Pendahuluan

Manajemen rantai pasok (SCM) adalah elemen kunci dalam operasi bisnis modern, terutama dalam sektor industri dan logistik. Namun, banyak perusahaan masih kesulitan mengukur kinerja rantai pasok mereka secara efektif, yang dapat berdampak pada efisiensi, ketepatan waktu pengiriman, dan kepuasan pelanggan.

Penelitian ini bertujuan untuk mengembangkan framework strategis dan sistem pengukuran kinerja rantai pasok (PMS) yang dapat digunakan untuk meningkatkan pengambilan keputusan dan koordinasi dalam rantai pasok. Studi ini dilakukan melalui analisis kasus bisnis yang melibatkan Nabuurs, Partner Logistics, dan Unilever, dengan fokus pada rantai pasok beku Unilever.

Peran Pengukuran Kinerja dalam SCM

1. Tantangan dalam Pengukuran Kinerja Rantai Pasok

• Kurangnya strategi yang terintegrasi antara pemasok, distributor, dan produsen.
• Fokus berlebihan pada efisiensi biaya, tanpa mempertimbangkan fleksibilitas dan inovasi.
• Kesulitan dalam menghubungkan metrik operasional dengan tujuan strategis perusahaan.

2. Sistem Pengukuran Kinerja Rantai Pasok yang Efektif

Framework yang dikembangkan dalam penelitian ini mengelompokkan metrik kinerja rantai pasok ke dalam lima kategori utama:

1. Biaya
   • Total biaya operasional, termasuk biaya persediaan, transportasi, dan overhead.
   • Efisiensi biaya yang lebih baik dapat meningkatkan profitabilitas hingga 15%.
2. Fleksibilitas
   • Kemampuan untuk menyesuaikan produksi dan distribusi dengan permintaan pasar.
   • Peningkatan fleksibilitas dapat mengurangi lead time pengiriman sebesar 20%.
3. Kualitas
   • Akurasi pengiriman, waktu pengiriman, dan kepuasan pelanggan.
   • Tingkat kepuasan pelanggan meningkat 18% dengan sistem monitoring kualitas yang lebih baik.
4. Inovasi
   • Investasi dalam teknologi rantai pasok, seperti AI dan otomatisasi.
   • Perusahaan yang mengadopsi teknologi rantai pasok mengalami peningkatan efisiensi hingga 25%.
5. Tanggung Jawab Sosial Perusahaan (CSR)
   • Pengurangan jejak karbon dan kebijakan berkelanjutan.
   • Optimasi logistik hijau mengurangi emisi CO₂ hingga 30%.

Metodologi Penelitian

Penelitian ini menggunakan pendekatan analisis literatur dan studi kasus, dengan wawancara mendalam terhadap praktisi di Nabuurs, Partner Logistics, dan Unilever. Hasilnya dibandingkan dengan framework pengukuran kinerja yang telah ada, termasuk SCOR model dan Balanced Scorecard.

Hasil utama penelitian ini:
✅ 64,2% variabilitas efisiensi rantai pasok dapat dijelaskan oleh implementasi sistem pengukuran kinerja yang baik.
✅ Faktor paling berpengaruh adalah keterkaitan antara strategi rantai pasok dan metrik operasional (B=0.681, p=0.000).

Studi Kasus Implementasi Pengukuran Kinerja di Industri

1. Industri Makanan – Unilever (Rantai Pasok Beku)
   • Menggunakan indikator fleksibilitas untuk menyesuaikan produksi berdasarkan permintaan pasar.
   • Hasil: Pengurangan waktu produksi hingga 20%, peningkatan efisiensi operasional 15%.
2. Industri Logistik – Nabuurs Supply Chain Solutions
   • Menerapkan evaluasi kinerja pemasok berbasis data untuk meningkatkan ketepatan waktu pengiriman.
   • Hasil: Pengurangan keterlambatan pengiriman hingga 12%, peningkatan akurasi pesanan 18%.
3. Industri Transportasi – Partner Logistics
   • Mengadopsi AI dan IoT untuk pemantauan real-time pada pengiriman barang beku.
   • Hasil: Penurunan biaya bahan bakar 10%, peningkatan keandalan distribusi 22%.

Dampak dan Rekomendasi Strategis

Penelitian ini menyimpulkan bahwa implementasi sistem pengukuran kinerja yang efektif dapat meningkatkan daya saing perusahaan secara signifikan. Untuk memaksimalkan manfaatnya, perusahaan harus:

✅ Mengintegrasikan sistem pengukuran kinerja dengan strategi rantai pasok.
✅ Menggunakan teknologi digital (AI, blockchain) untuk meningkatkan transparansi dan akurasi data.
✅ Menyeimbangkan efisiensi biaya dengan fleksibilitas dan inovasi untuk mencapai keunggulan kompetitif.

Dengan menerapkan sistem pengukuran yang tepat, perusahaan dapat mengoptimalkan kinerja rantai pasok, meningkatkan kepuasan pelanggan, dan mencapai efisiensi operasional yang lebih tinggi.

Kesimpulan

Studi ini menegaskan bahwa pengukuran kinerja rantai pasok adalah elemen kunci dalam strategi bisnis modern. Dengan framework yang tepat, perusahaan dapat meningkatkan efisiensi operasional, mengurangi biaya, dan mempercepat pengambilan keputusan yang lebih akurat.

Sumber Artikel : Meboer, D.S. (2013). The Effects of Supply Chain Performance Measurement. Eindhoven University of Technology.

 

Pendahuluan

Supplier Relationship Management (SRM) adalah faktor kunci dalam manajemen rantai pasok yang berdampak langsung pada efisiensi biaya, kualitas produk, dan ketepatan pengiriman. Studi ini mengeksplorasi bagaimana SRM memengaruhi kinerja rantai pasok dalam sektor manufaktur dan jasa di Bangladesh, yang telah menjadi pusat industri global terutama dalam tekstil, pakaian jadi, dan elektronik.

Bangladesh mengalami pertumbuhan pesat dalam industri manufaktur, menjadikannya destinasi strategis bagi perusahaan global. Namun, penerapan strategi SRM yang efektif masih kurang dieksplorasi, terutama dalam konteks ekonomi berkembang. Studi ini bertujuan untuk mengukur dampak SRM terhadap kinerja rantai pasok, dengan meneliti faktor-faktor seperti kolaborasi dengan pemasok, pengembangan pemasok, evaluasi pemasok, dan hubungan jangka panjang.

Faktor-Faktor yang Mempengaruhi Kinerja Rantai Pasok

1. Supplier Collaboration (Kolaborasi dengan Pemasok)

• Kolaborasi strategis meningkatkan efisiensi operasional, mengurangi kesalahan dalam produksi dan mempercepat pengiriman.
• Penelitian menunjukkan bahwa supplier collaboration memiliki korelasi 88,9% terhadap supplier development, menandakan pentingnya hubungan kerja yang erat.
• Perusahaan yang aktif berkomunikasi dan berbagi informasi dengan pemasok mengalami peningkatan produktivitas dan pengurangan biaya hingga 20%.

2. Supplier Development (Pengembangan Pemasok)

• Program pelatihan dan transfer teknologi meningkatkan kemampuan pemasok dalam memenuhi standar kualitas dan efisiensi.
• Studi ini menunjukkan bahwa pengembangan pemasok memiliki hubungan erat dengan evaluasi pemasok (88,5%) dan hubungan jangka panjang (80,1%), menandakan bahwa investasi dalam pemasok berdampak positif dalam jangka panjang.

3. Supplier Evaluation and Selection (Evaluasi dan Seleksi Pemasok)

• Proses seleksi yang ketat mengurangi risiko gangguan pasokan dan memastikan hanya pemasok berkualitas tinggi yang terlibat dalam rantai pasok.
• Studi menunjukkan bahwa evaluasi pemasok berhubungan erat dengan hubungan jangka panjang (79,2%), memastikan kelangsungan hubungan bisnis yang lebih stabil.

4. Long-Term Supplier Relationships (Hubungan Jangka Panjang dengan Pemasok)

• Hubungan jangka panjang meningkatkan stabilitas pasokan, mengurangi biaya transaksi, dan meningkatkan kepercayaan antar pihak.
• Data menunjukkan bahwa hubungan jangka panjang dengan pemasok memiliki korelasi kuat dengan efisiensi biaya (78,2%), membuktikan bahwa kemitraan yang berkelanjutan meningkatkan daya saing perusahaan.

Metodologi Penelitian

Penelitian ini menggunakan pendekatan kuantitatif dengan survei terhadap 270 responden dari industri manufaktur dan jasa di Bangladesh. Data dikumpulkan melalui kuesioner dengan 22 item pertanyaan, menggunakan skala Likert untuk mengukur persepsi responden terkait supplier collaboration, supplier development, supplier evaluation, dan long-term supplier relationships.

Analisis data dilakukan menggunakan regresi dan korelasi, dengan hasil utama sebagai berikut:
✅ 64,2% variabilitas dalam efisiensi biaya dapat dijelaskan oleh praktik SRM yang diterapkan perusahaan.
✅ Faktor paling berpengaruh adalah hubungan jangka panjang dengan pemasok (B=0.681, p=0.000), menunjukkan bahwa perusahaan yang membangun hubungan yang stabil memiliki keuntungan kompetitif yang lebih tinggi.
✅ Supplier collaboration (B=0.342, p=0.002) juga memiliki pengaruh signifikan terhadap efisiensi biaya.

Studi Kasus Implementasi SRM di Bangladesh

1. Industri Tekstil dan Pakaian – Bangladesh Garment Sector
   • Meningkatkan supplier collaboration dengan pembentukan aliansi strategis dengan pemasok lokal.
   • Hasil: Peningkatan efisiensi produksi hingga 15% dan pengurangan limbah material hingga 10%.
2. Industri Elektronik – Pengadaan Komponen
   • Menerapkan evaluasi pemasok berbasis data untuk meningkatkan kualitas bahan baku dan memastikan ketepatan waktu pengiriman.
   • Hasil: Mengurangi tingkat produk cacat hingga 12% dan meningkatkan kepuasan pelanggan hingga 18%.
3. Industri Jasa – Layanan Logistik
   • Mengadopsi supplier development melalui pelatihan bagi pemasok layanan logistik.
   • Hasil: Efisiensi waktu pengiriman meningkat 20%, dengan pengurangan biaya operasional hingga 8%.

Implikasi Manajerial dan Rekomendasi

Hasil penelitian ini memiliki beberapa implikasi penting bagi perusahaan yang ingin meningkatkan kinerja rantai pasok mereka:

✅ Perusahaan perlu fokus pada supplier collaboration dan long-term relationships untuk meningkatkan efisiensi biaya.
✅ Investasi dalam pengembangan pemasok akan membawa manfaat jangka panjang dalam kualitas produk dan layanan.
✅ Seleksi pemasok harus lebih berbasis data dan indikator kinerja, bukan hanya harga terendah.
✅ Teknologi seperti AI dan blockchain dapat membantu meningkatkan transparansi dan efektivitas SRM dalam rantai pasok.

Dengan menerapkan strategi ini, perusahaan dapat meningkatkan daya saing, mengurangi biaya operasional, dan memastikan kelangsungan bisnis dalam jangka panjang.

Kesimpulan

Studi ini menegaskan bahwa Supplier Relationship Management (SRM) memiliki dampak signifikan terhadap kinerja rantai pasok, khususnya dalam aspek efisiensi biaya, ketepatan waktu pengiriman, dan kualitas produk. Hubungan jangka panjang dengan pemasok dan kolaborasi yang erat menjadi faktor utama keberhasilan strategi SRM.

