Basis Data

1
Manajemen berkas

• Sebelum kemunculan basis data, pemrosesan data menggunakan

pendekatan berbasis berkas.
• Perancangan sistem masih berdasar kebutuhan individual si pemakai,
bukan kebutuhan sejumlah pemakai.

2
Sistem berbasis berkas terpadu

3
Kelemahan Sistem Berkas

• Duplikasi data
• Pemisahan data
• Ketidak konsistenan
• Dependensi data-program
• Ketidak kompetibelan format berkas

4
Basis Data dan DBMS

• Database adalah kumpulan data yang saling terkait yang disusun agar
mudah untuk diakses

Database
Akademik Mahasiswa
Registrasi
Matakuliah
Nilai Matakuliah

5
Pemanfaatan Basis Data

• Mudah untuk memperoleh informasi tertentu

• Dalam aplikasi, mampu untuk mendapatkan jawaban pertanyaan-
pertanyaan seperti:
• Berapa jumlah mahasiswa yang mengikuti kuliah “Pengantar Basis Data”?
• Siapa saja yang lulus pada periode Agustus tahun ini?
• Berapa persentase mahasiswa yang tidak melakukan registrasi pada semester lalu?
• Berapa jumlah SKS yang diperoleh oleh mahasiswa dengan NIM 12345?

6
Berbagai Aplikasi Basis Data

• ATM
• e-Mobile Banking dan Internet Banking
• Tracking Paket Barang
• Distance learning
• Reservasi Tiket Penerbangan
• Sistem Perpustakaan

7
Keuntungan Pendekatan Database

• Independensi program-data
• Meminimalkan redundansi data
• Meningkatkan konsitensi data
• Meningkatkan kemampuan berbagai data
• Meningkatkan produktivitas pengembangan aplikasi
• Meningkatkan pencapaian standarisasi
• Meningkatkan kualitas data
• Meningkatkan tanggapan dan kemudahan akses terhadap data
• Mengurangi pemeliharaan program

8
Struktur Data dan Basis Data

• Secara fisik, data disimpan dalam bentuk kumpulan bit dan direkam
dengan basis track didalam media penyimpan eksternal.

• Data disusun dalam satu struktur logis:

- kumpulan tabel menyusun basisdata
- tabel tersusun atas sejumlah record
- sebuah record mengandung sejumlah field
- sebuah field disimpan dalam kumpulan bit

9
10
• Field (medan) : menyatakan data terkecil yang memiliki makna. Istilah lain untuk field yaitu elemen
data, kolom, item, dan atribut. Contoh filed yaitu nama seseorang, jumlah barang yang dibeli, dan
tanggal lahir seseorang.

• Record (rekaman) : menyatakan kumpulan dari sejumlah elemen data yang saling terkait. Sebagai
contoh nama, alamat, tanggal lahir, dan jenis kelamin dari seseorang menyusun sebuah record. Istilah
lain yang juga menyatakan record yaitu tupel dan baris.

• Tabel menghimpun sejumlah record. Sebagai contoh data pribadi dari semua pegawai disimpan dalam
sebuah tabel

• Basisdata adalah suatu pengorganisasian sekumpulan data yang saling terkait sehingga memudahkan
aktivitas untuk memperoleh informasi. Sebagai contoh basis data akademis mengandung tabel-tabel
yang berhubungan dengan data mahasiswa, data jurusan, data mata kuliah, dan pengambilan mata
kuliah pada suatu semester dan data nilai yang diperoleh mahasiswa

11
12
DBMS
• DBMS (DataBase Management System) → sistem yang secara khusus
untuk memudahkan pemakai dalam mengelola basisdata. Sistem ini
dibuat untuk mengatasi kelemahan sistem pemrosesan yang berbasis
berkas

• Pendekatan berbasis berkas → perancangan didasarkan kebutuhan

pemakai, sehingga setiap program aplikasi menuliskan data tersendiri

13
Komponen Lingkungan Basis Data

• Perangkat Keras
• Perangkat Lunak
• Data
• Prosedur
• Orang

14
Arsitektur Basis Data

• Level Eksternal
• Level Konseptual
• Level Internal

15
Bahasa Basisdata

• DDL
• DML

16
Model Basis Data
• Sekumpulan konsep terintegrasi yang dipakai untuk menjabarkan data,
hubungan antardata, dan kekangan terhadap data yang digunakan untuk
menjaga konsistensi. Kadang model data disebut struktur data logis.

