9.3 Basis Data Spasial (Spatial Databases)
9.3.5 Aplikasi Data Geografis
Basis Data Geografis telah banyak dimanfaatkan, seperti pada sistem navigasi kendaraan, sistem informasi jaringan distribusi untuk instalasi publik
Sistem navigasi kendaraan memiliki informasi tentang jalan dan berbagai layanan untuk pengemudi. Informasi tentang jalan bisa meliputi bentuk jalan, batas kecepatan di jalan, kondisi jalan, koneksi antar jalan, juga apakah jalan search atau dua arch. Pada level yang sederhana, sistem seperti ini dapat digunakan untuk menghasilkan peta on-line untuk manusia. Dan dengan informasi-informasi tambahan yang relevan, pemakai dapat menggunakannya untuk perencanaan rute perjalanan atau untuk mengetahui lokasi-lokasi hotel, restoran, ATM dan pompa bensin di sekitar jalan/kawasan tertentu.
Sistem navigasi kendaraan biasanya bersifat dinamis dan mobile (bergerak), dan secara fisik dipasang di dasbor kendaraan. Tambahan yang juga berguna untuk sistem informasi geografis bergerak ini adalah unit GPS (Global Positioning Sistem), yang menggunakan informasi pancaran (broadcast) dari satelit untuk menemukan lokasi objek tertentu dengan akurasi hingga puluhan meter. Dengan bantuan sistem semacam ini, seorang pengemudi tak perlu kuatir sampai tersesat, karena dengan bantuan GPS dan Basis Data Geografis kita dapat mengetahui secara tepat di mana kendaraan berada dan jalanjalan di sekitar kendaraan.
Basis Data Geografis yang mengelola informasi tentang instalasi publik (listrik, air dan telepon kabel) menjadi sangat penting dewasa ini sejalan dengan peningkatan dan kompleksitas jaringan kabel/jaringan pipa di bawah tanah. Minimnya peta detail untuk masing-masing jaringan, bisa mengakibatkan pekerjaan untuk sebuah jaringan publik yang satu dapat merusak jaringan yang lain, yang tentu saja dapat menghasilkan gangguan pelayanan kepada pelanggan. Basis Data Geografis yang dilengkapi sistem pencarian lokasi, dapat dimanfaatkan untuk menghindari kemungkinan kerusakan yang tidak disengaja semacam ini di kemudian hari.
9.4 Basis Data untuk Multimedia (Multimedia Databases)
Saat ini semakin marak pemakaian basis data untuk menyimpan data multimedia, seperti gambar, audio dan video. Umumnya, data multimedia tersebut disimpan di luar basis data, yaitu pada file-file terpisah. Dan di saat jumlah objek multimedia tersebut masih relatif kecil, maka fasilitas-fasilitas dalam lingkungan basis data menjadi tidak begitu bermanfaat dan relevan.
Fungsionalitas basis data akan menjadi penting pada saat jumlah objek multimedia yang disimpan tersebut sudah semakin banyak. Isu-isu seperti perubahan, pencarian dan pengindeksan menjadi penting dan relevan. Objek-objek multimedia seringkali memiliki atribut-atribut deskriptif, seperti waktu pembuatan, nama pembuat dan jenis data multimedianya. Salah satu
pendekatan dalam pembentukan basis data untuk objek-objek multimedia adalah dengan memanfaatkan basis data untuk menyimpan atribut-atribut deskriptif dan untuk menyimpan informasi track dari file di mana objek-objek multimedia tersebut disimpan secara fisik.
Akan tetapi, menyimpan objek multimedia sendiri (gambar, audio, video) di luar basis data membuatnya lebih sukar untuk memberikan fungsionalitas basis data yang optimal, seperti pengindeksan. Hal itu juga dapat mengarah munculnya inkonsistensi, jika misalnya file-file yang informasi deskriptif dan lokasinya tersimpan di basis data sudah tidak ada atau telah dipindahkan. Karena itu sangat beralasan untuk menyimpan objek-objek ini di dalam basis data yang sama. DBMS Oracle menyediakan tipe data BLOB (singkatan dari Binary Large Object) dan DBMS Sybase menyediakan tipe data image untuk menyimpan data multimedia untuk jenis gambar.
Beberapa isu yang harus diketahui jika data multimedia disimpan dalam sebuah basis data :
Basis data (dan DBMS) harus mendukung penyimpanan objek-objek yang besar, karena data multimedia seperti video bisa membutuhkan ruang penyimpanan hingga beberapa GB (gigabyte).
Pencarian dan pengambilan data berdasarkan kesamaan diperlukan dalam aplikasi-aplikasi basis data multimedia. Sebagai contoh, dalam sebuah basis data yang menyimpan citra sidik jari, sebuah query sidik jari dapat diberikan, yang menghasilkan daftar sidik jari yang cocok. Struktur indeks semacam B+-tree atau R-tree tidak cocok digunakan untuk keperluan ini, karena itu struktur indeks yang khusus untuk itu perlu dibuat.
Pengambilan sejumlah tipe data, seperti audio dan video, juga membutuhkan syarat khusus yaitu data yang disimpan harus dapat diproses dan disajikan dalam kecepatan yang konstan. Data semacam ini biasa disebut data media kontinu (continuous-media data).
9.4.1 Pengambilan Berbasis Kesamaan (Similarity-Based Retrieval)
Dalam banyak aplikasi multimedia, data dalam basis data dideskripsikan hanya Sebagai pendekatan (aproksimasi) dari fakta yang sesungguhnya. Kita telah mengemukakan contoh sebelumnya tentang data sidik jari. Sangat tidak efisien dan tidak relevan untuk menyimpan semua fakta dalam sidik jadi. Yang perlu disimpan hanyalah bagian-bagian sidik jari yang penting yang kelak bisa
direpresentasikan dalam basis data dapat dianggap sama oleh pemakai. Sebagai contoh, sebuah basis data digunakan untuk menyimpan rancangan merk dagang. Ketika sebuah rancangan merk dagang yang baru ingin didaftarkan, sistem basis data mula-mula dapat memeriksa semua merk dagang yang mirip rancangannya yang sebelumnya telah dientri, sehingga pendaftaran merk dagang yang baru dapat ditolak.
Data Audio. Saat ini telah marak digunakan fasilitas antar muka (Interface) pemakai yang berbasis suara. Dengan fasilitas ini pemakai dapat memberikan perintah atau mengidentifikasi item data dengan suaranya. Masukan dari pemakai harus ditest untuk mencari kecocokan dengan perintah-perintah yang telah tersimpan di dalam sistem.
Data Tulisan Tangan. Uji kemiripan diperlukan untuk menguji kesamaan tulisan tangan seseorang dengan data tulisan tangan yang telah tersimpan di basis data yang mungkin berasosiasi dengan perintah atau makna tertentu.
Kemiripan seringkali bersifat subjektif dan amat tergantung definisi pemakai. Namun demikian, pengujian kemiripan cukup sukses untuk pengenalan suara dan tulisan tangan, karena data masukan dapat dibandingkan dengan data yang telah tersimpan dalam basis data, dan karena himpunan pilihan yang tersedia juga terbatas.