Cari Blog Ini

Memuat...

Rabu, 13 Oktober 2010

Perkembangan Basis Data

Sejak tahun 1960-an penggunaan basis data sudah digunakan untuk bidang komersial, dimana pemrosesan file-nya masih berbasis manajemen file tradisional. Perkembangan komputer yang semakin pesat diikuti dengan perkembangan perangkat lunak untuk aplikasi bisnis, sejak tahun 1970-an sampai awal tahun 1980 manajemen berbasis file tradisional berkembang menjadi manajemen basis data.
Di dalam manajemen basis data dikenal berbagai model data yang dapat digunakan untuk mendeskripsikan sebuah data dalam merancang suatu basis data. Manajemen ini memungkinkan banyak user untuk mengakses data secara bersamaan sehingga fasilitas yang dimiliki oleh manajemen sudah semakin banyak yaitu fasilitas pemanipulasian data, kontrol konkurensi data, recovery data, keamanan data dan didukung dengan fasilitas komunikasi data karena manajemen ini sudah terhubung dengan suatu jaringan .
Perkembangan dunia usaha semakin meningkat ditunjang dengan perkembangan komunikasi yang mempermudah organisasi atau perusahaan untuk mengakses data, sehingga mengubah manajemen basis data menjadi manajemen basis data tingkat lanjut didukung dengan fasilitas data warehousing dan fasilitas basis data berbasis web sebagai salah satu strategi organisasi dalam meningkatkan kinerja dan keuntungan organisasi.


Perkembangan komputer yang semakin pesat diikuti dengan perkembangan perangkat lunak untuk aplikasi bisnis, sejak tahun 1970-an sampai awal tahun 1980 manajemen berbasis file tradisional berkembang menjadi manajemen basis data. Di dalam manajemen basis data dikenal berbagai model data yang dapat digunakan untuk mendeskripsikan sebuah data dalam merancang suatu basis data. Manajemen ini memungkinkan banyak user untuk mengakses data secara bersamaan sehingga fasilitas yang dimiliki oleh manajemen sudah semakin banyak yaitu fasilitas pemanipulasian data, kontrol konkurensi data, recovery data, keamanan data dan didukung dengan fasilitas komunikasi data karena manajemen ini sudah terhubung dengan suatu jaringan . Perkembangan dunia usaha semakin meningkat ditunjang dengan perkembangan komunikasi yang mempermudah organisasi atau perusahaan untuk mengakses data, sehingga mengubah manajemen basis data menjadi manajemen basis data tingkat lanjut didukung dengan fasilitas data warehousing dan fasilitas basis data berbasis web sebagai salah satu strategi organisasi dalam meningkatkan kinerja dan keuntungan organisasi.
Data Collection and Database Creation (1960s and earlier).
Database Management Systems (1970s – early 1980s)
- Hierarchical and Network Database Systems
- Relational Database Systems
- Data modeling tools : entity relationship model, etc
- Indexing and data organization techniques : b+ tree, hashing, etc
- Query language : SQL, etc
- User interface, forms, and reports
- Query processing and query optimizaztion
Advance Database Systems (mid-1980s-present)
- Advance data models : extended
relational, object oriented, object
relational, deductive
- Application oriented : spatial,
temporal, multimedia, active,
scientific, knowledge bases
Web-Based Database Systems (1990s – present)
- XML-based database systems
- Web mining

Data Warehouse and Data Mining (late 1980s – present)
- Data warehouse and OLAP technology
- Data mining and knowledge discovery

