Glosarium

Ini adalah glosarium dengan istilah umum yang digunakan dalam

kelas. Anda dapat membaca sekilas materi ini untuk mengenali
istilah-istilah umum yang ada pada materi kelas ini. Selain itu,
Anda juga dapat mengunjungi kembali halaman ini setiap kali
menemukan istilah yang belum dimengerti. Carilah istilah
tersebut pada laman glosarium ini untuk mengidentifikasi makna
atau definisinya. Jika masih terdapat kosakata yang tidak
dipahami dan belum masuk dalam daftar ini, Anda dapat
memberikan saran melalui fitur Laporan Materi.

Array
Array adalah tipe data untuk menyimpan sejumlah elemen dari
urutan tertentu, dan biasanya berasal dari tipe yang sama.

Atomicity
Semua perubahan pada data dilakukan seolah-olah itu adalah
satu operasi.

Basis Data
Kumpulan data yang diatur dan disimpan dengan cara yang
memungkinkan akses dan pengambilan yang mudah.

Basis Data Relasional

Cara menyusun informasi dalam tabel, baris, dan kolom atau
kumpulan item data dengan hubungan yang telah ditentukan
sebelumnya.

Boolean (Bool)
Jenis tipe data untuk mewakili nilai yang benar dan salah dalam
data.
 C

Character (CHAR)
Karakter merupakan tipe data yang mengandung tabel ASCII,
seperti huruf alfabet, simbol, tanda baca, serta emoji. Selain
alfabet, Char dapat berupa huruf dari bahasa lain, seperti arabic,
china, jepang, dll.

Consistency
Data berada dalam status konsisten saat transaksi dimulai dan
diakhiri.

Data Definition Language (DDL)

Subperintah pada SQL yang dimanfaatkan guna membangun
kerangka basis data yang terdiri dari CREATE TABLE, CREATE
VIEW, dan DROP TABLE.

Data Diskrit
Data numerik yang hanya bisa direpresentasikan dengan
bilangan bulat dan tidak dapat dibagi ke dalam unit yang lebih
kecil.

Data Kualitatif
Kumpulan data yang berbentuk kata, skema, dan gambar.

Data Kuantitatif
Kumpulan data yang dinyatakan dalam bentuk angka.
Data Kategorikal
Data yang dapat dikelompokkan dan terbagi berdasarkan
karakteristik atau ciri khasnya masing-masing.

Data Kontinu
Data kontinu dapat direpresentasikan dalam berbagai nilai
numerik, seperti bilangan desimal, bulat, dan lain-lain

Data Manipulation Language (DML)

Subperintah pada SQL yang dimanfaatkan dalam manipulasi
basis data yang sudah dibuat yang terdiri dari INSERT, SELECT,
UPDATE, dan DELETE.

Data Nominal
Jenis pengelompokan data yang tidak memiliki keterkaitan
dengan data lainnya dan tidak memiliki arti khusus.

Data Numerik
Data berwujud angka yang bisa didapat dari sebuah pengukuran.

Data Ordinal
Jenis pengelompokkan data yang memiliki urutan, atau harus
disusun secara berurutan dengan mekanisme peringkat

Data Terstruktur
Salah satu jenis data yang disusun dengan rapi dan diatur
sedemikian rupa sehingga memiliki format atau bentuk yang
tetap.

Database Management System (DBMS)

Alat (software) pengelola basis data atau singkatnya DBMS
merupakan perantara antara user dengan basis data dari suatu
program aplikasi.

Dataset
Kumpulan data yang diatur dalam format tertentu, seperti
spreadsheet, CSV, atau basis data

Derajat (Degree)
Jumlah atribut dalam sebuah relasi.

Durasi (Durability)
Setelah transaksi berhasil diselesaikan, perubahan pada data
tetap ada dan tidak dibatalkan, bahkan jika terjadi kegagalan
sistem.

Entity Relationship Diagram (ERD)

Salah satu teknik dalam merancang basis data terkait suatu
objek/kejadian yang akan dicatat dan disimpan.

Hierarchical DBMS
Menyimpan data dengan hubungan seperti parents (orang tua)
dan child (anak).

Integer (INT)
Tipe data berbentuk bilangan bulat atau numerik yang umumnya
digunakan untuk menyimpan angka tanpa komponen pecahan.
Tipe data ini mencakup semua bilangan bulat baik yang positif
maupun negatif dengan range tertentu.
Isolation
Keadaan perantara dari suatu transaksi yang tidak terlihat oleh
transaksi lain.

Kardinalitas (Cardinality)
Jumlah tupel dalam sebuah relasi. Tiap-tiap baris tentunya
memiliki atribut yang sejenis.

Network DBMS
Memiliki hubungan antardata yang lebih rumit, yaitu hubungan
many to many.

Object-oriented Model
Data disimpan dalam bentuk objek.

Query
Permintaan data atau informasi dari tabel database atau
kombinasi tabel.

Relasi (Relation)
Relasi atau tabel terdiri dari beberapa kolom dan beberapa baris.
Relasi menggambarkan beberapa atribut atau entitas-entitas di
dalamnya

Relational DBMS
Model ini didasarkan pada normalisasi data dalam baris dan
kolom tabel yang merupakan model relasional, disimpan dalam
struktur tetap dan dimanipulasi menggunakan SQL.

String (STR)
Tipe data yang paling umum digunakan untuk menyimpan teks.
Selain itu, string juga dapat menyertakan angka dan simbol,
tetapi ia akan selalu diperlakukan sebagai teks.

Structured Query Language

Bahasa pemrograman untuk menyimpan dan memproses
informasi dalam database relational.

Tupel (Tuple)
Baris pada sebuah relasi.

Daftar Referensi
[1] Beighley, L. (2007). “Head First SQL”. O’Reilly Media, Inc. [E-
Book]

[2] DeBarros, A. (2022). “Practical SQL, 2nd Edition”. No Starch

Press [E-Book]

[3] Beaulieu, A. (2020). “Learning SQL, 3rd Edition”. O’Reilly

Media, Inc. [E-Book]
[4] Sugiyono (2014). “Metode Penelitian Kuantitatif Kualitatif dan
R&D” [Book]

[5] Sutabri, T. (2012). “Konsep Sistem Informasi”. Penerbit Andi

[E-Book]

[6] Connolly, T. (2015). “Database Systems”. Pearson [Book]

Mengenal Data

Hai, selamat datang di kelas Belajar Dasar Structured Query

Language (SQL). Pada modul Teori Data dan Basis Data, Anda
akan mempelajari data secara umum, pentingnya sebuah data;
metode pengumpulan data; mengetahui jenis-jenis data dan tipe-
tipe data; mengidentifikasi perbedaan antara data, dataset, dan
basis data; serta mengetahui berbagai jenis platform
penyedia dataset. Menarik sekali, bukan? Apakah sudah siap
untuk mempelajari modul ini? Yuk, kita lanjut ke materi
berikutnya.

Mengenali Data Secara Umum

Semenjak Anda memasuki bangku sekolah SD, SMP, SMA, atau

bahkan kuliah, pasti Anda bergelut dengan data. Bahkan secara
tidak sadar, sejak dari kandungan pun hingga lahir menjadi bayi,
Anda sudah memiliki data riwayat diri sendiri. Namun, secara
harfiahnya kenalkah Anda dengan apa itu data?

