LAPORAN PRAKTIKUM

SISTEM DAN TEKNOLOGI INFORMASI

“NORMALISASI”

Nama : Sylvia Savira

NIM : 205100300111106
Kelompok : 18
Asisten : Yessicha Kristina Silitonga

LABORATORIUM KOMPUTASI DAN ANALISIS SISTEM

JURUSAN TEKNOLOGI INDUSTRI PERTANIAN
FAKULTAS TEKNOLOGI PERTANIAN
UNIVERSITAS BRAWIJAYA
MALANG
2022
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Data adalah aset yang tak ternilai bagi bisnis. Semua organisasi perlu
mengelola data mereka untuk mendapatkan hasil maksimal darinya. Data yang
dikelola dengan baik dan benar menawarkan manfaat terbesar dan mengurangi
potensi masalah selama penggunaan dan pemeliharaan. Teknologi komputer
telah berkembang secara signifikan. Salah satunya adalah pengembangan fungsi
pengelolaan data yang disebut DBMS (database management system). Sistem ini
mengelola data dalam database yang terdiri dari relasi/tabel. Untuk mendapatkan
manfaat maksimal dari DBMS, yaitu dengan menerapkan aturan normalisasi, Anda
harus memiliki desain database yang baik. Data dan informasi merupakan sumber
daya yang sangat penting dalam suatu organisasi, keduanya merupakan faktor
kunci dalam keberhasilan atau kegagalan tujuan suatu organisasi. Organisasi
perlu mengelola data dan informasi mereka serta sumber daya lainnya untuk nilai
maksimum. Saat ini, teknologi komputer telah menghancurkan manusia dengan
memberikan konsep teknologi sistem manajemen basis data "DBMS". Teknologi
ini dapat dimanfaatkan secara optimal untuk mengelola sumber daya berupa data
dan informasi. Normalisasi adalah proses perbaikan / pembuatan data
menggunakan model data relasional, dan umumnya lebih baik untuk terhubung ke
model data logis. Normalisasi adalah proses pengelompokan data ke dalam tabel,
relasi, atau file untuk merepresentasikan entitas dan relasinya serta membuat
database yang mudah dimodifikasi. Normalisasi adalah proses mengidentifikasi
tabel dari kelompok atribut yang memiliki ketergantungan sangat tinggi antara satu
atribut dengan atribut lainnya. Normalisasi juga dikenal sebagai proses
pengelompokan atribut-atribut dari suatu hubungan ke dalam "hubungan yang
terstruktur dengan baik".

1.2 Tujuan
Terdapat beberapa tujuan dalam praktikum materi normalisasi ini. Tujuan
pertama adalah praktikum mampu memahami pengertian dan tujuan dari
normalisasi. Kemudian praktikum mampu memahami jenis-jenis normalisasi dan
dependesinya. Terakhir adalah praktikum mampu mengetahui aplikasi normalisasi
dalam agroindustri.
 BAB II
TINJAUAN PUSTAKA

2.1 Definisi Normalisasi

In the event of a method commonly employed on very big data sets, such
as artificial neural networks, the normalization procedure, in which the data is
sensible and reassembled in a much smaller period, is required. Normalization is
required to make comprehension of the total of variables considerably easier. The
raw input normalization phase is just as crucial as the other preliminary data
processing steps (reducing the size of the input field, noise reduction and feature
extraction). Although normalizing enhances performance in many circumstances,
it is incorrect to see normalization as a need for the algorithm's execution (Aksu et
al., 2019).
Proses normalisasi, di mana data masuk akal dan dipasang kembali dalam
interval yang jauh lebih kecil, muncul sebagai kebutuhan dalam kasus metode
yang biasanya digunakan pada kumpulan data yang sangat besar, seperti jaringan
saraf tiruan. Normalisasi diperlukan untuk membuat interpretasi lebih mudah untuk
total variabel. Proses normalisasi input mentah sama pentingnya dengan proses
data awal lainnya (mengurangi ukuran bidang input, pengurangan kebisingan dan
ekstraksi fitur). Dalam banyak kasus normalisasi meningkatkan kinerja tetapi
mengingat normalisasi sebagai wajib untuk operasi algoritma adalah salah (Aksu
et al., 2019).
Data normalization reduces data storage significantly on all forms, with 1NF
reducing data storage by 20–30%, 2NF by 15–22%, and 3NF by 9–22%. When a
functional dependency is suspected, normalization may be performed. This is
usually broken down into three steps: 1NF, 2NF, and 3NF, with redundancy and
dependency acting as distinguishing factors between them (Rahutomo et al.,
2020).
Penerapan normalisasi data mengurangi penyimpanan data secara
signifikan pada setiap bentuk di mana 1NF: 20 – 30%, 2NF: 15 – 22%, dan 3NF:
9 – 22%. Normalisasi dapat dilakukan ketika ketergantungan fungsional
ditunjukkan. Ini biasanya dibagi menjadi tiga langkah: 1NF, 2NF, dan 3NF dengan
redundansi dan ketergantungan menjadi aspek diskriminatif yang membedakan
satu langkah ke langkah lain (Ruhatomo et al., 2020).
2.2 Fungsi dan Tujuan Normalisasi
Normalisasi merupakan suatu proses untuk membentuk struktur basis data
sehingga sebagian besar ambiguitas dapat dihilangkan. Tahap normalisasi dimulai
pada tahap paling mudah yakni 1NF sampai paling ketat yakni 5NF. Umumnya
hanya mencapai tingkat 3NF atau BCNF karena sudah cukup untuk bisa
menghasilkan tabel-tabel dengan kualitas baik. Tabel bisa dikatakan efisien atau
normal apabila sudah memenuhi tiga kriteria diantaranya adalah apabila terdapat
dekomposisi atau penguraian tabel maka dekomposisinya harus terjamin
keamanannya, ketergantungan fungsioanl terpelihara dengan baik ketika terjadi
perubahan data, dan tidak melanggar aturan BCNF (Boyce-Code Normal Form)
(Suryadi, 2019).
Pemetaan tabel relationship tidak bisa dilakukan apabila tabel dalam
database tidak normalisasi. Tujuan dari normalisasi yaitu untuk menghindari
adanya redudansi data dengan pengelompokkan dataset yang memiliki
ketergantungan dengan atribut di dalam tabel. Terdapat beberapa tahap yang
dilakukan untuk normaliasi diantaranya adalah 1NF, 2NF, dan 3NF (Julaeha et al.,
2020).

