Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
ANALISIS DAN DESAIN DATA WAREHOUSING DI BALAI BESAR METEOROLOGI DAN GEOFISIKA WILAYAH I MEDAN Agus Safril, Aries Tjahyanto Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember Jl. Cokroaminoto 12A Surabaya
ABSTRAK Balai Besar Meteorologi dan Geofisika Wilayah I melakukan analisa data yang diperoleh dari sistem informasi yang dimiliki Kelompok Meteorologi, Klimatologi dan Geofisika. Untuk menganalisa data yang dibutuhkan memerlukan waktu yang lama karena data yang disimpan terpisah, dalam berbagai format dan membutuhkan kriteria pemilihan data yang kompleks. Agar data dapat diakses dengan cepat dan data didapatkan sesuai dengan kebutuhan maka diperlukan data warehouse yang digunakan untuk mengkonsolidasikan dan menyediakan data sesuai kebutuhan pengguna. Metodologi untuk mengembangkan data warehouse menggunakan model spiral sehingga didapatkan kebutuhan yang lengkap. Tahap pengembangan dimulai dari analisa kebutuhan sistem. Analisa kebutuhan tersebut meliputi alur proses bisnis, sumber data, kemampuan data warehouse, kebutuhan data multidimensi, dan kebutuhan arsitektur aplikasi data warehouse. Dari analisa kebutuhan sistem didapat desain dta warehouse. Desain data warehouse meliputi desain organisasi data warehouse, integrasi data, dan desain model data warehouse. Dari desain organisasi datawarehouse didapatkan kapasitas kebutuhan data warehouse 12.2 Gbytes, jumlah komponen arsitektur 3 komponen (tiers), integrasi data warehouse ke dalam organisasi data warehouse secara terpusat (global data warehouse) dan implementasi menggunakan kombinasi bottom up dan top down. Dari desain integrasi data dihasilkan sumber data yang terdiri dari kelompok Meteorologi, Kalimatologi, dan Geofisika, dan ekstrasi data terdiri ekstrasksi awal dan periodik. Dari desain model data warehouse didapatkan pemetaaan kebutuhan informasi terhadap kebutuhan tabel fakta dan dimensi. Sedangkan model data warehouse menggunakan model snowflake yang memnyediakan keubutuhan informasi rinci. Hal ini sesuai dengan kebutuhan informasi cuaca dan gempa yang membutuhkan parameter yang rinci. Dari hasil desain yang telah dikembangkan desain data warehouse ini layak untuk diterapkan. Kelayakan dilihat dari kineja data warehouse antara lain menyediakan kebutuhan informasi yang rinci untuk analisis cuaca dan gempa , memenuhi kebutuhan yang akan datang, kelengkapan kebutuhan, kecepatan akses dan pengelolaan integrasi data. Kelayakan juga dilihat dari analisa kelayakan teknis dan operasional Kata kunci: Data warehouse, model dimensional, snow flake, integrasi data, dan kelayakan
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
PENDAHULUAN Untuk menghasilkan suatu informasi bagi para pengguna, Balai Besar Meteorologi dan Geofisika terlebih dahulu melakukan analisis dari data yang diperoleh dari hasil pengamatan unsur cuaca dan gempa oleh stasiun pengamat cuaca dan gempa. Dari data hasil pengamatan unsur cuaca dan gempa (data operasional) kemudian dikumpulkan dan disimpan dalam sistem informasi. Kemudian dilakukan analisis untuk membuat prakiraan cuaca (forecasting) cuaca dan peringatan dini bencana alam. Hasil analsis menghasilkan informasi yang dibutuhkan untuk keperluan penerbangan, pelayaran, petanian, asuransi, konstruksi, dan lain-lain lain. Dari kondisi tersebut di atas diperlukan analisis data yang menggunakan data historis dan dilihat dari berbagai sisi (multidimensi). Oleh karena itu diperlukan data warehouse untuk mengkonsolidasasi data dan menyediakan data untuk kebutuhan analisa. Perumusan Masalah a. Apa saja analisa yang dibutuhkan sebagai bahan untuk membuat prakiraan cuaca dan peringatan dini bencana alam yang sesuai dengan kebutuhan pengguna ? b. Bagaimana model data warehouse dan integrasi yang berasal dari berbagai sumber data ? c. Bagaimana analisa kelayakan investasi proyek ? Batasan Masalah Permasalahan pada penelitian ini dibatasi pada: a. Permasalahan dibatasi kepada spesifikasi kebutuhan, perancangan dan desain model, tidak dilanjutkan kepada implementasi dan testing. b. Permasalahan tidak mencakup desain dan pengembangan aplikasi sistem pendukung keputusan (Decision Support Tools), tetapi hanya menyediakan data sebagai input untuk kebutuhan OLAP (Online Analytical Processing). Tujuan Tujuan dari penelitian ini adalah menghasilkan analisa kebutuhan sistem dan desain integrasi data, desain model data warehouse, desain fisik data dan alur diagram integrasi dan analisa data. Manfaat Manfaat yang diharapkan dari penelitian ini adalah : memberikan rekomendasi desain model data warehouse untuk Balai Besar Meteorologi dan Geofisika Wilayah I Medan.
