Materi Kuliah Perencanaan Produksi (PPC I)

Materi kuliah PPC I dari Ibu Sri Hartini,ST,MT bisa didownload disini

Teknik Sampling Probabilitas dan Non-probabilitas

Metode Sampling

Dalam perencanaan suatu penelitian,peneliti dihadapkan pada pilihan untuk mempelajari keseluruhan unsure populasi (manusia atau benda) atau mempelajari hanya sebagian unsure yang diambil dari bagian atau populasi yang lebih besar.
Sampling terdiri dari berbagai jenis. Dalam perencanaan sampling akan ditentukan bagaimana unsure diambil dari populasi yang lebih besar atau populasi induk dan berapa jumlah unsure yang akan diambil.
Sifat perencanaan sampling
Kebanyakan perencanaan sampling dapat dikategorikan menurut Probability dan Non-probability.
Perencanaan sampling probabilitas
Perencanan yang menentukan probabilitas atau besarnya kemungkinan setiap unsure dijadikan sampel. Factor pengawasan yang mendasari semua perencanaan sampling probabilitas yang utama ialah sifat keacakan. Perencanaan sampling probabilitas yang biasa digunakan mencakup :
• Sampling acak sederhana (simple random sampling)
Pengambilan sampel dalam teknik random ini, peneliti ini memperkirakan sampel dalam populasi berkedudukan sama dari segi2 yang akan diteliti. Dengan cara mengambil acak tanpa memperhatikan strata yang ada dalam populasi. Dengan syarat anggota populasi homogen.
Contoh:
Mahasiswa yang baru masuk Perguruan Tinggi Negeri, mereka sama2 tamatan SMA dan sama2 lulus ujian SPMB (seleksi penerimaan mahasiswa baru).
Disini dapat dikatakan bahwa populasi mahasiswa baru tersebut homogen dari asal sekolah dan lulus ujian SPMB. Artinya kita mengambil beberapa saja diantara mereka untuk sampel penelitian, dan yang mana saja, karena kita telah beranggapan bahwa mereka mempunyai kedudukan yang sama dengan kriteria2 yang sama.
• Sampling acak distratifikasi secara proposional (proportioned stratified random sampling)
Jika penelitian kita memerlukan data bertingkat, berstrata atau bergelombang dan berlapis2. Yang mungkin berbentuk kelas,umur,daerah dan kedudukan, atau sejenis maka kita menggunakan sampel stratified dengan mengambil sampel pada strata2 tertentu sesuai dengan penelitian yang dilakukan.
Contoh:
Populasi penelitian seluruh Mahasiswa UNIMED, sampelnya bisa pada strata tingkat I, tingkat II,strata S1 dan seterusnya.
• Sampling acak distratifikasi secara tidak(kurang) proposional(disproportioned stratified random sampling)
Teknik ini digunakan untuk menentukan jumlah sampel, bila populasi berstrata tapi kurang proposional.
Contoh:
Tingkah laku militer, mungkin hanya sedikit jumlah jenderal dalam sampenya sehingga peneliti memutuskan untuk menggunakan semua jenderal dalam sampelnya dan mengurangi proporsi jabatan lain untuk mendapatkan jumlah komposisi sampel. Dengan menggunakan tabel peneliti dapat menggunakan sampel acak pengelompokkan proposional. Dengan menggolongkan sesuai dengan jenis kejahatan. Tetapi ia melihat bahwa populasi yang berisi kasus pemerasan hanya 1%. Akibatnya, sampel berubah menjadi tidak proposional, apabila sampelnya di hasilkan 100, dengan menggunakan 10 kasus pemerasan.
Tabel. Distribusi kejahatan populasi dalam militer
Jenis kejahatan Frekuensi Persentase dalam [populasi
Perkosaan 50 5%
Pembongkaran 100 10%
Pencurian mobil 500 50%
Penyerangan 10 1%
Pencurian 140 14%
Perampokan 50 15%
Pembunuhan 50 5%
Jumlah N= 100 100%
• Sampling area atau gugus (area or cluster sampling)
Teknik sampling daerah digunakan untuk menentukan sampel bila objek yang akan diteliti atau sumber data sangat luas. Dalam penggunaan sampel cluster ini umumnya kesatuan2 yang diteliti, merupakan kelompok2 yang lebih besar.
Contoh:
Kelompok remaja putus sekolah, kelompok kelas, atau sekolah2 dan sebagainya.
Perencanaan sampling nonprobabilitas
Teknik pengambilan sampel tidak member peluang/kesempatan sama bagi setiap anggota populasi untuk dipilih menjadi sampel. Tujuan umum dari perencanaan sampling probabilitas ialah memperoleh gambaran kasar dari sekumpulan unsure sampel.
Dalam sampel non probabilitas sukar untuk menentukan jumlah kesalahan sampling, sehingga peneliti tidak dapat menggeneralisasikan secara langsung beberapa temuannya dengan populasi yang lebih besar. Ini karena populasi yang ada sebagian besar tidak teridentifikasi dengan salah satu atau semua variasi sampling nonprobabilitas. Perencanaan sampling non probabilitas yang biasa digunakan mencakup:
• Sampling sistematik
