VISUALISASI DATA SPASIAL DI MONETDB MENGGUNAKAN

OPENJUMP

PRADITYA PAMUNGKAS

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2014

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*

Dengan ini saya menyatakan bahwa skripsi berjudul Visualisasi Data

Spasial di MonetDB Menggunakan OpenJUMP adalah benar karya saya

denganarahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun

kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip

dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah

disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir

skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.

Bogor, Januari 2014

Praditya Pamungkas

NIM G64080078

ABSTRAK

PRADITYA PAMUNGKAS. VISUALISASI DATA SPASIAL DI MONETDB

MENGGUNAKAN OPENJUMP. Dibimbing oleh HARI AGUNG ADRIANTO.

Saat ini model data yang banyak digunakan adalah relasional. Model ini

mengatur sebuah basis data sebagai sekumpulan data yang disimpan secara

tertruktur atas baris dan kolom. Meskipun populer, model data relasional

dirasakan kurang cepat dalam implementasi data besar dan memiliki kompleksitas

yang tinggi. Berbeda dengan model relasional, MonetDB menggunakan metode

column-store untuk membagi data menjadi beberapa bagian binary tabel. Metode

ini hanya memanggil data yang diperlukan saja, sehingga lebih cepat. Anggi

(2013) telah menguji MonetDB sebagai tempat penyimpanan data spasial dan non

spasial, namun belum memvisualisasikan dari data tersebut. Penelitian ini

menggunakan salah satu OpenSource berbasis java yaitu OpenJUMP untuk

visualisasi dengan penghubung menggunakan JDBC4. Pengujian ini berhasil

memvisualisasikan query data spasial sederhana menggunakan “like” dan “and”

dengan rata rata waku 1 detik, sedangkan query spasial kompleks menggunakan

“join”, “constains” dan “intersect” dengan rata rata waku lebih dari 20 menit.

Sehingga terlihat bahwa MonetDB juga dapat mengolah data spasial baik

sederhana maupun kompleks. Namun dalam proses visualisasi data spasial yang

kompleks itu membutuhkan run-time yang relatif lama.

Kata kunci: data spasial, MonetDB, OpenJUMP, visualisasi

ABSTRACT

PRADITYA PAMUNGKAS. VISUALIZATON SPATIAL DATA IN MONETDB

WITH OPENJUMP. Supervised by HARI AGUNG ADRIANTO.

There are currently the most used data model is relational. This model a

database as a set of data that is stored in structural rows and columns. Besides

the popullarity, the relational data model is lacking in the implementation of data

is large and has a high complexity. Different of the relational model, MonetDB

using a column store method to divide the data into sections binary tables . This

method is only necessary to call the data, resulting method is faster. Anggi ( 2013

) have tested the MonetDB as a spatial and non spatial data storage, but not yet

visualize data from MonetDB. This result successfully visualize spatial data using

a simple query “like” and “and” the average time 1 second , while the complex

spatial queries using “joins”, “constains” and “Intersect” with average time

more than 20 minutes. So it looks that MonetDB also can process spatial data

simple and complex . But in the process of complex spatial data visualization that

require run-time is relatively long .

Keywords: spatial data, MonetDB, OpenJUMP, visualize

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Ilmu Komputer

pada

Departemen Ilmu Komputer

VISUALISASI DATA SPASIAL di MONETDB MENGGUNAKAN

OPENJUMP

PRADITYA PAMUNGKAS

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2014

Judul Skripsi : Visualisasi Data Spasial di MonetDB Menggunakan OpenJUMP

Nama : Praditya Pamungkas

NIM : G64080078

Disetujui oleh

Hari Agung Adrianto, SKom, MSi

Pembimbing

Diketahui oleh

Dr Ir Agus Buono, MSi, MKom

.Ketua Departemen

Tanggal Lulus:

Judul Skripsi: Visualisasi Data Spasial di MonetDB Menggunakan OpenJUMP Nama : Praditya Pamungkas NIM : G64080078

Disetujui oleh

SKom MSi

Diketahui oleh

-- ~-::.. ."

Tanggal Lulus: Il4 FEB ~~4

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala

atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan.

Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Maret

2013 ini ialah dengan visualisasi data spasial di MonetDB menggunakan

OpenJUMP. Penyelesaian penelitian ini tidak luput dari dukungan dan

bantuan berbagai pihak. Oleh karena itu, penulis ingin mengucapkan terima

kasih sebesar-besarnya kepada:

1. Ayahanda Riyono, Ibunda Krisnaningtyas, Kakak Putri Kumala

Kristawardhani, serta Kakak Putra Wishnu Widhiana atas doa, kasih

sayang, dukungan, serta motivasi kepada penulis untuk penyelesaian

penelitian ini.