ISBN : 979-99735-1-1 C-8-2
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
METODOLOGI Metodologi dalam pengembangan data warehouse rancangan spiral yang meliputi : analisis kebutuhan sistem, desain pembuatan kode, dan testing yang dilakukan secara iterasi. Sehingga didapatkan fungsi-fungsi yang lengkap yang memenuhi kebutuhan pengguna. Pada tulisan ini dibatasi pada analisis dan sistem, desain tidak dilanjutkan pada implementasi dan testing. Langkah merancang sistem diperoleh dari hasil dari analisis kebutuhan. Dari analisis kebutuhan yang telah dilakukan diambil pilihan keputusan pengembangan data warehouse berdasarkan daftar cek (check list) dari (Gray dan Watson, 1998). Pilihan yang diambil untuk pengembangan disesuaikan dengan sumber daya yang ada. Adapun pilihan keputusan untuk desain data warehouse cuaca dan gempa sebagai berikut : 1) Desain organisasi data warehouse meliputi kebutuhan kapasitas data warehouse, jumlah komponen data warehouse (tiers), strategi implementasi dan penempatan data warehouse 2) Desain operator data warehouse meliputi sumber data (internal dan eksternal), proses ekstraksi data, transformasi dan loading 3) Desain data warehouse meliputi :Subyek yang melingkupi data warehouse, model data (skema snowflake, desain fisik, diagram alur ( data flow diagram) ANALISA DAN DESAIN Analisa Kebutuhan Analisis kebutuhan dilakukan melalui wawancara dan observasi lapangan. Observasi lapangan dilakukan dengan melalui pengumpulan data berupa dokumen yang digunakan untuk membangun data warehouse. Dari analisis kebutuhan sistem diperoleh informasi apa yang diperlukan untuk pengembangan data warehouse di Balai Besar Meteorologi dan Geofisika Wilayah I Medan. Sehingga dalam tahap analisis kebutuhan ini menghasilkan kebutuhan : alur proses bisnis saat ini, sumber data (legacy system) dan jenis data sebagai bahan analisa., kemampuan data warehouse, kebutuhan analisis multidimensi, proses operasi terhadap data multidimensi, kebutuhan operasi dasar data warehouse, kebutuhan penyajian data, arsitektur aplikasi. Dari analisa kebutuhan tersebut sebagai dasar untuk membangun desain data warehouse seperti pada uraian berikut ini. Desain Setelah langkah analisis kebutuhan sistem dilakukan, langkah lebih lanjut adalah melakukan desain data warehouse. Desain yang dibuat harus memenuhi kebutuhan. Desain sistem dibuat dalam bentuk notasi sehingga dapat dibaca dan dipahami oleh programer. Tahap berikutnya programer dapat mengembangkan proses pemrograman (coding). Langkah merancang sistem diperoleh dari hasil dari analisis kebutuhan.
ISBN : 979-99735-1-1 C-8-3
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
Desain Organisasi Data Warehouse Dari analisis kebutuhan yang telah dilakukan diambil pilihan keputusan pengembangan data warehouse berdasarkan daftar cek (check list) dari (Gray dan Watson, 1998) seperti pada bagaian 2. Pilihan yang diambil sesuai dengan sumber daya yang ada. Kebutuhan Kapasitas Data Warehouse Data warehouse yang akan dibangun untuk memenuhi kebutuhan kelompok Meteorologi, Klimatologi dan Geofisika. Ukuran data warehouse dihitung berdasarkan jumlah ukuran tabel untuk tiap kelompok. Perhitungan perioda pengamatan berdasarkan asumsi kebutuhan untuk analisis data cuaca jangka panjang adalah 25-30 tahun. Ukuran data warehouse diperhitungkan dari ukuran data tiap kubus yang berisi tabel fakta dan dimensi. Ukuran dihitung berdasarkan ukuran tabel fisik tabel (sub bagian 3.5.3) Dari hasil perhitungan prakiraan ukuran data warehouse tiap kelompok diprakirakan sebesar : Kelompok Meteorologi :Jumlah (MBytes): 6.4 (GBytes) , Kelompok Klimatologi : 5.3 (GBytes) dan Kelompok Geofisika 0.5 (Gbytes) Sehingga prakiraan jumlah ukuran data warehouse cuaca dan gempa memiliki besar 12.2 (GBytes). Sehingga spesifikasi perangkat keras yang dibutuhkan sebagai berikut : memory : 256 Mbyte atau lebih tinggi, processor : 600-megahertz (MHz) atau lebih tinggi dan hard disk : minimal 20 giga byte atau lebih tinggi. Jumlah Komponen Data Warehouse (Tiers) Berdasarkan besar kebutuhan data warehouse yang akan dibangun, maka arsitektur aplikasi data warehouse Balai Besar Meteorologi dan Geofisika Wilayah I medan meliputi 3 komponen (tiers). Komponen tersebut sebagai berikut : 1. Data warehouse server untuk menyimpan data dengan menggunakan sistem manajemen basis data SQL Server (Sistem Operasi Windows). 2. Perangkat lunak akuisisi data (data acquisition software) yang berguna untuk mengekstraksi data dari sumber data warisan (legacy), membuat rangkuman data (summary, dan memindahkannya (loading) ke data warehouse. Akuisisi data menggunakan layanan yang tersedia dalam SQL Server berupa DTS (Data Transformation Service) dan Transact SQL. 3. Perangkat lunak pengguna akhir (front end) yang memberikan fasilitas bagi para pengguna untuk mengakses dan menganalisis data multidimensi dengan (OLAP Tool Server) atau lembar kerja (Microsoft Excel). Integrasi dan Implementasi Data Warehouse Data ditempatkan di lokasi terpusat yang diatur secara terpusat atau data ditempatkan terdistribusi dalam suatu lokasi terpusat untuk mendukung semua unit. Dari kondisi dari analisis kebutuhan, analisis data cuaca dan gempa hanya di lingkungan Bidang Data dan Informasi, tidak untuk seluruh bagian di Balai Besar Meterologi Dan Gefosika Wilayah I Medan maka penempatan data terpusat(Global data warehouse) lebih