Teknik pengambilan sampel berdasarkan urutan dari anggota populasi yang telah diberi nomor urut. Sampling sistematik biasanya digunakan dalam traffic survey atau marketing research.
Ada beberapa peneliti menganggap sampling sistematik bukan merupakan sampling acak, padahal sampling sistematik merupakan sampling acak karena pemilihan pertama (menggunakan random start) dilakukan secara acak. Beberapa peneliti menyebut sampling sistematik sebagai Quasi random sampling atau Pseudo random sampling.
Contoh:
Jika peneliti ingin mengetahui orang2 yang berobat kerumah sakit di sebuah desa, kita telah mengetahui syarat2 untuk berobat di rumah sakit, dengan mendaftar diri ke receptionist dan mendapatkan nomor antrian,sehingga mereka dapat berobat.
• Sampling kuota
Teknik untuk menentukan sampel secara bebas dari populasi yang mempunyai ciri-ciri tertentu sampai jumlah (kuota) yang diinginkan. Penggunaan teknis kuota sampel ini perlu menetapkan strata populasi berdasarkan tanda2 yang mempunyai pengaruh terbesar terhadap variable yang akan diselidikan.
Sedangkan penetapan kuota tergantung kepada kepentingan peneliti dapat berdasarkan factor social, factor ekonomi, factor geografis, atau factor politis.
Contoh:
Jika kita ingin meniliti orang2 yang berambut kribo disebuah kota, kita telah mengetahui ciri2nya yaitu rambutnya kribo dan kemudian kita menetapkan kuotanya sejumlah yang telah kita tentukan.
Penggunaan sampel kuota ini dalam penelitian ilmu social sering digunakan oleh para peneliti, karena dapat menentukan sampelnya dengan tidak terlalu ikat.
• Sampling aksidental
Teknik penentuan sampel berdasarkan kebetulan, yaitu siapa saja yang kebetulan bertemu dengan peneliti dapat digunakan sebagai sampel, bila dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data.
Contoh:
Jika kita ingin meneliti orang2 yang telah berambut putih diseluruh kota, sampelnya kita cari disekeliling kota dan dimana dan kapan saja kita menemui orang2 yang berambut putih, kita ambil sebagai sampelnya, jadi semua sampel tersebut hanya secara kebetulan saja dan tak direncanakan.
Dalam suatu penelitian ilmiah biasanya cara sampel aksidental ini jarang digunakan, kecuali dalam penelitian2 tertentu yang mungkin dapat menggunakap sampel ini, hal itu tentu sesuai dengan tujuan penelitiannya. Dan bukan penelitian ilmiah.
• Sampling purposive
Teknik penentuan sampel untuk tujuan tertentu saja. Misalnya pada penelitian tentang disiplin pegawai, maka sampel yang dipilih adalah orang yang ahli dalam bidang kepegawaian saja.
Contoh:
Jika penel;iti ingin mengetahui perbedaan sikap antara pemuda2 dikota besar terhadap kenekalan remaja, dalam hal ini mestinya peneliti telah mengetahui lebih dulu ciri2 pemuda di perkotaan.
Berdasarkan ciri2 tersebut kemudian peneliti memilih daerah kelompok2 tertentu sebagai inti/kuncinya sebagai sampel,sedangkan kelompok dibagian lain kota dapat ditinggalkan.
• Sampling bola salju (snowball sampling)
Teknik penentuan sampel yang mula-mula jumlahnya kecil, kemudian sampel ini disuruh memilih teman-temannya untuk dijadikan sampel. Begitu seterusnya, sehingga jumlah sampel semakin banyak.
Contoh:
Jika peneliti ingin mengetahui penyebaran informasi medis diantara ahli medis, sampling snowball dapat digunakan untuk menentukan bagaimana seorang ahli medis akhirnya menggunakan obat2an dan peralatan tertentu. Metode tersebut dapat menggambarkan melalui kelompok ahli medis yang mana informasi tentang obat baru yang beredar.
Apakah ahli medis tersebut membacanya dalm suatu jurnal medis atau mendengarkannya pada suatu konferensi medis, dan kalau memang demikian, siapa yang dihubungi diantara teman2 ahli medisnya mengenai hal tersebut? Bagainmana informasi diantara ahli medis
menyebar dalam suatu masyarakat tertentu? Sampling snowball dapat menjawab pertanyaan diatas.
• Sampling saturasi
Sama sekali bukan sampling, karena metode tersebuit didefenisikan sebagai perolehan semua unsure sampel dalam suatu populasi tertentu yang mempunyai karakteristik yang diinginkan peneliti.
Contoh:
Jika kita ingin meneliti semua pemakai Honda Beat dalam sebuah komunitas kecil.
• Sampling dense
Sampling secara padat. Terletak diantara sampling acak sederhana dan sampling saturasi. Dengan menaikkan fraksi sampling menjadi satu setengah dan mengambil mayoritas responden yang memiliki sifat atau karakter yang diinginkan peneliti bisa dianggap sampling dense.
Contoh:
Apabila komunitas Honda Beat terdapat 500 orang di medan, peneliti hanya mengambil setengah dari 500 orang yang memiliki Honda Beat.

