Tugas 8 Pert. 13 : Data Modelling
Analisis Perancangan Sistem Informasi - Data Modelling
Apa itu Data Modelling?
Data Modeling merupakan proses pembuatan representasi visual atau cetakan biru yang mendefinisikan sistem pengumpulan dan pengelolaan informasi dari berbagai organisasi. Cetakan biru atau model data ini membantu para pemangku kepentingan, seperti analis, ilmuwan, dan insinyur data, untuk menciptakan pandangan yang terpadu terhadap data organisasi. Model tersebut menjelaskan data yang dikumpulkan oleh bisnis, hubungan antara berbagai set data, serta metode yang akan digunakan untuk menyimpan dan menganalisis data tersebut.
Dalam kata lain, data modeling adalah langkah kunci dalam menggambarkan struktur dan karakteristik data suatu organisasi. Dengan menggunakan model data, organisasi dapat memahami dengan lebih jelas bagaimana data saling berhubungan dan bagaimana data tersebut harus dikelola. Model ini menjadi acuan dalam merancang sistem pengumpulan data yang efisien dan metode analisis yang tepat. Dengan memiliki representasi visual yang jelas, pemangku kepentingan dapat bekerja sama dalam mengembangkan pemahaman yang sama tentang data yang ada dan memastikan bahwa penggunaan data tersebut relevan dan efektif.
Bagaimana dengan Data Modelling pada sebuah perusahaan?
Di tengah perkembangan pesat era digital, perusahaan seperti Netflix telah mengubah cara kita menikmati hiburan. Salah satu faktor utama dalam keberhasilan Netflix adalah penerapan yang efektif dari pemodelan data. Netflix menggunakan model data untuk memahami preferensi pengguna, melacak riwayat penontonan, dan memberikan rekomendasi konten yang relevan. Melalui model data mereka, Netflix dapat memproses dan menganalisis miliaran data yang dihasilkan oleh pengguna setiap harinya, sehingga mampu menyajikan pengalaman personalisasi yang unik.
Sebelum melakukan perancangan conceptual, logical maupun physical, langkah pertama yang perlu dilakukan yaitu membuat DFD (Data Flow Diagram). Berikut penjelasan lebih detail mengenai data modelling dalam konteks layanan streaming video Netflix :
Data Flow Diagram (DFD)
Dapat dilihat bahwa DFD memiliki tujuan memberikan wawasan mendalam mengenai bagaimana aliran data mempengaruhi dan memperkuat pada case yang dihadapi (dalam hal ini Netflix). Dengan menggunakan DFD, kita dapat secara jelas menggambarkan interaksi antara pengguna, konten, dan komponen sistem, membantu kita memahami kompleksitas sistem yang menjadi dasar dari pengalaman menonton yang kita nikmati setiap hari.
Conceptual Data Model (CDM)
Setelah proses pembuatan Diagram Aliran Data (DFD), langkah selanjutnya adalah membuat Conceptual Data Model (CDM). Conceptual Data Model (CDM) merupakan representasi abstrak dari entitas-entitas utama yang terkait dengan bisnis atau sistem yang sedang dianalisis. Model ini membantu kita untuk memahami dengan lebih baik struktur data yang diperlukan untuk mencapai tujuan bisnis yang diinginkan.
Dalam pembuatan Conceptual Data Model (CDM), kita fokus pada pengidentifikasian entitas utama serta hubungan dan keterkaitan antar entitas. Model ini memberikan gambaran yang lebih jelas tentang bagaimana data akan diorganisir dan dihubungkan dalam sistem.
Berikut Conceptual Data Model (CDM) yang menggambarkan layanan Netflix :
Dengan adanya Conceptual Data Model (CDM), kita dapat menggambarkan dengan jelas entitas-entitas penting yang terlibat dan bagaimana mereka saling berhubungan. Hal ini memungkinkan para pemangku kepentingan untuk memiliki pemahaman yang seragam tentang data yang diperlukan dan mengarah pada desain yang lebih efisien dan efektif dari struktur data.
