Belajar Awal Sebuah Query Oleh : Adi Sumaryadi Sebuah query adalah sebuah ekspresi bahasa yang menggambarkan

data yang akan didapatkan kembali dari sebuah database. Dalam hubungannya dengan optimisasi query, seringkali diasumsikan bahwa query-query tersebut dinyatakan dalam sebuah dasar-dasar isi dan sekumpulan cara orientasi, yang memberikan optimizer pilihanpilihan diantara alternatif prosedur-prosedur evaluasi. Query dapat digunakan pada beberapa keadaan. Kebanyakan aplikasi nyatanya adalah permintaan-permintaan secara langsung dari user yang memerlukan informasi tentang bentuk maupun isi dari database. Apabila permintaan user terbatas pada sekumpulan query-query standar, maka query-query tersebut dapat dioptimisasi secara manual oleh pemrograman prosedur-prosedur pencarian gabungan dan membatasi input dari user pada sebuah ukuran menu. Tetapi bagaimanapun juga, sebuah sistem optimisasi query otomatis menjadi penting apabila query-query khusus ditanyakan dengan menggunakan bahasa query yang digunakan secara umum seperti SQL. Aplikasi yang kedua dari query terjadi pada transaksi-transaksi yang mengubah data yang disimpan berdasarkan nilainya saat itu. Pada akhirnya, query seperti ekspresiekspresi dapat digunakan secara internal dalam sebuah DBMS, sebagai contoh adalah untuk mengecek kebenaran akses dan menyamakan kebenaran akses-akses yang terjadi. Membicarakan tentang query, sangat erat hubungannya dengan cara penulisan query tersebut ke dalam sebuah bentuk bahasa yang mudah dimengerti. Pada umumnya, bahasa query yang digunakan untuk mengekspresikan sebuah pernyataan dari query adalah SQL (Structure Query Language). SQL adalah sebuah bahasa database yang luas yang memiliki statement-statement (pernyataan) untuk definisi data, query dan update data (memperbaharui data). SQL mempunyai satu statement dasar untuk mendapatkan kembali informasi dari sebuah database. Statement dasar dari SQL adalah SELECT. Bentuk dasar dari statement SELECT biasa disebut dengan blok select from where yang terbentuk dari tiga macam klausa yaitu SELECT, FROM dan WHERE yang mempunyai bentuk sebagai berikut : SELECT FROM WHERE <daftar Attribute> <daftar Tabel> <kondisi>

Dimana <daftar attribute> adalah sebuah daftar dari nama-nama attribute yang nilainilainya didapatkan oleh query. Sedangkan <daftar tabel> adalah sebuah daftar dari nama-nama relasi yang diperlukan oleh proses sebuah query. <kondisi> adalah sebuah kondisi ekspresi boolean yang mengidentifikasikan tuple-tuple yang akan dikembalikan oleh query.

Hubungan Database Dengan Pemrosesan Query Database adalah kumpulan dari data-data yang berhubungan satu sama lainnya yang digunakan untuk pencarian suatu data tertentu pada saat SQL query dijalankan. Sebuah database dirancang, dibuat dan ditempati oleh data dengan tujuan tertentu. Di dalam sistem database relasional, tabel-tabel dari database saling berhubungan satu sama lainnya. Dan sebuah tabel database akan selalu memiliki attribute names (namanama attribute), relation names (nama-nama relasi), dan tuples (record-record). Attribute digunakan untuk mengidentifikasikan sebuah nama yang diikutsertakan dalam relasi dan menspesifikasikan domain (tipe data sederhana yang menentukan sebuah pemisahan data). Sedangkan tuples adalah kumpulan dari record-record di dalam sebuah database. Relation name mendefinisikan attribute-attribute yang diperlukan dalam predikat dan mendefinisikan arti dari predikat tersebut.