2. Bapak Hari Agung Adrianto, SKom, MSi selaku dosen pembimbing

yang telah memberi banyak ide, saran, bantuan, serta dukungan sampai

selesainya penelitian ini.

3. Bapak Endang dan Ibu Karlina dosen penguji atas segala masukan

yang diberikan.

4. Alnis Jasti atas doa, nasihat, dukungan, serta motivasi kepada penulis

untuk penyelesaian penelitian ini.

5. Rekan-rekan seperjuangan di Ilmu Komputer IPB angkatan 45 atas

segala kebersamaan, bantuan, dukungan, serta kenangan bagi penulis

selama menjalani masa studi. Semoga kita bisa berjumpa kembali

kelak sebagai orang-orang sukses.

6. Asrori Hudri,Catur Purbo, Hafizhia Dhikrul Anugrah ,Jaka Juliarta,

Melki Hasali, Meri Marlina, Rahman Halim, Ryan Satria

Nugroho,Putri Dewi , dan sahabat lainnya yang telah menjadi mitra

dan menemani penulis dalam menjalani kehidupan sebagai mahasiswa.

7. Rekan satu bimbingan, Anggi Putrantio Juniard, Mitha Rachmawati,

dan Ilman Dwi Santoso.

8. Departemen Ilmu Komputer, Bapak/Ibu Dosen dan Tenaga

Kependidikan yang telah begitu banyak membantu baik selama

pelaksanaan penelitian ini maupun sebelumnya.

Kepada semua pihak lainnya yang telah memberikan kontribusi yang

besar selama pengerjaan penelitian ini yang tidak dapat disebutkan satu-

persatu, penulis ucapkan terima kasih banyak. Segala kesempurnaan hanya

milik Allah Subhanahuwata’ala. Semoga hasil penelitian ini dapat

bermanfaat, Amin.

Bogor, Februari 2014

Praditya Pamungkas

DAFTAR ISI

DAFTAR TABEL vi

DAFTAR GAMBAR vi

PENDAHULUAN 1

Latar Belakang 1

Tujuan Penelitian 1

Manfaat Penelitian 1

Ruang Lingkup Penelitian 2

TINJAUAN PUSTAKA 2

Struktur Data Spasial 2

Shapefile 2

MonetDB 3

JDBC 4

OpenJUMP 5

METODE 5

Identifikasi Masalah 6

Pengumpulan Data 6

Pembangunan Database 6

Koneksi Open Source GIS 6

Memasukkan Query dan Hasil 6

Analisis Hasil 7

HASIL DAN PEMBAHASAN 8

Pengumpulan Data 8

Pembangunan Database menggunakan MonetDB 10

Pengujian MonetDB 11

SIMPULAN DAN SARAN 17

Simpulan 17

Saran 17

DAFTAR PUSTAKA 18

RIWAYAT HIDUP 19

DAFTAR TABEL

1 Proses pemilihan Open Source ........................................................................ 6 2 Hasil run-time query ...................................................................................... 16

DAFTAR GAMBAR

1 Binary Association Table (BAT) ..................................................................... 4 2 Model penelitian .............................................................................................. 5 3 Koneksi dan visualisasi .................................................................................... 7 4 Pemetaan penduduk kota New York ............................................................... 9 5 Pemetaan neihgborhoods kota New York ....................................................... 9 6 Pemetaan jalan kota New York ....................................................................... 9 7 Pemetaan halte bus kota New York ............................................................... 10 8 Hasil query sederhana .................................................................................... 13 9 Hasil query sederhana menggunakan AND ................................................... 13 10 Hasil query sederhana menggunakan LIKE ................................................ 14 11 Hasil query kompleks menggunakan JOIN dan contains ............................ 14

12 Hasil query kompleks menggunakan JOIN dan intersect ............................ 15 13 Hasil query kompleks menggunakan JOIN dan intersect2 .......................... 15

PENDAHULUAN

Latar Belakang

Dalam proses penyimpanan data yang paling populer saat ini adalah

relasional. Model relasional ini merupakan model yang paling sederhana sehingga

mudah digunakan dan dipahami oleh pengguna. Model ini menggunakan

sekumpulan tabel berdimensi dua (relasi atau tabel) dengan masing-masing relasi

tersusun atas tupel atau baris dan atribut. Namun model ini dianggap kurang

bagus dalam data besar dan kompleks.

