perancangan dan implementasi data warehouse

ISSN: 1411-3082
PERANCANGAN DAN IMPLEMENTASI
DATA WAREHOUSE METEOROLOGI,
KLIMATOLOGI, GEOFISIKA DAN BENCANA ALAM
Agus Safril
[email protected]
Staff Sub Bidang Pelayanan Jasa Bidang Data Informasi
Balai Besar Meteorologi, Klimatologi, dan Geofisika Wilayah I Medan
ABSTRAK
BMKG telah memiliki data berasal dari beberapa sistem basis data historis (legacy system)
baik yang telah tersimpan dalam sistem informasi data base maupun data dalam bentuk
lembar kerja (worksheet). Data lama ini sering tidak digunakan ketika sistem data base baru
dikembangkan. Agar data lama tetap dapat digunakan, diperlukan integrasi data lama dan
baru. Data warehouse adalah konsep yang digunakan untuk mengintegrasikan data dalam
penyimpanan sistem data base terpadu BMKG. Integrasi data dilakukan dengan melakukan
ekstraksi dari sumber data dengan mengambil item data yang diperlukan. Sumber data
diperoleh dari sistem informasi yang ada di kelompok meteorologi, klimatologi dan geofisika.
Proses integrasi data dimulai dengan ekstraksi (extraction) kemudian dilakukan penyeragaman
(transformation) sehingga sesuai dengan format yang digunakan untuk kepentingan analisis.
Selanjutnya dilakukan proses penyimpanan dalam data warehouse (loading). Prototipe data
warehouse yang dibangun mencakup proses input data melalui ekstraksi data lama maupun
data baru menggunakan media perangkat lunak akuisisi data. Hasil keluaran (output) berupa
laporan data dengan perioda data sesuai dengan kebutuhan.
Kata kunci:
Data warehouse, Integrasi, Ekstraksi, Penyeragaman, loading
ABSTRACT
The data collections of BMKG is captured from the legacy systems that is stored in the
information systems or data worksheet. Sometimes the legacy system is not used when the
new DMBS has been developed. In order the legacy system usefull for DBMS of
BMKG, the data is integrated from the legacy systems to the new database systems. Data
warehouse is the concept to integrate data to the BMKG Data Base Management System
(DMBS). To integrate data, data is integrated the data sources from legacy systems that
has been stored in the meteorology ,climatology and geophysic information system. The
next steps is transformed to data that has the format accordance with the weather
analysis requirement. Finally, data must be loaded in to the data warehouse. The data
warehouse prototype that it is developed consist of data input troughout extract from
historical data an , new data use with the data acquisition software. The result is data
report that is accordance with the BMKG requirement to analyse the data.
Keywords:
Data warehouse, integration, extraction, transformation, loading
133
PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE METEOROLOGI, KLIMATOLOGI, GEOFISIKA DAN
BENCANA ALAM
Agus Safril
1. PENDAHULUAN
Sejak BMKG berdiri telah memiliki
beberapa sistem informasi yang berisi yang
data dalam berbagai format dengan sistem
informasi yang berbeda-beda. Sistem Informasi
yang telah dikembangkan BMKG antara lain
dari Sistem Informasi berbasis DOS seperti
Clicom; berbasis grafis seperti Microsoft
Access; berbasis text maupun dalam berbagai
bentuk lembar kerja dalam seperti Microsoft
Excel. Sumber data berasal dari pengamatan
dan di berbagai stasiun meteorologi,
klimatologi, maupun geofisika.
Untuk meningkatkan kualitas pelayanan
BMKG terus mengembangkan sistem Data
base. Permasalahan yang sering dialami ketika
membuat sistem baru seringkali memiliki
format yang sangat berbeda dengan sistem baru.
Bagi operator entri data terpaksa mengulang
pengisian data melalui hardcopy. Padahal
potensi data historis (legacy systems )dalam
bentuk softcopy dapat dioptimalkan dengan
mengintegrasikan kepada sistem baru sehingga
dapat menghembat tenaga, waktu dan biaya.
Untuk itu perlu dikembangkan sistem
informasi yang dapat mengintegrasikan sistem
data yang lama dan baru tanpa melakukan entri
data
ulang.
Konsep
data
warehouse
memberikan sebuah alternatif integrasi data
historis dari berbagai sumber data. Imhof
(1995) mendefinisikan data warehouse sebagai
suatu koleksi basis data yang terintegrasi yang
didesain untuk mendukung
fungsi sistem
pendukung keputusan.
