Penelitian ini akan dilakukan dalam beberapa tahap yaitu tahap analisis aliran data, perancangan, dan pembuatan data warehouse, dan pengembangan OLAP. Tahap-tahap tersebut dijelaskan sebagai berikut :
Analisis Data
Sensus potensi desa (podes) dilakukan setiap tiga tahun. Data yang akan digunakan dalam pembuatan data warehouse potensi desa di wilayah Bogor adalah data potensi desa hasil sensus BPS pada tahun 1996, 1999, 2003, 2006. Untuk data Potensi Desa akan dilakukan praproses data meliputi
ini dapat disertai oleh agregasi pada beberapa dimensi.
• Roll up dan Drill down
Nilai atribut seperti tanggal memiliki nilai yang menyatakan tahun, bulan dan minggu. Sebuah lokasi juga dapat memiliki beberapa ciri seperti country (negara), state (propinsi) dan kabupaten. Product dapat dibagi ke dalam berbagai kategori seperti elektronik dan furniture.
Seringkali kategori ini dapat diorganisasikan sebagai pohon hirarki atau lattice. Sebagai contoh, tahun berisi bulan dan minggu, keduanya berisi hari. Lokasi dapat dibagi ke dalam negara, yang terdiri dari propinsi, dan propinsi terdiri dari kabupaten. Contoh lain adalah kategori produk, furniture, dapat dibagi ke dalam sub kategori kursi, meja, sofa dan lain-lain.
Struktur hirarki memunculkan operasi roll-up dan drill-down. Sebagai ilustrasi, pada data penjualan, yang merupakan data multidimensi dengan entri-entri untuk setiap tanggal, kita dapat menentukan agregat (roll-up) penjualan untuk semua tanggal dalam satu bulan. Sebaliknya, diberikan representasi data dimana dimensi waktu dipecah ke dalam bulan, kita ingin memisahkan total penjualan bulanan (drill down) ke dalam total penjualan harian.
Dengan demikian operasi roll-up dan drill-down berkaitan dengan agregasi. Akan tetapi kedua ini berbeda dengan operasi agregasi yang telah dibahas, bahwa operasi roll-up dan drill-down mengagregasi sel dalam sebuah dimensi, bukan pada seluruh dimensi.
• Pivot
Agregasi yang dijelaskan sebelumnya dapat dipandang sebagai bentuk reduksi dimensionalitas. Secara khusus, dimensi ke-j dieliminasi dengan penjumlahan pada dimensi tersebut. Secara konseptual, hal ini meringkas setiap kolom dari sel dalam dimensi ke-j ke dalam sebuah sel. Jika sj
adalah banyaknya nilai yang mungkin dari dimensi ke-j, banyaknya sel direduksi oleh faktor dari sj.
Pivoting merujuk kepada agregasi pada semua dimensi. Hasilnya adalah tabulasi silang dua dimensi dengan dua dimensi yang ditentukan sebagai dimensi-dimensi sisanya. Gambar 5 menunjukkan ilustrasi untuk operasi-operasi pada data multidimensi.
Gambar 5 Ilustrasi untuk operasi-operasi pada data multidimensi.
Oracle Data Warehouse
Oracle data warehouse adalah proses pembangunan data warehouse menggunakan tools yang terdapat dalam oracle sehingga data dapat dengan mudah dikelola, diakses, dan dianalisis. Dengan manajemen antarmuka tunggal, Oracle Database 10g melakukan pemeliharaan sederhana terhadap pengembangan data warehouse (Oracle 2006).
METODE PENELITIAN
Penelitian ini akan dilakukan dalam beberapa tahap yaitu tahap analisis aliran data, perancangan, dan pembuatan data warehouse, dan pengembangan OLAP. Tahap-tahap tersebut dijelaskan sebagai berikut :
Analisis Data
Sensus potensi desa (podes) dilakukan setiap tiga tahun. Data yang akan digunakan dalam pembuatan data warehouse potensi desa di wilayah Bogor adalah data potensi desa hasil sensus BPS pada tahun 1996, 1999, 2003, 2006. Untuk data Potensi Desa akan dilakukan praproses data meliputi
ekstraksi data, transformasi data, pembersihan data, dan pemuatan data.
