8-prosiding-agus-safril-ok

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


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


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


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


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


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.

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.

Data Warehouse Cuaca

dan Gempa

OLAP Engine

Analysis Query Laporan

Metadat

Sumber Data Tools Pengguna akhir

Serve

Sistem Eksternal

OLAP Server

Penyimpanan data

Extraksi Transformasi Loading Refresh

Monitor &

Integrator

Sinoptik

Udara t

Pibal

Clicom

FKLIM 71

Sesimi

Gempa regional

Data Marts

ISBN : 979-99735-1-1 C-8-6


Tabel 1 Kebutuhan Informasi dan Data yang Dibutuhkan (Fakta dan Dimensi)

No Kebutuhan Informasi Sumber Data Nama Analisa (kubus) A Meteorologi 1 Penerbangan, pelayaran, perikanan, asuransi Sinoptik Tekanan udara sinoptik 2 Penerbangan, pelayaran, perikanan, asuransi Sinoptik Sngin sinoptik 3 Penerbangan, pelayaran, perikanan, asuransi Sinoptik Suhu udara sinoptik 4 Penerbangan, pelayaran, perikanan, asuransi Sinoptik Perawanan 5 Penerbangan, pelayaran, perikanan, asuransi Sinoptik jarak pandang

No Kebutuhan Informasi Sumber Data Nama Analisa (kubus) 6 Penerbangan, pelayaran, perikanan, asuransi Udara Atas (Rason) Angin udara atas 7 Penerbangan, pelayaran, perikanan, asuransi Udara Atas (Rason) Kelembaban udara atas 8 Penerbangan, pelayaran, perikanan, asuransi Udara Atas (Rason) Tekanan udara atas 9 Penerbangan, pelayaran, perikanan, asuransi Udara Atas (Rason) Suhu lapisan udara atas

10 Penerbangan, pelayaran, perikanan, asuransi Udara Atas (Rason) Labilitas udara 11 Penerbangan, pelayaran, perikanan, asuransi Pibal Sngin pibal B Klimatologi 1 Pertanian,perkebunan,kehutanan, PDAM,

masyarakat wilayah bencana alam Sinoptik,FKLIM71,Clicom

Curah hujan

2 Pertanian,perkebunan,kehutanan, PDAM, masyarakat wilayah bencana alam

Sinoptik,FKLIM71,Clicom

Kelembaban udara klimatologi

3 Pertanian, perkebunan,kehutanan, PDAM, masyarakat wilayah bencana alam


Lamanya penyinaran matahari klimaotologi



Tekanan udara klimatologi



Arah dan kecepatan angin klimatologi



Penguapan

7 Pertanian, perkebunan,kehutanan, PDAM, Sinoptik,FKLIM71 Neraca air 8 Pertanian, perkebunan,kehutanan, PDAM,

masyarakat wilayah bencana alam Sinoptik,FKLIM71,Clicom

Tingkat bahaya kebakaran hutan dan lahan



Suhu udara klimatologi

10 Pertanian, perkebunan,kehutanan, PDAM, Hujan Hellman Intensitas hujan Hellman 11 Pertanian, perkebunan,kehutanan, Hujan Hellman Waktu hujan Hellman C. Geofisika 1 Asuransi, jasa konstruksi Asuransi, Jasa

konstruksi Gempa bumi

2 Asuransi, jasa konstruksi Asuransi, Jasa konstruksi

Longsor

ISBN : 979-99735-1-1 C-8-7


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 Tipe data Keterangan ID Stasiun Karakter Identitas stasiun Tanggal Decimal Hujan Integer Keadaan Cuaca Karakter

Adapun contoh data yang dimasukkan ke dalam rancangan tabel sebagai berikut : Nosta Tanggal Curah Hujan Keadaan Cuaca

96033 1-Jul-2000 7 RA 96033 2-Jul-2000 15 RA 96033 3-Jul-2000 3 RA 96033 4-Jul-2000 0 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


