SEJARAH PERKEMBANGAN BASIS DATA

Sejak tahun 1960-an penggunaan basis data sudah digunakan untuk bidang komersial, dimana pemrosesan file-nya masih berbasis manajemen file tradisional. Perkembangan komputer yang semakin pesat diikuti dengan perkembangan perangkat lunak untuk aplikasi bisnis, sejak tahun 1970-an sampai awal tahun 1980 manajemen berbasis file tradisional berkembang menjadi manajemen basis data.
Di dalam manajemen basis data dikenal berbagai model data yang dapat digunakan untuk mendeskripsikan sebuah data dalam merancang suatu basis data. Manajemen ini memungkinkan banyak user untuk mengakses data secara bersamaan sehingga fasilitas yang dimiliki oleh manajemen sudah semakin banyak yaitu fasilitas pemanipulasian data, kontrol konkurensi data, recovery data, keamanan data dan didukung dengan fasilitas komunikasi data karena manajemen ini sudah terhubung dengan suatu jaringan .
Perkembangan dunia usaha semakin meningkat ditunjang dengan perkembangan komunikasi yang mempermudah organisasi atau perusahaan untuk mengakses data, sehingga mengubah manajemen basis data menjadi manajemen basis data tingkat lanjut didukung dengan fasilitas data warehousing dan fasilitas basis data berbasis web sebagai salah satu strategi organisasi dalam meningkatkan kinerja dan keuntungan organisasi.
Perkembangan komputer yang semakin pesat diikuti dengan perkembangan perangkat lunak untuk aplikasi bisnis, sejak tahun 1970-an sampai awal tahun 1980 manajemen berbasis file tradisional berkembang menjadi manajemen basis data. Di dalam manajemen basis data dikenal berbagai model data yang dapat digunakan untuk mendeskripsikan sebuah data dalam merancang suatu basis data. Manajemen ini memungkinkan banyak user untuk mengakses data secara bersamaan sehingga fasilitas yang dimiliki oleh manajemen sudah semakin banyak yaitu fasilitas pemanipulasian data, kontrol konkurensi data, recovery data, keamanan data dan didukung dengan fasilitas komunikasi data karena manajemen ini sudah terhubung dengan suatu jaringan . Perkembangan dunia usaha semakin meningkat ditunjang dengan perkembangan komunikasi yang mempermudah organisasi atau perusahaan untuk mengakses data, sehingga mengubah manajemen basis data menjadi manajemen basis data tingkat lanjut didukung dengan fasilitas data warehousing dan fasilitas basis data berbasis web sebagai salah satu strategi organisasi dalam meningkatkan kinerja dan keuntungan organisasi. Data Collection and Database Creation (1960s and earlier).
Database Management Systems (1970s – early 1980s)
 Hierarchical and Network Database Systems
 Relational Database Systems
 Data modeling tools : entity relationship model, etc
 Indexing and data organization techniques : b+ tree, hashing, etc
 Query language : SQL, etc
 User interface, forms, and reports
 Query processing and query optimizaztion
 Advance Database Systems (mid-1980s-present)
 Advance data models : extended relational, object oriented, object relational, deductive
 Application oriented : spatial, temporal, multimedia, active, scientific, knowledge bases, Web-Based Database Systems (1990s – present)
 XML-based database systems
 Web mining Data Warehouse and Data Mining (late 1980s – present)
 Data warehouse and OLAP technology
 Data mining and knowledge discovery

A. Data Warehousing
Konsep Data Warehousing
Konsep dasar dari data warehousing adalah informasi yang dikumpulkan dalam suatu gudang penyimpanan dan merepresentasikan solusi untuk pengaksesan data didalam sistem non relasional. Sehingga data warehousing dapat disebut sebagai database yang berorientasi pada subyek, terintegrasi, mempunyai Time Variant dan non-valitile

Empat Karakteristik Data Warehouse
• Subject oriented: Aplikasi untuk operasi perusahaan (operational system) berorientasi pada proses (mengotomasi fungsi-fungsi dari proses bersangkutan – function oriented). Misalnya di bank, aplikasi kredit mengotomasi fungsi-fungsi: verifikasi lamaran dan credit checking, pemeriksaan kolateral, approval, pendanaan, tagihan, dan seterusnya. Didalam data warehouse data-data yang dihasilkan dari proses kredit ini, diatur kembali (dikelompokkan) dan diintegrasikan (digabung) dengan data-data dari fungsi-fungsi lain, agar berorientasi pada misalnya nasabah dan produk.
• Integrated: Data dari macam-macam aplikasi transaksi (untuk bank misalnya: tabungan, kredit,rekening koran) semua mengandung data nasabah, ada yang sama ada yang spesifik (yang sama misalnya: nama dan alamat, yang spesifik misalnya: untuk kredit ada kolateral, untuk rekening Koran ada overdraft) – didalam data warehouse data-data yang sama harus diintegrasikan disatu database, termasuk misalnya diseragamkan formatnya (sederhana tetapi paling sering terjadi – aplikasi-aplikasi sering dibeli vendor berbeda, dibuat dengan/dijalankan di teknologi berbeda-beda).
• Time variant: Data warehouse menyimpan sejarah (historical data). Waktu merupakan tipe atau bagian data yang sangat penting didalam data warehouse. Didalam data warehouse sering disimpan macam-macam waktu, seperti waktu suatu transaksi terjadi/dirubah/dibatalkan, kapan efektifnya,kapan masuk ke komputer, kapan masuk ke data warehouse; juga hampir selalu disimpan versi,misalnya terjadi perubahan definisi kode pos, maka yang lama dan yang baru ada semua didalam data warehouse kita. Sekali lagi, data warehouse yang bagus adalah yang menyimpan sejarah.
• Non-volatile: Sekali masuk kedalam data warehouse, data-data, terutama data tipe transaksi, tidak akan pernah di update atau dihapus (delete) Terlihat, bahwa keempat karakteristik ini saling terkait – kesemuanya harus diimplementasikan agar suatu data warehouse bisa efektif memiliki data untuk mendukung pengambilan-keputusan. Dan,implementasi keempat karakteristik ini membutuhkan struktur data dari data warehouse yangberbeda dengan database sistem operasional.


Keuntungan dari Data Warehousing
1. Hasil yang diperoleh dari investasi lebih tinggi
2. Kompetitif
3. Meningkatkan produktivitas perusahaan
Jenis database yang tersimpan di dalam media penyimpanan data berdasarkan
penggunaan data :
• Database yang memiliki data sering di-update disebut data OLTP (Online Transaction Processing). Data OLTP sering juga disebut data operasional, mencerminkan sifat aplikasi database yang dinamik.
• Database yang memiliki data sering digunakan untuk query disebut DSS (Decision Support System). Data DSS sering disebut data analitikal, mencerminkan sifat aplikasi database yang relatif statik.

Data Operasional Data DSS
. Berorientasi pada aplikasi : data digunakan untuk proses bisnis. Sebagai contoh : sistem perbankan dengan fileterpisah yang sudah dalam bentuk normal untuk setiap proses bisnis.
• Berorientasi pada subyek : data digunakan untuk subyek bisnis, misalinformasi nasabah. Data dalam bentuk denormalisasi dimana sebuah record dapat meliputi keseluruhan proses bisnis.
• Data terperinci Data ringkas Struktur statik Struktur dinamik Target operator komputer Target pengambil keputusan pada seluruh tingkatan Volatile (data dapat diubah) Non volatile (data tidak bisa diubah setelah dimasukkan) Kebutuhan data selalu diketahui sebelum rancangan system Kebutuhan data sama sekali tidak diketahui sebelum rancangan system Mengikuti siklus hidup pengembangan klasik dimana iterasi rancangan diselesaikan melalui normalisasi data, dan memeriksa kebutuhan pemakai Siklus hidup pengembangan sama sekali berbeda, dimana pemakai menggunakan aplikasi struktur data yang ada dan membuat rancangan siap untuk dianalisis Performansi penting karena jumlah pemakai konkuren sangat besar dalam mengakses data Masalah performansi lebih longgar Karena jumlah pemakai jauh lebih sedikit dalam mengakses data sehingga tidak ada masalah konkuren yang perlu diperhatikan. Penggerak-transaksi (Transaction-driven) Penggerak-analisis (Analysis-driven) Data harus selalu tersedia untuk pemakai akhir (back up dan recovery harus terencana dengan baik) Tidak mempunyai tingkat kebutuhan ketersediaan data yang sama (perencanaan back up dan recovery lebih longgar) Mencerminkan situasi mutakhir Mencerminkan nilai historis.

