Visualisasi Data Spasial di MonetDB Menggunakan OpenJUMP
VISUALISASI DATA SPASIAL DI MONETDB MENGGUNAKAN
OPENJUMP
PRADITYA PAMUNGKAS
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Visualisasi Data
Spasial di MonetDB Menggunakan OpenJUMP adalah benar karya saya
denganarahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun
kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip
dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah
disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir
skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Januari 2014
Praditya Pamungkas
NIM G64080078
ABSTRAK
PRADITYA PAMUNGKAS. VISUALISASI DATA SPASIAL DI MONETDB
MENGGUNAKAN OPENJUMP. Dibimbing oleh HARI AGUNG ADRIANTO.
Saat ini model data yang banyak digunakan adalah relasional. Model ini
mengatur sebuah basis data sebagai sekumpulan data yang disimpan secara
tertruktur atas baris dan kolom. Meskipun populer, model data relasional
dirasakan kurang cepat dalam implementasi data besar dan memiliki kompleksitas
yang tinggi. Berbeda dengan model relasional, MonetDB menggunakan metode
column-store untuk membagi data menjadi beberapa bagian binary tabel. Metode
ini hanya memanggil data yang diperlukan saja, sehingga lebih cepat. Anggi
(2013) telah menguji MonetDB sebagai tempat penyimpanan data spasial dan non
spasial, namun belum memvisualisasikan dari data tersebut. Penelitian ini
menggunakan salah satu OpenSource berbasis java yaitu OpenJUMP untuk
visualisasi dengan penghubung menggunakan JDBC4. Pengujian ini berhasil
memvisualisasikan query data spasial sederhana menggunakan “like” dan “and”
dengan rata rata waku 1 detik, sedangkan query spasial kompleks menggunakan
“join”, “constains” dan “intersect” dengan rata rata waku lebih dari 20 menit.
Sehingga terlihat bahwa MonetDB juga dapat mengolah data spasial baik
sederhana maupun kompleks. Namun dalam proses visualisasi data spasial yang
kompleks itu membutuhkan run-time yang relatif lama.
Kata kunci: data spasial, MonetDB, OpenJUMP, visualisasi
ABSTRACT
PRADITYA PAMUNGKAS. VISUALIZATON SPATIAL DATA IN MONETDB
WITH OPENJUMP. Supervised by HARI AGUNG ADRIANTO.
There are currently the most used data model is relational. This model a
database as a set of data that is stored in structural rows and columns. Besides
the popullarity, the relational data model is lacking in the implementation of data
is large and has a high complexity. Different of the relational model, MonetDB
using a column store method to divide the data into sections binary tables . This
method is only necessary to call the data, resulting method is faster. Anggi ( 2013
) have tested the MonetDB as a spatial and non spatial data storage, but not yet
visualize data from MonetDB. This result successfully visualize spatial data using
a simple query “like” and “and” the average time 1 second , while the complex
spatial queries using “joins”, “constains” and “Intersect” with average time
more than 20 minutes. So it looks that MonetDB also can process spatial data
simple and complex . But in the process of complex spatial data visualization that
require run-time is relatively long .
Keywords: spatial data, MonetDB, OpenJUMP, visualize
VISUALISASI DATA SPASIAL di MONETDB MENGGUNAKAN
OPENJUMP
PRADITYA PAMUNGKAS
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Ilmu Komputer
pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Skripsi : Visualisasi Data Spasial di MonetDB Menggunakan OpenJUMP
Nama
: Praditya Pamungkas
NIM
: G64080078
Disetujui oleh
Hari Agung Adrianto, SKom, MSi
Pembimbing
Diketahui oleh
Dr Ir Agus Buono, MSi, MKom
.Ketua Departemen
Tanggal Lulus:
Judul Skripsi: Visualisasi Data Spasial di MonetDB Menggunakan OpenJUMP
Nama
: Praditya Pamungkas
NIM
: G64080078
Disetujui oleh
SKom MSi
Diketahui oleh
Ｍ
Tanggal Lulus:
Il4 FEB ｾＴ＠
Ｍ
ｾＭＺＮ＠
."
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala
atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan.
Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Maret
2013 ini ialah dengan visualisasi data spasial di MonetDB menggunakan
OpenJUMP. Penyelesaian penelitian ini tidak luput dari dukungan dan
bantuan berbagai pihak. Oleh karena itu, penulis ingin mengucapkan terima
kasih sebesar-besarnya kepada:
1. Ayahanda Riyono, Ibunda Krisnaningtyas, Kakak Putri Kumala
Kristawardhani, serta Kakak Putra Wishnu Widhiana atas doa, kasih
sayang, dukungan, serta motivasi kepada penulis untuk penyelesaian
penelitian ini.
2. Bapak Hari Agung Adrianto, SKom, MSi selaku dosen pembimbing
yang telah memberi banyak ide, saran, bantuan, serta dukungan sampai
selesainya penelitian ini.
3. Bapak Endang dan Ibu Karlina dosen penguji atas segala masukan
yang diberikan.
4. Alnis Jasti atas doa, nasihat, dukungan, serta motivasi kepada penulis
untuk penyelesaian penelitian ini.
5. Rekan-rekan seperjuangan di Ilmu Komputer IPB angkatan 45 atas
segala kebersamaan, bantuan, dukungan, serta kenangan bagi penulis
selama menjalani masa studi. Semoga kita bisa berjumpa kembali
kelak sebagai orang-orang sukses.
6. Asrori Hudri,Catur Purbo, Hafizhia Dhikrul Anugrah ,Jaka Juliarta,
Melki Hasali, Meri Marlina, Rahman
Halim, Ryan Satria
Nugroho,Putri Dewi , dan sahabat lainnya yang telah menjadi mitra
dan menemani penulis dalam menjalani kehidupan sebagai mahasiswa.
7. Rekan satu bimbingan, Anggi Putrantio Juniard, Mitha Rachmawati,
dan Ilman Dwi Santoso.
8. Departemen Ilmu Komputer, Bapak/Ibu Dosen dan Tenaga
Kependidikan yang telah begitu banyak membantu baik selama
pelaksanaan penelitian ini maupun sebelumnya.
Kepada semua pihak lainnya yang telah memberikan kontribusi yang
besar selama pengerjaan penelitian ini yang tidak dapat disebutkan satupersatu, penulis ucapkan terima kasih banyak. Segala kesempurnaan hanya
milik Allah Subhanahuwata’ala. Semoga hasil penelitian ini dapat
bermanfaat, Amin.