• Ada 4 model data yang umum:

1. model data hierarkis
2. model data jaringan
3. model data relasional
4. model data berbasis objek

• 3 model yang pertama disebut model data berbasis rekaman (record based
data model)
17
1. model data hierarkis
• model data herarkis merupakan model data yang tertua.

• Sampai saat ini model ini masih digunakan untuk menangani sistem reservasi penumpang.
Contoh DBMS terkenal yang menggunakan model ini yaitu IMS (IBM).

• Model ini seringkali dijabarkan dalam bentuk pohon terbalik.

Di dalam model ini dikenal istilah orangtua dan anak. Masing-masing berupa suatu simpul
dan terdapat hubungan bahwa setiap anak hanya bisa memiliki satu orangtua, sedangkan
orangtua dapat memiliki sejumlah anak. Simpul tertinggi yaitu yang tidak memiliki orangtua
disebut akar.

• Pengaksesan atau peremajaan data dapat dilakukan sangat cepat disebabkan hubungan antar
data telah ditentukan di depan. Kelemahannya, karena struktur data harus didefinisikan di
depan, penambahan field baru memerlukan penentuan ulang terhadap struktur secara
keseluruhan. Hal inilah yang dirasa menyulitkan.
18
19
2. model data jaringan

• Model data ini dibuat untuk mengatasi masalah pada model hirarkis.
Bentuknya menyerupai model hirarkis, tetapi dengan perbedaan:
• tidak mengenal akar.
• Setiap anak bisa memiliki lebih dari satu orangtua.

• Mengingat bahwa anak bisa memiliki lebih dari satu orangtua, maka model
data ini mendukung hubungan M:M (yaitu setiap orang tua dapat memiliki
sejumlah anak dan seorang anak dapat memiliki sejumlah orangtua).

• Produk DBMS terkenal yang menggunakan model data jaringan yaitu IDMS/R
(Computer Associates).

20
21
3. model data relasional

• Model data relasional menggunakan sekumpulan tabel berdimensi dua (yang biasa
disebut relasi atau tabel), dengan masing-masing tabel tersusun atas sejumlah baris
dan kolom.

• Kolom dapat didefinisikan sebagai satuan data terkecil dalam sebuah tabel yang
mempunyai makna. Nama pegawai, alamat, dan nama bagian merupakan contoh-
contoh kolom.

• Baris (kadangkala disebut record) adalah kumpulan kolom yang menyatakan suatu
data yang saling terkait. Pada model data relasional, kaitan atau asosiasi antara dua
buah tabel disebut hubungan (relationship). Hubungan dapat berupa:
• 1-1, yakni satu data pada suatu tabel berpasangan dengan hanya satu data pada
tabel lain.
• 1-M, yakni satu data pada suatu tabel berpasangan dengan banyak data pada tabel
lain.
22
• Secara konsep, setiap tabel harus memiliki kunci primer. Kunci primer
dapat tersusun dari sebuah kolom atau beberapa kolom. Kunci berperan
sebagai identitas yang unik (tak kembar) untuk masing-masing baris data.

• Selain kunci primer, terdapat istilah kunci tamu atau kunci asing (foreign
key). Kunci tamu adalah sebuah kolom dalam sebuah tabel yang menjadi
penghubung dengan kunci primer pada tabel lain.

• DBMS yang menggunakan model data relasional biasa disebut RDBMS

(Relational DataBase Management System). Contoh RDBMS yang
terkenal yaitu Ingres dan InterBase.

23
24
4. model data berbasis objek

• Model data berbasis objek adalah model data yang menerapkan teknik
pemrograman berorientasi objek.

