Perancangan Basis Data : Sistem manajemen perpustakaan

ABSTRAK

Dalam tugas 1 sistem basis data ini dibuat desain basis data Sistem Manajemen Perpustakaan. Desain basis data meliputi Analisis Persyaratan, Desain basis data konseptual , Desain basis data logika , Perbaikan skema, Desain basis data fisik dan Desain Aplikasi antarmuka.
Digunakan pemodelan Entity Relationship Diagram untuk desain basis data konseptual yang akan tersimpan dan teroganisasi dalam data perpustakaan. SQL diperlukan untuk membuat desain basis data logika . Sistem meliputi entitas kartu perpustakaan, customer, pustakawan, lokasi perpustakaan, buku, video dan relasi diantaranya.

1. Pendahuluan

ER Diagram merupakan merupakan model data berupa notasi grafis dalam pemodelan data konseptual yang menggambarkan hubungan antara penyimpan. Model data sendiri merupakan sekumpulan cara, peralatan untuk mendeskripsikan data-data yang hubungannya satu sama lain, semantiknya, serta batasan konsistensi. Model data terdiri dari model hubungan entitas dan model relasional. Diagram hubungan entitas ditemukan oleh Peter Chen dalam buku Entity Relational Model-Toward a Unified of Data. Chen mencoba merumuskan dasar-dasar model dan setelah itu dikembangkan dan dimodifikai oleh Chen dan banyak pakar lainnya. Pada saat itu diagram hubungan entitas dibuat sebagai bagian dari perangkat lunak yang juga merupakan modifikasi khusus, karena tidak ada bentuk tunggal dan standar dari diagram hubungan entitas [1]. Baca lebih lanjut

Iklan

PERANCANGAN TRANSLATOR BAHASA ALAMI KE DALAM FORMAT SQL (STRUCTURED QUERY LANGUAGE)

Basis data pada umumnya diaplikasikan dengan arsitektur Client-Server, dimana pada arsitektur ini terdapat dua komponen utama, yaitu client dan server. Client berisi aplikasi basis data sedangkan server berisi DBMS dan basis data. Setiap aktifitas yang dikehendaki pemakai akan lebih dahulu ditangani oleh client. Jika ada proses yang harus melibatkan data pada basis data, barulah client melakukan kontak permintaan terhadap server dan selanjutnya server mengeksekusi permintaan tersebut terhadap basis data yang terdapat di dalamnya .
Permintaan data oleh client terhadap server dinyatakan dengan bahasa basis data. Dari sekian banyak bahasa basis data yang pernah ada seperti SQL, dbase, QUEL dan lain-lain, yang menjadi standar pada saat ini adalah SQL (Stuctured Query Language).
Untuk melihat informasi dengan kriteria tertentu dalam suatu database dengan menggunakan SQL, maka pemakai harus memahami struktur SQL, dimana setelah diolah dalam “SQL engine”, informasi pada database dapat dikeluarkan sebagai hasil query.
Untuk memudahkan pemakai mendapatkan informasi dalam suatu database, cukup menggunakan bahasa alami yang biasa digunakan sehari-hari. Agar hal ini dapat terjadi maka diperlukan suatu sub sistem lain diantara user dan sistem yang dapat mentranslasi bahasa alami ke dalam format SQL. Sub sistem yang dimaksud adalah “Translator bahasa alami ke SQL” .

“Perintah bahasa alami” yang menjadi input sub sistem “Translator bahas alami ke SQL” dalam sistem ini merupakan teks kalimat bahasa Indonesia yang baku, sedangkan “SQL” yang menjadi keluarannya berupa baris perintah dalam format SQL.
Proses aplikasi yang akan menerima keluaran sub sistem tersebut adalah proses pencarian data dengan format SQL. Proses pencarian data merupakan aplikasi SQL yang paling banyak digunakan dalam interaksi antara manusia dengan komputer, sedangkan aplikasi lainnya seperti penambahan, perubahan atau penghapusan data. biasanya hanya diijinkan untuk orang-orang tertentu.
Paper ini membahas tentang pengembangan metode pendektesian kata untuk melakukan proses translasi dari bahasa alami menjadi bahasa dalam format SQL.