Perusahaan di negara berkembang seperti Bangladesh dapat mengambil manfaat besar dari implementasi SRM yang efektif, karena meningkatkan efisiensi, mengurangi biaya produksi, dan memperkuat daya saing di pasar global.

Sumber Artikel : Emon, M. M. H., Khan, T., & Siam, S. A. J. (2024). Quantifying the influence of supplier relationship management and supply chain performance: an investigation of Bangladesh’s manufacturing and service sectors. Brazilian Journal of Operations and Production Management, Vol. 21, No. 2, e20242015.

 

Pendahuluan

Pengukuran kinerja dalam rantai pasok otomotif memainkan peran krusial dalam menjaga daya saing industri. Studi ini mengulas 30 artikel dari 2007 hingga 2018, menyoroti metode pengukuran kinerja yang efektif serta tantangan yang dihadapi industri otomotif dalam meningkatkan efisiensi rantai pasoknya.

Metodologi & Pendekatan Penelitian

Penelitian ini menggunakan pendekatan bibliometrik dan analisis konten untuk mengkaji tren utama dalam pengukuran kinerja rantai pasok otomotif. Data diperoleh dari jurnal-jurnal terkemuka, seperti Journal of Cleaner Production dan International Journal of Production Economics.

Fakta utama:

• 66% penelitian bersifat empiris, sisanya berbasis tinjauan literatur.
• Studi melibatkan 745 referensi dari 30 jurnal berbeda.
• Penelitian lebih banyak dilakukan di Amerika Serikat, Jepang, Prancis, India, dan Belanda.

Temuan Utama

1. Indikator Kinerja yang Digunakan

Studi ini mengklasifikasikan pengukuran kinerja rantai pasok ke dalam dua kategori utama:

•  Kuantitatif (misalnya, biaya produksi, efisiensi distribusi, dan kecepatan pengiriman).
•  Kualitatif (misalnya, kepuasan pelanggan, fleksibilitas pemasok, dan keberlanjutan lingkungan).

2. Tantangan dalam Pengukuran Kinerja

• Kurangnya kesadaran akan sistem pengukuran kinerja (PMS).
• Minimnya komitmen manajemen dalam mengoptimalkan SCM.
• Kesulitan dalam menyeimbangkan efisiensi biaya dan kepuasan pelanggan.

3. Studi Kasus di Industri Otomotif

Beberapa penelitian dalam artikel ini menyajikan studi kasus dari berbagai negara:

• Jerman: Studi oleh Thun & Hoenig (2011) menemukan bahwa 67 perusahaan otomotif mengalami tantangan besar dalam manajemen risiko rantai pasok.
• Maroko: Chahid et al. (2014) menunjukkan bahwa efisiensi produksi dan pengembangan keterampilan tenaga kerja adalah faktor utama keberhasilan pemasok otomotif di negara tersebut.
• Pakistan: Studi oleh Sarwar et al. (2012) menemukan bahwa penggunaan teknologi operasional yang optimal dapat meningkatkan produktivitas industri otomotif.

Solusi & Rekomendasi untuk Optimasi SCM

🔹 Integrasi Teknologi: Implementasi sistem berbasis data & AI untuk memantau performa rantai pasok secara real-time.
🔹 Pengukuran Berbasis Kinerja: Menggunakan Fuzzy AHP untuk mengklasifikasikan indikator kinerja berbasis keberlanjutan.
🔹 Manajemen Risiko Rantai Pasok: Meningkatkan kolaborasi antara pemasok dan produsen untuk mengatasi gangguan pasokan.
🔹 Sistem Manajemen yang Lebih Fleksibel: Studi oleh Neto & Pires (2012) menunjukkan bahwa pengukuran kinerja yang lebih adaptif dapat meningkatkan hubungan antara pemasok dan produsen.

Kesimpulan

Rantai pasok dalam industri otomotif memerlukan pendekatan holistik dalam pengukuran kinerja. Studi ini menunjukkan bahwa penggunaan teknologi modern, sistem pengukuran berbasis data, dan peningkatan kerja sama dengan pemasok dapat meningkatkan efisiensi serta daya saing industri otomotif secara signifikan.

📌 Sumber Asli Paper:
Radouane Lemghari, Driss Sarsri, Chafik Okar, & Asmaa Es-satty (2019). Supply Chain Performance Measurement in the Automotive Sector: A Structured Content Analysis. Uncertain Supply Chain Management, 7(2019), 567–588.

 

Pemrosesan data elektronik (EDP) atau pemrosesan informasi bisnis dapat merujuk pada penggunaan metode otomatis untuk memproses data komersial. Biasanya, hal ini menggunakan aktivitas yang relatif sederhana dan berulang untuk memproses informasi serupa dalam jumlah besar. Misalnya: pembaruan stok yang diterapkan pada inventaris, transaksi perbankan yang diterapkan pada file master akun dan pelanggan, transaksi pemesanan dan tiket ke sistem reservasi maskapai penerbangan, penagihan layanan utilitas. Pengubah “elektronik” atau “otomatis” digunakan dengan “pemrosesan data” (DP), terutama sekitar tahun 1960, untuk membedakan pemrosesan data klerikal manusia dengan yang dilakukan oleh komputer.

Sejarah

Herman Hollerith di Biro Sensus AS merancang sistem tabulasi yang mencakup kartu (kartu Hollerith, kemudian menjadi Punched card), sebuah pelubang untuk menampung data, tabulator, dan penyortir. Sistem ini diuji coba dalam menghitung statistik kematian untuk kota Baltimore. Pada pemrosesan data elektronik komersial pertama, mesin Hollerith digunakan untuk mengumpulkan data yang terkumpul dalam Sensus Penduduk Amerika Serikat tahun 1890. Perusahaan Mesin Tabulasi Hollerith bergabung dengan dua perusahaan lain untuk membentuk Computing-Tabulating-Recording Company, yang kemudian berganti nama menjadi IBM. Bisnis kartu punch dan mesin tabulasi tetap menjadi inti dari pemrosesan data elektronik hingga munculnya komputasi elektronik pada tahun 1950-an (yang saat itu masih bertumpu pada kartu punch untuk menyimpan informasi).

Komputer bisnis komersial pertama dikembangkan di Inggris pada tahun 1951, oleh organisasi katering J. Lyons and Co. Ini dikenal sebagai 'Lyons Electronic Office' - atau disingkat LEO. Ini dikembangkan lebih lanjut dan digunakan secara luas selama tahun 1960-an dan awal 1970-an. (Lyons membentuk perusahaan terpisah untuk mengembangkan komputer LEO dan kemudian bergabung untuk membentuk English Electric Leo Marconi dan kemudian International Computers Limited. Pada akhir tahun 1950-an, produsen kartu berlubang, Hollerith, Powers-Samas, IBM, dan lainnya, juga memasarkan serangkaian komputer. Sistem komersial awal dipasang secara eksklusif oleh organisasi besar. Organisasi-organisasi ini mampu menginvestasikan waktu dan modal yang diperlukan untuk membeli perangkat keras, mempekerjakan staf spesialis untuk mengembangkan perangkat lunak yang dipesan lebih dahulu, dan bekerja melalui perubahan organisasi dan budaya yang diakibatkannya (dan sering kali tidak terduga).

Pada awalnya, setiap organisasi mengembangkan perangkat lunak mereka sendiri, termasuk utilitas manajemen data, sendiri. Produk yang berbeda mungkin juga memiliki perangkat lunak yang dipesan lebih dahulu. Pendekatan yang terfragmentasi ini menyebabkan upaya duplikasi dan produksi informasi manajemen membutuhkan upaya manual.

Biaya perangkat keras yang tinggi dan kecepatan pemrosesan yang relatif lambat memaksa pengembang untuk menggunakan sumber daya secara 'efisien'. Format penyimpanan data sangat dipadatkan, misalnya. Contoh yang umum adalah penghilangan abad dari tanggal, yang pada akhirnya menyebabkan 'bug milenium'.

Input data memerlukan pemrosesan perantara melalui pita kertas berlubang atau kartu berlubang dan input terpisah menjadi tugas yang berulang-ulang, padat karya, jauh dari kendali pengguna dan rawan kesalahan. Data yang tidak valid atau salah membutuhkan koreksi dan pengiriman ulang dengan konsekuensi untuk rekonsiliasi data dan akun.

Penyimpanan data secara ketat dilakukan secara serial pada pita kertas, dan kemudian ke pita magnetik: penggunaan penyimpanan data dalam memori yang mudah diakses tidak hemat biaya sampai hard disk drive pertama kali ditemukan dan mulai dikirim pada tahun 1957. Perkembangan signifikan terjadi pada tahun 1959 dengan IBM mengumumkan komputer 1401 dan pada tahun 1962 dengan ICT (International Computers & Tabulators) yang membuat pengiriman ICT 1301. Seperti semua mesin pada masa itu, prosesor bersama dengan periferal - drive tape magnetik, drive disk, drum, printer, serta input dan output kartu dan pita kertas membutuhkan ruang yang cukup besar di dalam ruangan ber-AC yang dibangun secara khusus. Seringkali bagian dari instalasi kartu berlubang, khususnya penyortir, dipertahankan untuk menyajikan input kartu ke komputer dalam bentuk pra-penyortiran yang mengurangi waktu pemrosesan yang diperlukan untuk menyortir data dalam jumlah besar.

Fasilitas pemrosesan data menjadi tersedia untuk organisasi yang lebih kecil dalam bentuk biro layanan komputer. Ini menawarkan pemrosesan aplikasi tertentu, misalnya penggajian dan sering kali merupakan awal dari pembelian komputer pelanggan sendiri. Organisasi menggunakan fasilitas ini untuk menguji program sambil menunggu kedatangan mesin mereka sendiri.

Mesin-mesin awal ini dikirim ke pelanggan dengan perangkat lunak yang terbatas. Staf desain dibagi menjadi dua kelompok. Analis sistem menghasilkan spesifikasi sistem dan pemrogram menerjemahkan spesifikasi tersebut ke dalam bahasa mesin.

Literatur mengenai komputer dan EDP masih jarang dan sebagian besar diperoleh melalui artikel-artikel yang muncul di publikasi akuntansi dan materi yang disediakan oleh produsen peralatan. Edisi pertama The Computer Journal yang diterbitkan oleh The British Computer Society muncul pada pertengahan tahun 1958. Badan Akuntansi Inggris yang sekarang bernama The Association of Chartered Certified Accountants membentuk Komite Pemrosesan Data Elektronik pada bulan Juli 1958 dengan tujuan untuk menginformasikan kepada para anggotanya tentang peluang yang diciptakan oleh komputer. Komite ini menerbitkan buklet pertamanya pada tahun 1959, Pengantar Komputer Elektronik. Juga pada tahun 1958, The Institute of Chartered Accountants di Inggris dan Wales menerbitkan makalah berjudul Accounting by Electronic Methods. Catatan tersebut menunjukkan apa yang mungkin dilakukan dan implikasi potensial dari penggunaan komputer.