2.3 Bentuk-Bentuk Normalisasi

2.3.1 Normalisasi Pertama
Konsep dari normalisasi pertama yakni mengubah data yang menjadi
single value dari yang sifatnya multivalue. 1NF atau first normal form merupakan
normalisasi bentuk pertama. Pada normalisasi pertama dilakukan pemisahan pada
multivalued attribute dan atribut single-value (Mardiono et al., 2019).
A program that matches people with each other If T is a set of entries
assembled into a table using the parallel operator and each entry defined as a set
of match expressions, T is in the first normal form (1NF). The latter name derives
from database theory's universal relation assumption, which implies that any
database can be constructed as a single, potentially very large table. This is related
to the notion that all match-action programs may be expressed as a single
universal match-action table in the domain of packet processing programs
(Nemeth et al., 2019).
Penerapan normalisasi data mengurangi penyimpanan data secara
signifikan pada setiap bentuk di mana 1NF: 20 – 30%, 2NF: 15 – 22%, dan 3NF:
9 – 22%. Normalisasi dapat dilakukan ketika ketergantungan fungsional
ditunjukkan. Ini biasanya dibagi menjadi tiga langkah: 1NF, 2NF, dan 3NF dengan
redundansi dan ketergantungan menjadi aspek diskriminatif yang membedakan
satu langkah ke langkah lain (Nemeth et al., 2019).

2.3.2 Normalisasi Kedua

Normalisasi kedua dilakukan setelah menjalankan normalisasi pertama.
Dimana dalam normalisasi kedua atribut yang mempunyai ketergantungan
fungsional akan dipisahkan. Normalisasi kedua adalah normalisasi yang
menguraikan atau memisahkan data yang bersifat ketergantungan dengan cara
fungsional (Mardiono et al., 2019).
Normalisasi kedua merupakan normalisasi dimana satu relasi memenuhi
relasi yang kedua apabila dan hanya apabila relasi itu memenuhi normalisasi
pertama dan tiap atribut yang sifatnya non key bergantung kepada primary key
secara fungsional. Fugsi dari normalisasi kedua adalah untuk menghapus
beberapa subset data yang tersedia dalam tabel dan menempatkannya dalam
tabel yang terpisah. Normalisasi tahap kedua (2NF) akan menujukkan tabel yang
telah terdekomposisi menjadi beberapa tabel dan mempunyai kunci utama serta
atribut kunci yang sifatnya unik (Septiana et al., 2022).