Bogor, Februari 2014
Praditya Pamungkas
DAFTAR ISI
DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
Manfaat Penelitian
1
Ruang Lingkup Penelitian
2
TINJAUAN PUSTAKA
2
Struktur Data Spasial
2
Shapefile
2
MonetDB
3
JDBC
4
OpenJUMP
5
METODE
5
Identifikasi Masalah
6
Pengumpulan Data
6
Pembangunan Database
6
Koneksi Open Source GIS
6
Memasukkan Query dan Hasil
6
Analisis Hasil
7
HASIL DAN PEMBAHASAN
Pengumpulan Data
8
8
Pembangunan Database menggunakan MonetDB
10
Pengujian MonetDB
11
SIMPULAN DAN SARAN
17
Simpulan
17
Saran
17
DAFTAR PUSTAKA
18
RIWAYAT HIDUP
19
DAFTAR TABEL
1 Proses pemilihan Open Source ........................................................................ 6
2 Hasil run-time query ...................................................................................... 16
DAFTAR GAMBAR
1 Binary Association Table (BAT) ..................................................................... 4
2 Model penelitian .............................................................................................. 5
3 Koneksi dan visualisasi .................................................................................... 7
4 Pemetaan penduduk kota New York ............................................................... 9
5 Pemetaan neihgborhoods kota New York ....................................................... 9
6 Pemetaan jalan kota New York ....................................................................... 9
7 Pemetaan halte bus kota New York ............................................................... 10
8 Hasil query sederhana .................................................................................... 13
9 Hasil query sederhana menggunakan AND ................................................... 13
10 Hasil query sederhana menggunakan LIKE ................................................ 14
11 Hasil query kompleks menggunakan JOIN dan contains ............................ 14
12 Hasil query kompleks menggunakan JOIN dan intersect ............................ 15
13 Hasil query kompleks menggunakan JOIN dan intersect2 .......................... 15
PENDAHULUAN
Latar Belakang
Dalam proses penyimpanan data yang paling populer saat ini adalah
relasional. Model relasional ini merupakan model yang paling sederhana sehingga
mudah digunakan dan dipahami oleh pengguna. Model ini menggunakan
sekumpulan tabel berdimensi dua (relasi atau tabel) dengan masing-masing relasi
tersusun atas tupel atau baris dan atribut. Namun model ini dianggap kurang
bagus dalam data besar dan kompleks.
Banyak Database Management System (DBMS) yang bermunculan untuk
mengolah data spasial maupun non spasial, salah satunya yaitu MonetDB.
MonetDB ini merupakan pelopor DBMS yang menggunakan column-store dalam
meningkatkan kinerja untuk data warehouse business intellegence dan eScience.
Model penyimpanan yang dilakukan MonetDB ini menggunakan metode vertical
fragmentation untuk mempercepat kinerja pencarian data spasial maupun non
spasial (MonetDB 2012) .
Pada penelitian sebelumnya dilakukan perbandingan antara kinerja postgres
dengan MonetDB menggunakan data spasial dan non spasial, dan dihasilkan
kesimpulan bahwa MonetDB memiliki waktu rata-rata yang lebih cepat dalam
mengolah data non spasial dibanding Postgres. Namun hasil sebaliknya dalam
data spasial yang sederhana maupun kompleks, PostgreSQL memiliki rata- rata
waktu yang cepat dibanding MonetDB (Anggi 2013). Dikarenakan MonetDB
masih dalam pengembangan dan hanya memiliki fungsi spasial yang masih
sederhana dibanding PostgreSQL maka itu merupakan hal yang wajar. Dalam
penelitian akhir ini saya mencoba untuk menampilkan data MonetDB kedalam
bentuk gambar menggunakan Open Source OpenJUMP dengan memasukkan
query spasial sederhana dan kompleks, sehingga terlihat kekurangan maupun
kelebihan MonetDB sebagai DBMS dalam proses visualisasi data spasial.
Tujuan Penelitian
Tujuan dari penelitian ini adalah menghubungkan MonetDB dengan suatu
aplikasi/open source GIS. Sehingga data spasial yang disimpan di MonetDB dapat
divisualisasikan menjadi gambar, baik data spasial sederhana maupun kompleks.
Manfaat Penelitian
Manfaat dari penelitian ini diharapkan dapat membantu pengguna tentang
MonetDB. Terutama tentang visualisasi data spasial melalui salah satu open
source GIS untuk selanjutnya dihubungkan menjadi basis WEB GIS.
2
Ruang Lingkup Penelitian
Ruang lingkup dari penelitian ini adalah :
1. Komputer yang digunakan sebagai penguji adalah komputer pribadi dengan
spesifikasi:
a. Processor Intel(R) Core i3 ~2.3GHz
b. RAM 2 GB
c. Sistem Operasi Windows 8
d. Hard drive 500GB
2. Shp2pgsql untuk mengkonversi data spasial
3. MonetDB yang digunakan adalah MonetDB5-Server.exe
4. JDBC4 untuk koneksi MonetDB5 server dengan menggunakan Java.
5. Open Source yang digunakan adalah OpenJUMP versi 1.6.3 dengan plugin
OpenJUMP-MonetDB-plugin.jar .
TINJAUAN PUSTAKA
Struktur Data Spasial
Dalam kerangka kerja SIG, data dibagi menjadi dua kategori, yaitu data
spasial dan data tekstual (atribut). Data spasial merupakan data yang memiliki
informasi lokasi atau data yang bereferensi geografis dan data atribut merupakan
data yang memiliki fitur spasial (Chang 2008).
Shapefile
Menurut Chang (2008), shapefile merupakan sebuah format data spasial
yang menyimpan lokasi geografis berupa informasi atribut titik (point), garis
(line), dan poligon (polygon). Bentuk geometri yang tersimpan adalah dalam
bentuk koordinat vektor. Format ini adalah format yang dikeluarkan oleh
Environmental System Resource Institue (ESRI) yang merupakan salah satu
vendor SIG terkemuka. ESRI shapefile terdiri atas:
1 Main file (.shp)
Merupakan file yang dapat diakses secara langsung dan panjang dari record
variabel dalam file mendeskripsikan bentuk vertex.
2 Index file (.shx)
Pada file indeks, tiap record terdiri atas proses cetakan offset yang
berhubungan dengan record file utama.
3 Tabel dBASE (.dbf)
Pada tabel dBASE terdapat fitur atribut dengan record pada setiap fiturnya.
3
MonetDB
MonetDB adalah open source column-oriented database management
system yang dikembangkan oleh CWI (Centrum Wiskunde and Informatica).
MonetDB sebagai pelopor dari column-store yang merupakan solusi untuk kinerja
yang tinggi dari data warehouse untuk business intelligence dan eScience sejak
tahun 1993. Inovasi yang dikembangkan oleh MonetDB untuk semua lapisan dari
DBMS adalah model penyimpanan yang berdasarkan vertical fragmentation.
Sebuah arsitektur untuk eksekusi query yang modern dengan CPU-tuned, otomatis
dan adaptif untuk indexing, run-time query optimization, dan software
architecture yang standar. MonetDB juga mendukung penuh ACID dan SQL
(Structured Query Language) yang digunakan oleh MonetDB berdasarkan standar
SQL 2003. MonetDB sudah diuji pada Linux (Fedora, RedHat Enterprise Linux,
Debian, Ubuntu), Gentoo, Mac OS, SUN Solaris, Open Solaris, dan Windows.
