Oleh :
Kelompok 3
1. Meivi Ulfa Atsilah 1010531016
2. Sisi Defkrian 1610533018
3. Muhammad Nur Faizi 1710532054
JURUSAN AKUNTANSI
FAKULTAS EKONOMI
UNIVERSITAS ANDALAS
TAHUN AJARAN 2019/2020
DESIGNING DATABASE
DATABASE
Database merupakan sumber data utama yang penting untuk dibagikan kepada banyak
pengguna untuk berbagai jenis penggunaan. Inti dari database adalah Database Management
System (DBMS), yang memungkinkan penciptaan, modifikasi, dan memperbarui database,
pengambilan data, dan memperbarui laporan dan menampilkannya. Orang yang menjamin
bahwa database memenuhi tujuannya, disebut database administrator. Tujuan efektivitas
database meliputi:
1. Memastikan bahwa data dapat dibagi diantara pengguna dengan berbagai aplikasi
2. Menjaga data akurat dan konsisten
3. Memastikan bahwa semua data yang dibutuhkan pada aplikasi saat ini dan masa
datang akan tersedia
4. Memungkinkan database berkembang sesuai dengan pertumbuhan pengguna
5. Memungkinkan pengguna untuk membangun pandangan pribadi terhadap data tanpa
memperdulikan bagaimana data itu disimpan secara fisik
Daftar tujuan tersebut mengingatkan kita akan keuntungan dan kerugian pendekatan
database. Pertama, berbagi data berarti hanya perlu disimpan satu kali. Hal ini membantu
mencapai integritas data, karena perubahan data dilakukan lebih mudah dan andal jika data
muncul sekali daripada di banyak file yang berbeda.
Bila pengguna membutuhkan data tertentu, database yang dirancang dengan baik
mengantisipasi kebutuhan akan data semacam itu (atau mungkin sudah digunakan untuk
aplikasi lain). Akibatnya, data memiliki kemungkinan lebih tinggi untuk tersedia dalam
database daripada di sistem konvensional. Database yang dirancang dengan baik juga bisa
lebih fleksibel daripada file terpisah. Artinya, database bisa berkembang seiring kebutuhan
pengguna dan perubahan aplikasi.
Akhirnya, pendekatan database memiliki keuntungan yang memungkinkan pengguna
untuk memiliki pandangan mereka terhadap data tersebut. Pengguna tidak perlu khawatir
dengan struktuk sebenarnya dari database atau penyimpanan fisiknya.
Banyak pengguna mengekstrak sebagian database pusat dari mainframe dan
mendownloadnya ke PC atau perangkat genggam. Database yang lebih kecil ini kemudian
digunakan untuk menghasilkan laporan atau menjawab pertanyaan yang spesifik untuk
pengguna akhir.
Database relasional untuk PC telah meningkat secara dramatis dalam beberapa tahun
terakhir. Salah satu perubahan teknologi utama adalah perancangan perangkat lunak basis
data yang memanfaatkan GUI. Dengan munculnya program seperti Microsoft Access,
pengguna dapat menarik dan melepas bidang antara dua atau lebih tabel. Mengembangkan
database relasional dengan alat ini telah dibuat relatif mudah.
KONSEP DATA
Realitas, Data, dan Metadata
Hubungan antara realitas, data, dan metadata digambarkan pada Gambar 13.1. Dalam
lingkup realitas adalah entitas dan atribut; dalam bidang data aktual yang merekam kejadian
dan data item kejadian; dan dalam bidang metadata yang merekam definisi dan data item
definisi. Makna istilah-istilah ini dibahas dalam subbagian berikutnya.