2.3.3 Normalisasi Ketiga

Bentuk data yang sudah memenuhi kriteria dari bentuk normal pertama dan
kedua dan tidak ditemukan adanya transitive dependency merupakan sebuah
atribut yang non kunci selain bergantungan pada atribut kunci dan juga bergantung
dengan atribut non key yang lain. Ini menunjukkan bahwa di dalam normalisasi
ketiga (3NF) tidak diperbolehkan adanya transitif ketergantungan (transitive
dependency). Sehingga tiap atribut non key harus bergantung dengan atribut kunci
utama (Effendi, 2018).
Konsep dari normalisasi ketiga adalah menguraikan atribut bukan kunci
mempunyai dependency secara fungisonal. Dalam normalisasi ketiga tabel akan
dipisahkan dengan tujuan agar seluruh atribut yang tidak memiliki hubungan
dengan kunci utama dihilangkan. Dengan begitu, tidak aka nada dependency
transitive di tiap kandidat key (Romli dan Setiawan, 2018).
2.4 Macam-Macam Ketergantungan/Dependensi dalam Normalisasi
Berdasarkan dengan konsep full functiona dependency, dimana A dan B
adalah atribut suatu relasi. B terbilang sebagai fully dependent terhadap A apabila
B functional dependent functional dependent dengan A namun tidak dengan
proper-subset pada A. Sedangkan berdasarkan dengan konsep transitive
dependency, dimana suatu keadaan yang mana A, B,dan C adalah atribut sebuah
relasi maka B-C dan A-B, maka transitively dependen A melewati B apabila A
bukan merupakan functionally dependent di B atau C (Surya dan Asmandi, 2019).
Normalisasi adalah suatu pendekatan secara sistematis untuk mengurangi
redundansi data dalam suatu database supaya database itu bisa bekerja secara
optimal. Dependensi akan mencari acuan untuk mendekomposisikan data menjadi
bentuk yang paling efektif dan efisien. Tujuan dari normalisasi database yakni
untuk menghilangkan dan meminimalkan redundansi data dan memastikan
dependensi/ketergantungan data (data ada di tabel yang benar dan tepat)
(Prayitno et al., 2018).

2.5 Aplikasi Normalisasi pada Agroindustri

Salah satu aplikasi normalisasi pada agroindustri adalah pada insutri
kelapa sawit. Normalisasi ini dilakukan pada sistem informasi pengolahan data di
PT. Citra Riau Sarana dimana tujuan dari normalisasi ini adalah untuk
mendapatkan struktur tabel yang baik dan normal. Normalisasi dalam basis data
harus dilakukan agar relasi pada basis data dapat bersifat normal (Sunardi dan
Fadli, 2018).
Aplikasi normalisasi lainnya yaitu ada pada indutri padi. Pada studi kasus
ini dilakukan pengklasifikasian penyakit daun padi berdasarkan dengan hasil
proses ektraski dalam fitur GLCM. Normalisasi dilakukan setelah proses ektraksi
fitur dimana normalisasi didapatkan dengan cara smua matriks simetris
dijumlahkan lalu dijadikan sebagai embagi dalam semua pixel yang terdapat dalam
matriks simetris (Kusanti dan Haris, 2018).
 BAB III
PRINT OUT

3.1 Gambar Struk

3.2 Un-Normalized Data
Un-Normalized data adalah suatu kumpulan data yang direkam, tidak ada
keharusan dalam mengikuti suatu format tertentu bida berbentuk tidak lengkap
ataupun terduplikasi. Data dikumpulkan apa adanya sesuai dengan
kedatangannya. Proses awal dari normalisasi sendiri yakni dengan membuat UNF
(un-normalized form) yakni suatu variable yang memuat satu atau lebih kelompok
yang berulang. Un-normalized dibuat dengan cara data dari sumber dipindahkan
ke dalam tabel dengan kolom dan baris (Lukman, 2015).
Berdasarkan studi kasus satu yang ada, bentuk dari UNF nya adalah
sebagai berikut.
BUKU_PENYEWAAN_MESIN (no_mesin, alamat_mesin, tanggal_mulai_sewa,
tarif_sewa_mingguan, jaminan_sewa, no_penyewa, nama_penyewa,
(no_pembayaran, tanggal_pembayaran, jenis_pembayaran, jumlah_pembayaran,
metode_pembayaran)).
Pada UNF studi kasus 1 ini, semua data diubah menjadi bentuk UNF dimana
terdapat atribut berupa no_mesin, alamat_mesin, tanggal_mulaisewa,
tarif_sewamingguan, jaminan_sewa, no_penyewa, dan nama_penyewa. Selain itu
terdapat atribut pengulangan pada tabel yakni atribut no_pembayaran,
tanggal_pembayaran, jenis_pembayaran, jumlah_pembayaran, dan
metode_pembayaran.
Pada studi kasus kedua, bentuk dari UNF nya adalah sebagai berikut.
BUKU_PENYEWAAN_MESIN (no_mesin, alamat_mesin, tanggal_mulai_sewa,
tarif_sewa_mingguan, jaminan_sewa, nomor_penyewa, nama_penyewa,
(no_pembayaran, tanggal_pembayaran, jenis_pembayaran, jumlah_pembayaran,
metode_pembayaran)).
Pada UNF studi kasus kedua ini, semua data diubah menjadi bentuk UNF dimana
terdapa atribut berupa no_mesin, alamat_mesin, tanggal_mulai_sewa,
tarif_sewa_mingguan, jaminan_sewa, nomor_penyewa, dan nama_penyewa.
Selain itu juga terdapat atribut yang berulang diantaranya adalah atribut
no_pembayaran, tanggal_pembayaran, jenis_pembayaran, jumlah_pembayaran,
dan metode_pembayaran.
Pada studi kasus ketiga, bentuk dari UNF nya adalah sebagai berikut.
LAPORAN_PEMELIHARAAN_MESIN (no_mesin, alamat_mesin, no_pemilik,
nama_pemilik, alamat_pemilik, jenis_pemeliharaan, (tanggal_pembayaran,
biaya_pemeliharaan)).
Pada UNF studi kasus ketiga ini, semua data diubah menjadi bentuk UNF dimana
terdapat atribut berupa no_mesin, alamat_mesin, no_pemilik, nama_pemilik,
alamat_pemilik, dan jenis_pemeliharaan. Selain itu juga terdapat atribut berulang
yakni pada atribut tanggal_pembayaran dan biaya_pemeliharaan.