A. Data Warehousing
Konsep Data Warehousing
Konsep dasar dari data warehousing adalah informasi yang dikumpulkan dalam suatu gudang penyimpanan dan merepresentasikan solusi untuk pengaksesan data didalam sistem non relasional. Sehingga data warehousing dapat disebut sebagai database yang berorientasi pada subyek, terintegrasi, mempunyai Time Variant dan non-valitile .
Empat karakteristik data warehouse
• Subject oriented: Aplikasi untuk operasi perusahaan (operational system) berorientasi pada proses (mengotomasi fungsi-fungsi dari proses bersangkutan – function oriented). Misalnya di bank,
aplikasi kredit mengotomasi fungsi-fungsi: verifikasi lamaran dan credit checking, pemeriksaan
kolateral, approval, pendanaan, tagihan, dan seterusnya. Didalam data warehouse data-data yang
dihasilkan dari proses kredit ini, diatur kembali (dikelompokkan) dan diintegrasikan (digabung)
dengan data-data dari fungsi-fungsi lain, agar berorientasi pada misalnya nasabah dan produk.
• Integrated: Data dari macam-macam aplikasi transaksi (untuk bank misalnya: tabungan, kredit,rekening koran) semua mengandung data nasabah, ada yang sama ada yang spesifik (yang sama misalnya: nama dan alamat, yang spesifik misalnya: untuk kredit ada kolateral, untuk rekening Koran ada overdraft) – didalam data warehouse data-data yang sama harus diintegrasikan disatu database, termasuk misalnya diseragamkan formatnya (sederhana tetapi paling sering terjadi – aplikasi-aplikasi sering dibeli vendor berbeda, dibuat dengan/dijalankan di teknologi berbeda-beda)
• Time variant: Data warehouse menyimpan sejarah (historical data). Waktu merupakan tipe atau bagian data yang sangat penting didalam data warehouse. Didalam data warehouse sering disimpan macam-macam waktu, seperti waktu suatu transaksi terjadi/dirubah/dibatalkan, kapan efektifnya,kapan masuk ke komputer, kapan masuk ke data warehouse; juga hampir selalu disimpan versi,misalnya terjadi perubahan definisi kode pos, maka yang lama dan yang baru ada semua didalam data warehouse kita. Sekali lagi, data warehouse yang bagus adalah yang menyimpan sejarah.
• Non-volatile: Sekali masuk kedalam data warehouse, data-data, terutama data tipe transaksi, tidak akan pernah di update atau dihapus (delete) Terlihat, bahwa keempat karakteristik ini saling terkait – kesemuanya harus diimplementasikan agar suatu data warehouse bisa efektif memiliki data untuk mendukung pengambilan-keputusan. Dan,implementasi keempat karakteristik ini membutuhkan struktur data dari data warehouse yangberbeda dengan database sistem operasional.


Keuntungan dari Data Warehousing
1. Hasil yang diperoleh dari investasi lebih tinggi
2. Kompetitif
3. Meningkatkan produktivitas perusahaan

Jenis database yang tersimpan di dalam media penyimpanan data berdasarkan
penggunaan data :
• Database yang memiliki data sering di-update disebut data OLTP (Online
Transaction Processing). Data OLTP sering juga disebut data operasional,
mencerminkan sifat aplikasi database yang dinamik.
• Database yang memiliki data sering digunakan untuk query disebut DSS
(Decision Support System). Data DSS sering disebut data analitikal,
mencerminkan sifat aplikasi database yang relatif statik.

Data Operasional Data DSS
• Berorientasi pada aplikasi : data digunakan untuk proses bisnis. Sebagai contoh : sistem perbankan dengan file terpisah yang sudah dalam bentuk normal untuk setiap proses bisnis.
• Berorientasi pada subyek : data digunakan untuk subyek bisnis, misalinformasi nasabah. Data dalam bentuk denormalisasi dimana sebuah record dapat meliputi keseluruhan proses bisnis.
• Data terperinci Data ringkas Struktur statik Struktur dinamik Target operator komputer Target pengambil keputusan pada seluruh tingkatan Volatile (data dapat diubah) Non volatile (data tidak bisa diubah setelah dimasukkan) Kebutuhan data selalu diketahui sebelum rancangan system Kebutuhan data sama sekali tidak diketahui sebelum rancangan system Mengikuti siklus hidup pengembangan klasik dimana iterasi rancangan diselesaikan melalui normalisasi data, dan memeriksa kebutuhan pemakai Siklus hidup pengembangan sama sekali berbeda, dimana pemakai menggunakan aplikasi struktur data yang ada dan membuat rancangan siap untuk dianalisis Performansi penting karena jumlah pemakai konkuren sangat besar dalam mengakses data Masalah performansi lebih longgar Karena jumlah pemakai jauh lebih sedikit dalam mengakses data sehingga tidak ada masalah konkuren yang perlu diperhatikan. Penggerak-transaksi (Transaction-driven) Penggerak-analisis (Analysis-driven) Data harus selalu tersedia untuk pemakai akhir (back up dan recovery harus terencana dengan baik) Tidak mempunyai tingkat kebutuhan ketersediaan data yang sama (perencanaan back up dan recovery lebih longgar) Mencerminkan situasi mutakhir Mencerminkan nilai historis.

