2 <SV 2, [M 4, ], {{Divisions, Div.A, Div.B, Div.C, SubDiv.D, SubDiv.E}, {Sales}}, {Div.A Divisions, SubDiv.D Div.A, SubDiv.E Div.

yang mengalami pemekaran (split) wilayah sehingga dibagi menjadi dua provinsi yaitu provinsi Jawa Barat dan Banten pada tahun 2001. Jika menggunakandata warehousebiasa, hanya bisa dilihat perkembangan dari provinsi Jawa Barat sampai sebelum pembagian yaitu bulan Desember 2000 saja, setelah itu (Januari 2001) tidak dapat ditampilkan oleh data warehousekarena sudah terjadi perubahan.

Penggunaantemporal data warehousedapat memperlihatkan secara jelas perubahan apa saja yang terjadi pada provinsi Jawa Barat melalui penelusuran (tracking history). Oleh karena itu, pada spatiotemporal data warehouse tidak hanya menyimpan keadaan saat ini dari data spasial tetapi menyimpan juga seluruh sejarah dari perkembangan data spasial tersebut (Gunting & Scheneider 2001).

Structure Version(SV)

Structure version (SV) adalah view dari

struktur multidimensional yang valid untuk interval (selang) waktu [Ts, Te] yang diberikan (Eder et al 2001). Setiap perubahan dari dimensi anggota atau hubungan hierarki mengarah ke struktur versi baru, jika struktur versi untuk interval waktu yang diberikan sudah tidak ada.

Secara umumstructure version(SV) terdiri atas empat tuple dengan format <SVid, T,

{DMDi, SVid, …, DMDN, SVid, DMF,SVid}, HSVid>

dengan SVid adalah unique identifier, T

merepresentasikan waktu yang valid dari structure versionsebagai selang waktu [Ts, Te].

DMDi, SVidadalah himpunan dari semua

anggota-anggota dimensi yang merupakan bagian dari dimensi Didan valid untuk waktu P dengan Ts≤

P ≤ Te.DMF,SVidadalah himpunan dari seluruh

fakta-fakta yang valid pada waktu P dengan Ts≤

P ≤ Te, HSvidadalah himpunan dari penambahan

hierarki yang valid pada waktu P dengan Ts≤ P

≤ Te.

Ilustrasi untukstructure version(SV) seperti pada Gambar 2 mengenai dimensi keseluruhan divisi untuk penjualan (sales) yang mengikutsertakan interval (selang) waktu (Eder & Koncilia 2001). Gambar 2 memperlihatkan dimensi divisi secara keseluruhan untuk penjualan (sales) yang memberikan selang waktu. Beberapa node dan edge Gambar 2 memiliki selang waktu. Pada Gambar 2 terlihat bahwa pada SubDiv.D telah dimodifikasi pada waktu M4, SubDiv. yang baru yaitu SubDiv.E

dimasukkan pada saat waktu M4dan pada saat

Div.C merupakan subdivisi dari Div.B pada waktu M1 sampai M3 (pada gambar ditandai

dengan garis putus-putus), dari Gambar 3, dapat diperlihatkan duastructure version(SV), yaitu: 1 <SV1, [M1, M3], {{Divisions, Div.A,

Div.B, Div.C, SubDiv.D}, {Sales}}, {Div.A → Divisions, SubDIv.D→ Div.A, …}>

2 <SV2, [M4, ∞], {{Divisions, Div.A, Div.B,

Div.C, SubDiv.D, SubDiv.E}, {Sales}}, {Div.A → Divisions, SubDiv.D → Div.A, SubDiv.E → Div.A, …}>

<M1, ∞> <M1, ∞> <M4, ∞>

<M1, ∞> <M4, ∞> <M1, M3>

Structure version yang diperoleh ada dua yaitu SV1 dan SV2. SV1 dan seluruh

anggota-anggota dimensi (Divisions, Div.A, Div.B,…) dan penambahan hierarki (Div.A → Divisions,…) valid pada saat M1 ke M3,

sedangkan untuk SV2valid pada saat M4sampai

dengan tak hingga, misalnya sampai sekarang. Transformation Function(TF)

Transformation function dalam temporal data warehouse dinamakan dengan Mapping function (MapF). Transformation function adalah operasi untuk memetakan structure

version yang berbeda dan biasanya

menggunakan operasi dasar penjumlahan (sum). Operasi dasar Transformation function tidak hanya penjumlahan, tetapi dapat juga menggunakan operasi dasar lain seperti pengurangan, perkalian dan pembagian (Eder & Koncilia 2001).

