GBPP SIF 309 Data Warehouse

(1)

Garis-garis Besar Program Pembelajaran

(GBPP)

Mata Kuliah : Data Warehouse Komak/sks : 3 SKS

Deskripsi Singkat : Mata kuliah ini memperkenalkan tentang prinsip-prinsip dasar dalam data warehouse dan penambangan data, peserta akan dibekali dengan pemahaman teoritis mengenai isu-isu yang dihadapi, syarat-syarat yang diperlukan serta proses yang harus dilalui dalam

penambangan data sehingga dapat menarik kesimpulan berupa informasi berharga dari data-data yang telah diolah.

Standar Kompetensi : Setelah mengikuti perkuliahan, mahasiswa diharapkan mampu memahami mengenai prinsip-prinsip dasar dalam penambangan data, selanjutnya mahasiswa mampu menerapkannya pada data-data riil.

Referensi textbook : [1] Jiawei Han and Micheline Kamber. Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers, 2006, Second Edition. [2] Ian H. Witten and Eibe Frank. Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. Morgan

Kaufmann Publishers.

Kompetensi Dasar Indikator Pokok Bahasan dan Sub Pokok Bahasan

Metode Media Estimasi Waktu Sumber Kepustakaan

1 2 3 4 5 6 7

Mahasiswa dapat mengetahui dan

memahami konsep dasar data warehouse dan penambangan data

Mahasiswa dapat mengetahui dan

memahami konsep dasar data mining dan mampu menjelaskan mengapa diperlukan datamining dalam kehidupan sehari-hari.

Introduction Tatap muka dan

tugas mandiri

Papan tulis, kertas kerja, laptop, LCD projector

Pertemuan 1 (2x50 mnt)

Praktikum 1(1x100mnt)

[1] ch 1

Mahasiswa mampu

melakukan

langkah-Mahasiswa dapat

mengetahui tahapan yang

Data Preprocessing:

Data summarization,data

Tatap muka, tugas mandiri dan praktikum lab

Papan tulis, kertas kerja, laptop, LCD

Pertemuan 2(2x50 mnt)

Pertemuan 3(2x50

(2)

1 2 3 4 5 6 7

langkah dalam tahapan

preproses penambangan

data

dilakukan pada preproses, serta dapat menjelaskan fungsi dari masing-masing proses tersebut, syarat dan kondisi yang diperlukan serta

cleaning, data integration and transformation, data reduction, data

discretization and concept hierarchy generation

projector mnt)

Praktikum 2(1x100mnt) Praktikum 3(1x100mnt)

Mahasiswa dapat memahami konsep dan arsitektur

datawarehouse serta mampu melakukan perancangan berkaitan dengan manfaatnya dalam penambangan data

Mahasiswa mampu memahami konsep dasar datawarehouse, mampu merancang arsitekturnya dan memahami cara implementasinya

Datawarehouse and OLAP:

Datawarehouse Introduction,

Multidimensional Data Model, DW Architecture, DW implementation

Praktikum 4 (1x100mnt) Praktikum 5(1x100mnt)

[1] ch 3

Mahasiswa mampu menjelaskan konsep data cube dan operasi yang berlaku, serta mampu melakukan proses data generalization

Data Cube and Data Generalization :

[1] ch 4

Mahasiswa dapat mengetahui bagaimana memilih metode yang tepat dalam datamining

Mampu menjelaskan mengenai konsep dasar metode frequent pattern, association dan

correlation serta dapat mengidentifikasi kapan dan bagaimana sifat data yang sesuai untuk

masing-Mining Frequent Pattern, Association, and Correlation

(3)

1 2 3 4 5 6 7

masing metode

Mampu menjelaskan mengenai konsep dasar metode classification dan prediction (regresi) serta dapat mengetahui bagaimana metode tersebut dapat digunakan untuk prediksi

Classification and Prediction:

Decision Tree Induction, Bayessian Classification, Ruled-based classification, other classification (fuzzy, genetic algorithm), prediction (linear and non linear regression), model selection (ROC)

[1] ch 6

Mampu menjelaskan mengenai konsep dasar metode clustering serta dapat mengetahui bagaimana metode tersebut dapat digunakan untuk prediksi

Clustering Tatap muka, tugas

mandiri dan praktikum lab

Praktikum 12(1x100mnt)

[1] ch 7

Mahasiswa dapat mengetahui dan memahami aplikasi dan tren data mining

Mahasiswa dapat memecahkan kasus data mining yang ada pada dunia bisnis atau industri.

Tren dalam penambangan data dan studi kasus

Tatap muka dan Diskusi