PENGORGANISASIAN DATA DALAM LINGKUNGAN FILE TRADISIONAL

Sisitem komputer mengorganisir data dalam sebuah hiarakhi yang dimulai dengan bit-bit, dan byte, kemudian berkembang pada pengelompokan-pengelompokan data yang lebih kompleks. Fields: Kumpulan dari karakter-karakter, kata-kata, atau angka lengkap; Records: Kumpulan dari field-field yang saling berhubungan yang menggabarkan sebuah entitas (orang, tempat, benda yang mengenainya informasi harus disimpan-setiap karakteristik dari sebuah entitas adalah atribut. File: kumpulan dari record-record yang sejenis Database: Kumpulan dari file-file yang saling berhubungan.

Kebanyakan oranisasi menggunakan pendekatan tradisional untuk mengolah informasinya, artinya bahwa basis data dan sistem-sistem sistemyang lainnya, cederung tumbuh secara indipenden tanpa terkait dengan perencanaan perushaan secara keseluruhan. DepartemenDepartemendepartemen seperti: akuntansi, keuangan, pemanufakturan, sumber daya manusia, serta pemasaran dan penjualan, semuanya mengembangkan sistem dan file-file data mereka sendiri-sendiri. filesendiri-

Permasalahan yang diakibatkan dari lingkungan file tradisional: Data redundancy: yaitu duplikasi data pada banyak file atau munculnya duplikasi data pada banyak file, cenderung terjadi data inconsistency, yaitu nilai yang berbeda yang digunakan untuk atribut yang sama atau munculnya perbedaan nilai untuk atribut yang sama ketika data yang sama disimpan pada banyak lokasi. Program-data dependency: yaitu hubungan yang erat antara data yang tersimpan di dalam file-file data dengan program perangkat lunak yang digunakan untuk memperbaharui dan memelihara file-file data tersebut. Sehingga perubahan pada organisasi atau format data membutuhkan perubahan juga pada seluruh tersebut. program yang berhubungan dengan file-file data

Lack of flexibility, sistem file tradisional dapat memberi laporanlaporan rutin yang terjadwal setelaah memalui upaya-upaya pemrograman yang ekstensif, akan tetapi tidak bisa menyampaikan laporan-laporan khusus, atau memberi tanggapan terhadap permintaan-permintaan informasi yang tidak terantisipasi sebelumnya dengan tepat waktu. Poor security, disebabkan oleh rendahnya pengendalian atau manajemen data, akses terhadap data dan penyebaran informasi dapat menjadi lepas kendali. Manajemen boleh jadi tidak mempunyai cara untuk mengetahui siapa yang mengakses bahkan melakukan perubahan terhadap data organisasi. Lack of data sharing, potongan-potongan informasi dalam filefile yang berbeda dan berada pada bagian organisasi yang berbeda-beda tidak dapat dihubungkan satu dengan yang lainnya. Kondisi ini membuat secara bayangan tidak memungkinkan bagi informasi untuk dibagikan atau diakses dengan tepat waktu.

PENDEKATAN BASIS DATA UNTUK MANAJEMEN DATA

Teknologi basis data menghilangkan beberapa permasalahan pada pengorganisasian file tradisional dalam pengorganisasian data yaitu dengan memusatkan data dan mengendalikan data redundant, serta melayani banyak program aplikasi dan kelompok-kelompok yang berbeda-beda dalam organisasi pada saat yang bersamaan.

Sistem manajemen basis data (database management system/

DBMS) adalah perangkat lunak yang: Bertindak sebagai penghubung antara program-program aplikasi dengan file-file data yang tersimpan. Memisahkan sudut pandang logika tentang basis data (yaitu bagaimana data dipersepsikan oleh para pengguna akhir) dengan sudut pandang phisik ( yaitu bagaimana data secara nyata diorganisir pada media penyimpanan). Juga terdapat kemungkinan perbedaan pandangan logika diantara para pengguna yang berbeda. Membantu mengurangi data redundan dan ketidak konsistenan data ( data inconsistency) dengan memusatkan data dan berbagi sumber daya data.

DBMS adalah perangkat lunak khusus untuk menciptakan dan memelihara sebuah basis data dan memampukan aplikasi-aplikasi bisnis untuk secara individual meringkas data yang mereka butuhkan tanpa harus menghasilkan file-file data terpisah atau mendefinisikan sendiri data pada program komputer mereka.

