datawarehouse reskrim
DESCRIPTION
Aplikasi Datawarehouse pada Fungsi Reskrim PolriTRANSCRIPT
PEMANFAATAN DATA WAREHOUSE DAN APLIKASI ONLINE ANALYTICAL PROCESSING
PADA FUNGSI RESKRIM POLRI
I. PENDAHULUAN.
a. Latar Belakang.
Fungsi Reskrim selaku penyelenggara/pembina fungsi
penyelidikan/penyidikan tindak pidana di tubuh Polri yang ada pada
setiap struktur organisasi Polri mulai dari Mabes Polri yang laksanakan
oleh Bareskrim Polri sampai dengan polsek-polsek jajaran Polri yang
dilaksanakan oleh Unit Reskrim. Dalam pelaksanaan
penyelidikan/penyidikan tersebut, para penyidik Polri selalu berhadapan
dengan berbagai data dan informasi yang harus diolah sedemikian rupa
dalam rangka mengungkap sampai dengan menyelesaikan penanganan
suatu perkara tindak pidana.
Berdasarkan pengamatan penulis selama berdinas pada fungsi
Reskrim, bahwa sampai dengan saat ini pengelolaan terhadap data
maupun informasi pada fungsi Reskrim belum berjalan dengan baik,
sebagai contoh riil yaitu ketika seorang penyidik pada suatu kesatuan
Polri membutuhkan informasi tentang DPO dalam perkara tertentu,
seperti ciri-ciri fisik, rumus sidik jari, riwayat hidup lengkap, faktanya
sampai dengan saat ini belum terdapat database di tubuh Polri yang
dapat dikases secara cepat/segera dan tepat, yang terkadang juga di
kesatuan Polri lainnya telah memiliki informasi tentang DPO tersebut
dikarenakan DPO tersebut pernah menjalani proses penyidikan pada
kesatuan Polri dimaksud. Ironisnya lagi, dengan adanya wewenang
Polri dalam bidang penerbitan SIM yang dalam prosesnya juga
dilakukan identifikasi lengkap termasuk rumus sidik jari terhadap para
pemohon SIM, namun faktanya proses pencarian informasi identitas
seseorang yang diperlukan dalam kegiatan penyelidikan/penyidikan
melalui database fungsi lantas tetap harus dilakukan secara manual.
Realitas lainnya adalah walaupun telah ada upaya-upaya yang
dilakukan baik oleh Bareskrim Polri maupun masing-masing kesatuan
kewilayan untuk mengintegrasikan data-data dan informasi dalam
penanganan perkara tindak pidana melalui pembuatan website-website,
tetap saja belum dapat tercipta suatu database lengkap dan terintegrasi
oleh Polri tentang tindak pidana yang ditangani. Selain itu, perbedaan
format dari berbagai sumber data juga menjadi kendala tersendiri dalam
perwujudan integrasi database fungsi Reskrim Polri, antara lain data-
data dimaksud masih tersimpan dalam format kertas serta file microsoft
office berbagai versi bahkan masih ada file dalam format DOS yang
pada saat ini kondisinya dimungkinkan sudah tidak konsisten
dikarenakan berbagai hal seperti kerusakan, kehilangan ataupun
duplikasi data.
Sudah saatnya Polri menerapkan suatu sistem informasi
manajemen yang dapat mengelola dan memudahkan analisis seluruh
data maupun informasi guna memenuhi kebutuhan organisasi Polri
akan data maupun informasi yang sangat besar tersebut. Saat ini telah
dikenal teknologi data warehouse yang dapat menyediakan sumber
daya data yang lebih baik bagi para pemakai dan memungkinkan
pemakai untuk memanipulasi dan menggunakan data tersebut secara
intuitif. Teknologi data warehouse ini dapat digunakan untuk
mengumpulkan data-data yang berasal dari berbagai sumber yang
berbeda, tetapi data yang dihasilkan tidak menimbulkan duplikasi dan
pengodean yang berbeda sumber. Oleh karena itu, dalam penulisan ini,
penulis mengajukan suatu konsepsi pemanfaatan data warehouse yang
didukung dengan aplikasi online analytical processing (OLAP) dalam
rangka pengelolaan data pada fungsi Reskrim Polri.
2
b. Permasalahan.