Data Mart
Untuk mencapai suatu data warehouse kelihatannya merupakan suatu tantangan besar dan memang demikian. Bahkan begitu besarnya sehingga beberapa pakar menyarankan pendekatan yang lebih sederhana yaitu menerapkan sesuatu yang dinamakan data mart. Data mart adalah database yang berisikan data yang menjelaskan satu segmen operasi perusahaan. Misalnya perusahaan mungkin memiliki data mart pemasaran, data mart smberdaya manusia, dsb.

Data Mining
Istilah yang sering digunakan bersama-sama dengan data warehouse dan data mart adalah data mining. Data mining adalah proses menemukan hubungan dalam data yang tidak diketahui oleh pemakai. Data mining membantu pemakai dengan mengungkapkan berbagai hubungan dan menyajikannya dengan suatu cara yang dapat dimengerti sehingga dapat menjadi dasar pengambilan keputusan. Data mining memungkinkan pemakai “menemukan pengetahuan” pada database yang dalam sepengetahuannya tidak ada. Contoh Data Mining : Sebuah bank telah memutuskan untuk menawarkan reksadana kepada para pelanggannya. Manajemen bank ingin mengarahkan materi promosi pada segmen pelanggan yang memberikan potensi bisnis terbesar.

Data Mining Berdasarkan Verifikasi.
Pendekatan yang dilakukan oleh para manajer adalah mengidentifikasi karakteristik yang mereka yakin dimiliki oleh pasar sasaran. Misalkan para manajer ingin mengarah pada pasangan muda, berpenghasilan ganda, dan kaya. Query dapat dimasukkan ke dalam DBMS, dan catatan yang tepat dapat dipanggil.
Pendekatan yang seperti itu, yang mulai dengan hipotesis pemakai tentang bagaimana data tersebut terstruktur, disebut data mining berdasarkan verifikasi (verification-driven data mining). Kekurangan pendekatan ini adalah proses pemanggilan kembali diarahkan sepenuhnya oleh pemakai. Informasi yang dipilih tidak lebih baik daripada pandangan pemakai terhadap data tersebut. Ini merupakan cara tradisional untuk bertanya pada database.

Data Mining Berdasarka Penemuan.
Pendekatan lain memungkinkan sistem data mining mengidentifikasi pelanggan terbaik untuk promosi
tersebut. Sistem itu menganalisis database, mencari kelompok-kelompok dengan karakteristik umum. Dalam contoh bank, sistem data mining mungkin mengidentifikasi bukan hanya kelompok pasangan muda lulusan universitas tetapi juga pasangan yang sudah pensiun yang bergantungpada jaminan sosial dan pensiun. Sistem data mining dapat melaksanakan analisis selangkah lebih jauh, dengan merekomendasikan satu set promosi yang diarahkan pada kedua kelompok tersebut.

