Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
1
1. BASIS DATA (DATABASE)
Data, Informasi dan Basis Data
Data merupakan fakta mengenai suatu objek seperti manusia, benda, peristiwa, konsep, keadaan dan
sebagainya yang dapat dicatat dan mempunyai arti secara implisit. Data dapat dinyatakan dalam
bentuk angka, karakter atau simbol, sehingga bila data dikumpulkan dan saling berhubungan maka
dikenal dengan istilah basis data (database) [Ramez2000]. Sedangkan menurut George Tsu-der Chou
basis data merupakan kumpulan informasi bermanfaat yang diorganisasikan ke dalam aturan yang
khusus. Informasi ini adalah data yang telah diorganisasikan ke dalam bentuk yang sesuai dengan
kebutuhan seseorang [Abdul1999]. Menurut Encyclopedia of Computer Science and Engineer, para
ilmuwan di bidang informasi menerima definisi standar informasi yaitu data yang digunakan dalam
pengambilan keputusan.
Definisi lain dari basis data menurut Fabbri dan Schwab adalah sistem berkas terpadu yang dirancang
terutama untuk meminimalkan duplikasi data.
Menurut Ramez Elmasri mendefinisikan basis data lebih dibatasi pada arti implisit yang khusus, yaitu:
a. Basis data merupakan penyajian suatu aspek dari dunia nyata (real world).
b. Basis data merupakan kumpulan data dari berbagai sumber yang secara logika mempunyai arti
implisit. Sehingga data yang terkumpul secara acak dan tanpa mempunyai arti, tidak dapat
disebut basis data.
c. Basis data perlu dirancang, dibangun dan data dikumpulkan untuk suatu tujuan. Basis data dapat
digunakan oleh beberapa user dan beberapa aplikasi yang sesuai dengan kepentingan user.
Dari beberapa definisi-definisi tersebut, dapat dikatakan bahwa basis data memounyai berbagai
sumber data dalam pengumpulan data, bervariasi derajat interaksi kejadian dari dunia nyata,
dirancang dan dibangun agar dapat digunakan oleh beberapa user untuk berbagai kepentingan
[Waliyanto2000].
Hirarki Data
Data diorganisasikan kedalam bentuk elemen data (field), rekaman (record), dan berkas (file). Definisi
dari ketiganya adalah sebagai berikut:
Elemen data adalah satuan data terkecil yang tidak dapat dipecah lagi menjadi unit lain yang
bermakna. Misalnya data siswa terdiri dari NIS, Nama, Alamat, Telepon atau Jenis Kelamin.
Rekaman merupakan gabungan sejumlah elemen data yang saling terkait. Istilah lain dari rekaman
adalah baris atau tupel.
Berkas adalah himpunan seluruh rekaman yang bertipe sama.
Gambar 1.1 Hirarki data
Berkas (file)
Rekaman (record) Rekaman (record) Rekaman (record) …
Elemen Data (field) Elemen Data (field) Elemen Data (field) Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
2
Sistem Basis Data
[Waliyanto2000] Gabungan antara basis data dan perangkat lunak SMBD (Sistem Manajemen Basis
Data) termasuk di dalamnya program aplikasi yang dibuat dan bekerja dalam satu sistem disebut
dengan Sistem Basis Data.
Program Aplikasi
Sistem Basis Data
Perangkat Lunak Pemroses
Program/Query
Perangkat Lunak
Pengakses Data
SMBD
Definisi Data
(Meta Data)
Basis Data
User/Programmer
Gambar 1.2 Konsep Sistem Basis Data (kompilasi Ramez Elmasri. dkk 1994)
C. J. Date menyatakan bahwa sistem basis data dapat dianggap sebagai tempat untuk sekumpulan
berkas data yang terkomputerisasi dengan tujuan untuk memelihara informasi dan membuat informasi
tersebut tersedia saat dibutuhkan.
Data Base Management System (DBMS)/Sistem Manajemen Basis Data (SMB)
DBMS dapat diartikan sebagai program komputer yang digunakan untuk memasukkan, mengubah,
menghapus, memodifikasi dan memperoleh data/informasi dengan praktis dan efisien.
Kelebihan dari DBMS antara lain adalah:
• Kepraktisan. DBMS menyediakan media penyimpan permanen yang berukuran kecil namun
banyak menyimpan data jika dibandingkan dengan menggunakan kertas.
• Kecepatan. Komputer dapat mencari dan menampilkan informasi yang dibutuhkan dengan cepat.
• Mengurangi kejemuan. Pekerjaan yang berulang-ulang dapat menimbulkan kebosanan bagi
manusia, sedangkan mesin tidak merasakannya.
• Update to date. Informasi yang tersedia selalu berubah dan akurat setiap.
[Waliyanto2000] Keuntungan-keuntungan dalam penggunaan DBMS antara lain adalah:
a. Pemusatan kontrol data. Dengan satu DBMS di bawah kontrol satu orang atau kelkompok dapat
menjamin terpeliharanya standar kualitas data dan keamanan batas penggunaannya serta dapat
menetralkan konflik yang terjadi dalam persyaratan data dan integritas data dapat terjaga.
b. Pemakaian data bersama (Shared Data). Informasi yang ada dalam basis data dapat digunakan
lebih efektif dengan pemakaian beberapa user dengan kontrol data yang terjaga.
c. Data yang bebas (independent). Program aplikasi terpisah dengan data yang disimpan dalam
komputer.
d. Kemudahan dalam pembuatan program aplikasi baru.
e. Pemakaian secara langsung. DBMS menyediakan interface yang memudahkan pengguna dalam
mengolah data. Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
3
f. Data yang berlebihan dapat dikontrol. Data yang dimasukkan dapat terjadi kerangkapan
(redudant), untuk itu DBMS berfungsi untuk menurunkan tingkat redudancy dan pengelolaan
proses pembaruan data.
g. Pandangan user (user view). Ada kemungkinan basis data yang diakses adalah sama, maka
DBMS mampu mengatur interface yang berbeda dan disesuaikan dengan pemahaman tiap user
terhadap basis data menurut kebutuhan.
Kelemahan-kelemahan DBMS antara lain:
a. Biaya. Kebutuhan untuk medapatkan perangkat lunak dan perangkat keras yang tepat cukup
mahal, termasuk biaya pemeliharaan dan sumber daya manusia yang mengelola basis data
tersebut.
b. Sangat kompleks. Sistem basis data lebih kompleks dibandingkan dengan proses berkas,
sehingga dapat mudah terjadinya kesalahan dan semakin sulit dalam pemeliharaan data.
c. Resiko data yang terpusat. Data yang terpusat dalam satu lokasi dapat beresiko kehilangan data
selama proses aplikasi.
Model Data
Model data dapat dikelompokkan berdasarkan konsep pembuatan deskripsi struktur basis data, yaitu:
a. Model data konsepsual (high level) menyajikan konsep tentang bagaiman user memandang atau
memperlakukan data. Dalam model ini dikenalkan tiga konsep penyajian data yaitu:
• Entity (entitas) merupakan penyajian obyek, kejadian atau konsep dunia nyata yang
keberadaannya secara eksplisit didefinisikan dan disimpan dalam basis data, contohnya
Mahasiswa, Matakuliah, Dosen, Nilai dan lain sebagainya.
• Atribute (atribut) adalah keterangan-keterangan yang menjelaskan karakteristik dari
suatu entitas seperti NIM, Nama, Fakultas, Jurusan untuk entitas Mahasiswa.
• Relationship (hubungan) merupakan hubungan atau interaksi antara satu entitas dengan
yang lainnya, misalnya entitas pelanggan berhubungan dengan entitas barang yang
dibelinya.
b. Model data fiskal (low level) merupakan konsep bagaimana deskripsi detail data disimpan ke
dalam komputer dengan menyajikan informasi tentang format rekaman, urutan rekaman, dan jalur
pengaksesan data yang dapat membuat pemcarian rekaman data lebih efisien.
c. Model data implementasi (representational) merupakan konsep deskripsi data disimpan dalam
komputer dengan menyembunyikan sebagian detail deskripsi data sehingga para user mendapat
gambaran global bagaimana data disimpan dalam komputer. Model ini merupakan konsep model
data yang digunakan oleh model hirarki, jaringan dan relasional.
Skema dan Instan Basis Data
Skema basis data merupakan deskripsi dari basis data yang spesifikasinya ditentukan dalam tahap
perancangan namun tidak terlalu diharapkan diubah setiap saat. Penggambaran skema umumnya
hanya berisi sebagian dari deatil deskripsi basis data.
NIM NAMA FAKULTAS JURUSAN
MAHASISWA
KD_MK MATA KULIAH SKS
MATA KULIAH
KD_DOSEN NAMA ALAMAT TELEPON
DOSEN
ID_KUL KD_MK KD_DOSEN NIM SEMESTER TAHUN NILAI
KULIAH
Gambar 1.3 Skema Basis Data Akademi
Sekelompok data yang tersusun dalam satu baris rekaman (record/tuple) dan tersimpan dalam basis
data disebut dengan instansi (instance) atau kejadian (occurences).
Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
4
Arsitektur DBMS
Arsitektur ini dikenal dengan nama arsitektur tiga skema (three-schema architecture) dimana fungsi ini
untuk memisahkan antara basis data fisik dengan program aplikasi user. Skema-skema tersebut
adalah sebagai berikut:
a. Level internal merupakan skema internal yang memuat deskripsi struktur penyimpanan basis data
dan menggunakan model data fisikal serta mendefinisikan secara detail penyimpanan data dalam
basis data, serta jalur pengaksesan data.
b. Level konsepsual adalah skema yang memuat deskripsi struktur basis data secara keseluruhan
untuk semua pemakai. Skema ini hanya memuat deskripsi tentang entitas, atribut, hubungan dan
batasan, tanpa memuat deskripsi data secara detail.
c. Level eksternal merupakan skema eksternal (user view) yang mendefinisikan pandangan data
terhadap sekelompok user (local view) dengan menyembunyikan data lain yang tidak diperlukan
oleh kelompok user tersebut.
Keuntungan dari arsitektur ini antara lain:
a. Perubahan skema konsepsual, yaitu adanya perubahan dalam skema konsepsual contohnya
penambahan suatu item data tidak akan berpengaruh pada program aplikasi. Tetapi jika skema
eksternal tidak sesuai lagi dengan skema konsepsual yang baru maka program aplikasi harus
disesuaikan juga.
b. Perubahan skema internal. Pemisahan antara skema eksternal dan skema internal berfungsi
untuk menjaga bila terjadi perubahan skema internal, misalnya ada penambahan “pointer” pada
rekaman tidak memerlukan perubahan pada aplikasi.
c. Perubahan skema eksternal. Adanya penambahan skema eksternal atau pembuatan skema
eksternal baru tidak akan berpengaruh pada aplikasi yang ada selama aplikasi tersebut tidak
mengakses data berdasarkan skema yang baru.
Komponen DBMS
Komponen-komponen DBMS (Howe,1991) terdiri dari:
• Interface, yang didalamnya terdapat bahasa manipulasi data (data manipulation language)
• Bahasa definisi data (data definition language) untuk skema eksternal, skema konsepsual dan
skema internal.
• Sistem kontrol basis data (Database Control System) yang mengakses basis data karena adanya
perintah dari bahasa manipulasi data.
Contoh bahasa menggunakan komponen-komponen tersebut adalah SQL (Structured Query
Language). SQL merupakan bahasa standar yang digunakan oleh kebanykan aplikasi-aplikasi DBMS.
Klasifikasi DBMS
Sistem Basisi Data dapat diklasifikasikan menjadi tiga bagian, yang terdiri dari:
a. Klasifikasi berdasarkan model data. Klasifikasi ini terdiri dari model data hirarki, model data
jaringan, model data relasional.
1. Model data hirarki
Dalam model ini, data disusun menurut struktur pohon yang merupakan bentuk lain dari
abstraksi data untuk basis data akademi. Pada puncak hirarki diesbut dengan akar (root). Tiap
entitas tingkat atas (parent) mempunyai satu atau lebih sub-entitas (children) sehingga setiap
entitas hanya boleh mempunyai satu induk, tetapi dapat mempunyai banyak anak.
Pada mode data hirarki, hubungan antar entitas dinyatakan dalam satu-banyak (one to many)
atau satu-satu (one to one). Dalam satu Universitas terdapat banyak Fakultas dan setiap
Fakultas terdapat banyak Dosen atau banyak Mahasiswa, dan seterusnya. Tanda panah
menunjukkan derajat keterhubungan “banyak”.
Untuk menampilkan semua mata kuliah pada Fakultas tertentu harus dilakukan dalam dua
tahap. Yang pertama adalah menampilkan rekaman semua Dosen yang mengajar di Fakultas
tersebut, kemudian baru mata kuliah yang dipegang oleh para Dosen. Dalam hal ini
penampilan data terlihat kurang efisien, sebab menggunakan entitas perantara (dosen) yang
harus ditampilkan juga. Dikarenakan kunci data yang digunakan untuk menghubungkan antar
entitas diberi kode dalam struktur data, maka untuk jumlah entitas perantara yang sedikit
masih dapat dikatakan efisien.
Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
5
Kelemahan lain pada model data hirarki adalah tidak dapat melakukan pencarian data pada
field. Misalnya dalam entitas mata ki\uliha tida pat ditampilkan hanya mata kuliah dengan
jumlah SKS tertentu, sebab field “Jumlah SKS” bukan sebagai kunci data. Hal ini masih dapat
dilakukan dengan mengubah struktur data dengan memberi hubungan khusus yang
digunakan untuk mengubah struktur database. Kelebihan model ini adalah sangat mudah
dipahami dan mudah dalam pembaharuan data [Waliyanto2000].
Nama Universitas
ABC
Nama Fakultas Jumlah Dosen Jumlah Mhs Jumlah Jurusan
Teknik 316 1098 8
No. Mhs Nama Jurusan
10189 Munif Elektro
NIP Nama Golongan
1679999 Arif II
Kode MK Nama MK Jumlah SKS
KID627187 Fisika Dasar 2
Universitas
Fakultas
Mahasiswa Dosen
Mata Kuliah
Gambar 1.4 Organisasi rekaman data pada model hirarki [Waliyanto2000]
2. Model data Jaringan
Dalam model ini setiap entitas dapat mempunyai banyak induk dan banyak anak. Pada
gambar menunjukkan entitas mata kuliah mempunyai dua induk, yaitu langsung berhubungan
dengan Fakultas dan Dosen.
Nama Universitas
ABC
Nama Fakultas Jumlah Dosen Jumlah Mhs Jumlah Jurusan
Teknik 316 1098 8
No. Mhs Nama Jurusan
10189 Munif Elektro
NIP Nama Golongan
1679999 Arif II
Kode MK Nama MK Jumlah SKS
KID627187 Fisika Dasar 2
Universitas
Fakultas
Mahasiswa Dosen
Mata Kuliah
Registrasi
No. Mhs Nama MK
10189 KID627187
Gambar 1.5 Organisasi rekaman data model raringan [Waliyanto2000]
Dalam model ini lebih sedikit terdapat data rangkap, namun lebih banyak terdapat hubungan
antar entitas, sehingga akan menambah informasi hubungan yang harus disimpan dalam
database. hal ini akan menambah volume dan kerumitan dalam penyimpanan berkas data.
Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
6
3. Model data Relasional
Dalam model ini setiap field dapat dijadikan kunci data. Data rekaman disusun dari nilai yang
berhubungan (record). Baris-baris ini akan membentuk tabel yang umunya tersimpan dalam
satu berkas (file).
No MK Nama MK SKS NIP
KDI1892 Bahasa Inggris 2 1222
KAI6522 Fisika Lanjut 2 2344
… … … …
No MK No Mhs
KDI1892 11782
KAI6522 44366
KAI6522 89878
No Mhs Nama Jurusan Fakultas
11782 Arif Elektro Teknik
44366 Rudian Mesin Teknik
89878 Nita Sipil Teknik
… … … …
Fakultas Jml_Dsn Jml_Mhs Jml_Jur
Teknik 150 6320 3
Ekonomi 200 4120 2
… … … …
NIP Nama Gol
23666 Murdiansyah III
132455 Johan II
… … …
Mata Kuliah Fakultas
Mahasiswa Dosen Registrasi
Gambar 1.6 Organisasi basis data model relasional [Waliyanto2000]
Dengan menggunakan model ini, pencarian field dari suatu tabel atau banyak tabel dapat
dilakukan dengan cepat. Pencarian atribut yang berhubungan pada tabel yang berbeda dapat
dilakukan dengan menghubungkan terlebih dahulu tabel-tabel tersebut dengan menggunakan
atribut yang sama (joint operation).
Keuntungan yang didapat dengan menggunakan model ini adalah sebagai berikut
[Waliyanto2000]:
• Model ini lebih luwes karena nilai data dalam tabel tidak ada pembatasan dalam berbagai
proses pencarian data.
• Model ini mempunyai latar belakang teori matematika.
• Pengorganisasian model relasional sangat sederhana, sehingga mudah dipahami.
• Basis data yang sama biasanya dapat disajikan dengan lebih sedikit terjadi data rangkap
(redudancy data).
Sedangkan beberapa kelemahan model ini adalah [Waliyanto2000]:
• Lebih sulit dalam implementasinya terutama untuk data dengan jumlah yang besar dan
tingkat kompleksitasnya tinggi.
• Proses pencarian informasi lebih lambat, karena beberapa tabel tidak dihubungkan
secara fisik. Dalam manipulasi data yang menggunakan beberapa tabel akan
memerlukan waktu yang lama, karena tabel-tabel harus dihubungkan terlebih dahulu.
b. Klasifkasi berdasarkan lokasi penyimpanan data, yaitu DBMS terpusat dan DBMS terdistribusi.
Dalam DBMS terpusat basis data disimpan dalam satu komputer media penyimpan sehingga
pengguuna sistem mengakses data dari pusat. DBMS terdistribusi, basis data tersebar pada
penyimpanan tiap terminal pengguna (client). Antar pengguna dapat mengakses data secara
langsung tanpa perlu melalui pusat penyimpanan. DBMS ini memerlukan sistem kontrol yang
rumit.
c. Klasifikasi berdasarkan tujuan DBMS digunakan yaitu tujuan umum (general purpose) dan tujuan
khusus (special purpose). Untuk tujuan umum dapat digunakan untuk berbagai tujuan dengan
memperlakukan data sama menurut penggunaannya contoh aplikasinya adalah DBASE,
ORACLE, FOXBASE dan sebagainya. DBMS tujuan khusus dirancang dan digunakan untuk
keperluan tertentu, sebagai contoh pengelolaan data karyawan pada perusahaan Asuransi.
Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
7
Pengembangan Database
Database diproses oleh DBMS untuk digunakan oleh pengembang maupun pengguna, yang
mengakses DBMS secara langsung atau tidak langsung melalui program-program aplikasi. Database
terdiri dari empat elemen utama yaitu data pengguna, metadata, indeks dan metadata aplikasi
[David2002].
Data Pengguna
Hampir semua database me-representasikan data pengguna sebagai relasi dengan menganggapnya
sebagai tabel data. Kolom dalam tabel berisi field-field atau atribut dan baris tabel berisi record/tuple
(rekaman) untuk keterangan entitas dalam lingkungan bisnis. Tidak semua relasi diperlukan, beberapa
relasi lebih baik distrukturkan dengan proses normalisasi.
Relasi ini dapat digambarkan dengan bentuk hubungan antara pelajar dengan guru sebagai berikut:
Tabel 1-1 Relasi Pelajar dengan Guru (R1)
NamaPelajar TeleponPelajar NamaGuru TeleponGuru
Aminudin 7778889 Pardi 7789665
Usman 7896532 Pardi 7789665
Ari 7474856 Dadang 8965555
Rina 7895654 Marni 4562211
Tuti 7897744 Dadang 8965555
Joni 7845644 Dadang 8965555
Struktur relasi tersebut dapat terjadi beberapa masalah, misalnya jika guru Dadang mengganti nomor
telepon maka tiga record yang terdapat guru Dadang diatas harus diganti juga. Untuk itu lebih baik
jika struktur relasi diubah menjadi dua relasi seperti di bawah ini:
Tabel 1-2 Hubungan antara R1 dan R2
NamaPelajar TeleponPelajar NamaGuru
Aminudin 7778889 Pardi
Usman 7896532 Pardi
Ari 7474856 Dadang
Rina 7895654 Marni
Tuti 7897744 Dadang
Joni 7845644 Dadang
NamaGuru TeleponGuru
Pardi 7789665
Dadang 8965555
Marni 4562211
Dari relasi diatas akan pengubahan data hanya dilakukan pada relasi kedua.
Metadata
Penjelasan struktur dari suatu tabel disebut dengan metadata dan terkadang disebut dengan system
tables. Bentuk dari metada dapat digambarkan seperti dibawah ini yang terdiri dua tabel. Tabel
pertama berisi daftar tabel-tabel di dalam suatu database sedangkan tabel yang kedua berisi daftar
kolom-kolom pada suatu tabel.
Tabel 1-3 Tabel SysTable
Nama Tabel
Jumlah
Kolom Primary Key
Pelajar 4 NIS
Guru 3 NIP
Mata Pelajaran 4 Kode_MP
Relasi Belajar 3 {NIS,Kode_MP,NIP}
Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
8
Tabel 1-4 Tabel SysColumns
Nama Kolom Nama Tabel Tipe Data Panjang
NIS Pelajar String 5
Nama Pelajar String 20
Telepon Pelajar String 12
Alamat Pelajar String 50
NIP Guru String 6
Nama Guru String 20
Telepon Guru String 12
Divisi Guru String 20
Kode_MP Mata Pelajaran String 5
Nama MP Mata Pelajaran String 15
Jumlah Jam Mata Pelajaran Integer 4
NIS Relasi Belajar String 5
Kode_MP Relasi Belajar String 5
NIP Relasi Belajar String 6
Tingkat Relasi Belajar String 2
Indeks
Tipe database ini digunakan untuk meningkatkan kinerja dan akses suatu database. Terkadang tipe
data ini disebut dengan overhead data, terdiri dari prinsip-prinsip indeks serta beberapa penggunaan
struktur data link list. Di bawah ini contoh pengguanan dua buah indeks dari tabel Mahasiswa:
Tabel 1-5 Contoh Tabel Mahasiswa
NO Nama Jurusan Kelas
10 David Carradine Akuntansi 2AB
20 Jaka Sembung Manajemen 2CV
30 Kebo Ireng Manajemen 2CV
40 Lasmini Teknik Sipil 1SP
50 Joni Keboy Akuntansi 1AB
60 Franc De Nero Manajemen 2AB
70 Marco Van Basten Teknik Sipil 1SP
80 Maradani Teknik Sipil 1SP
90 Dona Doni Akuntansi 1AB
Tabel 1-6 Tabel Indeks berdasarkan Kelas
Kelas No
1AB 50,90
2AB 10,60
2CV 20,30
1SP 40,70,80
Tabel 1-7 Tabel indeks berdasarkan Jurusan
Jurusan No
Akuntansi 10,50,90
Manajemen 20,30,60
Teknik Sipil 40,70,80 Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
9
Indek tidak hanya digunakan untuk pengurutan, tetapi digunakan juga untuk mengakses cepat ke
database terutama pencarian data. Apbila suatu tabel contuhnya tabel Mahasiswa, mengalami
pengubahan data (penambahan/pengubahan/penghapusan) maka tabel indeks mengalami
pengubahan juga.
Application Metadata
Application metadata digunakan untuk menyimpan struktur dan format dari user forms, report, queries
dan komponen-komponen aplikasi lainnya.
Konsep Dasar Tabel
Tabel merupakan blok dasar yang paling umum digunakan dalam sistem basis data, atau disebut juga
dengan relasi. Komponen tabel terdiri dari beberapa kolom yang ditandai dengan jenis atribut.
Perpotongan antara baris dan kolom disebut nilai atribut. Tujuan penggunaan tabel adalah untuk
menyederhanakan logika pandangan terhadap data. Beberapa kententuan-ketentuan dalam
penyusunan sebuah tabel adalah sebagai berikut [Waliyanto2000]:
a. Urutan baris diabaikan, sehingga pertukaran baris tidak berpengaruh pada isi informasi tabel.
b. Urutan kolom diabaikan serta identifikasi kolom dibedakan dengan jenis atribut.
c. Tiap perpotongan antara baris dan kolom berisi atribut tunggal
d. Tiap baris dalam tabel harud dibedakan, sehingga tidak ada dua baris atau lebih dalam tabel
mempunyai nilai atribut yang sama secara keseluruhan.
Tabel yang memenuhi ketentuan ini disebut dengan tabel normal, jika belum maka dilakukan proses
normalisasi.
Salah satu keuntungan menggunakan basis data adalah konsistensi data selalu terjaga dengan
menghindari adanya data rangkap (redudant data). Perbedaan antara data rangkap dan data duplikat
adalah duplikasi data terjadi bila satu atribut mempunyai dua atau lebih nilai yang sama, sedangkan
data rangkap adalah bila satu atribut mempunyai dua atau lebih nilai yang sama, namun bilai salah
satu nilai dihapus, maka tidak ada informasi yang hilang, sehingga duplikasi data ini tidak perlu ada.
Untuk lebih jelasnya lihat dua tabel berikut:
Tabel 1-8 Contoh duplikasi data pada suatu tabel
NamaPelajar TeleponPelajar NamaGuru
Aminudin 7778889 Pardi
Usman 7896532 Pardi
Ari 7474856 Dadang
Rina 7895654 Marni
Tuti 7897744 Dadang
Joni 7845644 Dadang
Tabel 1-9 Contoh adanya kerangkapan data pada suatu tabel
NamaPelajar TeleponPelajar NamaGuru TeleponGuru
Aminudin 7778889 Pardi 7789665
Usman 7896532 Pardi 7789665
Ari 7474856 Dadang 8965555
Rina 7895654 Marni 4562211
Tuti 7897744 Dadang 8965555
Joni 7845644 Dadang 8965555
Pada tabel 1.8 terjadi duplikasi data pada atribut NamaGuru, andaikan baris pertama pada atribut
NamaGuru dihilangkan maka informasi untuk atribut NamaPelajar baris pertama akan hilang,
sedangkan pada tabel 1.9 dapat terlihat bahwa kalau atribut TeleponGuru dari baris pertama
dihilangkan maka informasi ini masih dapat diketahui melalui atribut NamaGuru pada baris kedua,
mengapa? Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
10
Salah satu syarat tabel normal adalah setiap atribut harus mempunyai nilai tunggal untuk tiap barisnya.
Di bawah ini contoh dari suatu tabel yang mempunyai atribut bernilai ganda.
Tabel 1-10 Tabel Dosen dengan nilai ganda
NIP Nama Gelar
102 Jackie Ceng Ir
106 Dakocan Ir, MSc
503 Ali Oncom Drs
401 Otoy Ir, MSc, PhD
203 Gareng Prof, Drs
Dalam tabel di atas terdapat nilai atribut ganda pada kolom Gelar. Hal ini berakibat pengurutan data
hanya dapat dilakukan berdasarkan kolom NIP dan Nama. Untuk menghilangkan nilai ganda tersebut,
hal yang paling mudah dilakukan adalah membuat pengisian nilai atribut vertikal namun dapat
berakibat kerangkapan data, seperti di bawah ini.
Tabel 1-11 Pengisian atribut secara vertikal
NIP Nama Gelar
102 Jackie Ceng Ir
106 Dakocan Ir
106 Dakocan MSc
503 Ali Oncom Drs
401 Otoy Ir
401 Otoy MSc
401 Otoy PhD
203 Gareng Prof
203 Gareng Drs
Solusi yang teapat untuk menghilangkan kerangkapan data tersebut adalah dengan membagi tabel
menjadi dua bagian yang saling terhubung dengan elemen penghubung salah satu atributnya.
Perhatikan tabel-tabel di bawah ini:
Tabel 1-12 Menghilangkan nilai rangkap dengan pemecahan tabel
NIP Nama
102 Jackie Ceng
106 Dakocan
503 Ali Oncom
401 Otoy
203 Gareng
NIP Gelar
102 Ir
106 Ir
106 MSc
503 Drs
401 Ir
401 MSc
401 PhD
203 Prof
203 Drs
Dengan cara ini dapat mempermudah dalam proses normalisasi berikutnya. Dalam penyusunan
aturan data perlu dipahami tentang determinan dan identitas. Jika sebuah tabel memiliki atribut A, B,
dan C, sedangkan A menjadi penentu B atau sebaliknya B ditentukan oleh A maka A determinan
(functional determines) B (B functional dependent A) . Nilai atribut B dapat saja duplikasi, kosong atau
dapat diubah. Jika a1 dan b1 merupakan nilai A maka akan berpasangan dengan nilai B yang sama
ataupun berbeda. Jadi A determinan B jika tiap A mempunyai satu pasangan nilai B. Perhatikan
contoh tabel di bawah ini:
Dosen
Gelar Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
11
Tabel 1-13 Tabel Mahasiswa
NIM Nama Jurusan Fakultas
21297956 Asmawi Teknik Sipil Teknologi Industri
21297556 Tina Manajemen Ekonomi
20399458 Marino Akuntansi Ekonomi
21198113 Budi Teknik Sipil Teknologi Industri
Apabila setiap nilai atribut NIM menentukan nama mahasiswa maka dikatakan atribut NIM determinan
atribut Nama. Begitu juga dengan atribut Jurusan dan Fakultas yang ditentukan oleh NIM. Bentuk
diagram determinan adalah sebagai berikut:
Gambar 1.7 Diagram determinan dari tabel Mahasiswa
Dalam kasus lain, ada kemungkinan dua atribut atau lebih secara bersama menentukan atribut lain
atau determinan komposit (composite determinant/fully functionally dependent) . Sebagai contoh pada
tabel di bawah, atribut NIM dan atribut MataKuliah menentukan atribut Dosen sebagai pengajar.
Tabel 1-14 Tabel pengajaran mata kuliah
NIM MataKuliah Dosen
21297956 Matematika Dasar Pardi
21297956 Fisika Dasar Munir
20399458 Matematika Dasar Joko Susilo
21198113 Fisika Dasar Munir
20399458 Akuntasi Dasar Marni Siregar
21297556 Matematika Dasar Joko Susilo
Gambar diagram determinannya adalah sebagai berikut:
Gambar 1.8 Diagram determinan tabel pengajaran mata kuliah
Sedangkan bila atribut A determinan atribut B dan atribut B merupakan determinan atribut C maka
atribut A adalah determinan transitif atribut C (C transitive dependency A). perhatikan contoh tabel dan
diagram determinan di bawah ini:
Tabel 1-15 Daftar penerimaan mahasiswa baru
NIM Jurusan Fakultas
21297956 SI ILKOM
21297556 SK ILKOM
20399458 TI TI
21198113 SK ILKOM
NIM
Nama
Jurusan
Fakultas
NIM
MataKuliah
Dosen Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
12
Gambar 1.9 Diagram A determinan transitif C
Dari pembahasan di atas tiap baris dapat diidentifikasikan dengan semua nilai atribut, tetapi akan
sangat menyulitkan. Oleh sebab itu perlu pemilihan salah satu nilai atribut yang digunakan sebagai
identitas (identifier) atau elemen kunci (key element) dari baris. Nilai atribut dapat dijadikan identitas
jika dalam tabel tidak terjadi duplikasi data dan data dengan nilai kosong (NULL).
Normalisasi
Proses normalisasi menyediakan cara sistematis untuk meminimalkan terjadinya kerangkapan data
diantara relasi dalan perancangan logikal basis data. Format normalisasi terdiri dari lima bentuk, yaitu:
Form Normal Pertama (1NF). Suatu tabel dikatakan sudah 1NF jika telah memenuhi ketentuan
sebagai berikut:
• Tidak ada atribut mempunyai nilai berulang atau nilai array
• Tidak mempunyai baris yang rangkap
Bentuk unnormal mengijinkan nilai-nilai pada suatu atribut dapat berulang. Perhatikan contoh tabel-
tabel berikut ini: [Sitansu1991]
Tabel 1-16 Tabel UNIV (University)
DNO DNAME DHEAD
EN English Lee Kunkel
CS Computer Science Albert Roby
MA Mathematics Deb Kumar Boy
HS History Cathy Doucette
EE Elecrical Engineering Raj Chandra Mittra
Tabel 1-17 Tabel INSTR (Instructor)
INAME IDEG SPCODE RANK SSNO DNO
Lee Kunkel BA, MA, PhD 4 Professor 2323121 EN
Albert Roby BS, MS, PhD 2 Professor 1212154 CS
Deb Kumar Boy BS, MS, PhD 5 AssocProf 4545454 MA
Cathy Doucette MA, PhD 6 AssocProf 4545654 HS
Raj Chandra Mittra BA, MSc, PhD 10 Professor 2231321 EE
Tom Clark BA, MA 5 AsstProf 1546465 MA
Marcia Brown BA, BS, MS 2 Instructor 4464654 CS
Susan Woodsmith MA, MS, PhD 3 AsstProf 2131321 PH
Brady Jackson MA, DLitt 15 Professor 2456465 RL
Jack Adams BA, PhD 1 AssocProf 4545462 CS
Tabel 1-18 Tabel STUDNT (Student)
SNAME SSNO MAJOR DEGREE ADVSR DNO COLREG
Roger Brown Smith 121545 Biology BS Jack Adams BI Arts & Sci.
Cindy Logan 232332 Computer Science BS Deb Kumar Boy MA Arts & Sci.
Benjamin Johnson 554545 NDEG NONE BA Business
Steve Levin 454545 BA Lee Kunkel EN Arts & Sci.
Tom Jones 899778 Mathematics MS Raj Chandra Mittra EE Engineering
Berverly Black 365654 English PhD Lee Kunkel EN Arts & Sci.
NIM Jurusan Fakultas Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
13
Tabel 1-19 Tabel CRSE (Course)
CNO CNAME INAME DNO SECNO
CS225 Assembler Language Marcia Brown CS 02
CS547 Discrete Mathematics Deb Kumar Roy CS 01
MA423 Differential Geometry Tom Clark MA 04
EN104 English Composition Staff EN 04
RL712 Comparative Religion Brady Jackson RL 01
CS761 Expert System Albert Roby CS 03
EC102 Macroeconomics Staff EC 06
EN604 Romanticism Lee Kunkel EN 01
HS252 Middle East Cathy Doucette HS 02
EE202 Microcomputing Staff EE 04
MA611 Algebraic Topology Tom Clark MA 01
CS579 Database Systems Marcia Brown CS 02
BI104 Biology Concepts Staff BI 07
Tabel 1-20 Tabel CRSLST (Course List)
CNO SECNO SID GRADE OFRNG
CS579 02 121212 A Spring 87
CS579 02 121231 B- Spring 87
CS579 02 454549 B+ Spring 87
CS579 02 484545 I Spring 87
MA611 01 112121 C Fall 86
MA611 01 212121 A Fall 86
MA611 01 545454 C+ Fall 86
MA611 01 121215 W Fall 86
Tabel 1-21 Tabel SPECL (Special)
SPCODE SPNAME
1 Information Systems
2 Database Systems
3 Kant Doctrine
4 Romantic Literature
5 Differential Geometry
6 Mideast History
7 Topology
8 Automated Reasoning
9 Expert System
10 Microelectronics
11 English Drama
12 Shakespeare
13 Indian History
14 Decision Support Systems
15 Comparatibe Religion
Tabel UNIV, STUDNT, CRSE, CRELST dan SPCODE semuanya berada dalam 1NF, namun untuk
tabel INSTR masih dalam keadaan unnormalisasi, karena atribut IDEG menerima nilai array seperti
“BA, MA, PhD” atau “MA, MS, PhD”.
Form Normal Kedua (2NF). Relasi dapat dikatakan format normal kedua jika sudah dalam format
normal pertama dan diikuti kondisi sebagai berikut: Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
14
• Key terdiri dari atribut tunggal
• Setiap atribut nonkey ketergantungan fungsional pada semua key atau tidak terjadinya
ketergantungan pada key composite.
Misalnya tabel UNIV berada dalam normal kedua dengan mengasumsikan DNO sebagai key, kecuali
CRSE. Jika ditentukan CNO dan SECNO sebagai key composite, atribut nonkey CNAME tergantung
hanya pada CNO, bukan pada SECNO, sehingga CNAME tidak secara ketergantungan fungsional
penuh terhadap key (CNO, SECNO).
Form Normal Ketiga (3NF). Relasi dikatakan format normal ketiga jika sudah dalam format normal
kedua dan tidak ada ketergantungan transitif diantara atribut. Misalnya tabel STUDNT mempunyai
atribut SSNO sebagai key (2NF). Ketergantungan transitif terjadi diantara DNO dan COLREG. Saat
DNO determinan COLREG tanpa melibatkan key SSNO. Contohnya, DNO=’CS’ termasuk
COLREG=’Arts/Sc.’ tidak tergantung oleh atribut SSNO, sehingga STUDNT belum termasuk 3NF.