Perancangan dan Pembuatan Data Warehouse
Tahap pembuatan data warehouse meliputi:
a Pendefinisian Kubus Data dan perancangan model data multidimensi.
Pada tahap ini akan ditentukan skema kubus data yang akan digunakan apakah skema star, skema snowflake atau skema galaksi.
b Pendefinisian Dimensi
Pada tahap ini didefinisikan dimensi yang akan digunakan dalam pembuatan data warehouse. Dimensi yang terlibat adalah dimensi lokasi, dimensi waktu, dimensi pemukiman, dan dimensi lahan.
c Pendefinisian Level Dimensi atau Hirarki
Untuk masing-masing dimensi akan ditentukan tingkat perincian yang diperlukan berserta hirarki yang membentuknya. Dengan data yang ada dimensi lokasi dapat disusun dalam empat level yaitu propinsi > kabupaten/kota > kecamatan > desa, sedangkan dimensi waktu hanya memiliki satu level (tahun : 1996, 1999, 2003, 2006). Dimensi lahan memiliki satu level yaitu jenis lahan. Dimensi pemukiman memiliki satu level yaitu jenis pemukiman.
d Pendefinisian measure
Pada tahap ini ditentukan ukuran yang akan dianalisis pada data potensi desa (podes) wilayah Bogor.
e Pendefinisian Fungsi Agregat
Pada tahap ini didefinisikan fungsi agregat numerik yang digunakan. Fungsi agregat dapat berupa SUM (penjumlahan), AVG (average/rata-rata), MAX (maksimum), dan MIN (minimum).
f Pembangunan Data warehouse
Data warehouse akan dikembangkan menggunakan Oracle 10g Database, dan Oracle Data warehouse.
Pengembangan OLAP
Tahap pengembangan OLAP meliputi: a Analisis
Pada tahap ini didefinisikan spesifikasi fungsi yang diperlukan untuk pengembangan OLAP menggunakan tools pada oracle. Spesifikasi fungsi disesuaikan dengan kebutuhan pengguna.
b Desain
Perancangan visualisasi OLAP didefinisikan sebagai proses dimana kebutuhan OLAP telah didefinisikan pada tahap analisis kebutuhan. Perancangan OLAP dibagi menjadi tiga, yaitu:
• Perancangan Input
Perancangan input dilakukan dengan cara mengidentifikasi input yang dibutuhkan dalam proses penambahan data, pemrosesan kubus data, dan penjelajahan OLAP.
• Perancangan Proses
Proses dirancang untuk menentukan urutan kejadian sampai diperolehnya output yang diinginkan berdasarkan data input yang ada.
• Perancangan Output
Output dirancang agar pengguna dapat dengan mudah memahami dan memperoleh output dari OLAP. c Implementasi
Implementasi OLAP dibangun menggunakan tools Analytic Workspace Manager 10.2.0.3, Oracle Data Warehouse, dan TOAD versi 8.0. Perangkat keras yang digunakan yaitu: Processor Intel Celeron 1.7 GHz, Memory 1 GB, Harddisk 120 GB, keyboard dan mouse.
d Pengujian
Pengujian merupakan tahap untuk menguji data warehouse apakah telah sesuai dengan kebutuhan dan berfungsi dengan baik. Pengujian dilakukan pada kubus data yang divisualisasikan dengan tools OLAP pada oracle. Metode pengujian yang digunakan adalah black-box testing. Black-box testing merupakan pengujian yang
memeriksa apakah masukan dari pengguna akan memberikan keluaran yang sesuai dengan tidak memperhatikan proses yang terjadi di dalamnya (Sommerville 2000).
