MIGRASI SPATIAL DATA WAREHOUSE HOTSPOT KE SISTEM OPERASI LINUX UBUNTU
MUHAMMAD ADE NURUSANI
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Migrasi Spatial Data Warehouse Hotspot ke Sistem Operasi Linux Ubuntu adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Februari 2014 Muhammad Ade Nurusani NIM G64090114
ABSTRAK
MUHAMMAD ADE NURUSANI. Migrasi Spatial Data Warehouse Hotspot ke Sistem Operasi Linux Ubuntu. Dibimbing oleh HARI AGUNG ADRIANTO. Teknologi data warehouse dibutuhkan dalam penanggulangan kebakaran hutan dengan menyimpan data historis kebakaran hutan serta mengamati persebaran kemunculan hotspot melalui satelit NOAA. Teknologi ini sebelumnya telah digunakan untuk mengembangkan sebuah sistem yang dapat mensinkronisasi visualisasi map dan query OLAP pada sistem operasi Windows. Tujuan penelitian ini adalah memindahkan sistem dari penelitian sebelumnya dengan sistem operasi yang baru yaitu Linux Ubuntu, dengan harapan meningkatnya kinerja sistem dalam melakukan operasi OLAP. Hasilnya, sistem yang dikembangkan pada Linux Ubuntu lebih cepat dibandingkan dengan sistem operasi Windows dalam menampilkan halaman peta, menampilkan halaman Jpivot, dan proses pengiriman query. Kata kunci: data warehouse, kebakaran hutan, Linux Ubuntu, OLAP.
ABSTRACT
MUHAMMAD ADE NURUSANI. Migration of Spatial Data Warehouse Hotspot to Ubuntu Linux Operating System. Supervised by HARI AGUNG ADRIANTO. Data warehouse technology in forest fire management is required to store the historical data of forest fires and observe the emergence of hotspots distribution through NOAA satellite. This technology has previously been used to develop a system that can synchronize map visualization and OLAP queries on a Windows operating system. The objective of this research is to migrate the system from the previous studies to the new operating system Linux Ubuntu, which will increase the performance of the system in conducting the OLAP operations. The result of this research shows that the system developed in Linux Ubuntu is faster than the system developed in Windows in displaying the map page, displaying the Jpivot page, and submitting the process queries. Keywords: data warehouse, forest fire, Linux Ubuntu, OLAP.
MIGRASI SPATIAL DATA WAREHOUSE HOTSPOT KE SISTEM OPERASI LINUX UBUNTU
MUHAMMAD ADE NURUSANI
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
Penguji: 1 Dr Imas Sitanggang, MKom 2 Endang Purnama Giri, SKom, MKom
Judul Skripsi : Migrasi Spatial Data Warehouse Hotspot ke Sistem Operasi Linux Ubuntu Nama : Muhammad Ade Nurusani NIM : G64090114
Disetujui oleh
Hari Agung Adrianto, SKom MSi Pembimbing
Diketahui oleh
Dr Ir Agus Buono, MSi MKom Ketua Departemen
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga penulis dapat menyelesaikan karya ilmiah ini dalam penelitian yang dilaksanakan sejak bulan Januari 2013 dengan tema yang dipilih ialah data warehouse kebakaran hutan, dengan judul Migrasi Spatial Data Warehouse Hotspot ke Sistem Operasi Linux Ubuntu. Terima kasih penulis ucapkan kepada Bapak Hari Agung Adrianto, SKom MSi selaku pembimbing yang telah memberikan arahan, saran, dan motivasi dengan sabar dalam membantu penulis dalam menyelesaikan skripsi ini. Terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga, atas segala doa, kasih sayang, dan dukungannya. Serta teman-teman ilkom 46 dan teman-teman satu bimbingan yang saling memberikan semangat dan menjadi teman diskusi. Semoga karya ilmiah ini bermanfaat.