Yang menjadi catatan, ketergantungan transitif tidak akan terjadi jika ada ketergantungan fungsional
diantara atribut-atribut nonkey yang melibatkan key. Misalnya atribut nonkey SNAME determinan
atribut nonkey lainnya yaitu MAJOR, DEGREE, ADVSR dan DNO. Tetapi hal ini merupakan
ketergantungan fungsional bukan ketergantungan transitif selagi semua melibatkan key SSNO.
Form Normal Boyce-Codd (BCNF). BCNF menentukan setiap determinan adalah kunci kandidat
(candidate key). Misalnya UNIV mempunyai dua determinan yaitu DNO dan DNAME yang merupakan
kunci kandidat sehingga termasuk ke dalam BCNF. Di lain pihak CRSLST dalam 3NF tetapi tidak
dalam BCNF. Atribut komposisinya (CNO, SECNO, SID, OFRNG) sebagai kunci-kunci kandidat dan
tidak ada ketergantungan transitif, sehingga CRSLST termasuk ke dalam 3NF. Namun atribut CNO
adalah determinan saat SECNO tergantung penuh secara fungsional terhadap CNO, walaupun CNO
bukan kunci kandidat, sehingga CRSLST belum termasuk BCNF.
Form Normal Keempat (4NF). Bentuk ini adalah bentuk normal ketiga atau BCNF dengan nilai atribut
tidak tergantung pada nilai banyak (multivalue dependency).
Form Normal Kelima (5NF). Konsep pada bentuk ini adalah ketergantungan pada gabungan
beberapa atribut (join dependency).
Bentuk lain proses normalisasi dapat anda lihat dalam tabel-tabel di bawah ini:
Tabel 1-22 Tabel Mahasiswa dalam 1NF
NIM NamaAwal NamaAkhir Fakultas
122233 Asep Darma Ilmu Komputer
233323 Angling Darma Ilmu Komputer
244455 Bergola Ijo Hukum
334343 Jaka Sembung Kebidanan
322323 Jaka Tarub Hukum
Pada tabel di atas berada pada 1NF kerana tidak ada baris yang duplikat, setiap kolom hanya
mempunyai nilai tunggal (tidak ada group berulang atau array) dan semua masukan dalam kolom
mempunyai jenis yang sama.
Key NIM secara fungsional menentukan atribut lain seperti NamaAwal, NamaAkhir, dan Fakultas
(dengan asumsi, setiap mahasiswa hanya boleh menempatkan satu fakultas). NIM→NamaAwal,
NIM→NamaAkhir, NIM→Fakultas.
Atribut key menentukan secara unik nilai dari atribut lain dalam tabel, semua atribut non-key dalam
tabel secara fungsional tergantung terhadap key. Tetapi ada kemungkinan atribut non-key dalam tabel
dapat menentukan atribut lain pada tabel tersebut. Perhatikan tabel berikut:
Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
15
Tabel 1-23 Atribut Non-Key Determinan
NamaAwal NamaAkhir Fakultas Jenjang
Asep Darma Ilmu Komputer S1
Angling Darma Ilmu Komputer S1
Bergola Ijo Hukum S1
Jaka Sembung Kebidanan D3
Jaka Tarub Hukum S1
Atribut jenjang dapat dikatakan tergantung secara fungsional pada atribut Fakultas dengan
konsekuensi bahwa Fakultas Ilmu Komputer dan Hukum hanya untuk mahasiswa S1 dan Fakultas
Kebidanan hanya untuk mahasiswa D3.
Pada tabel 1.23 juga memiliki composite key (kunci komposisi) yang terdiri dari atribut NamaAwal dan
NamaAkhir dan atribut Jenjang tergantung secara fungsional pada composite key tersebut.
Sebenarnya bisa saja atribut Jenjang tergantung pada atribut NamaAkhir (jika nilai atribut NamaAkhir
tidak ada yang sama, namun NamaAkhir terdapat nilai yang sama yaitu “Darma”), atau tergantung
dengan atribut NamaAwal, tetapi atribut NamaAwal mempunyai nilai duplikat yaitu “Jaka”. Maka
atribut Jenjang tidak tergantung fungsional terhadap kedua atribut key tersebut. Sehingga tabel
tersebut belum termasuk ke dalam 2NF (semua atribut non-key tergantung pada semua key).
Tabel 1.23 dapat dinormalisasikan ke dalam bentuk 2NF jika di tambahkan atribut NIM, sehingga tabel
hanya mempunyai atribut tunggal (non-composite key) seperti di bawah ini.
Tabel 1-24 Tabel Normalisasi 2NF
NIM NamaAwal NamaAkhir Fakultas Jenjang
122233 Asep Darma Ilmu Komputer S1
233323 Angling Darma Ilmu Komputer S1
244455 Bergola Ijo Hukum S1
334343 Jaka Sembung Kebidanan D3
322323 Jaka Tarub Hukum S1
Anomali (Pelanggaran) dan Normalisasi
Untuk mengilustrasikan adanya anomali, anggap terjadi pada atribut Jenjang dari Fakultas, misalnya
Kebidanan. Jika Jaka Sembung kembali berkelana (tidak jadi kuliah) maka baris yang berhubungan
dengan Jaka Sembung akan dihapus dan terjadi kehilangan informasi bahwa Kebidanan mempunyai
jenjang D3. Kita dapat saja mengetahui bahwa Jenjang Kebidanan adalah D3, tetapi dalam database
tersebut tidak ada informasi yang menyatakan Jenjang Kebidanan.
Contoh lain misalnya penambahan mahasiswa baru yang bernama Suparman yang ingin kuliah di
Fakultas Teknik. Fakta dari informasi tabel kita tidak dapat mengetahui apa jenjang dari Fakultas
Teknik dan juga apakah Fakultas Teknik terdapat pada Universitas yang bersangkutan. Dari hal ini
kita tidak akan mengetahui apakah dapat nilai Teknik tersebut dapat dimasukkan ke dalam atribut
Fakultas atau tidak. Apabila dapat dimasukkan ke atribut Fakultas, bagaimana dengan atribut
Jenjang-nya?
DBMS hanya dapat bekerja dengan informasi yang terdapat pada tabel-tabel dan aturan-aturan yang
bekerja pada tabel-tabel tersebut dengan tepat dan mungkin.
Bagaiman hubungan antara anomali dan normalisasi? Jawaban yang singkat adalah dengan
menyusun tabel-tabel dalam database cukup dinormalkan (dalam praktek umumnya sampai normal
keempat), dan menjamin bahwa anomali tidak terjadi pada database.
Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
16
Porses normalisasi kelihatan sangat menyulitkan, ketika melihat dari definisi tiap-tiap tingkatan
normalisasi. Namun dalam prakteknya kita dapat mencapainya dengan menjamin bahwa tabel-tabel
terdiri dari tabel “single-theme”.
Walaupun dalam 2NF dapat terjadi penambahan maupun penghapusan data yang mengakibatkan
anomali, kita dapat membentuk tabel tersebut menjadi beberapa tabel “single-theme”. Gagasan ini
dapat diilustrasikan pada tabel di bawah ini.
Tabel 1-25 Tabel-tabel "Single-Theme"
Transitive Dependencies (Ketergantungan transitif) (3NF)
Seperti yang telah kita ketahui, ketergantungan transitif terjadi bilamana suatu A→B dan B→C, maka
A→C. Ilustrasi untuk kejadian ini dapat dilihat pada tabel berikut.
Tabel 1-26 Tabel Daftar Buku
Author
Last
Name
Author
First
Name
Book Title Subject Collection or Library Building
Berdahl Robert The Politics of the
Prussian Nobility
History PCL General Stacks Perry-Casta
Library
Yudof Mark Child Abuse and
Neglect
Legal
Procedures
Law Library Townes Hall
Harmon Glynn Human Memory and
Knowledge
Cognitive
Psychology
PCL General Stacks Perry-Casta
Library
Graves Robert The Golden Fleece Greek Literature Classics Library Waggener
Hall
Miksa Francis Charles Ammi Cutter Library
Biography
Library and
Information Science
Collection
Perry-Casta
Library
Hunter David Music Publishing and
Collecting
Music Literature Fine Arts Library Fine Arts
Building
Graves Robert English and Scottish
Ballads
Folksong PCL General Stacks Perry-Casta
Library
Dari tabel di atas kita dapat berpendapat bahwa buku yang ber-subyek History, cognitive psychology,
dan folksong diberikan ke PCL General Stacks collection; sedangkan Legal procedure diberikan ke
Law Library; Greek Literature diberikan ke Classic Library; sedangkan Library Biography diberikan ke
Library and Information Science Collection; dan Music Literature diberikan ke Fine Arts Library.
Kemudian kita dapat menduga bahwa PCL General Stacks Collection dan LISC keduanya
ditempatkan di gedung Perry-Casta Library (PCL); Classic Library ditempatkan di gedung Waggener
Hall; Law Library and Fine Arts Library di tempatkan di gedung Townes Hall dan Fine Arts Building.
Sehingga kita dapat melihat ketergantungan transitif pada tabel di atas, dimana buku-buku History,
Cognitive Psychology atau Library Biography secara fisik ditempatkan di gedung PCL; buku Lega
Procedures di tempatkan di Townes Hall dan begitu seterusnya.