STRUKTUR ORGANISASI HMTI 2011

Himpunan Mahasiswa Teknik Industri
Universitas Diponegoro

Ketua Program Studi              : Ir. Heru Prastawa, DEA

Dosen Pembina Mahasiswa    : Susatyo Nugroho, ST, MM

                                               Nia Budi Puspitasari, ST, MT

Ketua Umum                          : Reza Pahlevi Ananda                       

Sekretaris Umum                   : Muhdam Azhar              

Sekretaris I                             : Gita Mahdiah                                    

Sekretaris II                            : Riana Pratiwiningrum              

Bendahara I                            : Rizki Ridha Illahi                              

Bendahara II                           : Sofie Harnadini                                 

Badan Pertimbangan Himpunan

Koordinator                            : Hilda Winandita                               

Anggota                                  : Adi Hendiawan                               

                                                Raras Putri Widowati                      

                                                Ovy Ayuning                                     

                                                Bhaswara Aditya                           

Departemen I. Pendidikan dan Riset Teknologi

Ketua                                      : Priliandi Hidayatullah                       

Sekretaris                                : Desi Rahmawati                               

            Bidang Pendidikan

            Ketua                          : Adhitya Setyo Pamungkas                 

            Staff                            : Nurul Dzikrillah                               

                                                  Ikhsan Yenifi                      

                                                  Dwi Yuni Setiawati                          

           

            Bidang Infotek

            Ketua                          : Aditya Hendra Setyawan                 

            Staff                            : Siechara Hans Jonathan               

                                                  Marudut Mujur Sinaga                  

            Bidang Riset

            Ketua                          : Silvia Merdikawati                         

            Staff                            : Mohammad Khoiruddin Rajulaini
                                                 Ranintia Adhicitra Pramesti            

                                                  Tridoyo                                           

Departemen II. Pengembangan Sumber Daya Mahasiswa (PSDM)

Ketua                                      : Willy Oktafiano                                

Sekretaris                                : Oktaviani Hadiati Putri                  

Staff                                        : Catur Indra Agusman                     

                                                 Ganung Sugi Priambada               

  Dyah Aisyah Putri                         

  Dhaneswara Santya Wardhana        

  Arcan Taurus Rendy Yudha         

  Rido Eko Baskoro                             

Departemen III. Kesejahteraan Mahasiswa

Ketua                                      : Rajib Wahyu Nugroho Katama     

Sekretaris                                : Desha Dihasta Kuncari Putri        

            Bidang Layanan Mahasiswa

            Ketua                          : Bagus Nugroho                                

            Staff                            : Dina Tauhida                                 

                                                  Errystiana Novitasari                     

                                                  Welly Mahardika                      

                                                  Desy Anggita Wida Aswara          

            Bidang Kewirausahaan

            Ketua                          : Sinta Nurmalasari                          

            Staff                            : Rifki Muhammad                        

                                                  Rizalt Valentinus                            

                                                  Riski Kurnia Putri                       

                                                  Nimas Mayangsari                  

                                                  Woro Adiati Estining Putri          

Departemen IV. Hubungan Luar

Ketua                                      : Kumala Ade Khantari                       

Sekretaris                                : Ade Rukmi Saraswati                     

            Bidang Kerjasama Luar

            Ketua                          : Gemilang Dewa Adhi                        

            Staff                            : Riko Agisdihan Afifi                        

                                                  Dinar Enggar Puspita                    

                                                  Faizal Mohammad                          

                                                  Berty Dwi Rahmawati                      

            Bidang Pengabdian Masyarakat

            Ketua                          : Dwi Megah Purnamasari                   

            Staff                            : Nafisa Aulia Fahmi                         

                                                  Ardyan Burhanudin                          

                                                  Franz Radityo                                   

Departemen V. Minat dan Bakat

Ketua                                      : Ria Dwi Listyanti                         

Sekretaris                                : Rayana Andari Bardijan           

            Bidang Olahraga

            Ketua                          : Handy Nugroho                         

            Staff                            : Budiman Nur Hidayat                    

                                                  Adiyoga Hanugra Wasistha           

                                                  Muhammad Arifin                        

            Bidang Seni

            Ketua                          : Hariz Setyawan                               

            Staff                            : Ichda Rahmawati Putri                 

                                                  Petty Primatury Anjani P              

                                                  Pratiwi Vido Prabu Diani               

                                                  Mochamad Irfan Try Handoko       

Catatan Awal Tahun

Entah harus dimulai dari mana cerita ini.
Awal tahun kemarin bagiku tak terdefinisi dengan jelas.

