian Pratiwi, S.T., M.T.I.
2128 Dr. Dedy Sugiarto
RPS
|
Assessment Map
Kurikulum Sistem Informasi 2023/2024
IKD6313
Manajemen Data dan Informasi Lanjut
3.00
0630007CD Shabrina - Teruri, S.Kom., M.T.
2553 Syandra Sari, S.Kom., M.Kom.
RPS
|
Assessment Map
Kurikulum Sistem Informasi 2019/2020
IKD416
Datawarehouse
4.00
2612 Dr. Ir. Teddy Siswanto, M.Si.
Belum di tentukan
RPS
|
Assessment Map
Kurikulum Informatika 2023/2024
IKS6335
Big Data
3.00
2641 Binti Solihah, S.T., M.Kom.
2615 Is Mardianto, M.Kom.
RPS
|
Assessment Map
Kurikulum Informatika 2023/2024
IKL6441
Struktur Data dan Algoritma
4.00
2641 Binti Solihah, S.T., M.Kom.
2554 Anung Barlianto Ariwibowo, M.Kom.
RPS
|
Assessment Map
Matakuliah tidak ditemukan
RPS Detail
Matakuliah
Profile
History
Kode Matakuliah
IKD6406
Nama Matakuliah
Data Warehouse dan Data Lake
sks
4.00
Semester Name
Subject Code
Subject Name
Group Name
Group Code
Portofolio
Review History
RPS Review History
No
Review
Review By
Review Date
1
sebaiknya weekly session (7 dan 13) tidak diisi hanya dengan quiz karena quiz adalah bagian dari kriteria penilaian, mhn dituliskan bahan kajiannya
Dedy Sugiarto
2024-07-22 11:01:41
2
Terdapat Course learning outcome :"Mahasiswa mampu menganalisis dan menangani problem pada Data Warehouse & Data Lake" yang tidak punya relasi dengan indikator penilaian. Mhn diperbaiki
Dedy Sugiarto
2024-07-22 11:03:37
Capaian Pembelajaran (CP) terkait
Capaian Pembelajaran (CP)
PENGETAHUAN
2
Mahasiswa mampu menjelaskan konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. (P.b)
Students can explain the theoretical concepts of Computer Science/Informatics in designing and simulating multi-platform technology applications relevant to the needs of industry and society. (P.b)
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
Mahasiswa mampu mengidentifikasi dan menjelaskan konsep, arsitektur, rancangan, prosedur pada Data Warehouse & Data Lake
Students are able to identify and explain concepts, architecture, designs, procedures in Data Warehouse & Data Lake
(2,2)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Mahasiswa mampu mengidentifikasi dan menjelaskan konsep dasar, logika dan arsitektur Data Warehouse & Data Lake
Students are able to identify and explain the basic concepts, logic and architecture of Data Warehouse & Data Lake
(2,2)
2
Mahasiswa mampu mengidentifikasi konsep multiple data lake dan pengelolaannya
Students are able to identify the concept of multiple data lakes and their management
(2,2)
3
Mahasiswa mampu mengidentifikasi konsep Metadata Data Lake
Students are able to identify the concept of Data Lake Metadata
(2,2)
4
Mahasiswa mampu mengidentifikasi dan menjelaskan konsep, kegunaan, tahapan normalisasi & denormalisasi pada Data Warehouse & Data Lake
Students are able to identify and explain the concepts, uses, stages of normalization and denormalization in Data Warehouse & Data Lake
(2,2)
KETRAMPILAN UMUM
1
Mahasiswa mampu menganalisis persoalan komputasi kompleks untuk mengidentifikasi solusi pengelolaan proyek teknologi bidang informatika/ilmu komputer dengan mempertimbangkan wawasan perkembangan ilmu transdisiplin. (KU.a)
Students can analyze complex computational problems to identify project management solutions in informatics/computer science, considering insights from interdisciplinary scientific developments. (KU.a)
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
Mahasiswa mampu membuat dan menunjukkan hasil proyek Data Warehouse & Data Lake secara berkelompok
Students are able to create and show the results of Data Warehouse and Data Lake projects in groups
(6,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Mahasiswa mampu menciptakan, menunjukkan dan mempresentasikan rancangan data warehouse dan data lake
Students are able to create, demonstrate and present data warehouse and data lake designs
