PENERAPAN NORMALISASI DAN IMPLEMENTASI KE DATABASE SQL SERVER

Kali ini saya akan menerangkan tahap-tahap penerapan normalisasi hingga menjadi sebuah ERD pada SQL server. Sering kali mahasiswa bertanya "bagaimana awal mulanya pembuatan sistem informasi" salah satu cara terbaik awal pembuatan sistem informasi adalah menanyakan kebutuhan user / pengguna terhadap sebuah sistem yang akan dibangun, biasanya kebutuhan ini awalnya dari sebuah "MASALAH" yang harus dicarikan solusi.

Bermodalkan interview kepada pengguna kebutuhan apa yang harus dibuat, biasanya kita mencari informasi proses bisnis dari perusahaan tersebut, sehingga akhirnya kita mengetahui format manual sistem yang berjalan   contohnya disini BON PEMBELIAN.

1. Bentuk Normal Pertama (1NF)

dari manual bon pembelian diatas kita dapat menjadi bentuk normal pertama dengan memisah-misahkan data pada atribut-atribut yang tepat dan bernilai atomik, juga seluruh record / baris harus lengkap adanya.

2. Bentuk Normal Kedua (2NF).

Bentuk normal kedua dengan melakukan dekomposisi tabel diatas menjadi beberapa tabel dan mencari kunci primer dari tiap-tiap tabel tersebut dan atribut kunci haruslah unik. 

3. Bentuk Normal Ketiga (3NF)
Bentuk normal ketiga mempunyai syarat, setiap relasi tidak mempunyai atribut yang bergantung transitif, harus bergantung penuh pada kunci utama dan harus memenuhi bentuk normal kedua (2 NF).

Implementasi ERD (entity relationship diagram) pada contoh diatas, bisa dituangkan kedalam database MS SQL Server 2005, seperti terlihat pada gambar beikut ini :

Record Fisik database :

berikutnya saya akan menjelaskan pemakaian script sql server dalam membuat tabel-tabel diatas dan relasi yang terbentuk.

Membuat database Pembelian:

create database pembelian
use  pembelian

Membuat table 

create table kendaraan (
no_polisi char(10),
warna char(20),
merek char(30),
tahun char(5),
primary key (no_polisi)
)
sp_help kendaraan

create table mekanik (
mekanik_id char(5),
nama_mekanik varchar(50),
primary key (mekanik_id)
)
sp_help mekanik

create table parts (
kode_parts char(20),
nama_parts varchar(50),
harga int,
primary key (kode_parts)
)
sp_help parts

create table bon_pembelian (
no_faktur char(10),
tanggal datetime,
no_polisi char(10),
mekanik_id char(5),
potongan int,
primary key (no_faktur),
constraint FK_nopolisi foreign key (no_polisi) references kendaraan(no_polisi),
constraint FK_mekanik foreign key (mekanik_id) references mekanik(mekanik_id)
)
sp_help bon_pembelian

create table transaksi_parts (
no_faktur char(10),
kode_parts char(20),
qty int,
harga int,
discount int,
primary key (no_faktur,kode_parts),
constraint FK_nofaktur foreign key (no_faktur) references bon_pembelian(no_faktur),
constraint FK_kodeparts foreign key (kode_parts) references parts(kode_parts)
)
sp_help transaksi_parts

Mengisi data pada table

/*jawaban no.3 */
/** Isi data table kendaraan **/
INSERT INTO kendaraan VALUES('B3117LB','Biru','Supra X','2005')
INSERT INTO kendaraan VALUES('B2121AA','Merah','Supra X','2005')
/** isi data table mekanik **/
INSERT INTO mekanik VALUES('DDE','Djoko Dewanto')
/** isi data table  parts **/
INSERT INTO parts VALUES('20W501000CC','Oli Top 1 000cc',27000)
INSERT INTO parts VALUES('SERV001','Engine Tune Up',25000)
/** isi data table  bon_pembelian **/
INSERT INTO bon_pembelian VALUES('05103214',GETDATE(),'B3117LB','DDE',2000)
INSERT INTO bon_pembelian VALUES('05103215',GETDATE(),'B2121AA','DDE',0)
/** isi data table  transkasi_parts **/
INSERT INTO transaksi_parts (no_faktur,kode_parts,qty,harga,discount)
select '05103214','20W501000CC',2,harga,1000 FROM parts where kode_parts='20W501000CC'
INSERT INTO transaksi_parts (no_faktur,kode_parts,qty,harga,discount)
select '05103214','SERV001',1,harga,2000 FROM parts where kode_parts='SERV001'
INSERT INTO transaksi_parts (no_faktur,kode_parts,qty,harga,discount)
select '05103215','SERV001',1,harga,2000 FROM parts where kode_parts='SERV001'

 Menampilkan data dari table yang telah kita isi

/*jawaban no.3 */
select * from kendaraan
select * from mekanik
select * from parts
select * from bon_pembelian
select * from transaksi_parts

