Pemodelan Data

Didalam " Pemodelan Analisis " Sistem Perangkat Lunak sedikitnya terdapat 6 (enam) bagian yang harus kita ketahui. antara lain :

1. Elemen Model Analisis
2. Pemodelan Data
3. Pemodelan Fungsional dan Aliran Informasi
4. Mekanik dari Analisis Terstruktur
5. Kamus Data
6. Overview mengenai Metode Analisis

2. Pemodelan Data

Definisi

Pemodelan Data dalam rekayasa perangkat lunak adalah proses menciptakan sebuah model data dengan menerapkan model deskripsi formal data menggunakan teknik pemodelan data. Pemodelan dataadalah metode yang digunakan untuk menentukan dan menganalisis persyaratan data yang diperlukan untuk mendukung proses bisnis suatu organisasi. Data yang dibutuhkan adalah dicatat sebagai data model konseptual dengan definisi data yang terkait. Realisasi penerapan model konseptual yang disebut model data logis. Untuk menerapkan satu model konseptual data mungkin membutuhkan beberapa model data logis. pemodelan data mendefinisikan elemen tidak hanya data, tapi struktur dan hubungan antara mereka teknik pemodelan data dan metodologi yang digunakan untuk model data dengan cara yang standar yang konsisten, dapat diprediksi untuk mengelolanya sebagai sumber daya.

Data Model
Data model ataupun model data dan data pendukung sistem komputer dengan memberikan definisi dan format data. Jika hal ini dilakukan secara konsisten di seluruh sistem lalu kompatibilitas data dapat dicapai. Jika struktur data yang sama yang digunakan untuk menyimpan dan mengakses data kemudian aplikasi yang berbeda dapat berbagi data. Hasil ini ditunjukkan di atas. Namun, sistem dan antarmuka sering biaya lebih dari yang seharusnya, untuk membangun, mengoperasikan, dan memelihara. Mereka juga dapat membatasi bisnis dan bukan mendukungnya. Penyebab utama adalah bahwa kualitas model data yang diimplementasikan dalam sistem dan antarmuka yang miskin.

1. Bisnis aturan, khusus untuk bagaimana hal tersebut dilakukan di tempat tertentu, yang sering tetap dalam struktur model data. Ini berarti bahwa perubahan kecil dalam cara bisnis dilakukan menyebabkan perubahan besar dalam sistem komputer dan interface;
2. Jenis Entitas sering tidak teridentifikasi, atau salah diidentifikasi. Hal ini dapat mengakibatkan replikasi data, struktur data, dan fungsionalitas, bersama-sama dengan biaya petugas itu duplikasi dalam pembangunan dan pemeliharaan;
3. Model data untuk sistem yang berbeda sewenang-wenang yang berbeda. Hasil ini adalah bahwa interface yang kompleks diperlukan antara sistem yang berbagi data. Interface ini dapat menjelaskan antara 25-70% dari biaya sistem saat ini;
4. Data tidak dapat dibagi secara elektronik dengan pelanggan dan pemasok, karena struktur dan arti data yang belum standar. Sebagai contoh, data desain teknik dan gambar untuk pabrik pengolahan masih kadang-kadang dipertukarkan pada kertas.

Alasan untuk masalah ini adalah kurangnya standar yang akan memastikan bahwa model data akan baik memenuhi kebutuhan bisnis dan konsisten.

Konseptual, skema secara fisik dan logis

ANSI / SPARC tiga level arsitektur. Hal ini menunjukkan bahwa model data dapat menjadi model eksternal (atau melihat), model konseptual, atau model fisik. Ini bukan satu-satunya cara untuk melihat model data, tetapi merupakan cara yang bermanfaat, terutama ketika membandingkan model.

Sebuah contoh model data dapat salah satu dari tiga jenis menurut ANSI pada tahun 1975:

1. Skema konseptual: menggambarkan semantik sebuah domain, menjadi ruang lingkup model. Sebagai contoh, mungkin model daerah kepentingan organisasi atau industri. Ini terdiri dari kelas entitas, mewakili hal-hal yang penting dalam domain, dan pernyataan tentang hubungan asosiasi antara kelas entitas pasang. Sebuah skema konseptual menentukan jenis fakta atau proposisi yang dapat dinyatakan dengan menggunakan model. Dalam arti itu, mendefinisikan ekspresi diperbolehkan dalam buatan ‘bahasa’ dengan lingkup yang dibatasi oleh ruang lingkup model;
2. Skema Logical: menggambarkan semantik, yang diwakili oleh teknologi manipulasi data tertentu. Ini terdiri dari deskripsi tabel dan kolom, kelas berorientasi objek, dan tag XML, antara lain;
3. Skema Fisik: menjelaskan cara fisik dimana data disimpan. Ini berhubungan dengan partisi, CPU, tablespace, dan sejenisnya.

