Dependensi Fungsional Membantu Menghindari Duplikasi Data
Ketergantungan fungsional dalam database memaksa serangkaian kendala antara atribut. Ini terjadi ketika satu atribut dalam suatu relasi secara unik menentukan atribut lain. Ini dapat ditulis A -> B yang berarti "B secara fungsional tergantung pada A." Ini juga disebut ketergantungan database .
Dalam hubungan ini, A menentukan nilai B, sedangkan B bergantung pada A.
Mengapa Ketergantungan Fungsional Penting dalam Desain Basis Data
Ketergantungan fungsional membantu memastikan validitas data. Pertimbangkan tabel Karyawan yang mencantumkan karakteristik termasuk Nomor Jaminan Sosial (SSN), nama, tanggal lahir, alamat dan sebagainya.
Atribut SSN akan menentukan nilai nama, tanggal lahir, alamat dan mungkin nilai lain, karena nomor jaminan sosial itu unik, sementara nama, tanggal lahir, atau alamat tidak boleh. Kita bisa menulisnya seperti ini:
SSN -> nama, tanggal lahir, alamat
Oleh karena itu, nama, tanggal lahir dan alamat secara fungsional tergantung pada SSN. Namun, pernyataan terbalik (nama -> SSN) tidak benar karena lebih dari satu karyawan dapat memiliki nama yang sama tetapi tidak akan pernah memiliki SSN yang sama. Masukkan cara lain yang lebih konkret, jika kita tahu nilai atribut SSN, kita dapat menemukan nilai nama, tanggal lahir dan alamat. Tetapi jika kita tahu nilai hanya atribut nama, kita tidak dapat mengidentifikasi SSN.
Sisi kiri dari ketergantungan fungsional dapat mencakup lebih dari satu atribut. Katakanlah kita memiliki bisnis dengan banyak lokasi. Kami mungkin memiliki karyawan meja dengan atribut karyawan, jabatan, departemen, lokasi dan manajer.
Karyawan menentukan lokasi tempat dia bekerja, jadi ada ketergantungan:
karyawan -> lokasi
Tetapi lokasi mungkin memiliki lebih dari satu pengelola, jadi karyawan dan departemen bersama-sama menentukan pengelola:
karyawan, departemen -> manajer
Ketergantungan dan Normalisasi Fungsional
Ketergantungan fungsional berkontribusi pada apa yang disebut normalisasi basis data, yang memastikan integritas data dan mengurangi redundansi data. Tanpa normalisasi, tidak ada jaminan bahwa data dalam database akurat dan dapat diandalkan.