Raden's writer

Just another Blog UMY site

DATA MODELLING

Posted by Raden Muhammad Syarif Comments Off on DATA MODELLING

DATA MODELLING

Overview

Data modeling dalam rekayasa perangkat lunak adalah proses menciptakan sebuah model data untuk sistem informasi dengan menerapkan teknik pemodelan data formal.

Data modeling adalah proses yang digunakan untuk menentukan dan menganalisis kebutuhan data yang diperlukan untuk mendukung proses bisnis dalam lingkup yang sesuai sistem informasi dalam organisasi. Oleh karena itu, proses pemodelan data melibatkan pemodel data profesional bekerja sama dengan para pemangku kepentingan bisnis, serta pengguna potensial dari sistem informasi.

Menurut Hoberman, pemodelan data adalah proses belajar tentang data, dan model data adalah hasil akhir dari proses pemodelan data.

Ada tiga jenis model data yang dihasilkan ketika maju dari persyaratan untuk database sebenarnya yang akan digunakan untuk sistem informasi. [3] Persyaratan data awalnya dicatat sebagai model data konseptual yang pada dasarnya adalah seperangkat teknologi spesifikasi independen tentang Data dan digunakan untuk mendiskusikan kebutuhan awal dengan para pemangku kepentingan bisnis. Model konseptual ini kemudian diterjemahkan ke dalam model data logis, yang mendokumentasikan struktur data yang dapat diimplementasikan dalam database. Penerapan satu model data konseptual mungkin memerlukan beberapa model data logis. Langkah terakhir dalam pemodelan data adalah mengubah model data logis untuk model data fisik yang mengatur data ke dalam tabel, dan menyumbang akses, kinerja dan penyimpanan detail. Data modeling mendefinisikan bukan hanya elemen data, tetapi juga struktur dan hubungan antara mereka.

Teknik pemodelan data dan metodologi yang digunakan untuk memodelkan data dalam standar, konsisten, cara yang dapat diperkirakan untuk mengelolanya sebagai sumber daya. Penggunaan standar pemodelan data sangat disarankan untuk semua proyek yang memerlukan sarana standar mendefinisikan dan menganalisis data dalam sebuah organisasi, misalnya, menggunakan pemodelan data:

untuk membantu analis bisnis, programer, penguji, penulis manual, IT paket penyeleksi, insinyur, manajer, organisasi terkait dan klien untuk memahami dan menggunakan model semi formal disepakati konsep organisasi dan bagaimana mereka berhubungan satu sama lain

untuk mengelola data sebagai sumber daya

untuk integrasi sistem informasi

untuk merancang database / gudang data (alias repositori data)

Data modeling dapat dilakukan dalam berbagai jenis proyek dan dalam beberapa tahapan proyek. Model data progresif; tidak ada hal seperti model data akhir untuk bisnis atau aplikasi. Sebaliknya model data harus dianggap sebagai dokumen hidup yang akan berubah dalam menanggapi perubahan bisnis. Model Data idealnya harus disimpan dalam repositori sehingga mereka dapat diambil, diperluas, dan diedit dari waktu ke waktu. Whitten et al. (2004) ditentukan dua jenis pemodelan data:

Pemodelan data strategis: Ini adalah bagian dari penciptaan strategi sistem informasi, yang mendefinisikan visi keseluruhan dan arsitektur untuk sistem informasi didefinisikan. Rekayasa informasi adalah metodologi yang mencakup pendekatan ini.

Data modeling selama analisis sistem: Dalam analisis sistem model data logis yang diciptakan sebagai bagian dari pengembangan database baru.

Data modeling juga digunakan sebagai suatu teknik untuk merinci kebutuhan bisnis untuk database tertentu. Kadang-kadang disebut pemodelan database karena model data akhirnya diimplementasikan dalam database.

Data modeling topics

Model data memberikan struktur untuk data yang digunakan dalam sistem informasi dengan menyediakan definisi dan format tertentu. Jika model data yang digunakan secara konsisten di seluruh sistem kemudian kompatibilitas data dapat dicapai. Jika struktur data yang sama yang digunakan untuk menyimpan dan mengakses data maka aplikasi yang berbeda dapat berbagi data dengan mulus. Hasil ini ditunjukkan dalam diagram. Namun, sistem dan antarmuka sering biaya lebih dari yang seharusnya, untuk membangun, mengoperasikan, dan memelihara. Mereka juga dapat menghambat bisnis daripada mendukungnya. Hal ini dapat terjadi ketika kualitas model data yang diimplementasikan dalam sistem dan interface miskin.

Aturan bisnis, khusus untuk bagaimana hal tersebut dilakukan di tempat tertentu, sering tetap dalam struktur model data. Ini berarti bahwa perubahan kecil dalam cara berbisnis menyebabkan perubahan besar dalam sistem komputer dan interface. Jadi, aturan bisnis perlu dilaksanakan dengan cara yang fleksibel yang tidak mengakibatkan ketergantungan yang rumit, bukan model data harus cukup fleksibel sehingga perubahan dalam bisnis dapat diimplementasikan dalam model data dalam cara yang relatif cepat dan efisien.