Optimisasi Query Optimisasi Query adalah suatu proses untuk menganalisa query untuk menentukan sumber-sumber apa saja yang digunakan oleh query tersebut dan apakah penggunaan dari sumber tersebut dapat dikurangi tanpa merubah output. Atau bisa juga dikatakan bahwa optimisasi query adalah sebuah prosedur untuk meningkatkan strategi evaluasi dari suatu query untuk membuat evaluasi tersebut menjadi lebih efektif. Optimisasi query mencakup beberapa teknik seperti transformasi query ke dalam bentuk logika yang sama, memilih jalan akses yang optimal dan mengoptimumkan penyimpanan data. Optimisasi query merupakan bagian dasar dari sebuah sistem database dan juga merupakan suatu proses untuk menghasilkan rencana akses yang efisien dari sebuah query di dalam sebuah database. Secara tidak langsung, sebuah rencana akses merupakan sebuah strategi yang nantinya akan dijalankan untuk sebuah query, untuk mendapatkan kembali operasi-operasi yang apabila dijalankan akan menghasilkan database record query. Ada tiga aspek dasar yang ditetapkan dan mempengaruhi optimisasi query, yaitu : search space, cost model dan search strategy. Search space adalah sekumpulan rencana-rencana akses yang sama secara logika yang dapat digunakan untuk mengevaluasi sebuah query. Semua rencana-rencana dalam search space query mengembalikan hasil yang sama biarpun beberapa rencana lebih efisien dibandingkan dengan rencana yang lainnya. Cost model menandakan sebuah harga untuk tiap rencana dalam search space. Harga dari rencana tersebut adalah sebuah perkiraan dari sumber-sumber yang digunakan pada saat rencana dijalankan, dimana harga yang lebih rendah, merupakan yang terbaik dari rencana-rencana yang ada.

Search strategy adalah sebuah perincian dari rencana-rencana mana dalam search space yang akan diperiksa. Apabila search space-nya kecil, maka strategi yang dapat diteruskan adalah menghitung dan mengevaluasi setiap rencana. Meskipun kebanyakan search space bahkan untuk query-query yang sederhana adalah sangat besar, akan tetapi query optimizer selalu memerlukan aturan heuristik untuk mengontrol nomer dari rencana-rencana yang akan diperiksa.

Sejarah Singkat Optimisasi Query Optimisasi query lahir sejak sebelum tahun 1970. Pada saat itu yang dikenal dengan jaman kegelapan (dark age), optimisasi query masih dilakukan secara manual oleh manusia. Selain itu, pada jaman tersebut database relasional juga belum dikenal sehingga diperlukan seseorang yang benar-benar ahli dalam database untuk melakukan optimisasi query. Jadi pada jaman kegelapan hingga tahun 1970-an, optimisasi query masih dilakukan oleh manusia dan masih menggunakan cara yang benar-benar kuno. Seiring dengan perkembangan jaman di mana teknologi menjadi semakin maju, maka sekitar pertengahan tahun 1970-an sampai pada pertengahan tahun 1980-an optimisasi query tidak lagi dilakukan secara manual, tetapi dilakukan oleh suatu sistem yang dikenal dengan sistem R yang kemudian menjadi berkembang pada optimisasi perintah JOIN, sekumpulan tahapan untuk optimisasi query selanjutnya. Hingga saat ini, optimisasi query terus berkembang bersamaan dengan bermunculannya teknikteknik baru yang digunakan dalam proses optimisasi query meskipun pada dasarnya hanya ada dua macam teknik utama yang biasanya digunakan dalam mengoptimisasi sebuah query. Bisa dikatakan bahwa optimisasi query merupakan tulang punggung dari sebuah sistem karena ketepatgunaan suatu sistem sangat tergantung dari optimizernya. Hampir semua DBMS menggunakan sistem optimisasi query untuk mengurangi waktu eksekusi query sehingga kerja sistem dapat dioptimalkan dan penggunaan sumber-sumber dapat diminimumkan. Selain itu, akes dari disk yang sangat lambat dibandingkan dengan akses memory membuat optimisasi query menjadi semakin penting. Tujuan Optimisasi Query Prinsip ekonomi yang diperlukan untuk sebuah query adalah mengoptimisasi prosedur-prosedur, mencoba untuk memaksimumkan output dari sejumlah sumbersumber yang diberikan ataupun untuk meminimumkan penggunaan sumber untuk memberikan output. Tujuan dari optimisasi query adalah berbeda-beda untuk setiap sistem. Ada yang menggunakan optimisasi query untuk meminimumkan waktu proses sedangkan pada situasi lain bisa juga optimisasi query diperlukan untuk waktu respon, meminimumkan I/O dan meminimumkan penggunaan memory. Tetapi pada dasarnya, tujuan dari optimisasi query adalah menemukan jalan akses yang termurah untuk meminimumkan total waktu pada saat proses sebuah query. Untuk mencapai tujuan

