1 MODUL STATIC LOCATION INTELLIGENCE UNTUK SPATIAL DATA WAREHOUSE TITIK PANAS DI INDONESIA MENGGUNAKAN SPAGOBI GEO ENGINE HENDRA DWINANTO PRAKOSO DEPA...
MODUL STATIC LOCATION INTELLIGENCE UNTUK SPATIAL DATA WAREHOUSE TITIK PANAS DI INDONESIA MENGGUNAKAN SPAGOBI GEO ENGINE
HENDRA DWINANTO PRAKOSO
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2016
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Modul Static Location Intelligence untuk Spatial Data Warehouse Titik Panas di Indonesia Menggunakan SpagoBI GEO Engine 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, Agustus 2016
Hendra Dwinanto Prakoso NIM G64120095
ABSTRAK HENDRA DWINANTO PRAKOSO. Modul Static Location Intelligence untuk Spatial Data Warehouse Titik Panas di Indonesia Menggunakan SpagoBI GEO Engine. Dibimbing oleh RINA TRISMININGSIH. Titik panas (hotspot) adalah salah satu indikator kebakaran hutan yang mendeteksi suatu lokasi yang memiliki suhu relatif tinggi dibandingkan suhu di sekitarnya. Data titik panas terdiri atas data spasial yang merepresentasikan posisi atau lokasi geografis dari suatu objek di permukaan bumi yang terkumpul dalam jumlah yang sangat besar. Oleh karena itu, diperlukan teknologi spatial data warehouse sebagai solusi dari permasalahan penumpukan data spasial dalam jumlah besar. Penelitian ini bertujuan menambahkan modul static location intelligence pada visualisasi spatial data warehouse menggunakan SpagoBI GEO engine. Spatial data warehouse titik panas di Indonesia yang digunakan pada penelitian ini diperoleh dari peneliti sebelumnya untuk rentang bulan Januari 2006 sampai bulan Januari 2015. Selain itu, penelitan ini menggunakan peta administratif kabupaten dan provinsi di Indonesia tahun 2014. Hasil dari penelitian ini berupa aplikasi untuk visualisasi peta statis SVG yang terintegrasi dengan spatial data warehouse titik panas. Selain itu, modul ini terintegrasi dengan reporting dalam bentuk tabel dan grafik yang ditampilkan pada tab baru untuk wilayah yang dipilih. Kata kunci: hotspot, SpagoBI GEO engine, spatial data warehouse, static location intelligence
ABSTRACT HENDRA DWINANTO PRAKOSO. Static Location Intelligence Module for Hotspot Spatial Data Warehouse in Indonesia Using SpagoBI GEO Engine. Supervised by RINA TRISMININGSIH. Hotspot is one of the forest fire indicators that detects location with relatively high temperature compared to the surrounding areas. Hotspot data consist of spatial data representing the position or geographical location of an object on earth surface collected on numerous amount. Therefore, spatial data warehouse technology was required to solve the problem of big spatial data accumulation. This research aims to add a static location intelligence module on the visualization of spatial data warehouse using SpagoBI GEO engine. Hotspot spatial data warehouse in Indonesia used in this research were obtained from previous research within the range of January 2006 to January 2015. Districts and provinces administrative map of Indonesia in 2014 is also required. The result of this research was a static map SVG visualization module integrated with the hotspot spatial data warehouse. Furthermore, this module is integrated to the reporting system using tables and chart which will be displayed in a new tab for the selected region. Keywords: hotspot, SpagoBI GEO engine, spatial data warehouse, static location intelligence
MODUL STATIC LOCATION INTELLIGENCE UNTUK SPATIAL DATA WAREHOUSE TITIK PANAS DI INDONESIA MENGGUNAKAN SPAGOBI GEO ENGINE
HENDRA DWINANTO PRAKOSO
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 2016
Judul Skripsi : Modul Static Location Intelligence untuk Spatial Data Warehouse Titik Panas di Indonesia Menggunakan SpagoBI GEO Engine Nama : Hendra Dwinanto Prakoso NIM : G64120095
Disetujui oleh
Rina Trisminingsih, SKomp MT Pembimbing
Diketahui oleh
Dr Ir Agus Buono, MSi MKom Ketua Departemen
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan ke hadirat Allah subhanahu wa ta’ala karena atas rahmat dan ridha-Nya lah skripsi dengan judul Modul Static Location Intelligence untuk Spatial Data Warehouse Titik Panas di Indonesia Menggunakan SpagoBI GEO Engine dapat diselesaikan. Penulisan skripsi ini dilakukan dalam rangka memenuhi salah satu syarat untuk mencapai gelar Sarjana Ilmu Komputer di Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor. Penulis menyadari dalam perjalanan masa perkuliahan sampai dengan pencapaian akhir ini telah banyak pihak yang membantu dan mendukung melalui berbagai cara. Oleh karena itu, penulis ingin mengucapkan terima kasih kepada: 1 Mama (Ratih Dwiratnawati) dan Tante (Atikah Rachmiati dan Amiarsih Setiawati), yang selalu memberikan dukungan dan doa tanpa henti kepada peneliti sejak lahir hingga saat ini; 2 Rina Trisminingsih, SKomp MT selaku pembimbing skripsi yang banyak memberikan motivasi, masukan dan arahan, baik selama perkuliahan maupun penelitian; 3 Dr. Imas Sukaesih Sitanggang, SSi MKom dan Husnul Khotimah, SKomp MKom selaku penguji skripsi yang telah memberikan saran dan masukan dalam penelitian; 4 Para dosen dan staf pegawai Departemen llmu Komputer IPB selama penulis duduk di bangku perkuliahan hingga saat ini; 5 Kak Gamma Uswatun Hasanah, Kak Winda Astrianti, dan Kak Irwan Adriansyah yang telah menyempatkan waktunya untuk berbagi pengalaman dan tutorial pelatihan dalam pengerjaan Tugas Akhir; 6 Sarah Shanaz Shaztika, Dimas Agung Maulana, Intan Yuli Kiswari, Rizky D. R. Bujung, Yohannes Simanungkalit, Riski Adi Kurniawan, dan Muhammad Fariz sebagai teman bimbingan penulis yang selalu tidak pernah lelah mengingatkan dan membantu kelancaran penyelesaian skripsi; 7 Teman-teman terbaik penulis: Agung Kurniawan dan Fitrah Anugrah (Tim HFA v4.9 UX Final Gemastik 2015), Yusuf Al Muqaddami, Rizki Adi Utomo, dan Qudratullah Akrim MM (Tim PKL Telkomsel 2015) yang selalu memberikan dukungan dan hiburan; 8 Teman-teman Ilmu Komputer Vector angkatan 49 atas dukungan, hiburan, dan kenangan selama penulis kuliah di Ilmu Komputer IPB; 9 Semua pihak lainnya yang terlibat dalam penulisan skripsi ini yang tidak dapat disebutkan namanya satu per satu. Semoga skripsi ini dapat memberikan manfaat dan dapat membantu bagi semua pihak yang membutuhkan.