Banyak Database Management System (DBMS) yang bermunculan untuk

mengolah data spasial maupun non spasial, salah satunya yaitu MonetDB.

MonetDB ini merupakan pelopor DBMS yang menggunakan column-store dalam

meningkatkan kinerja untuk data warehouse business intellegence dan eScience.

Model penyimpanan yang dilakukan MonetDB ini menggunakan metode vertical

fragmentation untuk mempercepat kinerja pencarian data spasial maupun non

spasial (MonetDB 2012) .

Pada penelitian sebelumnya dilakukan perbandingan antara kinerja postgres

dengan MonetDB menggunakan data spasial dan non spasial, dan dihasilkan

kesimpulan bahwa MonetDB memiliki waktu rata-rata yang lebih cepat dalam

mengolah data non spasial dibanding Postgres. Namun hasil sebaliknya dalam

data spasial yang sederhana maupun kompleks, PostgreSQL memiliki rata- rata

waktu yang cepat dibanding MonetDB (Anggi 2013). Dikarenakan MonetDB

masih dalam pengembangan dan hanya memiliki fungsi spasial yang masih

sederhana dibanding PostgreSQL maka itu merupakan hal yang wajar. Dalam

penelitian akhir ini saya mencoba untuk menampilkan data MonetDB kedalam

bentuk gambar menggunakan Open Source OpenJUMP dengan memasukkan

query spasial sederhana dan kompleks, sehingga terlihat kekurangan maupun

kelebihan MonetDB sebagai DBMS dalam proses visualisasi data spasial.

Tujuan Penelitian

Tujuan dari penelitian ini adalah menghubungkan MonetDB dengan suatu

aplikasi/open source GIS. Sehingga data spasial yang disimpan di MonetDB dapat

divisualisasikan menjadi gambar, baik data spasial sederhana maupun kompleks.

Manfaat Penelitian

Manfaat dari penelitian ini diharapkan dapat membantu pengguna tentang

MonetDB. Terutama tentang visualisasi data spasial melalui salah satu open

source GIS untuk selanjutnya dihubungkan menjadi basis WEB GIS.

2

Ruang Lingkup Penelitian

Ruang lingkup dari penelitian ini adalah :

1. Komputer yang digunakan sebagai penguji adalah komputer pribadi dengan

spesifikasi:

a. Processor Intel(R) Core i3 ~2.3GHz

b. RAM 2 GB

c. Sistem Operasi Windows 8

d. Hard drive 500GB

2. Shp2pgsql untuk mengkonversi data spasial

3. MonetDB yang digunakan adalah MonetDB5-Server.exe

4. JDBC4 untuk koneksi MonetDB5 server dengan menggunakan Java.

5. Open Source yang digunakan adalah OpenJUMP versi 1.6.3 dengan plugin

OpenJUMP-MonetDB-plugin.jar .

TINJAUAN PUSTAKA

Struktur Data Spasial

Dalam kerangka kerja SIG, data dibagi menjadi dua kategori, yaitu data

spasial dan data tekstual (atribut). Data spasial merupakan data yang memiliki

informasi lokasi atau data yang bereferensi geografis dan data atribut merupakan

data yang memiliki fitur spasial (Chang 2008).

Shapefile

Menurut Chang (2008), shapefile merupakan sebuah format data spasial

yang menyimpan lokasi geografis berupa informasi atribut titik (point), garis

(line), dan poligon (polygon). Bentuk geometri yang tersimpan adalah dalam

bentuk koordinat vektor. Format ini adalah format yang dikeluarkan oleh

Environmental System Resource Institue (ESRI) yang merupakan salah satu

vendor SIG terkemuka. ESRI shapefile terdiri atas:

1 Main file (.shp)

Merupakan file yang dapat diakses secara langsung dan panjang dari record

variabel dalam file mendeskripsikan bentuk vertex.

2 Index file (.shx)

Pada file indeks, tiap record terdiri atas proses cetakan offset yang

berhubungan dengan record file utama.

3 Tabel dBASE (.dbf)

Pada tabel dBASE terdapat fitur atribut dengan record pada setiap fiturnya.

3

MonetDB

MonetDB adalah open source column-oriented database management

system yang dikembangkan oleh CWI (Centrum Wiskunde and Informatica).