Bogor, Februari 2014 Muhammad Ade Nurusani
DAFTAR ISI DAFTAR TABEL
viii
DAFTAR GAMBAR
viii
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
Manfaat Penelitian
1
Ruang Lingkup Penelitian
2
TINJAUAN PUSTAKA
2
Hotspot
2
Spatiotemporal Data Warehouse
2
Operasi Dasar OLAP
3
MDX Query
3
Spatialytics
3
METODE PENELITIAN
4
Analisis Sistem di Lingkungan Windows
5
Pengukuran Kinerja di Lingkungan Windows
5
Konfigurasi Sistem di Lingkungan Linux Ubuntu
5
Pengukuran Kinerja di Lingkungan Linux Ubuntu
5
Uji Query
5
HASIL DAN PEMBAHASAN
5
Analisis Sistem di Lingkungan Windows
5
Pengukuran Kinerja di Lingkungan Windows
8
Konfigurasi Sistem di Lingkungan Linux Ubuntu
8
Pengukuran Kinerja di Lingkungan Linux Ubuntu
11
Uji Query
12
SIMPULAN DAN SARAN
15
Simpulan
15
Saran
15
DAFTAR PUSTAKA
16
RIWAYAT HIDUP
17
DAFTAR TABEL 1 Hasil pengukuran kinerja SOLAP berbasis Windows 2 Hasil pengukuran kinerja SOLAP berbasis Linux Ubuntu
8 11
DAFTAR GAMBAR 1 2 3 4 5 6 7 8 9 10 11 12
Arsitektur Spatialytics Skema tahap penelitian Skema database penelitian Wipriyance (2013) Arsitektur sistem penelitian Wipriyance (2013) File OLAPQuery.java File build.properties File SpatialyticsServlet.java Perbandingan kinerja Windows dengan Linux Ubuntu Hasil query hotspot seluruh Indonesia tahun 1997 Hasil query hotspot seluruh Indonesia tahun 2005 Hasil query hotspot menggunakan fungsi dynamic equal interval Hasil query hotspot menggunakan fungsi fixed interval
4 4 6 7 9 10 10 12 13 13 14 14
PENDAHULUAN Latar Belakang Musim kemarau yang panjang menjadi penyebab banyaknya kebakaran hutan yang terjadi di Indonesia. Salah satu cara menanggulangi kebakaran hutan yaitu dengan menggunakan teknologi data warehouse dengan online analytical processing (OLAP) yang dapat memantau dan membantu dalam pengambilan keputusan terhadap persebaran titik panas (hotspot) di seluruh kawasan hutan. Fadli (2011) telah membangun sebuah sistem data warehouse kebakaran hutan di Indonesia dengan modul visualisasi kartografis sehingga sistem yang dihasilkan mampu melakukan analisis multidimensional dan menampilkan visualisasi kartografis yang dilengkapi diagram tabular. Berikutnya, Imaduddin (2012) mengembangkan penelitian sebelumnya dengan melakukan sinkronisasi antara peta dan query OLAP pada spatial data warehouse kebakaran hutan di Indonesia. Penelitian tersebut melakukan sinkronisasi antara query OLAP dan visualisasi peta sehingga memudahkan pengguna dalam melakukan analisis spatial OLAP. Sinkronisasi juga menghindari terjadinya inkonsistensi data yang disebabkan proses input berbeda. Terakhir, Wipriyance (2013) berhasil menambahkan data yang muncul di peta sehingga data yang pada penelitian sebelumnya berjumlah 190 titik panas kini berhasil muncul 1500 titik panas. Namun, kecepatan dalam menampilkan peta masih lambat disebabkan jumlah data yang banyak. Penelitian ini mencoba memperbaiki kekurangan pada penelitian sebelumnya, yaitu dengan migrasi sistem ke sistem operasi Linux Ubuntu sehingga diharapkan dapat memperbaiki kinerja sistem dalam menampilkan peta. Sistem operasi ini dipilih karena lebih baik dari Windows pada perangkat keras yang setara (Beckman dan Hirsch 2006). Selain itu, Linux Ubuntu secara default tidak berjalan sebagai root atau administrator, sehingga setiap program atau script tidak dapat secara otomatis membuat perubahan pada sistem tanpa hak eksplisit dari pengguna. Hal ini memastikan bahwa Linux Ubuntu menawarkan keamanan lebih dibandingkan sistem operasi Windows.
