Konsep Data

DepartemenTeknik Elektro
FakultasTeknologi Elektro dan Informatika Cerdas
InstitutTeknologi Sepuluh Nopember
Bab 1
Konsep Data (Bagian Pertama)
EE-184405 Probabilitas, Statistik, & Proses Stokastik

Pengantar
• Mahasiswa mampu memahami konsep data, meliputi: data, sumber data,
entity relationship diagram, tipe data dan ukuran.
• Mahasiswa mampu memodelkan data, meliputi model data konsep, model
data logika, dan model data fisik.
• Model data konsep mendefinisikan konsep dan aturan,APA (WHAT) yang ada
dalam sistem.
• Model data logika mendefinisikan BAGAIMANA (HOW) sistem harus
diimplementasikan, untuk mengembangkan peta teknis aturan dan struktur
data.
• Model data fisik menjelaskan BAGAIMANA (HOW) sistem akan
diimplementasikan menggunakan sistem Database Management System
(DBMS).
Pengantar Fakta Konsep Ringkasan Latihan Asesmen

Fakta
Pada jaman sekarang, kebutuhan sistem informasi manajemen
berkembang pesat. Pemodelan data merupakan salah satu tahap dari
sistem informasi manajemen.
Berikut salah dua aplikasi pemodelan data pada paparan ini:
• Pemodelan data pada FRS mahasiswa
• Pemodelan data pada Sistem Navigasi

Definisi Data
• Entity instance – adalah nilai dari entity. Misal
entity mahasiswa instance: mahasiswa dengan
nrp 07111940000175.
• Data item – merupakan nilai data terkecil,
yakni nilai dari satu entity instance pada satu
attribute. Misal entity mahasiswa instance
dengan nrp 07111940000175, pada attribute
nama,WASEDA HIMAWARI adalah
merupakan data item.
• Data record – adalah satu nilai pada seluruh
attribute pada satu entity. Misal entity
mahasiswa pada nrp 07111940000176, dengan
nilai seluruh attributenya: 07111940000176,
MUHAMMAD USAMA SAHAL, dan L.
• Data field – adalah seluruh nilai satu attribute
pada satu entity. Misal entity mahasiswa
dengan attribute nrp.
• Data – adalah seluruh nilai
pada satu entity. Misal seluruh
nilai pada entity mahasiswa

Sumber Data
• Pengumpulan: data yang diperoleh dengan cara
dimasukkan oleh user, misal: frsid, tahunsem,
nilaidosen.
• Perhitungan: data yang diperoleh dengan
perhitungan tertentu, misal: nilaihuruf, nilaiangka,
IPS, IPK.
• Dari sistem: data yang diperoleh dari sistem, misal:
jam, tanggal.
• Dari relasi: data yang diperoleh dari entity lain
dengan hubungan relasi entity tersebut, misal:
mahasiswa_nrp, matakuliah_kodemk, dosen_nip.

Entity Relationship Diagram (ERD)
• ERD merupakan notasi grafis dalam pemodelan data konseptual yang
mendeskripsikan hubungan antara entity/penyimpanan/tables
• ERD digunakan untuk memodelkan struktur data dan hubungan antar data.
• Dengan ERD kita dapat menguji model dengan mengabaikan proses yang
harus dilakukan.
• ERD menjawab pertanyaan seperti :
• Data apa yang diperlukan ?
• Bagaimana data yang satu berhubungan dengan yang lain ?

ERD: Notasi Simbolik Entity Relationship Diagram
entity
atribute
relation
link

ERD: Komponen ERD
• Entitas (Entity)
• Atribut (Attribute)
• Relasi (Relationship)
• Derajat Kardinalitas (Cardinality Degree)
• Penentuan Primary Key

ERD: Entity
• Merupakan obyek yang mewakili sesuatu dalam dunia nyata dan dapat
dibedakan antara satu dengan lainnya (unique).
• Memiliki atribut yang mendeskripsikan karakteristik dari objek tersebut.
• Entity dapat berupa:
• Fisik (mahasiswa, dosen, mobil, rumah, manusia, pegawai dsb)
• Abstrak/konsep (departemen, pekerjaan, mata kuliah dsb)
• Kejadian (pembelian, penjualan, peminjaman, dsb)
• Notasi : Mahasiswa

ERD: Atribut (Attribute)
• Di dalam entity ‘MAHASISWA’ berisi elemen-elemen data (biodata
mahasiswa) yang terdiri atas NRP, NAMA, ALAMAT, dan sebagainya.
• NRP, NAMA, dan ALAMAT disebut dengan atribut (field).

