Model Basis Data

Model basis data menyatakan hubungan antar rekaman yang tersimpan dalam basis data. Beberapa literatur menggunakan istilah struktur data logis untuk menyatakan keadaan ini. Model dasar yang paling umum ada 3 macam, yaitu : 1. hirarki 2. jaringan 3. relasional Model yang lebih baru dikemabngkan oleh sejumlah periset, yang dapat disebut sebagai sistem pasca relasional, sedangkan yang lain benar-benar menggunakan pendekatan yang sama sekali berbeda. Beberapa nama yang sedang dikembangkan oleh para periset, antara lain : · DBMS deduktif · DBMS pakar · DBMS semantik · DBMS berorinetasi objek · DBMS relasional universal Beberapa produk sistem berorientasi objek telah beredar di pasar, antara lain Open ODB Hawlett-Packarrd Corporation) dan Object Store (Object Design Corporation). Beberapa produk di lingkungan PC juga menuju ke arah ini . Model Hirarki Model hirarki biasa disebut model pohon, karena menyerupai pohon yang dibalik. Model ini menggunakan pola hubungan orang tua – anak. Setiap simpul (biasa sinyatakan dengan lingkaran atau kotak) menyatakan sekumpulan medan. Simpul yang terhubung ke simpul pada level di bawahnya disebut orang tua. Setiap orang tua bisa memiliki satu hubungan (1 : 1) atau beberapa anak (1 : M), tetapi setiap anak hanya memiliki satu orang tua. Simpul-simpul yang dibawahi oleh simpul orang tua disebut anak. Simpul orang tua yang tidak memiliki orang tua disebut akar. Simpul yang tidak memiliki anak disebut daun. Adapun hubungan antara anak dan orang tua disebut cabang. Beriktu memperlihatkan contoh model hirarki, yang terdiri atas 4 level dan 13 simpul. Pada contoh diatas, A berkedudukan sebagai akar, dan berkedudukan sebagai orang tua dari simpul B, C, D, dan E. Keempat simpul yang disebutkan belakangan ini disebut sebagai anak simpaul A. C juga dapat berkedudukan sebagai orang tua , yaitu orang tua F dan G. Adapun simpul F, G, H, I, J, L, dan M disebut sebagai daun. Contoh produk DBMS yang menggunakan model hirarki adalah IMS (Information Management System) , yang dikembangkan oleh dua perusahaan IBM dan Rockwell International Corporation. Model Jaringan Model jaringan distandarisasi pada tahu 1971 oleh data base Task Group (DBTG). Itulah sebabnya disebut model DBTG. Model ini juga disebut model CODASYL (Conference on Data Systems Languages) , karena DBTG adalah bagian dari CODASYL. Model ini menyerupai model hirarki, dengan perbedaan suatu simpul anak bisa memiliki lebih dari satu orang tua. Oleh karena sifatanya yang demikian, model ini dapat menyatakan hubungan 1 : 1, 1 : M , maupun N: M. Pada model jaringan orang tua disebut pemilik dan anak disebut anggota. Berikut gambarnya. Contoh produk DBMS yang menggunakan model jaringan adalah CAIDMS/DB, dari Computer Associates International Inc. (sebelumnya dikenal sebagai IDMS – Integrated Database Management System – yang dikembangkan oelh Cullient Software Inc.). Model Relasional Model relasional merupakan model yang paling sederhana, sehingga mudah digunakan dan dipahami oleh pengguna, serta merupakan yang paling populer saat ini. Model ini menggunakan sekumpulan tabel berdimensi dua (yang disebut relasi atau tabel), dengan masing-masing relasi tersusun atas tupel atau baris dan atribut. Relasi dirancang sedemikian rupa sehingga dapat menghilangkan kemubaziran data dena menggunakan kunci tamu untuk berhubungan dengan relasi lain. DBMS yang bermodelkan relasional biasa disebut RDBMS (Relational Database Management System). Gambar berikut memperlihatkan istilah relasi, baris, dan atribut dan padanannya dengan istilah-istilah lain yang populer dikalangan pemrogram dan sejumlah pengguna (terutama yang bekerja dengan SQL). Ada beberapa sifat yang melekat pada suatu relasi : Tidak ada tupel (baris) yang kembar Urutan tupel tidaklah penting (tupel-tupel dapat dipandang dalam sembarang urutan) Setiap atribut memiliki nama yang unik Letak atribut bebas (urutan atribut tidak penting) Setiap atribut memiliki