Menurut Kamus Besar Bahasa Indonesia, data merupakan

keterangan yang benar dan nyata; keterangan atau bahan nyata
yang dapat dijadikan dasar kajian; informasi dalam bentuk yang
dapat diproses oleh komputer, seperti representasi digital dari
teks, angka, gambar grafis, atau suara.

Menurut Kamus Cambridge, data adalah informasi, terutama

fakta atau angka, dikumpulkan untuk diperiksa dan
dipertimbangkan, serta digunakan untuk membantu pengambilan
keputusan atau informasi dalam bentuk elektronik yang dapat
disimpan dan digunakan oleh komputer.

Terakhir, menurut ahli, yaitu Tata Sutabri, dalam buku Konsep

Sistem Informasi, data adalah kenyataan untuk menggambarkan
suatu kejadian serta merupakan suatu bentuk yang masih
mentah dan belum dapat bercerita banyak sehingga perlu diolah
lebih lanjut melalui suatu model untuk menghasilkan informasi.

Dari ketiga pengertian di atas, dapat disimpulkan tiga kata yang

mewakili arti sebuah data, yaitu Informasi yang benar, fakta, dan
nyata. Dengan kata lain, data merupakan kenyataan apa adanya
(raw facts).

Mungkin Anda sudah tidak asing lagi dengan bentuk data di

bawah ini.
Tabel di atas merupakan sebuah contoh dari implementasi data
pada kehidupan sehari-hari. Data tersebut bisa jadi dikumpulkan
dari kuesioner, buku tamu, atau berbagai sumber lainnya.
Namun, apakah Anda tahu bahwa sebenarnya bentuk data tidak
hanya melulu soal teks dan angka. Bagaimana bentuknya?
Perhatikan analoginya di bawah ini.

Anda mendapatkan tiket liburan seorang diri tanpa pengalaman

sebelumnya. Sebelum memutuskan untuk berangkat, Anda pasti
sudah mencari tahu terkait tempat yang akan dikunjungi melalui
internet.

Ketika sampai di tempat tujuan, Anda memutuskan untuk

menggunakan kereta menuju destinasi wisata yang telah
ditentukan sebelumnya. Di sepanjang perjalanan, Anda
menemukan banyak petunjuk jalan yang dapat mengantarkan
Anda menuju tempat berlibur.

Anda pun sampai di tempat tujuan. Sesampainya di tempat

wisata, Anda disuguhkan oleh pemandangan yang sangat indah,
serta menemukan banyak turis dari berbagai belahan dunia.
Anda juga menyantap banyak makanan yang sebelumnya belum
pernah Anda coba.

Apakah Anda menyadari? Mengapa dengan adanya kehadiran

informasi di internet dan petunjuk jalan, Anda bisa menikmati
indahnya pemandangan, melihat banyak turis-turis dari berbagai
belahan dunia, dan menyantap hidangan? Mari kita simak
penjelasannya di bawah ini.

Pentingnya Data

Anda adalah solo traveler tanpa pengalaman sebelumnya.

Apakah Anda tersadar bahwa berbagai informasi yang telah Anda
kumpulkan sebelumnya hingga hal-hal yang Anda lihat di tempat
wisata tersebut semuanya adalah data?

Ketika mencari tahu terkait negara tujuan yang akan dikunjungi,

Anda akan mendapatkan data terkait tempat tersebut. Petunjuk
jalan yang Anda lihat di sepanjang jalan juga merupakan
representasi dari data, lalu turis-turis yang Anda temui pun
merupakan data yang bisa dikumpulkan untuk informasi
wisatawan, dan juga makanan yang disantap bisa menjadi data
yang dapat diolah sebagai informasi untuk orang-orang yang
akan mengunjungi tempat wisata tersebut. Namun, ….

Terbayangkah oleh Anda apabila tidak ada hal yang dapat

diketahui sebelumnya sebelum menjalani solo traveling? Tidak
ada petunjuk jalan menuju destinasi wisata? Tidak ada informasi
terkait makanan? Hal-hal yang Anda ketahui tersebut merupakan
salah satu peran penting dari data. Bisa dikatakan, Anda akan
buta terhadap hal yang akan dihadapi.

Apakah terbayang apabila tidak ada data sedikit pun di dunia ini?
Mungkin, Anda tidak tahu tahun lahir Anda, berat badan Anda
sewaktu bayi, atau bahkan Anda tidak memiliki identitas.
Maka dari itu, dapat terlihat, bukan? Ternyata, data sangat
dibutuhkan dan sangat amat penting ketika kita sedang
menjalani aktivitas yang relevan.

Tahukah Anda?

Di bawah ini merupakan implementasi data yang berguna sebagai informasi

penggunaan media sosial di Indonesia.

Informasi dari laman GoodStats, pada risetnya yang berjudul Platform Sosial Media
Paling Banyak Digunakan Orang Indonesia 2022, mengumpulkan data dan
mengemukakan bahwa media sosial yang paling banyak digunakan oleh orang
Indonesia pada tahun 2022 adalah WhatsApp, setelah sebelumnya
aplikasi chatting tersebut berada di persentase 87.8%. Saat ini persentase tersebut
berubah dan naik menjadi 88.8% yang berarti pengguna WhatsApp semakin banyak di
dunia.

Namun, apakah kamu tahu? Berapa banyak WhatsApp mengirim pesan setiap harinya?
Backlinko di lamannya dengan judul “WhatsApp 2022 User Statistics: How Many
People Use WhatsApp?” telah mengumpulkan data dari berbagai sumber. Hasilnya
mengemukakan bahwa ada seratus ribu milyar lebih pesan setiap harinya yang
dikirimkan oleh user. Satu lagi.

Menurut Business Insider, Indonesia berada di posisi urutan keempat pengguna

WhatsApp di dunia dengan jumlah pengguna sebanyak 68.8 juta. Apakah kamu salah
satunya?

Metode Pengumpulan Data

Sudah tahukah Anda? Ada dua metode pengumpulan data, yaitu

untuk data kualitatif dan data kuantitatif. Apakah Anda masih
bingung bagaimana cara membedakan data kualitatif dan data
kuantitatif? Yuk, kita simak materi berikutnya.

Data Kualitatif
Menurut Sugiyono (2014) data kualitatif adalah data yang
berbentuk kata, skema, dan gambar. Data kualitatif didapatkan
dari metode penelitian yang berlandaskan filsafat. Teknik
pengumpulan data dan analisis bersifat kualitatif atau lebih
menekankan pada makna.
Perhatikan gambar di bawah ini.

Mari kita menganalogikan bahwa Anda akan pergi ke Gedung

Sate di kota Bandung menggunakan kereta seperti yang terlihat
pada gambar di atas. Namun, Anda ingin mencari testimoni dari
teman-teman terlebih dahulu. Kita analogikan nama teman-
teman Anda pada gambar di bawah ini beserta jawabannya.
Dari hasil di atas, pasti Anda akan berpikir terlebih dahulu
sebelum memutuskan menggunakan kereta tersebut. Apabila
mempertimbangkan experience yang akan didapatkan, tentu
Anda tidak akan berpikir dua kali untuk menggunakan jenis
tersebut. Namun, apabila memikirkan biaya yang akan
dihabiskan, bisa jadi Anda lebih memilih naik kereta ekonomi
dibandingkan dengan kereta panoramic tersebut.

