Tugas Kelompok ke-4

(Minggu 10 / Sesi 14)

2301962710 - Nefty Novia Aritonang
2301963474 – Ivan Nandika Firdaus

1. Sebutkan dan jelaskan bentuk threat dan dampak threat terhadap database!
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!
Jawab :
Bisa. Karena data warehouse merupakan bagian dari database yang digunakan untuk
mendukung pembuatan keputusan, juga merupakan tempat penyimpanan saat ini dan
data historis dari potensi ketertarikan manager seluruh perusahaan. Ada beberapa
kaidah-kaidah yang harus diikuti apabila suatu database akan digunakan menjadi data
warehouse :
a. Load performance : Gudang data membutuhkan pemuatan data baru secara
bertahap dalam jendela waktu yang sempit.
b. Pemrosesan beban : Banyak langkah harus diambil untuk memuat data baru
atau yang diperbarui ke dalam gudang data, termasuk konversi data,
pemfilteran, pemformatan ulang, pemeriksaan integritas, penyimpanan fisik,
pengindeksan, dan pembaruan metadata.
c. 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.
d. Performa query : Manajemen berbasis fakta dan analisis ad hoc tidak boleh
diperlambat atau dihambat oleh kinerja DBMS data warehouse.
e. 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.
f. Skalabilitas pengguna massal : Pemikiran saat ini adalah bahwa akses ke
data warehouse terbatas pada jumlah pengguna manajerial yang relatif rendah.

ISYS6513 - Database System and Management

 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.
g. Gudang data jaringan (Network Data warehouse) : Sistem data warehouse
harus mampu bekerja sama dalam jaringan gudang data yang lebih besar.
h. 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.
i. 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.
j. Fungsionalitas permintaan lanjutan : Pengguna akhir membutuhkan
perhitungan analitik lanjutan, analisis sekuensial dan komparatif, dan akses
yang konsisten ke data terperinci dan terangkum.
Sumber : Lecture Notes, Week 10.

4. Sebutkan dan jelaskan operasi pada data mining!

Jawab :
Operasi pada data mining

 Predictive Modelling, menggunakan generalisasi dari "dunia nyata" dan

kemampuan untuk memasukkan data baru ke dalam kerangka umum. Pemodelan ini
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, digunakan untuk menetapkan kelas yang telah ditentukan khusus
untuk setiap catatan dalam database dari sejumlah nilai kelas yang terbatas.
Memiliki dua spesialisasi yaitu induksi pohon dan induksi saraf.
- Prediksi nilai, digunakan untuk memperkirakan nilai numerik kontinu yang
dikaitkan dengan catatan database. Teknik ini sudah mapan sehingga mudah
digunakan dan dimengerti.

ISYS6513 - Database System and Management

  Data Segmentation, menggunakan pembelajaran tanpa pengawasan untuk
menemukan subpopulasi homogen dalam database untuk meningkatkan akurasi
profil. Tujuan dari segmentasi data ini yakni untuk mempartisi basis data ke dalam
sejumlah segmen yang tidak diketahui, atau kelompok, dari catatan yang serupa.
Segmentasi basis data dikaitkan dengan teknik pengelompokan demografis atau
neural.
 Link analysis, bertujuan untuk membuat tautan, yang disebut asosiasi, antara
catatan individual, atau kumpulan catatan, dalam database. Link Analysis memiliki
tiga spesialisasi yaitu :
- Penemuan asosiasi (associations discovery), menemukan item yang
menyiratkan keberadaan item lain dalam acara yang sama.
- Penemuan pola sekuensial (sequential pattern discovery), menemukan pola
antara suatu peristiwa s sehingga keberadaan satu set item diikuti oleh set item
lainnya dalam periode waktu tertentu.
- Penemuan urutan waktu yang serupa (similar time sequence discovery),
penemuan hubungan antara dua set data yang bergantung pada waktu.

 Deviation detection, teknik ini mengidentifikasi outlier, yang mengekspresikan

penyimpangan dari beberapa harapan dan norma yang sebelumnya diketahui.
Operasi tersebut dapat dilakukan dengan menggunakan statistik dan teknik
visualisasi atau sebagai produk sampingan dari data mining.

Sumber :
Lecturer Notes Week 10 - Data Warehousing Concept And Data Mining

***

ISYS6513 - Database System and Management

ISYS6513 - Database System and Management