ISBN : 979-99735-1-1 C-8-4
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
tepat. Dengan model terpusat data mart dapat direplikasi digunakan untuk kebutuhan khusus kelompok Meteorologi, Klimatologi dan Geofisika. Pemilihan rancangan implementasi data warehouse dapat dilakukan dengan menggunakan pendekatan bawah-atas (bottom up), atas-bawah (top down) atau kombinasi keduanya. Pada implementasi top down membutuhkan perhatian yang lebih pada awal pekerjaan. Perencanaan (planning) dan desain data warehouse dilakukan dengan secara lengkap pada saat proyek dimulai berdasarkan analisis kebutuhani. Implementasi atas bawah berdasarkan kebutuhan pengguna (user requirement). Setelah melihat kebutuhan maka implementasi data warehouse cuaca dan gempa menggunakan cara kombinasi pengembangan atas-bawah (top down) dan bawah-atas (bottom up) sehingga mendapat kebutuhan yang lengkap sesuai kebutuhan pengguna. Desain Operator Data Warehouse (Back End) Pilihan keputusan desain untuk operator data warehouse meliputi : memberikan keputusan desain untuk sumber data (eksternal atau internal), bagaimana ekstraksi data, dan frekuensi loading data. Uraian selengkapnya sebagai berikut : Sumber Data dan Proses Integrasi Data Sumber data untuk keperluan analisis meliputi disimpan dalam sistem informasi yang dimiliki oleh kelompok Meteorologi, Klimatologi dan Geofisika. Meteorologi: :Sinoptik, Radio Sonde, dan Pibal; Klimatologi.: Clicom, FKLIM 71, dan Hujan Hellman; Geofisika : Seismic dan Gempa Regional. Dari sumber data yang diperoleh kemudian dilakukan dilakukan pemetaan utuk mengidentifikasi sumber data yang akan digunakan untuk diloading ke model data warehouse. Sumber data ini harus dipetakan ke target analisis dalam model data warehouse ( sub bab 3.5.2). Dasar untuk menangkap sumber data berdasarkan pemetaan sumber data yang sudah dilakukan sebelumnya. Jadwal ekstraksi terdiri dari ekstraksi awal dan periodik. Jadwal ekstraksi terdiri dari ekstraksi awal dan periodik. Ekstraksi awal data awal berasal dari 3 kelompok di bidang fungsional yang meliputi Klimatologi, Meterologi, dan Geosisika. Masing-masing kelompok memiliki sistem informasi tersendiri. Sedangkan ekstraksi periodik berasal dari data hasil pengamatan cuaca dan gempa yang terbaru. Waktu ekstraksi data untuk tiap kelompok fungsional klimatologi, meteorologi dan geofisika yaitu harian dan bulanan. Setelah pemetaan dilakukan maka dilakukan proses penyeragaman (cleaning) data. Penyeragaman data dilakukan untuk mengkonversi data dengan format yang berguna untuk analisis. Hal ini membutuhkan standar keseragaman mengenai data yang akan diolah. Misalnya untuk pengukuran kecepatan kilometer/jam, meter/detik atau knot, arah angin menggunakan derajat angka atau huruf dan lain-lain. Desain Data Warehouse Sebagai gambaran umum proses alur dari dari masukan, proses dan keluaran data seperti uraian berikut ini : ISBN : 979-99735-1-1 C-8-5
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
Arsitektur Data Warehouse Desain arsitektur data warehouse yang dibangun terdiri tiga bagian yang meliputi sumber data, data warehouse dan cara akses bagi pengguna seperti pada gambar 1. Meliputi sumber data eksternal, proses data dan keluaran data.
Sistem Eksternal
OLAP Server Sinopti k Udara atas
Monitor & Integrat or
Metadat a
Pibal
Clicom
FKLIM 71
Extraksi Transformasi Loading
Refresh
Data Warehouse Cuaca dan Gempa
Serv e
Analysis Query Laporan
Sesimi c Gempa regional Data Marts Sumber Data
Penyimpanan data
OLAP Engine
Tools Pengguna akhir
Gambar 1 Arsitektur Data Warehouse Cuaca dan Gempa Dalam Aplikasi Praktis
Subyek Data Warehouse Dalam pengembangan sebuah data warehose dilakukan pemetaan informasi dari sumber asli dan dipindahkan ke dalam data warehouse. Sehingga tidak semua yang yang tersedia di dalam data sumber di transfer ke dalam data warehouse. Hanya item yang dibutuhkan untuk kebutuhan analisis cuaca dan gempa yang dipindahkan ke dalam data warehouse seperti terlihat pada Tabel 1.
