Alfi Benny Oryza

Sistem Manajemen Basis Data

Sistem Informasi Manajemen, Raymond MC Leod, Jr. George P. Schell
Management Information System, Kenneth C. Laudon, Jane Laudon

Hierarki
Data

Data bisnis secara tradisional telah diorganisasikan ke dalam

suatu hierarki:
bit, adalah sistem binner yang terdiri atas dua macam nilai,
yaitu 0 dan 1.
byte, adalah bagian terkecil yang dialamatkan dalam memori,
mrupakan sekumpulan bit yang secara konvensional terdiri
atas kombinasi delapan bit yang menyatakan sebuah karakter
dalam memori (I byte= I karakter)
Field Data adalah unit data terkecil yang mencerminkan jumlah
data terkecil yang akan ditarik dari komputer pada satu waktu.
Record adalah suatu koleksi field-field data yang saling
berhubungan.
File adalah koleksi record yang saling berhubungan.
Basis Data adalah sekumpulan file, kumpulan dari seluruh data
berbasis komputer seluruh perusahaan, atau kumpulan data
yang berada di bawah kendali peranti lunak sistem manajemen
basis data.

 Tabel Data
yang berisi baris
Basis
suatu spreadsheet.

dan kolom dapat disajikan dalam

Struktur data relasional secara konspetual serupa

dengan sekumpulan tabel-tabel yang saling berhubungan.
File datar (flat file) adalah suatu tabel yang tidak memiliki
kolom-kolom yang terulang. Alasan dari sebuah tabel harus
menjadi flat file:
komputer membaca field-field data dari suatu record secara
berurutan.
flat file memungkinkan struktur basis data relasional untuk
dinormalisasi

Normalisasi adalah suatu proses formal untuk menghapus

field-field data yang berulang sambil tetap menjaga
kemampuan basis data untuk menambah, mengubah, dan

Basis
KunciData
(key)

dalam suatu tabel adalah satu field (atau

kombinasi field) yang berisi satu nilai yang secara unik
mengidentifikasi masing-masing record di dalam tabel. Ini
artinya bahwa setiap baris dalam tabel akan teridentifikasi
secara unik.

Kandidat kunci (key candidate) adalah sebuah field yang

secara unik mengidentifikasi masing-masing baris tabel
namun tidak dipilih untuk menjadi kunci.
Hubungan antara tabel-tabel yang berbeda akan dapat
diketahui jika diantara tabel-tabel tersebut terdapat satu
field yang sama.

Contoh Tabel-tabel yang

berhubungan

Permasalahan pada File Tradisional

1. Data Redundancy and Inconsistency pengulangan data di
beberapa tempat dan tidak konsisten dalam menilai suatu
atribut.
2. Program-Data Dependence jika terjadi perubahan pada
program aplikasi maka pemakai tidak dapat mengakses data.
3. Lack of Flexibility tidak dapat memberikan laporan seketika.
4. Poor Security lemahnya kontrol atas akses data.
5. Lack of Data Sharing and Availability file yang berbeda pada
organisasi yang berbeda tidak dapat dihubungkan sehingga
sulit berbagi data tepat waktu.

Sistem Manajemen Basis Data

(DBMS)
suatu aplikasi piranti lunak
yang menyimpan struktur
basis data, data itu sendiri,
hubungan di antara data di
dalam basis data dan namanama formulir, jenis-jenis
data, angka di belakang
desimal, jumlah karakter,
nilai-nilai
default
dan
seluruh uraian field lainnya

Capabilities of DBMS
1. Memberikan kemampuan dan alat untuk akses, serta
manajemen data di dalam basis data yang terdiri dari:
Data definition language menspesifikasikan struktur isi data
Data dictionary menyimpan definisi elemen data
Data Manipulation language contoh: SQL
2. Menghasilkan
laporan-laporan
yang
disesuaikan
dan
pengembangang aplikasi-aplikasi desktop.

