SISTEM BASIS DATA
1. MANAGEMENT BERKAS
Berkas adalah kumpulan informasi yang berhubungan, sesuai dengan tujuan pembuat berkas tersebut. Umumnya berkas merepresentasikan program dan data. Berkas dapat mempunyai struktur yang bersifat hirarkis (direktori, volume, dll.). Sistem operasi mengimplementasikan konsep abstrak dari berkas dengan mengatur media penyimpanan massa, misalnya tapes dan disk. Sistem operasi bertanggung-jawab dalam aktivitas yang berhubungan dengan managemen berkas:
1. Pembuatan dan penghapusan berkas.
2. Pembuatan dan penghapusan direktori.
3. Mendukung manipulasi berkas dan direktori.
4. Memetakan berkas ke secondary-storage.
5. Mem-back-up berkas ke media penyimpanan yang permanen (non-volatile).
2. BASIS DATA DAN DBMS
Data adalah fakta mengenai objek, orang, dan lain-lain. Data yang disimpan menggambarkan beberapa aspek dari suatu organisasi. Basis data adalah kumpulan data, yang dapat digambarkan sebagai aktifitas dari satu atau lebih organisasi yang berelasi.
Sedangkan Model data adalah himpunan deksripsi data level tinggi yang dikonstruksi untuk menyembunyikan beberapa detail dari penyimpanan level rendah. Beberapa manajemen basis data didasarkan pada:
a. Model Data Relasional
Model relasional adalah model data yang paling banyak digunakan saat ini. Pembahasan pokok pada model ini adalah relasi, yang dimisalkan sebagai himpunan dari record.
Deskripsi data dalam istilah model data disebut skema. Pada model relasional, skema untuk relasi ditentukan oleh nama, nama dari tiap field (atau atribut atau kolom), dan tipe dari tiap field.
b. Model Data Hirarkis
Model hirarkis biasa disebut model pohon, karena menyerupai pohon yang dibalik. Model ini menggunakan pola hubungan orang tua-anak. Setiap simpul (biasa dinyatakan dengan lingkaran atau kotak) menyatakan sekumpulan medan.
c. Model Data Jaringan
Model jaringan distandarisasi pda tahun 1971 oleh Data Base Task Group (DBTG). Itulah sebabnya disebut model DBTG. Model ini juga disebut model CODASYL (Conference on Data System Languages), karena DBTG adalah bagian dari CODASYL.
Model ini menyerupai model hirarkis, dengan perbedaan suatu simpul anak bisa memilki lebih dari satu orang tua.
Oleh karena sifatnya demikian, model ini bisa menyatakan hubungan 1:1 (satu arang tua punya satu anak), 1:M (satu orang tua punya banyak anak), maupun N:M (beberapa anak bisa mempunyai beberapa orangtua).
Pada model jaringan, orang tua disebut pemilik dan anak disebut anggota. Orang-orang yang berkepentingan dengan Basis Data meliputi :
• Programmer aplikasi basis data
• Administrator Basis Data (Database Administrator)
• Pemakai akhir dan vendor DBMS
Komponen utama DBMS
Dapat dibagi menjadi 4 macam, yaitu :
• Perangkat Keras
• Perangkat Lunak
• Data
• Pengguna
3. KOMPONEN LINGKUNGAN BASIS DATA
a. Pengguna
Komponen basis data yang pertama ialah pengguna atau user. Pengguna ini bisa dianggap sebagai orang-orang yang mempunyai wewenang untuk melakukan interaksi dengan sistem basis data dan mereka membutuhkan informasi yang ada didalamnya. Pengguna ini dapat diklasifikasikan menjadi 4 kelompok sebagai berikut.
1.) Application Proggrammer atau Programmer Aplikasi yaitu pengguna yang mempunyai tugas untuk membuat suatu program aplikasi guna mengakses basis data dengan bahasa pemrograman tertentu
2.) End User yaitu pengguna yang didasarkan pada cara mereka melakukan interaksi dengan sistem basis data yang terdiri atas naive user, casual user, specialized user bahkan termasuk pula kelompok sebelumnya yaitu application programmer
3.) Designer yaitu mereka yang bertugas mendesain basis data
4.) Administrator yaitu mereka yang memiliki wewenang mengendalikan seluruh sistem basis data
b. Data
Ini adalah kumpulan tabel atau file yang membentuk suatu basis data. Berkenaan dengan komponen basis data satu ini, ada yang disebut dengan entitas dan atribut.
