1. SEJARAH PERKEMBANGAN BASIS DATA
Sejak tahun 1960-an penggunaan basis data sudah digunakan untuk bidang komersial, dimana
pemrosesan file-nya masih berbasis manajemen file tradisional. Perkembangan komputer yang
semakin pesat diikuti dengan perkembangan perangkat lunak untuk aplikasi bisnis, sejak tahun
1970-an sampai awal tahun 1980 manajemen berbasis file tradisional berkembang menjadi
manajemen basis data.
Di dalam manajemen basis data dikenal berbagai model data yang dapat digunakan untuk
mendeskripsikan sebuah data dalam merancang suatu basis data. Manajemen ini memungkinkan
banyak user untuk mengakses data secara bersamaan sehingga fasilitas yang dimiliki oleh
manajemen sudah semakin banyak yaitu fasilitas pemanipulasian data, kontrol konkurensi data,
recovery data, keamanan data dan didukung dengan fasilitas komunikasi data karena manajemen
ini sudah terhubung dengan suatu jaringan .
Perkembangan dunia usaha semakin meningkat ditunjang dengan perkembangan komunikasi
yang mempermudah organisasi atau perusahaan untuk mengakses data, sehingga mengubah
manajemen basis data menjadi manajemen basis data tingkat lanjut didukung dengan fasilitas
data warehousing dan fasilitas basis data berbasis web sebagai salah satu strategi organisasi
dalam meningkatkan kinerja dan keuntungan organisasi.
Perkembangan komputer yang semakin pesat diikuti dengan perkembangan perangkat lunak
untuk aplikasi bisnis, sejak tahun 1970-an sampai awal tahun 1980 manajemen berbasis file
tradisional berkembang menjadi manajemen basis data. Di dalam manajemen basis data dikenal
berbagai model data yang dapat digunakan untuk mendeskripsikan sebuah data dalam merancang
suatu basis data. Manajemen ini memungkinkan banyak user untuk mengakses data secara
bersamaan sehingga fasilitas yang dimiliki oleh manajemen sudah semakin banyak yaitu fasilitas
pemanipulasian data, kontrol konkurensi data, recovery data, keamanan data dan didukung
dengan fasilitas komunikasi data karena manajemen ini sudah terhubung dengan suatu jaringan .
Perkembangan dunia usaha semakin meningkat ditunjang dengan perkembangan komunikasi
yang mempermudah organisasi atau perusahaan untuk mengakses data, sehingga mengubah
manajemen basis data menjadi manajemen basis data tingkat lanjut didukung dengan fasilitas
data warehousing dan fasilitas basis data berbasis web sebagai salah satu strategi organisasi
dalam meningkatkan kinerja dan keuntungan organisasi. Data Collection and Database Creation
(1960s and earlier).
Database Management Systems (1970s – early 1980s)
Hierarchical and Network Database Systems
Relational Database Systems
Data modeling tools : entity relationship model, etc
Indexing and data organization techniques : b+ tree, hashing, etc
Query language : SQL, etc
User interface, forms, and reports
Query processing and query optimizaztion
Advance Database Systems (mid-1980s-present)
Advance data models : extended relational, object oriented, object relational, deductive
Application oriented : spatial, temporal, multimedia, active, scientific, knowledge bases, Web-
Based Database Systems (1990s – present)
XML-based database systems
Web mining Data Warehouse and Data Mining (late 1980s – present)

2. Data warehouse and OLAP technology
Data mining and knowledge discovery
A. Data Warehousing
Konsep Data Warehousing
Konsep dasar dari data warehousing adalah informasi yang dikumpulkan dalam suatu gudang
penyimpanan dan merepresentasikan solusi untuk pengaksesan data didalam sistem non
relasional. Sehingga data warehousing dapat disebut sebagai database yang berorientasi pada
subyek, terintegrasi, mempunyai Time Variant dan non-valitile
Empat Karakteristik Data Warehouse
• Subject oriented: Aplikasi untuk operasi perusahaan (operational system) berorientasi pada
proses (mengotomasi fungsi-fungsi dari proses bersangkutan – function oriented). Misalnya di
bank, aplikasi kredit mengotomasi fungsi-fungsi: verifikasi lamaran dan credit checking,
pemeriksaan kolateral, approval, pendanaan, tagihan, dan seterusnya. Didalam data warehouse
data-data yang dihasilkan dari proses kredit ini, diatur kembali (dikelompokkan) dan
diintegrasikan (digabung) dengan data-data dari fungsi-fungsi lain, agar berorientasi pada
misalnya nasabah dan produk.
