Data preparation untuk analisa pola data pemantauan cuaca di Kota Bandung

NIM : 10107351

Tempat, Tanggal Lahir : Muara Bungo, 28 Desember 1988 Jenis Kelamin : Perempuan

Agama : Kristen Protestan

Kewarganegaraan : Indonesia

Status : Belum Kawin

Anak ke : Lima dari tujuh bersaudara

Alamat

: Jalan Setia Budi No. 23/ 156 B RT 001/ RW 003 Kelurahan Cipaganti, Kecamatan Coblong

Bandung, 40131 Jawa Barat

Telepon : +62856 2020 742

E-mail : ellin.panjaitan@gmail.com

2. RIWAYAT PENDIDIKAN

1. 1995-2001 SDN 412 Rimbo Bujang

2. 2001-2004 SMPN 03 Tebo

3. 2004-2007 SMA Perguruan Gajah Mada Medan

4. 2007-2013 FTIK Universitas Komputer Indonesia Bandung

Demikian riwayat hidup ini saya buat dengan sebenar- benarnya dalam keadaan sadar dan tanpa paksaan.

Bandung, 15 Februari 2013

Ellin Natalia P. 10107351

SKRIPSI

Diajukan untuk Menempuh Ujian Akhir Sarjana

Program Studi S1 Teknik Informatika

Fakultas Teknik dan Ilmu Komputer

ELLIN NATALIA P.

10107351

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK DAN ILMU KOMPUTER

UNIVERSITAS KOMPUTER INDONESIA

2013

iii

KATA PENGANTAR

Puji dan syukur kehadirat Tuhan yang Maha Esa atas anugerahNya, sehingga penulis dapat menyelesaikan laporan tugas akhir ini dengan judul

“DATA PREPARATION UNTUK ANALISA POLA DATA PEMANTAUAN

CUACA DI KOTA BANDUNG”. Adapun tujuan dari penyusunan skripsi ini adalah untuk memenuhi salahsatu syarat dalam menyelesaikan studi jenjang strata satu (S1) di Program Studi Teknik Informatika, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Meskipun dalam menyelesaikan laporan tugas akhir ini ditemui banyak kekurangan dan beberapa hambatan, namun karena adanya dorongan dan motivasi dari berbagai pihak maka laporan ini dapat diselesaikan dalam waktu yang telah ditentukan.

Pada kesempatan kali ini dengan segala kerendahan hati dan rasa syukur penulis mengucapkan terima kasih kepada beberapa pihak yang telah member izin dan dukungannya dalam penulisan tugas akhir, yaitu :

1. Tuhan yang Maha Esa atas segala kemudahan dan kekuatan yang diberikan kepada penulis sehingga penyusunan tugas akhir terlaksana dengan baik. 2. Orang tua dan keluarga tercinta, yang memberikan doa dan dukungan sejak

awal menempuh pendidikan hingga tugas akhir ini selesai.

3. Bapak Dr. Ir. Eddy Soeryanto Soegoto, M.Sc., selaku Rektor Universitas Komputer Indonesia yang saya hormati.

4. Bapak Prof. Dr. H. Denny Kurniadie, Ir., M.Sc, selaku Dekan Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia yang saya hormati. 5. Bapak Irawan Afrianto, S.T.,M.T., selaku Ketua Jurusan Teknik Informatika. 6. Ibu Mira Kania Sabariah, S.T.,M.T., selaku Pembimbing yang telah

meluangkan waktu dan memberikan petunjuk, saran, serta bimbingan kepada penulis hingga laporan tugas akhir ini dapat terselesaikan.

7. Ibu Wiwin Suwarningsih, selaku Pembimbing Lapangan pada saat penelitian di Lembaga Ilmu Pengetahuan Indonesia (LIPI).

iv

8. Bapak Adam Mukharil Bachtiar, S.Kom., selaku Penguji I seminar dan sidang tugas akhir yang saya hormati.

9. Ibu Dian Dharmayanti, S.T., M.Kom., selaku Penguji III dalam sidang tugas akhir yang saya hormati.

10.Ibu Kania Evita Dewi, S.Pd., M.Si., selaku Dosen Wali kelas IF-8/ 2007. 11.Bapak dan Ibu dosen IF UNIKOM yang telah membagi ilmunya selama

penulis duduk dibangku kuliah.

12.Kepada Fujhi Meykhi yang telah membantu dan selalu memberikan dukungan dan semangat kepada penulis.

13.Seluruh rekan seperjuangan IF-8/ 2007 atas kebersamaan dan suka citanya selama ini.

14.Seluruh teman- teman bimbingan tugas akhir seperjuangan.

Semoga Tuhan memberikan berkat dan balasan atas kebaikan dan keikhlasan untuk semua pihak tersebut dan tak lupa pula penulis memohon maaf jika dalam penyelesaian penulisan tugas akhir ini menyakiti hati atau menyinggung perasaan semua orang baik sengaja atau tidak sengaja. Akhir kata, penulis berharap semoga skripsi ini bermanfaat bagi semua orang yang membutuhkan.

Bandung, 15 Februari 2013 Penulis

v

ABSTRACT ... ii

KATA PENGANTAR ...iii

DAFTAR ISI ... v

DAFTAR GAMBAR ... ix

DAFTAR TABEL ... xi

DAFTAR SIMBOL ... xiii

DAFTAR LAMPIRAN ... xvii

BAB 1 PENDAHULUAN... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 2

1.3 Maksud dan Tujuan... 2

1.4 Batasan Masalah/ Ruang Lingkup Kajian ... 2

1.5 Metodologi Penelitian ... 3

1.6 Sistematika Penulisan ... 5

BAB 2 TINJAUAN PUSTAKA ... 7

2.1 Profil Instansi ... 7

2.1.1 Sejarah Lembaga Ilmu Penelitian Indonesia (LIPI) ... 7

2.1.2 Visi dan Misi... 8

2.1.2.1 Visi ... 8

2.1.2.2 Misi ... 9

vi

2.1.5.1.1 Visi ...13

2.1.5.1.2 Misi ...13

2.1.5.2 Struktur Organisasi Lembaga Ilmu Pengetahuan Indonesia (LIPI) ....14

2.2 Landasan Teori ...15

2.2.1 Pengertian Data dan Informasi ... 15

2.2.2 Basis Data dan Sistem Manajemen Basis Data (Database and Database Management System) ... 16

2.2.3 Data Mart ... 17

2.2.3.1 Karakteristik Data Mart ...19

2.2.3.2 Pemodelan Data Dimensional ...23

2.2.4 ETL (Extract, Transform, Loading) ... 26

2.2.5 Unified Modeling Language (UML) ... 28

2.2.5.1 Definisi UML ...28

2.2.5.2 Konsep Pemodelan Menggunakan Unified Modeling Language (UML)……… ...30

2.2.5.3 Diagram Dasar dalam Unified Modeling Language (UML) ...30

2.2.5.4 Use Case Diagram dan Aktor ...32

2.2.5.5 Class Diagram...34

2.2.5.6 Activity Diagram ...34

2.2.5.7 Sequence Diagram ...35

2.2.5.8 State Diagram ...35

vii

3.1.3 Analisis Data Mart... 41

3.1.3.1 Analisis Arsitektur Data Mart...41

3.1.3.2 ETL (Extract, Transform, Loading)...43

3.1.3.3 Pemodelan Data Dimensional ...54

3.1.3.3.1 Menentukan Fact Tabel dan Measure ...54

3.1.3.3.2 Menentukan Dimensi ...55

3.1.3.4 Skema Data Mart ...56

3.1.4 Analisis Kebutuhan ... 58

3.1.5 Analisis Non Fungsional dan Kebutuhan Non Fungsional ... 58

3.1.5.1 Analisis Kebutuhan Perangkat Keras ...58

3.1.5.2 Analisis Kebutuhan Perangkat Lunak...59

3.1.5.3 Analisis Kebutuhan Pengguna ...59

3.1.6 Analisis Kebutuhan Fungsional ... 60

3.2 Perancangan Arsitektur ...60

3.2.1 Perancangan Struktur Menu ... 60

3.2.2 Perancangan Antarmuka... 61

3.2.3 Perancangan Halaman Pesan ... 66

3.2.4 Perancangan Jaringan Semantik ... 67

BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM ... 69

4.1 Implementasi Sistem ...69

viii

4.1.1 Implementasi Antarmuka ... 79

4.2 Pengujian Perangkat Lunak ...81

4.2.1 Pengujian Alpha ... 82

4.2.1.1 Kasus dan Hasil Pengujian Alpha ...83

4.2.1.2 Kesimpulan Hasil Pengujian Alpha ...90

4.2.2 Pengujian Data Mart Menggunakan OLAP ... 90

4.2.2.1 Kesimpulan dan Hasil Pengujian Data Mart ...95

BAB 5 KESIMPULAN DAN SARAN ... 97

5.1 Kesimpulan ...97

5.2 Saran ... 97

98 Sons, Inc, 2002.

[2] Fatansyah, Buku Teks Ilmu Komputer – Basis Data, cetakan-4. Bandung: Informatika, 2002.

[3] Ponniah, Paulraj, Data Wareousing Fundamental: A Comprehensive Guide for it Professionals, US: John Wiley & Sons, Inc, 2001.

[4] http://sarwojowo.net/component/content/article/39-database-/71-pengenalan-datawarehouse-.html diakses tanggal 1 Nopember 2011. [5] Gustiarahman, Irfan, Decision Support System, Jakarta 3 November 2006. [6] Kadir,Abdul, Konsep dan Tuntunan Praktis Basis Data. Yogyakarta: Andi,

1999.

[7] Soomervile, Ian, Software Engineering ( Rekayasa Perangkat Lunak)/ edisi 6/ Jilid I. Jakarta: Erlangga, 2003.

[8] Fowler, Martin, UML Distiled Edisi Ketiga, Yogyakarta: Andi, 2004.

[9] http://arismuda.students.uii.ac.id/2009/08/06/pengenalan-uml.diakses

tanggal 12 Desember 2012.

[10] http://haniif.wordpress.com/tag/data-warehouse/ diakses tangal 12 Desember

2012

1 BAB 1 PENDAHULUAN

1.1 Latar Belakang

Lembaga Ilmu Pengetahuan Indonesia atau dikenal dengan LIPI adalah lembaga pengkajian dan penyusunan kebijakan nasional di bidang penelitian ilmu pengetahuan. Di Pusat Penelitian Informatika-Lembaga Ilmu Pengetahuan Indonesia sedang membangun Weather Wireless Station (WWS) tetapi saat ini dengan berkembangnya kebutuhan akan informasi di masyarakat khususnya masyarakat kota Bandung mengenai kondisi cuaca yang terjadi, maka membuat para peneliti cuaca kesulitan dalam mengambil keputusan. Selain itu juga perlu diimbangi dengan sistem informasi dan data yang akurat bagi peneliti cuaca untuk pengambilan kebijakan sehingga dalam hal ini sangat penting untuk membuat penelitian dalam mengkaji data pemantauan cuaca dan menemukan informasi yang tersimpan dalam data.