Bogor, Agustus 2016 Hendra Dwinanto Prakoso
DAFTAR ISI DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vii
PENDAHULUAN
1
Latar Belakang
1
Perumusan Masalah
2
Tujuan Penelitian
2
Manfaat Penelitian
2
Ruang Lingkup Penelitian
2
TINJAUAN PUSTAKA
3
Titik Panas (Hotspot)
3
Spatial Data Warehouse
3
Business Intelligence (BI) dan SpagoBI
3
Location Intelligence dan GEO Engine
4
METODE
5
Data Penelitian
5
Tahapan Penelitian
5
Lingkungan Pengembangan
7
HASIL DAN PEMBAHASAN
7
Analisis Spatial Data Warehouse Titik Panas dan Sistem SOLAP Titik Panas 7 Perancangan dan Implementasi Modul Static Location Intelligence
9
Perancangan dan Implementasi Modul Reporting
14
Visualisasi, Analisis, dan Pengujian Modul
19
SIMPULAN DAN SARAN
24
Simpulan
24
Saran
24
DAFTAR PUSTAKA
25
LAMPIRAN
26
RIWAYAT HIDUP
39
DAFTAR TABEL 1 2
Skenario dan hasil uji fungsi modul static location intelligence Skenario dan hasil uji fungsi modul reporting
23 23
DAFTAR GAMBAR 1 2 3 4 5 6 7 8 9 10 11 12 13 14
15 16 17
18
19
Tahapan penelitian pembuatan modul static location intelligence 5 Tahapan perancangan modul static location intelligence 6 Tahapan perancangan modul reporting 6 Tabel dimensi dan fakta spatial data warehouse pada PostgeSQL 8 Bagan a) peta administratif dan b) tabel kabupaten dan provinsi di Indonesia 8 Skema data warehouse bintang Hasanah (2016) 9 Hasil pembuatan modul free inquiry penelitian Adriansyah (2016) 9 Potongan kueri dataset yang digunakan dalam proses integrasi 11 Bagian Map Provider untuk a) peta kabupaten pada Pulau Kalimantan dan b) peta provinsi 11 Potongan sub bagian metadata untuk a) peta kabupaten pada Pulau Kalimantan dan b) peta provinsi 12 Potongan sub bagian hierarchies untuk a) peta kabupaten pada Pulau Kalimantan dan b) peta provinsi 12 Potongan sub bagian cross navigation untuk a) peta kabupaten pada Pulau Kalimantan dan b) peta provinsi 13 Potongan Bagian Map Renderer untuk peta provinsi dan peta kabupaten pada Pulau Kalimantan 14 Tahapan pembuatan data source dari a) membuat dokumen report baru dan b) membuat data source baru, dan c) koneksi ke database menggunakan connector JDBC 15 Tahapan pembuatan dataset mulai dari a) membuat file dataset baru dan b) menyalin dataset yang telah dibuat 15 Potongan pembuatan visualisasi tabel hasil operasi drag and drop dari file dataset ke dalam form reporting 16 Potongan pembuatan visualisasi grafik batang mulai dari a) pemilihan bentuk grafik, b) memilih dataset yang digunakan, dan c) penambahan label judul grafik 16 Potongan pembuatan report parameter mulai dari a) pembuatan file parameter baru, b) penambahan filter baru pada dataset, c) pemilihan kolom pada dataset untuk dihubungkan dengan parameter baru melalui build expression, dan d) pembuatan expression builder untuk parameter baru 17 Potongan pemuatan dokumen reporting mulai dari a) membuat resources baru, b) mengisi kolom dan menyesuaikan konten yang terdapat pada server, dan c) pemuatan (deploy) dokumen reporting 18
Daftar Gambar (lanjutan) 20
21 22
23 24
Potongan konfigurasi analytical driver mulai dari a) membuat file kueri pada list of values, b) membuat file baru untuk analytical driver, dan c) pengisian kolom pada analytical driver details 19 Visualisasi peta statis SVG provinsi di Indonesia hasil pembuatan modul static location intelligence 20 Dokumen reporting hasil cross navigation visualisasi modul static location intelligence peta provinsi untuk a) mode tabel dan b) mode bar chart 21 Visualisasi peta statis SVG kabupaten pada Pulau Kalimantan hasil pembuatan modul static location intelligence 22 Contoh reporting hasil cross navigation visualisasi modul static location intelligence pada peta Kabupaten Kotawaringin Timur 23
DAFTAR LAMPIRAN 1 2
3
4
5 6
Hasil visualisasi peta statis untuk level kabupaten 26 Pemecahan dan penggabungan peta statis berformat shapefile untuk level kabupaten pada Pulau Kalimantan menggunakan aplikasi QGIS 28 Konversi peta statis berformat .shp menjadi berformat .svg yang sudah tersisipi atribut untuk level kabupaten pada Pulau Kalimantan pada web aplikasi indiemapper 29 Konfigurasi hirarki dan level serta penamaan kembali wilayah untuk level kabupaten pada Pulau Kalimantan menggunakan aplikasi Inkscape 30 Penambahan fitur viewBox, pengaturan hirarki dan level peta, serta pengubahan style warna menggunakan aplikasi Notepad++ 31 Kode XML GEO template untuk integrasi peta statis kabupaten pada Pulau Kalimantan 31
PENDAHULUAN Latar Belakang Kebakaran hutan merupakan salah satu masalah yang paling disorot oleh para pemerhati lingkungan dan pemerintah Indonesia saat ini. Salah satu faktor penyebabnya yakni kurangnya pemantauan secara dini terhadap titik panas (hotspot) pada suatu daerah sebagai upaya pencegahan terjadinya kebakaran hutan secara meluas. Berdasarkan Pasal 1 angka 9 (PKH 2009), hotspot adalah indikator kebakaran hutan yang mendeteksi suatu lokasi yang memiliki suhu relatif tinggi dibandingkan suhu di sekitarnya. Data hotspot yang dikeluarkan oleh National Oceanic and Atmospheric Administration (NOAA) saat ini menerapkan ambang batas 318oK atau setara dengan 45oC (Prasidapati 2009). Data titik panas terdiri atas data spasial yang merepresentasikan posisi atau lokasi geografis dari suatu objek di permukaan bumi dan terkumpul dalam ukuran yang sangat besar. Spatial data warehouse diperlukan untuk mengatasi permasalahan tersebut karena dapat menggabungkan data warehouse dan data spasial yang memungkinkan analisis representasi data historis (Malinowski dan Zimányi 2007). Spatial data warehouse dapat dikembangkan ke dalam berbagai aplikasi pengambilan keputusan dalam ruang lingkup Business Intelligence (BI) framework, salah satunya yakni pembuatan kubus data spasial atau yang dikenal dengan nama Spatial Online Analytical Processing (SOLAP) (Mustafa et al. 2013). Beberapa penelitian sebelumnya terkait SOLAP hotspot telah dilakukan oleh Hasanah dan Trisminingsih (2016) serta Adriansyah (2016). Hasanah dan Trisminingsih (2016) membuat visualisasi OLAP dalam bentuk crosstab dan grafik menggunakan modul multidimensional analysis dan skema bintang. Selain itu, Hasanah dan Trisminingsih (2016) juga membuat modul location intelligence dengan GIS engine untuk visualisasi peta dinamis dalam bentuk map zone dan map point. Namun penelitian tersebut belum dapat membuat visualisasi dalam bentuk peta statis dan belum dapat menambahkan modul lainnya seperti interactive cockpits dan free inquiry. Adriansyah (2016) menambahkan kubus data cuaca pada sistem SOLAP hotspot sebelumnya menggunakan skema galaksi. Selain itu, Adriansyah (2016) juga membuat modul tambahan lain yakni free inquiry untuk membuat kueri melalui grafik dan tampilan tunggal. Namun penelitian tersebut masih belum dapat membuat visualisasi peta statis dan terintegrasi dengan modul lain yang terkait, salah satunya yakni reporting. Penelitian ini menambahkan modul baru pada SOLAP hotspot yang telah dibuat peneliti sebelumnya, yakni modul static location intelligence. Menurut Cazzin (2012), modul static location intelligence dapat melakukan pemetaan spatial data warehouse ke dalam peta statis tanpa harus terkait dengan objek peta yang tersimpan di GIS server. Modul ini dapat menampilkan rincian keterangan berdasarkan subjek yang dipilih untuk setiap daerah secara cepat. Modul ini juga dapat menampilkan ringkasan data spasial dari fungsi level dan hirarki yang dibuat melalui operasi drill down dan roll up. Selain itu, modul ini dapat diintegrasikan dengan modul lainnya untuk menampilkan informasi yang lebih representatif pada suatu daerah yang dipilih.
2 Spatial data warehouse titik panas yang digunakan pada penelitian ini diperoleh dari penelitian sebelumnya yakni Hasanah dan Trisminingsih (2016). Selain itu, penelitian ini juga menggunakan peta administrasi kabupaten dan provinsi di Indonesia tahun 2014 yang diperoleh dari Badan Informasi Geospasial (BIG). Penelitian ini diharapkan dapat memudahkan pengguna dalam menampilkan ringkasan data titik panas dalam bentuk visualisasi peta statis secara cepat dan efisien. Perumusan Masalah Visualisasi spatial data warehouse yang sudah dibuat menggunakan modul location intelligence dengan GIS engine. Visualisasi tersebut menampilkan peta dinamis dalam bentuk map zone dan map point. Namun visualisasi tersebut belum dapat menampilkan keterangan informasi untuk tiap daerah pada indikator yang dipilih secara cepat. Selain itu, GIS engine belum dapat membuat fungsi level dan hirarki pada peta statis yang divisualisasikan. Oleh karena itu, rumusan masalah pada penelitian ini adalah bagaimana menambahkan modul static location intelligence pada sistem SOLAP titik panas kebakaran hutan. Penambahan modul tersebut melibatkan peta statis berformat SVG dan GEO engine. Hasil penambahan modul kemudian dilakukan visualisasi peta statis yang terintegrasi dengan modul reporting pada aplikasi SpagoBI. Tujuan Penelitian Tujuan dari penelitian ini adalah menambahkan modul static location intelligence untuk visualisasi spatial data warehouse menggunakan GEO engine. Selain itu, hasil visualisasi tersebut terintegrasi dengan modul reporting pada aplikasi SpagoBI. Manfaat Penelitian Hasil dari penelitian ini diharapkan dapat memudahkan pengguna dalam pengambilan keputusan pada visualisasi spatial data warehouse secara cepat dan efisien. Selain itu, hasil visualisasi tersebut dapat digunakan untuk memperjelas informasi pada wilayah yang dipilih. Ruang Lingkup Penelitian Ruang lingkup dari penelitian ini adalah sebagai berikut: 1 Perancangan dan implementasi modul static location intelligence yang dibuat berbasis web menggunakan aplikasi SpagoBI GEO engine. 2 Spatial data warehouse yang digunakan diperoleh dari peneliti sebelumnya yakni Hasanah dan Trisminingsih (2016), peta administratif kabupaten dan provinsi Indonesia tahun 2014 yang diperoleh dari Badan Informasi Geospasial (BIG).