HASIL DAN PEMBAHASAN Dalam pembuatan data warehouse potensi desa wilayah Bogor melalui beberapa tahap yaitu:
Analisis Data 1 Definisi Masalah
Data podes tahun 1996 terdiri atas 408 atribut, tahun 1999 terdiri atas 448 atribut, tahun 2003 terdiri atas 750 atribut, dan tahun 2006 terdiri atas 437 atribut. Atribut-atribut tersebut ada yang sama untuk keempat tahun, namun ada juga yang berbeda atau tidak ada pada keempat tahun. Jumlah atribut yang sama dan ada pada keempat tahun tersebut sebanyak 257 atribut. Atribut yang digunakan pada data warehouse adalah atribut yang ada pada keempat tahun atau atribut yang ada minimal pada tiga tahun. 2 Data Praproses
Sebelum masuk ke pembuatan data warehouse, data harus diproses terlebih dahulu. Tahap-tahap praproses pada data podes yaitu:
a Ekstraksi Data
Data podes asli yang diperoleh dari Badan Pusat Statistik berupa file dalam format file SAS (SSD). Oleh karena itu, data tersebut dikonversi ke format SAV, selanjutnya diimpor menjadi file CSV (comma delimited) untuk memudahkan dalam pemilihan atribut-atribut yang relevan yang akan digunakan dalam pembuatan data warehouse.
Pemilihan atribut berdasarkan subjek utama yang akan dianalisis untuk proses pengambilan keputusan. Atribut yang digunakan dapat dilihat pada Tabel 3.
Tabel 3 Atribut hasil ekstraksi data dan deskripsinya
Nama Atribut Deskripsi Nama_kab Nama kabupaten
Nama_kec Nama kecamatan
Nama_desa Nama desa
Jml_pddk Menyatakan jumlah penduduk suatu daerah Jml_pddk_wnt Menyatakan jumlah
penduduk wanita Jml_pddk_pria Menyatakan jumlah
penduduk pria
Jml_kel Menyatakan jumlah
keluarga
Jml_rmh Menyatakan jumlah
rumah
Luas_lahan Menyatakan luas lahan Jml_sekolah Menyatakan jumlah
sekolah
Jns_lahan Menyatakan jenis lahan Jns_pemukiman Menyatakan jenis
pemukiman b Transformasi Data
Pada tahap ini data podes diubah menjadi format yang lebih umum supaya mudah dipahami saat proses analisis. Transformasi data meliputi pemberian nama atribut yang sama untuk data tahun 1996, 1999, 2003, dan 2006. Dilakukan pemisahan atribut yang pada tahun 1999 digabung, sedangkan pada tahun yang lain dipisahkan. Atribut yang mengalami penambahan yaitu atribut yang berhubungan dengan kependudukan (jumlah penduduk) pada tahun 1999. Atribut kependudukan pada tahun 1996, 2003, dan 2006 terdiri atas jumlah penduduk, jumlah penduduk wanita, dan jumlah penduduk pria, sedangkan pada tahun 1999 hanya jumlah penduduk. Oleh karena itu, atribut tahun 1999 ditambah atribut jumlah penduduk wanita dan jumlah penduduk pria yang setiap baris datanya diisi dengan nilai 0 (nol).
Atribut nama desa dan nama kecamatan pada tahun 1996 tidak ada. Untuk mengatasi hal ini, maka dilakukan pengisian data pada atribut nama desa dan nama kecamatan disesuaikan dengan nama kecamatan tahun 1999 berdasarkan kode kecamatannya. Untuk nama desa disamakan urutannya dengan nama desa pada tahun 1999. Atribut yang mengalami transformasi dapat dilihat pada Tabel 4.
Tabel 4 Atribut yang mengalami transformasi pada data potensi desa (podes)
Nama Atribut Keterangan Jumlah penduduk laki-laki
Atribut jumlah penduduk laki-laki pada tahun 1999 tidak ada sehingga masing-masing row diisi 0 (nol) Jumlah
penduduk perempuan
Atribut jumlah penduduk laki-laki pada tahun 1999 tidak ada sehingga masing-masing row diisi 0 (nol) Nama
kecamatan
Atribut nama kecamatan pada tahun 1996 diisi data kecamatan tahun 1999 berdasarkan kode kecamatannya.