Baca lebih lanjut

Teori Optimasi query

Optimasi Query adalah suatu proses untuk menganalisa query untuk menentukan sumber-sumber apa saja yang digunakan oleh query tersebut dan apakah penggunaan dari sumber tersebut dapat dikurangi tanpa merubah output. Atau bisa juga dikatakan bahwa optimasi query adalah sebuah prosedur untuk meningkatkan strategi evaluasi dari suatu query untuk membuat evaluasi tersebut menjadi lebih efektif. Optimasi query mencakup beberapa teknik seperti transformasi query ke dalam bentuk logika yang sama, memilih jalan akses yang optimal dan mengoptimumkan penyimpanan data.
Tujuan dari optimasi query adalah menemukan jalan akses yang termurah untuk meminimumkan total waktu pada saat proses sebuah query. Untuk mencapai tujuan tersebut, maka diperlukan optimizer untuk melakukan analisa query dan untuk melakukan pencarian jalan akses.

Why Use OLAP

Dengan menggunakan teknologi OLAP, user dapat menganalisis data secara interaktif dengan menggunakan fasilitas yang baik untuk membuat laporan. User diizinkan untuk merotasi grid laporan, menelusuri data dan meringkasnya, melakukan filter dan melakukan sorting terhadap data dan menghasilkan beberapa view/bentuk laporan hanya dengan manipulasi mouse. Dengan demikian dapat diciptakan berbagai laporan yang kompleks dari satu tabel tanpa memerlukan pengetahuan ekstra tentang pembuatan query dan bantuan seorang programmer. Dengan pengujian data dari sudut yang berbeda , user akan dapat lebih memahami data sehingga dapat mengambil keputusan yang efektif.

OLAP

OLAP (On-Line Abalytical Processing) adalah suatu metode khusus untuk melakukan analisis terhadap data yang terdapat di dalam media penyimpanan data (database) dan kemudian membuat laporannya sesuai dengan permintaan user. Untuk tujuan tersebut data yang berupa informasi dibuat dalam format khusus dengan memberikan group terhadap data. Hal ini dinamakan model kubus.

Dilihat dari tujuannya, OLAP menampilkan data dalam sebuah tabel yang dinamis, yang secara otomatis akan meringkas data ke dalam beberapa irisan data yang berbeda dan mengijinkan user untuk secara interaktif melakukan perhitungan serta membuat format suatu laporan. Tool untuk membuat laporan tersebut adalah tabel itu sendiri, yaitu dengan melakkan drag terhadap kolom dan baris. User dapat mengubah bentuk laporan dan menggolongkannya sesuai dengan keinginan dan kebutuhan user, dan OLAP Engine secara otomatis akan mengkalkulasi data yang baru.

OLAP sendiri sudah dikembangkan oleh beberapa software developer seperti oracle, SQL Server 2000 milik Microsoft. OLAP4ALL yang mengembangkan OLAP dengan JAVA dengan database MySQL.

Data Definition Language (DDL) dan Data Manipulation Language (DML)

DDL adalah perintah-perintah yang biasa digunakan oleh administrator basis data (DBA) untuk mendefinisikan skema ke DBMS. Skema adalah deskripsi lengkap tentang struktur medan, rekaman dan hubungan data pada basis data. Tugas utama skema adalah menjabarkan struktur basis data kepada DBMS.

DML adalah perintah-perintah yang digunakan untuk mengubah, memanipulasi, dan mengambil data pada basis data.

Aplikasi manajemen data untuk Kerja Praktek dan Tugas Akhir

Untuk menyelesaikan pendidikan di Prodi Teknik Informatika & Manajemen Informatika, setiap mahasiswa diharuskan menempuh mata kuliah Kerja Praktek dan Tugas Akhir. Setiap kegiatan tersebut dikelola oleh seorang koordinator, yang bertanggung jawab untuk mengatur dan mengelola proses. Kedua matakuliah tersebut memiliki aturan yang berbeda. Berdasarkan kondisi tersebut,  kemungkinan terjadinya pengajuan topik dengan obyek yang sama akan terjadi. Solusi masalah ini menjadi penting dalam rangka memberikan kemudahan kepada koordinator, selain memberikan layanan kepada mahasiswa. Oleh karena itu dibutuhkan suatu aplikasi yang dapat mempermudah koordinator mengelola data tersebut.

Rancangan yang dibuat menggunakan UML dengan mendefinisikan business user, melakukan analisa dan membuat prototype user interface. Berdasarkan hasil penelitian ini, maka dapat disimpulkan bahwa aplikasi ini  mempermudah setiap koordinator Kerja Praktek ataupun Tugas Akhir di masing-masing prodi agar dapat melakukan trace topic dan mempermudah untuk proses alokasi dosen pembimbing dan penguji, serta jadwal seminar dan sidang Tugas Akhir. Dan akhirnya laporan nilai mahasiswa yang melakukan Kerja Praktek dan Tugas Akhir bisa didapatkan.