Nah, data yang diperoleh dari teman-teman Anda tersebut

termasuk data kualitatif karena bergantung pada kualitas objek.
Maka dari itu, data kualitatif bisa bersifat subjektif karena
hasilnya dapat diartikan dengan persepsi yang berbeda apabila
dibaca atau dilihat orang lain. Pada contoh kasus di atas, Budi
mengatakan sangat worth it tetapi Ica mengatakan hal yang
bertolak belakang.

Dari kasus di atas, maka dapat disimpulkan bahwa kualitatif yaitu

data yang bersifat verbal, dapat dengan mudah dicerna oleh
manusia, sehingga lebih mudah dalam mengidentifikasi dan
menghasilkan pemecahan masalah atau keputusan yang tepat.

Jadi, kalau Anda memiliki pilihan lebih memilih pergi ke Bandung

menggunakan kereta panoramic atau beli kebutuhan
lain? Hehehe.
Data Kuantitatif
Data kuantitatif merupakan data yang dinyatakan dalam bentuk
angka [4]. Data ini bisa didapatkan dari hasil pengukuran atau
observasi yang memerlukan instrumen jumlah data banyak dan
tidak terlalu detail terhadap hasil pengukuran tersebut. Mari kita
analogikan data kuantitatif.

Di bawah ini merupakan salah satu contoh data kuantitatif, yaitu

berupa persentase yang telah dirangkai menggunakan pie
chart, merepresentasikan pengguna transportasi umum di
Indonesia.

Data di atas bisa didapatkan dari penelitian dengan membagikan

kuesioner kepada para responden yang telah ditentukan populasi
dan sampelnya terlebih dahulu.

Nah, kumpulan data tersebut merupakan data kuantitatif. Data

yang dikumpulkan bersifat objektif dan mutlak (ditunjukkan
dengan angka).

Bagaimana sampai sini? Apakah Anda sudah paham perbedaan

antara data kualitatif dan data kuantitatif? Yuk, kita lanjut ke
materi selanjutnya.

Jenis-Jenis Data
Sebelumnya, Anda mempelajari metode pengumpulan data.
Nah, saat ini Anda akan mengeksplorasi jenis-jenis data yang
bisa dipelajari, seperti yang terdapat pada diagram di bawah ini.

Jenis-jenis data yang akan Anda pelajari di antaranya adalah data

terstruktur, data tidak terstruktur, data semi terstruktur, data
numerik, dan data kategorikal. Sangat menarik, bukan? Yuk, kita
langsung ke materi berikutnya.

Data Terstruktur, Data Tidak Terstruktur, Data Semi

Terstruktur
Apakah Anda memiliki akun media sosial, seperti TikTok,
Instagram, dan Twitter? Di media sosial, pasti Anda sering
melihat bermacam-macam status yang tentunya dibuat oleh
bermacam-macam orang juga, bukan? Ada yang mengirimkan
video, gambar, atau hanya sekadar teks.

Apa yang Anda lihat dari FYP (for your page)

TikTok, reels Instagram, atau tweet di Twitter merupakan sebuah
data. Apakah Anda tahu? Bahwa data memiliki tiga jenis yang
berbeda, di antaranya adalah data terstruktur, data semi
terstruktur, dan data tidak terstruktur. Mari simak penjelasannya
di bawah ini.

Data Terstruktur

Di bawah ini merupakan contoh dari data terstruktur penumpang

yang terdaftar pada paket liburan Bandung Tour On Bus (Bus
Bandros).

Jumlah Penumpang (Orang)

Pria Wanita Total

No. Destinasi Objek Wisata
1. Dago Pakar 180 120 300
2. Gedung Sate 200 70 270
3. Museum Geologi 35 165 200
4. Taman Hutan Raya Ir. Juanda 138 142 280
Terlihat bahwa data tersebut tersusun rapi sesuai dengan
struktur tabelnya. Jadi, orang dapat langsung memahami maksud
yang ingin disampaikan dari tabel tersebut. Contohnya, terlihat
jelas bahwa total penumpang yang memilih tujuan wisata ke
Dago Pakar sebanyak 300 orang.

Jadi, dapat disimpulkan bahwa data terstruktur adalah salah satu

jenis data yang disusun dengan rapi dan diatur sedemikian rupa
sehingga memiliki format atau bentuk yang tetap. Contohnya
seperti pada tabel destinasi wisata di atas. Karena memiliki
format yang tetap, Anda dapat bisa dengan mudah
memahaminya atau langsung paham sekalipun data yang
dimasukkan berbeda.

Data Tidak Terstruktur

Seperti namanya, data tidak terstruktur, ia tidak memiliki
struktur yang beraturan. Mari simak gambar di bawah ini.

Apakah Anda menemukan perbedaan antara data terstruktur dan

tidak terstruktur? Sudah jelas pasti jawabannya sangat berbeda,
ya.

Gambar di atas merupakan flyer package sleeper bus. Terlihat

dari flyer tersebut terdapat beberapa format data, seperti
gambar dan teks. Dari data tidak terstruktur, kita dapat
mempelajari bahwa sebuah data tidak harus selalu berbentuk
tabel dan angka, tetapi jauh lebih luas dari itu.

Data Semi Terstruktur

Nah, setelah Anda mengetahui kedua jenis data, yaitu terstruktur
dan tidak terstruktur. Pembahasan ini menggabungkan kedua
data tersebut, yaitu data semi terstruktur. Apakah itu?

Data semi terstruktur adalah data dengan bentuk yang tidak

dikenal. Pada dasarnya, jenis data ini memiliki atribut terstruktur
yang membuatnya tetap dapat dianalisis. Namun, pada saat
yang bersamaan, data semi terstruktur ini tidak mengikuti suatu
susunan tertentu seperti data tidak terstruktur.

Contoh data semi terstruktur di antaranya adalah email, halaman

web, file yang ada dalam sebuah zipped folder, dan sebagainya.

Nah, selain data terstruktur, tidak terstruktur, dan semi-

terstruktur, ada pula jenis-jenis data lain yang dapat Anda
ketahui, yaitu numerik dan kategorikal. Yuk, simak
penjelasannya di bawah ini.

Data Numerik dan Data Kategorikal

Selain terstruktur dan tidak terstruktur, jenis-jenis data yang lain

adalah numerik dan kategorikal. Mari kita simak perbedaannya di
bawah ini.

Data Numerik
Data numerik adalah data berwujud angka yang bisa didapat dari
sebuah pengukuran. Misal, ukuran tinggi badan, berat badan,
dan tekanan darah kita. Selain itu, data ini juga bisa diperoleh
dari sebuah penghitungan, misalnya jumlah orang yang hadir di
pesta pernikahan. Nah, data numerik ini ternyata masih bisa
dibagi menjadi beberapa jenis lagi, di antaranya data diskrit dan
data kontinu.
Data Kontinu

Data kontinu dapat direpresentasikan dalam berbagai nilai

numerik, seperti bilangan desimal, bulat, dan lain-lain.
Contohnya, setelah datangnya pandemi, saat Anda akan
memasuki kapal feri menuju Banda Neira, Anda diminta untuk
cek suhu terlebih dahulu. Setelah dilihat suhu Anda menunjukan
36.2 derajat Celcius. Lalu, data tersebut dicocokkan dengan
persyaratan masuk ke dalam feri untuk dikategorikan.