ERD: Relasi (Relationship)
• Relasi adalah penghubung antara satu entity (master file) dengan entity lain
di dalam sebuah sistem informasi. Pada akhirnya, relasi akan menjadi file
transaksi (transaction file) di sistem komputer.
• Contoh relasi yang terjadi pada perpustakaan ITS adalah :
“Mahasiswa meminjam buku,” atau “Mahasiswa mengembalikan buku.”
• Dalam hal ini, Mahasiswa dan Buku adalah entity, sedangkan meminjam dan
mengembalikan adalah transaksi (relasi antara mahasiswa dan buku).

ERD: Macam Relasi
• Unary : relasi dengan 1 entity
• Binary: relasi antara 2 entity
• One-to-one (1:1)
• One-to-many (1:N) atau many-to-one (N:1)
• Many-to-many (M:N)
• Ternary: relasi antara 3 entity atau lebih

ERD: Derajat Kardinalitas (Cardinality Degree)
Hubungan antar entity ditandai pula oleh derajat kardinalitas. Fungsi dari
derajat kardinalitas ini adalah untuk mengetahui derajat kardinalitas pada
masing-masing entity yang terhubung oleh relationship pada ERD tersebut.
Tiga jenis derajat kardinalitas adalah :
• One to one, dilambangkan dengan 1 : 1
• One to many, dan sebaliknya, yang dilambangkan dengan 1 : N dan
sebaliknya
• Many to many, dilambangkan dengan M : M atau M : N

ERD: Penentuan Primary Key
• Di setiap entity di dalam ERD, seharusnya ada atribut (field) yang dipilih
untuk dijadikan kunci utama atribut (primary key/ key field), yaitu atribut
yang dijadikan identity yang menjamin keunikan (tidak ada yang sama) isi
datanya.
• Misalkan, untuk entity mahasiswa dipilih atribut NRP sebagai kunci utama
atributnya karena tidak ada satupun mahasiswa yang memiliki NRP yang
sama.
• Penulisan kunci utama atribut didalam ERD harus dibedakan dengan atribut
lainnya, misalkan dengan pemberian tanda ‘*’ didepan nama atributnya, atau
icon kunci, atau digaris bawahi atributnya.

ERD: Macam key attribute
• Superkey: satu atau gabungan beberapa atribut yang dapat membedakan setiap
baris data dalam sebuah tabel secara unik
• Contoh  Superkey untuk entity mahasiswa:
• NRP, Nama, Alamat, JenisKel, Gaji
• NRP, Nama, Alamat, JenisKel
• NRP, Nama, Alamat
• NRP, Nama
• Nama (jika dapat dijamin kalau tidak ada nama yang sama antara satu baris dengan baris yang lain)
• NRP
• Candidat Key: superkey yang jumlah atributnya paling sedikit
• Contoh  candidat key untuk entity mahasiswa
• Nama (jika dapat dijamin kalau tidak ada nama yang sama antara satu baris dengan baris yang lain)
• NRP

ERD: Macam key attribute
• Primary key: suatu candidat key yang dipilih menjadi kunci utama karena
sering dijadikan acuan untuk mencari informasi, ringkas, menjadi keunikan
suatu baris
• Contoh : NRP antara satu mahasiswa dengan mahasiswa lain pasti berbeda, dalam hal ini
NRP dapat digunakan sebagai primary key
• Foreign key: suatu candidat key entity lain yang dipilih menjadi foreign key
•Contoh : NIP dosen wali dari satu mahasiswa, merupakan foreign key pada entity
mahasiswa, yang berasal dari entity dosen

ERD: Contoh Key Pada Entity Mahasiswa
• Key – pada satu entity, dibutuhkan attribute
dengan data field yang unik. Sehingga setiap data
record menjadi unik juga. Pada entity mahasiswa,
data field yang unik, didapatkan pada attribute nrp.
Karena attribute nama dan jeniskelamin itu bisa
tidak unik.
• Primary Key: attribute dengan data field yang unik
pada satu entity (misal attribute nrp pada entity
mahasiwa), dan harus terisi (Not Null/NN)
• Foreign Key: attribute dengan primary key dari
entity lain, misal attribute dosen_nip pada entity
mahasiswa merupakan foreign key, karena
attribute nip merupakan primary key pada entity
dosen