Takdir. Dan jalan Tuhanlah yang membawaku ke sini, dalam dunia yang seharusnya indah, bagi orang-orang yang bersyukur.
Flash back. Ketika hendak mengikuti um-undip 2 tahun yang lalu, itu adalah persiapan yang ala kadarnya pada diriku. Kurang belajar, hanya berdoa, dan harapan Allah akan membantuku.
Aku belum tahu hasilnya apa waktu itu, yang aku tahu, aku tidak membaca ketentuan mengerjakan soalnya. Inilah hasilnya.
Sekarang, aku di UNDIP, universitas yang cukup bagus, tetapi banyak yang meng-underestimate bahwa Undip tidak bagus lagi. Mereka lebih memilih UGM,ITB, atau UI, bahkan Airlangga atau Padjadjaran sebagai yang lebih baik, lebih baik untuk membawa diri mereka.
Seperti halnya diriku dulu, aku lebih percaya UGM yang terbaik bagiku, menuntunku menuju jalur sukses.
Berbeda halnya diriku sekarang, aku lebih percaya dimanapun kita berada, kesuksesan yang akan kita ambil, tergantung adanya diri kita. Sebesar manfaat yang kita dan kembali untuk kita.

 *berlanjut

Daftar Webblog-Address Mahasiswa TI 09

Untuk mendownload daftar alamat webblog TI zeroniners silakan klik link ini.
Terima kasih.

Keterkaitan DSS dengan Praktikum Teknologi Informatika

ARTI DSS
DSS sebagai sebuah system yang memberikan dukungan kepada seorang manajer, atau
kepada sekelompok manajer yang relative kecil yang bekerja sebagai team pemecah
masalah, dalam memecahkan masalah semi terstrukitur dengan memberikan informasi
atau saran mengenai keputusan tertentu. Informasi tersebut diberikan oleh laporan
berkala, laporan khusus, maupun output dari model matematis. Model tersebut juga
mempunyai kemampuan untuk memberikan saran dalam tingkat yang bervariasi

CARA PENGGUNAAN INFORMASI DARI DSS
Pada dasarnya dua pengguna informasi dari DSS oleh manajer, yaitu untuk
mendefinisikan masalah dan memecahkan masalah tersebut. Pendefinisian masalah
adalah usaha definisi dari pendekatan system. Ia juga berkaitan dengan fase intelegensi
yang di kemukakan oleh simon. Selanjutnya manjer menggunakan informasi untuk
memecahkan masalah yang telah diidentifikasi. Hal ini merupakan usaha pemecahan
menurut poendekatan sistim dan berkaitan denga fase disain dan pemilihan.
Pada umumnya, lapaoran berkala dan khusus digunakan terutama dalam usaha definisi,
dan simulasi dalam usaha pemecahan
Laporan berkala dapat di rancang untuk menidentifikasi masalah atau masalah yang
kemungkinan besar akan muncul, manjer juga melakukan query terhadap database untuk
menemukan masalah atau mempelajari lebih jauh lagi mengenai masalah yang telah di
identifikasi. Simulasi dapat juga membuka masalah yang tersembunyi, karna kelemahan
cenderung akan kelihatan menonjol ketika operasi perusahaan diubah secara matematis.
Laporan berkala dan khusus dapat juga membantu manajer untuk memecahkan masalah
dengan cara mengidentifikasi keputusan alternative, mengevaluasi dan memilih
alternative tersebut, dan memberikan informasi lanjutan.

Dari ini dapat disimpulkan bahwa dalam suatu pengambilan keputusan, baik dalam organisasi masa maupun dalam suatu perusahaan selalu memanfaatkan teknologi informasi sebagai penunjang yang pokok.