ISBN : 979-99735-1-1 C-8-6
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006 Tabel 1 Kebutuhan Informasi dan Data yang Dibutuhkan (Fakta dan Dimensi) No A 1 2 3 4 5 No 6 7 8 9 10 11 B 1
10 11 C. 1
Kebutuhan Informasi Meteorologi Penerbangan, pelayaran, perikanan, asuransi Penerbangan, pelayaran, perikanan, asuransi Penerbangan, pelayaran, perikanan, asuransi Penerbangan, pelayaran, perikanan, asuransi Penerbangan, pelayaran, perikanan, asuransi Kebutuhan Informasi Penerbangan, pelayaran, perikanan, asuransi Penerbangan, pelayaran, perikanan, asuransi Penerbangan, pelayaran, perikanan, asuransi Penerbangan, pelayaran, perikanan, asuransi Penerbangan, pelayaran, perikanan, asuransi Penerbangan, pelayaran, perikanan, asuransi Klimatologi Pertanian,perkebunan,kehutanan, PDAM, masyarakat wilayah bencana alam Pertanian,perkebunan,kehutanan, PDAM, masyarakat wilayah bencana alam Pertanian, perkebunan,kehutanan, PDAM, masyarakat wilayah bencana alam Pertanian, perkebunan,kehutanan, PDAM, masyarakat wilayah bencana alam Pertanian, perkebunan,kehutanan, PDAM, masyarakat wilayah bencana alam Pertanian, perkebunan,kehutanan, PDAM, masyarakat wilayah bencana alam Pertanian, perkebunan,kehutanan, PDAM, Pertanian, perkebunan,kehutanan, PDAM, masyarakat wilayah bencana alam Pertanian, perkebunan,kehutanan, PDAM, masyarakat wilayah bencana alam Pertanian, perkebunan,kehutanan, PDAM, Pertanian, perkebunan,kehutanan, Geofisika Asuransi, jasa konstruksi
2
Asuransi, jasa konstruksi
2 3 4 5 6 7 8 9
ISBN : 979-99735-1-1 C-8-7
Sumber Data
Nama Analisa (kubus)
Sinoptik Sinoptik Sinoptik Sinoptik Sinoptik Sumber Data Udara Atas (Rason) Udara Atas (Rason) Udara Atas (Rason) Udara Atas (Rason) Udara Atas (Rason) Pibal
Tekanan udara sinoptik Sngin sinoptik Suhu udara sinoptik Perawanan jarak pandang Nama Analisa (kubus) Angin udara atas Kelembaban udara atas Tekanan udara atas Suhu lapisan udara atas Labilitas udara Sngin pibal
Sinoptik,FKLIM71, Clicom Sinoptik,FKLIM71, Clicom Sinoptik,FKLIM71, Clicom Sinoptik,FKLIM71, Clicom Sinoptik,FKLIM71, Clicom Sinoptik,FKLIM71, Clicom Sinoptik,FKLIM71 Sinoptik,FKLIM71, Clicom Sinoptik,FKLIM71, Clicom Hujan Hellman Hujan Hellman
Curah hujan
Asuransi, Jasa konstruksi Asuransi, Jasa konstruksi
Gempa bumi
Kelembaban udara klimatologi Lamanya penyinaran matahari klimaotologi Tekanan udara klimatologi Arah dan kecepatan angin klimatologi Penguapan Neraca air Tingkat bahaya kebakaran hutan dan lahan Suhu udara klimatologi Intensitas hujan Hellman Waktu hujan Hellman
Longsor
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
Model Data Metodologi yang digunakan untuk menyusun model data warehouse cuaca dan gempa data warehouse adalah model data dimensional dengan pendekatan basis data relasional (ROLAP). Pendekatan basis data relasional (ROLAP) menggunakan model skema star dan snowflake yang mereorganisasi informasi kepada beberapa tabel yang disebut tabel fakta dan tabel dimensi (Gray dan Watson, 1998). Berdasarkan pada kebutuhan, ketika pengguna ingin memperoleh kebutuhan informasi yang lebih rinci dengan banyak kategori maka umumnya penggunaan skema snowflake lebih cocok. Sedangkan apabila digunakan skema star maka informasi yang diperoleh tidak begitu rinci. Untuk membuat analisis cuaca dan gempa umumnya membutuhkan kriteria yang rinci sehingga skema snowflake lebih tepat. Pemilihan kriteria dilakukan berdasarkan tabel dimensi yang terhubung dengan tabel fakta. Tabel dimensi yang terhubung langsung dengan tabel fakta masih membutuhkan penjelasan tabel dimensi lain untuk lebih memberikan informasi rinci. Desain skema sebagai contoh ditampilan 12 skema dair 24 skema dapat dilihat pada gambar 2. Adapun contoh skema lengkap beserta atribut dapat dilihat pada Gambar 3. Desain Fisik Implementasi data warehouse dari rancangan logikal berupa desain fisik data warehouse dalam bentuk tabel. Dalam merancang tabel fisik menggunakan notasi Sebagai contoh untuk tabel fisik fakta hujan Tabel 2. Tabel 2 Contoh Desain Fisik Analisis Hujan Kolom ID Stasiun Tanggal Hujan Keadaan Cuaca
Tipe data Keterangan Identitas stasiun Karakter Decimal Integer Karakter
Adapun contoh data yang dimasukkan ke dalam rancangan tabel sebagai berikut : Nosta 96033 96033 96033 96033
Tanggal 1-Jul-2000 2-Jul-2000 3-Jul-2000 4-Jul-2000
Curah Hujan 7 15 3 0
Keadaan Cuaca RA RA RA RA
Diagram Alur Proses integrasi dan analisis data dapat dilihat pada diagram DFD (Data Flow Diagram) untuk level 0 (gambar 4). Dari gambar 4 dapat dijelaskan proses-proses yang terlibat secara keseluruhan dalam analisis cuaca dan peringatan dini bencana alam. Proses dimulai dari integrasi sumber data (entitas eksternal) yang meliputi seluruh sumber data warisan (legacy system), kemudian proses data yang mengambil masukan dari sumber data dengan keluaran akhir berupa informasi sesuai dengan kebutuhan kelompok Meteorologi, ISBN : 979-99735-1-1 C-8-8
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
Klimatologi dan Geofisika (entitas eksternal). 1.