Kombinasi Data Mining Verifikasi dan Penemuan.
Perkembangan data mining di masa depan akan mengkombinasikan pendekatan hipotesis danpenemuan.erkembangan ini menggunakan penalaran yang sama yang mendasari konsep Sistem Pendukung Keputusan (Decision SupportSystem – DSS). Konsep tersebut memungkinkan pemakai dan computer bekerja sama untuk memecahkan suatu masalah. Pemakai menerapkan
keahliannya dalam hal masalah, dan komputer melakukan analisis data yang canggih untuk memilih data yang tepat dan menempatkannya dalam format yang tepat untuk pengambilan keputusan.
.Sejarah / Evolution
• 1960, Dunia komputerisasi membuat aplikasi individu yang digunakan pada file utama. General mill mulai mengembangkan istilah dimensi dan fakta.
• 1970, IRI menyediakan database dimensi untuk pembeli eceran, tahun untuk memperbaiki, mengembangkan dan mencocokan dengan hardware yang dimiliki.
• 1983, DBMS diperkenalkan untuk mengambil keputusan.
• 1988, Barry dan Paul mempublikasikan karyanya tentang Arsitektur Bisnis dan Sistem Informasi
• 1990, memperkenalkan tool DBMS sebagai alat untuk datawarehouse.
• 1990-sekarang, banyak bermunculan buku-buku datawarehouse dan aplikasi-aplikasi data warehouse.
Tujuan Akhir menggunakan Datawarehouse
• Menyediakan data organisasi yang mudah diakses oleh manager.
• Data yang berada di datawarehouse bersifat konsisten, dan merupakan kebenaran.
• Datawarehouse merupakan tempat, dimana data yang telah digunakan di publikasikan.
• Kualitas data di datawarehouse dapat diandalkan.

B. ORDBMS: ORDBMS (Object Relational Database Management System)
Penggunaan teknologi RDBMS pada awalnya sangat dominan, tetapi dikarenakan fasilitas–fasilitas yang ada pada RDBMS tidak lagi sesuai dengan aplikasi tingkat lanjut, maka RDBMS digantikan dengan OODBMS. Pada OODBMS terdapat banyak sekali bentuk-bentuk object oriented seperti metode encapsulation, inheritance, polymorphism, dll.Model data relasional lanjutan tidak hanya ada satu , tetapi terdapat berbagai macam model data, dimana karakteristik dan tingkat kebutuhan data yang telah dibuat. Bagaimanapun semua model data yang akan digunakan mengacu pada konsep objek dan mempunyai kemampuan untuk menyimpan data di dalam database. Berbagai macam terminologi yang digunakan untuk sistem model relasional tingkat lanjut yaitu ERDBMS. Tapi sekarang ini untuk system berbasis objek dapat digunakan OODBMS. Inti dari kinerja RDBMS yaitu ada pada optimasi queri-nya dan juga pengetahuan mengenai bagaimana mengeksekusi fungsi dari user-define secara efisien, mengambil keuntungan dari pengindeksan pada struktur yang baru, memetakan queri dengan cara baru, dan menavigasi antara data menggunakan referensi data. Penggunaan OODBMS untuk suatu organisasi yang sangat besar dan universal tidak lagi sesuai sehingga untuk mendukung kinerja dari organisasi tersebut dibutuhkan suatu ORDBMS (Objeck Relational Database Management System). ORDBMS memiliki fasilitas untuk mendefinisikan data yang kompleks, menspesialisasikan struktur indeks dibutuhkan untuk mengefisienkan pengambilan data. ORDBMS digunakan untuk dua sampai tiga
dimensional data.

