BAB 2 LANDASAN TEORI 2.1
Database
2.1.1
Basis Data Menurut Connolly (2002, p14), basis data adalah kumpulan data yang terhubung secara logis, yang dapat digunakan secara bersama, dan deskripsi dari data ini dirancang untuk memenuhi kebutuhan. Sedangkan menurut O’Brien (2003, p145), basis data adalah sebuah kumpulan terintegrasi dari elemen data yang terhubung secara logis. Maka dapat disimpulkan bahwa basis data adalah suatu kumpulan data yang memiliki pola tertentu yang logis.
2.1.2
Model Relasional Menurut Subekti (1998, p23), dalam model basis data relasional maka data diorganisir dalam bentuk tabel-tabel dua dimensi (seperti halnya bentuk konvensional dari file sequential). Organisasi data dalam bentuk tabel atau disebut juga relation, terdiri atas baris (row/tuple) yang merepresentasikan record dan kolom (column) yang merepresentasikan field (atribut). Berbagai keuntungan yang dimiliki oleh basis data relasional adalah: -
Bentuknya sederhana sehingga mudah dimengerti (representasi tabel)
-
Bentuknya alami (natural) mudah bagi pengguna untuk melakukan berbagai operasi data (insert, update, delete). Menurut Kadir (1998, p25) model relasional merupakan model yang
paling sederhana sehingga mudah dipahami oleh pengguna, serta merupakan yang paling populer saat ini. Model relasional ini menggunakan sekumpulan
-7-
tabel dua dimensi atau berupa baris dan atribut. Relasi dirancang sedemikian rupa sehingga dapat menghilangkan kemubaziran data dan menggunakan kunci tamu untuk berhubungan dengan relasi lain. Kesimpulannya model relasional merupakan data yang ditampilkan dalam bentuk dua dimensi yang berupa beberapa baris dan kolom. Pada tiap relasi terdapat kunci yang menghubungkan antara satu relasi dengan relasi yang lain. 2.1.3
Kunci Relasional Menurut Connolly (2002, p78-79) kunci relasi sangat dibutuhkan untuk mengidentifikasi satu atau lebih atribut (disebut kunci relasi) yang memiliki nilai unik setiap tuple dalam relasi. Macam-macam kunci relasi: 1. Kunci Sederhana (Simple Key) Kunci sederhana adalah suatu kunci yang dibentuk oleh satu atribut. 2. Kunci Komposit (Composite Key) Kunci Komposit adalah kunci yang disusun berdasarkan lebih dari satu atribut. 3. Kunci Kandidat (Candidate Key) Kunci Kandidat adalah satu atribut atau satu set minimal atribut yang mengidentifikasikan secara unik suatu kejadian spesifik dari entity. 4. Kunci Primer (Primary Key) Kunci Primer adalah satu atribut atau satu set minimal atribut yang tidak hanya mengidentifikasikan secara unik suatu kejadian spesifik, tapi juga dapat mewakili setiap kejadian dari suatu entity.
8
5. Kunci Alternatif (Alternate Key) Kunci Alternatif adalah kunci kandidat yang tidak dipakai sebagai kunci primer. 6. Kunci Tamu (Foreign Key) Kunci Tamu adalah satu atribut yang melengkapi satu hubungan (relationship) yang menunjukkan ke induknya. 2.1.4
Struktur Data Relasional Menurut Connolly (2002, p72-74) struktur data relasional terdiri dari: •
Relasi Suatu relasi adalah sebuah tabel dengan kolom-kolom dan baris-baris.
•
Atribut Suatu atribut adalah sebuah nama kolom dari suatu relasi.
•
Domain Sebuah domain merupakan sekumpulan nilai-nilai yang diperbolehkan bagi satu atau lebih atribut.
•
Tuple Tuple merupakan sebuah baris dari sebuah relasi.
•
Derajat (degree) Derajat dari suatu relasi adalah sejumlah atribut yang terkandung di dalamnya.
•
Kardinalitas (cardinality) Kardinalitas dari sebuah relasi adalah sejumlah tuple yang terkandung di dalamnya.
9
•
Relasi Basis Data Suatu koleksi dari sejumlah relasi normalisasi dengan nama-nama relasi yang jelas.
2.1.5
Tahapan Perancangan Basis Data Menurut Connolly (2002, p419), proses perancangan dibagi menjadi 3 tahap utama: 1.
Perancangan basis data secara konseptual Perancangan konseptual merupakan proses konstruksi suatu informasi yang digunakan dalam sebuah organisasi. Fase perancangan konseptual bermula dari pembuatan data model konseptual dari organisasi, yang sepenuhnya bebas dari pengimplementasian rincian– rincian seperti mengenai sasaran dari manajemen sistem basis data (DBMS), program–program aplikasi, bahasa pemrograman, platform perangkat keras, persoalan kinerja atau pertimbangan–pertimbangan fisik lainnya.
2.
Perancangan Basis Data secara logikal Perancangan basis data logikal adalah proses konstruksi suatu informasi yang digunakan dalam sebuah perusahaan berdasarkan pada sebuah model data yang spesifik, tetapi bebas dari pertimbangan– pertimbangan fisik lainnya. Fase perancangan basis data secara logikal memerlukan modal perancangan konseptual pada sebuah model logikal, yang mana dipengaruhi oleh model data untuk target basis data (contohnya, model
10
relasional). Model data logikal adalah sumber informasi bagi fase perancangan fisik, menyediakan perancangan fisik yang sangat penting untuk sebuah perancangan basis data yang efisien. 3.