Setiap hari pengumpulan data pemantauan cuaca dilakukan Badan Meteorologi Klimatologi dan Geofisika (BMKG) di Stasiun Geofisika Kelas 1 Bandung dari tahun ke tahun jumlahnya semakin bertambah. Data pemantauan cuaca tersebut diperoleh secara langsung dari lapangan yaitu BMKG. Data yang sangat banyak itu ingin dimanfaatkan dengan harapan bahwa data tersebut berguna untuk dijadikan informasi. Metode tradisional untuk menganalisis data yang ada tidak dapat menangani data dalam jumlah besar, terkadang hasil pengolahan data dengan cara sederhana (query) tidak memberikan hasil yang mendukung sebagaimana yang diharapkan. Oleh karena itu, maka diperlukan analisis terhadap data pemantauan cuaca di kota Bandung.

Analisis data melalui serangkaian proses yang cukup panjang, sebelum tahap analisis yang dibutuhkan adalah memperoleh data yang berkualitas karena hal ini sangat berpengaruh terhadap hasil analisis yang nantinya dilakukan. Untuk dapat memperoleh data yang berkualitas sebelum menuju tahap analisis data yang sesungguhnya perlu dilakukan tahapan yang disebut dengan data preparation atau

bisa disebut juga dengan data preprocessing sehingga nantinya data siap untuk digunakan dalam proses analisis.

Data preparation merupakan suatu proses atau langkah- langkah yang dilakukan untuk membuat data mentah menjadi data yang berkualitas. Kehadiran

data preparation dilatar belakangi dengan problema tidak konsistennya data yang dialami banyak organisasi atau instansi sehingga sulit untuk dilakukan analisis terhadap data demi tercapainya informasi yang bermanfaat. Dalam penelitian ini akan dilakukan proses data preparation terhadap data hasil pemantauan cuaca.

Berdasarkan permasalahan di atas maka Lembaga Ilmu Pengetahuan Indonesia (LIPI) bermaksud untuk melakukan analisis data preparation pada data pemantauan cuaca yang kemudian diberi judul Data Preparation untuk Analisa Pola Data Pemantauan Cuaca di Kota Bandung.

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah, yang menjadi rumusan masalah adalah bagaimana proses data preparation terhadap data pemantauan cuaca dan apakah hasil dari data preparation tersebut dapat dipakai untuk proses analisis. 1.3 Maksud dan Tujuan

Adapun maksud dari penelitian ini adalah melakukan data preparation

terhadap data pemantauan cuaca, sehingga nanti kedepannya diharapkan hasil tersebut dapat digunakan untuk proses analisis data.

Adapun tujuan yang ingin dicapai adalah sebagai berikut : 1. Menyiapkan atau menyediakan data yang berkualitas dan konsisten.

2. Menghasilkan data yang memenuhi syarat untuk digunakan dalam proses analisis.

1.4 Batasan Masalah/ Ruang Lingkup Kajian

Guna memaksimalkan hasil penelitian dalam penulisan tugas akhir ini, maka diberikan batasan terhadap ruang lingkup permasalahan yang akan diteliti atau dikaji diantaranya :

1. Mengolah data dari tabel-tabel master yaitu tabel temperatur (suhu), kelembaban, curah hujan dan angin.

2. Pendekatan analisis perangkat lunak yang digunakan adalah pemodelan analisis berbasis objek, dimana tools yang digunakan adalah use case diagram, sequence diagram, activity diagram, class diagram.

3. Seluruh tools yang digunakan dalam analisis, perancangan dan pembangunan perangkat lunak adalah open source.

4. Software yang digunakan dalam pembuatan aplikasi ini yaitu NetBeans 7.0.1 dengan bahasa pemrograman java.

5. Menggunakan DBMS MySql untuk penyimpanan data. 6. Perangkat lunak yang dibangun adalah berbasis desktop.

7. Data sampel yang digunakan adalah data klimatologi tahun 2005-2009 dalam bentuk file exel.

8. Sasaran pengguna perangkat lunak ini adalah peneliti di Lembaga Ilmu Pengetahuan Indonesia (LIPI).

1.5 Metodologi Penelitian

Penelitian ini dilakukan dengan metode penelitian deskriptif yaitu menggambarkan secara sistematis karakteristik semua data yang kemudian dianalisis dan dibandingkan berdasarkan kenyataan yang sedang berlangsung dan selanjutnya mencoba untuk memberikan pemecahan masalahnya. Berikut ini tahap-tahap yang digunakan dalam penelitian yaitu tahap pengumpulan data dan tahap pembuatan perangkat lunak, berikut penjabarannya :

1. Metode Pengumpulan Data

Tahap pengumpulan data dilakukan dengan cara : a. Studi Literatur

Pada tahapan ini dilakukan pengumpulan data dengan cara mengumpulkan materi-materi yang diperlukan dari berbagai jenis sumber kepustakaan diantaranya buku, literatur, jurnal dan berbagai sumber lainnya yang ada kaitannya dengan judul ini.

b. Observasi

Teknik pengumpulan data dengan mengadakan penelitian dan peninjauan langsung terhadap permasalahan yang diambil.

c. Wawancara

Pengumpulan data dengan cara melakukan tanya jawab secara langsung kepada piihak-pihak yang terkait guna mendapatkan keterangan-keterangan yang diperlukan dalam penelitian yang dilakukan.

2. Metode Pembangunan Perangkat Lunak

Tahapan pembuatan perangkat lunak dilakukan sesuai dengan metode

waterfall. Adapun tahapan-tahapan yang dilakukan dalam metode waterfall ini adalah sebagai berikut :

Gambar 1.1 Metode Waterfall Model [7] Tahapan-tahapan pada metode ini dirincikan sebagai berikut :

a. Requirements definition

Merupakan tahapan yang dilakukan untuk mengetahui hal-hal yang diperlukan dalam pelaksanaan proyek pembuatan perangkat lunak.

b. System and software design

Tahapan ini meliputi perancangan perangkat lunak yang dimulai dengan perancangan aliran data hingga perancangan antar muka (interface).

c. Implementation and unit testing

Pada tahapan ini dilakukan pengkodean terhadap analisis dan design yang telah dibuat kedalam bahasa pemrograman tertentu yang dapat dimengerti oleh mesin atau komputer.

d. Integration and system testing

Pengujian terhadap perangkat lunak yang telah dibuat, hingga tidak terdapat atau bebas dari kesalahan.

e. Operation and maintenance

Merupakan tahap akhir pada metode waterfall. Tahap akhir dimana suatu perangkat lunak yang sudah selesai dapat mengalami perubahan– perubahan atau penambahan.

1.6 Sistematika Penulisan

Sistematika penulisan ini disusun untuk memberikan gambaran umum tentang penelitian yang dijalankan. Sistematika penulisan Tugas Akhir ini adalah sebagai berikut :

BAB I PENDAHULUAN

Bab ini terdiri dari beberapa pokok bahasan yaitu menguraikan tentang latar belakang permasalahan, merumuskan inti permasalahan yang dihadapi, menentukan tujuan dan maksud, yang kemudian diikuti dengan pembatasan masalah, metode penelitian, serta sistematika penulisan.

BAB II TINJAUAN PUSTAKA

Bab ini memaparkan segala sesuatu tentang konsep dasar dari teori-teori yang berkaitan dengan topik dan isi laporan tugas akhir serta hal-hal yang berguna dalam proses membuatan perangkat lunak.

BAB III ANALISIS DAN PERANCANGAN SISTEM

Bab ini menjelaskan tentang deskripsi umum perangkat lunak yaitu membahas analisis kebutuhan sistem dan pengguna, perancangan sistem dimulai dari perancangan antarmuka program (interface).

BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini berisi tentang implementasi dan pengujian sistem yang telah dikerjakan, yang terdiri dari menerapkan rencana implementasi, melakukan kegiatan implementasi, tinjau lanjut implementasi.

BAB V KESIMPULAN DAN SARAN

Berisi kesimpulan dan saran yang sudah diperoleh dari hasil penelitian dan penulisan tugas akhir.

7 BAB 2

TINJAUAN PUSTAKA

Profil Instansi 2.1

Profil dari perusahaan yang akan dibahas adalah mengenai profil dari Lembaga Ilmu Pengetahuan Indonesia (LIPI). Profil perusahaan meliputi sejarah perkembangan, visi dan misi, logo perusahaan, badan hukum, struktur organisasi serta tugas dan fungsi dari Lembaga Ilmu Pengetahuan Indonesia (LIPI).

2.1.1 Sejarah Lembaga Ilmu Penelitian Indonesia (LIPI)

Kegiatan ilmiah di Indonesia dimulai pada abad ke-16 oleh Jacob Bontius, yang mempelajari flora Indonesia dan Rompius dengan karyanya yang terkenal berjudul Herbarium Amboinese. Pada akhir abad ke-18 dibentuk Bataviaasch Genotschap van Wetenschappen. Dalam tahun 1817, C.G.L. Reinwardt mendirikan Kebun Raya Indonesia (S'land Plantentuin) di Bogor. Pada tahun 1928 Pemerintah Hindia Belanda membentuk Natuurwetenschappelijk Raad voor Nederlandsch Indie. Kemudian tahun 1948 diubah menjadi Organisatie voor Natuurwetenschappelijk onderzoek (Organisasi untuk Penyelidikan dalam Ilmu Pengetahuan Alam, yang dikenal dengan OPIPA). Badan ini menjalankan tugasnya hingga tahun 1956.

Pada tahun 1956, melalui UU no. 6 tahun 1956 pemerintah Indonesia membentuk Majelis Ilmu Pengetahuan Indonesia (MIPI) dengan tugas pokok : 1. Membimbing perkembangan ilmu pengetahuan dan teknologi.

2. Memberi pertimbangan kepada pemerintah dalam hal kebijaksanaan ilmu pengetahuan.

Kemudian pada tahun 1962 pemerintah membentuk Departemen Urusan Riset Nasional (DURENAS) dan menempatkan MIPI didalamnya dengan tugas tambahan : membangun dan mengasuh beberapa Lembaga Riset Nasional. Dan tahun 1966 pemerintah merubah status DURENAS menjadi Lembaga Riset Nasional (LEMRENAS).

Pada bulan Agustus 1967 pemerintah membubarkan LEMRENAS dan MIPI dengan SK Presiden RI no. 128 tahun 1967, kemudian berdasarkan Keputusan MPRS no. 18/B/1967 pemerintah membentuk Lembaga Ilmu Pengetahuan Indonesia (LIPI) dan menampung seluruh tugas LEMRENAS dan MIPI, dengan tugas pokok sebagai berikut :

1. Membimbing perkembangan ilmu pengetahuan dan teknologi yang berakar di Indonesia agar dapat dimanfaatkan bagi kesejahteraan rakyat Indonesia pada khususnya dan umat manusia pada umumnya.

2. Mencari kebenaran ilmiah dimana kebebasan ilmiah, kebebasan penelitian serta kebebasan mimbar diakui dan dijamin, sepanjang tidak bertentangan dengan Pancasila dan UUD 1945.

3. Mempersiapkan pembentukan Akademi Ilmu Pengetahuan Indonesia (sejak 1991 tugas pokok ini selanjutnya ditangani oleh Menteri Negara Riset dan Teknologi dengan Keppres no. 179 tahun 1991).