Struktur Basis Data Hirarki

Struktur basis data adalah cara data
diorganisasi agar pemrosesan data
menjadi lebih efisien.
Struktur hirarkis ini dibentuk oleh
kelompok-kelompok data, subkelompok,
dan beberapa sub kelompok lagi,
seperti cabang dari sebuah pohon.
Untuk mendapatkan sebuah record dari
satu cabang ke cabang lainnya
mengharuskan
system
manajemen
basis data tersebut menavigasi kembali
ke persimpangan umum dari cabangcabang tersebut.

Struktur Basis Data Jaringan

Struktur Struktur basis data jaringan dikembangkan
untuk memungkinkan penarikan record-record tertentu.
Ia memungkinkan satu record tertentu menunjuk pada
semua record lainnya di dalam basis data. Struktur
jaringan memecahkan permasalahan keharusan untuk
menarik balik ke cabang yang menyatukan basis data.

Struktur Basis Data Relasional

Model Basis Data Relasional sering
pula
disebut
sebagai
Model
Relasional
atau
Basis
Data
Relasional. Model basis data ini
ditemukan/diperkenalkan
pertama
kali oleh E.F Codd. Model Basis Data
menunjukkan suatu cara/mekanisme
yang
digunakan
untuk
mengelola/mengorganisasikan data
secara fisik dalam memori sekunder
yang akan berdampak pula pada
bagaimana kita mengelompokkan
dan membentuk keseluruhan data
yang terkait dalam sistem yang
sedang kita tinjau. Misal: Microsoft
Sequel Server (MYSQL).

Tiga operasi untuk mengembangkan

kelompok data: Select, Join, dan Project

Tiga operasi dasar tersebut (Select, Join, Project)

membuat data dari dua table dikombinasikan ke dalam
satu table data baru dan hanya atribut-atribut tertentu
saja yang disajikan.

Konsep Basis Data

Suatu sistem manajemen basis data dapat menampilkan data ini dalam
suatu urut-urutan yang logis dan secara intuitif tepat, meskipun masingmasing record dari basis data tersebut dapat tersebar di banyak file dan
terletak di seluruh penjuru ruang penyimpanan komputer. Integrasi logis
record-record yang melintasi berbagai lokasi fisik inilah yang disebut
konsep basis data.
Sasaran utama dari konsep basis data adalah untuk meminimalkan
pengulangan data dan memperoleh independensi data.
Independensi data tercapai dengan menempatkan spesifikasi data di
dalam tabel-tabel dan kamus yang secara fisik terpisah dari program.
Kamus data mencakup definisi-definisi dari data yang disimpan di dalam
basis data dan dikendalikan oleh sistem manajemen basis data.

Manfaat Basis Data untuk

Manajemen Data
Basis data dapat menghilangkan permasalahan dalam
file tradisional yaitu dengan:
Memusatkan data dan mengendalikan data redundan
Melayani banyak program aplikasi dan kelompokkelompok yang berbeda dalam organisasi pada saat
bersamaan

Memenuhi Kebutuhan Data

Process Oriented
Approach
Langkah-langkah:
Mendefinisikan masalah
Mengidentifikasikan
dibutuhkan

keputusan

yang

Menjabarkan kebutuhan informasi

Menentukan pemrosesan yang dibutuhkan
Menentukan spesifikasi kebutuhan data
Kelebihan dari pendekatan berorientasi proses
ini adalah bahwa pendekatan ini dapat
mengatasi masalah dengan baik.
Kelemahan dari pendekatan berorientasi
proses ini adalah terjadinya kesulitan dalam
mengaitkan data dari satu masalah bisnis ke

Seluruh
Enterprise kebutuhan
modeling
data
approach
perusahaan
ditentukan
dan
kemudian disimpan dalam basis
data.
Keunggulan
dari
pendekatan
permodelan perusahaan adalah
bahwa pendekatan ini mengambil
keuntungan dari sudut pandang
sumber daya perusahaan yang
luas.
Jika
perusahaan
melakukan
permodelan data perusahaan,
deskripsi
dari
seluruh
data

Designing Database
Hal-hal yang perlu diperhatikan dalam mendesain basis
data:
1. Physical design bagaiman basis data di tata dalam
perangkat penyimpan.
2. Konseptual design bagaimana elemen data
diorganisir agar efisien, memenuhi kebutuhan
informasi dan dapat meminimumkan redundansi.