Berdasarkan uraian diatas, yang menjadi permasalahan dalam
pembahasan paper ini adalah “Bagaimana upaya perancangan serta
pembuatan data warehouse dan aplikasi online analytical processing
pada fungsi Reskrim Polri ?”.
c. Tujuan
Tujuan penulisan ini adalah untuk memberikan sumbangan pikiran
yang bersifat konseptual yang dapat dijadikan kebijakan alternatif dalam
rangka pengintegrasian, pengorganisasian dan penyimpanan terhadap
data-data yang terkait dengan pelaksanaan kegiatan
penyelidikan/penyidikan tindak pidana pada fungsi Reskrim Polri.
II. LANDASAN TEORI.
a. Data Warehouse
Data warehouse adalah koleksi data yang bersifat subject-oriented,
terintegrasi, time-variant, non-volatile dan integrated-database yang
digunakan untuk mendukung proses pengambilan keputusan yang
strategis untuk perusahaan (Inmon, 2002). Data warehouse merupakan
salah satu konsep penyediaan solusi untuk suatu organisasi yang
memiliki database yang distrukturkan secara khusus untuk dilakukan
proses query dan analisis. Data warehouse yang berbentuk
multidimensi umumnya berisi data yang mempresentasikan historis
organisasi yang memungkinkan pengguna untuk melakukan
pemeriksaan terhadap data historis guna melakukan analisis terhadap
data dalam beragam cara dan membuat keputusan yang didasarkan
pada hasil analisis.
Untuk melakukan pembuatan data warehouse, dapat dilakukan
dengan beberapa langkah sebagai berikut (Ponniah, 2001) :
a. Data Extraction : Fungsi ini biasanya berhadapan dengan
bermacam-macam data source dan menggunakan teknik yang
3
sesuai dengan setiap data source. Data source mungkin berasal
dari source machine yang berbeda dalam format data yang
berbeda pula.
b. Data Transformation : Data transformation melibatkan berbagai
bentuk dalam mengkombinasikan bagian dari data yang berasal
dari sumber yang berbeda. Kombinasi data dilakukan dari sumber
record tunggal atau dapat juga dilakukan dari elemen data yang
berelasi dengan banyak sumber record. Proses cleaning mungkin
dilakukan dalam data transformation, dimana proses cleaning
memiliki fungsi untuk melakukan koreksi terhadap kesalahan
pengejaan atau untuk melakukan eliminasi terhadap duplikat data.
c. Data Loading : Setelah selesai melakukan desain dan konstruksi
dari data warehouse dan aplikasi digunakan untuk pertama kalinya,
akan dilakukan pengisian awal data ke dalam media penyimpanan
data warehouse. Dalam pengisian awal dimaksud, dilakukan
pemindahan data dalam jumlah yang besar.
b. Oline Analytical Processing (OLAP)
OLAP merupakan suatu jenis pemrosesan yang memanipulasi dan
menganalisis data bervolume besar dari berbagai dimensi atau disebut
analisis data multidimensi. Data multidimensi dalam hal ini adalah
data yang dapat dimodelkan sebagai atribut dimensi-seperti jenis tindak
pidana dan pelaku tindak pidana-dan atribut ukuran-seperti jumlah
tindak pidana.
Dalam melakukan analisis data multimensi, OLAP memilik
kemampuan sebagai berikut :
a. Konsolidasi (Roll Up) : Melibatkan pengelompokan data. Sebagai
contoh yaitu pengelompokan data kesatuan kewilayahan Polri
menurut Polsek, Polres atau Polda dan jumlah tindak pidana
(crime total) dapat ditinjau menurut tahun, triwulan atau bulan.
4
b. Drill Down : Suatu bentuk yang merupakan kebalikan dari
konsolidasi, yang memungkinkan data yang rigkas dijabarkan
menjadi data yang lebih detail.
c. Slicing and Dicing (Pivoting) : Menjabarkan data agar dapat
dilihat dari berbagai sudut pandang.
III. PEMBAHASAN.
1. Perancangan Sistem Data Warehouse dan Aplikasi OLAP
Dalam rangka mengatasi permasalahan pengelolaan data pada
fungsi Reskrim Polri, melalui paper ini Penulis mencoba memberikan
konsepsi pemecahan permasalahan dimaksud dengan melakukan
implementasi pembuatan data warehouse dan aplikasi OLAP dalam
rangka pengelolaan data-data fungsi Reskrim melalui langkah-langkah
sebagai berikut :
a. Pembuatan aplikasi yang dapat melakukan transformasi database
yang terkait/dibutuhkan dalam penyelidikan/penyidikan tindak
pidana dari setiap polsek, polres dan polda di seluruh Indonesia
termasuk Mabes Pori dari berbagai format yang ada (format kertas,
Microsoft Office, DOS, dll) ke Microsoft SQL Server 2000.
