Tugas 8: Data Modelling

Analisis Perancangan Sistem Informasi - Data Modelling

Data Modeling adalah proses pembuatan representasi visual atau cetakan biru yang mendefinisikan sistem pengumpulan dan pengelolaan informasi dari suatu organisasi. Model data ini membantu para pemangku kepentingan dalam memahami data organisasi, termasuk hubungan antara berbagai set data dan metode yang digunakan untuk menyimpan dan menganalisis data tersebut. Dengan menggunakan model data, organisasi dapat merencanakan dan mengelola data dengan lebih efisien serta memastikan penggunaan data yang relevan dan efektif.

Conceptual Data Model (CDM)

Conceptual Data Model merupakan representasi tingkat tinggi yang abstrak dari entitas, atribut, dan hubungan antara entitas dalam suatu domain bisnis atau sistem informasi. Fokusnya adalah pada pemahaman yang luas tentang data tanpa terikat pada implementasi teknis, sehingga memungkinkan pengembang atau perancang sistem untuk memahami dan menggambarkan struktur data dengan jelas. Langkah-langkahnya meliputi identifikasi entitas, definisi atribut, dan penggambaran hubungan antara entitas. Dengan memberikan pandangan luas tentang data, Conceptual Data Model membantu dalam memahami kebutuhan data dan merancang struktur data yang sesuai. 

Berikut Conceptual Data Model (CDM) yang menggambarkan layanan Netflix :

Dengan menggunakan Conceptual Data Model (CDM), kita dapat dengan jelas menggambarkan entitas-entitas penting dan hubungan di antara mereka. Hal ini memungkinkan para pemangku kepentingan untuk memiliki pemahaman yang seragam tentang data yang diperlukan, sehingga memudahkan desain yang lebih efisien dan efektif dari struktur data. CDM membantu memastikan bahwa semua pihak terlibat memiliki pandangan yang sama terhadap data yang harus disimpan dan digunakan dalam suatu sistem, sehingga mengurangi risiko kesalahpahaman dan mempromosikan koherensi dalam pengembangan sistem informasi.

Logical Data Model (LDM)

Setelah membangun Conceptual Data Model (CDM), langkah berikutnya dalam proses desain basis data adalah mengembangkan Logical Data Model. CDM memberikan gambaran abstrak tentang entitas, atribut, dan hubungan dalam sistem, sementara Logical Data Model memberikan pendekatan yang lebih terperinci dan terstruktur terhadap implementasi konsep tersebut.

Dalam Logical Data Model, konsep-konsep yang dijelaskan dalam CDM diterjemahkan menjadi tabel dan atribut yang lebih spesifik. Model ini berfokus pada penyusunan struktur data yang efisien dan terstandarisasi, termasuk menentukan tipe data, kunci primer, dan kunci asing untuk menjaga integritas data.

Logical Data Model membantu dalam perancangan basis data yang lebih rinci, normalisasi data, dan pengembangan skema basis data yang siap diimplementasikan. Model ini menjadi dasar bagi pengembang untuk membuat script SQL atau skema relasional yang akan digunakan dalam pembuatan dan pengelolaan basis data.

Selain itu, Logical Data Model juga memungkinkan pengembang untuk memperhitungkan faktor kinerja dan skalabilitas dalam desain basis data. Hal ini dapat mencakup pertimbangan seperti indeks, partisi, dan strategi penyimpanan yang optimal.

Dengan adanya Logical Data Model, pengembang dapat mengubah konsep-konsep konseptual menjadi struktur data yang konkret dan siap diimplementasikan. Model ini memainkan peran penting dalam menghubungkan pemahaman konseptual dengan implementasi teknis basis data, sehingga memastikan konsistensi dan efisiensi dalam pengembangan sistem informasi.

Berikut Logical Data Model (LDM) yang menggambarkan layanan Netflix :

Logical Data Model memberikan pemahaman yang lebih jelas bagi pemangku kepentingan tentang struktur dan hubungan data dalam basis data yang sebenarnya. Dengan demikian, memastikan konsistensi dan efisiensi dalam pengelolaan data serta mempermudah pengembangan dan pemeliharaan sistem terkait. Model ini memberikan gambaran yang terperinci tentang bagaimana data akan diorganisir, termasuk tipe data, kunci, dan relasi antartabel. Dengan memiliki Logical Data Model yang solid, tim pengembang dan pemangku kepentingan dapat bekerja bersama dengan pemahaman yang seragam dan melakukan perubahan atau perbaikan pada basis data dengan lebih terencana dan terstruktur.

Physical Logical Model (PDM)

Setelah menyelesaikan Logical Data Model (LDM), langkah selanjutnya dalam desain basis data adalah Physical Data Modeling (PDM). PDM melibatkan implementasi konsep-konsep yang ada dalam LDM ke dalam lingkungan fisik basis data yang spesifik.

Dalam Physical Data Modeling, struktur dan komponen yang telah ditentukan dalam LDM diterjemahkan menjadi objek fisik konkret, seperti tabel, indeks, partisi, dan pengaturan penyimpanan lainnya. PDM mempertimbangkan aspek-aspek teknis, seperti pemilihan tipe data yang sesuai, penyesuaian performa, dan strategi penyimpanan data untuk mengoptimalkan efisiensi dan kinerja basis data.

Selain itu, PDM juga melibatkan pemetaan relasi dan ketergantungan antara tabel-tabel dalam basis data fisik. Hal ini melibatkan desain skema relasional, definisi kunci primer dan asing, serta penentuan indeks yang diperlukan untuk mempercepat pencarian data. Model ini juga sangat terkait dengan implementasi spesifik dari sistem basis data yang digunakan, seperti MySQL, Oracle, atau SQL Server.

PDM memungkinkan para pengembang untuk mengambil keputusan teknis yang lebih rinci terkait dengan implementasi basis data. Dengan mengubah LDM menjadi model fisik yang spesifik, tim pengembang dapat memastikan bahwa basis data dapat dioptimalkan untuk memenuhi kebutuhan aplikasi dan pengguna dengan baik. PDM juga memainkan peran penting dalam pemeliharaan dan pengelolaan basis data, serta dalam memastikan integritas dan konsistensi data.

Berikut Physical Model Data (PDM) yang menggambarkan layanan Netflix :

Dengan menggunakan Physical Data Model (PDM), kita dapat melakukan perencanaan dan implementasi yang konkret terhadap struktur basis data. Model ini memastikan bahwa Logical Data Model (LDM) yang telah dirancang sebelumnya dapat diimplementasikan dengan benar, dengan mempertimbangkan faktor-faktor fisik dan teknis yang relevan.

Kesimpulan

Pengembangan Diagram Aliran Data (DFD), Conceptual Data Model (CDM), Logical Data Model (LDM), dan Physical Data Model (PDM) dalam perusahaan Netflix membentuk fondasi yang kuat untuk memahami, mengorganisir, dan menganalisis data secara efisien. DFD menggambarkan interaksi data dalam platform, CDM memberikan representasi abstrak tentang entitas dan hubungan data, LDM mendetailkan struktur data dengan tabel dan atribut, dan PDM mengimplementasikan konsep-konsep tersebut ke dalam lingkungan fisik basis data. Hal ini memungkinkan Netflix memberikan pengalaman menonton personal dan relevan, serta tetap menjadi pemimpin dalam industri hiburan.