3.3 Normalisasi Pertama (1NF)

Suatu tabel dikatakan menjadi bentuk normal pertama (1NF) jika tiap kolom
bernilai tunggal untuk tiap baris. Ini menandakan bahwa nama kolom yang
berulang cukup diwakili oleh satu nama kolom. Artinya tidak perlua adanya indeks
dalam pemberian nama kolom. Untuk menjadi 1NF suatu tabel harus memenuhi
dua syarat yakni tidak ada kelompok data/field yang berulang dan harus terdapat
primary key. Partial dependencies merupakan suatu keadaan apabila atribut non
kunci (non PK) berngantung pada Sebagian atau bukan seluruhnya pada primary
key (Tamba, 2019).
Berdasarkan relasi un-normalized yang ada di studi kasus 1 yang telah
dibuat, diubah menjadi bentuk relasi normalisasi pertama (1NF) sebagai berikut
BUKU_PENYEWAAN_MESIN (no_mesin, alamat_mesin, tanggal_mulai_sewa,
tarif_sewa_mingguan, jaminan_sewa, no_penyewa, nama_penyewa).
CATATAN_PEMBAYARAN (no_mesin, no_pembayaran, tanggal_pembayaran,
jenis_pembayaran, jumlah_pembayaran, metode_pembayaran).
Partial dependencies : no_mesin → alamat_mesin.
Masih terdapat atribut perulangan/repeating group pada UNF sebelumnya
sehingga harus dibuat relasi baru pada bentuk 1NF yakni
CATATAN_PEMBAYARAN dengan atribut no_mesin, no_pembayaran,
tanggal_pembayaran, jenis_pembayaran, jumlah_pembayaran,
metode_pembayaran. Terdapat satu primary key pada studi kasus pertama ini
yakni pada no_mesin. Kemudian terdapat partial dependency yakni pada
alamat_mesin yang bergantung pada no_mesin.
Berdasarkan relasi un-normalized yang ada di studi kasus kedua yang
sudah dibuat, diubah menjadi bentuk relasi normalisasi pertama (1NF) sebagai
berikut,
BUKU_PENYEWAAN_MESIN (no_mesin, alamat_mesin, tanggal_mulai_sewa,
tarif_sewa_mingguan, jaminan_sewa, no_penyewa, nama_penyewa).
CATATAN_PEMBAYARAN (no_mesin, no_pembayaran, tanggal_pembayaran,
jenis_pembayaran, jumlah_pembayaran, metode_pembayaran).
Partial dependencies : no_mesin → alamat_mesin
Masih terdapat atribut perulangan/repeating group pada UNF sebelumnya
sehingga harus dibuat relasi baru pada bentuk 1NF yakni
CATATAN_PEMBAYARAN dengan atribut no_mesin, no_pembayaran,
tanggal_pembayaran, jenis_pembayaran, jumlah_pembayaran, dan
metode_pembayaran. Terdapat satu primary key yakni no_mesin dan satu partial
dependency yakni pada alamat_mesin yang bergantung pada no_mesin dimana
no_mesin ini akan menentukan alamat_mesin.
Berdasarkan relasi un-normalized yang ada di studi kasus ketiga yang
sudah dibuat, diubah menjadi bentuk relasi normalisasi pertama (1NF) sebagai
berikut.
LAPORAN_PEMELIHARAAN_MESIN (no_mesin, alamat_mesin, no_pemilik,
nama_pemilik, alamat_pemilik, jenis_pemeliharaan)
CATATAN_PEMELIHARAAN (tanggal_pembayaran, biaya_pemeliharaan).
Partial dependencies : tidak ada
Masih terdapat atribut perulangan/repeating group pada UNF sebelumnya
sehingga harus dibuat relasi baru pada bentuk 1NF yakni
CATATAN_PEMELIHARAAN dengan atribut tanggal_pembayaran,
biaya_pemeliharaan. Terdapat satu primary key yakni pada atibut no_mesin. Tidak
ditemukan adanya partial dependency karena tidak ada atribut yang bergantung
pada Sebagian atribut yang lain.