Tujuan Penelitian Tujuan dari penelitian ini adalah: 1 Migrasi sistem operasi ke Linux Ubuntu pada SOLAP data warehouse kebakaran hutan dari penelitian Wipriyance (2013). 2 Membandingkan kinerja sistem pada lingkungan sistem operasi Windows dengan Linux Ubuntu. Manfaat Penelitian Penelitian ini diharapkan dapat memudahkan pengguna dalam mengambil keputusan secara cepat dalam penanggulangan kebakaran hutan.
2 Ruang Lingkup Penelitian Ruang lingkup penelitian ini yaitu: 1 Data yang digunakan adalah data titik panas kebakaran hutan di wilayah Indonesia tahun 1997-2005 yang bersumber dari Direktorat Pengendalian Kebakaran Hutan (DPKH) Departemen Kehutanan Republik Indonesia. 2 Skema data menggunakan hasil penelitian Wipriyance (2013). 3 Modifikasi menggunakan sistem operasi Linux Ubuntu.
TINJAUAN PUSTAKA Hotspot Kebakaran hutan dapat dipantau melalui munculnya hotspot menggunakan data satelit Advanced Very High Resolution Radiometer-National Oceanic and Atmospheric Administration (AVHR-NOAA). Hotspot merupakan titik-titik di permukaan bumi yang mengindikasikan terjadinya kebakaran hutan dan lahan (Ratnasari 2000). Citra data hotspot dari satelit AVHR-NOAA dapat dijadikan indikasi kebakaran hutan yang dapat berupa kebakaran tajuk (crown fire), kebakaran permukaan (surface fire), maupun kebakaran bawah (ground fire). Salah satu penyedia layanan data hotspot adalah Forest Fire Prevention Management Project yang dapat diakses melalui internet (www.indofire.org). Spatiotemporal Data Warehouse Data warehouse adalah database besar yang mendukung operasional data dalam sebuah repositori dengan tujuan memudahkan query dan analisis. Spatiotemporal data warehouse adalah suatu kumpulan koleksi data spasial dan non-spasial yang memiliki sifat subject-oriented, integrated, time variant, dan non-volatile yang berperan dalam proses pengambilan keputusan yang berkaitan dengan data spasial (Han dan Kamber 2006). Adapun empat karakteristik data warehouse ialah: 1 Subject oriented, data warehouse didesain untuk menganalisis data berdasarkan subjek tertentu dalam lembaga, organisasi, atau perusahaan bukan berdasarkan fungsi atau proses aplikasi tertentu. 2 Integrated, data warehouse dapat menyimpan data yang berasal dari sumber yang terpisah ke dalam satu format yang konsisten. 3 Time variant, data yang disimpan memberikan sejarah informasi. Dengan kata lain, data yang disimpan valid pada rentang waktu tertentu. 4 Nonvolatile, proses yang diizinkan dalam data warehouse hanya pemuatan dan akses data tanpa mengubah data sumber sehingga data yang tersimpan tidak dapat di-update atau di-delete.