3
TINJAUAN PUSTAKA Titik Panas (Hotspot) Titik panas (hotspot) adalah salah satu indikator kebakaran hutan yang mendeteksi suatu lokasi yang memiliki suhu relatif tinggi dibandingkan suhu disekitarnya (PKH 2009). Menurut pasal 1 ayat 16, titik panas juga dapat disebut sebagai pixel hasil interpretasi citra satelit yang memiliki nilai suhu di atas ambang batas dan digunakan sebagai indikator kebakaran hutan dan lahan (P3KH 2014). Menurut Prasidapati (2009), suatu areal yang terdeteksi oleh satelit NOAA sebagai hotspot bila memiliki suhu di atas ambang batas 318oK atau setara dengan 45oC. Data titik panas merupakan salah satu indikator terjadinya kebakaran hutan sehingga dapat dilakukan analisis, pemantauan, dan pemeriksaan langsung ke lapangan untuk mengetahui apakah diperlukan langkah pencegahan kebakaran (Adinugroho et al. 2004). Satelit yang biasa digunakan adalah satelit NOAA melalui sensor Advanced Very High Resolution Radiometer (AVHRR) karena sensor tersebut dapat membedakan suhu permukaan di darat dan di laut. Selain itu, satelit ini dapat mengunjungi tempat yang sama sebanyak 4 kali dalam satu hari sehingga data yang didapatkan cukup aktual dengan waktu analisis yang cepat meskipun wilayahnya luas (Adinugroho et al. 2004). Spatial Data Warehouse Spatial data warehouse merupakan suatu koleksi data spasial yang bersifat subject oriented, integrated, time variant, dan non volatile yang digunakan pada proses pengambilan keputusan (Han et al. 2012). Data yang telah dikumpulkan bersumber dari berbagai data yang ditempatkan ke dalam satu tempat penyimpanan yang berukuran besar dan dirancang untuk query dan reporting. Menurut Malinowski dan Zimányi (2007), spatial data warehouse menggabungkan data warehouse dan teknologi spatial database yang memungkinkan analisis representasi data historis. Terdapat 4 karakteristik data warehouse menurut Han et al. (2012) yaitu: 1 Subject oriented: data warehouse dirancang fokus pada permodelan dan analisis data untuk pembuatan keputusan berdasarkan subjek tertentu. 2 Integrated: data warehouse biasanya dibangun dengan mengintegrasikan berbagai sumber yang bervariasi seperti basis data relasional, flat files, dan transaksi online. 3 Time variant: data yang disimpan menyediakan sejarah informasi atau data yang disimpan memiliki rentang waktu tertentu (5-10 tahun). 4 Non volatile: data warehouse secara fisik selalu terpisah dari data transformasinya. Data warehouse tidak membutuhkan proses transaksi, pemulihan, dan concurrency control. Biasanya membutuhkan dua operasi yaitu initial loading dan access data. Business Intelligence (BI) dan SpagoBI Business intelligence adalah seperangkat teori, metodologi, proses, arsitektur, dan teknologi yang mentransformasikan data bisnis dan memungkinkan
4 pemanfaatan pengetahuan dalam pengambilan keputusan yang lebih efektif, taktis, dan operasional (Mustafa et al. 2013). Objek utama dalam business intelligence adalah memproses data dari beragam dan jenis sumber, mengintegrasikan, dan memvisualisasikannya secara komprehensif yang dapat memperkuat proses pengambilan keputusan. Pendekatan business intelligence dalam proses integrasi dapat membantu organisasi dalam memanfaatkan bisnis informasi secara efektif. Selain itu, business intelligence memungkinkan stakeholders untuk membuat keputusan yang lebih baik dan membantu organisasi untuk mencapai tujuan yang diinginkan (Mustafa et al. 2013). SpagoBI merupakan salah satu contoh aplikasi open source yang digunakan pada pengembangan framework berbasis business intelligence (Cazzin 2012). Aplikasi yang dirilis tahun 2005 ini menyediakan banyak modul yang menunjang arsitektur pada business intelligence (Golfarelli 2009). Location Intelligence dan GEO Engine Location intelligence merupakan salah satu modul analitik yang terdapat dalam aplikasi SpagoBI. Modul ini dapat menggabungkan data geografis yang didapat dari geographic information system (GIS) dengan data business intelligence (BI) untuk mendapatkan informasi penting, mendukung pengambilan keputusan, dan mengoptimalkan proses bisnis (Cazzin 2012). SpagoBI menyediakan dua engine geografis yang berbeda sebagai penunjang modul ini dalam proses integrasi antara data geografis dan data bisnis, yakni GEO engine dan GIS engine. Pada penelitian ini akan difokuskan pada penggunaan GEO engine. GEO engine merupakan mesin yang menghasilkan peta statis untuk digunakan dalam domain geografis atau memberikan representasi grafis untuk struktur lain, seperti diagram alur proses (Cazzin 2012). Kelebihan GEO engine dibandingkan dengan GIS engine yakni mesin ini menggunakan data geografis berbentuk peta statis dalam format SVG. Format peta ini dipilih karena dapat merepresentasikan objek grafis peta tanpa harus terkait dengan sistem spasial yang sebenarnya (layanan peta dan fitur web pada GIS server). Pada GEO engine menggunakan fungsi level dan hirarki yang terdapat pada template berbasis XML. Template tersebut digunakan untuk mengintegrasikan dan reagregasi data geografis dengan data bisnis yang tersimpan dalam bentuk data warehouse. Selain itu, template juga digunakan sebagai ukuran distribusi untuk visualisasi peta statis melalui operasi drill down dan roll up secara cepat. Pada penelitian ini, operasi drill down ditunjukkan dengan mengganti level provinsi ke level kabupaten sedangkan operasi roll up dilakukan sebaliknya. GEO engine juga terdapat beberapa fitur lain untuk mendukung visualisasi peta, antara lain terdapat kolom parameter navigasi, legenda, layer, dan measure. Selain itu, mesin ini juga dapat menampilkan rincian keterangan berdasarkan subjek yang dipilih untuk setiap daerah secara cepat. Sebagai contoh, ketika suatu wilayah dilakukan seleksi, maka pada kolom parameter measure, layer, dan legenda akan menampilkan rincian informasi sesuai dengan daerah yang dipilih dan range sesuai dengan interval yang telah dibuat (Cazzin 2012).
5
METODE Data Penelitian Spatial data warehouse titik panas yang digunakan pada penelitian ini diperoleh dari penelitian sebelumnya yakni Hasanah dan Trisminingsih (2016). Spatial data warehouse titik panas ini mempunyai rentang dari bulan Januari 2006 hingga bulan Januari 2015 dan mencakup seluruh kabupaten dan provinsi yang terdapat di Indonesia. Selain itu, penelitian ini menggunakan peta administratif kabupaten dan provinsi di Indonesia tahun 2014 yang didapat dari Badan Informasi Geospasial (BIG) dalam bentuk format .shp. Tahapan Penelitian Tahapan pengerjaan yang dilakukan pada penelitian ini dapat dilihat pada Gambar 1. Analisis spatial data
warehouse titik panas dan sistem SOLAP titik panas
Perancangan dan implementasi modul static location intelligence
Mulai
Perancangan dan implementasi modul reporting
Tidak Selesai
Sesuai
Apakah jumlah hotspot di setiap modul sesuai dengan database?
Visualisasi dan pengujian fungsionalitas modul
Gambar 1 Tahapan penelitian pembuatan modul static location intelligence Analisis Spatial Data Warehouse Titik Panas dan Sistem SOLAP Titik Panas Tahapan awal dalam pengerjaan penelitian ini adalah menganalisis spatial data warehouse titik panas yang diperoleh dari penelitian Hasanah dan Trisminingsih (2016). Tahap ini dilakukan untuk mengidentifikasi dan mengetahui karakteristik bentuk spatial data warehouse yang akan digunakan. Selain itu, pada tahap awal ini dilakukan analisis sistem SOLAP titik panas peneliti sebelumnya. Tahap ini dilakukan untuk mengetahui arsitektur, alur kerja, dan visualisasi sistem SOLAP yang telah dilakukan oleh peneliti sebelumnya, yakni Hasanah dan Trisminingsih (2016) dan Adriansyah (2016). Perancangan dan Implementasi Modul Static Location Intelligence Setelah dilakukan analisis spatial data warehouse dan sistem SOLAP, tahap berikutnya yakni merancang modul static location intelligence menggunakan
6 SpagoBI GEO engine. Perancangan modul static location intelligence meliputi pembuatan dan konfigurasi peta statis, pembuatan dataset, pembuatan GEO template, dan memuatkan komponen tersebut pada aplikasi SpagoBI server. Tahapan yang dilakukan pada perancangan modul static location intelligence ditunjukkan pada Gambar 2. Pembuatan dan konfigurasi peta statis SVG
Pembuatan dataset dan GEO template berformat XML
Memuatkan peta statis, dataset dan template pada SpagoBI server
Gambar 2 Tahapan perancangan modul static location intelligence Pembuatan peta statis melibatkan peta administratif BIG untuk bagian kabupaten dan provinsi. Kemudian peta statis tersebut dilakukan konfigurasi atribut, hirarki, dan level yang berpengaruh pada pembuatan dataset dan GEO template berkodekan XML. Selanjutnya peta statis, dataset, dan GEO template dimuat ke dalam server dan GEO engine akan mengintegrasikan ketiga komponen tersebut untuk divisualisasikan. Perancangan dan Implementasi Modul Reporting Perancangan modul reporting ditujukan untuk memperjelas informasi pada daerah yang dipilih pada visualisasi peta statis. Pada tahap ini dilakukan perancangan modul reporting menggunakan aplikasi SpagoBI Studio. Tahapan yang dilakukan pada perancangan modul reporting ditunjukkan pada Gambar 3. Pembuatan data source dan dataset
Pembuatan tabel, grafik dan report parameter
Memuatkan dokumen report pada SpagoBI server dan konfigurasi analytical driver
Gambar 3 Tahapan perancangan modul reporting Visualisasi, Analisis, dan Pengujian Modul Setelah perancangan dan implementasi modul, langkah berikutnya yakni visualisasi spatial data warehouse menggunakan GEO engine. Hasilnya berupa peta statis kabupaten dan provinsi yang dapat menampilkan rekapitulasi persebaran titik panas dari tahun ke tahun. Selain itu, visualisasi modul ini menghasilkan dokumen reporting untuk memperjelas informasi jumlah titik panas untuk daerah yang dipilih. Berikutnya dilakukan pengujian fungsional untuk setiap modul. Pada tahap ini akan diuji fungsi utama aplikasi menggunakan metode black box. Pengujian dilakukan untuk mengevaluasi kinerja sistem dapat berjalan dengan baik. Selanjutnya dilakukan pengujian terhadap jumlah hotspot yang ditampilkan pada peta statis agar sesuai dengan data jumlah hotspot yang terdapat pada spatial data warehouse. Pengujian tersebut dilakukan dengan mengecek kueri yang digunakan untuk disesuaikan pada hasil visualisasi peta statis dan dokumen reporting.