3.4 Normalisasi Kedua (2NF)

Bentuk normal kedua (2NF) diartikan berdasarkan dependensi fungsional.
Lebih praktisnya, bentuk normal kedua mensyaratkan setiap atribut bergantung
dengan primary key. Bentuk normalisasi kedua akan menghilangkan partial
dependency dan juga redudansinya. Terdapat transitive dependency dimana
ketergnatungan ini bianya terjadi pada tabel hasil relasi, atau keadaan yang mana
ada 3 atribut A,B,C. Kondisinya yakni A => B dan B => C. C ini dikatakan sebagai
transitive dependency terhadap A melalui B (Kurniawan et al., 2017).
Berdasarkan relasi normalisasi pertama studi kasus satu yang sudah
dibuat, diubah menjadi bentuk relasi normalisasi kedua (2NF) sebagai berikut.
BUKU_PENYEWAAN_MESIN (no_mesin, alamat_mesin, tanggal_mulai_sewa,
tarif_sewa_mingguan, jaminan_sewa, no_penyewa, nama_penyewa).
CATATAN_PEMBAYARAN (no_mesin, no_pembayaran, tanggal_pembayaran,
jenis_pembayaran, jumlah_pembayaran, metode_pembayaran).
MESIN (no_mesin, alamat_mesin).
Transitive dependencies : no_penyewa → nama_penyewa
Pada 2NF ini, bentuk partial dependencies dihilangkan dengan cara membuat
relasi baru. Relasi baru ini adalah MESIN dengan atributnya adalah no_mesin dan
alamat_mesin. Foreign key (FK) pada studi kasus pertama ini ada pada atribut
no_mesin pada relasi CATATAN_PEMBAYARAN dan MESIN. Kemudian juga ada
transitive dependency yakni pada atribut no_penyewa dimana no_penyewa ini
menentukan nama_penyewa.
Kemudian berdasarkan relasi normalisasi pertama studi kasus kedua yang
sudah dibuat, diubah menjadi bentuk relasi normalisasi kedua (2NF) sebagai
berikut.
BUKU_PENYEWAAN_MESIN (no_mesin, alamat_mesin, tanggal_mulaisewa,
tarif_sewamingguan, jaminan_sewa, no_penyewa, nama_penyewa).
CATATAN_PEMBAYARAN (no_mesin, no_pembayaran, tanggal_pembayaran,
jenis_pembayaran, jumlah_pembayaran, metode_pembayaran).
MESIN (no_mesin, alamat_mesin)
Transitive dependencies : no_penyewa → nama_penyewa
Pada 2NF studi kasus kedua ini, bentuk dari partial dependencies dihilangkan
dengan cara membuat relasi baru. Relasi baru pada studi kasus kedua ini adalah
MESIN dengan atribut no_mesin dan alamat_mesin. Kemudian terdapat foreign
key yakni pada atribut no_mesin dan alamat_mesin. Lalu ada juga bentuk
transitive dependencies yakni pada atribut no_penyewa dimana no_penyewa ini
tang menentukan nama_penyewa.
Selanjutnya berdasarkan relasi normalisasi pertama studi kasus ketiga
yang sudah dibuat, diubah menjadi bentuk relasi normalisasi kedua (2NF) sebagai
berikut.
LAPORAN_PEMELIHARAAN_MESIN (no_mesin, alamat_mesin, no_pemilik,
nama_pemilik, alamat_pemilik, jenis_pemeliharaan)
CATATAN_PEMELIHARAAN (tanggal_pembayaran, biaya_pemeliharaan).
Transitive dependencies : no_pemilik → nama_pemilik, alamat_pemilik
Pada 2NF studi kasus ketiga ini, bentuknya masih sama seperti 1NF karena tidak
ada bentuk partial dependencies. Kemudian terdapat foreign key (FK) yakni pada
atribut no_mesin di relasi CATATAN_PEMELIHARAAN. Lalu karena ada atribut
bukan kunci yang bergantung pada atribut bukan kunci lainnya, terbentuklah
transitive dependencies dimana pada studi kasus ketiga ini ada pada atribut
no_pemilik yang menentukan nama_pemilik dan alamat_pemilik.