Logical Data Model (LDM)
Setelah pembuatan Conceptual Data Model (CDM), langkah berikutnya dalam proses desain basis data adalah mengembangkan Logical Data Model. Konseptual Data Model memberikan gambaran abstrak tentang entitas-entitas, atribut, dan hubungan dalam sebuah sistem, sedangkan Logical Data Model memberikan pendekatan yang lebih rinci dan terstruktur terhadap implementasi konsep-konsep tersebut.
Dalam Logical Data Model, konsep-konsep yang dijelaskan dalam Konseptual Data Model diterjemahkan menjadi tabel-tabel dan atribut-atribut yang lebih spesifik. Model ini berfokus pada penyusunan struktur data yang efisien dan terstandarisasi, dengan menentukan tipe data, kunci primer, dan kunci asing yang diperlukan 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 skrip SQL atau skema relasional yang akan digunakan dalam pembuatan dan pengelolaan basis data.
Berikut Logical Data Model (LDM) yang menggambarkan layanan Netflix :
Dengan adanya Logical Data Model, pemangku kepentingan dapat memiliki pemahaman yang lebih jelas tentang bagaimana data akan diorganisir dan terhubung dalam basis data yang sebenarnya. Hal ini memastikan konsistensi dan efisiensi dalam pengelolaan data, serta mempermudah pengembangan dan pemeliharaan sistem yang terkait dengan basis data tersebut.
Physical Data Model (PDM)
Setelah proses pembuatan Logical Data Model (LDM), langkah selanjutnya dalam desain basis data adalah Physical Data Modeling (PDM). PDM melibatkan implementasi konsep-konsep dari LDM ke dalam lingkungan fisik basis data yang spesifik.
Dalam Physical Data Modeling, struktur dan komponen dari LDM diterjemahkan menjadi objek-objek fisik seperti tabel, indeks, partisi, dan pengaturan penyimpanan lainnya. PDM mempertimbangkan aspek-aspek teknis seperti pemilihan tipe data yang tepat, penyesuaian performa, dan strategi penyimpanan data untuk mengoptimalkan efisiensi dan kinerja basis data.
PDM juga melibatkan pemetaan relasi dan ketergantungan antara tabel-tabel dalam basis data fisik. Selain itu, model ini berhubungan erat dengan implementasi spesifik dari basis data yang digunakan, seperti MySQL, Oracle, atau SQL Server.
Berikut Physical Model Data (PDM) yang menggambarkan layanan Netflix :
Dengan Physical Data Model, kita dapat merencanakan dan mengimplementasikan struktur basis data secara konkret. Model ini memastikan bahwa LDM yang telah dirancang sebelumnya dapat diimplementasikan dengan benar, dengan mempertimbangkan faktor-faktor fisik dan teknis yang relevan.
PDM memainkan peran krusial dalam merancang dan membangun basis data fisik yang dapat mendukung aplikasi, sistem, atau layanan yang berjalan di atasnya. Dengan memadukan LDM dan PDM, kita dapat menciptakan basis data yang efisien, andal, dan siap digunakan dalam pengelolaan dan analisis data yang sesuai dengan kebutuhan bisnis.
Kesimpulan
Proses pengembangan Diagram Aliran Data (DFD), Conceptual Data Model (CDM), Logical Data Model (LDM), dan Physical Data Model (PDM) dalam konteks perusahaan Netflix memberikan fondasi yang kuat untuk memahami, meng-organisir, dan menganalisis data secara efisien. DFD menggambarkan interaksi yang kompleks antara data dalam platform, CDM memberikan representasi yang abstrak namun jelas tentang entitas dan hubungan data, LDM mendetailkan struktur data dengan presisi menggunakan tabel dan atribut, sementara PDM mengimplementasikan konsep-konsep tersebut ke dalam lingkungan fisik basis data. Melalui proses ini, Netflix dapat memberikan pengalaman menonton yang personal dan relevan kepada pengguna mereka, serta terus mempertahankan kesuksesan sebagai platform hiburan yang inovatif dan populer.
ALAT / TOOLS
Visual Paradigm
Draw.IO
Vertabelo Database Modeler
REFERENCE / REFERENSI
Comments
Post a Comment