See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/376757278
Memahami Pemodelan Data: Ulasan Jurnal
Research · December 2023
CITATION
1
READS
721
1 author:
Cindy Pakpahan
University of Sumatera Utara 2PUBLICATIONS 1CITATION
SEE PROFILE
All content following this page was uploaded by Cindy Pakpahan on 23 December 2023.
The user has requested enhancement of the downloaded file.
Memahami Pemodelan Data: Suatu Pengantar
Cindy Pakpahan
Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara, Padang Bulan 20155 USU, Medan, Indonesia1
E-mail: [email protected] Abstrak :
Model data merupakan komponen integral dalam pengembangan sistem dan pengelolaan informasi. Tulisan ini membahas pentingnya data dalam konteks filosofis dan komputasi, menyoroti peran kunci pemodelan data sebagai langkah awal dalam desain database. Model data memfasilitasi representasi visual data, mematuhi aturan bisnis, dan mendukung komunikasi efektif di organisasi. Diskusi melibatkan pandangan tradisional terhadap pemodelan data, jenis-jenis pemodelan data utama, dan teknik pemodelan data yang berkembang seiring waktu. Keunggulan dan kekurangan penggunaan model data dibahas dengan konteks pengembangan aplikasi dan manfaatnya dalam mengubah data menjadi aset informasi perusahaan. Sebagai kesimpulan, model data memberikan keuntungan signifikan namun memerlukan pemahaman mendalam tentang penyimpanan data fisik.
Kata Kunci : Data, Pemodelan Data, Teknik Pemodelan Data, Desain Database, Pemetaan Data
1. Pengantar
Data [1], kata yang dikenali oleh banyak orang pada umumnya, tetapi tidak me-ngenalinya dengan baik, apalagi memahaminya [2]. Secarafilosofis, data adalah esensi yang tidak dapat dipisahkan dari kehidupan manusia[3]. Data adalah representasi kehidupan manusia dan lingkungannya [4].
Secarakomputasi data terkait erat dengan informasi dan pengetahuan [5]. Oleh karena itu, dalam pengelolaan pengetahuan, data mengungkapkan keberadaan sesuatu [6, 7]. Pemodelan data (data modeling/ data modelling) merupakan langkah awal dalam proses desain database, yang juga merupakan tahap paling tinggi dan abstrak, juga sering disebut dengan Conceptual Data Model [8].
Pemodelan data dapat membantu untuk memahami dalam representasi visual data serta mematuhi aturan-aturan bisnis, kepatuhan terhadap peraturan, dan kebijakan yang diterapkan terhadap data terkait.
Model data adalah spesifikasi struktur data dan aturan bisnis yang mewakili kebutuhan bisnis [9]. Salah satu hal pertama yang dapat dilakukan saat mengembangkan aplikasi adalah berbicara dengan grup bisnis tentang kebutuhan sistem yang mereka inginkan, dan kemudian mendokumentasikannya. Selain kebutuhan sistem tersebut, akan ada sekumpulan data yang dibutuhkan untuk menjalankan aplikasi tersebut, baik berupa sistem pelaporan, analisis, maupun pemrosesan transaksi. Selain data yang
diperlukan ini, juga akan terdapat beberapa aturan bisnis yang menentukan hubungan antara berbagai entitas data atau objek yang diperlukan.
2. Ulasan
Pandangan tradisional terhadap pemodelan data dimulai dari pemodelan data logis (Logical Data Modeling) [10]. Logical Data Modeling adalah bagian dari siklus hidup pengembangan sistem / Software Development Life Cycle (SDLC) untuk pengembangan aplikasi dan bertujuan untuk dapat meminimalisir redudansi data dengan proses perancangan database yang dikenal dengan istilah normalisasi. Tentunya terdapat perbedaan antara Logical Data Model dengan Logical Data Architecture (LDA) yang merupakan kondisi khusus dalam bisnis untuk mengatur seluruh data perusahaan, terlepas dari apakah LDA tersebut akan berpartisipasi dalam database untuk otomatisasi ataupun tidak. Model data yang dirancang dengan baik adalah landasan untuk membangun aplikasi business intelligence (BI), data warehousing (DW) ataupun aplikasi bisnis sehingga dapat memberikan nilai bisnis yang signifikan [11]. Hasil pemodelan data yang efektif dalam mengubah data menjadi aset informasi perusahaan yang konsisten, komprehensif, dan terkini. Data diubah dari sistem operasional atau sumber menjadi data warehouse, data mart, atau online analytical processing (OLAP) untuk dapat dilakukan analisis.