(6,3)
2
Show/Hide
Mahasiswa mampu menganalisis dan menangani problem pada Data Warehouse & Data Lake
Students are able to analyze and handle problems in Data Warehouse and Data Lake
(4,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Mahasiswa mampu mengidentifikasi jawaban dari persoalan Data Warehouse & Data Lake dalam bentuk essay
Students are able to identify answers to Data Warehouse and Data Lake problems in essay form
(1,2)
2
Mahasiswa mampu mengidentifikasi, menangani problem overflow dan granularity pada data warehouse/ data lake
Students are able to identify, handle overflow and granularity problems in data warehouses/data lakes
(4,1)
3
Mahasiswa mampu mengidentifikasi, menganalisis bentuk unstructured & distributed pada Data Warehouse
Students are able to identify, analyze unstructured & distributed forms in the Data Warehouse
(4,2)
KETRAMPILAN KHUSUS
3
Mahasiswa mampu mendesain, mengimplementasi dan mengevaluasi solusi berbasis komputasi multi-platform yang memenuhi kebutuhan-kebutuhan industri (KK.c)
Students can design, implement, and evaluate multi-platform computing solutions that meet industrial requirements. (KK.c)
No
Detail
Course Learning Outcomes
Action
1
Show/Hide
Mahasiswa mampu merancang, mengimplementasikan dan mengevaluasi arsitektur Data Warehouse & Data Lake
Students are able to design, implement and evaluate Data Warehouse and Data Lake architectures
(5,1)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Mahasiswa mampu merancang, menerapkan data model dan mengevaluasinya
Students are able to design, apply data models and evaluate them
(5,2)
2
Mahasiswa mampu merancang dan menganalisis use case Data Warehouse & Data Lake
Students are able to design and analyze Data Warehouse and Data Lake use cases
(4,2)
2
Show/Hide
Mahasiswa mampu menerapkan prosedur dalam membangun Data Warehouse & Data Lake
Students are able to apply procedures in building a Data Warehouse and Data Lake
(3,3)
No
Session Learning Outcomes - Description (Cognitive Level,Knowledge Level)
Action
1
Mahasiswa mampu menerapkan MongoDB untuk perancangan Data Warehouse & Data Lake
Students are able to apply MongoDB for designing Data Warehouses and Data Lakes
(3,3)
RPS per Session
Sesi Ke
KAD
Bahan Kajian
Metoda Pembelajaran
Waktu Belajar (Menit)
Pengalaman Belajar Mahasiswa
Referensi
Kriteria Penilaian (Indikator)
1
Konsep data lake dan data warehouse, peranan, pengguna, komponen, bentuk pengaplikasian data lake & warehouse, perbedaan
Tutorial (70)
Diskusi (20)
Diksusi Online (10)
150.00
Mengumpulkan informasi, Memberi dan menerima umpan balik, Mengetahui konsep Data Warehouse dan Data lake secara garis besar
W.H. Inmon(2002)
Alex Gorelik(2019)
Quiz 1 (1) - 1.00 %
Tugas (0.5) - 0.50 %
Ujian Tengah Semester (2) - 2.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. (P.b)
Students can explain the theoretical concepts of Computer Science/Informatics in designing and simulating multi-platform technology applications relevant to the needs of industry and society. (P.b)
CPMK
: Mahasiswa mampu mengidentifikasi dan menjelaskan konsep, arsitektur, rancangan, prosedur pada Data Warehouse & Data Lake
Students are able to identify and explain concepts, architecture, designs, procedures in Data Warehouse & Data Lake
KAD
: Mahasiswa mampu mengidentifikasi dan menjelaskan konsep dasar, logika dan arsitektur Data Warehouse & Data Lake
Students are able to identify and explain the basic concepts, logic and architecture of Data Warehouse & Data Lake
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Menjelaskan konsep dasar dan perbedaan Data Lake & Data Warehouse dengan benar, serta keaktifan dalam berpendapat/bertanya di kelas
Explaining the basic concepts and differences between Data Lake and Data Warehouse correctly, as well as being active in giving opinions/asking questions in class