Tipe Data dan Ukuran
Tipe data meliputi:
• Tipe data numeric
• Tipe data string
• Tipe data datetime

Tipe Data dan Ukuran: Numeric
Tipe data numeric meliputi:
• Tipe integer
• Tipe fixed-point
• Tipe floating-point
• Tipe bit-value

Tipe Data dan Ukuran: Numeric | Integer
Tipe data numeric, tipe integer meliputi:TINYINT, SMALLINT, MEDIUMINT, INT,
BIGINT. Dengan spesifikasi seperti pada tabel berikut:
Type Storage (Bytes) MinimumValue
Signed
MinimumValue
Unsigned
MaximumValue
Signed
MaximumValue
Unsigned
TINYINT 1 -128 0 127 255
SMALLINT 2 -32768 0 32767 65535
MEDIUMINT 3 -8388608 0 8388607 16777215
INT 4 -2147483648 0 2147483647 4294967295
BIGINT 8 -263 0 263-1 264-1

Tipe Data dan Ukuran: Numeric | Fixed-point
Tipe data numeric, tipe fixed-point meliputi: DECIMAL, NUMERIC.
Contoh: salary DECIMAL(5,2)
• Dalam contoh ini, 5 adalah presisi dan 2 adalah skala. Presisi mewakili jumlah
digit signifikan yang disimpan untuk nilai, dan skala mewakili jumlah digit
yang dapat disimpan mengikuti titik desimal.
• DECIMAL (5,2) dapat menyimpan nilai apa pun dengan lima digit dan dua
desimal, sehingga nilai yang dapat disimpan dalam rentang kolom salary dari
-999,99 hingga 999,99.

Tipe Data dan Ukuran: Numerik | Floating-point
Tipe data numeric, tipe floating-point meliputi: FLOAT, DOUBLE.
• Misalnya, kolom yang didefinisikan sebagai FLOAT (7,4) akan terlihat seperti
-999.9999 saat ditampilkan. MySQL melakukan pembulatan saat
menyimpan nilai, jadi jika Anda memasukkan 999.00009 ke dalam kolom
FLOAT (7,4), hasil perkiraannya adalah 999.0001.

Tipe Data dan Ukuran: Numerik | Bit-value
Tipe data numeric, tipe bit-value meliputi: BIT.
• Untuk menentukan nilai BIT, notasi b'value 'dapat digunakan. nilai adalah
nilai biner yang ditulis menggunakan nol dan satu. Misalnya, b'111 'dan
b'10000000' masing-masing mewakili 7 dan 128.
• Jika Anda menetapkan nilai ke kolom BIT (M) yang panjangnya kurang dari M
bit, nilainya diisi di sebelah kiri dengan nol. Misalnya, menetapkan nilai b'101
'ke kolom BIT (6), pada dasarnya, sama dengan menetapkan b'000101‘.

Tipe Data dan Ukuran: String
Tipe data string meliputi:
• Tipe char dan varchar
• Tipe binary dan varbinary
• Tipe blob dan text
• Tipe enum
• Tipe set

Tipe Data dan Ukuran: String | Char
Tipe data string, tipe Char meliputi: CHAR,VARCHAR.
• Tipe CHAR dan VARCHAR serupa, tetapi berbeda dalam cara mereka disimpan dan
diambil. Mereka juga berbeda dalam panjang maksimum dan apakah ruang trailing
dipertahankan.
• Jenis CHAR danVARCHAR dideklarasikan dengan panjang yang menunjukkan
jumlah karakter maksimum yang ingin Anda simpan. Misalnya,CHAR (30) dapat
menampung hingga 30 karakter.
• Tabel berikut mengilustrasikan perbedaan antara CHAR danVARCHAR dengan
menunjukkan hasil menyimpan berbagai nilai string ke dalam kolom CHAR (4) dan
VARCHAR (4).