B. Data Mart
Untuk mencapai suatu data warehouse kelihatannya merupakan suatu tantangan besar dan memang demikian. Bahkan begitu besarnya sehingga beberapa pakar menyarankan pendekatan yang lebih sederhana yaitu menerapkan sesuatu yang dinamakan data mart. Data mart adalah database yang berisikan data yang menjelaskan satu segmen operasi perusahaan. Misalnya perusahaan mungkin memiliki data mart pemasaran, data mart smberdaya manusia, dsb.



C. Data Mining
Istilah yang sering digunakan bersama-sama dengan data warehouse dan data mart adalah data mining. Data mining adalah proses menemukan hubungan dalam data yang tidak diketahui oleh pemakai. Data mining membantu pemakai dengan mengungkapkan berbagai hubungan dan menyajikannya dengan suatu cara yang dapat dimengerti sehingga dapat menjadi dasar pengambilan keputusan. Data mining memungkinkan pemakai “menemukan pengetahuan” pada database yang dalam sepengetahuannya tidak ada. Contoh Data Mining : Sebuah bank telah memutuskan untuk menawarkan reksadana kepada para pelanggannya. Manajemen bank ingin mengarahkan materi promosi pada segmen pelanggan yang memberikan potensi bisnis terbesar.

Data Mining Berdasarkan Verifikasi.
Pendekatan yang dilakukan oleh para manajer adalah mengidentifikasi karakteristik yang mereka yakin dimiliki oleh pasar sasaran. Misalkan para manajer ingin mengarah pada pasangan muda, berpenghasilan ganda, dan kaya. Query dapat dimasukkan ke dalam DBMS, dan catatan yang tepat dapat dipanggil. Pendekatan yang seperti itu, yang mulai dengan hipotesis pemakai tentang bagaimana data tersebut terstruktur, disebut data mining berdasarkan verifikasi (verification-driven data mining). Kekurangan pendekatan ini adalah proses pemanggilan kembali diarahkan sepenuhnya oleh pemakai. Informasi yang dipilih tidak lebih baik daripada pandangan pemakai terhadap data tersebut. Ini merupakan cara tradisional untuk bertanya pada database.

Data Mining Berdasarka Penemuan.
Pendekatan lain memungkinkan sistem data mining mengidentifikasi pelanggan terbaik untuk promosi tersebut. Sistem itu menganalisis database, mencari kelompok-kelompok dengan karakteristik umum. Dalam contoh bank, sistem data mining mungkin mengidentifikasi bukan hanya kelompok pasangan muda lulusan universitas tetapi juga pasangan yang sudah pensiun yang bergantungpada jaminan sosial dan pensiun. Sistem data mining dapat melaksanakan analisis selangkah lebih jauh, dengan merekomendasikan satu set promosi yang diarahkan pada kedua kelompok tersebut.

• Kombinasi Data Mining Verifikasi dan Penemuan.
Perkembangan data mining di masa depan akan mengkombinasikan pendekatan hipotesis danpenemuan.erkembangan ini menggunakan penalaran yang sama yang mendasari konsep Sistem Pendukung Keputusan (Decision SupportSystem – DSS). Konsep tersebut memungkinkan pemakai dan computer bekerja sama untuk memecahkan suatu masalah. Pemakai menerapkan keahliannya dalam hal masalah, dan komputer melakukan analisis data yang canggih untuk memilih data yang tepat dan menempatkannya dalam format yang tepat untuk pengambilan keputusan.

.• 1960, Dunia komputerisasi membuat aplikasi individu yang digunakan pada file utama. General mill mulai mengembangkan istilah dimensi dan fakta.

• 1970, IRI menyediakan database dimensi untuk pembeli eceran, tahun untuk memperbaiki, mengembangkan dan mencocokan dengan hardware yang dimiliki.
• 1983, DBMS diperkenalkan untuk mengambil keputusan.
• 1988, Barry dan Paul mempublikasikan karyanya tentang Arsitektur Bisnis dan Sistem Informasi.
• 1990, memperkenalkan tool DBMS sebagai alat untuk datawarehouse.
• 1990-sekarang, banyak bermunculan buku-buku datawarehouse dan aplikasi-aplikasi datawarehouse.
Tujuan Akhir menggunakan Datawarehouse
• Menyediakan data organisasi yang mudah diakses oleh manager.
• Data yang berada di datawarehouse bersifat konsisten, dan merupakan kebenaran.
• Datawarehouse merupakan tempat, dimana data yang telah digunakan di publikasikan.
• Kualitas data di datawarehouse dapat diandalkan.

D. ORDBMS: ORDBMS (Object Relational Database Management System)
Penggunaan teknologi RDBMS pada awalnya sangat dominan, tetapi dikarenakan fasilitas–fasilitas yang ada pada RDBMS tidak lagi sesuai dengan aplikasi tingkat lanjut, maka RDBMS digantikan dengan OODBMS. Pada OODBMS terdapat banyak sekali bentuk-bentuk object oriented seperti metode encapsulation, inheritance, polymorphism, dll.Model data relasional lanjutan tidak hanya ada satu , tetapi terdapat berbagai macam model data, dimana karakteristik dan tingkat kebutuhan data yang telah dibuat. Bagaimanapun semua model data yang akan digunakan mengacu pada konsep objek dan mempunyai kemampuan untuk menyimpan data di dalam database. Berbagai macam terminologi yang digunakan untuk sistem model relasional tingkat lanjut yaitu ERDBMS. Tapi sekarang ini untuk system berbasis objek dapat digunakan OODBMS. Inti dari kinerja RDBMS yaitu ada pada optimasi queri-nya dan juga pengetahuan mengenai bagaimana mengeksekusi fungsi dari user-define secara efisien, mengambil keuntungan dari pengindeksan pada struktur yang baru, memetakan queri dengan cara baru, dan menavigasi antara data menggunakan referensi data. Penggunaan OODBMS untuk suatu organisasi yang sangat besar dan universal tidak lagi sesuai sehingga untuk mendukung kinerja dari organisasi tersebut dibutuhkan suatu ORDBMS (Objeck Relational Database Management System). ORDBMS memiliki fasilitas untuk mendefinisikan data yang kompleks, menspesialisasikan struktur indeks dibutuhkan untuk mengefisienkan pengambilan data. ORDBMS digunakan untuk dua sampai tiga
dimensional data.
C. Active database
Basis data aktif yang juga disebut Active Database adalah suatu sistem basis data yang tidak hanya menyimpan data tetapi juga dapat melakukan suatu aksi tertentu terhadap sebuah event dengan menambahkan suatu elemen dinamis dan memiliki kemampuan memantau event untuk mendeteksi ketika data tertentu dimasukkan, dihapus, diubah, atau dipilih kemudian secara otomatis mengeksekusi suatu aksi sebagai respon dari event yang terjadi dan kondisi tertentu terpenuhi. Basis data aktif merupakan aspek prosedural dari keseluruhan lingkungan yang dikelola oleh basis data dan terdeklarasi eksplisit. Basis data aktif merupakan kombinasi dari basis data statis tradisional dan active rules , yang berarti mekanisme secara otomatis untuk memelihara integritas data dan memberi fasilitas dalam memperlengkapi fungsionalitas basis data. Beberapa hal yang perlu diperhatikan yang menjadi sifat dari tingkah laku rule dalam sebuah basis data aktif yaitu :
1.Termination, suatu eksekusi dari aksi dapat menyebabkan terjadinya event yang lain dan bisa jadi event ini merupakan rule lain yang dijalankan. Apabila tidak ada suatu kondisi terminal, maka hal ini akan terus berulang menjadi loop tanpa akhir.
2. Priority, jika beberapa rule di-trigger oleh event yang sama, maka harus dieksekusi berdasarkan urutan rule-nya.
3 Error handling, jika eksekusi dari rule menghasilkan error maka sistem harus bisa menangani.
Basis data aktif sebagai basis data dengan rule memiliki beberapa ciri-ciri tertentu, yaitu:
1. Secara alami bersifat algoritmik,
2. Kondisi yang ditetapkan adalah data pengguna
3. Deskripsi kerjanya adalah mengubah dan meng-query data oleh pengguna sesuai dengan rule yang dijalankan
4. Output yang ditentukan secara lengkap oleh spesifikasi dari query/perubahan yang dilakukan.
Fasilitas-fasilitas yang dimiliki oleh basis data aktif antara lain logika pengolahan ada di dalam database dan dikelola oleh DBMS dan tidak dikelola oleh program aplikasi, bentuk monitoring event dan kondisi yang mempengaruhi data disediakan oleh DBMS, serta sarana untuk men-trigger logika ada di dalam DBMS.

