Dalam proses pembuatan aplikasi, Anda juga harus memperhatikan infrastruktur yang akan menunjang aplikasi Anda. Anda tidak dapat membuat kueri yang memakan waktu dan sumber daya terlalu banyak dalam jaringan yang lambat. Anda dituntut untuk menggunakan koneksi seefisien mungkin supaya jalur data tidak mengganggu proses bisnis organisasi yang Anda layani. Anda mungkin harus bekerja ekstra dalam membuat stored procedure dan trigger yang diletakkan dalam server sehingga mengurangi beban jaringan.

Ketika Anda harus berhadapan dengan kebijakan organisasi tentang hak akses data, Anda juga dituntut memodifikasi skrip (dan bila perlu hak akses basis data) untuk mendukung kebijakan ini, sehingga proses pembuatan aplikasi akan memakan waktu lebih lama. Dalam prosesnya, Anda tidak boleh melupakan Proof of Concept (POC) untuk mencoba apakah teknik-teknik yang akan Anda pakai dapat diterapkan dalam organisasi Anda. POC ini biasanya dilakukan di awal masa pengembangan sehingga proses development dan hasil akhir tidak menjadi sia-sia dan dapat diterapkan dalam organisasi Anda.

Perlu diingat bahwa proses implementasi sistem baru adalah salah satu tahapan yang paling sulit, karena kita dihadapkan pada orang-orang yang memiliki karakteristik yang berbeda. Lain halnya ketika kita berhadapan dengan mesin yang dapat dengan mudah dikendalikan, kita tidak dapat mengubah pola kerja dan pola pikir seseorang untuk menyesuaikan dengan sistem baru yang kita luncurkan.

space hosting yang disewa = space untuk file + ukuran database

I learned it in a hard way, so perhaps anyone could get advantages of this. Benar-benar aku belajar dengan cara yang berat

Sebelumnya tidak ada informasi bahwa ukuran database juga dihitung sebagai bagian dari space hosting yang disewa, maka ketika database membengkak, seketika pihak penyedia hosting memblokir akses ke web kesayangan kita. Wow!
Maka, bila Anda membeli hosting sebesar 100MB, ukuran segini hanya cukup untuk instalasi web atau CMS dan database berukuran kecil, hanya bisa sebagai web atau blog pribadi. Bila Anda membuat blog aggregator, tentunya harus punya space besar. Dari pengalamanku, agregator yang menggunakan wordpress akan membengkak sekitar 200MB lebih database-nya, jadi silakan berhitung.

Nah, apa yang terjadi jika basis data dengan data yang saling merujuk tersebut tidak menggunakan integritas referensial? Semisal kita memiliki tabel barang (tbarang), tabel penjualan (tpenjualan), dan tabel penjualan detail (tpenjualan_detail)
tbarang:
kd_barang *
nama_barang
merek

tpenjualan:
no_nota *
tgl_nota

tpenjualan_detail
no_nota *
kd_barang *
qty

Ket : *) primary key

Dari tabel dan entitasnya di atas, perhatikan tabel tpenjualan_detail yang merujuk data ke tabel tbarang melalui field kd_barang. Kedua tabel ini akan terhubung dengan relasi tbarang one-to-many tpenjualan_detail.
Jika tanpa integritas referensial, maka jika sebuah record dari tbarang yang menjadi rujukan dalam tpenjualan_detail dihapus, maka record dalam tpenjualan_detail tersebut akan menjadi orphan data, artinya data yang rujukannya sudah tidak eksis lagi. Dan dalam sistem basis data, data seperti ini sangat dihindari karena dampaknya akan sangat merugikan atau bahkan datanya tidak bisa digunakan lagi.