• Integrated: Data dari macam-macam aplikasi transaksi (untuk bank misalnya: tabungan,
kredit,rekening koran) semua mengandung data nasabah, ada yang sama ada yang spesifik (yang
sama misalnya: nama dan alamat, yang spesifik misalnya: untuk kredit ada kolateral, untuk
rekening Koran ada overdraft) – didalam data warehouse data-data yang sama harus
diintegrasikan disatu database, termasuk misalnya diseragamkan formatnya (sederhana tetapi
paling sering terjadi – aplikasi-aplikasi sering dibeli vendor berbeda, dibuat dengan/dijalankan di
teknologi berbeda-beda).
• Time variant: Data warehouse menyimpan sejarah (historical data). Waktu merupakan tipe atau
bagian data yang sangat penting didalam data warehouse. Didalam data warehouse sering
disimpan macam-macam waktu, seperti waktu suatu transaksi terjadi/dirubah/dibatalkan, kapan
efektifnya,kapan masuk ke komputer, kapan masuk ke data warehouse; juga hampir selalu
disimpan versi,misalnya terjadi perubahan definisi kode pos, maka yang lama dan yang baru ada
semua didalam data warehouse kita. Sekali lagi, data warehouse yang bagus adalah yang
menyimpan sejarah.
• Non-volatile: Sekali masuk kedalam data warehouse, data-data, terutama data tipe transaksi,
tidak akan pernah di update atau dihapus (delete) Terlihat, bahwa keempat karakteristik ini saling
terkait – kesemuanya harus diimplementasikan agar suatu data warehouse bisa efektif memiliki
data untuk mendukung pengambilan-keputusan. Dan,implementasi keempat karakteristik ini
membutuhkan struktur data dari data warehouse yangberbeda dengan database sistem
operasional.
Keuntungan dari Data Warehousing
1. Hasil yang diperoleh dari investasi lebih tinggi
2. Kompetitif
3. Meningkatkan produktivitas perusahaan
Jenis database yang tersimpan di dalam media penyimpanan data berdasarkan
penggunaan data :

3. • Database yang memiliki data sering di-update disebut data OLTP (Online Transaction
Processing). Data OLTP sering juga disebut data operasional, mencerminkan sifat aplikasi
database yang dinamik.
• Database yang memiliki data sering digunakan untuk query disebut DSS (Decision Support
System). Data DSS sering disebut data analitikal, mencerminkan sifat aplikasi database yang
relatif statik.
Data Operasional Data DSS
. Berorientasi pada aplikasi : data digunakan untuk proses bisnis. Sebagai contoh : sistem
perbankan dengan fileterpisah yang sudah dalam bentuk normal untuk setiap proses bisnis.
• Berorientasi pada subyek : data digunakan untuk subyek bisnis, misalinformasi nasabah. Data
dalam bentuk denormalisasi dimana sebuah record dapat meliputi keseluruhan proses bisnis.