Perbedaan Basis Data Aktif dan Pasif
Sistem basis data konvensional disebut basis data pasif dalam arti manipulasi data bisa dijalankan oleh database hanya dengan perintah yang diberikan langsung oleh pengguna atau program aplikasi yang terletak di luar basis data. Sedangkan basis data aktif merupakan pengembangan dari database yang memindahkan sifat reactive program ke dalam database.
Salah satu contoh fungsi yang secara efisien dapat dilakukan oleh basis data aktif, akan tetapi di dalam basis data pasif harus diprogram di dalam aplikasi adalah integrity constraint dan triggers. Basis data pasif memiliki keterbatasan untuk mengontrol bentuk-bentuk integrity constraint seperti adanya data tertentu yang harus memenuhi nilai unik atau beberapa data yang harus berisi keterhubungan dengan data lain. Selain itu pada penggunaan triggers pada basis data pasif, jika terjadi perubahan pada konstrain atau triggers itu sendiri maka harus bisa menemukan dan memodifikasi program atau kode yang relevan di setiap aplikasi. Sedangkan pada basis data aktif, memiliki kemampuan untuk mengontrol integrity constraint pada keseluruhan database dan penggunaan triggers yang mampu menjalankan suatu aksi ketika mendeteksi suatu kejadian tertentu tanpa mencari kode-kode yang relevan pada program aplikasi untuk ikut diubah.

Arsitektur Basis Data
Arsitektur basis data aktif yang sering digunakan termasuk dalam sistem arsitektur berlapis ( layered architecture ) dimana semua komponen basis data aktif terletak “di atas” basis data konvensional. Pada sistem arsitektur ini, basis data konvensional bisa diubah menjadi basis data aktif tanpa perlu memodifikasi basis data pasif secara keseluruhan. Bentuk dari arsitektur basis data pasif.
Komponen Pembangun Basis Data Aktif
Basis data aktif dibangun dengan masih memiliki kemampuan atau fasilitasfasilitas dari basis data pasif, seperti konkurensi, query language, konstrain. Hanya saja pada basis data aktif lebih menekankan pada fungsi-fungsi tertentu yang mampu memberikan mekanisme yang sangat kuat dengan input atau event yang sederhana tapi bisa melakukan perubahan yang sangat besar secara otomatis


Client/Server
Dengan makin berkembangnya teknologi jaringan komputer, sekarang ini ada kecenderungan sebuah sistem yang menggunakan jaringan untuk saling berhubungan. Dalam jaringan tersebut, biasanya terdapat sebuah komputer yang disebut server, dan beberapa komputer yang disebut client. Server adalah komputer yang dapat memberikan service ke server, sedangkan client adalah komputer yang mengakses beberapa service yang ada di client. Ketika client membutuhkan suatu service yang ada di server, dia akan mengirim request kepada server lewat jaringan. Jika request tersebut dapat dilaksanakan, maka server akan mengirim balasan berupa service yang dibutuhkan untuk saling berhubungan menggunakan Socket.
Pengertian Client Server
Client-Server adalah arsitektur jaringan yang memisahkan client(biasanya aplikasi yang menggunakan GUI ) dengan server. Masing-masing client dapat meminta data atau informasi dari server.
Karakteristik Server
1. Pasif
2. Menunggu request
3. Menerima request, memproses mereka dan mengirimkan balasan berupa service
Karakteristik Client
1. Aktif
2. Mengirim request
3. Menunggu dan menerima balasan dari server
Socket adalah sebuah endpoint untuk komunikasi didalam jaringan. Sepasang proses atau thread berkomunikasi dengan membangun sepasang socket, yang masing-masing proses memilikinya. Socket dibuat dengan menyambungkan dua buah alamat IP melalui port tertentu. Secara umum socket digunakan dalam client/server system, dimana sebuah server akan menunggu client pada port tertentu. Begitu ada client yang menghubungi server maka server akan menyetujui komunikasi dengan client melalui socket yang dibangun.
Sebagai contoh sebuah program web browser pada host x (IP 146.86.5.4) ingin berkomunikasi dengan web server (IP 152.118.25.15) yang sedang menunggu pada port 80. Host x akan menunjuk sebuah port. Dalam hal ini port yang digunakan ialah port 1655. Sehingga terjadi sebuah hubungan dengan sepasang socket (146.86.5.4:1655) dengan (152.118.25.15:80). Sistem client server didefinisikan sebagai sistem terdistribusi, tetapi ada beberapa perbedaan karakteristik yaitu :


1. Service(layanan)
• Hubungan antara proses yang berjalan pada mesin yang berbeda
• Pemisahan fungsi berdasarkan ide layanannya.
• Server sebagai provider, client sebagai konsumen
2.Sharing resources (sumber daya)
• Server bisa melayani beberapa client pada waktu yang sama, dan meregulasi akses bersama untuk share sumber daya dalam menjamin konsistensinya.
3.Asymmetrical protocol (protokol yang tidak simetris )
• Many-to-one relationship antara client dan server.Client selalu menginisiasikan dialog melalui layanan permintaan, dan server menunggu secara pasif request dari client.
4.Transparansi lokasi
• Proses yang dilakukan server boleh terletak pada mesin yang sama atau pada mesin yang berbeda melalui jaringan.Lokasi server harus mudah diakses dari client.
5.Mix-and-Match
• Perbedaan server client platforms
6.Pesan berbasiskan komunikasi
• Interaksi server dan client melalui pengiriman pesan yang menyertakan permintaan dan jawaban.
7.Pemisahan interface dan implementasi
• Server bisa diupgrade tanpa mempengaruhi client selama interface pesan yang diterbitkan tidak berubah.


DATA INDEPENDEN/ DATA INDEPENDENCE

Ability/Kemampuan untuk memodifikasi definisiskema pada suatu level tanpa berakibat pada definisi skema pada level yang lebih tinggi Interface antar level dan komponen harus didefinisikan dengan baik, sehingga perubahan pada suatu bagian tidak akan berakibat pada bagian yang lain.

Dua tipe data independence:
 Logical data independence
Conceptual / logical schema dapat diubah tanpa perubahan external schema dan application programs. Perubahan hanya terjadi pada interface, yaitu view definition dan mapping pada DBMS. Contoh perubahan: penambahan atau pengurangan data item atau perubahan constraints.











Perubahan logical schema tidak mengubah external schema/application programs


Ada penambahan data item pada record Grade_Report – dengan tanda --------


 Physical data independence

Internal/Physical schema dapat diubah tanpa perubahan pada conceptual / logical schema.
Physical files selalu perlu di-reorganized, bisa karena disk space sudah penuh atau perlu penambahan/perubahan access structure untuk tujuan meningkatkan kinerja pencarian/perbaikan data. Contoh: query untuk membuat daftar kuliah menurut semester dan tahun tidak perlu berubah, sekalipun pada physical schema proses ini akan dilaksanakan dengan direct access path menurut key semester dan tahun.