Entities. Setiap objek atau peristiwa yang dipilih seseorang untuk mengumpulkan data
adalah entitas. Entitas mungkin adalah orang, tempat, atau benda (misalnya, wiraniaga, kota,
atau produk). Setiap entitas juga bisa menjadi acara atau unit waktu seperti kerusakan mesin,
penjualan, atau bulan atau tahun. Selain entitas yang dibahas di Bab 2 adalah entitas kecil
tambahan yang disebut subtipe entitas. Simbolnya adalah persegi panjang yang lebih kecil di
dalam persegi panjang entitas.
Subtipe entitas adalah hubungan satu-ke-satu khusus yang digunakan untuk mewakili
atribut tambahan (bidang) entitas lain yang mungkin tidak ada pada setiap record entitas
pertama. Entity subtipe menghilangkan situasi di mana entitas mungkin memiliki bidang null
yang tersimpan pada tabel database.
Contohnya adalah entitas utama pelanggan. Pelanggan pilihan mungkin memiliki
bidang khusus yang berisi informasi diskon, dan informasi ini akan berada dalam subtipe
entitas. Contoh lainnya adalah siswa yang magang. STUDENT MASTER tidak harus berisi
informasi tentang magang untuk setiap siswa, karena mungkin hanya sejumlah kecil siswa
yang magang.
Hubungan. Hubungan adalah asosiasi antar entitas (terkadang disebut sebagai asosiasi
data). Gambar 13.2 adalah diagram hubungan entitas (E-R) yang menunjukkan berbagai jenis
hubungan.
Bila garis lurus menghubungkan dua entitas biasa dan ujung garis keduanya ditandai
dengan dua tanda pendek (||), ada hubungan satu-ke-satu. Setelah itu Anda akan melihat kaki
gagak dengan tanda pendek (|); Ketika notasi ini menghubungkan entitas, ini menunjukkan
hubungan satu lawan satu atau satu sama lain-ke banyak (ke satu atau lebih).
Entitas terkait dengan garis lurus ditambah tanda pendek (|) dan angka nol (yang
terlihat lebih mirip lingkaran, O) menggambarkan hubungan satu lawan nol atau satu lawan
satu (hanya nol atau satu). Jenis keempat dari link untuk entitas terkait digambar dengan garis
lurus yang ditandai di akhir dengan nol (O) diikuti oleh kaki gagak. Jenis ini menunjukkan
hubungan nol sampai nol, nol-ke-satu, atau nol-ke-banyak. Akhirnya, sebuah garis lurus yang
menghubungkan entitas dengan kaki gagak pada akhirnya menggambarkan hubungan dengan
lebih dari satu.
Entitas mungkin memiliki hubungan yang menghubungkannya dengan dirinya sendiri.
Jenis hubungan ini disebut hubungan self-join; Implikasinya adalah bahwa harus ada cara
untuk menghubungkan satu record ke file lain ke file yang sama. Contoh hubungan self-join
dapat ditemukan pada simulasi HyperCase yang ditemukan di seluruh bab ini. Atask mungkin
memiliki tugas preseden (yaitu, yang harus diselesaikan sebelum memulai tugas saat ini).
Dalam situasi ini, satu catatan (tugas saat ini) mengarah ke rekaman lain (tugas preseden)
dalam file yang sama.
Contoh Entitas-Hubungan. Diagram hubungan entitas yang berisi banyak entitas, banyak
jenis hubungan, dan banyak atribut ditampilkan pada Gambar 13.4. Dalam diagram E-R ini, kami
prihatin dengan sistem penagihan, dan khususnya dengan bagian resep dari sistem.
Kunci. Kunci adalah salah satu item data dalam catatan yang digunakan untuk
mengidentifikasi rekaman. Bila kunci mengidentifikasi catatan secara unik, itu disebut
primary key. Misalnya, ORDER- # bisa menjadi primary key karena hanya satu nomor yang
ditugaskan ke setiap pesanan pelanggan. Dengan cara ini, kunci utama mengidentifikasi
entitas dunia nyata (pesanan pelanggan).
