Outline Mata Kuliah - Data Modelling

Kode MK: SSD1019 | SKS: 3 (Praktikum) | Semester: 4 | Prodi: Sains Data
Dosen: Mohammad Reza Maulana, M.Kom | Universitas: UIN K.H. Abdurrahman Wahid Pekalongan

Modul 1: CONCEPTUAL MODELLING (Minggu 1–4)

Sub-CPMK: 3.1, 4.1 - Memahami dan merancang model konseptual

Pertemuan 1: Pengantar Data Modelling & Perannya dalam SI dan Sains Data

Topik:

• Konsep data, informasi, dan metadata - hierarki Data → Information → Knowledge → Wisdom
• Peran data modelling dalam siklus pengembangan sistem (requirements, design, implementation, maintenance)
• Perbedaan data modelling vs database design vs data analysis
• Posisi data modelling dalam proyek sains data (feature engineering, data readiness)
• Studi kasus: kegagalan sistem akibat model data yang buruk

Output: Pemahaman konteks dan motivasi mata kuliah
Referensi: Elmasri & Navathe Ch. 1–2; Redman, Data Driven (Introduction)

Pertemuan 2: Kebutuhan Data & Business Rules

Topik:

• Business process mapping - Input-Process-Output analysis
• Stakeholder data: end user, analyst, data scientist, data engineer, management
• Business rules dan constraint data - structural, procedural, derivation, validation
• Teknik elisitasi: interview, workshop, document analysis, observation, prototyping
• Studi kasus: sistem akademik dan e-commerce

Output: Dokumen kebutuhan data, daftar business rules, stakeholder matrix
Referensi: Hoberman Ch. 3–4; IEEE Requirements Engineering Standards

Pertemuan 3: Konsep Entity, Attribute, dan Relationship

Topik:

• Entity, entity set, instance - strong entity vs weak entity
• Jenis attribute: simple, composite, multivalued, derived, stored
• Relationship: binary, ternary, unary - degree dan relationship attribute
• Identifier: natural key vs surrogate key, candidate key, composite key
• Contoh pemodelan domain rumah sakit

Output: Daftar entity, attribute, dan relationship dari sebuah narasi bisnis
Referensi: Elmasri & Navathe Ch. 3; Connolly & Begg Ch. 11–12

Pertemuan 4: Entity Relationship Diagram (ERD)

Topik:

• Notasi Chen: rectangle (entity), ellipse (attribute), diamond (relationship)
• Notasi Crow's Foot: simbol cardinality intuitif untuk industri
• Cardinality (1:1, 1:N, M:N) dan participation (total vs partial)
• Weak entity: double rectangle, partial key, identifying relationship
• Generalisasi & Spesialisasi (ISA): supertype/subtype, disjoint/overlapping, total/partial
• Best practices: naming convention, minimum crossing lines, konsistensi notasi

Output: ERD konseptual lengkap (e-commerce / sistem akademik)
Tools: Draw.io (rekomendasi utama); MySQL Workbench untuk forward engineering
Tugas: ERD dari domain pilihan mahasiswa
Referensi: Elmasri & Navathe Ch. 3; Hoberman Ch. 5–7; Draw.io Documentation (https://www.diagrams.net/doc (opens in a new tab))

Modul 2: LOGICAL & PHYSICAL MODELLING (Minggu 5 - 9)

Sub-CPMK: 4.1, 6.1 - Merancang dan mengimplementasikan model logikal dan fisik

Pertemuan 5: Transformasi Conceptual Model ke Logical Model

Topik:

• Algoritma mapping ERD ke model relasional (step-by-step)
• Mapping strong entity → tabel; attribute → kolom; domain → tipe data
• Penentuan primary key (natural vs surrogate) dan foreign key
• Resolusi relationship: 1:N (FK di sisi "many"), M:N (junction table), 1:1, ternary
• Mapping weak entity (composite PK: owner PK + partial key)
• Strategi mapping generalisasi ISA: single table, per-subtype, per-class - trade-off

Output: Skema relasional (table definitions), daftar PK dan FK, data dictionary awal
Referensi: Elmasri & Navathe Ch. 9; Connolly & Begg Ch. 17

Pertemuan 6: Normalisasi Data (1NF–3NF)

Topik:

• Anomali data: insertion anomaly, update anomaly, deletion anomaly - contoh konkret
• Functional dependency (FD), full FD, partial dependency, transitive dependency
• Armstrong's Axioms dan closure of attributes
• First Normal Form (1NF): atomic values, no multivalued attribute
• Second Normal Form (2NF): eliminasi partial dependency
• Third Normal Form (3NF): eliminasi transitive dependency
• Studi kasus normalisasi end-to-end: 0NF → 1NF → 2NF → 3NF

Output: Skema ternormalisasi, dokumentasi langkah normalisasi, FD diagram
Tugas: Normalisasi spreadsheet denormalized
Referensi: Elmasri & Navathe Ch. 14 - 15; Date, Database Design and Relational Theory

Pertemuan 7: Normalisasi Lanjutan & Evaluasi Model Data

Topik:

• Boyce-Codd Normal Form (BCNF): definisi, perbedaan dengan 3NF, dekomposisi
• Trade-off normalisasi vs performa: manfaat (integritas, efisiensi) vs biaya (join kompleks)
• Denormalisasi terkontrol: kapan dibenarkan, cara mendokumentasikan keputusan
• Validasi logical data model: completeness check, correctness check, consistency check
• Checklist validasi - peer review model data proyek

Output: Validated logical data model siap untuk tahap fisik
Referensi: Elmasri & Navathe Ch. 15; Kimball & Ross Ch. 19

Pertemuan 8: Ujian Tengah Semester (UTS)

Cakupan Materi: Pertemuan 1–7
Format:

• Pilihan Ganda 30% - konsep, definisi, terminologi
• Studi Kasus 70% - identifikasi entity, gambar ERD, mapping ke logical model, normalisasi tabel

Kriteria Penilaian:

• Conceptual Model (ERD): 40% - entity, attribute, cardinality, notasi
• Logical Model: 35% - mapping, PK/FK, resolusi M:N
• Normalization: 25% - anomali, FD, langkah normalisasi

Bobot: 30% dari nilai akhir semester

Pertemuan 9: Physical Data Model & Implementasi Skema Database

Topik:

• Perbedaan logical model vs physical model (DBMS-independent vs DBMS-specific)
• Pemilihan tipe data MySQL: numeric, string, date/time, boolean, JSON
• Constraints lengkap: PRIMARY KEY, FOREIGN KEY (dengan ON DELETE/UPDATE options), UNIQUE, NOT NULL, CHECK, DEFAULT
• Strategi indexing: primary index, secondary, composite, unique - kapan dan kapan tidak
• Naming convention wajib: snake_case, plural tables, idx_, fk_ prefix
• Tools data modelling: MySQL Workbench (forward/reverse engineering), Draw.io
• Praktikum: generate DDL script dari logical model (CREATE TABLE, constraints, indexes)
• Praktikum lanjutan: SQL DML (INSERT, UPDATE, DELETE, batch load) dan SQL Views
• Stored Procedure: enkapsulasi logika bisnis, parameter IN/OUT, kapan digunakan
• Trigger: BEFORE/AFTER, audit log, validasi data, masalah potensial
• Transaction dan ACID: Atomicity, Consistency, Isolation, Durability; COMMIT, ROLLBACK, SAVEPOINT

Output: Physical data model diagram, SQL DDL script + DML script + Views + SP/Trigger definition
Tools: MySQL Workbench, Draw.io
Referensi: Elmasri & Navathe Ch. 17–18; MySQL Official Documentation

Modul 3: KUALITAS DATA & ANALYTICAL MODELLING (Minggu 10–13)

Sub-CPMK: 3.1, 4.1, 6.1 - Memahami kualitas data dan merancang model analitik

Pertemuan 10: Data Quality, Integrity, dan Governance

Topik:

• Empat jenis integritas data: entity, referential, domain, user-defined
• Referential integrity dan CASCADE options: CASCADE, SET NULL, RESTRICT - memilih berdasarkan business logic
• Dimensi kualitas data: accuracy, completeness, consistency, timeliness, validity, uniqueness
• Metadata (technical, business, operational) dan data dictionary - format standar
• Data governance: ownership, stewardship, access policy, retention, privacy
• Dampak kualitas data terhadap sains data (GIGO - studi kasus nyata)

Output: Data dictionary untuk proyek kelompok, laporan penilaian kualitas data
Referensi: Redman, Data Driven; Connolly & Begg Ch. 17

Pertemuan 11: Pengantar Data Warehouse & Analytical Modelling

Topik:

• OLTP vs OLAP: tujuan, pola query, skema, pengguna, volume, frekuensi update
• Data warehouse: definisi Inmon (subject-oriented, integrated, time-variant, non-volatile)
• Data mart sebagai subset data warehouse - kapan menggunakan masing-masing
• Proses ETL: Extract (sumber, incremental loading), Transform (cleaning, standardisasi, agregasi), Load (initial, incremental)
• Multi-dimensional analysis: slice, dice, drill-down, roll-up, pivot
• Pengantar dimensional modelling - preview fact & dimension table

Output: Dokumentasi kebutuhan analitik, identifikasi dimensi dan fakta dari narasi bisnis
Referensi: Kimball & Ross Ch. 1–3; Elmasri & Navathe Ch. 29

Pertemuan 12: Dimensional Modelling: Star Schema

Topik:

• Kimball Four-Step Process: pilih business process → tentukan grain → identifikasi dimensi → identifikasi fakta
• Grain: definisi tepat, konsistensi grain, granularity rendah vs tinggi
• Fact table: FK ke dimensi, tiga jenis measures (additive, semi-additive, non-additive)
• Dimension table: wide/fat, denormalisasi disengaja, atribut kaya - surrogate key vs natural key
• Dimensi waktu (date dimension): hierarki analitik temporal
• Variasi dimensi: conformed, role-playing, junk, degenerate dimension
• Studi kasus retail sales: Sales_Fact, Product_Dim, Store_Dim, Customer_Dim, Date_Dim
• SQL DDL star schema + analytical queries (GROUP BY, multi-dimension JOIN)