Perancangan Basis Data secara fisikal Perancangan basis data secara fisik merupakan proses pembuatan deskripsi dari implementasi basis data pada media penyimpanan sekunder, fase ini mendeskripsikan dasar relasi, berkas organisasi dan indeks untuk mencapai pengaksesan data yang efisien, dan beberapa batasan hubungan yang utuh dan tingkat keamanan. Fase perancangan basis data secara fisik memperbolehkan perancang membuat keputusan–keputusan berdasarkan bagaimana basis data diimplementasikan, agar perancangan fisikal ditoleransi sebuah untuk sebuah manajemen sistem basis data yang spesifik. Ada timbal balik antara perancangan logical dan perancangan fisikal, karena keputusan–keputusan
diambil
selama
perancangan
fisikal
mengembangkan kinerja yang bisa mempengaruhi model data logikal. 2.1.6
Entity-Relational Diagram (ERD) Menurut Date (2000, p427–429), entity relational diagram (ER Diagram) merupakan sebuah teknik untuk menggambarkan struktur logis dari sebuah basis data dalam suatu cara bergambar. Tentu saja, popularitas dari sebuah model ER seperti sebuah pendekatan pada perancangan basis data dapat dilengkapi lebih untuk keberadaan tehnik diagram ER daripada untuk beberapa kasus lainnya.
11
2.2
Normalisasi
2.2.1 Pengertian Normalisasi Normalisasi adalah sebuah teknik formal untuk menganalisis relasi berdasarkan primary key (candidate key) dan ketergantungan fungsional (Connolly, 2002, p386). Teknik tersebut mencakup serangkaian aturan yang dapat digunakan untuk menguji relasi individual, sehingga sebuah basis data dapat dinormalisasi pada derajat tertentu. Ketika syarat tidak terpenuhi, relasi yang tidak sesuai syarat harus diuraikan ke dalam relasi yang secara individu memenuhi syarat-syarat normalisasi. Tujuan dari proses normalisasi adalah untuk menghilangkan redundansi data (misalnya menyimpan data yang sama di beberapa tabel) dan memastikan ketergantungan data yang ada sudah benar (hanya menyimpan data yang berhubungan ke dalam sebuah tabel). Normalisasi mendukung para perancang basis data dengan memberikan serangkaian percobaan yang dapat digunakan dalam relasi individual sehingga skema relasi tersebut dapat dinormalisasi ke dalam bentuk yang lebih spesifik untuk menghindari kejadian yang memungkinkan terjadinya update anomaly (Connolly, 2002, p377). Normalisasi biasanya dilakukan dalam beberapa tahap. Masing-masing tahap berkaitan dengan bentuk normal tertentu yang telah diketahui propertinya. Dalam pemodelan data, sangatlah penting untuk mengenal normalisasi tingkat pertama (1NF) yang merupakan kondisi kritis untuk membuat relasi-relasi yang diperlukan, sedangkan bagian bentuk normal yang lain merupakan pilihan (optional). Namun, untuk menghindari terjadinya update anomaly, maka dalam proses normalisasi setidaknya harus sampai pada bentuk
12
normal ketiga (Connolly, 2002, p386). 2.2.2 Pengertian Anomali Menurut Connolly (2002, p376), anomali, adalah suatu masalah yang timbul seperti: data ganda, data hilang, tempat pemborosan memori, dan data yang tidak konsisten akibat proses penghapusan data, pembaruan data, pemasukan data, dan penggantian data. Staf NoStaf
NamaStaf
Jabatan
Gaji
NoCabang
SL21
John White
Manager
30000
B005
SG37
Ann Beach
Assistant
12000
B003
SG14
David Ford
Supervisor
18000
B003
SA9
Mary Howe
Assistant
9000
B007
SG5
Susan Brand
Manager
24000
B003
SL41
Julie Lee
Assistant
9000
B005
Cabang NoCabang
AlamatCabang
B005
22 Deer Rd, London
B007
16 Argyll St, Aberdeen
B003
163 Main St, Glasgow
Tabel 2.1 Relasi Staf dan Cabang
13
StafCabang noStaf
namaStaf
jabatan
Gaji
noCabang
AlamatCabang
SL21
John White
Manager
30000
B005
22 Deer Rd, London
SG37
Ann Beach
Assistant
12000
B003
163 Main St, Glasgow
SG14
David Ford
Supervisor
18000
B003
163 Main St, Glasgow
SA9
Mary Howe
Assistant
9000
B007
16 Argyll St, Aberdeen
SG5
Susan Brand
Manager
24000
B003
163 Main St, Glasgow
SL41
Julie Lee
Assistant
9000
B005
22 Deer Rd, London
Tabel 2.2 Relasi StafCabang
Menurut Subekti (1998, p22), anomali (kejanggalan) akan muncul terhadap operasi dasar karena adanya fakta hubungan many to many (baik untuk operasi insert, delete, maupun update): •
Anomali insert Ada dua jenis insertion anomaly yang dapat digambarkan dengan menggunakan relasi pada contoh tabel 2.2 di atas. •
Untuk memasukkan anggota baru staf ke dalam relasi StafCabang, perincian Cabang di mana staf ditempatkan perlu dimasukkan. Sebagai contohnya, untuk memasukkan perincian staf baru yang akan ditempatkan pada cabang nomor B007, perincian cabang nomor B007 perlu dimasukkan dengan benar, sehingga perincian cabang konsisten dengan nilai cabang B007 di tuple lain dalam relasi StafCabang. Relasi yang ditunjukkan pada tabel 2.1 tidak mengalami data yang tidak konsisten, karena hanya memasukkan nomor cabang dengan tepat untuk masing-masing staf dalam relasi Staf. Sedangkan
14
perincian cabang nomor B007 disimpan dalam basis data sebagai tuple tersendiri dalam relasi Cabang. •
Untuk memasukkan perincian cabang baru yang tidak mempunyai nomor anggota staf pada relasi StafCabang, perlu memasukkan nilai null pada atribut staf, seperti noStaf. noStaf adalah primary key dari relasi StafCabang, sehingga memasukkan nilai null pada noStaf akan melanggar konsep integritas data, dan hal semacam ini tidak diperbolehkan. Oleh karena itu, nilai null tidak bisa dimasukkan pada noStaf ke dalam cabang baru pada relasi StafCabang. Perancangan yang ditunjukkan pada tabel 2.1 menghindari masalah ini karena perincian cabang yang dimasukkan pada relasi Cabang terpisah dari perincian staf.