Sebagai contoh, jika ingin diketahui jumlah panen padi. Pada tahun 2003, padi yang ditanam berasal dari satu varietas saja (A). Untuk itu, pencatatan total padi untuk semua kecamatan dapat diakumulasi. Namun, pada tahun 2004 terdapat beberapa padi varietas baru B dan C

Div. A <M1, ∞> <M1, ∞> <M1, ∞> SubDiv.E <M4, ∞> <M4, ∞> Div. C <M1, ∞> <M1, ∞> Div. B <M1, ∞> <M1, ∞> Divisions <M1, ∞> Divisions <M1, M3> SubDiv.D <M4, ∞>

bantuan pemerintah yang ditanam pada beberapa kecamatan.

Dengan demikian, untuk mengetahui jumlah panen padi (P#) pada tahun 2003 sampai 2004 terkait dengan fungsi P# (P, 2003-2004) = P# (A, 2003) + P# (A, 2004) + P# (B, 2004) + P# (C, 2004). Fungsi inilah yang disebut transformation function (MapF) dan untuk operasi yang digunakan ialah operasi penjumlahan (sum).

Transformation function yang akan digunakan untuk penelitian ini terfokus pada masalah perubahan jumlah hotspot pada tahun 1997 sampai dengan tahun 2005. Ilustrasi dapat dilihat pada Gambar 3.

MDXQuery

Multidimensional expression (MDX) merupakan bahasa yang mampu menangani struktur data multidimensi, baik kubus data biasa maupun geometri. MDXquerydigunakan pada OLAP untuk memanipulasi dan menangani data yang ingin di-retrieve sesuai dengan kubus data yang dibuat berdasarkan skema multidimensi.

Ekspresi MDX memungkinkan query untuk mengakses database relasional seperti struktur SQL. Selain itu, ekspresi MDX dapat digunakan untuk menambah logika bisnis, menentukan pengaturan keamanan, melakukan operasi roll-up dan sebagainya (Whitehorn 2002). Berikut contohqueryMDX:

SELECT {[Customers].[AllCustomers]} ON COLUMNS, {[Measures].[Sales]} ON ROWS FROM [Sales_MDX1] WHERE [Time].[1998]

Menurut Bédard et al. (2001) dalam Fadli (2011), Geomondrian sebagai framework spatial OLAP menerapkan tipe data geometri dan menyediakan fungsi MDX untuk ekstensi spasial sehingga mampu menganalisis data spasial. Fungsi ini dikerjakan dengan memasukkan query MDX ke dalam bagian queryanalitis.

METODE PENELITIAN

Berikut adalah tahapan penelitian yang dilakukan pada penelitian ini. Tahapan dijelaskan secara jelas pada Gambar 4 di bawah ini.

Analisis Data

Data yang digunakan dalam penelitian ini adalah data hotspot wilayah Indonesia pada tahun 1997–2005 yang diambil dari penelitian Fauzi (2011). Sumber dari datahotspottersebut ialah Direktorat Pengendalian Kebakaran Hutan (DPKH) Departemen Kehutanan RI. Proses analisis data dilakukan untuk memeriksa ada atau tidaknya perubahan struktur pada kubus data yang telah dibuat sebelumnya. Perubahan yang biasa terjadi ialah pemekaran wilayah (split) pada structure version (SV) yang berbeda. Semua perubahan yang terjadi akan dicatat pada skema model data multidimensi yang telah dibuat pada penelitian sebelumnya. AnalisisQuerypadaData Warehouse

Sebelum dilakukan perancangan sistem dilakukan analisis struktur penggunaan query pada penelitian sebelumnya. Query yang digunakan pada sistem adalah query dalam bentuk fungsi MDX. Sebagaimana query SQL, Gambar 3 Perubahan struktur varietas padi.

query pada fungsi MDX dirancang khusus untuk query berupa struktur data. Keduanya disebut dengan sistem TLAs (Three Letter Acronyms) yang menggunakan ‘SELECT’, ‘FROM’ dan ‘WHERE’. Jadi, struktur penulisannya bisa dibilang memiliki kemiripan.