Organisasi-organisasi progresif berusaha untuk melampaui transfer sistem langsung dari peralatan kartu berlubang dan mesin akuntansi unit ke komputer, untuk menghasilkan akun ke tahap neraca percobaan dan sistem informasi manajemen yang terintegrasi. Prosedur-prosedur baru mendesain ulang cara kertas mengalir, mengubah struktur organisasi, meminta pemikiran ulang tentang cara informasi disajikan kepada manajemen dan menantang prinsip-prinsip pengendalian internal yang diadopsi oleh para perancang sistem akuntansi. Namun, realisasi penuh dari manfaat-manfaat ini harus menunggu kedatangan komputer generasi berikutnya.

Hari ini

Seperti halnya proses industri lainnya, TI komersial telah berpindah dalam banyak kasus dari industri berbasis pesanan khusus dan kerajinan tangan di mana produk disesuaikan agar sesuai dengan pelanggan; ke komponen multi guna yang diambil dari rak untuk menemukan yang paling sesuai dalam situasi apa pun. Produksi massal telah sangat mengurangi biaya dan TI tersedia untuk organisasi terkecil.

LEO adalah perangkat keras yang dirancang untuk satu klien. Saat ini, Intel Pentium dan chip yang kompatibel merupakan standar dan menjadi bagian dari komponen lain yang digabungkan sesuai kebutuhan. Satu perubahan yang perlu dicatat adalah pembebasan komputer dan penyimpanan yang dapat dipindahkan dari lingkungan yang terlindungi dan disaring udara. Microsoft dan IBM pada berbagai waktu cukup berpengaruh untuk memaksakan ketertiban di bidang TI dan standarisasi yang dihasilkan memungkinkan perangkat lunak spesialis untuk berkembang.

Perangkat lunak tersedia di pasaran. Selain produk seperti Microsoft Office dan IBM Lotus, ada juga paket spesialis untuk penggajian dan manajemen personalia, pemeliharaan akun dan manajemen pelanggan, dan masih banyak lagi. Ini adalah komponen yang sangat khusus dan rumit dari lingkungan yang lebih besar, tetapi mereka bergantung pada konvensi dan antarmuka yang umum.

Penyimpanan data juga telah distandarisasi. Basis data relasional dikembangkan oleh pemasok yang berbeda dengan menggunakan format dan konvensi umum. Format file yang umum dapat digunakan bersama oleh mainframe besar dan komputer pribadi desktop, sehingga memungkinkan input dan validasi secara online dan real-time.

Secara paralel, pengembangan perangkat lunak telah terfragmentasi. Masih ada teknisi spesialis, namun semakin banyak yang menggunakan metodologi standar di mana hasilnya dapat diprediksi dan dapat diakses.[9] Di ujung lain dari skala ini, setiap manajer kantor dapat mencoba-coba spreadsheet atau database dan mendapatkan hasil yang dapat diterima (tetapi ada risiko, karena banyak yang tidak tahu apa itu pengujian perangkat lunak). Perangkat lunak khusus adalah perangkat lunak yang ditulis untuk tugas tertentu dan bukan untuk area aplikasi yang luas. Program-program ini menyediakan fasilitas khusus untuk tujuan yang dirancang. Di sisi lain, setiap manajer kantor dapat mencoba-coba spreadsheet atau database dan mendapatkan hasil yang dapat diterima.

Disadur dari: https://en.wikipedia.org/

Penyimpanan

Penyimpanan basis data adalah wadah perwujudan fisik dari sebuah basis data. Ini terdiri dari tingkat internal (fisik) dalam arsitektur database. Penyimpanan ini juga berisi semua informasi yang dibutuhkan (misalnya, metadata, “data tentang data”, dan struktur data internal) untuk merekonstruksi tingkat konseptual dan tingkat eksternal dari tingkat internal bila diperlukan. Basis data sebagai objek digital mengandung tiga lapisan informasi yang harus disimpan: data, struktur, dan semantik. Penyimpanan yang tepat dari ketiga lapisan tersebut diperlukan untuk pelestarian dan umur panjang basis data di masa depan. Menempatkan data ke dalam penyimpanan permanen pada umumnya merupakan tanggung jawab mesin basis data alias “mesin penyimpanan”. Meskipun biasanya diakses oleh DBMS melalui sistem operasi yang mendasarinya (dan sering menggunakan sistem file sistem operasi sebagai perantara untuk tata letak penyimpanan), properti penyimpanan dan pengaturan konfigurasi sangat penting untuk pengoperasian DBMS yang efisien, dan dengan demikian dipelihara dengan cermat oleh administrator basis data. DBMS, ketika beroperasi, selalu memiliki basis data yang berada di beberapa jenis penyimpanan (misalnya, memori dan penyimpanan eksternal). Data basis data dan informasi tambahan yang dibutuhkan, mungkin dalam jumlah yang sangat besar, dikodekan ke dalam bit. Data biasanya berada di penyimpanan dalam struktur yang terlihat sangat berbeda dari cara data terlihat pada tingkat konseptual dan eksternal, tetapi dengan cara yang berusaha untuk mengoptimalkan (sebaik mungkin) rekonstruksi tingkat-tingkat ini ketika dibutuhkan oleh pengguna dan program, serta untuk menghitung jenis informasi tambahan yang dibutuhkan dari data (misalnya, ketika melakukan kueri basis data).

Beberapa DBMS mendukung untuk menentukan pengkodean karakter yang digunakan untuk menyimpan data, sehingga beberapa pengkodean dapat digunakan dalam database yang sama.

Berbagai struktur penyimpanan basis data tingkat rendah digunakan oleh mesin penyimpanan untuk menserialisasi model data sehingga dapat ditulis ke media pilihan. Teknik seperti pengindeksan dapat digunakan untuk meningkatkan kinerja. Penyimpanan konvensional berorientasi pada baris, tetapi ada juga database yang berorientasi pada kolom dan korelasi.

Tampilan yang diwujudkan

Sering kali redundansi penyimpanan digunakan untuk meningkatkan kinerja. Contoh yang umum adalah menyimpan materialized view, yang terdiri dari tampilan eksternal yang sering dibutuhkan atau hasil kueri. Menyimpan tampilan seperti itu menghemat biaya komputasi yang mahal setiap kali dibutuhkan. Kelemahan dari materialized views adalah biaya overhead yang dikeluarkan ketika memperbaruinya agar tetap tersinkronisasi dengan data basis data asli yang telah diperbaharui, dan biaya redundansi penyimpanan.

Replikasi

Kadang-kadang database menggunakan redundansi penyimpanan dengan replikasi objek database (dengan satu atau lebih salinan) untuk meningkatkan ketersediaan data (baik untuk meningkatkan kinerja beberapa akses pengguna akhir secara simultan ke objek database yang sama, dan untuk memberikan ketahanan dalam kasus kegagalan parsial database terdistribusi). Pembaruan objek yang direplikasi perlu disinkronkan di seluruh salinan objek. Dalam banyak kasus, seluruh basis data direplikasi.

Virtualisasi

Dengan virtualisasi data, data yang digunakan tetap berada di lokasi aslinya dan akses waktu nyata dibuat untuk memungkinkan analisis di berbagai sumber. Hal ini dapat membantu menyelesaikan beberapa kesulitan teknis seperti masalah kompatibilitas saat menggabungkan data dari berbagai platform, menurunkan risiko kesalahan yang disebabkan oleh data yang salah, dan menjamin bahwa data terbaru digunakan. Selain itu, menghindari pembuatan database baru yang berisi informasi pribadi dapat mempermudah kepatuhan terhadap peraturan privasi. Namun, dengan virtualisasi data, koneksi ke semua sumber data yang diperlukan harus beroperasi karena tidak ada salinan data lokal, yang merupakan salah satu kelemahan utama dari pendekatan ini.

Keamanan

Keamanan basis data berhubungan dengan berbagai aspek dalam melindungi konten basis data, pemilik, dan penggunanya. Mulai dari perlindungan dari penggunaan database yang tidak sah yang disengaja hingga akses database yang tidak disengaja oleh entitas yang tidak berwenang (misalnya, seseorang atau program komputer).

Kontrol akses database berhubungan dengan pengendalian siapa (seseorang atau program komputer tertentu) yang diizinkan untuk mengakses informasi apa yang ada di dalam database. Informasi dapat terdiri dari objek database tertentu (misalnya, jenis record, record tertentu, struktur data), perhitungan tertentu atas objek tertentu (misalnya, jenis kueri, atau kueri tertentu), atau menggunakan jalur akses tertentu ke objek tersebut (misalnya, menggunakan indeks tertentu atau struktur data lain untuk mengakses informasi). Kontrol akses database diatur oleh personil khusus yang berwenang (oleh pemilik database) yang menggunakan antarmuka DBMS yang dilindungi keamanan khusus.

Hal ini dapat dikelola secara langsung secara individual, atau dengan penugasan individu dan hak istimewa untuk kelompok, atau (dalam model yang paling rumit) melalui penugasan individu dan kelompok untuk peran yang kemudian diberikan hak. Keamanan data mencegah pengguna yang tidak berhak untuk melihat atau memperbarui database. Dengan menggunakan kata sandi, pengguna diizinkan mengakses seluruh basis data atau bagian dari basis data yang disebut “subskema”. Sebagai contoh, database karyawan dapat berisi semua data tentang seorang karyawan, tetapi satu kelompok pengguna mungkin diizinkan untuk melihat hanya data penggajian, sementara yang lain diizinkan mengakses hanya riwayat kerja dan data medis. Jika DBMS menyediakan cara untuk memasukkan dan memperbarui database secara interaktif, serta menginterogasinya, kemampuan ini memungkinkan untuk mengelola database pribadi.

Keamanan data secara umum berhubungan dengan melindungi potongan data tertentu, baik secara fisik (misalnya, dari korupsi, atau penghancuran, atau penghapusan; misalnya, lihat keamanan fisik), atau interpretasi data tersebut, atau bagian dari data tersebut menjadi informasi yang berarti (misalnya, dengan melihat rangkaian bit yang menyusunnya, menyimpulkan nomor kartu kredit tertentu yang valid; misalnya, lihat enkripsi data).

Perubahan dan akses pencatatan mencatat siapa yang mengakses atribut yang mana, apa yang diubah, dan kapan diubah. Layanan pencatatan memungkinkan audit basis data forensik di kemudian hari dengan menyimpan catatan kejadian dan perubahan akses. Kadang-kadang kode tingkat aplikasi digunakan untuk mencatat perubahan daripada membiarkannya di database. Pemantauan dapat diatur untuk mencoba mendeteksi pelanggaran keamanan. Oleh karena itu, organisasi harus memperhatikan keamanan database dengan serius karena banyaknya manfaat yang diberikan. Organisasi akan terlindungi dari pelanggaran keamanan dan aktivitas peretasan seperti intrusi firewall, penyebaran virus, dan perangkat lunak tebusan. Hal ini membantu dalam melindungi informasi penting perusahaan, yang tidak dapat dibagikan dengan pihak luar dengan alasan apa pun.

Transaksi dan konkurensi

Transaksi basis data dapat digunakan untuk memperkenalkan beberapa tingkat toleransi kesalahan dan integritas data setelah pemulihan dari kerusakan. Transaksi basis data adalah sebuah unit kerja, biasanya merangkum sejumlah operasi pada basis data (misalnya, membaca objek basis data, menulis, mendapatkan atau melepaskan kunci, dll.), Sebuah abstraksi yang didukung dalam basis data dan juga sistem lainnya. Setiap transaksi memiliki batasan yang jelas dalam hal eksekusi program/kode mana yang termasuk dalam transaksi tersebut (ditentukan oleh pemrogram transaksi melalui perintah transaksi khusus).