b. Pembuatan star scheme pada Microsoft SQL Server 2000.
c. Pembuatan aplikasi untuk memindahkan tabel-tabel dari database
Polri ke dalam star scheme.
d. Pembuatan aplikasi OLAP yang mempermudah user dalam
melakukan analisis data-data yang terkait dengan pelaksanaan
proses penyelidikan/penyidikan tindak pidana, antara lain :
1) Data Crime Total (CT) : Dilakukan terhadap pelapor/korban,
waktu dan jenis tindak pidana : kejahatan konvensional,
kejahatan transnasional, kejahatan terhadap kekayaan
negara dan/atau kejahatan yang berimplikasi kontijensi (per
5
minggu, per bulan atau per tahun). Dibutuhkan untuk
melihat jumlah tindak pidana yang dilaporkan pada setiap
kesatuan kewilayahan (Satwil) Polri, termasuk Tipiring,
Kejadian Menonjol serta Trend Kejahatan (crime index)
pada tiap Satwil.
2) Data Crime Clearence (CC) : Dilakukan terhadap waktu dan
jenis tindak pidana (per minggu, per bulan atau per tahun).
Dibutuhkan untuk melihat prosentase penyelesaian perkara
baik secara keseluruhan maupun sesuai kategori : P-21,
SP3 (tidak cukup bukti, bukan TP dan dihentikan demi
hukum : nebis in idem, tersangka meninggal dunia dan
daluwarsa), Diversi TP Anak dan Delik Aduan yang dicabut.
Prosentase CC = (Jumlah CC/Jumlah CT)*100%
3) Tunggakan Penyelesaian Perkara : Dilakukan terhadap
waktu dan jenis tindak pidana (per bulan atau per tahun).
Dilakukan untuk melihat jumlah perkara tindak pidana yang
belum selesai untuk periode tertentu serta penyebabnya,
antara lain : Tersangka belum ditemukan (DPO); Barang
bukti belum ditemukan (DPB); Proses Sengketa Pre
Judicial, Perdata maupun Tata Usaha Negara; Belum cukup
bukti.
4) Identitas Pelaku Tindak Pidana : Dilakukan terhadap
tersangka dan jenis tindak pidana. Dibutuhkan untuk melihat
berbagai data dan informasi terkait seorang pelaku tindak
pidana, antara lain : biodata; riwayat hidup; jenis kejahatan;
ciri-ciri khusus fisik; rumus sidik jari; jaringan/sindikat; status
residivis/non residivis; modus operandi; posisi kasus
terbaru; terlibat berapa kejahatan (dimana/kapan).
6
5) Barang Bukti Tindak Pidana : Dilakukan terhadap pelapor
(pemilik barang bukti), barang bukti dan tersangka.
Dibutuhkan untuk melihat barang bukti yang yang
dipersiapkan/digunakan/hasil dalam tindak pidana, baik
yang telah disita oleh setiap Satwil Polri maupun yang
termasuk dalam daftar pencarian barang (DPB), seperti :
senpi; sajam; ranmor, uang, narkoba, bahan bom, dokumen,
dll, serta keterkaitannya dengan tersangka.
6) Kesatuan Polri Penyelidik/Penyidik Tindak Pidana :
Dilakukan terhadap pelapor, jenis tindak pidana dan
tersangka. Dibutuhkan untuk melihat register laporan polisi,
uraian singkat perkara, identitas pelaku, contact person
penyidik/JPU/Hakim yang menangani, gelar perkara, Lapju,
SP2HP, hasil olah TKP, upaya paksa, dsb.
7) Pengaduan Masyarakat : Dilakukan terhadap jenis tindak
pidana dan pelapor/pengadu. Dibutuhkan untuk melihat
permasalahan yang diadukan masyarakat/pihak tertentu
dalam penanganan perkara, antara lain : terjadi Pungli,
proses penyidikan yang tidak transparan, kekerasan
terhadap saksi/korban/ tersangka, penyidik dan kesatuan
yang diadukan, jalur pengaduan : Polri/Komnas
HAM/Ombudsman dsb, serta tindak lanjut pengaduan :
Proses Sidang Disiplin/Kode Etik/Peradilan Umum.
8) Database Interpol : dilakukan terhadap pelapor/korban, jenis
tindak pidana, tersangka dan barang bukti. Dilakukan untuk
melihat manakala ada/tidaknya kaitan terhadap tindak
pidana yang ditangani Polri dengan kepolisian luar negeri
(Interpol).