•
Anomali delete Jika ingin menghapus sebuah tuple dari relasi StafCabang yang merepresentasikan anggota staf yang ditempatkan pada cabang, maka perincian tentang cabang juga hilang dari basis data. Sebagai contohnya, jika ingin menghapus tuple NoStaf SA9 (Mary Howe) dari relasi StafCabang, perincian yang berhubungan dengan cabang nomor B007 akan hilang dari basis data. Rancangan pada relasi yang ditunjukkan pada tabel 2.1 menghindari masalah ini, karena tuple cabang disimpan secara terpisah dari tuple staf dan hanya atribut NoCabang yang berhubungan dengan kedua relasi tersebut. Jika ingin menghapus tuple NoStaf SA9 dari relasi Staf, perincian cabang nomor B007 tetap tidak terpengaruh dalam relasi
15
Cabang. •
Anomali update: Jika ingin mengubah nilai dari salah satu atribut untuk cabang tertentu pada relasi StafCabang, contohnya AlamatCabang dari cabang nomor B003, tuple dari semua staf yang ditempatkan pada cabang tersebut perlu diperbaharui (update). Jika perubahan ini tidak mengubah semua tuple pada relasi StafCabang dengan tepat, maka basis data menjadi tidak konsisten. Pada contoh ini, cabang nomor B003 akan mempunyai AlamatCabang yang berbeda untuk tuple staf yang berbeda.
2.2.3
Dependensi (Ketergantungan) Menurut Kadir (1999, p680), dependensi merupakan konsep yang mendasari normalisasi. Dependensi menjelaskan hubungan antara atribut, atau secara lebih khusus menjelaskan nilai suatu atribut yang menentukan nilai atribut lainnya. Dependensi ini kelak menjadi acuan bagi pendekomposian data ke dalam bentuk yang paling efisien. Untuk
menentukan
cara
yang
sistematik
dalam
mengambil
ketergantungan, perlu diketahui sejumlah inference rule yang dapat digunakan untuk mengambil ketergantungan baru dari sejumlah ketergantungan yang diberikan.
Enam
aturan
yang
dikenal
sebagai
inference
rule
ketergantungan fungsional adalah sebagai berikut (Elmasri, 2000, p479). 1. Reflektif
: Jika A ⊇ B, maka A Æ B
2. Augmentasi
: Jika A Æ B, maka A,C Æ B,C
3. Transitif
: Jika A Æ B dan B Æ C, maka A Æ C
16
untuk
4. Dekomposisi
: Jika A Æ B,C, maka A Æ B dan A Æ C
5. Union
: Jika A Æ B dan A Æ C, maka A Æ B,C
6. Pseudotransitif : Jika A Æ B dan DB Æ E, maka AD Æ E Misalnya skema R = (A, B, C, G, H ,I) dan sejumlah ketergantungan fungsional F {A Æ B, A Æ C, CG Æ H, CG Æ I, B Æ H}. Dengan menggunakan inference rule tersebut maka akan didapatkan F+ sebagai berikut : •
A Æ H didapat dari A Æ B dan B Æ H dengan menggunakan aturan transitif.
•
CG Æ HI didapat dari CG Æ H dan CG Æ I dengan menggunakan aturan union.
•
AG Æ I didapat dari A Æ C dan CG Æ I dengan menggunakan aturan pseudotransitif. Terdapat cara lain juga untuk mendapatkan AG Æ I. Dengan
menggunakan aturan augmentasi, A Æ C menjadi AG Æ CG, kemudian menggunakan CG Æ I dengan aturan transitif diperoleh AG Æ I. Macam-macam dependensi: •
Dependensi fungsional, adalah jenis dependensi yang banyak diulas pada literatur basis data. Dependensi fungsional didefinisikan sebagai berikut: Suatu atribut Y mempunyai dependensi fungsional terhadap atribut X jika dan hanya jika setiap nilai X berhubungan dengan sebuah nilai Y (XÆY).