Sejalan dengan perkembangan kemampuan nasional dalam bidang ilmu pengetahuan dan teknologi, organisasi lembaga-lembaga ilmiah di Indonesia telah pula mengalami pertumbuhan dan perkembangan. Oleh sebab itu dipandang perlu untuk mengadakan peninjauan dan penyesuaian tugas pokok dan fungsi serta susunan organisasi LIPI sesuai dengan tahap dan arah perkembangan ilmu pengetahuan dan teknologi, maka Keppres no. 128 tahun 1967, tanggal 23 Agustus 1967 diubah dengan Keppres no. 43 tahun 1985, dan dalam rangka penyempurnaan lebih lanjut, tanggal 13 Januari 1986 ditetapkan Keppres no. 1 tahun 1986 tentang Lembaga Ilmu Pengetahuan Indonesia, dan terakhir dengan Keppres no. 103 tahun 2001.

2.1.2 Visi dan Misi

2.1.2.1Visi

Menjadi lembaga ilmu pengetahuan berkelas dunia yang mendorong terwujudnya kehidupan bangsa yang adil, cerdas, kreatif, integratif dan dinamis yang didukung oleh ilmu pengetahuan dan teknologi yang humanis.

2.1.2.2Misi

1. Menciptakan great science (ilmu pengetahuan berdampak penting) dan invensi yang dapat mendorong inovasi dalam rangka meningkatkan daya saing perekonomian nasional.

2. Mendorong peningkatan pemanfaatan pengetahuan dalam proses penciptaan good governance dalam rangka memantapkan NKRI.

3. Turut serta dalam proses pencerahan kehidupan masyarakat dan kebudayaan berdasarkan prinsip-prinsip ilmu pengetahuan dan kaidah etika keilmuan.

4. Memperkuat peran Indonesia (yang didukung ilmu pengetahuan) dalam pergaulan internasional.

5. Memperkuat infrastruktur kelembagaan (penguatan manajemen dan sistem).

2.1.3 Logo Lembaga Ilmu Pengetahuan Indonesia (LIPI)

Logo Lembaga Ilmu Pengetahuan Indonesia (LIPI) berdasarkan SK Ketua LIPI Nomor 37/KEP/C.3/1975 (Gambar 2.1) dengan penjelasan sebagai berikut:

a. Logo dan Penjelasan Logo

Logo LIPI adalah huruf dan atau lambang yang mengandung suatu makna sebagai lambang lembaga/identitas yang melekat dalam mengikat batin dan kesatuan jiwa seluruh pegawai LIPI.

b. Bentuk Logo dan Jenis Warna

Logo LIPI adalah berbentuk bulat dan merupakan satu kesatuan dari lambang dan huruf LIPI dibawahnya.

Jenis warna adalah “TURQUISE BLUE” dengan spesifikasi warna campuran sebagai berikut :

Gambar 2.1 Logo Lembaga Ilmu Pengetahuan Indonesia (LIPI)

Logo LIPI terdiri dari gambar dan tulisan LIPI sebagai satu kesatuan yang tidak dipisahkan. Penempatan Logo LIPI ditempatkan pada tempat yang layak dan baik bagi pandangan mata.

Penggunaan Logo LIPI dilakukan pada Kantor LIPI, Ruang Rapat, Kop Surat Dinas, Cap Instansi, Amplop Dinas, Pakaian Resmi, Jaket, Kartu Nama, dll.

Penanggung jawab penggunaan Logo LIPI antara lain adalah sebagai berikut :

1. Inspektorat LIPI 2. Kepala Satuan Kerja

3. Biro Umum dan Perlengkapan LIPI

Dan barang siapa yang tidak mengindahkan tata cara dalam penggunaan Logo LIPI, akan dikenakan sanksi menurut peraturan yang berlaku.

2.1.4 Tugas, Fungsi dan Kewenangan

Adapun tugas, fungsi dan kewenangan dari Lembaga Ilmu Penelitian Indonesia adalah :

1. Tugas

Melaksanakan tugas pemerintahan di bidang ilmu pengetahuan sesuai dengan ketentuan peraturan perundang-undangan yang berlaku.

2. Fungsi

a. Pengkajian dan penyusunan kebijakan nasional di bidang penelitian ilmu pengetahuan.

b. Penyelenggaraan riset keilmuan yang bersifat mendasar. c. Penyelenggaraan riset inter dan multi disiplin terfokus.

d. Pemantauan, evaluasi kemajuan, dan penelaahan kecenderungan ilmu pengetahuan dan teknologi.

e. Koordinasi kegiatan fungsional dalam pelaksanaan tugas LIPI.

f. Pelancaran dan pembinaan terhadap kegiatan instansi pemerintah di bidang ilmu pengetahuan.

g. Penyelenggaraan pembinaan dan pelayanan administrasi umum di bidang perencanaan umum, ketatausahaan, organisasi dan tata laksana, kepegawaian, keuangan, kearsipan, persandian, perlengkapan dan rumah tangga.

3. Kewenangan

Untuk menjalankan fungsinya, LIPI mempunyai kewenangan : a. Penyusunan rencana nasional secara makro di bidangnya.

b. Perumusan kebijakan di bidangnya untuk mendukung pembangunan secara makro.

c. Penetapan sistem informasi di bidangnya.

d. Kewenangan lain yang melekat dan telah dilaksanakan sesuai dengan ketentuan peraturan perundang-undangan yang berlaku, yaitu :

1. Perumusan dan pelaksanaan kebijakan tertentu di bidang penelitian ilmu pengetahuan.

2. Penetapan pedoman dan penyelenggaraan riset ilmu pengetahuan dasar. 3. Penetapan pedoman etika ilmiah, kedudukan dan kriteria kelembagaan

ilmiah.

4. Pemberian ijin Peneliti Asing.

5. Pemegang kewenangan ilmiah dalam keanekaragaman hayati. 2.1.5 Pusat Penelitian Informatika LIPI

Pusat Penelitian Informatika didirikan dengan surat Keputusan Kepala LIPI No 1151/M/2001 tanggal 5 Juni 2001. Semula bernama Pusat Penelitian dan Pengembangan Informatika dan Ilmu Pengetahuan Komputer didirikan pada tanggal 13 Januari 1986.

Berdirinya Pusat Penelitian Informatika tidak dapat dipisahkan dengan sejarah terbentuknya Lembaga Elektroteknika Nasional ( LEN ). Lembaga Elektroteknika Nasional sebagai lembaga penelitian dalam bidang elektronika diresmikan pada tanggal 10 Juni 1965. Bermula di kampus ITB dengan ruang seluas 30 meter persegi yang merupakan pinjaman dari ITB. Pada tahun 1967, berdasarkan Keputusan Presiden nomor 128 tahun 1967, Lembaga Elektroteknika Nasional (LEN) bernaung dibawah koordinasi Lembaga Ilmu Pengetahuan Indonesia. Pada tahun 1969, Prusahaan Negara Pertambangan Minyak dan Gas Bumi Nasional ( Pertamina ), memberikan pinjaman gedung seluas 1000 meter persegi di Jl. Sawunggaling No. 14 Bandung, sehingga ruangan dikomplek ITB ditinggalkan. Pada awal tahun 1978, komplek gedung perkantoran dan laboratorium LEN-LIPI sudah tersebar di 9 lokasi di kota Bandung, dengan luas lantai sekitar 2500 meter persegi.

Tahun 1983 LEN-LIPI pindah ke Jl. Soekarno-Hatta No.407 250A Bandung, serta gedung tersebut diresmikan pemakaiannya oleh Presiden Republik Indonesia, Bapak Soeharto pada tanggal 31 Mei 1983. Dengan dilakukannya reorganisasi di Lembaga Ilmu Pengetahuan Indonesia (LIPI) berdasarkan Keppres No. l tahun 1986 tanggal 13 Januari 1986, Lembaga Elektroteknika Nasional berkembang menjadi tiga Puslitbang dan satu Unit Pelaksana Teknis, yaitu:

1. Pusat Penelitian dan Pengembangan Telekomunikasi, Elektronika Strategis, Komponen dan Material (Puslitbang Telkoma-LIPI).

2. Pusat Penelitian dan Pengembangan Informatika dan Ilmu Pengetahuan Komputer (Puslitbang Inkom LIPI).

3. Pusat Penelitian dan Pengembangan Tenaga Listrik dan Mekatronika (Puslitbang Telimek-LIPI)

4. UPT Pusat Laboratorium Enjiniring Nasional ( UPT Pusat LEN LIPI).

Dalam struktur organisasi LIPI, keempat Puslibang tersebut diatas berada dibawah koordinasi Deputi Bidang Ilmu Pengetahuan Teknik -LIPI.

Pada tanggal 8 Maret 1990 seluruh fasilitas UPT LEN-LIPI diserahkan ke BPIS. Kantor Puslitbang Inkom LIPI pindah ke Jl. Ranggamalela No. 11 Bandung, sedangkan laboratoriumnya menempati salah satu bagian gedung di

kompleks LIPI Jl. Cisitu 21/154D Bandung. Pada tahun 2001 dalam Reorganisasi baru Lembaga Ilmu Pengetahuan Indonesia, Pusat Penelitian dan Pengembangan Informatika dan Ilmu Pengetahuan Komputer berubah nama dan struktur organisasinya menjadi Pusat Penelitian Informatika LIPI.

2.1.5.1Visi dan Misi

2.1.5.1.1 Visi

Pusat Penelitian Informatika mengabdi untuk kepentingan masyarakat dan menyelenggarakan kegiatan di bidang Informatika dan Ilmu Pengetahuan Komputer untuk pembangunan berkelanjutan.

Maknanya bahwa berbagai kegiatan penelitian yang dilakukan di bidang Informatika adalah untuk kepentingan masayarakat, antara lain untuk mencerdaskan kehidupan bangsa dengan menggunakan kemampuan teknologi informasi yang baru. Teknologi ini digunakan untuk pengumpulan, pengolahan, penyimpanan dan penyebarluasan data atau informasi kepada masyarakat dengan cepat, tepat waktu dan akurat. Sehingga akan terjadi percepatan peningkatan kemampuan masyarakat dalam pembangunan yang berkelanjutan.

2.1.5.1.2 Misi

Pusat Penelitian Informatika mengabdi untuk kepentingan masyarakat dan menyelenggarakan kegiatan di bidang Informatika dan Ilmu Pengetahuan Komputer untuk pembangunan berkelanjutan.

Maknanya bahwa berbagai kegiatan penelitian yang dilakukan di bidang Informatika adalah untuk kepentingan masyarakat, antara lain untuk mencerdaskan kehidupan bangsa dengan menggunakan kemampuan teknologi informasi yang baru. Teknologi ini digunakan untuk pengumpulan, pengolahan, penyimpanan dan penyebarluasan data atau informasi kepada masyarakat dengan cepat, tepat waktu dan akurat. Sehingga akan terjadi percepatan peningkatan kemampuan masyarakat dalam pembangunan yang berkelanjutan.