• Berbeda dengan tiga model yang telah dibahas di depan, model data
berbasis objek mengemas data dan fungsi untuk mengakses data
(metode) ke dalam bentuk objek.

• DBMS yang menggunakan model ini biasa disebut OODBMS (Object

Oriented DataBase Management System).
25
Daftar OODBMS terkenal.

26
• Beberapa DBMS tidak sepenuhnya berorientasi objek, melainkan
menggunakan pendekatan objek-relasional.

• Data sebenarnya tetap bersifat relasional, tetapi untuk mengaksesnya

disediakan pendekatan berorientasi objek.

• DBMS seperti ini biasa disebut OORDBMS (Object Oriented-Relational

DataBase Management System) atau ORDBMS (Object-Relational
Database Management System).
Contohnya adalah Visual dBASE 7.x.

27
28
Data Warehouse & Data Mart

• Data warehouse adalah basis data yang menyimpan data sekarang dan data masa
lalu yang berasal dari berbagai sistem operasional dan sumber yang lain (sumber
eksternal) yang menjadi perhatian penting bagi manajemen dalam organisasi dan
ditujukan untuk keperluan analisis dan pelaporan manajemen dalam rangka
pengambilan keputusan
• Data warehouse digunakan untuk mendukung pengambilan keputusan, bukan untuk
melaksanakan pemrosesan transaksi
• Data warehouse hanya berisi informasi-informasi yang relevan bagi kebutuhan
pemakai yang dipakai untuk pengambilan keputusan

29
Perbedaan DW dan OLTP
OLTP (Online transaction processing) Data Warehouse

• Menangani data saat ini
• Data bisa saja disimpan pada beberapa platform
• Data diorganisasikan berdasarkan fungsi atau
operasi seperti penjualan, produksi, dan pemrosesan
pesanan
• Pemrosesan bersifat berulang
• Untuk mendukung keputusan harian (operasional)
• Melayani banyak pemakai operasional
• Berorientasi pada transaksi
• Lebih cenderung menangani data masa lalu
• Data disimpan dalam satu platform
• Data diorganisasikan menutut subjek seperti
pelanggan atau produk
• Pemrosesan sewaktu-waktu, tak terstruktur, dan
bersifat heuristik
• Untuk mendukung keputusan yang strategis
• Untuk mendukung pemakai manajerial yang
berjumlah relatif sedikit
• Berorientasi pada analisis

Heuristik sendiri memiliki arti, di dalam bidang ilmu komputer, sebagai teknik yang dirancang untuk memecahkan masalah dengan mengabaikan apakah solusi
yang dihasilkan dapat dibuktikan (secara matematis) benar.

30
Sumber Data untuk DW
1. Data operasional dalam organisasi, misalnya basis data pelanggan dan produk, dan
2. Sumber eksternal yang diperoleh misalnya melalui Internet, basis data komersial,
basis data pemasok atau pelanggan

• Berbagai data yang berasal dari sumber digabungkan dan diproses lebih lanjut oleh
manajer data warehouse dan disimpan dalam basis data tersendiri.
• Selanjutnya, perangkat lunak seperti OLAP dan data mining dapat digunakan oleh
pemakai untuk mengakses data warehouse

31
Prinsip Data Warehouse
Sumber Data Internal

Sumber
Data
Operasional
1 • Perangkat EIS
• Perangkat pelaporan
• Perangkat
pengembangan
Manajer aplikasi
Sumber
Data
Data Warehouse
Operasional
2

OLAP

Sumber
Data Data
Eksternal Warehouse
Data Mining

32
Sifat Data Warehouse

• Multidimensional yang berarti bahwa Tahun n-4

terdapat banyak lapisan kolom dan baris (Ini Tahun n-3
berbeda dengan tabel pada model relasional Tahun n-2
yang hanya berdimensi dua) Tahun n-1
• Berdasarkan susunan data seperti itu,
amatlah mudah untuk memperoleh jawaban Jawa Tengah
atas pertanyaan seperti: “Berapakah jumlah
produk 1 terjual di Jawa Tengah pada tahun n- Jawa Barat
3?”