Sumber daya basis data tunggal memberikan banyak penyajian data yang berbeda tergantung pada permintaan informasi dari para penggunanya. Digambarkan disini dua kemungkinan penyajian, satu departemen berkepentingan khusu pada kemaslahatan, dan satunya lagi berkepentingan untuk anggota departemen penggajian perusahaan.

SISTEM MANAJEMEN BASIS DATA RELASIONAL

seperti misalnya Microsoft Sequel Server (MYSQL), menyajikan data seperti tabel-tabel data dua dimensi yang disebut dengan relasi. Setiap tabel terdiri dari pertemuan antara baris dan kolom data. Dan setiap baris meruapakan record atau tuple, baris dibagi ke dalam kolom-kolom untuk field yang berbeda dari record tersebut. Salah satu kolom dari setiap tabel bertindak sebagai suatu

kunci utama (primary key), mendefinisikan field kunci dari setiap record yg digunakan untuk secara unik mengidentifikasi masing-masing record.

1. Basis data relasional menggunakan kunci utama untuk menghubungkan record-record dari satu tabel dengan tabel-tabel yang lainnya. Apabila kunci utama dari satu tabel digunakan pada tabel kedua untuk mencari, atau merekam data dari tabel pertama, maka disebut dengan field kunci asing (foreign key field)
BEBERAPA ISTIALH PADA SISTEM MANAJEMEN BASIS DATA RELASIONAL

Tuple = baris atau record pada sebuah basis data relasional. Kunci utama (primary key): identifikasi unik untuk seluruh informasi suatu baris (record) dari sebuah tabel basis data. Field kunci (key field) sebuah field di dalam sebuah record yang secara unik mengidentifikasi keberadaan record tersebut sehingga record tersebut dapat ditampilkan kembali, diperbaharui, atau diurutkan.

FIGURE 6-4 RELATIONAL DATABASE TABLES 6Basis data Relasional, mengorganisir data dalam bentuk tabel-tabel tabeldua dimensi. Dicontohkan disini terdapat tabel untuk entitas supler, dan suku cadang menggambarkan bagaimana masing-masing tabel masingtersebut menyajikan setiap entitas dan atibut-atributnya. Nomor atibutSupler merupakan filed kunci untuk tabel Suplier, dan kunci penghubung ke tabel suku cadang. Pada basis data relasional, digunakan tiga operasi untuk mengembangkan kelompok-kelompok data yaitu operasi: 1. Select: menghasilkan satu subset data dari record-record yang sesuai dengan kriteria yang dinyatakan. 2. Join: mengkombinasikan data relasional dari tabel-tabel yang berbeda. 3. Project: menghasilkan satu subset data tabel yang menggunakan kolom-kolom tertentu saja.

FIGURE 6-5 Tiga Operasi Dasar Pada Sistem Manajemen Basis Data Relasional, yaitu: selsect, Project, dan Join, yang memampukan data dari dua tabel dikombinasikan ke dalam satu tabel data baru, dan hanya atribut-atribut tertentu saja yang disajikan.

Sistem Manajemen Basis data yang lebih lama atau lebih tua daripada sistem manajemen basis data relasional dan kurang fleksibel adalah: Sistem Manajemen Basis Data berjenjang dengan model hubungan dari satu ke banyak; dan Sistem Manajemen basis data Jaringan, dengan model hubungan dari banyak ke banyak

SISTEM MANAJEMEN BASIS DATA BEROREANTASI PADA OBJEK (OBJECT-ORIENTED DBMS/OODBMS) Sistem Manajemen Basis Data Relasional, digunakan untuk menangani data, bukan untuk grafik, foto, atau multimedia. Sedangkan sistem manajemen basis data beroreantasi objek menyimpan data dan prosedur yang menjalankan data-data tersebut sebagai objek sehingga dapat secara otomatis ditampilkan kembali dan dibagikan, juga dapat mengelola multimedia dan Java applets. Akan tetapi OODBMS lebih lambat di dalam menangani transaksitransaksi dalam jumlah besar. Bentuk campuran dari sistem Manajemen Basis data berorenatasi objek (object-relational DBMS) dewasa ini sudah tersedia yang memberikan kemampuan untuk fungsi sistem manajemen basis data oreantasi objek maupu relasional.

DBMS memberikan kemampuan dan alat untuk akses, serta manajemen data di dalam basis data yang terdiri dari: 1. Bahasa pendefinisian data (Data definition language) digunakan untuk menspesifikasikan struktur isi dari basis data, menciptakan dan mendefinisikan tabel-tabel beserta fieldfieldnya. 2. Data dictionary: adalah file yang terotomasi atau manual yang menyimpan difinisi elemen-elemen data dan karakteristikkarakteristiknya. 3. Bahasa Manipulasi Data (Data manipulation language): bahasa yang dikhususkan seperti Structured Query Language, atau SQL, yang digunakan untuk menambah, mengubah, menghapus, dan menampilkan kembali data di dalam basis data.