2.1.5.2Struktur Organisasi Lembaga Ilmu Pengetahuan Indonesia (LIPI)

Struktur Organisasi Pusat Penelitian Informatika-LIPI, berdasarkan SK Kepala LIPI Nomor 1151/M/2001 tanggal 5 Juni 2001 tentang Organisasi dan Tata Kerja sebagaimana telah diubah dengan Keputusan Kepala LIPI Nomor 3212/M/2004 dimana struktur organisasi terdiri dari :

1. Kepala Pusat Penelitian Informatika LIPI 2. Bagian Tata Usaha, yang terdiri dari.

a. Sub Bagian Kepegawaian b. Sub Bagian Umum

c. Sub Bagian Jasa dan Informasi 3. Bidang Sistem Informasi

4. Bidang Otomasi 5. Bidang Komputer

6. Bidang Sarana Penelitian, yang terdiri dari. a. Sub Bidang Sarana Sistem Informasi b. Sub Bidang Sarana Otomasi

c. Sub Bidang Sarana Komputer

Struktur organisasi dari Lembaga Ilmu Pengetahuan Indonesia (LIPI) dapat dilihat pada Gambar 2.2 berikut ini :

Gambar 2.2 Struktur Organisasi Lembaga Ilmu Pengetahuan Indonesia

Landasan Teori 2.2

2.2.1 Pengertian Data dan Informasi

Menurut Steven Alter, data merupakan fakta,gambar atau suara yang mungkin atau tidak berhubungan atau berguna bagi tugas tertentu.

Menurut McLeod, data terdiri dari fakta-fakta dan angka yang secara relatif tidak berarti bagi pemakai. Sedangkan informasi adalah data yang sudah diproses atau data yang memiliki arti.

Disini kita dapat melihat bahwa data merupakan suatu bentuk keterangan-keterangan yang belum diolah atau dimanipulasi sehingga belum begitu berarti bagi sebagian pemakai.

Menurut Raymond Mc.leod, informasi adalah data yang telah diolah menjadi bentuk yang memiliki arti bagi si penerima dan bermanfaat bagi pengambilan keputusan saat ini atau mendatang .

Menurut Jogiyanto HM., (1999: 692), “Informasi dapat didefinisikan

lebih berarti bagi penerimanya yang menggambarkan suatu kejadian – kejadian (event) yang nyata (fact) yang digunakan untuk pengambilan keputusan”.

Menurut George H. Bodnar, (2000: 1), “Informasi adalah data yang diolah

sehingga dapat dijadikan dasar untuk mengambil keputusan yang tepat”.

2.2.2 Basis Data dan Sistem Manajemen Basis Data (Database and Database

Management System)

Menurut James A. O’Brien, database adalah suatu koleksi terintegrasi dimana secara logika berhubungan dengan record dari file.

Menurut Fatansyah, database adalah kumpulan data yang saling berhubungan yang disimpan secara bersama sedemikian rupa dan tanpa pengulangan (redudansi) yang tidak perlu, untuk memenuhi berbagai kebutuhan [2].

Jadi database adalah tempat penyimpanan data yang saling berhubungan secara logika, sehingga bisa digunakan untuk mendapatkan suatu informasi yang diperlukan oleh suatu organisasi atau perusahaan. Sedangkan data yang diperoleh suatu organisasi atau perusahaan umumnya didapat dari kegiatan operasional sehari-hari atau hasil dari transaksi.

Sistem Manajemen Basis Data adalah program yang digunakan pengguna untuk membuat dan memelihara database. Sistem Manajemen Basis Data memfasilitasi untuk mendefinisikan, mengkonstruksi, dan memanipulasi database

untuk berbagai aplikasi. Pendefinisian database meliputi spesifikasi tipe data, struktur, dan constraint untuk data yang disimpan dalam database. Pengkonstruksian database adalah proses penyimpanan data itu sendiri pada media penyimpanan. Pemanipulasian database meliputi fungsi memanggil query database untuk mendapatkan data yang spesifik, update database, dan

Gambar 2.3 Database Management System

Keuntungan yang diperoleh menggunakan Sistem Manajemen Basis Data meliputi mengontrol redudansi, membatasi akses yang tidak berwenang, menyediakan penyimpanan yang persisten, menghasilkan interface (antar muka) banyak pengguna, menjaga integritas constraint, menyediakan backup dan

recovery.

Dalam Sistem Manajemen Basis Data menyediakan perintah yang digunakan untuk mengelola dan mengorganisasikan data, yakni Data Definition Language (DDL) dan Data Manipulation Language (DML). Data Definition Language adalah bahasa untuk medefinisikan skema atau dan database fisik ke Sistem Manajemen Basis Data. Data Manipulation Language adalah bahasa untuk memanipulasi data yaitu pengambilan informasi yang telah disimpan, penyisipan informasi baru, penghapusan informasi, modifikasi informasi yang disimpan dalam database. Selanjutnya, query adalah statemen yang ditulis untuk mengambil informasi. Bagian dari DML yang menangani pengambilan informasi ini disebut bahasa query. Dari perkembangan model database maka muncul apa yang disebut dengan data warehouse [6].

2.2.3 Data Mart

Data mart adalah suatu bagian pada data warehouse yang mendukung pembuatan laporan dan analisis data pada suatu unit, bagian operasi pada suatu perusahaan. Data mart berisi informasi yang relevan bagi user yang ingin mengambil keputusan, sebuah perusahaan yang telah menginvestasikan baik uang dan waktunya dalam sebuah bisnis operasional yang telah mempunyai dan

menyimpan sebuah data dari pelanggan, penjualan dan inventori. Data tersebut merupakan asset dari suatu perusahaan yang perlu di manage untuk keperluan kompetitif perusahaan. Banyak perusahaan yang telah menerapkan DSS (Decision Support system) yang telah ada di suatu data mart, sebuah data mart terintegrasi secara operasional dan sejarah data untuk aplikasi pengambilan keputusan.

Ada empat tugas yang bisa dilakukan dengan adanya data mart menurut Williams, keempat tugas tersebut yaitu [5]:

1. Pembuatan laporan

Pembuatan laporan merupakan salah satu kegunaan data warehouse yang paling umum dilakukan. Dengan menggunakan query sederhana didapatkan laporan perhari,perbulan, pertahun atau jangka waktu kapanpun yang diinginkan.

2. On-Line Analytical Processing (OLAP)

Dengan adanya data warehouse,semua informasi baik detail maupun hasil summary yang dibutuhkan dalam proses analisa mudah didapat. OLAP

mendayagunakan konsep data multi dimensi dan memungkinkan para pemakai menganalisa data sampai mendetail, tanpa mengetikkan satupun perintah SQL. Hal ini dimungkinkan karena pada konsep multi dimensi, maka data yang berupa fakta yang sama bisa dilihat dengan menggunakan fungsi yang berbeda. Fasilitas lain yang ada pada sofware OLAP adalah fasilitas rool-up

dan drill-down. Drill-down adalah kemampuan untuk melihat detail dari suatu informasi dan roll-up adalah kebalikannya.

3. Data mining

Data mining merupakan proses untuk menggali (mining) pengetahuan dan informasi baru dari data yang berjumlah banyak pada data mart, dengan menggunakan kecerdasan buatan (Artificial Intelegence), statistik dan matematika. Data mining merupakan teknologi yang diharapkan dapat menjembatani komunikasi antara data dan pemakainya.

Beberapa solusi yang diberikan data mining antara lain : a. Menebak target pasar

Data mining dapat mengelompokkan (clustering) model-model pembeli dan melakukan klasifikasi terhadap setiap pembeli dan melakukan klasifikasi terhadap setiap pemebeli sesuai dengan karakteristik yang diinginkan.

b. Melihat pola beli dari waktu ke waktu

Data mining dapat digunakan untuk melihat pola beli dari waktu ke waktu.

c. Cross-market analysis

Data mining dapat dimanfaatkan untuk melihat hubungan antara satu produk dengan produk lainnya.

d. Profil pelanggan

Data mining bisa membantu pengguna untuk melihat profil pembeli sehingga dapat diketahui kelompok pembeli tertentu cenderung kepada suatu produk apa saja.

e. Informasi summary

Data mining dapat membuat laporan summary yang bersifat multi dimensi dan dilengkapi dengan informasi statistik lainnya. 4. Proses informasi executive

Data mart dapat membuat ringkasan informasi yang penting dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi keseluruhan data. Dengan menggunakan data mart segala laporan telah diringkas dan dapat pula mengetahui segala rinciannya secara lengkap, sehingga mempermudah proses pengambilan keputusan. Informasi dan data pada laporan data mart menjadi target informative bagi user.

2.2.3.1Karakteristik Data Mart

Seperti yang telah dikemukakan terlebih dahulu pada sub bagian pengertian data mart, karakteristik yang harus dimiliki dalam sebuah data mart

antara lain adalah Subject Oriented, Integrated, Time Variant, dan Non Volatile. Berikut ini dijelaskan lebih lanjut mengenai karakteristik data mart [1] :

1. Subject Oriented

Data mart berorientasi subjek artinya data mart dirancang untuk menganalisis data berdasarkan subjek-subjek tertentu dalam organisasi, bukan pada proses atau fungsi aplikasi tertentu. Jadi dengan kata lain, data yang disimpan adalah berorientasi kepada subjek bukan terhadap proses. Secara garis besar perbedaan antara data operasional dan data warehouse yaitu :

Tabel 2.1 Perbedaan Data Operasional dan Data Mart

Data Operasional Data Mart

Dirancang berorientasi hanya pada aplikasi dan fungsi tertentu

Dirancang berdasar pada subjek-subjek tertentu (utama)

Fokusnya pada desain database dan proses

Fokusnya pada pemodelan data dan desain data

Berisi rincian atau detail data Berisi data-data history yang akan dipakai dalam proses analisis

Relasi antar table berdasar aturan terkini (selalu mengikuti rule terbaru)

Banyak aturan bisnis dapat tersaji antara tabel-tabel

Gambar 2.4 Subject Orientation Data [1] 2. Integrated

Sumber data berasal dari sistem – sistem aplikasi perusahaan yang berbeda – beda. Sumber data sering tidak konsisten misalnya perbedaan format data. Integrasi sumber data harus dibuat konsisten dalam menampilkan data agar dapat menyatukan pandangan user terhadap data.

3. Non Volatile

Karakteristik ketiga dari data mart adalah non volatile, yaitu data pada data mart cenderung statis dan berupa data historical yang digunakan untuk

analisis. Pada gambar 2.3 ini, menjelaskan bahwa “Data operasional pada tiap – tiap record yang ada, umum diakses dan manipulasi, perubahan maupun pembaruan data merupakan sebuah hal yang wajar dilakukan pada sistem ini. Namun, data mart juga dapat diakses, namun tidak terlalu sering, dan biasanya diambil dalam jumlah besar. Akan tetapi data yang ada tidak diperkenankan untuk diperbaharui maupun diubah, apabila terjadi perubahan atau pembaruan, maka data tersebut akan masuk sebagai data baru. Oleh karena itu, data yang tersimpan pada sebuah data mart merupakan data yang

bersifat historis”.

Gambar 2.6 Non Volatile [1] 4. Time Variant

Data mart dibandingkan dengan data operasional, memiliki perbedaan cakupan pada aspek time variant. Time variant yang membedakan antara data pada data mart dengan data operasional adalah data yang disimpan pada sistem operasional merupakan keadaan terkini pada perusahaan. Data transaksi lampau juga ada yang disimpan, namun pada intinya sistem operasi dirancang memang untuk mendukung operasi harian dari perusahaan sehingga data yang tersimpan harus mencerminkan keadaan terkini perusahaan. Namun pada data mart, data yang digunakan merupakan data untuk analisis dan pengambilan keputusan. Dari tujuan inilah data yang dimiliki oleh sebuah data mart

haruslah berupa data historis, bukan sekedar keadaan terkini dari perusahaan. Data disimpan sebagai gambaran keadaan perusahaan di masa lampau hingga saat ini. Time variant memiliki keuntungan sebagai berikut [3] :

 Memungkinkan untuk menganalisis hal yang terjadi di masa lampau  Menghubungkan informasi yang ada ke masa kini

 Memungkinkan adanya perkiraan atau ramalan mengenai kondisi masa yang akan datang.