referensi : yohanes_ari.staff.gunadarma.ac.id/Downloads/files/5590/spk3.pdf

Modul 1

Nama            : Muhdam Azhar

NIM               : L2H 009 032

Kelompok      : 35

Modul 1

Tugas Kelompok

Resume Jurnal Database

Dalam era yang global dan penuh persaingan seperti sekarang ini, para pebisnis yang berkecimpung di dalamnya pasti akan memutar otaknya untuk bagaimana memajukan bisnisnya tersebut, entah yang berkecimpung di dunia industri maupun yang lainnya. Informasi yang cepat dan akurat sangat menunjang sekali untuk mempengaruhi dalam mengambil keputusan dan hingga akhirnya dapat memajukan perusahaan. Banyak perusahaan yang beralih ke sistem yang dapat memberikan keputusan yang aktual dan dapat menunjang kemajuan perusahaannya, sistem tradisional dengan akuntansi biaya kini mulai ditinggalkan oleh para pelaku bisnisnya karena tidak memiliki fasilitas yang memadai untuk seperti yang pelaku bisnis inginkan, sekarang para pelaku bisnis mulai beralih ke Activity Based Consting (ABC). Tetapi untuk sistem ini memerlukan data yang banyak karena sistem ini merupakan sistem yang kompleks dan memerlukan pemahaman yang cukup lama pula. Di sini kita mengolah dan memainkan database yang kita dapatkan. Tapi permasalahanya adalah bagaimana kita merancang database tersebut, agar dapat memberikan data yang cepat, akurat, dan tepercaya. Oleh karena itu, di dalam laporan tugas pendahuluan ini kami melakukan pendekatan dengan semantic object model. Model ini lebih mudah bila dibandingkan dengan entity relationship model.

RANCANGAN RELATIONAL DATABASE SUBSISTEM PRODUKSI

Database relational paling banyak digunakan saat ini. Untuk itu tindakan selanjutnya adalah mentransformasikan rancangan semantic object model ke rancangan relational database, dengan langkah-langkahnya sebagai berikut:

A. Setiap object ditransformasikan ke satu relation. Nama object dijadikan nama relation.

B. Setiap single-value attribute pada object yang bersangkutan dijadikan attribute pada relation yang dibentuk. Nama single-value attribute dijadikan nama attribute pada relation. Setiap object identifier (yang diawali dengan ID) pada object yang bersangkutan dijadikan key attribute (diberi garis bawah) pada relation yang dibentuk. Contoh untuk langkah A dan B, object EMPLOYEE pada Gambar 8.I.ditransformasikan menjadi relation EMPLOYEE pada Gambar 9.M. C. Setiap multi-value simple maupun group attribute ditransformasikan ke satu relation. Relation diberi nama berdasarkan nama multi-value attribute yang bersangkutan. Key attribute pada relation yang dibentuk dari multi-value simple attribute adalah object identifier dari object yang bersangkutan. Sedangkan key attribute pada relation yang dibentuk dari multi-value group attribute adalah object dan group identifier dari object yang bersangkutan. Contoh multi value group attribute BOM Detail pada object BOM RANCANGAN DATABASE SUB SISTEM PRODUKSI DENGAN PENDEKATAN ….. (Oviliani Yenti Yuliana)

Cara mentransformasikan object attribute tergantung pada attribute cardinality untuk pair attribute yang bersangkutan, dengan ketentuan jika:

1. relationshipnya 1:1, maka salah satu object identifier dari object yang

bersangkutan dijadikan foreign key pada relation lain yang dibentuk. Umumnya object identifier dari object yang lebih dulu terbentuk, yang akan dijadikan foreign key pada relation lainnya. Contoh pair attribute BOM dan PRODUCT di Gambar 8.B. dan 8.C. Object instance product lebih dulu terbentuk, maka object identifier Product No dijadikan foreign key pada relation BOM.

2. relationship nya 1:N, maka object identifier dari pair attribute yang maksimum attribute cardinality-nya satu dijadikan foreign key pada relation lain yang dibentuk dari pair attribute yang maksimum attribute cardinalitynya N. Contoh pair attribute BOM dan RAW MATERIAL di Gambar 8.A. dan 8.B. Maksimum attribute cardinality Object RAW MATERIAL adalah satu, sedangkan maksimum attribute cardinality Object BOM adalah N, maka object identifier RAW MATERIAL dijadikan foreign key pada relation BOM DETAIL.

3. relationship nya N:M, maka dibentuk intersection relation yang berisi object identifier dari object link yang bersangkutan.

Hasil transformasi rancangan semantic object model ke rancangan relational database secara lengkap dapat dilihat pada Gambar 9. Relation pada Gambar 9 sudah memenuhi aturan normalisasi, artinya attribute non key sudah tergantung secara penuh kepada key attribute, kecuali relation PRODUCTION ORDER. Hal tersebut tidak akan terjadi jika dokumen pada sub sistem pendapatan juga sudah dibuat semantic object model-nya.

SUMBER : www.teknikinformatika.com

Tipe-tipe Data

Tipe - Tipe Data yang didukung oleh MySQL

Written by Hendrik Perdana

Wednesday, 26 August 2009 09:04

Pada artikel ini kita akan membahas tipe - tipe data yang didukung oleh MySQL. Pemilihan tipe data merupakan suatu hal yang cukup penting dalam mengelola server. Salah satu sebabnya adalah berkaitan dengan ruang di harddisk dan memori yang akan “digunakan” oleh data-data

tersebut.

Berikut ini akan diberikan tipe-tipe data yang didukung oleh MySQL yang terambil dari

dokumentasi MySQL. Tipe - tipe data ini diberikan dalam bentuk yang siap dituliskan pada

sintaks-sintaks MySQL, misalnya Create Table. Pada tipe-tipe data tersebut terdapat beberapa

atribut yang memiliki arti sebagai berikut:

- M, menunjukkan lebar karakter maksimum. Nilai M maksimum adalah 255.