7 Lingkungan Pengembangan Spesifikasi perangkat keras dan perangkat lunak yang digunakan untuk penelitian ini adalah sebagai berikut: 1 Perangkat lunak yang digunakan: a Sistem operasi Windows 8.1 Pro 64-bit build 9600, b Aplikasi SpagoBI 5.1 64-bit sebagai aplikasi SOLAP server untuk melakukan penambahan modul, c Java 8 Update 66 64-bit, d PostgresSQL JDBC 9.4.1208 64-bit sebagai connector database antara PostgreSQL dengan SpagoBI, e PostgreSQL 64-bit sebagai database server untuk menyimpan spatial data warehouse dengan ekstensi PostGIS, f Quantum GIS Wien 2.8.1 64-bit sebagai aplikasi untuk melakukan konfigurasi dan penyesuaian atribut peta BIG, g Website indiemapper.com sebagai aplikasi berbasis web untuk menyisipkan atribut data geografis ke dalam peta dan konversi format peta dari peta berformat .shp ke dalam peta berformat .svg, h Inkscape 0.91 64-bit sebagai aplikasi untuk melakukan konfigurasi level dan hirarki pada peta SVG, dan i Notepad++ 6.9.1 64-bit sebagai aplikasi untuk melakukan penambahan fitur tertentu yang dapat diterima oleh SpagoBI 2 Perangkat keras yang digunakan: a Processor Intel Pentium B940 CPU @2.0 GHz, b RAM 6 GB DDR3, dan c HDD 500 GB
HASIL DAN PEMBAHASAN Analisis Spatial Data Warehouse Titik Panas dan Sistem SOLAP Titik Panas Spatial data warehouse titik panas yang digunakan pada penelitian ini diperoleh dari penelitian sebelumnya yakni Hasanah dan Trisminingsih (2016). Spatial data warehouse tersebut dimuatkan ke dalam aplikasi PostgreSQL untuk digunakan sebagai database. Hasil spatial data warehouse tersebut mengandung 5 tabel yang terdiri atas 1 tabel fakta yakni fact_forestfire, 3 tabel dimensi yakni tb_lokasi, tb_satelit, tb_waktu, dan 1 tabel referensi EPSG yakni spatial_ref_sys. Hasil spatial data warehouse tersebut dapat dilihat pada Gambar 4.
8
Tabel Referensi EPSG
Tabel Fakta Tabel Dimensi
Gambar 4 Tabel dimensi dan fakta spatial data warehouse pada PostgeSQL Data peta kabupaten dan provinsi Indonesia yang digunakan bersumber dari Badan Informasi Geospasial (BIG). Data peta tersebut terdiri atas 5 atribut, antara lain kode_kab, nama_kab, kode_prop, nama_prop, dan id_kab_str. Hasilnya sebanyak 439 kabupaten dan 34 provinsi yang dikemas dalam bentuk file berekstensi .shp. Tabel data dan peta administratif tersebut dapat dilihat pada Gambar 5. a
b
Gambar 5 Bagan a) peta administratif dan b) tabel kabupaten dan provinsi di Indonesia Tahap selanjutnya yakni dilakukan analisis sistem SOLAP titik panas yang telah dibuat oleh peneliti sebelumnya, yakni Hasanah dan Trisminingsih (2016) dan Adriansyah (2016). Sistem SOLAP yang dibangun Hasanah dan Trisminingsih (2016) menggunakan modul multidimensional analysis untuk visualisasi data titik panas dalam bentuk kubus data OLAP. Sistem tersebut menggunakan skema data warehouse jenis skema bintang. Kubus data tersebut sudah dapat melakukan operasi-operasi SOLAP, antara lain drill down, roll up, slice, dan dice. Selain itu, Hasanah dan Trisminingsih (2016) membangun modul location intelligence untuk visualisasi data titik panas dalam bentuk peta dinamis menggunakan GIS engine.
9 Penelitian ini menggunakan spatial data warehouse titik panas dan skema data warehouse bintang milik Hasanah (2016). Skema bintang tersebut dapat dilihat pada Gambar 6.
Gambar 6 Skema bintang pada penelitian Hasanah (2016) Sementara itu, Adriansyah (2016) menambahkan kubus data cuaca dan dimensi stasiun pada sistem SOLAP sebelumnya menggunakan skema galaksi dan modul multidimensional analysis. Selain itu, Adriansyah (2016) juga membuat modul location intelligence dengan menggunakan dynamic map dan GIS engine, dengan tambahan modul free inquiry untuk membuat kueri sesuai keinginan pengguna. Contoh salah satu hasil penelitian milik Adriansyah (2016) yakni pembuatan modul free inquiry dapat dilihat pada Gambar 7.
Gambar 7 Hasil pembuatan modul free inquiry penelitian Adriansyah (2016)
Perancangan dan Implementasi Modul Static Location Intelligence Pembuatan dan konfigurasi peta statis Pada tahap ini dilakukan konfigurasi pada peta untuk mengubah struktur hirarki dan nama identitas peta agar sesuai dengan template dan dataset yang dibuat. Peta BIG yang didapat dari penelitian Hasanah dan Trisminingsih (2016) merupakan peta untuk level kabupaten. Oleh karena itu diperlukan peleburan semua poligon peta untuk membentuk level peta lebih tinggi, yakni untuk level provinsi. Pada penelitian ini hanya menggunakan satu level peta yang terdapat pada template untuk dipetakan oleh data titik panas yang telah dihubungkan. Proses peleburan
10 poligon dari level kabupaten menjadi level provinsi dilakukan pada aplikasi QGIS menggunakan fitur dissolve. Pada peta level kabupaten dilakukan proses data cleaning untuk menyesuaikan data atribut peta dengan keluaran dataset yang sudah dikuerikan. Peta hasil data cleaning kemudian dipecah ke dalam 6 bagian pulau besar agar peta tersebut dapat dimuatkan ke dalam SpagoBI. Keenam bagian pulau tersebut antara lain Pulau Sumatera, Kepulauan Maluku dan Irian, Kalimantan, Kepulauan Bali dan Nusa Tenggara, Jawa, dan Sulawesi. Ini disebabkan aplikasi SpagoBI hanya dapat memuat peta SVG dengan ukuran maksimal 5 MB, sedangkan hasil dari pengolahan ini (tanpa dipisah per pulau) akan didapat peta dengan ukuran lebih dari 5 MB. Hasil pemecahan tersebut dikelompokkan ke dalam folder baru per masingmasing pulau besar untuk digabungkan kembali berdasarkan provinsi yang terdapat pada pulau tersebut. Proses data cleaning, pemecahan, dan penggabungan kembali dilakukan pada aplikasi QGIS. Tahapan konversi peta dari peta berformat .shp ke dalam peta berformat .svg sekaligus penyisipan data peta menggunakan aplikasi web indiemapper. Hal ini dilakukan karena peta yang dimuat harus dalam ekstensi .svg dengan kode program .xml agar mudah dilakukan asosiasi dengan template yang dibuat. Selain itu, data spasial yang dimiliki tiap kabupaten dapat langsung tersisipi pada peta statis tersebut. Hasil dari tahapan ini berupa peta statis berformat .svg hasil konversi yang sudah tersisipi oleh data atribut peta. Tahap selanjutnya yakni konfigurasi hirarki dan level agar sesuai dengan hirarki yang terdapat pada template dan salah satu kolom yang akan diambil pada dataset. Konfigurasi hirarki tersebut dilakukan pada aplikasi Inkscape. Setelah peta disimpan, peta dilakukan pengaturan kembali untuk ditambahkan fitur tertentu yang dapat diterima oleh GEO engine pada SpagoBI. Fitur tersebut antara lain viewBox pada blok svg dan pengubahan style warna dari format style=”fill:#ffffff" menjadi fill="#ffffff" pada blok hirarki. Hal ini disebabkan SpagoBI tidak dapat menerima format yang telah dihasilkan oleh Inkscape secara langsung dan akan mengalami masalah pada saat dilakukan rendering. Tahap terakhir yakni pengecekan nama kabupaten yang sudah disisipkan dan disesuaikan sebelumnya. Proses pengaturan kembali dan penambahan fitur dilakukan pada aplikasi Notepad++. Pada peta level provinsi dilakukan proses pengurangan bentuk poligon menggunakan fitur simplify geometries pada aplikasi QGIS. Ini dilakukan agar ukuran peta yang akan dimuatkan ke dalam SpagoBI tak melebihi dari batas maksimum peta statis yang ditentukan. Tahap berikutnya yakni data cleaning dengan menghapus kolom kode dan nama kabupaten sehingga hanya menyisakan kolom kode dan nama provinsi. Peta hasil proses data cleaning dilakukan konversi dari peta berformat .shp ke dalam peta berformat .svg menggunakan aplikasi web indiemapper. Peta SVG hasil konversi dilakukan konfigurasi hirarki, level, dan penambahan fitur dengan proses yang sama seperti pada peta level kabupaten. Pembuatan dataset SpagoBI Pembuatan dataset dilakukan untuk mendefinisikan jumlah hotspot yang ditampilkan pada visualisasi peta. Penelitian ini menggunakan dataset berupa kueri database yang menampilkan kolom kode provinsi, kode kabupaten, kabupaten, provinsi, dan jumlah hotspot untuk tiap tahunnya. Data jumlah hotspot yang digunakan mencakup data 10 tahun terakhir, yakni dari bulan Januari 2006 hingga
11 bulan Januari 2015. Potongan dataset yang digunakan dalam penelitian ini ditunjukkan oleh Gambar 8.