Gambar 2.7 Time Variant [1]

2.2.3.2Pemodelan Data Dimensional

Pemodelan data dimensional adalah representasi data dengan kubus multidimensional agar lebih mudah dibaca. Terdapat 2 macam aspek dalam pemodelan ini, yaitu ukuran (measures) dan dimensi (dimension). Ukuran adalah besaran data, sedangkan dimensi adalah konteks data atau parameter bisnis. Parameter ini dapat dilihat dari karakteristik seperti who, what, when, where dan

how dari subjek data. Ukuran (measures) disimpan dalam tabel fakta (fact table) sedangkan dimensi disimpan dalam tabel dimensi (dimension table). Sebagai contoh misalnya untuk basis data mengenai total penjualan per bulan, maka pengukuran dapat dilakukan berdasarkan dimensi lokasi, waktu dan produk yang dijual. Representasi dalam bentuk kubus multidimensional untuk contoh ini dapat dilihat pada gambar berikut :

Gambar 2.8 Kubus Model Dimensional

Berikut penjelasan dari fact table, dimension table dan measures : a. Fact table

Tabel fakta adalah pusat dari table star join dimana data dengan banyak kepentingan tersimpan [1]. Setiap fact biasanya merepresentasikan sebuah bisnis item, suatu transaksi bisnis, atau sebuah kejadian yang dapat digunakan dalam analisis bisnis atau proses bisnis.

b. Dimension table

Dimension table atau tabel dimensi adalah tempat dimana data tambahan yang berhubungan dengan tabel fakta ditempatkan pada sebuah tabel multidimensional [1]. Dalam dimensional model, semua data menunjukan fact table yang diasosiasikan dengan satu dan hanya satu member dari setiap

multiple dimensions. Jadi dimensi menunjukan latar belakang kontekstual dari

fact. Banyak proses analisis yang digunakan untuk menghitung dampak dari dimensi pada fact.

c. Measures

Suatu measures (ukuran) adalah suatu besaran (angka numerik) atribut dari sebuah fact, yang menunjukan performance atau behavior (tingkah laku) dari bisnis secara relatif pada suatu dimensi. Angka atau nomor yang ditunjukan disebut dengan variable. Sebagai contoh ukuran dari penjualan dalam bentuk uang, besarnya penjualan, jumlah pengadaan, biaya pengadaan, banyaknya transaksi dan lainnya. Suatu ukuran dijelaskan dengan kombinasi dari member dari suatu dimensi dan diletakkan dalam fact. Dalam dimensional

modeling, ada beberapa pendekatan yang digunakan untuk membuat data mart, yaitu [10]:

1. Skema bintang (star schema)

Skema ini mengikuti bentuk bintang, dimana terdapat satu tabel fakta (fact table) di pusat bintang dengan beberapa tabel dimensi (dimensional tables) yang mengelilinginya. Semua tabel dimensi berhubungan dengan ke tabel fakta. Tabel fakta memiliki beberapa key yang merupakan kunci indeks individual dalam tabel dimensi. Berikut model skema bintang :

Gambar 2.9 Model Skema Bintang (Star Schema) [11] 2. Skema bola salju (snowflake Schema)

Skema bola salju merupakan perluasan dari skema bintang dengan tambahan beberapa tabel dimensi yang tidak berhubungan secara langsung dengan tabel fakta. Tabel dimensi tersebut berhubungan dengan tabel dimensi yang lain. Berikut model skema bola salju :

3. Fact constellations

Pada skema ini terdapat beberapa tabel fakta yang menggunakan satu atau beberapa tabel dimensi secara bersama-sama sehingga jika digambarkan akan terlihat seperti sekumpulan bintang. Skema ini juga dikenal dengan

galaxy schema. Berikut model skema constellations :

Gambar 2.11 Model Skema Constellations [11]

2.2.4 ETL (Extract, Transform, Loading)

Menurut Inmon Extract, Transform, Loading(ETL) adalah “the process of finding data, integrating it, and placing it in a data warehouse”.

Proses ETL mengambil data dari source systems menggunakan query. ETL berkoneksi dengan source system database dan mengambil data dengan

query. Setelah data hasil query diambil langkah selanjutnya dilakukan eksekusi proses ETL dan mengirimkannya ke database data mart.

ETL (Extract, Transform, and Load) adalah proses – proses dalam data mart yang meliputi:

a. Mengekstrak data dari sumber – sumber eksternal.

b. Mentransformasikan data ke bentuk yang sesuai dengan keperluan. c. Memasukkan data ke target akhir, yaitu data mart.

ETL merupakan proses yang sangat penting, dengan ETL data dapat dimasukkan ke dalam data mart. ETL juga dapat digunakan untuk mengintegrasikan data dengan sistem yang sudah ada sebelumnya.

Tujuan ETL adalah mengumpulkan, menyaring, mengolah, dan menggabungkan data yang relevan dari berbagai sumber untuk disimpan ke dalam

data mart. Hasil dari proses ETL adalah dihasilkannya data yang memenuhi kriteria data mart seperti data yang historis, terpadu, terangkum, statis, dan memiliki struktur yang dirancang untuk keperluan proses analisis. Manajemen proses ETL dapat dilihat pada gambar berikut :

Gambar 2.12 ETL Process Management

1. Extract

Langkah pertama pada proses ETL adalah mengekstrak data dari sumber – sumber data. Kebanyakan proyek data mart menggabungkan data dari sumber – sumber yang berbeda. Sistem – sistem yang terpisah sangat mungkin menggunakan format data yang berbeda. Ekstraksi adalah mengubah data ke dalam suatu format yang berguna untuk proses transformasi.

Pada hakekatnya proses ekstraksi adalah proses penguraian dari data yang diekstrak untuk mendapatkan struktur atau pola data yang diharapkan. Jika struktur atau pola data tidak sesuai dengan harapan maka data tidak dimasukkan ke dalam data mart.

2. Transform

Tahapan transformasi menggunakan serangkaian aturan – aturan atau fungsi – fungsi ke dalam data yang telah diekstraksi, yang akan menentukan bagaimana data akan digunakan untuk analisis dan dapat melibatkan transformasi seperti penjumlahan data, data encoding, penggabungan data, pemisahan data, kalkulasi data, dan pembuatan surrogate key.

Data akan disimpan dalam bentuk detail dan ringkasan untuk menyediakan fleksibilitas dalam memenuhi kebutuhan informasi yang beragam pada pengguna. Data tersebut kemudian dihubungkan dengan

surrogate key (sebuah key yang menghubungkan struktur data mart dan terpisah dari sistem sumber) dan agregasi untuk mempercepat proses analisis.

Output dari transformasi adalah data yang telah bersih dan konsisten dengan data yang tersimpan pada data mart, dan lebih jauh lagi adalah dalam bentuk yang telah siap untuk dianalisis oleh pengguna dari data mart.

3. Loading

Loading data ke dalam data mart dapat terjadi setelah semua transformasi dilakukan atau sebagai bagian dari proses transformasi. Ketika data dimasukkan ke dalam data mart, batasan – batasan tambahan yang didefinisikan di dalam skema database dan trigger diaktivasi ketika loading

data akan dilakukan, yang juga akan memberikan kontribusi pada keseluruhan kualitas performa dari proses ETL. Jangka waktu proses loading bergantung pada kebutuhan organisasi.

2.2.5 Unified Modeling Language (UML)

Unified Modeling Language (UML) merupakan bahasa spesifikasi standar untuk mendokumentasikan, menspesifikasikan, dan membangun sistem perangkat lunak.

2.2.5.1Definisi UML

UML (Unified Modeling Language) adalah sebuah bahasa untuk menetukan, visualisasi, kontruksi, dan mendokumentasikan artifact (bagian dari informasi yang digunakan atau dihasilkan dalam suatu proses pembuatan perangkat lunak. Artifact dapat berupa model, deskripsi atau perangkat lunak) dari system perangkat lunak, seperti pada pemodelan bisnis dan system non perangkat lunak lainnya [9].

UML merupakan suatu kumpulan teknik terbaik yang telah terbukti sukses dalam memodelkan sistem yang besar dan kompleks. UML tidak hanya

digunakan dalam proses pemodelan perangkat lunak, namun hampir dalam semua bidang yang membutuhkan pemodelan [9].

Bahasa Pemodelan UML lebih cocok untuk pembuatan perangkat lunak dalam bahasa pemrograman berorientasi objek (C+ , Java, VB.NET), namun demikian tetap dapat digunakan pada bahasa pemrograman prosedural.

Unified Modeling Language (UML) biasa digunakan untuk beberapa hal berikut ini, diantaranya :

1. Menggambarkan batasan sistem dan fungsi-fungsi sistem secara umum, dibuat dengan use case dan actor.

2. Menggambarkan kegiatan atau proses bisnis yang dilaksanakan secara umum, dibuat dengan interaction diagrams.

3. Menggambarkan representasi struktur statik sebuah sistem dalam bentuk class diagrams.

4. Membuat model behavior“yang menggambarkan kebiasaan atau sifat sebuah

sistem” dengan state transition diagrams.

5. Menyatakan arsitektur implementasi fisik menggunakan component and

development diagrams.

6. Menyampaikan atau memperluas fungsionalitas dengan stereotypes.

UML merupakan salah satu alat bantu yang sangat handal dalam bidang pengembangan sistem berorientasi objek karena UML menyediakan bahasa pemodelan visual yang memungkinkan pengembang sistem membuat blue print

atas visinya dalam bentuk yang baku.

UML berfungsi sebagai jembatan dalam mengkomunikasikan beberapa aspek dalam sistem melalui sejumlah elemen grafis yang bisa dikombinasikan menjadi diagram. UML mempunyai banyak diagram yang dapat mengakomodasi berbagai sudut pandang dari suatu perangkat lunak yang akan dibangun. Diagram-diagram tersebut digunakan untuk hal-hal sebagai berikut : 1. Mengkomunikasikan ide.

2. Melahirkan ide-ide baru dan peluang-peluang baru. 3. Menguji ide dan membuat prediksi

2.2.5.2Konsep Pemodelan Menggunakan Unified Modeling Language (UML) Pemodelan menggunakan Unified Modeling Language (UML) merupakan metode pemodelan berorientasi objek dan berbasis visual. Karenanya pemodelan menggunakan UML merupakan pemodelan objek yang fokus pada pendefinisian struktur statis dan model sistem informasi yang dinamis dari pada mendefinisikan data dan model proses yang tujuannya adalah pengembangan tradisional.

UML menawarkan diagram yang dikelompokan menjadi lima perspektif berbeda untuk memodelkan suatu sistem. Seperti satu set blue print yang digunakan untuk membangun sebuah rumah. Jadi, hanya dibutuhkan sebuah UML agar dapat dibangun sebuah sistem.