MonetDB sebagai pelopor dari column-store yang merupakan solusi untuk kinerja

yang tinggi dari data warehouse untuk business intelligence dan eScience sejak

tahun 1993. Inovasi yang dikembangkan oleh MonetDB untuk semua lapisan dari

DBMS adalah model penyimpanan yang berdasarkan vertical fragmentation.

Sebuah arsitektur untuk eksekusi query yang modern dengan CPU-tuned, otomatis

dan adaptif untuk indexing, run-time query optimization, dan software

architecture yang standar. MonetDB juga mendukung penuh ACID dan SQL

(Structured Query Language) yang digunakan oleh MonetDB berdasarkan standar

SQL 2003. MonetDB sudah diuji pada Linux (Fedora, RedHat Enterprise Linux,

Debian, Ubuntu), Gentoo, Mac OS, SUN Solaris, Open Solaris, dan Windows.

Antarmuka pemograman yang didukung oleh MonetDB adalah JDBC, ODBC,

PHP, Python, RoR, C, C++, dan Perl (MonetDB 2012).

Model penyimpanan yang dikembangkan pada MonetDB secara signifikan

berbeda dengan traditional database sistem. Ini digambarkan dengan tabel baru

yang merupakan hasil fragmentation secara vertikal dari entitas dalam arti

menyimpan masing- masing kolom (atribut) dari entitasnya pada tabel secara

terpisah. Kolom yang sebelah kiri adalah object-identifier (OID) yang disebut

head dan kolom sebelah kanan adalah value yang disebut tail (MonetDB 2012).

Pada tabel baru yang merupakan hasil dari fragmentation, terdiri atas dua

kolom. Ini disebut dengan Binary Association Table (BAT) yang dapat dilihat

pada Gambar 1.

Manfaat column-store ini berasal dari penyederhanaan yang lebih baik

untuk aliran data yang berasal dari disk penyimpanan, lalu melewati memori yang

masuk ke CPU cache. Keuntungan yang didapat dari column-store database

adalah hanya data yang relevan yang akan diproses dan diambil dari disk.

MonetDB terdiri atas arsitektur dua lapis, yaitu sebuah database server dan

beberapa front-end. Saat ini front- end yang tersedia adalah SQL dan XQuery

yang berfungsi sebagai antarmuka ke database server. Server diprogram dalam

bahasa pemrograman yang disebut MonetDB Association Language (MAL).

MAL adalah bahasa aljabar relational yang mendukung koleksi besardari

relational yang primitif, fungsi-fungsi, dan hubungan yang mudah dengan fungsi

yang didefinisikan pengguna (Vermeij et al. 2008)

4

JDBC

JDBC API (application programming interface) merupakan komponen

dari aplikasi untuk dapat menghubungkannya kepada suatu database. JDBC

driver memberikan koneksi kepada database untuk diimplementasikan

dalam memproses query yang diberikan oleh pengguna. Sehingga dapat

melakukan perintah, fungsi, dan protokol yang dapat digunakan oleh

programmer saat membangun perangkat lunak untuk sistem operasi tertentu.

JDBC API memungkinkan programmer untuk menggunakan fungsi standar

untuk berinteraksi dengan sistem operasi. JDBC sendiri dibagi 4 kategori :

1. JDBC-ODBC bridge : Menggunakan ODBC driver sebagai penghubung

antara database dengan perangkat lunak. Dalam kategori ini computer

harus mendapatkan akses ODBC dengan mengistall driver ODBC. Tipe

ini paling lama dibandingkan dengan tipe lainnya.

2. JDBC Native API Driver : Menggunakan Native API driver sebagai

penghubung antara database dengan perangkat lunak. Driver ini lebih

baik dibanding dengan tipe 1, namun tidak semua database yang

mendukung driver ini.

3. JDBC Network Protocol Driver : Menggunakan Network Protokol atau

aplikasi server sebagai penghubung antar database dengan perangkat

lunak. Driver ini dapat memperlihatkan penggunaan banyak database

yang dipakai, namun dalam penggunaan dari berbagai database itu

harus memasukkan koding tertentu kedalam aplikasi yang digunakan

sebagai aplikasi server. Aplikasi server ini yang memberikan data

kepada database yang berbeda.

4. JDBC Database Protocol Driver : Menggunakan Native Protocol driver

sebagai penghubung antara database dengan perangkat lunak. Driver ini

merupakan tipe yang paling lengkap untuk mendapatkan akses penuh

pemakaian database.