Antarmuka pemograman yang didukung oleh MonetDB adalah JDBC, ODBC,
PHP, Python, RoR, C, C++, dan Perl (MonetDB 2012).
Model penyimpanan yang dikembangkan pada MonetDB secara signifikan
berbeda dengan traditional database sistem. Ini digambarkan dengan tabel baru
yang merupakan hasil fragmentation secara vertikal dari entitas dalam arti
menyimpan masing- masing kolom (atribut) dari entitasnya pada tabel secara
terpisah. Kolom yang sebelah kiri adalah object-identifier (OID) yang disebut
head dan kolom sebelah kanan adalah value yang disebut tail (MonetDB 2012).
Pada tabel baru yang merupakan hasil dari fragmentation, terdiri atas dua
kolom. Ini disebut dengan Binary Association Table (BAT) yang dapat dilihat
pada Gambar 1.
Manfaat column-store ini berasal dari penyederhanaan yang lebih baik
untuk aliran data yang berasal dari disk penyimpanan, lalu melewati memori yang
masuk ke CPU cache. Keuntungan yang didapat dari column-store database
adalah hanya data yang relevan yang akan diproses dan diambil dari disk.
MonetDB terdiri atas arsitektur dua lapis, yaitu sebuah database server dan
beberapa front-end. Saat ini front- end yang tersedia adalah SQL dan XQuery
yang berfungsi sebagai antarmuka ke database server. Server diprogram dalam
bahasa pemrograman yang disebut MonetDB Association Language (MAL).
MAL adalah bahasa aljabar relational yang mendukung koleksi besardari
relational yang primitif, fungsi-fungsi, dan hubungan yang mudah dengan fungsi
yang didefinisikan pengguna (Vermeij et al. 2008)
4
Gambar 1 Binary Association Table (BAT)
JDBC
JDBC API (application programming interface) merupakan komponen
dari aplikasi untuk dapat menghubungkannya kepada suatu database. JDBC
driver memberikan koneksi kepada database untuk diimplementasikan
dalam memproses query yang diberikan oleh pengguna. Sehingga dapat
melakukan perintah, fungsi, dan protokol yang dapat digunakan oleh
programmer saat membangun perangkat lunak untuk sistem operasi tertentu.
JDBC API memungkinkan programmer untuk menggunakan fungsi standar
untuk berinteraksi dengan sistem operasi. JDBC sendiri dibagi 4 kategori :
1. JDBC-ODBC bridge : Menggunakan ODBC driver sebagai penghubung
antara database dengan perangkat lunak. Dalam kategori ini computer
harus mendapatkan akses ODBC dengan mengistall driver ODBC. Tipe
ini paling lama dibandingkan dengan tipe lainnya.
2. JDBC Native API Driver : Menggunakan Native API driver sebagai
penghubung antara database dengan perangkat lunak. Driver ini lebih
baik dibanding dengan tipe 1, namun tidak semua database yang
mendukung driver ini.
3. JDBC Network Protocol Driver : Menggunakan Network Protokol atau
aplikasi server sebagai penghubung antar database dengan perangkat
lunak. Driver ini dapat memperlihatkan penggunaan banyak database
yang dipakai, namun dalam penggunaan dari berbagai database itu
harus memasukkan koding tertentu kedalam aplikasi yang digunakan
sebagai aplikasi server. Aplikasi server ini yang memberikan data
kepada database yang berbeda.
4. JDBC Database Protocol Driver : Menggunakan Native Protocol driver
sebagai penghubung antara database dengan perangkat lunak. Driver ini
merupakan tipe yang paling lengkap untuk mendapatkan akses penuh
pemakaian database.
5
OpenJUMP
OpenJUMP merupakan aplikasi GIS yang berfungsi menggunakan platform
Java. Aplikasi ini bekerja dengan menggunakan data shapfile. OpenJUMP dapat
mengambil data dari database server untuk ditampilkan sebagai gambar. Data
OpenJUMP yang ditampilkan harus mempunyai data vektor sehingga dapat
dimunculkan sebagai titik titik ataupun bentuk yang dapat dilihat. Database server
yang dapat dihubungkan OpenJUMP harus memiliki pendukung dari java sebagai
plugin untuk dimasukkan ke dalam OpenJUMP.
METODE
Model penelitian yang digunakan tersusun dalam suatu diagram alur
penelitian yang dapat dilihat pada Gambar 2.
Gambar 2 Model penelitian
6
Identifikasi Masalah
Identifikasi masalah merupakan tahap awal dari penelitian ini. Masalah yang
diidentifikasi adalah visualisasi data spasial MonetDB terhadap suatu open source
yang sesuai dengan MonetDB. Oleh karena itu, dalam penelitian ini dilakukan
pengujian query spasial yang dimasukkan dalam open source yang sesuai untuk
masalah tersebut.
Pengumpulan Data
Pada tahap ini dilakukan pengumpulan data yang akan digunakan untuk
pengujian. Data spasial didapat dalam format shapefile. File tersebut berisi barisbaris atribut dan vektor yang memuat isi data spasial. Dari vektor itu dapat
ditampilkan ke dalam open source GIS sebagai titik titik geografis.
Pembangunan Database
Semua data yang diperoleh dari OpenGeo yaitu nyc_census_blocks,
nyc_neighborhoods, nyc_streets, nyc_subway_stations, dan nyc_census_sosiodata,
kemudian data yang didapat dalam bentuk *.shp diubah kedalam bentuk *.sql.
Tahap selanjutnya adalah memasukkan database baru ke dalam MonetDB.
Koneksi Open Source GIS
Open Source yang dipilih yaitu OpenJUMP, dikarenakan sudah memiliki
koneksi melalui JDBC antara MonetDB dengan OpenJUMP. Dapat dilihat pada
Tabel 1 koneksi Open Source OpenJUMP terhadap MonetDB.
Tabel 1 Koneksi Open Source
Support
Program
JDBC
API
Driver
Open Source
Plugin
JDBC
OpenJUMP
ODBC
ODBC
ArcView
OpenJUMPMonetDB-plugin
-
Phyton
C\C++
MonetDB-jdbc2.10
ODBC-InstallerMonetDB
-
C
Library
MonetDB
QuantumGis
Grass
-
-
-
Perl
Memasukkan Query dan Hasil
Query yang akan digunakan untuk pengujian DBMS dikelompokkan
menjadi dua kelompok, yaitu query spasial sederhana dan spasial kompleks ke
dalam OpenJUMP .
7
Analisis Hasil
Dalam proses visualisasi data MonetDB menggunakan OpenJUMP perlu
dilakukan beberapa langkah koneksi dan vusialisasi dapat dilihat pada Gambar 3.