Data
warehouse
tumbuh
sebagai
kebutuhan
dalam
berbagai
organisasi/perusahaan/bisnis untuk mengalisis
data histori yang dimiliki dan konsolidasi data
dari berbagai sumber dalam satu tempat
penyimpanan (repository) yang besar. Peran
mendasar dari sebuah data warehouse adalah
untuk menyediakan data untuk mendukung
pembuatan keputusan. Data warehouse adalah
suatu koleksi optimasi
data base untuk
mendukung
keputusan.
Konsep
ini
mengintegrasikan antara sistem lama dan sistem
baru sehingga tidak terjadi duplikasi data. Data
yang telah diintegrasikan dapat diolah dalam
berbagai bentuk laporan sesuai dengan
kebutuhan.
Proses data sebelum dilakukan loading
(memasukkan data ke data warehouse) terlebih
dahulu dilakukan ekstraksi data (extraction)
yaitu proses mendapatkan data dari sumber
data (source system). Setelah data diekstrak,
kemudian
dilakukan
transformasi
(transformation) yaitu proses mengkonversi
data ke dalam bentuk yang bermanfaat untuk
analisis. Untuk lebih jelasnya proses integrasi
data yang meliputi ekstraksi, transformasi dan
loading seperti pada gambar 1
Gambar 1
Proses Integrasi Data ke Dalam Data
Warehouse
Proses data sebelum dilakukan
loading
(memasukkan data ke data
warehouse) terlebih dahulu
dilakukan
ekstraksi data (extraction) yaitu proses
mendapatkan data dari sumber data (source
system). Setelah data diekstrak, kemudian
dilakukan transformasi (transformation)
yaitu proses mengkonversi data ke dalam
bentuk yang bermanfaat untuk analisis.
1.1. Ekstraksi data
Dalam pengembangan sebuah data
warehose proses ekstraksi informasi dari
sumber asli dan dipindahkan ke dalam data
warehouse merupakan hal yang sangat
penting. Hal ini disebabkan sejumlah besar
volume data akan dipindahkan dari sistem
sumber (legacy) ke dalam data warehouse
134
JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 132 – 144
ISSN: 1411-3082
dengan
ekstraksi data dilakukan secara
otomatis. Aturan yang berisi definisi proses
translasi dari sumber data data warehouse
harus ditetapkan (metadata). Sehingga tidak
semua yang yang tersedia di dalam data
sumber ditransfer ke dalam data warehouse.
Hanya item yang dibutuhkan yang
dipindahkan ke dalam data warehouse.
Informasi yang masuk ke dalam data
warehouse dapat datang dari internal sistem
(legacy system) maupun dari eksternal
organisasi.
1.2. Transformasi data (transformation)
Untuk mengkonversi data ke bentuk
yang disepakati dilakukan transformasi data
(transformation).
Ada
beberapa
permasalahan dalam transformasi yaitu :

Konversi data dari sistem yang
berbeda ke dalam bentuk yang
diinginkan..

Penyeragaman atau cleaning data.
Transformasi
dibutuhkan untuk
mengkonversi data ke dalam bentuk yang
bermanfaat untuk keperluan analisis.
Transformasi dilakukan dengan melakukan
proses penyeragaman (cleaning). Proses
cleaning dilakukan karena data yang dicatat
di organisasi dalam bentuk yang berbeda.
Data bisa disimpan dalam format yang
berbeda dan penyimpanan yang berbeda.
Data warehouse membutuhkan informasi
yang telah dilakukan
penyeragaman
sehingga bentuk data tersebut menjadi
seragam.
Proses penyeragaman (cleaning) data
membutuhkan beberapa langkah sebagai
berikut :
a. Menganalisis data untuk mendapatkan
ketidak akuratan, anomali, dan problem
yang lain terhadap data yang ada.
b. Melakukan transformasi data sehingga
data menjadi akurat dan konsisten.
c. Membuat
aturan dan batasan
(referential integrity).
d. Melakukan validasi data.
e. Membuat metadata.
f. Mendokumentasi
proses
untuk
digunakan pada masa yang akan datang.
Referential integrity mengacu kepada
kemampuan
untuk
mengidentifikasi
kebenaran setiap isi dari sebuah obyek
(misalnya
produk,
pelanggan
atau
pegawai). Sehingga hal ini menghasilkan
suatu pemeliharaan konsistensi
antara
hubungan dua buah tabel dalam sebuah
basis data relasional. Validitas mengacu
kepada penyediaan dan gambaran data
sesuai dengan
realitas sebenarnya.