Data Diskrit

Data diskrit merupakan data numerik yang hanya bisa

direpresentasikan dengan bilangan bulat dan tidak dapat dibagi
ke dalam unit yang lebih kecil. Mari kita ambil contoh. Setelah
Anda diperiksa suhu ketika memasuki kapal feri, Anda melihat
ternyata jumlah penumpang kapal menuju Banda Neira sebanyak
125 orang.
Data Kategorikal

Data kategorikal merupakan data yang dapat dikelompokkan dan

terbagi berdasarkan karakteristik atau ciri khasnya masing-
masing. Dari data kategorikal, ada dua pembagian, yaitu nominal
dan ordinal. Mari kita bahas satu per satu di bawah ini, ya.

Data Nominal

Data nominal adalah jenis pengelompokan data yang tidak

memiliki keterkaitan dengan data lainnya dan tidak memiliki arti
khusus. Jadi, data ini dapat dibedakan tanpa harus mengurutkan
atau dibandingkan dengan data lainnya. Contohnya, transportasi
publik yang terdapat pada gambar di bawah ini.

Pada dasarnya kendaraan bermotor dapat diklasifikasikan

menjadi transportasi publik, tetapi antar kendaraan tersebut
tidak terikat satu sama lain dan tidak memiliki arti khusus.
Data Ordinal

Berlawanan dari data nominal, data ordinal adalah jenis

pengelompokkan data yang memiliki urutan, atau harus disusun
secara berurutan dengan mekanisme peringkat. Misalnya, kita
mengambil voting destinasi laut terbaik di Indonesia, seperti
gambar di bawah ini.

Manakah menurut Anda yang lebih bagus? Apakah Raja Ampat,

Papua? Atau Banda Neira, Kepulauan Banda? Berdasarkan
gambar yang Anda lihat bahwa terdapat rating atau peringkat
pada kedua destinasi liburan. Bintang 1 mengartikan bahwa
destinasi tersebut kurang peminat, sedangkan bintang 5
mengartikan bahwa banyak wisatawan yang puas akan destinasi
wisata tersebut.
Nah, informasi tersebut merupakan contoh dari data ordinal
bahwa jenis data tersebut diurutkan berdasarkan peringkat.

Bagaimana? Apakah sampai sini sudah paham? Apabila masih

belum paham, Anda bisa bertanya di Forum Diskusi, ya. See you
there!

Tipe-Tipe Data
Tipe-tipe data merupakan hal penting yang perlu Anda pelajari
sebelum memulai pemrograman karena hal ini akan menjadi
rutinitas yang akan Anda temui setiap mempelajarinya.
Tentunya, banyak sekali tipe-tipe data dalam bahasa
pemrograman seperti Integer, Character, Boolean, Array, String,
dan Float.

Tipe Data yang Sering Digunakan

Tabel di bawah ini merupakan beberapa tipe data yang mungkin

akan Anda sering temukan ketika mempelajari bahasa
pemrograman Structured Query Language.
 Tipe
No Data Pengertian Contoh
1. Integer Integer (int.) merupakan tipe 0, 1, 59, -20, -3.
(INT) data berbentuk bilangan bulat atau
numerik yang umumnya
digunakan untuk menyimpan
angka tanpa komponen pecahan.
Tipe data ini mencakup semua
bilangan bulat baik yang positif
maupun negatif
dengan range tertentu.
2. Character Karakter merupakan tipe data A, D, 4, emoji, #, dll
(CHAR) yang mengandung tabel ASCII,
seperti huruf alfabet, simbol, tanda
baca, serta emoji. Selain alfabet,
Char dapat berupa huruf dari
bahasa lain, seperti arabic, china,
jepang, dll.
3. Boolean Boolean adalah jenis tipe data 0 = False (Salah)
(Bool) untuk mewakili nilai yang benar
dan salah dalam data. 1 = True (Benar)
4. Array Array adalah tipe data untuk
menyimpan sejumlah elemen dari Bali Bandung Bogor
urutan tertentu, dan biasanya 0 1 2
berasal dari tipe yang sama. Indeks dari ketiga nilai variabel tersebut
adalah 0 (Bali), 1 (Bandung), dan 2
(Bogor). Karena mengandung tiga
elemen, panjang Array-nya adalah 3.
5. String String merupakan tipe data yang “Bali”
(STR) paling umum digunakan untuk
menyimpan teks. Selain “Bandung”
itu, string juga dapat menyertakan
angka dan simbol, tetapi ia akan “Bogor”
selalu diperlakukan sebagai teks.
6. Float Float merupakan tipe data numerik 0.7
untuk menyimpan angka yang
mungkin memiliki komponen 0.4
pecahan.
9.4
Di bawah ini disertakan dokumen yang dapat Anda gunakan
sebagai latihan untuk mengukur seberapa jauh Anda memahami
tipe-tipe data. Sebab, pada modul selanjutnya Anda diminta
untuk dapat memahami dan membedakan tipe-tipe data yang
akan dipakai.

[Latihan Tipe Data]

Bagaimana hasilnya? Apakah benar semua?

Anda dapat lihat jawabannya di sini, ya.

Keren sekali! Pertahankan semangatnya hingga akhir kelas, ya!

Data, Basis Data, Dataset

Pada bagian ini Anda akan mengidentifikasi perbedaan antara
ketiga hal yaitu data, basis data, dan dataset melalui video di
bawah ini.

Telah dijelaskan di awal bagian kelas bahwa data didefinisikan

sebagai informasi, fakta, dan nyata mengenai suatu objek atau
kejadian yang bisa dicatat atau disimpan.

Mari kita analogikan pada sebuah sistem informasi perusahaan

kereta api.

Selain data dan basis data, ada hal yang perlu Anda tahu
mengenai data, yaitu dataset. Dataset adalah kumpulan data
yang disusun secara terstruktur. Biasanya, dataset
dipresentasikan dalam bentuk tabel, alias kumpulan baris dan
kolom. Simak penjelasannya pada tabel di bawah ini untuk
mengetahui perbedaan yang jelas antara dataset dan basis data.

Dataset Basis Data

Dataset adalah kumpulan data yang Basis data adalah kumpulan data yang diatur
diatur dalam format tertentu, seperti dan disimpan dengan cara yang memungkinkan
spreadsheet, CSV, atau basis data. akses dan pengambilan yang mudah. Serta
Umumnya, digunakan untuk dapat menyimpan berbagai macam tipe data,
keperluan yang spesifik. termasuk teks, nomor, gambar, dan tipe data
lainnya.
Dapat menjadi bagian dari data yang Dapat memiliki banyak kumpulan data dan
diambil dari basis data yang lebih dapat digunakan untuk aplikasi yang berbeda.
besar. Bisa juga, dataset diambil dari
sumber lain yang mendukung
formatnya.
Contoh tools: Google Spreadsheet, Contoh tools: BigQuery, MySQL Clients, DB
Excel, Situs Public Datasets, dll. Browser SQL, dll.
Agar Anda lebih memahami cara kerja antara basis data dan
dataset, perhatikan gambar di bawah ini.
Gambar tabung di atas merupakan representasi dari sebuah
basis data. Tabel yang terdapat di dalamnya adalah struktur
dalam basis data yang diatur dengan bentuk kolom dan baris.