Suhu sinoptik
2. Angin Sinoptik
3. Awan Dim Dasarian Awan
Dim Dasarian Angin Sinoptik
Dim Dasarian suhu sinoptik
Dim wilayah adminitrasi Awan
Dim wilayah adminitrasi suhu sinoptik
Dim Bulan Awan Dim Bulan Angin Sinoptik
Dim Jam suhu sinoptik
Dim Jam Awan
Dim Jam Angin Sinoptik Dim wilayah adminitrasi Angin Sinoptik
Dimensi Awan Rendah
Fakta Suhu sinoptik
Dim Bulan suhu sinoptik
Dim stasiun pengamat Awan Dim harian Awan Dim harian Angin Sinoptik
Dim stasiun pengamatan Angin Sinoptik
Dim stasiun pengamat suhu sinoptik
Fakta Awan
Dim harian suhu sinoptik
Dim Tipe iklim wilayah Awan
Fakta Angin Sinoptik
Dim semester Awan Dim semester Angin Sinoptik
Dim Topografi suhu sinoptik
Dim Tipe iklim wilayah Angin Sinoptik
Dim Tahun Awan
Dim Topografi Awan
Dim Tahun Sinoptik
Dim semester suhu sinoptik Dim Tipe iklim wilayah suhu sinoptik
Dim Topografi Angin Sinoptik
Dimensi Awan Menengah
Keadaan cuaca Angin Sinoptik
Dimensi Awan Tinggi
Dim Tahun suhu sinoptik
T 4. Angin udara atas Dim Keadaan cuaca suhu sinoptik
Dim Keadaan cuaca Awan
Dim Keterangan Angin Sinoptik
5. Kelembaban Udara Atas 6. Tekanan Udara Atas Dim Dasarian RH Udara Atas
Dim Dasarian Angin Udara Atas Dim wilayah administrasi Angin Udara Atas
Dim wilayah adminitrasi RH Udara Atas
Dim Bulan Angin Udara Atas
Dim Dasarian Tekanan Udara Atas
Dim Bulan RH Udara Atas Dim wilayah adminitrasi Tekanan Udara Atas
Dim Bulan Tekanan Udara Atas
Dim stasiun pengamatan Angin Udara Atas Dim harian Angin Udara Atas
Dim stasiun pengamatan Tekanan Udara Atas
Dim stasiun pengamatan RH Udara Atas Dim harian RH Udara Atas Dim harian Tekanan Udara Atas
Fakta Angin Udara Atas Dim semester Angin Udara Atas
Fakta Kelembaban Udara Atas Fakta Tekanan Udara Atas
Dim Tipe iklim wilayah Angin Udara Atas
Dim semester RH Udara Atas Dim semester Tekanan Udara Atas
Dim Tahun Suhu Angin Udara Atas Dim Topografi Angin Udara Atas
Dim Tipe iklim wilayah RH Udara Atas Dim Tahun Tekanan Udara Atas
Dim Tahun RH Udara Atas
Dim Keterangan Angin Atas
Dim Tipe iklim wilayahTekanan Udara Atas
Dim Topografi Tekanan Udara Atas
Dim Topografi RH Udara Atas Dim Keadaan cuaca RH Udara Atas
Dim Keadaan cuaca Angin Udara Atas
7. Suhu Udara Atas
Dim Keadaan cuaca Tekanan Udara Atas
8. Labilitas Udara
9. Angin Pibal Dim Dasarian Angin Pibal Dim wilayah Adm Angin Pibal
Dim Dasarian Labilitas Udara Dim Dasarian Suhu Udara Atas
Dim Bulan Angin Pibal Dim wilayah adminitrasi Suhu Udara Atas
Dim Bulan LAbilitas Udara
Dim Bulan Suhu Udara Atas
Dim wilayah adminitrasi labilitas udara Dim stasiun pengamatan Angin Pibal Dim harian Angin Udara Pibal
Dim stasiun pengamatan Suhu Udara Atas
Dim stasiun pengamatan labilitas Udara Dim harian Labilitas Udara
Dim harian Suhu Udara Atas
Fakta Angin Pibal Dim semester Angin Pibal
Fakta Labilitas Udara
Fakta Suhu Udara Atas
Dim Tipe iklim wilayah Angin Pibal
Dim semester Suhu Udara Atas Dim Tipe iklim wilayah Suhu Udara Atas
Dim semester Labilitas Udara Dim Tipe iklim wilayah labilitas udara
Dim Keterangan Angin Pibal
Dim Topografi Labilitas Udara Dim Keadaan cuaca Labilitas Udara
Dim Keadaan cuaca Suhu Udara Atas
10 .Jarak Pandang Dim Dasarian Jarak Pandang
Dim Topografi Angin Pibal
Dim Tahun Labilitas Udara
Dim Topografi Suhu Udara Atas
Dim Tahun Suhu Udara Atas
Dim Tahun Suhu Angin pibal
Dim Keadaan cuaca Angin Pibal
11. Tekanan Udara Sinoptik 12 Kelembaban Udara Klimat Dim Dasarian T Udara sinoptik
Dim wilayah adminitrasi Jarak Pandang
Dim Bulan Jarak Pandang Dim stasiun pengamatan Jarak Pandang
Dim Jam T Udara sinoptik
Dim Bulan T Udara Sinoptik
Dim Dasarian RH Klimat
Dim wilayah adminitrasi T Udara Sinoptik
Dim wilayah adminitrasi RH Klimat Dim Bulan Hujan RH Klimat
Dim harian Jarak Pandang
Dim stasiun pengamat T Udara sinoptik
Dim harian T Udara sinoptik
Dim stasiun pengamatan RH Klimat Dim harian RH Klimat
Fakta Jarak Pandang
Fakta Tekanan udara sinoptik
Fakta RH Klimat
Dim semester Jarak Pandang Dim Tipe iklim wilayah T udara sinoptik
Dim semester Hujan RH Klimat Dim semester T Udara sinoptik
Dim Tahun Jarak Pandang
Tipe iklim wilayah RH klimat
Tipe iklim wilayah Jarak Pandang
Dim Tahun Hujan RH Klimat Dim Topografi T Udara sinoptik
Dim Tahun T udara sinoptik
Dim Topografi RH Klimat
Dim Keadaan cuaca Jarak Pandang
Dim Topografi Jarak Pandang
Dim Keadaan cuaca T Udara sinoptik
Gambar 2 Contoh Skema Data Warehouse
ISBN : 979-99735-1-1 C-8-9
Dim Keadaan cuaca RH Klimat
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006 Dim Dasarian suhu sinoptik Dasarian A10 Keterangan hari A20 Keterangan dasarian A20