- D, menunjukkan jumlah angka di belakang koma. Nilai maksimum D adalah 30 tetapi dibatasi oleh nilai M, yaitu tidak boleh lebih besar daripada M-2.

- Atribut yang diberi tanda [ dan ] berarti pemakaiannya adalah optional.

- Jika atribut ZEROFILL disertakan, MySQL akan otomatis menambahkan atribut

UNSIGNED.

- UNSIGNED adalah bilangan tanpa tanda di depannya (misalnya tandanegatif).

Inilah tipe-tipe data tersebut:

- TINYINT[(M)] [UNSIGNED] [ZEROFILL]

Integer yang sangat kecil jangkauan nilainya, yaitu -128 hingga 127. Jangkauan unsigned

adalah 0 hingga 255.

- SMALLINT[(M)] [UNSIGNED] [ZEROFILL]

Integer yang kecil jangkauan nilainya, yaitu -32768 hingga 32767. Jangkauan unsigned adalah

0 hinga 65535.

- MEDIUMINT[(M)] [UNSIGNED] [ZEROFILL]

Integer tingkat menengah. Jangkauan nilainya adalah -8388608 hingga 8388607. Jangkauan

unsigned adalah 0 hingga 16777215.

1 / 6

Tipe - Tipe Data yang didukung oleh MySQL

Written by Hendrik Perdana

Wednesday, 26 August 2009 09:04

- INT[(M)] [UNSIGNED] [ZEROFILL]

Integer yang berukuran normal. Jangkauan nilainya adalah -2147483648 hingga 2147483647.

Jangkauan unsigned adalah 0 hingga 4294967295.

- INTEGER[(M)] [UNSIGNED] [ZEROFILL]

Sama dengan INT.

- BIGINT[(M)] [UNSIGNED] [ZEROFILL]

Integer berukuran besar. Jangkauan nilainya adalah -9223372036854775808 hingga

9223372036854775807. Jangkauan unsigned adalah 0 hingga 18446744073709551615.

- FLOAT(precision) [ZEROFILL]

Bilangan floating-point. Tidak dapat bersifat unsigned. Nilai atribut precision adalah <=24 untuk

bilangan floating-point presisi tunggal dan di antara 25 dan 53 untuk bilangan floating-point

presisi ganda.

- FLOAT[(M,D)] [ZEROFILL]

Bilangan floating-point presisi tunggal. Tidak dapat bersifat unsigned. Nilai yang diijinkan adalah

-3.402823466E+38 hingga -1.175494351E-38 untuk nilai negatif, 0, and 1.175494351E-38

hingga 3.402823466E+38 untuk nilai positif.

- DOUBLE[(M,D)] [ZEROFILL]

Bilangan floating-point presisi ganda. Tidak dapat bersifat unsigned. Nilai yang diijinkan adalah

-1.7976931348623157E+308 hingga -2.2250738585072014E-308 untuk nilai negatif, 0, dan

2.2250738585072014E-308 hingga 1.7976931348623157E+308 untuk nilai positif.

- DOUBLE PRECISION[(M,D)] [ZEROFILL] dan REAL[(M,D)] [ZEROFILL]

Keduanya sama dengan DOUBLE.

- DECIMAL[(M[,D])] [ZEROFILL]

2 / 6

Tipe - Tipe Data yang didukung oleh MySQL

Written by Hendrik Perdana

Wednesday, 26 August 2009 09:04

Bilangan floating-point yang “unpacked”. Tidak dapat bersifat unsigned. Memiliki sifat mirit

dengan CHAR. Kata “unpacked'' berarti bilangan disimpan sebagai string, menggunakan satu

karakter untuk setiap digitnya. Jangkauan nilai dari DECIMAL sama dengan DOUBLE, tetapi

juga tergantung dai nilai atribut M dan D yang disertakan. Jika D tidak diisi akan dianggap 0.

Jika M tidak diisi maka akan dianggap 10. Sejak MySQL 3.22 nilai M harus termasuk ruang

yang ditempati oleh angka di belakang koma dan tanda + atau -.

- NUMERIC(M,D) [ZEROFILL]

Sama dengan DECIMAL.

- DATE

Sebuah tanggal. MySQL menampilkan tanggal dalam format 'YYYY-MM-DD'. Jangkauan

nilainya adalah '1000-01-01' hingga '9999-12-31'.

- DATETIME

Sebuah kombinasi dari waktu (jam) dan tanggal. MySQL menampilkan waktu dan tanggal

dalam format 'YYYY-MM-DD HH:MM:SS'. Jangkauan nilainya adalah '1000-01-01 00:00:00'

hingga '9999-12-31 23:59:59'.