Ingat kategori yang terdapat pada gambar di atas? Setiap

kategori menjadi kolom pada tabel tersebut. Sementara itu, baris
berisi semua informasi tentang satu objek dalam tabel tersebut.
Pada tabel yang telah dijelaskan dalam gambar, satu baris
adalah tentang identitas seseorang, tujuan, dan waktu
keberangkatan.

Selain hanya terdiri dari tabel, basis data juga terdiri dari data-
data yang saling terhubung. Contohnya, di bawah ini terdapat
tabel yang menyimpan informasi tentang penumpang kereta api.
Namun, apabila tabel-tabel tersebut dibungkus dengan
menggunakan format tertentu, ia disebut sebuah dataset.
Dataset dapat Anda dapatkan baik dari database maupun dari
sumber yang relevan dengan objek yang sedang dikerjakan.
Perhatikan gambar di bawah ini agar Anda paham mengenai
dataset.
Bagaimana menurut Anda? Apakah sampai sini paham
perbedaan terkait data, basis data, dan dataset?

Mari simak analogi basis data di bawah ini agar Anda lebih
paham.

Apabila dianalogikan, basis data adalah semacam hanggar, yaitu

tempat penyimpanan pesawat dengan berbagai jenis, seperti
helikopter, pesawat airbus, pesawat boeing, jet, dan lain-lain.
Analogi tersebut serupa dengan definisi basis data yaitu data
yang diatur dan disimpan dengan cara pengambilan yang mudah,
serta menyimpan berbagai macam tipe data.

Adapun analogi lain adalah bahwa di dalam hanggar, ada

berbagai macam pesawat dengan ragam jenis tertentu yang
memiliki fungsinya masing-masing. Bisa juga digunakan untuk
keperluan khusus, yaitu mengantarkan penumpang atau
mungkin hanya sekadar untuk latihan terbang saja. Analogi
tersebut selaras dengan definisi basis data bahwa ia memiliki
banyak kumpulan data dan dapat digunakan untuk aplikasi yang
berbeda-beda.

Lalu, analogi dataset sebagai berikut.

Mari kita analogikan bahwa dataset merupakan
sebuah showroom dan format-format dalam basis data adalah
jenis-jenis kendaraan yang terdapat dalam showroom, seperti
mobil, motor, truk, dan lain-lain, serta mari kita analogikan basis
data sebagai pabrik pembuatannya.

Ketika Anda mengunjungi showroom, Anda akan dihadapi oleh

banyak jenisnya kendaraan, seperti showroom khusus mobil,
motor, truk, dan lain-lain. Suatu hari Anda ingin membeli mobil
tidak melalui showroom, tetapi langsung dari pabrik
pembuatannya yang lebih besar. Serupa dengan definisi dataset
yang dapat menjadi bagian dari data yang diambil dari basis data
yang lebih besar.

Bagaimana menurut Anda? Apakah sampai sini sudah paham?

Apabila masih belum paham, Anda bisa bertanya di Forum
Diskusi, ya. See you there!

Tahukah Anda?
Setelah mengenal teori data, metode pengumpulan, jenis-jenis, dan tipe-tipe data, serta
perbedaan antara data, dataset, dan basis data. Hal lain yang perlu Anda ketahui
mengenai dunia data adalah platform penyedia dataset yang dapat diakses untuk
kebutuhan Anda. Di bawah ini merupakan beberapa platform yang bisa Anda gunakan
sebagai referensi dalam mencari dataset.
1. Kaggle

Kaggle adalah sebuah komunitas yang menampung para pegiat data

science yang ingin belajar lebih dalam. Saat ini, Kaggle telah memiliki lebih
dari 1000 dataset beragam secara internasional, 170.000 post di forum. Berikut
adalah kegiatan-kegiatan utama dan fasilitas yang bisa Anda dapatkan dari
platform tersebut.
o Data
Dataset-dataset ini dapat memudahkan Anda saat membuat model
proyek yang ingin Anda kembangkan. Format file CSV adalah yang
paling banyak ditemukan di Kaggle, tetapi ada juga dataset yang
tersedia dalam format JSON, SQLite, archive, dan BigQuery.
o Code
Ada banyak sekali jumlah kode tersedia di Kaggle. Kode-kode ini
adalah hasil kontribusi dari pengguna yang tergabung di Kaggle.
Tentunya, tersedianya sumber ini bisa menjadi bahan belajar machine
learning yang mudah dan baik.
o Komunitas
Tentunya di sini, Anda dapat membangun network dan bekerja
bersama.
2. Open Data Jabar
 Open Data Jabar adalah portal transparansi data dan informasi publik bagi
warga Jawa Barat. Platform tersebut dapat diakses oleh siapa saja yang ingin
menjelajahi dan mendapatkan koleksi dataset terbaru dari perangkat daerah di
Jawa Barat. Format file yang bisa Anda dapatkan di platform ini adalah dalam
bentuk CSV dan Excel.

3. Badan Pusat Statistik

Badan Pusat Statistik adalah Lembaga Pemerintah Non Kementerian yang

bertanggung jawab langsung kepada Presiden. Portal BPS menyediakan dataset
beragam dengan lingkup nasional. Hanya saja, format yang disediakan oleh
BPS hanya berbentuk Excel. Jadi, apabila Anda akan menggunakan basis data,
kemungkinan besar Anda harus mengubahnya terlebih dahulu.

Mengenal Basis Data Relasional

Wow! Hebat sekali perjalananmu sudah cukup jauh. Apakah Anda
sudah siap dalam melakukan perjalanan menuju materi
selanjutnya? Anda akan mempelajari Basis Data Relasional, Basis
Data NoSQL, serta Pengantar Teori Basis Data Relasional
dan Entity Relationship Diagram yang pastinya sangat menarik.
Sudah tidak sabar? Yuk, kita lanjut ke materi berikutnya.

Basis Data Relasional

Pada pembahasan sebelumnya, Anda mempelajari terkait
perbedaan data, dataset, dan basis data. Pada pembahasan ini,
Anda akan mempelajari salah satu jenis dari basis data, yaitu
basis data relasional. Apakah Anda sudah pernah
mendengarnya? Atau bahkan sudah mempelajarinya? Apabila
belum, simak penjelasannya di bawah ini, ya. Apabila sudah
paham, Anda diperkenankan untuk membaca kembali karena
menurut Mahatma Gandhi, “Live as if you were to die
tomorrow. Learn as if you were to live forever.”

Basis data relasional pada dasarnya adalah cara menyusun

informasi dalam tabel, baris, dan kolom atau kumpulan item data
dengan hubungan yang telah ditentukan sebelumnya. Perhatikan
contoh basis data relasional di bawah ini.

Pada tabel di atas, ada beberapa item yang akan dibutuhkan

untuk pembuatan aplikasi biro perjalanan. Tabel-tabel di atas
terdiri dari beberapa kategori, seperti objek wisata, destinasi,
wisatawan, dan sirkulasi atau kumpulan dari seluruh tabel yang
saling berelasi.

