1. BAB 7
NORMALISASI DATA
Tujuan Intruksional Khusus :
Setelah mempelajari bagian ini, mahasiswa akan
dapat: menjelaskan pengertian ketergantungan
fungsional, menjelaskan konsep dasar normalisasi
data, menjelaskan tahapan normalisasi data,
membedakan bentuk-bentuk normalisasi data.
Normalisasi data merupakan suatu proses untuk mendapatkan struktur tabel atau relasi
yang efisien dan bebas dari anomali, dan mengacu pada cara data item dikelompokkan ke
dalam struktur record. Anomali merupakan efek samping yang tidak diharapkan, yang
ditimbulkan dari suatu proses.
Terdapat tiga macam anomali, ialah:
a. Anomali Peremajaan, yang terjadi apabila dilakukan pengubahan data yang
mengakibatkan pengubahan data lain yang tidak mempunyai hubungan secara
logika.
b. Anomali Penyisipan, yang terjadi apabila dilakukan penambahan atau penyisipan
data yang mengakibatkan perlunya penambahan atau penyisipan data lain yang tidak
mempunyai hubungan secara logika.
c. Anomali Penghapusan, yang terjadi apabila dilakukan penghapusan data yang
mengakibatkan hilangnya data lain yang tidak mempunyai hubungan secara logika.
Sebagai contoh lihat relasi pada Gambar 7.1 berikut.
Normalisasi Data 77

2. PERWALIAN
NIM NAMA NODOSEN DOSEN
20001 MARLINA 131 DRA DINA MSC
20002 HARDIMIN 132 BADRUN SSI MSI
20003 KOMARUDIN 133 DRS AMINUDIN
20004 HUSNI 131 DRA DINA MSC
20005 DANY 131 DRA DINA MSC
20006 INDAH 132 BADRUN SSI MSI
Gambar 7.1 Relasi Perwalian
Jika dosen dengan nama “DRA DINA MSC” telah menyelesaikan pendidikan S3,
misalnya nama tersebut akan diubah menjadi “DRA DINA MSC PHD”. Maka data nama
dari dosen yang bersangkutan perlu di-update di semua baris yang ada nama tersebut.
Dengan demikian update tidak cukup dilakukan sekali, akan tetapi tergantung pada
berapa kali data yang akan di-update muncul pada relasi. Jika proses ini tidak dilakukan
lengkap akan menyebabkan inkonsistensi data. Pada kondisi ini muncul yang disebut:
anomali peremajaan.
Masih dengan menggunakan relasi pada Gambar 7.1, jika ada dosen baru yang belum
mendapatkan tugas perwalian, maka untuk menyisipkan data baru tersebut akan
menyebabkan terdapatnya baris atau record dengan data tidak lengkap (data mahasiswa
perwalian masih kosong). Kondisi ini yang disebut dengan: anomali penyisipan.
Selanjutnya diandaikan mahasiswa dengan nama=”KOMARUDIN” telah lulus, dan data
tersebut akan dihapus dari relasi yang ada. Penghapusan baris yang ditempati data
tersebut, akan menyebabkan data dosen yang terkait dengan mahasiswa tersebut yaitu
“DRS AMINUDIN” menjadi ikut terhapus. Hal ini disebabkan karena secara kebetulan
dosen tersebut hanya mempunyai satu mahasiswa di dalam perwaliannya. Hal ini yang
disebut dengan: anomali penghapusan.
Anomali dapat dieliminasi dengan mengganti format dari relasi, seringkali dengan
memecah relasi menjadi dua atau lebih relasi baru yang dibentuk dari relasi semula.
Pengubahan tersebut dilakukan didalam suatu proses yang disebut dengan proses
normalisasi. Untuk memahami proses normalisasi, perlu diketahui dua terminologi yang
terkait ialah: ketergantungan fungsional (functional dependencies) dan kunci.
Normalisasi Data 78