Sedangkan meta data berisi tentang tipe
data, format dan arti tiap kolom.
1.3. Loading dan pengecekan data
Data yang masuk ke dalam data
warehouse haruslah benar. Apabila data
yang masuk merupakan informasi yang
salah maka informasi tersebut tidak akan
digunakan pengguna. Oleh karena itu perlu
dilakukan pengecekan meliputi satu atau
beberapa hal berikut :
1.3.1. Keseragaman (uniformity)
Menjamin bahwa data adalah di
dalam suatu aturan dengan batasan tertentu
(specified limits) atau aturan keseragaman.
1.3.2. Versi (version)
Pengecekan
versi
menekankan
bahwa format data dalam data sumber tidak
akan berubah. Pengecekan versi ini untuk
mendeteksi perubahan yang terjadi.
Misalnya pada format tahun 2000 antara
dua digit atau empat digit.
1.3.3. Kelengkapan (completeness)
135
PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE METEOROLOGI, KLIMATOLOGI, GEOFISIKA DAN BENCANA ALAM
Agus Safril
Data rangkuman yang dibuat adalah
sudah mewakili kebutuhan pengguna
(lengkap).
1.3.4. Kesesuaian (conformity)
Menjamin bahwa rangkuman yang
dibuat sesuai dengan kebutuhan. Sehingga
analisis data, laporan (reporting) dan nilai
sebelumnya memiliki nilai yang sama.
1.3.5.
Genealogi (drilldown)
Tilik rinci (Drill down) bermanfaat
untuk melihat kembali ke belakang terhadap
sumber data yang diperoleh
melalui
transformasi yang bermacam-macam. Tilik
rinci dilakukan dengan memanggil kembali
ketika menjawab
sebuah pertanyaan
pengguna tentang validitas data. Dengan
melakukan review nilai untuk tiap nilai
rangkuman (summary number), dapat
diikuti sampai ke sumbernya. Sehingga
dapat diketahui bahwa data tersebut adalah
benar.
Data data warehouse umumnya
diimplementasikan dalam bentuk sebuah
client-server. Ada beberapa arsitektur dasar
untuk data warehouse. Arsitektur data
warehouse terdiri dari
tiga komponen
(tiers). Komponen tersebut sebagai berikut
:
1. Data warehouse itu sendiri yang berisi
data dan perangkat lunak yang
berasosiasi dengannya.
2. Perangkat lunak akuisisi data (data
acquisition software) yang berguna
untuk mengekstraksi data dari sumber
data
warisan (legacy), membuat
rangkuman data (summary), dan
memindahkannya (loading) ke data
warehouse.
3. Perangkat lunak pengguna akhir (front
end) yang memberikan fasilitas bagi
para pengguna untuk mengakses dan
menganalisis
warehouse.
data
dalam
data
Dengan konsep data warehouse
tersebut BMKG dapat mengintegrasikan data
meteorologi, kalimatologi, geofisika, bencana
maupun data dalam bentuk image maupun
multimedia (data streaming). Berdasarkan pada
kondisi tersebut penulis mengambil tema
”Desain dan Implementasi
Sistem Data
warehouse di Balai Besar
Meteorologi,
Klimatologi, dan Geofisika wilayah I medan”.
1.4. Perumusan Masalah
Dari latar belakang pada penjelasan
sebelumnya dapat dirumuskan masalah sebagai
berikut :
a. Bagaimana mengembangkan model data
warehouse dan integrasi yang berasal dari
berbagai sumber dengan format yang
berbeda ?
b. Bagaimana mengembangkan prototipe
aplikasi sistem data warehouse ?
1.5. Batasan Masalah
Permasalahan pada penelitian ini
dibatasi pada:
a. Data yang digunakan dari Balai Besar
Meteorologi, Klimatologi dan Geofisika
Wilayah I Medan.
b. Implementasi tidak mencakup sampai
sistem pendukung keputusan (Decision
Support Tools), sebagai bentuk dari
pengembangan data warehouse yaitu untuk
pengolahan data online (Online Analytical
Processing) tetapi sampai dengan integrasi
data dan laporan sederhana.
1.6. Tujuan
Tujuan dari penelitian ini adalah
menghasilkan desain integrasi data, desain
model data warehouse dan membuat prototipe
data warehouse BMKG.
1.7.