• Data terperinci Data ringkas Struktur statik Struktur dinamik Target operator komputer Target
pengambil keputusan pada seluruh tingkatan Volatile (data dapat diubah) Non volatile (data tidak
bisa diubah setelah dimasukkan) Kebutuhan data selalu diketahui sebelum rancangan system
Kebutuhan data sama sekali tidak diketahui sebelum rancangan system Mengikuti siklus hidup
pengembangan klasik dimana iterasi rancangan diselesaikan melalui normalisasi data, dan
memeriksa kebutuhan pemakai Siklus hidup pengembangan sama sekali berbeda, dimana
pemakai menggunakan aplikasi struktur data yang ada dan membuat rancangan siap untuk
dianalisis Performansi penting karena jumlah pemakai konkuren sangat besar dalam mengakses
data Masalah performansi lebih longgar Karena jumlah pemakai jauh lebih sedikit dalam
mengakses data sehingga tidak ada masalah konkuren yang perlu diperhatikan. Penggerak-
transaksi (Transaction-driven) Penggerak-analisis (Analysis-driven) Data harus selalu tersedia
untuk pemakai akhir (back up dan recovery harus terencana dengan baik) Tidak mempunyai
tingkat kebutuhan ketersediaan data yang sama (perencanaan back up dan recovery lebih
longgar) Mencerminkan situasi mutakhir Mencerminkan nilai historis.
B. Data Mart
Untuk mencapai suatu data warehouse kelihatannya merupakan suatu tantangan besar dan
memang demikian. Bahkan begitu besarnya sehingga beberapa pakar menyarankan pendekatan
yang lebih sederhana yaitu menerapkan sesuatu yang dinamakan data mart. Data mart adalah
database yang berisikan data yang menjelaskan satu segmen operasi perusahaan. Misalnya
perusahaan mungkin memiliki data mart pemasaran, data mart smberdaya manusia, dsb.
C. Data Mining
Istilah yang sering digunakan bersama-sama dengan data warehouse dan data mart adalah data
mining. Data mining adalah proses menemukan hubungan dalam data yang tidak diketahui oleh
pemakai. Data mining membantu pemakai dengan mengungkapkan berbagai hubungan dan
menyajikannya dengan suatu cara yang dapat dimengerti sehingga dapat menjadi dasar
pengambilan keputusan. Data mining memungkinkan pemakai “menemukan pengetahuan” pada
database yang dalam sepengetahuannya tidak ada. Contoh Data Mining : Sebuah bank telah
memutuskan untuk menawarkan reksadana kepada para pelanggannya. Manajemen bank ingin
mengarahkan materi promosi pada segmen pelanggan yang memberikan potensi bisnis terbesar.

4. Data Mining Berdasarkan Verifikasi.
Pendekatan yang dilakukan oleh para manajer adalah mengidentifikasi karakteristik yang mereka
yakin dimiliki oleh pasar sasaran. Misalkan para manajer ingin mengarah pada pasangan muda,
berpenghasilan ganda, dan kaya. Query dapat dimasukkan ke dalam DBMS, dan catatan yang
tepat dapat dipanggil. Pendekatan yang seperti itu, yang mulai dengan hipotesis pemakai tentang
bagaimana data tersebut terstruktur, disebut data mining berdasarkan verifikasi (verification-
driven data mining). Kekurangan pendekatan ini adalah proses pemanggilan kembali diarahkan
sepenuhnya oleh pemakai. Informasi yang dipilih tidak lebih baik daripada pandangan pemakai
terhadap data tersebut. Ini merupakan cara tradisional untuk bertanya pada database.
Data Mining Berdasarka Penemuan.
Pendekatan lain memungkinkan sistem data mining mengidentifikasi pelanggan terbaik untuk
promosi tersebut. Sistem itu menganalisis database, mencari kelompok-kelompok dengan
karakteristik umum. Dalam contoh bank, sistem data mining mungkin mengidentifikasi bukan
hanya kelompok pasangan muda lulusan universitas tetapi juga pasangan yang sudah pensiun
yang bergantungpada jaminan sosial dan pensiun. Sistem data mining dapat melaksanakan
analisis selangkah lebih jauh, dengan merekomendasikan satu set promosi yang diarahkan pada
kedua kelompok tersebut.
• Kombinasi Data Mining Verifikasi dan Penemuan.
Perkembangan data mining di masa depan akan mengkombinasikan pendekatan hipotesis
danpenemuan.erkembangan ini menggunakan penalaran yang sama yang mendasari konsep
Sistem Pendukung Keputusan (Decision SupportSystem – DSS). Konsep tersebut
memungkinkan pemakai dan computer bekerja sama untuk memecahkan suatu masalah. Pemakai
menerapkan keahliannya dalam hal masalah, dan komputer melakukan analisis data yang
canggih untuk memilih data yang tepat dan menempatkannya dalam format yang tepat untuk
pengambilan keputusan.