Tipe Data dan Ukuran: String | Binary
Tipe data string, tipe binary meliputi: BINARY,VARBINARY.
• Tipe BINARY dan VARBINARY mirip dengan CHAR danVARCHAR, kecuali
bahwa mereka menyimpan string biner daripada string non-biner. Artinya,
mereka menyimpan string byte daripada string karakter. Ini berarti mereka
memiliki set karakter biner dan collation, dan perbandingan dan pengurutan
didasarkan pada nilai numerik dari byte dalam nilai.

Tipe Data dan Ukuran: String | Blob danText
Tipe data string, tipe Blob danText meliputi:TINYBLOB, BLOB, MEDIUMBLOB,
dan LONGBLOB;TINYTEXT,TEXT, MEDIUMTEXT, dan LONGTEXT
• BLOB adalah objek besar biner yang dapat menampung sejumlah variabel
data. Keempat jenis BLOB adalahTINYBLOB, BLOB, MEDIUMBLOB, dan
LONGBLOB. Ini berbeda hanya dalam panjang maksimum nilai yang dapat
mereka pegang. Keempat jenis TEXT adalahTINYTEXT,TEXT,
MEDIUMTEXT, dan LONGTEXT.

Tipe Data dan Ukuran: String | Enum
Tipe data string, tipe enum meliputi: ENUM.
• ENUM adalah objek string dengan nilai yang dipilih dari daftar nilai yang
diizinkan yang disebutkan secara eksplisit dalam spesifikasi kolom pada
waktu pembuatan tabel.
• Misal: ENUM ('Mercury,'Venus ',' Earth ').

Tipe Data dan Ukuran: String | Enum

Tipe Data dan Ukuran: String | Set
Tipe data string, tipe set meliputi: SET.
• SET adalah objek string yang dapat memiliki nilai nol atau lebih, yang
masing-masing harus dipilih dari daftar nilai yang diizinkan yang ditentukan
saat tabel dibuat. Nilai kolom SET yang terdiri dari beberapa anggota
ditetapkan ditentukan dengan anggota dipisahkan oleh koma (,).
Konsekuensi dari ini adalah bahwa nilai anggota SET tidak boleh
mengandung koma.
• Misalnya, kolom yang ditentukan sebagai SET (one', ‘two') NOT NULL dapat
memiliki salah satu dari nilai-nilai ini:

Tipe Data dan Ukuran: String | Set

Tipe Data dan Ukuran: String
M menunjukkan panjang kolom yang dinyatakan dalam karakter untuk tipe
string non-biner dan byte untuk tipe string biner.
L mewakili panjang aktual dalam byte dari nilai string yang diberikan.

Tipe Data dan Ukuran: Datetime
Tipe data datetime meliputi:
• Tipe date, datetime, dan timestamp
• Tipe time
• Tipe year

Tipe Data dan Ukuran: Datetime | Date
Tipe data datetime, tipe datetime meliputi: DATE, DATETIME, danTIMESTAMP.
Tipe DATE, DATETIME, danTIMESTAMP terkait. Bagian ini menjelaskan karakteristik
mereka, bagaimana mereka mirip, dan bagaimana mereka berbeda. Untuk deskripsi
rentang DATE dan DATETIME, "didukung" berarti bahwa meskipun nilai sebelumnya
mungkin berfungsi, tidak ada jaminan.
Tipe DATE digunakan untuk nilai-nilai dengan bagian tanggal tetapi tanpa bagian
waktu. MySQL mengambil dan menampilkan nilai DATE dalam format 'YYYY-MM-DD'.
Kisaran yang didukung adalah '1000-01-01' hingga '9999-12-31'.
Tipe DATETIME digunakan untuk nilai yang berisi bagian tanggal dan waktu. MySQL
mengambil dan menampilkan nilai DATETIME dalam format 'YYYY-MM-DD hh: mm:
ss'. Kisaran yang didukung adalah '1000-01-01 00:00:00' hingga '9999-12-31 23:59:59'.
Tipe data TIMESTAMP digunakan untuk nilai yang berisi bagian tanggal dan waktu.
TIMESTAMP memiliki rentang '1970-01-01 00:00:01' UTC hingga '2038-01-19 03:14:07'
UTC (Coordinated UniversalTime).

