1. 📌 Pendahuluan Manajemen Penyimpanan
7
🔎 Definisi
Manajemen penyimpanan (storage management) adalah mekanisme dalam DBMS untuk mengatur bagaimana data disimpan, diakses, dan diorganisasi di media penyimpanan seperti hard disk atau SSD.
🧠 Narasi
DBMS tidak hanya menyimpan data, tetapi juga mengatur bagaimana data disusun secara fisik agar dapat diakses dengan cepat dan efisien, bahkan untuk jutaan record.
2. 🎯 Tujuan Manajemen Penyimpanan
📌 Tujuan Utama:
- Mengoptimalkan kecepatan akses data
- Mengelola ruang penyimpanan secara efisien
- Mendukung transaksi dan keamanan data
- Meminimalkan biaya I/O (Input/Output)
🧠 Penjelasan
Karena akses disk jauh lebih lambat dibanding memori, DBMS harus pintar dalam mengatur penyimpanan agar performa tetap tinggi.
3. 🧩 Hirarki Penyimpanan
5
📊 Struktur Hirarki:
| Level | Media | Kecepatan | Biaya |
|---|---|---|---|
| 1 | Register | Sangat cepat | Sangat mahal |
| 2 | Cache | Sangat cepat | Mahal |
| 3 | RAM | Cepat | Sedang |
| 4 | Disk | Lambat | Murah |
| 5 | Tape | Sangat lambat | Sangat murah |
🧠 Narasi
DBMS umumnya bekerja pada disk dan RAM, dengan teknik buffer untuk mempercepat akses data.
4. 📂 Organisasi File Database
6
📌 Jenis Organisasi File:
| Jenis | Deskripsi |
|---|---|
| Heap File | Data disimpan tanpa urutan |
| Sequential File | Data diurutkan |
| Hashed File | Menggunakan hash function |
🧠 Narasi
Pemilihan organisasi file sangat memengaruhi performa pencarian data.
5. 🧱 Struktur Penyimpanan Data
📌 5.1 Record (Rekaman)
- Unit data terkecil (baris)
📌 5.2 Block (Halaman/Page)
- Sekumpulan record
📌 5.3 File
- Kumpulan block
🧠 Narasi
DBMS membaca data dalam bentuk block, bukan satu per satu record, untuk efisiensi.
6. ⚙️ Buffer Management
7
🔎 Definisi
Buffer adalah area di RAM yang digunakan untuk menyimpan sementara data dari disk.
📌 Fungsi:
- Mengurangi akses disk
- Meningkatkan performa
📌 Algoritma:
- LRU (Least Recently Used)
- FIFO (First In First Out)
🧠 Narasi
Tanpa buffer, setiap query harus membaca disk secara langsung—yang sangat lambat.
7. 🔍 Konsep Indeks dalam DBMS
8
🔎 Definisi
Indeks adalah struktur data tambahan yang digunakan untuk mempercepat pencarian data dalam tabel.
🧠 Narasi
Indeks bekerja seperti daftar isi buku, sehingga kita tidak perlu membaca seluruh tabel.
8. 🧩 Jenis-Jenis Indeks
7
📊 Tabel Jenis Indeks:
| Jenis | Deskripsi |
|---|---|
| Primary Index | Berdasarkan primary key |
| Secondary Index | Berdasarkan atribut lain |
| Clustered Index | Data disimpan sesuai urutan indeks |
| Non-Clustered Index | Indeks terpisah dari data |
| Hash Index | Menggunakan fungsi hash |
🧠 Narasi
Pemilihan indeks yang tepat dapat mempercepat query hingga ratusan kali lipat.
9. 🌳 Struktur Indeks: B-Tree & B+ Tree
7
📌 B-Tree
- Struktur pohon seimbang
- Digunakan untuk pencarian cepat
📌 B+ Tree
- Semua data di leaf node
- Lebih efisien untuk range query
🧠 Narasi
Sebagian besar DBMS modern menggunakan B+ Tree karena performanya lebih baik.
10. ⚡ Perbandingan Index vs Tanpa Index
📊 Tabel:
| Aspek | Tanpa Index | Dengan Index |
|---|---|---|
| Kecepatan | Lambat | Cepat |
| Storage | Lebih kecil | Lebih besar |
| Insert/Update | Cepat | Lebih lambat |
🧠 Narasi
Index mempercepat query, tetapi menambah beban saat update data.
11. ⚠️ Kelebihan dan Kekurangan Indeks
📊 Tabel:
| Kelebihan | Kekurangan |
|---|---|
| Pencarian cepat | Tambahan storage |
| Efisiensi query | Overhead update |
| Mendukung sorting | Kompleks |
12. 🧪 Studi Kasus
6
📌 Contoh:
Sistem Akademik:
- Pencarian mahasiswa berdasarkan NIM
- Tanpa index: scan seluruh tabel
- Dengan index: langsung ke data
🧠 Narasi
Pada database besar, tanpa index, query bisa sangat lambat.
13. 🧠 Kesimpulan
- Manajemen penyimpanan menentukan efisiensi database
- Buffer mempercepat akses data
- Index sangat penting untuk optimasi query
- Struktur seperti B+ Tree meningkatkan performa
14. 📖 Latihan dan Diskusi
✍️ Soal:
- Apa fungsi buffer dalam DBMS?
- Jelaskan perbedaan clustered dan non-clustered index!
- Mengapa B+ Tree lebih populer?
💬 Diskusi:
- Kapan penggunaan index justru merugikan?
🎯 Penutup
Materi ini penting untuk:
- Query Optimization
- Big Data Processing
- Performance Tuning Database
