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


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


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


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


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 :


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


A15 I A 30 A45

PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE

Recommend Documents