3. 7.1. Ketergantungan Fungsional
Suatu ketergantungan fungsional ialah suatu relationship diantara atribut. Dengan
ketergantungan fungsional, jika diberikan nilai suatu atribut maka akan dapat diperoleh
atau dicari nilai dari atribut lain. Atau secara lebih formal ketergantungan fungsional
didefinisikan sebagai berikut:
R suatu relasi, x dan y himpunan bagian dari himpunan atribut R.
y mempunyai ketergantungan fungsional (KF) pada x, atau:
xy
jika dan hanya jika setiap nilai x di dalam R mempunyai asosiasi dengan tepat satu
nilai y di dalam R.
x disebut determinant, yaitu sebagai atribut penentu.
y disebut dependent, yaitu sebagai atribut yang bergantung.
Ketergantungan fungsional di atas dapat pula disajikan dengan menggunakan diagram
ketergantungan fungsional sebagaimana diberikan pada Gambar 7.2 berikut.
x y
Gambar 7.2 Diagram Ketergantungan Fungsional
Contoh:
Jika diberikan relasi berikut:
MHS (nim, nama, tgllahir, alamat, kodepos, kabupaten, propinsi)
Dari relasi di atas, maka:
nim  nama
nim  tgllahir
nim  alamat
nim  kodepos
nim  kabupaten
Normalisasi Data 79

4. nim  propinsi
dan juga
kodepos  kabupaten
kodepos  propinsi
merupakan contoh-contoh yang memenuhi ketentuan ketergantungan fungsional.
Sedangkan
tgllahir  alamat
tidak memenuhi ketentuan di dalam ketergantungan fungsional, karena pada kenyataan-
nya dapat terjadi lebih dari satu orang dengan tgllahir yang sama.
Ketergantungan fungsional yang lain:
a. Ketergantungan fungsional, di mana antara dependent dan determinant saling
tergantung.
Contoh:
fakultas  dekan
dekan  fakultas
maka
fakultas ↔ dekan
b. Ketergantungan fungsional dengan lebih dari satu determinant.
Contoh:
nim, tahun  dosenwali
(dengan asumsi bahwa seorang mahasiswa dapat berganti dosen wali, misalnya
karena dosen wali yang bersangkutan studi lanjut, dan sebagainya).
c. Ketergantungan fungsional penuh, yaitu ketergantungan fungsional dengan
determinant yang tidak mengandung atribut yang tidak diperlukan.
Contoh:
nama, nim  alamat
Normalisasi Data 80

5. bukan disebut ketergantungan fungsional penuh, karena ketergantungan fungsional
di atas cukup ditulis dengan:
nim  alamat
Bentuk terakhir di atas memenuhi bentuk ketergantungan fungsional penuh.
Dua atau lebih atribut adalah mutually independent jika tidak ada yang mempunyai
ketergantungan fungsional pada sembarang kombinasi yang lain, sehingga setiap atribut
dapat di-update secara bebas.
7.2. Kunci (Key)
Sebagaimana pernah dijelaskan kunci ialah suatu group dari satu atau lebih atribut yang
memberikan identifikasi unik pada suatu record atau baris dari relasi. Setiap relasi
mempunyai paling sedikit satu kunci. Seringkali kunci terdiri atas satu atribut.
Secara umum, suatu kunci ialah suatu atribut atau group atribut yang secara fungsional
menentukan atribut non-key.
NILAI
NIM KODEMTK NIL_HURUF
20001 MTK1 A
20001 MTK3 B
20002 MTK3 B
20003 MTK1 C
20003 MTK2 B
20004 MTK3 C
20005 MTK1 A
20006 MTK2 B
20006 MTK3 B
Gambar 7.3 Relasi Nilai
Relasi di dalam Gambar 7.1 mempunyai kunci berupa nim, karena dengan nim dapat
dilakukan identifikasi unik untuk setiap record atau tuple yang ada dalam relasi tersebut.
Sedangkan untuk relasi di dalam Gambar 7.3, nim tidak dapat digunakan sebagai key
karena dimungkinkan seorang mahasiswa mengambil lebih dari satu mata kuliah. Dengan
demikian key untuk relasi NILAI tersebut ialah berupa group atribut yang terdiri atas dua
atribut (nim + kodemtk). Nilai untuk seorang mahasiswa (dengan menggunakan pengenal
Normalisasi Data 81