Gambar 8 Potongan kueri dataset yang digunakan dalam proses integrasi Pembuatan GEO template XML Proses integrasi data spasial dalam bentuk peta SVG dan data titik panas membutuhkan suatu komponen untuk menghubungkan kedua bentuk data tersebut. Pada modul static location intelligence dibutuhkan sebuah template berformat XML untuk menyesuaikan hirarki yang terdapat pada peta SVG dengan kolom hasil kueri yang terdapat pada database. Template yang dibuat terbagi menjadi 3 bagian utama, antara lain: a. Map Provider. Bagian ini berisi class_name yang digunakan untuk membaca peta statik yang telah disimpan dalam server dalam format SVG. Peta tersebut kemudian dipanggil sesuai dengan nama label dan nama file peta. Potongan bagian Map Provider untuk peta kabupaten pada Pulau Kalimantan dan peta provinsi dapat dilihat pada Gambar 9. a
b
Gambar 9 Bagian Map Provider untuk a) peta kabupaten pada Pulau Kalimantan dan b) peta provinsi b. Datamart Provider. Bagian ini berfungsi untuk membaca dan mengagregasikan data pada saat eksekusi. Bagian ini terdiri atas dua sub bagian utama. Sub bagian pertama yakni metadata. Sub bagian ini berfungsi untuk mendefinisikan struktur dari dataset yang diasosiasikan dengan level dan hirarki yang terdapat dalam peta. Selain itu, metadata juga berfungsi untuk menspesifikasikan kolom yang telah didefinisikan dalam dataset untuk ditempatkan kembali ke dalam dua atribut yang terdapat dalam metadata, yakni:
12 Geoid. Bagian ini berfungsi sebagai referensi geografis, yakni dengan mencocokkan kolom hasil dataset dengan hirarki dan level yang digunakan pada peta statis. Selain itu, geoid hanya diperbolehkan satu tipe kolom yang akan dicocokkan untuk satu dataset. Measure. Bagian ini berfungsi untuk memproduksi peta tematik yang divisualisasikan melalui bagian Map Renderer. Potongan sub bagian metadata untuk peta kabupaten pada Pulau Kalimantan dan peta provinsi dapat dilihat pada Gambar 10.
a
b Gambar 10 Potongan sub bagian metadata untuk a) peta kabupaten pada Pulau Kalimantan dan b) peta provinsi Sub bagian kedua yakni hierarchies. Sub bagian ini berfungsi untuk reagregasi data dari hirarki yang telah didefinisikan sebelumnya dan terbagi menjadi beberapa level. Level yang dibuat harus sesuai dengan nama kolom yang terdapat dalam database dan nama grup id pada peta statis untuk memudahkan proses integrasi. Potongan sub bagian hierarchies untuk peta kabupaten pada Pulau Kalimantan dan peta provinsi dapat dilihat pada Gambar 11.
a
b Gambar 11 Potongan sub bagian hierarchies untuk a) peta kabupaten pada Pulau Kalimantan dan b) peta provinsi
13 Selain kedua sub bagian utama, terdapat pula bagian tambahan yang dapat disisipkan sebagai reporting dalam visualisasi peta statis ini. Bagian tambahan tersebut yakni cross navigation. Bagian ini dapat dibuat relasi antar dokumen yang digunakan untuk memperjelas informasi yang diberikan pada saat visualisasi peta statis di SpagoBI. Dokumen yang dimaksud yakni laporan yang merepresentasikan wilayah peta yang hendak dicari informasinya lebih rinci dalam bentuk tabel dan grafik. Dokumen reporting tersebut sebelumnya dibuat dalam SpagoBI Studio yang berisikan tabel dan grafik batang untuk merepresentasikan informasi yang terdapat pada suatu wilayah peta yang dipilih. Bagian cross navigation menggunakan scope dataset agar dokumen dapat dieksekusi secara otomatis tanpa harus mengisikan parameter yang terdapat pada reporting yang telah dibuat sebelumnya. Selain itu, bagian cross navigation juga menggunakan mode tab agar dokumen reporting dapat dibuka di halaman lain untuk memudahkan proses navigasi. Potongan sub bagian cross navigation untuk peta kabupaten pada Pulau Kalimantan dan peta provinsi dapat dilihat pada Gambar 12.
a
b
Gambar 12 Potongan sub bagian cross navigation untuk a) peta kabupaten pada Pulau Kalimantan dan b) peta provinsi c. Map Renderer. Terdapat 2 sub bagian yang digunakan pada Map Renderer. Sub bagian pertama yakni measures yang berfungsi untuk mendeskripsikan measure yang telah didefinisikan pada bagian metadata dengan diberikan beberapa atribut tambahan. Atribut yang dimaksud antara lain: Threshold. Atribut threshold berfungsi untuk membagi nilai interval menjadi beberapa range yang dibutuhkan. Penelitian ini menggunakan threshold tipe quantile. Tipe quantile dapat membagi menjadi beberapa range secara otomatis dan pada penelitian ini menggunakan 6 range. Color. Atribut color berfungsi untuk pewarnaan terhadap tiap interval sehingga terdapat perbedaan warna antar interval. Penelitian ini menggunakan tipe interval gradient yang dapat memberikan warna secara otomatis per interval tergantung dari base color yang digunakan.
14 Sub bagian kedua yakni layer yang berfungsi untuk mendefinisikan layer mana yang akan dieksekusi pertama kali mengikuti level dan hirarki yang telah dibuat sebelumnya. Terakhir terdapat bagian tambahan yakni graphic user interface setting yang digunakan untuk konfigurasi antarmuka dan pengaktifan beberapa parameter yang ingin ditampilkan pada saat visualisasi. Potongan bagian Map Renderer untuk peta kabupaten pada Pulau Kalimantan dan peta provinsi dapat dilihat pada Gambar 13.
Gambar 13 Potongan Bagian Map Renderer untuk peta provinsi dan peta kabupaten pada Pulau Kalimantan Memuatkan peta statis, dataset dan template pada SpagoBI server Langkah berikutnya yakni memuatkan komponen modul ke dalam SpagoBI server untuk dilakukan visualisasi dan analisis. Komponen modul yang dimaksud mencakup peta SVG, template, dan dataset. Peta SVG, baik untuk peta provinsi maupun kabupaten dapat diunggah ke halaman Map yang terdapat pada menu Resources. Kemudian peta tersebut dilakukan penamaan label peta dan diusahakan nama label peta sama dengan nama file peta yang diunggah. Dataset ditempatkan ke dalam halaman Data Set yang terdapat pada menu Resources. Selanjutnya dibuat dokumen baru untuk menampilkan peta SVG pada menu Compose Document, dengan menempatkan dataset yang telah dibuat dan GEO template dalam satu dokumen.
Perancangan dan Implementasi Modul Reporting Pembuatan data source dan dataset Pada tahap ini dilakukan pembuatan dokumen reporting pada SpagoBI Studio terlebih dahulu untuk memperoleh form report yang ingin ditampilkan. Penelitian ini menggunakan bentuk dokumen jenis report saat pembuatan proyek baru pada SpagoBI Studio. Pembuatan data source dilakukan dengan cara mengkoneksikan SpagoBI Studio dengan database jumlah titik panas menggunakan JDBC connector berbasis Java. Pembuatan koneksi tersebut dilakukan untuk mempermudah akses ke database ketika dilakukan penarikan data melalui dataset. Penelitian ini menggunakan database ‘hotspot’ yang tersimpan di dalam aplikasi PostgreSQL. Tahapan pembuatan data source beserta koneksi ke database dapat dilihat pada Gambar 14.
