Tahapan yang dilakukan penelitian ini dalam hal pembangunan spatio-temporal data warehouse dapat dilihat pada Gambar 5.
Gambar 5 Tahap-tahap penelitian. Studi Literatur
Tahap ini merupakan proses pengumpulan informasi dan literatur yang berkaitan dengan topik penelitian. Informasi dan literatur yang dimaksud merupakan bahan-bahan yang diperlukan untuk mendukung penelitian ini. Bahan-bahan tersebut dapat berupa data hotspot maupun suatu literatur yang diperoleh dari internet, buku, jurnal, dan artikel yang membahas mengenai spatio-temporal data warehouse dan implementasi SOLAP.
Analisis Data
Data hotspot yang telah diperoleh kemudian dianalisis untuk mendapatkan atribut-atribut yang tepat dan sesuai dalam pembuatan spatio-
6 menghasilkan parameter mengenai WMS
dan layanan layer yang disediakan. GetMap
Mendapatkan peta dengan parameter dimensi dan geospasial yang telah didefinisikan dengan jelas.
GetFeatureInfo
Meminta informasi mengenai fitur tertentu yang ditampilkan pada peta.
WFS atau web feature service merupakan layanan publikasi data geospasial pada tingkat fitur data spasial melalui media web. Spesifikasi OGC untuk WFS menggunakan teknologi XML (Extensible Markup Language) dan protokol HTTP (Hyper Text Transfer Protocol) sebagai media penyampaiannya atau mungkin lebih tepatnya menggunakan geography markup language (GML) yang merupakan subset dari XML.
OpenLayers
OpenLayers merupakan aplikasi klien berbasis javascript untuk menampilkan data peta pada web browser tanpa tergantung pada web server (OpenLayers 2010). OpenLayers mengimplementasikan JavaScript API yang digunakan untuk membangun aplikasi SIG berbasis web. OpenLayers adalah perangkat lunak gratis yang dikembangkan dari dan untuk komunitas perangkat lunak open source. Geoext
Geoext ini merupakan library open source yang ditulis menggunakan Javascript, yakni hasil pengembangan dari library OpenLayers dan ExtJs (Anonim 2010). Library ini berperan dalam hal interface atau antarmuka penyajian peta sebagai jembatan penghubung antara web map server dengan pengguna.
Pewarnaan Peta
Pewarnaan pada peta ditujukan untuk membedakan wilayah satu dengan lainnya. Pembagian warna peta, misalnya ditujukan untuk membedakan tingkat kepadatan populasi penduduk pada suatu daerah. Metode pembagian warna pada peta dapat berdasarkan kategori berikut ini :
Equal rangeSetiap kelas memiliki rentang nilai yang sama
.
Perbedaan antara nilai yang tertinggi dengan terendah untuk setiap kelas adalah sama. Natural breaks
Pengelompokan pola data, dengan nilai-nilai dalam kelas yang cenderung sama dan nilai-nilai antar kelas yang berbeda. Data nilai cluster ditempatkan dalam satu kelas.
Standar deviasi
Masing-masing kelas didefinisikan dengan jarak dari nilai rata-rata dari semua fitur.
Quantile
Setiap kelas memiliki fitur yang sama, serta membandingkan daerah yang berukuran hampir sama, dan menekankan posisi relatif antar fitur (Mitchell 1999).
METODE PENELITIAN
Tahapan yang dilakukan penelitian ini dalam hal pembangunan spatio-temporal data warehouse dapat dilihat pada Gambar 5.
Gambar 5 Tahap-tahap penelitian. Studi Literatur
Tahap ini merupakan proses pengumpulan informasi dan literatur yang berkaitan dengan topik penelitian. Informasi dan literatur yang dimaksud merupakan bahan-bahan yang diperlukan untuk mendukung penelitian ini. Bahan-bahan tersebut dapat berupa data hotspot maupun suatu literatur yang diperoleh dari internet, buku, jurnal, dan artikel yang membahas mengenai spatio-temporal data warehouse dan implementasi SOLAP.