/** Relasi antar table hingga terbentuk 1NF **/
select a.no_faktur, a.tanggal,a.no_polisi,e.warna,e.merek,e.tahun,a.mekanik_id,d.nama_mekanik,
b.kode_parts,c.nama_parts,b.qty,b.harga,b.discount,(b.qty*b.harga)-(b.qty*b.discount) as jumlah,a.potongan,
(select sum((qty*harga)-(qty*discount))-a.potongan from transaksi_parts where no_faktur=a.no_faktur) as total
from bon_pembelian as a
join transaksi_parts  as b ON a.no_faktur=b.no_faktur
join parts as c ON b.kode_parts=c.kode_parts
join mekanik as d ON a.mekanik_id=d.mekanik_id
join kendaraan as e ON a.no_polisi=e.no_polisi

Daftar Pustaka :
http://deddyrusdiansyah.blogspot.co.id/2012/12/penerapan-normalisasi-dan-implementasi.html

VOICE RECOGNITION (PENGENAL SUARA) SISTEM CERDAS YANG SERING DIGUNAKAN

Pengertian AI (Sistem Cerdas).

Kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah cerdas

Dalam hal ini, kita akan membahas Sistem Cerdas yang seringkali kita gunakan, salah satunya adala Voice Recognition (Pengenal Suara).

SPEECH RECOGNITION (PENGENAL SUARA)

Speech recognation (ASR) adalah suatu pengembangan teknik dan sistem yang memungkinkan komputer untuk menerima masukan berupa kata yang diucapkan. Teknologi ini memungkinkan suatu perangkat untuk mengenali dan memahami kata-kata yang diucapkan dengan cara digitalisasi kata dan mencocokkan sinyal digital tersebut dengan suatu pola tertentu yang tersimpan dalam suatu perangkat.

Berdasarkan kemampuan dalam mengenal kata yang diucapkan, terdapat 5 jenis pengenalan kata, yaitu :

• ·      Kata-kata yang terisolasi : Proses pengidentifikasian kata yang hanya dapat mengenal kata yang diucapkan jika kata tersebut memiliki jeda waktu pengucapan antar kata
• ·      Kata-kata yang berhubungan : Proses pengidentifikasian kata yang mirip dengan kata-kata terisolasi, namun membutuhkan jeda waktu pengucapan antar kata yang lebih singkat
• ·         Kata-kata yang berkelanjutan :  Proses pengidentifikasian kata yang sudah lebih maju karena dapat mengenal kata-kata yang diucapkan secara berkesinambungan dengan jeda waktu yang sangat sedikit atau tanpa jeda waktu. Proses pengenalan suara ini sangat rumit karena membutuhkan metode khusus untuk membedakan kata-kata yang diucapkan tanpa jeda waktu. Pengguna perangkat ini dapat mengucapkan kata-kata secara natural
• ·   Kata-kata spontan: Proses pengidentifikasian kata yang dapat mengenal kata-kata yang diucapkan secara spontan tanpa jeda waktu antar kata
• ·     Verifikasi atau identifikasi suara: Proses pengidentifikasian kata yang tidak hanya mampu mengenal kata, namun juga mengidentifikasi siapa yang berbicara

Prinsip Dasar Speech Recognition

Semua metode dasar proses pengenalan suara terdiri dari dua fase operasi, yaitu:

·         Proses training : Pada proses ini sistem belajar dari referensi pola yang berupa perbedaan pola sinyal suara misal frase, kata, fonem yang akan mengisi vocabulari dari sistem. Setiap referensi di pelajari dari kata yang dikatakan yang kemudian disimpan dalam template dan telah mengalami metode untuk merata-rata dan karakteristik statistik dan parameter statistik.

·         Proses recognation : Pada proses ini sistem akan diberikan inputan yang belum diketahui dan akan di identifikasi berdasarkan pola template yang telah didapatkan pada proses training.

Contoh blok diagram speech recognition

Kelebihan dari peralatan yang menggunakan teknologi ini adalah:

1. Cepat. Teknologi ini mempercepat transmisi informasi dan umpan balik dari transmisi tersebut. Contohnya pada komando suara. Hanya dalam selang waktu sekitar satu atau dua detik setelah kita mengkomandokan perintah melalui suara, komputer sudah memberi umpan balik atas komando kita.
2. Mudah digunakan. Kemudahan teknologi ini juga dapat dilihat dalam aplikasi komando suara. Komando yang biasanya kita masukkan ke dalam komputer dengan menggunakan tetikus atau papan ketik kini dapat dengan mudahnya kita lakukan tanpa perangkat keras, yakni dengan komando suara.

Sedangkan kekurangan dari peralatan menggunakan teknologi ini adalah:

1. Rawan terhadap ganguan. Hal ini disebabkan oleh proses sinyal suara yang masih berbasis frekuensi. Ketika sebuah informasi dalam sinyal suara mempunyai komponen frekuensi yang sama banyaknya dengan komponen frekuensi gangguannya, akan sulit untuk memisahkan gangguan dari sinyal suara
2. Jumlah kata yang dapat dikenal terbatas. Hal ini disebabkan pengenal ucapan bekerja dengan cara mencari kemiripan dengan basis data yang dimiliki.

Contoh Flowchart Speech Recognition

Daftar Pustaka :

https://aiukswgkelompok11.wordpress.com/definisi-artificial-intelligence/

http://ts-1.eee.hku.hk/ccst9015sp13/p07/wp-content/uploads/sites/16/2013/04/1.png

https://freezcha.wordpress.com/2010/11/16/speech-recognation/