BASIS DATA LANJUT BAGIAN KEDUA

Basis data 2

BASIS DATA LANJUT BAGIAN KEDUA Pada bagian kedua Basis Data Lanjut ini akan dibahas : Basis data Terdistribusi, Basis data Internet, DSS, Data Warehouse dan Data Mining

Basis data Terdistribusi Pada sistem basis data terdistribusi data di simpan tersebar di beberapa tempat. Setiap tempat penyimpanan dikelola oleh suatu DBMS yang mandiri. Agar tampilan view basis data terdistribusi transparan,, maka harus memenuhi dua hal, yaitu independensi data terdistribusi dan atomisitas transaksi terdistribusi. Dengan independensi data terdistribusi, pengguna dapat melakukan query secara sederhana tanpa menyebutkan tempat data atau replika data atau fragmen data itu disimpan. Ini memenuhi prinsip independensi data fisik dan data logik atau data logik tidak tergantung data fisik. Lebih jauh lagi proses query juga harus sudah memperhitungkan biaya antara penyimpanan data fisik melalui komunikasi data atau disimpan sebagai data lokal (replika). Dengan atomisitas transaksi terdistribusi pengguna harus dapat melakukan transaksi tulis, update atau akses data terhadap data terdistribusi, seolah-olah data disimpan secara lokal. Efek transaksi terhadap data terdistribusi harus bersifat atomik, yaitu perubahan secara persisten terhadap data remote dan data lokal jika transaksi telah commit, atau tidak terjadi perubahan sama sekali jika transaksi gagal (tidak dapat commit). Walaupun secara umum kedua hal tersebut harus dipenuhi, tetapi pada situasi jika terjadi lalu lintas data yang padat dan terjadi kelambatan transmisi, maka diperlukan mekanisme khusus untuk menanganinya yang berkaitan dengan overhead administrasi dan performansi DBMS Jenis basis data terdistribusi Jika DBMS yang menangani data untuk semua server sejenis, maka sistem basis data tersebut disebut sebagai sistem basis data terdistribusi homogen, tetapi sebaliknya jika DBMS yang menangani data terdistribusi beragam, maka disebut sistem basis data terdistribsi heterogen atau disebut juga sebagai sistem multi basis data.

Tedjo Darmanto/Yulison HC – Team D3 TKJ STMIK AMIKBANDUNG

1

Basis data 2 Kunci keberhasilan membangun sistem yang heterogen adalah pada standarisasi protokol gateway. Protokol gateway adalah API (application programming interface) yang memungkinkan DBMS berfungsi untuk aplikasi eksternal, sebagai contoh seperti : ODBC dan JDBC. Akses basis data terdistribusi melalui protokol gateway menjadi mungkin, karena perbedaan format data dan perbedaan antar server dijembatani. Arsitektur DBMS terdistribusi Terdapat tiga alternatif pendekatan untuk membedakan fungsi DBMS, yaitu client-server, kolaborasi server dan middleware. Sistem client-server memiliki satu atau banyak proses pada client dan satu atau banyak proses pada client. Client berurusan dengan antaramuka dengan user dan server mengelola data dan eksekusi transaksi. Arsitektur ini populer, karena relatif sederhana untuk diiplemetasikan karena ada pemisahan fungsi yang jelas dan server yang tersentralisasi. Biaya yang tinggi hanya untuk satu server, selain pengguna akan lebih nyaman menggunakan antarmuka grafis pada client. Untuk memperlancar layanan server dan mengurangi overhead komunikasi, maka diperlukan caching pada server. Sistem kolaborasi server Pada sistem client server tidak memungkinkan satu query pada client dijalankan oleh multipel server, karena tidak ada mekanisme kolaborasi antar server. Pada sistem kolaborasi server, query didekomposisi menjadi sub-query dan disebar ke server yang berbeda sesuai fungsinya. Secara idealnya dekomposisi sub-query harus memperhatikan biaya komunikasi jaringan dan biaya pengolahan lokal. Sistem middleware Sistem middleware dirancang untuk memungkinkan satu query dijalankan pada multipel server dengan server-server basis data tidak mengelola eksekusi pada multi tempat. Untuk koordinasi sub-query dan eksekusi join dilakukan oleh perangkat lunak tersendiri yang disebut middleware Penyimpanan data pada DBMS terdistribusi Pada DBMS terdistribusi relasi disimpan pada beberapa tempat yang berbeda. Akses ke relasi secara remote menimbulkan biaya kirim pesan, oleh karena itu untuk mengurangi biaya satu relasi dipartisi atau dibuat fragmen atau replika yang tersebar pada beberapa tempat sedemikian sehingga penyimpanan dilakukan berdasarkan frekuensi penggunaan lokal, agar biaya overhead komunikasi berkurang.


2

Basis data 2 Fragmentasi Framentasi dari data dalam bentuk fragmen data yang disimpan pada tempat yang berbeda ada dua kemungkinan, yaitu fragmentasi horizontal dan vertikal. Fragmen vertikal terdiri dari fragmen atribut untuk semua rekord, sedangkan fragmen horizontal terdiri dari fragmen rekord untuk semua atribut. Fragmen horizontal tergantung pada frekuensi akses data berdasar salah satu atribut dengan nilai tertentu, sedangkan fragmen vertikal dibuat berdasarkan jenis atribut tertentu. Contoh fragmentasi vertikal nama kota Tid pid T1 23412 Joni Bogor T2 43252 Susi Jakarta T3 43211 Susi Jakarta T4 36123 Maya Bandung T5 36056 Gani Bandung Fragmen vertikal

umur 18 18 19 21 22

saldo 4300 3450 Fragmen 4220 horizontal 5340 2500

Replikasi Replika adalah hasil replikasi satu relasi data atau fragmen relasi yang dapat disimpan pada lebih dari satu tempat, jumlah replika fragmen relasi tidak harus ama untuk satu relasi. Contoh jika relasi R dijadikan tiga fragmen R1, R2, R3, mungkin R1 tidak dibuat replikanya, tetapi R2 dibuat replika di satu tempat lain dan R3 dibuat replika di semua tempat. Tujuan replikasi ada dua motivasi, yaitu meningkatkan availabilitas data dan mempercepat evaluasi query jika ada replika fragmen atau satu relasi pada tempat lokal. Ada dua jenis replikasi, yaitu replika sinkron dan asinkron jika dikaitkan dengan proses pemutakhiran (update) antara replika dan data aslinya. Replikasi sinkron Ada dua teknik dasar untuk menjamin transaksi menghasilkan satu hasil dan tidak bergantung pada akses terhadap data atau replika data yang digunakan dalam perhitungan transaksi. Teknik pertama disebut voting. Transaksi harus menulis mayoritas data dan replikanya dan membaca minimal satu replika yang dianggap paling mutakhir. Contoh jika ada 10 replika data dan 7 replika ditulis oleh transaksi update, maka 4 data lainnya juga harus ditulis. Setiap replika mempunyai nomor versi. Replika dengan nomor versi tertinggi dianggap paling mutakhir. Teknik ini kurang menarik, karena akan terjadi banyak proses baca, padahal proses baca sangat diperlukan pada transaksi berikutnya.