Analisis Data
Data hotspot yang telah diperoleh kemudian dianalisis untuk mendapatkan atribut-atribut yang tepat dan sesuai dalam pembuatan spatio-
7 temporal data warehouse. Hasil analisis ini
digunakan untuk menentukan dimensi, tabel fakta, dan skema yang tepat untuk model data multidimensi.
Ekstraksi Data
Ekstraksi adalah tahap pengambilan data yang relevan dari database relasional sebelum masuk ke dalam data warehouse. Pada tahap ekstraksi, atribut-atribut dan record-record yang diinginkan dipilih dan diambil dari database relasional. Hal ini perlu dilakukan karena tidak seluruh elemen data berguna dalam pembuatan keputusan. Dalam tahap ekstraksi ini, dilakukan pula pembersihan data yang meliputi :
Pembersihan nilai kosong (null) Pembersihan noise
Perbaikan data yang tidak konsisten Pembersihan data yang redudansi
Pembersihan data ini berguna dalam hal pemerikasaan kesalahan penulisan, kurang lengkapnya data, dan ketidakkonsistenannya data. Untuk mendapatkan nilai frekuensi kemunculan hotspot pada lokasi dan waktu tertentu, perlu dilakukan proses ekstrasi guna mereduksi data hotspot yang terjadi pada waktu dan lokasi yang sama secara berulang. Ilustrasi perhitungan hasil ekstraksi berdasarkan frekuensi kemunculan hotspot dapat dilihat pada Tabel 2.
Tabel 2 Frekuensi kemunculan hotspot Frekuensi kemunculan hotspot
Bulan (ex: Juni)
Tanggal akumulasi per-bulan Lokasi\waktu 1 2 3 … 21 27 30 L1 1 1 1 … 0 1 1 1 L2 1 1 0 … 1 0 1 1 L3 1 0 1 … 1 1 0 1 L4 0 1 0 … 0 1 0 1 … Li … … … 1 Ket : [Li : Lokasi ke-i, ex : Point (140.07, -2.97)]
Transformasi Data
Transformasi data merupakan proses generalisasi atau penyeragaman nama atribut, agregasi dan konstruksi atribut atau dimensi. Pada tahap transformasi ini, data yang berasal dari semua sumber dikonversi ke dalam format umum yang disesuaikan dengan skema multidimensional yang telah dibuat. Transformasi terpenting adalah transformasi
pada label penamaan yang bertujuan agar tidak terdapat nama atribut yang serupa atau pada atribut yang sama memiliki nama yang berbeda pada database yang berbeda.
Pemuatan Data
Setelah tahap ekstraksi dan transformasi data dilakukan, maka data telah siap untuk dimuat (load) ke dalam data warehouse. Pada tahap ini, dilakukan pula pengurutan dan peninjauan integritas suatu data. Tahap pemuatan data bertujuan untuk memuat data yang terseleksi ke dalam data warehouse dan membuat indeks yang diperlukan.
Pembuatan Spatio-TemporalData Warehouse
Proses dilanjutkankan dengan pembuatan spatio-temporal data warehouse. Input data dilakukan berdasarkan skema multidimensional (dalam penelitian ini menggunakan skema snowflake) yang telah dirancang. Skema snowflake yang telah dirancang kemudian diimplementasikan menjadi sebuah kubus data geometri multidimensi (geocube) menggunakan schema workbench. Kemudian, data yang telah dimuatkan dalam membangun data warehouse ini diretrieve oleh SOLAP berdasarkan struktur kubus data geometri multidimensi yang terbentuk.
Pembuatan Peta
Setelah tahapan ekstraksi, transformasi, pemuatan data (Extraction, Transform, Load /ETL) dan diikuti dengan pembuatan data warehouse, kemudian tahap berikutnya dilanjutkan dengan pembuatan peta berupa layer-layer yang dikonstruksi berdasarkan sql query. Tahapan pertama sebelum layer peta dikonstruksi adalah dengan membuat workspace pada web map server. Kemudian dilanjutkan dengan membangun data store pada workspace yang telah dibuat pada web map server. Data store merupakan tempat penyimpanan yang dapat menampung berbagai layer yang hendak dikonstruksi. Layer-layer yang disimpan dalam data store dapat berupa layer point, line, maupun polygon. Layer-layer yang dihasilkan dari sql query tersebut merupakan layer dengan tingkat relevansi yang disesuaikan dengan data warehouse yang dibangun.