Gambar 1 Binary Association Table (BAT)

5

OpenJUMP

OpenJUMP merupakan aplikasi GIS yang berfungsi menggunakan platform

Java. Aplikasi ini bekerja dengan menggunakan data shapfile. OpenJUMP dapat

mengambil data dari database server untuk ditampilkan sebagai gambar. Data

OpenJUMP yang ditampilkan harus mempunyai data vektor sehingga dapat

dimunculkan sebagai titik titik ataupun bentuk yang dapat dilihat. Database server

yang dapat dihubungkan OpenJUMP harus memiliki pendukung dari java sebagai

plugin untuk dimasukkan ke dalam OpenJUMP.

METODE

Model penelitian yang digunakan tersusun dalam suatu diagram alur

penelitian yang dapat dilihat pada Gambar 2.

Gambar 2 Model penelitian

6

Identifikasi Masalah

Identifikasi masalah merupakan tahap awal dari penelitian ini. Masalah yang

diidentifikasi adalah visualisasi data spasial MonetDB terhadap suatu open source

yang sesuai dengan MonetDB. Oleh karena itu, dalam penelitian ini dilakukan

pengujian query spasial yang dimasukkan dalam open source yang sesuai untuk

masalah tersebut.

Pengumpulan Data

Pada tahap ini dilakukan pengumpulan data yang akan digunakan untuk

pengujian. Data spasial didapat dalam format shapefile. File tersebut berisi baris-

baris atribut dan vektor yang memuat isi data spasial. Dari vektor itu dapat

ditampilkan ke dalam open source GIS sebagai titik titik geografis.

Pembangunan Database

Semua data yang diperoleh dari OpenGeo yaitu nyc_census_blocks,

nyc_neighborhoods, nyc_streets, nyc_subway_stations, dan nyc_census_sosiodata,

kemudian data yang didapat dalam bentuk *.shp diubah kedalam bentuk *.sql.

Tahap selanjutnya adalah memasukkan database baru ke dalam MonetDB.

Koneksi Open Source GIS

Open Source yang dipilih yaitu OpenJUMP, dikarenakan sudah memiliki

koneksi melalui JDBC antara MonetDB dengan OpenJUMP. Dapat dilihat pada

Tabel 1 koneksi Open Source OpenJUMP terhadap MonetDB.

Tabel 1 Koneksi Open Source

Support Program

API Driver Open Source Plugin

JDBC JDBC MonetDB-jdbc-2.10

OpenJUMP OpenJUMP-MonetDB-plugin

ODBC ODBC ODBC-Installer-MonetDB

ArcView -

Phyton - - QuantumGis -

C\C++ C Library

- Grass -

Perl - MonetDB - -

Memasukkan Query dan Hasil

Query yang akan digunakan untuk pengujian DBMS dikelompokkan

menjadi dua kelompok, yaitu query spasial sederhana dan spasial kompleks ke

dalam OpenJUMP .

7

Analisis Hasil

Dalam proses visualisasi data MonetDB menggunakan OpenJUMP perlu

dilakukan beberapa langkah koneksi dan vusialisasi dapat dilihat pada Gambar 3.

Gambar 3 Koneksi dan visualisasi

8

HASIL DAN PEMBAHASAN

Pengumpulan Data

Data yang akan digunakan untuk pengujian visualisasi ini

menggunakan data spasial. Data didapat dari workshop PostGIS yang

disediakan oleh situs OpenGeo. Data terdiri atas empat data spasial dalam

format shapefile. Empat data shapefile ini adalah nyc_census_blocks,

nyc_neighborhoods, nyc_streets, dan nyc_subway_stations.

Data spasial nyc_census_blocks merupakan daerah pemetaan

terkecil (per blok) dari sensus penduduk yang berada di kota New York.

Gambar 4 merupakan contoh pemetaan dari persentase populasi kulit hitam

dari total populasi. Data spasial nyc_census_blocks memiliki atribut yang

memberikan keterangan untuk data geometrinya, yaitu „blkid‟(identitas

blok), „popn_total‟(totalpopulasi), „popn_white‟(populasikuliputih),

„popn_black‟(populasi kulit hitam), „popn_nativ‟ (populasi penduduk

asli Amerika), „popn_asian‟ (populasi penduduk Asia), „popn_other‟

(populasi penduduk lainnya), „hous_total‟ (total rumah), „hous_own‟

(total rumah pribadi), „hous_rent‟ (total rumah yang disewakan),

dan „boroname‟ (nama sektor).