3 Operasi Dasar OLAP Menurut Han dan Kamber (2006) operasi-operasi dasar OLAP terdiri atas: 1 Roll up, operasi roll up dilakukan pada kubus data dengan cara menaikkan tingkat hierarki. 2 Drill down, operasi ini merepresentasikan data secara lebih detail atau spesifik dari level tinggi ke level rendah. 3 Slicing, merupakan proses pemotongan data pada cube berdasarkan nilai pada satu atau beberapa dimensi. 4 Dicing, merupakan pemotongan hasil slicing menjadi bagian subset data yang lebih kecil. 5 Pivoting, adalah kemampuan OLAP untuk melihat data dari berbagai sudut pandang. Sumbu pada kubus data dalam aplikasi OLAP dapat diatur sehingga dapat diperoleh data yang diinginkan sesuai dengan sudut pandang analisis yang diperlukan. MDX Query Multidimensional expression (MDX) merupakan bahasa yang menyediakan sintaks khusus untuk query dan memanipulasi data multidimensi yang disimpan dalam kubus OLAP. MDX memungkinkan pengguna untuk memasukkan query pada data dengan struktur yang mirip seperti SQL (Whitehorn et al. 2004). Berikut contoh penggunaan query MDX yang menampilkan data jumlah hotspot berdasarkan dimensi satelit pada tahun 2000: SELECT { [Satelit].[Semua Satelit] } ON COLUMNS, { [Measures].[jumlah_hotspot] } ON ROWS FROM [geohotspot] WHERE [Waktu].[2000]
Spatialytics Spatialytics merupakan framework yang memungkinkan pengguna untuk menganalisis data multidimensi dari berbagai perspektif. Spatialytics mampu melakukan operasi OLAP yang terdiri dari operasi roll up, drill down, slicing, dan dicing (Spatialytics 2013). Spatialytics dikembangkan oleh GeoSOA Research Team menggunakan Dojo Toolkit dan OpenLayers yang bersifat open source. Spatialytics memiliki arsitektur three tiers yang meliputi: 1 Lapisan bawah (bottom tier) Lapisan bawah merupakan suatu sistem database relasional (DBMS PostgreSQL) yang diberi library tambahan (PostGIS) sehingga mampu menangani data spatial. 2 Lapisan tengah (middle tier) Lapisan tengah merupakan tempat penyimpanan struktur kubus data atau OLAP server. Spatialytics menggunakan OLAP server GeoMondrian yang merupakan modifikasi dari OLAP server Mondrian sehingga mampu menangani data spatial.
4 3 Lapisan atas (top tier) Lapisan atas merupakan lapisan untuk end user yang berfungsi menampilkan ringkasan dari isi data warehouse yang merupakan hasil operasi OLAP serta menampilkan (peta) persebaran hotspot. Implementasi user interface pada lapisan atas menggunakan Dojo Toolkit, sedangkan visualisasi objek spasial menggunakan OpenLayers. Arsitektur Spatialytics ditunjukkan pada Gambar 1.
Gambar 1 Arsitektur Spatialytics
METODE PENELITIAN Skema tahap penelitian pada penelitian ini ditunjukkan pada Gambar 2.
Gambar 2 Skema tahap penelitian
5 Analisis Sistem di Lingkungan Windows Tahap analisis meliputi bagian kebutuhan data dan cara keja sistem OLAP yang sudah ada dari hasil penelitian penelitian Wipriyance (2013). Sistem telah berhasil mengintegrasi peta dan query OLAP namun kecepatan akses data masih lambat dan data yang muncul hanya sedikit. Sistem tersebut menerapkan Spatialytics dalam sistem operasi Windows. Pengukuran Kinerja di Lingkungan Windows Sistem yang telah dibuat pada penelitian sebelumnya yaitu pada sistem operasi Windows 7 dijalankan kembali tanpa mengubah konfigurasi lalu dilakukan pengukuran kinerja dalam menampilkan peta. Konfigurasi Sistem di Lingkungan Linux Ubuntu Sistem pada penelitian sebelumnya dijalankan dan dilakukan konfigurasi sesuai dengan lingkungan sistem operasi Linux Ubuntu. Pengukuran Kinerja di Lingkungan Linux Ubuntu Setelah sistem berhasil dijalankan pada sistem operasi Linux Ubuntu, dilakukan pengukuran kinerja sistem dalam menampilkan peta. Uji Query Pengujian query dilakukan untuk mengetahui keberhasilan fungsi query MDX pada sistem yang dikembangkan di Linux Ubuntu. Fungsi yang diujikan antara lain submit query, reload jpivot, dynamics equal interval, dan fixed interval.