Quiz 1 (1) 1.00 %
Tugas (0.5) 0.50 %
Ujian Tengah Semester (2) 2.00 %
2
Struktur dan Eksplorasi Data Warehouse, Cost justification
Tutorial (70)
Diskusi (20)
Diksusi Online (10)
150.00
Mengumpulkan informasi, Memberi dan menerima umpan balik, Mengetahui struktur Data Warehouse
Quiz 1 (1) - 1.00 %
Tugas (1) - 1.00 %
Ujian Akhir Semester (2) - 2.00 %
Ujian Tengah Semester (4) - 4.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. (P.b)
Students can explain the theoretical concepts of Computer Science/Informatics in designing and simulating multi-platform technology applications relevant to the needs of industry and society. (P.b)
CPMK
: Mahasiswa mampu mengidentifikasi dan menjelaskan konsep, arsitektur, rancangan, prosedur pada Data Warehouse & Data Lake
Students are able to identify and explain concepts, architecture, designs, procedures in Data Warehouse & Data Lake
KAD
: Mahasiswa mampu mengidentifikasi dan menjelaskan konsep dasar, logika dan arsitektur Data Warehouse & Data Lake
Students are able to identify and explain the basic concepts, logic and architecture of Data Warehouse & Data Lake
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Menjelaskan konsep dasar dan perbedaan Data Lake & Data Warehouse dengan benar, serta keaktifan dalam berpendapat/bertanya di kelas
Explaining the basic concepts and differences between Data Lake and Data Warehouse correctly, as well as being active in giving opinions/asking questions in class
Quiz 1 (1) 1.00 %
Tugas (1) 1.00 %
Ujian Akhir Semester (2) 2.00 %
Ujian Tengah Semester (4) 4.00 %
3
Data Model & arsitekturnya, normalisasi & denormalisasi
Tutorial (70)
Percobaan (10)
Diskusi (10)
Diksusi Online (10)
150.00
Mengumpulkan informasi, memberi dan menerima umpan balik, Mengetahui tahapan normalisasi dan denormalisasi
Quiz 1 (2.5) - 2.50 %
Quiz 2 (1) - 1.00 %
Tugas (1) - 1.00 %
Ujian Akhir Semester (4) - 4.00 %
Ujian Tengah Semester (4) - 4.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. (P.b)
Students can explain the theoretical concepts of Computer Science/Informatics in designing and simulating multi-platform technology applications relevant to the needs of industry and society. (P.b)
CPMK
: Mahasiswa mampu mengidentifikasi dan menjelaskan konsep, arsitektur, rancangan, prosedur pada Data Warehouse & Data Lake
Students are able to identify and explain concepts, architecture, designs, procedures in Data Warehouse & Data Lake
KAD
: Mahasiswa mampu mengidentifikasi dan menjelaskan konsep, kegunaan, tahapan normalisasi & denormalisasi pada Data Warehouse & Data Lake
Students are able to identify and explain the concepts, uses, stages of normalization and denormalization in Data Warehouse & Data Lake
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan penerapan normalisasi dan denormalisasi pada Data Warehouse & Data Lake
Accuracy of implementing normalization and denormalization in Data Warehouse & Data Lake
Quiz 2 (1) 1.00 %
Tugas (1) 1.00 %
Ujian Akhir Semester (4) 4.00 %
Ujian Tengah Semester (4) 4.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu mendesain, mengimplementasi dan mengevaluasi solusi berbasis komputasi multi-platform yang memenuhi kebutuhan-kebutuhan industri (KK.c)
Students can design, implement, and evaluate multi-platform computing solutions that meet industrial requirements. (KK.c)
CPMK
: Mahasiswa mampu merancang, mengimplementasikan dan mengevaluasi arsitektur Data Warehouse & Data Lake
Students are able to design, implement and evaluate Data Warehouse and Data Lake architectures
KAD
: Mahasiswa mampu merancang, menerapkan data model dan mengevaluasinya
Students are able to design, apply data models and evaluate them
(5,5)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Kesesuaian dalam merancang data model dan keaktifan dalam berdiskusi