Gambar 3 Koneksi dan visualisasi
8
HASIL DAN PEMBAHASAN
Pengumpulan Data
Data yang akan digunakan untuk pengujian visualisasi ini
menggunakan data spasial. Data didapat dari workshop PostGIS yang
disediakan oleh situs OpenGeo. Data terdiri atas empat data spasial dalam
format shapefile. Empat data shapefile ini adalah nyc_census_blocks,
nyc_neighborhoods, nyc_streets, dan nyc_subway_stations.
Data spasial nyc_census_blocks merupakan
daerah
pemetaan
terkecil (per blok) dari sensus penduduk yang berada di kota New York.
Gambar 4 merupakan contoh pemetaan dari persentase populasi kulit hitam
dari total populasi. Data spasial nyc_census_blocks memiliki atribut yang
memberikan keterangan untuk data geometrinya, yaitu „blkid‟(identitas
blok),
„popn_total‟(totalpopulasi),
„popn_white‟(populasikuliputih),
„popn_black‟(populasi kulit hitam), „popn_nativ‟ (populasi penduduk
asli Amerika), „popn_asian‟ (populasi penduduk Asia), „popn_other‟
(populasi penduduk lainnya), „hous_total‟
(total
rumah), „hous_own‟
(total rumah pribadi), „hous_rent‟ (total
rumah
yang
disewakan),
dan „boroname‟ (nama sektor).
Data spasial nyc_neighborhoods ini adalah pemetaan per sektor
wilayah. Setiap sektor memiliki beberapa neighborhood. Di New York,
neighborhood merupakan suatu konstruksi sosial yang tidak mengikuti garis
yang ditetapkan oleh pemerintah. Untuk contoh, neighborhood dari
Brooklyn, yaitu Carrol Gardens, Red Hook, dan Cobble Hill yang diketahui
sebagai Brooklyn selatan. Nyc_neighborhoods memiliki dua atribut, yaitu
„name‟ yang berisikan nama dari neighborhood dan „boroname‟ yang
berisikan nama dari sektor-sektor yang ada di New York, yaitu
Manhattan, The Bronx, Brooklyn, Staten Island, dan Queens. Gambar 5
merupakan pemetaan untuk neighborhood pada kota New York.
Data spasial nyc_streets ini adalah pemetaan centerline street
dari jaringan transportasi kota. Jalan-jalan ini ditandai dengan berbagai
tipe untuk membedakan antara jalan umum yang ada seperti gang-gang
belakang gedung atau rumah yang sempit, jalan arteri, jalan raya, dan
jalan-jalan kecil. Data ini memiliki tiga atribut, yaitu „name‟ (nama jalan),
„oneway‟ (satu arah atau tidak), dan „type‟ (jenis jalan). Gambar 6
memberikan gambaran dari pemetaan jalan yang berada di kota New York.
Data spasial yang terakhir adalah nyc_subway_stations. Pemetaan
stasiun kereta
bawah
tanah
ini
tersimpan
di
data spasial
nyc_subway_stations. Lokasi stasiun ini memudahkan orang dalam
menggunakan transportasi kereta bawah tanah. Data ini memiliki atribut
„name‟ (nama stasiun), „borough‟ (nama sektor), „routes‟. Gambar 7
merupakan pemetaan dari stasiun kereta api di Kota New York.
9
Gambar 4 Pemetaan penduduk kota New York
Gambar 5 Pemetaan neihgborhoods kota New York
Gambar 6 Pemetaan jalan kota New York
10
Gambar 7 Pemetaan halte bus kota New York
Pembangunan
Database
menggunakan MonetDB
Proses pembangunan database pada MonetDB berbeda dengan PostgreSQL
karena MonetDB tidak memiliki program shapefile loader seperti PostGIS.
Format data yang didukung oleh MonetDB adalah CSV, SQL, TAB, RAW dan
XML. Oleh karena itu, untuk memasukkan data spasial format shapefile ke dalam
MonetDB, tahap pertama yang harus dilakukan adalah mengubah data
spasial format shapefile (*.shp) menjadi baris-baris SQL yang disimpan dalam
sebuah file dengan ekstensi *.sql.
ArcView adalah software yang dapat digunakan untuk mengubah data
spasial (shapefile) menjadi baris-baris SQL yang disimpan dalam sebuah file
dengan ekstensi*.sql. Dengan tersedianya extension Gix Export Tool pada
ArcView, maka shapefile dapat diubah menjadi baris-baris SQL.
Data dimasukkan satu per satu kemudian dilakukan konversi menggunakan
Gix Export Tool. Setelah semua data dikonversi, perlu dilakukan penyesuaian
struktur syntax SQL yang sesuai dengan standar SQL MonetDB. Oleh karena itu,
dilakukan pengeditan agar MonetDB dapat memuat SQL tersebut.
Cara manual unuk mengkonversi data spasial (shapefile) ke dalam bentuk
*.sql dapat menggunakan program shp2pgsql dengan mengetik syntax ke dalam
CMD seperti dibawah ini :
Format :
shp2pgsql [option] [shapefile] [schema.table_name] > [file_name *.sql]
Contoh :
E:\shp2pgsql > "shp2mysql nyc_streets nyc_streets nyc_streets >
nyc_streets.sql"
Tahap selanjutnya adalah membuat database baru pada MonetDB yang
dimulai dengan membuat database kosong yang baru. MonetDB menggunakan
Command Prompt (CMD) sebagai program antarmuka. Dalam menggunakan
MonetDB, kita harus terlebih dahulu mengaktifkan server MonetDB. Pengaktifan
server dilakukan dengan menggunakan CMD.
Pada CMD, directory yang akan digunakan ke folder directory „bin‟ diubah
seperti berikut:
11
C:\Program Files\MonetDB\MonetDB5\bin
Dilanjutkan dengan mengetikkan syntax seperti berikut:
mserver5 –-dbname=web -- dbfarm=C:\web
Syntax –-dbname adalah syntax yang digunakan untuk membuat database
baru atau menjalankan database yang telah dibuat. Jika kita sudah mengetikkan
itu, server sudah aktif dan database baru telah kita buat. Syntax -- dbfarm
merupakan syntax yang digunakan untuk membuat folder directory penyimpanan
data ke database dalam MonetDB dan juga digunakan untuk memuat directory
yang telah kita buat sebelumnya.
Setelah server aktif, kita baru dapat menjalankan client MonetDB. Cara
menjalankan client sama seperti menjalankan server. Perbedaannya hanya syntax
yang kita ketik seperti berikut:
mclient –u monetdb –d web
Syntax –u adalah nama pengguna dan
dijalankan oleh server.