HASIL DAN PEMBAHASAN Analisis Sistem di Lingkungan Windows Kebutuhan Data Terdapat dua database yang digunakan pada penelitian ini yaitu db_forestfire dan geohotspot. Database db_forestfire berfungsi sebagai layer dasar peta yang berisi data hotspot dari tahun 1997-2005 dan berjumlah 473 892 hotspot. Sistem sebelumnya telah berhasil menampilkan 1500 hotspot yang disimpan sebagai database geohotspot. Untuk ukuran data yang melebihi jumlah tersebut, terjadi error pada Jpivot. Database geohotspot berfungsi untuk menangani query yang dimasukkan pada sistem dan diproses oleh Geomondrian.
6 Skema database disimpan dalam file XML yang akan diproses oleh Geomondrian. Skema database Geomondrian memiliki tabel yaitu tabel fakta_forestfire yang berisi jumlah munculnya area hotspot yang ditangkap oleh satelit tertentu pada waktu tertentu. Tabel tersebut merupakan tabel fakta yang menjadi pusat kubus data. Kubus data terdiri dari tiga dimensi yaitu dimensi satelit, lokasi, dan waktu. Dimensi satelit memiliki satu level yaitu nama satelit. Dimensi lokasi memiliki tiga level yang terdiri dari level hotspot, provinsi, dan kabupaten. Dimensi waktu memiliki tiga level yang terdiri dari level tahun, kuartil, dan bulan. Berikut skema database dari penelitian sebelumnya yang ditunjukkan pada Gambar 3. tb_satelit PK
id_satelit
tb_geohotspot
PK
nama_satelit
fakta_forestfire
hotspot_geom kode_kab
tb_kabupaten PK
id_hotspot id_waktu id_satelit jumlah
tb_waktu PK
id_waktu tahun kuartil bulan
kode_hotspot
kode_kab nama_kab kab_geom kode_prov
tb_provinsi PK
kode_prov nama_prov prov_geom
Gambar 3 Skema database penelitian Wipriyance (2013) Cara Kerja Sistem Sistem yang dikembangkan oleh Wipriyance (2013) merupakan sistem data warehouse kebakaran hutan yang menggunakan Geoserver sebagai web map server berbasis Java. Pada sistem ini Geoserver berperan sebagai penyedia layer peta wilayah Indonesia. Operasi query OLAP pada sistem ini menggunakan Geomondrian. Geomondrian mampu menangani data spatial sehingga dapat menyimpan data dalam bentuk raster maupun vektor. Pada sistem ini Geomondrian bertugas menangani proses query yang dimasukkan pengguna. Lingkungan Pengembangan Sistem Perangkat keras yang digunakan adalah Personal Computer (PC) dengan spesifikasi sebagai berikut. Perangkat Keras: Processor Intel Core2Duo @2.1 GHz. RAM 2 GB DDR3. HDD 320 GB.
7
Perangkat Lunak: Sistem operasi Windows 7 Professional. JDK 1.6.0.04 sebagai JVM. Apache Tomcat 6.0 sebagai servlet container. Spatialytics sebagai spatial OLAP framework. GeoMondrian 1.0 sebagai server spatial OLAP. GeoServer 2.1 sebagai server web map. OpenLayers 2.8 sebagai JavaScript library untuk menampilkan peta. PostgreSQL 8.4 sebagai database server dengan ekstensi PostGIS untuk menyimpan data spasial. Schema Workbench 1.0 untuk membuat kubus data multidimensional.
Sistem yang dikembangkan oleh Wipriyance (2013) yang dijelaskan pada Gambar 4 menggunakan framework Spatialytics yang memiliki arsitektur tiga lapisan meliputi: 1 Lapisan bawah, merupakan sistem database yang meliputi database management system (DBMS) PostgreSQL dengan ekstensi PostGIS untuk menangani data spatial. 2 Lapisan tengah, yaitu tempat penyimpanan server yang terdiri atas Apache Tomcat 6.0 sebagai tempat menjalankan aplikasi Spatialytics, GeoServer, dan GeoMondrian. Spatialytics server menerima query masukkan dari pengguna kemudian mengirimkannya ke GeoMondrian dan mengembalikan hasil eksekusi query ke client. GeoServer sebagai WMS yang berfungsi membuat workspace dan membuat layer peta wilayah Indonesia menggunakan data yang telah dibuat pada PostgreSQL dan PostGIS. GeoMondrian merupakan OLAP server tempat query OLAP dieksekusi. 3 Lapisan atas, yaitu Spatialytics client terdiri atas modul peta dan modul JPivot. Modul peta divisualisasikan oleh GeoServer serta data hasil eksekusi query dari Geomondrian. Modul JPivot menampilkan hasil eksekusi query dalam bentuk tabel dan grafik.