6. berupa nim), dapat ditemukan secara pasti dengan menggunakan key berupa (nim +
kodemtk).
Untuk membantu dalam menentukan key dari suatu relasi, perlu diketahui karakteristik
dan atau batasan-batasan data dari relasi tersebut di dalam realitanya. Dengan demikian
dapat ditentukan ketergantungan fungsional yang benar. Ketergantungan fungsional
tersebut dirumuskan bukan hanya dari satu atau dua baris data di dalam relasi yang
digunakan sebagai sampel, akan tetapi benar-benar sudah mengadopsi semua keadaan
data yang ada.
7.3. Bentuk Normal
Suatu relasi dikatakan di dalam bentuk normal, jika memenuhi sejumlah kriteria tertentu
yang sudah ditentukan.
Macam bentuk normal suatu relasi ialah:
a. Unnormalized (bentuk belum normal).
b. Bentuk Normal Pertama (First Normal Form/1 NF).
c. Bentuk Normal Kedua (Second Normal Form/2 NF).
d. Bentuk Normal Ketiga (Third Normal Form/3 NF).
e. Boyce/Codd Normal Form (BCNF).
f. Bentuk Normal Keempat (Fourth Normal Form/4 NF).
g. Bentuk Normal Kelima (Fifth Normal Form/5 NF).
Proses normalisasi digunakan untuk pengubahan suatu relasi dari bentuk normal tertentu
ke sekumpulan relasi di dalam bentuk normal yang lebih diinginkan.
Proses normalisasi hendaknya reversible, dan non-loss decomposition. Reversible yaitu
dapat dilakukannya pengambilan output dari suatu proses dan mengubahnya kembali ke
input semula. Sedangkan non-loss decomposition yaitu tidak adanya informasi yang
hilang selama proses normalisasi.
7.3.1. Unnormalized
Normalisasi Data 82

7. Unnormalized ialah suatu relasi yang mengandung atribut dengan nilai non-atomic, dan
atau mempunyai group atribut berulang. Nilai atribut atomic ialah nilai suatu atribut yang
tidak dapat dibagi menjadi komponen-komponen yang lebih kecil. Sehingga nilai atribut
composite dan nilai atribut multivalued tidak diijinkan disini.
Berikut adalah contoh relasi yang mengandung atribut dengan nilai non-atomic, yang
disebabkan adanya atribut-atribut composite dan atribut multivalued.
nama_jalan kota kode_pos
KENDARAAN
NOPOLISI PEMILIK ALAMAT WARNA
H3003YA IR HARY D. JL MELATI 234,PATI,33890 MERAH
H3004YB PAMUJI JL GARUDA V/2,TEGAL,33567 HITAM,PUTIH
H3005YA NINA JL DELIMA X/54,DEMAK,33452 BIRU,BIRU MUDA
Gambar 7.4 Atribut Composite dan Multivalued
Atribut alamat merupakan atribut composite, karena dengan melihat nilai atribut tersebut
maka atribut alamat dapat dipecah menjadi tiga atribut, yaitu: nama_jalan, kota, dan
kode_pos (lihat Gambar 7.4). Masing-masing atribut yang baru tersebut mempunyai nilai
yang atomic (tidak dapat dipecah lagi menjadi komponen yang lebih kecil). Atribut
warna merupakan atribut mutivalued, karena isi didalamnya dapat tidak tunggal. Sebagai
contoh: (HITAM, PUTIH) dan (BIRU, BIRU MUDA).
Misal diberikan suatu formulir dengan format sebagaimana diberikan pada Gambar 7.5.
Karena pada kenyataannya seorang mahasiswa didalam satu semester dapat mengambil
lebih dari satu mata kuliah, maka data pengambilan mata kuliah dari seorang mahasiswa
dengan mahasiswa lainnya dapat berbeda-beda. Sebagai akibatnya jumlah baris data di
dalam relasi yang digunakan untuk menyimpan data pengambilan mata kuliah dapat tidak
sama. Atau dikatakan terjadi group atribut berulang.
Perhatikan isi data dari formulir isian rencana studi pada Gambar 7.5. Asumsi yang
digunakan ialah:
• Setiap mahasiswa dapat mengambil lebih dari satu mata kuliah.
• Setiap mata kuliah diampu oleh seorang dosen.
• Setiap dosen hanya mengampu satu mata kuliah.
• Setiap dosen menggunakan ruang yang sama dalam memberikan kuliahnya.
Normalisasi Data 83