3

Basis data 2 Teknik kedua disebut read-any write-all, artinya untuk proses baca cukup melibatkan satu replika, tetapi ketika proses tulis harus melibatkan semua replika. Proses baca dapat dilakukan dengan cepat apalagi baca data lokal, tetapi proses tulis lebih lama. Teknik ini lebih populer, karena proses baca lebih sering dibutuhkan dibandingkan proses tulis. Replikasi asinkron Replikasi sinkron memerlukan biaya lebih tinggi dibanding asinkron, karena selama transaksi update belum commit, maka semua replika harus di kunci secara eksklusif. Untuk teknik read-any write-all, maka jika ada kelambatan atau kegagalan komunikasi, maka transaksi tidak bisa commit karena harus menunggu sampai semua replikasi di tulis, sehingga replikasi sinkron kurang realistis Sebaliknya replikasi asinkron lebih realistis, walaupun melanggar prinsip independensi data terdistribusi selama interval waktu tertentu sampai dilakukan transaksi update secara berkala. Jadi pengguna harus berhati-hati dan harus dapat mengenali replika yang paling mutakhir. Tentu saja replikasi asinkron tidak cocok untuk aplikasi yang real time (waktu nyata) Pada replikasi asinkron terdapat dua pilihan, yaitu replikasi asinkron situs primer dan replikasi asinkron peer-to-peer. Replikasi asinkron situs primer memiliki satu replika yang dianggap sebagai master atau data primer. Replika lainnya disebut replika sekunder. Tidak seperti replika primer, replika sekunder tidak dapat di-update langsung. Mekanisme pemilihan replika primer dan sekunder melalui mekanisme pendaftaran oleh pengguna dan penentuan relasi di situs tertentu yang dijadikan replika primer dan replika lainnya harus mengacunya. Pada replikasi asinkron peer-to-peer, beberapa replika bisa di-update (mungkin tidak semua) dan dijadikan replika master. Dalam hal terjadi konflik, karena masalah keterlambatan propagasi, maka harus diterapkan salah satu strategi penanganan konflik. Secara umum konflik biasanya dapat diselesaikan, bahkan lebih sering tidak terjadi konflik, sehingga jenis replikasi ini banyak digunakan. Salah satu strategi pencegah konflik adalah waktu proses transaksi update tidak bersamaan dan pada satu saat hanya dilakukan terhadap salah satu replika (yang lain tidak dapat di-update), kemudian perubahan terhadap replika master itu dipropagasi ke replika yang lain. Jika ada kegagalan update terhadap salah satu replika, maka diambil alih oleh salah satu replika yang lain yang biasa dijadikan sebagai backup.


4

Basis data 2 Transaksi terdistribusi Pada sistem terdistribusi transaksi dapat dilakukan pada suatu tempat tetapi dapat akses data di tempat lain. Setiap transaksi dipecah menjadi beberapa subtransaksi yang dijalankan secara tersebar melalui manajer transaksi pada setiap tempat sub-transaksi dijalankan untuk dikoordinasikan. Untuk kasus kontrol proses yang terjadi bersamaan (konkuren), maka ada mekanisme penguncian objek yang digunakan yang ada di tempat lain, juga bagaimana cara mendeteksi jika terjadi deadlock Kontrol konkurensi terdistribusi Pengelolaan penguncian objek yang terdistribusi dapat dilakukan dengan beberapa cara, yaitu secara terpusat (sentralisasi), replika primer dan terdistribusi penuh. Pada cara terpusat, penanganan penguncian dilakukan dari satu tempat. Pada cara replika primer, penanganan penguncian dilakukan pada tempat replika primer berada. Dan pada cara terdistribusi penuh, maka penanganan penguncian dilakukan pada tempat replika yang akan dikunci. Cara ketiga ini lebih banyak digunakan. Deadlock terdistribusi Selain skema pencegahan deadlock, terdapat skema deteksi deadlock yang lebih banyak digunakan pada cara selain terpusat. Untuk dapat mendeteksi terjadinya deadlock, maka pada tempat lokal terdapat informasi graf wait-for. Ada tiga jenis algoritma deteksi deadlock, yaitu algoritma terpusat, algoritma hirarki dan algoritma sederhana

Pemulihan terdistribusi Pemulihan terhadap kegagalan pada sistem terdistribusi lebih rumit dibandingkan dengan pada sistem terpusat, karena jenis kegagalan pada sistem terdistribusi lebih beragam dan karena transaksi di bagi menjadi beberapa subtransaksi, maka untuk penanganan commit diperlukan bantuan protokol commit. Protokol commit yang paling banyak digunakan adalah protokol commit dua fasa (2PC). . Tedjo Darmanto/Yulison HC – Team D3 TKJ STMIK AMIKBANDUNG

5

Basis data 2 Eksekusi normal dan protokol commit Ketika eksekusi commit akan dilakukan, maka perintah commit dikirim kepada koordinator transaksi. Koordinator mengirimkan pesan ke sub-ordinat. Subordinat kemudian memutuskan apakah akan abort atau commit sub-transaksi, kemudian mengirimkan kembali jawaban (no atau yes). Hanya jika koordiantor menerima jawaban yes dari semua sub-ordinat, maka commit dilakukan dan mengirimkan pesan commit ke semua sub-ordinat, jika tidak demikian maka abort dilakukan dan mengirimkan pesan abort ke semua sub-ordinat. Subordinat akan memberi pesan commit atau abort ke koordinator setelah subordinat melakukan commit atau abort pada sub-transaksi. Terakhir koordinator setelah menerima pesan dari semua sub-ordinat, maka menuliskan kejadian transaksi pada log . Restart setelah kegagalan Jika terjadi crash kemudian kembali normal, maka proses pemulihan dilakukan dengan membaca log, jika pada log tercatat commit maka semua lakukan commit pada transaksi yang belum commit. Selain protokol commit dua fasa, juga dikenal protokol commit tiga fasa. Acuan : Ramakrishnan, Raghu; Gehrke, Johannes; “Database Management Systems”; McGraw-Hill, edisi-2


6

Basis data 2

Basis Data Internet Dengan adanya teknologi internet, memungkinkan pengguna dari berbagai tempat terpisah mengakses data suatu organisasi secara remote. Mulai dari data berupa file teks sampai basis data, mulai dari program aplikasi browser Web atau aplikasi client sampai aplikasi server yang dijalankan di tempat organisasi, mulai dari format teks sederhana seperti HTML sampai format basis data yang dapat dikirim melalui internet, mulai dari akses informasi sampai transaksi bisnis melalui Internet (e-Commerce). Web Dengan World Wide Web (WWW) atau disingkat menjadi Web memungkinkan file berformat HTML (hypertext markup language) dapat ditampilkan atau dapat dilakukan transfer file ke berbagai tempat yang mengakses internet melalui browser Web seperti Internet Explorer dan sarana penghubung (link) yang diberi nama URL (universal resource locator) dengan menggunakan protokol HTTP (hypertext transport protocol) atau FTP (file transport protocol). HTML Dengan format HTML file teks dapat ditampilkan di layar melalui browser Web, karena adanya tambahan mark berbentuk tag yang terdiri dari tag awal dan tag akhir dalam bentuk dan . Secara umum format HTML terdiri dari dua bagian yaitu header dan body yang dipisahkan dengan tag header (
,
) dan body (,) di dalam tag HTML (,), seperti contoh di bawah ini: Contoh halaman statik yang menampilkan data teks: <TITLE> References XML:

Author :Elliotte Rusty Harold

Title :XML in a Nutshell

Publisher:O'Reilly

Database:


7

Basis data 2

Author :Raghu Ramakrishnan

Title :Database Management Systems

Publisher:McGraw-Hill

Data Warehouse:

Author :W.H Inmon

Title :Building The Data Warehouse

Publisher:John-Wiley & Sons

Tampilan file HTML di atas pada browser Web seperti : XML: • • •

Author :Elliotte Rusty Harold Title :XML in a Nutshell Publisher:O'Reilly

Database: • • •

Author :Raghu Ramakrishnan Title :Database Management Systems Publisher:McGraw-Hill

Data Warehouse: • • •

Author :W.H Inmon Title :Building The Data Warehouse Publisher:John-Wiley & Sons

Basis data dan Web Kebutuhan pengguna melalui Web tidak hanya untuk akses file teks atau transfer file, tetapi berkembang juga untuk transaksi bisnis melalui tampilan form yang dapat diisi data dan form itu dikirim dari browser melalui jaringan Internet, sampai diterima di tempat perusahaan yang mempunyai situs Web, kemudian diolah dan dikirim kembali melalui protokol CGI (common gateway interface) dan menampilkan hasilnya pada browser masing-masing pengguna yang berbedabeda (terdistribusi) secara dinamik


8

Basis data 2

Contoh halaman dinamik berbentuk form dalam format HTML : <TITLE> Form
Type your name:
Tampilan pada browser: Type your name:

Send

Clear

Pengolahan data base di tempat perusahaan membutuhkan peran DBMS dan protokol CGI, tetapi untuk setiap halaman dinamik yang ditampilkan diperlukan satu proses tersendiri dan jika jumlah pengguna yang mengakses dan melakukan transaksi banyak, maka akan mempengaruhi performansi sistem.