Produk 3

Produk 2

Produk 1

33
Data Warehouse
• Mengingat sistem data warehouse memerlukan pemrosesan data dengan volume
yang besar, sistem ini biasa diterapkan dengan menggunakan teknologi pemrosesan
paralel SMP (Symmetric Multi Processor) dan MPP (Massively Parallel Processor)
• Data warehouse dapat dibangun sendiri dengan menggunakan perangkat
pengembangan aplikasi ataupun dengan menggunakan perangkat lunak khusus yang
ditujukan untuk menangani hal ini
• Beberapa contoh perangkat lunak yang digunakan untuk administrasi dan
manajemen data warehouse:
• HP Intelligent Warehouse (Hewlett Packard)
• FlowMark (IBM)
• SourcePoint (Software AG)

34
Petunjuk Membangun DW
• Menentukan misi dan sasaran bisnis bagi pembentukan data warehouse
• Mengidentifikasi data dari basis data operasional dan sumber lain yang diperlukan
bagi data warehouse
• Menentukan item-item data dalam perusahaan dengan melakukan standarisasi
penamaan data dan maknanya
• Merancang basis data untuk data warehouse
• Membangun kebijakan dalam mengarsipkan data lama sehingga ruang
penyimpanan tak menjadi terlalu besar dan agar pengambilan keputusan tidak
menjadi terlalu lamban.
• Menarik data produksi (operasional) dan meletakkan ke basis data milik data
warehouse

35
Data Mart
• Bagian dari data warehouse yang mendukung kebutuhan pada tingkat departemen
atau fungsi bisnis tertentu dalam perusahaan. Karakteristik yang membedakan data
mart dan data warehouse adalah sebagai berikut (Connolly, Begg, Strachan 1999).

• Data mart memfokuskan hanya pada kebutuhan-kebutuhan pemakai yang terkait

dalam sebuah departemen atau fungsi bisnis.
• Data mart biasanya tidak mengandung data operasional yang rinci seperti pada
data warehouse.
• Data mart hanya mengandung sedikit informasi dibandingkan dengan data
warehouse. Data mart lebih mudah dipahami dan dinavigasi.

36
Contoh Software Data Mart
• SmartMart (IBM)
• Visual Warehouse (IBM)
• PowerMart (Informatica)

37
OLAP
• OnLine Analytical Processing
• Suatu jenis pemrosesan yang memanipulasi dan menganalisa data
bervolume besar dari berbagai perspektif (multidimensi). OLAP seringkali
disebut analisis data multidimensi.
• Data multidimensi adalah data yang dapat dimodelkan sebagai atribut
dimensi dan atribut ukuran
• Contoh atribut dimensi adalah nama barang dan warna barang,
sedangkan contoh atribut ukuran adalah jumlah barang

38
OLAP : Contoh Data 2 Dimensi

Kota → Kudus Magelang Semarang …

Triwulan â
1 6.000.000 8.500.000 12.500.000 …
2 4.500.000 3.500.000 14.000.000 …
3 7.600.000 5.500.000 13.700.000 …
4 5.400.000 7.200.000 12.800.00 …

39
Kemampuan OLAP
• Konsolidasi melibatkan pengelompokan data. Sebagai contoh kantor-kantor cabang
dapat dikelompokkan menurut kota atau bahkan propinsi. Transaksi penjualan dapat
ditinjau menurut tahun, triwulan, bulan, dan sebagainya. Kadangkala istilah rollup
digunakan untuk menyatakan konsolidasi
• Drill-down adalah suatu bentuk yang merupakan kebalikan dari konsolidasi, yang
memungkinkan data yang ringkas dijabarkan menjadi data yang lebih detail
• Slicing and dicing (atau dikenal dengan istilah pivoting) menjabarkan pada
kemampuan untuk melihat data dari berbagai sudut pandang