3.5 Normalisasi Ketiga (3NF)

Suatu relasi dikatakan dalam bentuk normal ketiga (3NF) apabila sudah
berbentuk normal kedua (2NF). Setiap atribut bukan kunci tidak mempunyai
transitive dependencies terhadap primary key. Di dalam 3NF terdapat bentuk Full
dependencies menujukkan atribut A dan B dalam satu relasi, yang mana atribut B
bergantung penuh terhadap atribut A. maksudnya penuh disini yakni B hanya
ditentukan oleh A dan hanya A saja yang menjadi penentu B bukan subset dari A
(Kurniawan et al., 2017).
Berdasarkan relasi normalisasi kedua studi kasus pertama yang sudah
dibuat, diubah menjadi bentuk relasi normalisasi ketiga dengan bentuk sebagai
berikut.
BUKU_PENYEWAAN_MESIN (no_mesin, alamat_mesin, tanggal_mulai_sewa,
tarif_sewamingguan, jaminan_sewa, no_penyewa, nama_penyewa).
CATATAN_PEMBAYARAN (no_mesin, no_pembayaran, tanggal_pembayaran,
jenis_pembayaran, jumlah_pembayaran, metode_pembayaran).
MESIN (no_mesin, alamat_mesin).
PENYEWA (no_penyewa, nama_penyewa).
Full dependencies:
• no_mesin → alamat_mesin.
• no_mesin, tanggal_mulai_sewa → tarif_sewa_mingguan, jaminan_sewa,
no_penyewa. no_penyewa→ nama_penyewa.
• no_pembayaran → no_mesin, tanggal_mulai_sewa, tanggal_pembayaran,
jenis_pembayaran, jumlah_pembayaran, metode_pembayaran.
Bentuk full dependencies dari studi kasus pertama adalah (1) alamat_mesin yang
bergantung pada no_mesin (2) tarif_sewa_mingguan, jaminan_sewa, dan
no_penyewa yang bergantung pada no_mesin dan tanggal_mulai_sewa, (3)
nama_penyewa bergantung pada no_penyewa, serta (4) no_mesin,
tanggal_mulai_sewa, tanggal_pembayaran, jumlah_pembayaran dan
metode_pembyaran bergantung dengan no_pembayaran. Kemudian untuk
menghilangkan transitive dependencies dari 2NF itu dilakukan dengan cara
membuat relasi baru lagi, dimana pada studi kasus ini relasi baru yang terbentuk
berupa PENYEWA dengan atribut no_penyewa dan nama_penyewa.
Kemudian berdasarkan relasi normalisasi kedua studi kasus kedua yang
sudah dibuat, diubah menjadi bentuk relasi normalisasi ketiga dengan bentuk
sebagai berikut.
BUKU_PENYEWAAN_MESIN (no_mesin, alamat_mesin, tanggal_mulaisewa,
tarif_sewamingguan, jaminan_sewa, no_penyewa, nama_penyewa).
CATATAN_PEMBAYARAN (no_mesin, no_pembayaran, tanggal_pembayaran,
jenis_pembayaran, jumlah_pembayaran, metode_pembayaran).
MESIN (no_mesin, alamat_mesin).
PENYEWA (no_penyewa, nama_penyewa).
Full dependencies:
• no_mesin → alamat_mesin.
• no_mesin, tanggal_mulaisewa → tarif_sewa_mingguan, jaminan_sewa,
no_penyewa. no_penyewa → nama_penyewa.
• no_pembayaran → no_mesin, tanggal_mulai_sewa, tanggal_pembayaran,
jenis_pembayaran, jumlah_pembayaran, metode_pembayaran.
Bentuk full dependencies dari studi kasus kedua adalah (1) alamat_mesin yang
bergantung pada no_mesin, (2) tarif_sewa_mingguan, jaminan_sewa, dan
no_penyewa yang bergantung pada no_mesin dan tanggal_mulai_sewa, (3)
nama_penyewa bergantung pada no_penyewa, serta (4) no_mesin,
tanggal_mulai_sewa, tanggal_pembayaran, jenis_pembayaran,
jumlah_pembayaran, dan metode_pembayaran yang bergantung dengan
no_pembayaran. Kemudian untuk menghilangkan transitive dependencies dari
2NF itu dilakukan dengan cara membuat relasi baru lagi, dimana pada studi kasus
ini relasi baru yang terbentuk berupa PENYEWA dengan atribut no_penyewa dan
nama_penyewa.
Selanjutnya berdasarkan relasi normalisasi kedua studi kasus kedua yang
sudah dibuat, diubah menjadi bentuk relasi normalisasi ketiga dengan bentuk
sebagai berikut.
LAPORAN_PEMELIHARAAN_MESIN (no_mesin, alamat_mesin, no_pemilik,
nama_pemilik, alamat_pemilik).
CATATAN_PEMELIHARAAN (no_mesin, jenis_pemeliharaan,
tanggal_pembayaran, biaya_pemeliharaan).
PEMILIK (no_pemilik, nama_pemilik, alamat_pemilik).
Full dependencies:
• no_pemilik → nama_pemilik, alamat_pemilik,
• no_mesin → alamat_mesin, nama_pemilik, tanggal_pemeliharaan,
• no_mesin → jenis_pemeliharaan, biaya_pemeliharaan
Bentuk full dependencies dari studi kasus ketiga ini adalah (1) nama_pemilik,
alamat_pemilik bergantung dengan no_pemilik, (2) alamat_mesin dan
nama_pemilik bergantung dengan no_mesin, serta (3) jenis_pemeliharaan dan
biaya_pemeliharaan bergantung dengan tanggal_pemeliharaan dan no_mesin.
Kemudian untuk menghilangkan transitive dependencies dari 2NF itu dilakukan
dengan cara membuat relasi baru lagi, dimana pada studi kasus ini relasi yang
terbentuk adalah PEMILIK dengan atribut no_pemilik, nama_pemilik, dan
alamat_pemilik.