Tipe Data dan Ukuran: Datetime |Time
Tipe data datetime, tipe time meliputi:TIME.
• MySQL mengambil dan menampilkan nilai TIME dalam format 'hh: mm: ss'
(atau 'hhh: mm: ss' untuk nilai jam besar). NilaiTIME dapat berkisar dari
'-838: 59: 59' hingga '838: 59: 59'. Bagian jam mungkin sangat besar karena
tipeTIME dapat digunakan tidak hanya untuk mewakili waktu sehari (yang
harus kurang dari 24 jam), tetapi juga waktu yang telah berlalu atau interval
waktu antara dua peristiwa (yang mungkin jauh lebih besar dari 24 jam, atau
bahkan negatif).

Tipe Data dan Ukuran: Datetime |Year
Tipe data datetime, tipe year meliputi:YEAR.
• Tipe YEAR adalah tipe 1-byte yang digunakan untuk merepresentasikan nilai
tahun. Ini dapat dinyatakan sebagaiYEAR dengan lebar tampilan implisit 4
karakter, atau setara denganYEAR (4) dengan lebar tampilan eksplisit.
• MySQL menampilkan nilaiYEAR dalam formatYYYY, dengan kisaran 1901
hingga 2155, dan 0000.

DepartemenTeknik Elektro
FakultasTeknologi Elektro dan Informatika Cerdas
InstitutTeknologi Sepuluh Nopember
Bab 1
Konsep Data (Bagian Kedua)
EE-184405 Probabilitas, Statistik, & Proses Stokastik

Pemodelan Data

Pemodelan Data
Tahapan Pemodelan Data:
• Model Data Konsep: mengidentifikasi entity penting dan hubungan
tingkat tinggi antar entity yang berbeda.
• Model Data Logika: mengidentifikasi satu entity mengandung beberapa
attribute yang terkait. Attribute tersebut dapat berperan sebagai
Primary Key, Foreign Key, atau bukan.
• Model Data Fisik: menyatakan entity dalam nama tabel, dan attribute
dalam nama field/column. Setiap field/column mempunyai tipe data
tertentu.

Feature Model Data
Feature Conceptual Logical Physical
Entity Names ✓ ✓
Entity relationship ✓ ✓
Attributes ✓
Primary Keys ✓ ✓
Foreign Keys ✓ ✓
Table Names ✓
Column Names ✓
Column DataTypes ✓
Primary Keys: attribute yang bersifat unik (seperti nip, nrp), dan harus terisi (Not Null/NN)
Foreign Keys: attribute dengan primary key dari entity lain

Integra ITS: FRS Mahasiswa (Konsep)
• Teridentifikasi 4 entities: dosen,
mahasiswa, matakuliah, dan frs
• Teridentifikasi 4 entity relationship:
• Dosen sebagai wali mahasiswa (one-to-
many)
• Mahasiswa mengambil MK dalam frs
(one-to-many)
• Matakuliah yang diambil mahasiswa
dalam frs (one-to-many)
• Dosen mengajar MK dalam frs (one-to-
many)
one
many
Gambar dibuat dengan MySQLWorkbench

Integra ITS: FRS Mahasiswa (Logika)
• Pada entity dosen, terdapat 4 attributes: nip,
namadsn, alamat, hp. Primary key: nip. Indexes: nip
• Pada entity mahasiswa, terdapat 5 attributes: nrp,
namamhs, jeniskelamin, alamat, dosen_nip.
Primary key: nrp. Foreign key: dosen_nip. Indexes:
fk_mahasiswa_dosen_idx, nrp.
• Pada entity matakuliah, terdapat 4 attributes:
kodemk, namamk, sks, kurikulum. Primary key:
kodemk. Indexes: kodemk.
• Pada entity frs, terdapat 8 attributes: frsid,
tahunsem, nilaidosen, nilaihuruf, nilaiangka,
mahasiswa_nrp, matakuliah_kodemk, dosen_nip.
Primary key: frsid. Foreign key: mahasiswa_nrp,
matakuliah_kodemk, dosen_nip. Indexes:
fk_frs_mahasiswa1_idx, fk_frs_matakuliah1_idx,
fk_frs_dosen1_idx, frsid

Integra ITS: FRS Mahasiswa (Fisik)
• Pada model data fisik, entity menjadi table
dan attribute menjadi column/field.
Kemudian setiap column/field mempunyai
data type tertentu.
• Pada table dosen, terdapat 4 columns:
• nip dengan data typeVARCHAR(18),
• nama dengan data typeVARCHAR(45),
• alamat dengan data typeVARCHAR(45),
• hp dengan data typeVARCHAR(15).
• Secara sama, demikian juga pada tables
mahasiswa, matakuliah, dan frs.

