Langsung ke konten utama

APA ITU CONSEPTUAL DATABASE?

 CONSEPTUAL DATABASE DESIGN



        Conceptual Design Database adalah tahapan pertama dalam desain database. Tujuan dari tahapan ini adalah untuk merancang database yang independen dari database software dan detail fisik. Tahapan ini akan menghasilkan, conceptual data model yang menjelaskan entitas data, atribut, hubungan antara tabel, dan constraints di suatu database.

        emua elemen dari data yang dibutuhkan dalam suatu transaksi
database harus dijabarkan di modelnya, dan semua elemen data yang ada harus digunakan setidaknya satu kali di suatu transaksi database itu. Conceptual database memiliki 4 tahapan yaitu:

    1. Analisis dan persyaratan data
    2. Normalisasi dan perancangan hubungan antar entitas
    3. Verifikasi data model
    4. Distributed database design
    • Analisis dan Persyaratan Data

        Tahapan pertama dalam pengembangan conceptual database desain adalah mencari tahu karakteristik dari elemen data yang ada. Karakteristik dari data eleman yang benar adalah yang bisa diubah menjadi suatu informasi. 

    • Normalisasi dan Perancangan Hubungan Antar Entitas

   Sebelum mengembangkan ER model, perancang database harus menentukan standard yang sesuai untuk dokumentasi dari desain database. Proses mengembangkan peraturan bisnis dan merancang conceptual database model menggunakan ERD

    • erifikasi data model

   Tahapan verifikasi data model merupakan salah satu dari tahapan terakhir dan terpenting di fase conceptual database design. Pada tahapan ini ERD harus di verifikasi dengan system awal untuk memastikan bahwa model database dapat mendukung system dengan baik.

    • Distributed database design

      Tidak semua database memerlukannya, terkadang sebuah database mungkin perlu untuk didistribusikan di antara beberapa lokasi yang tersebar. Proses untuk meng-akses database juga bisa berbeda di setiap lokasinya. Sebagai contoh, proses ritel dan proses penyimpanan gudang cenderung dilakukan di lokasi yang berbeda. Jika data dan proses basis data akan didistribusikan di seluruh sistem, bagian dari database, yang dikenal sebagai fragmen database, dapat berada di beberapa lokasi fisik.

www.ubpkarawang.ac.id 


Komentar

Posting Komentar

Postingan populer dari blog ini

DATA TRANSKIP NILAI DAN DATA LULUSAN DARI UNIVERSITAS MELALUI API

 Link Google Colaboratory : Link Google Colaboratory Link PDf :  Link PDF           Pendahuluan Dalam laporan ini, kami akan menganalisis data transkrip nilai mahasiswa untuk mengeksplorasi beberapa aspek yang relevan dengan keberhasilan akademik mereka. Fokus utama analisis meliputi Indeks Prestasi Semester (IPS) per semester per mahasiswa, hubungan antara IPS dan lulusan tepat waktu, keterkaitan antara predikat kelulusan 'Pujian' dengan lulusan tepat waktu, hubungan antara durasi studi dan predikat kelulusan, serta perbandingan prestasi akademik berdasarkan jenis kelamin. Dengan menggali data ini, kami bertujuan untuk mendapatkan wawasan yang lebih mendalam tentang faktor-faktor yang memengaruhi keberhasilan akademik mahasiswa terutama dalam konteks lulus tepat waktu. I            I ntegrasi Data Mengambil data transkrip nilai dari API dan mengonversinya menjadi DataFrame Pandas, kemudian menampilkan bebe...
Posting Komentar
Baca selengkapnya

DATA PREPARATION & VISUALIZATION

Data Preparation Data preparation atau persiapan data adalah langkah-langkah yang dilakukan untuk mempersiapkan data mentah sebelum digunakan dalam analisis dan pemodelan. Tujuannya adalah memastikan bahwa data yang akan digunakan adalah bersih, konsisten, dan dalam format yang sesuai untuk analisis atau pelatihan model pembelajaran mesin. Proses ini melibatkan berbagai tahapan, seperti pembersihan data, transformasi data, dan pengurangan dimensi. Contoh kode untuk Data Preparation dalam Python menggunakan library pandas: import pandas as pd # Membaca data dari file CSV data = pd.read_csv ( 'data.csv' ) # Pembersihan data: menghapus entri duplikat dan menangani nilai yang hilang data.drop_duplicates ( inplace= True ) data.dropna ( inplace= True ) # Transformasi data: mengubah format tanggal, mengonversi variabel kategorikal menjadi numerik, dll. data [ 'tanggal' ] = pd.to_datetime ( data [ 'tanggal' ]) data [ 'jenis_kelamin' ] = data [ 'jenis_kel...
Posting Komentar
Baca selengkapnya

SUPERVISED LEARNING (PREDIKSI) 30 ALGORITMA

1. Pengertian Supervised Learning: Supervised Learning adalah salah satu metode dalam pembelajaran mesin (machine learning) di mana model dilatih menggunakan data yang sudah diberi label. Data berlabel berarti setiap data input memiliki output yang diketahui dan telah ditentukan sebelumnya. Proses pelatihan ini melibatkan pemetaan input ke output yang benar, dengan tujuan agar model dapat melakukan prediksi yang akurat pada data baru yang belum pernah dilihat sebelumnya. Dalam supervised learning, model dibimbing (supervised) dengan contoh-contoh dari data berlabel, sehingga dapat belajar dari pola-pola yang ada untuk kemudian digunakan dalam memprediksi atau mengklasifikasikan data yang tidak dikenal. Terdapat dua jenis utama tugas dalam supervised learning, yaitu: Klasifikasi : Di mana output yang diprediksi adalah kategori atau kelas (contohnya, deteksi email spam, diagnosis penyakit). Regres i: Di mana output yang diprediksi adalah nilai kontinu (contohnya, prediksi harga rumah, ...
Posting Komentar
Baca selengkapnya