3.6 Sintesis Atribut

1) BUKU_PENYEWAAN_MESIN (no_mesin, alamat_mesin, tanggal_mulaisewa,
tarif_sewamingguan, jaminan_sewa, no_penyewa, nama_penyewa).
2)CATATAN_PEMBAYARAN (no_mesin, no_pembayaran,
tanggal_pembayaran, jenis_pembayaran, jumlah_pembayaran,
metode_pembayaran).
3) MESIN (no_mesin, alamat_mesin).
4) PENYEWA (no_penyewa, nama_penyewa).
5) BUKU_PENYEWAAN_MESIN (no_mesin, alamat_mesin, tanggal_mulaisewa,
tarif_sewamingguan, jaminan_sewa, no_penyewa, nama_penyewa).
6)CATATAN_PEMBAYARAN (no_mesin, no_pembayaran,
tanggal_pembayaran, jenis_pembayaran, jumlah_pembayaran,
metode_pembayaran).
7) MESIN (no_mesin, alamat_mesin).
8) PENYEWA (no_penyewa, nama_penyewa).
9) LAPORAN_PEMELIHARAAN_MESIN (no_mesin, alamat_mesin, no_pemilik,
nama_pemilik, alamat_pemilik).
10)CATATAN_PEMELIHARAAN (no_mesin, jenis_pemeliharaan,
tanggal_pembayaran, biaya_pemeliharaan).
11) PEMILIK (no_pemilik, nama_pemilik, alamat_pemilik).
Kemudian dari normalisasi bentuk ketiga (3NF) masing-masing studi kasus
dilakukan sintesis atribut yang mana atribut yang memiliki kesamaan
dikelompokkan sebagai berikut.
1,5 BUKU_PENYEWAAN_MESIN (no_mesin, alamat_mesin,
tanggal_mulaisewa, tarif_sewamingguan, jaminan_sewa, no_penyewa,
nama_penyewa).
2,6. CATATAN_PEMBAYARAN (no_mesin, no_pembayaran,
tanggal_pembayaran, jenis_pembayaran, jumlah_pembayaran,
metode_pembayaran).
3,7 MESIN (no_mesin, alamat_mesin).
4,8 PENYEWA (no_penyewa, nama_penyewa).
Selain atribut diatas, terdapat atribut yang tidak memiliki kesamaan sehingga
dituliskan seperti dibawah ini.
9.LAPORAN_PEMELIHARAAN_MESIN (no_mesin, alamat_mesin, no_pemilik,
nama_pemilik, alamat_pemilik).
10.CATATAN_PEMELIHARAAN (no_mesin, jenis_pemeliharaan,
tanggal_pembayaran, biaya_pemeliharaan).
11. PEMILIK (no_pemilik, nama_pemilik, alamat_pemilik)
 BAB IV
PENUTUP

4.1 Kesimpulan
Pada studi kasus pertama memiliki bentuk relasi 1NF yakni
BUKU_PENYEWAAN_MESIN dan CATATAN_PEMBAYARAN dengan partial
dependencies berupa alamat mesin yang bergantung pada no_mesin dengan satu
PK yakni pada no_mesin. Bentuk 2NF dari studi kasus pertama adalah
BUKU_PENYEWAAN_MESIN, CATATAN_PEMBAYARAN dan relasi baru yakni
MESIN dengan FK yakni no_mesin pada relasi CATATAN_PEMBAYARAN dan
MESIN dan transitive dependency pada atribut no_penyewa dimana no_penyewa
ini menentukan nama_penyewa. Bentuk 3NF yakni ada relasi
BUKU_PENYEWAAN_MESIN, CATATAN_PEMBAYARAN, MESIN, dan
PENYEWA. Kemudian pada studi kasus kedua memiliki bentuk 1NF dengan relasi
BUKU_PENYEWAAN-MESIN, CATATAN_PEMBAYARAN dengan Pk yakni
no_mesin dan partial dependency pada alamat_mesin yang bergantung pada
no_mesin. Lalu bentuk 2NF dari studi kasus kedua adalah relasi
BUKU_PENYEWAAN_MESIN, CATATAN_PEMBAYARAN, MESIN dengan FK
yakni atribut no_mesin dan alamat_mesin, dan transitive dependencies pada
atribut no_penyewa yang menentukan nama_penyewa. Bentuk 3NF yakni ada
relasi BUKU_PENYEWAAN_MESIN, CATATAN_PEMBYARAN, MESIN, dan
PENYEWA. Kemudian pada studi kasus ketiga memiliki bentuk 1NF yakni relasi
LAPORAN_PEMELIHARAAN_MESIN dan CATATAN_PEMELIHARAAN dengan
satu PK yakni no_mesin dan tidak ada partial dependencies. Bentuk 2NF dari studi
kasus ketiga adalah LAPORAN_PEMELIHARAAN_MESIN,
CATATAN_PEMELIHARAAN dengan FK atribut no_mesin di relasi
CATATAN_PEMELIHARAAN dan transitive dependencies no_pemilik yang
menentukan nama_pemilik dan alamat_pemilik. Relasi 3NF nya adalah
LAPORAN_PEMELIHARAAN_MESIN, CATATAN_PEMELIHARAAN, dan
PEMILIK