Adapun entitas itu ialah konsep, kejadian, tempat atau bahkan orang yang informasinya akan disimpan. Sementara atribut ialah sebutan untuk mewakili entitas.
Misalnya di sini entitas seorang mahasiswa yang kuliah di suatu perguruan tinggi. Mahasiswa tersebut mempunyai atribut berupa jenis kelamin, alamat, nomor induk, nama dan lain sebagainya. Informasi dari mahasiswa yang bersangkutan diproses menjadi sebuah file lalu digabungkan dengan file mahasiswa yang lainnya sehingga membentuk data tentang kemahasiswaan.
c. SoftwAre DBMS
DBMS atau Database Management System adalah software yang dapat dimanfaatkan untuk mengelola basis data. Dengan DBMS ini, siapapun yang berkepentingan dengan basis data bisa memelihara, mengakses sekaligus mengontrol data dengan lebih mudah dan efisien.
Bahkan software ini juga menerapkan mekanisme khusus sebagai langkah pengamanan data. Dengan adanya DBMS pula, para pengguna yang masih awam juga bisa lebih mudah menggunakan data yang dimaksud tanpa perlu repot-repot memahami kompleksitas struktur data tersebut.
d. Sistem OperAsi
Ini adalah perangkat lunak yang akan memfungsikan, mengendalikan semua sumber daya sekaligus melakukan operasi dasar yang ada pada sistem komputer. Sistem operasi ini tentunya harus sesuai dengan software pengelolaan basis data yang akan digunakan. Contoh sistem operasi ialah Windows XP, Unix, Linux, Windows 9x dan lain-lain.
e. Hardware
Hardware atau perangkat keras ialah berbagai hal yang berperan sebagai pendukung operasi pengolahan data. Hardware ini meliputi memori, terminal dan perangkat komputer lainnya. Mengenai komputer, jika melihat pada data yang diolah maka terdapat 3 jenis komputer yang bisa dikenali yaitu.
1. Komputer analog untuk mengendalikan atau mengatur suatu mesin sehingga komputer ini banyak digunakan sebagai alat untuk memantau denyut jantung, seismograf analog dan voltase listrik
2. Komputer digital atau komputer PC yang memiliki kemampuan lebih baik dibandingkan dengan komputer analog karena bisa melakukan operasi logika, menyimpan data serta mengolah data dengan lebih tepat
3. Komputer hybrid ialah gabungan dari komputer digital dengan komputer analog. Komputer jenis ini mempunyai kinerja yang lebih cepat serta lebih tepat sehingga banyak diaplikasikan sebagai mesin robot yang ada di pabrik.
f. Software Pendukung Lainnya
Ini adalah software pendukung basis data yang sifatnya opsional. Artinya bila memang butuh dan mau bisa digunakan dan jika tidak, tidak perlu digunakan. Software pendukung ini juga sangat banyak, dan beberapa diantaranya yang dianggap sebagai perangkat yang high level ialah Microsoft SQL Server, Oracle, XBase dan MySQL.
Basis data adalah sesuatu yang sangat penting terutama bagi instansi yang selalu memerlukan pencatatan data, mengolah data serta menggunakan data tersebut. Namun, agar basis data ini bisa benar-benar menjalankan fungsinya dengan baik, maka komponen basis data harus terpenuhi.
4. ARSITEKTUR BASIS DATA
a. Definisi Arsitektur AplikAsi BAsis DAtA
Arsitektur aplikasi basis data menjelaskan rancangan dasar aplikasi basis data yang akan dibangun. Arsitektur basis data menggambarkan diagram interaksi antara komponen-komponen penyusun sistem manajemen basis data. Komponen-komponen tersebut meliputi perangkat hardware, software, jaringan komputer, dan pengguna. Berdasarkan arsitekturnya aplikasi sistem manajemen basis data (SMBD) dibedakan menjadi beberapa macam antara lain adalah sebagai berikut:
• SMBD terpusat (CDBMS). Pada sistem ini semua proses utama dan fungsi sistem manajemen basis data seperti user application programs dan user interface programs berada secara terpusat di satu komputer berkecepatan dan kapasitas tinggi (main frame). Pengguna mengakses basis data menggunakan terminal komputer.