.• 1960, Dunia komputerisasi membuat aplikasi individu yang digunakan pada file utama.
General mill mulai mengembangkan istilah dimensi dan fakta.
• 1970, IRI menyediakan database dimensi untuk pembeli eceran, tahun untuk memperbaiki,
mengembangkan dan mencocokan dengan hardware yang dimiliki.
• 1983, DBMS diperkenalkan untuk mengambil keputusan.
• 1988, Barry dan Paul mempublikasikan karyanya tentang Arsitektur Bisnis dan Sistem
Informasi.
• 1990, memperkenalkan tool DBMS sebagai alat untuk datawarehouse.
• 1990-sekarang, banyak bermunculan buku-buku datawarehouse dan aplikasi-aplikasi
datawarehouse.
Tujuan Akhir menggunakan Datawarehouse
• Menyediakan data organisasi yang mudah diakses oleh manager.
• Data yang berada di datawarehouse bersifat konsisten, dan merupakan kebenaran.
• Datawarehouse merupakan tempat, dimana data yang telah digunakan di publikasikan.
• Kualitas data di datawarehouse dapat diandalkan.
D. ORDBMS: ORDBMS (Object Relational Database Management System)

5. Penggunaan teknologi RDBMS pada awalnya sangat dominan, tetapi dikarenakan fasilitas–
fasilitas yang ada pada RDBMS tidak lagi sesuai dengan aplikasi tingkat lanjut, maka RDBMS
digantikan dengan OODBMS. Pada OODBMS terdapat banyak sekali bentuk-bentuk object
oriented seperti metode encapsulation, inheritance, polymorphism, dll.Model data relasional
lanjutan tidak hanya ada satu , tetapi terdapat berbagai macam model data, dimana karakteristik
dan tingkat kebutuhan data yang telah dibuat. Bagaimanapun semua model data yang akan
digunakan mengacu pada konsep objek dan mempunyai kemampuan untuk menyimpan data di
dalam database. Berbagai macam terminologi yang digunakan untuk sistem model relasional
tingkat lanjut yaitu ERDBMS. Tapi sekarang ini untuk system berbasis objek dapat digunakan
OODBMS. Inti dari kinerja RDBMS yaitu ada pada optimasi queri-nya dan juga pengetahuan
mengenai bagaimana mengeksekusi fungsi dari user-define secara efisien, mengambil
keuntungan dari pengindeksan pada struktur yang baru, memetakan queri dengan cara baru, dan
menavigasi antara data menggunakan referensi data. Penggunaan OODBMS untuk suatu
organisasi yang sangat besar dan universal tidak lagi sesuai sehingga untuk mendukung kinerja
dari organisasi tersebut dibutuhkan suatu ORDBMS (Objeck Relational Database Management
System). ORDBMS memiliki fasilitas untuk mendefinisikan data yang kompleks,
menspesialisasikan struktur indeks dibutuhkan untuk mengefisienkan pengambilan data.
ORDBMS digunakan untuk dua sampai tiga
dimensional data.
C. Active database
Basis data aktif yang juga disebut Active Database adalah suatu sistem basis data yang tidak
hanya menyimpan data tetapi juga dapat melakukan suatu aksi tertentu terhadap sebuah event
dengan menambahkan suatu elemen dinamis dan memiliki kemampuan memantau event untuk
mendeteksi ketika data tertentu dimasukkan, dihapus, diubah, atau dipilih kemudian secara
otomatis mengeksekusi suatu aksi sebagai respon dari event yang terjadi dan kondisi tertentu
terpenuhi. Basis data aktif merupakan aspek prosedural dari keseluruhan lingkungan yang
dikelola oleh basis data dan terdeklarasi eksplisit. Basis data aktif merupakan kombinasi dari
basis data statis tradisional dan active rules , yang berarti mekanisme secara otomatis untuk
memelihara integritas data dan memberi fasilitas dalam memperlengkapi fungsionalitas basis
data. Beberapa hal yang perlu diperhatikan yang menjadi sifat dari tingkah laku rule dalam
sebuah basis data aktif yaitu :
1.Termination, suatu eksekusi dari aksi dapat menyebabkan terjadinya event yang lain dan bisa
jadi event ini merupakan rule lain yang dijalankan. Apabila tidak ada suatu kondisi terminal,
maka hal ini akan terus berulang menjadi loop tanpa akhir.