Data spasial nyc_neighborhoods ini adalah pemetaan per sektor

wilayah. Setiap sektor memiliki beberapa neighborhood. Di New York,

neighborhood merupakan suatu konstruksi sosial yang tidak mengikuti garis

yang ditetapkan oleh pemerintah. Untuk contoh, neighborhood dari

Brooklyn, yaitu Carrol Gardens, Red Hook, dan Cobble Hill yang diketahui

sebagai Brooklyn selatan. Nyc_neighborhoods memiliki dua atribut, yaitu

„name‟ yang berisikan nama dari neighborhood dan „boroname‟ yang

berisikan nama dari sektor-sektor yang ada di New York, yaitu

Manhattan, The Bronx, Brooklyn, Staten Island, dan Queens. Gambar 5

merupakan pemetaan untuk neighborhood pada kota New York.

Data spasial nyc_streets ini adalah pemetaan centerline street

dari jaringan transportasi kota. Jalan-jalan ini ditandai dengan berbagai

tipe untuk membedakan antara jalan umum yang ada seperti gang-gang

belakang gedung atau rumah yang sempit, jalan arteri, jalan raya, dan

jalan-jalan kecil. Data ini memiliki tiga atribut, yaitu „name‟ (nama jalan),

„oneway‟ (satu arah atau tidak), dan „type‟ (jenis jalan). Gambar 6

memberikan gambaran dari pemetaan jalan yang berada di kota New York.

Data spasial yang terakhir adalah nyc_subway_stations. Pemetaan

stasiun kereta bawah tanah ini tersimpan di data spasial

nyc_subway_stations. Lokasi stasiun ini memudahkan orang dalam

menggunakan transportasi kereta bawah tanah. Data ini memiliki atribut

„name‟ (nama stasiun), „borough‟ (nama sektor), „routes‟. Gambar 7

merupakan pemetaan dari stasiun kereta api di Kota New York.

9

Gambar 4 Pemetaan penduduk kota New York

Gambar 5 Pemetaan neihgborhoods kota New York

Gambar 6 Pemetaan jalan kota New York

10

Gambar 7 Pemetaan halte bus kota New York

Pembangunan Database menggunakan MonetDB

Proses pembangunan database pada MonetDB berbeda dengan PostgreSQL

karena MonetDB tidak memiliki program shapefile loader seperti PostGIS.

Format data yang didukung oleh MonetDB adalah CSV, SQL, TAB, RAW dan

XML. Oleh karena itu, untuk memasukkan data spasial format shapefile ke dalam

MonetDB, tahap pertama yang harus dilakukan adalah mengubah data

spasial format shapefile (*.shp) menjadi baris-baris SQL yang disimpan dalam

sebuah file dengan ekstensi *.sql.

ArcView adalah software yang dapat digunakan untuk mengubah data

spasial (shapefile) menjadi baris-baris SQL yang disimpan dalam sebuah file

dengan ekstensi*.sql. Dengan tersedianya extension Gix Export Tool pada

ArcView, maka shapefile dapat diubah menjadi baris-baris SQL.

Data dimasukkan satu per satu kemudian dilakukan konversi menggunakan

Gix Export Tool. Setelah semua data dikonversi, perlu dilakukan penyesuaian

struktur syntax SQL yang sesuai dengan standar SQL MonetDB. Oleh karena itu,

dilakukan pengeditan agar MonetDB dapat memuat SQL tersebut.

Cara manual unuk mengkonversi data spasial (shapefile) ke dalam bentuk

*.sql dapat menggunakan program shp2pgsql dengan mengetik syntax ke dalam

CMD seperti dibawah ini :

Format :

shp2pgsql [option] [shapefile] [schema.table_name] > [file_name *.sql] Contoh :

E:\shp2pgsql > "shp2mysql nyc_streets nyc_streets nyc_streets > nyc_streets.sql"

Tahap selanjutnya adalah membuat database baru pada MonetDB yang

dimulai dengan membuat database kosong yang baru. MonetDB menggunakan

Command Prompt (CMD) sebagai program antarmuka. Dalam menggunakan

MonetDB, kita harus terlebih dahulu mengaktifkan server MonetDB. Pengaktifan

server dilakukan dengan menggunakan CMD.

Pada CMD, directory yang akan digunakan ke folder directory „bin‟ diubah

seperti berikut:

11

C:\Program Files\MonetDB\MonetDB5\bin

Dilanjutkan dengan mengetikkan syntax seperti berikut:

mserver5 –-dbname=web -- dbfarm=C:\web

Syntax –-dbname adalah syntax yang digunakan untuk membuat database

baru atau menjalankan database yang telah dibuat. Jika kita sudah mengetikkan

itu, server sudah aktif dan database baru telah kita buat. Syntax -- dbfarm

merupakan syntax yang digunakan untuk membuat folder directory penyimpanan

data ke database dalam MonetDB dan juga digunakan untuk memuat directory

yang telah kita buat sebelumnya.