Nama desa Atribut nama desa pada tahun 1996 diisi data nama desa pada tahun 1999 secara berurutan.
Pada tahap ini juga dibuat atribut baru untuk memenuhi kebutuhan dalam proses analisis. Atribut baru tersebut adalah atribut tahun yang menyatakan waktu (tahun tersedianya data).
Pada atribut nama kecamatan, terdapat beberapa data yang mengalami perubahan nama, mengalami pemecahan wilayah kecamatan atau perubahan nama kecamatan setiap tahun (1996, 1999, 2003, dan 2006). Untuk mengatasi hal ini, maka data kecamatan disamakan untuk masing-masing tahun. Data kecamatan yang digunakan adalah nama kecamatan yang terbaru yaitu tahun 2006 karena data kecamatan pada tahun 2006 lebih lengkap dibanding kecamatan pada tahun sebelumnya. Kecamatan yang belum ada pada tahun 1996, 1999, dan 2003 disamakan kode lokasinya dengan kecamatan pada tahun 2006.
c Pembersihan Data (Cleaning)
Data potensi desa (podes) sudah bersih sehingga tidak perlu dilakukan proses pembersihan data. Data yang diperlukan untuk proses analisis bebas dari missing values (data hilang), tidak terdapat noise, dan sudah konsisten.
d Pemuatan Data (Loading)
Data yang sudah mengalami proses ekstraksi, transformasi, dan pembersihan sudah siap digunakan untuk pembuatan data warehouse. Data yang sudah siap tersebut
berupa data dengan format CSV. Selanjutnya data tersebut akan dimuat ke tabel-tabel dalam basis data oracle.
e Refresh
Refresh data akan dilakukan ketika terdapat data baru yang dimasukkan. Pada penelitian ini, tidak dilakukan refresh data karena selama penelitian tidak terdapat data baru yang masuk.
Perancangan dan Pembuatan Data Warehouse
Perancangan data warehouse pada kasus potensi desa di wilayah Bogor menggunakan tiga solusi perancangan. Solusi tersebut digunakan untuk mengatasi masalah perubahan wilayah kecamatan yang terjadi pada tahun 1996, 1999, 2003, 2006. Tahap pembuatan data warehouse meliputi: 1 Pendefinisian dimensi
Dimensi yang dibentuk dalam pembuatan data warehouse terdiri atas empat tabel yaitu dimensi lokasi, dimensi tahun, dimensi lahan, dan dimensi pemukiman. Dimensi dan deskripsinya dapat dilihat pada Tabel 5. 2 Pendefinisian Kubus Data dan
Perancangan Model Data Multidimensi. Perancangan model data multidimensi untuk data podes wilayah Bogor terdiri atas beberapa skema. Skema yang dirancang merupakan solusi terhadap kasus data podes wilayah Bogor yang mengalami perubahan wilayah dalam tahun 1996, 1999, 2003, dan 2006. Perubahan wilayah ini meliputi perubahan nama kecamatan dan pemisahan (pemecahan) wilayah kecamatan. Selain itu, terdapat penambahan desa baru pada tahun 2003 dan tahun 2006. Data perubahan lokasi dapat dilihat pada Lampiran 1. Perancangan kubus dijabarkan pada solusi 1, solusi 2, dan solusi 3.
Perancangan kubus data pada data potensi desa terdiri atas perancangan solusi 1, solusi 2, dan solusi 3. Pada solusi 1 perubahan wilayah kecamatan tidak diperhitungkan, sehingga yang digunakan adalah kode wilayah tahun 2006. Pada solusi 2 diperhitungkan perubahan wilayah kecamatan untuk masing-masing tahun (1996, 1999, 2003, dan 2006). Solusi 3 menggunakan skema yang sama dengan solusi 1, namun digunakan kode wilayah tahun 1999 (kode tahun pertengahan).
Berikut ini penjelasan secara rinci untuk solusi 1, solusi 2, dan solusi 3.