2. Priority, jika beberapa rule di-trigger oleh event yang sama, maka harus dieksekusi
berdasarkan urutan rule-nya.
3 Error handling, jika eksekusi dari rule menghasilkan error maka sistem harus bisa menangani.
Basis data aktif sebagai basis data dengan rule memiliki beberapa ciri-ciri tertentu, yaitu:
1. Secara alami bersifat algoritmik,
2. Kondisi yang ditetapkan adalah data pengguna
3. Deskripsi kerjanya adalah mengubah dan meng-query data oleh pengguna sesuai dengan rule
yang dijalankan
4. Output yang ditentukan secara lengkap oleh spesifikasi dari query/perubahan yang dilakukan.
Fasilitas-fasilitas yang dimiliki oleh basis data aktif antara lain logika pengolahan ada di dalam
database dan dikelola oleh DBMS dan tidak dikelola oleh program aplikasi, bentuk monitoring
event dan kondisi yang mempengaruhi data disediakan oleh DBMS, serta sarana untuk men-

6. trigger logika ada di dalam DBMS.
Perbedaan Basis Data Aktif dan Pasif
Sistem basis data konvensional disebut basis data pasif dalam arti manipulasi data bisa
dijalankan oleh database hanya dengan perintah yang diberikan langsung oleh pengguna atau
program aplikasi yang terletak di luar basis data. Sedangkan basis data aktif merupakan
pengembangan dari database yang memindahkan sifat reactive program ke dalam database.
Salah satu contoh fungsi yang secara efisien dapat dilakukan oleh basis data aktif, akan tetapi di
dalam basis data pasif harus diprogram di dalam aplikasi adalah integrity constraint dan triggers.
Basis data pasif memiliki keterbatasan untuk mengontrol bentuk-bentuk integrity constraint
seperti adanya data tertentu yang harus memenuhi nilai unik atau beberapa data yang harus berisi
keterhubungan dengan data lain. Selain itu pada penggunaan triggers pada basis data pasif, jika
terjadi perubahan pada konstrain atau triggers itu sendiri maka harus bisa menemukan dan
memodifikasi program atau kode yang relevan di setiap aplikasi. Sedangkan pada basis data
aktif, memiliki kemampuan untuk mengontrol integrity constraint pada keseluruhan database dan
penggunaan triggers yang mampu menjalankan suatu aksi ketika mendeteksi suatu kejadian
tertentu tanpa mencari kode-kode yang relevan pada program aplikasi untuk ikut diubah.
Arsitektur Basis Data
Arsitektur basis data aktif yang sering digunakan termasuk dalam sistem arsitektur berlapis (
layered architecture ) dimana semua komponen basis data aktif terletak “di atas” basis data
konvensional. Pada sistem arsitektur ini, basis data konvensional bisa diubah menjadi basis data
aktif tanpa perlu memodifikasi basis data pasif secara keseluruhan. Bentuk dari arsitektur basis
data pasif.