9

Basis data 2 Untuk itu maka diperlukan aplikasi server yang menangani proses-proses transaksi menjadi satu proses dan membaginya dalam beberapa thread. Aplikasi ini dapat dipisahkan dari server dan disebut sebagai middle tier. Antara aplikasi server dan DBMS diperlukan konektor berupa driver seperti JDBC untuk aplikasi Java atau ODBC untuk aplikasi lainnya. Untuk aplikasi server dibutuhkan integrasi sumber data yang heterogen, transaksi yang melibatkan beberapa sumber data, keamanan atau sekuritas dan manajemen sesi. Untuk integrasi diperlukan sistem objek relasional. Untuk teransaksi terdistribusi diperlukan constraint atomisitas transaksi, konsistensi isi data, isolasi proses dan durabilitas. Untuk sekuritas diperlukan protokol yang aman seperti SSL (secure socket layer). Untuk manajemen sesi diperlukan identifikator sesi seperti cookies

XML Format HTML hanya dapat menampilkan data dalam bentuk teks dan tidak dapat merepresentasikan struktur data yang rumit karena tag pada format HTML bersifat statik. HTML dapat merepresentasikan view berorientasi dokumen, padahal untuk basis data diperlukan representasi view berorientasi skema. Untuk tujuan itu, maka dibuat format XML yang merupakan perpaduan HTML dengan SGML (standard generalized markup language). Dengan SGML memungkin mendefinisikan bahasa markup untuk data dan dokumen yang dapat digunakan untuk semua kebutuhan yang umum, sehingga menjadi relatif terlalu kompleks.


10

Basis data 2 XML terdiri dari elemen, atribut, acuan entitas, komentar dan DTD (document type declaration). Elemen atau tag yang dimulai dengan tag awal dan diakhiri dengan tag akhir adalah unit atau blok pembangun utama dokumen XML. Setiap elemen dapat bersarang di dalam elemen lain. Setiap elemen dapat teridiri dari beberapa atribut yang nilainya di-set pada awal tag. Acuan entitas adalah shortcut teks atau simbol yang dimulai dengan ‘&’ dan diakhiri dengan ‘;’. Ada 5 karakter &, >, <, “, ‘ yang juga menggunakan shortcut, yaitu amp, gt, lt, quot dan apos. Komentar dimulai dengan ‘’. DTD adalah aturan definisi atau tata bahasa penentu elemen, atribut dan entitas. DTD XML DTD ditandai dengan . Elemen ditandai dengan . Pada akhir tag setiap elemen terdapat tiga jenis karakter pilihan, yaitu karakter ‘*’ untuk jumlah elemen nol atau banyak, karakter ‘+’ untuk jumlah elemen satu atau banyak, atau karakter ‘?’ untuk jumlah elemen nol atau satu. Setiap elemen yang mempunyai elemen lagi secara bersarang menggunakan tanda kurung: ‘(‘ dan ‘)’ dengan nama elemen di dalamnya yang dipisah ‘,’ jika lebih dari satu. Jika suatu elemen merupakan elemen primitif maka isi di dalam kurung diisi dengan simbol khusus: #PCDATA. Jika elemen tidak mempunyai isi gunakan simbol EMPTY. Atribut elemen di tandai dengan . Jika nilai atribut harus ada isinya (tidak null) maka tambahkan simbol khusus: #REQUIRED sebelum tag akhir: ‘>’. Contoh file XML : Raghu Ramakrishnan <TITLE>Database Management Systems McGraw-Hill


11

Basis data 2 W.H. Inmon <TITLE>Building The Data Warehouse John-Wiley & Sons Contoh file DTD : ]> Query data XML Pengelolaan data XML yang didefinisikan melalui dokumen XML memungkinkan aplikasi lebih mendekati pada pengelolaan basis data dari pada pengelolaan berorientasi teks yang didefinisikan melalui dokumen HTML dengan tetap memudahkan juga untuk ditampilkan pada browser Web. Tidak semua jenis browser Web kompatibel dengan format XML. Browser Netscape dan Mozila versi 6 atau yang lebih tinggi sudah mengakomodasi format XML. Untuk memudahkan dalam pengelolaan data yang terstruktur melalui Internet diperlukan bahasa query yang dapat mempertukarkan data dengan definisi struktur yang berbeda berformat XML yang ada pada file DTD. Ada beberapa bahasa query XML (XML-QL) yang sesuai standar W3C seperti yang ada pada situs HTTP://www.w3.org/XML/Query


12

Basis data 2 Pada spesifikasi standar W3C yang ditetapkan terdiri dari empat spesifikasi yang saling bergantung secara hirarki mulai dari spesifikasi kebutuhan, model data, aljabar dan sintak. Bahasa query didefinisikan pada spesifikasi model data yang definisi operasinya ditentukan pada spesifikasi aljabar dan bagaimana tata tulis (sintak) query didefinisikan pada spesifikasi sintak. Contoh sintak salah satu jenis XML-QL (bagian klausa WHERE): Contoh query-1: WHERE $ln $fn McGraw-Hill IN www.amazon.com/books.XML CONSTRUCT $fn $ln Contoh query-2 WHERE $b IN www.amazon.com/books.XML , $a, $p IN $b CONSTRUCT $p WHERE $l IN $a CONSTRUCT $l Hasil query-1: RaghuRamakrishnan Hasil query-2: MacGraw-Hill Ramarishnan John-Wiley & Sons Inmon


13

Basis data 2

Model data semi terstruktur Dengan adanya data yang terstruktur dan data tidak terstruktur, maka skema struktur data harus diketahui agar dapat diintegrasikan, jika tidak maka akan ada masalah dalam mengintegrasikan struktur data yang heterogen dan dalam query data, selain data terstruktur mempengaruhi performansi pertukaran data karena harus ada proses transformasi struktur data. Kebutuhan untuk penyelesaian masalah tersebut diatas memicu diciptakannya pemodelan data semi terstruktur yang lebih fleksibel, yaitu menggunakan representasi graf berarah berbentuk pohon semantik. Setiap simpul menyatakan satu objek primitif atau objek komposit dan setiap garis penghubung simpul menyatakan atribut.

Salah satu model data semi terstruktur adalah OEM (object exchange model) yang merepresentasikan setiap objek dalam bentuk tripel, yaitu label, tipe dan nilai objek. Pada implementasinya juga ada identifikator objek yang bernilai unit. Label pada tripel yang pertama harus dipilih sedemikian sehingga informatif. Contoh-1 : Contoh-2 : fistname1 is lastname1 is


14

Basis data 2 Contoh-3 : book1 is book2 is book3 is author1 is title1 is publisher1 is fistname1 is lastname1 is Acuan : Ramakrishnan, Raghu; Gehrke, Johannes; “Database Management Systems”; McGraw-Hill, edisi-2