Suitability in designing data models and activeness in discussions
Quiz 1 (2.5) 2.50 %
4
Teknologi Data Warehouse dan DBMS
Tutorial (60)
Percobaan (20)
Diskusi (10)
Diksusi Online (10)
150.00
Mengumpulkan informasi, Memberi dan menerima umpan balik, Mengetahui, Membandingkan konsep Data Warehouse dengan DBMS
Quiz 1 (1.5) - 1.50 %
Quiz 2 (1) - 1.00 %
Tugas (2) - 2.00 %
Ujian Akhir Semester (3) - 3.00 %
Ujian Tengah Semester (4) - 4.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu mendesain, mengimplementasi dan mengevaluasi solusi berbasis komputasi multi-platform yang memenuhi kebutuhan-kebutuhan industri (KK.c)
Students can design, implement, and evaluate multi-platform computing solutions that meet industrial requirements. (KK.c)
CPMK
: Mahasiswa mampu menerapkan prosedur dalam membangun Data Warehouse & Data Lake
Students are able to apply procedures in building a Data Warehouse and Data Lake
KAD
: Mahasiswa mampu menerapkan MongoDB untuk perancangan Data Warehouse & Data Lake
Students are able to apply MongoDB for designing Data Warehouses and Data Lakes
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Kesesuaian menerapkan konsep Data Warehouse pada Database dan keaktifan dalam berdiskusi
Suitability of applying the Data Warehouse concept to Databases and activeness in discussions
Quiz 1 (1.5) 1.50 %
Quiz 2 (1) 1.00 %
Tugas (2) 2.00 %
Ujian Akhir Semester (3) 3.00 %
Ujian Tengah Semester (4) 4.00 %
5
Problem Data Warehouse, overflow, granularity
Tutorial (80)
Diskusi (10)
Diksusi Online (10)
150.00
Mengumpulkan informasi, Memberi dan menerima umpan balik, Mengetahui problem Data Warehouse dan penanganannya
Quiz 1 (1) - 1.00 %
Quiz 2 (1) - 1.00 %
Tugas (0.5) - 0.50 %
Ujian Tengah Semester (2.5) - 2.50 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menganalisis persoalan komputasi kompleks untuk mengidentifikasi solusi pengelolaan proyek teknologi bidang informatika/ilmu komputer dengan mempertimbangkan wawasan perkembangan ilmu transdisiplin. (KU.a)
Students can analyze complex computational problems to identify project management solutions in informatics/computer science, considering insights from interdisciplinary scientific developments. (KU.a)
CPMK
: Mahasiswa mampu menganalisis dan menangani problem pada Data Warehouse & Data Lake
Students are able to analyze and handle problems in Data Warehouse and Data Lake
KAD
: Mahasiswa mampu mengidentifikasi, menangani problem overflow dan granularity pada data warehouse/ data lake
Students are able to identify, handle overflow and granularity problems in data warehouses/data lakes
(4,4)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan analisa dan penanganan masalah Data Warehouse & Data Lake serta keaktifan dalam berdiskusi
Accurate analysis and handling of Data Warehouse & Data Lake problems as well as activeness in discussions
Quiz 1 (1) 1.00 %
Quiz 2 (1) 1.00 %
Tugas (0.5) 0.50 %
Ujian Tengah Semester (2.5) 2.50 %
6
Unstructured & distributed Data Warehouse
Tutorial (80)
Diskusi (10)
Diksusi Online (10)
150.00
Mengumpulkan informasi, Memberi dan menerima umpan balik, Mengetahui bentuk tidak terstruktur pada Data Warehouse
Quiz 1 (1) - 1.00 %
Quiz 2 (1) - 1.00 %
Tugas (0.5) - 0.50 %
Ujian Akhir Semester (1) - 1.00 %
Ujian Tengah Semester (3.5) - 3.50 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menganalisis persoalan komputasi kompleks untuk mengidentifikasi solusi pengelolaan proyek teknologi bidang informatika/ilmu komputer dengan mempertimbangkan wawasan perkembangan ilmu transdisiplin. (KU.a)
Students can analyze complex computational problems to identify project management solutions in informatics/computer science, considering insights from interdisciplinary scientific developments. (KU.a)
CPMK
: Mahasiswa mampu menganalisis dan menangani problem pada Data Warehouse & Data Lake