Output: Star schema diagram, DDL script, 3+ analytical queries
Tugas: Rancang star schema untuk domain proyek kelompok
Referensi: Kimball & Ross Ch. 3–4; Kimball Group Articles

Pertemuan 13: Dimensional Modelling: Snowflake Schema & SCD

Topik:

• Snowflake schema: normalisasi dimensi, sub-dimension, trade-off dengan star schema
• Perbandingan star vs snowflake: query performance, storage, maintenance, use case
• Slowly Changing Dimension (SCD) - problem statement: bagaimana menangani perubahan dimensi?
• SCD Type 1 (Overwrite): update langsung, tidak ada histori - use case: koreksi kesalahan
• SCD Type 2 (Add New Row): histori penuh dengan start_date, end_date, current_flag
• SCD Type 3 (Add Column): histori terbatas (current + previous value)
• SCD Type 4 dan 6: hybrid approach
• SQL implementasi SCD Type 2: INSERT awal, UPDATE saat perubahan, query historis
• Best practices dimensional modelling: surrogate keys, date dimension, naming convention, partisi fakta

Output: Snowflake schema dari star schema P12, implementasi SCD Type 2 untuk dimensi pelanggan
Referensi: Kimball & Ross Ch. 5 - 7; Kimball Group: SCD Techniques

Modul 4: INTEGRASI & PROYEK AKHIR (Minggu 14–16)

Sub-CPMK: 2.1, 4.1, 6.1 - Mengintegrasikan seluruh konsep dalam proyek nyata

Pertemuan 14: Integrasi Model Data dalam Proyek Sains Data

Topik:

• Model data sebagai dasar feature engineering: normalized schema → clean features, relationships → join-based features, dimensions → categorical features, agregasi → time-based features
• Pipeline analitik end-to-end: OLTP → ETL → Data Warehouse → Feature Engineering → ML Model → Deployment
• Feature engineering dari star schema: fitur dimensi, fitur agregasi, fitur behavioral
• Studi kasus: prediksi churn pelanggan e-commerce - step-by-step dari ERD hingga model ML
• Hubungan kualitas model data dengan kualitas model ML (GIGO dalam konteks ML)
• Review dan feedback proyek kelompok (progres per tahap)

Output: Query SQL feature engineering, pipeline diagram, proyek kelompok ter-review
Referensi: Kimball & Ross Ch. 18–19; Redman, Data Driven

Pertemuan 15: Presentasi Proyek Akhir

Format Presentasi (per kelompok, 20 menit: 15 menit presentasi + 5 menit tanya-jawab):

• (A) Conceptual Model - ERD lengkap dari domain yang dipilih
• (B) Logical Model - skema relasional, normalisasi, keputusan mapping
• (C) Physical Model - DDL script, naming convention, constraints
• (D) Dimensional Model - star/snowflake schema, SCD strategy, analytical queries
• (E) Refleksi desain - alasan keputusan dan trade-off yang diambil

Evaluasi:

• Kelengkapan dan konsistensi antar tahap model
• Ketepatan teknis (notasi, normalisasi, grain, SCD)
• Kualitas presentasi dan kemampuan menjawab pertanyaan

Penilaian proyek kelompok masuk ke komponen UAS (35%) dari total nilai akhir.

Pertemuan 16: Ujian Akhir Semester (UAS)

Format: Studi kasus komprehensif data modelling (individual, tertulis)
Cakupan: Pertemuan 1–14 dengan penekanan pada P9–P14
Bentuk: Diberikan narasi bisnis baru → rancang model data end-to-end (ERD → LDM → Physical → Dimensional)
Bobot: 35% dari nilai akhir semester (mencakup juga penilaian proyek kelompok dari P15)

Sistem Penilaian

Kriteria Nilai: A (81–100) · B+ (71–80) · B (66–70) · C+ (61–65) · C (56–60) · D+ (51–55) · D (46–50) · E (0–45)

Progressive Project - Tahapan Proyek Kelompok

Proyek dikerjakan bertahap sepanjang semester pada domain bisnis yang dipilih kelompok:

Anggota Kelompok: 3–4 mahasiswa per kelompok

Prasyarat Mata Kuliah

–

(Mata kuliah ini tidak memiliki prasyarat formal; namun disarankan mahasiswa telah memahami konsep dasar database)

Tools & Software

Catatan: Tools lain (PostgreSQL, dbdiagram.io, ERDPlus) bersifat opsional atau alternatif.

Referensi Utama

Referensi Pendukung: Connolly & Begg (P3–P9) · Simsion & Witt (P2–P5) · Redman (P1, P10, P14) · Date (P6–P7)

Lihat RPS lengkap untuk detail CPMK, Sub-CPMK, dan ketentuan perkuliahan.
Lihat Daftar Referensi untuk panduan bahan belajar lebih lengkap.