Akronim ACID menggambarkan beberapa sifat ideal dari sebuah transaksi database: atomisitas, konsistensi, isolasi, dan daya tahan.

Migrasi

Database yang dibuat dengan satu DBMS tidak dapat dipindah ke DBMS lain (misalnya, DBMS lain tidak dapat menjalankannya). Namun, dalam beberapa situasi, diinginkan untuk memigrasi database dari satu DBMS ke DBMS lainnya. Alasan utamanya adalah ekonomis (DBMS yang berbeda mungkin memiliki total biaya kepemilikan atau TCO yang berbeda), fungsional, dan operasional (DBMS yang berbeda mungkin memiliki kemampuan yang berbeda). Migrasi melibatkan transformasi database dari satu jenis DBMS ke jenis DBMS lainnya. Transformasi harus mempertahankan (jika memungkinkan) aplikasi terkait database (yaitu, semua program aplikasi terkait) secara utuh. Dengan demikian, tingkat konseptual dan arsitektur eksternal database harus dipertahankan dalam transformasi. Mungkin diinginkan juga beberapa aspek dari tingkat internal arsitektur dipertahankan. Migrasi database yang kompleks atau besar dapat menjadi proyek yang rumit dan mahal (satu kali) dengan sendirinya, yang harus diperhitungkan dalam keputusan untuk melakukan migrasi. Hal ini terlepas dari fakta bahwa ada alat yang dapat membantu migrasi antara DBMS tertentu. Biasanya, vendor DBMS menyediakan alat untuk membantu mengimpor database dari DBMS populer lainnya.

Membangun, memelihara, dan menyetel

Setelah mendesain basis data untuk sebuah aplikasi, tahap selanjutnya adalah membangun basis data. Biasanya, DBMS tujuan umum yang sesuai dapat dipilih untuk digunakan untuk tujuan ini. DBMS menyediakan antarmuka pengguna yang dibutuhkan untuk digunakan oleh administrator database untuk mendefinisikan struktur data aplikasi yang dibutuhkan dalam model data masing-masing DBMS. Antarmuka pengguna lainnya digunakan untuk memilih parameter DBMS yang dibutuhkan (seperti terkait keamanan, parameter alokasi penyimpanan, dll.).

Ketika database sudah siap (semua struktur data dan komponen lain yang dibutuhkan sudah ditentukan), biasanya database diisi dengan data aplikasi awal (inisialisasi database, yang biasanya merupakan proyek yang berbeda; dalam banyak kasus menggunakan antarmuka DBMS khusus yang mendukung penyisipan massal) sebelum membuatnya beroperasi. Dalam beberapa kasus, database menjadi operasional saat kosong dari data aplikasi, dan data diakumulasikan selama pengoperasiannya.

Setelah database dibuat, diinisialisasi, dan diisi, database perlu dipelihara. Berbagai parameter database mungkin perlu diubah dan database mungkin perlu disetel (tuning) untuk kinerja yang lebih baik; struktur data aplikasi dapat diubah atau ditambahkan, program aplikasi baru yang terkait dapat ditulis untuk menambah fungsionalitas aplikasi, dll.

Pencadangan dan pemulihan

Kadang-kadang diinginkan untuk mengembalikan basis data ke keadaan sebelumnya (karena berbagai alasan, misalnya, kasus ketika basis data ditemukan rusak karena kesalahan perangkat lunak, atau jika telah diperbarui dengan data yang salah). Untuk mencapai hal ini, operasi pencadangan dilakukan sesekali atau terus menerus, di mana setiap status database yang diinginkan (yaitu, nilai data dan penyematannya dalam struktur data database) disimpan dalam file pencadangan khusus (banyak teknik yang tersedia untuk melakukan hal ini secara efektif). Ketika diputuskan oleh administrator basis data untuk mengembalikan basis data ke kondisi ini (misalnya, dengan menentukan kondisi ini pada titik waktu yang diinginkan saat basis data dalam kondisi ini), file-file ini digunakan untuk mengembalikan kondisi tersebut.

Analisis statis

Teknik analisis statis untuk verifikasi perangkat lunak dapat diterapkan juga dalam skenario bahasa kueri. Secara khusus, kerangka kerja interpretasi *Abstrak telah diperluas ke bidang bahasa kueri untuk basis data relasional sebagai cara untuk mendukung teknik pendekatan yang baik. Semantik bahasa kueri dapat disetel sesuai dengan abstraksi yang sesuai dengan domain konkret data. Abstraksi sistem basis data relasional memiliki banyak aplikasi yang menarik, khususnya, untuk tujuan keamanan, seperti kontrol akses berbutir halus, penandaan air, dll.

Fitur-fitur lain

Fitur-fitur DBMS lainnya mungkin termasuk:

• Log basis data - Ini membantu dalam menyimpan riwayat fungsi yang dijalankan.
• Komponen grafik untuk menghasilkan grafik dan bagan, terutama dalam sistem gudang data.
• Pengoptimal kueri - Melakukan pengoptimalan kueri pada setiap kueri untuk memilih rencana kueri yang efisien (urutan parsial (pohon) operasi) yang akan dieksekusi untuk menghitung hasil kueri. Mungkin spesifik untuk mesin penyimpanan tertentu.
• Alat atau kait untuk desain basis data, pemrograman aplikasi, pemeliharaan program aplikasi, analisis dan pemantauan kinerja basis data, pemantauan konfigurasi basis data, konfigurasi perangkat keras DBMS (DBMS dan basis data terkait dapat menjangkau komputer, jaringan, dan unit penyimpanan) dan pemetaan basis data terkait (terutama untuk DBMS terdistribusi), alokasi penyimpanan dan pemantauan tata letak basis data, migrasi penyimpanan, dll.
• Semakin banyak permintaan untuk sebuah sistem tunggal yang menggabungkan semua fungsi inti ini ke dalam kerangka kerja pembuatan, pengujian, dan penyebaran yang sama untuk manajemen basis data dan kontrol sumber. Meminjam dari perkembangan lain dalam industri perangkat lunak, beberapa memasarkan penawaran tersebut sebagai “DevOps untuk basis data.”

Desain dan pemodelan

Tugas pertama seorang perancang basis data adalah menghasilkan model data konseptual yang mencerminkan struktur informasi yang akan disimpan dalam basis data. Pendekatan yang umum dilakukan adalah dengan mengembangkan model hubungan entitas, sering kali dengan bantuan alat bantu gambar. Pendekatan lain yang populer adalah Unified Modeling Language. Model data yang sukses akan secara akurat mencerminkan keadaan dunia eksternal yang mungkin dimodelkan: misalnya, jika orang dapat memiliki lebih dari satu nomor telepon, maka informasi ini akan dapat ditangkap. Merancang model data konseptual yang baik membutuhkan pemahaman yang baik tentang domain aplikasi; biasanya melibatkan pengajuan pertanyaan mendalam tentang hal-hal yang menarik bagi organisasi, seperti “dapatkah seorang pelanggan juga menjadi pemasok?”, atau “jika suatu produk dijual dengan dua bentuk kemasan yang berbeda, apakah itu adalah produk yang sama atau produk yang berbeda?”, atau “jika sebuah pesawat terbang dari New York ke Dubai melalui Frankfurt, apakah itu satu penerbangan atau dua penerbangan (atau bahkan tiga)?”. Jawaban dari pertanyaan-pertanyaan ini menetapkan definisi dari terminologi yang digunakan untuk entitas (pelanggan, produk, penerbangan, segmen penerbangan) dan hubungan serta atributnya.

Menghasilkan model data konseptual terkadang melibatkan masukan dari proses bisnis, atau analisis alur kerja dalam organisasi. Hal ini dapat membantu menetapkan informasi apa yang dibutuhkan dalam database, dan apa yang dapat ditinggalkan. Sebagai contoh, hal ini dapat membantu ketika memutuskan apakah database perlu menyimpan data historis maupun data saat ini.

Setelah menghasilkan model data konseptual yang disukai pengguna, tahap selanjutnya adalah menerjemahkannya ke dalam skema yang mengimplementasikan struktur data yang relevan di dalam database. Proses ini sering disebut desain basis data logis, dan outputnya adalah model data logis yang dinyatakan dalam bentuk skema. Sedangkan model data konseptual (secara teori setidaknya) tidak bergantung pada pilihan teknologi database, model data logis akan diekspresikan dalam bentuk model database tertentu yang didukung oleh DBMS yang dipilih. (Istilah model data dan model basis data sering digunakan secara bergantian, tetapi dalam artikel ini kami menggunakan model data untuk desain basis data tertentu, dan model basis data untuk notasi pemodelan yang digunakan untuk mengekspresikan desain tersebut).

Model basis data yang paling populer untuk basis data tujuan umum adalah model relasional, atau lebih tepatnya, model relasional yang diwakili oleh bahasa SQL. Proses pembuatan desain basis data logis dengan menggunakan model ini menggunakan pendekatan metodis yang dikenal sebagai normalisasi. Tujuan dari normalisasi adalah untuk memastikan bahwa setiap “fakta” dasar hanya dicatat di satu tempat, sehingga penyisipan, pembaruan, dan penghapusan secara otomatis menjaga konsistensi.

Tahap akhir dari desain database adalah membuat keputusan yang mempengaruhi kinerja, skalabilitas, pemulihan, keamanan, dan sejenisnya, yang bergantung pada DBMS tertentu. Ini sering disebut desain database fisik, dan hasilnya adalah model data fisik. Tujuan utama selama tahap ini adalah independensi data, yang berarti bahwa keputusan yang dibuat untuk tujuan optimasi kinerja harus tidak terlihat oleh pengguna akhir dan aplikasi. Ada dua jenis independensi data: Kemandirian data fisik dan kemandirian data logis. Desain fisik didorong terutama oleh persyaratan kinerja, dan membutuhkan pengetahuan yang baik tentang beban kerja yang diharapkan dan pola akses, dan pemahaman yang mendalam tentang fitur yang ditawarkan oleh DBMS yang dipilih.

Aspek lain dari desain database fisik adalah keamanan. Hal ini melibatkan pendefinisian kontrol akses ke objek database serta pendefinisian tingkat keamanan dan metode untuk data itu sendiri.

Model

Model basis data adalah jenis model data yang menentukan struktur logis basis data dan pada dasarnya menentukan bagaimana data dapat disimpan, diatur, dan dimanipulasi. Contoh model database yang paling populer adalah model relasional (atau pendekatan SQL untuk relasional), yang menggunakan format berbasis tabel.

Model data logis yang umum untuk database meliputi:

• Basis data navigasi
• Model basis data hirarkis
• Model jaringan
• Basis data grafik
• Model relasional
• Model hubungan entitas
• Model hubungan entitas yang disempurnakan
• Model objek
• Model dokumen
• Model entitas-atribut-nilai
• Skema bintang

Basis data relasional objek menggabungkan dua struktur yang terkait.