FIGURE 6-6 SAMPLE DATA DICTIONARY REPORT Contoh laporan kamus data untuk basis data sumber daya manusia yang memberikan informasi yang sangat membantu, seperti ukuran dari elemenelemen data, Program-program mana saja yang menggunakan data tersebut, dan kelompok kerja mana di dalam organisasi memiliki tangungjawab untuk memelihara data tersebut.

FIGURE 6-7 EXAMPLE OF AN SQL QUERY Digambarkan disini perintah-perintah SQL untuk melakukan query untuk memilih file suplier suku cadang nomor 137 dan 150. Perintah ini menghasilkan sebuah Daftar seperti pada gambar 6-5.

FIGURE 6-8 AN ACCESS QUERY Illustrated here is how the query in Figure 6-7 would be constructed using query-building tools in the Access Query Design View. It shows the tables, fields, and selection criteria used for the query.

DBMS bisa juga memiliki kapabelitas untuk menghasilkan laporanlaporan yang disesuaikan dan pengembangan aplikasi-aplikasi sistem desktop. Hal yang perlu diperhatikan di dalam mendesain basis data mencakup: Physical design: bagaimana basis data ditata pada perangkatperangkat penyimpan. Konsepsual, atau desain logika: bagaimana elemen-elemen data diorganisir agar efisien, memenuhi kebutuhan-kebutuhan informasi, dan dapat meminimumkan redundansi.

Normalization adalah proses penciptaan struktur data yang kecil, stabil, fleksibel dan adaptif dari kelompok-kelompok data yang kompleks dan meminimumkan pengulangan kelompok-kelompok data.

FIGURE 6-9 AN UNNORMALIZED RELATION FOR ORDER Sebuah relasional yang tidak dinormalisasikan berisi kelompok-kelompok data yang berulang. Sebagai contoh, terdapat banyak suku cadang dan pemasok untuk setiap order. Terdapat hanya hubungan satu ke satu antara nomor pesanan dan tanggal pesanan.

FIGURE 6-10 NORMALIZED TABLES CREATED FROM ORDER Sesudah normalisasi, Tabel relasional ORDER yang asli terpecah menjadi 4 tabel ralasional yang lebih kecil-kecil. Tabel Realasional ORDER yang tertinggal hanya berisi dua atrubut dan tabel relasional LINE_ITEM telah dikombinasikan, atau dihubungkan, field kunci Oreder_Number dengan Part_Number.

Diagram hubungan entitas (entity-relationship diagram) digunakan sebagai sebuah diagram model sebuah data dan menggambarkan hubungan antar kelompok-kelompok data yang berbeda dalam sebuah sistem. Tanpa model data yang layak untuk basis datanya, sebuah sistem basis data tidak mampu melayani kebutuhan informasi perusahaan secara efisien.

FIGURE 6-11 AN ENTITY-RELATIONSHIP DIAGRAM Diagram ini menunjukkan hubungan antara entitas-entitas ORDER, LINE_ITEM, PART, dan SUPPLIER yang dapat dijadikan untuk pemodelan basis data pada figur 6-10.

Disain Basis data juga mempertimbangkan bagaimana data-data yang ada di dalamnya didistribusikan, dengan basisdata terpusat atau terdistribusi (data yang disimpan pada lebih dari satu lokasi penyimpanan). Terdapat dua metoda utama pendistribusian basisdata yaitu: Partitioned: Bagian-bagain yang berbeda dari basis data disimpan pada lokasi-lokasi yang berbeda. Replicated: Basis data yang sama secara keseluruhan diduplikasikan ke beberapa lokasi.

FIGURE 6-12 DISTRIBUTED DATABASES Terdapat dua alternatif cara untuk mendistribusikan badsis data. Basis data terpusat dapat dibagi-bagi (a) sehingga setiap prosesor jarak jauh dapat memperoleh data penting untuk melayani kebutuhan lokal mereka sendiri.Basis data pusat juga dapat direplikasi (b) seluruhnya pada lokasilokasi yang berjauhan.

Sistem Basis Data Yang Terdistribusi: 1. Reduce vulnerability, mengurangi kerentanan atas kerusakan data, dan pencurian data. 2. Increase responsiveness, meningkatkan daya tanggap atas kebutuhan data. 3. Bisa mememperkenalkan data atau pendefinisian data, atau menyimpang dari standar-standar. 4. Meningkatkan permasalahan-permasalah pengamanan.