15
a
c
b Gambar 14 Tahapan pembuatan data source dari a) membuat dokumen report baru, b) membuat data source baru, dan c) koneksi ke database menggunakan connector JDBC Tahapan kedua yakni pembuatan dataset. Penelitian ini menggunakan dataset yang sama seperti yang telah dibuat pada perancangan modul static location intelligence. Dataset tersebut kemudian ditempatkan pada suatu file untuk dilakukan operasi drag and drop. Data yang ditampilkan terdiri atas kolom kode provinsi, kode kabupaten, kabupaten, provinsi, dan jumlah hotspot untuk tiap tahunnya. Pembuatan dataset baru dan potongan dataset dapat dilihat pada Gambar 15. b
a Gambar 15 Tahapan pembuatan dataset mulai dari a) membuat file dataset baru dan b) menyalin dataset yang telah dibuat Pembuatan tabel, grafik, dan report parameter Pada tahap ini dilakukan pembuatan tabel dan grafik untuk divisualisasikan ke dalam form reporting. Pada pembuatan tabel dilakukan dengan menggunakan operasi drag and drop. Maksud dari operasi ini yakni menyeret file dataset yang telah dibuat sebelumnya untuk ditempatkan pada form report yang telah dipilih. Tahap selanjutnya yakni konfigurasi antarmuka pada tabel, seperti mengatur lebar
16 antar kolom dan pemberian warna pada kolom. Potongan pembuatan tabel pada form reporting dapat dilihat pada Gambar 16.
Gambar 16 Potongan pembuatan visualisasi tabel hasil operasi drag and drop dari file dataset ke dalam form reporting Tahap berikutnya yakni pembuatan grafik. Penelitian ini menggunakan grafik mode batang. Pemilihan grafik mode batang ini dilakukan dengan menyeret chart template untuk ditempatkan ke dalam form reporting dan memilih bentuk grafik yang akan digunakan. Setelah pemilihan bentuk grafik, tahap berikutnya yakni pemilihan dataset, memilih sumbu-X dan sumbu-Y, serta memilih jenis pengelompokkan yang akan ditampilkan pada visualisasi grafik. Tahap terakhir yakni konfigurasi grafik dengan menambahkan judul grafik dan label untuk tiap sumbu dan legenda yang ditampilkan. Potongan pembuatan grafik untuk visualisasi reporting level kabupaten dapat dilihat pada Gambar 17.
a
b
c
Gambar 17 Potongan pembuatan visualisasi grafik batang mulai dari a) pemilihan bentuk grafik, b) memilih dataset yang digunakan, dan c) penambahan label judul grafik
17 Setelah proses pembuatan tabel dan grafik, dilakukan pembuatan report parameter pada form reporting. Pembuatan report parameter diperlukan agar wilayah yang dipilih pada saat visualisasi peta statis dapat langsung terkoneksi dengan form reporting melalui operasi cross navigation. Selain itu, pembuatan report parameter dilakukan agar mendapatkan informasi yang lebih rinci dari wilayah peta yang telah dipilih saat visualisasi peta. Tahapan awal dalam pembuatan report parameter ini yakni membuat file parameter baru yang berisikan label parameter pada tab data explorer. Penelitian ini membuat 2 parameter, yakni parameter provinsi untuk level provinsi dan parameter kabupaten untuk level kabupaten. Tahap berikutnya yakni penambahan filter pada dataset. Filter tersebut berisi kondisi untuk memilih salah satu kolom pada dataset yang telah dibuat untuk dihubungkan dengan parameter baru hasil operasi build expression. Penelitian ini menggunakan kondisi equal to untuk menghubungkan antara kolom dataset dengan parameter baru. Parameter tersebut kemudian akan dipanggil oleh SpagoBI server untuk dicocokkan dan dihubungkan dengan parameter yang dibuat pada server. Label dan isi parameter yang akan dihubungkan harus mempunyai nilai string yang sama untuk tiap level. Potongan pembuatan report parameter pada reporting untuk peta level kabupaten dapat dilihat pada Gambar 18. a
b
d
c
Gambar 18 Potongan pembuatan report parameter mulai dari a) pembuatan file parameter baru, b) penambahan filter baru pada dataset, c) pemilihan kolom pada dataset untuk dihubungkan dengan parameter baru melalui build expression, dan d) pembuatan expression builder untuk parameter baru
18 Memuatkan dokumen report pada SpagoBI server dan konfigurasi analytical driver Pada tahap ini dilakukan proses pemuatan (deploying) hasil pembuatan dokumen reporting dari SpagoBI Studio ke dalam SpagoBI server. Sebelumnya dilakukan pengkoneksian dokumen dari Studio ke server dengan membuat resources baru. Hal ini dilakukan untuk memudahkan proses deploy dokumen reporting ke SpagoBI server. Tahap berikutnya yakni proses deploy dokumen dengan menambahkan nama file dan jenis database yang dipakai. Tahapan pemuatan dokumen report dapat dilihat pada Gambar 19.
a
b
c
Gambar 19 Potongan pemuatan dokumen reporting mulai dari a) membuat resources baru, b) mengisi kolom dan menyesuaikan konten yang terdapat pada server, dan c) pemuatan (deploy) dokumen reporting Tahapan selanjutnya yakni pembuatan dan konfigurasi analytical driver pada file reporting yang telah dimuatkan ke dalam SpagoBI server. Tahap ini dilakukan agar ketika salah satu wilayah pada visualisasi peta dipilih, analytical driver akan melakukan filter terhadap informasi wilayah peta tersebut. Hasil filter tersebut kemudian dinavigasikan ke dalam dokumen reporting melalui masukkan string berdasarkan nama wilayah dan level peta yang dipilih. Tahapan awal dalam pembuatan analytical driver yakni membuat file kueri pada list of values menggunakan fitur lovs management. File ini berisi kueri yang akan mendefinisikan nilai string pada parameter yang telah dilakukan filter terhadap wilayah peta yang dipilih. Selain itu, pada file dilakukan penamaan pada label untuk pemanggilan saat pembuatan analytical driver baru. Tahap berikutnya yakni pembuatan analytical driver baru pada dokumen reporting yang telah dimuatkan sebelumnya. Pada dokumen reporting ditambahkan komponen analytical driver yang berisi title, analytical driver, url name, priority, visible, required, multivalue, dan colspan. Kolom analytical driver berisi nama file kueri dari list of values yang dibungkus kembali menjadi file baru untuk ditempatkan ke dalam kolom analytical driver. Penamaan url name harus sama dengan parameter yang telah dibuat pada dokumen reporting di SpagoBI Studio agar dapat ternavigasi secara langsung ketika dilakukan operasi cross navigation. Potongan proses pembuatan analytical driver pada dokumen reporting di SpagoBI server untuk peta level provinsi dapat dilihat pada Gambar 20.
19
a
b
c
Gambar 20 Potongan konfigurasi analytical driver mulai dari a) membuat file kueri pada list of values, b) membuat file baru untuk analytical driver, dan c) pengisian kolom pada analytical driver details
Visualisasi, Analisis, dan Pengujian Modul Visualisasi dan analisis modul static location intelligence Setelah dilakukan pengunggahan komponen modul, berikutnya dilakukan visualisasi modul static location intelligence pada SpagoBI server. Hasil visualisasi tersebut dapat dilihat pada Gambar 21 untuk peta seluruh provinsi di Indonesia. Terdapat kolom Geo Dimension yang berfungsi untuk memilih hirarki dan level yang diinginkan. Kolom Geo Dimension terhubung dengan kolom Map yang akan menampilkan nama peta, atribut tiap level yang dipilih, dan peta statis yang akan ditampilkan. Penelitian ini hanya menggunakan salah satu hirarki yakni sum1 dengan level provinsi. Penggunaan salah satu level tersebut disebabkan adanya perbedaan bentuk pengelompokkan antara level provinsi dan kabupaten. Oleh karena itu, diperlukan konfigurasi ulang pada GEO engine untuk menampilkan
20 kedua bentuk level tersebut dalam satu peta secara bersamaan. Selain itu, kolom Map belum dapat mengganti peta secara otomatis dalam satu antar muka. Oleh karena itu, diperlukan sinkronisasi ulang antara kolom Map dan kolom Geo Dimension agar dapat menampilkan peta statis sesuai level dan peta yang akan ditampilkan.