Model data fisik meliputi:

1. Indeks terbalik
2. File datar

Model lainnya meliputi:

1. Model multidimensi
2. Model larik
3. Model multivalue

Model khusus dioptimalkan untuk jenis data tertentu:

1. Basis data XML
2. Model semantik
3. Penyimpanan konten
4. Penyimpanan acara
5. Model deret waktu
6. Pandangan eksternal, konseptual, dan internal
7. Pandangan tradisional terhadap data

Sistem manajemen basis data menyediakan tiga tampilan data basis data:

• Tingkat eksternal mendefinisikan bagaimana setiap kelompok pengguna akhir melihat organisasi data dalam database. Sebuah database tunggal dapat memiliki sejumlah tampilan di tingkat eksternal.
• Tingkat konseptual (atau tingkat logis) menyatukan berbagai pandangan eksternal ke dalam pandangan global yang kompatibel. Ini menyediakan sintesis dari semua pandangan eksternal. Hal ini berada di luar cakupan berbagai pengguna akhir basis data, dan lebih menarik bagi pengembang aplikasi basis data dan administrator basis data.
• Tingkat internal (atau tingkat fisik) adalah organisasi internal data di dalam DBMS. Ini berkaitan dengan biaya, kinerja, skalabilitas, dan masalah operasional lainnya. Ini berkaitan dengan tata letak penyimpanan data, menggunakan struktur penyimpanan seperti indeks untuk meningkatkan kinerja. Kadang-kadang menyimpan data dari pandangan individu (pandangan yang terwujud), dihitung dari data umum, jika pembenaran kinerja ada untuk redundansi tersebut. Ini menyeimbangkan semua persyaratan kinerja pandangan eksternal, yang mungkin bertentangan, dalam upaya untuk mengoptimalkan kinerja keseluruhan di semua aktivitas.

Meskipun biasanya hanya ada satu tampilan konseptual dan internal dari data, mungkin ada sejumlah tampilan eksternal yang berbeda. Hal ini memungkinkan pengguna untuk melihat informasi database dengan cara yang lebih berhubungan dengan bisnis daripada dari sudut pandang teknis dan pemrosesan. Sebagai contoh, departemen keuangan dari sebuah perusahaan membutuhkan rincian pembayaran dari semua karyawan sebagai bagian dari pengeluaran perusahaan, tetapi tidak membutuhkan rincian tentang karyawan yang merupakan kepentingan departemen sumber daya manusia. Dengan demikian, departemen yang berbeda membutuhkan pandangan yang berbeda dari database perusahaan.

Arsitektur database tiga tingkat berhubungan dengan konsep independensi data yang merupakan salah satu kekuatan pendorong utama model relasional. Idenya adalah bahwa perubahan yang dibuat pada tingkat tertentu tidak mempengaruhi pandangan pada tingkat yang lebih tinggi. Sebagai contoh, perubahan pada tingkat internal tidak mempengaruhi program aplikasi yang ditulis menggunakan antarmuka tingkat konseptual, yang mengurangi dampak membuat perubahan fisik untuk meningkatkan kinerja.

Tampilan konseptual menyediakan tingkat ketidakterarahan antara internal dan eksternal. Di satu sisi, ia menyediakan pandangan umum tentang basis data, tidak tergantung pada struktur tampilan eksternal yang berbeda, dan di sisi lain, ia mengabstraksikan detail tentang bagaimana data disimpan atau dikelola (tingkat internal). Pada prinsipnya setiap level, dan bahkan setiap tampilan eksternal, dapat disajikan oleh model data yang berbeda. Pada prakteknya, biasanya DBMS menggunakan model data yang sama untuk level eksternal dan konseptual (misalnya, model relasional). Tingkat internal, yang tersembunyi di dalam DBMS dan tergantung pada implementasinya, membutuhkan tingkat detail yang berbeda dan menggunakan jenis tipe struktur data sendiri.

Penelitian

Teknologi basis data telah menjadi topik penelitian yang aktif sejak tahun 1960-an, baik di dunia akademis maupun di kelompok penelitian dan pengembangan perusahaan (misalnya IBM Research). Aktivitas penelitian meliputi teori dan pengembangan prototipe. Topik penelitian yang terkenal meliputi model, konsep transaksi atomik, teknik kontrol konkurensi terkait, bahasa kueri dan metode pengoptimalan kueri, RAID, dan banyak lagi.

Area penelitian basis data memiliki beberapa jurnal akademis khusus (misalnya, ACM Transactions on Database Systems-TODS, Data and Knowledge Engineering-DKE) dan konferensi tahunan (misalnya, ACM SIGMOD, ACM PODS, VLDB, IEEE ICDE).

Disadur dari: https://en.wikipedia.org/

Dalam komputasi, database adalah kumpulan data yang terorganisir atau jenis penyimpanan data yang didasarkan pada penggunaan sistem manajemen basis data (DBMS), perangkat lunak yang berinteraksi dengan pengguna akhir, aplikasi, dan basis data itu sendiri untuk menangkap dan menganalisis data. DBMS juga mencakup fasilitas inti yang disediakan untuk mengelola database. Total keseluruhan dari database, DBMS, dan aplikasi terkait dapat disebut sebagai sistem database. Seringkali istilah “basis data” juga digunakan secara longgar untuk merujuk pada salah satu DBMS, sistem basis data atau aplikasi yang terkait dengan basis data.

Basis data kecil dapat disimpan di sistem file, sedangkan basis data besar di-host di cluster komputer atau penyimpanan awan. Desain database mencakup teknik formal dan pertimbangan praktis, termasuk pemodelan data, representasi dan penyimpanan data yang efisien, bahasa kueri, keamanan dan privasi data sensitif, dan masalah komputasi terdistribusi, termasuk mendukung akses bersamaan dan toleransi kesalahan.

Ilmuwan komputer dapat mengklasifikasikan sistem manajemen basis data menurut model basis data yang mereka dukung. Basis data relasional menjadi dominan pada tahun 1980-an. Model ini memodelkan data sebagai baris dan kolom dalam serangkaian tabel, dan sebagian besar menggunakan SQL untuk menulis dan menanyakan data. Pada tahun 2000-an, database non-relasional menjadi populer, yang secara kolektif disebut sebagai NoSQL, karena mereka menggunakan bahasa kueri yang berbeda.

Terminologi dan gambaran umum

Secara formal, “database” mengacu pada sekumpulan data terkait yang diakses melalui penggunaan “sistem manajemen basis data” (DBMS), yang merupakan sekumpulan perangkat lunak komputer terintegrasi yang memungkinkan pengguna untuk berinteraksi dengan satu atau beberapa basis data dan menyediakan akses ke semua data yang terkandung dalam basis data (meskipun mungkin ada batasan yang membatasi akses ke data tertentu). DBMS menyediakan berbagai fungsi yang memungkinkan pemasukan, penyimpanan, dan pengambilan informasi dalam jumlah besar serta menyediakan cara untuk mengatur bagaimana informasi tersebut diatur.

Karena hubungan yang erat di antara keduanya, istilah “basis data” sering digunakan secara umum untuk merujuk pada basis data dan DBMS yang digunakan untuk memanipulasinya.

Di luar dunia teknologi informasi profesional, istilah database sering digunakan untuk merujuk pada kumpulan data yang terkait (seperti spreadsheet atau indeks kartu) karena ukuran dan persyaratan penggunaan biasanya mengharuskan penggunaan sistem manajemen database.

DBMS yang ada saat ini menyediakan berbagai fungsi yang memungkinkan pengelolaan database dan datanya yang dapat diklasifikasikan ke dalam empat kelompok fungsional utama:

• Definisi data - Pembuatan, modifikasi, dan penghapusan definisi yang mendefinisikan organisasi data.
• Pembaruan - Penyisipan, modifikasi, dan penghapusan data aktual.
• Pengambilan - Menyediakan informasi dalam bentuk yang dapat digunakan secara langsung atau untuk diproses lebih lanjut oleh aplikasi lain. Data yang diambil dapat disediakan dalam bentuk yang pada dasarnya sama dengan yang tersimpan dalam database atau dalam bentuk baru yang diperoleh dengan mengubah atau menggabungkan data yang ada dari database.
• Administrasi - Mendaftarkan dan memantau pengguna, menegakkan keamanan data, memantau kinerja, menjaga integritas data, menangani kontrol konkurensi, dan memulihkan informasi yang telah rusak karena suatu peristiwa seperti kegagalan sistem yang tidak terduga.

Baik database maupun DBMS-nya sesuai dengan prinsip-prinsip model database tertentu. “Sistem basis data” secara kolektif mengacu pada model basis data, sistem manajemen basis data, dan basis data.

Secara fisik, server database adalah komputer khusus yang menyimpan database yang sebenarnya dan hanya menjalankan DBMS dan perangkat lunak terkait. Server database biasanya merupakan komputer multiprosesor, dengan memori yang besar dan susunan disk RAID yang digunakan untuk penyimpanan yang stabil. Akselerator database perangkat keras, yang terhubung ke satu atau lebih server melalui saluran berkecepatan tinggi, juga digunakan dalam lingkungan pemrosesan transaksi bervolume besar. DBMS ditemukan di jantung sebagian besar aplikasi database. DBMS dapat dibangun di sekitar kernel multitasking khusus dengan dukungan jaringan bawaan, tetapi DBMS modern biasanya mengandalkan sistem operasi standar untuk menyediakan fungsi-fungsi ini.

Karena DBMS terdiri dari pasar yang signifikan, vendor komputer dan penyimpanan sering mempertimbangkan persyaratan DBMS dalam rencana pengembangan mereka sendiri.

Database dan DBMS dapat dikategorikan menurut model database yang didukungnya (seperti relasional atau XML), jenis komputer yang digunakannya (dari cluster server hingga ponsel), bahasa kueri yang digunakan untuk mengakses database (seperti SQL atau XQuery), dan rekayasa internalnya, yang memengaruhi kinerja, skalabilitas, ketahanan, dan keamanan.

Sejarah

Ukuran, kemampuan, dan kinerja database dan DBMS masing-masing telah berkembang pesat. Peningkatan kinerja ini dimungkinkan oleh kemajuan teknologi di bidang prosesor, memori komputer, penyimpanan komputer, dan jaringan komputer. Konsep basis data dimungkinkan dengan munculnya media penyimpanan akses langsung seperti disk magnetik, yang tersedia secara luas pada pertengahan tahun 1960-an; sistem sebelumnya mengandalkan penyimpanan data secara berurutan pada pita magnetik. Perkembangan selanjutnya dari teknologi database dapat dibagi menjadi tiga era berdasarkan model atau struktur data: navigasi, SQL/relasional, dan post-relasional.

Dua model data navigasional awal yang utama adalah model hirarkis dan model CODASYL (model jaringan). Kedua model ini ditandai dengan penggunaan pointer (sering kali alamat disk fisik) untuk mengikuti hubungan dari satu record ke record lainnya.

Model relasional, pertama kali diusulkan pada tahun 1970 oleh Edgar F. Codd, berangkat dari tradisi ini dengan menegaskan bahwa aplikasi harus mencari data berdasarkan konten, bukan dengan mengikuti tautan. Model relasional menggunakan kumpulan tabel bergaya buku besar, masing-masing digunakan untuk jenis entitas yang berbeda. Baru pada pertengahan 1980-an, perangkat keras komputasi menjadi cukup kuat untuk memungkinkan penyebaran sistem relasional secara luas (DBMS plus aplikasi). Namun, pada awal 1990-an, sistem relasional mendominasi semua aplikasi pemrosesan data skala besar, dan pada tahun 2018, sistem ini tetap dominan: IBM Db2, Oracle, MySQL, dan Microsoft SQL Server adalah DBMS yang paling banyak dicari. Bahasa basis data yang dominan, SQL standar untuk model relasional, telah mempengaruhi bahasa basis data untuk model data lainnya.