- TIMESTAMP[(M)]

Sebuah timestamp. Jangkauannya adalah dari '1970-01-01 00:00:00' hingga suatu waktu di

tahun 2037. MySQL menampilkan tipe data TIMESTAMP dalam format YYYYMMDDHHMMSS,

YYMMDDHHMMSS, YYYYMMDD, atau YYMMDD, tergantung dari nilai M, apakah 14 (atau

tidak ditulis), 12, 8, atau 6.

- TIME

Tipe data waktu. Jangkauannya adalah '-838:59:59' hingga '838:59:59'. MySQL menampilkan

TIME dalam format 'HH:MM:SS'.

- YEAR[(2|4)]

Angka tahun, dalam format 2- atau 4-digit (default adalah 4-digit). Nilai yang mungkin adalah

1901 hingga 2155, 0000 pada format 4-digit, dan 1970-2069 pada format 2-digit (70-69).

- CHAR(M) [BINARY]

3 / 6

Tipe - Tipe Data yang didukung oleh MySQL

Written by Hendrik Perdana

Wednesday, 26 August 2009 09:04

String yang memiliki lebar tetap. Nilai M adalah dari 1 hingga 255 karakter. Jika ada sisa, maka

sisa tersebut diisi dengan spasi (misalnya nilai M adalah 10, tapi data yang disimpan hanya

memiliki 7 karakter, maka 3 karakter sisanya diisi dengan spasi). Spasi ini akan dihilangkan

apabila data dipanggil. Nilai dari CHAR akan disortir dan diperbandingkan secara

case-insensitive menurut default character set yang tersedia, kecuali bila atribut BINARY

disertakan.

- VARCHAR(M) [BINARY]

String dengan lebar bervariasi. Nilai M adalah dari 1 hingga 255 karakter. Jika nilai M adalah 10

sedangkan data yang disimpan hanya terdiri dari 5 karakter, maka lebar data tersebut hanya 5

karakter saja, tidak ada tambahan spasi.

- TINYBLOB dan TINYTEXT

Sebuah BLOB (semacam catatan) atau TEXT dengan lebar maksimum 255 (2^8 - 1) karakter.

- BLOB dan TEXT

Sebuah BLOB atau TEXT dengan lebar maksimum 65535 (2^16 - 1) karakter.

- MEDIUMBLOB dan MEDIUMTEXT

Sebuah BLOB atau TEXT dengan lebar maksimum 16777215 (2^24 - 1) karakter.

- LONGBLOB dan LONGTEXT

Sebuah BLOB atau TEXT dengan lebar maksimum 4294967295 (2^32 - 1) karakter.

- ENUM('value1','value2',...)

Sebuah enumerasi, yaitu objek string yang hanya dapat memiliki sebuah nilai, dipilih dari daftar

nilai 'value1', 'value2', ..., NULL atau nilai special "" error. Sebuah ENUM maksimum dapat

memiliki 65535 jenis nilai.

- SET('value1','value2',...)

Sebuah set, yaitu objek string yang dapat memiliki 0 nilai atau lebih, yang harus dipilih dari

daftar nilai 'value1', 'value2', .... Sebuah SET maksimum dapat memiliki 64 anggota.

4 / 6

Tipe - Tipe Data yang didukung oleh MySQL

Written by Hendrik Perdana

Wednesday, 26 August 2009 09:04

Nah, dengan mengenal tipe-tipe data yang didukung oleh MySQL, Anda dapat dengan tepat

memilih tipe data yang Anda butuhkan dalam menyusun sebuah database.

Misalnya Anda hendak menyimpan data jumlah suatu stok barang yang tidak melebihi angka

200 misalnya, maka sebaiknya Anda memilih tipe data TINYINT yang diberi atribut UNSIGNED.

Alasannya adalah jumlah stok tidak melebihi 200 dan tidak mungkin lebih kecil dari 0, dan tipe

data TINYINT memiliki jangkauan 0 hingga 255, jadi memenuhi syarat untuk digunakan.

Contoh yang lain, misalnya Anda hendak membuat database nomor telpon dari teman-teman

Anda. Memang nomor telpon seluruhnya terdiri dari angka, namun nampaknya tidak tepat bila

disimpan dalam tipe data INT (atau bahkan BIGINT bila hendak menyimpan nomor

handphone). Lebih baik dimasukkan ke dalam CHAR atau VARCHAR dengan M adalah 12.

Mengapa 12? Karena nomor handphone terpanjang terdiri dari 12 digit. Sedangkan nomor

telpon rumah terpanjang adalah 8 digit ditambah kode area terpanjang 4 digit, jadi angka 12

sangat pas.

