MODUL PERTEMUAN 16

UJIAN AKHIR SEMESTER (UAS)

MATA KULIAH DATA MODELLING

A. INFORMASI UJIAN

B. REFERENSI MATERI UAS

Bagian ini dapat dibagikan kepada mahasiswa sebagai panduan belajar sebelum ujian.

B.1 Referensi Utama

1. Elmasri, R. & Navathe, S. B. (2016). Fundamentals of Database Systems (7th Edition). Pearson.

   • Chapter 7–8: ERD — entitas, atribut, relationship, notasi
   • Chapter 9: Algoritma mapping ERD ke relasional
   • Chapter 14–16: Normalisasi 1NF, 2NF, 3NF, BCNF

2. Kimball, R. & Ross, M. (2013). The Data Warehouse Toolkit (3rd Edition). Wiley.

   • Chapter 1–3: Kimball Four-Step Process, grain, tabel fakta, tabel dimensi
   • Chapter 5: Slowly Changing Dimensions — Type 1, 2, 3
   • Appendix A: Ringkasan semua teknik dimensional modelling

3. Hoberman, S. (2009). Data Modeling Made Simple (2nd Edition). Technics Publications.

   • Chapter 3–5: ERD dan logical model
   • Chapter 9: Data Model Scorecard (evaluasi kualitas model)

B.2 Topik yang Paling Sering Diuji

PRIORITAS TINGGI (hampir pasti keluar):
  ✓ Algoritma mapping ERD → relasional (7 aturan) — HAFAL
  ✓ Dekomposisi normalisasi ke 3NF dengan bukti FD
  ✓ Identifikasi weak entity dari narasi
  ✓ Kimball Four-Step + deklarasi grain yang tepat
  ✓ SCD Type 1 vs Type 2 vs Type 3 — kapan pakai, SQL-nya
  ✓ Tiga jenis measures + contoh
  ✓ FK constraint: ON DELETE CASCADE vs RESTRICT vs SET NULL

PRIORITAS MENENGAH:
  ✓ Hierarki ISA: total/partial, disjoint/overlapping
  ✓ Tipe data MySQL yang tepat (DECIMAL vs FLOAT, ENUM, DATE)
  ✓ Surrogate key vs natural key di data warehouse
  ✓ OLTP vs OLAP — perbedaan 5+ dimensi
  ✓ Degenerate dimension — definisi dan contoh

PRIORITAS LEBIH RENDAH (tapi muncul sebagai pelengkap):
  ✓ BCNF — perbedaan dari 3NF
  ✓ Stored procedure vs trigger — kapan masing-masing digunakan
  ✓ Star vs snowflake — trade-off
  ✓ Conformed dimension — definisi dan manfaat

PENUTUP

Pertemuan 16 menutup satu semester penuh perjalanan data modelling — dari memahami bahwa data bukan sekadar angka di kolom, hingga merancang sistem analitik yang mampu menjawab pertanyaan bisnis yang kompleks secara akurat dan efisien.

Untuk mahasiswa yang membaca ini setelah ujian:

UAS ini bukan akhir dari pembelajaran data modelling — ia adalah titik periksa yang menandai seberapa jauh perjalanan yang telah kalian tempuh. Konsep-konsep yang diuji hari ini — grain yang tepat, normalisasi yang bebas anomali, SCD yang menjaga integritas historis — adalah fondasi yang akan kalian gunakan terus-menerus dalam karier sains data kalian, baik saat merancang database baru, membaca dokumentasi sistem yang ada, maupun saat mempertanyakan mengapa sebuah angka di dashboard terlihat tidak masuk akal.

Data yang dirancang dengan buruk tidak bisa diperbaiki oleh algoritma yang canggih. Data yang dirancang dengan baik memberdayakan segalanya di atasnya. Kalian sudah tahu ini sekarang — gunakan pengetahuan ini dengan bijak.

Disusun oleh: Mohammad Reza Maulana, M.Kom Program Studi Sains Data Fakultas Ekonomi dan Bisnis Islam UIN K.H. Abdurrahman Wahid Pekalongan

Revisi: Februari 2026