2.2.5.3Diagram Dasar dalam Unified Modeling Language (UML)

Diagram dasar Unified Modelling Language (UML) serta tujuannya dijelaskan seperti berikut :

a. Model Use Case Diagram

Use Case Diagram secara grafis menggambarkan interaksi antara sistem, sistem eksternal, dan pengguna. Dengan kata lain Use Case diagram

secara grafis mendeskripsikan siapa yang akan menggunakan sistem dan dalam cara apa pengguna (user) mengharapkan interaksi dengan sistem itu.

Use Case secara naratif digunakan untuk secara tekstual menggambarkan sekuensi langkah-langkah dari setiap interaksi.

b. Diagram Struktur Statis

UML menawarkan dua macam diagram untuk memodelkan struktur statis sistem informasi, yaitu:

1. Class Diagram: menggambarkan struktur objek sistem. Diagram ini menunjukan class object yang menyusun sistem dan juga hubungan antara class object tersebut.

2. Object Diagram: serupa dengan class diagram, tetapi object diagram

memodelkan instance object actual dengan menunjukan nilai-nilai saat ini dari atribut instance. Object Diagrammenyajikan “snapshot/potret”

digunakan sesering Class Diagram, tetapi saat digunakan dapat membantu seorang developer memahami struktur sistem secara lebih baik.

c. Diagram Interaksi

Diagram interaksi memodelkan sebuah interaksi, terdiri dari satu set objek, hubungan-hubungannya, dan pesan yang terkirim di antara objek. Model diagram ini memodelkan behavior (kelakuan) sistem yang dinamis dan UML memiliki dua diagram untuk tujuan ini, yaitu:

1. Diagram rangkaian/Sequence Diagram: secara grafis menggambarkan bagaimana objek berinteraksi dengan satu sama lain melalui pesan pada sekuensi sebuah use case atau operasi. Diagram ini mengilustrasikan bagaimana pesan terkirim dan diterima di antara objek dan dalam sekuensi atau timing apa.

2. Diagram kolaborasi/Collaboration Diagram: serupa dengan diagram rangkaian/sekuensi, tetapi tidak fokus pada timing atau sekuensi pesan. Diagram ini justru menggambarkan interaksi (atau kolaborasi) antara objek dalam sebuah format jaringan.

3. Diagram rangkaian maupun diagram kolaborasi merupakan isomorphic

artinya kita dapat mengubah dari satu diagram ke diagram lain. d. Diagram State/State Diagram

UML memiliki sebuah diagram untuk memodelkan behavior objek khusus yang kompleks (statecahrt) dan sebuah diagram untuk memodelkan

behavior dari sebuah use case atau sebuah metode, yaitu:

1. Diagram statechart: digunakan untuk memodelkan behavior objek khusus yang dinamis. Diagram ini mengilustrasikan siklus hidup objek-berbagai keadaan yang dapat diasumsikan oleh objek dan event-event (kejadian) yang menyebabkan objek beralih dari satu state ke state lain.

2. Diagram aktivitas/Activity Diagram: secara grafis digunakan untuk menggambarkan rangkaian aliran aktivitas baik proses bisnis maupun use case. Activity diagram dapat juga digunakan untuk memodelkan action

yang akan dilakukan saat sebuah operasi dieksekusi, dan memodelkan hasil dari action tersebut.

e. Diagram Implementasi

Diagram implementasi juga memodelkan struktur sistem informasi, yaitu sebagai berikut:

1. Diagram komponen/Component Diagram: digunakan untuk menggambarkan organisasi dan ketergantungan komponen-komponen pernagkat lunak sistem. Komponen diagram dapat digunakan untuk menunjukan bagaimana kode pemrograman dibagi menjadi modul-modul (atau komponen).

2. Diagram penguraian/Deployment: digunakan untuk mendeskripsikan arsitektur fisik dalam istilah ”node” untuk hardware dan software dalam sistem. Diagram ini menggambarkan konfigurasi komponen-komponen

software real-time, prosesor, dan peralatan yang membentuk arsitektur sistem.

2.2.5.4Use Case Diagram dan Aktor

Use Case diagram adalah model fungsional sebuah sistem yang menggunakan actor dan use case. Use Case adalah layanan (services) atau fungsi-fungsi yang disediakan oleh sistem untuk pengguna-penggunanya (Henderi et al, 2008). Use Case adalah suatu pola atau gambaran yang menunjukan kelakukan atau kebiasaan sistem. Setiap Use Case adalah suatu urut-urutan (sequence) transaksi yang saling berhubungan dan dilakukan oleh sebuah actor dan sistem dalam bentuk sebuah dialog (Henderi, 2007). Use Case Diagram dibuat untuk memvisualisasikan/ menggambarkan hubungan antara Actor dan Use Case. Use Case diagram mempresentasikan kegunaan atau fungsi-fungsi sistem dari perspektif pengguna.

Gambar 2.13 Contoh Aktifitas Aktor dan Use Case

Sebuah aktor mencirikan suatu bagian outside user atau susunan yang berkaitan dengan user yang berinteraksi dengan sistem [Rumbaugh, Booch, dan Jacobson 1999]. Dalam model use case, aktor merupakan satu-satunya kesatuan eksternal yang berinteraksi dengan sistem.

Terdapat beberapa variasi bagaimana aktor dibentuk [Fowler dan Scott 1999]. Sebuah aktor sering kali merupakan manusia (human user). Pada sejumlah sistem informasi, manusia adalah satu-satunya aktor. Dan mungkin saja dalam sistem informasi, seorang aktor bisa saja menjadi suatu sistem eksternal. Pada aplikasi real-time dan distribusi, sebuah aktor bisa saja menjadi satu perangkat eksternal I/O atau sebuah alat pengatur waktu. Perangkat eksternal I/O dan pengatur waktu aktor secara khusus lazimnya berada dalam real-time yang tersimpan dalam sistem (real-time embedded systems), sistem berinteraksi dengan lingkungan eksternal melalui sensor dan aktuator.

Primary actor (aktor utama) memprakarsai sebuah use case. Jadi, suatu

primary actor memegang peran sebagai proaktif dan yang memulai aksi dalam sistem. Aktor lainnya yang berperan sebagai secondary actor bisa saja terlibat dalam use case dengan menerima output dan memberikan input. Setidaknya satu

actor harus mendapatkan nilai dari use case. Biasanya adalah primary actor (aktor utama). Bagaimanapun, dalam real-time embedded systems, primary actor dapat berperan sebagai perangkat eksternal I/O atau pengatur waktu, penerima utama dari use case bisa menjadi secondary human actor yang menerima sejumlah informasi dari sistem.

2.2.5.5Class Diagram

Class adalah kumpulan objek-objek dengan dan yang mempunyai struktur umum, behavior umum, relasi umum, dan semantic/kata yang umum. Class-class

ditentukan/ditemukan dengan cara memeriksa objek-objek dalam sequence diagram dan collaboration diagram. Sebuah class digambarkan seperti sebuah bujur sangkar dengan tiga bagian ruangan. Class sebaiknya diberi nama menggunakan kata benda sesuai dengan domain/bagian/kelompoknya (Whitten L. Jeffery et al, 2004).

Class Diagram adalah diagram yang menunjukan class-class yang ada dari sebuah sistem dan hubungannya secara logika. Class diagram

menggambarkan struktur statis dari sebuah sistem. Karena itu class diagram

merupakan tulang punggung atau kekuatan dasar dari hampir setiap metode berorientasi objek termasuk UML (Henderi, 2008). Sementara menurut (Whitten L. Jeffery et al 2004:432) class diagram adalah gambar grafis mengenai struktur objek statis dari suatu sistem, menunjukan class-class objek yang menyusun sebuah sistem dan juga hubungan antara class objek tersebut.

Elemen-eleman class diagram dalam pemodelan UML terdiri dari: Class-class, struktur Class-class, sifat class (class behavior), perkumpulan/gabungan (association), pengumpulan/kesatuan (agregation), ketergantungan (dependency), relasi-relasi turunannya, keberagaman dan indikator navigasi, dan role name

(peranan/tugas nama). 2.2.5.6Activity Diagram

Activity diagrams menggambarkan berbagai alir aktivitas dalam sistem yang sedang dirancang, bagaimana masing-masing alir berawal, decision yang mungkin terjadi, dan bagaimana mereka berakhir. Activity diagram juga dapat menggambarkan proses paralel yang mungkin terjadi pada beberapa eksekusi.

Activity diagram merupakan state diagram khusus, di mana sebagian besar state adalah action dan sebagian besar transisi di-trigger oleh selesainya

state sebelumnya (internal processing). Oleh karena itu activity diagram tidak menggambarkan behaviour internal sebuah sistem (dan interaksi antar subsistem)

secara eksak, tetapi lebih menggambarkan proses-proses dan jalur-jalur aktivitas dari level atas secara umum.

Sebuah aktivitas dapat direalisasikan oleh satu use case atau lebih. Aktivitas menggambarkan proses yang berjalan, sementara use case

menggambarkan bagaimana aktor menggunakan sistem untuk melakukan aktivitas.

Sama seperti state, standar UML menggunakan segi empat dengan sudut pembulat untuk menggambarkan aktivitas. Decision digunakan untuk menggambarkan behaviour pada kondisi tertentu. Untuk mengilustrasikan proses-proses paralel (fork dan join) digunakan titik sinkronisasi yang dapat berupa titik, garis horizontal atau vertikal. Activity diagram dapat dibagi menjadi beberapa

object swimlane untuk menggambarkan objek mana yang bertanggung jawab untuk aktivitas tertentu.

2.2.5.7Sequence Diagram

Sequence diagram adalah suatu diagram yang menggambarkan interaksi antar obyek dan mengindikasikan komunikasi diantara obyek-obyek tersebut. Diagram ini juga menunjukkan serangkaian pesan yang dipertukarkan oleh obyek-obyek yang melakukan suatu tugas atau aksi tertentu. Obyek-obyek tersebut kemudian diurutkan dari kiri ke kanan, aktor yang menginisiasi interaksi biasanya ditaruh di paling kiri dari diagram.

Pada diagram ini, dimensi vertikal merepresentasikan waktu. Bagian paling atas dari diagram menjadi titik awal dan waktu berjalan ke bawah sampai dengan bagian dasar dari diagram. Garis Vertical, disebut lifeline, dilekatkan pada setiap obyek atau aktor. Kemudian, lifeline tersebut digambarkan menjadi kotak ketika obyek melakukan suatu operasi , kotak tersebut disebut activation box. Obyek dikatakan mempunyai live activation pada saat tersebut.

2.2.5.8State Diagram

Statechart diagram menggambarkan transisi dan perubahan keadaan (dari satu state ke state lainnya) suatu objek pada sistem sebagai akibat dari stimuli

yang diterima. Pada umumnya statechart diagram menggambarkan class tertentu (satu class dapat memiliki lebih dari satu statechart diagram).

Dalam UML, state digambarkan berbentuk segiempat dengan sudut membulat dan memiliki nama sesuai kondisinya saat itu. Transisi antar state

umumnya memiliki kondisi guard yang merupakan syarat terjadinya transisi yang bersangkutan, dituliskan dalam kurung siku. Action yang dilakukan sebagai akibat dari event tertentu dituliskan dengan diawali garis miring.