DBMS Language & Interface
DBMS harus menyediakan language dan interface untuk setiap kategori pemakai
Dikenal ada beberapa language:
– VDL (View Definition Language)
– DDL (Data Definition Language)
– SDL (Storage Definition Language)
– DML (Data Manipulation Language)
– Data Sub Language
– Host Language

DDL (Data Definition Language)
Bila tidak ada pemisahan antara skema conceptual dan internal, maka database administrator (DBA) dan database designer akan menggunakan bahasa DDL untuk mendefinisikan kedua skema. Diperlukan DDL compiler yang fungsinya menjelaskan setiap schema constructs (object) dan menyimpan deskripsi tersebut di dalam DBMS catalog.

SDL (Storage Definition Language)
Bila digunakan 2 skema (conceptual dan internal), maka DDL hanya menspesifikasikan skema conceptual dan diperlukan bahasa SDL untuk menspesifikasikan internal skema Mapping antar kedua skema dapat dilakukan oleh salah satu dari keduabahasa.
VDL (View Definition Language)
Bila digunakan 3 skema (view, conceptual dan internal), maka diperlukan bahasa ketiga VDL) untuk menspesifikasikan user views dan memetakan (mapping) ke skema conceptual. Pada umumnya DBMS menggunakan DDL untuk mendefinisikan external dan conceptual skema.

DML (Data Manipulation Language)
DML merupakan bahasa yang digunakan untuk manipulasi data: retrieval, insertion, deletion, dan modification. DBMS yang baru biasanya menggunakan integrated language (untuk external, conceptual, dan data manipulation). Hanya SDL yang terpisah yang biasanya
digunakan oleh DBA.

SQL Relational Database Language
SQL merupakan kombinasi dari VDL, DDL, dan DML. 2 type DML:

– High-level / non-procedural DML
Disebut juga Data Sub Language bisa dimasukkan melalui terminal atau – dijadikan satu dengan general purpose language (Host Language) Dapat mengambil banyak record dengan
spesifikasi tertentu dalam satu DML statement (set-at-a-time DML) Bisa merupakan query language dimana data retrieval dan update dapat dilakukan secara interactive pada stand-alone system.
– Low-level / procedural DML
Statement dimasukkan atau dijadikan satu dengan general purpose language (Host Language)
Hanya dapat mengambil satu record dan memprosesnya (record-at-a-time), karena itu memerlukan host language agar bisa dibuat suatu loop untuk ambil record dan proses.

DBMS Interface
Perlu user-friendly interface
– Menu-based interface for browsing
– Forms-based Interface
– Graphical user interface
– Natural language interface
– Interface for parametric user
– Interface for the DBA

Read more »

Blog cepat terindeks Google

Blog cepat terindeks Google
Kali ini saya ingin berbagi pengalaman mengenai trik blog cepat terindeks Google, yang saya praktekkan pada blog ini. Kebanyakan blogger baru akan bingung kenapa blog nya tidak muncul muncul di halaman pencarian Google. Hal itu masih WAJAR bila terjadi pada minggu minggu awal. Namun, bagaimana kalau blog kita belum muncul juga walau 1 bulan? pasti semangat ngeblog langsung hilang, bukan? Bagi yang blognya masih belum terindeks google, silahkan baca triknya dibawah. Kalau blog ini sih terindeks setelah 2 hari, masih agak lama juga. Dari yang saya dengar, ada blog yang katanya terindeks cuma 1 hari, bahkan yang lebih hebatnya lagi ada yang cuma dalam hitungan jam , penasaran?
Mau cepat terindeks Mesin Pencari (Google/Yahoo/Bing)?
Sama seperti dengan teori Search Engine Optimization (SEO), yang terpenting dalam dunia blog untuk sekarang ini adalah Backlink. Blog baru pastinya belum memiliki backlink bukan? Makanya segera cari backlink dan jangan hanya fokus pada penulisan content atau mendisain blog saja. Yang perlu diingat, jangan pernah minta backlink dari blog yang BELUM terindeks google, karena hasilnya akan sia sia . Oh ya, jangan sekali sekali men submit langsung blog kamu ke Google, apa lagi menggunakan jasa submit otomatis keribuan mesin pencari, yang ada nantinya blog tidak keindeks indeks karena dianggap BLOG SPAM. Makanya, segera lakukan hal hal dibawah ini.
• Submit Rss Feed blog ke Rss Submitter, Daftarkan blog kita ke Technorati, Blogcatalog, Mybloglog, Feedburner dan lain sebagainya.
• Submit blog ke Social Bookmark, Setiap mem posting artikel baru, segera submit ke Lintasberita, Infogue dan situs sejenis lainnya sesuai kebutuhan.
• Lakukan Ping, Ping adalah usaha memberitahu robot mesin pencari kalau di blog kita ada postingan terbaru. Untuk pengguna blog blogspot, gunakan pingomatic.com untuk melakukan Ping. Sedangkan untuk pengguna blog WordPress, silahkan buka Dashboard > Setting > Writing. Lalu dibagian Update Services masukkan alamat ping services, Pisahkan per URL dengan spasi. Berikut daftar alamat ping services disini.
• Dapatkan link dari Blog lain, Utamakan untuk mendapatkan One Way Link atau Link satu arah dari blog yang SUDAH TERINDEKS google, lebih bagus lagi kalau blog nya sudah memiliki Pagerank. Kalau tak bisa, tukaran link jugalumayan bagus kok, tapi yang paling bagus tukaran link dengan Blog yang ber Pagerank tinggi tentunya.
• Link dari tempat lainnya, Dari website, forum, Facebook dan tempat lainnya di Internet yang memberikan Link. tapi sebaiknya cari yang memberikan link DOFOLLOW.
Mudah-mudahan dengan melakukan hal hal diatas, blog baru akan segera di Indeks oleh Google. Sebenarnya masih banyak trik lainnya, tapi kalau untuk blog ini, hanya dengan trik yang diatas itu sudah cukup membuat robotnya google mampir kesini untuk cuci mata . Demikian Sharing pengalaman dari saya, semoga trik blog cepat terindeks Google ini bisa bermanfaat bagi kawan kawan sekalian. Oh ya, kalau kawan punya trik jitu lainnya, silahkan share lewat kotak komentar dibawah ya
Makasi…. YASON WARUWU

Read more »

Animasi Asyik

Read more »

ilmup hotoshop/2010/09/21/caramemasuka foto cinta laura ke dalam template

http://ilmuphotoshop.com/2010/09/21/cara-memasukan-foto-cinta-laura-ke-dalam-template/

Read more »

Blog cepat terindeks Google

 Blog cepat terindeks Google

Kali ini saya ingin berbagi pengalaman mengenai trik blog cepat terindeks Google, yang saya praktekkan pada blog ini. Kebanyakan blogger baru akan bingung kenapa blog nya tidak muncul muncul di halaman pencarian Google. Hal itu masih WAJAR bila terjadi pada minggu minggu awal. Namun, bagaimana kalau blog kita belum muncul juga walau 1 bulan? pasti semangat ngeblog langsung hilang, bukan? Bagi yang blognya masih belum terindeks google, silahkan baca triknya dibawah. Kalau blog ini sih terindeks setelah 2 hari, masih agak lama juga. Dari yang saya dengar, ada blog yang katanya terindeks cuma 1 hari, bahkan yang lebih hebatnya lagi ada yang cuma dalam hitungan jam , penasaran?

Mau cepat terindeks Mesin Pencari (Google/Yahoo/Bing)?

Sama seperti dengan teori Search Engine Optimization (SEO), yang terpenting dalam dunia blog untuk sekarang ini adalah Backlink. Blog baru pastinya belum memiliki backlink bukan? Makanya segera cari backlink dan jangan hanya fokus pada penulisan content atau mendisain blog saja. Yang perlu diingat, jangan pernah minta backlink dari blog yang BELUM terindeks google, karena hasilnya akan sia sia . Oh ya, jangan sekali sekali men submit langsung blog kamu ke Google, apa lagi menggunakan jasa submit otomatis keribuan mesin pencari, yang ada nantinya blog tidak keindeks indeks karena dianggap BLOG SPAM. Makanya, segera lakukan hal hal dibawah ini.