•
Dependensi fungsional sepenuhnya, dapat dijelaskan sebagai berikut: Suatu atribut Y mempunyai dependensi fungsional penuh terhadap atribut X jika:
17
Y mempunyai dependensi fungsional terhadap X. Y tidak memiliki dependensi terhadap bagian dari X. •
Dependensi total, dapat didefinsikan sebagai berikut: Suatu atribut Y mempunyai dependensi total terhadap atribut X jika: Y mempunyai dependensi fungsional terhadap X. X mempunyai dependensi fungsional terhadap Y. Dependensi ini dapat dinyatakan dengan notasi XÅÆY
•
Dependensi multivalued Suatu kondisi di mana terdapat ketergantungan antara atribut (contohnya, A, B, and C) di suatu relasi, di mana untuk setiap nilai dari A terdapat sejumlah nilai dari B dan sejumlah nilai dari C. Tetapi, antara B dan C tidak saling tergantung atau tidak ada hubungan satu sama lainnya Terjadinya multivalued dependencies dalam suatu relasi dikarenakan pada bentuk 1NF tidak diperbolehkan adanya repeating groups (atribut dalam satu baris mempunyai nilai lebih dari satu). Contohnya, jika dalam suatu relasi terdapat dua multivalued atribut, kita harus mengulang setiap nilai dari satu atribut dengan setiap nilai dari atribut lain, untuk menjaga konsistensinya. Hal ini menyebabkan multivalued dependencies dan menghasilkan redundansi data.
•
Dependensi transitif, adalah sebagai berikut Atribut Z mempunyai dependensi transitif terhadap X bila: Y mempunyai dependensi fungsional terhadap X. Z mempunyai dependensi fungsional terhadap Y.
18
2.2.6
Proses Normalisasi Pertama kali dikembangkan oleh E.F.Codd (1972 b). Proses normalisasi sering dilakukan sebagai rangkaian test terhadap suatu hubungan untuk menentukan apakah memenuhi atau melanggar kebutuhan dari bentuk normal yang ditentukan. 1. Bentuk normal kesatu (1NF) Mengidentifikasikan dan membuang atribut yang berulang (repeating groups) dan memiliki nilai yang lebih dari satu (multivalued). Grup yang berulang (repeating groups) disini maksudnya adalah sebuah atribut atau sekumpulan atribut dalam tabel yang mengandung banyak nilai untuk satu kejadian. Ada dua pendekatan yang umum digunakan untuk menghilangkan grup yang berulang dalam tabel yang tidak normal (Connolly, 2002, p388) : a. Menghilangkan grup yang berulang dengan memasukkan data yang tepat pada kolom kosong dari baris yang mengandung data yang berulang. Dengan kata lain, kolom yang kosong tersebut diisi dengan menggandakan data yang tidak berulang (jika diperlukan). Tabel yang dihasilkan merupakan suatu relasi yang mengandung nilai tunggal pada irisan untuk tiap baris dan kolom, dan tabel yang dihasilkan sudah berada dalam bentuk normal pertama. b. Menghilangkan grup yang berulang dengan menempatkan data yang berulang bersama dengan salinan atribut key asli. Sebuah primary key diidentifikasi untuk relasi baru. Kadang-kadang tabel yang tidak normal
19
mengandung lebih dari satu grup yang berulang. Dalam kasus tersebut, pendekatan ini digunakan berulang-ulang sampai tidak ada grup yang berulang lagi. SewaKlien noKlien
nmKlien
noProperti
CR76
John
PG4
Kay
AlmtPro
awalSewa
akhirSewa
Sewa
noPemilik
nmPemilik
6 Lawrence
1-Jul-00
31–Aug -
350
CO40
Tina
St, Glasgow PG16
5 Novar Dr,
01
Murphy
1-Sep-01
1-Sep-02
450
CO93
Tony Shaw
1-Jul-00
31 – Aug -
350
CO40
Tina
Glasgow CR65
Aline
PG4
Stewart
6 Lawrence St, Glasgow
PG36
2 Manor Rd
01
Murphy
10-Oct-00
1-Dec-01
375
CO93
Tony Shaw
1-Sep-01
1-Sep-02
450
CO93
Tony Shaw
Glasgow PG16
5 Novar Dr, Glasgow
Tabel 2.3 Tabel SewaKlien yang belum dinormalisasi noKlien diidentifikasi sebagai kunci atribut dalam tabel yang tidak normal (sewaKlien). Struktur dari grup yang berulang adalah {noProperti, AlmtPro, awalSewa, akhirSewa, Sewa, noPemilik, nmPemilik}. Akibatnya, terdapat beberapa nilai pada irisan untuk baris dan kolom tertentu. Sebagai contohnya, untuk klien yang bernama John Kay terdapat dua nilai noProperti (PG4 dan PG16). Untuk mengubah tabel yang tidak normal ke dalam bentuk normal pertama, perlu dipastikan bahwa hanya terdapat nilai yang tunggal pada irisan dari masing-masing baris dan kolom. Oleh karena itu grup yang berulang harus dihilangkan. SewaKlien