• SMBD terdistribusi (DDBMS) Pada sistem ini data disimpan pada beberapa tempat (site), setiap tempat diatur dengan suatu DBMS yang dapat berjalan secara independent. Perangkat lunak dalam sistem ini akan mengatur pendistribusian data secara transparan.
• SMBD paralel. Sistem manajemen basis data ini menggunakan beberapa prosesor dan disk yang dirancang untuk dijalankan secara paralel dan simultan. Sistem ini digunakan untuk memperbaiki kinerja dari DBMS.
Dari tiga ragam jenis SMBD diatas terdapat beberapa model arsitektur aplikasi SMBD. Perkembangan Arsitektur SMBD cukup pesat dan cepat dengan mengikuti trend yang sejalan dengan kemajuan arsitektur sistem komputer serta teknologi informasi dan komunikasi. Beberapa ragam jenis
arsitektur aplikasi SMBD tersebut antar lain ialah:
1) Arsitektur Teleprocessing.
2) Arsitektur File-Server Architecture
3) Arsitektur Singgle tier.
4) Arsitektur two-tier client/server.
5) Arsitektur three-tier client/server.
6) Arsitektur N-tier client/server.
7) Paralel arsitektur
5. BAHASA BASIS DATA
Bahasa Basis Data (Database Language) merupakan bahasa yang digunakan oleh user atau pemakai untuk berkomunikasi/berinteraksi dengan DBMS ( Database Management System ) yang bersangkutan. Contoh dari Bahasa Basis Data adalah misalnya SQL, dBase, QUEL dsb.
Bahasa Basis Data dibagi ke dalam 2 bentuk yaitu:
1. Data Definition Language (DDL)
2. Data Manipulation Language (DML)
A. Data Definition Language (DDL)
DDL merupakan bagian dari perintah SQL untuk:
a.) Create : table, view, sequence, synonym, user, index
b.) Drop : table, view, sequence, synonym, index, user
c.) Alter : table, view, sequence, index, user
d.) Rename
e.) Truncate
f.) Comment
B. Data Manipulation Language (DML)
DML berguna untuk melakukan manipulasi dan pengambilan data pada suatu basis data.
Manipulasi data yang di maksud disini berupa:
a.) Penambahan data baru (insert)
b.) Penghapusan data (delete)
c.) Pengubahan data (update)
d.) Pengubahan dan penambahan data (Merge)
6. MODEL BASIS DATA
Pengertian model basis data merupakan sekumpulan dari berbagai konsep basis data yang di dalamnya merepresentasikan beragam relasi dan juga struktur data yang ada di dalam basis data tersebut.
Adapun esensi dari model basis data merupakan tempat dimana data akan disimpan. Memang kita tidak akan pernah bisa melihat seperti apa model basis data tersebut. Akan tetapi, Anda masih bisa mengeceknya melalui algoritma yang digunakannya.
Secara umum, model basis data dibagi menjadi 4 yakni flat-data, hierarki, jaringan, dan juga relasional. Sementara itu, terdapat model baru yang saat ini telah berhasil dikembangkan oleh beberapa periset yang mana mereka menyebutnya sebagai sebuah sistem pasca relasional. Sementara yang lainnya menggunakan pendekatan yang benar- benar tidak sama. Untuk nama-nama yang saat ini sedang dikembangkan oleh para periset tersebut diantaranya:
• DBMS deduktif
• DBMS semantik
• DBMS pakar
• DBMS beriorientasi pada objek
• DBMS yang bersifat relasional universal
A. Model-Model BAsis DAtA
1.) Model Data Flat-file atau Flat-file Data Model
Model data dari file datar ini bisa juga dinamakan sebagai flat file data model. Di sini Anda akan menemukan file yang jumlahnya lebih dari satu dimana kesemua file tersebut bisa dibaca.