Dim wilayah adm initrasi suhu sinoptik Kabupaten A10 Propinsi A25
bagian dari s uhu SPK
Dim Bulan suhu sinoptik ID Bulan A10 Keterangan Bulan A25
Dim Jam suhu sinoptik Jam UTC DT W aktu Indonesia DT
keterangan das arian s uhu s inoptik
Dim stasiun pengam at suhu sinoptik konvers i jam s uhu s inoptik
Fakta Suhu sinoptik
Dim harian suhu sinoptik W aktu observasi Jam UTC Tanggal Ket_tanggal Dasarian Bulan Sem ester Tahun
Keterangan bulanan s uhu s pk
keterangan tahunan s uhu Spk
DT DT D D A10 A10 A10 A4
w aktu pengam atan s uhu s pk
ID Stasiun W aktu observasi Suhu Bola Kering Suhu Bola Basah Selisih BK-BB Keadaan cuaca
A10 DT DC4 DC4 DC4 A10
diam ati oleh s uhu s pk
ID Stasiun Nam a Stasiun Alam at Stasiun Kabupaten Bujur Lintang Elevasi Jam Operasi Tipe Iklim Topografi
A10 A25 A40 A10 DC4,1 DC3,1 I I A2 A15
Keterangan s em es ter Suhu s inoptik
Keterangan cuaca s uhu s inoptik ciri rupa bum i Suhu s inoptik
Dim Tipe iklim wilayah suhu sinoptik Tipe iklim Bulan Basah Keterangan Bulan Basah Bulan kering Keterangan bulan kering
Dim sem ester suhu sinoptik Sem ester A10 Keterangan sem ester A25 Keterangan dalam bulan A25
Dim Keadaan cuaca suhu sinoptik Dim Tahun suhu sinoptik ID tahun A4 Clim ate Out Look Tahunan A25
Keadaan cuaca Dekode Kode huruf Keterangan
A10 A5 A10 A16
A2 A5 A25 A5 A25
m em iliki tipe Suhu SPK
Dim Topografi suhu sinoptik Topografi Elevasi Keterangan singkat Keterangan Panjang
A15 I A 30 A45
Gambar 3 Skema Snowflake Analisa Suhu
PEMBAHASAN Analisis kelayakan kelayakan teknis dan operasional dilakukan untuk menunjang kegiatan operasional sehari-hari. Sehingga sistem data warehouse yang dikembangkan bisa diterapkan. Yaitu dengan melakukan pengukuran kinerja Data warehouse. Uraian yang lebih lengkap seperti dijelaskan pada keterangan berikut : Dalam desain dimensional digunakan metoda skema snowflake karena lebih terstruktur dan lebih mudah dalam menangkap kebutuhan berdasarkan parameter yang diperlukan untuk analisa. Sehingga desain yang dibuat dapat memenuhi kebutuhan pengguna.
ISBN : 979-99735-1-1 C-8-10
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
a. Pengaruh Model Dimensional Terhadap Akses Data Ukuran data warehouse akan mempengaruhi tingkat akses data terhadap waktu. Makin ramping data makin cepat pengguna dalam mengakses data. Dari desain yang dibuat digunakan skema lapisan salju (snowflake) dengan pertimbangan sebagai berikut bahwa tabel dimensi memerlukan penjelasan dimensi yang lain. Apabila dibuat dengan skema bintang (star), tabel fakta menjadi semakin lebar. Hal ini akan memakan banyak penyimpanan data. Dengan model ini tabel fakta menjadi lebih kurus dan panjang dan juga mengurangi lebar dimensi. Sehingga akses data menjadi cepat. Informasi suhu sinoptik Informasi angin sinoptik
Kelompok Meteorologi
Sumber Data Meteorologi Informasi angin udara atas Informasi awan Infomormasi tekanan udara atas
Infornasi labilitas udara
Informasi suhu udara atas Data udara atas Data sinoptik
Informasi angin pibal
Data pibal
Informasi RH udara atas
Data klimatologi regional Sumber Data Klimatologi
0 Data Hellman
Informasi tekanan udara sinoptik
Integrasi dan Analisa Data
Data klimatologi Sumbagut
Informasi jarak pandang Informasi Penyinaran matahari Informasi suhu Informasi RH klimatologi klimatologi
+
Informasi angin klimatologi Informasi Penguapan Informasi intensitas hujan hellman
Data dunia
Informasi waktu hujan hellman
Data regional
Infomrasi hujan Informasi longsor
Informasi tekanan udara klimatologi Informasi gempa
Sumber Data Geofisika
Kelompok Klimatologi
Informasi neraca air Kelompok Geofisika
Infomrasi FDRS
Gambar 4 Integrasi dan Analisa Data Cuaca dan Gempa ISBN : 979-99735-1-1 C-8-11
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
b. Fleksibilitas Kebutuhan Model dimensional menggunakan lapisan salju digunakan dengan pertimbangan untuk memenuhi kebutuhan yang akan datang. Sehingga diperlukan pengelolaan (manajemen) yang lebih rapi. Karena dimensi yang dibutuhkan memerlukan penjelasan kepada dimensi yang lain sehingga dibutuhkan sampai dimensi yang lebih rinci. Skema lapisan salju digunakan saat basis data memiliki sejumlah besar kategori (Gray dan Watson, 1998). Sedangkan apabila menggunakan skema star maka kebutuhan informasi rinci yang diperlukan tidak terpenuhi. c. Kelengkapan kebutuhan Data warehouse yang dibuat menyediakan pengguna berupa rangkuman data (summary) misalnya rata-rata, jumlah, nilai maksimum, minimum dan sebagainya serta akses data multidimensional. Pengguna dapat melakukan tilik rinci (drilldown), tilik rangkuman (rollup), iris kubus (slicing) dan putar kubus (dicing). Pengguna dapat melihat hasil dalam bentuk tabel atau grafik untuk diinterprestasikan.Transfer ke data mart dapat dilakukan untuk memenuhi kebutuhan yang spesifik. d. Model Integrasi Data Proses ekstraksi, transformasi dan loading data dari sumber data warisan (legacy system) menggunakan perspekstif metadata. Sumber data dikelompokkan berdasarkan kelompok pemilik sumber data. Sedangkan target data warehouse dikelompokkan berdasarkan pengguna yang akan menggunakan data warehouse. Akses data diberikan kepada yang memiliki hubungan dengan data warehouse meliputi operator, analis cuaca dan administrator data. Administrator data menentukan siapa yang berhak mengakses data dan mengatur ekstraksi data secara periodik Sehingga proses integrasi berjalan berdasarkan aturan. Agar integrasi lebih dipahami oleh programer maka proses integrasi dijelaskan dalam bentuk diagram alur integrasi data. KESIMPULAN Kesimpulan 1. Analisis yang dibutuhkan untuk membuat prakiraan cuaca dan peringatan dini bencana alam merupakan analisis multidimensi. Kebutuhan analisis terdiri dari 3 kelompok analisis meliputi analisis untuk Meteorologi, Klimatologi, dan Geofisika untuk memenuhi kebutuhan informasi bagi pengguna di bidang penerbangan, pertanian, perkebunan, pelayaran, asuransi dan lain-lain. 2. Integrasi data dilakukan dengan melakukan ekstraksi dari sumber data dengan mengambil item data yang diperlukan untuk keperluan analisis saja. Sumber data diperoleh dari sistem informasi yang ada di kelompok meteorologi, klimatologi dan geofisika. Setelah data diekstraksi (extraction) kemudian dilakukan penyeragaman (transformaton) sehingga sesuai dengan format yang digunakan untuk kepentingan analisis. Data dalam format yang telah sesuai untuk keperluan analisis kemudian disimpan dalam data warehouse (loading). 3. Metodologi yang digunakan untuk membuat data warehouse yaitu model data dimensional yang berbasis relasional dengan skema lapisan salju (snowflake). Dalam ISBN : 979-99735-1-1 C-8-12
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
skema snowflake menyediakan penjelasan rinci berdasarkan kriteria analisa untuk prakiraan cuaca dan peringatan dini bencana alam. 4. Dalam implementasi data warehouse menggunakan pendekatan kombinasi atas bawah dan bawah-atas sehingga diperoleh kebutuhan yang lengkap. Sedangkan arsitektur yang digunakan menggunakan data warehouse yang terpusat. 5. Dari pengukuran kinerja (performance) data warehouse, desain data warehouse yang dikembangkan ini memenuhi kelayakan untuk diterapkan di lingkungan Balai Besar Meteorologi dan Geofisika Wilayah I Medan. Desain yang dibuat memberikan informasi rinci untuk analisis, memiliki kecepatan akses data, menyediakan kelengkapan kebutuhan untuk analisa dan mengelola proses integarasi data. Pengukuran desain data warehouse juga dilihat dari kemampuan untuk memenuhi kebutuhan yang akan datang dan kelengkapan kebutuhan berupa rangkuman data. DAFTAR PUSTAKA A.Hoffer, Jefry, et.al, Modern System Analysis and Design, Prentice Hall Incorporation Djunaidy, Arif, ”Manajemen Data”, Hand Out Kuliah, Program Studi Manajemen Teknologi Informasi, Magister Manajemen Teknologi, Program Pasca Sarjana ITS, 2004 E. Kendall, et.al, Modern System Analysis and Design, Pearson Education, 2002 Gray, Paul and H, Watson, Hugh, Decision Support In the Datawarehouse, Prentice Hall, Inc. 1998 Hadi, Wasito, “Arah Pembangunan dan Kebijakan Meteorologi dan Geofisika “, Hand Out Pendidikan dan Latihan Analis Meteorologi, Badan Pendidikan Latihan Meteorologi dan Geofisika, 2003 Marakas, George, Decision Support int Twenty-First Century, Prentice Hall Inc., 1999 O’Brien James A., Mangement Information Systems – Managing Information Technology in the Internet Worked Enterprise, 6 th Edition, Irwin McGraw-Hill, 2004 Pressman, George, Software Engeneering, Mc-Graw-Hill, 1997 Ramakhishnan, Ragu and Gerhke, Johannes, Data Base Management Systems, Mc-Graw Hill, 2000 Turban, Efraim, et. al, Decision Support and Intelligent Systems, Pearson Education, 2005 Wh, Soerjadi, Analisa dan Prakiraan Cuaca, Balai Besar Meteorologi dan Geofisika Wilayah III Ujung pandang, 1987 (IBM) Ballard, Chuck et. al, “ Data Modeling Techniques for Data Warehousing” http://www.redbooks.ibm.com/redbooks/pdfs/sg242238.pdf -diakses tanggal 23 Desember 2005
ISBN : 979-99735-1-1 C-8-13
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
ISBN : 979-99735-1-1 C-8-14
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
3.