Model ontologi perusahaan IT

ontology-dimensions-map_20070423bUmumnya sebuah perusahaan teknologi informasi, terutama yang mengkhususkan pada proyek pengembangan perangkat lunak memiliki banyak proyek yang telah, sedang atau akan dilaksanakan. Proyek-proyek dapat sangat beragam, memiliki kemiripan tertentu , ataupun dari yang sangat sederhana hingga yang kompleks dan multifungsional. Untuk penanganan informasi proyek-proyek tersebut secara lebih efisien dan efektif agar sesuai dengan visi dan menguntungkan perusahaan akan memerlukan proses manajerial handal dari berbagai sisi, termasuk waktu lama dan biaya mahal. Satu solusi untuk mengoptimalkan persoalan ini tidak hanya menyangkut kebutuhan seorang manajer atau direktur departemen proyek yang profesional atau dengan sistem basis data proyek perusahaan yang baik, namun tetap tidak dapat dengan mudah diakses oleh semua pihak yang berkompeten atau terkait langsung dan tidak langsung dengan informasi proyek-proyek tersebut.

Dalam studi kasus ini telah dibangun sebuah model data semantic berbasis ontologi untuk mengoptimalkan pemanfaatan bersama informsi dan pengetahuan proyek-proyek perusahaan bagi semua pihak yang terkait. Model data disusun berdasarkan kelas-kelas seperti software_house, divisi, proyek dan staf yang selanjutnya disebut ontologi softwarehouse.

Kelas softwarehouse merupakan superclass dari kelas divisi, proyek dan staff. Kelas divisi memiliki subclass, yaitu produksi, sdm, marketing, technical_support dan R-DEV. Kelas produksi memiliki subclass produksi-akademik, produksi-bisnis, produksi-pemerintahan dan produksi-multimedia. Divisi produk-akademik khusus menangani proyek-proyek yang berhubungan dengan kegiatan akademik. Produksi-pemerintahan khusus menangani proyek-proyek yang berhubungan dengan birokrasi pemerintahan, seperti sistem informasi kependudukan. Divisi bisnis merupakan divisi yang menangani proyek yang berasal dari perusahaan swasta dan yang terakhir adalah divisi yang berhubungan dengan proyek multimedia. Baca lebih lanjut

Aplikasi penentuan penempatan barang di supermarket dengan metode Association Rule Mining

poster_diagramSaat ini muncul tuntutan bagi seorang pengambil keputusan, untuk dapat melihat peuang-peluang yang dapat meningkatkan penjualan di perusahaannya, berdasarkan informasi yang benar. Pengambil keputusan perlu memakai suatu sistem yang dapat mendukungnya dalam mengambil keputusan secara tepat. Pengetahuan atas suatu produk , dapat digunakan oleh perusahaan untuk meningkatkan penjualan. Salah satu cara untuk memperoleh pengetahuan adalah dengan melakukan data mining.

Aplikasi menggunakan algoritma apriori untuk melakukan analisa Market Basket Analysis. Data yang diperlukan diambil dari data transaksi penjualan selama periode tertentu dan diolah sehingga menghasilkan frequent itemset dan pada akhirnya menghasilkan association rules dari barang dalam transaksi. Rules ditampilkan dalam bentuk grafik.

Akhirnya pengambil keputusan dapat mengetahui barang apa saja yang sering dibeli bersamaan oleh konsumen di supermarket, informasi tersebut dapat digunakan untuk mengatur strategi pemasaran atau peningkatan penjualan. Misalnya untuk menentukan tata letak toko yang baru dan barang mana yang harus diletakkan berdekatan sehingga dapat memudahkan pembeli untuk mendapatkan barang tersebut.

Pharmacy ontology

Conceptualize a domain of discourse, an area of expertise
– Concepts (drug, patient, gene, clinical trial)
– Properties, or attributes (dosage, age, location)
– Relationships (contra-indications, body parts)

Adhere to a modeling formalism, such as:
– Frame-based representation
– Description logics Baca lebih lanjut

Protege : Pemodelan data semantic berbasis ontologi

Protégé merupakan alat pengembang apliasi yang mudah digunakan oleh para pengembang perangkat lunak untuk mengembangkan knowledge based-system , Selain itu protege itu digunakan untuk menyelesaikan masalah dan pengambilan keputusan dalam domain tertentu. Protégé menyediakan konsepsi dasar pengetahuan yang terintegrasi , serta mengubah tampilan visual dengan memperluas arsitektur sistem untuk membuat pemodelan dasar pengetahuan secara lebih sederhana dan mudah. Protégé dapat dijalankan secara lokal dan diperluas oleh berbagai platform seperti RDF(S), OWL, dan XML Schema.

protege