Tipe entitas sering tidak teridentifikasi, atau secara tidak tepat. Hal ini dapat menyebabkan replikasi data, struktur data dan fungsi, bersama-sama dengan biaya petugas itu duplikasi dalam pengembangan dan maintenance.Therefore, definisi data harus dibuat eksplisit dan mudah dipahami mungkin untuk meminimalkan kesalahpahaman dan duplikasi.

Model data untuk sistem yang berbeda yang sewenang-wenang yang berbeda. Hasil ini adalah bahwa interface yang kompleks diperlukan antara sistem yang berbagi data. Antarmuka ini dapat menjelaskan antara 25-70% dari biaya sistem saat ini. Interface yang diperlukan harus dipertimbangkan secara inheren saat merancang sebuah model data, sebagai model data sendiri tidak akan dapat digunakan tanpa antarmuka dalam sistem yang berbeda.

Data tidak dapat dibagi secara elektronik dengan pelanggan dan pemasok, karena struktur dan makna dari data belum dibakukan. Untuk mendapatkan nilai yang optimal dari model data diterapkan, sangat penting untuk menentukan standar yang akan memastikan bahwa model data yang baik akan kebutuhan bisnis bertemu dan konsisten

Conceptual, logical and physical schemas

Konseptual skema: menggambarkan semantik domain (ruang lingkup model). Sebagai contoh, mungkin model daerah kepentingan organisasi atau dari suatu industri. Ini terdiri dari kelas entitas, yang mewakili macam hal penting dalam domain, dan hubungan pernyataan tentang hubungan antara pasang kelas entitas. Sebuah skema konseptual menentukan jenis fakta atau proposisi yang dapat dinyatakan dengan menggunakan model. Dalam hal ini, ia mendefinisikan ekspresi diperbolehkan dalam buatan “bahasa” dengan lingkup yang dibatasi oleh ruang lingkup model. Cukup dijelaskan, sebuah skema konseptual adalah langkah pertama dalam mengatur persyaratan data.

Logis skema: menggambarkan struktur dari beberapa domain informasi. Ini terdiri dari deskripsi (misalnya) tabel, kolom, kelas berorientasi objek, dan tag XML. Skema logis dan skema konseptual kadang-kadang diimplementasikan sebagai satu dan sama.

Skema fisik: menggambarkan sarana fisik yang digunakan untuk menyimpan data. Hal ini berkaitan dengan partisi, CPU, tablespace, dan sejenisnya.

Menurut ANSI, pendekatan ini memungkinkan tiga perspektif relatif independen satu sama lain. Teknologi penyimpanan dapat berubah tanpa mempengaruhi baik logis atau skema konseptual. Struktur tabel / kolom dapat berubah tanpa (harus) mempengaruhi skema konseptual. Dalam setiap kasus, tentu saja, struktur harus tetap konsisten di semua skema dari model data yang sama.

Data modeling process

dalam konteks integrasi proses bisnis (lihat gambar), pemodelan data melengkapi pemodelan proses bisnis, dan pada akhirnya menghasilkan generasi basis data.

Proses perancangan database melibatkan memproduksi dijelaskan sebelumnya tiga jenis skema – konseptual, logis, dan fisik. Desain database didokumentasikan dalam skema ini diubah melalui Data Definition Language, yang kemudian dapat digunakan untuk menghasilkan database. Sebuah model data sepenuhnya disebabkan berisi atribut rinci (deskripsi) untuk setiap entitas di dalamnya. Istilah “desain database” bisa menggambarkan banyak bagian yang berbeda dari desain suatu sistem database secara keseluruhan. Pada prinsipnya, dan paling benar, dapat dianggap sebagai desain logis dari struktur basis data yang digunakan untuk menyimpan data. Dalam model relasional ini adalah tabel dan tampilan. Dalam database objek entitas dan hubungan peta langsung ke objek kelas dan hubungan bernama. Namun, istilah “desain database” juga bisa digunakan untuk diterapkan pada keseluruhan proses merancang, bukan hanya struktur data dasar, tetapi juga bentuk dan query yang digunakan sebagai bagian dari aplikasi database secara keseluruhan dalam Database Management System atau DBMS.

Dalam prosesnya, antarmuka sistem account untuk 25% sampai 70% dari pengembangan dan dukungan biaya dari sistem saat ini. Alasan utama untuk biaya ini adalah bahwa sistem ini tidak berbagi model data umum. Jika model data yang dikembangkan pada suatu sistem dengan basis sistem, maka tidak hanya merupakan analisis yang sama diulang di daerah tumpang tindih, tetapi analisis lebih lanjut harus dilakukan untuk menciptakan antarmuka antara mereka. Kebanyakan sistem dalam sebuah organisasi berisi data dasar yang sama, dipugar untuk tujuan tertentu. Oleh karena itu, model data dasar yang dirancang secara efisien dapat meminimalkan pengerjaan ulang dengan modifikasi minimal untuk keperluan sistem yang berbeda dalam organisasi

Modeling methodologies

Model Data mewakili daerah informasi yang menarik. Meskipun ada banyak cara untuk membuat model data, menurut Len SILVERSTON (1997) [8] hanya dua metodologi pemodelan menonjol, top-down dan bottom-up:

Model bottom-up atau model View Integrasi sering hasil dari upaya rekayasa ulang. Mereka biasanya mulai dengan bentuk yang ada struktur data, bidang pada layar aplikasi, atau laporan. Model ini biasanya fisik, aplikasi-spesifik, dan tidak lengkap dari perspektif perusahaan. Mereka mungkin tidak mempromosikan berbagi data, terutama jika mereka dibangun tanpa mengacu ke bagian lain dari organisasi.