2.) Model Data Hirarki
Model dari data hirarki memilikki satu tingkat diatas data flat file yang berkaitan dengan kemampuan di dalam menemukan maupun juga memelihara setiap relasi yang ada yang dimiliki oleh kelompok data. Beberapa ciri yang dimiliki oleh model basis data jenis ini antara lain sebagai berikut:
• Arsitektur yang dimiliki oleh model basis data jenis hirarki tercipta dengan berdasarkan hubungan child atau parent.
• Pada saat menggunakan model basis data hirarki, maka nanti root table maupun juga parent table akan berada pada susunan yang paling atas. Kemudian ia akan langsung terhubung ke child table yang dikoneksikan dengan data.
7. DATA WAREHOUSE & DATA MART
A.PengertiAn DAtA WArehouse
Data warehouse adalah sebuah sistem berskala besar dan terstruktur yang dapat digunakan sebagai tempat pengolahan dan juga analisa data. Data dan informasi yang terkumpul didapat dari database operasional, eksternal, dan lainnya biasanya memiliki keunggulan yang sama baiknya. Anda dapat menyimpan data dan informasi dalam bentuk data warehouse elektronik atau dalam sebuah komputer maupun dalam cloud internet.
B.KArAkteristik DAtA WArehouse
Berorientasi pada subjek-subjek utama yang mendukung pergerakan sebuah perusahaan seperti customer, produk, dan lainnya
• Data warehouse dapat secara terintegrasi menyimpan data dari sumber-sumber yang terpisah ke dalam suatu format tanpa mengurangi konsistensi di dalamnya
• Seluruh data yang ada di dalam data warehouse memiliki rentang waktu sehingga dapat digunakan sebagai perbandingan dalam proses analisis data
• Database pada data warehouse akan selalu di-refresh secara reguler sehingga akan terus bertambah dan kemudian disatukan dengan data yang telah ada sebelumnya
C. Fungsi DAtA WArehouse untuk PerusAhAAn
•Mendatangkan ROI yang Tinggi
ROI atau Return on Investment merupakan rasio yang dihasilkan antara laba bersih dan biaya investasi sebuah perusahaan.
• Terdapat Fitur History
Seperti yang sudah Anda ketahui, data warehouse akan melakukan refresh secara berkala sehingga mereka mempunyai history data yang dapat Anda gunakan untuk melakukan perbandingan.
• Memudahkan dalam Mengakses Data
Semakin banyak dan mudah perusahaan Anda dalam mengakses data, maka ini menandakan perusahaan Anda sudah selangkah lebih maju dari perusahaan pesaingnya.
8. DATA MART
Data Mart adalah subset dari penyimpanan informasi directorial, umumnya berorientasi pada tujuan tertentu atau subjek data primer yang dapat didistribusikan untuk menyediakan kebutuhan bisnis. data mart adalah tempat penyimpanan analitis yang dirancang untuk fokus pada fungsi bisnis tertentu untuk komunitas tertentu dalam suatu organisasi.
Kenapa kita perlu membuat data Mart?
• Membuat data yang secara kolektif oleh sekelompok pengguna
• Akses mudah ke data yang yang sering diperlukan
• pembuatannya Mudah
• Meningkatkan waktu respon end-user
• biaya pembuatan lebih murah dibanding kita membuat data warehouse utuh
• Ini berisi data perusahaan yang penting.
A. 3 Jenis DAtA MArt
Ada 3 cara mendisain sebuah data mart yaitu:
• Dependent Data Marts
Dependent Data mart adalah bagian dari sebuah data warehouse fisik. Dalam teknik ini, data marts diperlakukan sebagai subset dari data warehouse. Dalam teknik ini, kita harus membuat sebuah data warehouse terlebih dahulu lalu kita membuat data marts yang dibutuhkan. toko data jenis ini sangat bergantung pada data warehouse dan bisa mengekstrak catatan penting dari data warehouse. Dalam teknik ini, yang menciptakan data marts adalah data warehouse; Oleh karena itu, kita tidak perlu melakukan integrasi data mart karena sudah terintegrasi secara otomatis. Hal ini juga dikenal sebagai pendekatan top- down.