–d adalah database yang telah
Tahap yang berikutnya adalah memasukkan semua data SQL ke dalam
MonetDB. Jadi ada lima data yang akan dimasukkan, empat data hasil konversi
menggunakan shp2pgsql. Cara memasukkan data tersebut dengan mengeksekusi
perintah ini pada CommandPrompt MonetDB pada client MonetDB:
\
OPENJUMP
PRADITYA PAMUNGKAS
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Visualisasi Data
Spasial di MonetDB Menggunakan OpenJUMP adalah benar karya saya
denganarahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun
kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip
dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah
disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir
skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Januari 2014
Praditya Pamungkas
NIM G64080078
ABSTRAK
PRADITYA PAMUNGKAS. VISUALISASI DATA SPASIAL DI MONETDB
MENGGUNAKAN OPENJUMP. Dibimbing oleh HARI AGUNG ADRIANTO.
Saat ini model data yang banyak digunakan adalah relasional. Model ini
mengatur sebuah basis data sebagai sekumpulan data yang disimpan secara
tertruktur atas baris dan kolom. Meskipun populer, model data relasional
dirasakan kurang cepat dalam implementasi data besar dan memiliki kompleksitas
yang tinggi. Berbeda dengan model relasional, MonetDB menggunakan metode
column-store untuk membagi data menjadi beberapa bagian binary tabel. Metode
ini hanya memanggil data yang diperlukan saja, sehingga lebih cepat. Anggi
(2013) telah menguji MonetDB sebagai tempat penyimpanan data spasial dan non
spasial, namun belum memvisualisasikan dari data tersebut. Penelitian ini
menggunakan salah satu OpenSource berbasis java yaitu OpenJUMP untuk
visualisasi dengan penghubung menggunakan JDBC4. Pengujian ini berhasil
memvisualisasikan query data spasial sederhana menggunakan “like” dan “and”
dengan rata rata waku 1 detik, sedangkan query spasial kompleks menggunakan
“join”, “constains” dan “intersect” dengan rata rata waku lebih dari 20 menit.
Sehingga terlihat bahwa MonetDB juga dapat mengolah data spasial baik
sederhana maupun kompleks. Namun dalam proses visualisasi data spasial yang
kompleks itu membutuhkan run-time yang relatif lama.
Kata kunci: data spasial, MonetDB, OpenJUMP, visualisasi
ABSTRACT
PRADITYA PAMUNGKAS. VISUALIZATON SPATIAL DATA IN MONETDB
WITH OPENJUMP. Supervised by HARI AGUNG ADRIANTO.
There are currently the most used data model is relational. This model a
database as a set of data that is stored in structural rows and columns. Besides
the popullarity, the relational data model is lacking in the implementation of data
is large and has a high complexity. Different of the relational model, MonetDB
using a column store method to divide the data into sections binary tables . This
method is only necessary to call the data, resulting method is faster. Anggi ( 2013
) have tested the MonetDB as a spatial and non spatial data storage, but not yet
visualize data from MonetDB. This result successfully visualize spatial data using
a simple query “like” and “and” the average time 1 second , while the complex
spatial queries using “joins”, “constains” and “Intersect” with average time
more than 20 minutes. So it looks that MonetDB also can process spatial data
simple and complex . But in the process of complex spatial data visualization that
require run-time is relatively long .
Keywords: spatial data, MonetDB, OpenJUMP, visualize
VISUALISASI DATA SPASIAL di MONETDB MENGGUNAKAN
OPENJUMP
PRADITYA PAMUNGKAS
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Ilmu Komputer
pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014
Judul Skripsi : Visualisasi Data Spasial di MonetDB Menggunakan OpenJUMP
Nama
: Praditya Pamungkas
NIM
: G64080078
Disetujui oleh
Hari Agung Adrianto, SKom, MSi
Pembimbing
Diketahui oleh
Dr Ir Agus Buono, MSi, MKom
.Ketua Departemen
Tanggal Lulus:
Judul Skripsi: Visualisasi Data Spasial di MonetDB Menggunakan OpenJUMP
Nama
: Praditya Pamungkas
NIM
: G64080078
Disetujui oleh
SKom MSi
Diketahui oleh
Ｍ
Tanggal Lulus:
Il4 FEB ｾＴ＠
Ｍ
ｾＭＺＮ＠
."
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala
atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan.
Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Maret
2013 ini ialah dengan visualisasi data spasial di MonetDB menggunakan
OpenJUMP. Penyelesaian penelitian ini tidak luput dari dukungan dan
bantuan berbagai pihak. Oleh karena itu, penulis ingin mengucapkan terima
kasih sebesar-besarnya kepada:
1. Ayahanda Riyono, Ibunda Krisnaningtyas, Kakak Putri Kumala
Kristawardhani, serta Kakak Putra Wishnu Widhiana atas doa, kasih
sayang, dukungan, serta motivasi kepada penulis untuk penyelesaian
penelitian ini.
2. Bapak Hari Agung Adrianto, SKom, MSi selaku dosen pembimbing
yang telah memberi banyak ide, saran, bantuan, serta dukungan sampai
selesainya penelitian ini.
3. Bapak Endang dan Ibu Karlina dosen penguji atas segala masukan
yang diberikan.
4. Alnis Jasti atas doa, nasihat, dukungan, serta motivasi kepada penulis
untuk penyelesaian penelitian ini.
5. Rekan-rekan seperjuangan di Ilmu Komputer IPB angkatan 45 atas
segala kebersamaan, bantuan, dukungan, serta kenangan bagi penulis
selama menjalani masa studi. Semoga kita bisa berjumpa kembali
kelak sebagai orang-orang sukses.
6. Asrori Hudri,Catur Purbo, Hafizhia Dhikrul Anugrah ,Jaka Juliarta,
Melki Hasali, Meri Marlina, Rahman
Halim, Ryan Satria
Nugroho,Putri Dewi , dan sahabat lainnya yang telah menjadi mitra
dan menemani penulis dalam menjalani kehidupan sebagai mahasiswa.
7. Rekan satu bimbingan, Anggi Putrantio Juniard, Mitha Rachmawati,
dan Ilman Dwi Santoso.
8. Departemen Ilmu Komputer, Bapak/Ibu Dosen dan Tenaga
Kependidikan yang telah begitu banyak membantu baik selama
pelaksanaan penelitian ini maupun sebelumnya.
Kepada semua pihak lainnya yang telah memberikan kontribusi yang
besar selama pengerjaan penelitian ini yang tidak dapat disebutkan satupersatu, penulis ucapkan terima kasih banyak. Segala kesempurnaan hanya
milik Allah Subhanahuwata’ala. Semoga hasil penelitian ini dapat
bermanfaat, Amin.
