Diagram aliran data (DFD) adalah representasi visual dari aliran data melalui sistem informasi atau proses bisnis. DFD membuat sistem yang kompleks lebih mudah dipahami dan merupakan sumber daya populer untuk rekayasa perangkat lunak, analisis sistem, peningkatan proses, manajemen bisnis, dan pengembangan perangkat lunak yang tangkas.
Diagram aliran data menggunakan simbol grafis untuk mengilustrasikan jalur, proses, dan tempat penyimpanan data dari titik awal data masuk ke dalam sistem hingga data tersebut keluar. Model visual ini membantu para profesional mengidentifikasi cara-cara untuk meningkatkan efisiensi dan efektivitas sistem dan proses yang ada, serta menciptakan sistem dan proses baru.
Misalnya, DFD dari proses klaim asuransi akan memvisualisasikan bagaimana klaim itu:
Analisis dapat memeriksa DFD untuk menemukan hambatan dalam proses, deteksi area di mana penipuan kemungkinan terjadi, membantu pemangku kepentingan memahami proses dan membuat perbaikan desain.
Pada tahun 1970-an, engineer perangkat lunak Larry Constantine dan Ed Yourdon memperkenalkan diagram aliran data dalam buku mereka, “Structured Design”. Alih-alih berfokus pada prosedur perangkat lunak, mereka mendasarkan DFD pada bagaimana data berpindah dalam sistem perangkat lunak.
Ilmuwan komputer Tom DeMarco, Chris Gane, dan Trish Sarson membantu mempopulerkan DFD dengan mengembangkan simbol dan notasi aliran data standar yang masih digunakan sampai sekarang.
Awalnya, diagram aliran data digunakan terutama dalam rekayasa perangkat lunak. Setelah menyadari nilai dalam memahami dan meningkatkan proses bisnis dan alur kerja, para profesional bisnis mulai menggunakannya.
Setelah pengenalan bahasa pemodelan terpadu (UML) pada 1990-an, programmer perangkat lunak tidak lagi bergantung secara eksklusif pada diagram aliran data untuk rekayasa perangkat lunak. Diagram UML memberikan tampilan struktur dan perilaku yang rumit dan terperinci dalam sistem berorientasi objek yang kompleks.
Saat ini, DFD digunakan terutama sebagai alat bantu pelengkap diagram UML dan diagram alur, yang memberikan gambaran umum sistem tingkat tinggi selama pengembangan perangkat lunak.
Diagram aliran data penting karena memudahkan untuk memahami aliran informasi melalui sistem atau proses yang kompleks. Dengan memvisualisasikan komponen dari seluruh sistem, DFD dapat membantu pengguna:
Ada 4 komponen utama DFD:
Ini adalah titik awal dan akhir untuk aliran data di DFD. Entitas eksternal ditempatkan di tepi DFD untuk mewakili input dan hasil informasi ke seluruh sistem atau proses.
Entitas eksternal dapat berupa orang, organisasi atau sistem. Sebagai contoh, pelanggan dapat menjadi entitas eksternal dalam DFD yang memodelkan proses melakukan pembelian dan menerima tanda terima penjualan. Entitas eksternal juga dikenal sebagai terminator, aktor, sumber, dan wastafel.
Proses adalah kegiatan yang mengubah atau mengubah data. Aktivitas ini dapat mencakup komputasi, penyortiran, validasi, pengalihan, atau transformasi lain yang diperlukan untuk memajukan segmen aliran data tersebut. Misalnya, verifikasi pembayaran kartu kredit akan menjadi proses yang terjadi dalam DFD pembelian pelanggan.
Ini adalah lokasi dalam DFD tempat data disimpan untuk digunakan nanti. Penyimpanan data dapat berupa basis data, dokumen, berkas, atau tempat penyimpanan apa pun untuk penyimpanan data. Misalnya, penyimpanan data dalam DFD pemenuhan produk mungkin mencakup basis data alamat pelanggan, basis data inventaris produk, dan lembar kerja jadwal pengiriman.
Aliran data adalah rute yang diambil informasi saat melakukan perjalanan antara entitas eksternal, proses, dan penyimpanan data. Misalnya, dalam DFD e-commerce, rute yang menghubungkan pengguna yang memasukkan kredensial login dengan gateway autentikasi akan menjadi aliran data.
Simbol dan notasi standar seperti lingkaran, oval, panah, dan persegi panjang digunakan untuk merepresentasikan komponen DFD secara visual. Ada 2 set notasi umum yang digunakan dalam templat diagram aliran data saat ini: metodologi Yourdon dan Coad dan metodologi Gane dan Sarson . Kedua sistem tersebut dinamai dari ilmuwan komputer yang menciptakannya.