Item-item tabel tersebut, pada dasarnya tersusun dari kolom dan

baris seperti yang tertera di bawah ini.
Seperti yang Anda lihat bahwa tabel tersebut terbentuk dari tiga
kolom dan lima baris. Kolom adalah bagian dari data yang
disimpan oleh tabel, sedangkan baris adalah satu set kolom yang
menggambarkan atribut dari satu hal. Kolom dan baris bersama-
sama membentuk tabel.

Catatan:

1. Baris pada tabel merepresentasikan kumpulan nilai terkait

dari satu objek atau entitas.
2. Tiap baris pada tabel dapat ditandai dengan pengidentifikasi
untuk yang disebut Primary Key, dan baris di antara
beberapa tabel dapat dibuat saling terkait
menggunakan Foreign Key (Akan dijelaskan pada kelas
berikutnya, di kelas ini kita akan fokus pada penggunaan
tabel tanpa relasi dengan tabel lain).
3. Data tersebut dapat diakses dengan berbagai cara tanpa
menyusun ulang tabel basis data itu sendiri.

Di bawah ini merupakan istilah-istilah dalam basis data

relasional. Perhatikan gambar berikut terlebih dahulu.
 1. Relasi (Relation)
Relasi atau tabel terdiri dari beberapa kolom dan beberapa
baris. Relasi menggambarkan beberapa atribut atau entitas-
entitas di dalamnya. Contohnya, pada tabel destinasi di atas
tertera bahwa tabel tersebut memiliki tiga kolom yang
terdiri dari atribut 1, atribut 2, dan atribut 3 yang
merepresentasikan nilai berbeda-beda.

2. Derajat (Degree)
Derajat merupakan jumlah atribut dalam sebuah relasi.
Masih merujuk pada tabel di atas, berarti tabel tersebut
memiliki derajat tiga karena terdiri dari tiga atribut.

3. Tupel (Tuple)
Baris pada sebuah relasi. Sebelumnya, Anda telah
mempelajari perbedaan antara baris dan kolom. Setiap baris
merujuk satu objek data. Perhatikan kembali pada tabel di
atas, tabel tersebut memiliki lima objek data.

4. Kardinalitas (Cardinality)
Jumlah tupel dalam sebuah relasi. Tiap-tiap baris tentunya
memiliki atribut yang sejenis. Merujuk pada tabel di atas,
berarti tabel tersebut memiliki lima kardinalitas.

Tahukah Anda?
Kebanyakan user mengira bahwa “relation” adalah hubungan antara satu tabel dengan
tabel yang lain, tetapi pada kenyataannya “relation” itu sendiri adalah tabelnya.
Namun, apakah Anda tahu bahwa selain basis data SQL, adapula
basis data NoSQL, apakah itu? Yuk, simak materinya di bawah
ini.

Basis Data NoSQL

NoSQL atau Not Only SQL adalah sebuah mekanisme

penyimpanan dan pengambilan data, dalam pengambilan data
tersebut tidak dibatasi dan memiliki konsistensi yang lebih baik
dibandingkan dengan basis data relasional, serta tidak dibatasi
tipe data dan variasi data.
Sebelum mengenal lebih jauh terkait perbedaan antara SQL dan
NoSQL, di bawah ini merupakan hal yang perlu diketahui ketika
Anda membutuhkan NoSQL.

 Basis Data Relasional tidak restriktif. Ketika basis data

relasional sudah tidak bisa menangani data yang bersifat
restriktif, yaitu data yang terdistribusi atau data yang
bermacam-macam variasinya, maka solusinya adalah
menggunakan NoSQL.
 Ketika ACID sudah tidak dibutuhkan. Dalam konteks
pemrosesan transaksi, terdapat ACID yang mengacu pada
empat sifat utama transaksi, yaitu

Atomicity Consistency
Semua perubahan pada data dilakukan Data berada dalam status konsisten saat
seolah-olah itu adalah satu operasi. transaksi dimulai dan diakhiri. Misalnya,
Misalnya, dalam aplikasi yang dalam aplikasi yang mentransfer dana
mentransfer dana dari satu akun ke dari satu akun ke akun lainnya, properti
akun lainnya, properti atomocity atau konsistensi memastikan bahwa nilai
atomisitas memastikan bahwa, jika dana di kedua akun sama di awal dan di
debit berhasil dibuat dari satu akun, akhir setiap transaksi.
kredit yang sesuai dibuat ke akun
lainnya.
Isolation Durability
Keadaan perantara dari suatu transaksi Setelah transaksi berhasil diselesaikan,
tidak terlihat oleh transaksi lain. perubahan pada data tetap ada dan tidak
Misalnya, dalam aplikasi yang dibatalkan, bahkan jika terjadi kegagalan
mentransfer dana dari satu akun ke sistem. Misalnya, dalam aplikasi yang
akun lainnya, properti isolasi mentransfer dana dari satu akun ke akun
memastikan bahwa transaksi lain lainnya, properti durability atau daya
melihat dana yang ditransfer di satu tahan memastikan bahwa perubahan
 akun atau akun lainnya, tetapi tidak di yang dilakukan pada setiap akun tidak
keduanya, atau tidak keduanya. akan dibatalkan.
 Ketika ACID sudah tidak dibutuhkan, sistem yang tidak
memenuhi kriteria ACID disebut dengan BASE,
yaitu Basically Available, Soft State, dan Eventual
Consistent. Sebagian besar NoSQL saat ini adalah BASE.
 Adanya hambatan antara objek untuk berelasi. Ketika
antar objek tidak dapat berelasi karena banyak faktor dan
hal tersebut menjadi hambatan, maka saatnya Anda
menggunakan NoSQL.
 RDBMS sudah tidak berdistribusi dan tidak
scalable. Artinya ketika basis data relasional sudah tidak
bisa dikembangkan lagi karena tidak bisa dibuat menjadi
sistem terdistribusi.
 Dipakai ketika kita mengambil data yang sifatnya
temporal (sementara). Temporal data di antaranya
adalah shopping chart dan wish list. Contoh shopping
chart adalah ketika Anda berjualan, dan stoknya habis,
maka data tersebut merupakan data temporal. Kemudian,
ada wish list belanja pada sebuah marketplace, ketika wish
list tersebut sudah tercapai maka data tersebut akan hilang
dari wish list.
Lalu, apakah perbedaan yang menonjol antara SQL dan NoSQL?

SQL NoSQL

Tipe SQL pada dasarnya berbasis Basis data NoSQL adalah basis data non-
Basis Sistem Manajemen Relasional relasional (terdistribusi) jadi tidak
Data Basis Data atau Relational memerlukan tabel. Maka dari itu, basis data
Database Management non-relasional dapat menyimpan data tidak
System (RDBMS), yaitu terstruktur menggunakan dokumen, nilai
mereka menyimpan data dalam kunci, grafik, atau kolom.
tabel dengan kolom yang telah
ditentukan sebelumnya dan
bergantung pada skema tabel
tetap untuk menghubungkan
catatan data satu sama lain.
Jenis Basis data SQL memiliki jenis Basis data NoSQL dapat diskalakan secara
Skala skala vertikal. Ini berarti horizontal. NoSQL dapat menggunakan
bahwa kebanyakan basis data banyak server dan berbagi data di seluruh
ini hanya menggunakan satu server sehingga dapat menangani lebih
server. Untuk menambahkan banyak data. NoSQL
skala, Anda dapat menggunakan hardware berbiaya rendah.
menambahkan RAM atau CPU Ini membuatnya lebih mudah
atau SSD yang mengakibatkan untuk upscale karena jumlah data
bertambahnya biaya bertambah dan basis data NoSQL bisa
untuk upscale SQL. Hal menjadi jauh lebih besar dibandingkan
 tersebut merupakan cara satu- dengan basis data SQL yang hanya
satunya untuk dapat bergantung pada satu server.
meningkatkan kapasitas server
agar dapat menyimpan lebih
banyak data.