Menggunakan Basis data untuk memperbaiki Kinerja Perusahaan dan Pengambilan Keputusan:

Menggunakan Basis Data perusahaan untu:

Memelihara catatan jalanya (track)Keep transaksi dasar perusahaan Memberikan informasi yang dapat membantu perusahaan menjalankan bisnis dengan lebih efisien. Membantu para karyawan dan para manjer membuat keputusankeputusan yang lebih baik.

Pada perusahaan besar, Kapabelitan dan alat khusus dibutuhkan untuk menganalisis sejumlah besar data, dan mengakses data dari banyak sistem seperti: Data warehouse: Basis data yang menyimpan data saat ini dan data historis dari sistem transasksi operasional inti untuk digunakan pada analisis manajemen, akan tetapi data ini tidak dapat diubah. Data mart: Bagian dari data warehaouse dimana ringkasan data atau bagian dari data organisasi yang betul-betul difokuskan ditempatkan pada basis data terpisah untuk kelompk pengguna tertentu di dalam organisasi. Business intelligence (BI) tools: Alat-alat analisis data yang digunakan untuk melakukan konsolidasi, analisis, dan mengakses kumpulan dari datadata yang tersimpan untuk membantu pada pengambilan keputusan, seperti perangkat lunak pencarian dan pelaporan pada basis data, alat untuk melakukan analisis data multidimesnsi (pengolahan analisis online). Dan penggalian data ( data mining).

FIGURE 6-13 COMPONENTS OF A DATA WAREHOUSE data warehouse mengestrak data saat ini dan data historis dari banyak sistem operasi di dalam organisasi. Data-data tersebut dikombinasikan dengan data yang bersumber data dari luar dan direorganisasi ke dalam satu basis data terpusat yang didesain untuk analisis dan laporan manajemen. Direktori informasi memberikan informasi kepada para pengguna tentang data yang tersedia pada warehouse.

FIGURE 6-14 BUSINESS INTELLIGENCE Satu seri alat-alat analisis dengan data yang tersimpan di dalam basis data untuk menemukan pola dan pandangan untuk membantu para manajer dan para karyawan membuat keputusan yang terbaik untuk memperbaiki kinerja organisasi.

Online Analytical Processing (OLAP) Mendukung analisis data multidimensional, memapukan para pengguna untuk melihat data yang sama dalam cara berbeda menggunakan multi dimensi. Sebagai contoh: seberapa besar pencuci piring terjual pada kawasan timur pada bulan Juni.

FIGURE 6-15 MULTIDIMENSIONAL DATA MODEL 6Penampakan yang menunjukkan produk versus wilayah penjualan. Apabila kita putar kubus tersebut 90 derajat, permukaannya akan menunjukkan produk versus penjualan aktual dan yang diproyeksikan. Jika kita putar 90 derajat lagi akan melihat wilayah versus penjualan aktual dan yang diproyeksikan. Data mining menemukan pola dan hubungan yang tersembunyi Serta menarik kesimpulan dari pola dan hubungan tersebut untuk memprediksi perilaku dimasa mendatang. Jenis-jenis informasi Jenisyang dapat diperoleh dari penggalian data sebagai berikut: Keterkaitan (Associations) Urutan (Sequences) Klasifikasi (Classifications) Pengelompokan (Clustering) Perkiraan (Forecasting)

Predictive analysis menggunakan teknik-teknik penggalian data teknikdata historis, dan asumsi-asumsi tentang kondisi di masa yang asumsiakan datang untuk memprediksi hasil dari suatu kejadian, seperti kemungkinan seorang pelanggan akan memberi tanggapan terhadap sebuah penawaran atau membeli produk tertentu. Basis data juga dapat dihubugkan ke Web dengan menggunakan perangkat lunak perantara produk, yang memungkinkan para pengguna dan klien untuk mengakses data perusahaan melalui sebuah penghubung web browser. Perangkat lunak tersebut dapat berupa sebuah aplikasi server, program-program perangkat lunak programyang bersesuaian, atau CGI (common gateway interface) scripts. Didalam lingkungan client/server, Sistem Manajemen Basis Data mungkin berada di dalam komputer yang dikhususkan yang disebut server basis data (database server). Penghubung (antar muka) Web sangat mudah untuk digunakan dan hanya membutuhkan sedikit perubahan atau bahkan tidak pada basis data internal.