Students are able to analyze and handle problems in Data Warehouse and Data Lake
KAD
: Mahasiswa mampu mengidentifikasi, menganalisis bentuk unstructured & distributed pada Data Warehouse
Students are able to identify, analyze unstructured & distributed forms in the Data Warehouse
(4,4)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan analisa unstructured pada Data Warehouse dan keaktifan dalam berdiskusi
Accuracy of unstructured analysis in the Data Warehouse and active discussion
Quiz 1 (1) 1.00 %
Quiz 2 (1) 1.00 %
Tugas (0.5) 0.50 %
Ujian Akhir Semester (1) 1.00 %
Ujian Tengah Semester (3.5) 3.50 %
7
Quiz I
Pemecahan Masalah (100)
150.00
Mengumpulkan informasi, Memecahkan masalah terkait Data Warehouse
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menganalisis persoalan komputasi kompleks untuk mengidentifikasi solusi pengelolaan proyek teknologi bidang informatika/ilmu komputer dengan mempertimbangkan wawasan perkembangan ilmu transdisiplin. (KU.a)
Students can analyze complex computational problems to identify project management solutions in informatics/computer science, considering insights from interdisciplinary scientific developments. (KU.a)
CPMK
: Mahasiswa mampu menganalisis dan menangani problem pada Data Warehouse & Data Lake
Students are able to analyze and handle problems in Data Warehouse and Data Lake
KAD
: Mahasiswa mampu mengidentifikasi jawaban dari persoalan Data Warehouse & Data Lake dalam bentuk essay
Students are able to identify answers to Data Warehouse and Data Lake problems in essay form
(1,1)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Kesesuaian menjawab soal tertulis
Suitability of answering written questions
Notice
: Undefined index: ASSESSMENT in
/var/www/html/sis/application/views/scripts/index/rps-view.phtml
on line
725
Warning
: Invalid argument supplied for foreach() in
/var/www/html/sis/application/views/scripts/index/rps-view.phtml
on line
725
8
Logika Data Lake dan arsitekturnya, pengorganisasian data lake
Tutorial (70)
Diskusi (20)
Diksusi Online (10)
150.00
Mengumpulkan informasi, Memberi dan menerima umpan balik, Mengetahui arsitektur dan pengorganisasian data lake
Quiz 2 (2.5) - 2.50 %
Tugas (1.5) - 1.50 %
Ujian Akhir Semester (5) - 5.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. (P.b)
Students can explain the theoretical concepts of Computer Science/Informatics in designing and simulating multi-platform technology applications relevant to the needs of industry and society. (P.b)
CPMK
: Mahasiswa mampu mengidentifikasi dan menjelaskan konsep, arsitektur, rancangan, prosedur pada Data Warehouse & Data Lake
Students are able to identify and explain concepts, architecture, designs, procedures in Data Warehouse & Data Lake
KAD
: Mahasiswa mampu mengidentifikasi dan menjelaskan konsep dasar, logika dan arsitektur Data Warehouse & Data Lake
Students are able to identify and explain the basic concepts, logic and architecture of Data Warehouse & Data Lake
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Menjelaskan konsep dasar dan perbedaan Data Lake & Data Warehouse dengan benar, serta keaktifan dalam berpendapat/bertanya di kelas
Explaining the basic concepts and differences between Data Lake and Data Warehouse correctly, as well as being active in giving opinions/asking questions in class
Quiz 2 (2.5) 2.50 %
Tugas (1.5) 1.50 %
Ujian Akhir Semester (5) 5.00 %
9
Perspektif pada Data Lake , Pengenalan MongoDB dan query dasar
Tutorial (60)
Percobaan (20)
Diskusi (10)
Diksusi Online (20)
150.00
Mengumpulkan informasi, Memberi dan menerima umpan balik, Mengetahui perspektif query dasar data lake dengan MongoDB
Quiz 2 (1.5) - 1.50 %
Tugas (0.5) - 0.50 %
Ujian Akhir Semester (3.5) - 3.50 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu mendesain, mengimplementasi dan mengevaluasi solusi berbasis komputasi multi-platform yang memenuhi kebutuhan-kebutuhan industri (KK.c)