15

Basis data 2

DSS Sistem Pendukung Keputusan atau Decision Support System (DSS) adalah aplikasi-aplikasi yang dapat mendukung pembuatan keputusan di tingkat atas berdasarkan rangkuman data historis sampai data saat ini dan identifikasi kecenderungan (trend) melalui ekstraksi data. Kelompok aplikasi kategori DSS ini terus berkembang yang dipicu oleh teknologi pengolahan analitik secara online sesuai kriteria yang ditentukan pengguna, seperti OLTP, OLAP dan Data Warehouse yang didukung oleh teknologi Data Mining. Dengan pesatnya pertumbuhan teknologi PC dan teknologi 4GL, menyebabkan adanya kebutuhan pemisahan basis data operasional dengan basis data informasional, dengan alasan : • Adanya kebutuhan analisis untuk memberikan informasi yang secara fisik berbeda dengan data pada tingkat operasional • Teknologi pendukung pengolahan tingkat operasional berbeda dengan teknologi untuk pendukung kebutuhan analisis data atau pendukung kebutuhan informasi • Komunitas pengguna data operasional berbeda dengan pengguna terhadap data yang telah dianalisis • Karakteristik pengolahan pada lingkungan operasional sangat berbeda dengan pengolahan pada lingkungan analisis, dsb. Jadi diperlukan adanya arsitektur baru untuk penyimpanan data yang berbeda dengan basis data yang dapat menunjang aplikasi yang mengandung proses analisis data dan dapat menunjang sistem pengambilan keputusan atau Decision Support System (DSS). Arsitektur baru itu disebut Data Warehouse (DW) yang merupakan jantung dari DSS, atau DW merupakan bagian utama DSS. DW adalah DSS, tetapi DSS tidak hanya DW. Ciri-ciri DW DW dibangun dengan metodologi pengembangan yang berbeda dengan aplikasi biasa, DW secara fundamental sangat berbeda dengan data mart, DW sedang pada fase perkembangan yang pesat, karena memberikan manfaat, DW membutuhkan dan dibangun dari berbagai jenis dan jumlah data yang sangat besar. Manfaat utama yang dibutuhan pengguna DW di kalangan bisnis adalah memungkinkan organisasi mengurangi biaya untuk memperoleh informasi dengan cepat.


16

Basis data 2 Evolusi DSS Pada awal tahun 1970-an berkembang teknologi penyimpanan data yang dapat diakses secara langsung yang disebut DASD (direct access storage divice) menggantikan teknologi penyimpan data sekuensial seperti tape. Kemudian setelah itu berkembang juga perangkat lunak sistem untuk mengelola basis data yang disebut DBMS (database management system) yang dapat mepermudah pengguna mengakses atau menyimpan dan mengambil kembali data pada DASD, termasuk membuat indeks data. Seiring dengan itu muncul teknologi basis data relasional. Setelah itu pada pertengahan tahun 1970-an berkembang teknologi pengolahan transaksi secara online (OLTP) yang dapat mempercepat akses data dan memicu aplikasi sistem reservasi, sistem teler bank dan sistem kontrol manukatur dll. Pada awal tahun 1980-an muncul teknologi baru di bidang perangkat keras seperti PC (microchip) dan perangkat lunak seperti bahasa pemrograman generasi ke-4 (4GL). Dengan adanya PC dan 4GL, maka tidak hanya pengolahan transaksi online yang dapat dilakukan tetapi juga pengolahan analisis data pendukung sistem informasi dapat dilakukan sehingga dapat dipakai untuk keputusan operasional Arsitektur DSS berevolusi untuk menghadapi tantangan seperti masalah kredibilitas data, produktifitas dan masalah transformasi data menjadi informasi. Contoh masalah kredibilitas data pada suatu organisasi yang mendapatkan kesimpulan yang berbeda yang diambil oleh departemen yang berbeda untuk suatu topik yang sama, hal ini bisa terjadi karena basis data tidak berdasarkan waktu yang sama, pendekatan algoritma dan tingkat ekstraksi data yang berbeda, eksternal data yang berbeda dan bahkan sumber data umum sejak dari awal yang sudah berbeda .. Masalah produktifitas atau kinerja organisasi sangat dipengaruhi oleh kendala teknologi yang heterogen dan adanya teknologi baru yang harus dikuasai oleh SDM yang ada atau harus mencari SDM yang lebih baik diperlukan waktu adaptasi. Secara teknis ada kendala definisi data yang mempunyai kesamaan semantik diberi label yang berbeda, sehingga diperlukan waktu yang lebih lama untuk melakukan analisis., selain juga masalah waktu yang dibutuhkan untuk kompilasi data dan menulis program untuk dapat menghasilkan resume data dalam bentuk laporan


17

Basis data 2 Masalah transformasi data menjadi informasi disebabkan karena masalah kesulitan dalam mngintegrasikan data yang heterogen dan kurangnya informasi historis data. Secara mendasar terdapat dua jenis data, yaitu data primitif dan data turunan. Data primitif diperoleh dari data operasional, sedangkan data turunan adalah hasil rangkuman atau hasil kalkulasi yang berasal dari data primitif untuk keperluan manajemen organisasi. Kedua jenis data ini mempunyai perbedaan mendasar. Data primitif mudah untuk di-update, sedangkan data turunan tidak dapat di-update secara langsung, karena harus dilakukan re-kalkulasi berdasarkan data primitif yang telah diupdate. Status primitif data dinamis dan selalu baru, sedangkan data turunan bersifat statis dan mencerminkan historis data, sehingga penyimpanan kedua jenis data ini tidak dapat disimpan dalam satu lingkungan basis data yang sama. Data primitif mendukung fungsi administrasi, sedangkan data turunan mendukung fungsi manajemen. Tingkat Arsitektur data Arsitektur data dalam organisasi mempunyai beberapa tingkatan, mulai dari tingkat operasional, tingkat data warehouse (atomik), tingkat departemen (data mart) sampai tingkat individu (eksekutif). Sifat data operasional sangat rinci, up todate, mudah diakses dan berubah tiap hari dan berorientasi aplikasi. Sifat data warehouse terintegrasi, bergantung waktu, bebentuk rangkuman dan berorientasi subjek. Sifat data departemen konteks lebih sempit (parochial) dan berorientasi kebutuhan departemen. Sifat data individu sementara, heuristik dan berorientasi pada PC. Jika semua tingkat arsitektur data ini ada, maka tingkat redundansi data juga tinggi. Siklus hidup DSS Siklus hidup pengembangan aplikasi klasik (SDLC) pada tingkat operasional dan DSS pada tingkat data warehouse sangat berbeda. Pada SDLC tingkat operasional dimulai dari kebutuhan dan berakhir pada data, sehingga disebut siklus hidup yang dipicu kebutuhan. Siklus hidup pada tingkat data warehouse (disebut CLDS) terbalik mulai dari data dan berakhir pada kebutuhan, setelah melalui integrasi data, program aplikasi, hasil analisis, sehingga disebut siklus hidup yang dipicu data. CLDS umumnya menggunakan metodologi pengembangan spiral


18

Basis data 2

Acuan : Inmon, WH ;”Building The Data Warehouse”; John Wiley & Sons; edisi-3; 2002

Karakteristik dan Kapabilitas DSS • Mendukung untuk penentuan keputusan semi terstruktur • Dukungan untuk tingkatan manajer yang berbeda-beda mulai dari tingkat terbawah sampai puncak • Dukungan untuk unit atau kelompok organisasi dan individu • Mendukung keputusan yang interdependen atau sekuensial • Adaptif dan fleksibel terhadap perubahan waktu • Mudah digunakan karena dukungan antarmuka yang user-friendly • Lebih menekankan efektifitas (akurasi, ketepatan dan kualitas) bukan efisiensi • Kontrol tergantung pengguna • Kontinuitas pembelajaran melalui evolusi pertambahan kapabilitas sistem • Mudah dikonstruksi karena sederhana dan dapat dibangun secara terorganisasi • Menggunakan pemodelan untuk keputusan berdasar analisis dengan berbagai strategi • Untuk masalah yang rumit dapat dibantu dengan komponen pengetahuan


19

Basis data 2 Komponen DSS dapat dimodelkan secara konsep yang terdiri dari empat komponen utama atau subsistem, yaitu manajemen data, manajemen model, manajemen dialog dan manajemen pengetahuan