Arti penting dari pendekatan ini, menurut ANSI, adalah bahwa hal itu memungkinkan tiga perspektif relatif independen satu sama lain. Teknologi Penyimpanan dapat berubah tanpa mempengaruhi baik logis atau model konseptual. Tabel / kolom struktur dapat berubah tanpa (harus) mempengaruhi model konseptual. Dalam setiap kasus, tentu saja, struktur harus tetap konsisten dengan model lainnya. Tabel / struktur kolom mungkin berbeda dari suatu terjemahan langsung dari kelas entitas dan atribut, tetapi akhirnya harus melaksanakan tujuan dari struktur kelas entitas konseptual. Tahap awal proyek pengembangan perangkat lunak banyak menekankan desain model data konseptual. Seperti desain dapat dirinci ke dalam suatu model data logis. Secara bertahap kemudian, model ini dapat diterjemahkan ke dalam model data fisik. Namun, juga memungkinkan untuk menerapkan model konseptual secara langsung.

Proses Pemodelan Data

Dalam konteks Proses Bisnis Integrasi, lihat gambar, pemodelan data yang akan menghasilkan generasi database. Ini melengkapi proses pemodelan bisnis, yang menghasilkan program aplikasi untuk mendukung proses bisnis. Desain database sebenarnya adalah proses menghasilkan suatu model data rinci dari database. Model data logika berisi semua pilihan desain diperlukan logis dan fisik dan parameter penyimpanan fisik yang diperlukan untuk menghasilkan desain dalam Data Definition Language, yang kemudian dapat digunakan untuk membuat database. Sebuah model data sepenuhnya disebabkan rinci berisi atribut untuk setiap entitas. Istilah desain database dapat digunakan untuk menggambarkan berbagai bagian dari desain sistem database secara keseluruhan. Pada prinsipnya, dan paling benar, dapat dianggap sebagai desain logis dari struktur basis data yang digunakan untuk menyimpan data. Dalam model relasional ini adalah tabel dan tampilan. Dalam sebuah database Objek entitas dan hubungan peta langsung ke objek kelas dan hubungan bernama. Namun, istilah desain database juga dapat digunakan untuk menerapkan proses perancangan keseluruhan, bukan hanya struktur data base, tetapi juga bentuk dan query yang digunakan sebagai bagian dari aplikasi database secara keseluruhan dalam Sistem Manajemen Database atau DBMS.

Dalam proses sistem antarmuka account untuk 25% sampai 70% dari biaya pengembangan dan dukungan sistem saat ini. Alasan utama untuk biaya ini adalah bahwa sistem ini tidak berbagi data model umum. Jika model data yang dikembangkan pada suatu sistem dengan dasar sistem, maka tidak hanya merupakan analisis yang sama berulang-ulang di daerah tumpang tindih, tetapi analisis lebih lanjut harus dilakukan untuk menciptakan antarmuka antara mereka. Kebanyakan sistem berisi komponen dasar yang sama, dibangun kembali untuk tujuan tertentu. Sebagai contoh berikut ini dapat menggunakan model klasifikasi yang sama sebagai komponen dasar:

1. Bahan Katalog,
2. Spesifikasi Produk dan Merek,
3. Peralatan spesifikasi.

Komponen yang sama dibangun kembali karena kita tidak memiliki cara untuk mengatakan mereka adalah hal yang sama.

Modeling metodologi

Data model merupakan bidang informasi yang diminati. Meskipun ada banyak cara untuk membuat model data, menurut Len Silverston (1997) hanya dua metodologi pemodelan menonjol, top-down dan bottom-up:

Model Bottom-up sering hasil dari upaya rekayasa ulang. Mereka biasanya mulai dengan bentuk struktur data yang ada, bidang pada layar aplikasi, atau laporan. Model ini biasanya fisik, aplikasi-spesifik, dan tidak lengkap dari perspektif perusahaan. Mereka mungkin tidak mempromosikan berbagi data, terutama jika mereka dibangun tanpa mengacu pada bagian lain dari organisasi.

Model Top-down data logis, di sisi lain, dibuat dengan cara yang abstrak dengan mendapatkan informasi dari orang-orang yang mengetahui wilayah subjek. Sebuah sistem tidak mungkin menerapkan semua entitas dalam model logis, tetapi model berfungsi sebagai titik acuan atau template.

Kadang-kadang model dibuat dalam campuran dari dua metode: dengan mempertimbangkan kebutuhan data dan struktur aplikasi dan konsisten referensi model subjek-daerah. Sayangnya, di lingkungan banyak perbedaan antara model data logis dan model data fisik adalah kabur. Selain itu, beberapa alat KASUS tidak membuat perbedaan antara model data logis dan fisik.