Metodologi ini berbeda dalam hal simbol yang digunakan untuk mewakili proses dan toko data, namun pada dasarnya sama.
Ada 2 jenis DFD yang menawarkan perspektif berbeda pada sistem atau proses: DFD logis dan DFD fisik.
DFD logis memberikan pandangan tingkat tinggi tentang aliran data yang diperlukan untuk menjalankan proses bisnis atau sistem, tanpa membahas detail teknis atau implementasi. Fokusnya adalah pada data yang dibutuhkan dan bagaimana data tersebut berpindah melalui proses untuk menyelesaikan tujuan bisnis.
DFD logis dapat merepresentasikan aktivitas bisnis seperti pemenuhan pesanan di gudang, pelanggan yang melakukan pembelian online, atau intake pasien di fasilitas kesehatan.
DFD fisik memvisualisasikan implementasi sistem atau proses, termasuk perangkat lunak, perangkat keras, dan file yang diperlukan. DFD fisik berfokus pada teknologi, prosedur, dan operasi yang mendasari suatu sistem atau proses.
DFD fisik sering digunakan untuk mewakili sistem dan alur kerja yang kompleks, seperti bagaimana perangkat lunak rantai pasokan memelihara inventaris di gudang atau bagaimana catatan elektronik kesehatan pindah dengan aman melalui sistem rumah sakit.
Diagram aliran data terkadang dibuat dengan beberapa tingkat DFD untuk menunjukkan lebih banyak detail tentang suatu sistem atau proses. Pendekatan berlapis ini dimulai dengan tampilan tingkat tinggi yang sederhana dan menjadi lebih kompleks saat DFD tingkat rendah mempelajari lebih dalam proses dan subproses.
Juga disebut “diagram konteks”, DFD level 0 adalah tampilan tingkat tinggi yang memvisualisasikan seluruh sistem sebagai satu proses. Ini adalah level yang paling sederhana dan paling dasar. Ini harus mudah dimengerti oleh siapa saja yang melihatnya, terlepas dari keterampilan teknis atau peran pekerjaan.
DFD level 1 menjelajahi komponen-komponen dari proses tingkat tinggi secara lebih rinci. Apa yang tadinya merupakan proses tunggal dalam DFD tingkat konteks dipecah menjadi subproses yang memberikan lebih banyak informasi tentang fungsi dan jalur aliran data.
Level 2 menyediakan detail yang lebih terperinci dengan menambahkan subproses baru serta interaksi dan hubungannya dengan aliran data dan penyimpanan data. Level ini menawarkan pandangan yang sangat rumit tentang operasi internal suatu sistem atau proses.
Karena DFD dimaksudkan untuk dapat diakses dan mudah dimengerti, maka tidak lazim untuk melampaui kerumitan level 2. Namun, sistem yang sangat kompleks mungkin memerlukan detail yang rumit dari DFD level 3, yang memetakan setiap aspek proses data atau sistem.
Sebagian besar diagram aliran data mengikuti aturan dasar yang sama:
Pelajari bagaimana pendekatan data lakehouse terbuka dapat memberikan data yang dapat dipercaya dan analitik serta eksekusi proyek AI yang lebih cepat.
Jelajahi panduan pemimpin data untuk membangun organisasi berbasis data dan mendorong keunggulan bisnis.
Temukan mengapa kecerdasan data yang didukung AI dan integrasi data sangat penting untuk mendorong kesiapan data terstruktur dan tidak terstruktur serta mempercepat hasil AI.
Dapatkan insight unik tentang lingkungan solusi ABI yang terus berkembang, dengan menyoroti temuan utama, asumsi, dan rekomendasi bagi para pemimpin data dan analitik.
Sederhanakan akses data dan otomatiskan tata kelola data. Temukan kekuatan mengintegrasikan strategi data lakehouse ke dalam arsitektur data Anda, termasuk mengoptimalkan biaya beban kerja Anda dan menskalakan AI dan analitik dengan semua data Anda, di mana saja.
Jelajahi bagaimana IBM Research secara teratur diintegrasikan ke dalam fitur-fitur baru untuk IBM Cloud Pak for Data.
Rancang strategi data yang menghilangkan silo data, mengurangi kompleksitas, dan meningkatkan kualitas data untuk pengalaman pelanggan dan karyawan yang luar biasa.
watsonx.data memungkinkan Anda untuk menskalakan analitik dan AI dengan semua data Anda, di mana pun data berada, melalui penyimpanan data yang terbuka, hybrid, dan diatur.
Buka nilai data perusahaan dengan IBM Consulting, membangun organisasi berbasis insight yang memberikan keuntungan bisnis.