Contoh kunci utama berdasarkan data adalah menggunakan singkatan negara untuk
nama negara atau kode bagasi maskapai penerbangan untuk nama bandara. Atribut atau
kumpulan atribut yang dapat berfungsi sebagai primary key disebut candidate key. Kunci
utama juga harus minimal dan tidak mengandung atribut tambahan daripada yang diperlukan
untuk mengidentifikasi rekaman.
Kunci disebut kunci sekunder jika tidak dapat mengidentifikasi rekaman secara unik.
Kunci sekunder mungkin unik atau mungkin mengidentifikasi banyak catatan dalam database.
Kunci sekunder dapat digunakan untuk memilih sekelompok catatan yang termasuk dalam
satu himpunan.
Metadata. Metadata adalah data tentang data dalam file atau database. Metadata
menggambarkan nama yang diberikan dan panjang yang ditetapkan untuk setiap item data.
Metadata juga menggambarkan panjang dan komposisi masing-masing catatan.
Gambar 13.7 adalah contoh metadata untuk database untuk beberapa perangkat lunak
generik. Panjang setiap item data ditunjukkan sesuai dengan konvensi, di mana 7.2 berarti
bahwa tujuh ruang dicadangkan untuk nomor tersebut, dua di antaranya berada di sebelah
kanan titik desimal. Huruf N menandakan "numerik," dan Astands untuk "alfanumerik." D
adalah singkatan dari "tanggal" dan secara otomatis berbentuk MM / DD / YYYY. Beberapa
program, seperti Microsoft Access, menggunakan bahasa Inggris sederhana untuk metadata,
jadi kata-kata seperti teks, mata uang, dan nomor digunakan. Microsoft Access menyediakan
default 50 karakter sebagai panjang bidang untuk nama, yang bagus saat bekerja dengan
sistem kecil. Jika, bagaimanapun, Anda bekerja dengan database besar untuk bank atau
perusahaan utilitas, misalnya, Anda tidak ingin mencurahkan banyak ruang ke bidang itu.
Jika tidak, database akan menjadi cukup besar dan penuh dengan ruang terbuang. Saat itulah
Anda bisa menggunakan metadata untuk merencanakan ke depan dan merancang database
yang lebih efisien.
File
Sebuah file berisi kumpulan arsip yang digunakan untuk menyediakan informasi untuk
operasi, perencanaan, manajemen, dan pengambilan keputusan. Jenis file yang digunakan dibahas
terlebih dahulu, disusul dengan deskripsi banyak cara file konvensional bisa diatur.
Jenis File. File dapat digunakan untuk menyimpan data yang diketahui pada server,
biasanya digunakan untuk menyimpan data sementara untuk tujuan tertentu. File induk dan
file tabel digunakan untuk menyimpan data secara langsung. Secara umum, dokumen tersebut
secara kebetulan memuat transposisi, file kerja, atau laporan.
File Master. Berisi catatan untuk sekelompok entitas. Atribut mungkin sering
diperbarui, namun catatannya relatif permanen. File-file ini cenderung memiliki catatan besar
yang berisi semua informasi tentang entitas data. Setiap record biasanya berisi primary key
dan beberapa secondary key.
Sebuah file. tabel berisi data yang digunakan untuk menghitung lebih banyak data
atau ukuran kinerja. Salah satu contohnya adalah tabel tarif prangko yang digunakan untuk
menentukan biaya pengiriman sebuah paket. Contoh lainnya adalah table pajak. File tabel
biasanya hanya dibaca oleh sebuah program.
File transaksi. digunakan untuk memasukkan perubahan yang memperbarui file induk
dan menghasilkan laporan. Misalkan file induk pelanggan surat kabar perlu diperbarui; file
transaksi akan berisi nomor pelanggan, dan kode transaksi seperti E untuk memperpanjang
langganan, C untuk membatalkan berlangganan, atau A untuk perubahan alamat.