Gambar 4 Arsitektur sistem penelitian Wipriyance (2013)
8 Pengukuran Kinerja di Lingkungan Windows Pada penelitian ini digunakan perangkat yang berbeda dengan penelitian sebelumnya. Berikut perangkat yang digunakan. Processor Intel Core i5-2450M. RAM 4 GB DDR3. HDD 500 GB. Sistem operasi Windows 8. PostgreSQL 9.2. Pengukuran Kinerja Sistem sebelumnya diukur waktu kinerjanya dalam mengeksekusi setiap proses. Parameter-parameter yang diukur antara lain waktu eksekusi dalam menampilkan halaman peta, menampilkan halaman Jpivot, dan proses olap4js. Parameter menampilkan halaman peta yaitu waktu yang dibutuhkan sistem dalam menampilkan hotspot pada halaman awal peta. Parameter menampilkan halaman Jpivot yaitu waktu yang dibutuhkan sistem menampilkan hasil eksekusi query pada halaman Jpivot. Proses olap4js yaitu waktu parsing query dari masukkan pengguna sampai munculnya hasil query hotspot. Hasil pengukuran dilakukan sebanyak sepuluh kali iterasi yang ditunjukkan pada Tabel 1.
Iterasi 1 2 3 4 5 6 7 8 9 10 Rata-rata
Tabel 1 Hasil pengukuran kinerja SOLAP berbasis Windows Pengukuran kinerja (waktu ms) Menampilkan Menampilkan Proses olap4js halaman peta halaman Jpivot 4380 207 1190 4220 194 928 4310 197 818 4090 173 1040 4410 163 1540 4260 155 738 4290 148 703 4100 158 753 4170 203 730 4020 172 841 4225 177 928 Konfigurasi Sistem di Lingkungan Linux Ubuntu
Sistem pada penelitian sebelumnya diimplementasikan sesuai dengan lingkungan sistem operasi Linux Ubuntu lalu dilakukan beberapa konfigurasi agar sistem dapat berjalan pada lingkungan Linux Ubuntu.
9 Konfigurasi Sistem di Linux Ubuntu Prosedur pemindahan folder atau directory sistem pada Linux Ubuntu berbeda dengan di Windows karena Linux Ubuntu secara default tidak berjalan sebagai root atau admin. Oleh karena itu, perlu dilakukan beberapa pengaturan sistem yang meliputi pemindahan directory work dan webapps dengan perintah sebagai berikut: Directory Work sudo cp -r /home/adenurusani/bi_workshop/tomcat/work/Catalina/ localhost/* /var/lib/tomcat6/work/Catalina/localhost/*
Directory Webapps sudo cp -r /home/adenurusani/bi_workshop/tomcat/webapps/* /var/lib/tomcat6/webapps/
File yang telah dipindahkan tidak dapat langsung dijalankan karena belum bersifat read, write, execute. Perintah untuk akses file tersebut sebagai berikut: Directory Work sudo chmod -R 777 /var/lib/tomcat6/work/*
Directory Webapps sudo chmod -R 777 /var/lib/tomcat6/webapps/*
Build Project di Eclipse Setelah konfigurasi sistem selesai, sistem tidak bisa langsung berjalan di lingkungan Linux Ubuntu, melainkan dibutuhkan build project pada Eclipse untuk menyesuaikan pengaturan directory yang berbeda dengan lingkungan Windows. Build dilakukan untuk file OLAPQuery.java, build.properties, dan SpatialyticsServlet.java. File OLAPQuery.java berfungsi untuk mengatur string koneksi database, skema kubus database, dan string mdxquery. File build.properties berfungsi mengatur sistem Spatialytics agar berjalan pada project Eclipse. File SpatialyticsServlet.java berfungsi untuk mengatur dan membuat file javascript sehingga query dapat berubah sesuai masukkan dari pengguna. Potongan masingmasing file ditunjukkan pada Gambar 5, Gambar 6, dan Gambar 7.