NIM NamaAwal NamaAkhir
122233 Asep Darma
233323 Angling Darma
244455 Bergola Ijo
334343 Jaka Sembung
322323 Jaka Tarub
Fakultas Jenjang
Ilmu Komputer S1
Hukum S1
Kebidanan D3
NIM Fakultas
122233 Ilmu Komputer
233323 Ilmu Komputer
244455 Hukum
334343 Kebidanan
322323 HukumHaidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
17
Apa yang salah ketika terjadinya ketergantungan transitif pada tabel tersebut? Hal pertama terjadinya
duplikasi informasi, dimana tiga baris berbeda mengacu pada PCL General Stacks yang berada di
gedung PCL. Kesalahan yang kedua adalah kemungkinan adanya penghapusan anomali, yaitu jika
kita hapus baris dengan nama pengarangYudof maka kita akan kehilangan informasi Law Library di
dalam Townes Hall. Ketiga dapat pula terjadi penambahan anomali jika kita akan menambah buku
Chemistry, tetapi kenyataannya tidak ada data yang menyatakan Chemistry Library berada di gedung
Robert A. Welch Hall. Dan masalah keempat terjadinya kesalahan meng-update jika pegawai
memasukan buku ke LISC tetapi memasukkan Townes Hall ke atribut Building.
Solusi untuk masalah di atas adalah membentuk tabel tersebut menjadi tabel-tabel “single-theme”.
Tabel 1-27 Tabel-tabel "single-theme " untuk tabel transitive dependencies
Kita dapat lihat bahwa semua tabel tidak mempunyai ketergantungan transitif (3NF, Domain Key
Normal Form (DKNF)).
Author
Last
Name
Author
First Name
Book Title
Berdahl Robert The Politics of the
Prussian Nobility
Yudof Mark Child Abuse and Neglect
Harmon Glynn Human Memory and
Knowledge
Graves Robert The Golden Fleece
Miksa Francis Charles Ammi Cutter
Hunter David Music Publishing and
Collecting
Graves Robert English and Scottish
Ballads
Book Title Subject
The Politics of the
Prussian Nobility
History
Child Abuse and Neglect Legal
Procedures
Human Memory and
Knowledge
Cognitive
Psychology
The Golden Fleece Greek
Literature
Charles Ammi Cutter Library
Biography
Music Publishing and
Collecting
Music
Literature
English and Scottish
Ballads
Folksong
Subject Collection or Library
History PCL General Stacks
Legal
Procedures
Law Library
Cognitive
Psychology
PCL General Stacks
Greek Literature Classics Library
Library
Biography
Library and Information
Science Collection
Music Literature Fine Arts Library
Folksong PCL General Stacks
Collection or Library Building
PCL General Stacks Perry-Casta
Library
Law Library Townes Hall
PCL General Stacks Perry-Casta
Library
Classics Library Waggener Hall
Library and Information
Science Collection
Perry-Casta
Library
Fine Arts Library Fine Arts
Building
PCL General Stacks Perry-Casta
LibraryHaidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
18
Untuk tabel pengarang terdapat nama depan yang sama yaitu Robert, dalam hal ini kita menyarankan
untuk membuat atribut identifikasi dalam menyatakan nama pengarang, seperti di bawah ini.
Tabel 1-28 Tabel pengarang setelah penambahan atribut ID
Pembentukan tabel-tabel di atas akan lebih menghemat kapasitas media penyimpan dan
meminimalkan kesalahan dalam pemasukkan data yang berupa key.
BCNF mengijinkan terjadinya anomali ketika tabel gagal memiliki properti yaitu setiap determinan
adalah kunci kandidat (candidate key). Contoh pada tabel di bawah ini gagal memiliki properti ini.
Dalam tabel ini SSN ditafsirkan sebagai pelajar dengan Major serta Adviser (pembimbing). Dengan
catatan tiap pelajar pelajar 123-45-6789 dan 987-65-4321 mempunyai dua jurusan dengan
pembimbing yang berbeda tiap jurusannya.
Tabel 1-29 Tabel Mahasiswa dengan BCNF
SSN Major Adviser
123-45-6789 Library and Information Science Dewey
123-45-6789 Public Affairs Roosevelt
222-33-4444 Library and Information Science Putnam
555-12-1212 Library and Information Science Dewey
987-65-4321 Pre-Medicine Semmelweis
987-65-4321 Biochemistry Pasteur
123-54-3210 Pre-Law Hammurabi
Dalam tabel di atas salah satu determinan adalah atribut berpasangan yaitu SSN dan Major. Tiap
pasangan nilai atribut SSN dan Major menentukan nilai unik untuk atribut Adviser. Determinan lain
adalah pasangan SSN dan Adviser yang menentukan nilai unik atribut Major. Determinan lain lagi
adalah Adviser dimana setiap nilai adviser yang berbeda menentukan secara unik nilai atribut Major.
(catatan: setiap pelajar mempunyai pembimbing (adviser) tunggal untuk setiap jurusannya (major) dan
tiap pembimbing (adviser) membimbing hanya satu jurusan)
Sekarang kita akan menguji ketiga determinan tersebut apakah sebagai kunci kandidat. Pasangan
SSN dan Major adalah kunci kandidat untuk setiap pasangan unik mengidentifikasikan sebuah baris
dalam tabel. Pasangan SSN dan Adviser juga kunci kandidat. Tetapi determinan Adviser bukan
sebagai kunci kandidat karena nilai Dewey terdapat dalam dua baris pada kolom Adviser. Jadi tabel di
atas tidak dapat dikatakan dalam kondisi setiap determinan adalah kunci kandidat.
Author
Last Name
Author
First
Name
ID
Author
Berdahl Robert 001
Yudof Mark 002
Harmon Glynn 003
Graves Robert 004
Miksa Francis 005
Hunter David 006
Graves Robert 007
ID
Author
Book Title
001 The Politics of the Prussian
Nobility
002 Child Abuse and Neglect
003 Human Memory and
Knowledge
004 The Golden Fleece
005 Charles Ammi Cutter
006 Music Publishing and
Collecting
007 English and Scottish BalladsHaidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
19
Sangatlah mudah untuk memeriksa anomali dalam tabel ini. Misalnya jika pelajar 987-65-4321
meninggalkan universitas tersebut, tabel akan kehilangan informasi bahwa Semmelweis adalah
seorang pembimbing untuk jurusan Pre-Medicine. Contoh lain adalah tidak adanya informasi tentang
pembimbing-pembimbing untuk pelajar dengan jurusan History (Sejarah).
Solusi untuk masalah di atas adalah membuat tabel tersebut dipecah menjadi beberapa tabel-tabel
single-theme seperti di bawah ini:
Maka kedua tabel di atas dalam kondisi BCNF yaitu setiap determinan merupakan kunci kandidat.
Bentuk formal keempat memperhatikan terjadinya anomali ketika tabel gagal memiliki properti bahwa
tidak ada ketergantungan nilai banyak (multivalued). Contoh tabel di bawah merupakan bentuk
anomali untuk ketergantungan dengan nilai banyak.
Tabel 1-30 Mahasiswa dengan daftar hobi
LastName Major Hobby
Jones Library and Information Science Surfing the Internet
Jones Library and Information Science Chess
Jones Public Affairs Surfing the Internet
Jones Public Affairs Chess
Lee Library and Information Science Photography
Lee Library and Information Science Stamp collecting
Ruiz Pre-Medicine Surfing the Internet
Ruiz Pre-Medicine Photography
Ruiz Biochemistry Surfing the Internet
Ruiz Biochemistry Photography
Smith Pre-Law Playing poker
Anggap pelajar Jack Jones hobinya menjelajah internet dan bermain catur; Lynn Lee hobinya
photographer dan koleksi perangko; Mary Ruiz, hobinya menjelajah internet dan photographer; dan
Lynn Smith, hobinya bermain poker.
Situasi ini dapat mengakibatkan redudansi data dan memberikan efek ketergantungan nilai banyak
terjadi ketika (a) tabel sekurangnya mempunyai tiga atribut (b) dua atribut mempunyai nilai banyak
dan (c) nilai dari atribut multivalued tergantung hanya satu dari sisa atribut. Atribut LastName
menentukan nilai banyak dari atribut Major dan Hobby, tetapi keduanya tidak saling tergantung
terhadap yang lainnya (independent).
Notasi untuk ketergantungan multivalue adalah panah ganda. Untuk contoh ini kita dapat menulisnya
dengan bentuk LastName ⇒ Major dan LastName ⇒ Hobby (LastName multideterminan Major dan
LastName Multideterminan Hobby).
SSN Adviser
123-45-6789 Dewey
123-45-6789 Roosevelt
222-33-4444 Putnam
555-12-1212 Dewey
987-65-4321 Semmelweis
987-65-4321 Pasteur
123-54-3210 Hammurabi
Major Adviser
Library and Information Science Dewey
Public Affairs Roosevelt
Library and Information Science Putnam
Pre-Medicine Semmelweis
Biochemistry Pasteur
Pre-Law Hammurabi
History Herodotus Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
20
Bentuk tabel-tabel yang dijadikan single-theme adalah sebagai berikut:
Normal Form Kelima sulit untuk diilustrasikan dengan contoh sederhana. Karenanya di sini tidak
meng-ilustrasikan properti dari 5NF mempunyai tiap join dependency dalam tabel menjadi penyebab
membentuk kunci kandidat tabel. Alasan lain yang pertama, dalam prakteknya 4NF sudah mencukupi
dan yang kedua adalah Domain-Key Normal Form (DKNF) sudah termasuk 5NF.