Kapabilitas DSS secara keseluruhan mempunyai dua kapabilitas, yaitu : Pertama, dapat membuat berbagai DSS yang spesifik secara cepat dan mudah. Kedua, dapat memfasilitasi proses disain yang iteratif. Secara umum (general) DSS mempunyai tiga kapabilitas, yaitu : mudah digunakan untuk konstruksi termasuk modifikasi DSS melalui manajemen dialog, dapat mengakses berbagai jenis sumber data melalui manajemen data dan dapat mengakses berbagai aplikasi analisis melalui manajemen model. Berkaitan dengan kapabilitas umum tersebut, maka terdapat tiga jenis kapabilitas komponen. Kapabilitas komponen manajemen dialog, yaitu dapat menghasilkan output dengan berbagai piranti output, dapat menggunakan berbagai jenis piranti input pengguna, dapat menggunakan berbagai cara dialog, menyediakan sarana komunikasi antara pengguna, mendukung dokumentasi pengetahuan dari pengguna, dapat menyimpan dan menganalisis dialog dan mendukung manajemen dialog secara fleksibel dan adaptif. Kapabilitas komponen manajemen data, yaitu dapat akses ke berbagai jenis format data, mendukung ekstraksi dan agregasi data. Mendukung fungsi akses query dan display, mendukung pengelolaan basis data, mendukung view data secara logik, mendukung dokumentasi data, mendukung penelusuran penggunaan data dan mendukung manajemen data secara fleksibel dan adaptif.


20

Basis data 2

Kapabilitas komponen manajemen model, yaitu dapat akses ke pustaka basis model melalui katalog, mempunyai fasilitas pembangun model, fasilitas manipulasi dan menggunakan model, mendukung fungsi manajemen berbasis model, mendukung dokumentasi model, mendukung penelusuran penggunaan model dan mendukung manajemen model secara fleksibel dan adaptif. Tingkat teknologi Secara tingkatan teknologi terdapat tiga tingkat teknologi DSS, yaitu Aplikasi DSS yang spesifik, Pembangkit (generator) atau mesin DSS dan Tool atau kakas DSS. Tool DSS digunakan untuk membangun mesin DSS. Mesin DSS digunakan untuk membangun aplikasi DSS yang spesifik. Secara lebih rinci kakas DSS dibangun dari berbagai kakas lainnya yang lebih spesifik. Membangun aplikasi DSS spesifik dapat dilakukan secara langsung dari kakas DSS, tetapi kurang efisien, karena membutuhkan waktu pembangunan yang lebih lama.

Acuan : Efraim Turban; “Decision Support Systems and Expert Systems”; Prentice Hall International Edition; edisi-4


21

Basis data 2

Data Warehouse OLTP Sistem manajemen basis data banyak digunakan oleh organisasi untuk mengelola data operasional setiap hari, seperti data reservasi, data deposit yang harus reliabel dan efisien. Aplikasi OLTP (online transaction processing) pada 3 dekade terakhir ini terus berkembang. Aplikasi yang dapat menghasilkan rangkuman data dari data lama dan baru ini termasuk aplikasi untuk pendukung keputusan atau, karena dapat digunakan untuk membantu dalam pengambilan keputusan organisasi secara tepat. Kebutuhan melihat data sesuai kebutuhan (view) dan sesuai kriteria pengguna (query) yang diekstrak dari kumpulan data yang komplek memicu untuk mempelajari bagaimana cara mendefinisikan query yang efisien sebelum view. Tahap penentuan query ini disebut pra-komputasi view. Untuk tujuan pra-komputasi view, maka informasi harus dikonsolidaikan dari beberapa jenis basis data (multi-database) menjadi data warehouse dengan cara copy tabel dari berbagai lokasi ke satu lokasi. Suatu organisasi agar dapat mengambil keputusan dengan tepat memerlukan view semua aspek organisasi secara komprehensif, oleh karena itu diperlukan adanya data warehouse yang mengandung data yang diambil dari semua basis data organisasi yang dikelola oleh masing-masing unit organisasi. Banyak ciri karakter query pendukung keputusan yang tidak dapat ditangani oleh sistem SQL (structural query language) secara memadai, seperti: klausa WHERE yang terlalu banyak mengandung operator kondisional (AND dan OR) sehingga menjadi rumit. Selain itu banyak aplikasi yang membutuhkan fungsi statistik seperti deviasi standar yang belum dapat ditangani oleh SQL, sehingga query SQL harus diembed-kan ke dalam bahasa pemrograman lain. Beberapa aplikasi yang berkaitan dengan waktu membutuhkan basis data temporal, juga ada beberapa aplikasi yang memerlukan pendekatan deduktif dari beberapa query yang berkaitan untuk mendukung suatu keputusan.


22

Basis data 2 Aplikasi-aplikasi analisis yang banyak mengunakan agregasi didominasi oleh analisis query secara online yang disebut OLAP (online analytic processing). Sistem ini mendukung jenis query dalam bentuk array multi dimensi dan dipengaruhi oleh aplikasi end-user seperti spreadsheet selain SQL basis data. Selain OLAP terdapat aplikasi analisis trend atau pattern dari kumpulan data yang besar yang disebut exploratory data analysis yang sangat sulit di formulasikan dengan SQL, maka diperlukan disiplin ilmu tersendiri yang disebut data mining. Jadi kebutuhan untuk mendukung aplikasi OLAP dan data mining mendorong dibangunnya data warehouse. Data Warehouse (DW) Data warehouse terdiri dari data dari berbagai sumber yang terkonsolidasi ditambah informasi rangkuman yang meliputi perioda yang panjang. Ukuran DW sangat besar dibandingkan basis data yang berkisar mulai dari beberapa Giga byte (GB) sampai beberapa Tera byte (TB). Ciri yang membedakan DW dengan OLTP adalah dalam kerumitan query dan kecepatan waktu respon. Untuk mendukung DW diperlukan sistem manajemen basis data (DBMS) yang terdistribusi dengan skalabilitas dan availabilitas yang baik.

Tantangan yang dihadapi dalam pembuatan DW adalah bagaimana membuat suatu DW yang ukurannya besar yang merupakan integrasi koleksi data yang berasal (copy) dari berbagai sumber dari unit organisasi yang tersebar. Koleksi data ini mempunyai ketidakcocokan semantik, seperti cara penamaan suatu atribut, struktur normalisasi yang berbeda.


23

Basis data 2 Tantangan lainnya setelah skema DW berhasil dibuat adalah bagaimana melakukan populasi data melalui transformasi data dan mempertahankan konsistensi isinya dengan basis data sumber. Transformasi data dilakukan mulai dari ekstraksi data dari basis data operasional dan sumber eksternal, kemudian diolah sedemikian sehingga meminimalisasi kesalahan dan ketidakcocokan semantik. Transformasi data umumnya dilakukan dengan melalui pendefinisian view relasional dari berbagai tabel sumber, kemudian disimpan dalam basis data format baru (DW). Dalam pemeliharaan DW diperlukan proses refresh yang diambil dari data asal yang up todate dan proses purge data lama yang sudah dianggap tidak relevan lagi. Proses refresh dilakukan terhadap replika data secara asinkron, walaupun melanggar prinsip data terdistribusi yang harus independen. Hal penting untuk menjaga DW adalah dengan selalu memantau kekinian data yang tersimpan, dengan membuat katalog data dan disimpan secara terpisah dalam suatu sistem repositori meta data yang menyimpan informasi sumber data terkini. OLAP Aplikasi OLAP didominasi oleh query temporer yang kompleks. Secara SQL query ini melibatkan klausa group by dan agregasi dari model data multi dimensi. Sebagai contoh data penjualan yang terdiri dari dimensi produk, lokasi dan waktu. OLAP yang menggunakan basis data multi dimensi dalam bentuk array multi dimensi disebut MOLAP (multidimension OLAP). Implementasi array multi dimensi dapat diwujudkan secara relasional melalui relasi tabel, seperti contoh di bawah ini: Tabel Lokasi lokid 1 2 3