Manfaat
Manfaat yang diharapkan dari penelitian
ini adalah memberikan rekomendasi prototipe
dan desain model data warehouse untuk dapat
136
JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 132 – 144
ISSN: 1411-3082
diterapkan dalam konsep pengembangan Data
Base
Meteorologi, Klimatologi, Geofisika
(BMKG) baik di tingkat pusat maupun daerah.
2. METODOLOGI
Metodologi dalam
pengembangan
prototipe data warehouse
menggunakan
rancangan spiral yang
meliputi : analisis
kebutuhan sistem, desain pembuatan kode, dan
testing yang dilakukan secara berulang hingga
didapatkan protipe yang sesuai dengan
kebutuhan. Perancangan sistem diperoleh dari
hasil dari analisis kebutuhan. Setelah diperoleh
analisis kebutuhan yang telah dilakukan
pengembangan data warehouse berdasarkan
cek (check list) dari (Gray dan Watson, 1998).
Adapun
desain data warehouse
BMKG
Wilayah I sebagai berikut :

Desain data warehouse yang
meliputi
sumber data (internal dan eksternal), proses
ekstraksi data, transformasi dan loading

Desain data warehouse meliputi subyek
yang melingkupi data warehouse, model
data (skema snowflake, desain fisik, dan
diagram alur (data flow diagram))

Implementasi prototipe data warehouse
3. ANALISIS DAN DESAIN
Analisis
adalah
kegiatan
untuk
mendapatkan kebutuhan pengguna untuk
dijadikan bahan bagi desain sistem informasi.
Hasil analis kebutuhan akan diterjemahkan ke
dalam bentuk desain sistem informasi data
warehouse.
3.1. Analisis Kebutuhan
Analisis kebutuhan dilakukan melalui
pengumpulan data berupa dokumen yang
digunakan untuk membangun data warehouse.
Dari analisis kebutuhan system akan didapatkan
informasi apa yang diperlukan untuk
pengembangan data warehouse.
Dalam
tahap
analisis
kebutuhan
dihasilkan : alur proses bisnis saat ini, sumber
data (legacy system) dan jenis data kebutuhan
penyajian data, arsitektur aplikasi. Hasil dari
analisis kebutuhan tersebut sebagai dasar untuk
membangun desain data warehouse seperti pada
uraian berikut ini.
3.2. Desain
Langkah lebih lanjut adalah melakukan
desain data warehouse. Desain sistem dibuat
dalam bentuk notasi sehingga dapat dibaca dan
dipahami oleh programer. Tahap berikutnya
programer dapat
mengembangkan proses
pemrograman (coding).
3.3. Desain Organisasi Data Warehouse
Dari analisis kebutuhan yang telah
dilakukan
diambil
pilihan
keputusan
pengembangan data warehouse berdasarkan
daftar cek (check list) dari (Gray dan Watson,
1998). Pilihan yang diambil sesuai dengan
sumber daya yang ada.
3.3.1.
Jumlah Komponen Data Warehouse
(Tiers)
Arsitektur aplikasi data warehouse di
Balai Besar Meteorologi dan Geofisika Wilayah
I
Medan meliputi 3
komponen (tiers).
Komponen tersebut sebagai berikut :
1. Data warehouse server untuk menyimpan
data
dengan
menggunakan
sistem
manajemen basis data SQL Server 2000
(Sistem Operasi Windows).
2. Perangkat lunak akuisisi data
(data
acquisition software) yang berguna untuk
mengekstraksi data dari sumber data
warisan (legacy), membuat rangkuman
data (summary, dan memindahkannya
(loading) ke data warehouse. Akuisisi data
menggunakan layanan yang tersedia dalam
SQL Server berupa
DTS (Data
Transformation Service) dan Transact SQL
yang telah tercantum dalam SQL Server
2000.
3. Aplikasi
sebagai
user
interface
menggunakan Microsoft Visual Basic 6.0
3.3.2.
Integrasi dan Implementasi Data
Warehouse
137
PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE METEOROLOGI, KLIMATOLOGI, GEOFISIKA DAN BENCANA ALAM
Agus Safril
Data ditempatkan di lokasi terpusat
yang diatur secara terpusat atau data
ditempatkan terdistribusi dalam suatu lokasi
terpusat untuk mendukung semua unit. Dari
kondisi dari analisis kebutuhan, analisis data
cuaca dan gempa hanya di lingkungan Bidang
Data dan Informasi, tidak untuk seluruh bagian
di Balai Besar Meteorologi Dan Geofosika
Wilayah I Medan maka penempatan data
terpusat (Global data warehouse) lebih tepat.