Komponen Pembangun Basis Data Aktif
Basis data aktif dibangun dengan masih memiliki kemampuan atau fasilitasfasilitas dari basis
data pasif, seperti konkurensi, query language, konstrain. Hanya saja pada basis data aktif lebih
menekankan pada fungsi-fungsi tertentu yang mampu memberikan mekanisme yang sangat kuat
dengan input atau event yang sederhana tapi bisa melakukan perubahan yang sangat besar secara
otomatis
Client/Server
Dengan makin berkembangnya teknologi jaringan komputer, sekarang ini ada kecenderungan
sebuah sistem yang menggunakan jaringan untuk saling berhubungan. Dalam jaringan tersebut,
biasanya terdapat sebuah komputer yang disebut server, dan beberapa komputer yang disebut
client. Server adalah komputer yang dapat memberikan service ke server, sedangkan client
adalah komputer yang mengakses beberapa service yang ada di client. Ketika client
membutuhkan suatu service yang ada di server, dia akan mengirim request kepada server lewat
jaringan. Jika request tersebut dapat dilaksanakan, maka server akan mengirim balasan berupa
service yang dibutuhkan untuk saling berhubungan menggunakan Socket.
Pengertian Client Server
Client-Server adalah arsitektur jaringan yang memisahkan client(biasanya aplikasi yang
menggunakan GUI ) dengan server. Masing-masing client dapat meminta data atau informasi
dari server.
Karakteristik Server

7. 1. Pasif
2. Menunggu request
3. Menerima request, memproses mereka dan mengirimkan balasan berupa service
Karakteristik Client
1. Aktif
2. Mengirim request
3. Menunggu dan menerima balasan dari server
Socket adalah sebuah endpoint untuk komunikasi didalam jaringan. Sepasang proses atau thread
berkomunikasi dengan membangun sepasang socket, yang masing-masing proses memilikinya.
Socket dibuat dengan menyambungkan dua buah alamat IP melalui port tertentu. Secara umum
socket digunakan dalam client/server system, dimana sebuah server akan menunggu client pada
port tertentu. Begitu ada client yang menghubungi server maka server akan menyetujui
komunikasi dengan client melalui socket yang dibangun.
Sebagai contoh sebuah program web browser pada host x (IP 146.86.5.4) ingin berkomunikasi
dengan web server (IP 152.118.25.15) yang sedang menunggu pada port 80. Host x akan
menunjuk sebuah port. Dalam hal ini port yang digunakan ialah port 1655. Sehingga terjadi
sebuah hubungan dengan sepasang socket (146.86.5.4:1655) dengan (152.118.25.15:80). Sistem
client server didefinisikan sebagai sistem terdistribusi, tetapi ada beberapa perbedaan
karakteristik yaitu :
1. Service(layanan)
• Hubungan antara proses yang berjalan pada mesin yang berbeda
• Pemisahan fungsi berdasarkan ide layanannya.
• Server sebagai provider, client sebagai konsumen
2.Sharing resources (sumber daya)
• Server bisa melayani beberapa client pada waktu yang sama, dan meregulasi akses bersama
untuk share sumber daya dalam menjamin konsistensinya.
3.Asymmetrical protocol (protokol yang tidak simetris )
• Many-to-one relationship antara client dan server.Client selalu menginisiasikan dialog melalui
layanan permintaan, dan server menunggu secara pasif request dari client.
4.Transparansi lokasi
• Proses yang dilakukan server boleh terletak pada mesin yang sama atau pada mesin yang
berbeda melalui jaringan.Lokasi server harus mudah diakses dari client.
5.Mix-and-Match
• Perbedaan server client platforms
6.Pesan berbasiskan komunikasi
• Interaksi server dan client melalui pengiriman pesan yang menyertakan permintaan dan
jawaban.
7.Pemisahan interface dan implementasi
• Server bisa diupgrade tanpa mempengaruhi client selama interface pesan yang diterbitkan tidak
berubah.
DATA INDEPENDEN/ DATA INDEPENDENCE

8. Ability/Kemampuan untuk memodifikasi definisiskema pada suatu level tanpa berakibat pada
definisi skema pada level yang lebih tinggi Interface antar level dan komponen harus
didefinisikan dengan baik, sehingga perubahan pada suatu bagian tidak akan berakibat pada
bagian yang lain.
Dua tipe data independence:
Logical data independence
Conceptual / logical schema dapat diubah tanpa perubahan external schema dan application
programs. Perubahan hanya terjadi pada interface, yaitu view definition dan mapping pada
DBMS. Contoh perubahan: penambahan atau pengurangan data item atau perubahan constraints.