nilai tunggal dan jenisnya sama untuk semua tupel. Pada model relasioanl, jumlah tupel suatu relasi disebut kardinalitas dan jumlah atribut sutau relasi disebut derajat (segree) atau terkadang disbut arity. Relasi yang berderajat satu (hanya memiliki satu atribut) disebut unary. Relasi yang berderajat dua disebut binary dan relasi yang berderajat tiga disebut ternary. Relasi yang berderajat n disebut n-ary. Istilah lainnya yang terdapat pada model relasional adalah domain. Domain adalah himpunan nilai yang berlaku bagi sutau atribut. Sebagaimana dikatakan di depan, tupel-tupel yang terdapat pada suatu relasi tidak ada yang kembar. Sesungguhnya bagian yang menyebabkan tidak adanya tupel yang kembar adalah yang disebut kunci primer. Sebagai model basis data yang paling terkenal di dalam DBMS, model relasioanl sengat sering dan banyak digunakan di dalam SIG. Beberapa DBMS yang menggunakan model basis data relasional adalah : 1. dBase (*.dbf) digunakan oleh ArcView GIS 2. dBase (*.dbf) digunakan oleh PC Arc/Info, MapInfo dan SIG lain yang berbasiskan PC 3. INFO digunakan didalam Arc/Info 4. Oracle digunakan oleh Arc/Info, Geovision, MapInfo, dll. 5. Empress digunakan oleh System/9 Keunggulan Model Basis Data Relasional Model basis data relasional yang paling digunakan pada saat ini, karena memiliki kunggulan berikut : · Model relasional merupakan model data yang lengkap secara matematis · Model relasional memiliki teori-teori yang solid untuk mendukung: accessibility (query), correctness (semantik aljabar relasional), predictability. · Fleksibilitas tinggi : model relasional secara jelas memisahkan model fisik dan lojik, sehingga dengan adanya decoupling (mengurangi ketergantungan antara komponen sistem) ini meningkatkan fleksibitiasnya. · Integritas : batasan ini sangat berguna di dalam emmastikan bahwa perubahan struktur data / tabel tidak mengganggu keutuhan relasi-relasi di dalam basis data. · Multiple views : model relasional dapat menyajikan secara langsung view yang berbeda dari basis data yang sama untuk pengguna yang berbeda. · Concurrency : hampir semua teori mengenai pengendalian transaksi simultan yang telah ada dibuat berdasarkan teori formalisme milik model relasional. Model Basis Data Relasional dan SIG Perbedaan penekanan para perancang sistem SIG pada pendekatan basis data untuk penyimpanan koordinat-koordinat peta dijital telah memicu pengembangan dua pendekatan yang berbeda dalam mengimplementasikan basis data relasional di dalam SIG. Pengimplementasian basis data relasional ini didasarkan pada model data hybrid atau terintegrasi. Model Data Hybrid Langkah awal pada pendekatan ini adalah pemahaman adanya dugaan atau pendapat bahwa mekanisme penyimpanan data yang optimal untuk informasi lokasi (spasial) di satu sisi, tetapi di dsisi yang lain, tidak optimal untuk informasi atribut (tematik). Berdasarkan hal ini, data kartografi digital disimpan di dalam sekumpulan files sistem operasi direct access untuk meningkatkan kecepatan input-output, sementara data atributnya disimpan did alam DBMS relasioanl lomersial yang standar. Maka perangkat lunak SIG bertugas mengelola hubungan (linkage) anatar files kartografi (lokasi) dan DBMS (data atribut) selama operas-operasi pemrosesan peta yang berbeda (misalnya overlay) berlangsung. Sementara digunakan beberapa pendekatan yang berbeda untuk penyimpanan data kartografi, mekanisme untuk menghubungkan dengan basis datanya tetap sama secara esensial, berdasarkan nomor pengenal (ID) yang unik yang disimpan di dalam sebuah tabel atribut basis data yang memungkinkannya tetap terkait dengan elemen-elemen peta yang bersangkutan. Model Data Terintegrasi Pendekatan modael data terintegrasi juga dideskripsikan sebagai pendekatan sistem pengelolaan basis data (DBMS) spasial, dengan SIG yang bertindak sebagai query processor. Kebanyakan implementasinya pada saat ini adalah bentuk topologi vektor dengan tabel-tabel relasional yang menyimpan data-data