Membuat Basis Data

Langkah utama:
1. menentukan kebutuhan data
2. menguraikan data
3. memasukkan data ke dalam
basis data

Membuat Model Data

Perusahaan

Normalization
Proses penciptaan struktur data yang kecil, stabil,
fleksibel, dan adaptif dri kelompok-kelompok data yang
kompleks dan meminimumkan pengulangan data.

Pada
Unnormalized
terdapat
data
yang berulang,
setelah
normalisasi
order kemudia
terpecah
menjadi 4 tabel

Teknik-Teknik Pemodelan Data

Pemodelan kebutuhan data
perusahaan didukung oleh:
Teknik-teknik yang
menguraikan data.
Bagaimana data diagregatkan
dalam tabel.
Bagaimana tabel
dihubungkan satu sama lain.

Contoh teknik yang digunakan:

Diagram Relasi Entitas

Diagram Kelas

Diagram Relasi Entitas

(Entity Relationship Diagram-ERD)
ERD adalah satu sarana komunikasi dan dokumentasi yang bermanfaat di
antara profesional sistem informasi dan para pengguna.
Berhubungan dengan data di dalam entitas dan hubungan antar entitas.
Entitas (entity)
berhubungan.

Kumpulan

konseptual

field-field

data

yang

saling

Relasi dibaca Satu record perusahaan dapat berhubungan dengan banyak

record dan satu record karyawan dapat berhubungan hanya kepada satu record
perusahaan.

ERD hanya merupakan penyajian grafis dari data dan relasi,

bukannya tindakan-tindakan yang dilakukan atas data.

Class Diagram

Data yang digunakan dalam aplikasi dan tindakan-tindakan

yang terkait dengan data dapat disajikan secara grafis.
Merupakan salah satu dari beberapa model yang
rancangan yang berorientasi pada objek

 Objek

bongkahan
konsepual
dari
suatu
sistem informasi (data),
tindakan-tindakan
yang
dilakukan atas data, dan
relasi si antara objek.
Diagram kelas terdiri
atas
kelas-kelas
yang
memiliki nama, field di
dalam kelas, dan tindakantindakan (kadang disebut
sebagai
metode)
yang
dilakukan atas kelas.

Diagram Kelas (Class Diagram)

Diagram kelas terlihat serupa dengan ERD tetapi
penambahan tindakan yang dioperasikan pada data
dapat memberikan pemahaman lebih mendalam
mengenai bagaimana data dan aplikasi bekerja
bersama.
Diagram kelas masih merupakan penyajian data
konseptual di tingkat atas, namun penambahan
tindakan yang akan diambil atas data dapat membantu
memperjelas rancangan spesifik tabel-tabel di dalam
basis data.

Menggunakan
Data
Formulir,
laporan, dan queryBasis
adalah metode-metode
umum yang dipergunakan untuk mengakses basis data
yang disimpan dalam suatu sistem manajemen basis
data.
Reports dan Form
Perbedaan
formatnya.

antara

reports

dan

formulir

adalah

pada

Forms menampilkan satu record saja dalam satu waktu

dan tidak memberikan ikhtisar data serta biasanya tidak
melakukan agregasi data dari banyak table basis data.
Forms dapat digunakan untuk menambah, menghapus, atau
memodifikasi record-record basis data.
Reports data teragregasi dari basis data yang diformat
dengan cara yang akan membantu pengambilan keputusan.