7
2. Perancangan Star Scheme
Bentuk star scheme dipilih sebagai pemodelan pada dimensional
modelling dalam rangka melakukan design database secara logical,
dengan membuat tabel dimensi sebagai berikut :
a. Dimensi waktu (jam, hari, tanggal, bulan tahun).
b. Dimensi jenis tindak pidana (kejahatan konvensional, kejahatan
transnasional, kejahatan terhadap kekayaan negara, kejahatan
yang berimplikasi kontijensi).
c. Dimensi pelapor/korban (identitas pelapor, tindak pidana yang
dilaporkan, akibat tindak pidana).
d. Dimensi tersangka (identitas tersangka dan informasi yang terkait).
e. Dimensi barang bukti (jenis, jumlah, bentuk, ciri, nilai barang bukti).
Sedangkan tabel fakta yang dibuat adalah sebagai berikut :
a. Fakta Laporan Polisi (nomor registrasi LP (No. Pol. LP), waktu
terbit LP, waktu perkara selesai (P-21),) berdasarkan dimensi
waktu, jenis tindak pidana, pelapor/korban, tersangka dan barang
bukti.
b. Fakta Perkembangan Penyidikan (nomor registrasi LP (No. Pol.
LP), waktu terbit LP, hambatan penyidikan, sengketa
praperadilan/pre judisial/perdata/TUN, penyerahan tersangka dan
barang bukti) berdasarkan dimensi waktu, jenis tindak pidana,
pelapor/korban, tersangka dan barang bukti.
c. Fakta Pengaduan Masyarakat (pelapor/pengadu, LP yang
diadukan, materi permasalahan, penyidik/Satwil Polri yang
diadukan) berdasarkan dimensi waktu, jenis tindak pidana,
pelapor/korban, tersangka dan barang bukti.
d. Fakta Interpol (pelapor/korban, jenis tindak pidana, tersangka dan
barang bukti, negara pihak kepolisian yang menangani perkara)
8
berdasarkan dimensi waktu, jenis tindak pidana, pelapor/korban,
tersangka dan barang bukti.
IV. KESIMPULAN.
Secara umum kondisi tata kelola data dan/atau informasi pada fungsi
Reskrim Polri pada saat ini belum ada standarisasi dan integrasi yang baik,
pengelolaan data masih dilakukan platform yang berbeda-beda antara satu
Satwil dengan lainnya maupun terhadap jenis data yang sama dalam satu
Satwil sehingga banyak terjadi kendala dalam pengelolaan data dimaksud,
antara lain kerusakan, kehilangan dan/atau duplikasi data. Faktor dominan
yang menyebabkan hal dimaksud adalah belum adanya suatu sistem
informasi manajemen yang efektif guna melaksanakan pengelolaan data-
data pada fungsi Reskrim Polri yang sangat besar jumlahnya.
Sebagai solusi alternatif dalam mengatasi permasalahan dimaksud,
dapat digunakan teknologi data warehouse dan aplikasi online analytical
processing yang dirancang dalam suatu sistem tertentu dalam rangka
mengorganisir, mengintegrasikan dan menyimpan data-data dimaksud
sehingga diperoleh informasi yang dibutuhkan para pemakai dalam
pengambilan keputusan.
Jakarta, 26 Agustus 2009Penulis
HANDIK ZUSENNO. MHS. 6877
9
DAFTAR PUSTAKA
1. Suryadi M.T.; Modul Kuliah Sistem Informasi Manajemen; PTIK, Jakarta,
2008.
2. Chr. Jimmy L. Gaol; Sistem Informasi Manajemen : Pemahaman dan
Aplikasi; PT. Grasindo, Jakarta, 2008.
3. Makalah-makalah Sistem Informasi Manajemen : Manusia-Teknologi-
Pendidikan-Organisasi-Budaya; Universitas Sanata Dharma, Yogyakarta,
2008.
4. http://www.infoanda.com/linksfollow.php?lh=UFALA1ZQVg9c
5. http://www.komisikepolisianindonesia.com/main.php?
page=artikle&id=29&halaman=105
6. http://pat.plan3t.com/dwnld/bab8pengantars2.ppt
7. http://mti.ugm.ac.id/~adji/courses/resources/lectures/InformSystem/AKA/si-6-
2.ppt
8. http://digilib.its.ac.id/detil.php?id=4171
10