IF Notes

Konsep Pemodelan Data dan Tingkat Abstraksi

5 min read

Back to IF5101 Manajemen Data

Konsep Pemodelan Data dan Tingkat Abstraksi

Questions/Cues

  • Apa definisi pemodelan data menurut DAMA dan di konteks apa ia dilakukan?
  • Apa perbedaan tiga tingkat arsitektur ANSI-SPARC (conceptual, external, internal)?
  • Bagaimana model konseptual, logis, dan fisik berkembang dari kebutuhan menuju basis data nyata?
  • Kategori data apa saja yang biasa dimodelkan dalam sebuah organisasi?
  • Mengapa sebuah model data tidak selalu berujung pada basis data?

Reference Points

  • IF5101 — Data Modeling using ER (Slides 3-7)

Definisi dan Konteks Pemodelan Data

Menurut DAMA DMBOK2, pemodelan data (data modeling) adalah proses menemukan, menganalisis, dan menentukan lingkup (scoping) kebutuhan data, lalu merepresentasikan dan mengomunikasikan kebutuhan itu dalam bentuk presisi yang disebut data model. Intinya ada dua aktivitas: (1) memahami data apa yang dibutuhkan, dan (2) menuangkannya dalam notasi baku yang bisa dipahami bersama oleh pemangku kepentingan bisnis maupun teknis.

Pemodelan data paling sering dilakukan dalam konteks pengembangan dan pemeliharaan sistem — dikenal sebagai System Development Lifecycle (SDLC). Namun ia juga dipakai untuk inisiatif berlingkup luas seperti Business & Data Architecture, Master Data Management, dan data governance. Pada inisiatif semacam ini hasil akhirnya bukan sebuah basis data, melainkan pemahaman bersama tentang data organisasi.

Sebuah data model menggambarkan data organisasi sebagaimana organisasi memahaminya, atau sebagaimana organisasi menginginkannya di masa depan (kondisi target). Analogi: seperti denah arsitektur bangunan — bisa menggambarkan gedung yang sudah berdiri (as-is) atau gedung yang direncanakan (to-be).

Arsitektur Tiga Tingkat ANSI-SPARC

ANSI-SPARC three level architecture membagi cara memandang data menjadi tiga tingkat abstraksi:

  1. Conceptual level — pandangan “dunia nyata” atas enterprise yang dimodelkan dalam basis data. Ini adalah tingkat yang paling dekat dengan bisnis dan bebas dari detail teknis.
  2. External level — berbagai pengguna DBMS bekerja hanya pada sub-himpunan model enterprise yang relevan bagi kebutuhan spesifik mereka. Satu basis data bisa memiliki banyak view eksternal (mis. view bagian keuangan berbeda dengan view bagian akademik).
  3. Internal / physical level — mendeskripsikan representasi tersimpan dari informasi enterprise: struktur file, indeks, tata letak byte di media penyimpanan.

Pemisahan tiga tingkat ini memberi data independence: perubahan pada tingkat fisik (mis. mengganti struktur indeks) tidak memaksa perubahan pada tingkat konseptual maupun aplikasi pengguna.

flowchart TD
    E1["External View 1<br/>(Keuangan)"] --> C
    E2["External View 2<br/>(Akademik)"] --> C
    E3["External View 3<br/>(SDM)"] --> C
    C["Conceptual Level<br/>(model 'dunia nyata' enterprise)"] --> I
    I["Internal / Physical Level<br/>(struktur tersimpan: file, indeks)"]

Tiga Tingkat Detail Model Data

Saat bergerak dari kebutuhan menuju basis data aktual, dihasilkan tiga jenis model data dengan tingkat detail yang menaik:

ModelIsiKetergantungan teknologi
Conceptual ModelKebutuhan data tingkat tinggi sebagai kumpulan konsep yang saling terkait; hanya entitas bisnis dasar dan kritis dalam suatu ranah/fungsi, beserta deskripsi tiap entitas dan relasinya.Bebas teknologi
Logical ModelRepresentasi rinci kebutuhan data, biasanya untuk mendukung konteks penggunaan tertentu; sering dimulai sebagai perluasan dari model konseptual.Masih bebas teknologi/implementasi
Physical ModelSolusi teknis rinci; memakai model logis sebagai titik awal lalu diadaptasi agar bekerja pada seperangkat hardware, software, dan tools jaringan tertentu.Dibangun untuk teknologi spesifik

Perhatikan bahwa perkembangan conceptual → logical → physical ini sejajar dengan tingkat conceptual dan internal pada ANSI-SPARC: konseptual berorientasi bisnis, fisik berorientasi implementasi.

Kategori Data yang Dimodelkan

Data yang dimodelkan dalam sebuah organisasi umumnya jatuh ke beberapa kategori:

  • Category information — data untuk mengklasifikasikan dan memberi tipe pada entitas. Contoh: kategori pasar untuk pelanggan, kategori produk.
  • Resource information — profil dasar sumber daya yang dibutuhkan untuk menjalankan proses operasional. Contoh: Product, Customer, Supplier, Facility, Organization, Account.
  • Business event information — data yang tercipta saat proses operasional berlangsung. Contoh: Customer Order, Supplier Invoice, Cash Withdrawal, Business Meeting.
  • Detail transaction information — sering dihasilkan oleh sistem point-of-sale (toko maupun online), sistem media sosial, interaksi internet lain, dan sensor pada mesin.

Membedakan kategori ini membantu menentukan entitas mana yang stabil (resource) dan mana yang bertumbuh cepat (event, transaction) — informasi penting untuk keputusan desain dan penyimpanan.

Summary

Pemodelan data (DAMA) adalah proses menemukan, menganalisis, dan melingkupi kebutuhan data lalu merepresentasikannya sebagai data model yang presisi; dilakukan dalam SDLC maupun inisiatif arsitektur/governance yang hasilnya berupa pemahaman, bukan basis data. ANSI-SPARC memisahkan pandangan data menjadi tiga tingkat — conceptual (dunia nyata enterprise), external (view per kebutuhan pengguna), dan internal/physical (representasi tersimpan) — demi data independence. Seiring bergerak dari kebutuhan ke basis data, dihasilkan conceptual model (konsep dasar & kritis, bebas teknologi), logical model (rinci, masih bebas teknologi), dan physical model (solusi teknis untuk hardware/software tertentu). Data organisasi lazim dikelompokkan menjadi category, resource, business event, dan detail transaction information.

Graph View

Backlinks