8. FORMULIR ISIAN RENCANA STUDI
NAMA : AMIR
NIM : 10
KODE MATA KULIAH DOSEN RUANG NILAI
----- ----------- ---------- ----- -----
MTK1 STATISTIK DRS JANUAR, MSI R101 B
MTK2 BHS INGGRIS DRA ANDINI R102 A
Gambar 7.5 Formulir Isian Rencana Studi
Kemudian data di atas, ditambah dengan data dari mahasiswa lain disimpan dalam bentuk
relasi sebagai berikut:
RENC_STUDI
NIM NAMA KODEMTK MTK DOSEN RUANG NILAI
MTK1, STATISTIK, DRS JANUAR MSI, R101, B,
10 AMIR
MTK2 BHS INGGRIS DRA ANDINI R102 A
MTK1, STATISTIK, DRS JANUAR MSI, R101, A,
11 PUTRI
MTK4 FISIKA DRS HERY MSI R201 B
12 ANDI MTK2 BHS INGGRIS DRA ANDINI R102 A
Gambar 7.6 Contoh Bentuk Unnormalized
Relasi pada Gambar 7.6 merupakan relasi dengan bentuk unnormalized, karena di
dalamnya terdapat group atribut berulang. Relasi pada Gambar 7.6 dapat disajikan
dengan menggunakan schema relasi sebagai berikut:
RENC_STUDI(nim,nama,{kodemtk,mtk,dosen,ruang,nilai})
Atribut-atribut yang ditulis di dalam tanda kurung dengan notasi {} merupakan group
atribut berulang.
Dari relasi bentuk unnormalized di atas, terlihat:
Normalisasi Data 84

9. • Berisi group atribut berulang, yaitu untuk atribut kodemtk, mtk, dosen, ruang
dan nilai.
• Mengandung data redundant, yaitu untuk atribut mtk, dosen, dan ruang. Hal ini
disebabkan karena ketiga atribut tersebut isinya akan diketahui secara otomatis
jika diketahuinya isi kodemtk (dengan asumsi setiap mata kuliah diampu oleh
satu orang dosen dan diberikan di dalam ruang yang tidak berubah-ubah).
Untuk menghilangkan group atribut berulang di atas, maka dilakukan proses normalisasi
untuk mendapatkan relasi yang memenuhi 1NF.
7.3.2. Bentuk Normal Kesatu (1NF)
Suatu relasi di dalam 1NF jika dan hanya jika semua domain yang mendasari hanya berisi
nilai scalar, dengan demikian tidak mengandung group berulang.
Sebagai contoh lihat kembali relasi pada Gambar 7.6. Untuk menyusunnya menjadi
relasi dalam 1NF, maka group berulang yang ada harus dihilangkan.
Caranya ialah dengan menuliskan setiap pengambilan mata kuliah secara sendiri-sendiri,
dan sebagai konsekwensinya maka jumlah tuple atau baris dari relasi pada Gambar 7.6
menjadi bertambah. Sedangkan jumlah atributnya tidak mengalami perubahan.
RENC_STUDI
NIM NAMA KODEMTK MTK DOSEN UANG NILAI
10 AMIR MTK1 STATISTIK DRS JANUAR MSI R101 B
10 AMIR MTK2 BHS INGGRIS DRA ANDINI R102 A
11 PUTRI MTK1 STATISTIK DRS JANUAR MSI R101 A
11 PUTRI MTK4 FISIKA DRS HERY MSI R201 B
12 ANDI MTK2 BHS INGGRIS DRA ANDINI R102 A
Gambar 7.7 Contoh Bentuk Normal Kesatu
Dari bentuk 1NF di atas, maka:
• Relasi hanya berisi nilai elementer (tunggal) pada interseksi setiap baris dan
kolom, dan tidak mengandung group berulang.
Normalisasi Data 85

10. • Masih menimbulkan anomali di dalam penyisipan, penghapusan, dan
peremajaan data (lihat kembali penjelasan pada Sub Bab 7.1).
• Sebagai kunci utama ialah (nim + kodemtk).
• Atribut nilai bergantung penuh pada kunci utama (nim + kode_mtk).
• Atribut yang lain bergantung parsial pada kunci utama.
Dengan masih adanya anomali di dalam relasi pada Gambar 7.7, maka untuk
menghilangkan anomali yang masih ada, relasi perlu ditingkatkan lagi bentuknya ke
2NF.
7.3.3. Bentuk Normal Kedua (2NF)
Suatu relasi di dalam 2NF jika dan hanya jika:
• Memenuhi 1NF
• Setiap atribut bukan kunci bergantung penuh secara fungsional pada kunci
utama.
Atribut bukan kunci ialah atribut yang tidak membentuk bagian kunci utama.
Contoh: Jika relasi pada Gambar 7.7 (sudah memenuhi 1NF), ditingkatkan normalisasi-
nya kebentuk yang lebih tinggi (2NF), maka relasi tersebut perlu dipecah menjadi tiga
relasi, misalnya diberi nama: MHS, KRS, dan TBL_MTK.
MHS KRS
NIM NAMA NIM KODEMTK NILAI
10 AMIR 10 MTK1 B
11 PUTRI 10 MTK2 A
12 ANDI 11 MTK1 A
11 MTK4 B
Normalisasi Data 86