DKNF digunakan sebagai solusi untuk menghindari anomali: kumpulan tabel-tabel (relasi) dalam
DKNF sebagai konsekuensi dari teori Ronald Fagin (1981) untuk bebas dari anomali. Definsi dari
DKNF adalah relasi dalam DKNF jika setiap constrain relasi logikal mendefinisikan kunci dan domain.
Menurut Fagin istilah kunci adalah primary key dan candidate key, domain merupakan kumpulan
definisi dari isi atribut (kolom) dan beberapa batasan jenis data yang akan disiman dalam kolom,
sebagai contoh batasan hanya data numerik atau hanya data logikal. Constraint berarti aturan-aturan
terhadap atribut dengan jelas sehingga dapat diputuskan aturan yang mana dijalankan atau dilanggar
untuk kumpulan data yang mana diterima. Sebagai ilustrasi ini simak tabel di bawah ini:
Konversi tabel dengan partial dependency ke tabel DKNF
Tabel 1-31 Tabel dengan partial dependency
FirstName LastName Major Level
Jack Jones LIS Graduate
Lynn Lee LIS Graduate
Mary Ruiz Pre-Medicine Undergraduate
Lynn Smith Pre-Law Undergraduate
Jane Jones LIS Graduate
Dalam tabel di atas terdapat komposisi kunci yang terdiri dari pasangan atribut LastName-FirstName,
dan semua atribut tergantung dengan kunci ini. Tetapi ada hal lain yang penting: atribut Level
tergantung pada atribut LastName, Level hanya tergantung pada sebagian kunci. Sehingga tabel ini
belum dikatakan DKNF.
Kita akan membutuhkan tabel yang menyediakan link antara pasangan atribut FirstName dan
LastName dan atribut Major. Dalam tabel tersbeut Major menjadi konsekuensi logikal dari key dan
domain. Sehingga dibutuhkan dua tabel, satu berisi Major dan Level dan yang lain FirstName,
LastName dan Major.
Contoh tabel-tabel di bagian sebelumnya sudah termasuk DKNF. Jadi dengan membentuk tabel
menjadi single-theme hampir sama halnya dengan membentuk tabel DKNF.
LastName Major
Jones Library and Information Science
Jones Public Affairs
Lee Library and Information Science
Ruiz Pre-Medicine
Ruiz Biochemistry
Smith Pre-Law
LastName Hobby
Jones Surfing the Internet
Jones Chess
Lee Photography
Lee Stamp collecting
Ruiz Surfing the Internet
Ruiz Photography
Smith Playing poker
Major Level
LIS Graduate
Pre-Medicine Undergraduate
Pre-Law Undergraduate
FirstName LastName Major
Jack Jones LIS
Lynn Lee LIS
Mary Ruiz Pre-Medicine
Lynn Smith Pre-Law
Jane Jones LISHaidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
21
2. PEMODELAN BASIS DATA
Model Hubungan Antar Entitas (Entity Relationship-Model)
Model entity-relationship pertama kali diperkenalkan oleh Peter Chen pada tahun 1976. Dalam
pemodelan ini dilakukan dengan tahapan sebagai berikut:
a. Memilih entitas-entitas yang akan disusun dalam basis data dan menentukan hubungan antar
entitas yang telah dipilih.
b. Melengkapi atribut-atribut yang sesuai pada entitas dan hubungan sehingga diperoleh bentuk
tabel normal penuh (ternormalisasi).
Elemen-elemen dalam model ER dapat digambarkan pada gambar diagram di bawah ini:
Gambar 2.1 Elemen-elemen ER-Model
Entitas merupakan sesuatu yang dapat diidentifikasikan dalam lingkungan kerja pengguna. Entitas
yang diberikan tipe dikelompokkan ke kelas entitas. Perbedaan antara kelas entitas dan instansi
entitas adalah sebagai berikut:
• Kelas entitas adalah kumpulan entitas dan dijelaskan oleh struktur atau format entitas di dalam
kelas.
• Instansi kelas merupakan bentuk penyajian dari fakta entitas.
Umumnya terdapat banyak instansi entitas di dalam setiap entitas kelas. Setiap entitas kelas memiliki
atribut yang menjelaskan karakteristik dari entitas tersebut, sedangkan setiap instansi entitas
mempunyai identifikasi yang dapat bernilai unik (mempunyai nilai yang berbeda untuk setiap
identifikasinya) atau non-unik (dapat bernilai sama untuk setiap identifikasinya).
Antara entitas diasosiakan dalam suatu hubungan (relationship). Suatu relasi dapat memiliki beberapa
atribut. Jumlah kelas entitas dalam suatu relasi disebut derajat relasi. Gambar di bawah ini
merupakan contoh dari relasi berderajat dua dan relasi berderajat tiga.
Gambar 2.2 (a) Relasi berderajat dua (b) Relasi berderajat tiga
Tipe Binary Relationship
Relasi memiliki tiga tipe biner yaitu:
a. One-to-one (1:1). Hubungan terjadi bila setiap instansi entitas hanya memiliki satu hubungan
dengan instansi entitas lain.
Entitas Relasi
PENJUAL PESANAN
Memesan
(a)
IBU BAPAK
ANAK
Mempunyai
(b)
Atribut Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
22
a1
a2
a3
a4
a5
a6
a7
b1
b2
b3
b4
b5
b6
b7
Gambar 2.3 Hubungan 1:1 (one-to-one)
b. One-to-many (1:M). Relasi ini terjadi bila setiap instansi entitas dapat memiliki lebih dari satu
hubungan terhadap instansi entitas lain tetapi tidak kebalikannya.
a1
a2
a3
a4
a5
a6
a7
b1
b2
b3
b4
b5
b6
b7
Gambar 2.4 Hubungan 1:M (one-to-many)
c. Many-to-many (M:N). Hubungan saling memiliki lebih dari satu dari setiap instansi entitas
terhadap instansi entitas lainnya.
a1
a2
a3
a4
a5
a6
a7
b1
b2
b3
b4
b5
b6
b7
Gambar 2.5 Hubungan M:N (many-to-many)
Selain relasi antara dua entitas, terdapat juga hubungan terhadap entitasnya sendiri yang disebut
dengan recursive relationship (self relation). Hubungan ini dapat mempunyai tipe biner, seperti yang
sudah dibahas sebelumnya.
Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
23
a1
a2
a3
a4
a5
a6
a7
(b)
1:M
a1
a2
a3
a4
a5
a6
a7
(a)
1:1
a1
a2
a3
a4
a5
a6
a7
(c)
M:N
Gambar 2.6 (a) Relasi rekursif 1:1 (b) Relasi rekursif 1:M (c) Relasi rekursif M:N
Partisipasi Hubungan
Partisipasi atau keterlibatan setiap instansi entitas dalam membentuk hubungan dapat bersifat wajib
(obligatory/digambarkan dengan garis penuh) atau tidak wajib (non-obligatory/digambarkan dengan
garis putus-putus) dalam aturan data. Misalnya hubungan antara DOSEN dan Mata Kuliah dengan
aturan data sebagai berikut:
Setiap dosen harus mengajar satu mata kuliah dan setiap mata kuliah harus diajarkan oleh seorang
dosen.
Setiap anggota entitas dalam hubungan adalah wajib untuk instansi entitas DOSEN maupun Mata
Kuliah.
Gambar 2.7 Diagram E-R dengan partisipasi wajib
Dalam bentuk aturan lain yaitu:
Setiap dosen harus mengajar satu mata kuliah dan setiap mata kuliah mungkin diajarkan oleh
seorang dosen atau mungkin tidak sama sekali.
Gambar 2.8 Diagram E-R dengan partisipasi wajib pada sisi Dosen dan tidak wajib pada sisi
Mata Kuliah
Atau aturan lain:
Setiap dosen hanya boleh mengajar satu mata kuliah atau boleh saja dosen tidak mengajar dan
setiap mata kuliah harus diajarkan oleh seorang dosen.
DOSEN MATA KULIAH
Mengajar
DOSEN MATA KULIAH
Mengajar Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
24
Gambar 2.9 Diagram E-R dengan partisipasi tidak wajib pada sisi Dosen dan wajib pada sisi
Mata Kuliah
Aturan lain yang tidak mewajibkan kedua belah pihak:
Setiap dosen hanya boleh mengajar satu mata kuliah atau boleh saja dosen tidak mengajar dan
setiap mata kuliah hanya boleh diajarkan oleh seorang dosen atau tidak sama sekali.
Gambar 2.10 Diagram E-R dengan partisipasi tidak wajib pada kedua sisi
DOSEN MATA KULIAH
Mengajar
DOSEN MATA KULIAH
Mengajar Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
25
3. PERANCANGAN BASIS DATA
Permasalahan dalam perancangan basis data adalah bagaimana merancang struktur logikal dan
fisikal dari satu atau lebih basis data untuk memenuhi kebutuhan informasi yang diperlukan oleh
pengguna sesuai dengan aplikasi-aplikasi yang ditentukan. [Waliyanto2000]
Dengan permasalahan tersebut dapat ditentukan beberapa tujuan utama perancangan basis data,
yaitu:
a. Memenuhi kebutuhan informasi sesuai dengan yang diperlukan oleh pengguna untuk aplikasi
tertentu.
b. Mempermudah pemahaman terhadap struktur informasi yang tersedia dalam basis data,
c. Memberikan keterangan tentang persyaratan pemrosesan dan kemampuan sistem, seperti lama
tidaknya mengakses data, kapasitas memori yang tersedia dan sebagainya.