tersebut, maka diperlukan optimizer untuk melakukan analisa query dan untuk melakukan pencarian jalan akses. Data atau informasi geografi, yang diturunkan dari peta-peta tematik, pengukuran pada umumnya mengandung lebih dari satu atribut yang diasosiasikan dengan lokasi spasialnya. Sebagai contoh, properties pemukiman yang menjadi daya tarik adalah area, lahan, sifat kesuburan tanah, dsb. Atribut-atribut tambahan ini disebut sebagai entities non-spasial dari basi data spasial. Basis data spasial mendeskripsikan sekumpulan entity baik yang memiliki lokasi atau posisi yang tetap maupun yang tidak tetap (memiliki kecenderunganbuntuk berubah, bergerak, atau berkembang). Tipe-tipe entity spasial ini memiliki properties topografi dasar yang meliputi lokasi, dimensi dan bentuk (shape). Hampir semua SIG memiliki campuran tipe-tipe entity spasial dan non-spasial. Tetapi, tipe-tipe entity non-spasial tidak memiliki propertiestopografi dasar lokasi. Dengan demikian, sebelum analisis SIG dapat dilakukan, diperlukan data tambahan untuk kemudian digabungkan ke dalam basis data geografi. Walupun demikian, untuk mengelola data dan informasi atribut di dalam SIG tidak semudah yang dibayangkan. Untuk melakukannya diperlukan pemahaman yang baik mengenai konsep-konsep sistem manajemen basi data. SIG sebagai Basis Data Baberapa DBMS menggunakan beberapa asumsi mengenai data-data yang ditanganinya. Untuk mengefektifkan penggunaan DBMS, maka asumsi-asumsi ini harus dipenuhi. Beberapa tipe DBMS lebih sesuai untuk SIG daripada tipe-tipe yang lain karena DBMS ini memiliki asumsi-asumsi yang sesuai untuk data spasial SIG yang bersangkutan. Pada umumnya, terdapat dua pendekatan untuk menggunakan DBMS di dalam SIG, yaitu sebagai berikut : 1. Pendekatan solusi DBMS total. Pada pendekatan ini , semua data spasial dan nonspasial diakses melalui DBMS sehingga data-data tersebut harus memenuhi asumsiasumsi yang telah ditentukan oleh perancang DBMS-nya. 2. Pendekatan solusi kombinasi. Pada pendekatan ini, beberapa data (pada umumnya berupa tabel-tabel atribut berikut relasi-relasinya) diakses melalui DBMS karena datadata tersebut telah sesuai dengan modelnya. Sistem seperti ini biasanya mengandung dua sistem basis data yang secara khusus dirancang untuk data spasial (ARC pada Arc//Info), dan yang kedua untuk data nonspasial yang dikelola oleh sistem basis data yang khusus dirancang untuk data nonspasial (INFO pada Arc/Info). Konsep Sistem Basis Data Definisi DBMS sangatlah bervariasi, secara umum DBMS diartikan sebagai suatu program komputer yang digunakan untuk memasukkan, mengubah, menghapus, memanipulasi, dan memperoleh data / informasi dengan praktis dan efsien.