Forms

Navigasi

Akurasi

Konsistensi

Filtering

Subformulir

Contoh Formulir Entri Data untuk

Tabel Mata Kuliah.

Ilustrasi kombinasi formulir dan

subformulir
Subformulir
membantu menjaga
keakuratan dan
konsistensi yang
dibutuhkan dari data.

Ilustrasi Reports

Query
Adalah suatu permintaan kepada basis
data untuk menampilkan record-record
yang dipilih.
Query pada umumnya memilih field
data dalam jumlah terbatas dan
kemudian
membatasi
record-record
yang ditampilkan berdasarkan satu
kumpulan kriteria tertentu.
Query-by-Example (QBE) menyajikan
satu format terstandardisasi yang
kemudian dilengkapi oleh pengguna
sehingga system dapat menghasilkan
satu query yang sebenarnya.

SQL Structured Query

Language

Adalah kode yang digunakan oleh sistem manajemen basis data relasional
untuk mengerjakan pekerjaan-pekerjaan basis datanya.

SQL telah menjadi topik yang penting karena 2 alasan:

Lebih banyak basis data yang diakses melalui Web SQL adalah metode pilihan
untuk berinteraksi dengan basis data berbasis Web.
Menulis SQL bukanlah hal yang sulit bagi sebagian besar kebutuhan data manajer.

Pemrosesan Basis Data

Lanjutan

OLAP On-line Analytical Processing

Memungkinkan dilakukannya analisis data yang mirip dengan

statistic cross-tabulation.

Data mining, data marts, and data warehousing

mengacu pada kelompok konsep yang melihat data
perusahaan sebagai sebuah peti harta yang harus dibuka,
diperiksa, dan dikuasai.

Knowledge discovery
Menganalisis penggunaan data dan kesamaan data di antara
tabel-tabel yang berbeda.

Personel Basis Data

DBA Database Administrator
Mengawasi seluruh aktivitas basis data.
Empat area utama

Perencana
an basis
data

Implement
asi basis
data

Programmer Basis Data

End user

Operasi
basis data

Kemanana
n basis
data

Menempatkan DBMS dalam

Perspektif
Keuntungan DBMS
Mengurangi pengulangan
data
Mencapai
data

independensi

Mengambil
data
dan
informasi dengan cepat
Keamanan
baik.

yang

lebih

Kerugian DBMS

Membeli peranti lunak yang mahal

Mendapatkan konfigurasi perangkat keras yang besar

Mempekerjakan dan memelihara staf DBA.

Using Databases to Improve Business

Performance and Decision Making
Very large databases and systems require special
capabilities, tools.
To analyze large quantities of data
To access data from multiple systems

Three key techniques

1.Data warehousing
2.Data mining
3.Tools for accessing internal databases through the Web

 Data warehouse:
Stores current and historical data from
many core operational transaction systems
Consolidates and standardizes information
for use across enterprise, but data cannot
be altered
Data warehouse system will provide query,
analysis, and reporting tools

Data marts:
Subset of data warehouse
Summarized or highly focused portion of
firms data for use by specific population of
users
Typically focuses on single subject or line
of business

COMPONENTS OF A DATA WAREHOUSE

 Business Intelligence:
Tools for consolidating, analyzing, and providing access to vast amounts of data
to help users make better business decisions
E.g., Harrahs Entertainment analyzes customers to develop gambling profiles
and identify most profitable customers
Principle tools include:
Software for database query and reporting
Online analytical processing (OLAP)
Data mining

Online analytical processing (OLAP)

Supports multidimensional data analysis
Viewing data using multiple dimensions
Each aspect of information (product, pricing, cost, region, time period) is different
dimension
E.g., how many washers sold in the East in June compared with other regions?

OLAP enables rapid, online answers to ad hoc queries

Model Data Multidimensi

The view that is showing
is product versus region.
If you rotate the cube 90
degrees, the face that
will show is product
versus
actual
and
projected sales. If you
rotate the cube 90
degrees again, you will
see region versus actual
and
projected
sales.
Other views are possible.