Titik awal dan akhir digambarkan berbentuk lingkaran berwarna penuh dan berwarna setengah.

37 3.1 Analisis Sistem

Analisis sistem dapat didefinisikan sebagai penguraian dari suatu sistem yang utuh ke dalam bagian-bagian komponennya dengan maksud untuk mengidentifikasi dan mengevaluasi permasalahan-permasalahan yang terjadi dan kebutuhan– kebutuhan yang diharapkan. Pada bagian ini akan dijelaskan lebih

detail mengenai permasalahan serta kebutuhan yang ingin dicapai. 3.1.1 Analisis Masalah

Banyak kegiatan atau aktifitas manusia yang bergantung pada keadaan cuaca. Faktor cuaca ini terkadang memiliki pengaruh sangat besar bagi keberlangsungan kegiatan yang dilakukan setiap hari, mengingat cuaca merupakan kondisi udara yang berlangsung dalam waktu singkat. Kondisi cuaca ditentukan oleh sejumlah faktor, antara lain temperatur udara, kelembaban udara, arah angin dan kecepatan angin. Faktor-faktor tersebut dapat dijadikan acuan untuk mempolakan kecenderungan unsur cuaca pada waktu tertentu.

Dalam mempolakan data sebagai langkah awal yaitu membutuhkan data yang benar- benar siap dipakai untuk analisis. Data yang diperoleh merupakan data mentah, maka data tersebut harus melalui serangkaian proses yang disebut dengan data preparation.

3.1.2 Data Preparation

Langkah awal dari proses data preparation adalah identifikasi data yang ada. Berdasarkan sumber data yang ada, data pemantauan cuaca yang akan digunakan untuk penelitian ini adalah data selama 5 tahun yaitu data tahun 2005-2009. Berikut ini adalah contoh tabel hasil pengukuran unsur cuaca harian yang diperoleh :

Tabel 3.1 Data Pemantauan Unsur Cuaca (Januari 2005)

Tgl TEMPERATUR (c)

CURAH

HUJAN KELEMBABAN NISBI(%) ANGIN (KNOT)

T1 T2 T3 RATA2 (mm) K1 K2 K3 RATA2

KEC RATA2

ARAH TERBANYAK

KEC

TERBESAR ARAH

1 21.3 27.2 24.8 23.7 6 89 64 78 80 6 W 7 W

2 22 28.9 26 24.7 0 80 60 74 74 7 W 8 W

3 21 27.8 26 24 0 88 63 77 79 4 W 5 W

4 22.2 27.2 25 24.2 0 89 70 81 82 6 W 8 W

5 22 26.6 23.2 23.5 1.4 93 75 83 86 8 W 10 W

6 22 27 24.2 23.8 0 88 72 78 82 7 W 9 W

7 21.1 25 23 22.6 1.6 95 76 91 89 0 C 0 C

8 21 27.1 23.3 23.1 2 93 72 88 87 6 W 8 W

9 21.4 27.6 22.4 23.2 2.2 95 66 91 87 6 N 8 N

10 21.3 29.2 25.8 23.3 5.7 90 53 71 76 5 W 8 W

11 19 29.2 26 23.9 0 83 57 74 74 0 C 0 C

12 20.4 28.4 26.6 24 0.8 84 63 73 76 7 W 7 W

13 21.7 28 25 24.1 20.3 95 0 84 84 6 W 7 W

14 21.8 28.6 23.5 23.9 0 89 66 87 83 7 W 8 W

15 20.5 28.4 25.2 23.7 4.1 94 0 81 84 5 W 7 W

16 20.4 28.2 23.4 23.1 4.6 94 64 90 86 6 W 10 W

17 21.6 25 23.4 22.9 7.3 0 0 80 85 6 W 8 W

18 21.6 24 21.4 22.2 0.4 93 81 93 90 6 W 7 W

19 21.1 25.2 22.4 22.5 21.5 96 0 91 88 5 W 7 W

20 20.2 27.8 21.9 22.5 1.5 93 68 91 86 8 W 10 W

21 20.8 27.6 24 23.3 6 94 64 81 83 8 W 11 W

22 21.4 28 24.6 23.9 11.5 91 64 81 82 6 W 10 W

23 21.2 26.4 23.2 23.4 0 89 67 74 80 7 W 9 W

24 21.8 24.2 23.2 22.8 0.3 91 77 87 87 7 W 8 W

25 20.9 27.6 24.2 23.4 0 89 61 78 79 6 W 7 W

26 20.2 27.6 22.8 22.7 0 89 69 91 85 8 W 8 W

27 19.6 27.4 25 22.9 24.3 94 75 81 86 5 W 9 W

28 21.4 26.2 24.4 23.4 1.7 91 73 84 85 5 W 8 W

29 21 23.4 21.8 21.8 0.5 91 91 93 92 0 C 0 C

30 21.2 26.6 25 23.5 43.7 96 73 76 85 7 W 8 W

31 21.8 28.2 23.8 23.9 0.8 81 58 84 76 3 W 4 W

JUMLAH 723.9 168.2 2578 173

Berikut ini merupakan gambaran tabel-tabel yang ada pada sumber data yang berasal dari file exel di atas yang telah di-convert ke dalam sebuah database

sederhana dapat dilihat pada gambar 3.1 berikut : temperatur PK KodeTemperatur T1 T2 T3 RataRata kelembaban PK KodeKelembaban K1 K2 K3 RataRata angin PK KodeAngin KecRataRata ArahTerbanyak KecAnginTerbesar Arah kondisi PK KodeKondisi KodeTemperatur KodeKelembaban KodeAngin CurahHujan Tanggal FK1 FK2 FK3

Gambar 3.1 Skema Relasi Data Operasional

Berikut ini keterangan struktur tabel data transaksi tersebut : 1. Tabel temperatur

Tabel 3.2 Struktur Tabel Temperatur Nama field Tipe data Keterangan KodeTemperatur varchar(8) Kode temperatur.

T1 Float Pengukuran tempertur jam 07.00. T2 Float Pengukuran temperatur jam 13.00. T3 Float Pengukuran temperatur jam 18.00. RataRata Float Pengukuran rata-rata setiap hari.

2. Tabel kelembaban

Tabel 3.3 Struktur Tabel Kelembaban

Nama field Tipe data Keterangan KodeKelembaban varchar(8) Kode kelembaban.

K1 Integer Pengukuran kelembaban jam 07.00. K2 Integer Pengukuran kelembaban jam 13.00. K3 Integer Pengukuran kelembaban jam 18.00. RataRata Integer Pengukuran rata-rata setiap hari.

3. Tabel angin

Tabel 3.4 Struktur Tabel Angin Nama field Tipe data Keterangan KodeAngin varchar(8) Kode angin.

KecRataRata Integer Kecepatan rata-rata setiap hari Arah terbanyak varchar(15) Arah terbanyak setiap hari.

KecAnginTerbesar Integer Kecepatan angin terbesar setiap hari.

Arah varchar(15) Arah angin.

4. Tabel kondisi

Tabel 3.5 Struktur Tabel Kondisi

Nama field Tipe data Keterangan KodeKondisi varchar(8) Kode kondisi.

KodeTemperatur varchar(8) Kode temperatur (foreign key dari tabel temperatur).

KodeKelembaban varchar(8) Kode kelembaban (foreign key dari tabel kelembaban).

KodeAngin varchar(8) Kode angin (foreign key dari tabel angin).

Nama field Tipe data Keterangan CurahHujan Float Curah hujan.

Tanggal Date Tanggal transaksi.

Dari data tersebut tidak semua kolom pada tabel 3.4 digunakan, harus dilakukan proses seleksi untuk mendapatkan variabel yang relevan dalam data mart. Dalam hal ini setelah melihat karakteristik data tersebut maka yang akan digunakan adalah variabel nilai rata-rata (temperatur), curah hujan, rata-rata (kelembaban), kec.rata-rata (angin), dan arah terbanyak (angin). Pemilihan kolom ini juga dilakukan berdasarkan wawancara dari pihak LIPI mengenai atribut unsur cuaca yang berperan penting dalam menentukan kondisi cuaca. Teknik pemilihan kolom dan untuk mengatasi data yang tidak konsisten akan dibahas secara detail

pada pokok bahasan Analisis Data Mart. 3.1.3 Analisis Data Mart

Untuk melakukan proses analisis data dibutuhkan sebuah tempat penampungan data dari berbagai sumber data yang disebut dengan data mart, dari

data mart ini nantinya akan dilakukan aktifitas data mining atau penggalian data. 3.1.3.1 Analisis Arsitektur Data Mart

Arsitektur data menyediakan kerangka dengan mengidentifikasikan dan memahami bagaimana data akan dipindahkan melalui sistem dan digunakan untuk analisis. Arsitektur data untuk data mart mempunyai komponen utama yaitu read-only database.

Arsitektur yang akan digunakan adalah Two – Layer Architecture. Arsitektur ini terdiri dari 4 lapisan aliran data, yaitu :

1. Lapisan pertama adalah source layer. Pada lapisan ini, data masih berupa operasional data. Data operasional yang akan digunakan pada pembangunan

data mart kali ini sudah berupa data logic yang ada di database server.

2. Lapisan kedua adalah data staging. Pada lapisan ini, data operasional akan diekstrak ( lebih dikenal dengan proses ETL ) ke dalam data mart.

3. Lapisan ketiga adalah data mart layer. Informasi akan disimpan pada sebuah penyimpanan logic yang tersentralisasi, yaitu data mart. Data mart dapat diakses secara langsung, dan juga bisa digunakan sebagai sumber dalam melakukan pengalian data ( data mining).

4. Lapisan keempat adalah analysis.

Arsitektur data mart dapat dilihat pada gambar 3.2 berikut :

Data Operasional

Sumber Data

Membuat Link ke Database

Memuat Sumber ke Mesin Database Data Staging Penyimpanan Data Data Mart Data Mining Analisis Mengecek Sumber Data

Apakah sumber data

sesuai ?

Melakukan Extract dan

Transform

Menjalankan Script untuk

Loading Data Database

Operasional ya tidak

OLAP

Gambar 3.2 Arsitektur Data Mart

Gambar 3.2 menjelaskan arsitektur data mart. Secara umum terbagi dari empat bagian yaitu sumber data, data staging, penyimpanan data dan analisis.Penjelasan dari tiap- tiap bagian adalah sebagai berikut :

1. Sumber Data (Source Layer)

Data sumber berasal dari data operasional yang telah ada yaitu file exel yang berisi data pemantauan cuaca yang kemudian di convert ke sebuah database sementara yaitu database operasional yang berisi semua data pemantauan cuaca.

2. Data Staging

Pada bagian data staging, dilakukan proses berikut :

a. Pemilihan sumber data yaitu database operasional yang nantinya diolah menjadi data mart.

b. Pengecekan database operasional layak atau tidak layak untuk dijadikan data mart.

c. Setelah dinyatakan layak maka dilakukan ekstraksi data dengan mengambil sumber data yaitu database operasional.

d. Proses selanjutnya adalah transformasi dilakukan pemilihan kolom, pengubahan nama, perubahan bentuk data dan pengambilan kolom tanggal menjadi dimensi waktu dari tabel- tabel yang sudah diekstraksi.

e. Proses selanjutnya adalah loading. Semua proses transform tadi menghasilkan sedikit tabel dan kolom yang penting. Load disini berfungsi untuk memasukkan data hasil transform di data staging

ke data mart. 3. Penyimpanan Data

Hasil dari ETL akan disimpan ke data mart, nantinya akan digunakan dalam proses analisis.