Barangkali ada yang mempunyai ide untuk menangkal orphan data ini di level aplikasi. Bisa, tetapi terbatas pada struktur basis data yang kompleks. Bayangkan bila tbarang di atas dirujuk oleh banyak sekali tabel, maka jika akan menghapus record harus melakukan pengecekan satu persatu. Berbeda kasusnya bila kita menggunakan fasilitas dalam integritas referensial yang mampu secara otomatis menghasilkan error ketika record yang menjadi rujukan berusaha dihapus.

Pembahasan singkat di atas mungkin bisa menjadi referensi bagus untuk mempertimbangkan penggunaan DBMS yang sudah menggunakan integritas referensial secara intensif. Contoh di antaranya adalah Microsoft Access dan Firebird.

Query
• Melihat isi tabel
Sintaks:
SELECT * FROM nama_tabel;
Tanda asterisk (*) menunjukkan semua kolom dalam tabel.
Contoh:
SELECT * FROM infoprib;

• Menampilkan kolom tertentu
Sintaks:
SELECT nama_kolom1, nama_kolom2, …
FROM nama_tabel;
Contoh:
SELECT nama, tgl_lahir
FROM infoprib;

• Memperoleh data yang unik
Menggunakan klausa DISTINCT setelah klausa SELECT
Contoh:
SELECT DISTINCT sex
FROM infoprib;

• Memilih baris tertentu
Menggunakan klausa WHERE untuk menentukan kondisi data yang boleh ditampilkan.
Sintaks:
SELECT nama_kolom1, nama_kolom2,…
FROM nama_tabel
WHERE [kondisi];
Contoh:
SELECT nama
FROM infoprib
WHERE sex = ‘W’;

• Menggunakan operator Relasional
Kondisi menggunakan operator relasional.
Operator Arti
= Sama dengan
> Lebih dari
< Kurang dari
>= Lebih dari atau sama dengan
<= Kurang dari atau sama dengan
<> Tidak sama dengan
Contoh:
SELECT nama_peg, gaji
FROM pegawai
WHERE gaji > 2000000;

• Menggunakan operator Boolean
? Operator OR, sifatnya benar bila salah satu benar
Contoh:
SELECT *
FROM infoprib
WHERE sex = ‘P’ OR id_bin = ‘STONE’;
? Operator AND, sifatnya benar bila keduanya benar
Contoh:
SELECT nama, tgl_lahir
FROM infoprib
WHERE sex = ‘P’ AND tgl_lahir < ‘1950-01-01’;
? Operator NOT, digunakan untuk pembalikan nilai nalar
Contoh:
SELECT nama
FROM infoprib
WHERE NOT sex = ‘P’;

• Menggunakan operator BETWEEN dan NOT BETWEEN
Operator BETWEEN digunakan untuk membuat suatu kondisi di mana data berada di antara batas-batas nilai yang ditentukan, sedang NOT BETWEEN memiliki sifat kebalikan dengan BETWEEN, yaitu kondisi data tidak berada di antara batas-batas nilai yang ditentukan.
Contoh:
SELECT nama, tgl_lahir
FROM infoprib
WHERE tgl_lahir BETWEEN ‘1960-01-01’ AND ‘1970-12-31’;
SELECT nama
FROM infoprib
WHERE nama NOT BETWEEN ‘C’ AND ‘J’;

• Menggunakan operator LIKE dan NOT LIKE
Hal-hal yang harus diperhatikan:
- tanda garis bawah ( _ ) berarti sebuah karakter apa saja
- tanda persen (%) berarti cocok dengan karakter apa saja dan berapapun panjangnya (termasuk cocok dengan nol karakter)
Contoh:
SELECT nama
FROM infoprib
WHERE nama LIKE ‘%on%’;
SELECT nama
FROM infoprib
WHERE nama NOT LIKE ‘S%’;

• Menggunakan operator IS NULL dan IS NOT NULL
Operator IS NULL digunakan untuk mencari nilai yang kosong dalam suatu kolom, sedangkan IS NOT NULL digunakan untuk mencari nilai yang tidak kosong.
Contoh:
SELECT *
FROM infoprib
WHERE tgl_lahir IS NULL;
SELECT *
FROM infoprib
WHERE tgl_lahir IS NOT NULL;