• Submit Rss Feed blog ke Rss Submitter, Daftarkan blog kita ke Technorati, Blogcatalog, Mybloglog, Feedburner dan lain sebagainya.
• Submit blog ke Social Bookmark, Setiap mem posting artikel baru, segera submit ke Lintasberita, Infogue dan situs sejenis lainnya sesuai kebutuhan.
• Lakukan Ping, Ping adalah usaha memberitahu robot mesin pencari kalau di blog kita ada postingan terbaru. Untuk pengguna blog blogspot, gunakan pingomatic.com untuk melakukan Ping. Sedangkan untuk pengguna blog WordPress, silahkan buka Dashboard > Setting > Writing. Lalu dibagian Update Services masukkan alamat ping services, Pisahkan per URL dengan spasi. Berikut daftar alamat ping services disini.
• Dapatkan link dari Blog lain, Utamakan untuk mendapatkan One Way Link atau Link satu arah dari blog yang SUDAH TERINDEKS google, lebih bagus lagi kalau blog nya sudah memiliki Pagerank. Kalau tak bisa, tukaran link jugalumayan bagus kok, tapi yang paling bagus tukaran link dengan Blog yang ber Pagerank tinggi tentunya.
• Link dari tempat lainnya, Dari website, forum, Facebook dan tempat lainnya di Internet yang memberikan Link. tapi sebaiknya cari yang memberikan link DOFOLLOW.

Mudah-mudahan dengan melakukan hal hal diatas, blog baru akan segera di Indeks oleh Google. Sebenarnya masih banyak trik lainnya, tapi kalau untuk blog ini, hanya dengan trik yang diatas itu sudah cukup membuat robotnya google mampir kesini untuk cuci mata . Demikian Sharing pengalaman dari saya, semoga trik blog cepat terindeks Google ini bisa bermanfaat bagi kawan kawan sekalian. Oh ya, kalau kawan punya trik jitu lainnya, silahkan share lewat kotak komentar dibawah ya

Read more »

Download Tools percepat Firefox - Membuat Browser Firefox lebih Cepat

Download Tools percepat Firefox - Membuat Browser Firefox lebih Cepat

Read more »

Free Download Lagu Haddad Alwi Feat Vita Rindu Mu.mp3, Gratis index of Mp3 Mp4 3gp Video Haddad Alwi Feat Vita Rindu Mu di intitle index-of-mp3.com, Wednesday 29th of September 2010 11:37:52 AM

Free Download Lagu Haddad Alwi Feat Vita Rindu Mu.mp3, Gratis index of Mp3 Mp4 3gp Video Haddad Alwi Feat Vita Rindu Mu di intitle index-of-mp3.com, Wednesday 29th of September 2010 11:37:52 AM

Read more »

Apa Tujuan Membuat Website..

 Tujuan Membuat Website...

Dalam membuat sebuah website ada beberapa hal yang perlu Anda persiapkan sebelum Anda memulainya.

Pertama, Anda bisa mengajukan sebuah pertanyaan kepada diri Anda sendiri yaitu “Apa tujuan Saya membuat website?” dengan menjawab pertanyaan tersebut dapat mengarahkan pikiran Anda untuk menentukan dan menjawab pertanyaan selanjutnya yaitu, “Website seperti apa yang akan saya buat untuk mencapai tujuan tersebut dan bagaimana cara membuat websitenya.”

Mengapa dimulai dengan mengajukan pertanyaan tersebut? Karena diharapkan nantinya website yang kita buat sesuai dengan yang kita inginkan dan bisa membawa kita mencapai tujuan yang kita inginkan dalam membuat website. Jangan sampai website sudah selesai Anda buat tetapi website yang Anda buat tidak sesuai dan tidak bisa menjadi media atau sarana untuk mencapai tujuan Anda.

Perlu Anda ketahui, jenis website itu bermacam-macam, ada yang hanya satu halaman sederhana saja seperti website ini, ada yang memuat beberapa halaman seperti website perusahaan, ada yang menggunakan sistem blog dan sering disebut juga blog atau weblog (website blog), ada yang menggunakan sistem CMS (Content Management System) seperti joomla, ada yang berupa forum diskusi, ada yang berupa website iklan baris, ada yang berupa website toko online dan ada yang lebih kompleks lagi seperti website komunitas friendster.

Anda perlu memulainya dengan menjawab pertanyaan-pertanyaan tersebut sebelum Anda membuat website. Sehingga nanti Anda bisa memutuskan website seperti apa yang paling cocok dan sesuai untuk mencapai tujuan Anda. Karena masing-masing jenis website yang saya sampaikan diatas memiliki fungsi yang berbeda-beda.

Contoh bila Anda ingin menjual berbagai macam produk, Anda membuat website toko online; bila Anda ingin menjual satu jenis produk saja bisa dengan satu halaman sederhana saja atau lengkap dengan menggunakan sistem pemesanannya; bila Anda ingin membuat website portal Anda bisa menggunakan Joomla; bila Anda ingin membangun branding dan mempublikasikan artikel bisa menggunakan blog; dan lain-lainnya.

Jadi bisa saya rangkumkan 3 pertanyaan tersebut yaitu:
membuat website      Apa tujuan Saya membuat website?
membuat web     Website seperti apa yang akan saya buat untuk mencapai tujuan tersebut?
cara membuat website     Bagaimana cara membuat website tersebut?

Tuliskanlah jawaban tersebut dalam selembar kertas, dan jabarkanlah sedetail mungkin, bila perlu Anda bisa membuat sketsa website yang Anda inginkan atau bila Anda tidak memiliki gambaran sama sekali, Anda bisa googling (search) di internet untuk melihat-lihat website-website yang sudah ada.

Anda googling dengan topik tertentu sesuai dengan website seperti apa yang akan Anda buat, sehingga Anda bisa mengecek website-website lainnya menggunakan software website jenis seperti apa? Anda bisa menirunya, meniru BUKAN berarti Anda mengcopy isinya, tapi Anda meniru jenis websitenya (software website yang digunakan untuk membuat website tersebut). Karena membuat website saat ini sangat mudah, yaitu menggunakan software website, jadi Anda tidak perlu membuat web dari nol (dari dasar).

Read more »

AIMP Free Download By Yason

AIMP Free Download

Read more »

Personas for Firefox | Tropical Paradise

Personas for Firefox | Tropical Paradise

Read more »

TUGAS STATISTIK EKONOMI

UNIVERSITAS PUTRA INDONESIA YPTK PADANG

TUGAS STATISTIK EKONOMI

DIBUAT OLEH

NAMA      : YASONA WAROWU

BP             : 09101155310114

LOKAL    : M2

DOSEN     : YIMMI SYAVARDIE,SE,MM

MK            : STATISTIK EKONOMI (Pengganti Quiz pertama)

JENIS DESAIN SAMPEL

1.    Sampel Random Sederhana

Sampling Random adalah jenis probabilitas sampling dimana pengambilan sampel setiap lokasi sama mungkin dipilih dan pemilihan satu lokasi tidak mempengaruhi yang dipilih berikutnya. Secara statistik, lokasi pengambilan sampel adalah independen dan terdistribusi identik. Pertimbangkan contoh simple random sampling (SRS) pohon hutan kanopi. Anda telah menentukan bahwa ada 24 pohon kanopi di alam semesta sampling bunga, dan Anda ingin melakukan pengukuran dari subset dari kelompok 24, dengan menggunakan random sampling sederhana. Salah satu cara untuk melakukannya adalah dengan jumlah pohon masing-masing (1-24), masukkan nomor dalam topi, dan pilih salah satu. Pohon sesuai dengan nomor sekarang merupakan bagian dari subset sampel Anda. Setiap angka (yaitu, setiap pohon) adalah sama kemungkinan untuk mendapatkan dipetik dan memilih satu nomor tidak mengubah probabilitas bahwa nomor lain akan mengambil waktu berikutnya.