Bogor, Februari 2014
Praditya Pamungkas
DAFTAR ISI
DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
Manfaat Penelitian
1
Ruang Lingkup Penelitian
2
TINJAUAN PUSTAKA
2
Struktur Data Spasial
2
Shapefile
2
MonetDB
3
JDBC
4
OpenJUMP
5
METODE
5
Identifikasi Masalah
6
Pengumpulan Data
6
Pembangunan Database
6
Koneksi Open Source GIS
6
Memasukkan Query dan Hasil
6
Analisis Hasil
7
HASIL DAN PEMBAHASAN
Pengumpulan Data
8
8
Pembangunan Database menggunakan MonetDB
10
Pengujian MonetDB
11
SIMPULAN DAN SARAN
17
Simpulan
17
Saran
17
DAFTAR PUSTAKA
18
RIWAYAT HIDUP
19
DAFTAR TABEL
1 Proses pemilihan Open Source ........................................................................ 6
2 Hasil run-time query ...................................................................................... 16
DAFTAR GAMBAR
1 Binary Association Table (BAT) ..................................................................... 4
2 Model penelitian .............................................................................................. 5
3 Koneksi dan visualisasi .................................................................................... 7
4 Pemetaan penduduk kota New York ............................................................... 9
5 Pemetaan neihgborhoods kota New York ....................................................... 9
6 Pemetaan jalan kota New York ....................................................................... 9
7 Pemetaan halte bus kota New York ............................................................... 10
8 Hasil query sederhana .................................................................................... 13
9 Hasil query sederhana menggunakan AND ................................................... 13
10 Hasil query sederhana menggunakan LIKE ................................................ 14
11 Hasil query kompleks menggunakan JOIN dan contains ............................ 14
12 Hasil query kompleks menggunakan JOIN dan intersect ............................ 15
13 Hasil query kompleks menggunakan JOIN dan intersect2 .......................... 15
PENDAHULUAN
Latar Belakang
Dalam proses penyimpanan data yang paling populer saat ini adalah
relasional. Model relasional ini merupakan model yang paling sederhana sehingga
mudah digunakan dan dipahami oleh pengguna. Model ini menggunakan
sekumpulan tabel berdimensi dua (relasi atau tabel) dengan masing-masing relasi
tersusun atas tupel atau baris dan atribut. Namun model ini dianggap kurang
bagus dalam data besar dan kompleks.
Banyak Database Management System (DBMS) yang bermunculan untuk
mengolah data spasial maupun non spasial, salah satunya yaitu MonetDB.
MonetDB ini merupakan pelopor DBMS yang menggunakan column-store dalam
meningkatkan kinerja untuk data warehouse business intellegence dan eScience.
Model penyimpanan yang dilakukan MonetDB ini menggunakan metode vertical
fragmentation untuk mempercepat kinerja pencarian data spasial maupun non
spasial (MonetDB 2012) .
Pada penelitian sebelumnya dilakukan perbandingan antara kinerja postgres
dengan MonetDB menggunakan data spasial dan non spasial, dan dihasilkan
kesimpulan bahwa MonetDB memiliki waktu rata-rata yang lebih cepat dalam
mengolah data non spasial dibanding Postgres. Namun hasil sebaliknya dalam
data spasial yang sederhana maupun kompleks, PostgreSQL memiliki rata- rata
waktu yang cepat dibanding MonetDB (Anggi 2013). Dikarenakan MonetDB
masih dalam pengembangan dan hanya memiliki fungsi spasial yang masih
sederhana dibanding PostgreSQL maka itu merupakan hal yang wajar. Dalam
penelitian akhir ini saya mencoba untuk menampilkan data MonetDB kedalam
bentuk gambar menggunakan Open Source OpenJUMP dengan memasukkan
query spasial sederhana dan kompleks, sehingga terlihat kekurangan maupun
kelebihan MonetDB sebagai DBMS dalam proses visualisasi data spasial.
Tujuan Penelitian
Tujuan dari penelitian ini adalah menghubungkan MonetDB dengan suatu
aplikasi/open source GIS. Sehingga data spasial yang disimpan di MonetDB dapat
divisualisasikan menjadi gambar, baik data spasial sederhana maupun kompleks.
Manfaat Penelitian
Manfaat dari penelitian ini diharapkan dapat membantu pengguna tentang
MonetDB. Terutama tentang visualisasi data spasial melalui salah satu open
source GIS untuk selanjutnya dihubungkan menjadi basis WEB GIS.
2
Ruang Lingkup Penelitian
Ruang lingkup dari penelitian ini adalah :
1. Komputer yang digunakan sebagai penguji adalah komputer pribadi dengan
spesifikasi:
a. Processor Intel(R) Core i3 ~2.3GHz
b. RAM 2 GB
c. Sistem Operasi Windows 8
d. Hard drive 500GB
2. Shp2pgsql untuk mengkonversi data spasial
3. MonetDB yang digunakan adalah MonetDB5-Server.exe
4. JDBC4 untuk koneksi MonetDB5 server dengan menggunakan Java.
5. Open Source yang digunakan adalah OpenJUMP versi 1.6.3 dengan plugin
OpenJUMP-MonetDB-plugin.jar .
TINJAUAN PUSTAKA
Struktur Data Spasial
Dalam kerangka kerja SIG, data dibagi menjadi dua kategori, yaitu data
spasial dan data tekstual (atribut). Data spasial merupakan data yang memiliki
informasi lokasi atau data yang bereferensi geografis dan data atribut merupakan
data yang memiliki fitur spasial (Chang 2008).
Shapefile
Menurut Chang (2008), shapefile merupakan sebuah format data spasial
yang menyimpan lokasi geografis berupa informasi atribut titik (point), garis
(line), dan poligon (polygon). Bentuk geometri yang tersimpan adalah dalam
bentuk koordinat vektor. Format ini adalah format yang dikeluarkan oleh
Environmental System Resource Institue (ESRI) yang merupakan salah satu
vendor SIG terkemuka. ESRI shapefile terdiri atas:
1 Main file (.shp)
Merupakan file yang dapat diakses secara langsung dan panjang dari record
variabel dalam file mendeskripsikan bentuk vertex.
2 Index file (.shx)
Pada file indeks, tiap record terdiri atas proses cetakan offset yang
berhubungan dengan record file utama.
3 Tabel dBASE (.dbf)
Pada tabel dBASE terdapat fitur atribut dengan record pada setiap fiturnya.
3
MonetDB
MonetDB adalah open source column-oriented database management
system yang dikembangkan oleh CWI (Centrum Wiskunde and Informatica).
MonetDB sebagai pelopor dari column-store yang merupakan solusi untuk kinerja
yang tinggi dari data warehouse untuk business intelligence dan eScience sejak
tahun 1993. Inovasi yang dikembangkan oleh MonetDB untuk semua lapisan dari
DBMS adalah model penyimpanan yang berdasarkan vertical fragmentation.
Sebuah arsitektur untuk eksekusi query yang modern dengan CPU-tuned, otomatis
dan adaptif untuk indexing, run-time query optimization, dan software
architecture yang standar. MonetDB juga mendukung penuh ACID dan SQL
(Structured Query Language) yang digunakan oleh MonetDB berdasarkan standar
SQL 2003. MonetDB sudah diuji pada Linux (Fedora, RedHat Enterprise Linux,
Debian, Ubuntu), Gentoo, Mac OS, SUN Solaris, Open Solaris, dan Windows.