• Independent Data Marts
Pendekatan kedua adalah Independent Data Mart (IDM) Di sini toko data dibuat terlebih dahulu baru setelah itu data warehouse dirancang menggunakan beberapa data marts independen. Dalam pendekatan ini, karena semua toko data
dirancang secara independen jadi kita perlu mengintegrasikannya terlebih dahulu. Ini juga disebut pendekatan bottom-up.
• Hybrid Data Marts
Hal ini memungkinkan kita untuk menggabungkan masukan dari sumber lain selain data warehouse. Hal ini dapat berguna untuk banyak situasi; terutama situasi dimana integrasi adhoc diperlukan, seperti kelompok atau produk baru ditambahkan ke dalam organisasi.
9.OLAP
Pemrosesan Analitik Online (OLAP, Online Analytical Processing) adalah teknologi yang digunakan untuk menata database bisnis besar dan mendukung kecerdasan bisnis. Database OLAP dibagi menjadi satu atau beberapa kubus, dan setiap kubus diatur dan dirancang oleh administrator kubus agar sesuai dengan cara Anda mengambil dan menganalisis data sehingga lebih mudah membuat dan menggunakan laporan PivotTable dan laporan PivotChart yang diperlukan.
Database Pemrosesan Analitik Online (OLAP, Online Analytical Processing) memfasilitasi kueri kecerdasan bisnis. OLAP adalah teknologi database yang telah dioptimalkan untuk membuat kueri dan pelaporan, dan bukan memproses transaksi. Data sumber untuk OLAP adalah database Pemrosesan Transaksi online (OLTP, Online Transactional Processing) yang umumnya disimpan di gudang data. Data OLAP berasal dari data riwayat ini, dan diagregatkan ke dalam struktur yang memungkinkan analisis yang canggih. Data OLAP juga ditata secara hierarkis dan disimpan dalam kubus dan bukan di tabel.
Database OLAP membantu menata data berdasarkan banyak tingkat detail, menggunakan kategori yang sama yang biasa Anda kenal untuk menganalisis data.
Bagian berikut ini menjelaskan setiap komponen secara lebih mendetail:
Kubus Struktur data yang mengagregasi pengukuran menurut tingkat dan hierarki masing-masing dimensi yang ingin Anda analisis. Kubik menggabungkan beberapa dimensi, seperti waktu, geografi, dan lini produk, dengan data yang diringkas, seperti angka penjualan atau inventaris. Kubus tidak "kubus" dalam arti matematika secara ketat karena tidak harus memiliki sisi yang sama. Namun, mereka adalah apt metaphor untuk konsep kompleks.
Ukur Serangkaian nilai dalam kubus yang didasarkan pada kolom di tabel fakta kubus dan biasanya nilai numerik. Pengukuran adalah nilai pusat dalam kubus yang telah diproses, diagregatkan, dan dianalisis. Contoh umum termasuk penjualan, laba, pendapatan, dan biaya.
Anggota Sebuah item dalam hierarki mewakili satu atau beberapa kemunculan data. Anggota bisa ber unique atau tidakunis. Misalnya, 2007 dan 2008 mewakili anggota unik dalam tingkat tahun dimensi waktu, sementara Januari mewakili anggota nonunique dalam tingkat bulan karena bisa ada lebih dari satu Januari dalam dimensi waktu jika memuat data untuk lebih dari satu tahun.
Anggota terhitung Anggota dimensi yang nilainya dihitung saat run time dengan menggunakan ekspresi. Nilai anggota yang dihitung mungkin berasal dari nilai anggota lain. Misalnya, anggota terhitung, Laba, dapat ditentukan dengan mengurangi nilai anggota, Biaya, dari nilai anggota, Penjualan.
