Cara Membedakan Bentuk Normal Dalam Normalisasi

Salah satu langkah yang dilakukan dalam perancangan logis adalah normalisasi. Normalisasi merupakan suatu proses yang digunakan untuk menentukan pengelompokan atribut-atribut dalam sebuah relasi sehingga diperoleh relasi yang berstruktur baik. 

Dikatakan berstruktur baik adalah relasi yang memenuhi dua kondisi berikut:

1. Mengandung redudansi sesedikit mungkin. (Redudansi adalah istilah lain untuk duplikasi.)
2. memungkinkan baris-baris dalam relasi disisipkan, dimodifikasi dan dihapus tanpa menimbulkan kesalahan atau ketidak konsistenan.

Sekedar perlu diketahui terlebih dahulu bahwa bentuk normal dalam normalisasi dapat berupa.

• bentuk normal pertama (1NF/ First normal form)
• bentuk normal kedua (2NF/ Second normal form)
• bentuk normal ketiga (3NF/ Third normal form)
• bentuk normal Boyce-Codd (BCNF/ Boyce-Codd normal form)
• bentuk normal keempat (4NF/ Fourth normal form)
• bentuk normal kelima (5NF/ Fifth normal form)

Umumnya relasi yang sudah memenuhi bentuk normal ketiga sudah tidak mempunyai masalah, namun beberapa bentuk khusus perlu dinormalisasi lebih lanjut.

ANOMALI
   Normalisasi bertujuan untuk meminimalkan redudansi data. Sekarang yang sering jadi pertanyaan adalah "Kenapa redudansi harus diminimalkan? "
Alasanya adalah karena redudansi data bisa menimbulkan masalah yang disebut dengan anomali.
  Sekarang apa itu anomali? Anomali adalah masalah yang timbul dalam relasi ketika terjadi operasi pemutakhiran data dalam relasi.
Anomali ada tiga:
a. anomali penyisipan
b. anomali pengubahan
c. anomali penghapusan


a. Anomali Penyisipan
Pada anomali penyisipan adalah masalah yang terjadi ketika suatu baris disisipkan ke dalam relasi. Biasanya terjadi karena kunci primernya tidak bernilai (bernilai NULL).
b. Anomali Pengubahan
Anomali pengubahan terjadi karena masalah yang disebabkan ketika data dalam relasi diubah.
c. Anomali Penghapusan
Anomali penghapusan terjadi ketika suatu baris dalam relasi dihapus. Pada saat sebuah baris dihapus terdapat data lain yang hilang.

Dependensi

Analisis dependensi bias digunakan dalam normalisasi. ada beberapa jenis dependensi:
Functional Dependence(FD)
FD akan muncul diantara dua rinci data dalam suatu struktur datajika nilai salah satu rinci data mengimplikasikan nilai pada rinci data kedua. Atau rinci data pertama menentukan  (Determines) rinci data kedua.
Contoh:
Matakuliah (Kode,Nama,SKS,Semester)
FD =    Matakuliah.Kode (Matakuliah.nama, Matakuliah.Semester)
            Matakuliah.Nama (Matakuliah.Kode, Matakuliah.Semester)

Full Functional Dependence (FFD)
Suatu rinci data dikatakan FFD pada sutu kombinasi rinci data jika FD pada kombinasi rinci data  jika FD pada kombinasi rinci data dan tidak FD pada bagian lain dari kombinasi rinci data.
Contoh:
SKS pada tabel Matakuliah hanya bergantung pada kode matakuliah, tidak ditentukan oleh siapa yang mengambil mata kuliah tersebut.

Transitive Dependence(TD)
Muncul jika suatu nilai pada rinci data pertama menentukan nilai pada rinci data kedua yang bukan candidate key dan nilai pada rinci data kedua menentukan nilai pada rinci data ketiga.J adi TD terjadi jika suatu nilai rinci data mempunyai ketergantungan dengan pada dua nilai rinci data.

Share on :

Tweet