• Mengurutkan data dengan ORDER BY
Contoh:
SELECT *
FROM infoprib
ORDER BY nama;

• Mengurutkan secara descending
Contoh:
SELECT *
FROM infoprib
ORDER BY nama DESC;

• Mengurutkan beberapa kolom
Contoh:
SELECT sex, nama
FROM infoprib
ORDER BY sex, nama;

• Mengelompokkan data dengan GROUP BY
Contoh:
SELECT sex
FROM infoprib
GROUP BY sex;

• Menggunakan klausa HAVING
Klausa HAVING digunakan untuk menentukan kondisi bagi GROUP BY. Kelompok yang memenuhi HAVING saja yang akan dihasilkan.
Contoh:
SELECT kota
FROM pegawai
GROUP BY kota
HAVING kota <> ‘Yogya’;

• Menggunakan fungsi Agregat
Beberapa fungsi Agregat:
? Fungsi AVG, untuk memperoleh rata-rata
Contoh:
SELECT AVG(gaji)
FROM pegawai;
? Fungsi COUNT, untuk melakukan pencacahan terhadap data
Contoh:
SELECT COUNT(nama_peg)
FROM pegawai;
? Fungsi MAX, untuk memperoleh nilai yang terbesar
Contoh:
SELECT MAX(gaji)
FROM pegawai;
? Fungsi MIN, untuk memperoleh nilai yang terkecil
Contoh:
SELECT MIN(gaji)
FROM pegawai;
? Fungsi SUM, untuk melakukan penjumlahan data
Contoh:
SELECT SUM(gaji)
FROM pegawai;

Mengupdate Data
Updating data dilakukan karena adanya data yang berubah nilainya.
Sintaks:
UPDATE nama_tabel
SET nama_kolom = [nilai baru]
WHERE [kondisi]
Contoh:
UPDATE tMahasiswa
SET kota = ‘Yogyakarta’
WHERE kota = ‘Yogya’;

Menghapus Data
Digunakan untuk menghapus data.
Sintaks:
DELETE FROM nama_tabel
WHERE [kondisi];
Contoh:
DELETE FROM tMahasiswa
WHERE nama = ‘Yovie’;

Incoming search terms for the article:

• mengurutkan nilai terkecil ke yang terbesar dari database dengan php (1)

Derajat Partisipasi Hubungan
Hubungan antarentiti akan menyangkut dua komponen yang menyatakan jalinan ikatan yang terjadi, yaitu derajat dan partisipasi hubungan. Derajat hubungan menyatakan jumlah anggota entiti yang terlibat di dalam ikatan yang terjadi. Dalam hal ini ikatan yang terjadi akan membentuk instan hubungan (relationship instances, relationship occurences). Sedangkan partisipasi hubungan menyatakan sifat keterlibatan tiap anggota entiti dalam ikatan terjadinya hubungan.

Tabel normal
model konsepsual dalam penyusunan basis data tidak hanya terdiri atas satu tabel, melainkan banyak tabel dalam satu kesatuan pandangan data. Kelompok tabel yang memenuhi ketentua tabel normal disebut tabel normal penuh (fully normalised tables).

Data Rangkap dan Data Duplikasi
Salah satu keuntungan menggunakan pendekatan basis data adalah konsistensi data selalu terjaga. Hal ini dapat tercapai kalau data yang disimpan dalam basis data terhindar dari adanya data rangkap (redundant data). Sebelum melangkah pada pembicaraan lebih lanjut kiranya perlu dibedakan antara data duplikasi (duplicated data) dan data rangkap.
Data duplikasi terjadi apabila satu atribut mempunyai dua atau lebih nilai yang sama. Sedangkan nilai data dikatakan data rangkap adalah dalam satu atribut mempunyai dua atau lebih nilai yang sama, tetapi apabila salah satu nilai dihapus, maka tidak ada informasi yang hilang. Atau dengan kata lain, data rangkap merupakan data duplikasi yang tidak perlu terjadi.