Dimensi Kumpulan hierarki tingkat atau lebih yang tertata dalam kubus yang dipahami dan digunakan pengguna sebagai basis untuk analisis data. Misalnya, dimensi geografi mungkin menyertakan tingkatan untuk Negara/Kawasan, Negara Bagian/Provinsi, dan Kota. Atau, dimensi waktu mungkin menyertakan hierarki dengan tingkatan untuk tahun, kuartal, bulan, dan hari. Dalam laporan PivotTable atau laporan PivotChart, setiap hierarki menjadi kumpulan bidang yang dapat Anda perluas dan ciutkan untuk mengungkapkan tingkat yang lebih rendah atau lebih tinggi.
Hierarki Struktur pohon logika yang menata anggota dimensi sehingga setiap anggota memiliki satu anggota induk dan nol atau lebih anggota anak. Anak adalah anggota di tingkat berikutnya yang lebih rendah dalam hierarki yang terkait langsung dengan anggota saat ini. Misalnya, dalam hierarki Waktu yang berisi tingkat Kuartal, Bulan, dan Hari, Januari adalah anak dari Kuartal1. Induk adalah anggota di tingkat lebih tinggi berikutnya dalam hierarki yang terkait langsung dengan anggota saat ini. Nilai induk biasanya merupakan konsolidasi nilai semua anak-anaknya. Misalnya, dalam hierarki Waktu yang berisi tingkat Kuartal, Bulan, dan Hari, Kuartal1 adalah induk dari Januari.
Tingkat Dalam hierarki, data dapat ditata ke dalam tingkat detail yang lebih rendah dan lebih tinggi, seperti tingkat Tahun, Kuartal, Bulan, dan Hari dalam hierarki Waktu.
10. DATA MINING
A. Pengertian Data Mining
Data mining adalah suatu proses pengerukan atau pengumpulan informasi penting dari suatu data yang besar. Proses data mining seringkali menggunakan metode statistika, matematika, hingga memanfaatkan teknologi artificial intelligence.
B. Fungsi DAtA Mining
1. Descriptive
Fungsi deskripsi dalam data mining adalah sebuah fungsi untuk memahami lebih jauh tentang data yang diamati. Dengan melakukan sebuah proses diharap bisa mengetahui perilaku dari sebuah data tersebut. Data tersebut itulah yang nantinya dapat digunakan untuk mengetahui karakteristik dari data yang dimaksud.
Dengan menggunakan Fungsi descriptive Data mining, Maka nantinya bisa menemukan pola tertentu yang tersembunyi dalam sebuah data. Dengan kata lain jika pola yang berulang dan bernilai itulah karakteristik sebuah data bisa diketahui.
2. Predictive
Fungsi prediksi merupakan sebuah fungsi bagaimana sebuah proses nantinya akan menemukan pola tertentu dari suatu data. Pola-pola tersebut dapat diketahui dari berbagai variabel-variabel yang ada pada data.
Ketika sudah menemukan pola, Maka pola yang didapat tersebut bisa digunakan untuk memprediksi variabel lain yang belum diketahui nilai ataupun jenisnya. Karena itulah fungsi satu ini dikatakan sebagai fungsi prediksi sama halnya dengan melakukan predictive analisis. Fungsi ini juga bisa digunakan untuk memprediksi sebuah variabel tertentu yang tidak ada dalam suatu data.
Sehingga fungsi ini memudahkan dan menguntungkan bagi siapapun yang memerlukan prediksi yang akurat untuk membuat hal penting tersebut menjadi lebih baik.
C. Metode DAtA Mining
1. Proses Pengambilan data
1.) Data Cleansing, Proses dimana data-data yang tidak lengkap, mengandung error dan tidak konsisten dibuang dari koleksi data. Ketahui juga data lifecycle management untuk mengetahui tentang pengolahan data.
2.) Data Integration, Proses integrasi data dimana yang berulang akan dikombinasikan.
3.) Selection, Proses seleksi atau pemilihan data yang relevan terhadap analisis untuk diterima dari koleksi data yang ada.
4.) Data Transformation, Proses transformasi data yang sudah dipilih ke dalam bentuk mining procedure melalui cara dan agresi data.
5.) Data Mining, Proses yang paling penting dimana akan dilakukan berbagai teknik yang diaplikasikan untuk mengekstrak berbagai pola-pola potensial untuk mendapatkan data yang berguna.
