PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE METEOROLOGI, KLIMATOLOGI, GEOFISIKA DAN BENCANA ALAM

(1)

133 PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE METEOROLOGI, KLIMATOLOGI, GEOFISIKA DAN

PERANCANGAN DAN IMPLEMENTASI

DATA WAREHOUSE METEOROLOGI,

KLIMATOLOGI, GEOFISIKA DAN BENCANA ALAM

Agus Safril

Agussafril@yahoo.com

Staff Sub Bidang Pelayanan Jasa Bidang Data Informasi Balai Besar Meteorologi, Klimatologi, dan Geofisika Wilayah I Medan

ABSTRAK

BMKG telah memiliki data berasal dari beberapa sistem basis data historis (legacy system) baik yang telah tersimpan dalam sistem informasi data base maupun data dalam bentuk lembar kerja (worksheet). Data lama ini sering tidak digunakan ketika sistem data base baru dikembangkan. Agar data lama tetap dapat digunakan, diperlukan integrasi data lama dan baru. Data warehouse adalah konsep yang digunakan untuk mengintegrasikan data dalam penyimpanan sistem data base terpadu BMKG. Integrasi data dilakukan dengan melakukan ekstraksi dari sumber data dengan mengambil item data yang diperlukan. Sumber data diperoleh dari sistem informasi yang ada di kelompok meteorologi, klimatologi dan geofisika. Proses integrasi data dimulai dengan ekstraksi (extraction) kemudian dilakukan penyeragaman (transformation) sehingga sesuai dengan format yang digunakan untuk kepentingan analisis. Selanjutnya dilakukan proses penyimpanan dalam data warehouse (loading). Prototipe data warehouse yang dibangun mencakup proses input data melalui ekstraksi data lama maupun data baru menggunakan media perangkat lunak akuisisi data. Hasil keluaran (output) berupa laporan data dengan perioda data sesuai dengan kebutuhan.

Kata kunci:

Data warehouse, Integrasi, Ekstraksi, Penyeragaman, loading

ABSTRACT

The data collections of BMKG is captured from the legacy systems that is stored in the information systems or data worksheet. Sometimes the legacy system is not used when the new DMBS has been developed. In order the legacy system usefull for DBMS of BMKG, the data is integrated from the legacy systems to the new database systems. Data warehouse is the concept to integrate data to the BMKG Data Base Management System (DMBS). To integrate data, data is integrated the data sources from legacy systems that has been stored in the meteorology ,climatology and geophysic information system. The next steps is transformed to data that has the format accordance with the weather analysis requirement. Finally, data must be loaded in to the data warehouse. The data warehouse prototype that it is developed consist of data input troughout extract from historical data an , new data use with the data acquisition software. The result is data report that is accordance with the BMKG requirement to analyse the data.

(2)

134

1. PENDAHULUAN

Sejak BMKG berdiri telah memiliki beberapa sistem informasi yang berisi yang data dalam berbagai format dengan sistem informasi yang berbeda-beda. Sistem Informasi yang telah dikembangkan BMKG antara lain dari Sistem Informasi berbasis DOS seperti Clicom; berbasis grafis seperti Microsoft Access; berbasis text maupun dalam berbagai bentuk lembar kerja dalam seperti Microsoft Excel. Sumber data berasal dari pengamatan dan di berbagai stasiun meteorologi, klimatologi, maupun geofisika.

Untuk meningkatkan kualitas pelayanan BMKG terus mengembangkan sistem Data base. Permasalahan yang sering dialami ketika membuat sistem baru seringkali memiliki format yang sangat berbeda dengan sistem baru. Bagi operator entri data terpaksa mengulang pengisian data melalui hardcopy. Padahal potensi data historis (legacy systems )dalam bentuk softcopy dapat dioptimalkan dengan mengintegrasikan kepada sistem baru sehingga dapat menghembat tenaga, waktu dan biaya.

Untuk itu perlu dikembangkan sistem informasi yang dapat mengintegrasikan sistem data yang lama dan baru tanpa melakukan entri data ulang. Konsep data warehouse memberikan sebuah alternatif integrasi data historis dari berbagai sumber data. Imhof (1995) mendefinisikan data warehouse sebagai suatu koleksi basis data yang terintegrasi yang didesain untuk mendukung fungsi sistem pendukung keputusan.

Data warehouse tumbuh sebagai

kebutuhan dalam berbagai

organisasi/perusahaan/bisnis untuk mengalisis data histori yang dimiliki dan konsolidasi data dari berbagai sumber dalam satu tempat penyimpanan (repository) yang besar. Peran mendasar dari sebuah data warehouse adalah untuk menyediakan data untuk mendukung pembuatan keputusan. Data warehouse adalah suatu koleksi optimasi data base untuk mendukung keputusan. Konsep ini

mengintegrasikan antara sistem lama dan sistem baru sehingga tidak terjadi duplikasi data. Data yang telah diintegrasikan dapat diolah dalam berbagai bentuk laporan sesuai dengan kebutuhan.

Proses data sebelum dilakukan loading (memasukkan data ke data warehouse) terlebih dahulu dilakukan ekstraksi data (extraction) yaitu proses mendapatkan data dari sumber data (source system). Setelah data diekstrak, kemudian dilakukan transformasi (transformation) yaitu proses mengkonversi data ke dalam bentuk yang bermanfaat untuk analisis. Untuk lebih jelasnya proses integrasi data yang meliputi ekstraksi, transformasi dan loading seperti pada gambar 1

Gambar 1 Proses Integrasi Data ke Dalam Data Warehouse

Proses data sebelum dilakukan

loading

(memasukkan data ke data

warehouse) terlebih dahulu dilakukan

ekstraksi data (extraction)

yaitu proses

mendapatkan data dari sumber data (source

system).

Setelah data diekstrak, kemudian

dilakukan transformasi

(transformation)

yaitu proses mengkonversi data ke dalam

bentuk yang bermanfaat untuk analisis.

1.1. Ekstraksi data

Dalam pengembangan sebuah data

warehose proses ekstraksi informasi dari

sumber asli dan dipindahkan ke dalam data

warehouse merupakan hal yang sangat

penting. Hal ini disebabkan sejumlah besar

volume data akan dipindahkan dari sistem

sumber

(legacy) ke dalam data warehouse

(3)

135

dengan ekstraksi data dilakukan secara

otomatis. Aturan yang berisi definisi proses

translasi dari sumber data data warehouse

harus ditetapkan (metadata). Sehingga tidak

semua yang yang tersedia di dalam data

sumber ditransfer ke dalam data warehouse.

Hanya

item

yang

dibutuhkan

yang

dipindahkan ke dalam data warehouse.

Informasi yang masuk ke dalam data

warehouse dapat datang dari internal sistem

(legacy system) maupun dari eksternal

organisasi.

1.2. Transformasi data (transformation)

Untuk mengkonversi data ke bentuk

yang disepakati dilakukan transformasi data

(transformation).

Ada

beberapa

permasalahan dalam transformasi yaitu :



Konversi data dari sistem yang

berbeda ke dalam bentuk yang

diinginkan..



Penyeragaman atau cleaning data.

Transformasi

dibutuhkan

untuk

mengkonversi data ke dalam bentuk yang

bermanfaat

untuk

keperluan

analisis.

Transformasi dilakukan dengan melakukan

proses penyeragaman

(cleaning). Proses

cleaning dilakukan karena data yang dicatat

di organisasi dalam bentuk yang berbeda.

Data bisa disimpan dalam format yang

berbeda dan penyimpanan yang berbeda.

Data warehouse membutuhkan informasi

yang telah dilakukan penyeragaman

sehingga bentuk data tersebut menjadi

seragam.

Proses penyeragaman

(cleaning) data

membutuhkan beberapa langkah sebagai

berikut :

a.

Menganalisis data untuk mendapatkan

ketidak akuratan, anomali, dan problem

yang lain terhadap data yang ada.

b.

Melakukan transformasi data sehingga

data menjadi akurat dan konsisten.

c.

Membuat

aturan

dan

batasan

(referential integrity).

d.

Melakukan validasi data.

e.

Membuat metadata.

f.

Mendokumentasi

proses

untuk

digunakan pada masa yang akan datang.

Referential integrity mengacu kepada

kemampuan

untuk

mengidentifikasi

kebenaran setiap isi dari sebuah obyek

(misalnya

produk,

pelanggan

atau

pegawai). Sehingga hal ini menghasilkan

suatu pemeliharaan konsistensi antara

hubungan dua buah tabel dalam sebuah

basis data relasional. Validitas mengacu

kepada penyediaan dan gambaran data

sesuai

dengan

realitas

sebenarnya.

Sedangkan meta data berisi tentang tipe

data, format dan arti tiap kolom.

1.3. Loading dan pengecekan data

Data yang masuk ke dalam data

warehouse haruslah benar. Apabila data

yang masuk merupakan informasi yang

salah maka informasi tersebut tidak akan

digunakan pengguna. Oleh karena itu perlu

dilakukan pengecekan meliputi satu atau

beberapa hal berikut :

1.3.1. Keseragaman (uniformity)

Menjamin bahwa data adalah di

dalam suatu aturan dengan batasan tertentu

(specified limits) atau aturan keseragaman.

1.3.2. Versi (version)

Pengecekan

versi

menekankan

bahwa format data dalam data sumber tidak

akan berubah. Pengecekan versi ini untuk

mendeteksi

perubahan

yang

terjadi.

Misalnya pada format tahun 2000 antara

dua digit atau empat digit.

(4)

136

Data rangkuman yang dibuat adalah

sudah mewakili kebutuhan pengguna

(lengkap).

1.3.4. Kesesuaian (conformity)

Menjamin bahwa rangkuman yang

dibuat sesuai dengan kebutuhan. Sehingga

analisis data, laporan (reporting) dan nilai

sebelumnya memiliki nilai yang sama.

1.3.5. Genealogi (drilldown)

Tilik rinci

(Drill down) bermanfaat

untuk melihat kembali ke belakang terhadap

sumber data yang diperoleh melalui

transformasi yang bermacam-macam. Tilik

rinci dilakukan dengan memanggil kembali

ketika menjawab sebuah pertanyaan

pengguna tentang validitas data. Dengan

melakukan review nilai untuk tiap nilai

rangkuman

(summary

number),

dapat

diikuti sampai ke sumbernya. Sehingga

dapat diketahui bahwa data tersebut adalah

benar.

Data

data

warehouse

umumnya

diimplementasikan dalam bentuk sebuah

client-server. Ada beberapa arsitektur dasar

untuk data warehouse. Arsitektur data

warehouse terdiri dari tiga komponen

(tiers). Komponen tersebut sebagai berikut

:

1. Data warehouse itu sendiri yang berisi

data

dan

perangkat

lunak

yang

berasosiasi dengannya.

2. Perangkat lunak akuisisi data

(data

acquisition software) yang berguna

untuk mengekstraksi data dari sumber

data warisan

(legacy),

membuat

rangkuman

data

(summary),

dan

memindahkannya (loading)

ke data

warehouse.

3. Perangkat lunak pengguna akhir

(front

end) yang memberikan fasilitas bagi

para pengguna untuk mengakses dan

menganalisis

data

dalam

data

warehouse.

Dengan konsep data warehouse tersebut BMKG dapat mengintegrasikan data meteorologi, kalimatologi, geofisika, bencana maupun data dalam bentuk image maupun multimedia (data streaming). Berdasarkan pada kondisi tersebut penulis mengambil tema ”Desain dan Implementasi Sistem Data warehouse di Balai Besar Meteorologi, Klimatologi, dan Geofisika wilayah I medan”. 1.4. Perumusan Masalah

Dari latar belakang pada penjelasan sebelumnya dapat dirumuskan masalah sebagai berikut :

a. Bagaimana mengembangkan model data warehouse dan integrasi yang berasal dari berbagai sumber dengan format yang berbeda ?

b. Bagaimana mengembangkan prototipe aplikasi sistem data warehouse ?

1.5. Batasan Masalah

Permasalahan pada penelitian ini dibatasi pada:

a. Data yang digunakan dari Balai Besar Meteorologi, Klimatologi dan Geofisika Wilayah I Medan.

b. Implementasi tidak mencakup sampai sistem pendukung keputusan (Decision Support Tools), sebagai bentuk dari pengembangan data warehouse yaitu untuk pengolahan data online (Online Analytical Processing) tetapi sampai dengan integrasi data dan laporan sederhana.

1.6. Tujuan

Tujuan dari penelitian ini adalah menghasilkan desain integrasi data, desain model data warehouse dan membuat prototipe data warehouse BMKG.

1.7. Manfaat

Manfaat yang diharapkan dari penelitian ini adalah memberikan rekomendasi prototipe dan desain model data warehouse untuk dapat

(5)

137 diterapkan dalam konsep pengembangan Data

Base Meteorologi, Klimatologi, Geofisika (BMKG) baik di tingkat pusat maupun daerah.

2. METODOLOGI

Metodologi dalam pengembangan prototipe data warehouse menggunakan rancangan spiral yang meliputi : analisis kebutuhan sistem, desain pembuatan kode, dan testing yang dilakukan secara berulang hingga didapatkan protipe yang sesuai dengan kebutuhan. Perancangan sistem diperoleh dari hasil dari analisis kebutuhan. Setelah diperoleh analisis kebutuhan yang telah dilakukan pengembangan data warehouse berdasarkan cek (check list) dari (Gray dan Watson, 1998). Adapun desain data warehouse BMKG Wilayah I sebagai berikut :

 Desain data warehouse yang meliputi sumber data (internal dan eksternal), proses ekstraksi data, transformasi dan loading

 Desain data warehouse meliputi subyek yang melingkupi data warehouse, model data (skema snowflake, desain fisik, dan diagram alur (data flow diagram))

 Implementasi prototipe data warehouse

3. ANALISIS DAN DESAIN

Analisis adalah kegiatan untuk mendapatkan kebutuhan pengguna untuk dijadikan bahan bagi desain sistem informasi. Hasil analis kebutuhan akan diterjemahkan ke dalam bentuk desain sistem informasi data warehouse.

3.1. Analisis Kebutuhan

Analisis kebutuhan dilakukan melalui pengumpulan data berupa dokumen yang digunakan untuk membangun data warehouse. Dari analisis kebutuhan system akan didapatkan informasi apa yang diperlukan untuk pengembangan data warehouse.

Dalam tahap analisis kebutuhan dihasilkan : alur proses bisnis saat ini, sumber data (legacy system) dan jenis data kebutuhan penyajian data, arsitektur aplikasi. Hasil dari

analisis kebutuhan tersebut sebagai dasar untuk membangun desain data warehouse seperti pada uraian berikut ini.

3.2. Desain

Langkah lebih lanjut adalah melakukan desain data warehouse. Desain sistem dibuat dalam bentuk notasi sehingga dapat dibaca dan dipahami oleh programer. Tahap berikutnya programer dapat mengembangkan proses pemrograman (coding).

3.3. Desain Organisasi Data Warehouse Dari analisis kebutuhan yang telah dilakukan diambil pilihan keputusan pengembangan data warehouse berdasarkan daftar cek (check list) dari (Gray dan Watson, 1998). Pilihan yang diambil sesuai dengan sumber daya yang ada.

3.3.1. Jumlah Komponen Data Warehouse (Tiers)

Arsitektur aplikasi data warehouse di Balai Besar Meteorologi dan Geofisika Wilayah I Medan meliputi 3 komponen (tiers). Komponen tersebut sebagai berikut :

1. Data warehouse server untuk menyimpan data dengan menggunakan sistem manajemen basis data SQL Server 2000 (Sistem Operasi Windows).

2. Perangkat lunak akuisisi data (data acquisition software) yang berguna untuk mengekstraksi data dari sumber data warisan (legacy), membuat rangkuman data (summary, dan memindahkannya (loading) ke data warehouse. Akuisisi data menggunakan layanan yang tersedia dalam SQL Server berupa DTS (Data Transformation Service) dan Transact SQL yang telah tercantum dalam SQL Server 2000.

3. Aplikasi sebagai user interface menggunakan Microsoft Visual Basic 6.0

3.3.2. Integrasi dan Implementasi Data Warehouse

(6)

138

Data ditempatkan di lokasi terpusat yang diatur secara terpusat atau data ditempatkan terdistribusi dalam suatu lokasi terpusat untuk mendukung semua unit. Dari kondisi dari analisis kebutuhan, analisis data cuaca dan gempa hanya di lingkungan Bidang Data dan Informasi, tidak untuk seluruh bagian di Balai Besar Meteorologi Dan Geofosika Wilayah I Medan maka penempatan data terpusat (Global data warehouse) lebih tepat. Dengan model terpusat data mart dapat direplikasi dan digunakan untuk kebutuhan khusus untuk analisis data di kelompok Meteorologi, Klimatologi dan Geofisika.

3.4. Desain Operator Data Warehouse Desain untuk operator data warehouse meliputi : memberikan keputusan desain untuk sumber data (eksternal atau internal), bagaimana ekstraksi data, dan frekuensi loading data. Sumber data untuk keperluan analisis disimpan dalam sistem informasi yang dimiliki oleh kelompok Meteorologi, Klimatologi dan Geofisika yang meliputi data Sinoptik, KLIM 71, gempa, petir, bencana alam. Dari sumber data yang diperoleh kemudian dilakukan dilakukan pemetaan utuk mengidentifikasi sumber data yang akan digunakan untuk diloading ke model data warehouse. Sumber data ini harus dipetakan ke target analisis dalam model data warehouse .

Dasar untuk menangkap sumber data berdasarkan pemetaan sumber data yang sudah dilakukan sebelumnya. Jadwal ekstraksi terdiri dari ekstraksi awal dan periodik. Jadwal ekstraksi terdiri dari ekstraksi awal dan periodik. Ekstraksi awal data awal berasal dari 3 kelompok di bidang fungsional yang meliputi Klimatologi, Meteorologi, dan Geosisika. Masing-masing kelompok memiliki sistem informasi tersendiri. Sedangkan ekstraksi periodik berasal dari data hasil pengamatan cuaca dan gempa yang terbaru. Waktu ekstraksi data untuk data baru tiap kelompok fungsional klimatologi, meteorologi dan geofisika dapat dilakukan harian, mingguan dan bulanan.

Setelah pemetaan dilakukan maka dilakukan proses penyeragaman (cleaning) data. Penyeragaman data dilakukan untuk

mengkonversi data dengan format yang berguna untuk analisis. Hal ini membutuhkan standar keseragaman mengenai data yang akan diolah. Misalnya untuk pengukuran kecepatan kilometer/jam, meter/detik atau knot, arah angin menggunakan derajat angka atau huruf dan lain-lain.

3.5. Desain Data Warehouse

Sebagai gambaran umum proses alur dari dari masukan, proses dan keluaran data seperti uraian berikut ini :

3.5.1 Arsitektur Data Warehouse

Desain arsitektur data warehouse yang dibangun terdiri tiga bagian yang liputi sumber data, data warehouse dan cara akses bagi pengguna seperti pada gambar 1. Meliputi sumber data eksternal, proses data dan keluaran data.

Gambar 2 Arsitektur Data Warehouse Cuaca dan Gempa Dalam Aplikasi Praktis

3.5.2. Subyek Data Warehouse

Dalam pengembangan sebuah data warehose dilakukan pemetaan informasi dari sumber asli dan dipindahkan ke dalam data warehouse. Sehingga tidak semua yang yang tersedia di dalam data sumber di transfer ke dalam data warehouse. Hanya item yang dibutuhkan untuk kebutuhan analisis cuaca dan gempa yang dipindahkan ke dalam data

(7)

139 Infomrasi FDRS

Informasi neraca air

Informasi tekanan udara klimatologi Infomrasi hujan Informasi waktu hujan hellman Informasi intensitas hujan hellman

Informasi Penguapan Informasi angin klimatologi

Informasi suhu klimatologi

Informasi tekanan udara sinoptik Infornasi labilitas udara

Informasi angin pibal

Informasi jarak pandang Informasi suhu udara atas

Infomormasi tekanan udara atas Informasi awan Informasi angin udara atas

Informasi gempa Informasi longsor

Informasi Penyinaran matahari Informasi RH klimatologi

Informasi suhu sinoptik

Informasi RH udara atas Informasi angin sinoptik

Data regional Data dunia Data klimatologi regional

Data Hellman Data klimatologi Sumbagut

Data sinoptik Data udara atas

Data pibal Sumber Data Meteorologi Sumber Data Klimatologi Sumber Data Geofisika 0 Integrasi dan Analisa Data + Kelompok Meteorologi Kelompok Klimatologi Kelompok Geofisika warehouse seperti terlihat pada Tabel 1.

Tabel 1 Kebutuhan Informasi dan Data yang Dibutuhkan

3.5.3 Model Data dan Desain Fisik

Metodologi Data yang digunakan untuk menyusun model data warehouse BMKG Wilayah I adalah model data dimensional dengan pendekatan basis data relasional (ROLAP). Implementasi data warehouse dari rancangan logikal berupa desain fisik data warehouse dalam bentuk tabel. Dalam merancang tabel fisik menggunakan notasi Sebagai contoh untuk tabel fisik fakta hujan tabel 2.

Tabel 2. Contoh Desain Fisik Analisis Hujan

Adapun contoh data yang dimasukkan ke dalam rancangan tabel sebagai berikut :

Tabel 3. Contoh Data

3.5.4. Diagram Alur

Proses integrasi dan analisis data dapat dilihat pada diagram DFD (Data Flow Diagram) untuk level 0 (gambar 3). Dari gambar 3 dapat dijelaskan proses-proses yang terlibat secara keseluruhan dalam analisis cuaca dan peringatan dini bencana alam. Proses dimulai dari integrasi sumber data (entitas eksternal) yang meliputi seluruh sumber data historis (legacy system), kemudian proses data yang mengambil masukan dari sumber data dengan keluaran akhir berupa informasi sesuai dengan kebutuhan kelompok Meteorologi, Klimatologi dan Geofisika (entitas eksternal). Gambar 3 . Integrasi dan Analisa Data Cuaca dan

Gempa

Contoh Diagram/Entity Relationship Diagram yang menghubungkan beberapa entitas sebagaimana dalam lampiran 1.

4. PROTOTIPE DATA WAREHOUSE

Dari hasil analisis kebutuhan dan desain logikal dan fisik dihasilkan prototipe

(8)

140

data warehouse sebagaimana gambar berikut ini :

4.1 Tampilan Muka

Tampilan muka pada saat prototipe data warehouse BMKG dibuka sebagaimana dalam gambar berikut ini :

Gambar 4. Tampilan Muka Sistem Data Base

4.2 Input Data baru

Dalam sistem perlu juga disediakan input data baru ketika user menginginkan memasukkan data melalui input. Untuk input data baru dilakukan sebagaimana dalam tampilan form berikut ini :

Gambar 5. Input Data Baru

4.3 Input Data lama

BMKG Wilayah I telah memiliki data historis meteorologi, klimatologi, geofisika dalam format yang berbeda-beda. Agar tidak perlu mengentri ulang data harus dilakukan proses ETL (Ekstraksi, Transformasi dan Loading) ke dalam data warehouse. Proses

ekstraksi, transformasi dan loading data dari sumber data warisan (legacy system) menggunakan perspekstif metadata. Sumber data dikelompokkan berdasarkan kelompok pemilik sumber data. Contoh data historis yang ada dalam bentuk Microsoft Excel seperti pada gambar berikut ini :

Gambar 6. Data Dalam Format Lembar Kerja

Untuk melakukan ektraksi data digunakan DTS (Data Ttransformation Services). Sebelum diekstraksi format data harus disamakan dengan format yang ada dalam data warehouse yang telah dibuat sebelumnya.Dalam proses ini dilakukan proses penyamaan format data misalnya satuan pengukuran, angka desimal dan lain-lain. Berikut contoh ekstraksi data menggunakan SQL server 2000.

(9)

141

Gambar 7. Transformasi Data dari Data Sumber

Data sumber yang telah memiliki format yang seragam di arahkan ke tabel di dalam tabel masing dengan masing-masing unsur untuk data klimatologi, meteorologi, geofisika dan bencana akibat cuaca ekstrim dan gempa Seperti pada gambar berikut ini :

Gambar 8. Ekstraksi Data ke Target

4.4. Output

Setelah data diintegrasikan data siap untuk diambil sesuai dengan kebutuhan yaitu sesuai dengan kebutuhan. Data untuk analisis untuk mendukung keputusan yang akan diolah lebih lanjut dengan perangkat lunak analisis cuaca dan iklim yang memiliki berbagai model prakiraan cuaca seperti HyBMG. Kebutuhan data untuk pengolahan antara lain data harian, sepuluh harian maupun bulanan dari berbagai unsur yang ada. Berikut contoh out put data hasil integrasi data :

4.5. Contoh Pencarian Data

Data hujan diperoleh dengan mengetikkan Nama stasiun, dari awal tahun sampai dengan akhir tahun yang dicari, dengan elemen sesuai dengan kebutuhan. Apabila data bulanan klik data hujan bulanan dan apabila yang diinginkan hujan harian maka klik cari pada bagian data hujan harian.

Gambar 9. Pencarian Data

Dari hasil Hasil integrasi data baik data meteorologi, klimatologi dan geofisika serta bencana alam alam. Tampilan Data hujan harian dan kelembaban udara bulanan. Contoh data sebagaimana dalam gambar berikut ini :

Gambar 10. Tampilan Data Harian dan Bulanan

Data bencana alam dimaksudkan untuk mengalisis kejadian cuaca ekstrem yang terjadi di suatu daerah. Data bencana diperoleh dengan mengetikkan Nama stasiun, dari awal tahun sampai dengan akhir tahun yang dicari, dengan jenis sesuai dengan kebutuhan. Contoh data bencana dan hasil pencarian sebagaimana dalam gambar berikut ini :

(10)

142

Gambar 11. . Data Bencana

BMKG telah memiliki historis data dalam bentuk image hasil dari analisis dari metode numerik maupun dari hasil pengamatan penginderaan jarak jaruh seperti satelit cuaca. Data ini bermanfaat saat akan digunakan untuk mengadakan penelitian maupun analisis kejadian cuaca ekstrem. Contoh data dalam bentuk image meliputi data satelit cuaca dan data stream line merupakan data dukung pada saat kondisi di lapangan ketika curah hujan esktrem atau terjadi bencana alam seperti puting beliung.

Gambar 12. Citra Satelit dan Stream Line

Data streaming cuaca ekstrem merupakan data dukung bagi analisis cuaca ekstrem yang dapat direkam melaui kamera atau video streaming. Data streaming berikut menunjukkan saat kejadiaan hujan sangat lebat setelah siang haria tumbuh awan cumulus di sekitar Badan Meteorologi Klimatologi dan Geofisika Wilayah I . Contoh data streaming cuaca ektrem yang terjadi sasat hujan lebat dengan intensitas 50 mm/hari sebagai berikut:

Gambar 13. Gambar Data Multimedia Cuaca Ekstrem

Data gempa merupakan data historis. Untuk memperoleh data yang dibutuhkan diperoleh dengan mengetikkan Nama stasiun, dari awal tahun sampai dengan akhir tahun yang dicari, dengan elemen sesuai dengan kebutuhan seperti pada tampilan gambar pecarian data sebagaimana berikut :

Gambar 14. Data Gempa

Selain laporan dalam bentuk hardcopy data dapat diekspor dalam softcopy sehingga dapat diolah oleh perangkat lunak yang lain sesuai dengan model untuk pengolahan. Data ekspor dapat berupa data haarian, dasarian, atau bulanan. Data dieksptor ke dalam file dengan ekstension *. Txt. Format ini dapat dibaca oleh software lain seperti HyBMG untuk dilakukan proses pengolahan data lanjutan. Contoh berikut cara mengekspor data :

(11)

143

Gambar 15 . Fasilitas untuk mengekspor File

5. KESIMPULAN DAN SARAN

Dari hasil analisis, desain dan implementasi dapat disimpulkan :

5.1 Kesimpulan

1. Integrasi data dilakukan dengan melakukan ekstraksi dari beberapa sumber data dengan mengambil item data yang diperlukan. Sumber data diperoleh dari sistem informasi yang telah ada di kelompok meteorologi, klimatologi dan geofisika (legacy Systems) .

2. Prosesi integrasi data dimulai dengan ekstraksi (extraction) kemudian dilakukan penyeragaman (transformation) sehingga sesuai dengan format yang digunakan untuk kepentingan analisis. Data dalam format yang telah sesuai untuk keperluan analisis kemudian disimpan dalam data warehouse (loading).

3. Prototipe data warehouse BMKG mencakup proses Input data melalui ekstraksi data lama maupun data baru menggunakan media perangkat lunak yang sesuai dengan dengan sistem data base yang akan dibangun dengan keluaran (output) berupa laporan data baik dalam bentuk hardcopy atau file dengan perioda data sesuai dengan kebutuhan.

5.2 Saran

1. Konsep data warehouse dapat ditetapkan di BMKG pusat maupun tingkat Balai Besar dan unit pelaksana teknis di daerah yang telah memiliki data historis.

2. Keluaran data warehouse dapat diintegrasikan melalui pengolahan online (Online Anlytical Processing) menggunakan berbagai metode pengolah data baik statistik (arima, wavelet dan lain-lain) maupun memanfaatkan sistem kecerdasan buatan (Fuzzy, Jaringan saraf tiruan dan lain-lain)

6. DAFTAR PUSTAKA

1. A.Hoffer, Jefry, et.al, Modern System Analysis and Design, Prentice Hall Incorporation.

2. Djunaidy, Arif, , 2004. ”Manajemen Data”, Hand Out Kuliah, Program Studi Manajemen Teknologi Informasi, Magister Manajemen Teknologi, Program Pasca Sarjana ITS.

3. E. Kendall, et.al, 2002. Modern System Analysis and Design, Pearson Education. 4. Gray, Paul and H, Watson, Hugh, 1998.

Decision Support In the Datawarehouse, Prentice Hall, Inc.

5. Marakas, George, 1999. Decision Support int Twenty-First Century, Prentice Hall Inc. 6. O’Brien James A., 2004. Mangement

Information Systems – Managing Information Technology in the Internet Worked Enterprise, 6 th Edition, Irwin McGraw-Hill.

7. Pressman, George, 1997. Software Engeneering, Mc-Graw-Hill.

(12)

144

Lampiran 1.

Contoh Diagram Entity relationship Snowflake Suhu

memiliki tipe suhu klimat bagian dari suhu klimat

ciri rupa bumi suhu klimat Keterangan Dasarian

Keterangan bulan Suhu Klimat

Keterangan Semester Suhu klimat

Keterangan tahun suhu klimat

Ketrangan Cuaca Suhu Klimat

Waktu Pengamatan Suhu Klimat

Stasiun Mengamati Suhu klimatologi

Dim stasiun pengamatan Suhu Klimat ID Stasiun Nama Stasiun Alamat Stasiun Kabupaten Bujur Lintang Elevasi Jam Operasi Tipe Iklim Topografi A10 A25 A40 A10 DC4,1 DC3,1 I I A2 A15 Dim wilayah adminitrasi Suhu Klimat

Kabupaten Propinsi

A10 A25

Dim Tipe iklim wilayah Suhu Klimat Tipe iklim

Bulan Basah Keterangan Bulan Basah Bulan kering Keterangan bulan kering

A2 A5 A25 A5 A25 Dim Dasarian Suhu Klimat

Dasarian Keterangan hari Keterangan dasarian A10 A20 A20

Dim Bulan Suhu klimat ID Bulan

Keterangan Bulan A10 A25

Dim Tahun Suhu Klimat ID tahun

Climate Out Look Tahunan A4 A25 Dim semester Suhu Klimat

Semester Keterangan semester Keterangan dalam bulan

A15 A25 A25