Model data logis top-down, di sisi lain, diciptakan dengan cara yang abstrak dengan mendapatkan informasi dari orang-orang yang tahu daerah subjek. Sebuah sistem mungkin tidak melaksanakan semua entitas dalam model logis, tapi model berfungsi sebagai titik acuan atau template.

Kadang-kadang model dibuat dalam campuran dari dua metode: dengan mempertimbangkan kebutuhan data dan struktur aplikasi dan dengan konsisten referensi model subjek-daerah. Sayangnya, di banyak lingkungan perbedaan antara model data logis dan model data fisik kabur. Selain itu, beberapa alat KASUS tidak membuat perbedaan antara model data logis dan fisik

Generic data modeling

Model data generik adalah generalisasi dari model data konvensional. Mereka mendefinisikan standar jenis hubungan umum, bersama dengan hal-hal yang mungkin terkait dengan suatu jenis relasinya. Definisi model data generik mirip dengan definisi bahasa alami. Sebagai contoh, sebuah model data generik dapat menentukan jenis hubungan seperti ‘klasifikasi hubungan’, menjadi relasi biner antara sesuatu yang bersifat individu dan jenis hal (kelas) dan ‘bagian-keseluruhan hubungan’, menjadi relasi biner antara dua hal, satu dengan peran bagian, yang lainnya dengan peran utuh, tanpa jenis hal-hal yang terkait.

Mengingat daftar extensible kelas, ini memungkinkan klasifikasi dari setiap hal individu dan untuk menentukan hubungan bagian-keseluruhan untuk setiap objek individu. Dengan standarisasi daftar extensible jenis hubungan, model data generik memungkinkan ekspresi jumlah yang tidak terbatas jenis fakta dan akan mendekati kemampuan bahasa alam. Model data konvensional, di sisi lain, memiliki ruang lingkup domain tetap dan terbatas, karena Instansiasi (penggunaan) dari model seperti itu hanya memungkinkan ekspresi dari jenis fakta yang telah ditetapkan dalam model

Semantic data modeling

Struktur data logis dari DBMS, apakah hirarkis, jaringan, atau relasional, tidak bisa benar-benar memenuhi persyaratan untuk definisi konseptual data karena dibatasi dalam lingkup dan condong ke strategi implementasi yang digunakan oleh DBMS.

Model data semantik [9].

Oleh karena itu, kebutuhan untuk mendefinisikan data dari pandangan konseptual telah menyebabkan pengembangan teknik pemodelan data semantik. Artinya, teknik untuk mendefinisikan arti data dalam konteks hubungan timbal balik dengan data lain. Seperti diilustrasikan dalam gambar dunia nyata, dalam hal sumber daya, ide, peristiwa, dll, secara simbolis didefinisikan dalam menyimpan data fisik. Sebuah model data semantik adalah sebuah abstraksi yang mendefinisikan bagaimana simbol-simbol yang disimpan berhubungan dengan dunia nyata. Dengan demikian, model harus benar representasi dari dunia nyata.

Sebuah model data semantik dapat digunakan untuk melayani berbagai tujuan, seperti:

perencanaan sumber daya data

pembangunan database shareable

evaluasi vendor perangkat lunak

integrasi database yang ada

Tujuan keseluruhan dari model data semantik adalah untuk menangkap lebih banyak makna data dengan mengintegrasikan konsep-konsep relasional dengan konsep abstraksi yang lebih kuat yang dikenal dari bidang Artificial Intelligence. Idenya adalah untuk memberikan tingkat tinggi primitif pemodelan sebagai bagian integral dari model data untuk memfasilitasi representasi situasi dunia nyata

Categories: Uncategorized

PROFIL AKU

Raden Muhammad Syarif


Popular Posts

Hello world!

Selamat datang di Blog UMY. Ini adalah tulisan pertama Anda. ...

Populating the Data

Populating the Data Warehouse 5 system Memuat panggung: Kami memuat data sistem ...

Data Extraction

Data Extraction Ekstraksi adalah operasi penggalian data dari sistem sumber untuk ...

Physical Database De

Physical Database Design   Database Design fisik (Ditetapkan): Proses memproduksi penjelasan implementasi ...

DATA MODELLING

DATA MODELLING Overview Data modeling dalam rekayasa perangkat lunak adalah proses menciptakan ...