ISBN : 979-99735-1-1 C-8-15
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
Dim Dasarian suhu sinoptik Dasarian A10 Keterangan hari A20 Keterangan dasarian A20
Dim wilayah adminitrasi suhu sinoptik Kabupaten A10 Propinsi A25
bagian dari s uhu SPK
Dim Bulan suhu sinoptik ID Bulan A10 Keterangan Bulan A25
Dim Jam suhu sinoptik Jam UTC DT W aktu Indonesia DT
keterangan das arian s uhu s inoptik
Dim stasiun pengamat suhu sinoptik konvers i jam s uhu s inoptik
Fakta Suhu sinoptik
Dim harian suhu sinoptik W aktu observasi Jam UTC Tanggal Ket_tanggal Dasarian Bulan Semester Tahun
Keterangan bulanan s uhu s pk
keterangan tahunan s uhu Spk
DT DT D D A10 A10 A15 A4
w aktu pengam atan s uhu s pk
ID Stasiun W aktu observasi Suhu Bola Kering Suhu Bola Basah Selisih BK-BB Keadaan cuaca
A10 DT DC4 DC4 DC4 A10
diam ati oleh s uhu s pk
ID Stasiun Nama Stasiun Alamat Stasiun Kabupaten Bujur Lintang Elevasi Jam Operasi Tipe Iklim Topografi
A10 A25 A40 A10 DC4,1 DC3,1 I I A2 A15
Keterangan s em es ter Suhu s inoptik
Keterangan cuaca s uhu s inoptik ciri rupa bum i Suhu s inoptik
Dim Tipe iklim wilayah suhu sinoptik Tipe iklim Bulan Basah Keterangan Bulan Basah Bulan kering Keterangan bulan kering
Dim semester suhu sinoptik Semester A15 Keterangan semester A25 Keterangan dalam bulan A25
Dim Keadaan cuaca suhu sinoptik Dim Tahun suhu sinoptik ID tahun A4 Climate Out Look Tahunan A25
Keadaan cuaca Dekode Kode huruf Keterangan
A10 A5 A10 A16
A2 A5 A25 A5 A25
m em iliki tipe Suhu SPK
Dim Topografi suhu sinoptik Topografi Elevasi Keterangan singkat Keterangan Panjang
Gambar 1 Skema Analisis Suhu Udara Sinoptik
6. KESIMPULAN Dari analisa kebutuhan dan desai yang dilakukan menghasilkan kesimpulan meliputi kebutuhan analisis, model data waehouse dan proses integrasi data sebagaimana dalam uraian berikut ini :
6. Analisis yang dibutuhkan untuk membuat prakiraan cuaca dan peringatan dini bencana alam terdiri dari 3 kelompok analisis yang meliputi kelompok Meteorologi, Klimatologi, dan Geofisika untuk memenuhi kebutuhan informasi cuaca dan peringatan dini bencana alam bagi pengguna jasa meteorologi. 7. Integrasi data dilakukan dengan melakukan ekstraksi dari sumber data dengan mengambil data yang diperlukan untuk keperluan analisis saja. Data diekstraksi data (extraction) kemudian dilakukan penyeragaman sehingga sesuai dengan format yang digunakan untuk kepentingan analisis (transformaton). Data dalam format yang telah sesuai untuk keperluan analisis kemudian disimpan dalam data warehouse (loading). 8. Metodologi yang digunakan untuk membuat data warehouse yaitu model data
A15 I A 30 A45
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
dimensional yang berbasis relasional dengan skema lapisan salju (snowflake). Dalam skema snowflake dimensi sebagai titik bintang sedangkan tabel fakta sebagai titik bintang ditambah beberapa tabel dimensi yang tidak terhubung langsung dengan tabel lainnya tetapi berhubungan dengan tabel dimensi lainnya. 9. Relasi tabel fakta dan dimensi membentuk sebuah kubus (cube) untuk kebutuhan analisis. Tabel fakta yang merupakan hasil pengukuran unsur cuaca dan gempa dan memiliki beberapa kunci yang berhubungan dengan tabel dimensi. Tabel dimensi berisi informasi berupa parameter untuk kebutuhan analisis cuaca yang dihubungkan ke beberapa kunci di tabel fakta.
DAFTAR PUSTAKA
A.Hoffer, Jefry, et.al, Modern System Analysis and Design, Prentice Hall Incorporation Djunaidy, Arif, ”Manajemen Data”, Hand Out Kuliah, Program Studi Manajemen Teknologi Informasi, Magister Manajemen Teknologi, Program Pasca Sarjana ITS, 2004 E. Kendall, et.al, Modern System Analysis and Design, Pearson Education, 2002 Gray, Paul and H, Watson, Hugh, Decision Support In the Datawarehouse, Prentice Hall, Inc. 1998 Hadi, Wasito, “Arah Pembangunan dan Kebijakan Meteorologi dan Geofisika “, Hand Out Pendidikan dan Latihan Analis Meteorologi, Badan Pendidikan Latihan Meteorologi dan Geofisika, 2003 O’Brien James A., Mangement Information Systems – Managing Information Technology in the Internet Worked Enterprise, 6 th Edition, Irwin McGraw-Hill, 2004 Pressman, George, Software Engeneering, Mc-Graw-Hill, 1997 Turban, Efraim, et. al, Decision Support and Intelligent Systems, Pearson Education, 2005 Wh, Soerjadi, Analisa dan Prakiraan Cuaca, Balai Besar Meteorologi dan Geofisika Wilayah III Ujung pandang, 1987
ISBN : 979-99735-1-1 A-1-17
Prosiding Seminar Nasional Manajemen Teknologi III Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
ISBN : 979-99735-1-1 A-1-18