Diagram hubungan entitas

Contoh hubungan Badan IDEF1X diagram digunakan untuk model IDEF1X sendiri. Nama melihat adalah mm. Hirarki domain dan kendala juga diberikan. Kendala disajikan sebagai kalimat dalam teori formal model meta.

Ada beberapa notasi untuk pemodelan data. Model aktual sering disebut “Badan model hubungan”, karena menggambarkan data dalam hal entitas dan hubungan yang dijelaskan dalam data. Model entitas-hubungan (ERM) adalah representasi konseptual abstrak data terstruktur. Badan-hubungan pemodelan adalah sebuah database relasional skema pemodelan metode, yang digunakan dalam rekayasa perangkat lunak untuk menghasilkan jenis data model konseptual (atau semantik data model) dari suatu sistem, sering database relasional, dan persyaratan dalam secara top-down.

Model ini digunakan dalam tahap pertama desain sistem informasi selama analisis persyaratan untuk menggambarkan kebutuhan informasi atau jenis informasi yang akan disimpan dalam database. Teknik pemodelan data dapat digunakan untuk menggambarkan setiap ontologi (yaitu gambaran dan klasifikasi istilah yang digunakan dan hubungan mereka) untuk wilayah tertentu semesta wacana yaitu bunga.

Beberapa teknik telah dikembangkan untuk desain model data. Meskipun data Pedoman metodologi modelers dalam pekerjaan mereka, dua orang yang berbeda dengan metodologi yang sama akan sering muncul dengan hasil yang sangat berbeda. Paling penting adalah:

Diagram Bachman

1. Notasi Barker
2. Chen
3. Data Vault Modeling
4. Extended Backus-Naur form
5. IDEF1X
6. Pemetaan objek-relasional
7. Obyek Peran Modeling
8. Model Relasional
9. Generik pemodelan data

Model Data Generik.

Model Data Generic generalisasi model data konvensional. Mereka menentukan standar jenis hubungan umum, bersama dengan hal-hal yang mungkin terkait dengan seperti jenis hubungan. Definisi model data generik mirip dengan definisi bahasa alami. Misalnya, data model generik dapat menentukan jenis hubungan seperti ‘hubungan klasifikasi’, sebagai hubungan biner antara hal yang individual dan semacam hal (kelas) dan ‘relasi-seluruh bagian’, sebagai hubungan biner antara dua hal, satu dengan peran bagian, yang lain dengan peran dari keseluruhan, apapun jenis hal-hal yang terkait.

Mengingat daftar extensible kelas, ini memungkinkan klasifikasi dari setiap hal yang individual dan untuk menentukan hubungan bagian-keseluruhan untuk setiap objek individu. Dengan standardisasi daftar extensible jenis hubungan, model data generik memungkinkan ekspresi yang tidak terbatas jumlah jenis fakta dan akan mendekati kemampuan bahasa alam. Konvensional data model, di sisi lain, memiliki lingkup domain tetap dan terbatas, karena Instansiasi tersebut (penggunaan) dari model seperti itu hanya memungkinkan ekspresi dari jenis fakta yang telah ditetapkan dalam model.

Semantic data model

Struktur data logis dari DBMS, apakah hirarkis, jaringan, atau relasional, tidak dapat sepenuhnya memenuhi persyaratan untuk definisi konseptual data karena dibatasi dalam ruang lingkup dan bias terhadap implementasi strategi yang digunakan oleh DBMS.

Semantic data model.

Oleh karena itu, kebutuhan untuk mendefinisikan data dari pandangan konseptual telah menyebabkan perkembangan teknik pemodelan data semantik. Yaitu, teknik untuk mendefinisikan makna data dalam konteks keterkaitan dengan data lainnya. Seperti diilustrasikan dalam gambar dunia nyata, dalam hal sumber daya, ide, kegiatan, dll, yang secara simbolis didefinisikan dalam menyimpan data fisik. Sebuah model data semantik adalah sebuah abstraksi yang mendefinisikan bagaimana simbol disimpan berhubungan dengan dunia nyata. Dengan demikian, model tersebut harus menjadi representasi sejati dari dunia nyata.

Sebuah model data semantik dapat digunakan untuk melayani berbagai keperluan, seperti:

1. perencanaan sumber daya data
2. pembangunan database dapat dibagikan
3. evaluasi vendor perangkat lunak
4. integrasi database yang sudah ada

Tujuan keseluruhan dari model data semantik adalah untuk menangkap lebih banyak makna data dengan mengintegrasikan konsep-konsep relasional dengan konsep abstraksi yang lebih kuat dikenal dari bidang Artificial Intelligence. Idenya adalah untuk memberikan model primitif tingkat tinggi sebagai bagian integral dari suatu model data agar dapat memfasilitasi representasi situasi dunia nyata.