Gambar 21 Visualisasi peta statis SVG provinsi di Indonesia hasil pembuatan modul static location intelligence Terdapat 4 parameter utama yang digunakan, yakni navigation, measures, detail, dan legend. Parameter navigation berfungsi untuk memperjelas daerah peta yang dipilih dengan melakukan zoom in atau zoom out. Parameter measure berfungsi untuk menampilkan jumlah hotspot yang dihasilkan per tahunnya untuk seluruh wilayah di Indonesia. Parameter ini mempengaruhi perubahan warna pada peta sehingga mengikuti dataset yang telah dihasilkan sebelumnya untuk dipetakan. Parameter detail berfungsi untuk menampilkan summary hasil rekapitulasi persebaran jumlah hotspot pada suatu wilayah untuk rentang bulan Januari 2006 sampai bulan Januari 2015. Mode yang ditampilkan yakni mode value untuk nilai jumlah hotspot pada provinsi yang dipilih. Terakhir parameter legend berfungsi untuk menampilkan rentang warna yang dihasilkan sesuai dengan mode interval yang telah ditentukan sebelumnya dalam template. Jika salah satu rentang warna tersebut diklik, maka akan membuka parameter baru yakni color picker. Parameter ini dapat mengubah warna tiap interval sesuai kebutuhan pengguna. Bila ingin memperoleh informasi lebih rinci mengenai daerah yang dipilih, daerah tersebut dapat diklik dan akan ternavigasi menuju dokumen reporting yang telah dibuat sebelumnya. Sebagai contoh bila dipilih Provinsi Kalimantan Tengah, maka akan ternavigasi ke dalam reporting secara otomatis yang akan terbuka di tab baru. Terdapat dua jenis reporting yang ditampilkan dalam satu dokumen, yakni mode tabel dan mode grafik batang. Terlihat bahwa Provinsi Kalimantan Tengah yang sebelumnya dipilih menghasilkan informasi yang lebih rinci per kabupaten yang terdapat pada provinsi tersebut beserta fluktuasi per tahunnya. Jumlah hotspot tertinggi terdeteksi pada tahun 2006 mencapai di atas 2500 titik, dengan kabupaten antara lain Kapuas, Katingan, Kotawaringin Barat, Kotawaringin Timur, Pulangpisau dan Seruyan. Hasil reporting tersebut dapat dilihat pada Gambar 22.
21
a
b
Gambar 22 Dokumen reporting hasil cross navigation visualisasi modul static location intelligence peta provinsi untuk a) mode tabel dan b) mode bar chart Pada peta kabupaten, struktur visualisasi yang dimiliki hampir sama dengan peta provinsi yang telah dijelaskan sebelumnya. Parameter yang ditampilkan pada visualisasi peta statis kabupaten sama halnya dengan parameter pada visualisasi peta statis pada peta provinsi. Penelitian ini menggunakan peta kabupaten Pulau Kalimantan dengan memilih Kabupaten Kotawaringin Timur yang terdapat pada Provinsi Kalimantan Tengah untuk jumlah titik panas pada tahun 2008. Hasil visualisasi tersebut dapat dilihat pada Gambar 23.
22
Gambar 23 Visualisasi peta statis SVG kabupaten pada Pulau Kalimantan hasil pembuatan modul static location intelligence Langkah berikutnya yakni mencari informasi lebih lanjut dengan memilih daerah tersebut untuk dinavigasikan dengan dokumen reporting. Bentuk reporting yang diberikan yakni dalam bentuk tabel yang berisi rekapitulasi jumlah titik panas untuk Kabupaten Kotawaringin Timur dari bulan Januari 2006 hingga bulan Januari 2015. Hasil dokumen reporting untuk peta kabupaten yang ditunjukkan pada Gambar 24.
Gambar 24 Dokumen reporting hasil cross navigation visualisasi modul static location intelligence pada peta Kabupaten Kotawaringin Timur Bentuk reporting kedua yakni dalam bentuk bar chart yang terbagi ke dalam bentuk kuartil per 3 bulan, yakni Q1 (Januari-Maret), Q2 (April-Juni), Q3 (JuliSeptember), dan Q4 (Oktober-Desember). Dipilihnya bentuk kuartil per 3 bulan disebabkan nomor kolom id_waktu pada tabel tb_waktu bukan merupakan
23 pengulangan per 12 sesuai banyaknya bulan, melainkan terus bertambah hingga puluhan dan ratusan. Hal ini mengakibatkan pengaturan sumbu-X pada grafik menjadi tak berurutan ketika dipilih bentuk per bulan. Oleh karena itu, diperlukan teknik lainnya yakni menggunakan operasi modulo 12 untuk memperbaiki urutan nomor pada kolom id_waktu dalam pengaturan grafik bentuk per bulan. Pengujian modul static location intelligence dan modul reporting Pengujian dilakukan untuk memastikan fungsi yang terdapat pada modul static location intelligence dan modul reporting dapat berjalan sesuai dengan yang diharapkan. Pengujian yang dilakukan menggunakan metode black box. Skenario dan hasil uji untuk modul static location intelligence ditunjukkan oleh Tabel 1 dan Tabel 2 menunjukkan skenario dan hasil uji untuk modul reporting.
No 1
2
3
4
Tabel 1 Skenario dan hasil uji fungsi modul static location intelligence Pengujian Skenario Hasil yang Hasil Diharapkan Uji Menampilkan Memilih salah satu Perbedaan warna Berhasil visualisasi peta measure titik panas peta untuk setiap statis untuk peta pada salah satu tahun kabupaten dan provinsi dan provinsi kabupaten Menampilkan Memilih parameter Peta yang Berhasil zoom in dan navigation untuk ditampilkan menjadi zoom out peta perbesar atau lebih besar atau kecil perkecil tampilan peta Perbedaan Memilih salah satu Kecocokan data Berhasil warna sesuai daerah untuk pada peta dengan rentang warna dicocokkan dengan rentang warna yang dan perubahan rentang warna pada dimaksud, serta variasi parameter legend perubahan variasi pewarnaan peta dan mengganti warna peta dari satu measures sesuai measures ke keinginan measures lainnya Cross Memilih salah satu Muncul tab baru Berhasil navigation ke daerah untuk diklik yang menampilkan dokumen reporting untuk reporting terkait daerah yang dipilih
Tabel 2 Skenario dan hasil uji fungsi modul reporting Pengujian Skenario Hasil yang Diharapkan 1 Menampilkan Memilih salah satu Muncul dokumen visualisasi wilayah untuk dicari reporting dalam reporting dalam informasinya lebih bentuk tabel dan bentuk tabel dan rinci grafik pada tab grafik baru
No
Hasil Uji Berhasil
24
No 2
3
Tabel 2 Skenario dan hasil uji fungsi modul reporting (lanjutan) Pengujian Skenario Hasil yang Hasil Diharapkan Uji Menampilkan Memilih salah satu Data titik panas yang Berhasil data titik panas wilayah dan ditampilkan sesuai yang sesuai mengecek data titik dengan wilayah yang dengan wilayah panas yang dipilih, baik dalam yang dipilih ditampilkan pada bentuk tabel maupun dokumen reporting grafik dengan kueri yang diujikan Mencetak dan Memilih menu file Dokumen reporting Berhasil mengunduh dan fitur print pada sudah tercetak dalam dokumen visualisasi bentuk pdf dan dapat reporting dalam dokumen reporting diunduh melalui web bentuk pdf browser
SIMPULAN DAN SARAN Simpulan Hasil skenario pengujian yang dilakukan pada modul static location intelligence dan modul reporting menunjukkan bahwa semua fungsional yang diujikan telah berhasil dieksekusi dengan baik. Hal ini terlihat dari penambahan modul static location intellligence untuk sistem SOLAP titik panas di Indonesia telah berhasil dibuat menggunakan SpagoBI GEO engine. Hasil dari penambahan modul ini berupa visualisasi peta statis SVG yang terintegrasi dengan data spasial hotspot. Visualisasi tersebut dapat menampilkan perbedaan warna berdasarkan jumlah hotspot di tiap provinsi dan kabupaten pada peta. Selain itu, modul ini terintegrasi dengan modul reporting yang didokumentasikan dalam bentuk tabel dan grafik dan ditampilkan pada tab baru untuk wilayah yang dipilih. Saran Saran untuk penelitian selanjutnya adalah mengkonfigurasikan bagian Geo Dimension pada visualisasi modul agar dapat menampilkan dua level (provinsi dan kabupaten) dalam satu peta sekaligus. Saran berikutnya yakni sinkronisasi pada bagian Map agar dapat mengganti peta hanya pada satu visualisasi antar muka. Pada visualisasi peta statis dilakukan penambahan label data per bulan pada parameter detail untuk wilayah terpilih dan dibuat terurut per tahun atau per bulannya. Selain itu, pada penelitian selanjutnya menambahkan tampilan per bulan menggunakan operasi modulo 12 untuk memudahkan dalam pengaturan sumbu-X pada grafik dan navigasi lebih rinci pada tabel reporting.
