ANOMALI
Anomali adalah proses pada basis data yang dapat menyebabkan masalah yang tidak diinginkan (misal: terjadi inkonsistensi pada data, atau terdapat data lain yang hilang ketika suatu data dihapus).
Jenis-jenis anomali terdiri dari:
• Anomali peremajaan
• Anomali penghapusan
• Anomali penyisipan
Anomali Peremajaan
Anomali yang terjadi ketika ada perubahan sejumlah data yang mubazir, tetapi tidak seluruhnya diubah. Contoh:
Tabel Pesanan
|
Pemasok |
Kota |
Barang |
Jumlah |
|
Kartika |
Jakarta |
Mouse |
5 |
|
Citra |
Bandung |
Monitor |
2 |
|
Yudi |
Medan |
CPU |
2 |
|
Citra |
Bandung |
Printer |
1 |
Seandainya Citra dengan kota Bandung pindah ke Bogor maka pengubahan data hanya dilakukan pada data pertama menjadi:
Tabel Pesanan
|
Pemasok |
Kota |
Barang |
Jumlah |
|
Kartika |
Jakarta |
Mouse |
5 |
|
Citra |
Bogor |
Monitor |
2 |
|
Yudi |
Medan |
CPU |
2 |
|
Citra |
Bandung |
Printer |
1 |
Di sini terlihat bahwa data tentang pemasok Citra tidak sama yang menyebabkan ketidakkonsistenan data.
Sumber: definisiarti.blogspot.com
Anomali Penyisipan
Anomali yang terjadi ketika penambahan data terdapat elemen kosong, dan elemen tersebut justru menjadi key. Contoh:
Tabel Kursus
|
NoSiswa |
Kursus |
Biaya |
|
10 |
Bhs.Inggris |
60000 |
|
10 |
Bhs.Perancis |
80000 |
|
10 |
Bhs.Jepang |
70000 |
|
15 |
Bhs.Inggris |
60000 |
|
20 |
Bhs.Jepang |
70000 |
Misalnya akan dibuka kursus baru yaitu Bhs.Jerman dengan biaya 75000 akan tetapi belum ada seorangpun yang ikut kursus ini, sebagai data menjadi:
Tabel Kursus
|
NoSiswa |
Kursus |
Biaya |
|
10 |
Bhs.Inggris |
60000 |
|
10 |
Bhs.Perancis |
80000 |
|
10 |
Bhs.Jepang |
70000 |
|
15 |
Bhs.Inggris |
60000 |
|
20 |
Bhs.Jepang |
70000 |
|
Bhs.Jerman |
75000 |
Sumber: definisiarti.blogspot.com
Anomali PenghapusanAnomali yang terjadi apabila dalam satu baris/ tuple terdapat data yang akan dihapus, sehingga menyebabkan data dalam satu baris/tuple tersebut ikut hilang. Sebagai contoh pada Tabel Kursus sebelumnya, misalkan data NoSiswa 20 akan dihapus karena sudah tidak ikut kursus lagi, akibatnya data kursus bhs jepang dan biaya 70000 akan ikut terhapus.
REDUDANSI
Redudansi adalah munculnya data yang berulang kali pada suatu tabel/ relasi yang semestinya tidak diperlukan. Redudansi dapat terjadi dalam satu file, ataupun beberapa file sekaligus.
NORMALISASI
Normalisasi dalam basis data adalah suatu teknik yang menstrukturkan/ mendekomposisi data dalam cara-cara tertentu untuk mencegah timbulnya permasalahan pengolahan data dalam basis data.
TUJUAN NORMALISASI
• Untuk menghilangkan redudansi/ data rangkap
• Untuk mengurangi kompleksitas
• Untuk mempermudah modifikasi data
PROSES NORMALISASI
1. Data diuraikan dalam bentuk tabel, kemudian dianalisis berdasarkan syarat tertentu ke beberapa tingkat.
2. Apabila tabel yang diuji belum memenuhi syarat tertentu, maka tabel tersebut perlu dipecah menjadi beberapa tabel yang lebih sederhana sampai memenuhi bentuk yang optimal
FUNCTIONAL DEPENDENCY
Functional Dependency (FD) adalah suatu ketergantungan relasi yang terjadi antara atribut dalam tabel atau entitas dengan atribut lain. FD menggambarkan suatu relationship/ hubungan, batasan, keterkaitan diantara atribut dlam relasi.
Notasi dalam FD adalah:
A --> B
Simbol “-->“ mewakili bentuk FD dengan cara pembacaan “secara fungsional menentukan”. Artinya adalah, secara fungsional A menentukan B atau B tergantung pada A, jika dan hanya jika ada 2 baris data dengan nilai A sama, maka nilai B juaga sama.