koordinat peta (titik, nodes, segmen garis, dl.) bersama dengan tabel lain yang berisi informasi topologi. Data-data atribut disimpan di dalam tabel-tabel yang sama sebagai basis data map feature (tabel internal atau abel yang dibuat secara otomatis) atau disimpan di dalam tabel-tabel yang terpisah dan dapat diakses melalui operasi relasioanl “JOIN”. Aspek lain didalam penanganan basis data spasial yang bervolume besar adalah kebutuhan mengenai konversi informasi koordinat dua dimensi menjadi kunci-kunci spasial satu dimensi yang dapat disimpan sebagai kolom-kolom (fields) tael basis data (sebagai contoh sejumlah nilai koordinat pada tabel garis dapat dijadikan sebagai satu string panjang di dalam satu kolom (field) koordinat). Kemudian kunci-kunci ini dapat diindekskan untuk mempercepat pemanggilan elemen-elemen peta yang bersangkutan. SUMBER : http://1copy4paste.blogspot.com/2009/09/model-basis-data-2.html

RDBMS dalam GIS

Sistem Informasi Geografis (SIG) merupakan salah satu macam program computer yang memungkinkan pengguna untuk bekerja dengan menggunakan peta digital secara cepat dan fleksibel. [[1]] SIG biasanya digunakan untuk menampilkan informasi yang bersifat spasial, misalkan untuk menditeksi penyebaran penyakit demam berdarah, untuk mengetahui penyebaran penduduk, atau untuk melihat pemetaan cuaca. Dengan menggunakan SIG, informasi yang ditampilkan lebih jelas dan interaktif karena ditampilkan dengan menggunakan kakas bantu peta digital. Sejarah dibuatnya Sistem Informasi Geografis berawal dari wabah kolera di Perancis pada tahun 1832. Saat salah satu geografis Perancis memetakan 48 distrik yang dibedakan pewarnaannya berdasarkan tingkat kematian penduduk. Peta Informasi Geografis wabah kolera di Perancis tahun 1832 Sistem Informasi Geografis mampu mengintegrasikan, menyimpan, menyunting, menganalisis, dan berbagi informasi geografis untuk mengambil keputusan. SIG modern menggunakan teknologi digital yang mampu mengolah data dengan banyak metode. Metode pengolahan data yang paling sering digunakan adalah metode digitalisasi data, yakni peta asli atau rencana survey ditransfer menjadi peta digital menggunakan program Computer-Aided Design (CAD) dengan kemampuan geo-referencing. Tingkat keakurasian Sistem Informasi Geografis tergantung pada sumber data dan cara mengkodekannya menjadi refernsi data. [[2]] Sistem informasi geografis yang bersumber pada data yang tidak cukup akurat memiliki tingkat akurasi yang rendah. Pada informasi geografis yang konservatif. Peta kertas biasa memiliki tingkat keakurasian yang tidak terlalu tinggi. Seiring berjalanny waktu, tingkat keakurasian sistem informasi geografis meningkat. Saat ini, pengguna sistem inrformasi geografis dapat memperoleh keakurasian posisi yang tinggi dengan menggunakan teknologi Geographics Positioning System(GPS). PROSES PENGOLAHAN DATA Data yang diperoleh dari berbagai sumber data selanjutnya akan diproses untuk ditampilkan dalam peta digital. Terdapat enam proses dalam pengolahan data menjadi informasi. Enam proses itu adalah sebagai berikut: 1. Pemasukan Data Tahap pemasukan data merupakan tahap memasukan data mentah yang baik berasal dari data analog yang diperoleh dari peta kertas biasa maupun berasal dari data digital. Untuk memasukan data analog, Sistem Informasi Geografis terlebih dahulu mengubahnya menjadi data digital. Proses pengubahan ini dibantu dengan menggunakan alat digitizer. 2. Manipulasi Data Data yang telah digitalisasi dan dimasukan sistem akan direpresentasikan dalam suatu struktur data tertentu. Dalam tahap ini, SIG memanipulasi data agar selanjutnya dapat dioleh dengan lebih mudah. 