Kota Jakarta Penang Surabaya

prop DKI Penang Jatim

Negara Indonesia Malaysia Indonesia

produk Batik Gelang Sepatu

kategori Pakaian Aksesoris sepatu

Harga 200 150 250

Tabel Produk pid 11 12 13


24

Basis data 2 Tabel Penjualan pid 11 11 11 12 12 12 13 13 13 11 11 11

waktuid 1 2 3 1 2 3 1 2 3 1 2 3

lokid 1 1 1 1 1 1 1 1 1 2 2 2

Penjualan 25 10 15 30 20 50 10 12 12 35 22 12

Masing-masing dimensi dapat diwujudkan secara hirarki, misalnya negara terdiri dari propinsi, setiap propinsi terdiri dari beberapa kota. Waktu dalam tahun terdiri dari bulan atau minggu yang terdiri dari hari atau tanggal. Sistem OLAP yang menyimpan informasi relasi tabel disebut ROLAP (relational OLAP). Dimensi waktu berupa tabel waktu merupakan aplikasi OLAP yang tidak dapat ditangani oleh tipe data date dan timestamp pada SQL Query OLAP Data dapat dilihat secara query dan juga dapat dimanipulasi oleh end user dengan spreadsheet. Sebagai contoh query yang melibatkan beberapa dimensi adalah : total penjualan per kota, propinsi dan rangking penjualan terbesar serta grand total penjualan. Secara OLAP untuk mendapatkan agregasi total penjualan propinsi dari total penjualan per kota dilakukan proses roll-up, dan sebaliknya disebut proses drill-down, tergantung dimensi, apakah lokasi atau produk. Secara dua dimensi total penjualan per lokasi dan waktu dapat dilakukan secara pivot, proses ini disebut cross-tabulation. Dimensi lokasi dapat diganti dengan dimensi produk, sehingga secara cross-tabulation diperoleh tabel dua dimensi produk dan waktu. Dimensi waktu dalam OLAP sangat penting, seperti total penjualan per bulan, perbulan dan per kota, perubahan total penjualan produk dalam persen, dan penjualan rata-rata untuk akhir perioda waktu tertentu. Jenis query terakhir ini tidak dapat dilakukan secara SQL.


25

Basis data 2 gambar tabulasi silang penjualan per tahun dan dua propinsi : Tahun 2000 2001 2002 Total

Jabar 81 107 35 223

Banten 63 38 75 176

Jumlah 144 145 110 399

contoh query (SQL) dengan group by dari tiga tabel penjualan S, waktu T dan lokasi L : Dengan tiga jenis roll up sbb: roll-up dimensi waktu roll-up dimensi lokasi roll-up dimensi waktu dan lokasi, yaitu SELECT SUM (S.penjualan) FROM Penjualan S, Waktu T WHERE S.waktuid=T.waktuid GROUP BY T.tahun SELECT SUM (S.penjualan) FROM Penjualan S, Lokasi L WHERE S.lokid=L.lokid GROUP BY L.prop SELECT SUM (S.penjualan) FROM Penjualan S, Waktu T, Lokasi L WHERE S.waktuid=T.waktuid AND S.lokid=L.lokid GROUP BY T.tahun, L.prop Jika ada k dimensi, maka untuk roll-up dibutuhkan dua pangkat k query SQL. Untuk menghasilkan query tiga dimensi digunakan query CUBE (kubus) yang dengan menggunakan klausa GROUP BY terhadap list grup. Ada delapan list grup atau subset query roll up dari set {pid, lokid, waktuid} termasuk subset kosong, dalam bentuk query seperti: SELECT SUM (S.penjualan) FROM Penjualan S GROUP BY list_grup


26

Basis data 2

Query kubus Disain basis data OLAP Contoh skema star, tabel penjualan sebagai konektor tabel produk, lokasi dan waktu :


27

Basis data 2

Tabel data (bulk) dalam bentuk tabel fakta (dalam bentuk normal BCNF) dengan identifier yang dibangkitkan oleh sistem untuk mengurangi ukuran tabel data dan berelasi dengan tabel dimensi, seperti contoh pada gambar di atas Informasi dimensi disimpan pada tabel dimensi yang tidak ternormalisasi dan bersifat statik agar tidak diperlukan operasi join untuk menjaga performansi. Secara disain tabel rangkuman yang mana saja yang perlu disimpan secara sementara (materialisasi) akan mempengaruhi efisiensi penggunaan memori. Secara implementasi OLAP dilengkapi dengan indeks. Implementasi Teknik OLAP Penggunaan indeks dalam format bitmap dapat mempercepat query karena tabel tidak perlu lengkap, tetapi cukup dalam bentuk sparse (jarang), tergantung bit yang aktif, dibandingkan dengan indek pohon biner (B+Tree) Contoh rating (1 sampai 5) kustomer berdasar gender (L/P). tabel rating memerlukan 5 bit dan tabel gender 2 bit


28

Basis data 2 kustid 112 115 119 122 L 1 1 0 1

P 0 0 1 0

nama Joni Rama Susi Bowo 1 0 0 0 0

2 0 0 0 0

3 1 0 0 0

gender L L P L 4 0 0 0 1

rating 3 5 5 4

5 0 1 1 0

Indeks Join Komputasi join dengan waktu respon yang singkat sulit dilakukan jika ukuran data sangat besar. Dengan menggunakan indeks join untuk operasi query join dua tabel yang berelasi seperti kustomer dan pembelian menjadi lebih cepat. Secara umum join dapat melibatkan lebih dari dua relasi. Kelemahan indeks join adalah jika join melibatkan lebih dari satu kolom untuk setiap tabel dimensi. Jika data pada kolom jarang, maka dapat digunakan indek join bitmap. Untuk efisiensi OLAP yang melibatkan basis data berukuran besar memerlukan teknik kompresi, apalagi kalau menggunakan indeks bitmap yang memudahkan untuk dikompresi.Selain itu penentuan pra-komputasi view untuk tujuan evaluasi query, seperti query agregat juga sangat mementukan efisiensi. Perkembangan SQL menuju perbaikan ke arah pendukung aplikasi OLAP multi dimensi seperti data mart, melalui struktur data yang menggunakan join star, yaitu adanya tabel fakta sebagai konektor dari beberapa tabel lain yang saling berelasi. Data mart bukan sebagai pengganti tetapi sebagai komplemen dan pendukung DW. Modifikasi Query Contoh : CREATE VIEW PenjualanRegional (kategori, penjualan, prop) AS SELECTP.kategori, S.penjualan, L.prop FROM Produk P, Penjualan S, Lokasi L WHERE P.pid = S.pid AND S.lokid = l.lokid


29

Basis data 2 Untuk menghitung total penjualan lakukan query sbb : SELECT R.kategori, R.prop, SUM(R.penjualan) FROM PenjualanRegional R GROUP BY R.kategori, R.prop Hasil modifikasi query menjadi : SELECT FROM

R.kategori, R.prop, SUM(R.penjualan) (SELECT P.kategori, S.penjualan, L.prop FROM Produk P, Penjualan S, Lokasi L WHERE P.pid = S.pid AND S.lokid = l.lokid) AS R GROUP BY R.kategori, R.prop Materialisasi View Contoh : Sebelum materialisasi view : SELECT P.kategori, SUM(S.penjualan) FROM Produk P, Penjualan S WHERE P.pid = S.pid GROUP BY P.kategori SELECT L.prop, SUM(S.penjualan) FROM Lokasi L, Penjualan S WHERE L.pid = S.pid GROUP BY L.prop Materialisasi view : (alternatif) CREATE VIEW TotalPenjualan (pid, lokid, total) AS SELECTS.pid, S.lokid. SUM (S.penjualan) FROM Penjualan S GROUP BY S.pid, S.lokid Setelah materialisasi view : SELECT P.kategori, SUM(T.total) FROM Produk P, TotalPenjualan T WHERE P.pid = T.pid GROUP BY P.kategori