Database Relasional
Database dapat diatur dalam beberapa cara. Jenis database yang paling umum adalah
basis data relasional. Database arsitasional disusun dalam tabel yang berarti, yang
meminimalkan pengulangan data, yang pada gilirannya meminimalkan kesalahan dan ruang
penyimpanan.
Pandangan Data Logis Dan Fisik. Database, tidak seperti file, dimaksudkan untuk
digunakan bersama oleh banyak pengguna. Jelas bahwa semua pengguna melihat datanya
dengan cara yang berbeda. Kami mengacu pada cara gambar pengguna dan menggambarkan
data sebagai tampilan pengguna. Masalahnya, bagaimanapun, adalah bahwa pengguna yang
berbeda memiliki pandangan pengguna yang berbeda. Pandangan ini perlu diperiksa oleh
analis sistem, dan keseluruhan model logis dari database dikembangkan. Akhirnya, model
logis dari database harus diubah menjadi desain database fisik yang sesuai. Desain fisik
dilibatkan dengan bagaimana data disimpan dan terkait, serta bagaimana aksesnya.
Struktur Data Relasional, Struktur data relasional terdiri dari satu atau beberapa tabel
twodimensional, yang disebut sebagai relasi. Baris dari tabel mewakili catatan, dan kolom
berisi atribut.
Gambar 13.9 menunjukkan struktur relasional untuk database pemesanan CD musik.
Di sini, tiga tabel diperlukan untuk (1) menjelaskan item dan mencatat harga CD saat ini
(ITEM PRICE), (2) mendeskripsikan rincian pesanan (ORDER), dan (3) mengidentifikasi
status pesanan (STATUS ITEM).
Untuk mengetahui harga sebuah barang, kita perlu mengetahui nomor barang untuk
bisa menemukannya dalam hubungan ITEM PRICE. Untuk mengupdate nomor kartu kredit
G. MacRae, kita bisa mencari relasi ORDER untuk MacRae dan memperbaikinya hanya
sekali, meski ia memesan banyak CD. Untuk mengetahui status bagian dari pesanan, kita
harus mengetahui ITEM- # dan ORDER- #, dan kemudian kita harus menemukan informasi
tersebut dalam relasi ITEM STATUS.
Mempertahankan tabel dalam struktur relasional biasanya cukup sederhana bila
dibandingkan dengan mempertahankan struktur hirarkis atau jaringan. Salah satu keunggulan
utama struktur relasional adalah bahwa query ad hoc ditangani secara efisien.
NORMALISASI
Normalisasi adalah transformasi pandangan pengguna yang kompleks dan
penyimpanan data ke sekumpulan struktur data yang lebih kecil dan stabil. Selain menjadi
sederhana dan lebih stabil, struktur data yang dinormalisasi lebih mudah dipelihara daripada
struktur data lainnya.
Tiga Langkah Normalisasi
Analis menormalkan struktur data dalam tiga tahap, seperti yang ditunjukkan pada
Gambar 13.10. Setiap langkah melibatkan prosedur penting, yang menyederhanakan struktur
data.
Relasi yang berasal dari tampilan pengguna atau penyimpanan data kemungkinan
besar tidak akan dikenali. Tahap pertama dari proses ini mencakup menghapus semua
kelompok yang berulang dan mengidentifikasi kunci utama. Untuk melakukannya, relasi
perlu dipecah menjadi dua atau lebih relasi. Pada titik ini, hubungan mungkin sudah
merupakan bentuk normal ketiga, namun kemungkinan lebih banyak langkah akan diperlukan
untuk mengubah hubungan ke bentuk normal ketiga.
Langkah kedua memastikan bahwa semua atribut nonkey sepenuhnya bergantung
pada primary key. Semua dependensi parsial dihapus dan ditempatkan dalam relasi lain.
Langkah ketiga menghilangkan ketergantungan transitif. Ketergantungan atransitif
adalah satu di mana atribut nonkey bergantung pada atribut nonkey lainnya.
