Functional Dependency (Ketergantungan Fungsional)

Ketergantungan fungsional (functional dependency atau FD) adalah konsep dasar dalam teori basis data relasional yang menggambarkan hubungan antara dua set atribut dalam suatu relasi. Pada dasarnya, FD menyatakan bahwa nilai satu set atribut (determinant) secara unik menentukan nilai atribut lainnya.

Definisi Formal

Misalkan R adalah suatu relasi dengan skema atribut A, A, , A. Untuk dua subset atribut X dan Y (X, Y {A,,A}), kita menulis:

X  Y

Jika dan hanya jika, untuk setiap dua tuple t dan t dalam R, kondisi berikut terpenuhi:

t[X] = t[X]    t[Y] = t[Y]

Artinya, bila dua baris memiliki nilai yang sama pada atributatribut X, maka mereka juga harus memiliki nilai yang sama pada atributatribut Y.

Contoh Sederhana

NRP	Nama	Program Studi	Fakultas
001	Ani	Informatika	Teknik
002	Budi	Manajemen	Ekonomi
003	Cici	Informatika	Teknik

Dalam tabel di atas, NRP Nama, Program Studi, Fakultas karena NRP adalah kunci unik. Selain itu, Program Studi Fakultas juga berlaku karena setiap program studi berada di satu fakultas saja.

Jenisjenis Ketergantungan Fungsional

• Trivial: X Y disebut trivial bila Y X. Contoh: {A, B} A selalu benar.
• Nontrivial: Bila Y tidak termasuk dalam X, misalnya A B.
• Proper (atau nontrivial proper): Ketika X Y nontrivial dan X Y = . Contoh: A B bila A dan B berbeda.
• Partial Dependency: Ketergantungan dimana subset sebagian dari kunci utama menentukan atribut nonkunci. Misalnya pada tabel dengan kunci komposit (A, B), apabila A C, maka C bergantung parsial pada (A, B).
• Transitive Dependency: Jika A B dan B C, maka secara transitif A C. Ini penting dalam proses normalisasi.

Aturan Inferensi (Armstrongs Axioms)

Armstrongs axioms menyediakan cara untuk menurunkan FD baru dari kumpulan FD yang ada:

1. Reflexivity (Refleksif): Jika Y X, maka X Y.
2. Augmentation (Penambahan): Jika X Y, maka XZ YZ untuk sembarang set Z.
3. Transitivity (Transitif): Jika X Y dan Y Z, maka X Z.

Dari tiga aksioma ini dapat diturunkan aturan tambahan seperti:

• Decomposition (Dekomposisi): Dari X YZ didapat X Y dan X Z.
• Union (Penggabungan): Jika X Y dan X Z, maka X YZ.
• Pseudotransitivity: Jika X Y dan YW Z, maka XW Z.

Peran FD dalam Normalisasi

Normalisasi adalah proses mengorganisasi tabel agar meminimalkan redundansi dan menghindari anomali pembaruan. FD adalah fondasi utama dalam menentukan bentuk normal:

• 1NF (First Normal Form): Memastikan setiap sel berisi nilai atomik, tidak berhubungan langsung dengan FD.
• 2NF (Second Normal Form): Semua atribut nonkunci harus bergantung sepenuhnya pada seluruh kunci utama, bukan pada bagian dari kunci (menghilangkan partial dependency).
• 3NF (Third Normal Form): Tidak ada ketergantungan transitif dari kunci utama ke atribut nonkunci (menghilangkan transitive dependency).
• BCNF (BoyceCodd Normal Form): Setiap determinan harus menjadi superkunci. Lebih ketat dibanding 3NF.

Cara Menentukan FD dari Data

Dalam praktik, FD biasanya ditentukan oleh analis bisnis, bukan otomatis dari data. Namun, beberapa teknik dapat membantu:

1. Observasi langsung: Melihat kolom yang tampaknya unik (misalnya ID, NIK).
2. Analisis statistik: Menghitung jumlah nilai unik pada kombinasi kolom; kombinasi dengan jumlah nilai unik sama dengan jumlah baris dapat menjadi kandidat kunci.
3. Alat bantu: Software seperti Dataedo, ER/Studio, atau script Python dengan pandas untuk mencari pola deterministik.

Contoh Praktis Implementasi FD

Misalkan sebuah toko online memiliki tabel OrderDetail dengan atribut:

OrderID, ProductID, Quantity, UnitPrice, Discount

Berikut adalah FD yang relevan:

• (OrderID, ProductID) Quantity, UnitPrice, Discount (kunci komposit)
• ProductID UnitPrice (harga produk tetap pada satu waktu; jika harga berubah, harus ada tabel terpisah Product)

Jika ProductID UnitPrice tetap berlaku, maka tabel OrderDetail mengandung redundansi karena UnitPrice dapat diturunkan dari Product. Normalisasi ke 3NF atau BCNF akan memindahkan UnitPrice ke tabel Product.

Kesimpulan

Ketergantungan fungsional adalah konsep kunci yang menjelaskan bagaimana nilai satu atribut (atau sekumpulan atribut) menentukan nilai atribut lain dalam sebuah relasi. Memahami FD memungkinkan perancang basis data:

• Mengidentifikasi kunci utama dan kandidat kunci.
• Melakukan normalisasi untuk mengurangi redundansi dan anomali.
• Mengoptimalkan struktur tabel untuk integritas data.

Dengan mengaplikasikan aturan Armstrong serta prinsipprinsip normalisasi, basis data dapat dirancang secara logis, konsisten, dan mudah dipelihara.

Untuk informasi lebih lanjut, kunjungi Wikipedia Functional Dependency atau literatur klasik seperti Database System Concepts karya Silberschatz, Korth, dan Sudarshan.