Gambar 5 File OLAPQuery.java
10
Gambar 6 File build.properties
Gambar 7 File SpatialyticsServlet.java
11 Pengukuran Kinerja di Lingkungan Linux Ubuntu Sistem yang telah berhasil dimigrasikan ke lingkungan Linux Ubuntu diukur kinerjanya berupa kecepatan membuka halaman peta, menampilkan query, dan proses olap4js. Pada pengukuran kinerja ini dilakukan sepuluh kali iterasi. Hasil pengukuran kinerja sistem pada Linux Ubuntu ditunjukkan pada Tabel 2. Tabel 2 Hasil pengukuran kinerja SOLAP berbasis Linux Ubuntu Pengukuran Kinerja (waktu ms) Iterasi Menampilkan Menampilkan Proses olap4js halaman peta halaman Jpivot 1 3560 135 1300 2 3350 151 876 3 3390 143 921 4 3500 154 564 5 3210 153 1170 6 3190 142 652 7 3410 155 501 8 3540 141 941 9 3030 147 473 10 3360 142 816 Rata-rata 3354 146 821
Hasil pengukuran kinerja di lingkungan Windows berdasarkan Tabel 1, dibandingkan dengan hasil pengukuran di lingkungan Linux Ubuntu dengan mengambil nilai rata-rata dari sepuluh iterasi bagi ketiga parameter yang digunakan yaitu menampilkan halaman peta, menampilkan halaman Jpivot, dan proses olap4js. Perhitungannya sebagai berikut. enampilkan halaman peta indows enampilkan halaman peta inux buntu enampilkan halaman pivot indows enampilkan halaman pivot inux buntu Proses olap js indows Proses olap js inux buntu Hasil perbandingan pengukuran kinerja sistem Windows dengan Linux Ubuntu ditunjukkan pada Gambar 8.
12
5000 4500 4000
Membuka halaman peta (Windows)
Waktu (ms)
3500 3000
Membuka halaman Jpivot (Windows)
2500
Proses olap4js (Windows)
2000
Membuka halaman peta (Ubuntu)
1500
Membuka halaman Jpivot (Ubuntu) Proses olap4js (Ubuntu)
1000 500
Iterasi 0 1
2
3
4
5
6
7
8
9
10
Gambar 8 Perbandingan kinerja Windows dengan Linux Ubuntu Uji Query Uji query dilakukan untuk mengetahui keberhasilan fungsi query MDX pada sistem yang dikembangkan di Linux Ubuntu. Fungsi yang diujikan antara lain submit query, reload jpivot, dynamics equal interval, dan fixed interval. Saat pertama kali dijalankan, sistem akan mengeksekusi default query sebagai berikut: SELECT {[Measures].[Jumlah_Hotspot]} ON COLUMNS, {[lokasi].[Hotspot].Members} ON ROWS FROM [geohotspot] WHERE [waktu].[1997]
Query tersebut menampilkan persebaran hotspot di seluruh wilayah Indonesia pada tahun 1997 yang ditunjukkan pada Gambar 9. Selanjutnya query diujikan pada rentang tahun 1997-2005 namun hotspot hanya muncul pada tahun 1997 dan tahun 2005, hal ini disebabkan tidak ada data tahun 1998-2004 pada database geohotspot. Berikut tampilan persebaran hotspot pada tahun 2005 ditunjukkan pada Gambar 10.