Dengan catatan, banyak

pengembangan tambahan yang
membuat basis data SQL juga
mampu lebih dari skala
vertikal.
Kapasitas Karena terbatasnya Di sisi lain, basis data NoSQL dapat
Volume penyimpanan, basis data SQL menangani volume data yang lebih tinggi
Data akan mengalami kapasitas data karena dapat mendistribusikan data-data
yang penuh. Satu server hanya tersebut ke ribuan server yang terhubung.
dapat menampung data Untuk sebuah organisasi/perusahaan yang
sebelum mencapai kapasitas perlu menyimpan data tidak terstruktur
maksimumnya. Membeli dalam jumlah besar, basis data NoSQL
server yang semakin besar, adalah pilihan yang jelas.
menjadikan SQL menjadi basis
data yang tergolong mahal
apabila ingin memiliki
kapasitas yang besar.

Aljabar Relasional

Wah, hebat sekali! Perjalanan Anda sudah hampir mendekati

pemberhentian terakhir di modul ini. Setelah sebelumnya Anda
mempelajari data dan basis data, kemudian jenis-jenis data, tipe-
tipe data, perbedaan antara data, dataset, dan basis data, serta
membahas basis data relasional di atas.

Namun, apakah Anda tahu? Bahwa sebenarnya basis data

relasional memiliki hubungan dengan aljabar relasional yang
berasal dari aljabar matematika, lho. Seperti sigma, phi, rho, dan
masih banyak lagi.

Penasaran? Yuk! Simak penjelasannya di bawah ini.

First thing first,relational algebra atau aljabar relasional

merupakan kumpulan operasi terhadap relasi dan setiap operasi
menggunakan satu atau lebih relasi untuk menghasilkan satu
relasi yang baru.

Pada dasarnya, operasi aljabar relasional terdiri dari selection,

projection, cartesian, union, set-difference, dan rename.
Adapun operasi lain yang merupakan turunan aljabar relasional,
yaitu set intersection, theta join, natural-join, outer
join, dan division.

Operasi-operasi di atas terbagi kembali menjadi dua jenis, yaitu

operasi unary dan operasi binary. Simak penjelasannya di bawah
ini.

 Operasi unary terdiri dari selection, projection. Ia disebut

operasi unary karena dapat digunakan hanya pada satu
tabel.
 Operasi binary terdiri dari union, intersection, set
difference, cartesian product, join, dan division. Ia disebut
operasi binary karena memerlukan pasangan/kumpulan
tabel.

Nah, di kelas dasar ini Anda hanya akan mempelajari terkait

operasi unary yang hanya terdiri
dari selection dan projection. Namun, jangan khawatir! Anda
akan mempelajari operasi binary dengan operasi-operasi lainnya
dalam pembahasan kelas selanjutnya.

Oh, iya! Perlu Anda ketahui bahwa setiap operasi aljabar

relasional menghasilkan relasi baru. Sebagaimana yang
disebutkan sebelumnya bahwa relasi terdiri dari beberapa kolom
dan beberapa baris. Relasi menggambarkan beberapa atribut
atau entitas-entitas di dalamnya. Nah, masing-masing operator
tersebut beroperasi pada satu relasi atau lebih atau
menghasilkan relasi-relasi lain sebagai hasil.

Mari kita simak operasi yang pertama, yaitu selection di bawah

ini.

Operasi Selection
Selection atau select () adalah operasi untuk menyeleksi tupel-
tupel yang memenuhi suatu predikat. Kita dapat menggunakan
operator perbandingan (<,>,>=,<=,=,#) pada predikat.

Pada dasarnya, operasi selection atau select ini berasal dari

persamaan sederhana matematika yang diaplikasikan untuk
kebutuhan query yang memiliki lambang sigma ().

Beberapa predikat dapat dikombinasikan menjadi predikat

majemuk (banyak) menggunakan penghubung AND (Λ) dan OR
(V).

Keterangan:

dibaca sigma.

disebut selection predicate (yang menentukan pemilihan),

yaitu formula dari kalkulus perbandingan yang berisi terms yang
dihubungkan oleh ^ (and), v (or), ~ (not).

Setiap term merupakan salah satu dari

<atribut> op <atribut> or <konstanta>

atau
<atribut> op <atribut>

dengan op salah satu dari =, >= , >, <= , <, atau #.

Contoh: “Denpasar, Bali” Nusa Penida

Simak penjelasan di bawah ini agar Anda lebih memahami

operasi selection.

Contoh: Dilakukan operasi dari = Alun-Alun Bandung pada tabel

destinasi sebagai berikut.
Dalam bentuk kalimat sehari-hari: “Pilih informasi dari tabel
destinasi, dimana asalnya (DARI) Alun-Alun Bandung”.

Hasilnya: suatu relasi dengan tupel-tupel yang memiliki jenis

sama dengan alun-alun bandung.
Operasi Projection
Projection atau project adalah operasi untuk memperoleh kolom-
kolom tertentu. Operasi project termasuk dalam
operasi unary yang mengirim relasi argumen dengan kolom-
kolom tertentu. Sebab relasi himpunan, baris-baris duplikasi
dihilangkan.

Keterangan:

dibaca phi.

Hasil dari notasi tersebut adalah suatu tabel dengan atribut yang
tercantum pada daftar nama atribut pada operasi.

Contoh: Dilakukan operasi NO ID, NAMA, TOTAL HARGA pada

tabel sirkulasi di bawah ini.
Dalam bentuk kalimat sehari-hari: “Pilih dari tabel sirkulasi,
tampilkan hanya informasi NO ID, NAMA, dan TOTAL HARGA”
Jadi, hasilnya adalah seperti berikut.

Bagaimana sekarang? Apakah sampai sini Anda sudah paham?

Apabila masih belum paham, Anda bisa bertanya di Forum
Diskusi, ya. See you there!

Entity Relationship Diagram (ERD)

Entity Relationship Diagram (ERD) merupakan salah satu teknik
dalam merancang basis data. Dalam mempelajari ERD ada tiga
hal yang perlu diketahui, yang pertama yaitu entity.
Entity adalah terkait suatu objek/kejadian yang akan dicatat dan
disimpan. Misalnya, dalam contoh yang termasuk dalam entity di
antaranya penumpang, destinasi, masinis.
Satu entity merepresentasikan satu objek, yang berarti satu
penumpang. Lalu, kumpulan dari nama penumpang
disebut entity set atau kumpulan objek-objek yang serupa.

Kedua, yaitu atribut atau properti, hal-hal yang mencirikan suatu

objek. Contoh, apabila objeknya penumpang, atributnya bisa
berupa nama, jenis kelamin, nomor induk keluarga.