FIGURE 6-16 LINKING INTERNAL DATABASES TO THE WEB Akses terhadap sebuah basis data internal organisasi melalui Web dengan menggunakan Komputer pribadi desktop dan perangkat lunak browser Web.

Managing Data ResourcesAn information policy specifies the organization's rules for sharing, disseminating, acquiring, standardizing, classifying, and inventorying information, and includes procedures and accountabilities and roles. Data administration is responsible for the specific policies and procedures through which data can be managed as an organizational resource. Responsibilities include developing information policy, planning for data, overseeing logical database design and data dictionary development, and monitoring how information systems specialists and end-user groups use data. Large organizations often require a formal data administration function. Data governance deals with the policies and processes for managing the availability, usability, integrity, and security of the data employed in an enterprise, with special emphasis on promoting privacy, security, data quality, and compliance with government regulations.

A large organization will also have a database design and management group that is responsible for defining and organizing the structure and content of the database, and maintaining the database. The functions it performs are called database administration. In managing data, steps must be taken to ensure that the data in organizational databases are accurate and remain reliable. Data that are inaccurate, untimely, or inconsistent with other sources of information lead to incorrect decisions, product recalls, and even financial losses. A good database design also includes efforts to maximize data quality and eliminate error. Some data quality problems result from redundant and inconsistent data, but most stem from errors in data input. Organizations need to identify and correct faulty data and establish better routines for input and editing.

A data quality audit can be performed by surveying entire data files, sample data, and surveying end-users impressions of data quality. Data cleansing (or data scrubbing) techniques can be used to correct data and enforce consistency among different sets of data.

You can still find older systems that are based on a hierarchical or network data model. The hierarchical DBMS is used to model one-to-many relationships, presenting data to users in a treelike structure. Within each record, data elements are organized into pieces of records called segments. To the user, each record looks like an organizational chart with one toplevel segment called the root. An upper segment is connected logically to a lower segment in a parent child relationship. A parent segment can have more than one child, but a child can have only one parent.

Figure 1 shows a hierarchical structure that might be used for a human resources database. The root segment is Employee, which contains basic employee information such as name, address, and identification number. Immediately below it are three child segments: Compensation (containing salary and promotion data), Job Assignments (containing data about job positions and departments), and Benefits (containing data about beneficiaries and benefit options). The Compensation segment has two children below it: Performance Ratings (containing data about employees job performance evaluations) and Salary History (containing historical data about employees past salaries). Below the Benefits segment are child segments for Pension, Life Insurance, and Health, containing data about these benefit plans.

The hierarchical database model looks like an organizational chart or a family tree. It has a single root segment (Employee) connected to lower level segments (Compensation, Job Assignments, and Benefits). Each subordinate segment, in turn, may connect to other subordinate segments. Here, Compensation connects to Performance Ratings and Salary History. Benefits connects to Pension, Life Insurance, and Health. Each subordinate segment is the child of the segment directly above it.

Whereas hierarchical structures depict one-to-many relationships, network DBMS depict data logically as many-to-many relationships. In other words, parents can have multiple children, and a child can have more than one parent. A typical many-to-many relationship for a network DBMS is the student course relationship (see Figure 2). There are many courses in a university and many students. A student takes many courses, and a course has many students.

Hierarchical and network DBMS are considered outdated and are no longer used for building new database applications. They are much less flexible than relational DBMS and do not support ad hoc, English language like inquiries for information. All paths for accessing data must be specified in advance and cannot be changed without a major programming effort. For instance, if you queried the human resources database illustrated in Figure 1 to find out the names of the employees with the job title of administrative assistant, you would discover that there is no way the system can find the answer in a reasonable amount of time. This path through the data was not specified in advance.

Relational DBMS, in contrast, have much more flexibility in providing data for ad hoc queries, combining information from different sources, and providing capability to add new data and records without disturbing existing programs and applications. However, these systems can be slowed down if they require many accesses to the data stored on disk to carry out the select, join, and project commands. Selecting one part number from among millions, one record at a time, can take a long time. Of course, the database can be tuned to speed up prespecified queries.

Hierarchical DBMS can still be found in large legacy systems that require intensive high-volume transaction processing. Banks, insurance companies, and other high-volume users continue to use reliable hierarchical databases, such as IBM s Information Management System (IMS) developed in 1969. As relational products acquire more muscle, firms will shift away completely from hierarchical DBMS, but this will happen over a long period of time.

This illustration of a network data model showing the relationship the students in a university have to the courses they take represents an example of logical many-to-many relationships.