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

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


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


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


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


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


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


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


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


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


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


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


ISBN : 979-99735-1-1 C-8-14


3.

ISBN : 979-99735-1-1 C-8-15


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


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


ISBN : 979-99735-1-1 A-1-18

Kata kunci: Data warehouse, model dimensional, snow flake, integrasi data, dan kelayakan

Recommend Documents