Integra ITS: Indeks Prestasi Semester (IPS)
• Pada akhir semester, saat semua pengampu MK telah memasukkan nilai,
mahasiswa dapat mengetahui Indeks Prestasi Semester (IPS).
• 𝐼𝑃𝑆 =
σ 𝑆∗𝑁
σ 𝑆𝐾𝑆
=
16+12+10.5+12+12+14
4+3+3+3+3+4
=
76.5
20
= 3.83
• IPS sama dengan mean dari nilai angka, dimana sks sebagai frekuensinya.

Integra ITS: FRS Mahasiswa (View)
PadaView FRS, terdapat:
• kodemk sebagai data primer,
• namamk sebagai data sekunder (lookup table matakuliah),
• sks sebagai data sekunder (lookup table matakuliah),
• nilaihuruf sebagai data primer hasil konversi nilaidosen,
• S*N sebagai data sekunder hasil perhitungan perkalian sks
dengan nilaiangka (nilaiangka {4, 3.5, 3, 2.5, 2, 1, 0} merupakan
hasil konversi nilaihuruf {A, AB, B, BC, C, D, E}).

Integra ITS: Statistik Satu Mata Kuliah
Pada satu kelas Probabilitas, Statistik,
dan Proses Stokastik dengan 42
mahasiswa, mempunyai statistik:
• Nilai minimum : 40.95
• Nilai maksimum : 96.25
• Rata-rata : 73.92 (3.12)
• Standar deviasi : 10.74

Sistem Navigasi: INS-GPS-Magneto
• Percepatan accelero 𝑎
• Kecepatan sudut gyro 𝜔
• Flux magneto 𝐺 diubah menjadi
orientasi 𝜓 𝑚
• Mekanisasi mengolah 𝑎, 𝜔
menjadi posisi, kecepatan, dan
orientasi 𝑥, 𝑣, 𝜓 dalam frame
navigasi
• Filter Kalman mengestimasi
posisi, kecepatan, dan orientasi
ො𝑥, ො𝑣, ෠𝜓.
• Dimana sinyal posisi dan
kecepatan GPS 𝑥 𝐺, 𝑣 𝐺, serta
orientasi magneto 𝜓 𝑚 sebagai
korektor.
(7) INS-GPS-Magneto
(4)
Mekanisasi
(5)
GPS
(6)
Filter Kalman
IMU
(1)
Accelero
(2)
Gyro
(3)
Magneto
𝜓 𝑚
𝑎
𝜔
𝑥, 𝑣, 𝜓
𝑥 𝐺, 𝑣 𝐺
ො𝑥, ො𝑣, ෠𝜓

Sistem Navigasi: KVH 1775 IMU (FOG)
• KVH 1775 Inertial Measurement Unit (IMU) adalah
sebuah perangkat yang mengandung 9 sensors,
yakni 3 accelero sensors, 3 gyro sensors, dan 3
magneto sensors, yang terpasang pada ketiga
sumbu x, y, dan z.
• Accelero sensor mengukur percepatan lateral 𝑎.
• Gyro sensor mengukur kecepatan angular 𝜔.
• Magneto sensor mengukur flux medan magnet 𝐺.

Sistem Navigasi: Gyroscope Specifications

Sistem Navigasi: Accelerometer Specifications

Sistem Navigasi: Magnetometer Specifications

Sistem Navigasi: Pemodelan Data (Konsep)
• Teridentifikasi 4 entities: imu,
mekanisasi, gps, dan
filterKalman
• Teridentifikasi 4 entity
relationship:
• Imu ditransformasi melalui
mekanisasi (one-to-one)
• Imu (magneto) digunakan
dalam filterKalman (one-to-one)
• Mekanisasi digunakan dalam
filterKalman (one-to-one)
• GPS digunakan dalam
filterKalman (one-to-one)

Sistem Navigasi: Pemodelan Data (Logika)
• Entity imu mempunyai 14 attributes:
waktu, ax, ay, az, wx, wy, wz, fx, fy, fz,
roll_m, pitch_m, yaw_m,
mekanisasi_waktu. Primary key:
waktu. Indexes: waktu,
fk_imu_mekanisasi1_idx.
• Entity mekanisasi mempunyai 11
attributes: waktu, latitude, longitude,
altitude, vx, vy, vz, roll, pitch, yaw,
filterKalman_waktu. Primary key:
waktu.
• Entity gps mempunyai 8 attributes:
waktu, x_gps, y_gps, z_gps, vx_gps,
vy_gps, vz_gps, filterKalman_waktu.
Primary key: waktu.
• Entity imu mempunyai 10 attributes:
waktu, x_est, y_est, z_est, vx_est,
vy_est, vz_est, roll_est, pitch_est,
yaw_est. Primary key: waktu.