4.2 Saran
Terdapat beberapa saran pada praktikum ini. Para praktikan diharapkan
sudah memahami materi yang disampaikan. Kemudian pembuatan normalisasi
dilakukan dengan teliti agar hasil bisa sesuai.
 DAFTAR PUSTAKA
`
Aksu G, Guzeller CO, Eser MT. 2019. The effect of the normalization method used
in different sample sizes one the success of artificial neural network model.
International Journal of Assessment Tools in Education 6(2): 170-192
Effendi Z. 2018. Normalisasi dalam desain database. Jurnal CoreIT 4(1): 34-43
Julaeha S, Kustian N, Parulina D. 2020. Pemetaan tabel relationship dalam
visualisasi diagram relasi untuk eksplorasi data pada database. Jurnal
Satuan Tulisan Riset dan Inovasi Teknologi 5(2): 126-133
Kusanti J dan Haris NA. 2018. Klasifikasi penyakit daun padi berdasarkan hasil
ekstraksi fitur glcm interval 2 sudut. Jurnal Informatika 3(1): 1-6
Mardiono I, Fil’alaini R, Didin FS. 2019. Perancangan sistem basis data offline
dokumen akreditasi program studi. Jurnal Opsi 12(2): 101-107
Nemeth F, Chiesa M, Retvari G. 2019. Normal forms for match-action programs.
Journal of CoNext 19(1): 44-50
Prayitno, Handoko S, Nurfana AA. 2018. Perencanaan dan pembuatan sistem
informasi web neraca pt pos Indonesia processing centre semarang. Jurnal
Orbith 14(1): 74-80
Romli I dan Setiawan I. 2018. Sistem informasi pergudangan pada cv. cokro
dengan model pengembangan sistem waterfall. Jurnal Teknologi Pelita
Bangsa 9(1): 79-88
Ruhatomo R, Nurlaiha I, Perbangsa AS, Pardamean B. 2020. Database
management system design with time series modification for child growth
and malnutrition monitoring in the regency of serdang begadai. Journal of
Information Management and Technology 2(6): 306-311
Septiana VG, Haryanto Y, Kuncoro A. 2022. Perancangan sistem aplikasi arsip
data mengguakan java pada kantor notaris kabupaten bogor. Jurnal Inovasi
Teknologi 2(3): 215-221
Sunardi dan Fadli S. 2018. Sistem informasi pengolahan data kelapa sawit
berbasis client-server. Jurnal Manajemen Informasi dan Sistem Informasi
1(2): 23-28
Surya C dan Asmandi A. 2019. Sistem informasi penilaian guru dan Pembina pada
pondok pesantren al-jauhar duri. Jurnal Jaringan Sistem Informasi Robotik
3(2): 210-221
Suryadi S. 2019. Implementasi normalisasi dalam perancangan database
relational. Jurnal Teknik Informatika 3(2): 1-5
 DAFTAR PUSTAKA TAMBAHAN

Kurniawan S, Jeriko TK, Wijaya YE. 2017. Perancangan basis data “online shop
buku dokter” menggunakan mysql. Jurnal Media Aplikom 9(2): 1-23

Tamba M. 2019. System pendukung keputusan prediksi stok barang

menggunakan metode moving average berbasis client server pada pt. union.
Jurnal Times 8(1): 1-18

Lukman, 2015. Implementasi pembuatan sms gateaway versi 25.0.0 dalam system
informasi akademik berbasis php. Jurnal Faktor Exacta 8(2): 145-156
 LAMPIRAN
NO 2.1 P1
NO 2.1 P2
NO 2.2 P1
NO 2.2 P2
NO 2.3.1 P1
NO 2.3.1 P2
NO 2.3.2 P1
NO 2.3.2 P2
NO 2.3.3 P1
NO 2.3.3 P2
NO 2.4 P1
NO 2.4 P2
NO 2.5 P1
NO 2.5 P2