Aturan Data
Terjadinya data rangkap hanya diamati dari nilai data yang ada pada setiap instan tabel. Oleh karena data dalam basis data itu bersifat dinamis atau setiap saat dapat terjadi penambahan, penghapusan, atau revisi data, maka hanya dengan cara pengamatan data saja tidak akan memberikan hasil yang akurat pada proses model konsepsual. Salah satu cara pendekatan analisis data agar data dalam basis data memenuhi aturan penyusunan tabel adalah dengan membuat aturan data dalam basis data (enterprise rules).

Proses Normalisasi Tabel
Basis data tidak hanya terdiri atas satu tabel saja, melainkan banyak tabel. Gabungan tabel-tabel dalam basis data disusun sesuai ketentuan penyusunan tabel (tabel normal) dan antartabel saling berhubungan serta terbebas dari adanya data rangkap. Kondisi tabel demikian dikatakan sebagai tabel normal penuh.
Proses pembentukan tabel normal penuh (normalisasi) bertujuan untuk:
• Membuat sekecil mungkin terjadinya data rangkap
• Menghindarkan adanya data yang tidak konsisten terutama bila dilakukan penghapusan atau penambahan data sebagai akibat adanya data rangkap
• Menjamin bahwa identitas tabel secara tunggal sebagai determinan semua atribut.

Bentuk-bentuk tabel normal
Proses normalisasi tabel secara umum dibagi menjadi lima tahap, sehingga dikenal bentuk-bentuk tabel normal sesuai dengan tahapan normalisasi yang telah dilakukan, yaitu bentuk normal pertama, kedua, ketiga, keempat, dan kelima.
Bentuk normal pertama dicapai bila tiap nilai atribut adalah tunggal. Kondisi ini dapat diperoleh dengan melakukan eliminasi terjadinya data ganda (repeating groups). Pada kondisi normal pertama ini kemungkinan masih terjadi adanya data rangkap.
Bentuk normal kedua dicapai bila atribut yang dijadikan identitas benar-benar sebagai determinan dari semua atribut. Bentuk normal kedua diperoleh dengan bantuan diagram determinansi atau manipulasi data tabel pada kondisi bentuk normal pertama
Bentuk normal ketiga adalah bentuk normal kedua tanpa terjadi adanya ketergantungan transitif (transitif determinan). Kondisi ini sama dengan tabel normal Boyce/Codd, namun masih diperlukan pemilihan identitas tunggal bila terdapat beberapa kandidat untuk dijadikan identitas.
Bentuk normal keempat adalah tabel bentuk normal ketiga dengan nilai atribut tidak tergantung pada banyak nilai (multi-value determiancies). Sedangkan bentuk normal kelima berhubungan dengan apa yang disebut ketergantungan pada gabungan beberapa atribut (join dependency). Kasus ini dalam praktek jarang ditemukan, sebab secara nyata akan disusun suatu tabel dengan atribut-atribut yang ditentukan dengan satu identitas.

Incoming search terms for the article:

• tentang tabel (29)
• pengertian tabel (10)
• konsep dasar internet (3)
• contoh normalisasi database (3)
• contoh database (3)
• contoh rancangan database (2)
• relasi sistem basis (2)
• contoh basis data (2)
• tabel tentang internet (1)
• tabel tentang (1)
• pengertian database (1)
• pengertian atribut basis data (1)
• contoh data rangkap (1)
• data base pajak (1)
• data base normalisasi 1 2 3 (1)
• blok mengenai defenisi tabel (1)