Solusi 1
Skema yang digunakan adalah skema galaksi. Pada skema galaksi beberapa tabel fakta berbagi tabel dimensi.
Skema pada solusi 1 terdiri atas empat kubus data dengan empat tabel fakta dan empat tabel dimensi. Tabel dimensi yang digunakan dapat dilihat pada Tabel 5, sedangkan tabel fakta dapat dilihat pada Tabel 6. Skema solusi 1 dapat dilihat pada Lampiran 2.
Tabel 5 Dimensi pada solusi 1 Nama Tabel
Dimensi
Deskripsi D_lokasi Berisi identitas lokasi,
identitas kecamatan, identitas kabupaten, nama kabupaten, nama kecamatan, dan nama desa
D_ pemukiman Berisi identitas dan jenis pemukiman.
D_ tahun Berisi identitas dan tahun D_lahan Berisi identitas dan jenis
lahan Tabel 6 Fakta pada solusi 1
Nama tabel fakta
Deskripsi
F_pemukiman Berisi nilai numerik (jumlah keluarga dan jumlah rumah), identitas lokasi, dan identitas tahun, serta identitas pemukiman yang berasal dari dimensi lokasi, tahun, dan pemukiman.
F_penduduk Berisi nilai numerik (jumlah penduduk, jumlah penduduk pria, dan jumlah penduduk wanita), identitas lokasi, dan identitas tahun F_lahan Berisi nilai numerik (luas
lahan), identitas lokasi, identitas tahun, dan identitas lahan.
F_srn pendidikan
Berisi nilai numerik (jumlah TK, jumlah SD, jumlah SLTP, dan jumlah SMU), identitas lokasi, dan identitas tahun.
Solusi 2
Pada solusi 2 terdiri atas delapan tabel dimensi dan dua puluh tabel fakta yang berbagi dimensi membentuk dua puluh kubus data. Skema ini dirancang dengan mempertimbangkan aspek perubahan spasial/lokasi (Miquel et al 2002). Dalam kasus potensi desa yaitu terjadinya perubahan kecamatan dan pemecahan kecamatan. Tabel 7 menunjukkan tabel dimensi dan Lampiran 3 merupakan fakta yang digunakan dalam solusi 2. Skema solusi 2 dapat dilihat pada Lampiran 4.
Tabel 7 Dimensi yang digunakan pada solusi 2 Nama Tabel
Dimensi
Deskripsi
D_lokasi Berisi identitas lokasi, identitas kecamatan,
identitas kabupaten, nama kabupaten, nama
kecamatan, dan nama desa
D_ pemukiman Berisi identitas dan jenis pemukiman.
D_ tahun Berisi identitas dan tahun D_lahan Berisi identitas dan jenis
lahan
D_lokasi96 Berisi identitas lokasi, identitas kecamatan, identitas kabupaten, nama kabupaten, nama kecamatan, dan nama desa pada tahun 1996 D_lokasi99 Berisi identitas lokasi,
identitas kecamatan, identitas kabupaten, nama kabupaten, nama kecamatan, dan nama desa pada tahun 1999 D_lokasi03 Berisi identitas lokasi,
identitas kecamatan, identitas kabupaten, nama kabupaten, nama kecamatan, dan nama desa pada tahun 2003 D_lokasi06 Berisi identitas lokasi,
identitas kecamatan, identitas kabupaten, nama kabupaten, nama kecamatan, dan nama desa pada tahun 2006
Solusi 3
Skema pada solusi 3 terdiri atas empat kubus data dengan empat tabel fakta dan empat tabel dimensi. Tabel dimensi yang digunakan adalah dimensi lokasi, dimensi tahun, dimensi lahan, dan dimensi pemukiman. Tabel fakta yang digunakan adalah fakta penduduk, fakta pemukiman, fakta lahan, dan fakta sarana pendidikan. Pada dasarnya solusi 3 sama dengan solusi 1 untuk dimensi, fakta, dan skemanya, yang membedakan adalah pada solusi 1 digunakan kode lokasi pada tahun 2006, sedangkan pada solusi 3 digunakan kode lokasi pada tahun 1999.