Dibandingkan dengan sistem yang berbasis kerta, DBMS memiliki 4 keunggulan: Kepraktisan : Sistem yang berbasis kertas akan mengguankan kerta yang sangat banyak untuk menyimpan informasi, sedangkan DBMS menggunakan media penyimpan sekunder yang berukuran kecil tetapi padat informasi. Kecepatan : Mesin dapat mengambil atau mengubah data jauh lebih cepat daripada manusia. Mengurangi kejemuan : Orang cenderung menjadi bosan kalau melakukan tindakantindakan berulang yang menggunakan tangan )misalnya harus mengganti suatu informasi). Kekinian : Infomasi yang tersedia pada DBMS akan bersifat mutakhir dan akurat setiap saat. Secara lebih detail, keuntungan basis data terhadap sistem pemrosesan berkas adalah dalam hal : Kemubaziran data terkurangi Integritas data Independensi data Konsistensi data Berbagi data Sekuritas data Penggunaan data lebih mudah. Abstraksi Data Untuk mendukung kepraktisan, DBMS menyediakan pandangan abstrak terhadap data bagi pengguna. DBMS berusaha menyembunyikan detail tentang bagaimanna data disimpan dan dipelihara. Namun tentu saja hal ini dilakukan dengan sedapat mungkin mengusahakan data agar dapat diakses secara efisien. Abstraksi data dalam DBMS biasa dibagai menjadi tiga lapis, yaitu lapis fisis, lapis konseptual, dan lapis pengguna. Lapis fisis merupakan lapis terendah dalam abstraksi data. Lapis ini menjelaskan bagaimana data sesungguhnya disimpan. Pada lapis ini struktur data dijabarkan secara rinci. Lapis konseptual bersifat lebih tinggi daripada lapis fisis. Lapis ini menjabarkan data apa saja yang sesungguhnya disimpan pada basis data, dan juga menjabarkan hubungan-hubungan antar data. Level ini biasa digunakan oleh Database Administrator. Lapis pengguna merupakan lapis tertinggi pada abstraksi data. Pada lapis ini apengguna hanya mengenal struktur data yang sederhana, yang berorientasi pada

kebutuhan pengguna. Data yang dikenal oleh masing-masing pengguna dapat berbeda-beda dan barangkali hanya mencakup sebagian dari basis data. Enterprise Enterprise adalah bagian dunia nyata yang dimodelkan dengan menggunakan basis data. Bentuk entrprise dapat berupa individu atau badan hukum ynag menjalankan tugas-tugasnya sehubungan dengan aktivitasnya sehari-hari. Sebagian contoh enterprise adalah objek-objek yang penting seperti sekolah, perpustakan, rumah sakait, bank, dsb. Sedangkan aktivitas akademik, pengelolaan keuangan dalam toko, dan manajemen inventarisasi obat-obatan pada suatu apotik dapat disebut enterprise. Enterprise Rules Enteprise rules adalah aturan-aturan yang digunakan untuk mendefinisikan hubunganhubungan (keterkaitan atau relasi) antara entity satu dengan lainnya (entity relationship) beserta operations-nya. Atau dengan kata lain, enteprise rules adalah aturan-aturan yang dipakai untuk menegaskan hubungan antar entitas. Penegasan ini sangat berguna di dalam melihat apakah suatu entity bersifat obligatory (harus ada) atau non-obligatory. Dengan demikian, enterprise rules sangat erat kaitannya dengan masalah-masalah model entity relationship dan tingkat relasi pada entity set dan proses normalisasi tabel-tabel basis data. Berikut adalah beberapa contoh enterprise berikut contoh enterprise rules-nya : 1. Enterprise Rumah sakit Rumah sakit terdiri dari beberapa gedung Apotik menempati gedung tersendiri di dalam rumah sakit Setiap gedung terdiri dari beberpa ruang. Setiap ruang dapat menampung beberapa orang pasien Setiap pasein hanya dapat dilayanai oleh seorang dokter Setiap doketer dapat dibantu oleh beberapa asisten Setiap doketer dapat dibantu oleh beberapa perawat Dll. 2. Enterprise Aktivitas Perkuliahan Komplek sekolah (kampus) terdiri dari beberapa gedung Semua gedung perkuliahan dan administrasi terletak di dalam kompleks kampus. Setiap gedung hanya memiliki satu lantai Setiap gedung memiliki beberapa ruangan. Setiap ruang terletak di dalam gedung Setiap ruang dapat digunakan untuk berbagai aktivitas perkuliahan secara bergantian. Dll. Contoh diagram ER hasil implementasi enterprise rules : Enterprise : aktivitas perkuliahan