3. Manajemen Data Setelah data dimanipulasi, data tersebut disimpan ke dalam sistem penyimpanan data / DataBase Management System (DBMS). DBMS memiliki kapasitas penyimpanan yang cukup besar untuk menyimpan data spasial SIG. SIG dapat sewaktu – waktu memuat kembali data yang telah disimpan di dalam DBMS. 4. Query dan Analisis Proses ini merupakan proses pencarian dan penentuan keputusan. Pencarian dilakukan sesuai permintaan pengguna SIG. Data yang terkait dengan kata kunci yang diberikan akan dicari di DBMS. Kemudian hasil carian itu dianalisis, yang juga berdasar atas permintaan pengguna. Setelah dicari dan dianalisis data siap untuk ditampilkan. 5. Visualisasi Tahapan terakhir ini adalah tahapan menampilkan informasi yang inginkan oleh pengguna SIG. MANFAAT SISTEM INFORMASI GEOGRAFIS MANAJEMEN TATA GUNA LAHAN Tata lahan yang baik adalah tata lahan yang teratur penempatannya berdasarkan variabel – variabel tertentu tertentu mengenai penempatan lahan. SIG berperan untuk memetakan lahan agar pemerintah atau dinas yang terkait dapat mendapat informasi mengenai lahan tertentu yang akan digarap. Misalnya, pada perencanaan pembangunan rumah sakit. Rumah sakit akan dibangun pada lokasi yang merupakan lahan untuk perkantoran atau kedinasan, bukan lahan untuk pemukiman. Begitu juga lahan pembuangan sampah. Tidak pantas jika pemerintah menempatkan lahan sampah di dekat pemukiman penduduk. Sistem Informasi Geografis membantu dalam hal memetakan lahan dengan petak – petak yang diwarnai berdasarkan jenis lahannya. Dalam SIG, digambarkan pula radius – radius suatu lahan. Dengan demikian terlihat jelas di sistem, lahan mana yang merupakan lahan perkantoran, lahan mana yang merupakan lahan pemukiman, dan sebagainya. INVENTARISASI SUMBER DAYA ALAM Sistem Informasi Geografis juga bisa dimanfaatkan untuk memetakan sumber daya alam. Pemerintah ataupun pihak swasta mampu melihat potensi kekayaan alam melalui sistem informasi geografis. SIG juga dapat dimanfaatkan untuk mendapat informasi mengenai kawasan lahan potensial dan lahan kritis, kawasan hutan yang masih baik dan hutan rusak, kawasan lahan pertanian dan perkebunan, pemanfaatan perubahan penggunaan lahan, dan rehabilitasi dan konservasi lahan. UNTUK PENGAWASAN DAERAH BENCANA ALAM Bencana Alam membutuhkan kakas bantu untuk keperluan prediksi dan rehabilitasi. Sistem Informasi Geografis mampu memetakan daerah bencana alam sesuai keterangan – keterangan tertentu. Contoh hal yang bisa dilakukan SIG dalam hal ini adalah memantau luas wilayah bencana alam, melakukan pencegahan terjadinya bencana alam pada masa dating (prediksi), menyusun rencana-rencana pembangunan kembali daerah bencana (rehabilitasi), atau menentukan tingkat bahaya erosi. SUMBER : http://dewa18.wordpress.com/2012/04/11/sistem-informasi-geografis/

Sebutkan teknik-teknik estimasi pada Proyek Sistem Informasi

TEKNIK–TEKNIK ESTIMASI Ada tiga teknik yang digunakan untuk melakukan estimasi, yaitu : 1. Keputusan Profesional Katakanlah bahwa anda merupakan orang yang memiliki pengalaman yang luas dalam membuat program “report generation modules”. Anda melakukannya dengan pendekatan merancang report tersebut dan memperkirakan berapa lama waktu yang dibutuhkan untuk membuat program tersebut. Setelah mempelajari rancangan program selama 5 menit, programmer lalu menutup matanya selama 5 menit (dia tidak tidur, tetapi berhitung), dan kemudian mengatakan “15 hari”. Inilah yang disebut Keputusan Profesional murni. Keuntungan dari teknik ini adalah cepat , dan jika seseorang sudah ahli dalam teknik ini, maka estimasinya pasti akan lebih akurat. Sedangkan kerugian dari teknik ini adalah bahwa anda membutuhkan seorang ahli yang berpengalaman dalam bidang ini, dan beberapa ahli tersebut akan bekerja keras untuk mendapatkan estimasi yang tepat. 2. Sejarah Jalan keluar dari ketergantungan pada orang dan untuk membuat estimasi lebih khusus, yaitu anda harus mengerti tentang sejarahnya. Tulislah berapa lama masing-masing tugas dapat diselesaikan dan siapa yang bertanggung jawab atas tugas tersebut. Anda dapat membandingkan tuagas yang akan diestimasik dengan tugas yang sama yang dikerjakan lebih awal, setelah itu mulailah dengan melakukan estimasi. Hal ini dimaksudkan agar anda menjabarkan suatu proyek ke dalam beberapa tugas yang biasanya diulang dan mudah untuk dibandingkan. 