Dengan model terpusat data mart dapat
direplikasi dan digunakan untuk kebutuhan
khusus untuk analisis data di
kelompok
Meteorologi, Klimatologi dan Geofisika.
mengkonversi data dengan format
yang
berguna untuk analisis. Hal ini membutuhkan
standar keseragaman mengenai data yang akan
diolah. Misalnya untuk pengukuran kecepatan
kilometer/jam, meter/detik atau knot, arah
angin menggunakan derajat angka atau huruf
dan lain-lain.
3.4. Desain Operator Data Warehouse
Desain arsitektur data warehouse yang
dibangun terdiri tiga bagian yang liputi
sumber data, data warehouse dan cara akses
bagi pengguna seperti pada gambar 1. Meliputi
sumber data eksternal, proses data dan keluaran
data.
Desain untuk operator data warehouse
meliputi : memberikan keputusan desain untuk
sumber data
(eksternal atau internal),
bagaimana ekstraksi data, dan frekuensi
loading data. Sumber data untuk keperluan
analisis disimpan dalam sistem informasi yang
dimiliki
oleh
kelompok
Meteorologi,
Klimatologi dan Geofisika yang meliputi data
Sinoptik, KLIM 71, gempa, petir, bencana alam.
Dari sumber data yang diperoleh kemudian
dilakukan
dilakukan
pemetaan
utuk
mengidentifikasi sumber data yang akan
digunakan untuk diloading ke model data
warehouse. Sumber data ini harus dipetakan ke
target analisis dalam model data warehouse .
Dasar untuk menangkap sumber data
berdasarkan pemetaan sumber data yang sudah
dilakukan sebelumnya. Jadwal ekstraksi terdiri
dari ekstraksi awal dan periodik. Jadwal
ekstraksi terdiri dari ekstraksi awal dan
periodik. Ekstraksi awal data awal berasal dari
3 kelompok di bidang fungsional yang meliputi
Klimatologi, Meteorologi, dan Geosisika.
Masing-masing kelompok memiliki sistem
informasi tersendiri. Sedangkan ekstraksi
periodik berasal dari data hasil pengamatan
cuaca dan gempa yang terbaru. Waktu ekstraksi
data untuk data baru tiap kelompok fungsional
klimatologi, meteorologi dan geofisika dapat
dilakukan harian, mingguan dan bulanan.
Setelah pemetaan dilakukan maka
dilakukan proses penyeragaman (cleaning) data.
Penyeragaman data
dilakukan untuk
3.5. Desain Data Warehouse
Sebagai gambaran umum proses alur
dari dari masukan, proses dan keluaran data
seperti uraian berikut ini :
3.5.1
Arsitektur Data Warehouse
Gambar 2 Arsitektur Data Warehouse Cuaca dan
Gempa Dalam Aplikasi Praktis
3.5.2.
Subyek Data Warehouse
Dalam pengembangan sebuah data
warehose dilakukan pemetaan informasi dari
sumber asli dan dipindahkan ke dalam data
warehouse. Sehingga tidak semua yang yang
tersedia di dalam data sumber di transfer ke
dalam data warehouse. Hanya item yang
dibutuhkan untuk kebutuhan analisis cuaca dan
gempa
yang dipindahkan ke dalam data
138
JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 132 – 144
ISSN: 1411-3082
warehouse seperti terlihat pada Tabel 1.
Tabel 1
Kebutuhan Informasi dan Data yang
Dibutuhkan
3.5.3 Model Data dan Desain Fisik
Metodologi Data yang digunakan untuk
menyusun model data warehouse BMKG
Wilayah I adalah model data dimensional
dengan
pendekatan basis data relasional
(ROLAP). Implementasi data warehouse dari
rancangan logikal berupa desain fisik data
warehouse dalam bentuk tabel.
Dalam
merancang tabel fisik menggunakan notasi
Sebagai contoh untuk tabel fisik fakta hujan
tabel 2.
Proses integrasi dan analisis data dapat
dilihat pada diagram
DFD (Data Flow
Diagram) untuk level 0 (gambar 3). Dari
gambar 3 dapat dijelaskan proses-proses yang
terlibat secara keseluruhan dalam analisis cuaca
dan peringatan dini bencana alam. Proses
dimulai dari integrasi sumber data (entitas
eksternal) yang meliputi seluruh sumber data
historis (legacy system), kemudian proses data
yang mengambil masukan dari sumber data
dengan keluaran akhir berupa informasi sesuai
dengan kebutuhan
kelompok Meteorologi,
Klimatologi dan Geofisika (entitas eksternal).
