DBMS and Normalization

Apa tujuan normalisasi dalam manajemen database?

• Normalisasi digunakan untuk meningkatkan redundansi data dan mengurangi integritas data.

• Normalisasi hanya berlaku untuk basis data kecil.

• Normalisasi adalah proses untuk memperlambat kinerja basis data.

• Tujuan normalisasi adalah untuk mengurangi redundansi data dan meningkatkan integritas data.

Jelaskan konsep Normalization Forms dalam DBMS.

• Normalization Forms dalam DBMS adalah aturan untuk mengatur data secara efisien dengan mengurangi redundansi dan ketergantungan, dengan level yang berbeda ditandai dengan NF1, NF2, NF3, dll.

• Normalization Forms tidak memengaruhi ketergantungan data

• Normalization Forms digunakan untuk meningkatkan redundansi dalam penyimpanan data

• Normalization Forms hanya berlaku untuk basis data non-relasional

Apa saja jenis-jenis kunci dalam DBMS?

• Kunci Unik

• Kunci Indeks

• Kunci Gabungan

• Kunci Utama, Kunci Asing

Apakah yang dimaksud dengan Kunci Utama?

• Sebuah Kunci Utama adalah pengenal unik untuk setiap catatan dalam tabel database.

• Sebuah Kunci Utama adalah pengenal sekunder yang digunakan untuk mengurutkan data dalam tabel database.

• Sebuah Kunci Utama adalah nomor acak yang diberikan untuk setiap catatan dalam tabel database.

• Sebuah Kunci Utama adalah bidang yang dapat memiliki nilai duplikat dalam tabel database.

Apa itu Kunci Asing dan bagaimana perbedaannya dengan Kunci Utama?

• Sebuah Kunci Asing berbeda dari Kunci Primer dalam hal ini menetapkan hubungan antara dua tabel dengan merujuk pada Kunci Primer tabel lain, sedangkan Kunci Primer mengidentifikasi setiap catatan secara unik dalam sebuah tabel.

• Kunci Asing hanya digunakan dalam database NoSQL, sedangkan Kunci Primer digunakan dalam database SQL.

• Kunci Asing dapat memiliki nilai duplikat, tidak seperti Kunci Primer yang harus unik.

• Kunci Asing digunakan untuk tujuan enkripsi, sedangkan Kunci Primer digunakan untuk otentikasi.

Jelaskan apa yang dimaksud dengan Anomali dalam database.

• Anomali hanya terjadi di basis data kecil

• Anomali dalam basis data adalah set data yang sempurna

• Anomali bermanfaat untuk konsistensi data

• Anomali dalam basis data adalah ketidaksesuaian atau kesalahan dalam data yang menyimpang dari pola normal, diklasifikasikan menjadi anomali penyisipan, penghapusan, dan pembaruan.

Jelaskan Anomali Penyisipan dengan contoh.

• Fitur Anomali Penyisipan dari database yang dirancang dengan baik.

• Anomali Penyisipan hanya relevan dalam database skala kecil.

• Contoh Anomali Penyisipan adalah tabel database di mana nilai-nilai mahasiswa disimpan bersama dengan kursus yang mereka ikuti. Jika seorang mahasiswa baru bergabung tetapi belum terdaftar dalam kursus apa pun, database akan memerlukan penyisipan nilai kursus null atau default untuk mahasiswa tersebut, menyebabkan data yang tidak perlu.

• Anomali Penyisipan terjadi ketika data tidak dapat ditambahkan ke tabel database.

Apa itu Anomali Update dan bagaimana cara mencegahnya?

• Normalisasikan basis data untuk mengurangi redundancy dan meningkatkan integritas data.

• Hapus semua data dari database

• Abai anomali dan lanjutkan dengan data apa adanya

• Buat entri duplikat untuk setiap catatan

Terangkan Anomali Penghapusan dan dampaknya pada integritas database.

• sebuah situasi yang terjadi pada database ketika penghapusan data pada satu tabel menyebabkan hilangnya informasi penting pada tabel lain.

• Anomali Penghapusan hanya mempengaruhi data yang tidak berharga.

• Anomali Penghapusan meningkatkan konsistensi data dalam database.

• Anomali Penghapusan tidak memiliki dampak pada integritas database.

Bagaimana normalisasi membantu mengurangi redundansi data dan meningkatkan integritas data?

• Bagaimana normalisasi membantu mengurangi redundansi data dan meningkatkan integritas data?

• Normalisasi mengurangi integritas dengan memungkinkan entri data yang inkonsisten.

• Normalisasi meningkatkan redundansi dengan menduplikasi data di beberapa tabel.

• Normalisasi tidak memiliki dampak pada redundansi atau integritas data.