Klimatologi dan Geofisika (entitas eksternal). 1. Suhu sinoptik 2. Angin Sinoptik 3. Awan

T

Fakta Suhu sinoptik

Dim stasiun pengamat suhu sinoptik

Dim wilayah adminitrasi suhu sinoptik

Dim Tipe iklim wilayah suhu sinoptik

Dim Dasarian suhu sinoptik

Dim Bulan suhu sinoptik

Dim Tahun suhu sinoptik

Dim harian suhu sinoptik

Dim semester suhu sinoptik

Dim Jam suhu sinoptik

Dim Topografi suhu sinoptik

Dim Keadaan cuaca suhu sinoptik

Dim stasiun pengamatan Angin Sinoptik

Dim wilayah adminitrasi Angin Sinoptik

Dim Tipe iklim wilayah Angin Sinoptik

Dim Topografi Angin Sinoptik

Dim Keterangan Angin Sinoptik

Fakta Angin Sinoptik

Dim Dasarian Angin Sinoptik

Dim Bulan Angin Sinoptik

Dim Tahun Sinoptik

Dim harian Angin Sinoptik

Dim semester Angin Sinoptik

Dim Jam Angin Sinoptik

Keadaan cuaca Angin Sinoptik

Dim stasiun pengamat Awan

Dim wilayah adminitrasi Awan

Dim Tipe iklim wilayah Awan

Dim Dasarian Awan

Dim Bulan Awan

Dim Tahun Awan

Dim harian Awan

Dim semester Awan

Dim Jam Awan

Dim Topografi Awan

Dim Keadaan cuaca Awan

Fakta Awan

Dimensi Awan TinggiDimensi Awan Menengah

Dimensi Awan Rendah

4. Angin udara atas 5. Kelembaban Udara Atas 6. Tekanan Udara Atas

Dim stasiun pengamatan Angin Udara Atas

Dim wilayah administrasi Angin Udara Atas

Dim Tipe iklim wilayah Angin Udara Atas

Dim Dasarian Angin Udara Atas

Dim Bulan Angin Udara Atas

Dim Tahun Suhu Angin Udara Atas

Dim semester Angin Udara Atas

Dim Topografi Angin Udara Atas

Dim Keadaan cuaca Angin Udara Atas

Dim harian Angin Udara Atas

Fakta Angin Udara Atas

Dim Keterangan Angin Atas

Dim stasiun pengamatan RH Udara Atas

Dim wilayah adminitrasi RH Udara Atas

Dim Tipe iklim wilayah RH Udara Atas

Dim Dasarian RH Udara Atas

Dim Bulan RH Udara Atas

Dim Tahun RH Udara Atas

Dim semester RH Udara Atas

Dim Topografi RH Udara Atas

Dim Keadaan cuaca RH Udara Atas

Dim harian RH Udara Atas

Fakta Kelembaban Udara Atas

Dim stasiun pengamatan Tekanan Udara Atas

Dim wilayah adminitrasi Tekanan Udara Atas

Dim Tipe iklim wilayahTekanan Udara Atas

Dim Dasarian Tekanan Udara Atas

Dim Bulan Tekanan Udara Atas

Dim Tahun Tekanan Udara Atas

Dim semester Tekanan Udara Atas

Dim Topografi Tekanan Udara Atas

Dim Keadaan cuaca Tekanan Udara Atas

Dim harian Tekanan Udara Atas

Fakta Tekanan Udara Atas

7. Suhu Udara Atas 8. Labilitas Udara 9. Angin Pibal

Dim stasiun pengamatan Suhu Udara Atas

Dim wilayah adminitrasi Suhu Udara Atas

Dim Tipe iklim wilayah Suhu Udara Atas

Dim Dasarian Suhu Udara Atas

Dim Bulan Suhu Udara Atas

Dim Tahun Suhu Udara Atas

Dim semester Suhu Udara Atas

Dim Topografi Suhu Udara Atas

Dim Keadaan cuaca Suhu Udara Atas

Dim harian Suhu Udara Atas

Fakta Suhu Udara Atas

Dim stasiun pengamatan labilitas Udara

Dim wilayah adminitrasi labilitas udara

Dim Tipe iklim wilayah labilitas udara

Dim Dasarian Labilitas Udara

Dim Bulan LAbilitas Udara

Dim Tahun Labilitas Udara

Dim semester Labilitas Udara