Ada dua versi random sampling, yaitu:

sampling dengan penggantian dan sampling tanpa penggantian. Pada contoh nomor pohon di topi, jika Anda kembali nomor yang dipilih untuk topi, pohon lain yang sesuai memiliki kesempatan untuk mendapatkan dipilih. Dan jika terpilih, Anda mengulangi pengukuran Anda di pohon. Yaitu sampling dengan penggantian. Jika sebaliknya Anda membuang nomor setelah dipilih-sampling tanpa penggantian-pohon dapat dipilih hanya sekali. Dalam ilmu vegetasi, SRS tanpa penggantian jauh lebih umum daripada SRS dengan penggantian.

Memilih nomor dari topi adalah sempurna sah, jika dilakukan dengan benar, tetapi ada cara yang lebih baik untuk memilih nomor acak. Bahkan jika Anda sudah familiar dengan menggunakan tabel nomor acak dan generator nomor acak di kalkulator, meninjau bagian saja yang disebut Cara menggunakan tabel nomor acak dan generator .

Random Bilangan dari Kalkulator atau Spreadsheet

Kebanyakan kalkulator elektronik memiliki # Fungsi RAN yang menghasilkan angka desimal acak antara 0 dan 1. Rumusnya = RAND () di Excel mencapai hasil yang sama, tetapi untuk desimal lebih bagaimana. Jadi bisa Anda gunakan ini untuk memilih sampel acak?

Misalnya anda ingin memilih nomor undian secara acak antara 1 dan 49. Ada dua pendekatan.

Pertama, Anda bisa kalikan jumlah acak elektronik dengan 49 untuk mendapatkan nomor acak antara 0 dan 49 nomor. Ini Putaran ke seluruh nomor terdekat. Sebagai contoh, jika nomor acak elektronik 0,497, bila dikalikan dengan 49 ini memberikan 24,353, yang harus Anda membulatkan ke 25.

Kedua, Anda bisa memperlakukan nomor acak elektronik sebagai rangkaian angka acak dan menggunakan dua pertama sebagai nomor acak Anda, mengabaikan apapun yang lebih besar dari 49 dan. Misalnya, acak elektronik nomor 0,632 memiliki dua digit pertama 63 Anda mengabaikannya , sedangkan 0,317 memberikan nomor acak 31.

Tabel Nomor Acak

jumlah tabel Random terdiri dari serangkaian dihasilkan secara acak dari angka (0-9).   Untuk membuat mereka mudah untuk membaca biasanya ada spasi diantara setiap 4 digit dan antara setiap baris 10. Ketika membaca dari tabel nomor acak Anda dapat mulai di mana saja (memilih angka secara acak) tapi setelah sekali mulai Anda harus terus membaca seluruh baris atau kolom bawah dan TIDAK melompat-lompat.

Berikut adalah ekstrak dari tabel nomor random sampling:

3680 3680      2231 2231      8846 8846     5418 5418     0498 0498     5245 7071 5245 7071     2597 2597

Jika kita melakukan riset pasar dan ingin sampel dua rumah dari jalan rumah-rumah yang berisi nomor 1-48 kita akan membaca dari angka di pasang
36 36      80 80      22 22      31 31      88 88      46 46      54 54      18 18      04 04      98 98      52 52      45 45      70 70      71 71     25 25      97 97
dan mengambil dua pasangan pertama yang kurang dari 48, yang memberikan nomor rumah 36 dan 22.

Jika kita ingin sampel dua rumah dari jalan lagi banyak dengan 140 rumah di dalamnya kita perlu membaca digit off dalam kelompok tiga:
368 022 318    846   541    804   985    245    70 7 1 25 97 dan angka menggarisbawahi akan yang untuk mengunjungi: 22 dan 125.

Rumah di jalan biasanya memiliki nomor terpasang, yang nyaman (kecuali di mana tidak ada nomor 13).  Dalam banyak kasus, bagaimanapun, kita harus pertama memberi setiap anggota populasi nomorUntuk kelompok 10 orang kita bisa nomor mereka sebagai:

0	Appleyard	5	Francis
1	Banyard	6	Abu-abu
2	Pertanian kecil	7	Hibbert
3	Duran	8	Jones
4	Entwhistle	9	Lillywhite

Dengan penomoran mereka dari 0 sampai 9 Anda hanya perlu menggunakan angka tunggal dari tabel nomor acak. 36 80 71 2231884654180498524570 2597
Dalam hal ini adalah 3 digit pertama dan begitu Durran dipilih.

2.    Sampel Sistematis

sistematik sampling adalah metode statistik yang melibatkan pemilihan elemen-elemen dari suatu memerintahkan kerangka sampling. Bentuk yang umum sebagian besar sampling sistematis adalah probabilitas-metode yang sama, di mana setiap ^th k elemen dalam frame dipilih, di mana k, sampling interval (kadang-kadang dikenal sebagai lompat), dihitung sebagai:

3.     

4.      Dimana n adalah ukuran sampel, dan N adalah ukuran populasi.

5.      Menggunakan prosedur ini setiap elemen dalam populasi memiliki probabilitas yang sama dikenal dan seleksi. Hal ini membuat sistematik sampling fungsional mirip dengan simple random sampling . Meskipun demikian, jauh lebih efisien (jika varians dalam sampel sistematis lebih dari varians dari populasi).

6.      Peneliti harus memastikan bahwa interval sampling yang dipilih tidak akan menyembunyikan pola. Setiap pola akan mengancam keacakan. Sebuah titik awal acak juga harus dipilih.

7.      sampling sistematis yang akan diterapkan hanya jika populasi tertentu secara logis homogen, karena unit sampel sistematis yang merata atas penduduk.

8.      Contoh: Misalkan supermarket ingin belajar kebiasaan membeli pelanggan mereka, kemudian menggunakan sampling sistematik mereka dapat memilih setiap ^tanggal 10 atau 15 pelanggan masuk ^ke supermarket dan melakukan studi di sampel ini.

9.      Dari kerangka sampling, titik awal dipilih secara acak, dan pilihan selanjutnya berada pada interval teratur. Misalnya, Anda ingin sampel 8 rumah dari jalan 120 rumah. sehingga setiap rumah 15 dipilih setelah titik awal acak antara 1 dan 15. Jika titik awal acak adalah 11, maka rumah-rumah yang dipilih adalah 11, 26, 41, 56, 71, 86, 101, dan 116.

10.  Jika, seperti yang lebih sering, populasi tidak merata dibagi (misalkan Anda ingin sampel 8 rumah dari 125, dimana 125 / 8 = 15,625), sebaiknya Anda mengambil setiap rumah setiap 15 atau 16 rumah? Jika Anda mengambil setiap rumah 16, 8 * 16 = 128, sehingga ada resiko bahwa rumah terakhir yang dipilih tidak ada. Di sisi lain, jika Anda mengambil setiap rumah 15, 8 * 15 = 120, sehingga lima tahun terakhir rumah-rumah tidak akan dipilih. Titik awal acak bukannya sebaiknya dipilih sebagai bukan integer antara 0 dan 15,625 (termasuk pada satu titik akhir saja) untuk memastikan bahwa setiap rumah memiliki peluang yang sama untuk dipilih; interval sekarang harus nonintegral (15,625), dan bukan integer masing-masing dipilih harus dibulatkan ke integer berikutnya. Jika titik awal acak adalah 3,6, maka rumah-rumah yang dipilih adalah 4, 19, 35, 51, 66, 82, 98, dan 113, dimana ada 3 interval siklik dari 15 dan 5 interval 16.

