Ckckckc…database bikin kemut-kemut… Gimana gak? Kuliah 3 sks, 1 sks buat bahas teori. 2 sks terakhir diminta buat ngerjain 1 soal ma dosen, Cuma satu soal tok! Kurang jelas???!!! CUMA SATU SOAL, satu soal dikerjain selama 2 sks, Walhasil… dari 27 mahasiswa di kelas (termasuk a) gak ada yang bisa ngerja’in…hahaha.
Well, a Cuma mau nulis resuman materi yang a dapet hari ni/selasa , 3 Mei 2011…(biar lebih nyantel di kepala), hehe…
Let’s Begin…
NORMALISASI DATA
Merupakan suatu proses untuk mendapatkan struktur table atau relasi yang efisien dan bebas dari anomaly, dan mengacu pada cara data item dikelompokan ke dalam struktur record.
Well, sebelum mengenal lebih jauh mengenai anomaly, Yukzzz perhatikan table berikut biar lebih gampang memahami si anomaly.
(Nb: Perhatian: adanya kesamaan nama orang dalam contoh pembuatan table ini adalah suatu bentuk kesengajaan. Hahaha)
Well, a Cuma mau nulis resuman materi yang a dapet hari ni/selasa , 3 Mei 2011…(biar lebih nyantel di kepala), hehe…
Let’s Begin…
NORMALISASI DATA
Merupakan suatu proses untuk mendapatkan struktur table atau relasi yang efisien dan bebas dari anomaly, dan mengacu pada cara data item dikelompokan ke dalam struktur record.
Well, sebelum mengenal lebih jauh mengenai anomaly, Yukzzz perhatikan table berikut biar lebih gampang memahami si anomaly.
(Nb: Perhatian: adanya kesamaan nama orang dalam contoh pembuatan table ini adalah suatu bentuk kesengajaan. Hahaha)
NIM | NAMA | NO DOSEN | DOSEN |
10001 | AMANAH | 113 | DRA ETIK RAHAYU MSC |
10002 | LINDA | 132 | KUSTOMO SSI MSI |
10003 | ARDIAN SUFANDI | 131 | DRS SAROYAH |
10004 | MASRUR RIDLO | 133 | DRA ETIK RAHAYU MSC |
10005 | SYURUROH ARIFIAH | 133 | DRA ETIK RAHAYU MSC |
10005 | AJI C. B. A | 132 | KUSTOMO SSI MSI |
Anomali (efek samping yang tidak diharapkan), meliputi:
a. Anomali peremajaan, yang terjadi apabila dilakukan pengubahan data yang mengakibatkan pengubahan data lain yang tidak mempunyai hubungan ecara logika,
Contoh:
a. Anomali peremajaan, yang terjadi apabila dilakukan pengubahan data yang mengakibatkan pengubahan data lain yang tidak mempunyai hubungan ecara logika,
Contoh:
Jika dosen dengan nama “ETIK RAHAYU MSC” telah menyelesaikan pendidikan S3,misalnya nama tersebut akan diubah menjadi “DRA ETIK RAHAYU MSC P.HD”. Maka data nama dari dosen yang bersangkutan perlu di-update di semua baris yang ada nama tersebut. Dengan demikian update tidak cukup dilakukan sekali, akan tetapi tergantung dari berapa kali data yang akan di-update muncul pada relasi.
b. Anomali penyisipan, yang terjadi apabila dilakukan penyisipan atau penambahan data yang mengakibatkan perlunya penambahan atau penyisipan data lain yang tidak mempunyai hubungan secara logika,
Contoh:
Jika ada dosen baru yang belum mendapatkan tugas perwalian, maka untuk menyisipkan data baru tersebut akan menyebabkan terdapatnya baris atau record sengan data tidak lengkap (data mahasiswa perwalian masih kosong),
c. Anomali pengahpusan, yang terjadi apabila dilakukan penghapusan data yang mengakibatkan hilangnya data lain yang tidak mempunyai hubungan secara logika.
Contoh: Diandaikan mahasiswa dengan nama = “ARDIAN SUFANDI” telah lulus, dan data tersebut akan dihapus dari relasi yang ada. Penghapusan baris yang ditempati data tersebut, akan menyebabkan data dosen yang terkait dengan mahasiswa tersebut yaitu “DRS SAROYAH” menjadi ikut terhapus. Hal ini disebabkan karena secara kebetulan dosen tersebut hanya empunyai satu mahasiswa di dalam perwalianya.
So, anomaly dapat dieliminasi dengan memecah relasi menjadi dua atau lebih relasi baru yang dibentuk dari relasi semula, yakni melalui proses normalisasi. Dua terminology yang terkait dengan proses normalisasi adalah ketergantungan functional (functional dependencies) dan kunci.
Untuk functional dependencies n kunci, kita bahas lain kali…ok2.
Referensi: Waduh, ni file dapet dari dosen… So,????...---Bersambung!!!
b. Anomali penyisipan, yang terjadi apabila dilakukan penyisipan atau penambahan data yang mengakibatkan perlunya penambahan atau penyisipan data lain yang tidak mempunyai hubungan secara logika,
Contoh:
Jika ada dosen baru yang belum mendapatkan tugas perwalian, maka untuk menyisipkan data baru tersebut akan menyebabkan terdapatnya baris atau record sengan data tidak lengkap (data mahasiswa perwalian masih kosong),
c. Anomali pengahpusan, yang terjadi apabila dilakukan penghapusan data yang mengakibatkan hilangnya data lain yang tidak mempunyai hubungan secara logika.
Contoh: Diandaikan mahasiswa dengan nama = “ARDIAN SUFANDI” telah lulus, dan data tersebut akan dihapus dari relasi yang ada. Penghapusan baris yang ditempati data tersebut, akan menyebabkan data dosen yang terkait dengan mahasiswa tersebut yaitu “DRS SAROYAH” menjadi ikut terhapus. Hal ini disebabkan karena secara kebetulan dosen tersebut hanya empunyai satu mahasiswa di dalam perwalianya.
So, anomaly dapat dieliminasi dengan memecah relasi menjadi dua atau lebih relasi baru yang dibentuk dari relasi semula, yakni melalui proses normalisasi. Dua terminology yang terkait dengan proses normalisasi adalah ketergantungan functional (functional dependencies) dan kunci.
Untuk functional dependencies n kunci, kita bahas lain kali…ok2.
Referensi: Waduh, ni file dapet dari dosen… So,????...---Bersambung!!!
Huhuhu dah capek2 nulis komen panjang2, e ilang.......
BalasHapusBuk kamu qo kenal ardian?????dia kan teman sekelasku. wah jangan2......
Pak Nukha ki ada-ada aj, hehe...
BalasHapusYa yaa, sma2 di FE yak?! Ardian ki atasan a, tapi sayang a gak pernah dapet gaji. hehe... sama2 di UKM Penelitian...Gitu