Students can design, implement, and evaluate multi-platform computing solutions that meet industrial requirements. (KK.c)
CPMK
: Mahasiswa mampu menerapkan prosedur dalam membangun Data Warehouse & Data Lake
Students are able to apply procedures in building a Data Warehouse and Data Lake
KAD
: Mahasiswa mampu menerapkan MongoDB untuk perancangan Data Warehouse & Data Lake
Students are able to apply MongoDB for designing Data Warehouses and Data Lakes
(3,3)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Kesesuaian menerapkan konsep Data Warehouse pada Database dan keaktifan dalam berdiskusi
Suitability of applying the Data Warehouse concept to Databases and activeness in discussions
Quiz 2 (1.5) 1.50 %
Tugas (0.5) 0.50 %
Ujian Akhir Semester (3.5) 3.50 %
10
Metadata pada Data Lake; konsep, pengaturan metadata, contoh pengaplikasian
Tutorial (70)
Diskusi (30)
150.00
Mengumpulkan informasi, Memberi dan menerima umpan balik, Mengetahui metadata lake
Quiz 2 (1) - 1.00 %
Tugas (0.5) - 0.50 %
Ujian Akhir Semester (3.5) - 3.50 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. (P.b)
Students can explain the theoretical concepts of Computer Science/Informatics in designing and simulating multi-platform technology applications relevant to the needs of industry and society. (P.b)
CPMK
: Mahasiswa mampu mengidentifikasi dan menjelaskan konsep, arsitektur, rancangan, prosedur pada Data Warehouse & Data Lake
Students are able to identify and explain concepts, architecture, designs, procedures in Data Warehouse & Data Lake
KAD
: Mahasiswa mampu mengidentifikasi konsep Metadata Data Lake
Students are able to identify the concept of Data Lake Metadata
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Ketepatan menjelaskan fungsi metadata pada data lake dan keaktifan dalam berdiskusi
Accuracy in explaining the function of metadata in the data lake and active discussion
Quiz 2 (1) 1.00 %
Tugas (0.5) 0.50 %
Ujian Akhir Semester (3.5) 3.50 %
11
Use Case Data Lake
Tutorial (70)
Diskusi (30)
150.00
Mengumpulkan informasi, Memberi dan menerima umpan balik, Mengetahui konsep use case data lake
Quiz 2 (2) - 2.00 %
Tugas (1) - 1.00 %
Ujian Akhir Semester (4) - 4.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu mendesain, mengimplementasi dan mengevaluasi solusi berbasis komputasi multi-platform yang memenuhi kebutuhan-kebutuhan industri (KK.c)
Students can design, implement, and evaluate multi-platform computing solutions that meet industrial requirements. (KK.c)
CPMK
: Mahasiswa mampu merancang, mengimplementasikan dan mengevaluasi arsitektur Data Warehouse & Data Lake
Students are able to design, implement and evaluate Data Warehouse and Data Lake architectures
KAD
: Mahasiswa mampu merancang dan menganalisis use case Data Warehouse & Data Lake
Students are able to design and analyze Data Warehouse and Data Lake use cases
(4,4)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Kesesuaian rancangan use case dan keaktifan dalam berdiskusi
Suitability of use case design and active discussion
Quiz 2 (2) 2.00 %
Tugas (1) 1.00 %
Ujian Akhir Semester (4) 4.00 %
12
Multiple Data Lake, Merging, wrangling Data Lake
Tutorial (70)
Diskusi (20)
Diksusi Online (10)
150.00
Mengumpulkan informasi, Memberi dan menerima umpan balik, Mengetahui konsep multiple data lake
Quiz 2 (1) - 1.00 %
Tugas (1) - 1.00 %
Ujian Akhir Semester (4) - 4.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menjelaskan konsep teoritis bidang pengetahuan Ilmu Komputer/Informatika dalam mendesain dan mensimulasikan aplikasi teknologi multi-platform yang relevan dengan kebutuhan industri dan masyarakat. (P.b)
Students can explain the theoretical concepts of Computer Science/Informatics in designing and simulating multi-platform technology applications relevant to the needs of industry and society. (P.b)