Lalu bagaimana penerapannya dalam operasi MySQL? Misalnya Anda hendak membuat tabel

stok barang dengan masing-masing field adalah kode barang, nama barang, harga barang,

supplier, dan tanggal beli, maka kemungkinan perintah yang harus ditulis adalah sebagai

berikut:

mysql> create table stok(

-> kode char(5),

-> nama varchar(20),

-> harga mediumint unsigned,

-> supplier char(5),

-> tanggal date);

Perintah tersebut di atas akan membuat tabel bernama stok dengan field-field sebagai berikut:

Nama field Tipe data Keterangan

Kode Char(5) Kode barang biasanya m emiliki jumlah karakter Nama Varchar(20) Nama barang kemungki n an besar memiliki jumlah Harga Mediumint Unsign e d Harga tergantung dari je n is barangnya, pada 5 / 6

Tipe - Tipe Data yang didukung oleh MySQL

Written by Hendrik Perdana

Wednesday, 26 August 2009 09:04

Supplier Char(5) Supplier biasanya juga d i tuliskan dalam kode Tanggal Date Tanggal pembelian. Um u mnya waktu pembelian Nah, sudah dijelaskan diatas tipe - tipe operasi data Database MySQL server, selamat

mencoba :D. Artikel selanjutnya akan membahas Implementasi koneksi PHP ke Database

MySQL.

6 / 6

sumber: http://hendrik-perdana.web.id/index.php/basis-web/pemrograman-php/141-tipe-tipe-data-yang-didukung-oleh-mysql

Sistem manajemen basis data

Dari Wikipedia bahasa Indonesia, ensiklopedia bebas

(Dialihkan dari DBMS)

Belum Diperiksa

Langsung ke: navigasi, cari

Sistem manajemen basis data (Bahasa Inggris: database management system, DBMS), atau kadang disingkat SMBD, adalah suatu sistem atau perangkat lunak yang dirancang untuk mengelola suatu basis data dan menjalankan operasi terhadap data yang diminta banyak pengguna. Contoh tipikal SMBD adalah akuntansi, sumber daya manusia, dan sistem pendukung pelanggan, SMBD telah berkembang menjadi bagian standar di bagian pendukung (back office) suatu perusahaan. Contoh SMBD adalah Oracle, SQL server 2000/2003, MS Access, MySQL dan sebagainya. DBMS merupakan perangkat lunak yang dirancang untuk dapat melakukan utilisasi dan mengelola koleksi data dalam jumah yang besar. DBMS juga dirancang untuk dapat melakukan masnipulasi data secara lebih mudah. Sebelum adanya BMS maka data pada umumnya disimpan dalam bentuk flatfile, yaitu file teks yang ada pada sistem operasi. Sampai sekarangpun masih ada aplikasi yang menimpan data dalam bentuk flat secara langsung. Menyimpan data dalam bentuk flat file mempunyai kelebihan dan kekurangan. Penyimpanan dalam bentuk ini akan mempunyai manfaat yang optimal jika ukuran filenya relatif kecil, seperti file passwd. File passwd pada umumnya hanya igunakan untuk menyimpan nama yang jumlahnya tidak lebih dari 1000 orang. Selain dalam bentuk flat file, penyimpanan data juga dapat dilakukan dengan menggunakan program bantu seperti spreadsheet. Penggunaan perangkat lunak ini memperbaiki beberapa kelemahan dari flat file, seperti bertambahnya kecepatan dalam pengolahan data. Namun demikian metode ini masih memiliki banyak kelemahan, diantaranya adalah masalah manajemen dan keamanan data yang masih kurang. Penyimpanan data dalam bentuk DBMS mempunyai banyak manfaat dan kelebihan dibandingkan dengan penyimpanan dalam bentuk flat file atau spreadsheet, diantaranya :
1. Performance yang idapat dengan penyimpanan dalam bentuk DBMS cukup besar, sangat jauh berbeda dengan performance data yang disimpan dalam bentuk flat file. Disamping memiliki unjuk kerja yang lebih baik, juga akan didapatkan efisiensi penggunaan media penyimpanan dan memori
2. Integritas data lebih terjamin dengan penggunaan DBMS. Masalah redudansi sering terjadi dalam DBMS. Redudansi adalah kejadian berulangnya data atau kumpulan data yang sama dalam sebuah database yang mengakibatkan pemborosan media penyimpanan.
3. Independensi. Perubahan struktur database dimungkinkan terjadi tanpa harus mengubah aplikasi yang mengaksesnya sehingga pembuatan antarmuka ke dalam data akan lebih mudah dengan penggunaan DBMS.
4. Sentralisasi. Data yang terpusat akan mempermudah pengelolaan database. kemudahan di dalam melakukan bagi pakai dengan DBMS dan juga kekonsistenan data yang diakses secara bersama-sama akan lebiih terjamin dari pada data disimpan dalam bentuk file atau worksheet yang tersebar.
5. Sekuritas. DBMS memiliki sistem keamanan yang lebih fleksibel daripada pengamanan pada file sistem operasi. Keamanan dalam DBMS akan memberikan keluwesan dalam pemberian hak akses kepada pengguna.

sumber: http://id.wikipedia.org/wiki/DBMS