Dim Topografi Labilitas Udara

Dim Keadaan cuaca Labilitas Udara

Dim harian Labilitas Udara

Fakta Labilitas Udara

Dim stasiun pengamatan Angin Pibal

Dim wilayah Adm Angin Pibal

Dim Tipe iklim wilayah Angin Pibal

Dim Dasarian Angin Pibal

Dim Bulan Angin Pibal

Dim Tahun Suhu Angin pibal

Dim semester Angin Pibal

Dim Topografi Angin Pibal

Dim Keadaan cuaca Angin Pibal

Dim harian Angin Udara Pibal

Dim Keterangan Angin Pibal

Fakta Angin Pibal

10 .Jarak Pandang 11. Tekanan Udara Sinoptik 12 Kelembaban Udara Klimat

Dim stasiun pengamatan Jarak Pandang

Dim wilayah adminitrasi Jarak Pandang

Tipe iklim wilayah Jarak Pandang

Dim Dasarian Jarak Pandang

Dim Bulan Jarak Pandang

Dim Tahun Jarak Pandang

Dim semester Jarak Pandang

Dim Topografi Jarak PandangDim Keadaan cuaca Jarak Pandang

Dim harian Jarak Pandang

Fakta Jarak Pandang

Dim stasiun pengamat T Udara sinoptik

Dim wilayah adminitrasi T Udara Sinoptik

Dim Tipe iklim wilayah T udara sinoptik

Dim Dasarian T Udara sinoptik

Dim Bulan T Udara Sinoptik

Dim Tahun T udara sinoptik

Dim harian T Udara sinoptik

Dim semester T Udara sinoptik

Dim Jam T Udara sinoptik

Dim Topografi T Udara sinoptik

Dim Keadaan cuaca T Udara sinoptik

Fakta Tekanan udara sinoptik

Dim stasiun pengamatan RH Klimat

Dim wilayah adminitrasi RH Klimat

Tipe iklim wilayah RH klimat

Dim Dasarian RH Klimat

Dim Bulan Hujan RH Klimat

Dim Tahun Hujan RH Klimat

Dim semester Hujan RH Klimat

Dim Topografi RH Klimat

Dim Keadaan cuaca RH Klimat

Dim harian RH Klimat

Fakta RH Klimat

Gambar 2 Contoh Skema Data Warehouse

ISBN : 979-99735-1-1 C-8-9


diam ati oleh s uhu s pk

m em iliki tipe Suhu SPK

bagian dari s uhu SPK

konvers i jam s uhu s inoptik

keterangan das arian s uhu s inoptik

Keterangan bulanan s uhu s pk

Keterangan s em es ter Suhu s inoptikan tahunan s uhu Spk

waktu pengam atan s uhu s pk

ciri rupa bum i Suhu s inoptik

Keterangan cuaca s uhu s inoptik

Fakta Suhu sinoptik

ID StasiunW aktu observasiSuhu Bola KeringSuhu Bola BasahSelis ih BK-BBKeadaan cuaca

A10DTDC4DC4DC4A10


ID StasiunNama StasiunAlamat StasiunKabupatenBujurLintangElevasiJam OperasiTipe IklimTopografi

A10A25A40A10DC4,1DC3,1IIA2A15


KabupatenPropins i

A10A25

Dim Tipe ik lim wilayah suhu sinoptik

Tipe ik limBulan BasahKeterangan Bulan BasahBulan keringKeterangan bulan kering

A2A5A25A5A25


DasarianKeterangan hariKeterangan dasarian

A10A20A20

Dim Bulan suhu s inoptik

ID BulanKeterangan Bulan

A10A25


ID tahunClimate Out Look Tahunan

A4A25


W aktu observasiJam UTCTanggalKet_tanggalDasarianBulanSemesterTahun

DTDTDDA10A10A10A4


SemesterKeterangan semesterKeterangan dalam bulan

A10A25A25


Jam UTCW aktu Indonesia

DTDT


TopografiElevasiKeterangan singkatKeterangan Panjang

A15IA 30A45


Keadaan cuacaDekodeKode hurufKeterangan

A10A5A10A16

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


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.

