Skip to main content

atribut, entitas, dan relasi dalam ERD

  • Entitas
Entitas adalah “sesuatu” atau “objek” di dunia nyata yang dapat dibedakan dari objek lain. contohnya antara lain entitas mahasiswa, dosen, buah, hewan dan lain sebagainya. 

Entitas bisa dibagi menjadi 2 yaitu:

    • Entitas kongkrit, Contoh : Mahasiswa, Buku
    • Entitas abstrak, Contoh : Pinjaman, Jadwal, Nilai

  • Atribut

Entitas mempunyai elemen yang disebut atribut, berfungsi untuk mendeskripsikan karakter entitas. Misalnya atribut NIM dari entitas mahasiswa. Setiap ERD bisa terdapat lebih dari satu atribut. 
Tipe-tipeAtribut sebagai berikut.
  1. Simple dan Composite attributes – Atribut Simple : Atribut sederhana yang tidak dapat dibagi dalam beberapa bagian; – Atribut Komposit : Atribut yang dapat dibagi lagi dalam beberapa bagian; contoh : Nama; yang terdiri dari Nama depan dan Nama Belakang.
  2. Single-valued dan multi-valued attributes –Atribut Single-valued : Atribut yang memiliki paling banyak satu nilai untuk setiap baris data – Multi-valued attributes : Atribut yang dapat diisi dengan lebih satu nilai tetapi jenisnya sama. Contoh : NomorTelp, Alamat.
  3. Derived attributes – Atribut Turunan : Atribut yang diperoleh dari pengolahan dari atribut lain yang berhubungan. Contoh : Umur, IP 
  4. Atribut Mandatory dan Non Mandatory - Atribut Mandatory adalah atribut yang harus diisi tidak boleh kosong (not null) - Atribut Non mandatory adalah atribut yang boleh kosong(null).

  • Relasi
Relasi adalah hubungan antara beberapa entitas. 
Himpunan relasi adalah kumpulan semua relasi yang merupakan relasi matematik antara n ≥ 2 entitas, dari himpunan-himpunan entitas yang ada.
Derajat Relasi menunjukan banyaknya himpunan entitas yang saling berelasi. 
contoh derajat relasi
    • Binary Relationship
    • Ternary relationship


Untuk Himpunan relasi biner pemetaan kardinalitasnya dapat merupakan salah satu dari tipe2 berikut.
  1. Satu ke Satu (One to one)


  2. Satu ke Banyak (One to many) 


  3. Banyak ke Satu (Many to one) 


  4. Banyak ke Banyak (Many to many) 


Kardinalitas pemetaan dinyatakan dengan 2 cara : 
  1. [Korth] garis berarah (1) dan garis tidak berarah (Banyak). 
  2. [Date] menuliskan kardinalitasnya pada garis

Comments

Post a Comment

Popular posts from this blog

P9 - Supervise Learning (Klasifikasi) dan Contoh Algoritma Yang Ada Didalamnya

Supervised learning adalah salah satu jenis pembelajaran mesin (machine learning) di mana model dilatih menggunakan data yang telah diberi label. Dalam supervised learning, terdapat dua kategori utama: klasifikasi dan regresi. Fokus kita kali ini adalah pada klasifikasi. Supervised Learning (Klasifikasi) Klasifikasi adalah salah satu tugas utama dalam supervised learning, di mana model bertujuan untuk memetakan input ke dalam salah satu dari beberapa kategori atau kelas yang sudah ditentukan sebelumnya. Misalnya, dalam klasifikasi email, model dilatih untuk mengkategorikan email sebagai "spam" atau "not spam." Dalam klasifikasi gambar, model dilatih untuk mengenali objek dalam gambar seperti "kucing," "anjing," atau "mobil." Dalam konteks pembelajaran mesin, supervised learning (pembelajaran terawasi) adalah metode di mana model dilatih menggunakan data yang telah diberi label. Artinya, setiap contoh data dalam set pelatihan memiliki in...
Post a Comment
Read more

P3 - Pre-processing menggunakan Google Colab

 Pre-processing merupakan hal penting sebelum melatih model. Pre-processing diperlukan untuk mengubah data mentah menjadi data bersih yang cocok untuk dianalisis. Pre-processing penting dilakukan karena berbagai alasan diantaranya untuk meningkatkan kualitas data, meningkatkan kinerja model dan meningkatkan efisiensi. Pada pembahasan kali ini akan menjelaskan  data collection,  data cleaning data transform dan data reduction . Data Collection Data collection adalah proses pengumpulan, pengukuran, dan analisis berbagai tipe informasi menggunakan teknik berstandar. Tujuan dari data collection adalah untuk mengumpulkan informasi dan data terpercaya sebanyak-banyaknya, yang kemudian dianalisis untuk membuat sebuah keputusan bisnis yang krusial. Ketika sudah berhasil dikumpulkan, data ini kemudian melalui sejumlah proses meliputi pembersihan dan pemrosesan data agar dapat digunakan oleh perusahaan. Dalam melakukan data collection harus diketahui dahulu beberapa poin yaitu seb...
Post a Comment
Read more

MENENTUKAN KARDINALITAS DAN OPSIOANLITAS

Prodi diketuai oleh dosen (one to one) 2. Dosen ploting program studi (one to one) 3.   Mahasiswa dibimbing dosen (many to one) 4.  Dosen memiliki prodi(one to one) 5.  Dosen mengampu matakuliah (one to one) 6.   Prodi memiliki kelas (many to many) 7.  Mahasiswa memilih matakuliah (many to many) 8.  mahasiswa ploting kelas (many to many) 9.  Fakultas memiliki Prodi (one to many) 10.  Mahasiswa dibimbing dosen (many to one)
Post a Comment
Read more