analisis kualitas pelayanan - MMT-ITS

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