Gambar 3 . Integrasi dan Analisa Data Cuaca dan
Gempa
Informasi suhu sinoptik
Informasi angin sinoptik
Kelompok
Meteorologi
Sumber
Data
Meteorologi
Informasi angin udara atas
Informasi awan
Infornasi labilitas udara
Infomormasi tekanan udara atas
Informasi suhu udara atas
Data udara atas
Tabel 2. Contoh Desain Fisik Analisis Hujan
Data sinoptik
Informasi angin pibal
Data pibal
Informasi RH udara atas
Data klimatologi regional
Sumber
Data
Klimatologi
0
Informasi tekanan udara sinoptik
Integrasi dan
Analisa Data
Data Hellman
Data klimatologi Sumbagut
Informasi jarak pandang
Informasi Penyinaran matahari
Informasi
klimatologi
Informasisuhu
RH klimatologi
+
Informasi angin klimatologi
Informasi Penguapan
Informasi intensitas hujan hellman
Data dunia
Informasi waktu hujan hellman
Data regional
Infomrasi hujan
Informasi longsor
Informasi tekanan udara klimatologi
Informasi gempa
Sumber
Data
Geofisika
Kelompok
Klimatologi
Informasi neraca air
Kelompok Geofisika
Adapun contoh data yang dimasukkan
ke dalam rancangan tabel sebagai berikut :
Tabel 3. Contoh Data
3.5.4. Diagram Alur
Infomrasi FDRS
Contoh Diagram/Entity Relationship
Diagram yang menghubungkan beberapa entitas
sebagaimana dalam lampiran 1.
4. PROTOTIPE DATA WAREHOUSE
Dari hasil analisis kebutuhan dan
desain logikal dan fisik dihasilkan prototipe
139
PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE METEOROLOGI, KLIMATOLOGI, GEOFISIKA DAN BENCANA ALAM
Agus Safril
data warehouse sebagaimana gambar berikut
ini :
4.1 Tampilan Muka
Tampilan muka pada saat prototipe data
warehouse BMKG dibuka sebagaimana
dalam gambar berikut ini :
ekstraksi, transformasi dan loading data dari
sumber data warisan (legacy system)
menggunakan perspekstif metadata. Sumber
data dikelompokkan berdasarkan kelompok
pemilik sumber data. Contoh data historis yang
ada dalam bentuk Microsoft Excel seperti pada
gambar berikut ini :
Gambar 6. Data Dalam Format Lembar Kerja
Gambar 4. Tampilan Muka Sistem Data Base
4.2 Input Data baru
Dalam sistem perlu juga disediakan
input data baru ketika user menginginkan
memasukkan data melalui input. Untuk input
data baru dilakukan
sebagaimana dalam
tampilan form berikut ini :
Untuk melakukan ektraksi data digunakan
DTS (Data Ttransformation Services). Sebelum
diekstraksi format data harus disamakan dengan
format yang ada dalam data warehouse yang
telah dibuat sebelumnya.Dalam proses ini
dilakukan proses penyamaan format data
misalnya satuan pengukuran, angka desimal dan
lain-lain.
Berikut contoh ekstraksi data
menggunakan SQL server 2000.
