Anda di halaman 1dari 5

Tugas Kelompok ke-4

(Minggu 10 / Sesi 14)

1. Sebutkan dan jelaskan bentuk threat dan dampak threat terhadap database!
Jawaban:
 Interruption adalah upaya pencegahan data untuk sampai ke tujuan. Hal ini
bisa dilakukan dengan merusak perangkat keras yang digunakan dalam
komunikasi data atau memutus jaringan komunikasi data. Contoh paling
umum jenis ancaman ini adalah Denial of Service Attackts atau (DOS) yaitu
jenis serangan terhadap sebuah komputer atau server di dalam jaringan
internet dengan cara menghabiskan sumber (resource) yang dimiliki oleh
komputer tersebut sampai komputer tersebut tidak dapat menjalankan
fungsinya dengan benar.
 Interception adalah upaya membelokkan data pada saat komukasi data
terjadi. Hal ini menyebabkan pihak yang seharusnya tidak memiliki akses
terhadap sebuah data menjadi dapat mengakses data tersebut. Contoh jenis
serangan ini antara lain wiretapping, menyalin file tanpa ijin.
 Modification adalah merubah data tanpa sepengetahuan pemilik data. Di sini
pihak yang tidak memiliki otorisasi atas sebuah data, tidak hanya dapat
melihat data tersebut, namun juga dapat mengubah isi dari data. Contohnya
mengubah pesan yang sedang dikirim dalam sebuah jaringan, mengubah data
dalam sebuah file, maupun mengubah program sehingga menghasilkan data
yang berbeda dari biasanya.
 Fabrication adalah serangan yang mengirimkan data palsu ke dalam sistem.
Data palsu ini dibuat sedemikian sehingga mirip dengan data asli. Contohnya
seorang meniru tampilan sebuah website X dan kemudian menyebarkannya ke
publik untuk mencuri data - data pengguna website X.

2. Pilihlah 3 hal yang akan anda kerjakan yang menurut anda penting dalam security
database proxy, firewall, digital signature, digital certified, Kerberos, socket dan lock
htttp, secure transaction technology, java security, active x technology! Jelaskan
artinya, mengapa memilih hal tersebut yang harus anda kerjakan?
3. Bisakah database menjadi data warehouse? Jelaskan jawaban Anda!
Jawaban:
Bisa. Karena data warehouse adalah jenis database yang mengumpulkan data

ISYS6513 - Database System and Management


dari berbagai sumber atau bisa disebut seperti multiverse. Data warehouse bisa
disebut satu tempat untuk menyatukan data dari berbagai sumber data untuk
memenuhi kebutuhan sekelompok pengguna tertentu.
Perbedaanya yaitu sebagian besar database menggunakan struktur data yang
dinormalisasi, yang berarti menata ulang data sehingga tidak mengandung data yang
berlebihan, dan semua item data terkait disimpan bersama, dengan data terkait
dipisahkan menjadi beberapa table

Sedangkan datawarehouse biasanya menggunakan struktur data terdenormalisasi – ia


menggunakan lebih sedikit tabel karena mengelompokkan data dan tidak
mengecualikan redudansi data:

ISYS6513 - Database System and Management


Data warehouse mengumpulkan data dari berbagai sumber (termasuk database) dalam
suatu organisasi untuk pelaporan dan analisis. Laporan yang dibuat dari kueri yang
kompleks dalam data warehouse digunakan untuk membuat keputusan bisnis.
Data warehouse dibangun untuk menyimpan sejumlah besar data historis dan
memungkinkan permintaan yang cepat dan kompleks di semua data, biasanya
menggunakan Online Analytical Processing (OLAP).
Database dibangun untuk menyimpan transaksi saat ini dan memungkinkan akses
cepat ke transaksi spesifik untuk proses bisnis yang sedang berlangsung, yang dikenal
sebagai Online Transaction Processing (OLTP).
Sumber: https://www.quora.com/What-is-the-difference-between-a-database-and-adata-
warehouse

4. Sebutkan dan jelaskan operasi pada data mining!


Jawaban:
 Pemodelan prediktif (Predictive Modelling)
Pendekatan ini menggunakan generalisasi dari "dunia nyata" dan kemampuan
untuk memasukkan data baru ke dalam kerangka umum. Pemodelan prediktif
dapat digunakan untuk menganalisis database yang ada untuk menentukan
beberapa karakteristik penting (model) tentang kumpulan data. Ada dua teknik
yang terkait dengan pemodelan prediktif: klasifikasi dan prediksi nilai, yang
dibedakan berdasarkan sifat variabel yang diprediksi.
Klasifikasi : digunakan untuk menetapkan kelas yang telah ditentukan
khusus untuk setiap catatan dalam database dari sejumlah nilai kelas
yang terbatas. Ada dua spesialisasi klasifikasi yaitu induksi pohon dan
induksi saraf.
Prediksi nilai : digunakan untuk memperkirakan nilai numerik kontinu
yang dikaitkan dengan catatan database. Teknik ini menggunakan
teknik statistik tradisional regresi linier dan regresi nonlinier.
 Segmentasi data (Data segmentation)
Tujuan dari segmentasi basis data adalah untuk mempartisi basis data ke
dalam sejumlah segmen yang tidak diketahui, atau kelompok, dari catatan
yang serupa, yaitu catatan yang berbagi sejumlah properti dan karenanya
dianggap homogen. Pendekatan ini menggunakan pembelajaran tanpa
pengawasan untuk menemukan subpopulasi homogen dalam database untuk
meningkatkan akurasi profil. Aplikasi segmentasi basis data meliputi profil
pelanggan, pemasaran langsung, dan cross-selling. Segmentasi basis data

ISYS6513 - Database System and Management


dikaitkan dengan teknik pengelompokan demografis atau neural, yang
dibedakan oleh input data yang diijinkan, metode yang digunakan untuk
menghitung jarak antar catatan, dan penyajian segmen yang dihasilkan untuk
analisis.
 Analisis tautan (Link analysis)
Analisis tautan bertujuan untuk membuat tautan, yang disebut asosiasi, antara
catatan individual, atau kumpulan catatan, dalam database. Ada tiga
spesialisasi link analysis: penemuan asosiasi (associations discovery),
penemuan pola sekuensial (sequential pattern discovery), dan penemuan
urutan waktu yang serupa (similar time sequence discovery). Penemuan
asosiasi menemukan item yang menyiratkan keberadaan item lain dalam acara
yang sama. Afinitas antar item diwakili oleh aturan asosiasi. Aplikasi analisis
tautan meliputi analisis afinitas produk, pemasaran langsung, dan pergerakan
harga saham.
 Deteksi penyimpangan (Deviation detection)
Merupakan teknik yang relatif baru dalam hal alat data mining yang tersedia
secara komersial. Deteksi deviasi sering menjadi sumber penemuan sejati
karena mengidentifikasi outlier, yang mengekspresikan penyimpangan dari
beberapa harapan dan norma yang sebelumnya diketahui. Operasi ini dapat
dilakukan dengan menggunakan statistik dan teknik visualisasi atau sebagai
produk sampingan dari data mining. Sebagai contoh, regresi linier
memfasilitasi identifikasi pencilan dalam data, dan teknik visualisasi modern
menampilkan ringkasan dan representasi grafis yang membuat penyimpangan
mudah dideteksi.
Sumber: LN10-Data Warehousing Concept and Data Mining

***

ISYS6513 - Database System and Management


ISYS6513 - Database System and Management