6.) Pattern Evolution, Sebuah proses dimana pola-pola menarik yang sebelumnya sudah ditemukan dengan identifikasi berdasarkan measure yang telah diberikan
7.) Knowledge Presentation, Merupakan proses tahap terakhir, Dalam hal ini digunakan teknik visualisasi yang bertujuan membantu user dalam mengerti dan menginterpretasikan hasil dari penambangan data.
2. Teknik Dalam Proses Penambangan Data
a. ) Predictive Modeling, Terdapat dua teknik yaitu Classification dan Value Prediction
b.) Database Segmentation, Melakukan partisi database menjadi sejumlah segmen, cluster, atau record yang sama
c.) Link analysis, Sebuah teknik untuk membuat hubungan antara record yang individu atau sekumpulan record dalam database.
d.) Deviation detection, Sebuah teknik untuk mengidentifikasi outlier yang mengekspresikan sebuah deviasi dari ekspektasi yang sudah diketahui sebelumnya.
e.) Nearest Neighbour, Yaitu teknik yang memprediksi pengelompokan, Teknik ini sendiri merupakan teknik yang tertua yang digunakan dalam data mining.
f.) Clustering, merupakan teknik untuk mengklasifikasikan data berdasarkan kriteria masing-masing data.
g.) Decision Tree, Merupakan teknik generasi selanjutnya, dimana teknik ini adalah sebuah model prediktif yang dapat digambarkan seperti pohon. Setiap node yang terdapat dalam struktur pohon tersebut mewakili sebuah pertanyaan yang digunakan untuk menggolongkan data.
D. Permasalahan dalam data Mining
1. Metodologi Mining
• Menambang berbagai jenis pengetahuan dari berbagai tipe data
• Kinerja: efisiensi, efektivitas, dan skalabilitas
• Evaluasi pola: masalah ketertarikan
• Memasukkan pengetahuan latar belakang
• Menangani kebisingan dan data yang tidak lengkap
• Metode penambangan paralel, terdistribusi dan tambahan
• Integrasi pengetahuan yang ditemukan dengan yang ada: fusi pengetahuan
2. User Interaction
• Bahasa kueri penambangan data dan penambangan ad-hoc
• Ekspresi dan visualisasi hasil penambangan data
• Penambangan pengetahuan interaktif di berbagai tingkatan abstraksi
3. Applications and Social Impacts
• Penambangan data khusus domain & penambangan data tak terlihat
• Perlindungan keamanan data, integritas, dan privasi
11. STRUCTURED QUERY LANGUAGE (SQL)
A. PengertiAn SQL
Structured Query Language atau SQL adalah perintah pemrograman yang digunakan untuk mengakses dan mengelola data pada sistem database. SQL merupakan salah satu poin penting yang ada pada studi teknik jaringan komputer.
B. Fungsi SQL
Berikut ini adalah beberapa kegunaan SQL dan perintah yang digunakan:
• Membuat database
Perintah yang digunakan untuk membuat database adalah create database nama_database;
• Mengaktifkan data base
Untuk mengaktifkan database, berikut adalah perintah yang digunakan use nama_database
• Menampilkan database
Perintah yang digunakan untuk menampilkan database adalah show databases;
• Menghapus database
Untuk menghapus database, perintah yang digunakan adalah drop database nama_database
• Membuat tabel
Perintah yang digunakan untuk menghapus tabel adalah drop table nama_tabel
• Menghapus table
Perintah yang digunakan untuk menghapus tabel adalah drop table nama_tabel
• Melihat struktur tabel
Perintah yang digunakan untuk melihat struktur tabel adalah describe nama_tabel; atau desc nama_tabel
• Menghapus data
Perintah query yang digunakan untuk menghapus data adalah delete from nama_tabel
UNTUK MATERI LEBIH JELAS NYA BISA MENGUNDUH DISINI ATAU BISA MELIHAT PADA VIDEO DIBAWAH INI :
untuk memenuhi tugas terstuktur mata kuliah pengantar tik
dosen pengampuh : Nanang Abdurahman, M.Kom
Komentar
Posting Komentar