Tahapan-tahapan proses perancangan untuk memenuhi tujuan tersebut adalah:
1. Mengumpulkan dan menganalisis persyaratan
2. Merancang konsepsual basis data
3. Memilih Sistem Manajemen Basis Data
4. Merancang logikal basis data
5. Merancang fisikal basis data (pemetaan model data)
6. Implementasi sistem basis data
Dalam pelaksanaan perancangan tersebut terdapat dua kegiatan yang dapat dilakukan secara paralel,
yaitu perancangan struktur dan isi data (analisis data) dan perancangan pemrosesan data serta
program aplikasi (analisis fungsional).
Tahapan rancangan basis data seperti pada bagan di bawah ini tidak secara ketat harus diikuti secara
berurutan. Karena antara tahap yang satu dengan yang lainnya dapat saling mempengaruhi dan
memberi umpan balik.
Persyaratan Data
Rancangan skema eksternal &
konsepsual
(terlepas dari DBMS)
Rancangan skema eksternal &
konsepsual
(sesuai dengan DBMS terpilih)
Rancangan skema internal
(sesuai dengan DBMS terpilih)
Pembangunan Basis Data
Persyaratan Proses
Rancangan transaksi data
Rancangan program aplikasi
Penyusunan program aplikasi
Operasional program aplikasi
Tahap I:
Koleksi & analisi
persyaratan
Tahap II:
Rancangan
konsepsual
Tahap IV:
Rancangan logikal
Tahap V:
Rancangan fisikal
Tahap III:
Pemilihan DBMS
Tahap VI:
Implementasi
Definisi:
tabel. index.
view, jalur,
akses, format
penyimpanan
E-R model
Definisi entitas
Gambar 3.1 Tahapan perancangan basis data (kompilasi dari Elmasri R, 1994)
Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
26
Rancangan konsepsual basis data (tahap 2) menghasilkan skema konsepsual dari basis data yang
bebas dari DBMS tertentu. Dalam hal ini juga digunakan pemodelan bahasa tingkat tinggi seperti
model E-R (Entity Relationship) atau EER (Enhanced Entity Relationship). Tahap ini juga menentukan
transaksi data yang dapat dilakukan terhadap sistem basis data.
Rancangan logikal (tahap 4) disebut juga pemetaan model data, yaitu mentransformasikan model
data yang telah dibuat pada tahap dua ke dalam model data yang sesuai dengan DBMS terpilih.
Tahap ini juga melakukan perancangan skema eksternal untuk aplikasi yang ditentukan.
Rancangan fisikal basis data (tahap 5) melakukan pendefinisian basis data yang akan disimpan
sesuai dengan SMBD yang digunakan, meliputi struktur penyimpanan data, format data dan jalur
akses. Tahap ini disebut skema internal.
Koleksi dan Analisis Persyaratan
Koleksi dan analisis persyaratan merupakan proses pengumpulan dan analisis tujuan dan harapan
pengguna untuk memperoleh informasi dari sistem basis data. Kegiatan-kegiatan yang dilakukan
dalam tahapan ini adalah sebagai berikut:
a. Melakukan identifikasi bidang aplikasi dan kelompok pemakai
b. Mempelajari dan menganalisis dokumen yang ada pada aplikasi tertentu
c. Mempelajari sistem yang sedang berjalan
d. Membuat semacam pertanyaan/angket pada calon pengguna yang dipandang potensial untuk
memperoleh spesifikasi informasi dan proses yang diperlukan.
Perancangan Konsepsual Basis Data
Tahapan ini meliputi dua kegiatan yaitu rancangan skema konsepsual tentang organisasi data yang
harus disimpan dalam basis data, dan rancangan transaksi yang dilakukan untuk memperoleh
informasi dari sistem basis data hasil analisis persyaratan pada tahap 1.
Rancangan skema konsepsual
Hasil rancangan konsepsual merupakan pemodelan data dari pemahaman dunia nyata yang
dituliskan dalam bahasa tingkat tinggi dan tidak terikat dengan DBMS yang akan digunakan.
Umumnya pembuatan skema konsepsual ini menggunakan diagram E-R.
Untuk menyusun rancanngan konsepsual dimulai dengan identifikasi komponen utama dari skema
(entitas, hubungan, atribut) dengan mengacu pada karakateristik sebagai berikut:
a. Model data harus cukup memberikan tampilan yang menggambarkan perbedaan jenis data,
hubungan dan constraint (ekspresif).
b. Model harus dibuat sederhana dan mudah dipahami serta digunakan oleh pengguna.
c. Penyajian model data dibuat dalam diagram yang mudah diinterprestasi
d. Penyajian model data dalam skema harus teliti dan tidak menimbulkan interprestasi (akurat).
Rancangan transaksi
Teknik pembuatan spesifikasi transaski dilakukan dengan melakukan identifikasi data masukan dan
data keluaran serta sifat fungsional transaksi, sehingga perancang dapat membuat model konsepsual
transaksi yang tidak terikat dengan sistem.
Fungsi-sungsi model transaksi adalah sebagai berikut:
a. Transaksi pemanggilan (retrieval transaction), yaitu pemanggilan data untuk ditampilkan di layar
monitor atau dicetak sebagai laporan.
b. Transaksi pembaharuan (update transaction), digunakan untuk pemasukan data baru atau
perubahan data lama.
c. Transaksi campuran (mixed transaction), digunakan untuk kombinasi pemanggilan data dan
pembaharuan data.
Pemilihan DBMS
Faktor-faktor yang menentukan pemilihan DBMS antara lain adalah faktor teknik, faktor ekonomi dan
politik dalam organisasi. Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
27
Faktor teknik meliputi kelangsungan dari DBMS untuk diterapkan dalam pengelolaan data seprti jenis
model DBMS, struktur penyimpanan data dan alur akses data, interface pengguna dan pemrogram,
jenis bahasa tingkat tinggi dan sebagainya.
Faktor ekonomi diantaranya pembelian software DBMS, pembelian hardware, biaya pemeliharaan
sistem, biaya penyusunan basis data dan lain sebagainya.
Pemodelan Logikal Basis Data
Tujuan dari tahap ini adalah menyusun rancangan konsepsual dan skema eksternal yang sesuai
dengan DBMS yang dipilih. Langkah-langkah yang dilakukannya adalah:
a. Pemetaan (transformasi data) yang tidak terikat sistem.
b. Penyusunan skema sesuai dengan DBMS.
Perancangan Fisikal Basis Data
Tujuan dari perancangan ini adalah untuk membuat spesifikasi struktur penyimpanan dan jalur akses
data sehingga diperoleh kemampuan sistem yang baik untuk berbagi aplikasi. Beberapa hal yang
menjadi pertimbangan dalam perancangan fisikal adalah:
1. Waktu tanggap. Yaitu waktu yang digunakan oleh sistem sejak transaski basis data dimasukkan
untuk dieksekusi sampai mendapat tanggapan dari sistem. Faktor yang mempengaruhinya dalah
waktu akses basis data yang dikendalikan oleh DBMS serta dipengaruhi oleh sistem pemuatan
data (loading) pada komputer, sistem operasi yang digunakan, atau penundaan sistem
komunikasi.
2. Penggunaan memori komputer. Merupakan kapasitas memori komputer yang digunakan untuk
menyimpan berkas-berkas basis data dan struktur jalur akses.
3. Transaksi data. Kemampuan melakukan transaksi data tiap satuan waktu merupakan hal yang
kritis.
Implementasi Sistem Basis Data
Tahap ini merupakan implementasi dari hasil pemodelan logikal dan fisikal. Bahasa yang digunakan
untuk definisi data atau penyimpanan data yang sesuai dengan DBMS terpilih. Implementasi
penyusunan basis data dimulai dari pembuatan berkas-berkas data kosong yang akan digunakan
untuk menyimpan data dalam basis data. Kemudian dilanjutkan dengan pemasukan data untuk tiap
instansi tabel.
Dalam impelementasi rancangan transaksi, program aplikasi ditulis dengan bahasa manipulasi data
yang sesuai. Program-program aplikasi yang dibuat harus dilakukan uji coba dulu untuk menguji
kebenaran program. Setelah diuji kemudian diimplementasikan dalam operasional sistem basis data.
BERLANJUT … Haidar Dzacko. 2007. Basis Data (Database). Copyright© 2007 Mangosoft All rights reserved.
+Created 11/09/2007
Version 1.2.5 #Release 24/10/2007
28
Referensi:
[Abdul1999] Abdul Kadir. 1999. Konsep & Tuntunan Praktis Basis Data. Penerbit Andi.
Yogyakarta.
[David2002] David M. Kroenke. 2002. Database Processing Fundamentals, Design, and
Implementation. Eight Edition. Pretince Hall.
[Ramez2000] Ramez Elmasri & Shamkant B Navathe. 2000. Database System.
[R.E. 2003] R.E. Wyllys. 2003. Database-Management Principles And Applications.
[Sitansu1991] Sitansu S. Mittra. 1991. Principles of Relational Database Systems. International
Editions. Prentice-Hall. New Jersey.
[Waliyanto2000] Waliyanto. 2000. Sistem Basis Data Analisis dan Pemodelan Data. J&J Learning.
Yogyakarta.