20
noKlien
nmKlien
noProperti
AlmtPro
awalSewa
akhirSewa
Sewa
noPemilik
nmPemilik
CR76
John
PG4
6 Lawrence
1-Jul-00
31 – Aug -
350
CO40
Tina
Kay CR76
St, Glasgow
John
PG16
Kay CR65
Aline
PG4
1-Sep-02
450
CO93
Aline
Aline
6 Lawrence
PG36
2 Manor Rd
1-Jul-00
31 – Aug -
350
CO40
01 10-Oct-00
1-Dec-01
Stewart
5 Novar Dr,
Tina Murphy
375
CO93
Glasgow PG16
Tony Shaw
St, Glasgow
Stewart CR65
1-Sep-01
Murphy
Glasgow
Stewart CR65
5 Novar Dr,
01
Tony Shaw
1-Sep-01
1-Sep-02
450
CO93
Glasgow
Tony Shaw
Tabel 2.4 Relasi SewaKlien pada bentuk normal pertama Dengan menggunakan pendekatan pertama, grup yang berulang dihilangkan dengan memasukkan data klien yang tepat ke tiap baris. Hasil bentuk normal pertama relasi SewaKlien dapat dilihat pada tabel 2.4. Candidate key untuk relasi SewaKlien diidentifikasi sebagai key gabungan (composite
key)
yang
terdiri
dari
(noKlien,
noProperti),
(noKlien,awalSewa) dan (noProperti, awalSewa). Key yang dipilih sebagai primary key adalah (noKlien, noProperti) dan untuk lebih jelasnya, atribut yang dipilih sebagai primary key diletakkan di sebelah kiri dalam relasi. Atribut akhirSewa tidak tepat sebagai komponen dari candidate key karena mungkin berisi nilai null. Relasi SewaKlien dapat didefinisikan sebagai berikut : SewaKlien (noKlien, noProperti, nmKlien, AlmtPro, awalSewa, akhirSewa, sewa, noPemilik, nmPemilik) Relasi SewaKlien berada dalam bentuk normal pertama jika terdapat nilai tunggal pada irisan dari tiap baris dan kolom. Relasi tersebut
21
mengandung data yang mendeskripsikan klien, properti yang disewakan, dan pemilik properti secara berulang-ulang. Sebagai hasilnya, relasi SewaKlien mengandung redundansi data. Jika relasi dalam bentuk normal pertama diimplementasikan, maka akan terjadi update anomaly. Untuk mengatasi hal tersebut maka relasi harus diubah ke dalam bentuk normal kedua. Dengan menggunakan pendekatan kedua, grup yang berulang dihilangkan dengan menempatkan data yang berulang bersama dengan salinan atribut key asli (noKlien) dalam relasi yang terpisah seperti yang ditunjukkan pada tabel 2.5. Kemudian primary key dapat diidentifikasi untuk relasi yang baru, dan hasil relasi dalam bentuk normal pertama adalah sebagai berikut : Klien
(noKlien, nmKlien)
PemilikPropertiSewa
(noKlien,
noProperti,
AlmtPro,awalSewa,akhirSewa, Sewa, noPemilik, nmPemilik) Kedua relasi Klien dan PemilikPropertiSewa berada dalam bentuk normal pertama di mana terdapat nilai tunggal pada irisan dari tiap baris dan kolom. Relasi Klien berisi data yang mendeskripsikan klien dan relasi PemilikPropertiSewa berisi data yang mendeskripsikan properti yang disewa oleh klien dan pemilik properti. Relasi pada tabel 2.5 juga berisi redundansi data yang menyebabkan terjadinya update anomaly. PemilikPropertiSewa
22
noKlien
noProperti
CR76
PG4
AlmtPro
awalSewa
akhirSewa
Sewa
noPemilik
nmPemilik
6 Lawrence St,
1-Jul-00
31 – Aug
350
CO40
Tina
Glasgow CR76
PG16
5
Novar
– 01 Dr,
Murphy
1-Sep-01
1-Sep-02
450
CO93
Tony Shaw
1-Jul-00
31 – Aug
350
CO40
Tina
Glasgow CR65
PG4
6 Lawrence St, Glasgow
CR65
PG36
2
Manor
– 01
Murphy
Rd,
10-Oct-00
1-Dec-01
375
CO93
Tony Shaw
Dr,
1-Sep-01
1-Sep-02
450
CO93
Tony Shaw
Glasgow CR65
PG16
5
Novar
Glasgow Klien noKlien
nmKlien
CR76
John Kay
CR56
Aline Stewart
Tabel 2.5 Relasi Klien dan PemilikPropertiSewa pada 1NF Suatu hubungan dinyatakan normal pertama apabila : a. Setiap dari baris dan kolom berisi atribut yang bernilai tunggal. b. Kunci primer telah ditentukan c. Attribut yang mempunyai nilai banyak (multivalued) telah dihilangkan. 2. Bentuk normal kedua (2NF) Ketergantungan Fungsional (Functional Dependency) Bergantung fungsional dapat didefinisikan sebagai berikut : Jika A dan B merupakan bagian atribut dari suatu hubungan, B bergantung penuh pada A, jika dan hanya jika setiap nilai A berhubungan dengan sebuah nilai B.