3 Pendefinisian Level Dimensi atau Hirarki
Untuk masing-masing dimensi ditentukan tingkat perincian yang diperlukan berserta hirarki yang membentuknya. Dimensi lokasi dapat disusun dalam tiga level yaitu kabupaten/kota > kecamatan > desa, sedangkan dimensi waktu hanya memiliki satu level yaitu level tahun (tahun : 1996, 1999, 2003, 2006). Dimensi lahan memiliki satu level yaitu jenis lahan. Dimensi pemukiman memiliki satu level yaitu jenis pemukiman.
4 Pendefinisian Measure
Pada tahap ini ditentukan measure yang akan dianalisis pada data podes wilayah Bogor. Measure yang dipilih yaitu:
• Jumlah penduduk, dipilih sebagai measure untuk mengetahui jumlah penduduk suatu daerah pada tahun tertentu.
• Jumlah penduduk pria, dipilih sebagai measure untuk mengetahui jumlah penduduk pria di suatu daerah pada tahun tertentu.
• Jumlah penduduk wanita, dipilih sebagai measure untuk mengetahui jumlah penduduk wanita di suatu daerah pada tahun tertentu.
• Jumlah TK, dipilih sebagai measure untuk mengetahui jumlah gedung sekolah TK di suatu daerah pada tahun tertentu.
• Jumlah SD, dipilih sebagai measure untuk mengetahui jumlah gedung sekolah SD di suatu daerah pada tahun tertentu
• Jumlah SLTP, dipilih sebagai measure untuk mengetahui jumlah gedung sekolah SLTP di suatu daerah pada tahun tertentu.
• Jumlah SMU, dipilih sebagai measure untuk mengetahui jumlah gedung sekolah SMU di suatu daerah pada tahun tertentu.
• Luas lahan, dipilih sebagai measure untuk mengetahui luas lahan suatu wilayah.
• Jumlah rumah, dipilih sebagai measure untuk mengetahui banyak rumah di suatu pemukiman atau wilayah
• Jumlah keluarga, dipilih sebagai measure untuk mengetahui jumlah keluarga di wilayah atau pemukiman tertentu.
5 Pendefinisian Fungsi Agregat
.Fungsi agregat yang digunakan dalam data warehouse potensi desa adalah SUM (penjumlahan) untuk semua measure. Sum untuk jumlah penduduk, jumlah penduduk pria, jumlah penduduk wanita, luas lahan, jumlah rumah, jumlah keluarga, jumlah TK, jumlah SD, jumlah SLTP, dan jumlah SMU pada tiap tahun.
6 Pembangunan Data Warehouse
Data warehouse diimplementasikan menggunakan skema galaksi pada solusi 1. Pada solusi 1 digunakan kode lokasi yang sama dengan kode lokasi tahun 2006 sehingga semua data lokasi setiap tahun dapat dilihat dan dianalisis untuk proses pengambilan keputusan, tanpa mempertimbangkan perubahan wilayah. Solusi 2 belum dapat diterapkan dalam kasus data potensi desa, namun secara konsep dapat diterapkan. Pada solusi 2, belum ditemukan penghubung antara tabel dimensi lokasi masing-masing tahun dengan tabel dimensi lokasi gabungan. Solusi 3 diimplementasikan menggunakan kode lokasi 1999 tanpa mempertimbangkan aspek perubahan wilayah. Hal ini menyebabkan beberapa data lokasi tidak dapat dianalisis. Oleh karena itu, dalam penelitian ini solusi 3 tidak digunakan. Pembuatan data warehouse menggunakan Oracle 10g Database, dan Oracle Data Warehouse.