3. Metode
Teknik pemodelan data merupakan metode berbeda yang dapat Anda gunakan untuk membuat model data yang berbeda. Pendekatannya telah berevolusi dari waktu ke waktu sebagai hasil dari inovasi konsep basis data dan tata kelola data. Berikut ini adalah tiga jenis pemodelan data utama [12]:
• Pemodelan data hierarkis
Di pemodelan data hierarki, Anda dapat merepresentasikan hubungan antara berbagai elemen data dalam format seperti pohon. Model data hierarkis merepresentasikan hubungan satu-ke- banyak, dengan pemetaan kelas data induk atau akar ke beberapa turunan. Dalam contoh dealer mobil misalnya, kelas induk Showroom akan memiliki entitas Mobil dan Tenaga Penjualan sebagai turunan karena satu showroom memiliki beberapa mobil dan tenaga penjualan yang bekerja di showroom tersebut.
• Pemodelan data grafik
Pemodelan data hierarkis dari waktu ke waktu telah berevolusi menjadi pemodelan data grafik.
Model data grafik merepresentasikan hubungan data yang memperlakukan entitas secara sama.
Entitas dapat terhubung satu sama lain dalam hubungan satu-ke-banyak atau banyak-ke-banyak tanpa konsep induk atau turunan. Misalnya, satu showroom dapat memiliki beberapa tenaga penjualan, dan satu tenaga penjualan juga dapat bekerja di beberapa showroom jika lokasi sif mereka berbeda-beda.
• Pemodelan data relasional
Pemodelan data relasional merupakan pendekatan pemodelan populer yang memvisualisasikan kelas data sebagai tabel. Tabel data yang berbeda digabungkan atau dihubungkan dengan menggunakan kunci yang merepresentasikan hubungan entitas dunia nyata. Anda juga dapat menggunakan teknologi basis data relasional untuk menyimpan data terstruktur, dan model data relasional merupakan metode yang sangat berguna untuk merepresentasikan struktur basis data relasional Anda.
• Pemodelan data hubungan entitas
Pemodelan data hubungan entitas (ER) menggunakan diagram formal untuk merepresentasikan hubungan antara entitas dalam basis data. Arsitek data menggunakan beberapa alat pemodelan ER untuk merepresentasikan data.
• Pemodelan data berorientasi objek
Pemrograman berorientasi objek menggunakan struktur data yang disebut objek untuk menyimpan data. Objek data ini merupakan abstraksi perangkat lunak entitas dunia nyata.
Misalnya, dalam model data berorientasi objek, dealer mobil akan memiliki data objek seperti Pelanggan dengan atribut seperti nama, alamat, dan nomor telepon. Anda akan menyimpan data pelanggan sehingga setiap pelanggan dunia nyata direpresentasikan sebagai objek data pelanggan. Model data berorientasi objek mengatasi banyak batasan model data relasional dan populer dalam basis data multimedia.
• Pemodelan data dimensional
Komputasi korporasi modern menggunakan teknologi gudang data untuk menyimpan data untuk analitik dalam jumlah besar. Anda dapat menggunakan proyek pemodelan data dimensional untuk penyimpanan dan pengambilan data dari gudang data dengan kecepatan tinggi. Model dimensional menggunakan data duplikasi atau redundan serta memprioritaskan performa daripada penggunaan sedikit ruang untuk penyimpanan data. Misalnya, pada model data dimensional, dealer mobil memiliki dimensi seperti Mobil, Showroom, dan Waktu.
Dimensi Mobil memiliki atribut seperti nama dan merek, tetapi dimensi Showroom memiliki hierarki seperti negara, kota, nama jalan, dan nama showroom.
