Anomali, Redudansi, Dan Normalisasi

Anomali

Anomali adalah proses pada basis data yang memberikan efek samping yang tidak diharapkan, misalnya menyebabkan ketidak konsistenan data atau membuat sesuatu data menjadi hilang ketika data lain dihapus.

Faktor yang menyebabkan anomali antara lain ketidak konsistenan data dan data yang menjadi hilang ketika data lain dihapus.

Ada tiga bentuk anomali yaitu :

1. Anomali Penambahan (Insert Anomaly)
• Anomali ini terjadi ketika pada saat penambahan data terdapat elemen yang diperlukan untuk proses penambahan masih kosong sehingga tidak dapat dilakukan penambahan karena membutuhkan elemen tersebut sebagai syaratnya. Akibatnya data yang dibentuk nanti menjadi tidak konsisten
• Contoh :
• 
• Misal kita ingin menambahkan suatu  Ruang baru, namun pada Kuliah dan Tempat memiliki elemen kosong sehingga Ruang baru tersebut tidak dapat ditambahkan karena elemen yang dibutuhkan masih kosong. Hal inilah yang dinamakan Anomali Penambahan dimana Anomali yang terjadi ketika elemen yang dibutuhkan untuk penambahan merupakan elemen kosong.
  
  
2. Anomali Pengubahan
• Anomali ini terjadi ketika melakukan pengubahan pada sejumlah data yang duplikasi tetapi tidak dilakukan pada seluruh data yang terduplikasi tersebut.
• Misalnya terdapat dua data duplikasi pada suatu tabel data, namun ketika dilakukan perubahan yang diubah hanya data yang pertama saja sehingga menyebabkan ketidak-konsistenan data nantinya.
• Contoh :
• 
• Seperti tabel diatas, jika pemasok Citra pindah kekota lain misalnya Yogyakarta dan pengubahan hanya dilakukan pada data pertama, maka akan terlihat ketidak konsistenan. Data pertama menyatakan pemasok citra berlokasi di Yogyakarta dan Data kedua menyatakan pemasok citra berlokasi di Bandung.
3. Anomali Penghapusan
• Anomali ini terjadi ketika penghapusan satu data berpengaruh pada data yang lain. Misalnya penghapusan NIP salah satu Pengajar akan menyebabkan seluruh data pada NIP akan ikut terhapus.
• Contoh :
• 
• Jika data siswa dengan identitas 20 yang mengambil kursus bahasa Jepang dihapus, maka data yang bersangkutan dengan no_siswa juga akan terhapus (data biaya sewa).

Redudansi

Redudansi adalah duplikasi data yang semestinya tidak diperlukan. Menghindari redudansi sangat diperlukan agar dapat terhindar dari Pemborosan penggunaan penyimpanan, Inefisiensi pengolahan data, dan semakin besarnya kemungkinan muncul data tidak konsisten.

Redudansi terjadi pada dua kemungkinan yaitu :

• Redudansi data dalam satu file
• Redudansi data dalam beberapa file

Normalisasi

Normalisasi merupakan teknik dalam logical design sebuah basis data yang mengelompokkan atribut dari suatu relasi sehingga membentuk struktur relasi tanpa redudansi.

Tujuan Normalisasi :

1. Menghilangkan sebagian besar ambiguty (ambiguitas, keambiguan) suatu basis data.
2. Menghilangkan pengulangan data yang tidak diperlukan (redudansi).
3. Mengurangi kompleksitas basis data.

Tahapan Normalisasi :

1. Bentuk Tidak Normal
• Menghilangkan Perlulangan Grup
2. Bentuk Normal Pertama (1 NF) | Normalisasi Pertama
• Menghilangkan Ketergantungan Parsial
• Mendefinisikan atribut kunci
• Tidak adanya atribut multi-value dan atribut komposit
• Setiap atribut dalam tabel tersebut merupakan atribut simpel.
3. Bentuk Normal Kedua (2 NF) | Normalisasi Kedua
• Menghilangkan Ketergantungan Transitif
• Sudah dalam bentuk 1 NF
• Atribut non-key hanya boleh tergantung pada atribut key
• Perlu ada tabel penghubung atau foreign key bagi atribut yang telah dipisah tadi.
• Jika terdapat parial dependency, maka atribut yang ada harus dipisahkan kedalam tabel yang lain.
4. Bentuk Normal Ketiga (3 NF) | Normalisasi Ketiga
• Menghilangkan Anomali-anomali hasil dari ketergantungan fungsional
• Sudah dalam bentuk 2 NF
• Tidak adanya transitive dependency (ketergantungan yang timbul dimana atribut bukan kunci tergantung pada atribut bukan kunci lainnya)
5. Bentuk Normal Boyce-Codd (BCNF)
• Menghilangkan ketergantungan Multivalue
• Bentuk ini terpenuhi jika dalam sebuah tabel setiap functional dependency terhadap setiap atribut atau gabungan atribut. Dengan bentuk X¤Y, maka X adalah super key. Sehingga tabel tersebut harus didekomposisi berdasarkan fungtional dependency yang ada, sehingga X menjadi super key dari tabel-tabel hasil dekomposisi.
• Setiap tabel BCNF sudah pasti 3NF, tetapi 3NF belum tentu merupakan BCNF.
6. Bentuk Normal Keempat (4 NF) | Normalisasi Keempat
• Menghilangkan anomali-anomali yang tersisa
• Sudah dalam bentuk BCNF
• Tidak boleh memiliki lebih dari satu buah atribut multi value. Untuk setiap Multi Valued Dependencies (MVD) juga harus merupakan functional dependencies.
7. Bentuk Normal Kelima | Normalisasi Kelima
• Tabel yang dibentuk berdasarkan konsep join dependence.
• Artinya tabel yang sudah didekomposisi ketika digabungkan dapat menghasilkan tabel baru yang sama seperti tabel semula.

Kriteria tabel yang harus dipenuhi agar sebuah tabel dapat dikatakan baik (efisien) atau normal yaitu :

1. Harus memenuhi syarat Lossless-Join-Decomposition
2. Depedency Preservation
3. Tidak melangggar ketentuan Boyce-Codd Normal Form (BCNF)

Jika ketiga kriteria tersebut tidak dipenuhi, maka paling tidak tabel yang dibuat tidak melanggar ketentuan dalam Bentuk Normal Ketiga (3 NF).

---

REFERENSI

• Anomali dan Redudansi - Anggi Perwitasari, ST, MT [PPT]
• Normalisasi - Anggi Perwitasari, ST, MT [PPT]
• https://imamgunawan.files.wordpress.com/2010/11/anomali-dan-normalisasi.pdf
• https://slideplayer.info/slide/3635093/
• https://blog.anharpanduwinata.com/2016/02/tugas-basis-data-sistem-database.html