Skema dan Instan Basis Data
Skema basis data merupakan deskripsi dari basis data yang spesifikasinya ditentukan dalam tahap perancangan. Skema basis data tidak diharapkan dapat diubah setiap saat walaupun dimungkinkan untuk diadakan perubahan. Penggambaran skema biasanya ditampilkan dalam diagram skema yang berisi sebagian dari detail deskripsi basis data.
Data dalam basis data setiap saat aka berubah karena terjadi penambahan, penghapusan, atau pembaharuan data. Sekelompok data yang tersusun dalam satu baris (tuple) dan tersimpan dalam basis data disebut instan (instances) atau kejadian (occurences). Setiap susunan skema basis data mempunyai satu set instan-instan sesaat.

Arsitektur SMBD
Arsitektur SMBD dikenal dengan sebutan asitektur tiga skema (three-schema architecture). Fungsi skema ini adalah untuk memisahkan anatar fisik basis data dan program aplikasi pemakai. Skema dalam arsitektur tersebut adalah:
• Level internal merupakan skema internal yang memuat deskripsi struktur penyimpanan basis data. Skema internal menggunakan model data fisikal dan mendefinisikan secara detail penyimpanan data dalam basis data, serta jalur pengaksesan data.
• Level konsepsual merupakan skema konsepsual yang memuat deskripsi struktur basis data secara keseluruhan untuk semua pemakai. Skema konsepsual hanya memuat deskripsi tentang entiti, atribut, hubungan, dan konstrain, tanpa memuat deskripsi data secara detail. Model data tingkat tinggi atau model data implementasi dapat digunakan dalam skema ini.
• Level eksternal merpakan skema eksternal (user views) yang mendefinisikan pandangan data terhadap sekelompok pemakai (local view) dengan menyembunyikan data lain yang tidak diperlukan oleh kelompok pemakai tersebut. Model data tingkat tinggi atau model data implementasi dapat digunakan dalam skema eksternal.

Komponen SMBD
Dalam praktek jarang sekali dijumpai SMBD yang secara tegas membedakan antarskema pada arsitektur tiga-skema. Namun demikian dari skema dapat dilakukan indikasi adanya komponen SMBD:
• Bahasa untuk jendela perantara, yang di dalamnya termasuk Bahasa Manipulasi Data (Data Manipulation Language) yang disingkat BMD.
• Bahasa Definisi Data (Data Definition Language) yang disingkat BDD untuk skema eksternal, skema konsepsual, dan skema internal.
• Sistem Kontrol Basis Data (SKBD) yang akan mengakses basis data karena adanya perintah dari BMD.
Pada perkembangan terakhir kebanyakan SMBD tidak memisahkan antara bahasa untuk jendela perantara, BDD dan BMD. Structured Query Language (SQL) merupakan contoh bahasa standar yang digunakan SMBD relasional untuk pengelolaan basis data.

Klasifikasi SMBD
Sistem Manajemen Basis Data terutama diklasifikasikan berdasarkan model data yang digunakan yaitu model data hierarki, jaringan, relasional, orientasi obyek, dan model data yang lain.
Klasifikasi kedua didasarkan pada lokasi penyimpanan data, yaitu SMBD terpusat (centralized database) dan SMBD terdistribusi (distributed database). Dalam SMBD terpusat basis data disimpan dalam satu komputer media penyimpanan sehingga pemakai sistem mengakses data dari satu tempat. Sedangkan dalam SMBD terdistribusi, basis data disimpan tidak dalam satu komputer melainkan tersebar pada penyimpanan tiap terminal pemakai. Antarpemakai dapat mengakses data secara langsung tidak perlu melalui pusat penyimpanan. SMBD terdistribusi memerlukan sistem kontrol yang lebih rumit daripada sistem basis data tersentralisasi.