Contoh Normalisasi
Gambar 13.11 adalah tampilan pengguna untuk Perusahaan Peralatan Hidro Al S.
Well. Laporan tersebut menunjukkan (1) SALESPERSON-NUMBER, (2) SALESPERSON-
NAME, dan (3) SALES-AREA. Badan laporan menunjukkan (4) PELANGGAN-NOMOR
dan (5) NAMA PELANGGAN. Selanjutnya adalah (6) WAREHOUSE-NUMBER yang akan
melayani pelanggan, diikuti oleh (7) WAREHOUSELOCATION, yang merupakan kota
tempat perusahaan berada. Informasi terakhir yang terdapat dalam tampilan pengguna adalah
(8) SALES-AMOUNT. Baris (satu untuk setiap pelanggan) pada tampilan pengguna
menunjukkan bahwa item 4 sampai 8 membentuk grup yang berulang.
Jika analis menggunakan pendekatan data flow / data dictionary, informasi yang sama
di tampilan pengguna akan muncul dalam struktur data. Gambar 13.12 menunjukkan
bagaimana struktur data akan muncul pada tahap kamus data analisis. Kelompok berulang
juga ditunjukkan dalam struktur data dengan tanda bintang (*) dan lekukan.
Sebelum melanjutkan, perhatikan asosiasi data elemen data pada Gambar 13.13. Jenis
ilustrasi ini disebut diagram gelembung atau diagram model data. Setiap entitas tertutup
dalam elips, dan panah digunakan untuk menunjukkan hubungan. Meskipun dimungkinkan
untuk menarik hubungan ini dengan diagram E-R, terkadang lebih mudah untuk
menggunakan diagram gelembung yang lebih sederhana untuk memodelkan data.
Hubungan Customer-Warehouse berada dalam bentuk normal kedua. Itu masih dapat
disederhanakan lebih lanjut karena ada dependensi tambahan dalam hubungan. Beberapa
attribut non key tidak hanya bergantung pada primary key, tetapi juga pada attribut non key.
Ketergantungan ini disebut sebagai ketergantungan transitif.
Figure di atas menunjukan dependensi dalam hubungan Customer-Warehouse. Untuk
hubungan menjadi bentuk normal kedua, semua attribut harus bergantung pada primary key
Customer-Number, seperti yang ditunjukan pada diagram. Warehouse-Location tergantung
pada Warehouse-Number.
Menormalkan hubungan adalah dalam bentuk normal ketiga jika semua attribut non
key sepenuhnua fungsional tergantung primary key dan tidak ada transitif (non key)
dependensi. Seperti langkah-langkah sebelumya, itu memungkinkan untuk memecah
hubungan Customer-Warehouse dalam dua hubungan. Dua hubungan tersebut adalah
pelanggan dan gudang.
Primary key untuk hubungan pelanggan adalah Customer-Number, dan primary key
untuk hubungan pelanggan adalah Warehouse-Number. Tambahan untuk primary key dapat
digunakan untuk mengidentifikasi Warehouse-Number untuk menjadi Foreign Key. Foreign
key adalah attribut apapun yang non key nya dalam satu hubungan, tetapi primary key nya
dalam hubungan lain. Kita merancang Warehouse-Number sebagai Foreign Key yang notasi
sebelumnya dalam figure digaris bawahi dengan garis putus-putus. Akhirnya hubungan
Sales-Report yang tidak normal telah berubah menjadi empat hubungan 3NF. Keempat
hubungan Sales-Report tersebut adalah :
Bentuk normal ketiga cukup untuk masalah desain database. Penyederhanaan
diperoleh dari transformasi hubungan yang tidak normal ke dalam satu set hubungan 3NF
adalah keuntungan yang luar biasa ketika tiba saatnya untuk memasukkan, menghapus, dan
memperbaharui informasi dalam database.
