Apakah penormalan (normalization) pangkalan data?

Question

Accepted Answer

**Penormalan (normalization)** ialah proses mengatur data untuk **mengurangkan lebihan (redundancy)** dan meningkatkan integriti dengan memecahkan data kepada jadual berkaitan, mengikut satu siri "bentuk normal". Matlamatnya: setiap kepingan data disimpan **sekali sahaja**, mengelakkan pertindihan dan anomali yang ditimbulkannya.

## Masalah: jadual yang tidak dinormalkan (lebihan)

Problems (anomalies):
  ✗ UPDATE anomaly — change Ann's email → must update EVERY one of her orders
  ✗ INSERT anomaly — can't add a customer without an order
  ✗ DELETE anomaly — deleting Ann's last order loses her info entirely
  ✗ Wasted storage and inconsistency risk
```

## Penyelesaian: pecahkan kepada jadual berkaitan

Penormalan memecahkan data supaya setiap fakta hidup di satu tempat — maklumat pelanggan dalam `customers`, produk dalam `products`, dan `orders` merujuk mereka mengikut key.

## Bentuk normal (semakin ketat secara progresif)

```text
1NF → atomic values (no repeating groups / multi-valued columns), a primary key
2NF → 1NF + no partial dependency (non-key columns depend on the WHOLE primary key)
3NF → 2NF + no transitive dependency (non-key columns depend ONLY on the key, not
      on other non-key columns)
→ 3NF is the common practical target; BCNF, 4NF, 5NF exist for stricter cases.
```

## Penormalan lwn penyahnormalan (pertukaran timbal balas)

```text
Normalized   → less redundancy, better integrity, but more JOINs (can be slower reads)
Denormalized → some duplication for FEWER joins → faster reads (e.g. analytics/reporting)
→ Normalize by default (integrity); selectively denormalize for read performance
  where justified (with care to keep duplicates consistent).
```

## Mengapa ia penting

Penormalan ialah konsep reka bentuk pangkalan data yang asas — ia adalah cara anda menstruktur data untuk mengelakkan lebihan dan mengekalkan integriti, yang penting untuk mereka bentuk pangkalan data hubungan yang boleh dipercayai, jadi memahaminya adalah penting.

Nilai terasnya ialah menghalang **anomali** yang ditimbulkan oleh data lebihan (tidak dinormalkan): **anomali kemas kini** (mengubah data berganda di banyak tempat, berisiko ketidakkonsistenan), **anomali sisipan** (tidak boleh menambah data tanpa data yang tidak berkaitan), dan **anomali pemadaman** (kehilangan data apabila memadam rekod berkaitan) — kesemuanya membawa kepada data yang tidak konsisten dan rosak.

Dengan memecahkan data kepada jadual berkaitan supaya setiap fakta disimpan sekali sahaja, penormalan menghapuskan masalah ini dan memastikan konsistensi data.

Memahami **bentuk normal** (terutamanya 1NF, 2NF, dan **3NF** — sasaran praktikal yang biasa — dan prinsip bahawa lajur bukan-key patut bergantung pada key) menyediakan rangka kerja untuk reka bentuk yang betul.

Sama pentingnya ialah memahami **pertukaran timbal balas penormalan lwn penyahnormalan**: penormalan meningkatkan integriti tetapi memerlukan lebih banyak JOIN (berpotensi bacaan yang lebih perlahan), jadi walaupun anda menormalkan secara lalai untuk integriti, penyahnormalan terpilih (menerima sedikit pertindihan untuk lebih sedikit join dan bacaan lebih pantas) kadangkala wajar untuk prestasi (cth. analitik) — mengetahui bila dan mengapa membuat pertukaran ini mencerminkan pertimbangan reka bentuk yang matang.

Memandangkan pemodelan data yang betul adalah asas kepada pangkalan data yang boleh dipercayai, dan memandangkan memahami penormalan (mengelakkan lebihan dan anomali) dan pertukarannya dengan penyahnormalan (integriti lwn prestasi bacaan) adalah kunci kepada mereka bentuk pangkalan data yang berstruktur baik, konsisten, dan berprestasi, penormalan ialah pengetahuan asas yang penting untuk reka bentuk pangkalan data dan topik temu duga yang biasa yang menunjukkan pemahaman tentang pemodelan data yang baik.