CPMK
: Mahasiswa mampu mengidentifikasi dan menjelaskan konsep, arsitektur, rancangan, prosedur pada Data Warehouse & Data Lake
Students are able to identify and explain concepts, architecture, designs, procedures in Data Warehouse & Data Lake
KAD
: Mahasiswa mampu mengidentifikasi konsep multiple data lake dan pengelolaannya
Students are able to identify the concept of multiple data lakes and their management
(2,2)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Kesesuaian dalam menjelaskan konsep multiple data lake dan keaktifan dalam berdiskusi
Suitability in explaining the concept of multiple data lakes and activeness in discussions
Quiz 2 (1) 1.00 %
Tugas (1) 1.00 %
Ujian Akhir Semester (4) 4.00 %
13
Quiz II
Pemecahan Masalah (100)
150.00
Mengumpulkan informasi, Memecahkan masalah mengenai Data Lake
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menganalisis persoalan komputasi kompleks untuk mengidentifikasi solusi pengelolaan proyek teknologi bidang informatika/ilmu komputer dengan mempertimbangkan wawasan perkembangan ilmu transdisiplin. (KU.a)
Students can analyze complex computational problems to identify project management solutions in informatics/computer science, considering insights from interdisciplinary scientific developments. (KU.a)
CPMK
: Mahasiswa mampu menganalisis dan menangani problem pada Data Warehouse & Data Lake
Students are able to analyze and handle problems in Data Warehouse and Data Lake
KAD
: Mahasiswa mampu mengidentifikasi jawaban dari persoalan Data Warehouse & Data Lake dalam bentuk essay
Students are able to identify answers to Data Warehouse and Data Lake problems in essay form
(1,1)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Kesesuaian menjawab soal tertulis
Suitability of answering written questions
Notice
: Undefined index: ASSESSMENT in
/var/www/html/sis/application/views/scripts/index/rps-view.phtml
on line
725
Warning
: Invalid argument supplied for foreach() in
/var/www/html/sis/application/views/scripts/index/rps-view.phtml
on line
725
14
Proyek Kelompok: merancang dan mengimplementasikan Data Lake / Data Warehouse
Diskusi (10)
Presentasi (20)
Proyek (70)
150.00
Mempresentasikan hasil proyek berkelompok
Tugas Kelompok (20) - 20.00 %
CAPAIAN PEMBELAJARAN
: Mahasiswa mampu menganalisis persoalan komputasi kompleks untuk mengidentifikasi solusi pengelolaan proyek teknologi bidang informatika/ilmu komputer dengan mempertimbangkan wawasan perkembangan ilmu transdisiplin. (KU.a)
Students can analyze complex computational problems to identify project management solutions in informatics/computer science, considering insights from interdisciplinary scientific developments. (KU.a)
CPMK
: Mahasiswa mampu membuat dan menunjukkan hasil proyek Data Warehouse & Data Lake secara berkelompok
Students are able to create and show the results of Data Warehouse and Data Lake projects in groups
KAD
: Mahasiswa mampu menciptakan, menunjukkan dan mempresentasikan rancangan data warehouse dan data lake
Students are able to create, demonstrate and present data warehouse and data lake designs
(6,6)
Daftar Kriteria Penilaian (Indikator)
PI Description
PI Assessment Methods
Kejelasan presentasi dan Kelayakan basil proyek
Presentation clarity and easibility of project results
Tugas Kelompok (20) 20.00 %
Assessment Component
Assessment Detail
No
Component Name
Weightage
1
Quiz 1
8
2
Quiz 2
12
3
Tugas
10
4
Tugas Kelompok
20.00
5
Ujian Akhir Semester
30
6
Ujian Tengah Semester
20
Total
100
Daftar Referensi
1. W.H. Inmon. Building The Data Warehouse. John Wiley & Sons, Inc.. 2002
2. Alex Gorelik. The Enterprise Big Data Lake : Delivering The Promise of Big Data and Data Science. O' Reilly. 2019
Notice
: Trying to get property of non-object in
/var/www/html/sis/application/controllers/IndexController.php
on line
978