Fungsi MDX mendukungqueryuntuk objek multidimensional dan menjalankan perintah-perintah yang mampu menghasilkan dan memanipulasi data dari objek tersebut. Pada penelitian ini, MDX yang digunakan mampu mendukung query biasa, query spasial, query temporal danquery spatiotemporal.

AnalisisStructure Version(SV)

Proses dilanjutkan dengan menganalisis structure version. Structure version dibuat berdasarkan perubahan struktur data yang telah dianalisis pada proses analisis data. Ilustrasi perubahan structure versionpada penelitian ini dapat dilihat pada Gambar 5.

Pada Gambar 5 di atas terdapat sebuah dimensi lokasi pada duastructure version.Pada structure version1, dimensi lokasi mempunyai hierarki provinsi A. Pada tahun 2001, hierarki pada dimensi lokasi mengalami pemekaran wilayah pada hierarki provinsi menjadi dua provinsi, yaitu provinsi A dan B.

Tool yang digunakan dalam membangun structure version ialahtool schema workbench. Data yang dimuatkan berdasarkan pada structure versionyang terbentuk.

AnalisisTransformation Function(TF) Setelah analisis structure version selesai, dilakukan analisis transformation function. Gambar 6 merupakan ilustrasi hubungan transformation function dengan structure version. Pembuatan TF pada Gambar 6 dibuat dengan menghubungkan antarstructure version yang berbeda. Penelitian ini difokuskan pada

dimensi lokasi dan waktu. Fungsi TF ini akan difokuskan pada masalah penjumlahanhotspot.

Perancangan Sistem

Dengan adanya pemekaran wilayah (satu provinsi memisah menjadi dua provinsi) di Indonesia, dimungkinkan adanya pencarian query yang melibatkan perubahan structure version. Pencarian query ini menggunakan transformation functionyangsyntax-nya sangat panjang untuk diketikkan secara manual, misalnya mencari jumlah hotspot di provinsi yang mengalami pemekaran wilayah dari tahun 1997–2005.

Sistem ini dibuat dengan tujuan sebagai berikut:

1 Mempermudah penggunaan transformation function pada proses pencarian query spatiotemporal.

2 Menentukan query yang melibatkan transformation function dalam proses penyusunan query, sehingga sistem sudah bisa mengenali query yang harus menggunakan TF atau tidak.

Sistem diharapkan bisa mempermudah pengguna dalam menggunakan aplikasi spasial OLAP dengan cara mempercepat proses penyusunan query spasial dan temporal yang menggunakantransformation function.

Pembuatan sistem terbagi menjadi dua proses, yaitu:

1 Proses penentuan atribut oleh pengguna pada frameworkberbasis pemograman PHP yang menghasilkanquerysecara otomatis 2 Proses pengiriman query dari sistem

berbasis PHP ke OLAP server yang akan diproses dan ditampilkan hasilnya pada Geomondrian.

Gambar 5 Ilustrasi perubahanstructure version.

Tahapan umum proses pembuatan sistem dapat dilihat pada Gambar 7

UjiQuery

Pengujianqueryadalah tahap untuk menguji berhasil atau tidaknya sistem menghasilkan queryseperti yang diinginkan pengguna. Selain itu, juga diujiqueryyang dihasilkan pada sistem bisa berjalan pada spatiotemporal data warehousedan telah sesuai dengan kebutuhan. Lingkungan Pengembangan

Aplikasi spatiotemporal data warehouse dibangun dengan menggunakan perangkat keras dan perangkat lunak dengan spesifikasi sebagai berikut:

Perangkat keras:

 processor Intel Core2Duo 3,0 GHz,

 RAM 4 GB DDR 2,

 HDD 250 GB,

 monitor, dan

 Mousedankeyboard.