Setelah server aktif, kita baru dapat menjalankan client MonetDB. Cara

menjalankan client sama seperti menjalankan server. Perbedaannya hanya syntax

yang kita ketik seperti berikut:

mclient –u monetdb –d web

Syntax –u adalah nama pengguna dan –d adalah database yang telah

dijalankan oleh server.

Tahap yang berikutnya adalah memasukkan semua data SQL ke dalam

MonetDB. Jadi ada lima data yang akan dimasukkan, empat data hasil konversi

menggunakan shp2pgsql. Cara memasukkan data tersebut dengan mengeksekusi

perintah ini pada CommandPrompt MonetDB pada client MonetDB:

\<C:\ProgramFiles\MonetDB\MonetDB5\bin\’nyc_census_blocks’.sql’

Setelahnya akan didapatkan empat tabel, yaitu tabel :

‟nyc_census_blocks„,

„nyc_neighborhoods‟,

„nyc_streets‟, dan

„nyc_subway_stations‟.

Pengujian MonetDB

Query didapat dari modul workshop yang disediakan oleh situs OpenGeo.

Di dalam modul workshop diberikan materi dan latihan mengenai SQL spasial.

Oleh karena itu, query yang digunakan untuk pengujian kinerja DBMS diambil

dari modul tersebut. Query spasial sederhana adalah query yang menggunakan

fungsi spasial “like” dan “and”. Query ini mengakses field geometri dan atribut

lainnya. Sedangkan query spasial kompleks ini menggunakan fungsi spasial dan

syntax “join”, “constains” dan “intersect” untuk mengakses dua tabel berbeda.

Jadi perbedaan antara query spasial sederhana dengan spasial kompleks adalah

dalam penggunaan syntax “join” pada query spasial kompleks.

Dalam penulisan syntax untuk mengakses field geometri di MonetDB

menggunakan shape lalu disesuaikan dengan nama field geometri pada masing-

masing database. Query yang digunakan dalam pengujian kali ini yaitu query

12

spasial sederhana dan kompleks. Dua field geometri dari dua tabel berbeda

diakses secara bersamaan untuk query spasial kompleks. Hanya data spasial yang

dapat ditampilkan melalui OpenJUMP karena data spasial terdiri atas barisan

geometri yang dibaca oleh OpenJUMP.

Query spasial sederhana :

SELECT *

FROM nyc_neighborhoods

WHERE boroname = „Queens‟;

(Menampilkan geometri wilayah di dalam data nyc_neighborhoods yang

memiliki boroname sebagai Quens).

Hasil dari query di atas dapat dilihat pada gambar 8.

Query spasial sederhana menggunakan AND :

SELECT *

FROM nyc_census_blocks

WHERE popn_white <=100 and boroname = „The Bronx‟;

(Menampilkan geometri wilayah di dalam data nyc_census_blocks yang

memiliki populasi penduduk putih dibawah atau sama dengan 100 dan

boronamenya adalah „The Bronx‟).

Hasil dari query di atas dapat dilihat pada gambar 9.

Query spasial sederhana menggunakan LIKE :

SELECT * FROM nyc_streets WHERE name LIKE „%W%‟;

(Menampilkan semua dari nyc_streets yang memiliki nama yang

mengandung huruf W)

Hasil dari query di atas dapat dilihat pada gambar 10.

Query spasial kompleks menggunakan JOIN dan Constains :

SELECT * FROM nyc_subway_stations AS s

JOIN nyc_neighborhoods AS n

ON Contains(n.shape, s.shape) WHERE n.name = 'Little Italy';

(Menampilkan titik Little Italy dari nyc_neighborhoods yang sama di titik

nyc_subway_stations).

Hasil dari query di atas dapat dilihat pada gambar 11.

Query spasial kompleks menggunakan JOIN dan Intersect :

SELECT *FROM nyc_census_blocks AS c

JOIN nyc_neighborhoods AS n

ON "Intersect"(c.shape, n.shape) WHERE n.name = 'Upper West Side'

OR n.name = 'Upper East Side';

(Menampilkan geometri yang saling berpotongan dengan nama Upper

West Side atau Upper East Side ).

Hasil dari query di atas dapat dilihat pada gambar 12.

