RPS: Session, Learning Material, Reference, Assessment/Rubric Info Search Subject Subject Name : 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. 1. W.H. Inmon. Building The Data Warehouse. John Wiley & Sons, Inc.. 2002
2. 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

Copyright©Universitas Trisakti