11. 12 MTK2 A
TBL_MTK
KODEMTK MTK DOSEN RUANG
MTK1 STATISTIK DRA JANUAR MSI R101
MTK2 BHS INGGRIS DRA ANDINI R102
MTK4 FISIKA DRS HERY R201
MSI
Gambar 7.8 Bentuk Normal Kedua (2NF)
Ketiga relasi, yaitu: MHS, KRS, TBL_MTK sudah memenuhi 2NF karena sudah tidak
mengandung ketergantungan parsial. Relasi TBL_MTK masih mengandung ketergan-
tungan transitif, yaitu ruang mempunyai ketergantungan fungsional dengan kodemtk
(sebagai kunci primer), dan sekaligus juga dengan atribut dosen (yang merupakan atribut
non-key).
7.3.4. Bentuk Normal Ketiga (3NF)
Suatu relasi di dalam 3NF jika dan hanya jika:
• Memenuhi 2NF
• Setiap atribut bukan kunci tergantung non-transitive pada kunci utama.
Atribut bukan kunci merupakan sembarang atribut yang tidak berpartisipasi di dalam
kunci utama dari relasi terkait. Sedangkan ketergantungan transitive terjadi apabila satu
atribut bukan kunci tergantung pada satu atau lebih atribut bukan kunci yang lain.
Kunci Utama A B
Normalisasi Data 87

12. Gambar 7.9 Ketergantungan Transitive
Dari gambar di atas, B mempunyai ketergantungan fungsional pada Kunci Utama, dan
juga pada A. Non-transitive memberikan implikasi tidak adanya saling ketergantungan.
Contoh:
Relasi di dalam Gambar 7.8 (yang masih mengandung ketergantungan transitive) akan
diubah agar mempunyai bentuk normal yang lebih tinggi yaitu 3NF.
Untuk itu maka relasi TBL_MTK dipecah menjadi dua, yaitu AMPU dan LOKASI,
sehingga relasi yang dihasilkan ialah sebagai berikut.
MHS KRS
NIM NAMA NIM KODEMTK NILAI
10 AMIR 10 MTK1 B
11 PUTRI 10 MTK2 A
12 ANDI 11 MTK1 A
11 MTK4 B
12 MTK2 A
AMPU LOKASI
KODEMTK MTK DOSEN DOSEN RUANG
MTK1 STATISTIK DRS JANUAR MSI DRS JANUAR MSI R101
MTK2 BHS INGGRIS DRA ANDINI DRA ANDINI R102
MTK4 FISIKA DRS HERY MSI DRS HERY MSI R104
Gambar 7.10 Bentuk Normal Ketiga (3NF)
Dari relasi yang dihasilkan terakhir di atas, maka:
• Tidak ada ketergantungan transitive.
• Setiap atribut bukan kunci bergantung penuh pada kunci utama.
Sampai dengan tahapan terakhir ini (3NF), diperoleh struktur relasi yang bebas dari
anomali.
7.4. Bentuk-bentuk Normal
Relasi di dalam bentuk normal ketiga (3NF) sudah cukup untuk banyak perancangan
basis data praktis. Akan tetapi 3NF tidak menjamin semua anomali telah dihilangkan
(McFadden, 1988). Sehingga untuk menghilangkan anomali yang masih ada diperlukan
Normalisasi Data 88