 Data mining
More discovery driven than OLAP
Finds hidden patterns, relationships in large databases and infers rules to predict
future behavior
E.g., Finding patterns in customer data for one-to-one marketing campaigns or to
identify profitable customers.
Types of information obtainable from data mining
Associations
Sequences
Classification
Clustering
Forecasting

Predictive analysis
Uses data mining techniques, historical data, and assumptions about future conditions
to predict outcomes of events
E.g., Probability a customer will respond to an offer

Databases and the Web

Many companies use Web to make some internal databases
available to customers or partners
Typical configuration includes:
Web server
Application server/middleware/CGI scripts
Database server (hosting DBM)

Advantages of using Web for database access:

Ease of use of browser software
Web interface requires few or no changes to database
Inexpensive to add Web interface to system

LINKING INTERNAL DATABASES TO

THE WEB

Managing Data Resources

Establishing an information policy
Firms rules, procedures, roles for sharing,
managing, standardizing data
Data administration:
Firm function responsible for specific policies and
procedures to manage data

Data governance:
Policies and processes for managing availability,
usability, integrity, and security of enterprise data,
especially as it relates to government regulations

Database administration:
Defining, organizing, implementing, maintaining
database; performed by database design and
management group

Ensuring data quality

More than 25% of critical data in
Fortune 1000 company databases
are inaccurate or incomplete
Most data quality problems stem
from faulty input
Before new database in place,
need to:
Identify and correct faulty data
Establish better routines for
editing data once database in
operation

Peran Database dalam Proses Digitalisasi SPT di

Direktorat Jenderal Pajak

Pendahuluan
Pada tahun 2008, DJP mendirikan Unit Pengolahan Data dan
Dokumen Perpajakan (UPDDP) yang bertujuan untuk
melakukan
perbaikan
basis
data
perpajakan
dan
pemeliharaan dokumen melalui proses digitalisasi SPT wajib
pajak yang dilakukan secara masal. Selanjutnya UPDDP
akan membantu KPP dalam melakukan digitalisasi wajib
pajak.
Hingga tahun 2016 terdapat tiga UPDDP yaitu PPDDP Jakarta
yang wilayah kerjanya seluruh KPP di pulau Jawa dan
Kalimantan, KPDDP Makasar untuk pulau Makasar, Bali, dan
Nusa Tenggara, serta KPDDP Jambi untuk pulau Sumatera.
Dalam menjalankan proses bisnis, UPDDP menggunakan
software yang dikembangkan oleh KOFAX, Inc yang dibantu

Proses Digitalisasi SPT

KPP
Pratama

KPDDP

PENGEMASAN

PULPENDO
K

PEMIlLAHA
N

PEMINDAIA
N

DOCREV

Data Entry

QC

Pekerjaan yang
dilakukan
Menempel Barcode
SPT
Menempel Barcode
box
Menginput data WP
pada SPT pada APP
pembantu
NPWP
Kode Barcode
SPT
Kode Barcode
Box
Status kurang

Data Wajib Pajak

(Master File Wajib
Pajak)

NPWP
NAMA WP

Primary
Key

ALAMAT WP
TAHUN PAJAK
KODE BARCODE
SPT
KODE BARCODE
BOX
Kode barcode SPT menjadi Primary
Key
baru KB
STATUS

PENGEMASA
N

PULPENDOK

PEMIlLAHA
N

PEMINDAIA
N

DOCREV

Data Entry

Pekerjaan yang
dilakukan

Pengecekan
jumlah Box
Pengecekan
jumlah SPT dalam
box
BAST dalam
Pendukung

APP

Ketika
BAST
disetujui, menambah
(add) kolom baru
di database yang
nanti
dibutuhkan
dalam proses.

