UNIVERSITAS PAKUAN

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

PROGRAM STUDI ILMU KOMPUTER
Jl. Pakuan, P.O Box 452, Bogor, Jawa Barat | Telepon : 0251-8363419
http://ilkom.unpak.ac.id email: ilkom@unpak.ac.id

UJIAN AKHIR SEMESTER GANJIL

TAHUN AKADEMIK 2020/2021
Mata Kuliah : Basis Data
Program Studi : Ilmu Komputer
Dosen Penguji : Dr. Tjut Awaliyah Z., M.Kom.
Semester : 3B
Hari / Tanggal : Rabu, 14 januari 2021
Waktu : 13 : 20 – 14 : 50

Nama : Didi Damhuri NPM : 065119044

Membuat tabe mahasiwa dan tabel kuliah berikut primary keynya?

Tampilkan nim, nama_mhs, nama_kuliah dan yang nilai struktur datanya A?

Tambahkan 2 buah record baru ke tabel mahasiswa?

Update sks pada tabel kuliah pemrograman menjadi 4 sks?

Tampilkan banyaknya record dan total sks untuk matakuliah persemester?

Tampilkan banyaknya mahasiswa angkatan 2010 (2 digit pertama dalam nim)?

Tampilkan banyaknya record tabel_mahasiswa ?

Tampilkan nama_dosen yang mengajar basis data?

 Tampilkan nama_mahasiswa yang diawali dengan huruf A?

Urutkan nilai-mahasiswa dari besar ke kecil?

2. a. Masalah Kehilangan modifikasi

Transaksi A membaca (retrieve) record r pada waktu t1

- Transakasi B membaca record r pada waktu t2
- Transakasi A meng-update record r (bedasarkan nilai pada waktu t1) pada waktu t3
- Transakasi B meng-update record r (bedasarkan nilai pada waktu t2,yang sama dengan nilai
pada waktu t1) pada waktu 4
Hasilnya, update yang dilakukan oleh transaksi A akan hilang pada waktu t4 karena tertimpa
oleh update transaksi B (yang tidak melihat hasil update transaksi A)

b. Masalah Modifikasi Sementara

proses transaksi A melihat suatu update yang belum committed pada waktu t2. Update tersebut
kemudian dibatalkan pada waktu t3. Dengan demikian transaksi A berjalan atas dasar asumsi
yang salah (yaitu asumsi bahwa record r mempunyai nilai seperti pada waktu t2, padahal tidak)

c. Masalah Analisa yang tidak konsisten

Transaksi A menjumlahkan total saldo pada rekening-rekening yang telah dibaca, sedangkan
transaksi B mentransfer 10 dari rekening 3 ke rekening 1. Hasil dari transaksi A yaitu 110 adalah
salah. Jika meneruskan prosesnya dengan menuliskan hasil pada basis data, akibatnya basis data
akan berada dalam status inkonsisten. Dikatakan bahwa transaksi A telah melihat status
inkonsisten dari basis data sehingga melakukan analisis yang inkonsisten.
3. Data Mining

a. Big data adalah data tentang banyak hal yang terkumpul dalam volume berukuran sangat
besar dengan kecepatan yang cepat. Big data dapat dianalisa dan diolah untuk keperluan
pengambilan keputusan (desicion making), strategi bisnis, dan prediksi bisnis. Contohnya adalah
Sistem Informasi Pertanian, Sistem Informasi Kesehatan, Sistem Informasi Bencana, Sistem
Informasi Bahasa.

b. Volume

Artinya sekumpulan data dalam jumlah dan volume yang sangat besar dan kadang tidak
terstruktur. Contohnya feed Twitter, feed Istagram, data teks chat dan status Whatsapp, alur klik
user dari halaman web. Arus data-data tersebut bisa berukuran hingga ribuan Terrabyte (TB) per
detiknya.

Velocity

Data dapat diakses dengan kecepatan yang sangat cepat sehingga dapat langsung digunakan pada
detik itu juga. Sejak era cloud storage dan cloud computing berkembang beberapa tahun terakhir,
pengguna internet sudah merasakan fasilitas kecepatan akses data ini. Salah satu buktinya antara
lain, adanya sistem operasi online berbasis Microsoft Silverlight, aplikasi perkantoran (office)
berbasis web seperti Office365,

Variety

Artinya memuat beragam jenis file, baik yang terstruktur maupun yang tidak terstruktur. Analisis
terhadap data yang tidak terstruktur akan memerlukan algoritma yang agak berbeda, seperti data
teks, gambar, suara, dan video. Misalnya di dalam data MP3 terdapat IDv1 dan IDv2 tag, di
dalam data JPEG terdapat data jenis kamera yang digunakan, di dalam data PDF terdapat nama
aplikasi pembuatnya, dan masih banyak lagi.

Veracity (Kejujuran)

Karakter veracity mengarah kepada seberapa akurat dan dapat dipercaya suatu data. Melanjutkan
satu contoh di poin value di atas, bisa jadi di dalam file MP3 tersebut IDv1 tag-nya sudah
dimodif sehingga keaslian file MP3 tersebut dipertanyakan, perubahan IDv1 tag tersebut bisa
jadi karena hasil output aplikasi pengolah suara atau converter file MP3.

c. OLTP

Online Transaction Processing atau sering dikenal dengan OLTP adalah sistem yang berorientasi
proses yang memproses transaksi secara langsung melalui komputer yang terhubung dalam
jaringan. Misalnya biasa digunakan pada sebuah supermarket, kasir menggunakan mesin dalam
proses transaksinya. OLTP mempunyai karakteristik beberapa user dapat creating, updating,
retrieving untuk setiap record data, OLTP sangat optimal untuk updating data.

OLAP
Online Analytical Processing, atau disingkat OLAP adalah metode pendekatan untuk menyajikan
jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat, yaitu desain dari
aplikasi dan teknologi yang dapat mengoleksi, menyimpan, memanipulasi suatu data
multidimensi untuk tujuan analis.

ETL

Proses ETL merupakan suatu landasan dari sebuah data warehouse. Sebuah rancangan ETL
yang benar akan mengekstraksi data dari sistem sumber, mempertahankan kualitas data dan
menerapkan aturan-aturan standar, dan menyajikan data dalam berbagai bentuk, sehingga dapat
digunakan dalam proses pengambilan keputusan. Proses ETL merupakan sebuah urutan dari
tahapan yang dimulai dari sourcing data (src) lalu data di-transform melalui proses look-up bulk
data (lkpbld) dan transform (xfm).

Data Warehouse

Adalah sebuah database yang mengandung data yang biasanya mewakili sejarah bisnis dari suatu
organisasi. Data Warehouse bicara mengenai bagaimana data-data yang besar dan beragam
disimpan dalam satu repository(gudang data) dan disusun sedemikian sehingga memudahkan
pencarian.

Data Mart

Data mart adalah suatu bagian pada data warehouse yang mendukung pembuatan laporan dan
analisa data pada suatu unit, bagian atau operasi pada suatu perusahaan. Dalam beberapa
implementasi data warehouse, data mart adalah miniature data warehouse. Data mart sering
digunakan untuk memberikan informasi kepada segmen fungsional organisasi.

d. Rapid Miner, DataWatch, Oracle Data Mining, Knime, Orange, Sas Data Mining, Weka,
Xplenty.
4.