Basis data objek dikembangkan pada tahun 1980-an untuk mengatasi ketidaknyamanan ketidaksesuaian impedansi objek-relasional, yang menyebabkan terciptanya istilah “post-relasional” dan juga pengembangan basis data objek-relasional hibrida. Generasi berikutnya dari database post-relasional pada akhir tahun 2000-an dikenal sebagai database NoSQL, yang memperkenalkan penyimpanan nilai kunci yang cepat dan database berorientasi dokumen.

Sebuah “generasi berikutnya” yang bersaing yang dikenal sebagai database NewSQL mencoba implementasi baru yang mempertahankan model relasional/SQL sambil bertujuan untuk menyamai kinerja NoSQL yang tinggi dibandingkan dengan DBMS relasional yang tersedia secara komersial.

Tahun 1960-an, DBMS navigasi

Pengenalan istilah basis data bertepatan dengan ketersediaan penyimpanan akses langsung (disk dan drum) dari pertengahan 1960-an dan seterusnya. Istilah ini mewakili kontras dengan sistem berbasis pita di masa lalu, yang memungkinkan penggunaan interaktif bersama daripada pemrosesan batch harian. Kamus Bahasa Inggris Oxford mengutip laporan tahun 1962 dari System Development Corporation of California sebagai yang pertama kali menggunakan istilah “basis data” dalam pengertian teknis tertentu.

Seiring dengan meningkatnya kecepatan dan kemampuan komputer, sejumlah sistem basis data untuk keperluan umum muncul; pada pertengahan tahun 1960-an, sejumlah sistem tersebut mulai digunakan secara komersial. Ketertarikan pada standar mulai tumbuh, dan Charles Bachman, penulis salah satu produk tersebut, Integrated Data Store (IDS), mendirikan Database Task Group di dalam CODASYL, kelompok yang bertanggung jawab atas pembuatan dan standarisasi COBOL. Pada tahun 1971, Database Task Group memberikan standar mereka, yang secara umum dikenal sebagai pendekatan CODASYL, dan segera sejumlah produk komersial berdasarkan pendekatan ini memasuki pasar.

Pendekatan CODASYL menawarkan aplikasi kemampuan untuk menavigasi di sekitar kumpulan data yang terhubung yang dibentuk ke dalam jaringan besar. Aplikasi dapat menemukan catatan dengan salah satu dari tiga metode:

1. Penggunaan kunci utama (dikenal sebagai kunci CALC, biasanya diimplementasikan dengan hashing)
2. Menavigasi hubungan (disebut set) dari satu record ke record lainnya
3. Memindai semua catatan dalam urutan berurutan

Sistem yang lebih baru menambahkan pohon-B untuk menyediakan jalur akses alternatif. Banyak basis data CODASYL juga menambahkan bahasa kueri deklaratif untuk pengguna akhir (berbeda dengan API navigasi). Namun, database CODASYL sangat kompleks dan membutuhkan pelatihan dan upaya yang signifikan untuk menghasilkan aplikasi yang berguna.

IBM juga memiliki DBMS sendiri pada tahun 1966, yang dikenal sebagai Information Management System (IMS). IMS merupakan pengembangan perangkat lunak yang ditulis untuk program Apollo pada System/360. IMS secara umum memiliki konsep yang mirip dengan CODASYL, tetapi menggunakan hirarki yang ketat untuk model navigasi datanya, bukan model jaringan CODASYL. Kedua konsep ini kemudian dikenal sebagai basis data navigasi karena cara data diakses: istilah ini dipopulerkan oleh presentasi Turing Award tahun 1973 dari Bachman, The Programmer as Navigator. IMS diklasifikasikan oleh IBM sebagai basis data hirarkis. Basis data IDMS dan TOTAL [broken anchor] dari Cincom Systems diklasifikasikan sebagai basis data jaringan. IMS masih digunakan hingga tahun 2014.

Tahun 1970-an, DBMS relasional

Edgar F. Codd bekerja di IBM di San Jose, California, di salah satu kantor cabang mereka yang terutama terlibat dalam pengembangan sistem hard disk. Dia tidak senang dengan model navigasi dari pendekatan CODASYL, terutama kurangnya fasilitas “pencarian”. Pada tahun 1970, ia menulis sejumlah makalah yang menguraikan pendekatan baru untuk konstruksi basis data yang pada akhirnya berujung pada terobosan A Relational Model of Data for Large Shared Data Banks.

Dalam makalah ini, dia menjelaskan sistem baru untuk menyimpan dan bekerja dengan database besar. Alih-alih catatan disimpan dalam semacam daftar terkait dari catatan bentuk bebas seperti di CODASYL, ide Codd adalah untuk mengatur data sebagai sejumlah “tabel”, setiap tabel digunakan untuk jenis entitas yang berbeda. Setiap tabel akan berisi sejumlah kolom yang berisi atribut entitas. Satu atau lebih kolom dari setiap tabel ditetapkan sebagai kunci utama yang dengannya baris-baris tabel dapat diidentifikasi secara unik; referensi silang antar tabel selalu menggunakan kunci utama ini, bukan alamat disk, dan kueri akan menggabungkan tabel berdasarkan hubungan kunci ini, menggunakan seperangkat operasi berdasarkan sistem matematika kalkulus relasional (yang menjadi dasar model ini). Memisahkan data ke dalam sekumpulan tabel yang dinormalisasi (atau relasi) bertujuan untuk memastikan bahwa setiap “fakta” hanya disimpan satu kali, sehingga menyederhanakan operasi pembaruan. Tabel virtual yang disebut view dapat menyajikan data dengan cara yang berbeda untuk pengguna yang berbeda, tetapi view tidak dapat diperbarui secara langsung.

Codd menggunakan istilah matematika untuk mendefinisikan model: relasi, tupel, dan domain daripada tabel, baris, dan kolom. Terminologi yang sekarang sudah tidak asing lagi berasal dari implementasi awal. Codd kemudian mengkritik kecenderungan implementasi praktis yang menyimpang dari dasar-dasar matematis yang menjadi dasar model tersebut.

Dalam model relasional, catatan “dihubungkan” menggunakan kunci virtual yang tidak disimpan dalam database tetapi didefinisikan sesuai kebutuhan antara data yang terkandung dalam catatan.

Penggunaan kunci primer (pengidentifikasi berorientasi pengguna) untuk mewakili hubungan lintas tabel, daripada alamat disk, memiliki dua motivasi utama. Dari perspektif teknik, hal ini memungkinkan tabel untuk direlokasi dan diubah ukurannya tanpa reorganisasi basis data yang mahal. Tetapi Codd lebih tertarik pada perbedaan dalam semantik: penggunaan pengidentifikasi eksplisit membuatnya lebih mudah untuk mendefinisikan operasi pembaruan dengan definisi matematika yang bersih, dan juga memungkinkan operasi kueri untuk didefinisikan dalam hal disiplin yang sudah mapan dari kalkulus predikat orde satu; karena operasi ini memiliki sifat matematika yang bersih, maka menjadi mungkin untuk menulis ulang kueri dengan cara yang terbukti benar, yang merupakan dasar pengoptimalan kueri. Tidak ada kehilangan ekspresifitas dibandingkan dengan model hirarkis atau model jaringan, meskipun hubungan antar tabel tidak lagi eksplisit.

Pada model hirarkis dan jaringan, catatan diperbolehkan memiliki struktur internal yang kompleks. Sebagai contoh, riwayat gaji seorang karyawan dapat direpresentasikan sebagai “kelompok yang berulang” di dalam catatan karyawan. Dalam model relasional, proses normalisasi menyebabkan struktur internal seperti itu digantikan oleh data yang disimpan di beberapa tabel, yang hanya dihubungkan dengan kunci logis.

Sebagai contoh, penggunaan umum sistem database adalah untuk melacak informasi tentang pengguna, nama mereka, informasi login, berbagai alamat dan nomor telepon. Dalam pendekatan navigasi, semua data ini akan ditempatkan dalam satu record dengan panjang variabel. Dalam pendekatan relasional, data akan dinormalisasi ke dalam tabel pengguna, tabel alamat, dan tabel nomor telepon (misalnya). Catatan akan dibuat dalam tabel-tabel opsional ini hanya jika alamat atau nomor telepon benar-benar disediakan.

Selain mengidentifikasi baris/rekaman menggunakan pengenal logis daripada alamat disk, Codd mengubah cara aplikasi mengumpulkan data dari beberapa rekaman. Daripada mengharuskan aplikasi untuk mengumpulkan data satu per satu dengan menavigasi tautan, mereka akan menggunakan bahasa kueri deklaratif yang mengekspresikan data apa yang diperlukan, daripada jalur akses yang digunakan untuk menemukan data tersebut. Menemukan jalur akses yang efisien ke data menjadi tanggung jawab sistem manajemen basis data, bukan programmer aplikasi. Proses ini, yang disebut optimasi kueri, bergantung pada fakta bahwa kueri diekspresikan dalam bentuk logika matematika.

Makalah Codd diambil oleh dua orang di Berkeley, Eugene Wong dan Michael Stonebraker. Mereka memulai sebuah proyek yang dikenal sebagai INGRES dengan menggunakan dana yang telah dialokasikan untuk proyek basis data geografis dan para pemrogram mahasiswa untuk menghasilkan kode. Dimulai pada tahun 1973, INGRES mengirimkan produk uji coba pertamanya yang secara umum siap digunakan secara luas pada tahun 1979. INGRES mirip dengan System R dalam beberapa hal, termasuk penggunaan “bahasa” untuk akses data, yang dikenal sebagai QUEL. Seiring berjalannya waktu, INGRES beralih ke standar SQL yang baru muncul.

IBM sendiri melakukan satu uji coba implementasi model relasional, PRTV, dan satu produksi, Business System 12, keduanya sekarang sudah tidak diproduksi lagi. Honeywell menulis MRDS untuk Multics, dan sekarang ada dua implementasi baru: Alphora Dataphor dan Rel. Sebagian besar implementasi DBMS lain yang biasanya disebut relasional sebenarnya adalah DBMS SQL.

Pada tahun 1970, Universitas Michigan memulai pengembangan Sistem Manajemen Informasi MICRO berdasarkan model Data Set-Theoretic D.L. Childs. MICRO digunakan untuk mengelola kumpulan data yang sangat besar oleh Departemen Tenaga Kerja AS, Badan Perlindungan Lingkungan AS, dan para peneliti dari Universitas Alberta, Universitas Michigan, dan Universitas Negeri Wayne. Sistem ini berjalan pada komputer mainframe IBM menggunakan Michigan Terminal System. Sistem ini tetap diproduksi hingga tahun 1998.

Pendekatan terpadu

Pada tahun 1970-an dan 1980-an, ada upaya untuk membangun sistem basis data dengan perangkat keras dan perangkat lunak yang terintegrasi. Filosofi yang mendasari adalah bahwa integrasi semacam itu akan memberikan kinerja yang lebih tinggi dengan biaya yang lebih rendah. Contohnya adalah IBM System/38, penawaran awal Teradata, dan mesin basis data Britton Lee, Inc.

Pendekatan lain untuk dukungan perangkat keras untuk manajemen basis data adalah akselerator CAFS dari ICL, pengontrol disk perangkat keras dengan kemampuan pencarian yang dapat diprogram. Dalam jangka panjang, upaya-upaya ini umumnya tidak berhasil karena mesin basis data khusus tidak dapat mengimbangi perkembangan dan kemajuan pesat komputer tujuan umum. Oleh karena itu, sebagian besar sistem basis data saat ini adalah sistem perangkat lunak yang berjalan pada perangkat keras serba guna, menggunakan penyimpanan data komputer serba guna. Namun, ide ini masih dikejar dalam aplikasi tertentu oleh beberapa perusahaan seperti Netezza dan Oracle (Exadata).