Antarmuka pemograman yang didukung oleh MonetDB adalah JDBC, ODBC,
PHP, Python, RoR, C, C++, dan Perl (MonetDB 2012).
Model penyimpanan yang dikembangkan pada MonetDB secara signifikan
berbeda dengan traditional database sistem. Ini digambarkan dengan tabel baru
yang merupakan hasil fragmentation secara vertikal dari entitas dalam arti
menyimpan masing- masing kolom (atribut) dari entitasnya pada tabel secara
terpisah. Kolom yang sebelah kiri adalah object-identifier (OID) yang disebut
head dan kolom sebelah kanan adalah value yang disebut tail (MonetDB 2012).
Pada tabel baru yang merupakan hasil dari fragmentation, terdiri atas dua
kolom. Ini disebut dengan Binary Association Table (BAT) yang dapat dilihat
pada Gambar 1.
Manfaat column-store ini berasal dari penyederhanaan yang lebih baik
untuk aliran data yang berasal dari disk penyimpanan, lalu melewati memori yang
masuk ke CPU cache. Keuntungan yang didapat dari column-store database
adalah hanya data yang relevan yang akan diproses dan diambil dari disk.
MonetDB terdiri atas arsitektur dua lapis, yaitu sebuah database server dan
beberapa front-end. Saat ini front- end yang tersedia adalah SQL dan XQuery
yang berfungsi sebagai antarmuka ke database server. Server diprogram dalam
bahasa pemrograman yang disebut MonetDB Association Language (MAL).
MAL adalah bahasa aljabar relational yang mendukung koleksi besardari
relational yang primitif, fungsi-fungsi, dan hubungan yang mudah dengan fungsi
yang didefinisikan pengguna (Vermeij et al. 2008)
4
Gambar 1 Binary Association Table (BAT)
JDBC
JDBC API (application programming interface) merupakan komponen
dari aplikasi untuk dapat menghubungkannya kepada suatu database. JDBC
driver memberikan koneksi kepada database untuk diimplementasikan
dalam memproses query yang diberikan oleh pengguna. Sehingga dapat
melakukan perintah, fungsi, dan protokol yang dapat digunakan oleh
programmer saat membangun perangkat lunak untuk sistem operasi tertentu.
JDBC API memungkinkan programmer untuk menggunakan fungsi standar
untuk berinteraksi dengan sistem operasi. JDBC sendiri dibagi 4 kategori :
1. JDBC-ODBC bridge : Menggunakan ODBC driver sebagai penghubung
antara database dengan perangkat lunak. Dalam kategori ini computer
harus mendapatkan akses ODBC dengan mengistall driver ODBC. Tipe
ini paling lama dibandingkan dengan tipe lainnya.
2. JDBC Native API Driver : Menggunakan Native API driver sebagai
penghubung antara database dengan perangkat lunak. Driver ini lebih
baik dibanding dengan tipe 1, namun tidak semua database yang
mendukung driver ini.
3. JDBC Network Protocol Driver : Menggunakan Network Protokol atau
aplikasi server sebagai penghubung antar database dengan perangkat
lunak. Driver ini dapat memperlihatkan penggunaan banyak database
yang dipakai, namun dalam penggunaan dari berbagai database itu
harus memasukkan koding tertentu kedalam aplikasi yang digunakan
sebagai aplikasi server. Aplikasi server ini yang memberikan data
kepada database yang berbeda.
4. JDBC Database Protocol Driver : Menggunakan Native Protocol driver
sebagai penghubung antara database dengan perangkat lunak. Driver ini
merupakan tipe yang paling lengkap untuk mendapatkan akses penuh
pemakaian database.
5
OpenJUMP
OpenJUMP merupakan aplikasi GIS yang berfungsi menggunakan platform
Java. Aplikasi ini bekerja dengan menggunakan data shapfile. OpenJUMP dapat
mengambil data dari database server untuk ditampilkan sebagai gambar. Data
OpenJUMP yang ditampilkan harus mempunyai data vektor sehingga dapat
dimunculkan sebagai titik titik ataupun bentuk yang dapat dilihat. Database server
yang dapat dihubungkan OpenJUMP harus memiliki pendukung dari java sebagai
plugin untuk dimasukkan ke dalam OpenJUMP.
METODE
Model penelitian yang digunakan tersusun dalam suatu diagram alur
penelitian yang dapat dilihat pada Gambar 2.
Gambar 2 Model penelitian
6
Identifikasi Masalah
Identifikasi masalah merupakan tahap awal dari penelitian ini. Masalah yang
diidentifikasi adalah visualisasi data spasial MonetDB terhadap suatu open source
yang sesuai dengan MonetDB. Oleh karena itu, dalam penelitian ini dilakukan
pengujian query spasial yang dimasukkan dalam open source yang sesuai untuk
masalah tersebut.
Pengumpulan Data
Pada tahap ini dilakukan pengumpulan data yang akan digunakan untuk
pengujian. Data spasial didapat dalam format shapefile. File tersebut berisi barisbaris atribut dan vektor yang memuat isi data spasial. Dari vektor itu dapat
ditampilkan ke dalam open source GIS sebagai titik titik geografis.
Pembangunan Database
Semua data yang diperoleh dari OpenGeo yaitu nyc_census_blocks,
nyc_neighborhoods, nyc_streets, nyc_subway_stations, dan nyc_census_sosiodata,
kemudian data yang didapat dalam bentuk *.shp diubah kedalam bentuk *.sql.
Tahap selanjutnya adalah memasukkan database baru ke dalam MonetDB.
Koneksi Open Source GIS
Open Source yang dipilih yaitu OpenJUMP, dikarenakan sudah memiliki
koneksi melalui JDBC antara MonetDB dengan OpenJUMP. Dapat dilihat pada
Tabel 1 koneksi Open Source OpenJUMP terhadap MonetDB.
Tabel 1 Koneksi Open Source
Support
Program
JDBC
API
Driver
Open Source
Plugin
JDBC
OpenJUMP
ODBC
ODBC
ArcView
OpenJUMPMonetDB-plugin
-
Phyton
C\C++
MonetDB-jdbc2.10
ODBC-InstallerMonetDB
-
C
Library
MonetDB
QuantumGis
Grass
-
-
-
Perl
Memasukkan Query dan Hasil
Query yang akan digunakan untuk pengujian DBMS dikelompokkan
menjadi dua kelompok, yaitu query spasial sederhana dan spasial kompleks ke
dalam OpenJUMP .
7
Analisis Hasil
Dalam proses visualisasi data MonetDB menggunakan OpenJUMP perlu
dilakukan beberapa langkah koneksi dan vusialisasi dapat dilihat pada Gambar 3.