Enterprise rules : 1. Setiap dosen harus mengajar minimal satu mata kuliah 2. Setiap mata kuliah harus memiliki seorang pengajar (dosen) Skeleton Table Skeleton table adalah kumpulan tabel-tabel yang mnejelaskan hubungan antar entitas yang digunakan di dalam suatu enterprise. Tabel-tabel ini direpresentasikan dengan menggunakan nama-nama tabel tersebut, berikut fields yang dimilikinya. Hubungan antar tabel tersebut dapat diketahui dengan melihat field kunci (primary key dan foreign key) pada masing-masing tabelnya. Berikut merupakan contoh skeleton tables untuk enterprise aktivitas perkuliahan seperti di atas : Dosen (KdDosen, NmDosen, AlDosen, GlDosen) Mahasiswa (Nim, NmMhs, AlMhs) Gedung (KdGedung, NmGedung, LsGedung) Ruang (KdRuang, NmRuang, KdGedung) MataKuliah (KdMata, NmMata, Sks, KdRuang, KdDosen) NilaiKuliah (Nim, KdMata, Nilai). Komponen-komponen Sistem Manajemen Basis Data Menurut [HKBU20], sistem manajemen basis data dapat dibentuk dari komponenkomponen sebagai berikut : Data yang disimpan dalam basis data. Data ini mencakup data numerik dan nonnumerik yang terdiri dari karakter, waktu, logika dan data-data lain yang lebih kompleks seperti gambar dan suara. Operasi standar yang disediakan oleh hampir semua semua DBMS. Operasi-operasi standard ini melengkapi pengguna dengan kemampuan dasar untuk memanipulasi data. DDL (data definition language) ynag merupakan bahasa yang digunakan untuk mendeskripsikan isi dan struktur basis data. Dengan demikian DDL, sebagai contoh, dapat digunakan untuk mendeskripsikan nama-nama atribut (ield), tipe data, lokasi di dalam basis data. DML (data manipulation language) atau bahasa query ini pada umumnya setara dengan bahasa pemrograman generasi ke 4 dan didukung oleh DBMS untuk membentuk perintah-perintah untuk masukan, keluaran, editing, analisis basis data. DML yang telah distandarisasikan disebut SQL (structure query language). Bahasa pemrograman (programming tools). Disamping oleh perintah-perintah dan queries, basis data juga harus dapat diakses secara langsung oleh program-program aplikasi melalui function calls (atau subroutine calls) yang dimiliki oleh bahasabahasa pemrograman yang konvensional.

Struktur file. Setiap DBMS memiliki struktur internal yang digunakan untuk mengorgansiasikan data walaupun beberapa model data yang umum telah digunakan oleh sebagian besar DBMS. Operasi Dasar Sistem Manajemen Basis Data Sistem manajemen basis data memiliki peranan yang sangat penting di dalam SIG. Peranan ini sangat ditunjang oelh operasi-operasi dasara sistem pengelolaan basis data yang dimilikinya. Operasi-operasi dasar tersebut adalah : Membuat basis data (create database). Menghapus basis data (drop database) Membuat tabel basis data (create table) Menghapus tabel basis data (drop table) Mengsisi dan menyisipkan data (record) ke dalam tabel (insert) Membaga dan mencari data (field atau record) dari tabel basis data (seek, find, search, retrieve). Menampilkan basis data (display, browse) Mengubah dan meng-edit data yang terdapat di dalam tabel basis data (update, edit) Menghapus data dari tabel basis data (delete, zap, pack) Membuat indeks untuk setiap tabel basis data (create index). Model Basis Data Model basis data menyatakan hubungan antar rekaman yang tersimpan dalam basis data. Beberapa literatur menggunakan istilah struktur data logis untuk menyatakan keadaan ini. Model dasar yang paling umum ada 3 macam, yaitu : 1. hirarki 2. jaringan 3. relasional Model yang lebih baru dikemabngkan oleh sejumlah periset, yang dapat disebut sebagai sistem pasca relasional, sedangkan yang lain benar-benar menggunakan pendekatan yang sama sekali berbeda. Beberapa nama yang sedang dikembangkan oleh para periset, antara lain : DBMS deduktif DBMS pakar DBMS semantik