40
Contoh Tabel Pivoting

Rasa Strawberry Mangga Nanas Total

Sirup
Biasa 3.500.000 1.750.000 500.000 5.750.000
Rendah
Kalori 2.300.000 1.500.000 250.000 4.050.000
Total 5.800.000 3.250.000 750.000 9.800.000

Sirup Rasa Pendapatan

Biasa Strawberry 3.500.000
Biasa Mangga 1.750.000
Biasa Nanas 500.000
Rendah Kalori Strawberry 2.300.000
Rendah Kalori Mangga 1.500.000
Rendah Kalori Nanas 250.000

41
Hierarki Dimensi untuk Drill-down

Tahun Wilayah

Triwulan Negara

Provinsi
Nama Hari Bulan

Kota
Tanggal

Kecamatan

(a) Hierarki Waktu (b) Hierarki Lokasi

42
Software OLAP
• Express Server (Oracle)
• PowerPlay (Cognos Software)
• Metacube (Informix/Stanford Technology Group)
• HighGate Project (Sybase)

43
Data Mining
• Perangkat lunak yang digunakan untuk menemukan pola-pola tersembunyi maupun
hubungan-hubungan yang terdapat dalam basis data yang besar dan menghasilkan
aturan-aturan yang digunakan untuk memperkirakan perilaku di masa mendatang
• Data mining sering dikatakan berurusan dengan “penemuan pengetahuan” dalam
basis data. Suatu aturan yang dihasilkan oleh data mining misalnya seperti berikut :
“Kebanyakan pembeli mobil Forsa adalah wanita berusia di atas 30 tahun”.

44
Prinsip Data Mining

Data Data Mining Pola

Warehaouse

45
Aplikasi Data Mining
Bidang Contoh
Pemasaran • Mengidentifikasi pembelian yang dilakukan konsumen
• Menemukan hubungan di antara karakteristik demografi
pelanggan
• Memperkirakan tanggapan penawaran melalui surat

Bank • Mendeteksi pola penyalahgunaan kartu kredit

• Mengidentifikasi tingkat loyalitas pelanggan
Asuransi • Analisis klaim
• Memperkirakan pelanggan yang akan membeli produk baru

46
Teknologi Untuk Data Mining
• Statistik
• Jaringan saraf (neural network)
• Logika kabur (fuzzy logic)
• Algoritma genetika
• dan berbagai teknologi kecerdasan buatan yang lain

47
Data Mining : Visualisasi Data
• Pendekatan data mining juga ada yang melalui visualisasi data
• Pada sistem seperti ini, pemakai akan dibantu untuk menemukan sendiri
pola dari sejumlah data berukuran besar dengan didasarkan visualisasi
oleh data mining

48
Data Mining : Visualisasi Data

49
Intelijen Bisnis
• Business Intelligence (BI) adalah semua aplikasi teknologi informasi yang
ditujukan untuk mendapatkan data/informasi yang dibutuhkan oleh
organisasi dalam rangka pengambilan keputusan-keputusan

• Aplikasi BI umumnya menggunakan data yang berasal dari data mart

atau data warehouse, tetapi bisa saja dirancang secara khusus untuk
mengambil data, menganalisis data, memvisualisasikan data, dan
membuat laporan yang berguna bagi manajemen

50
SQL
• SQL (Structured Query Language) adalah bahasa yang digunakan untuk
mengakses basis data yang tergolong relasional.

• Standar SQL mula-mula didefinisikan oleh ISO (International Standards

Organization) dan ANSI (the American National Standards Institute),
yang dikenal dengan sebutan SQL86.

• Sesungguhnya SQL tidak terbatas hanya untuk mengambil data (query),

tetapi juga dapat dipakai untuk menciptakan tabel, menambahkan data
ke tabel, menghapus , menghapus data pada tabel, mengganti data pada
tabel, dan berbagai operasi yang lain.
51
• Pernyataan dan Keterangan dari SQL

52
Sistem Basis data terdistribusi

• Kumpulan data yang dipakai secara bersama-sama, yang terintegrasi

secara logis, tetapi secara fisik tersebar di beberaopa komputer yang
terhubung melalui jaringan

53
37