Gambar 3 Koneksi dan visualisasi
8
HASIL DAN PEMBAHASAN
Pengumpulan Data
Data yang akan digunakan untuk pengujian visualisasi ini
menggunakan data spasial. Data didapat dari workshop PostGIS yang
disediakan oleh situs OpenGeo. Data terdiri atas empat data spasial dalam
format shapefile. Empat data shapefile ini adalah nyc_census_blocks,
nyc_neighborhoods, nyc_streets, dan nyc_subway_stations.
Data spasial nyc_census_blocks merupakan
daerah
pemetaan
terkecil (per blok) dari sensus penduduk yang berada di kota New York.
Gambar 4 merupakan contoh pemetaan dari persentase populasi kulit hitam
dari total populasi. Data spasial nyc_census_blocks memiliki atribut yang
memberikan keterangan untuk data geometrinya, yaitu „blkid‟(identitas
blok),
„popn_total‟(totalpopulasi),
„popn_white‟(populasikuliputih),
„popn_black‟(populasi kulit hitam), „popn_nativ‟ (populasi penduduk
asli Amerika), „popn_asian‟ (populasi penduduk Asia), „popn_other‟
(populasi penduduk lainnya), „hous_total‟
(total
rumah), „hous_own‟
(total rumah pribadi), „hous_rent‟ (total
rumah
yang
disewakan),
dan „boroname‟ (nama sektor).
Data spasial nyc_neighborhoods ini adalah pemetaan per sektor
wilayah. Setiap sektor memiliki beberapa neighborhood. Di New York,
neighborhood merupakan suatu konstruksi sosial yang tidak mengikuti garis
yang ditetapkan oleh pemerintah. Untuk contoh, neighborhood dari
Brooklyn, yaitu Carrol Gardens, Red Hook, dan Cobble Hill yang diketahui
sebagai Brooklyn selatan. Nyc_neighborhoods memiliki dua atribut, yaitu
„name‟ yang berisikan nama dari neighborhood dan „boroname‟ yang
berisikan nama dari sektor-sektor yang ada di New York, yaitu
Manhattan, The Bronx, Brooklyn, Staten Island, dan Queens. Gambar 5
merupakan pemetaan untuk neighborhood pada kota New York.
Data spasial nyc_streets ini adalah pemetaan centerline street
dari jaringan transportasi kota. Jalan-jalan ini ditandai dengan berbagai
tipe untuk membedakan antara jalan umum yang ada seperti gang-gang
belakang gedung atau rumah yang sempit, jalan arteri, jalan raya, dan
jalan-jalan kecil. Data ini memiliki tiga atribut, yaitu „name‟ (nama jalan),
„oneway‟ (satu arah atau tidak), dan „type‟ (jenis jalan). Gambar 6
memberikan gambaran dari pemetaan jalan yang berada di kota New York.
Data spasial yang terakhir adalah nyc_subway_stations. Pemetaan
stasiun kereta
bawah
tanah
ini
tersimpan
di
data spasial
nyc_subway_stations. Lokasi stasiun ini memudahkan orang dalam
menggunakan transportasi kereta bawah tanah. Data ini memiliki atribut
„name‟ (nama stasiun), „borough‟ (nama sektor), „routes‟. Gambar 7
merupakan pemetaan dari stasiun kereta api di Kota New York.
9
Gambar 4 Pemetaan penduduk kota New York
Gambar 5 Pemetaan neihgborhoods kota New York
Gambar 6 Pemetaan jalan kota New York
10
Gambar 7 Pemetaan halte bus kota New York
Pembangunan
Database
menggunakan MonetDB
Proses pembangunan database pada MonetDB berbeda dengan PostgreSQL
karena MonetDB tidak memiliki program shapefile loader seperti PostGIS.
Format data yang didukung oleh MonetDB adalah CSV, SQL, TAB, RAW dan
XML. Oleh karena itu, untuk memasukkan data spasial format shapefile ke dalam
MonetDB, tahap pertama yang harus dilakukan adalah mengubah data
spasial format shapefile (*.shp) menjadi baris-baris SQL yang disimpan dalam
sebuah file dengan ekstensi *.sql.
ArcView adalah software yang dapat digunakan untuk mengubah data
spasial (shapefile) menjadi baris-baris SQL yang disimpan dalam sebuah file
dengan ekstensi*.sql. Dengan tersedianya extension Gix Export Tool pada
ArcView, maka shapefile dapat diubah menjadi baris-baris SQL.
Data dimasukkan satu per satu kemudian dilakukan konversi menggunakan
Gix Export Tool. Setelah semua data dikonversi, perlu dilakukan penyesuaian
struktur syntax SQL yang sesuai dengan standar SQL MonetDB. Oleh karena itu,
dilakukan pengeditan agar MonetDB dapat memuat SQL tersebut.
Cara manual unuk mengkonversi data spasial (shapefile) ke dalam bentuk
*.sql dapat menggunakan program shp2pgsql dengan mengetik syntax ke dalam
CMD seperti dibawah ini :
Format :
shp2pgsql [option] [shapefile] [schema.table_name] > [file_name *.sql]
Contoh :
E:\shp2pgsql > "shp2mysql nyc_streets nyc_streets nyc_streets >
nyc_streets.sql"
Tahap selanjutnya adalah membuat database baru pada MonetDB yang
dimulai dengan membuat database kosong yang baru. MonetDB menggunakan
Command Prompt (CMD) sebagai program antarmuka. Dalam menggunakan
MonetDB, kita harus terlebih dahulu mengaktifkan server MonetDB. Pengaktifan
server dilakukan dengan menggunakan CMD.
Pada CMD, directory yang akan digunakan ke folder directory „bin‟ diubah
seperti berikut:
11
C:\Program Files\MonetDB\MonetDB5\bin
Dilanjutkan dengan mengetikkan syntax seperti berikut:
mserver5 –-dbname=web -- dbfarm=C:\web
Syntax –-dbname adalah syntax yang digunakan untuk membuat database
baru atau menjalankan database yang telah dibuat. Jika kita sudah mengetikkan
itu, server sudah aktif dan database baru telah kita buat. Syntax -- dbfarm
merupakan syntax yang digunakan untuk membuat folder directory penyimpanan
data ke database dalam MonetDB dan juga digunakan untuk memuat directory
yang telah kita buat sebelumnya.
Setelah server aktif, kita baru dapat menjalankan client MonetDB. Cara
menjalankan client sama seperti menjalankan server. Perbedaannya hanya syntax
yang kita ketik seperti berikut:
mclient –u monetdb –d web
Syntax –u adalah nama pengguna dan
dijalankan oleh server.
–d adalah database yang telah
Tahap yang berikutnya adalah memasukkan semua data SQL ke dalam
MonetDB. Jadi ada lima data yang akan dimasukkan, empat data hasil konversi
menggunakan shp2pgsql. Cara memasukkan data tersebut dengan mengeksekusi
perintah ini pada CommandPrompt MonetDB pada client MonetDB:
\