23
B is Functionally A
B Dependent on A Position on Functionally
staff No
Position Dependent on staffNo Position is not Functionally
Position
staffNo Dependent on Position
Gambar 2.3 contoh Functional Dependency Bergantung fungsional penuh dapat didefinisikan sebagai berikut : Jika A dan B adalah atribut dari suatu hubungan ,
B bergantung fungsional
sepenuhnya kepada A jika B bergantung fungsional terhadap A, tetapi tidak memiliki ketergantungan kepada subset A lainnya. Suatu hubungan berada dalam bentuk normal kedua jika : a. Berada pada bentuk normal pertama b. Atribut bukan kunci primer (non primary key) telah dihilangkan atau semua atribut bukan kunci primer bergantung fungsional sepenuhnya kepada kunci primer. 3. Bentuk normal ketiga (3NF) Ketergantungan Transitif (Transitive Dependency) Ketergantungan transitif dapat didefinisikan sebagai berikut : Pada kondisi dimana A , B dan C adalah atribut dari suatu hubungan. Jika AÆB dan BÆC, maka C merupakan ketergantungan transitif pada A dan B
24
(dimana A tidak bergantung fungsional terhadap B atau C) Suatu hubungan berada pada bentuk normal ketiga jika : a. Berada pada bentuk normal pertama dan kedua b. Setiap atribut bukan kunci tidak memiliki dependensi transitif terhadap kunci primer. 4. Bentuk normal Boyce – Codd Normal Form (BCNF) Pertama kali diperkenalkan oleh R.Boyce dan E.F.Codd (Codd, 1974). Suatu hubungan berada pada bentuk normal BCNF (Boyce Codd Normal Form) jika hanya jika setiap determinan adalah kunci kandidat. Bentuk normal BCNF merupakan perbaikan dari bentuk normal yang ketiga. Tetapi tidak menutup kemungkinan bahwa bentuk normal ketiga memiliki anomali, sehingga perlu dinormalisasi lagi. Suatu relasi yang memenuhi BCNF selalu memenuhi 3NF, tetapi belum tentu bentuk normal 3NF memenuhi bentuk normal BCNF Contoh (Elmasri, 2000, p495): Asumsinya adalah setiap INSTRUCTOR hanya mengajar satu COURSE STUDENT
COURSE
INSTRUCTOR
FD1 FD2
Tabel 2.6 Relasi Teach Karena determinant pada FD2 bukan kunci kandidat, maka relasi ini melanggar ketentuan BCNF. Untuk mengubahnya ke dalam bentuk BCNF, relasi di atas harus di dekomposisi menjadi dua relasi yaitu:
25
INSTRUCTOR
COURSE
FD1
INSTRUCTOR
STUDENT
FD1
Tabel 2.7 Relasi Teach setelah didekomposisi 5. Bentuk normal keempat (4NF) Ketergantungan nilai banyak (MultiValued Atribut) Menurut Connolly (2002, p407-408) MultiValued Dependecy adalah suatu kondisi di mana terdapat ketergantungan antara atribut (contohnya, A, B, and C) di suatu relasi, di mana untuk setiap nilai dari A terdapat sejumlah nilai dari B dan sejumlah nilai dari C. Tetapi, antara B dan C tidak saling tergantung atau tidak ada hubungan satu sama lainnya. Terjadinya multivalued dependencies dalam suatu relasi dikarenakan pada bentuk 1NF tidak diperbolehkan adanya repeating groups (atribut dalam satu baris mempunyai nilai lebih dari satu). Contohnya, jika dalam suatu relasi terdapat dua multivalued atribut, kita harus mengulang setiap nilai dari satu atribut dengan setiap nilai dari atribut lain, untuk menjaga konsistensinya. Hal ini menyebabkan multivalued dependencies dan menghasilkan redundansi data. BranchStaffOwner
26
branchNo
sName
oName
B003
Ann Beech
Carol Farrel
B003
David Ford
Carol Farrel
B003
Ann Beech
Tina Murphy
B003
David Ford
Tina Murphy
Tabel 2.8 Relasi BranchStaffOwner Seperti terlihat, MVD timbul karena ada dua hubungan 1:* yang independent dalam relasi BranchStaffOwner yaitu: branchNo
sName
branchNo
oName
Suatu relasi dikatakan sudah berada dalam 4NF jika relasi tersebut sudah dalam BCNF dan tidak mengandung nontrivial multivalued dependencies. Sebuah MVD A
B dalam suatu relasi R dikatakan trivial jika B
adalah subset dari A dan A U B = R. Sebuah MVD dikatakan nontrivial jika kedua kondisi pada trivial tidak dipenuhi .Seperti pada contoh di atas terdapat nontrivial MVD, maka untuk mengubahnya ke dalam 4NF, relasi di atas perlu didekomposisi menjadi relasi BranchStaff dan BranchOwner. branchNo
sName
branchNo
oName
B003
Ann Beech
B003
Carol Farrel
B003
David Ford
B003
Tina Murphy
Tabel 2.9 Relasi BranchStaffOwner setelah didekomposisi
27
Sekarang kedua relasi tersebut sudah dalam 4NF karena relasi BranchStaff mengandung trivial MVD branchNo
sName, dan relasi
BranchOwner juga mengandung trivial MVD branchNo
oName.