4. Diskusi
Penggunaan model data membawa keunggulan dalam pengembangan sistem dengan memastikan representasi yang akurat dari objek data dan memfasilitasi pembangunan database fisik yang rinci.
Model data berperan sebagai alat komunikasi yang efektif di seluruh organisasi, mendukung pemahaman bersama dan efisiensi komunikasi. Meskipun demikian, terdapat beberapa kekurangan.
Pengembangan model data memerlukan pemahaman mendalam tentang karakteristik penyimpanan data fisik, dan kompleksitas sistem navigasi dapat membutuhkan pengetahuan biografis yang kuat. Dengan
menyadari ini, tim pengembang dapat mengoptimalkan manfaat model data sambil mengatasi hambatan yang mungkin muncul, mengarah pada pengembangan sistem yang lebih terstruktur dan efisien.
5. Kesimpulan
Model data telah terbukti memiliki banyak manfaat dalam pengembangansebuah sistem. Keunggulan dari penggunaan model data adalah sebagai berikut:
1) Tujuan utama perancangan model data adalah untuk memastikan bahwa objek data yang ditawarkan oleh tim fungsional terwakili secara akurat.
2) Model data harus cukup rinci untuk digunakan dalam membangun database fisik.
3) Informasi dalam model data dapat digunakan untuk menentukan hubungan antara tabel, primary key dan foreign key, dan prosedur yang tersimpan.
4) Model data membantu bisnis untuk mengomunikasikan di dalam dan di seluruh organisasi.
5) Model data membantu mendokumentasikan pemetaan data dalam proses ETL (Extract, Transform, Load).
6) Membantu untuk mengenali sumber data yang benar untuk mengisi model.
Selain memiliki sisi keunggulan dari penggunaan model data, berikut adalah kekurangan dalam penggunaan model data, sebagai berikut:.
1) Untuk mengembangkan model data seseorang harus mengetahui karakteristik penyimpanan data fisik.
2) Model data adalah sistem navigasi yang menghasilkan pengembangan aplikasi yang kompleks, sehingga dibutuhkan pengetahuan tentang kebenaran biografis.
Referensi
1. M. K. M. Nasution, I. Aulia, M. Elveny. 2019. Data. Journal of Physics: ConferenceSeries 1235(1). DOI 10.1088/1742-6596/1235/1/0121102.
2. M. K. M. Nasution. 2019. Konsep forensik data. Translasi 1. DOI:
10.13140/RG.2.2.35668.96643.
3. Ahmadini A A H, Coolen F P A 2019 Imprecise statistical inference for acceler-ated life testing data: Imprecision related to log-rank test Advances in IntelligentSystems and Computing 832.
4. Nasution M K M, Hardi M, Syah R 2017 Mining of the social network extraction Journal of Physics: Conference Series 801(1).
5. Nasution M K M 2006 Data dan pengetahuan: Suatu tinjauan Al-Khawarizmi:Journal of Computer 2(2).
6. Nasution M K M 2018 Singleton: A role of the search engine to reveal the existenceof something in information space IOP Conference Series: Materials Science and Engineering 180(1).
7. Nasution M K M, Aulia I, Elveny M 2019 Data Journal of Physics: Conf. Series 1235.
8. Watt, A. (2014) Database Design - 2nd Edition. Creative Commons. Available at:
https://opentextbc.ca/dbdesign01/.
9. Sherman, R. (2015) Business Intelligence Guidebook : From Data Integration to Analytics.
United States of America: Elsevier Inc. Available at:
https://www.sciencedirect.com/science/article/pii/B9780123751065000038.
10. James V Luisi (2014) Pragmatic Enterprise Architecture : Strategies to Transform Information Systems in the Era of Big Data. United States of America: Elsevier Inc. Available at:
https://www.sciencedirect.com/book/9780128002056/pragmaticenterprise-architecture.
11. Sherman, R. (2015) Business Intelligence Guidebook : From Data Integration to Analytics.
United States of America: Elsevier Inc. Available at:
https://www.sciencedirect.com/science/article/pii/B9780123751065000038.
12. https://aws.amazon.com/id/what-is/data-modeling/, 2023.
View publication stats
