DENORMALISASI BASIS DATA

 DENORMALISASI BASIS DATA

A. PENGERTIAN DENORMALISASI

Denormalisasi merupakan sebuah pelanggaran yang terjadi dalam sebuah basis data. Dan satu satunya alasan yang memperbolehkan kita melakukan denormalisasi adalah pertimbangan ferformance. Jika ferformansi yang kita peroleh bisa menjadi lebih baik maka sudah cukup dijadikan alasan untuk melakukan denormalisasi, Yang perlu kita perhatikan saat melakukan denormalisasi adalah konsekuensi logis dari adanya denormalisasi.

Mengapa Denormalisasi Diperlukan .....?

• Peningkatan Kinerja: Denormalisasi dilakukan terutama untuk meningkatkan kinerja query yang kompleks dan mempercepat waktu respons dalam mengakses data, terutama dalam sistem yang sering melakukan read atau query data yang besar. 
• Pengurangan Join: Dalam skema yang sangat ter-normalisasi, query bisa melibatkan banyak join antar tabel, yang bisa memperlambat kinerja. Dengan menggabungkan tabel, query menjadi lebih sederhana dan lebih cepat diakses. 
• Caching Data: Pada beberapa kasus, informasi yang sering digunakan bisa diduplikasi pada tabel yang berbeda untuk mengurangi akses berulang ke tabel utama.

B. REDUDANSI DAN BENTUK DENORMALISASI

Dalam basis data relasional, redudansi tidak bisa dihilangkan sama sekali, hal ini di sebabkan dengan adanya redudansi akan membuat sebuah hubungan antar tabel satu dengan yang lain akan lebih terakomodasi. Akan tetapi redudansi ini juga harus bisa diminimalisir agar tidak menyebabkan gangguan pada Integritas basis data. Redudansi yang berlebihan dapat menyebabkan kerugian seperti : 

1. Membutuhkan ruang penyimpanan yang lebih besar. 
2. Dapat menimbulkan inkosistensi data ( melemahakan integritas ) 
3. Dalam pemeliharaan integritas basis data dapat menyebabkan tambahan waktu pada setiap proses perubahan (Update) data.

Adakah dampak dari Denormalisasi...?

sebab dan akibat dalam hukum fisika selalu ada, begitupun dalam tahapan denormalisasi data ini, berikut adalah beberapa kemungkinan yang dapat terjadi ketika denormalisasi basisdata di lakukan 

a. Kelebihan:

• Meningkatkan kecepatan akses data.
• Mempermudah query karena lebih sedikit join yang diperlukan.
• Optimasi penyimpanan cache data untuk akses yang sering.

b. Kekurangan: 

• Redundansi data yang dapat menyebabkan peningkatan penggunaan penyimpanan. 
• Risiko inkonsistensi data, karena adanya data yang disalin di beberapa tempat. 
• Pemeliharaan data yang lebih sulit, terutama jika ada perubahan data yang harus diperbarui di beberapa tempat. 

Bentuk-bentuk Denormalisasi Basisdata.

Berikut ini merupakan bentuk” dari denormalisasi, diantaranya : 

1. Atribut yang terderivasi 
2. Atribut yang berlebihan 
3. Table Rekapitulasi (Summary Table)
4. Manajemen Pengecualian 
5. dan Lainnya.

a) Atribut Turunan ( Derived Attribute)

Pada basis data perkuliahan ada beberapa kebutuhan untuk mengetahui total SKS dan Indek Prestasi (IP) yang di peroleh oleh seorang mahasiswa atas sejumlah mata kuliah yang diambilnya. Maka untuk memenuhi hal tersebut harus melibatkan setidaknya tiga buah tabel yaitu tabel mahasiswa, tabel kuliah dan tabel nilai. Untuk nilai total SKS diambil dengan menjumlahkan semua field SKS pada tabel kuliah untuk semua matakuliah yang diambilnya. Perhitungan IP akan lebih sulit karena menggunakan formula berikut :

IP =∑ (Nilai_Mutu x sks) / ∑sks

Dimana nilai mutu untuk indek A,B,C,D,E berturut-turut adalah 4,3,2,1, dan 0. dari formula tersebut maka setiap kali akan menampilkan IP seorang mahasiwa kita membutuhkan informasi tentang setiap nilai (pada tabel nilai) dan SKS (pada tabel Kuliah) dari semua matakuliah yang di ambil dan total SKSnya.

b) Atribut yang berlebihan 

atribut berlebihan adalah atribut yang menyatakan lebih dari satu fakta. Adanya atribut ini melanggar Fisrt Normal Form karena tidak memiliki domain nilai yang unik (tidak atomik). Akan tetapi pada beberapa keadaan penggunaan atribut semacam ini dapat mengefesiensikan pemakakaian ruang penyimpanan untuk suatu tabel basis data. Jenis jenis atribut yang berlebihan. 

• Atribut Tergantung 
• Atribut Duplikat 
• Atribut yang Mengulangi Data 
• Atribut yang Dapat Disimpulkan (Derivable Attributes) 
• Atribut yang Redundant karena Relasi Antar Tabel 
• Atribut Komposit yang Berlebihan 
• Atribut Tidak Relevan atau Tidak Diperlukan

untuk jenis atribut ini perlu dilakukan kembali normalisasi data untuk meningkatkan integritas data.

Read More