6. Bentuk normal kelima ( 5NF ) Satu hubungan dikatakan berada pada bentuk kelima jika dan hanya jika suatu hubungan tidak memiliki join dependensi. Bentuk normal keempat dan kelima diperkenalkan oleh Fagin, hanya dipakai pada kasus–kasus khusus, terdapat hubungan yang mengandung dependensi nilai banyak. 2.2.7
Overnormalisasi Tabel–tabel yang memenuhi 5NF terkadang didekomposisi lagi. Prosesnya dikenal dengan sebutan overnormalisasi. Tujuannya adalah untuk meningkatkan kinerja, caranya adalah dengan memperlihatkan permintaan terhadap data yang sering dilakukan. Kolom–kolom data yang sering diperlukan diletakkan pada tabel tersendiri, terpisah dengan kolom–kolom data yang jarang diperlukan. Alasan yang lain , tabel yang terlalu banyak memiliki kolom dapat menimbulkan persoalan yang disebut deadlock (saling mengunci) pada pengaksesan yang serentak (sejumlah pengguna mengakses baris yang sama). Namun perlu juga diperlihatkan bahwa tidak selamanya pendekomposisian terhadap tabel yang telah memenuhi 5NF dapat meningkatkan kinerja. Pada kenyataannya tabel yang terlalu pendek (sedikit memiliki kolom) juga menimbulkan persoalan peningkatan waktu CPU dan juga memerlukan banyak I/O disk ketika terjadi penggabungan data (misalnya untuk penyajian laporan).
28
2.3
Algoritma Normalisasi BCNF dan 4NF
2.3.1 Algoritma Normalisasi BCNF Algoritma yang dipakai untuk menghasilkan bentuk BCNF menurut Elmasri (2000, p509) : Set D := {R}; While there is a relation schema Q in D that is not in BCNF do { choose a relation schema Q in D that is not in BCNF; find a functional dependency X Æ Y in Q that violates BCNF; replace Q in D by two relation schemas (Q – Y) and (X U Y); } Keterangan : untuk melakukan testing bahwa suatu relation schema dalam bentuk BCNF atau tidak dapat dilakukan dengan 2 cara : a.
Setiap functional dependency X -> Y di Q, apabila X bukan berisi semua attribute di Q, maka X -> Y menyalahi BCNF karena X bukan superkey dari Q
b.
Jika suatu relational schema Q menyalahi BCNF , terdapat sepasang attribute A dan B di Q berupa {Q – {A,B}} -> A. Dengan melihat closure {Q – {A,B}}* untuk setiap {A,B} dari Q dan memeriksa setiap closure terdapat A (atau B) maka kita dapat memperkirakan apakah Q pada BCNF.
Asumsi : tabel-tabel masukan sudah dalam bentuk 3NF. Adapun algoritma untuk menghasilkan bentuk 1NF - 3NF ::
29
Set G := F Replace each functional dependency X -> {A1,A2,…,An} in G by the n functional dependencies X -> A1, X -> A2, …, X -> An. For each functional dependency X -> A in G For each attribute B that is an element of X If ((G – {X->A}) U {(X – {B}) -> A}) is equivalent to G Then replace X -> A with (X – {B}) -> A in G For each remaining functional dependency X -> A in G If (G – {X – A}) is equivalent to G Then remove X -> A from G For each left hand side X of a functional dependency that appears in G create a relation schema in D with attributes { X U {A1} U {A2} … U {An}}, where X -> A1 , X -> A2, … , X -> Ak are only dependencies in G with X as left-hand-side ( X is the key of this relation ). If none of the relation schemas in D contains a key of R, then create one more relation schema in D that contains attributes that form a key of R. 2.3.2 Algoritma Normalisasi 4NF Algoritma yang dipakai untuk menghasilkan bentuk 4NF menurut Elmasri (2000, p519) : Set D := {R}; While there is a relation schema Q in D that is not in 4NF do { choose a relation schema Q in D that is not in 4NF;
30
find a nontrivial MVD X Æ Y in Q that violates 4NF; replace Q in D by two relation schemas (Q – Y) and (X U Y); } Asumsi : tabel-tabel masukan sudah dalam bentuk BCNF. 2.4
Perancangan Piranti Lunak Menurut Pressman (2001, p6), yang dimaksud dengan piranti lunak adalah (1) kumpulan instruksi (program komputer) yang jika dieksekusi akan menyediakan fungsi dan dayaguna yang diinginkan, (2) kumpulan struktur data yang memungkinkan program untuk memanipulasi informasi dengan memadai, dan (3) kumpulan dokumen yang menggambarkan operasi dan penggunaan program. Dalam perancangan piranti lunak terdapat beberapa macam model seperti linier , spiral , incremental , dll. Penyusun memilih model waterfall ( linier ) karena langkah – langkahnya berurutan dan sistematis.
System/information engineering analysis
design
code
test
Gambar 2.2 Model linear sekuensial Langkah-langkah dalam model waterfall adalah sebagai berikut: 1.
Rekayasa dan penyusunan sistem/informasi Tahap ini dimulai dengan menyusun kebutuhan (requirement) 31
untuk
seluruh elemen sistem dan kemudian mengalokasikan beberapa
subset dari kebutuhan tersebut pada piranti lunak (software). Proses ini sangat penting ketika piranti lunak harus berinteraksi dengan elemen yang lainnya seperti, perangkat keras (hardware), manusia, dan basis data (database). 2.
Analisis kebutuhan piranti lunak Proses pengumpulan kebutuhan pada tahap ini lebih diintensifkan dan difokuskan pada piranti lunak Pengembang piranti lunak harus memahami tentang fungsi yang dibutuhkan, perilaku, dayaguna dan tampilan layar dari piranti lunak yang akan dikembangkan.