4. Analisis

Data mart sudah dapat digunakan untuk melakukan analisis sesuai kebutuhan.

3.1.3.2 ETL (Extract, Transform, Loading)

ETL merupakan proses yang sangat penting dalam data mart, dengan ETL inilah data dari operational dapat dimasukkan ke dalam data mart. ETL dapat digunakan untuk mengintegrasikan data dengan sistem yang sudah ada sebelumnya. Tujuan ETL adalah mengumpulkan, menyaring, mengolah, dan menggabungkan data-data yang relevan dari berbagai sumber untuk disimpan ke dalam data mart. Hasil dari proses ETL adalah dihasilkannya data yang memenuhi kriteria data mart seperti data yang historis, terpadu, terangkum, statis, dan memiliki struktur yang dirancang untuk keperluan proses analisis.

a. Extract

Langkah pertama pada proses ETL adalah mengekstrak data dari sumber -sumber data. Extraction merupakan proses untuk mengidentifikasi seluruh sumber

data yang relevan dan mengambil data dari sumber data tersebut. Data mart dapat menggabungkan data dari sumber-sumber yang berbeda dengan sistem-sistem terpisah yang menggunakan format data yang berbeda.Berikut adalah proses ekstrak pada data mart :

Mulai

Baca Data Pemantauan

Cuaca

Pengecekan Data Pemantauan Cuaca

Apakah data tersedia?

Salin Data

Data hasil ekstrak ditampilkan

Selesai Update data

staging hasil ekstraksi

Gambar 3.3 Flowchart Proses Ekstract

Proses ekstraksi dari database operasional ke dalam data mart adalah sebagai berikut :

1. Proses ektrak tabel temperatur

Pada ektrak data disini, dilakukan proses pengambilan data dari sumber database operasional. Kolom yang diekstrak adalah kolom KodeTemperatur, T1, T2, T3 dan RataRata. Hasil dari ekstraksi data tabel temperatur dapat dilihat pada tabel berikut :

Tabel 3.6 Tabel Temperatur

KodeTemperatur T1 T2 T3 RataRata

T05001 19.6 27.2 22.2 22.2

T05002 21.3 28.5 25 24

T05003 20 28.4 26.8 23.8

T05004 21.2 29.5 24.3 24.1

T05005 21 27 24.2 23.3

2. Proses ekstrak tabel kelembaban

Pada ektrak data disini, dilakukan proses pengambilan data dari sumber database operasional. Kolom yang diekstrak adalah kolom KodeKelembaban, K1, K2, K3 dan RataRata. Hasil dari ekstraksi data tabel kelembaban dapat dilihat pada tabel berikut :

Tabel 3.7 Tabel Kelembaban

KodeKelembaban K1 K2 K3 RataRata

K05001 91 65 91 85

K05002 91 62 75 80

K05003 87 62 67 76

K05004 93 55 81 81

K05005 91 73 87 86

3. Proses ektrak tabel angin

Pada ektrak data disini, dilakukan proses pengambilan data dari sumber database operasional. Kolom yang diekstrak adalah kolom KodeAngin, KecRataRata, ArahTerbanyak, KecTerbesar dan Arah. Hasil dari ekstraksi data tabel angin dapat dilihat pada tabel berikut :

Tabel 3.8 Tabel Angin

KodeAngin KecRataRata ArahTerbanyak KecTerbesar Arah

A05001 6 W 10 N

A05002 4 W 5 W

A05003 0 C 0 C

A05004 7 W 10 W

A05005 5 W 5 W

4. Proses ekstrak tabel kondisi

Pada ektrak data disini, dilakukan proses pengambilan data dari sumber database operasional. Kolom yang diekstrak adalah kolom KodeKondisi, KodeTemperatur, KodeKelembaban, KodeAngin, CurahHujan dan Tanggal. Hasil dari ekstraksi data tabel kondisi dapat dilihat pada tabel berikut :

Tabel 3.9 Tabel Kondisi

KodeKondisi KodeTemperatur KodeKelembaban KodeAngin CurahHujan Tanggal

N05001 T05001 K05001 A05001 1.6 2005-01-01

N05002 T05002 K05002 A05002 2 2005-01-02

N05003 T05003 K05003 A05003 0 2005-01-03

N05004 T05004 K05004 A05004 1 2005-01-04

N05005 T05005 K05005 A05005 0 2005-01-05

b. Transformation

Setelah dilakukan tahapan ekstrak, proses transformasi dilakukan untuk melakukan perubahan dan integrasi skema serta struktur yang berbeda-beda kedalam skema dan struktur yang terdefinisi dalam data mart. Tahapan transformasi menggunakan serangkaian aturan atau fungsi untuk mengekstrak data dari sumber dan selanjutnya akan dimasukkan ke data mart. Proses ini untuk menyesuaikan data apa saja yang akan di load ke dalam target, melakukan join

Fungsi transformasi yang dilakukan antara lain : 1. Cleaning

Pada tahap ini proses cleaning dilakukan untuk data- data yang tidak valid dan data yang bernilai null. Data yang yang tidak valid dan bernilai null maka data tersebut tidak diambil. Penjelasan dari proses cleaning adalah sebagai berikut :

a. Tabel Temperatur

Pada tabel temperatur, kolom T1, T2 dan T3 tidak akan digunakan dalam proses transformasi, karena tidak digunakan dalam proses analisis. Hasil dari cleaning tabel temperatur adalah sebagai berikut :

Tabel 3.10 Tabel Hasil Cleaning Temperatur

KodeTemperatur RataRata

T05001 22.2

T05002 24

T05003 23.8

T05004 24.1

T05005 23.3

b. Tabel Kelembaban

Pada tabel kelembaban, kolom K1, K2 dan K3 tidak akan digunakan dalam proses transformasi, karena tidak digunakan dalam proses analisis. Hasil dari cleaning dari tabel kelembaban adalah sebagai berikut :

Tabel 3.11 Tabel Hasil Cleaning Kelembaban

KodeKelembaban RataRata

K05001 85

K05002 80

KodeKelembaban RataRata

K05004 81

K05005 86

c. Tabel Angin

Pada tabel angin, kolom KecTerbesar dan Arah tidak akan digunakan dalam proses transformasi, karena tidak digunakan dalam proses analisis. Hasil dari cleaning dari tabel kelembaban adalah sebagai berikut :

Tabel 3.12 Tabel Angin Hasil Cleaning

KodeAngin KecRataRata ArahTerbanyak

A05001 6 W

A05002 4 W

A05003 0 C

A05004 7 W

A05005 5 W

d. Tabel Kondisi

Pada tabel kondisi, semua kolom akan digunakan dalam proses transformasi, karena digunakan dalam proses analisis. Hasil dari

cleaning dari tabel kondisi adalah sebagai berikut : Tabel 3.13 Tabel Kondisi Hasil Cleaning

KodeKondisi KodeTemperatur KodeKelembaban KodeAngin CurahHujan Tanggal

N05001 T05001 K05001 A05001 1.6 2005-01-01

N05002 T05002 K05002 A05002 2 2005-01-02

N05003 T05003 K05003 A05003 0 2005-01-03

N05004 T05004 K05004 A05004 1 2005-01-04

Proses

Conditioning

•

Pada tahap ini dilakukan perubahan nama

field

, tipe data pada

masing- masing tabel dan atribut dari sumber data ke target

data yaitu

data mart

. Penjelasan

conditioning

pada proses

transformasi adalah sebagai berikut :

•

Tabel- tabel yang berada dalam sumber data akan dipilih dan

diubah namanya dan dimasukkan ke dalam

database

target

(

data mart

) artinya terdapat dua

database

yang berbeda yaitu

db_cuaca yang menjadi sumber data dan

database

Proses

Conditioning

•

Perubahan data yang berbentuk

kontinyu ke bentuk diskrit. Data

sampel

yang

digunakan

pada

penelitian ini mempunyai atribut

yang nilainya numerik, sedangkan

data yang dibutuhkan adalah data

yang nilainya nominal. Untuk itu

atribut

yang

nilainya

numerik

tersebut diganti dengan atribut

bernilai nominal yang menunjukkan

interval nilai dengan nilai diskrit.

Proses

ini

dikenal

sebagai

diskritisasi yang berisi transformasi

dari

variable quantitative

kedalam

variabel

kualitatif.

Hasil

dari

perubahan bentuk data kontinyu ke

dalam bentuk diskrit lebih jelasnya

dapat dilihat pada tabel berikut ini :

Atribut Nilai Kontinyu Nilai Diskrit

Temperatur temperatur<=21.0 Temperatur sangat rendah

Temperatur 21.0<temp er atur <=22. 0

Temperatur rendah

Temperatur 22.0<temp er atur <=23. 0

Temperatur sedang

Temperatur 23.0<temp er atur <=24. 0

Temperatur agak tinggi

Temperatur 24.0<temp er atur <=25. 0

Temperatur tinggi

Temperatur temperatur>25.0 Temperatur sangat tinggi

Kelembaban kelembaban<=70 Kelembaban san gat

rendah

Kelembaban 70<kelembaban<=75 Kelembaban rendah

Kelembaban 75<kelembaban<=80 Kelembaban sedang

Kelembaban 80<kelembaban<=85 Kelembaban agak tinggi

Kelembaban 85<kelembaban<=90 Kelembaban tinggi

Atribut Nilai Kontinyu Nilai Diskrit

Kelembaban kelembaban>90 Kelembaban sangat tinggi

Kec Angin kec.angin<=2 Kec angin sangat rendah

Kec Angin 2< kec.angin <=4 Kec angin rendah

Kec Angin 4< kec.angin <=6 Kec angin sedang

Kec Angin 6< kec.angin <=8 Kec angin agak tinggi

Kec Angin 8< kec.angin <=10 Kec angin tinggi

Kec Angin kec.angin >10 Kec angin sangat tinggi

Curah Hujan Curah hujan=0 Tidak hujan

Curah Hujan 0<Curah hujan<=5 Curah hujan sangat rendah

Curah Hujan 5<Curah hujan<=20 Curah hujan rendah

Curah Hujan 20<Curah hujan<=50 Curah hujan sedang

Curah Hujan 50<Curah hujan<=100 Curah hujan tinggi

Proses Loading

•

Mendistribusikan data hasil transformasi

Mulai

Baca Data Hasil Transform

Salin Data

Selesai Data Mart

Kesimpulan dan Saran

•

Kesimpulan yang dapat ditarik setelah melakukan analisis,

perancangan, pembangunan dan pengujian terhadap sistem simulasi

data preparation adalah sebagai berikut :

•

Analisis data preparation yang dilakukan pada penelitian ini dapat

menyediakan data yang berkualitas dan konsisten.

•

Dari hasil data preparation yang dilakukan ternyata data sudah

memenuhi syarat untuk digunakan dalam proses analisis

•

Saran yang diajukan dalam pengembangan analisis

data preparation

ini adalah melakukan penelitian lanjutan untuk menemukan metode

analisis yang tepat pada

data mart

ini.