Gambar 5. Input Data Baru
4.3 Input Data lama
BMKG Wilayah I telah memiliki data
historis meteorologi, klimatologi, geofisika
dalam format yang berbeda-beda. Agar tidak
perlu mengentri ulang data harus dilakukan
proses ETL
(Ekstraksi, Transformasi dan
Loading) ke dalam data warehouse. Proses
140
JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 132 – 144
ISSN: 1411-3082
Gambar 7. Transformasi Data dari Data Sumber
Data sumber yang telah
memiliki
format yang seragam di arahkan ke tabel di
dalam tabel masing-masing dengan masingmasing unsur untuk data klimatologi,
meteorologi, geofisika dan bencana akibat cuaca
ekstrim dan gempa Seperti pada gambar berikut
ini :
Gambar 9. Pencarian Data
Dari hasil Hasil integrasi data baik data
meteorologi, klimatologi dan geofisika serta
bencana alam alam. Tampilan Data hujan harian
dan kelembaban udara bulanan. Contoh data
sebagaimana dalam gambar berikut ini :
Gambar 8. Ekstraksi Data ke Target
4.4. Output
Setelah data diintegrasikan data siap
untuk diambil sesuai dengan kebutuhan yaitu
sesuai dengan kebutuhan. Data untuk analisis
untuk mendukung keputusan yang akan diolah
lebih lanjut dengan perangkat lunak analisis
cuaca dan iklim yang memiliki berbagai model
prakiraan cuaca seperti HyBMG. Kebutuhan
data untuk pengolahan antara lain data harian,
sepuluh harian maupun bulanan dari berbagai
unsur yang ada. Berikut contoh out put data
hasil integrasi data :
Gambar 10. Tampilan Data Harian dan Bulanan
Data bencana alam dimaksudkan untuk
mengalisis kejadian cuaca ekstrem yang terjadi
di suatu daerah. Data bencana diperoleh dengan
mengetikkan Nama stasiun, dari awal tahun
sampai dengan akhir tahun yang dicari, dengan
jenis sesuai dengan kebutuhan. Contoh data
bencana dan hasil pencarian sebagaimana
dalam gambar berikut ini :
4.5. Contoh Pencarian Data
Data
hujan
diperoleh
dengan
mengetikkan Nama stasiun, dari awal tahun
sampai dengan akhir tahun yang dicari, dengan
elemen sesuai dengan kebutuhan. Apabila data
bulanan klik data hujan bulanan dan apabila
yang diinginkan hujan harian maka klik cari
pada bagian data hujan harian.
141
PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE METEOROLOGI, KLIMATOLOGI, GEOFISIKA DAN BENCANA ALAM
Agus Safril
Gambar 11. . Data Bencana
BMKG telah memiliki historis
data
dalam bentuk image hasil dari analisis dari
metode numerik maupun dari hasil pengamatan
penginderaan jarak jaruh seperti satelit cuaca.
Data ini bermanfaat saat akan digunakan untuk
mengadakan penelitian maupun analisis
kejadian cuaca ekstrem. Contoh data dalam
bentuk image meliputi data satelit cuaca dan
data stream line merupakan data dukung pada
saat kondisi di lapangan ketika curah hujan
esktrem atau terjadi bencana alam seperti puting
beliung.
Gambar 13. Gambar Data Multimedia Cuaca
Ekstrem
Data gempa merupakan data historis.
Untuk memperoleh data yang dibutuhkan
diperoleh dengan mengetikkan Nama stasiun,
dari awal tahun sampai dengan akhir tahun yang
dicari, dengan elemen sesuai dengan kebutuhan
seperti pada tampilan gambar pecarian data
sebagaimana berikut :
Gambar 14. Data Gempa
Gambar 12. Citra Satelit dan Stream Line
Data streaming cuaca ekstrem merupakan
data dukung bagi analisis cuaca ekstrem yang
dapat direkam melaui kamera atau video
streaming.
Data
streaming
berikut
menunjukkan saat kejadiaan hujan sangat lebat
setelah siang haria tumbuh awan cumulus di
sekitar Badan Meteorologi Klimatologi dan
Geofisika Wilayah I . Contoh data streaming
cuaca ektrem yang terjadi sasat hujan lebat
dengan intensitas 50 mm/hari sebagai berikut:
Selain laporan dalam bentuk hardcopy
data dapat diekspor dalam softcopy sehingga
dapat diolah oleh perangkat lunak yang lain
sesuai dengan model untuk pengolahan. Data
ekspor dapat berupa data haarian, dasarian, atau
bulanan. Data dieksptor ke dalam file dengan
ekstension *. Txt. Format ini dapat dibaca oleh
software lain seperti HyBMG untuk dilakukan
proses pengolahan data lanjutan.
Contoh
berikut cara mengekspor data :
142
JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 132 – 144
ISSN: 1411-3082
1. Konsep data warehouse dapat ditetapkan
di BMKG pusat maupun tingkat Balai
Besar dan unit pelaksana teknis di daerah
yang telah memiliki data historis.
Gambar 15 . Fasilitas untuk mengekspor File
2. Keluaran
data
warehouse
dapat
diintegrasikan melalui pengolahan online
(Online
Anlytical
Processing)
menggunakan berbagai metode pengolah
data baik statistik (arima, wavelet dan
lain-lain) maupun memanfaatkan sistem
kecerdasan buatan (Fuzzy, Jaringan saraf
tiruan dan lain-lain)
5. KESIMPULAN DAN SARAN
6. DAFTAR PUSTAKA
Dari hasil analisis, desain dan implementasi
dapat disimpulkan :
1. A.Hoffer, Jefry, et.al, Modern System
Analysis and Design, Prentice Hall
Incorporation.