Terakhir adalah relasi, yaitu hubungan

antara entity dengan entity atau objek dengan objek, contohnya
satu penumpang hubungannya dengan satu masinis, ia
disebut relationship set.

Perlu digarisbawahi bahwa relasi di sini berbeda dengan relasi

yang terdapat pada basis data. Agar lebih jelas, simak
penjelasannya pada gambar di bawah ini agar Anda lebih paham
dengan konsep ERD.

Setiap entity dilambangkan dengan bentuk persegi panjang.

Pada diagram tersebut, entity satu adalah penumpang yang
terdiri dari beberapa atribut yang dilambangkan oleh bentuk
oval, yaitu nama, jenis kelamin, dan nomor induk keluarga.

Pada lambang kedua merupakan entity kedua yang

merepresentasikan destinasi dengan atribut kode booking,
keberangkatan, dan tujuan. Entity satu dan entity dua
dihubungkan oleh relasi atau relationship yang digambarkan
dengan bentuk belah ketupat. Bentuk belah ketupat adalah
representasi dari relasi atau relationship antar kedua diagram
tersebut.

Satu hal yang perlu ditekankan pada bagian relasi tersebut

adalah “Apakah hubungan antara kedua diagram?” Jawabannya
dapat Anda tulis pada diagram tersebut.

Nah, setelah menentukan hubungan antar diagram tersebut, hal

lain yang harus diperhatikan adalah Anda perlu
menentukan primary key dan foreign key yang akan dibahas
pada modul berikutnya.

Bagaimana? Apakah sampai sini sudah paham? Apabila Anda

masih belum paham, Anda bisa bertanya di Forum Diskusi,
ya. See you there!

Rangkuman Pengenalan Data dan Basis

Data
Menurut Kamus Besar Bahasa Indonesia, data merupakan
keterangan yang benar dan nyata.

Menurut kamus Cambridge, data adalah informasi, terutama

fakta atau angka, dikumpulkan untuk diperiksa dan
dipertimbangkan serta digunakan untuk membantu pengambilan
keputusan atau informasi dalam bentuk elektronik yang dapat
disimpan dan digunakan oleh komputer.

Tata Sutabri dalam buku Konsep Sistem Informasi: Data adalah

kenyataan yang menggambarkan suatu kejadian serta
merupakan suatu bentuk yang masih mentah dan belum dapat
bercerita banyak sehingga perlu diolah lebih lanjut melalui suatu
model untuk menghasilkan informasi.

Data Kualitatif

Menurut Sugiyono (2014), data kualitatif adalah data yang

berbentuk kata, skema, dan gambar. Data kualitatif didapatkan
dari metode penelitian yang berlandaskan filsafat.
Data Kuantitatif

Data kuantitatif merupakan data yang dinyatakan dalam bentuk

angka. Data ini bisa didapatkan dari hasil pengukuran atau
observasi yang memerlukan instrumen jumlah data yang banyak
dan tidak terlalu detail terhadap hasil pengukuran tersebut.

Jenis-Jenis Data

Data terstruktur adalah salah satu jenis data yang disusun dengan
rapi dan diatur sedemikian rupa sehingga memiliki format atau
Data bentuk yang tetap.
Terstruktur
Seperti namanya, data tidak terstruktur bahwa data ini tidak
memiliki struktur yang beraturan.
Data Tidak
Terstruktur
Data Semi Data semi terstruktur adalah data dengan bentuk yang tidak dikenal.
Terstruktur
Data numerik adalah data yang berwujud angka yang bisa didapat
dari sebuah pengukuran. Misal, ukuran tinggi badan, berat badan,
Data Numerik dan tekanan darah kita.
Data kategorikal merupakan data yang dapat dikelompokkan dan
terbagi berdasarkan karakteristik atau ciri khasnya masing-masing.
Data
Kategorikal

Tipe-Tipe Data

 Integer: Integer (Int) merupakan tipe data berbentuk

bilangan bulat atau numerik yang umumnya digunakan
untuk menyimpan angka tanpa komponen pecahan. Tipe
data ini mencakup semua bilangan bulat baik yang positif
maupun negatif dengan range tertentu.
 Character: Karakter merupakan tipe data yang
dimanfaatkan untuk menyimpan satu huruf, angka, tanda
baca, simbol, atau spasi kosong.
 Boolean: Tipe data ini mewakili nilai yang benar dan salah
dalam data.
 Array: Tipe data ini digunakan untuk menyimpan sejumlah
elemen dari urutan tertentu dan biasanya berasal dari tipe
yang sama.
  String: Ini merupakan tipe data yang paling umum
digunakan untuk menyimpan teks. Selain itu, string juga
dapat menyertakan angka dan simbol, tetapi ia akan selalu
diperlakukan sebagai teks.
 Float: Tipe data numerik yang digunakan untuk menyimpan
angka yang mungkin memiliki komponen pecahan.

Data, Dataset, Basis Data

Dataset Basis Data

Dataset adalah kumpulan data yang Basis data adalah kumpulan data yang diatur dan
diatur dalam format tertentu, disimpan dengan cara yang memungkinkan akses
seperti spreadsheet, CSV, atau dan pengambilan yang mudah. Ia dapat
basis data. menyimpan berbagai macam tipe data, termasuk
teks, nomor, gambar, dan tipe data lainnya.
Dapat menjadi bagian dari data Dapat memiliki banyak kumpulan data dan dapat
yang diambil dari basis data yang digunakan untuk aplikasi yang berbeda.
lebih besar. Bisa juga, dataset
diambil dari sumber lain yang
mendukung formatnya.
Contoh tools: Google Spreadsheet, Contoh tools: BigQuery, MySQL, DB Browser
Excel, Public Datasets, dll. SQL, dll.

Basis Data Relasional

Basis data relasional pada dasarnya adalah cara menyusun

informasi dalam tabel, baris, dan kolom atau kumpulan item data
dengan hubungan yang telah ditentukan sebelumnya.

Istilah-istilah dalam basis data relasional sebagai berikut.

1. Relasi
Relasi atau tabel terdiri dari beberapa kolom dan beberapa
baris. Relasi menggambarkan beberapa atribut atau entitas-
entitas di dalamnya.

2. Derajat
Derajat merupakan jumlah atribut dalam sebuah relasi.

3. Tupel
Baris pada sebuah relasi.
 4. Kardinalitas
Jumlah tupel dalam sebuah relasi. Tiap-tiap baris tentunya
memiliki atribut yang sejenis.

Aljabar Relasional

Relational Algebra atau aljabar relasional merupakan kumpulan

operasi terhadap relasi di mana setiap operasi menggunakan
satu atau lebih relasi untuk menghasilkan satu relasi yang baru.

Pada dasarnya, operasi Aljabar relasional terdiri dari selection,

projection, cartesian, union, set-difference, dan rename.

Adapun operasi lain yang merupakan turunan aljabar relasional

yaitu set intersection, theta join, natural-join, outer
join, dan division.

Entity Relationship Diagram (ERD)

Entity Relationship Diagram (ERD) merupakan salah satu teknik

dalam merancang basis data yang terdiri dari tiga hal, di
antaranya entity, atribut/properti, dan relasi.