Diagram E-R dapat digunakan untuk menentukan kunci yang diperlukan untuk
catatan atau hubungan database. Langkah pertama untuk membuat E-R diagram dan Label
Kunci yang unik untuk setiap entitas data.
One to Many Relationship adalah jenis hubungan yang paling umum dari hubungan,
sejak semua Many to Many Relationship harus dipecah menjadi dua hubungan One to Many
Relationship. Ketika hubungan One to Many Relationship terjadi, tempat primary key pada
tabel diakhir satu hubungan foreign key pada tabel diakhir banyak hubungan. Sebagai contoh,
sejak banyak pelanggan mungkin memiliki banyak pesanan, tempat Customer-Number
berada di Order-Record.
Desain untuk halaman WEB, Display, atau Report itu mencakup informasi dari hanya
satu Record dari banyak hubungan, bersama dengan informasi dari akhir hubungan, itu
sangat mudah untuk membangunnya. Display tidak akan memiliki informasi yang berulang.
Contohnya penyelidikan pesanan menggunakan nomor pesanan untuk mencari pesanan
tunggal. Sejak pesanan untuk satu customer hasilnya bisa menjadi bidang dari pesanan dan
customer tunggal.
Merancang kebalikan ini lebih sulit, sejak tabel pada akhir satu hubungan mungkin
memiliki banyak Record untuk akhir banyak. Ini diimplementasikan dalam berbagai cara.
Untuk Display yang sederhana, informasi dari ujung ditampilkan dengan nomor group
informasi yang berulang dari akhir hubungan yang banyak.
Ketika Many to Many Relationship, tabel yang diperlukan yaitu untuk entitas data dan
untuk relation. Contohnya entitas item dan order yang memiliki hubungan many to many.
Primary key kesatuan data disimpan sebagai foreign key di tabel relasi. Tabel relasi mungkin
hanya berisi primary key untuk setiap entitas data atau mungkin berisi data tambahan, seperti
kuantitas item yang dipesan.
PEDOMAN UNTUK DESAIN MASTER FILE/DATABASE RELATIONSHIP
1. Setiap entitas data yang terpisah harus membuat tabel master database. Jangan
menggabungkan dua entitas yang berbeda pada satu file. Contohnya, tabel ITEM
MASTER hanya berisi informasi mengenai item, dan tabel VENDOR MASTER
hanya berisi informasi vendor.
2. Bidang data tertentu harus ada hanya pada satu tabel master. Contohnya, nama
pelanggan hanya ada pada tabel master pelanggan, bukan pada tabel pesanan.
3. Setiap tabel master atau hubungan database harus memiliki program untuk Create,
Read, Update, dan Delete (CRUD).
Integrity Constraint
Integrity Constraint adalah aturan yang mengatur, mengubah dan menghapus record, dan
yang membantu data dalam database akurat. Tiga jenis integrity constraint untuk database
antara lain :
1. Entity Integrity : aturan yang mengatur komposisi primary key. Primary key tidak
bisa tidak memiliki nilai, dan jika primary key adalah gabungan dari key, tak satupun
dari komponen filed key yang tidak memiliki nilai.
2. Referential Integrity : mengatur sifat record dalam one to many relationship. Tabel
yang terhubung ke salah satu akhir dari relationship disebut parent. Referential
integrity berati bahwa semua kunci asing di banyak tabel harus memiliki record yang
cocok dalam tabel parent.
3. Domain Integrity : digunakan untuk memvalidasi data, tabel, batas, jangkauan dan
validasi lainnya.
Anomali
Empat anomali yang dapat terjadi ketika membuat tabel database adalah
1. Data Redudancy : Terjadi ketika data yang sama disimpan di lebih dari satu tempat
dalam database.
2. Insert Anomaly : Terjadi ketika seluruh primary key tidak diketahui dan di database
tidak bisa memasukkan record baru, masalah ini biasanya terjadi ketika primary key
adalah composite key yang mengandung beberapa attribut. Insert Anomali mungkin
dihindari dengan menggunakan urutan nomor untuk primary key.