Pengembangan Sistem OLAP (Online Analytical Processing)
Tahap pengembangan OLAP meliputi: 1 Analisis
Fungsi yang digunakan dalam OLAP disesuaikan dengan kebutuhan pengguna. Fungsi-fungsi yang diperlukan yaitu: fungsi melihat data pada data warehouse, menampilkan data pada kubus data, dan dapat melakukan operasi OLAP serta memiliki visualisasi yang mudah untuk melihat data dalam bentuk diagram batang, diagram garis, dan grafik pie. OLAP yang digunakan adalah multidimensional OLAP (MOLAP). Database Management System (DBMS) yang digunakan adalah oracle. Oracle mampu menangani data dengan volume yang besar. Hal tersebut sesuai untuk data potensi desa yang memiliki volume yang besar.
2 Desain
Desain sistem OLAP meliputi:
• Perancangan Input
Input pada OLAP adalah data dimensi dan fakta yang akan dilihat hubungannya dan measure yang ingin dianalisis nilainya.
• Perancangan Proses
Proses pada OLAP adalah operasi-operasi OLAP. Operasi OLAP akan dilakukan berdasarkan dimensi dan measure yang diinputkan. Operasi OLAP yang dijalankan adalah roll-up, drill-down, slice, dan dice. Hasil dari operasi ini akan ditampilkan pada window.
• Perancangan Output
Output ditampilkan dalam tabel pivot dan diagram batang, diagram garis atau grafik pie untuk menganalisis data numerik dan operasi roll-up, drill-down, slice, dan dice, dengan fungsi penyimpulan summary.
3 Implementasi
OLAP dibangun menggunakan tools Analytic Workspace Manager 10.2.0.3, Oracle Data Warehouse 10g, dan TOAD versi 8.0. Oracle Data Warehouse 10g sebagai tempat penyimpanan data, TOAD versi 8.0 sebagai tools untuk proses loading data, Analytic Workspace Manager 10.2.0.3 sebagai OLAP yang mendukung OLAP pada
Oracle. Perangkat keras yang digunakan yaitu: Processor Intel Celeron 1.7 GHz, Memory 1 GB, Harddisk 120 GB, keyboard dan mouse.
OLAP yang digunakan untuk data warehouse potensi desa di wilayah Bogor merupakan multidimensional OLAP (MOLAP). Pada implementasi OLAP tersebut, tools Analytic Workspace Manager secara otomatis menentukan jenis OLAP (MOLAP, ROLAP, atau HOLAP) berdasarkan skema kubus data yang dibuat. Tools Analytic Workspace Manager tidak menyediakan fasilitas pemilihan jenis OLAP. Pemilihan jenis OLAP dilakukan oleh tools tersebut dengan memberikan pilihan yang terbaik.
Implementasi operasi-operasi OLAP yaitu:
• Operasi roll up pada lokasi, yaitu desa (roll up) ke kecamatan, selanjutnya ke kabupaten. Contoh roll up untuk mengetahui jumlah penduduk tiap kecamatan. Roll up dimensi lokasi dari tingkat desa menjadi tingkat kecamatan untuk mengetahui jumlah penduduk tiap kecamatan. Implementasi roll up dapat dilihat pada Lampiran 5.
• Operasi drill down dilakukan untuk mengetahui jumlah penduduk, jumlah penduduk pria, wanita, jumlah TK, jumlah SD, jumlah SLTP, jumlah SMU, luas lahan, jumlah keluarga, atau jumlah rumah suatu daerah yang lebih rinci. Misalnya untuk mengetahui jumlah SD pada masing-masing kecamatan, drill down pada dimensi lokasi dari tingkat kabupaten menjadi tingkat kecamatan. Implementasi operasi drill down dapat dilihat pada Lampiran 6.
• Operasi pivot untuk memudahkan dalam visualisasi data. Contoh pivot dapat dilihat pada Lampiran 7. Pada Lampiran 7 dapat dilihat untuk mempermudah melihat data luas lahan, maka pivot pada dimensi lokasi dan dimensi lahan.
• Operasi Slice dan dice dilakukan melihat keadaan jumlah penduduk, jumlah penduduk pria, wanita, jumlah TK, jumlah SD, jumlah SLTP, jumlah SMU, luas lahan, jumlah keluarga, dan jumlah rumah di wilayah tertentu, tahun tertentu, dan jenis lahan atau pemukiman tertentu. Contoh slice dapat