30

Basis data 2 SELECT L.prop, SUM(T.penjualan) FROM Lokasi L, TotalPenjualan T WHERE L.lokid = T.lokid GROUP BY L.prop Ada tiga hal yang harus diperhatikan ketika melakukan materialisiasi view, yaitu: pertama view yang mana dan indeks yang mana yang harus dibuat materialsasinya, kedua apakah kumpulan material view dapat menjawab query, ketiga seberapa sering material view harus di-refresh agar tetap konsisten dan up todate dengan data base sebenarnya. Untuk refresh material view ada tiga pilihan, yaitu : pertama secara lazy materi view di-refresh pada saat query yang akan memperlambat proses query, kedua secara periodik, dan ketiga secara forced yaitu refresh dilakukan setiap sejumlah tertentu perubahan pada basis data sebenarnya. Query Cepat Untuk kebutuhan query secara cepat seperti pada search engine di internet, maka diperlukan teknik pendekatan query cepat, seperti query top N, dan agregasi online secara aproksimasi seperti teknik quick count. Contoh query top N: (menggunakan DB2 IBM: Fitur Optimize) SELECT FROM WHERE ORDER BY OPTIMIZE

P.pid, P.namap, S.penjualan Penjualan S, Produk P S.pis=P.pid AND S.lokid=1 AND S.waktuid=3 S.penjualan DESC FOR 10 ROWS

Contoh hasil agregasi online (prioritas secara online) Status(%) 72 43 81 37

Prioritas Yes No Yes No

prop DKI Jabar Jateng Jatim

AVG(penjualan) 4534 2345 6543 3976

Konfiden(%) 97 93 98 92

Acuan : Silberschatz, Abraham; Korth, Henry; Sudharsan; "Database System Concepts"; McGraw-Hill, edisi-3. Ramakrishnan, Raghu; Gehrke, Johannes; “Database Management Systems”; McGraw-Hill, edisi-2


31

Basis data 2

Data Mining Data Mining (DM) adalah ilmu yang berkaitan dengan bagaimana mencari informasi atau pengetahuan yang relevan dari basis data yang berukuran besar sekali dengan menggunakan aturan statistik dan pattern secara otomatis. Berbeda dengan pencarian pengetahuan dengan mesin pembelajaran pada bidang kecerdasan buatan ukuran data yang tersimpan pada disk tidak terlalu besar, maka pada DM ukuran data yang tersimpan pada disk sangat besar. Dari aspek pencarian pengetahuan ada dua model DM, yaitu Model DM yang masih melibatkan user secara langsung dalam pencarian pengetahuan, dan model DM yang pencarian pengetahuannya sepenuhnya ditangani sistem secara otomatis. Sebagai alat analisis dan eksplorasi, terdapat kesinambungan antara query SQL, OLAP dan DM. Query SQL berada pada ujung, OLAP berada di tengah dan DM berada pada ujung yang lainnya. Query SQL relatif sederhana dibandingkan OLAP, sedangkan query pada DM sangat kompleks sehingga memerlukan parameter yang didefinisikan user serta penggunaan algoritma tertentu. Pada implementasinya data pada DM tidak lengkap atau mengandung noise. Proses eksplorasi pengetahuan atau knowledge discovery process (KDD) dapat dibagi dalam beberapa tahap. Seleksi data adalah tahap awal untuk memilah data mentah, kemudian data cleaning merupakan tahap membuang noise dan transformasi nilai data ke dalam unit yang umum, membangkitkan atribut baru dari kombinasi atribut yang ada sesuai skema relasional. Pada tahap data cleaning mungkin juga dilakukan denormalisasi. Pada tahap berikutnya yaitu tahap data mining dilakukan ekstraksi pattern sesungguhnya. Pada tahap terakhir, yaitu tahap evaluasi representasi pattern divisualisasi agar mudah dimengerti user, jika diperlukan terjadi umpan balik ke tahap sebelumnya. Representasi pengetahuan pada DM menggunakan aturan asosiasi: if antiseden then konsekuen ({antiseden} => {konsekuen}), yang artinya jika ada predikat pada antiseden yang bernilai true, maka dianggap predikat pada konsekuen juga true. Berbeda dengan aturan statistik pada ilmu eksakta yang menuntut nilai persentase yang tinggi (mendekati 100%), maka biasanya pada DM nilai persentase dukungan sekitar 50% sudah dianggap tinggi.


32

Basis data 2 Terdapat dua hal yang berkaitan dengan aturan asosiasi, yaitu pertama dukungan sebagai syarat perlu jika ada walaupun hanya satu kejadian dari sekian banyak kejadian yang bernilai true, kedua konfiden sebagai syarat cukup, misalnya jika ada sebanyak 80% transaksi pembelian roti, yang juga melakukan transaksi pembelian susu maka konfiden sudah dianggap tinggi. Sebagai contoh DM kita ambil contoh analisis keranjang pasar (market basket analysis) yang merupakan koleksi transaksi dari setiap kustomer. transid 111 111 111 111 112 112 112 113 113 114 114 114

kustid 201 201 201 201 105 105 105 106 106 201 201 201

tanggal 5/1/06 5/1/06 5/1/06 5/1/06 6/3/06 6/3/06 6/3/06 6/3/06 6/3/06 6/3/06 6/3/06 6/3/06

barang pulpen tinta susu juice pulpen tinta susu Pulpen susu pulpen tinta juice

jumlah 2 1 3 6 1 1 1 1 1 2 2 4

Analisis menunjukkan dukungan {pupen,tinta} ada 75%, artinya umumnya jika membeli pulpen, juga membeli tinta, sedangkan dukungan {susu,juice} hanya 25%, artinya pembelian susu dan juice jarang bersamaan Untuk menghitung frekuensi transaksi dapat menggunakan algoritma properti a priori (bergantung pada keadaan sebelumnya) secara bertahap, mulai dari transaksi per item, dua item dst. Jika pada tahap sebelumnya frekuensi transaksi sudah dibawah batas kriteria yang ditetapkan, maka secara a priori algoritma tidak melanjutkan ke tahap selanjutnya untuk kombinasi (pasangan) item yang mengandung item dengan frekuensi di bawah batas tadi. Sebagai contoh pada analisis keranjang pasar jika kita set kriteria minimal pembelian 70%, maka pembelian per item {pulpen}, {tinta}, dan {susu} pada tahap awal lolos, sedangkan {juice} tidak lolos. Oleh karena itu pada tahap kedua pasangan {pulpen,tinta}, {pulpen,susu} dan {tinta,susu} yang dianalisis, sedangkan pasangan {pulpen, juice} dan {tinta,juice} tidak dianalisis. Demikian pula pada tahap ketiga pasangan {pulpen, tinta, susu} juga tidak dianalisis, karena pasangan {tinta,susu} jarang terjadi.


33

Basis data 2 Query iceberg Query iceberg manghasilkan output yang lebih sedikit dari yang sesungguhnya (sifat gunung es), yaitu dengan manambahkan kondisi setelah klausa Having. Algoritma properti a priori dapat dijalankan dengan query iceberg per masingmasing item dengan kondisi pada klausa Having, sebelum dengan query iceberg terhadap kombinasi item dengan klausa Having yang sama Contoh query iceberg dengan operator Having SELECT P.kustid, P.barang, SUM(P.jumlah) FROM Pembelian P GROUP BY P.kustid, P.barang HAVING SUM (P.jumlah) > 5 Contoh query a priori terhadap pembeli SELECT P.kustid FROM Pembelian P GROUP BY P.kustid HAVING SUM (P.jumlah) >5 Contoh query a priori terhadap barang SELECT P.barang FROM Pembelian P GROUP BY P.barang HAVING SUM (P.jumlah) >5 Pada model DM yang dipandu user, user sebagai penanggungjawab utama dalam pembentukan aturan, dan sistem sebagai pendukung. Biasanya user melakukan hipotesa yang diuji oleh sistem. Biasanya diperlukan beberapa iterasi pendefinisian hipotesa yang dilakukan user, sebelum, sampai sistem memberikan nilai konfiden yang tinggi. Sistem visualisasi data memudahkan user mengenali pattern berdasarkan warna yang berbeda, misalnya dengan warna yang lebih cerah. Display visual data dapat berbentuk peta, chart atau grafik dengan kuantisasi melalui warna. Pencarian otomatis aturan dilakukan melaui dua cara, yaitu klasifikasi atau hirarki ISA dan aturan asosiasi. Pencarian melalui klasifikasi dimulai dari sampel data yang disebut training sebagai hipotesa, kemudian dilakukan pengujian secara partisi terhadap data sesungguhnya seperti pohon keputusan, misalnya untuk mencari pola kartu kredit dimulai dari partisi gelar, kemudian jumlah pendapatan dst.