 DBMS berorinetasi objek DBMS relasional universal Beberapa produk sistem berorientasi objek telah beredar di pasar, antara lain Open ODB Hawlett-Packarrd Corporation) dan Object Store (Object Design Corporation). Beberapa produk di lingkungan PC juga menuju ke arah ini . Model Hirarki Model hirarki biasa disebut model pohon, karena menyerupai pohon yang dibalik. Model ini menggunakan pola hubungan orang tua anak. Setiap simpul (biasa sinyatakan dengan lingkaran atau kotak) menyatakan sekumpulan medan. Simpul yang terhubung ke simpul pada level di bawahnya disebut orang tua. Setiap orang tua bisa memiliki satu hubungan (1 : 1) atau beberapa anak (1 : M), tetapi setiap anak hanya memiliki satu orang tua. Simpul-simpul yang dibawahi oleh simpul orang tua disebut anak. Simpul orang tua yang tidak memiliki orang tua disebut akar. Simpul yang tidak memiliki anak disebut daun. Adapun hubungan antara anak dan orang tua disebut cabang. Beriktu memperlihatkan contoh model hirarki, yang terdiri atas 4 level dan 13 simpul. Pada contoh diatas, A berkedudukan sebagai akar, dan berkedudukan sebagai orang tua dari simpul B, C, D, dan E. Keempat simpul yang disebutkan belakangan ini disebut sebagai anak simpaul A. C juga dapat berkedudukan sebagai orang tua , yaitu orang tua F dan G. Adapun simpul F, G, H, I, J, L, dan M disebut sebagai daun. Contoh produk DBMS yang menggunakan model hirarki adalah IMS (Information Management System) , yang dikembangkan oleh dua perusahaan IBM dan Rockwell International Corporation. Model Jaringan Model jaringan distandarisasi pada tahu 1971 oleh data base Task Group (DBTG). Itulah sebabnya disebut model DBTG. Model ini juga disebut model CODASYL (Conference on Data Systems Languages) , karena DBTG adalah bagian dari CODASYL. Model ini menyerupai model hirarki, dengan perbedaan suatu simpul anak bisa memiliki lebih dari satu orang tua. Oleh karena sifatanya yang demikian, model ini dapat menyatakan hubungan 1 : 1, 1 : M , maupun N: M. Pada model jaringan orang tua disebut pemilik dan anak disebut anggota. Berikut gambarnya. Contoh produk DBMS yang menggunakan model jaringan adalah CAIDMS/DB, dari Computer Associates International Inc. (sebelumnya dikenal sebagai IDMS Integrated Database Management System yang dikembangkan oelh Cullient Software Inc.). Model Relasional

Model relasional merupakan model yang paling sederhana, sehingga mudah digunakan dan dipahami oleh pengguna, serta merupakan yang paling populer saat ini. Model ini menggunakan sekumpulan tabel berdimensi dua (yang disebut relasi atau tabel), dengan masing-masing relasi tersusun atas tupel atau baris dan atribut. Relasi dirancang sedemikian rupa sehingga dapat menghilangkan kemubaziran data dena menggunakan kunci tamu untuk berhubungan dengan relasi lain. DBMS yang bermodelkan relasional biasa disebut RDBMS (Relational Database Management System). Gambar berikut memperlihatkan istilah relasi, baris, dan atribut dan padanannya dengan istilah-istilah lain yang populer dikalangan pemrogram dan sejumlah pengguna (terutama yang bekerja dengan SQL). Ada beberapa sifat yang melekat pada suatu relasi : Tidak ada tupel (baris) yang kembar Urutan tupel tidaklah penting (tupel-tupel dapat dipandang dalam sembarang urutan) Setiap atribut memiliki nama yang unik Letak atribut bebas (urutan atribut tidak penting) Setiap atribut memiliki nilai tunggal dan jenisnya sama untuk semua tupel. Pada model relasioanl, jumlah tupel suatu relasi disebut kardinalitas dan jumlah atribut sutau relasi disebut derajat (segree) atau terkadang disbut arity. Relasi yang berderajat satu (hanya memiliki satu atribut) disebut unary. Relasi yang berderajat dua disebut binary dan relasi yang berderajat tiga disebut ternary. Relasi yang berderajat n disebut n-ary. Istilah lainnya yang terdapat pada model relasional adalah domain. Domain adalah himpunan nilai yang berlaku bagi sutau atribut. Sebagaimana dikatakan di depan, tupel-tupel yang terdapat pada suatu relasi tidak ada yang kembar. Sesungguhnya bagian yang menyebabkan tidak adanya tupel yang kembar adalah yang disebut kunci primer. Sebagai model basis data yang paling terkenal di dalam DBMS, model relasioanl sengat sering dan banyak digunakan di dalam SIG. Beberapa DBMS yang menggunakan model basis data relasional adalah : 1. dBase (*.dbf) digunakan oleh ArcView GIS 2. dBase (*.dbf) digunakan oleh PC Arc/Info, MapInfo dan SIG lain yang berbasiskan PC 3. INFO digunakan didalam Arc/Info 4. Oracle digunakan oleh Arc/Info, Geovision, MapInfo, dll. 5. Empress digunakan oleh System/9 Keunggulan Model Basis Data Relasional Model basis data relasional yang paling digunakan pada saat ini, karena memiliki kunggulan berikut : Model relasional merupakan model data yang lengkap secara matematis