13. penambahan proses normalisasi yang lebih tinggi. Pada prakteknya sangat sedikit orang
perlu memikirkan penormalisasian di atas bentuk normal ketiga (Whitehorn, 2003).
Bentuk-bentuk normal yang lebih tinggi dari 3NF antara lain ialah:
a. Boyce-Codd Normal Form (BCNF)
Jika suatu relasi mempunyai lebih dari satu kunci kandidat yang overlapping,
terdapat kemungkinan masih dijumpainya anomali (meskipun relasi sudah
memenuhi 3NF). R. F. Boyce dan E. F. Codd mengusulkan pemecahannya dengan
mengenalkan suatu bentuk normalisasi yang didefinisikan lebih kuat dari 3NF.
Bentuk tersebut yang kemudian disebut dengan nama Boyce Codd Normal Form
(BCNF). Suatu relasi di dalam BCNF jika dan hanya jika, hanya determinant yang
menjadi kunci kandidat.
b. Bentuk Normal Keempat
Meskipun suatu relasi sudah memenuhi BCNF, terdapat kemungkinan relasi tersebut
masih menghasilkan anomali peremajaan. Untuk menghilangkan anomali tersebut
perlu dilakukan proses normalisasi untuk mendapatkan 4NF. Di dalam membentuk
relasi menjadi 4NF, akan terkait dengan suatu bentuk hubungan antar atribut yang
disebut dengan: Multi Valued Dependence (MVD).
Ambil R suatu relasi, dan A, B, C merupakan bagian berubah-ubah dari R.
B dikatakan multi dependent pada A, atau
A  B
jika dan hanya jika himpunan nilai B sesuai dengan pasangan (nilai A, nilai C) di
dalam R, hanya bergantung pada nilai A dan bebas dari nilai C.
Suatu relasi R di dalam 4NF jika dan hanya jika, kapan saja terdapat himpunan
bagian A dan B dari atribut R sedemikian sehingga:
MVD A  B memenuhi,
maka semua atribut juga bergantung fungsional pada A.
c. Bentuk Normal Kelima
Normalisasi Data 89

14. Sebelum bicara tentang relasi dengan bentuk normal yang lebih tinggi dari 4NF,
perlu dikenalkan dahulu tentang Joint-Dependency (JD).
Joint Dependency (JD):
Ambil R suatu relasi, dan A, B, .., Z himpunan bagian berubah-ubah dari himpunan
atribut R.
R memenuhi joint dependence, jika:
* (A, B, .., Z)
jika dan hanya jika R sama dengan joint dari projection dari A, B, ..., Z.
Suatu relasi di dalam 5NF atau disebut dengan Projection-Joint Normal Form
(PJ/NF) jika dan hanya jika setiap JD di dalam R dinyatakan tidak langsung oleh
kandidat key dari R.
Pembahasan lebih rinci mengenai BCNF, 4NF, dan 5NF dapat dilihat pada Date (1995),
McFadden (1988), Kroenke (1990), dan Elmasri (1994).
7.5. SOAL-SOAL LATIHAN
1. Berikan alasan anda mengapa suata basis data harus berada pada kondisi normal !
Normalisasi Data 90

15. 2. Kondisi apa saja yang harus dipenuhi, bahwa suatu basis data di katakan memenuhi
normalisasi !
3. Berikan alasan anda mengapa bentuk normal ke-4 (4NF) dan normal ke-5 (5NF)
dalam prakteknya tidak dilakukan !
4. Diberikan suatu data sebagai berikut :
No Class Time Day Teacher Start Room Remark
1 B.1I 17.00-18.30 Tuesday Ms. Avi 19/08/2004 A202 Run
Thursday Ms. Oki
2 B.5I 15.30-17.00 Tuesday Ms. Beta 20/08/2004 A302 Run
Friday Ms. Susi
3 B.1J 17.00-18.30 Monday Ms. Galuh 23/08/2004 A301 Run
Thursday Ms. Avi
4 B.2J 17.00-18.30 Tuesday Mr. Aris 24/08/2004 A102 Run
Thursday Ms. Beta
5 B.3J 15.30-17.00 Tuesday Mr. Aris 05/08/2004 A103 Run
Thursday Ms. Oki
6 B.2F 15.30-17.00 Monday Ms. Galuh 19/08/2004 A203 Run
Thursday Mr. Hery
7 B.1I 18.30-20.00 Wednesday Ms. Ria 04/08/2004 A203 Pending
Friday Ms. Galuh
Dari data yang diberikan di atas belum memenuhi kondisi normal, maka
tentukanlah proses normalisasi untuk menghasilkan data yang memenuhi kondisi
normal !
Normalisasi Data 91