Tugas Kelompok ke-4

(Minggu 10 / Sesi 14)

1. Sebutkan dan jelaskan bentuk threat dan dampak threat terhadap database!
Jawaban :
Bebeapa ncaman yang mungkin terjadi terhadap databases meliputi hal berikut :
 Penggunaan database dengan orang-orang luar.
o Dampak yang terjadi adalah kehingan data penting, kerusakan struktur
database, perubahan data.
 Virus atau malware yang menyerang database.
o Dampak yang terjadi adalah kebocoran data ke pihak yang tidak
bbertanggung jawab.
 Bencana alam dan hal yang tidak terguda terjadi.
o Hal tersebut tidak dapat diprediksi kapan datangnya dan dampak yang
terjadi adalah kerusakan fisik dari database itu sendiri.
 Kerusakan yang terjadi karena kelalaian manusia atau sistem.
o Kesalahan ini juga berdampak bagi databases yaitu bisa saja terjadi
kesalahan perubahan atau penghapusan data.
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?
Jawaban :

3. Bisakah database menjadi data warehouse? Jelaskan jawaban Anda!

Jawaban :
Database bisa menjadi data warehouse. Karena sejatinya data ware house merupakan
bagian yang tak bisa terpisahkan dengan database. Untuk dapat menjdi data ware
house, suatu database harus mengikuti kaidah-kaidah berikut ini :
1. Load performance : Gudang data membutuhkan pemuatan data baru secara
bertahap dalam jendela waktu yang sempit. Kinerja proses pemuatan harus
diukur dalam ratusan juta baris atau gigabita data per jam dan tidak boleh ada
batas maksimum yang menghambat bisnis.
2. Pemrosesan beban : Banyak langkah harus diambil untuk memuat data baru
atau yang diperbarui ke dalam gudang data, termasuk konversi data,

ISYS6513 - Database System and Management

 pemfilteran, pemformatan ulang, pemeriksaan integritas, penyimpanan fisik,
pengindeksan, dan pembaruan metadata.
3. Manajemen kualitas data : Pergeseran ke manajemen berbasis fakta menuntut
kualitas data tertinggi. Gudang harus memastikan konsistensi lokal,
konsistensi global, dan integritas referensial terlepas dari sumber yang "kotor"
dan ukuran basis data yang besar.
4. Performa query : Manajemen berbasis fakta dan analisis ad hoc tidak boleh
diperlambat atau dihambat oleh kinerja DBMS data warehouse.
5. Skalabilitas terabyte : Ukuran data warehouse tumbuh dengan laju yang luar
biasa dengan ukuran yang umumnya berkisar dari ukuran terabyte (1012 byte)
hingga ukuran petabyte (1015 byte). DBMS tidak boleh memiliki batasan
arsitektur untuk ukuran database dan harus mendukung manajemen modular
dan paralel.
6. Skalabilitas pengguna massal : Pemikiran saat ini adalah bahwa akses ke data
warehouse terbatas pada jumlah pengguna manajerial yang relatif rendah. Ini
tidak mungkin tetap benar karena nilai gudang data direalisasikan. Diprediksi
bahwa data warehouse DBMS harus mampu mendukung ratusan, atau bahkan
ribuan, pengguna bersamaan sambil mempertahankan kinerja permintaan yang
dapat diterima.
7. Gudang data jaringan (Network Data warehouse) : Sistem data warehouse
harus mampu bekerja sama dalam jaringan gudang data yang lebih besar.
8. Administrasi warehouse : Sifat data warehouse yang berskala sangat besar dan
bersiklus waktu menuntut kemudahan dan fleksibilitas administratif. DBMS
harus menyediakan kontrol untuk menerapkan batas sumber daya, akuntansi
tolak bayar untuk mengalokasikan biaya kembali kepada pengguna, dan
meminta prioritas untuk memenuhi kebutuhan berbagai kelas dan aktivitas
pengguna.
9. Analisis dimensi terintegrasi : Kekuatan pandangan multidimensi diterima
secara luas, dan dukungan dimensi harus melekat dalam DBMS warehouse
untuk memberikan kinerja tertinggi untuk alat OLAP relasional.
10. Fungsionalitas permintaan lanjutan : Pengguna akhir membutuhkan
perhitungan analitik lanjutan, analisis sekuensial dan komparatif, dan akses
yang konsisten ke data terperinci dan terangkum.
<Lecture Notes, Week 10, Hal. 11-13>

4. Sebutkan dan jelaskan operasi pada data mining!

ISYS6513 - Database System and Management

Jawaban :
Operasi pada data mining :
a. Predictive Modelling : Pemodelan prediktif mirip dengan pengalaman belajar
manusia dalam menggunakan pengamatan untuk membentuk model
karakteristik penting dari beberapa fenomena. 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.
b. Data segmentation (Segmentasi data) : 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.
c. 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).
d. Deviation detection : Deteksi penyimpangan adalah teknik yang relatif baru
dalam hal alat data mining yang tersedia secara komersial. Namun, deteksi
deviasi sering menjadi sumber penemuan sejati, karena mengidentifikasi
outlier, yang mengekspresikan penyimpangan dari beberapa harapan dan
norma yang sebelumnya diketahui.
<Lecture Notes Week 10, Hal. 20-22>
***

ISYS6513 - Database System and Management