NORMALISASI

Definisi/Pengertian Normalisasi

Istilah Normalisasi berasal dari E. F.Codd, salah seorang perintis teknologi basis data. selain dipakai sebagai metodologi tersendiri untuk menciptakan struktur tabel 9relasi) dalam basis data (dengan tujuan utnuk mengurangi kemubaziran data)  , normalisasi terkadang hanya diipakai sebagai perangkat verifikasi terhadap tabel-tabel yang dihasilkan oleh metodologi lain ( misalnya E-R). Normalisasi memberikan panduan yang sangat membantu bagi pengembang untuk mencegah penciptaan struktur tabel yang kurang fleksibel atau mengurangi keflekxibelan.

Kroenke mendefinisikan normalisasi sbagai proses untuk mengubah suatu relasi yang memiliki masalah tertentu ke dalam dua buah relasi atau lebih yang tida memiliki masalah tersebut. Masalah yang dimaksud olej kroenke ini sering disebut dengan istilah anomali.

( Pada beberapa literatur, istilah relasi yang digunakan pada bab ini terkadang digantikan dengan tabel. Istilah relasi digunakan pada bab ini dikarenakan definisi tentang normalisasi memang menggunakan istilah relasi).

Tujuan normalisasi

• Untuk menghilangkan kerangkapan data
• Untuk mengurangi kompleksitas
• Untuk mempermudah pemodifikasian data

Anomali

Anomali adalah proses pada basis data yang memberikan efek samping yang tidak diharapkan ( misalnya menyebabkan ketidakonsistenan data atau membuat suatu data menjadi hilang ketika data dihapus)

Macam Anomali terdiri dari

• Anomali peremajaan,
• Anomali Penghapusan, dan
• Anomali penyisipan

Anomali peremajaan

Anomali ini terjadi bila ada perubahan pada sejumlah data yang mubazir, tetapi tidak seluruhnya diubah. Contoh : Tabel Pesanan

Pemasok	Kota	Barang	Jumlah
Kartika	Jakarta	Mouse	5
Citra	Bandung	Monitor	2
Yudi	Medan	CPU	2
Citra	Bandung	Printer	1

Seandainya Citra dengan kota Bandung pindah ke Bogor maka pengubahan data hanya dilakukan pada data pertama menjadi : Tabel Pesanan

Pemasok	Kota	Barang	Jumlah
Kartika	Jakarta	Mouse	5
Citra	Bogor	Monitor	2
Yudi	Medan	CPU	2
Citra	Bandung	Printer	1

Di sini terlihat bahwa data tentang pemasok Citra tidak sama yang menyebabkan ketidakkonsistenan data.

Anomali Penyisipan

Anomali ini terjadi pada saat penambahan data ternyata ada elemen yang kosong dan elemen tsb justru menjadi key. Contoh : Tabel Kursus

NoSiswa	Kursus	Biaya
10	Bhs.Inggris	60000
10	Bhs.Perancis	80000
10	Bhs.Jepang	70000
15	Bhs.Inggris	60000
20	Bhs.Jepang	70000

Misalnya akan dibuka kursus baru yaitu Bhs.Jerman dengan biaya 75000 akan tetapi belum ada seorangpun yang ikut kursus ini, shg data menjadi : Tabel Kursus

NoSiswa	Kursus	Biaya
10	Bhs.Inggris	60000
10	Bhs.Perancis	80000
10	Bhs.Jepang	70000
15	Bhs.Inggris	60000
20	Bhs.Jepang	70000
	Bhs.Jerman	75000

Anomali penghapusan

Anomali ini terjadi apabila dalam satu baris/ tuple ada data yang akan dihapus sehingga akibatnya terdapat data lain yang hilang. Contoh pada table kursus data NoSiswa 20 akan dihapus karena sudah tidak ikut kursus lagi sehingga akibatnya data kursus bhs jepang dan biaya 70000 akan ikut terhapus.

Dependensi (Ketergantungan)

Konsep dasar pada tahap normalisasi yang menjelaskan hubungan atribut atau secara lebih khusus menjelaskan nilai suatu atribut yang menentukan atribut lainnya.

Macam-macam dependensi, yaitu :

Dependensi fungsional

Definisi : Suatu atribut Y mempunyai dependensi fungsional terhadap atribut X jika dan hanya jika setiap nilai X berhubungan dengan sebuah nilai Y.