NPWP
NAMA WP
ALAMAT WP
TAHUN PAJAK

JML_LMBR
JNS_SPT
N_KB
HARTA
KWJBN

ADD TO
EXISTING

KODE BARCODE
SPT
KODE BARCODE
BOX
STATUS KB

QC

PENGEMASAN

PULPENDO
K

PEMILAHAN

PEMINDAIA
N

Pekerjaan yang
dilakukan

Data Entry

NPWP

Persiapan SPT siap

pindai
Pelepasan
streples
Perataan
dokumen
Penelitian
kelengkapan
formal
Input jumlah
lembar SPT

DOCREV

NAMA WP
ALAMAT WP
TAHUN PAJAK
KODE BARCODE
SPT

JML_LMBR

Setelah lembar SPT

dihitung
secara
manual, jumlahnya
diinput
ke
APP
pengolahan
Insert value
JML_LMBR

KODE BARCODE
BOX

JNS_SPT

STATUS KB

N_KB
HARTA
KWJBN

QC

PENGEMASA
N

PULPENDO
K

Pekerjaan yang
dilakukan

Mengenalkan jenis
SPT pada APP

PEMIlLAHA
N

Data Entry

DOCREV

QC

PEMINDAIAN

Operator akan memilih

jenis SPT apa yang
akan dipindai
Insert value
JNS_SPT

NPWP
NAMA WP
ALAMAT WP
TAHUN PAJAK

Pemindaian
(barcode sebagai
cut off antar SPT)
Aplikasi akan
mengecek jumlah
SPT

KODE BARCODE
SPT

Membandingkan jumlah
SPT menurut petugas
pemilahan dengan hasil
lembar pemindaian
Cross check
value
JML_LMBR

JML_LMBR

KODE BARCODE
BOX

JNS_SPT

STATUS KB

N_KB

HARTA
KWJBN

5
1770 S

PENGEMAS
AN

PULPENDO
K

Pekerjaan yang
dilakukan

Menilai kualitas
hasil pindai

Pengurutan Image
sesuai ketentuan

PEMIlLAHA
N

PEMINDAIA
N

Data Entry

DOCUMENT
REVIEW

QC

Hasil pemindaian yang berupa image harus dipastikan kualitasnya

untuk pengguna. Kualitas disini ditekankan kepada;
Mudah dibaca isi dari SPT
Tidak terbalik
Tidak ada black spot yang tidak mengganggu isi SPT
Contoh
pengurutan SPT
1770 S

LPAD
1770 S
induk
1770 S-1
1770 S-2
SSP, dll.

PENGEMAS
AN

PULPENDO
K

PEMIlLAHA
N

PEMINDAIA
N

Pekerjaan yang
dilakukan

DOCREV

QC

Data Entry
NPWP
NAMA WP

Input nilai-nilai
didalam SPT,
contoh
Nilai KB
Jumlah Harta
Jumlah
Kewajiban,
dll.

ALAMAT WP
TAHUN PAJAK

Insert value N_KB,

HARTA, dan
KEWAJIBAN

KODE BARCODE
SPT

JML_LMBR

KODE BARCODE
BOX

JNS_SPT

1770 S

STATUS KB

N_KB

-100

HARTA

5.000.0
00

KWJBN

1.000.0
00

PENGEMAS
AN

PULPENDO
K

Pekerjaan yang
dilakukan

Perbaikan SPT
yang dikirim dari
Document Review
dan Data Entry
Penghapusan
database apabila
kesalahan fatal

PEMIlLAHA
N

PEMINDAIA
N

DOCREV

Data Entry

QUALITY
CONTROL

Apabila SPT yang dikembalikan dari petugas document

review dan data entry

disebabkan

poor image dan

susunan image maka petugas quality control akan

melakukan perbaikan langsung pada SPT tersebut
Tetapi apabila SPT yang dikembalikan dari petugas
document review dan data entry disebabkan kurangnya
kelengkapan

formal

SPT

maka

spt

tersebut

akan

dikembalikan dan image serta database atas SPT

tersebut dihapus.