Uji Query
Uji query merupakan tahap untuk menguji apakah spatio-temporal data warehouse yang dibuat telah sesuai dengan kebutuhan dan memeriksa apakah operasi dasar SOLAP berhasil diimplementasikan untuk data spasial.
8 Query yang diujikan berupa query biasa dan
query spasial menggunakan fungsi Multidimensional Expressions (MDX). Pengujian dilakukan dengan geocube atau kubus data geometri yang divisualisasikan dalam bentuk tabel pivot dan grafik dengan GeoMondrian, serta visualisasi peta dengan Geoserver (Web Map Server) dalam satu web yang terintegrasi (Web Integration). Uji query pun dilakukan pada Geoserver dalam bentuk Common Query Language (CQL) yang bertujuan untuk membuat suatu layer yang dapat menampilkan visualisasi dalam bentuk peta sebagai timbal balik atas query yang diberikan ke dalam web map server.
Geomondrian-Geoserver
Rangkaian dari tahapan penelitian ini bermuara pada suatu aplikasi yang dapat menghasilkan suatu penyajian data persebaran hotspot di wilayah Indonesia berupa tabel pivot, grafik dan peta. Aplikasi yang telah dikembangkan pada penelitian sebelumnya menggunakan geomondrian, sebagai suatu framework yang memegang peranan penting dalam penyajian data dalam bentuk tabel pivot dan grafik. Skema pengembangan sistem yang dilakukan pada penelitian sebelumnya, yakni hanya sebatas pada lingkup geomondrian dan menghasilkan penyajian data dalam bentuk tabel pivot dan grafik. Pada penelitian ini mencoba menambahkan fungsi atau modul yang dapat menyajikan data dalam bentuk peta dengan menggunakan geoserver sebagai web map server, sehingga menjadi suatu sistem yang terintegrasi. Peranan dari geomondrian dan geoserver dalam tahapan pengembangan sistem selengkapnya dapat dilihat pada Gambar 6.
Gambar 6 Tahap pengembangan sistem. Secara garis besar, berdasarkan Gambar 6, data yang diperoleh dalam bentuk excel (.xls) dan text (.txt), dapat diolah menjadi shapefile
(.shp) ataupun dapat pula diolah ke dalam postgresql/postGIS secara langsung. Kemudian dilanjutkan dengan tahap extraction, transform dan loading (ETL), sehingga didapatkan database yang sudah siap diimplementasikan ke dalam data warehouse maupun peta pada web map server. Pembangunan data warehouse spatio-temporal pada Geomondrian diawali dengan pembentukan geocube atau kubus data geometri multidimensi, setelah terbentuk barulah diimplementasikan pada Geomondrian. Kemudian proses pembuatan layer-layer peta pada Geoserver dilakukan dengan menggunakan sql query di dalamnya. Setelah layer-layer terbentuk dalam web map server, layer-layer tersebut kemudian disajikan menggunakan library GeoExt dan diintegrasikan ke dalam sistem yang terdapat Spatial OLAP (SOLAP) menggunakan Geomondrian menjadi suatu sistem yang terintegrasi.
Lingkungan Pengembangan
Perangkat lunak yang digunakan untuk penelitian yaitu:
1. Windows 7 Ultimate sebagai sistem operasi. 2. Apache Tomcat 7.0 sebagai web server. 3. GeoMondrian yang merupakan framework
spatial OLAP (SOLAP).
4. PostgreSQL dengan library PostGIS sebagai perangkat lunak RDBMS.
5. Quantum GIS 1.5.0-Tethys dan uDig 1.2 RC-3 (User-friendly Desktop Internet) sebagai perangkat lunak untuk mengolah data spasial.
6. Schema Workbench sebagai tool desain kubus data.
7. Geoserver 2.1.0 sebagai web map server yang mengakomodasikan data dalam bentuk peta.
8. Geoext sebagai library dalam manajemen layer yang diambil dalam Geoserver.
HASIL DAN PEMBAHASAN