Sistem Navigasi: Pemodelan Data (Fisik)
• Pada model data fisik, entity
menjadi table dan attribute
menjadi column/field. Kemudian
setiap column/field mempunyai
data type tertentu.
• Pada table imu, terdapat 14
columns:
• waktu dengan data type
DECIMAL(9,4),
• ax .. yaw_m dengan data type
DECIMAL(9,4),
• mekanisai_waktu dengan data
type DECIMAL(9,4),
• Secara sama, demikian juga pada
tables mekanisasi, gps, dan
filterKalman.

Sistem Navigasi: Data Gyro Sensors (Diam)
• Pengukuran gyro sensor dalam
keadaan diam dibutuhkan untuk
mendapatkan bias. Hasil bias
tersebut digunakan untuk
alignment.
• Dalam keadaan diam, semestinya
wx, wy, dan wz mempunyai mean
0.
• Dengan time sampling 𝑡 𝑠 = 0.001
(1000 Hz), maka terdapat 1620001
data.
Mean Sinyal
wx -2.3707e-07
wy 3.5713e-07
wz -2.4168e-07

Sistem Navigasi: Data Accelero Sensors (Diam)
• Pengukuran accelero sensor dalam
mendapatkan bias. Hasil bias
tersebut digunakan untuk
alignment.
• Dalam keadaan diam, semestinya
ax dan ay mempunyai mean 0.
Sedangkan az mempunyai mean
9.81𝑚/𝑠2.
data.
Mean Sinyal
ax -0.2661
ay -0.1895
az 9.7754

Sistem Navigasi: Data Magneto Sensors (Diam)
• Pengukuran magneto dalam
mendapatkan flux pada sumbu x,
y, dan z. Hasil flux tersebut
digunakan untuk mendapatkan
orientasi.
• Dalam keadaan diam, nilai fx, fx,
dan fy mempunyai mean seperti
pada tabel.
data.
Mean Sinyal
fx -0.0707
fy -0.3713
fz 0.3168

Ringkasan
• ERD merupakan representasi model data konsep
• Model data logika untuk mengembangkan peta teknis aturan dan
struktur data
• Model data fisik merupakan implementasi pada DBMS

Latihan
• Rancanglah ERD dari kasus aplikasi database sederhana untuk sistem
informasi Persediaan Barang
• Entity yang ada:
• Pemasok
• Pengiriman
• Barang
• Pelanggan
• Pemesanan
• Produk

Asesmen: Pengaturan Posisi Motor DC
• Motor DC dirangkai secara open loop dan closed loop.
• Input posisi pada potentiometer
• Input parameter controller
• Output posisi potentiometer
• Buat model datanya!

Asesmen: Pengaturan Pneumatic
• Pneumatic dirangkai dengan ladder
diagram
• Input setiap alat, secara mekanik dengan
tekanan udara dan secara elektrik dengan
modul
• Alat-alat yang digunakan, meliputi:
pneumatic, modul elektrik, limit switch,
solenoid
• Output: lampu pada modul, state
pneumatic (extend atau retract)

Asesmen: Programmable Logic Controller (PLC) - SIEMENS
• PLC dirangkai dengan
ladder diagram beserta
input dan output
• Output: lampu pada modul
yang terhubung dengan
PLC
• Detail
Siemens-S7-300

Asesmen: Process ControlTechnology – PCT-100 – Flow Control
• Rangkaian PCT diberikan set
point flow, dan nilai parameter
PID controller
• Output: output flow yang terukur

Asesmen: Process ControlTechnology – PCT-100 – Flow Control

Konsep Data

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to Konsep Data

Similar to Konsep Data (20)

More from yusufbf

More from yusufbf (20)

Recently uploaded

Recently uploaded (20)

Konsep Data