Akhir tahun 1970-an, DBMS SQL

IBM mulai mengerjakan sistem prototipe yang secara longgar didasarkan pada konsep Codd sebagai System R pada awal tahun 1970-an. Versi pertama siap pada tahun 1974/5, dan pekerjaan kemudian dimulai pada sistem multi-tabel di mana data dapat dipecah sehingga semua data untuk sebuah catatan (beberapa di antaranya opsional) tidak harus disimpan dalam satu “potongan” besar. Versi multi-pengguna berikutnya diuji oleh pelanggan pada tahun 1978 dan 1979, di mana pada saat itu bahasa kueri standar - SQL - telah ditambahkan. Ide-ide Codd terbukti dapat diterapkan dan lebih unggul daripada CODASYL, mendorong IBM untuk mengembangkan versi produksi yang sebenarnya dari System R, yang dikenal sebagai SQL/DS, dan kemudian, Database 2 (IBM Db2).

Oracle Database Larry Ellison (atau lebih sederhananya, Oracle) dimulai dari rantai yang berbeda, berdasarkan makalah IBM tentang Sistem R. Meskipun implementasi Oracle V1 selesai pada tahun 1978, namun baru pada Oracle Versi 2 Ellison mengalahkan IBM ke pasar pada tahun 1979.

Stonebraker kemudian menerapkan pelajaran dari INGRES untuk mengembangkan database baru, Postgres, yang sekarang dikenal sebagai PostgreSQL. PostgreSQL sering digunakan untuk aplikasi global yang sangat penting (pendaftar nama domain .org dan .info menggunakannya sebagai penyimpan data utama mereka, seperti halnya banyak perusahaan besar dan lembaga keuangan).

Di Swedia, makalah Codd juga dibaca dan Mimer SQL dikembangkan pada pertengahan tahun 1970-an di Universitas Uppsala. Pada tahun 1984, proyek ini dikonsolidasikan menjadi sebuah perusahaan independen.

Model data lainnya, model entity-relationship, muncul pada tahun 1976 dan mendapatkan popularitas untuk desain database karena menekankan deskripsi yang lebih akrab daripada model relasional sebelumnya. Kemudian, konstruk entitas-hubungan dipasang kembali sebagai konstruk pemodelan data untuk model relasional, dan perbedaan antara keduanya menjadi tidak relevan.

Tahun 1980-an, di desktop

Tahun 1980-an mengantarkan era komputasi desktop. Komputer baru memberdayakan penggunanya dengan spreadsheet seperti Lotus 1-2-3 dan perangkat lunak basis data seperti dBASE. Produk dBASE sangat ringan dan mudah dipahami oleh pengguna komputer mana pun secara langsung. C. Wayne Ratliff, pencipta dBASE, menyatakan: “dBASE berbeda dengan program-program seperti BASIC, C, FORTRAN, dan COBOL karena banyak pekerjaan kotor yang telah dilakukan. Manipulasi data dilakukan oleh dBASE dan bukan oleh pengguna, sehingga pengguna dapat berkonsentrasi pada apa yang sedang dilakukannya, daripada harus mengotak-atik detail-detail kotor seperti membuka, membaca, dan menutup berkas, serta mengatur alokasi ruang."[19] dBASE merupakan salah satu perangkat lunak yang paling laris pada tahun 1980-an dan awal 1990-an.

Tahun 1990-an, berorientasi objek

Tahun 1990-an, seiring dengan meningkatnya pemrograman berorientasi objek, terjadi pertumbuhan dalam cara penanganan data dalam berbagai database. Para programmer dan desainer mulai memperlakukan data dalam database mereka sebagai objek. Artinya, jika data seseorang ada di dalam database, atribut orang tersebut, seperti alamat, nomor telepon, dan usia, sekarang dianggap sebagai milik orang tersebut, bukan sebagai data asing. Hal ini memungkinkan relasi antar data untuk dihubungkan dengan objek dan atributnya dan bukan dengan field individual. Istilah “ketidaksesuaian impedansi objek-relasional” menggambarkan ketidaknyamanan dalam menerjemahkan antara objek yang diprogram dan tabel basis data. Database objek dan database relasional objek berusaha untuk memecahkan masalah ini dengan menyediakan bahasa berorientasi objek (kadang-kadang sebagai ekstensi untuk SQL) yang dapat digunakan oleh programmer sebagai alternatif untuk SQL relasional murni. Di sisi pemrograman, pustaka yang dikenal sebagai pemetaan objek-relasional (ORM) mencoba untuk memecahkan masalah yang sama.

Tahun 2000-an, NoSQL dan NewSQL

Basis data XML adalah jenis basis data berorientasi dokumen terstruktur yang memungkinkan kueri berdasarkan atribut dokumen XML. Basis data XML sebagian besar digunakan dalam aplikasi yang datanya mudah dilihat sebagai kumpulan dokumen, dengan struktur yang dapat bervariasi dari yang sangat fleksibel hingga yang sangat kaku: contohnya adalah artikel ilmiah, paten, pengajuan pajak, dan catatan personalia.

Basis data NoSQL sering kali sangat cepat, tidak memerlukan skema tabel yang tetap, menghindari operasi penggabungan dengan menyimpan data yang terdenormalisasi, dan dirancang untuk skala horizontal.

Dalam beberapa tahun terakhir, ada permintaan yang kuat untuk database yang didistribusikan secara masif dengan toleransi partisi yang tinggi, tetapi menurut teorema CAP, tidak mungkin sistem terdistribusi secara bersamaan memberikan jaminan konsistensi, ketersediaan, dan toleransi partisi. Sistem terdistribusi dapat memenuhi dua dari jaminan ini pada saat yang sama, tetapi tidak ketiganya. Oleh karena itu, banyak database NoSQL yang menggunakan apa yang disebut konsistensi akhir untuk menyediakan jaminan ketersediaan dan toleransi partisi dengan tingkat konsistensi data yang lebih rendah.

NewSQL adalah kelas database relasional modern yang bertujuan untuk memberikan kinerja skalabilitas yang sama dengan sistem NoSQL untuk beban kerja pemrosesan transaksi (baca-tulis) online dengan tetap menggunakan SQL dan mempertahankan jaminan ACID dari sistem database tradisional.

Kasus penggunaan

Basis data digunakan untuk mendukung operasi internal organisasi dan untuk mendukung interaksi online dengan pelanggan dan pemasok (lihat Perangkat lunak perusahaan).

Basis data digunakan untuk menyimpan informasi administratif dan data yang lebih khusus, seperti data teknik atau model ekonomi. Contohnya termasuk sistem perpustakaan terkomputerisasi, sistem reservasi penerbangan, sistem inventaris suku cadang terkomputerisasi, dan banyak sistem manajemen konten yang menyimpan situs web sebagai kumpulan halaman web dalam database.

Klasifikasi

Salah satu cara untuk mengklasifikasikan basis data adalah berdasarkan jenis isinya, misalnya: bibliografi, teks dokumen, statistik, atau objek multimedia. Cara lain adalah dengan area aplikasinya, misalnya: akuntansi, komposisi musik, film, perbankan, manufaktur, atau asuransi. Cara ketiga adalah dengan beberapa aspek teknis, seperti struktur basis data atau jenis antarmuka. Bagian ini mencantumkan beberapa kata sifat yang digunakan untuk mengkarakterisasi berbagai jenis database.

• Basis data dalam memori adalah basis data yang terutama berada di memori utama, tetapi biasanya dicadangkan oleh penyimpanan data komputer yang tidak mudah menguap. Database memori utama lebih cepat daripada database disk, sehingga sering digunakan di mana waktu respons sangat penting, seperti pada peralatan jaringan telekomunikasi.
• Basis data aktif mencakup arsitektur berbasis peristiwa yang dapat merespons kondisi di dalam dan di luar basis data. Penggunaan yang mungkin termasuk pemantauan keamanan, peringatan, pengumpulan statistik dan otorisasi. Banyak database menyediakan fitur database aktif dalam bentuk pemicu database.
• Basis data cloud bergantung pada teknologi cloud. Baik database dan sebagian besar DBMS-nya berada di jarak jauh, “di awan”, sementara aplikasinya dikembangkan oleh pemrogram dan kemudian dikelola dan digunakan oleh pengguna akhir melalui browser web dan Open API.
• Gudang data mengarsipkan data dari basis data operasional dan sering kali dari sumber eksternal seperti perusahaan riset pasar. Gudang data menjadi sumber utama data untuk digunakan oleh manajer dan pengguna akhir lainnya yang mungkin tidak memiliki akses ke data operasional. Sebagai contoh, data penjualan dapat dikumpulkan menjadi total mingguan dan dikonversi dari kode produk internal untuk menggunakan UPC sehingga dapat dibandingkan dengan data ACNielsen. Beberapa komponen dasar dan penting dari data warehousing termasuk mengekstraksi, menganalisis, dan menambang data, mentransformasi, memuat, dan mengelola data agar tersedia untuk digunakan lebih lanjut.
• Basis data deduktif menggabungkan pemrograman logika dengan basis data relasional.
• Basis data terdistribusi adalah basis data yang datanya dan DBMS-nya tersebar di beberapa komputer.
• Basis data berorientasi dokumen dirancang untuk menyimpan, mengambil, dan mengelola informasi yang berorientasi dokumen, atau semi terstruktur. Basis data berorientasi dokumen adalah salah satu kategori utama basis data NoSQL.
• Sistem basis data tertanam adalah DBMS yang terintegrasi erat dengan perangkat lunak aplikasi yang membutuhkan akses ke data yang tersimpan sedemikian rupa sehingga DBMS tersembunyi dari pengguna akhir aplikasi dan hanya membutuhkan sedikit atau tanpa pemeliharaan berkelanjutan.
• Basis data pengguna akhir terdiri dari data yang dikembangkan oleh pengguna akhir individu. Contohnya adalah kumpulan dokumen, spreadsheet, presentasi, multimedia, dan file lainnya. Beberapa produk tersedia untuk mendukung basis data tersebut.
• Sistem basis data federasi terdiri dari beberapa basis data yang berbeda, masing-masing dengan DBMS-nya sendiri. Hal ini ditangani sebagai database tunggal oleh sistem manajemen database federasi (FDBMS), yang secara transparan mengintegrasikan beberapa DBMS otonom, mungkin dari jenis yang berbeda (dalam hal ini juga akan menjadi sistem database heterogen), dan menyediakan mereka dengan pandangan konseptual yang terintegrasi.
• Kadang-kadang istilah multi-database digunakan sebagai sinonim untuk database federasi, meskipun dapat merujuk pada kelompok database yang kurang terintegrasi (misalnya, tanpa FDBMS dan skema terintegrasi yang dikelola) yang bekerja sama dalam satu aplikasi. Dalam hal ini, biasanya middleware digunakan untuk distribusi, yang biasanya mencakup protokol komit atom (ACP), misalnya protokol komit dua fase, untuk memungkinkan transaksi terdistribusi (global) di seluruh basis data yang berpartisipasi.
• Basis data graf adalah sejenis basis data NoSQL yang menggunakan struktur graf dengan simpul, sisi, dan properti untuk merepresentasikan dan menyimpan informasi. Basis data graf umum yang dapat menyimpan graf apa pun berbeda dengan basis data graf khusus seperti basis data triplestore dan basis data jaringan.
• DBMS array adalah jenis DBMS NoSQL yang memungkinkan pemodelan, penyimpanan, dan pengambilan array multi-dimensi (biasanya besar) seperti gambar satelit dan output simulasi iklim.
• Dalam basis data hiperteks atau hipermedia, setiap kata atau sepotong teks yang mewakili sebuah objek, misalnya, sepotong teks lain, artikel, gambar, atau film, dapat di-hyperlink ke objek tersebut. Basis data hiperteks sangat berguna untuk mengatur sejumlah besar informasi yang berbeda. Sebagai contoh, database ini berguna untuk mengatur ensiklopedia online, di mana pengguna dapat dengan mudah berpindah-pindah teks. Dengan demikian, World Wide Web adalah basis data hiperteks terdistribusi yang besar.
• Basis pengetahuan (disingkat KB, kb atau Δ) adalah jenis basis data khusus untuk manajemen pengetahuan, yang menyediakan sarana untuk pengumpulan, pengorganisasian, dan pengambilan pengetahuan secara terkomputerisasi. Juga kumpulan data yang mewakili masalah dengan solusinya dan pengalaman terkait.
• Basis data seluler dapat dibawa atau disinkronkan dari perangkat komputasi seluler.
• Basis data operasional menyimpan data rinci tentang operasi organisasi. Database ini biasanya memproses pembaruan dalam volume yang relatif tinggi dengan menggunakan transaksi. Contohnya adalah database pelanggan yang mencatat kontak, kredit, dan informasi demografis tentang pelanggan bisnis, database personalia yang menyimpan informasi seperti gaji, tunjangan, data keterampilan karyawan, sistem perencanaan sumber daya perusahaan yang mencatat rincian tentang komponen produk, inventaris suku cadang, dan database keuangan yang melacak uang organisasi, transaksi akuntansi dan keuangan.
• Basis data paralel berusaha meningkatkan kinerja melalui paralelisasi untuk tugas-tugas seperti memuat data, membuat indeks, dan mengevaluasi kueri.

