Silabus Business Intelligent (IN335)

Slides:



Advertisements
Presentasi serupa
OLAP - PERTEMUAN 8 – OLAP.
Advertisements

Pertemuan #2 OLAP.
Data Warehouse, Data Mart, OLAP, dan Data Mining
BAB 8 SISTEM PENGOLAHAN DATA DAN PELAPORAN
DATA DIRI DOSEN Nama : AFIJAL, S.Kom, M.Kom NIDN :
Data Mining Definisi Data Mining Kemampuan Data Mining :
Materi Kuliah [5]: (Sistem Pendukung Keputusan)
Data Warehouse dan Decision Support
OLAP dalam Data Warehouse
Pengenalan Data Warehouse
SEMINAR PERENCANAAN BISNIS
Arsitektur Data Warehouse
Sumber Data untuk DW Data operasional dalam organisasi, misalnya basis data pelanggan dan produk, dan Sumber eksternal yang diperoleh misalnya melalui.
Data Warehouse, Data Mart, OLTP & OLAP
SISTEM INFORMASI Pertemuan 5.
ONLINE ANALYTICAL PROCESSING (OLAP)
1 Pertemuan 7 Klasifikasi dan Rekognisi Pola (1) Matakuliah: T0283 – Computer Vision Tahun: 2005 Versi: Revisi 1.
Informasi Dalam Praktik
Presented by HANIM M.A. DATA WAREHOUSE (2nd) Presented by HANIM M.A.
DATA MINING 25 Januari 2008.
PEMBANDINGAN KINERJA JEDOX PALO VERSI 1. 0c DENGAN VERSI 2
KECERDASAN BISNIS Data Warehouse, Data Mart, OLAP, dan Data Mining
Service-oriented Business Intelligence (SoBI)
Materi Kuliah – [0]: SPK Kontrak Belajar SPK.
Penambahan Operasi OLAP dan Fungsi Agregat pada Temporal Data Warehouse Tanaman Pangan Kabupaten Karo Oleh : Karina Gusriani – G Pembimbing : Ibu.
Daftar Topik Skripsi (1)
Data Warehouse, Data Mart, OLAP, dan Data Mining
MATERI PERKULIAHAN KECERDASAN BUATAN
Agus Aan Jiwa Permana, S.Kom., M.Cs
Sistem Basis Data Lanjut (KMP306)
DATA MART Pertemuan ke-3.
SILABUS MANAJEMEN PEMASARAN LANJUT
Operasi-Operasi pada Data Warehouse
Pertemuan 5 Manajemen Sumberdaya Data
Proses ETL (Extract, Transform and Loading)
KECERDASAN BISNIS (Data Warehouse, Data Mart, OLAP, dan Data Mining)
Klasifikasi dengan Naive Bayes
Business Intelligent Ramos Somya, S.Kom., M.Cs.
6.1 MENGORGANISASIKAN DATA DALAM LINGKUNGAN FILE TRADISIONAL
Pengantar Teknik Elektro
BUSINESS INTELLIGENCE
Presented by HANIM M.A. DATA WAREHOUSE (2nd) Presented by HANIM M.A.
Dasar-Dasar Pemrograman C
OLAP by Example.
ETL (Extract Transform Load)
Business Intelligent Ramos Somya, S.Kom., M.Cs.
Pemrograman Berorientasi Platform (IN315B)
Pemrograman Berorientasi Platform (IN315B)
Analisis Multidimensional
Oleh : Rahmat Robi Waliyansyah, M.Kom.
Pengantar Business Intelligence
PRODI MIK | FAKULTAS ILMU-ILMU KESEHATAN
Pemrograman C (IN124C) Ramos Somya, S.Kom., M.Cs..
MATERI & SILABUS KEWIRAUSAHAAN
Business Intelligence Ramos Somya, S.Kom., M.Cs.
Pengantar Business Intelligence
Algoritma dan Struktur Data (IN211)
BUSINESS INTELLIGENCE
Business Intelligent Ramos Somya, S.Kom., M.Cs.
Klasifikasi dengan Naive Bayes
Dasar-Dasar Pemrograman C
Pemrograman Ramos Somya, S.Kom., M.Cs.
Pemrograman C (IN124C) Ramos Somya, S.Kom., M.Cs..
6.1 MENGORGANISASIKAN DATA DALAM LINGKUNGAN FILE TRADISIONAL
Operasi-Operasi pada Data Warehouse Business Intelligent Ramos Somya, S.Kom., M.Cs.
Algoritma dan Struktur Data
KELOMPOK 6 AGUNG BIANTORO.M ( 042 ) JONI PUTRA ( 103 ) HARIS FERDIAN ( 033 ) TEKNIK-TEKNIK DATA MINING.
Konsep Aplikasi Data Mining
Rekayasa Perangkat Lunak
Konsep Aplikasi Data Mining
Transcript presentasi:

Silabus Business Intelligent (IN335) Ramos Somya, S.Kom., M.Cs.

Matakuliah Prasyarat / Kosyarat Komputasi & Sistem Basis Data.

Deskripsi Matakuliah Business Intellegence (BI) atau Kecerdasan Bisnis merupakan perpaduan antara teknologi dan metode-metode untuk memperkaya pembuatan keputusan dalam organisasi laba dan nirlaba dari tingkat operasional sampai dengan aras strategis. Tujuan dari matakuliah ini adalah untuk memberikan pemahaman tentang konsep-konsep dalam Business Integelligence sekaligus dapat mengimplementasikannya.

Capaian Pembelajaran (1) Mahasiswa memiliki pengetahuan tentang pengolahan data. Mahasiswa mampu memahami konsep Business Intelligence / Kecerdasan Bisnis. Mahasiswa mampu memahami konsep dan implementasi Data Warehouse. Mahasiswa mampu memahami konsep dan implementasi OLAP.

Capaian Pembelajaran (2) Mahasiswa mampu memahami konsep dan implementasi Data Mining. Mahasiswa mampu memahami konsep dan implementasi Service-Oriented Business Intelligence (SoBI).

Materi (1) Pertemuan Ke- Materi 1 Silabus dan Pengantar BI (Pengertian, Istilah, Tujuan dan Manfaat BI) 2 Data Warehouse (Pengertian, Terminologi, Karakteristik dan Arsitektur Data Warehouse) 3 Teknik Pemodelan dan Implementasi Data Warehouse 4 Proses ETL (Extract, Transform and Loading) 5 Analisis Multidimensi (OLAP, ROLAP dan MOLAP) 6 Operasi-Operasi pada Data Warehouse (Cube, Slicing, Dicing, Roll Up, Drill Down, Pivoting, Exporting) 7 Data Mining (Pengertian, Manfaat dan Fungsi Data Mining) 8 Fungsi Klasifikasi dengan Naive Bayes 9 Fungsi Clustering dengan K-Means 10 Fungsi Asosiasi dengan Apriori 11 Tes Tengah Semester

Materi (2) Pertemuan Ke- Materi 12 Service Oriented Business Intelligence (SoBI) 13 Implementasi SoBI 14 Responsi Tugas Akhir

Penilaian Tugas : 15% TTS : 30% Asisten : 20% Tugas Akhir : 35%