11.  Untuk menggambarkan bahaya sistematis skip menyembunyikan sebuah pola, seandainya kita adalah untuk sampel lingkungan yang direncanakan di mana jalan masing-masing memiliki sepuluh rumah di setiap blok. Blok sudut mungkin kurang berharga, karena lebih banyak wilayah mereka diambil oleh dll streetfront yang tidak tersedia untuk membangun tujuan. Jika kita maka setiap rumah tangga 10 sampel, sampel kita baik akan terdiri hanya dari rumah sudut (jika kita mulai dari 1 atau 10) atau sudut rumah tidak (ada mulai lain); cara yang baik, tidak akan representatif.

12.  Sistematis sampel juga dapat digunakan dengan probabilitas seleksi non-sama. Dalam hal ini, bukan hanya menghitung melalui unsur-unsur populasi dan memilih k setiap unit ^th, kami mengalokasikan setiap elemen ruang sepanjang garis bilangan sesuai dengan probabilitas seleksiKami kemudian menghasilkan mulai acak dari distribusi seragam antara 0 dan 1, dan bergerak sepanjang garis bilangan pada langkah 1.

13.  Contoh: Kami memiliki populasi 5 unit (A #). Kami ingin memberikan unit A probabilitas 20% seleksi, unit B probabilitas 40%, dan seterusnya sampai E unit (100%Dengan asumsi kami menjaga urutan abjad, kita mengalokasikan setiap unit interval berikut:

J: 0-0,2

B: 0,2-0,6 (= 0,2 0,4)

C: 0,6-1,2 (= 0,6 0,6)

D: 1,2-2,0 (= 1,2 0,8)

E: 2,0-3,0 (= 2,0 1,0)

14.  Jika mulai acak kami adalah 0,156, pertama-tama kita akan pilih unit yang interval berisi nomor ini (yaitu A). Selanjutnya, kami akan memilih interval yang mengandung 1,156 (unsur C), kemudian 2,156 (E elemen). Jika sebaliknya mulai acak kami adalah 0,350, kami akan memilih dari titik 0,350 (B), 1.350 (D), dan 2,350 (E).

3. Sampel Stratifikasi

Sampel Stratifikasi adalah metode sampling dari suatu populasi. Ketika sub-populasi sangat bervariasi, hal ini menguntungkan untuk masing-masing sampel subpopulasi (strata) mandiri. Stratifikasi proses pengelompokan anggota populasi menjadi homogen sub kelompok relatif sebelum sampling. Lapisan harus saling eksklusif: setiap elemen dalam populasi yang harus ditugaskan hanya satu strata. Kemudian secara acak atau sampling sistematis diterapkan dalam masing-masing strata. Hal ini sering meningkatkan keterwakilan sampel dengan mengurangi kesalahan sampling. Hal ini dapat menghasilkan rata-rata tertimbang yang memiliki variabilitas kurang dari aritmetik mean dari sampel acak sederhana dari populasi.

 Strategi Stratified sampling

1. Alokasi Proporsional menggunakan fraksi sampling di masing-masing strata yang sebanding dengan bahwa dari total populasi. Jika populasi terdiri dari 60% pada strata laki-laki dan 40% di strata perempuan, maka ukuran relatif dari kedua sampel (tiga laki-laki, dua perempuan) harus mencerminkan proporsi ini.
2. Alokasi optimum (atau tidak proporsional alokasi) - Setiap strata proporsional dengan standar deviasi dari distribusi dari variabel. Sampel yang lebih besar diambil dalam strata dengan variabilitas terbesar untuk menghasilkan varians sampling paling mungkin.

A-dunia contoh nyata penggunaan stratified sampling akan untuk politik survei. Jika responden diperlukan untuk mencerminkan keragaman populasi, peneliti secara khusus akan berusaha untuk menambah peserta dari berbagai kelompok minoritas seperti ras atau agama, berdasarkan proporsionalitas mereka dengan jumlah penduduk seperti yang disebutkan di atas.. Sebuah survei bertingkat sehingga bisa mengklaim lebih representatif dari populasi dari survei sampling acak sederhana atau sampling sistematis .

Demikian pula, jika kepadatan penduduk sangat bervariasi di suatu daerah, stratified sampling akan memastikan bahwa perkiraan dapat dibuat dengan ketelitian yang sama di berbagai daerah, dan bahwa perbandingan sub-daerah dapat dibuat dengan sama kekuatan statistik . Sebagai contoh, di Ontario survei diambil seluruh provinsi mungkin menggunakan pecahan sampling yang lebih besar di utara penduduknya kurang, karena perbedaan populasi antara utara dan selatan begitu besar bahwa sebagian sampling berdasarkan sampel provinsi secara keseluruhan mungkin mengakibatkan pengumpulan hanya beberapa data dari utara.

stratifikasi acak juga dapat digunakan untuk meningkatkan keterwakilan populasi dalam studi.

contoh Praktis

Pada umumnya ukuran sampel di setiap strata diambil secara proporsional dengan ukuran lapisan tersebut. Ini disebut alokasi proporsional. Misalkan dalam suatu perusahaan ada staf sebagai berikut:

• laki-laki waktu, penuh: 90
• laki-laki, paruh waktu: 18
• femaleperempuan waktu, penuh: 9
• wanita, paruh waktu: 63
• Total: 180

dan kita diminta untuk mengambil sampel dari 40 staf, bertingkat sesuai dengan kategori di atas.

Langkah pertama adalah menemukan jumlah staf (180) dan menghitung persentase masing-masing kelompok.

• Laki-laki, waktu penuh = 90/180 = 50%
• Laki-laki, paruh waktu = 18/180 = 10%
• Perempuan, purna waktu = 9 / 180 = 5%
• Perempuan, paruh waktu = 63/180 = 35%

Ini memberitahu kita bahwa sampel kita 40,

• 50% harus laki-laki, waktu penuh.
• 10% harus laki-laki, paruh waktu.
• 5% harus perempuan, waktu penuh.
• 35% harus perempuan, paruh waktu.

•  50% dari 40 adalah 20.
• 10% dari 40 adalah 4.
• 5% dari 40 adalah 2.
• 35% dari 40 adalah 14.

Cara lain yang mudah tanpa harus menghitung persentase adalah untuk memperbanyak jumlah kelompok dengan ukuran sampel dan dibagi dengan jumlah total:

• laki-laki waktu, penuh = (90 x 40) / 180 = 20
• laki-laki, paruh waktu = (18 x 40) / 180 = 4
• perempuan waktu, penuh = (9 x 40) / 180 = 2
• wanita, paruh waktu = (63 x 40) / 180 = 1

4. Sampel Kluster

Sampel cluster adalah sampling teknik yang digunakan ketika "alam" pengelompokan yang jelas dalam suatu populasi statistik. Hal ini sering digunakan dalam riset pemasaran. Dalam teknik ini, total populasi dibagi menjadi kelompok-kelompok (atau cluster) dan sampel kelompok dipilih. Kemudian informasi yang diperlukan dikumpulkan dari elemen masing-masing grup yang dipilih. Hal ini dapat dilakukan untuk setiap elemen dalam kelompok-kelompok atau suatu sub-sampel unsur dapat dipilih dalam masing-masing kelompok. Sebuah motivasi umum untuk sampling cluster adalah untuk mengurangi biaya rata-rata per wawancara. Mengingat anggaran yang tetap, hal ini dapat memungkinkan ukuran sampel meningkat. Dengan asumsi ukuran sampel tetap, teknik yang diberikan hasil yang lebih akurat ketika sebagian besar variasi dalam populasi berada dalam kelompok, bukan di antara mereka.

·         Elemen Kluster

Elemen dalam sebuah cluster idealnya harus seperti heterogen mungkin, tetapi harus ada keseragaman antara cluster berarti setiap kelompok harus merupakan representasi skala kecil dari total populasi. cluster harus saling eksklusif dan lengkap secara kolektif. Teknik random sampling ini kemudian digunakan pada setiap kelompok yang relevan untuk memilih kelompok yang akan disertakan dalam penelitian. Dalam cluster sampling tahap tunggal, semua elemen dari masing-masing kelompok terpilih yang digunakan. Dalam dua-tahap cluster sampling, teknik sampling acak diterapkan pada elemen-elemen dari masing-masing cluster yang dipilih.