Query spasial kompleks menggunakan JOIN dan Intersect :

SELECT *

FROM nyc_neighborhoods AS n

13

JOIN nyc_census_blocks AS s

ON "Intersect"(n.shape, s.shape)

WHERE n.name = 'Battery Park';

Hasil dari query di atas dapat dilihat pada gambar 13.

Gambar 8 Hasil query sederhana

Gambar 9 Hasil query sederhana menggunakan AND

14

Gambar 10 Hasil query sederhana menggunakan LIKE

Gambar 11 Hasil query kompleks menggunakan JOIN dan contains

15

Gambar 12 Hasil query kompleks menggunakan JOIN dan intersect

Gambar 13 Hasil query kompleks menggunakan JOIN dan intersect2

:

16

Tabel 2 Hasil runtime query

Query gambar Hasil percobaan(detik) Rata - rata

Hasil query sederhana 00.00.01, 00.00.01 , 00.00.01 00.00.01

Hasil query sederhana

menggunakan baris operasional

dan AND

00.00.01, 00.00.01, 00.00.01 00.00.01

Hasil query sederhana

menggunakan LIKE

00.00.01, 00.00.01, 00.00.01 00.00.01

Hasil query kompleks

menggunakan JOIN dan contains

00.05.38, 00.04.20, 00.24-08 00.10.32

Hasil query kompleks

menggunakan JOIN dan intersect

01.28.31, 01.20.45, 01.30.09 01.25.35

Hasil query kompleks

menggunakan JOIN dan intersect

2

00.22.23, 00.18.32, 00.20.14 00.20, 40

17

SIMPULAN DAN SARAN

Simpulan

Simpulan dari penelitian ini adalah:

1. Data spasial MonetDB dapat dilakukan di dalam open source yaitu

OpenJUMP menggunakan JDBC.

2. Query spasial yang dimasukkan ke dalam OpenJUMP dapat di

visualisasikan menjadi bentuk gambar.

Saran

Saran untuk penelitian selanjutnya adalah:

1. Dilakukan pengembangan model data MonetDB sehingga proses

pengambilan dan visualisasi data menjadi stabil.

18

DAFTAR PUSTAKA

Chang KT. 2008. Introduction to Geographic Information Systems.Ed ke-4.

New York: McGraw-Hill.

Findthebest. 2012. Unbiased, Data-driven Comparisons [internet]. http://database-

management-system.findthebest.com [27 Des 2012].

Juniard AP. 2013. Perbandingan Fungsionalitas dan Kinerja Spatial DBMS

PostfreSQL dan MonetDB, Direktorat Kemahasiswaan, Institut Pertanian

Bogor [skripsi]. Bogor (ID): Fakultas Matimatika dan Ilmu Pengetahuan Alam,

Institut Pertanian Bogor.

Mehta DP, Sahni S. 2005. Handbook of Data Structures and Applications. New

York: Chapman & Hall/CRC.

MonetDB. 2013. Colukmn Store Features [internet]. http://www.MonetDB.org

[12 Des 2013].

OpenJUMP. 2013, Open Jump [internet]. http://OpenJUMP.org [25 Sep 2013].

Pallet Dennis. 2013. Open Jump Data Store Plugin [intenet].

http://www.dennis.pallett.nl [12 Des 2013].

Vermeij M, Quak W, Kersten M, Nes N.2008. MonetDB, a novel spatial

column- store DBMS. Di dalam: Proceedings of Free and Open Source

Software for Geospatial (FOSS4G) Conference; Vancouver, 2008. hlm 193-

199.

19

RIWAYAT HIDUP

Penulis dilahirkan di Bogor pada tanggal 25 Desember 1990. Penulis

merupakan anak ketiga dari pasangan Riyono dan Krisnaningtyas. Pada Tahun

2008, penulis menamatkan pendidikan di SMA Negeri 3 Bogor. Pada tahun yang

sama, penulis diterima menjadi mahasiswa di Institut Pertanian Bogor (IPB)

melalui jalur Undangan Seleksi Masuk IPB. Penulis menjadi mahasiswa di

Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam.

Pada bulan Juli-Agustus 2011 penulis melaksanakan kegiatan Praktik Kerja

Lapangan di PT. Oil Clinic Pertamina sebagai sistem analis . Selama aktif sebagai

mahasiswa, penulis pun turut aktif dalam kegiatan kepanitian di Departemen Ilmu

Komputer, yaitu menjadi anggota kepengurusan (Masa Perkenalan Departemen )

MPD (2010) dan menjadi ketua dalam Ilkomers Sports Championship (ISC)

(2011).