5.1 Kesimpulan
1. Integrasi data
dilakukan dengan
melakukan ekstraksi dari beberapa
sumber data dengan mengambil item data
yang diperlukan. Sumber data diperoleh
dari sistem informasi yang telah ada di
kelompok meteorologi, klimatologi dan
geofisika (legacy Systems) .
2. Prosesi integrasi data dimulai dengan
ekstraksi (extraction) kemudian dilakukan
penyeragaman (transformation) sehingga
sesuai dengan format yang digunakan
untuk kepentingan analisis. Data dalam
format yang telah sesuai untuk keperluan
analisis kemudian disimpan dalam data
warehouse (loading).
3. Prototipe data warehouse BMKG
mencakup proses Input data melalui
ekstraksi data lama maupun data baru
menggunakan media perangkat lunak
yang sesuai dengan dengan sistem data
base yang akan dibangun dengan keluaran
(output)
berupa laporan data
baik
dalam bentuk hardcopy atau file dengan
perioda data sesuai dengan kebutuhan.
2. Djunaidy, Arif, , 2004. ”Manajemen Data”,
Hand Out Kuliah, Program Studi
Manajemen Teknologi Informasi, Magister
Manajemen Teknologi, Program Pasca
Sarjana ITS.
3. E. Kendall, et.al, 2002. Modern System
Analysis and Design, Pearson Education.
4. Gray, Paul and H, Watson, Hugh, 1998.
Decision Support In the Datawarehouse,
Prentice Hall, Inc.
5. Marakas, George, 1999. Decision Support
int Twenty-First Century, Prentice Hall Inc.
6. O’Brien James A., 2004. Mangement
Information
Systems
–
Managing
Information Technology in the Internet
Worked Enterprise, 6 th Edition, Irwin
McGraw-Hill.
7. Pressman,
George,
1997.
Engeneering, Mc-Graw-Hill.
Software
5.2 Saran
143
PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE METEOROLOGI, KLIMATOLOGI, GEOFISIKA DAN BENCANA ALAM
Agus Safril
Lampiran 1.
Contoh Diagram Entity relationship Snowflake Suhu
Dim Dasarian Suhu Klimat
Dasarian
A10
Keterangan hari
A20
Keterangan dasarian A20
Dim wilayah adminitrasi Suhu Klimat
Kabupaten A10
Propinsi
A25
bagian dari suhu klimat
Dim Bulan Suhu klimat
ID Bulan
A10
Keterangan Bulan A25
Keterangan bulan Suhu Klimat
Keterangan Dasarian
Dim stasiun pengamatan Suhu Klimat
Stasiun Mengamati Suhu klimatologi
Dim harian Suhu Klimat
Keterangan Semester Suhu klimat
Tanggal
Dasarian
Bulan
Semester
Tahun
Waktu Pengamatan Suhu Klimat
D
A10
A10
A15
A4
ID Stasiun
Nama Stasiun
Alamat Stasiun
Kabupaten
Bujur
Lintang
Elevasi
Jam Operasi
Tipe Iklim
Topografi
A10
A25
A40
A10
DC4,1
DC3,1
I
I
A2
A15
Fakta Suhu Klimatologi
Ketrangan Cuaca Suhu Klimat
ID Stasiun
Tanggal
T07
T13
T18
TDLY
Maksimum
Minimum
Keadaan cuaca
A10
D
DC4,1
DC4,1
DC4,1
DC4,1
DC4,1
DC4,1
A10
Dim semester Suhu Klimat
ciri rupa bumi suhu klimat
Semester
A15
Keterangan semester
A25
Keterangan tahun suhu klimat
Keterangan dalam bulan A25
Dim Tipe iklim wilayah Suhu Klimat
Tipe iklim
Bulan Basah
Keterangan Bulan Basah
Bulan kering
Keterangan bulan kering
A2
A5
A25
A5
A25
memiliki tipe suhu klimat
Dim Topografi Suhu Klimat
Dim Keadaan cuaca Suhu Klimat
Dim Tahun Suhu Klimat
ID tahun
A4
Climate Out Look Tahunan A25
Keadaan cuaca
Dekode
Kode huruf
Keterangan
A10
A5
A10
A16
Topografi
Elevasi
Keterangan singkat
Keterangan Panjang
144
JURNAL METEOROLOGI DAN GEOFISIKA VOLUME 10 NOMOR 2 TAHUN 2009 : 132 – 144
A15
I
A 30
A45