Infomrasi FDRS

Informasi neraca air

Informasi tekanan udara klimatologi

Infomrasi hujan

Informasi waktu hujan hellman

Informasi intensitas hujan hellman

Informasi PenguapanInformasi angin klimatologi

Informasi suhu klimatologi

Informasi tekanan udara sinoptik

Infornasi labilitas udara

Informasi angin pibal

Informasi jarak pandang

Informasi suhu udara atas

Infomormasi tekanan udara atasInformasi awan

Informasi angin udara atas

Informasi gempaInformasi longsor

Informasi Penyinaran matahari

Informasi RH klimatologi

Informasi suhu sinoptik

Informasi RH udara atas

Informasi angin sinoptik

Data regional

Data dunia

Data klimatologi regional

Data Hellman

Data klimatologi Sumbagut

Data sinoptik

Data udara atas

Data pibal

Sumber Data

Meteorologi

Sumber Data

Klimatologi

Sumber Data

Geofisika

0

Integrasi dan Analisa Data

+

Kelompok Meteorologi

Kelompok Klimatologi

Kelompok Geofisika

Gambar 4 Integrasi dan Analisa Data Cuaca dan Gempa

ISBN : 979-99735-1-1 C-8-11


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


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

http://www.redbooks.ibm.com/redbooks/pdfs/sg242238.pdf


ISBN : 979-99735-1-1 C-8-14


3.

ISBN : 979-99735-1-1 C-8-15


diam ati oleh s uhu s pk

m em iliki tipe Suhu SPK

bagian dari s uhu SPK

konvers i jam s uhu s inoptik

keterangan das arian s uhu s inoptik

Keterangan bulanan s uhu s pk

Keterangan s em es ter Suhu s inoptikan tahunan s uhu Spk

waktu pengam atan s uhu s pk

ciri rupa bum i Suhu s inoptik

Keterangan cuaca s uhu s inoptik

Fakta Suhu sinoptik

ID StasiunW aktu observasiSuhu Bola KeringSuhu Bola BasahSelis ih BK-BBKeadaan cuaca

A10DTDC4DC4DC4A10


ID StasiunNama StasiunAlamat StasiunKabupatenBujurLintangElevasiJam OperasiTipe IklimTopografi

A10A25A40A10DC4,1DC3,1IIA2A15


KabupatenPropinsi

A10A25

Dim Tipe iklim wilayah suhu sinoptik

Tipe iklimBulan BasahKeterangan Bulan BasahBulan keringKeterangan bulan kering

A2A5A25A5A25


DasarianKeterangan hariKeterangan dasarian

A10A20A20

Dim Bulan suhu sinoptik

ID BulanKeterangan Bulan

A10A25


ID tahunClimate Out Look Tahunan

A4A25


W aktu observasiJam UTCTanggalKet_tanggalDasarianBulanSemesterTahun

DTDTDDA10A10A15A4


SemesterKeterangan semesterKeterangan dalam bulan

A15A25A25


Jam UTCW aktu Indonesia

DTDT


TopografiElevasiKeterangan singkatKeterangan Panjang

A15IA 30A45


Keadaan cuacaDekodeKode hurufKeterangan

A10A5A10A16

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


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,

2005Wh, Soerjadi, Analisa dan Prakiraan Cuaca, Balai Besar Meteorologi dan Geofisika

Wilayah III Ujung pandang, 1987

ISBN : 979-99735-1-1 A-1-17


ISBN : 979-99735-1-1 A-1-18

8-prosiding-agus-safril-ok

Documents