13
Gambar 9 Hasil query hotspot seluruh Indonesia tahun 1997
Gambar 10 Hasil query hotspot seluruh Indonesia tahun 2005
14 Selanjutnya query diujikan pada fungsi equal interval dengan query pada level provinsi hasil eksekusi query tersebut ditunjukkan pada Gambar 11. SELECT {[Measures].[Jumlah_Hotspot]} ON COLUMNS, {[lokasi].[Hotspot Provinsi].Members} ON ROWS FROM [geohotspot] WHERE [waktu].[Semua Waktu]
Gambar 11 Hasil query hotspot menggunakan fungsi dynamic equal interval Terakhir query diujikan pada fungsi fixed interval dengan query pada level provinsi hasil eksekusi query tersebut ditunjukkan pada Gambar 12. SELECT {[Measures].[Jumlah_Hotspot]} ON COLUMNS, {[lokasi].[Hotspot Provinsi].Members} ON ROWS FROM [geohotspot] WHERE [waktu].[Semua Waktu]
Gambar 12 Hasil query hotspot menggunakan fungsi fixed interval
15
SIMPULAN DAN SARAN Simpulan Penelitian ini telah berhasil menjalankan sistem Spatialytics dan Geoserver pada sistem operasi Linux Ubuntu, seluruh fungsi telah berjalan baik. Telah dibuktikan bahwa sistem yang dikembangkan pada Linux Ubuntu lebih cepat dibandingkan pada sistem operasi Windows, dalam menampilkan halaman peta Linux Ubuntu 1.26 kali lebih cepat dibandingkan Windows, lebih cepat 1.21 kali dalam menampilkan halaman Jpivot, dan lebih cepat 1.13 kali dalam proses olap4js.
Saran Penelitian ini memungkinkan untuk dikembangkan lebih lanjut. Saran untuk pengembangan sistem ini yaitu melakukan hosting sistem ini pada server sehingga sistem dapat digunakan oleh banyak pengguna.
16
DAFTAR PUSTAKA Beckman D, Hirsch D. 2006. Use Linux and open-source software on a junk nachine for a near-free PC [Internet]. [diunduh 2014 Jan 21]. Tersedia pada: http://abajournal.com/magazine/article/a_lot_for_a_little/. Fadli MH. 2011. Data warehouse spatio-temporal kebakaran hutan menggunakan Geomondrian dan Geoserver [skripsi]. Bogor (ID): Institut Pertanian Bogor. Han J, Kamber M. 2006. Data Mining Concept and Techniques. San Fransisco (US): Morgan Kaufmann. Imaduddin A. 2012. Sinkronisasi antara visualisasi peta dan query OLAP pada spatial data warehouse kebakaran hutan di Indonesia [skripsi]. Bogor (ID): Institut Pertanian Bogor. Ratnasari E. 2000. Pemantauan kebakaran hutan dengan menggunakan data citra NOAA-AVHRR dan citra Landsat TM: studi kasus di daerah Kalimantan Timur [skripsi]. Bogor (ID): Institut Pertanian Bogor. Spatialytics. 2013. Spatialytics OLAP [Internet]. [diunduh 2013 Des 15]. Tersedia pada: http://docs.spatialytics.com/doku.php?id=en:spatialytics_olap: 001_introduction. Whitehorn M, Zare R, Pasumansky M. 2004. Fast Track to MDX. New York (US): Springer. Wipriyance L. 2013. Peningkatan kinerja sistem spatial data warehouse kebakaran hutan berbasis GeoServer dan GeoMondrian [skripsi]. Bogor (ID): Institut Pertanian Bogor.
17
RIWAYAT HIDUP Penulis dilahirkan di Bogor pada tanggal 12 November 1991 sebagai anak pertama dari tiga bersaudara dari pasangan Bapak Taharudin dan Ibu Nurhayati. Pada tahun 2009 penulis lulus dari SMA Negeri 5 Bogor kemudian melanjutkan pendidikan jenjang S1 sebagai mahasiswa Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor pada tahun yang sama melalui jalur SNMPTN. Pada tanggal 27 Juli 2012 sampai 14 Agustus 2012, penulis berkesempatan menjalankan Praktik Kerja Lapangan di PT Dirgantara Indonesia di Bandung. Selama menjadi mahasiswa penulis pernah menjadi asisten praktikum Penerapan Komputer dan Komputer Grafik.