C. Active database
Basis data aktif yang juga disebut Active Database adalah suatu sistem basis data yang tidak hanya menyimpan data tetapi juga dapat melakukan suatu aksi tertentu terhadap sebuah event dengan menambahkan suatu elemen dinamis dan memiliki kemampuan memantau event untuk mendeteksi ketika data tertentu dimasukkan, dihapus, diubah, atau dipilih kemudian secara otomatis mengeksekusi suatu aksi sebagai respon dari event yang terjadi dan kondisi tertentu terpenuhi. Basis data aktif merupakan aspek prosedural dari keseluruhan lingkungan yang dikelola oleh basis data dan terdeklarasi eksplisit.
Basis data aktif merupakan kombinasi dari basis data statis tradisional dan active rules , yang berarti mekanisme secara otomatis untuk memelihara integritas data dan memberi fasilitas dalam memperlengkapi fungsionalitas basis data. Beberapa hal yang perlu diperhatikan yang menjadi sifat dari tingkah laku rule dalam sebuah basis data aktif yaitu :
1.Termination, suatu eksekusi dari aksi dapat menyebabkan terjadinya event yang lain dan bisa jadi event ini merupakan rule lain yang dijalankan. Apabila tidak ada suatu kondisi terminal, maka hal ini akan terus berulang menjadi loop tanpa akhir.
2. Priority, jika beberapa rule di-trigger oleh event yang sama, maka harus dieksekusi berdasarkan urutan rule-nya.
3 Error handling, jika eksekusi dari rule menghasilkan error maka sistem harus bisa menangani.
Basis data aktif sebagai basis data dengan rule memiliki beberapa ciri-ciri tertentu, antara lain :
1. Secara alami bersifat algoritmik,
2. Kondisi yang ditetapkan adalah data pengguna
3. Deskripsi kerjanya adalah mengubah dan meng-query data oleh pengguna sesuai dengan rule yang dijalankan
4. Output yang ditentukan secara lengkap oleh spesifikasi dari query/perubahan yang dilakukan.

Fasilitas-fasilitas yang dimiliki oleh basis data aktif antara lain logika pengolahan ada di dalam database dan dikelola oleh DBMS dan tidak dikelola oleh program aplikasi, bentuk monitoring event dan kondisi yang mempengaruhi data disediakan oleh DBMS, serta sarana untuk men-trigger logika ada di dalam DBMS.

Perbedaan Basis Data Aktif dan Pasif
Sistem basis data konvensional disebut basis data pasif dalam arti manipulasi data bisa dijalankan oleh database hanya dengan perintah yang diberikan langsung oleh pengguna atau program aplikasi yang terletak di luar basis data. Sedangkan basis data aktif merupakan pengembangan dari database yang memindahkan sifat reactive program ke dalam database.
Salah satu contoh fungsi yang secara efisien dapat dilakukan oleh basis data aktif, akan tetapi di dalam basis data pasif harus diprogram di dalam aplikasi adalah integrity constraint dan triggers. Basis data pasif memiliki keterbatasan untuk mengontrol bentuk-bentuk integrity constraint seperti adanya data tertentu yang harus memenuhi nilai unik atau beberapa data yang harus berisi keterhubungan dengan data lain. Selain itu pada penggunaan triggers pada basis data pasif, jika terjadi perubahan pada konstrain atau triggers itu sendiri maka harus bisa menemukan dan memodifikasi program atau kode yang relevan di setiap aplikasi. Sedangkan pada basis data aktif, memiliki kemampuan untuk mengontrol integrity constraint pada keseluruhan database dan penggunaan triggers yang mampu menjalankan suatu aksi ketika mendeteksi suatu kejadian tertentu tanpa mencari kode-kode yang relevan pada program aplikasi untuk ikut diubah.

Arsitektur Basis Data
Arsitektur basis data aktif yang sering digunakan termasuk dalam sistem arsitektur berlapis ( layered architecture ) dimana semua komponen basis data aktif terletak “di atas” basis data konvensional. Pada sistem arsitektur ini, basis data konvensional bisa diubah menjadi basis data aktif tanpa perlu memodifikasi basis data pasif secara keseluruhan.

Komponen Pembangun Basis Data Aktif
Basis data aktif dibangun dengan masih memiliki kemampuan atau fasilitasfasilitas dari basis data pasif, seperti konkurensi, query language, konstrain. Hanya saja pada basis data aktif lebih menekankan pada fungsi-fungsi tertentu yang mampu memberikan mekanisme yang sangat kuat dengan input atau event yang sederhana tapi bisa melakukan perubahan yang sangat besar secara otomatis.


penggunaan basis data sudah digunakan untuk bidang komersial, dimana pemrosesan file-nya masih berbasis manajemen file tradisional. Perkembangan komputer yang semakin pesat diikuti dengan perkembangan perangkat lunak untuk aplikasi bisnis.
Macam-macam data yaitu : Data Warehousing, Data Mart, Data Mining .

Tidak ada komentar:

Poskan Komentar