34

Basis data 2 Pada contoh analisis keranjang pasar di atas dengan melalui pendekatan generalisasi, maka cenderung ada peningkatan frekuensi. Misalnya yang membeli pulpen dan tinta (ATK) juga membeli minuman (mungkin juice atau susu). Jika pada mulanya : {tinta}=>{juice} diubah menjadi {tinta} => {minuman} maka frekuensi meningkat dari 50% ke 75% Contoh Relasi pembelian dengan hirarki ISA transid 111 111 112 112 113 113 114 114

kustid 201 201 105 105 106 106 201 201

tanggal 05/01/06 05/01/06 06/03/06 06/03/06 06/03/06 06/03/06 06/03/06 06/03/06

barang ATK minuman ATK minuman ATK minuman ATK minuman

jumlah 3 9 2 1 1 1 4 4

Aturan asosiasi generalisasi dapat dilakukan berdasarkan salah satu atribut. Pada contoh analisis keranjang pasar di atas, kalau query dilakukan berdasarkan kustomer, maka hasil analisis menunjukkan {pulpen} => {susu} mempunyai frekuensi 100% baik sebagai dukungan {pulpen} atau {susu} dan konfiden ({pulpen} => {susu}) Contoh: transid

kustid

Tanggal

barang

112 112 112 113 113 114 114 114 111 111 111 111

105 105 105 106 106 201 201 201 201 201 201 201

06/03/06 06/03/06 06/03/06 06/03/06 06/03/06 06/03/06 06/03/06 06/03/06 05/01/06 05/01/06 05/01/06 05/01/06

pulpen tinta susu pulpen susu pulpen tinta juice pulpen tinta susu juice

Jum lah 1 1 1 1 1 2 2 4 2 1 3 6


35

Basis data 2 Dengan cara yang sama asosiasi generalisasi dapat dilakukan berdasarkan tanggal, misalnya perhari, setiap awal bulan, setiap hari minggu, dsb. Analisis ini disebut analisis kalendrik Pola sekuen dapat disimpulkan berdasarkan urutan kejadian transaksi per kustomer berdasarkan frekuensi seperti frekuensi pembelian suatu barang Aturan asosiasi dapat juga digunakan untuk prediksi, seperti contoh aturan asosiasi {pulpen} => {tinta} dapat dijadikan prediksi untuk peningkatan penjualan tinta di masa mendatang dengan memberikan diskon pada pembelian pulpen, tetapi jika dikembangkan menjadi aturan {pensil} => {tinta}, mungkin prediksi akan gagal. Jaring Bayesian adalah graf berarah yang dapat mengambarkan hubungan sebab dan akibat, simpul menggambarkan kejadian, sedangkan garis menggambarkan hubungan sebab akibat. Sebagai contoh pembelian ATK seperti pensil dan pulpen mungkin sering bersamaan, tetapi penyebab pembelian tinta terjadi akibat pembelian pulpen, dapat digambarkan sbb:

Aturan klasifikasi dan regresi mirip seperti aturan asosiasi tergantung pada dua hal, yaitu dukungan dan konfiden. Untuk aturan C1 => C2, maka dukungan sama dengan kondisi C1 dan C2. Konfiden kondisi C1 untuk aturan C1 => C2 adalah persentase data yang juga memenuhi kondisi C2. Contoh informasi asuransi yang terdiri dari atribut umur, jenis mobil dan resiko, seperti: InfoAsuransi (umur:integer; jenis_mobil:string; resiko_tinggi:boolean) dapat menggunakan aturan klasifikasi dan regresi untuk memprediksi aplikasi baru asuransi.


36

Basis data 2 Pada aturan klasifikasi dan regresi terdapat atribut dependen dan atribut prediktor. Bentuk umumnya adalah : p1(X1) dan p2(X2) dan … pn(Xn) => Y = c. P1, p2, …, pn adalah predikat; X1, X2, …, Xn adalah atribut prediktor dan Y adalah atribut dependen. Ada dua jenis atribut dependen, yaitu kategori (non-numerik) dan numerik. Aturan yang melibatkan atribut kategori disebut aturan klasifikasi, sebaliknya aturan yang melibatkan atribut dependen numerik disebut aturan regresi. Aturan regresi membutuhkan komputasi. Untuk contoh kasus asuransi kendaraan di atas, umur adalah atribut dependen numerik, sedangkan jenis mobil adalah atribut dependen dan atribut resiko_tinggi adalah atribut prediktor. Contoh aturan hasil dari penggunaan aturan klasifikasi dan regresi seperti : (10<=umur<=25) dan (jenis_mobil adalah{sport, truk}) => resiko_tinggi=true Aturan berstruktur pohon Aturan klasifikasi dan regresi dapat digambarkan dalam bentuk pohon keputusan. Pohon yang menggambarkan aturan klasifikasi disebut pohon klasifikasi atau pohon keputusan, sedangkan pohon yang menggambarkan aturan regresi disebut pohon regresi. Contoh pohon keputusan, seperti contoh kasus asuransi :

Path dari akar sampai salah satu simpul pada pohon keputusan menggambarkan satu aturan klasifikasi. Pohon keputusan ini memudahkan untuk interpretasi. Pada contoh gambar di atas, terdapat tiga aturan, yaitu : Pertama, jika umur pemilik mobil di bawah 25 tahun dan jenis mobilnya sedan, maka kemungkinan tidak ikut asuransi.


37

Basis data 2 Kedua, jika umur pemilik mobil di atas 25 tahun juga kemungkinan tidak tertarik asuransi. Ketiga, jika umur pemilik mobil di bawah 25 tahun dan jenis mobil adalah sport atau truk, maka kemungkinan akan tertarik asuransi. Pada pohon keputusan terdapat atribut pencabangan yang digambarkan sebagai simpul, jika dari simpul itu ada pencabangan ke simpul berikutnya. Simpul pencabangan dan garis berlabel disebut kriteria pencabangan, sedangkan simpul yang tidak bercabang disebut simpul daun. Jadi pada pohon keputusan terdapat aturan klasifikasi yang berakhir pada simpul daun. Pohon keputusan dibuat dengan dua fase, yaitu fase tumbuh, yaitu ketika semua kejadian digambarkan dalam bentuk pohon yang umumnya berukuran besar. Fase pemotongan adalah fase berikutnya dengan mengabaikan kejadian dengan frekuensi yang kecil di bawah kriteria yang ditetapkan. Metoda pemotongan pohon keputuan disebut metoda seleksi split (cabang), yaitu dengan memilih atribut tertentu. Pada contoh kasus asuransi atribut yang dipilih adalah umur dan jenis_kendaraan. Contoh relasi informasi asuransi: umur 23 30 36 25 30 23 30 25 18

Jenis_kendaraan Sedan Sport Sedan Truk Sedan Truk Truk Sport Sedan

Resiko_tinggi False False False False False True False True False

Acuan : Silberschatz, Abraham; Korth, Henry; Sudharsan; "Database System Concepts"; McGraw-Hill, edisi-3. Ramakrishnan, Raghu; Gehrke, Johannes; “Database Management Systems”; McGraw-Hill, edisi-2


38

BASIS DATA LANJUT BAGIAN KEDUA

Recommend Documents