Model data hierarki
Dalam model data hierarki, data disusun menurut struktur pohon. Pada puncak dari hierarki disebut dengan istilah akar (root). Dalam rekaman akar hanya terdapat satu rekaman yang terdiri atas satu medan atau lebih. Di samping itu dalam model data hierarki tiap entiti pada tingkat atas (dikenal dengan istilah induk atau parent) mempunyai satu atau lebih sub-entiti (anak atau children). Tiap entiti hanya boleh mempunyai satu induk, tetapi dapat mempunyai banyak anak.

Model data jaringan
Dalam model jaringan (network), tiap entiti dapat mempunyai banyak induk atau banyak anak. Hal ini lebih fleksibel daripada model hierarki. Dalam model jaringan lebih sedikit terdapat data yang rangkap daripada model hierarki. Namun demikian lebih banyak terdapat hubungan antarentiti, sehingga akan menambah informasi hubungan yang harus disimpan dalam basis data. Hal ini akan menambah volume dan kerumitan dalam penyimpanan berkas data. Dalam basis data yang kompleks, informasi hubungan antarentiti dapat mencapai jumlah besar dan akan banyak memerlukan waktu jika terjadi perubahan hubungan yang dikehendaki.

Model data relasional
Dalam model data relasional tidak terdapat hierarki atau jenjang dalam medan rekaman data, dan setiap medan data dapat dijadikan kunci data. Dengan menggunakan model ini, pencarian medan atribut dari suatu tabel atau banyak tabel dapat dilakukan dengan cepat. Pencarian atribut yang berhubungan di mana tersimpan pada tabel yang berbeda dapat dilakukan dengan menghubungkan terlebih dahulu tabel-tabel tersebut dengan menggunakan atribut yang sama. Prosedur ini dikenal dengan operasi gabungan (joint operation).

Incoming search terms for the article:

• pengertian skema dan data (2)
• database distribusi pada sistem perbankan (1)
• jenis arsitektur basis data (1)
• model arsitektur sistem terdistribusi (1)
• pengertian data implementasi (1)
• sistem terdistribusi pada google (1)

Sistem Manajemen Basis Data (SMBD) adalah kumpulan program yang digunakan untuk membuat dan mengelola basis data. Suatu SMBD merupakan sistem perangkat lunak yang secara umum dapat digunakan untuk melakukan pemrosesan dalam hal pendefinisian, penyusunan, dan manipulasi basis data untuk berbagai aplikasi. Pendefinisian basis data meliputi spesifikasi tipe data, struktur dan pembatasan (constraints) dari data yang harus disimpan dalam basis data. Penyusunan basis data meliputi proses memasukkan data dalam media penyimpanan data yang harus dikontrol oleh SMBD. Sedangkan yang termasuk dalam manipulasi basis data seperti pembuatan pertanyaan (query) dari basis data untuk memdapatkan informasi tertentu, melakukan pembaharuan (updating) data, dan pembuatan laporan (report generation) dari data dalam basis data.

Pada awal penggunaan komputer untuk pengelolaan data, berkas data disusun secara khusus untuk tiap program aplikasi. Karena tiap berkas data langsung diakses oleh program aplikasi maka pendekatan ini biasa disebut dengan pemrosesan berkas (file processing). Dalam pendekatan ini akan terdapat banyak kendala, di antaranya adalah bahwa program aplikasi yang dibuat untuk pemrosesan data harus mengetahui bagaimana tiap berkas disimpan. Perubahan yang terjadi pada berkas data mengharuskan perubahan yang juga pada program aplikasi. Problem lain yang timbul adalah jika data digunakan untuk berbagai aplikasi dan pemakai untuk kepentingan yang berbeda, maka integritas data sulit dikontrol.

Di dalam pendekatan basis data, sejumlah data disimpan dalam satu tempat dengan definisi data yang tetap sehingga dapat diakses oleh beberapa pemakai dengan berbagai program aplikasi melalui kontrol SMBD.

Incoming search terms for the article:

• basis data adalah (1)
• konsep basis data pada sistem perbankan (1)
• pendahuluan sistem manajemen basis data (1)