Perangkat Lunak:

 sistem operasi Windows 7Ultimate,

 Microsoft Office 2007 SP 1,

 Apache Tomcat 7.0 sebagaiweb server,

 GeoMondrian yang merupakan framework spatialOLAP,

 PostgreSQL denganlibraryPostGIS sebagai perangkat lunak DBMS,

 Schema Workbench sebagai tool desain kubus data,

 bahasa pemrograman PHP, dan

 Web server package XAMPP 1.7 dengan administration tool web-basedphpPgAdmin.

HASIL DAN PEMBAHASAN

Analisis Data

Data yang telah dianalisis pada penelitian Fauzi (2011) menghasilkan skema data warehouse dalam bentuk skema snowflake. Skema snowflake ini digunakan untuk menangani redudansi data geometri pada dimensi lokasi (spasial). Skemasnowflakedapat dilihat pada Lampiran 1.

Pada penelitian ini, proses analisis data menemukan pemekaran wilayah (split) pada hierarki provinsi, yaitu dari 27 provinsi menjadi 33 provinsi di tahun 1999–2002. Perubahan dimensi lokasi (split) ini terjadi pada structure version (SV) yang berbeda. Untuk mengatasi perubahan struktur ini, ditambahkan satu tabel transformasi pada skema model data multidimensi yang telah di buat sebelumnya.

Tabel transformasi ini dikhususkan untuk menampung data perubahan. Perubahan yang dimaksud adalah terjadinya pemekaran wilayah (split) pada hierarki provinsi sehingga skema snowflake nya sedikit berubah. Perubahan lain yang nantinya mungkin terjadi juga akan ditampung di tabel ini. Perubahan skema snowflakedapat dilihat pada Lampiran 2. Tabel transformasi yang baru ditambahkan diberi tanda kotak berwarna merah.

Pembuatan Structure Version pada Data Warehouse

Pembuatan model data dilakukan dengan cara menentukan structure version berdasarkan perubahan struktur yang terjadi. Perubahan struktur yang terjadi pada data kebakaran hutan terdapat pada tahun 1997 dan tahun 2001. Pada tahun 1997, dimensi lokasi di Indonesia terdapat hierarki provinsi, sedangkan pada tahun 2001, provinsi mengalami pemekaran wilayah (split) pada daerah tertentu.

Pembagian structure version hotspot dapat dilihat pada Tabel 2.

Tabel 2 Structure version hotspot

Structure Version Jenis Perubahan

Structure Version 1 Lokasi tidak mengalamiperubahan.

Structure Version2 Lokasi mengalamipemekaran wilayah (split) Gambar 7 Tahapan umum pembuatan proses

Berdasarkan Tabel 2, hierarki dari masing-masing structure version diimplementasikan pada Gambar 8 dan Gambar 9.

<1997>

<2001> <2001>

Implementasi pembuatan structure version dilakukan dengantool schema workbench.Cube (kubus) yang dibuat disesuaikan dengan skema snowflake yang telah dirancang. Implementasi SV pada schema workbench dapat dilihat pada Lampiran 3. Gambar 10 berikut merupakan structure version yang telah dirancang menggunakan tool schema workbench. Lokasi diimplementasikan sebagai SV1 dan lokasi 2 sebagai SV2.

PembuatanTransformation Function(TF) Tahapan selanjutnya setelah membuat SV ialah menganalisis dan membuat transformation function (TF). Transformation function yang dibuat berdasarkan structure version yang sudah ada. Pada penelitian ini, fungsi dasar yang digunakan ialah penjumlahan (sum). Berikut merupakan TF umum yang dibuat:

 Jumlah hotspot [1998-2001] = jumlah hotspot (1998) + jumlah hotspot (1999) + jumlah hotspot (2000) + jumlah hotspot (2001).

 Jumlah hotspot [1998-2000] = jumlah hotspot(SV1) + jumlahhotspot(SV2). Contoh TF khusus yang dibuat untuk merepresentasikan kasus pemekaran wilayah (split) antara lain:

 Jumlah hotspot Papua [2000-2001] = jumlah hotspot Papua (2000) + (jumlah hotspotPapua (2001) + jumlahhotspotIrian Jaya (2001))

 Jumlah hotspot Maluku [2000-2001] = jumlah hotspot Maluku (2000) + (jumlah hotspot Maluku (2001) + jumlah hotspot Malut (2001))

 Jumlah hotspot Ja.Bar [2000-2001] = jumlah hotspot Ja.bar (2000) + (jumlah hotspot Ja.bar (2001) + jumlah hotspot Banten (2001))

 Jumlah hotspot Sumsel [2000-2001] = jumlah hotspot Sumsel (2000) + (jumlah hotspot Sumsel (2001) + jumlah hotspot Babel (2001))

 JumlahhotspotSulut[2000-2001] = jumlah hotspotSulut (2000) + (jumlahhotspotSulut (2001) + jumlahhotspotGorontalo (2001))

 Jumlah hotspotRiau[2000-2001] = jumlah hotspot Riau (2000) + (jumlahhotspotRiau (2001) + jumlahhotspotKep. Riau (2001)) Implementasi TF pada penelitian ini sudah dituliskan ke dalam sistem, sehingga diharapkan pengguna tidak lagi direpotkan untuk menghafal semua fungsi yang ada. Untuk sementara, jumlah TF yang tersimpan sebanyak 6 fungsi sesuai jumlah daerah yang mengalami pemekaran pada datahotspotdi Indonesia. Analisis Query pada Data Warehouse

Penggunaan fungsi MDX pada Geomondrian sebagaiframework spatialOLAP bertujuan untuk menganalisis lebih lanjut data Provinsi A AA A Lokasi Provinsi B Provinsi A Lokasi

Gambar 8 Hierarki pada SV 1.

Gambar 9 Hierarki pada SV 2.

Gambar 10 Structure versionpada schemaworkbench.

berekstensi spasial dan temporal. Fungsi ini dikerjakan dengan memasukkanqueryMDX ke dalam bagianqueryanalitis.

Query temporal dan query spatiotemporal membutuhkan fungsi transformasi (TF) jika pencarian melibatkan perubahan structure version. Pemanggilan fungsi transformasi diwakili dengan penambahan kata kunci ‘With member’ dan diikuti dengan syntax queryyang panjang yang harus diketikan manual pada MDX editor di Geomondrian. Berikut contoh query temporal untuk mencari jumlah hotspot pada tahun 1998 ditambah tahun 2005 di provinsi Jawa Barat.

With member [Lokasi.hierarki wilayah].[JAWA BARAT] as '(([Lokasi.hierarki wilayah].[Seluruh Indonesia].[JAWA].[JAWA BARAT] + [Lokasi2.hierarki wilayah].[Seluruh Indonesia].[JAWA].[JAWA BARAT]) + [Lokasi2.hierarki wilayah].[Seluruh Indonesia].[JAWA].[BANTEN])' member [Valid_start].[1998 to 2005] as '([Valid_start].[Semua Waktu].[1998] + [Valid_start].[Semua Waktu].[2005])' SELECT {[Measures].[Jumlah Hotspot]} ON COLUMNS, Crossjoin({[Lokasi.hierarki wilayah].[JAWA BARAT]}, Crossjoin({[Valid_start].[1998 to 2005], [Valid_start].[Semua Waktu].[1998], [Valid_start].[Semua Waktu].[2005]}, {([Satelit].[Semua Satelit], [Event].[Semua Event], [Valid_End].[Semua Waktu])})) ON ROWS FROM [forestfire]

Gambar 11 menunjukkan query jumlah hotspot di Jawa Barat pada tahun 1998 ditambah tahun 2003. Padastructure version2, Jawa Barat mengalami pemekaran wilayah menjadi provinsi Jawa Barat dan Banten sehingga pada saatquerydilakukan, SV1 (Jawa Barat) dan SV2 (Jawa Barat + Banten) dihitung berdasarkan transformaton function, jumlah hotspot = jumlah hotspot (SV1) + jumlah hotspot(SV2).

Tidak berbeda jauh dengan query temporal, query spatiotemporal mendukung model data spasial Open Geodata Interchange Standard (OGIS) dalam penjumlahan waktu tertentu. Berikut ilustrasi query spatiotemporal mencari jumlah hotspot provinsi Bali tahun 2000 pada structure version 1 ditambah tahun 2005 pada structure version2. With member [Lokasi.hierarki wilayah].[Bali] as '([Lokasi.hierarki wilayah].[Seluruh Indonesia].[JAWA].[BALI] + [Lokasi2.hierarki wilayah].[Seluruh Indonesia].[JAWA].[BALI]) 'member [Valid_start].[2000 to 2005] as '([Valid_start].[Semua Waktu].[2000] + [Valid_start].[Semua Waktu].[2005])' SELECT {[Measures].[Jumlah Hotspot]} ON COLUMNS, Crossjoin({[Lokasi.hierarki wilayah].[Bali], [Lokasi.hierarki wilayah].[Seluruh Indonesia].[JAWA].[BALI].[BULELE NG].[194675], [Lokasi.hierarki wilayah].[Seluruh Indonesia].[JAWA].[BALI].[BULELE NG].[194678], [Lokasi.hierarki wilayah].[Seluruh Indonesia].[JAWA].[BALI].[BULELE NG].[194679]}, Crossjoin({[Valid_start].[2000 to 2005], [Valid_start].[Semua Waktu].[2000], [Valid_start].[Semua Waktu].[2005]},

{([Satelit].[Semua Satelit], [Event].[Semua Event],

[Valid_End].[Semua Waktu])})) ON ROWS

FROM [forestfire]

Hal ini dirasakan sangat merepotkan pengguna. Setiap kali ingin menggunakan fungsi TF, pengguna harus memasukkan kata kunci ‘With member’ yang panjang dan diketikkan manual pada MDX query editor (Gambar 11). Selain itu pengguna juga harus hafal urutan hierarki yang harus diketikkan pada setiap dimensi lokasi yang ingin dicari.

Analisis Sistem

Query temporal dan query spatio-temporal membutuhkan fungsi transformasi jika melakukan pencarian dimensi yang melibatkan perubahanstructure version.Penggunaan fungsi transformasi diawali dengan penambahan kata kunci ‘With member’ dan diikuti dengan syntax query MDX yang diketikan pada MDX editor Geomondrian seperti terlihat pada Gambar 11.

Penelitian ini mencoba mempercepat proses tersebut dengan membuat sistem untuk mempermudah penggunaan transformation function sehingga sistem mampu membaca secara otomatisqueryyang harus menggunakan transformation function dan yang tidak. Pengguna tidak harus mengetikan secara manual query yang sangat panjang, cukup dengan memasukan nama lokasi dan tahun hotspot pada sistem. Dari hasil analisis untuk mempermudah penggunaan TF ini, sistem dibangun terpisah dari sistem OLAP yang ada. Sistem dibangun dengan bahasa pemrograman PHP dan berjalan pada Web server package XAMPP denganadministration tool web-based phpPgAdmin.

Pembuatan Sistem

Pembuatan sistem ini terbagi menjadi 2 proses, yaitu proses input query dan proses pengiriman query. Setiap proses terdiri atas beberapa modul program yang berfungsi untuk mengotomatisasi pengunaan transformation functionpada proses pencarianqueryberbentuk spatiotemporal. Proses input query bertugas mengenali masukan dari pengguna dan bisa menentukantransformation function yang akan digunakan pada kasus pemekaran (split). Proses ini juga bertugas menampilkan query yang sesuai dengan masukan dari pengguna pada halaman sistem.

Pada proses input query, terdapat modul utama yang nantinya menerima masukan dari

pengguna. Setelah itu masukan yang telah dipilih akan diperiksa ke dalam DBMS PostgreSQL untuk diketahui perlu melibatkan TF atau tidak.

Modul utama pada proses input query ialah QueryEditor.php (Lampiran 5) dan js_Update2.php (Lampiran 6). Modul QueryEditor.php adalah halaman muka sistem sekaligus modul yang berfungsi menerima masukan berupa tahun dan nama lokasihotspot yang diinginkan. Pemilihan menu tahun dan nama lokasi disajikan dalam menu berbentuk combobox.

Masukan yang dipilih oleh pengguna dari modul QueryEditor.php kemudian dikonversi menjadi baris query oleh modul js_Update2.php. Query hasil konversi ini dikirim ke DBMS PostgreSQL untuk dilakukan pengecekan penggunaan transformation function. Proses input querydapat dilihat pada Gambar 12.

Pengecekan TF dilakukan pada tabel transformasi yang sebelumnya telah ditambahkan pada proses analis data (lihat Lampiran 2). Tabel ini berisi data perubahan dimensi lokasi. Sebagai contoh, pada penelitian ini terdapat 6 provinsi baru sebagai hasil pemekaran (split) dari provinsi yang lama, yaitu: Irian Jaya Barat, Maluku Utara, Banten, Bangka Belitung, Gorontalo dan Kepulauan Riau. TF yang dihasilkan berbeda-beda sesuai contoh kasus yang diberikan oleh pengguna.

Setelah itu, sistem akan mengembalikan inputberupa barisqueryyang sudah dilengkapi transformation function sesuai dengan kasus yang diberikan. Query dari hasil pengecekan DBMS PostgreSQL akan ditampilkan pada halaman sistem oleh modul js_Update2.php.

Proses selanjutnya, query pada halaman sistem berbasis PHP akan dikirim dan diproses di GeoMondrian sebagai framework spatial OLAP sehingga bisa menampilkan informasi

data hotspot yang dibutuhkan oleh pengguna. Proses kedua ini disebut proses pengiriman query.Proses ini dapat dilihat pada Gambar 13.

Proses kedua ini melibatkan dua web server package yang berbeda, sistem pertama yang berbasis PHP menggunakan XAMPP server sedangkan sistem OLAP menggunakan Apache Tomcat sebagai server-nya. Karena itu, diperlukan sebuah modul untuk menjembatani perbedaanserver ini. Modul utama pada proses kedua ini disebut dengan redirect_to_jsp.php (Lampiran 7).

Modul ini berfungsi sebagai jembatan penghubung antara sistem berbasis PHP dan GeoMondrian yang merupakan framework spatialOLAP. Modul bekerja pada lingkungan sistem berbasis PHP dengan menyimpan baris query hasil analis dari modul js_Update2.php dan kemudian mengirimnya ke file geomondrian.jsp (Lampiran 8) untuk diolah dan ditampilkan pada sistemframework spatial OLAP.

File geomondrian.jsp merupakan halaman server pada Geomondrian yang berfungsi menampung baris query default dan mengolahnya pada kotak query editor. Modul redirect_to_jsp.php menggunakan fungsi ‘overwrite’ pada PHP dan menulis ulang baris query default pada file geomondrian.jsp sehinggaquery yang dihasilkan proses pertama (Gambar 12) bisa ditampilkan dan diolah pada framework spatialOLAP.

PengujianQuerypada Aplikasi OLAP Pemilihan masukan untuk menghasilkan query yang dilakukan pada halaman sistem sudah bisa menangani query temporal dan spatiotemporalyang melibatkantransformation function. Proses pemilihan masukan oleh pengguna pada halaman sistem disajikan dalam bentuk menu combobox. Pengguna akan memilih masukan berupa nama lokasi dan tahun. Pemilihan dimulai dengan memilih tahun awal dan tahun akhir terdapatnyahotspotsesuai keinginan pengguna. Setelah itu pengguna

memilih lokasi terjadinya hotspot. Lokasi ditampilkan dengan hierarki mulai dari pulau sampai nama provinsi yang ada di Indonesia.

Sistem akan membangkitkan query yang dinginkan oleh pengguna saat pengguna menekan tombol run query atau lihat query. Run query digunakan untuk menampilkan informasi hotspot langsung pada sistem Geomondrian, sedangkan lihat query hanya menampilkan barisquerypada halaman sistem. Proses pembangkitan query dapat dilihat pada Gambar 14.

Setelah semua pilihan pada menu kotak kombo dipilih, pengguna bisa memilih untuk melihat baris query yang telah dibangkitkan. Dari contoh diatas akan ditampilkan barisquery untuk menampilkan jumlah hotspot di daerah Kalimantan Selatan pada rentang tahun 1998– 2005. Hasilnya bisa dilihat pada Gambar 15.

Penyajian hasil query pada halaman sistem berupa baris query MDX juga bisa langusng ditampilkan dan diolah pada Geomondrian untuk diuji query bisa berjalan pada spasial Gambar 13 Proses pengirimanquery.

Gambar 14 Proses pemilihanquery.

OLAP. Gambar 16 memperlihatkan hasil dari queryyang dimasukkan, telah bisa terbaca pada Geomondrian dan mengeluarkan hasil sesuai yang diminta oleh pengguna. Contoh kasus yang dipilih oleh pengguna pada combobox adalah jumlah hotspot di daerah Kalimantan Selatan pada rentang tahun 1998–2005. Hasilnya bisa dilihat pada Gambar 16.

KESIMPULAN DAN SARAN

Kesimpulan

Sistem telah berhasil dibangun menggunakan framework PHP. Sistem sudah bisa menerima masukan yang diberikan oleh pengguna dan menampilkan baris query yang sesuai dengan permintaan pengguna. Sistem juga telah bisa secara otomatis mengirimkan baris query yang dipilih oleh pengguna ke aplikasi spasial OLAP kebakaran hutan di Indonesia (Fauzi 2011) dan menjalankan query spatiotemporalyang dihasilkan oleh sistem.

Sistem ini dapat mempermudah pengguna melakukan pencarian query spatiotemporal. Transformation function (TF) yang harus dimasukan oleh pengguna setiap kali melakukan pencarian query spatiotemporal dan dirasa merepotkan sudah bisa diatasi sehingga pengguna tidak lagi harus menghafal semua fungsi TF dan dimensi lokasi di kedua versi struktur (SV).

Proses pemilihan masukan pada halaman sistem berupa daftar pilihan dinilai lebih memudahkan pengguna daripada harus mengetikan query satu persatu pada kolom MDX query edior. Perubahan struktur yang terjadi pada data persebaran hotspot di Indonesia hanya terbatas pada tempat dan tahun perubahan struktur saja. Pemekaran lokasi yang disebutkan sudah sesuai dengan data yang diperoleh dari Departemen Dalam Negeri.

Kekurangan pada penelitian ini ialah modul hanya dapat mengatasi pencarian query spatiotemporal untuk enam provinsi (Papua, Maluku, Jawa Barat, Sumatra Selatan, Sulawesi dan Riau) yang mengalami pemekaran sesuai dengan data yang diperoleh. Jika ada kasus pemekaran baru, skema kubus data pada Schema Workbench harus dirubah secara manual.

Saran

Sistem ini masih memiliki banyak kekurangan sehingga diharapkan dapat dilakukan pengembangan selanjutnya. Saran untuk penelitian selanjutnya yaitu:

1 Membuat sistem yang mampu menangani semua bentuktransformation function,tidak hanya terbatas pada kasus pemekaran dan operasi dasar penjumlahan.

2 Membuat sistem yang mampu mengatasi perubahan kubus data secara otomatis, sehingga tidak perlu mengubah skema kubus data secara manual pada Schema Workbench.

3 Menambah modulupdate, insert,dandelete yang dapat memudahkan pengguna apabila terdapat data baru.

4 Membuat suatu framework yang dapat menampilkan visualisasi peta, tabel, dan grafik temporal dalam satu antarmuka.

DAFTAR PUSTAKA

Bédard Y, Merrett T, Han J. 2001. Fundamentals of spatial data warehousing for geographic knowledge discovery, geographic data mining and knowledge discovery. Research Monographs in GIS 3:53-73

Eder J, Koncilia C. 2001. Evolution of dimension data in temporal data warehouses. Technical Report 2000/11:4-9.