3. Rumus-rumus Ada beberapa rumus yang digunakan dalam software estimasi. Software yang baik untuk diketahui adalah COCOMO (Referensi). COCOMO dapat digunakan untuk memperkirakan biaya proyek, usaha (person months), jadwal, dan jumlah staf untuk masing-masing fase berikut ini : Preliminary Design – our Analysis Phase Detailed Design (DD) – our Design Phase Code and Unit Tes (CUT) – same as ours System Test – our System Test and Acceptance Phase Ada 3 tipe penginputan dengan COCOMO ATURAN PERSETUJUAN ESTIMASI PADA DEC (DAN PERUSAHAAN BESAR LAINNYA) Apakah perusahaan besar seperti DEC menggunakan pendekatanpendekatan ini ? Ya, mereka menggunakan rumus-rumus, tetapi mereka tetap mengikuti aturan berikut ini : • Jangan pernah menanyakan pada seseorang yang tidak berpengalaman untuk melakukan estimasi. • Lakukan estimasi secara berkelompok, jika anda mampu menyediakan sumber daya manusianya. • Jangan memaksa melakukan estimasi pada seseorang profesional, seperti programmer. • Jangan pernah mengambil rata-rata dari estimasi yang berbeda. • Membagi persoalan menjadi bagian kecil secara mendetail selama satu minggu atau kurang. • Selalu tambahkan (kalikan ?) untuk kejadian yang tidak pasti. Lihat bagian manajemen risiko. • Selalu berikan jangka waktu ketika melakukan estimasi bagi manajer atau klien. • Gunakan naluri anda. sumber : http://wartawarga.gunadarma.ac.id/2011/05/jelaskan-berbagai-teknik-estimasi-pada-suatu-proyek-sistem-informasi/

Apakah yang dimaksud dengan ‘estimasi’?

Estimasi merupakan sebuah proses pengulangan. Pemanggilan ulang estimasi yang pertama dilakukan selama fase definisi, yaitu ketika anda menulis rencana pendahuluan proyek. Hal ini perlu dilakukan, karena anda membutuhkan estimasi untuk proposal. Setelah fase analisis direncanakan ulang, anda harus memeriksa estimasi dan merubah rencana pendahuluan proyek menjadi rencana akhir proyek. Contoh estimasi berbasis LOC : PL CAD akan menerima data geometri dua dan tiga demensi dari seorang perekayasa yang akan berinteraksi dan mengontrol sistem CAD melalui suatu interface pemakai. Kajian spesifikasi sistem menunjukkan bahwa PL akan mengeksekusi Workstation dan harus berinteraksi dengan berbagai peripheral grafis komputer spt mouse, digitizer dan printer laser. Diketahui : Perhitungan LOC untuk fungsi analisis geometri 3D (3DGA) : Optimis : 4600 most likely : 6900 pesimistik : 8600 EV = (4600 + 4*6900 + 8600) / 6 = 6800 LOC Jumlah tersebut dimasukkan ke dalam tabel, begitu juga untuk perhitungan yang lain. Sehingga diperoleh : Jika : Produktifitas rata-rata organisasional = 620 LOC/person-month Upah karyawan = $8.000 per bulan Biaya per baris kode = $13 Maka : Tingkat produktifitas = jumlah titik fungsi jumlah orang-bulan Jumlah karyawan = 33200 LOC = 53,5 ≈ 54 orang 620 LOC/bln Estimasi biaya proyek berdasar LOC = 33.200 LOC * $ 13 = $ 431.600 Estimasi biaya proyek berdasar upah = 54 orang * $8.000 = $432.000 Analisa titik fungsi (Function Point / FP ) Dekomposisi untuk perhitungan berbasis FP berfokus pada harga domain info daripada fungsi PL. Perencana proyek memperkirakan input, output, inquiry, file dan interface eksternal. Untuk tujuan perkiraan tersebut faktor pembobotan kompleksitas diasumsikan menjadi rata-rata. Setiap faktor pembobotan kompleksitas diestimasi dan faktor penyesuaian kompleksitas dihitung seperti dibawah ini : Perkiraan harga domain informasi : Jumlah FP = jumlah estimasi * bobot Total faktor pembobotan = ∑ Fi = 53.17 Total FP = 318 FP terestimasi = jumlah total * ( 0.65 + 0.01 * SFi) = 318 * ( 0.65 + 0.01 * 53.17 ) = 375 Diketahui : Produktifitas = 6.5 LOC/pm (dari historis) Upah = $ 8.000/m Biaya FP = $ 8.000 = $ 1.230 65 LOC Estimasi biaya proyek = Biaya FP * FP terestimasi = $ 1.230 * 375 = $ 461.250 Usaha terestimasi = Total biaya = $ 461.250 = 58 p/m upah/p $ 8.000 sumber : http://blogsnietha.blogspot.com/2013/06/pre-test-estimasi.html