3. Deletion Anomaly : Terjadi ketika record dihapus, yang akan mengakibatkan
hilangnya data yang terkait. Contoh, item yang memiliki sejumlah penjual, dan item
tersebut merujuk kepada vendor. Jika item tersebut dihapus, tidak ada referensi ke
record vendor.
4. Update Anomaly : Terjadi ketika perubahan nilai attribut, yang akan mengakibatkan
database mengandung data yang tidak konsisten.
MENGGUNAKAN DATABASE
Langkah-langkah dalam mengambil dan menyajikan data
DENORMALIZATION
Salah satu alasan untuk normalisasi adalah untuk mengatur data sehinggan mengurangi redudansi
data. Organisasi memungkinkan analis untuk mengurangi jumlah penyimpanan yang diperlukan.
Langkah-langkah yang dilakukan untuk denormalisasi adalah penggabungan, sortir, dan
meringkas. Denormalisasi adalah proses mengambil model data logis dan mengubahnya menjadi
model fisik yang efisien untuk tugas yang paling sering diperlukan.
Warehouse berbeda dengan database tradisional. Tujuan dari Warehouse adalah untuk mengatur
informasi untuk pertanyaan yang cepat dan efektif. Akibatnya, mereka menyimpan data secara
denormalisasi, tetapi mereka melangkah ke langkah selanjutnya. Warehouse adalah lebih dari
satu database diproses sehingga data diwakili dalam cara yang seragam. Oleh karena itu, data
yang disimpan dalam Warehouse berasal dari berbagai sumber yang berbeda.
1. Data dalam Warehouse teroganisir di sekitar subyek utama daripada transaksi individu.
2. Data dalam Warehouse biasanya disimpan sebagai rangkuman data, sedangkan dalam
database tradisional berupa data mentah.
3. Data dalam Warehouse mencakup kerangka waktu yang jauh lebih lama daripada
database tradisional.
4. Kebanyakan Warehouse disusun untuk pertanyaan yang cepat, sedangkan database
tradisional dinormalisasi dan terstruktur sedemikian rupa dengan menyediakan
efesiensi informasi.
5. Warehouse biasanya dioptimalkan untuk menjawab pertanyaan yang komplek, yang
dikenal sebagai OLAP.
6. Warehouse memungkinkan akses yang mudah melalui software pertambangan data
yang mampu mengidentifikasi hubungan yang tidak dibayangkan oleh para pembuat
keputusan.
7. Warehouse mencakup beberapa database.
8. Warehouse biasanya berisi data dari sumber-sumber luar dan data yang dihasilkan
untuk pengguna internal
Pertama kali diperkenalkan pada tahun 1993 oleh EF Codd, OLAP berguna untuk menjawab
pengambilan keputusan yang kompleks. Codd menyimpulkan bahwa pembuat keputusan
harus melihat data dalam cara yang berbeda-beda. Oleh karena itu, database itu sendiri harus
di multidimensi. Banyak orang menggambarkan OLAP sebagai kubus rubik data. Anda dapat
melihat data dari semua sisi yang berbeda, dan juga dapat memanipulasi data dengan
memutar atau mengubahnya sehingga masuk akal
Data Mining
Data mining dapat mengidentifikasi pola-pola yang tidak mampu dideteksi oleh manusia.
Nama lain dari Data Mining adalah Knowledge Data Discovery (KDD). Beberapa berpikir
bahwa KDD berbeda dari data mining karena KDD dimaksudkan untuk membantu para
pembuat keputusan dalam mencari pola daripada mengubah kontrol algoritma untuk
menemukannya. Untuk membantu pengambilan keputusan disebut siftware, termasuk analisis
statistik, decision trees, neural network, intelligent agents, fuzzy logic, dan data visual.