3.
Perancangan (Design) Perancangan piranti lunak sesungguhnya merupakan proses bertahap yang berfokus pada empat atribut dari sebuah program: struktur data, arsitektur piranti lunak, representasi tampilan layar, dan detail prosedural (algoritmik). Proses desain menerjemahkan kebutuhan menjadi suatu representasi dari piranti lunak yang dapat diakses sebelum pengkodean dimulai.
4.
Pembuatan kode (code generation) Proses penerjemahan bentuk desain menjadi bentuk yang dapat dibaca oleh mesin.
5.
Pengujian (testing) Pengujian program dilakukan setelah kode dihasilkan. Proses pengujian difokuskan pada bagian internal software secara logis, memastikan bahwa setiap pernyataan (statement) telah diuji, dan pada 32
bagian eksternal fungsi, di mana dilakukan pengujian untuk menemukan error dan memastikan bahwa masukan yang ditentukan akan memberikan hasil yang diharapkan. 6.
Pemeliharaan (Maintenance) Ketika piranti lunak telah selesai dikembangkan dan dikirimkan kepada pelanggan, piranti lunak tersebut mungkin akan mengalami masalah atau error yang tidak diharapkan sebelumnya. Untuk itu, tahapan pemeliharaan dilakukan dengan tujuan melakukan penyesuaian dan perbaikan pada piranti lunak tersebut.
2.5
Alat Bantu Perancangan Sistem
2.2.1
Use Case Diagram Use Case Diagram adalah diagram yang menggambarkan interaksi antara sistem dengan sistem luar dan user. Dengan kata lain, secara grafik menggambarkan siapa yang akan menggunakan sistem dan dengan cara bagaimana user bisa berinteraksi dengan sistem. Diagram ini secara grafik menggambarkan sistem sebagai kumpulan use case, actor (user) dan hubungan yang terjadi. (Whitten, 2004, p271)
2.2.1.1 Use Case Use case adalah alat untuk menggambarkan fungsi-fungsi sistem dari perspektif pengguna luar dan dalam cara dan istilah yang mereka mengerti (Whitten, 2004, p272). Use case digambarkan secara grafik oleh sebuah elips horizontal dengan nama yang muncul di atas, di bawah atau di dalam elips. Sebuah use case menggambarkan tujuan sistem dan rangkaian kegiatan dan 33
interaksi yang dilakukan user
dalam mencapai tujuan tersebut. Use case
merupakan hasil penguraian batasan-batasan fungsionalitas sistem ke dalam pernyataan – pernyataan yang lebih pendek. 2.2.1.2 Actor Actor adalah segala sesuatu yang perlu berinteraksi dengan sistem untuk pertukaran informasi (Whitten, 2004, p273). 2.2.1.3 Relationship Relationship digambarkan dengan garis di antara dua simbol di dalam diagram use case. Arti hubungan yang terjadi bisa bervariasi tergantung bagaimana garis digambarkan dan tipe simbol apa yang mereka hubungkan (Whitten, 2004, p273). Jenis – jenis hubungan yang terjadi ada lima, yaitu •
Association Sebuah hubungan antara sebuah actor dengan sebuah use case dimana interaksi terjadi di antara mereka (Whitten, 2004, p274).
•
Extend Sebuah use case yang terdiri dari langkah-langkah yang dikutip dari use case yang lebih kompleks untuk menyederhanakan use case asli dan memperluas
fungsionalitasnya.
Biasanya
ditandai
dengan
label
“<<extend>>” (Whitten, 2004, p274). •
Include Sebuah use case yang mengurangi redundansi di antara dua atau lebih use case dengan menggabungkan langkah-langkah yang sering ditemukan.
34
Hubungannya digambarkan dengan “<<uses>>” (Whitten, 2004, p274). •
Depends on Hubungan yang menggambarkan ketergantungan antar use case. Jenis hubungan ini digambarkan dengan garis yang berpanah dimulai dari satu use case menunjuk ke use case tempat ia bergantung. Garis hubungan ditandai dengan label “<<depends on>>” (Whitten, 2004, p275).
•
Inheritance Hubungan yang terjadi jika terdapat dua atau lebih actor yang memiliki sifat yang sama (Whitten, 2004, p275).
2.2.2
Diagram Alir (flowchart) Menurut O’Brien (2003, pG-8), diagram alir merupakan suatu representasi grafis di mana simbol-simbol digunakan untuk merepresentasikan operasi, data, aliran, logika, perlengkapan, dan seterusnya. Suatu diagram alir program mengilustrasikan struktur dan bagian dari operasi program tersebut, sementara sebuah diagram alir sistem mengilustrasikan komponen-komponen dan aliran sistem informasi. Tiga konsep utama dalam pemrograman terstruktur yaitu sekuensial, kondisi (condition), dan pengulangan (repetition) (Pressman, 2001, p424-425). Sekuensial mengimplementasikan langkah-langkah proses yang penting dalam spesifikasi algoritma-algoritma. Kondisi menyediakan kemudahan untuk memilih proses berdasarkan logika, dan pengulangan untuk melakukan proses perulangan.
35
Gambar 2.3 Konsep Diagram Alir
36