Notasi    :   X –> Y      (X secara fungsional menentukan Y)

Contoh   : Tabel Pesanan

Pembeli	Kota	Barang	Jumlah
P1	Yogya	B1	10
P1	Yogya	B2	5
P2	Jakarta	B1	4
P2	Jakarta	B2	7
P3	Solo	B3	6
P3	Solo	B4	6

Pembeli secara fungsional menentukan kota, sebab setiap pembeli yang sama  mempunyai kota yang sama, dengan demikian :   Pembeli –> Kota

contoh lain                      :  {Pembeli, Barang}   –> Jumlah

Keterangan:

• Bagian yang terletak disebelah kiri tanda panah biasa disebut DETERMINAN / PENENTU dan bagian yang terletak di sebelah kanan panah disebut DEPENDENSI / YANG TERGANTUNG.
• Tanda {} biasanya digunakan untuk menentukan lebih dari satu atribut sebagai penentu atau sebagai yang tergantung.

Dependensi fungsional sepenuhnya

Definisi : Suatu atribut Y mempunyai dependensi fungsional penuh terhadap X jika

• Y mempunyai dependensi fungsional terhadap X dan/atau
• Y tidak memiliki dependensi terhadap bagian dari X

Contoh :   Pembeli –> Kota

{Pembeli, Barang} –>  Jumlah

Intinya :   Kota mempunyai dependensi fungsional terhadap Pembeli atau {Pembeli, Barang} tapi kota mempunyai dependensi fungsional sepenuhnya terhadap pembeli bukan barang.

Dependensi Total

Definisi : Suatu atribut Y mempunyai dependensi total terhadap atribut X jika

• Y memiliki dependensi fungsional terhadap X dan
• X memiliki dependensi fungsional terhadap Y

Notasi  :   X<–> Y

Contoh : Tabel Pemasok

KodePemasok	NamaPemasok	Kota
K1	Kartika	Jakarta
C1	Citra	Bandung
C2	Candra	Jakarta

Pada kasus ini  KodePemasok <–>NamaPemasok, karena setiap kode tidak mempunyai nama yang sama.

Dependensi Transitif

Definisi : Atribut Z mempunyai dependensi transitif terhadap X bila :

• Y memiliki dependensi fungsional terhadap X
• Z memiliki dependensi fungsional terhadap Y

Contoh :

Kuliah	Ruang	Tempat	Waktu
Jarkom	Merbabu	Gedung Utara	Senin
Basis Data	Arjuna	Gedung Selatan	Selasa
Matematika	Merapi	Gedung Barat	Rabu
Fisika	Merbabu	Gedung Timur	Kamis

Relasi :

• Kuliah  –> {Ruang, Waktu}
• Ruang  –> Tempat

Terlihat bahwa :    Kuliah –> Ruang –> Tempat

Dengan demikian Tempat mempunyai dependensi transitif terhadap kuliah

Diagram Dependensi Fungsional (Diagram DF)

Diagram Dependensi Fungsional (Diagram DF) Adalah diagram yang digunakan untuk menggabarkan dependensi fungsional. Diagram ini menunjukkan hubungan antara atribut yang menjadi penentu atribut lainnya, dengan hubungan yang dinyatakan dengan tanda panah. Seperti contoh diatas dapat digambarkan diagram DF sebagai berikut :

Dekomposisi

Pada tahap normalisasi sering kali terjadi pemecahan table kedalam bentuk dua atau lebih relasi. Proses pemecahaan ini disebut dengan dekomposisi. Syarat : Tidak ada informasi yang hilang ketika suatu relasi dipecah menjadi relasi-relasi lain. Contoh : Terdapat suatu relasi awal sebagai berikut :

Nim	Nama	Program Studi
95001	Andi	Ekonomi
95002	Vira	Teknik
95003	Andi	Fisika

Akan dibentuk kedalam dekomposisi tak hilang menjadi :

Nim	Nama		Nim	Program Studi
95001	Andi		95001	Ekonomi
95002	Vira		95002	Teknik
95003	Andi		95003	Fisika

Pada relasi awal dapat diketahui informasi sebagai berikut : 95001 adalah ANDI program studi Ekonomi. Setelah proses dekomposisi tak hilang hasilnya adalah sama 95001adalah ANDI dan 95001 program studi Ekonomi. Contoh dekomposisi hilang adalah

Nim	Nama		Nama	Program Studi
95001	Andi		Andi	Ekonomi
95002	Vira		Vira	Teknik
95003	Andi		Andi	Fisika

95001 bernama ANDI, tetapi ANDI dengan program studi Ekonomi atau Fisika?

