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.
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
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.
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
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
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
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
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.
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 :
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 :
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.
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
Dim Topografi Suhu Klimat Topografi Elevasi Keterangan singkat Keterangan Panjang A15 I A 30 A45 Dim Keadaan cuaca Suhu Klimat
Keadaan cuaca Dekode Kode huruf Keterangan A10 A5 A10 A16 Dim harian Suhu Klimat
Tanggal Dasarian Bulan Semester Tahun D A10 A10 A15
A4 Fakta Suhu Klimatologi
ID Stasiun Tanggal T07 T13 T18 TDLY Maksimum Minimum Keadaan cuaca A10 D DC4,1 DC4,1 DC4,1 DC4,1 DC4,1 DC4,1 A10