Contoh:
|
NamaKul |
Nrp |
NamaMhs |
NiHuruf |
|
Struktur
Data |
12345 |
Nuril
Utami |
A |
|
Struktur
Data |
12346 |
Sekar
Sari |
B |
|
Basis
Data |
12345 |
Nuril
Utami |
B |
|
Basis
Data |
12346 |
Sekar
Sari |
A |
Sumber: naymustika.blogspot.com
Keterangan dari FD diatas:
1. Nrp --> NamaMhs
Karena untuk setiap nilai Nrp yang sama, maka nilai NamaMhs juga akan sama.
2. {NamaKul, Nrp} --> NiHuruf
Karena atribut Nihuruf tergantng pada NamaKul dan Nrp secara bersama-sama. Atau NamaKul & Nrp ynag sama, mka NiHuruf juga akan sama, sebab NamaKul dan Nrp merupakan key yang bersifat unik.
LEVEL NORMALISASI
Level normalisasi dijelaskan berdasarkan kriteria tertentu pada bentuk normal. Bentuk normal yang dikenal hingga saat ini meliputi bentuk 1NF, 2NF, 3NF, BCNF, 4NF, 5NF, DKNF, dan RUNF. Normalisasi akan dijalankan secara berturut-turut dimulai dari tahap 1NF hingga ke tahap normalisasi yang sudah sesuai dengan syarat bentuk normal pada data-data tersebut.
RELASI BENTUK TIDAK NORMAL (UN-NORMALIZED FORM/UNF)
Relasi bentuk tidak normal (un-normalized form/UNF) adalah relasi-relasi yang dirancang tanpa mengindahkan batasan dalam definisi basis data dan karakteristik RDBM. Bentuk ini harus dihindari dalam perancangan relasi dalam basis data.
Relasi UNF mempunyai kriteria sebagai berikut:
• Jika relasi mempunyai bentuk non flat file (dapat terjadi akibat data disimpan sesuai dengan kedatangannya, tidak memiliki struktur tertentu, terjadi duplikasi atau tidak lengkap).
• Jika ralasi memuat set atribut berulang (non single value).
• Jika relasi memuat atribut non atomic value.
RELASI BENTUK NORMAL PERTAMA (FIRS NORM FORM/ 1NF)
Suatu relasi dapat disebut dengan 1NF apabila memenuhi kriteria sebagai berikut:
• Jika seluruh atrubut dalam relasi bernilai atomic (atomic value)
• Jika seluruh atribut dalam relasi bernilai tunggal (single value)
• Jika relasi tidak memuat set atribut berulang
• Jika semua record mempunyai sejumlah atribut yang sama
Artinya suatu data dapat dikatakan normal apabila setiap atribut yang dimilikinya memiliki satu dan hanya satu nilai. Apabila ada atribut yang memiliki nilai lebih dari satu, atribut tersebut adalah kandidat untuk menjadi entitas tersendiri.
Permasalahan dalam 1NF adalah sebagai berikut:
• Tidak dapat menyisipkan informasi persial
• Terhapusnya informasi ketika menghapus sebuah record
• Pembaruan atribut non-key mengkibatkan sejumlah record harus diperbarui
Mengubah relasi UNF menjadi 1NF dapat dilakukan dengan cara sebagai berikut:
• Melengkapi nila-nilai dalam atribut
• Mengubah struktur relasi
BENTUK NORMAL KEDUA (SECOND NORM FORM/ 2NF)
Relasi disebut 2NF jika memenuhi kriteria sebagai berikut:
• Jika memenuhi kriteria 1NF
• Jika semua aitribut nonkunci FD pada PK
Pemasalahan dalam 2NF adalah sebagai berikut:
• Kerangkapan data (data redundancy)
• Pembaharuan yang tidak benar dapat menimbulakan inkonsistensi data (data inconsistency)
• Proses pembaruan data efisien
• Penyimpangan pada saat penyisipan, penghapusan, dan pembaharuan
Kriteria tersebut mengindikasikan bahwa di antara atribut dalam 2NF masih mungkin mengalami TDF. Selain itu, relasi 2NF menuntut telah didefinisikan atribut PK dalam relasi.
Mengubah relasi 1NF menjadi bentuk 2NF dapat dilakukan dengan mengubah struktur relasi dengan cara:
• Identifikasi FD relasi 1NF (jika perlu gambarkan diagram ketergantungan datanya)
• Berdasarkan informasi tersebut, dekomposisi relasi 1NF menjadi relasi-relasi baru sesuai FD-nya. Jika menggunakan diagram maka simpul-simpul yang berada pada puncak diagram ketergantungan data bertindak sebagai PK pada relasi baru.
BENTUK NORMAL KETIKA (THIRD NORM FORM/3NF)
Suatu relasi disebut sebagai 3NF jika memenuhi kriteria sebagai berikut:
• Jika memenuhi kriteria 2NF
• Jika setiap atribut nonkunci tidak TDF (non tramsitive dependenc) terhadap PK.