Perbedaan utama antara cluster sampling dan stratified sampling adalah bahwa di cluster sampling cluster diperlakukan sebagai unit sampling sehingga analisis dilakukan pada populasi kelompok (setidaknya pada tahap pertama). Dalam stratified sampling, analisis dilakukan pada elemen dalam strata. Dalam stratified sampling, sampel acak yang diambil dari masing-masing strata, sedangkan di cluster sampling hanya cluster yang dipilih akan dipelajari. Tujuan utama dari sampling cluster adalah untuk mengurangi biaya dengan meningkatkan efisiensi sampling. Hal ini bertentangan dengan stratified sampling dimana tujuan utamanya adalah untuk meningkatkan presisi.

Ada juga ada multistage sampling, di mana lebih dari dua langkah yang diambil dalam memilih cluster dari cluster.

·         Aspek Kluster Sampling

Satu versi sampling cluster adalah area sampling atau cluster sampling geografis. Cluster terdiri dari wilayah geografis. Karena populasi terpisah secara geografis bisa mahal untuk survei, lebih besar ekonomi dari simple random sampling dapat dicapai dengan memperlakukan beberapa responden dalam area lokal sebagai sebuah cluster. Hal ini biasanya diperlukan untuk meningkatkan ukuran sampel total untuk mencapai presisi setara dalam penduga , tapi penghematan biaya dapat membuat yang layak.

Dalam beberapa situasi, analisis cluster hanya sesuai ketika cluster sekitar ukuran yang sama. Hal ini dapat dicapai dengan menggabungkan cluster. Jika hal ini tidak mungkin, probabilitas proporsional dengan ukuran sampling digunakan. Dalam metode ini, kemungkinan memilih setiap cluster bervariasi dengan ukuran cluster, cluster yang lebih besar memberikan kemungkinan yang lebih besar dari kelompok seleksi dan lebih kecil kemungkinan lebih rendah. Namun, jika kelompok yang dipilih dengan probabilitas proporsional dengan ukuran, jumlah yang sama wawancara harus dilakukan di setiap cluster sampel sehingga setiap unit sampel mempunyai probabilitas yang sama seleksi.

Cluster sampling digunakan untuk memperkirakan kematian tinggi dalam kasus seperti perang , kelaparan dan bencana alam .

·         Keuntungan

Bisa lebih murah daripada metode lain - misalnya biaya perjalanan yang lebih sedikit, biaya administrasi

·         Kekurangan

Tinggi sampling error , yang dapat dinyatakan dalam desain efek "yang disebut-", rasio antara jumlah mata pelajaran dalam studi cluster dan jumlah mata pelajaran dalam, secara acak dapat diandalkan unclustered sampel studi yang sama.

5. Sampel Multitahap

Sampel multitahap adalah penarikan sampel banyak tahap/ bertahap-tahap.Telah disebutkan bahwa penarikan sampel berkelompok itu, hemat dalam keadaan tertentu tetapi metode ini membatasi penyebaran dari sampel populasi yang hasilnya biasanya meningkatkan pendugaan terhadap varians. Oleh karena itu, wajar mengharapkan efisiensi dari estimator akan meningkat dengan cara pendistribusian elemen dalam jumlah besar dari kelompok dan hanya suatu contoh unit pada setiap kelompok terpilih sebagai wakil dengan menyebut satu per satu semua elemen sampel dari kelompok. Penarikan sampel jenis ini, yang terdiri dari pertama, pemilihan kelompok dan kemudian pemilihan secara spesifik beberapa elemen dari setiap kelompok terpilih yang dikenal sebagai sub-sampling atau teknik penarikan sampel dua tahap. Dalam desain sampling, kelompok yang terbentuk dari pemilihan unit sampling pertama disebu tunit-unit.

pada tahap pertama atau unit-unit pada sampel utama dan elemen dalam kelompok disebut unit-unit pada tahap pertama. Prosedur ini dapat disamaratakan untuk tiga tahapan atau lebih dan dimasukkan dalam penarikan sampel banyak tahap. Sebagai contoh, dalam menyurvei panen untuk memperkirakan hasil dari panen di suatu daerah, suatu blok mungkin dipertimbangkan sebagai suatu unit sampel utama, desa/kampung sebagai unit sampel dalam langkah yang kedua, area panen sebagai unit sampel pada langkah yang ketiga, dan suatu plot dari ukuran yang tetap dari unit sampling yang terakhir.

Penarikan sampel banyak tahap telah ditemukan untuk menjadi hal yang sangat bermanfaat dalam hal praktik dan prosedur ini biasanya digunakan dalam survei berskala besar. Mahalonobis (1940) telah menggunakan prosedur ini dalam survei panen dan Ganguli memasukkan multi-stage sampling (penarikan sampel banyak tahap) ini dalampenarikan

sampel bersarang. Chocran (1939), Hansen dan Hurwitz (1934), Sukhatme (1953), dan

Lahiri (1954) sudah membahas penggunaannya dalam bidang pertanian dan survei populasi. Roy (1957) dan Singh (1958) telah mempertimbangkan komponen penduga varians untuk desain sampling. Prosedur penarikan sampel banyak tahap menjadi kombinasi yang lebih baik dari penarikan sampel acak danpenarikan sampel berkelompok. Itu diharapkan menjadi (i) kurang efisien dibanding penarikan sampel acak satu tahap dan lebih efisien dibanding penarikan sampel banyak tahap dari sudut pandang variabilitas sampling, dan (ii) lebih efisien dibanding penarikan sampel acak satu tahap dan kurang efisien dibanding pengelompokan dari sudut pandang biaya dan operasional. Keuntungan utama dari prosedur sampling ini adalah bahwa pada langkah yang pertama, kerangka dari unit-unit pada tahap pertama diperlukan agar bisa disiapkan dengan mudah. Pada langkah yang kedua, kerangka dari unit-unit pada tahap kedua diperlukan hanya untuk yang terpilih unit-unit pada tahap pertama dan seterusnya. Desain ini menjadi lebih fleksibel, yaitu seperti memperbolehkan penggunaan prosedur penarikan sampel yang berbeda dalam tahapan yang berbeda. Itu juga bisa dikatakan bahwa penarikan sampel banyak tahap itu mungkin hanya satu-satunya pilihan dalam sejumlah situasi praktis di mana suatu kerangka sampel yang lengkap dari unit pada tahapan terakhir tidak tersedia dan membutuhkan biaya besar untuk memperoleh kerangka seperti itu.

Karena, pada penarikan sampel dua tahap, unit-unit dipilih pada tiap tahapan dengan

mempertimbangkan struktur peluang pada tiap tahap, prosedur pemilihan pada kedua

tahapan adalah mempertimbangkan pada turunan dari nilai harapan dan varian dari penduga berdasarkan pada jumlah observasi yang diambil pada sampel dari unit-unit pada tahap kedua. untuk mendapatkan nilai harapan dan varian sampel dari estimator berdasarkan pada unit-unit yang dipilih dengan memperhatikan asas randomisasi pada tahap dua, kita mungkin mengikuti hasil yang diberikan pada Teorema 1.3.7 dan 1.3.8 yang dirangkum di bawah ini.

F(t)=E₁E₂(t)                 (9.2.1)

V(t)=V₁E₂(t)+ E₁V₂(t)  (9.2.2)

Di mana E₁ dan V₁ adalah ekspektasi dan varian dari tahap pertama dan E₂ dan V₂ adalah ekspektasi bersyarat dan varian dari tahap kedua untuk sampel dari unit-unit pada tahap pertama .

Mari kita asumsikan bahwa populasi terdiri dari NM elemen yang dikelompokkan pada N unit-unit tahap kedua dari tiap M pada unit-unit tahap kedua. Maka n menjadi nomor unit-unit pada tahap pertama pada sampel dan m adalah nomor unit-unit pada tahap kedua yang terpilih dari setiap unit sampel tahap pertama. Kita juga mengasumsikan bahwa unit- unit pada tiap tahap dipilih denga peluang yang sama.

Read more »