Arsitektur DBMS paralel utama yang disebabkan oleh arsitektur perangkat keras yang mendasarinya adalah:

• Arsitektur memori bersama, di mana beberapa prosesor berbagi ruang memori utama, serta penyimpanan data lainnya.
• Arsitektur disk bersama, di mana setiap unit pemrosesan (biasanya terdiri dari beberapa prosesor) memiliki memori utama sendiri, tetapi semua unit berbagi penyimpanan lainnya.
• Arsitektur shared-nothing, di mana setiap unit pemrosesan memiliki memori utama dan penyimpanan lainnya.
• Basis data probabilistik menggunakan logika fuzzy untuk menarik kesimpulan dari data yang tidak tepat.
• Basis data real-time memproses transaksi dengan cukup cepat sehingga hasilnya dapat segera kembali dan ditindaklanjuti.
• Basis data spasial dapat menyimpan data dengan fitur multidimensi. Kueri pada data tersebut termasuk kueri berbasis lokasi, seperti “Di mana hotel terdekat di daerah saya?”.
• Basis data temporal memiliki aspek waktu built-in, misalnya model data temporal dan versi temporal SQL. Lebih khusus lagi, aspek temporal biasanya mencakup waktu yang valid dan waktu transaksi.
• Basis data berorientasi terminologi dibangun di atas basis data berorientasi objek, yang sering kali disesuaikan untuk bidang tertentu.
• Basis data data tidak terstruktur dimaksudkan untuk menyimpan dengan cara yang dapat dikelola dan dilindungi beragam objek yang tidak cocok secara alami dan nyaman dalam basis data umum. Ini dapat mencakup pesan email, dokumen, jurnal, objek multimedia, dll. Namanya mungkin menyesatkan karena beberapa objek dapat sangat terstruktur. Namun, seluruh koleksi objek yang mungkin tidak sesuai dengan kerangka kerja terstruktur yang telah ditentukan. Sebagian besar DBMS yang sudah mapan sekarang mendukung data tidak terstruktur dengan berbagai cara, dan DBMS baru yang berdedikasi muncul.

Sistem manajemen basis data

Connolly dan Begg mendefinisikan sistem manajemen basis data (DBMS) sebagai “sistem perangkat lunak yang memungkinkan pengguna untuk mendefinisikan, membuat, memelihara, dan mengontrol akses ke basis data.” Contoh DBMS termasuk MySQL, MariaDB, PostgreSQL, Microsoft SQL Server, Oracle Database, dan Microsoft Access.

Akronim DBMS terkadang diperluas untuk menunjukkan model database yang mendasarinya, dengan RDBMS untuk relasional, OODBMS untuk objek (berorientasi) dan ORDBMS untuk model objek-relasional. Ekstensi lain dapat menunjukkan beberapa karakteristik lain, seperti DDBMS untuk sistem manajemen basis data terdistribusi.

Fungsionalitas yang disediakan oleh DBMS dapat sangat bervariasi. Fungsionalitas intinya adalah penyimpanan, pengambilan, dan pembaruan data. Codd mengusulkan fungsi dan layanan berikut yang harus disediakan oleh DBMS tujuan umum yang lengkap:

• Penyimpanan, pengambilan dan pembaruan data
• Katalog yang dapat diakses pengguna atau kamus data yang menjelaskan metadata
• Dukungan untuk transaksi dan konkurensi
• Fasilitas untuk memulihkan basis data jika terjadi kerusakan
• Dukungan untuk otorisasi akses dan pembaruan data
• Dukungan akses dari lokasi yang jauh
• Menegakkan batasan untuk memastikan data dalam basis data mematuhi aturan tertentu

Secara umum, DBMS juga diharapkan akan menyediakan seperangkat utilitas untuk tujuan-tujuan yang mungkin diperlukan untuk mengelola basis data secara efektif, termasuk impor, ekspor, pemantauan, defragmentasi, dan utilitas analisis. Bagian inti dari DBMS yang berinteraksi antara database dan antarmuka aplikasi kadang-kadang disebut sebagai mesin database.

Seringkali DBMS akan memiliki parameter konfigurasi yang dapat disetel secara statis dan dinamis, misalnya jumlah maksimum memori utama pada server yang dapat digunakan database. Kecenderungannya adalah untuk meminimalkan jumlah konfigurasi manual, dan untuk kasus-kasus seperti basis data tertanam, kebutuhan untuk menargetkan administrasi nol adalah yang terpenting.

DBMS perusahaan besar yang besar cenderung meningkat dalam ukuran dan fungsionalitas dan telah melibatkan upaya pengembangan hingga ribuan tahun selama masa hidupnya.

DBMS multi-pengguna awal biasanya hanya mengizinkan aplikasi untuk berada di komputer yang sama dengan akses melalui terminal atau perangkat lunak emulasi terminal. Arsitektur client-server adalah pengembangan di mana aplikasi berada di desktop klien dan database di server yang memungkinkan pemrosesan didistribusikan. Ini berkembang menjadi arsitektur multitier yang menggabungkan server aplikasi dan server web dengan antarmuka pengguna akhir melalui browser web dengan basis data yang hanya terhubung langsung ke tingkat yang berdekatan.

DBMS tujuan umum akan menyediakan antarmuka pemrograman aplikasi publik (API) dan secara opsional sebuah prosesor untuk bahasa database seperti SQL untuk memungkinkan aplikasi ditulis untuk berinteraksi dengan dan memanipulasi database. DBMS dengan tujuan khusus dapat menggunakan API pribadi dan secara khusus disesuaikan dan dihubungkan ke satu aplikasi. Sebagai contoh, sistem email melakukan banyak fungsi DBMS tujuan umum seperti penyisipan pesan, penghapusan pesan, penanganan lampiran, pencarian daftar blokir, mengasosiasikan pesan dengan alamat email, dan lain-lain, namun fungsi-fungsi ini terbatas pada apa yang diperlukan untuk menangani email.

Aplikasi

Interaksi eksternal dengan basis data akan dilakukan melalui program aplikasi yang berinteraksi dengan DBMS.[29] Hal ini dapat berupa alat basis data yang memungkinkan pengguna untuk mengeksekusi kueri SQL secara tekstual atau grafis, hingga situs web yang menggunakan basis data untuk menyimpan dan mencari informasi.

Antarmuka program aplikasi

Seorang programmer akan mengkodekan interaksi ke basis data (kadang-kadang disebut sebagai sumber data) melalui antarmuka program aplikasi (API) atau melalui bahasa basis data. API atau bahasa tertentu yang dipilih harus didukung oleh DBMS, mungkin secara tidak langsung melalui preprocessor atau API yang menjembatani. Beberapa API bertujuan untuk menjadi database independen, ODBC menjadi contoh yang umum dikenal. API umum lainnya termasuk JDBC dan ADO.NET.

Bahasa basis data

Bahasa basis data adalah bahasa dengan tujuan khusus, yang memungkinkan satu atau beberapa tugas berikut ini, yang terkadang dibedakan sebagai sublanguage:

• Bahasa kontrol data (DCL) - mengontrol akses ke data;
• Bahasa definisi data (DDL) - mendefinisikan tipe data seperti membuat, mengubah, atau menghapus tabel dan hubungan di antaranya;
• Bahasa manipulasi data (DML) - melakukan tugas-tugas seperti menyisipkan, memperbarui, atau menghapus kejadian data;
• Bahasa kueri data (DQL) - memungkinkan pencarian informasi dan komputasi informasi turunan.

Bahasa basis data khusus untuk model data tertentu. Contoh-contoh yang penting termasuk:

• SQL menggabungkan peran definisi data, manipulasi data, dan kueri dalam satu bahasa. Ini adalah salah satu bahasa komersial pertama untuk model relasional, meskipun dalam beberapa hal menyimpang dari model relasional seperti yang dijelaskan oleh Codd (misalnya, baris dan kolom dari sebuah tabel dapat dipesan). SQL menjadi standar American National Standards Institute (ANSI) pada tahun 1986, dan Organisasi Internasional untuk Standardisasi (ISO) pada tahun 1987. Standar ini telah ditingkatkan secara teratur sejak saat itu dan didukung (dengan berbagai tingkat kesesuaian) oleh semua DBMS relasional komersial utama.
• OQL adalah sebuah standar bahasa model objek (dari Object Data Management Group). OQL telah mempengaruhi desain beberapa bahasa query yang lebih baru seperti JDOQL dan EJB QL.
• XQuery adalah bahasa kueri XML standar yang diimplementasikan oleh sistem basis data XML seperti MarkLogic dan eXist, oleh basis data relasional dengan kemampuan XML seperti Oracle dan Db2, dan juga oleh prosesor XML dalam memori seperti Saxon.
• SQL/XML menggabungkan XQuery dengan SQL.

Sebuah bahasa basis data juga dapat menggabungkan fitur-fitur seperti:

• Konfigurasi khusus DBMS dan manajemen mesin penyimpanan
• Komputasi untuk memodifikasi hasil kueri, seperti menghitung, menjumlahkan, rata-rata, menyortir, mengelompokkan, dan referensi silang
• Penegakan batasan (misalnya, dalam database otomotif, hanya mengizinkan satu jenis mesin per mobil)
• Versi antarmuka pemrograman aplikasi dari bahasa kueri, untuk kenyamanan pemrogram

Disadur dari: https://en.wikipedia.org/