Sebuah model data dikatakan memenuhi bentuk normal ketiga apabila ia memenuhi bentuk normal kedua dan tidak ada satupun atribut non-identifying (bukan pengidentifikasi unik) yang bergantung pada atribut non-identifying lain. Apabila ada, pisahkan salah satu atribut tersebut menjadi entitas baru, dan atribut yang bergantung padanya menjadi atribut entitas baru tersebut.
Permasalahan dalam 3NF adalah keberadaan penentu yang tidak merupakan bagian dari PK menghasilkan duplikasi rinci data pada atribut yang berfungsi sebagai FK (duplikasi berbeda dengan kerangkapan data).
Mengubah relasi 2NF menjasi bentuk 3NF dapat dilakukan dengan mengubah struktur relasi dengan cara sebagai berikut:
• Identifikasi TDF relasi 2NF (jika perlu gambarkan diagram ketergantungan datanya)
• Berdasarkan informasi tersebut, dekomposisi relasi 2NF menjadi relasi-relasi baru sesuai TDF-nya. Jika menggunakan diagram maka simpul-simpul yang berada pada puncak diagram ketergantungan data bertindak sebagai PK pada relasi baru.
Misalkan:
Terhadap relasi R dengan sifat sebagai berikut:
a. R=(A,B,C) dengan PK=A
b. FD:R.B?R.
Maka relasi R perlu di dekomposisi menjasi relasi-relasi R1 dan R2, yaitu:
a. R1=(B,C)
b. R2=(A,B), FK: B references R1
BENTUK NORMAL BOYEE-CODD (BOYEE-CODD NORM FORM/BCNF)
Bentuk normal boyee-Codd (boyee-Codd norm form/BCNF) dikemukakan oleh R.F Boyee dan E.F Codd. Suatu relasi disebut dengan BCNF jika memenuhi kriteria sebagai berikut:
• Jika memenuhi kriteria 3NF
• Jika semua atribut penentu (determinan) merupakan CK
BENTUK NORMAL KEEMPAT (FORTH NORM FORM/4NF)
Relasi disebut sebagai 4NF jika memenuhi kriteria senagai berikut:
• Jika memenuhi kriteria BCNF
• Jika setiap atribut di dalamnya tidak mengalami ketrgantungan pada banyak nilai.
Atau dengan kalimat lain, bahwa semua atribut yang mengalami ketergantungan pada banyak nilai adalah bergantung secara fungsional (functionally dependency).
BENTUK NORMAL KELIMA (FIFTH NORM FORM/5NF)
Suatu relasi memenuhi kriteria 5NF kerelasian atar data dalam relasi tersebut tidak dapat direkonstruksi dari struktur relasi yang sederhana.
BENTUK NORMAL KUNCI DOMAIN (DOMAIN KEY NORM FORM/DKNF).
Suatu relasi disebut sebagai DKNF jika setiap batasan dapat disimpulkan secara sederhana dengan mengetahui sekumpulan nama atribut dan domainnya selama menggunakan sekumpulan atribut pada kuncinya. Bentuk DKNF ini dikemukakan oleh R.Fagin pada 1981 dan bersifat sangat spesifik, artinya tidak semua relasi dapat mencapai level ini.
Referensi:
Perwitasari, Anggi, S.T, M.T. (2020, November 16). SECTION 9 – NORMALISASI 1 [Slide Presentasi]. Dapat diakses melalui http://e-learning.untan.ac.id/learning/course/view.php?id=3627#section-10
Perwitasari, Anggi, S.T, M.T. (2020, November 16). SECTION 10 – NORMALISASI 2 [Slide Presentasi]. Dapat diakses melalui http://e-learning.untan.ac.id/learning/course/view.php?id=3627#section-11
Pengertian Definisi dan Arti (2012, Maret). Pengertian Definisi Anomali Data Base. Diakses pada November 21, 2020, dari https://definisiarti.blogspot.com/2012/03/pengertian-definisi-anomali-data-base.html
Mahadisuta, Gusthi (2012, Desember 12). Normalisasi Basis data (Database). Diakses pada November 21, 2020, dari https://www.mahadisuta.net/2012/12/normalisasi-basis-data-database.html
Materi Basis Data (2020, Juni). Normalisasi Basis Data. Diakses pada November 21, 2020, dari https://materibasisdata.blogspot.com/2020/06/normalisasi-basis-data.html
Mustika, Nay (2012, November 29). FUNCTIONAL DEPENDENCY DAN NORMALISASI. Diakses pada November 22, 2020, dari https://naymustika.blogspot.com/2012/11/functional-dependency-dan-normalisasi.html
Marheni, Septi (2012, Desember). Functional Dependency (ketergantunagn Fungsional). Diakses pada November 22, 2020, dari https://septimarheni.blogspot.com/2012/12/functional-dependency-ketergantunagn.html
0 komentar:
Posting Komentar