25
DAFTAR PUSTAKA Adinugroho WC, Suryadiputra NN, Saharjo BH, Siboro L. 2004. Panduan pengendalian kebakaran hutan dan lahan gambut. Bogor (ID): Wetlands International. Adriansyah I. 2016. Penambahan kubus data cuaca pada sistem spatial online analytical processing (SOLAP) dengan SpagoBI [skripsi]. Bogor (ID): Institut Pertanian Bogor. Cazzin G. 2012. Business Intelligence with SpagoBI. Padua (IT): SpagoBI Competency Center. Golfarelli M. 2009. Open source BI platforms: A functional and architectural comparison. Di dalam: International Conference on Data Warehousing and Knowledge Discovery (pp. 287-297). Springer Berlin Heidelberg. Bologna (IT): University of Bologna. hlm 287-297. Han J, Kamber M, Pei J. 2012. Data Mining: Concept and Techniques. Ed ke-3. Amsterdam (NL): Elsevier. Hasanah GU, Trisminingsih R. 2016. Multidimensional Analysis and Location Intelligence Application for Spatial Data Warehouse Hotspot in Indonesia using SpagoBI. Di dalam: IOP Conference Series: Earth and Environmental Science (Vol. 31, No. 1, p. 012011). IOP Publishing. Malinowski E, Zimányi E. 2007. Spatial DataWarehouses: Some Solutions and Unresolved Problems. Di dalam: Databases for Next Generation Researchers, 2007. SWOD 2007. IEEE International Workshop on (pp. 1-6). Istanbul, Turkey. Piscataway (US):IEEE. hlm 1-6. Mustafa M, Aliff A, Yazid M. 2013. Heterogeneous spatial data integration process using business intelligence approach. Di dalam: International Journal of Computer Science and Information Technologies. Vol 4(6). Kuala Trengganu, Malaysia (MY): Universiti Malaysia Trengganu. hlm 967-973. [P3KH] Pedoman Pelaporan Pengendalian Kebakaran Hutan. 2014. Peraturan Direktur Jenderal Perlindungan Hutan dan Konservasi Alam Nomor P.24/IVSET/2014 tentang Pelaporan Pengendalian Kebakaran Hutan. Jakarta (ID): PHKA. [PKH] Pengendalian Kebakaran Hutan. 2009. Peraturan Menteri Kehutanan Republik Indonesia Nomor P.12 Tahun 2009 tentang Pengendalian Kebakaran Hutan. Jakarta (ID): PKH. Prasidapati A. 2009. Pemantauan kebakaran melalui satelit [internet]. [diakses pada 2015 Desember 31]. Tersedia pada: http://kalteng.go.id/ogi/viewarticle.asp?ar ticle_id=831 [SpagoBI]. 2015. Geo template [internet]. [diakses pada 2016 Februari 25]. Tersedia pada: http://wiki.spagobi.org/xwiki/bin/view/spagobi_server/geo_te mplate
26
LAMPIRAN Lampiran 1 Hasil visualisasi peta statis untuk level kabupaten
Visualisasi peta statis untuk level kabupaten pada Pulau Sumatera
Visualisasi peta statis untuk level kabupaten pada Pulau Jawa
Visualisasi peta statis untuk level kabupaten pada Kepulauan Bali dan Nusa Tenggara
27 Lampiran 1 Hasil visualisasi peta statis untuk level kabupaten (lanjutan)
Visualisasi peta statis untuk level kabupaten pada Pulau Kalimantan
Visualisasi peta statis untuk level kabupaten pada Pulau Sulawesi
Visualisasi peta statis untuk level kabupaten pada Kepulauan Maluku dan Irian Jaya
28 Lampiran 2 Pemecahan dan penggabungan peta statis berformat shapefile untuk level kabupaten pada Pulau Kalimantan menggunakan aplikasi QGIS
Menambahkan file peta berformat .shp ke dalam aplikasi QGIS
Memecah peta menjadi per provinsi berdasarkan unique ID menggunakan fitur Vector > Data Management Tools > Split Vector Layer
Menggabungkan peta yang telah dipecah tersebut menggunakan fitur Vector > Merge Shapefile to One > gabungkan potongan shapefile tersebut menjadi satu file berekstensi .shp dan tempatkan pada satu folder
29 Lampiran 3 Konversi peta statis berformat .shp menjadi berformat .svg yang sudah tersisipi atribut untuk level kabupaten pada Pulau Kalimantan pada web aplikasi indiemapper
Unggah file berformat .shp dan .dbf ke dalam web aplikasi indiemapper
Lakukan pengaturan pada peta, seperti mengganti warna stroke dan fill
Menyimpan hasil pengaturan peta dengan format .svg. Peta SVG ini sudah tersisipi dengan data atribut untuk peta kabupaten pada Pulau Kalimantan
30 Lampiran 4 Konfigurasi hirarki dan level serta penamaan kembali wilayah untuk level kabupaten pada Pulau Kalimantan menggunakan aplikasi Inkscape
Konfigurasi kembali pada penebalan stroke dan penghapusan beberapa atribut yang tidak terkait
a
b
a) Konfigurasi hirarki dan level kabupaten, serta b) penamaan kembali nama wilayah kabupaten
31 Lampiran 5 Penambahan fitur viewBox, pengaturan hirarki dan level peta, serta pengubahan style warna menggunakan aplikasi Notepad++
a
b
c
a) Penambahan fitur viewBox, b) pengecekan dan konfigurasi level, serta c) pengubahan style peta statis Lampiran 6 Kode XML GEO template untuk visualisasi peta statis kabupaten pada Pulau Kalimantan <MAP> <MAP_PROVIDER class_name="it.eng.spagobi.engines.geo.map.provider.SOMapProvider" map_name="kalimantan" /> <METADATA>
32 Lampiran 6 Kode XML GEO template untuk visualisasi peta statis kabupaten pada Pulau Kalimantan (lanjutan)
33 Lampiran 6 Kode XML GEO template untuk visualisasi peta statis kabupaten pada Pulau Kalimantan (lanjutan)
34 Lampiran 6 Kode XML GEO template untuk visualisasi peta statis kabupaten pada Pulau Kalimantan (lanjutan)
selected="true"
<WINDOWS> true 1 scale(1.0) true
35 Lampiran 6 Kode XML GEO template untuk visualisasi peta statis kabupaten pada Pulau Kalimantan (lanjutan) titlebarStyles:{"fill":"steelblue","stroke":"dimgray","strokewidth":1}, titlebarHeight: 17, statusbarStyles:{"fill":"aliceblue","stroke":"dimgray","strokewidth":1}, statusbarHeight: 13, titletextStyles:{"font-family":"Arial,Helvetica","fontsize":14,"fill":"white"}, statustextStyles:{"font-family":"Arial,Helvetica","fontsize":10,"fill":"dimgray"}, buttonStyles:{"fill":"steelblue","stroke":"white","strokewidth":2} } ]]> <WINDOW name='navigation'> true Navigation true true <WINDOW name='measures'> true Measure true true false
36 Lampiran 6 Kode XML GEO template untuk visualisasi peta statis kabupaten pada Pulau Kalimantan (lanjutan) titlebarStyles:{"height":19,"fill":"steelblue","stroke":"dimgray", "stroke-width":0.5}, titlebarHeight: 17, titletextStyles:{"font-family":"Arial,Helvetica","fontsize":16,"fill":"white"}, statustextStyles:{"font-family":"Arial,Helvetica","fontsize":10,"fill":"dimgray"}, buttonStyles:{"fill":"steelblue","stroke":"white","strokewidth":2} } ]]> <WINDOW name='layers'> false Layers <WINDOW name='detail'> true Detail false false <WINDOW name='legend'> true Hotspot Legend true true
37 Lampiran 6 Kode XML GEO template untuk visualisasi peta statis kabupaten pada Pulau Kalimantan (lanjutan) windowStyles:{"height":200,"width":235,"fill":"#ffffff","stroke":" dimgray","stroke-width":1}, titlebarStyles:{"height":19,"width":235,"fill":"steelblue","stroke ":"dimgray","stroke-width":0.5}, titlebarHeight: 17, statusbarStyles:{"fill":"aliceblue","stroke":"dimgray","strokewidth":1}, statusbarHeight: 13, titletextStyles:{"font-family":"Arial,Helvetica","fontsize":16,"fill":"white"}, statustextStyles:{"font-family":"Arial,Helvetica","fontsize":10,"fill":"dimgray"}, buttonStyles:{"fill":"steelblue","stroke":"white","strokewidth":2} } ]]> <WINDOW name='colourpicker'> true Colour Picker true true
38 Lampiran 6 Kode XML GEO template untuk visualisasi peta statis kabupaten pada Pulau Kalimantan (lanjutan) false true true 5.0 80 160 12px 1.0
39
RIWAYAT HIDUP Penulis dilahirkan di DKI Jakarta pada tanggal 5 Oktober 1994 dari pasangan (Alm) Periyanto dan Ibu Ratih Dwiratnawati. Penulis merupakan anak kedua dari dua bersaudara. Pada tahun 2012, penulis lulus dari SMA Negeri 68 Jakarta dan lulus seleksi masuk Institut Pertanian Bogor (IPB) melalui jalur SNMPTN Tulis serta diterima di Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA). Selama mengikuti perkuliahan, penulis pernah aktif menjadi pengurus Dewan Perwakilan Mahasiswa (DPM) FMIPA IPB periode 2013/2014 Dewan Perisai Putih sebagai staf Komisi IV. Pada tahun 2015 penulis melaksanakan Praktik Kerja Lapangan (PKL) di PT Telekomunikasi Indonesia Jakarta Selatan pada divisi Billing and Collection. Di tahun yang sama, penulis pernah mewakili IPB dalam lomba Pagelaran Mahasiswa Bidang Teknologi Informasi dan Komunikasi (Gemastik 8) UGM 2015 dan menjadi Finalis Tingkat Nasional untuk kategori User Experience Design bersama Tim HFA v4.9.