 Model relasional memiliki teori-teori yang solid untuk mendukung: accessibility (query), correctness (semantik aljabar relasional), predictability. Fleksibilitas tinggi : model relasional secara jelas memisahkan model fisik dan lojik, sehingga dengan adanya decoupling (mengurangi ketergantungan antara komponen sistem) ini meningkatkan fleksibitiasnya. Integritas : batasan ini sangat berguna di dalam emmastikan bahwa perubahan struktur data / tabel tidak mengganggu keutuhan relasi-relasi di dalam basis data. Multiple views : model relasional dapat menyajikan secara langsung view yang berbeda dari basis data yang sama untuk pengguna yang berbeda. Concurrency : hampir semua teori mengenai pengendalian transaksi simultan yang telah ada dibuat berdasarkan teori formalisme milik model relasional. Model Basis Data Relasional dan SIG Perbedaan penekanan para perancang sistem SIG pada pendekatan basis data untuk penyimpanan koordinat-koordinat peta dijital telah memicu pengembangan dua pendekatan yang berbeda dalam mengimplementasikan basis data relasional di dalam SIG. Pengimplementasian basis data relasional ini didasarkan pada model data hybrid atau terintegrasi. Model Data Hybrid Langkah awal pada pendekatan ini adalah pemahaman adanya dugaan atau pendapat bahwa mekanisme penyimpanan data yang optimal untuk informasi lokasi (spasial) di satu sisi, tetapi di dsisi yang lain, tidak optimal untuk informasi atribut (tematik). Berdasarkan hal ini, data kartografi digital disimpan di dalam sekumpulan files sistem operasi direct access untuk meningkatkan kecepatan input-output, sementara data atributnya disimpan did alam DBMS relasioanl lomersial yang standar. Maka perangkat lunak SIG bertugas mengelola hubungan (linkage) anatar files kartografi (lokasi) dan DBMS (data atribut) selama operas-operasi pemrosesan peta yang berbeda (misalnya overlay) berlangsung. Sementara digunakan beberapa pendekatan yang berbeda untuk penyimpanan data kartografi, mekanisme untuk menghubungkan dengan basis datanya tetap sama secara esensial, berdasarkan nomor pengenal (ID) yang unik yang disimpan di dalam sebuah tabel atribut basis data yang memungkinkannya tetap terkait dengan elemen-elemen peta yang bersangkutan. Model Data Terintegrasi Pendekatan modael data terintegrasi juga dideskripsikan sebagai pendekatan sistem pengelolaan basis data (DBMS) spasial, dengan SIG yang bertindak sebagai query processor. Kebanyakan implementasinya pada saat ini adalah bentuk topologi vektor dengan tabel-tabel relasional yang menyimpan data-data koordinat peta (titik, nodes, segmen garis, dl.) bersama dengan tabel lain yang berisi informasi topologi. Data-data atribut disimpan di dalam tabel-tabel yang sama sebagai basis data map feature (tabel

internal atau abel yang dibuat secara otomatis) atau disimpan di dalam tabel-tabel yang terpisah dan dapat diakses melalui operasi relasioanl JOIN. Aspek lain didalam penanganan basis data spasial yang bervolume besar adalah kebutuhan mengenai konversi informasi koordinat dua dimensi menjadi kunci-kunci spasial satu dimensi yang dapat disimpan sebagai kolom-kolom (fields) tael basis data (sebagai contoh sejumlah nilai koordinat pada tabel garis dapat dijadikan sebagai satu string panjang di dalam satu kolom (field) koordinat). Kemudian kunci-kunci ini dapat diindekskan untuk mempercepat pemanggilan elemen-elemen peta yang bersangkutan.