Bentuk Normalisasi

Bentuk normalisasi pertama (1NF)

Dikenakan pada tabel yang sama sekali belum ternomalisasi. Tabel yang belum ternomalisasi adalah tabel yang mempunyai atribut berulang. Contoh : terdapat suatu data sebagai berikut :

NIP	Nama	Jabatan	Keahlian	Lama Kerja
107	Ilham	Analis Senior	Cobol	6
			Oracle	1
109	Ryan	Analis Junior	Cobol	2
			C++	2
120	Fika	Programmer	Dbase	3
			Sybase	1
			Cobol	1

Pada contoh di atas, keahlian mempunyai atribut yang berulang. Untuk itu akan dibentuk ke normal 1NF. Syarat Normal 1NF adalah suatu relasi dikatakan dalam bentuk normal pertama jika dan hanya jika setiap atribut bernilai tunggal dalam satu baris.

NIP	Nama	Jabatan	Keahlian	Lama Kerja
107	Ilham	Analis Senior	Cobol	6
107	Ilham	Analis Senior	Oracle	1
109	Ryan	Analis Junior	Cobol	2
109	Ryan	Analis Junior	C++	2
120	Fika	Programmer	Dbase	3
120	Fika	Programmer	Sybase	1
120	Fika	Programmer	Cobol	1

Tabel di atas sudah memenuhi bentuk normal 1NF

Bentuk Normal 2NF

Bentuk ini didefinisikan berdasarkan dependensi fungsional dengan syarat adalah :

• Berada pada bentuk normal pertama
• Semua atribut bukan kunci memiliki dependensi sepenuhnya terhadap kunci primer

Contoh :

• Nama  dan jabatan mempunyai dependensi fungsional terhadap NIP
• Lama mempunyai dependensi fungsional terhadap NIP dan keahlian
• Bentuk tabelnya adalah : NNJ (NIP, Nama, Jabatan) dan NKL (NIP, Keahlian, Lama Kerja)

NIP	Nama	Jabatan
107	Ilham	Analis Senior
109	Ryan	Analis Junior
120	Fika	Programmer

NIP	Keahlian	Lama Kerja
107	Cobol	6
107	Oracle	1
109	Cobol	2
109	C++	2
120	Dbase	3
120	Sybase	1
120	Cobol	1

Bentuk Normal 3NF

• Berada dalam bentuk normal 2 NF
• Setiap atribut bukan kunci tidak memiliki dependensi transitif terhadap kunci primer

Contoh di atas sudah memenuhi normal 3NF karena : Tidak memiliki dependensi transitif, yaitu

NIP –> {Nama, Jabatan}

{NIP, Keahlian} –> Lama Kerja

Bentuk Normal boyce-codd (BCNF)

Bentuk ini dilakukan jika dan hanya jika semua penentu (determinan) adalah kunci kandidat (atribut yang bersifat unik). BCNF merupakan perbaikan dari 3NF. Relasi yang memenuhi BCNF pasti memenuhi 3NF tetapi tidak sebaliknya. Contoh : Tabel SKT

Siswa	Kursus	Tutor
Anwar	Bhs. Perancis	Pierre
Anwar	Bhs. Inggris	Richard
Budi	Bhs. Perancis	Pierre
Cecep	Bhs. Inggris	Suzanne

Tabel di atas adalah suatu relasi yang memenuhi 3NF tetapi tidak memenuhi BCNF. Relasi diatas didasarkan oleh fakta :

• Seorang siswa dapat mengambil sejumlah kursus
• Setiap tutor hanya mengajar satu kursus bahasa
• Setiap siswa dalam satu kursus diajar oleh satu tutor
• Suatu kursus bisa dipegang oleh beberapa tutor

Pada keadaan tersebut di atas dapat digambarkan sebagai berikut : Siswa & Kursus  dan Siswa & Tutor.

Memenuhi bentuk 3NF karena tidak ada dependensi transitif pada relasi tersebut. Tetapi tidak memenuhi BCNF karena adanya determinan Tutor yang berdiri sebagai kunci kandidat. Realsi SKT menyebabkan anomali karena baris Cecep dihapus maka Suzane sebagai tutor jug akan terhapus. Cara konversi dari 3NF ke BCNF adalah :

• Carilah semua penentu
• Bila terdapat penentu yang bukan kunci kandidat, maka :
  • Pisahkan relasi tersebu
  • Buat penentu sebagai kunci primer

• Dekomposisi berupa : ST (Siswa, Tutor) dan TK (Tutor, Kursus)

Siswa Tutor Anwar Pierre Anwar Richard Budi Pierre

Categories: