Indexing Spatio-Temporal Pada Data Hotspot

 

INDEXING SPATIO-TEMPORAL PADA DATA HOTSPOT

MIFTAHUDIN YOGA PERMANA

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011

i 

 

 

ABSTRACT
MIFTAHUDIN YOGA PERMANA. Indexing on Spatio-temporal Hotspot Data. Supervised by
ANNISA.

The spatial information of hotspot is always changing over time. The recording of these
changes makes it necessary to add dimension of time (temporal) into database. The database which is
capable to store spatial and temporal information is known as spatiotemporal database. This database is
bigger than a normal database because it stores all versions of an object over time and not allowed data
to be physically deleted. A large database size causes it’s search time increases. It makes an access
structure is needed in spatiotemporal database. Indexing is one of the access structure applied in the
spatiotemporal database that accelerates data searching process. Spatiotemporal indexing method
consists of two parts namely spatial indexing which is based on geographical information, and
temporal indexing which is based on data timing information. The process of hotspot data indexing
will be done in this research by using R-Tree approach for spatial data and Change Temporal Index
(CTI) for temporal data. R-Tree is a hierarchical, height-balanced external memory data structure for
multidimensional object. The hierarchical of R-Tree based on list of administrative such as regency,
provinces and island. Change Temporal Index makes indexed data based on temporal side like valid
time. CTI keeps valid data in current database and previous data according to interval valid time in
historical database. This research is expected to accelerate the retrieving process in spatiotemporal
databases. Spatial indexing makes searching faster up to 70%, temporal indexing makes searching
faster up to 35% and spatiotemporal indexing makes searching faster than without indexing up to 50%.
Keywords: Spatial, Temporal, Spatiotemporal, Spatial Indexing, Temporal Indexing, Spatiotemporal
Indexing, Change Temporal Indexing, R-tree

i 

 

 

INDEXING SPATIO-TEMPORAL PADA DATA HOTSPOT

MIFTAHUDIN YOGA PERMANA

Skripsi
Sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011

ii 

 

 

Judul
Nama
NRP

: Indexing Spatio-Temporal Pada Data Hotspot
: Miftahudin Yoga Permana
: G64070088

 
 
 
 
 

 
Menyetujui:
Pembimbing

Annisa, S.Kom, M.Kom.
NIP. 19790731 200501 2 002

Mengetahui:
Ketua Departemen Ilmu Komputer,

Dr. Ir. Sri Nurdiati, M.Sc.
NIP. 19601126 198601 2 001

Tanggal Lulus :

ii 

 

 

RIWAYAT HIDUP
Miftahudin Yoga Permana dilahirkan di Bengkulu pada tanggal 18 Juli 1989 dan merupakan
anak kedua dari tiga bersaudara dengan ayah bernama Jarot Suharto dan Ibu bernama Uswatun
Nurjannah. Pada tahun 2007 lulus dari Sekolah Menengah Atas Negeri 5 Bengkulu dan diterima di
Program Studi Ilmu Komputer Institut Pertanian Bogor melalui jalur SMPB. Selama aktif sebagai
mahasiswa, penulis pun turut aktif mengikuti beberapa kegiatan kepanitiaan di Fakultas MIPA serta
Departemen Ilmu Komputer, antara lain : IT TODAY 2009, Pesta Sains 2009, SPIRIT 2009, ISC
2009. Penulis pun bergabung dalam Komunitas JAVA pada Himpunan Mahasiswa Ilmu Komputer
IPB. Selain itu penulis juga menjadi Asisten Praktikum mata kuliah Algoritma dan Pemograman serta
Penerapan Komputer di Departemen Ilmu Komputer IPB.

iii 

 

 

PRAKATA
Puji dan syukur penulis panjatkan kehadirat Allah SWT atas segala rahmat dan hidayah-Nya

sehingga penulis dapat menyelesaikan tugas akhir dengan judul Indexing Spatio-Temporal pada Data
Hotspot. Penelitian ini dilaksanakan mulai Februari 2011 sampai dengan Juli 2011, bertempat di
Departemen Ilmu Komputer Institut Pertanian Bogor.
Penulis menyampaikan terima kasih kepada pihak-pihak yang telah membantu dalam
penyelesaian tugas akhir ini antara lain:
1.

Bapak, Ibu, kakak dan adikku tercinta yang tiada henti-hentinya memberikan doa, kasih sayang,
dan dukungan kepada penulis.

2.

Ibu Annisa, S.Kom., M.Kom. selaku dosen pembimbing yang telah banyak memberikan arahan
dan bimbingan dengan sabar kepada penulis dalam menyelesaikan skripsi ini.

3.

Bapak Hari Agung Adrianto, S.Kom., M.Si dan Bapak Toto Haryanto, S.Kom., M.Si selaku
dosen penguji.

4.

Yuridhis Kurniawan, Fani Wulandari, Dhieka Avrilia Lantana, Ayi Imaduddin, Remarchtito
Heyziputra, Dedek Apriyani, Muhammad Arif Fauzi dan Hidayat sebagai teman satu bimbingan
yang selalu memberikan masukan, saran dan semangat kepada penulis.

5.

Ade Fruandta, Arif Nofyansyah dan Fadly Hilman atas segala bantuan dan ilmu yang diberikan
kepada penulis dalam penyelesaian skripsi.

6.

Fanny Risnuraini, Aprilia Ramadhina, Laras Mutiara Diva, Ira Nurazizah, Tri Setiowati, Isna
Mariam, Agus Umriadi, Woro Indriyani, Huswantoro Anggit, Muhammad Akbar Teguh Cipta
Pramudia dan Arizal Notyasa sebagai sahabat terdekat penulis dalam menjalani kehidupan yang
indah selama menjadi mahasiswa.

7.

Rekan-rekan ilkomerz 44 atas segala kebersamaan, bantuan, dan motivasi dan kenangan indah
yang tidak akan pernah terlupakan.

Penulis menyadari bahwa masih terdapat kekurangan dalam penulisan skripsi ini. Semoga skripsi
ini bermanfaat.

Bogor, September 2011

Miftahudin Yoga Permana

iv 

 

 

DAFTAR ISI
Halaman
DAFTAR GAMBAR ............................................................................................................................ vii
DAFTAR TABEL .................................................................................................................................. vi

DAFTAR LAMPIRAN ......................................................................................................................... vii
PENDAHULUAN
Latar Belakang .................................................................................................................................... 1
Tujuan Penelitian ................................................................................................................................ 1
Ruang Lingkup Penelitian................................................................................................................... 1
Manfaat Penelitian .............................................................................................................................. 1
TINJAUAN PUSTAKA
Spatio-Temporal Data ......................................................................................................................... 2
Event-based Spatiotemporal Data Model ........................................................................................... 2
Spatiotemporal Indexing ..................................................................................................................... 3
Spasial Indexing dengan R-Tree ......................................................................................................... 4
Changes Temporal Index .................................................................................................................... 4
Hotspot (titik panas) ........................................................................................................................... 5
METODE PENELITIAN
Analisis ............................................................................................................................................... 6
Indexing Spatial dengan R-Tree ......................................................................................................... 6
Indexing Temporal dengan CTI .......................................................................................................... 8
Implementasi..................................................................................................................................... 10
Pengujian .......................................................................................................................................... 10
Evaluasi ............................................................................................................................................ 10

HASIL DAN PEMBAHASAN
Indexing Spasial ................................................................................................................................ 10
Indexing Temporal ............................................................................................................................ 13
Uji coba indexing spasial .................................................................................................................. 16
Uji coba indexing temporal............................................................................................................... 18
Uji coba indexing spatio-temporal.................................................................................................... 19
KESIMPULAN DAN SARAN
Kesimpulan ....................................................................................................................................... 22
Saran ................................................................................................................................................. 22
DAFTAR PUSTAKA ........................................................................................................................... 23
LAMPIRAN .......................................................................................................................................... 24 

 

v 

 

 

DAFTAR GAMBAR
Halaman
1Deskripsi Spatiotemporal Data ............................................................................................................. 2
2 Event Based Spatiotemporal Data Model (ESTDM) ........................................................................... 2
3 Model Data Spatiotemporal dengan Konsep ESTDM ......................................................................... 3
4 Minimum Bounding Rectangle ............................................................................................................. 4
5 Struktur R-Tree .................................................................................................................................... 4
6 Changes Temporal Index ..................................................................................................................... 5
7 Metodologi Penelitian .......................................................................................................................... 6
8 Tahap Indexing Spatial......................................................................................................................... 6
9 Langkah-langkah Indexing Spatial ....................................................................................................... 7
10 Fungsi ST_UNION Potsgis ................................................................................................................ 7
11 Fungsi ST_ENVELOPE Potsgis ........................................................................................................ 8
12 Mekanisme Indexing Temporal .......................................................................................................... 8
13 Langkah-langkah Indexing Temporal ................................................................................................ 9
14 Hierarki Spasial Hotspot Indonesia .................................................................................................. 11
15 Perbandingan Struktur Data dengan Indexing Spasial ..................................................................... 13
16 Hierarki Temporal ............................................................................................................................ 14
17 Perbandingan Struktur Data dengan Indexing Temporal.................................................................. 16
18 Perbandingan Kueri .......................................................................................................................... 16
19 Perbandingan waktu pencarian hotspot pada pulau di Indonesia ..................................................... 17
20 Perbandingan waktu pencarian hotspot pada tahun tertentu............................................................. 19
21 Perbandingan waktu pencarian hotspot pada tahun dan bulan tertentu ............................................ 19
22 Perbandingan waktu pencarian hotspot tahun dan pulau dengan indexing spatio-temporal ............ 20
23 Perbandingan waktu pencarian hotspot pada tahun dan pulau tertentu dengan indexing spatial ..... 21
24 Perbandingan waktu pencarian data pada provinsi tertentu berdasarkan node child........................ 22

 

DAFTAR TABEL
Halaman
1 Contoh Tabel indonesia_kab .............................................................................................................. 11
2 Contoh Tabel polygons ...................................................................................................................... 12
3 Contoh Tabel polygons_mbr .............................................................................................................. 12
4 Contoh Tabel polygons_rtree ............................................................................................................. 12
5 Contoh Tabel hotspot .......................................................................... Error! Bookmark not defined.
6 Contoh Tabel temp_list ...................................................................................................................... 14
7 Contoh Tabel temp_tree ..................................................................................................................... 15
8 Perbandingan waktu pencarian pada wilayah tertentu ....................................................................... 17
9 Perbandingan waktu pencarian data pada tahun tertentu.................................................................... 18
10 Perbandingan waktu pencarian data pada bulan tertentu di tahun tertentu....................................... 18
11 Perbandingan waktu pencarian data wilayah tertentu di tahun 2004 indexing spatio-temporal....... 19
12 Perbandingan waktu pencarian data pada pulau tertentu di tahun 2004 dengan indexing spasial .... 20
13 Perbandingan waktu pencarian hotspot pada provinsi tertentu berdasarkan node child................... 21

vi 

 

 

 
DAFTAR LAMPIRAN
Halaman
1 SQL pembangunan Indexing Spasial ................................................................................................. 25
2 SQL pembangunan Indexing Temporal ............................................................................................. 25
3 Hasil perbandingan waktu pencarian dengan kueri spasial ................................................................ 26
4 Kueri Temporal .................................................................................................................................. 27
5 Perbandingan waktu pencarian pada kueri spatio-temporal ............................................................... 27

vii 

 

 

PENDAHULUAN
Latar Belakang

entri yang unik sehingga pencarian menjadi lebih
cepat.

Informasi geografis (spasial) tentang hotspot
selalu berubah setiap saat. Perubahan tersebut
menyebabkan informasi yang telah lama di dalam
database digantikan dengan informasi yang
terjadi saat ini. Terkadang informasi yang lama
diperlukan untuk menduga informasi yang akan
datang, sehingga informasi yang lama perlu
disimpan dalam suatu database. Untuk
menyimpan data yang lama perlu ditambahkan
dimensi waktu pada database. Adanya
penambahan dimensi waktu (temporal) pada
database spasial menyebabkan bertambahnya
kompleksitas dalam manajemen informasi pada
database (Halaoui 2006). Untuk itu diperlukan
suatu metode dalam menajemen database
sehingga semua informasi baik yang lama dan
baru dapat tersimpan dengan baik dan dapat
diakses dengan mudah.

Metode indexing pada database spatiotemporal sudah banyak berkembang dan
dipublikasikan. Metode indexing spatio-temporal
terdiri atas 2 bagian, yaitu indexing spatial yang
berdasarkan informasi geografis dan indexing
temporal yang berdasarkan informasi waktu pada
data (Nguyen-Dinh, et al. 2010). Hatem F.
Halaoui pada tahun 2006 telah melakukan
penelitian untuk mencari metode indexing yang
efisien dalam menangani data spatio-temporal
termasuk kemampuan untuk menyimpan,
mencari, update dan kueri. Pendekatan yang
dilakukan
adalah
melakukan
indexing
menggunakan R-Tree untuk data spasial dan CTI
(Change Temporal Index) untuk data temporal.
Hasil penelitian Halaoui (2006) menyebutkan
bahwa dengan adanya indexing proses pecarian
data dapat dilakukan lebih cepat.

Penelitian yang telah dilakukan adalah
membuat suatu database yang mampu
menampung data spatiotemporal seperti yang
dilakukan oleh Maryam pada tahun 2009 yaitu
membuat database dengan konsep event-based
spatiotemporal dengan data dummy polygon.
Penelitian tersebut kemudian dilanjutkan oleh
Kurniawan
pada
tahun
2011
dengan
menggunakan data hotspot di Indonesia dari tahun
1997 sampai 2005. Penerapan konsep event-based
spatiotemporal membutuhkan ukuran database
yang lebih besar dikarenakan database
menyimpan semua versi objek dari waktu ke
waktu dan tidak mengizinkan penghapusan data
secara fisik (Maryam 2009).

Penelitian ini menerapkan teknik indexing
pada database yang telah dibangun oleh Yuridhis
Kurniawan pada tahun 2011. Hasil dari penelitian
akan dibandingkan dengan database yang tidak
menggunakan indexing untuk melihat tingkat
efisiensi dari teknik yang digunakan.

Ukuran database yang besar menyebabkan
kesulitan dalam melakukan pencarian data
sehingga diperlukan suatu struktur akses di dalam
database spatio-temporal. Indexing adalah salah
satu stuktur akses yang diaplikasikan dalam suatu
database spatio-temporal dalam memanajemen
informasi. Dengan adanya indexing pada suatu
database spatio-temporal diharapkan dapat
meningkatkan efisiensi dalam proses pencarian
informasi dalam database. Indexing dapat
mempercepat proses pencarian data dikarenakan
di dalam indexing hanya menyimpan sekumpulan
data entri yang dapat mengenaili sebuah record
dalam suatu database. Oleh karena itu pencarian
melalui indexing hanya dilakukan pada sebagian

Tujuan Penelitian
Tujuan penelitian ini adalah menggunakan
teknik indexing untuk efisiensi dalam pencarian
data dan kueri informasi pada database spatiotemporal. Database yang digunakan merupakan
database spatio-temporal dengan konsep eventbased spatio-temporal.
Ruang Lingkup Penelitian
Penelitian ini difokuskan pada pembuatan
modul indexing dan uji coba kueri pada database
spatio-temporal.
Manfaat Penelitian
Manfaat dari penelitian ini adalah untuk
mempercepat pencarian informasi pada database
spatio-temporal dengan menggunakan teknik
indexing.

1

 

 

TINJAUAN PUSTAKA
Spatio-Temporal Data
Spatio-temporal data adalah data spasial yang
berubah seiring waktu (Rahim 2006). Ketika suatu
area berubah, maka data spasial akan memiliki
elemen temporal (waktu). Deskripsi dari spatiotemporal data dapat dilihat pada Gambar 1 di
bawah ini.

Adanya penambahan aspek temporal membuat
data spasial menjadi semakin besar. Hal ini
menyebabkan proses pencarian data memakan
waktu yang semakin lama. Untuk itu diperlukan
suatu struktur data yang dapat mempercepat
proses informasi pada database spatio-temporal.
Event-based Spatiotemporal Data Model
Konsep Event Based Spatiotemporal Data
Model (ESTDM) didasarkan pada waktu sebagai
dasar pembangunan, yang dimaksudkan untuk
memudahkan analisis hubungan temporal dan
pola perubahan sepanjang waktu (Duan &
Peuquet 1995). Model ini memungkinkan kueri
yang berbasis temporal yang berhubungan dengan
lokasi dapat diimplementasikan secara langsung
dan efisien. Gambar 2 di bawah merupakan model
dari database spatio-temporal dengan konsep
Event Based Spatiotemporal Data Model
(ESTDM).

Gambar 1 Deskripsi Spatiotemporal Data.
(Sumber : Rahim 2006)
Dari gambar di atas dapat dilihat bahwa objek
A pada waktu t1 berubah menjadi objek AB pada
waktu t2, kemudian objek AB berubah menjadi
objek B pada waktu tn. Perubahan tersebut akan
terjadi sampai waktu ke n, dimana n adalah akhir
dari proses perubahan.
Data spatio-temporal adalah bagian dari
perubahan informasi geografis. Informasi
geografis terdiri atas informasi ruang dan
informasi atribut. Ruang menggambarkan lokasi
dan bentuknya. Atribut menggambarkan jenis
feature, nama dan informasi yang berhubungan
dengan objek geografis yang menjadi objek studi.
Elemen waktu tidak hanya menjelaskan suatu
perubahan tetapi juga menggambarkan perubahan
perilaku dan perubahan waktu itu sendiri, apakah
perubahan tersebut terjadi secara terus menerus
(continous), bersiklus (cyclical) atau intermitten
(intermittent) (Rahim 2006).
Kueri yang digunakan untuk pencarian
infromasi pada database spatio-temporal terdiri
atas 3 jenis kueri. Kueri pertama berdasarkan
aspek spasial saja contohnya mencari hotspot
yang terjadi di daerah A. Kueri kedua berdasarkan
aspek temporal saja misalkan mencari hotspot
yang terjadi pada bulan Januari di tahun 2005.
Kueri ketiga gabungan dari spasial dan temporal
misalkan mencari data kebakaran hutan pada
daerah A di bulan Januari pada tahun 2005.

 
Gambar 2 Event Based Spatiotemporal Data
Model (ESTDM).
(Sumber : Peuquet 1995)
Pada Gambar 2 di atas terdapat header yang
berisi nama dari domain tematik yang pointer ke
base map, nama base map, time-stamp dari nilai
waktu awal yang terkait dengan base map, dan
pointer ke elemen pertama dan terakhir dari daftar
kejadian (daftar event). Base map terdiri atas
gambar snapshot run-length-encoded raster
lengkap dari seluruh wilayah geografis yang
direpresentasikan. Setiap entri dalam daftar
kejadian berisi waktu terjadinya event, daftar
pointer yang menunjuk ke setiap komponen
akibat adanya event, dan pointer previous dan
next, yang mengarah ke elemen sebelumnya dan
berikutnya dalam daftar event. Pointer
sebelumnya pada elemen pertama kembali ke
header dan pointer selanjutnya pada elemen
terakhir pada daftar kejadian diberi nilai NULL.

2 

 

 

Header T0

1/1
(Tgl/Bln)

2/1
(Tgl/Bln)

31/12
(Tgl/Bln)

Base Map
M0
Keterangan :
x : Lintang
y : Bujur

Vs : Valid Start
Ve : Valid End

Ket : Appear / Disappear /
Stability

Gambar 3 Model Data Spatiotemporal dengan Konsep ESTDM.
(Sumber : Kurniawan 2011)
Daftar kejadian yang demikian dibangun sebagai
doubly-linked list (Peuquet 1995).
Database yang digunakan adalah database
yang digunakan pada penelitian Yuridhis
Kurniawan (2011) dengan konsep ESTDM yang
telah dimodifikasi sesuai dengan data yang
digunakan yaitu data hotspot. Model database
spatio-temporal pada data hotspot dengan konsep
ESTDM dapat dilihat pada Gambar 3.
Pada Gambar 3 di atas terdapat header yang
berisi nama domain tematik pointer ke base map,
waktu awal pencatatan dan waktu akhir
pencatatan. Base map berisi daftar hotspot saat
waktu T0, dimana pada base map diasumsikan
tidak ada satupun hotspot di semua daerah di
Indonesia. Untuk data model dengan data hotspot
entry event digantikan dengan entri record time
karena event yang menyebabkan hotspot berubah
tidak dapat diketahui secara jelas mengingat
cepatnya evolusi hotspot tersebut (Kurniawan
2011). Entri record time adalah entri waktu
pencatatan hotspot yang dilakukan setiap hari
dimulai dari tanggal 1 bulan 1, tanggal 2 bulan 1
sampai tanggal 31 bulan 12.
Aspek spasial yang digunakan dalam database
adalah atribut x dan y. Atribut x dan y
merepresentasikan lintang dan bujur dari hotspot
yang muncul. Untuk aspek temporal digunakan
atribut Vs dan Ve. Vs sebagai waktu awal
munculnya hotspot (waktu saat appear) dan Ve
sebagai akhir dari kemunculan hotspot (waktu
saat disappear). Atribut keterangan berisi appear
jika hotspot tersebut baru muncul, disappear
kalau hotspot tersebut menghilang dan stability

jika hotspot tersebut adalah hotspot yang sama
yang ada pada tanggal sebelumnya. Pada
mekanisme pencatatan hostpot, data yang baru
masuk dan tidak muncul di tanggal sebelumnya
dicatat lintang, bujur, Vs sesuai dengan tanggal
masuknya data, Ve = “NOW” dan keterangan =
“appear”. Nilai Ve = “NOW” menandakan
bahwa data hotspot tersebut masih valid saat data
masuk. Jika data tidak valid lagi maka Ve akan
diperbarui dengan tanggal dimana data baru
masuk.
Spatiotemporal Indexing
Spatiotemporal indexing adalah salah satu
struktur data yang diterapkan pada database
spatio-temporal. Teknik indexing diperlukan
karena dalam database spatio-temporal terdapat
dimesi waktu yang menyebabkan ukuran dari
database semakin besar. Penggunaan indexing
dimaksudkan
untuk
mempercepat
proses
pengaksesan database seperti pencarian data.
Dalam spatio-temporal data, database lama
(historical database) menjadi fokus dalam proses
indexing karena ukuran database ini sangat besar
dan pertambahan data sangat cepat. Terdapat tiga
kategori indexing pada historical database.
Pertama, indexing domain spasial kemudian
temporal. Kedua, indexing domain temporal
kemudian spasial. Ketiga, menggabungkan aspek
spasial dan temporal dalam satu struktur. (Mokbel
Mohamed F., et al 2003).
Indexing spasial dilakukan pada entitas spasial
dari database. Langkah awal dari indexing ini
adalah menentukan entitas spasial dari database,

3

 

 

biasanya indexing dilakukan pada data polygon.
Setelah itu dilakukan penentuan hierarki dari data
spasial. Dari hierarki yang ada akan dibuat tree
untuk indexing. Setelah itu data asli akan dibuat
tree sesuai dengan hierarki yang ada.
Indexing temporal dilakukan pada entitas
waktu dari database. Entitas waktu dari database
adalah valid time dari objek spasial. Untuk itu
langkah awal dari indexing temporal adalah
menentukan valid time dari masing-masing objek
spasial. Setelah valid time didapat maka akan
dibuat hierarki dari valid time tersebut. Dari
hierarki yang ada akan dibuat tree dari data. Hasil
dari tree tersebut akan digunakan dalam proses
pencarian untuk kueri temporal.

Misalkan objek d,e dan f digabung menjadi satu
region dengan MBR-nya adalah A. Objek g dan h
digabung menjadi satu region dengan MBR B.
Objek i dan j menjadi satu region dengan MBR C.
Dari penentuan di atas didapat hierarki yang ada
seperti Gambar 5a, garis putus-putus merupakan
MBR dari beberapa objek.
(a)

Spasial Indexing dengan R-Tree
Sejumlah metode indexing telah diusulkan
untuk pengindeksan database spasial dan
temporal. Di antara metode akses spasial, yang
paling populer adalah R-Tree yang diusulkan oleh
Guttman pada tahun 1984. R-Tree adalah sebuah
tree dengan ketinggian yang seimbang, mirip
dengan B-Tree dengan index pada node daunnya
mengandung pointer ke suatu objek (Guttman
1984).
R-Tree merupakan suatu pohon B-Tree untuk
suatu
objek
multidimensional.
Objek
multidimensional
direpresentasikan
dengan
Minimun Bounding Rectangle (MBR), MBR suatu
objek adalah suatu polygon terkecil berbentuk
persegi yang membungkus suatu objek geometry
(Halloui 2006). Gambar 4 di bawah adalah contoh
dari MBR suatu objek geometry. Setiap geometry
akan dicari titik-titik terluar dari objek geometry.
Titik terluar dari objek terdiri atas 4 komponen
yaitu nilai minimum absis X, nilai maksimum
absis X , nilai minimum ordinat Y dan nilai
maksimum ordinat Y.

Gambar 4 Minimum Bounding Rectangle.
(Sumber : Halaoui 2006)
MBR dapat dibuat dari struktur attribut seperti
pulau, provinsi dan kabupaten. Pada Gambar 5a di
bawah menggambarkan suatu data spasial.

(b)

Gambar 5 Struktur R-Tree.
(Sumber : Yang dan Zhang 2005)
Dari hierarki objek spasial seperti Gambar 5a
dibentuk R-Tree seperti Gambar 5b. Untuk root
terdiri atas bagian MBR yag lebih besar yaitu
MBR A, B, dan C. Kemudian masing-masing
node memiliki leaf sesuai dengan hierarki yang
ada. Untuk nodeA memiliki leaf d,e dan f, node B
memiliki leaf g dan h, dan node C memiliki leaf i
dan j.
Changes Temporal Index
Changes Temporal Index (CTI) adalah salah
satu teknik indexing yang dibuat pada penelitian
sebelumnya oleh Halaoui pada tahun 2006.
Pendekatan indexing yang dilakukan adalah
sebagai berikut :
- Beberapa versi dimasukkan pada database
spatiotemporal.
- Hanya versi saat ini pada database yang
mengandung informasi tentang semua objek.
- Semua versi lama akan disimpan sesuai
dengan waktu valid versi tersebut (Halaoui
2006).

4 

 

 

Gambar 6 di bawah menunjukkan struktur dari
CTI. Pada versi terakhir (current database)
mencakup seluruh database yang tersedia antara
waktu n dan sekarang. Semua versi sebelumnya
hanya mencakup data yang berbeda sesuai dengan
interval waktu valid. Contohnya untuk interval
waktu Time1-Time2 berisi 2 data (L1 dan L2)
sedangkan pada interval waktu Time2-Time3
berisi 2 data berbeda yaitu (L3 dan L4). Hal ini

permukaan di darat dan di laut. Satelit ini
mendeteksi objek di permukaan bumi yang
memiliki suhu relatif lebih tinggi dibandingkan
sekitarnya. Suhu yang dideteksi berkisar antara
210 K (37°C) untuk malam hari dan 315 K (42°C)
untuk siang hari.
Satelit NOAA mengelilingi bumi setiap 100
menit di ruang angkasa sejauh 850 km. Data dari

Old version that have only spatial changes with respect to current database

Current Database

Gambar 6 Changes Temporal Index.
(Sumber : Halaoui 2006)
menjelaskan bahwa pada interval Time1-Time2
data yang valid adalah data dengan ID L1 dan L2,
sedangkan pada interval waktu Time2-Time3 data
yang valid adalah L3 dan L4. 
Hotspot (titik panas)
Hotspot merupakan titik-titik di permukaan
bumi dimana titik-titik tersebut merupakan
indikasi adanya kebakaran hutan dan lahan
(Ratnasari 2000). Indikasi yang dimaksud adalah
suhu panas hasil kebakaran hutan yang naik ke
atas atmosfer (suhu yang relatif lebih tinggi
dibandingkan dengan suhu sekitarnya) dan
ditangkap oleh satelit serta didefinisikan sebagai
hotspot berdasarkan ambang batas suhu
(threshold) tertentu.
Satelit yang biasa digunakan adalah satelit
NOAA (National Ocean and Atmospheric
Administration)
melalui
sensor
AVHRR
(Advanced Very High Resolution Radiometer)
karena sensor tersebut dapat membedakan suhu

NOAA dapat diterima hampir setiap hari pada
waktu tertentu. AVHRR akan mendeteksi suhu
permukaan tanah menggunakan sinar infra merah
pendek utama. Ukuran kebakaran yang luasannya
kurang dari 1.21 km² akan dipresentasikan
sebagai satu pixel dan yang lebih dari 1.21 km²
akan dipresentasikan sebagai 2 pixel. Luas areal
minimum yang mampu dideteksi sebagai 1 pixel
diperkirakan seluas 0.15 ha (Albar 2002).
Beberapa kelemahan tetap melekat pada satelit
NOAA. Salah satunya adalah sensor yang tidak
dapat menembus awan, asap atau aerosol.
Kelemahan tersebut akan sangat merugikan bila
kebakaran besar terjadi sehingga wilayah tersebut
tertutup asap. Kejadian seperti itu sangat sering
sekali terjadi di musim kebakaran, sehingga
jumlah hotspot yang terdeteksi jauh lebih rendah
dari yang seharusnya.

5 

 

 

METODE PENELITIAN
Metode penelitian terdiri atas analisis data
kebakaran hutan, proses indexing, implementasi
indexing pada database, pengujian, dan evaluasi.
Gambar 7 merupakan proses penelitian yang
dilakukan.
Model
Database

Analisis

Indexing

Daftar
Kueri

Indexing dengan R-tree dipilih karena
indexing ini mudah diimplementasikan pada
database dan juga memiliki tingkat efisiensi pada
proses pencarian data yang besar. Untuk indexing
temporal memakai metode indexing CTI karena
indexing ini sudah mendukung indexing dengan
data temporal dan juga mudah untuk
diimplementasikan. Indexing dengan CTI
nantinya akan memakai tree dari R-tree.
Indexing Spatial dengan R-Tree
Untuk indexing spatial dilakukan indexing
menggunakan R-tree. Gambar 8 menunjukkan
tahapan yang dilakukan untuk membuat indexing
spatial.
Membuat list dari masingmasing
polygon
yang
digunakan sesuai data yg ada

Implementasi

Uji Kueri

Evaluasi

Membuat list Minimum
Bounding Rectangle (MBR)
dari polygon

Membuat hierarki
regional polygon

Gambar 7 Metodologi Penelitian.
Analisis
Analisis merupakan tahap untuk mencari
teknik indexing apa yang cocok untuk diterapkan
pada data kebakaran hutan. Teknik yang dicari
harus disesuaikan dengan entitas yang didapat
pada model database. Terdapat beberapa macam
metode indexing yang sudah berkembang hingga
saat ini. Salah satunya adalah indexing
menggunakana R-tree untuk data spasial dan CTI
untuk data temporal.

Membuat
tabel
relational
index
berdasarkan hierarki
Gambar 8 Tahap Indexing Spatial.
Untuk indexing spasial yang digunakan adalah
data polygon. Selanjutnya di bawah ini akan
dijelaskan tahapan dari indexing yang dilakukan
secara rinci.

6 

 

 

Gambar 9 Langkah-langkah Indexing Spatial.
(Sumber Kriegel et al 2004)
Berikut ini langkah-langkah yang dilakukan
dalam melakukan indexing spasial :
1. Tentukan polygon atau area yang akan kita
indexing sesuai dengan data yang ada.
Polygon yang dibutuhkan dalam indexing
hotspot adalah kabupaten, provinsi, pulau dan
Indonesia. Data asli yang digunakan adalah
kabupaten-kabupaten di Indonesia. Dari
kabupaten yang ada dicari polygon untuk
provinsi, pulau dan se-Indonesia yang
dilakukan secara manual. Mencari polygon
provinsi, pulau dan Indonesia menggunakan
fungsi sql postgis “ST_UNION”. Gambar 10
di bawah merupakan fungsi ST_UNION yang
ada di dalam postgis. Fungsi tersebut akan
menggabungkan 2 atau lebih objek polygon
menjadi satu polygon. Tipe data masukan dan
yang dikembalikan fungsi tersebut adalah
geometry. Polygon Setelah semua polygon
didapat maka dimasukkan ke dalam satu tabel
yaitu tabel polygons seperti pada Gambar 9a.

CREATE OR REPLACE FUNCTION
st_union(geometry, geometry)
RETURNS geometry AS
'$libdir/postgis-1.5','geomunion'
LANGUAGE 'c' IMMUTABLE STRICT
COST 1;
ALTER FUNCTION st_union(geometry,
geometry) OWNER TO postgres;

Gambar 10 Fungsi ST_UNION potsgis.
Fungsi SQL di atas akan menghasilkan
polygon-polygon yang diperlukan. Objek dari
polygon tersebut akan disimpan di dalam suatu
tabel seperti Gambar 9a di atas. Kolom id
berisi nama atau identifier objek dari polygon.
Kolom geom berisi polygon dari objek,
dengan tipe data geometry.
2. Setelah semua polygon dari area yang
dibutuhkan didapat maka dicari MBR dari
masing-masing polygon menggunakan fungsi
sql postgis “ST_ENVELOPE” seperti Gambar

7

 

 

11. Fungsi ST_ENVELOPE akan mencari
Minimum Bounding Rectangle dari suatu
objek polygon dengan masukan geometry dari
objek tersebut dan menghasilkan MBR dari
objek dengan tipe data geometry. Hasil dari
MBR akan disimpan ke dalam tabel
polygon_mbr.
CREATE OR REPLACE FUNCTION
st_envelope(geometry)
RETURNS geometry AS
'$libdir/postgis-1.5', 
'LWGEOM_envelope'
LANGUAGE 'c' IMMUTABLE STRICT
COST 1;
ALTER FUNCTION st_envelope(geometry)
OWNER TO postgres;

Gambar 11 Fungsi ST_ENVELOPE Potsgis.

dan child_mbr. Atribut page_id merupakan
objek dari polygon di dalam tree, sedangkan
page_lev menunjukkan levelnya di dalam tree.
Atribut child_id mengandung page_id dari
objek yang terhubung pada entry dan child_id
berisi MBR dari objek tersebut. Penentuan
child dari masing-masing node dilakukan
dengan fungsi “ST_WITHIN” di dalam
postgis.
Indexing Temporal dengan CTI
Changes Temporal Index (CTI) adalah salah
satu teknik indexing pada data temporal. CTI
menggunakan valid time dari objek sebagai entitas
yang akan dilakukan indexing. Gambar 12 di
bawah ini merupakan tahap-tahap yang dilakukan
dalam indexing temporal yaitu :

Contoh dari tabel polygons_mbr dapat
dilihat pada Gambar 9b. Isi dari tabel tersebut
adalah id dari objek sesuai dengan tabel
polygon sebelumnya dan juga MBR dari objek
yang didapat dengan menggunakan fungsi
ST_ENVELOPE.
3. Hierarki dari regional polygon dibuat untuk
menggambarkan indexing yang akan dibuat.
Untuk data hotspot yang digunakan hierarki
dari area dibagi menjadi 4 level sesuai dengan
atributnya yaitu :
1. Area Indonesia
2. Area Pulau-pulau
3. Area Provinsi
4. Area Kabupaten
Gambar 9c di atas merupakan contoh
hierarki regional dari polygon sebelumnya.
Polygon A dan B memiliki MBR 5 dan 6.
Polygon A dan B menduduki hierarki
terbawah, kemudian di atasnya merupakan
MBR 5 dan 6. MBR 5 dan 6 tergabung
menjadi satu region dengan MBR yaitu 2.
MBR 2 tergabung dalam satu region dengan
MBR 3 dan 4 menjadi MBR 1. MBR 1 adalah
region terbesar dari semua polygon yang ada
sehingga MBR 1 menduduki root dari hierarki
regional.
4. Setelah mengetahui hierarki regional dari data
maka dibuatlah indexing berdasarkan MBR
masing-masing polygon yang ada di dalam
tabel polygons_mbr. Hasil indexing akan
disimpan di dalam tabel polygons_rtree seperti
Gambar 9d di atas. Tabel tersebut terdiri atas 4
atribut yaitu page_id , page_lev , child_id ,

Gambar 12 Mekanisme Indexing Temporal.
Tahap indexing spatio-temporal di atas dari
segi temporal saja. Tahapan indexing yang
dilakukan akan diilustrasikan di bawah. Jika
diberikan data spatio-temporal seperti Gambar
13a. Diambil contoh data spatio-temporal pada
tahun 2005 dan tahun 2006. Pada tahun 2005
terdapat 4 polygon yaitu G1, G2, G3, dan G4 dan
3 node yaitu N1, N2, dan N3. Kemudian pada
tahun 2006 data tersebut berubah menjadi 4
polygon (G1, G2, G5, dan G6) dan 2 node (N2
dan N4). Dari data spatio-temporal pada Gambar
13a akan dilakukan indexing temporal sesuai
dengan mekanisme pada Gambar 12. Berikut
adalah langkah-langkah indexing temporal yang
dilakukan :

8 

 

 

Gambar 13 Langkah-langkah indexing temporal
1. Masukkan data versi 0 (awal) ke dalam
current database. Set Valid Start (Vs) dengan
waktu saat data masuk dan Valid End (Ve)
dengan now. Data awal seperti pada Gambar
11.b1 di atas terdapat 7 record. Masukkan
semua record ke dalam current database
dengan waktu valid dari 2005 sampai
sekarang. Berikan nilai Valid Start (Vs) pada
setiap record dengan waktu pada saat itu yaitu
2005 dan nilai Valid End (Ve) dengan now,
seperti pada Gambar 13.b2.

‐

2. Masukkan data baru, bandingkan dengan
current data yang sudah ada. Pada data baru
yang masuk terdapat 6 buah record yang
masuk dalam database seperti pada Gambar
13.c1. Bandingkan record yang ada pada data
baru dengan record pada current database
pada Gambar 13.c2. Hasil perbandingan
didapatkan :

3. Langkah selanjutnya adalah memindahkan
objek yang tidak valid ke dalam old database
(historical database). Saat objek tidak valid
lagi maka Valid End (Ve) yang sebelumnya
bernilai now diganti menjadi nilai tahun pada
saat objek tidak valid, dalam kasus ini maka
Ve diisikan dengan 2006. Hasil old database
yang didapat seperti Gambar 13d dengan
selang waktu 2005-2006 terdiri atas 2 buah
polygon (G3 dan G4) dan 2 buah node (N1

‐

‐

Terdapat record yang sama yaitu objek O1,
O2, dan O6, maka objek tersebut masih valid
saat tahun 2006.
Terdapat objek baru yang tidak ada pada
current data yaitu O8, O9, dan O10, maka
semua objek baru tersebut dianggap valid pada
saat itu dengan Vs yaitu 2006.
Terdapat objek pada current database yang
tidak muncul pada data baru yaitu objek O3,
O4, O5, dan O7, maka objek tersebut dianggap
tidak valid lagi.

9

 

 

dan N3). Objek di atas akan diberikan index
sesuai dengan tahun saat objek tersebut valid
yaitu 2005-2006.

HASIL DAN PEMBAHASAN

4. Untuk objek yang masih valid akan
dimasukkan ke dalam current database. Ganti
current database diubah dari “2005–now”
menjadi
“2006–now”.
Gambar
13e
merupakan hasil dari current database yang
didapat setelah memasukkan data tahun 2006.
Isi dari current database merupakan objekobjek yang valid dari tahun 2006 sampai
sekarang.

Indexing Spasial
Indexing spasial akan memakai data hotspot
dari tahun 2002 sampai tahun 2005 dengan model
data yang dibangun oleh Kurniawan tahun 2011.
Data spasial yang ada dipakai terdapat pada Tabel
geografis_info seperti pada Tabel 1. Lintang dan
bujur merupakan koordinat dari hotspot,
sedangkan nama_kab dan nama_prop berisi
informasi spasial dari hotspot. Atribut the_geom
berisi geometry masing-masing hotspot yang
digunakan untuk mapping ke dalam peta.

5. Jika ada data baru yang masuk maka lakukan
lagi langkah 2 sampai 4. Untuk mengakses
data yang masih valid kita hanya perlu
mengakses current database sehingga waktu
yang dibutuhkan lebih sedikit.

Indexing spasial data yang digunakan adalah
data pada atribut nama_kab dan nama_prop.
Langkah awal untuk melakukan indexing adalah
membuat hierarki spasial dari data polygon
berdasarkan nama kabupaten dan nama provinsi
terjadinya hotspot.

Implementasi
Pada tahap ini indexing akan diterapkan pada
database yang digunakan dalam sistem. Database
yang akan digunakan adalah postgist yaitu spatial
PostgreSQL.
• Processor
: Intel Pentium Dual Core
1.86 Ghz
• RAM
: 2 GB
• Sistem Operasi : Windows XP SP 2
• DBMS
: PostgreSQL 8.4.4
Pengujian
Pengujian teknik indexing akan dilihat dengan
cara menghitung waktu komputasi yang dilakukan
saat pencarian data. Dari daftar kueri yang
diberikan akan dilihat seberapa baik teknik
indexing yang telah dilakukan. Kueri yang
digunakan terdiri atas 3 jenis yaitu kueri spasial,
kueri temporal dan kueri spatio-temporal.
Evaluasi
Pada tahap evalusi akan dilakukan penilaian
terhadap efisiensi teknik indexing yang diterapkan
pada database spatio-temporal. Pada tahap ini
akan dilakukan perbandingan kinerja sistem
antara yang menggunakan teknik indexing dengan
yang tidak menggunakan indexing. Kinerja dapat
dihitung dari waktu yang dibutuhkan dalam
menjalankan suatu kueri pada proses pencarian.

Hierarki spasial untuk indexing dapat dilihat
pada Gambar 14 di bawah. Indexing spasial pada
data hotspot hierarki dibagai menjadi 4 level.
Level 4 adalah “INDONESIA” yang mencakup
seluruh data polygon hotspot di Indonesia. Level
di bawahnya yaitu level 3 adalah “pulau” yang
terdiri atas 6 pulau besar di Indonesia yaitu
SUMATERA, JAWA, KALIMANTAN, SUNDA
KECIL (Bali dan Nusa Tenggara), SULAWESI
dan IRIAN JAYA. Node pada level 3 hanya
mencakup data hotspot sesuai dengan nilainya.
Misalnya untuk node “SUMATERA” hanya akan
mencakup pulau Sumatera saja sesuai dengan
nama kabupaten pada kolom nama_kab.
Untuk level 2 berisi provinsi-provinsi yang
ada pada data hotspot. Seluruh node pada level ini
adalah semua provinsi yang terdaftar pada kolom
nama_prop di tabel geografis_info. Nilai pada
node di level ini sesuai dengan nodeparent di
atasnya, misalkan pada node “SUMATERA” di
level 3 maka node yang berhubungan pada level 2
adalah provinsi-provinsi yang ada di pulau
Sumatera yaitu Riau, Jambi, Lampung dan lain
lain. Pada level 1 berisi kabupaten-kabupaten
yang ada pada tabel geografis_info di kolom
nama_kab. Nilai dari node sesuai dengan parent
pada level di atasnya, contohnya untuk node
“JAMBI” maka semua node yang terhubung pada
level 1 adalah kabupaten-kabupaten yang ada
pada provinsi Jambi seusai dengan letak
geografisnya yaitu Tebo, Bungo, Jambi (Kota)
dan lain lain.

10 

 

 

Tabel 1 Contoh Data Geografis_info
Lintang

Bujur

-7.574

110.777

1.55

101.567

-8.107

115.078

-8.115

112.911

Nama_kab

Nama_prop

The_geom

Surakarta (Kota)

Jawa Tengah

01010000007D3F355

Dumai (Kota)

Riau

01010000003F355EB

Buleleng

Bali

Malang

Jawa Timur

01000000A245B6F3F
0101000000FCA9F1D

Gambar 14 Hierarki Spasial Hotspot Indonesia
Setelah hierarki dari data indexing dibuat
maka semua objek polygon yang dibutuhkan
dicari dan kemudian dimasukkan ke dalam suatu
tabel yaitu tabel polygons. Karena indexing yang
akan dilakukan adalah indexing spasial maka data
yang dipakai adalah data semua provinsi dan
kabupaten di Indonesia sampai tahun 2005 yang
ada pada tabel Indonesia_kab seperti Tabel 2 di
bawah ini. Data pada tabel Indonesia_kab yang
dibutuhkan adalah nama_kab yang berisi seluruh
kabupaten di Indonesia, nama_prop adalah daftar
semua provinsi di Indonesia sesuai dengan

kabupaten, dan
juga dimasukkan. Untuk
mencari nilai geometry dari masing-masing
provinsi digunakan fungsi potsgis “ST_UNION”
dengan cara menggabungkan semua kabupaten
dengan nama provinsi yang sama. Setelah
provinsi dimasukkan maka polygon untuk pulau
dimasukkan berdasarkan provinsi yang ada.
Terdapat 5 pulau besar di Indonesia yaitu
Sumatera, Jawa, Kalimantan, Sunda Kecil,
Sulawesi, Maluku dan Irian Jaya. Untuk
mendapatkan nilai geometry dari pulau akan
dicari
dengan
fungsi
postgis

Tabel 2 Contoh Tabel Indonesia_kab
gid

kode_kab

nama_kab

kode_prop

nama_prop

the_geom

1

9401

MERAUKE

94

PAPUA

01060000EC0 ………..

40

8171

KOTA AMBON

81

MALUKU

106000000010………..

71

7403

KENDARI

74

SULAWESI TENGGARA

01060000000E………..

231

3529

SUMENEP

35

JAWA TIMUR

01060000004F………..

297

3101

KEPULAUAN SERIBU

31

DKI JAKARTA

01060000005F………..

the_geom yang berisi geometry dari kabupaten
jika dilakukan mapping pada peta Indonesia.
Dari tabel Indonesia_kab akan diambil semua
kabupaten dan geometry untuk dimasukkan pada

tabel polygons, kemudian provinsi dari kabupaten
“St_envelope” seperti pada geometry provinsi.
Polygon terakhir adalah polygon Indonesia yang
didapat dengan menggabungkan seluruh polygon
provinsi yang sudah dicari sebelumnya. Setelah

11

 

 

semua polygon tersedia maka dimasukkan data
polygon ke dalam tabel polygons. Tabel 3 di
bawah ini merupakan contoh dari tabel polygons.
Tabel 3 Contoh Tabel polygons
Nama

Geom.

Keterangan

INDONESIA

0106000000D…….

Indonesia

JAWA

0106000000F…….

Pulau

BALI

01060000000…….

Provinsi

BENGKULU

10600000000…….

Provinsi

KAMPAR

10600000001….….

Kabupaten

SOLOK

10600000001….…

Kabupaten

DAIRI

10600000001…….

Kabupaten

Tabel polygons terdiri atas 3 kolom yaitu
nama, geom, dan keterangan. Kolom nama berisi
nama-nama polygon yang digunakan pada proses
indexing yang terdiri atas kabupaten-kabupaten,
provinsi-provinsi, pulau-pulau dan Indonesia.
Kolom geom berisi geometry dari polygon sesuai
dengan nama polygon yang digunakan dalam
proses selanjutnya. Kolom keterangan berisi
keterangan polygon sesuai dengan hierarki.
Setelah data polygon yang digunakan didapat
dilakukan
pencarian
Minimum
Bounding
Rectangle (MBR) dari masing-masing polygon
dengan fungsi postgis “ST_ENVELOPE” dengan
masukan geometry dari polygon. Hasil MBR
masing-masing polygon disimpan pada tabel
polygons_mbr seperti pada Tabel 4 di bawah.
Tabel polygons terdiri atas 3 kolom yaitu nama,
MBR dan keterangan. Kolom nama berisi nama
polygon, kolom MBR berisi MBR dari polygon
dengan tipe data geometry dan kolom keterangan
berisi keterangan polygon sesuai dengan hierarki.
Tabel 4 Contoh Tabel polygons_mbr
Nama

MBR

Keterangan

INDONESIA

010300000001……

Indonesia

JAWA

010300000001……

Pulau

BALI

010300000001……

Provinsi

BENGKULU

010300000001……

Provinsi

KAMPAR

010300000001……

Kabupaten

SOLOK

010300000001……

Kabupaten

Setelah semua MBR dari polygon didapat
dilakukan indexing spasial pada data hotspot

berdasarkan MBR dari masing-masing polygon
sesuai dengan hierarki yang sudah dibuat
sebelumnya. Hasil dari indexing spasial disimpan
di dalam tabel polygons_rtree seperti Tabel 5 di
bawah.
Tabel 5 Contoh Tabel polygons_rtree
child_id
page_id
page_lev
INDONESIA

4

JAWA

3

BALI

2

BENGKULU
KAMPAR
SOLOK
DAIRI

2
1
1
1

JAWA
JAWA
TENGAH
BADUNG
LAHAT
KAMPAR
SOLOK
DAIRI

child_mbr
01030000
01030000
01030000
01030000
01030000
01030000
01030000

Tabel polygons_rtee terdiri atas 4 kolom yaitu
page_id yang berisi node parent pada hierarki,
page_lev berisi level node parent sesuai hierarki,
child_id berisi node leaf sesuai dengan parent
pada hierarki dan child_mbr berisi MBR dari
child_id. Cara mencari parent dan child dari
polygon dilihat berdasarkan hierarki spasialnya.
Level teratas adalah node “INDONESIA” dengan
child berisi polygon provinsi, maka page_id diisi
dengan “INDONESIA” kemudian dicari polygon
dengan dengan keterangan pulau pada tabel
polygons_mbr yang termasuk ke dalam node
INDONESIA. Cara untuk mengetahui child dari
suatu
node
digunakan
fungsi
postgis
“ST_WITHIN”. Fungsi ini akan membandingkan
antara satu geometry dengan geometry lain,
hasilnya merupakan nilai Boolean true atau false.
Hasil true didapat jika geometry A berada di
dalam geometry B, sedangkan nilai false jika
geometry A tidak berada di dalam geometry B.
Dengan MBR dari polygon yang sudah didapat
dapat dicari polygon pulau mana saja yang
termasuk
ke
dalam
MBR
polygon
“INDONESIA”. Setelah parent dan semua child
didapat dapat dimasukkan ke dalam tabel
polygons_rtree. Jika suatu node parent memiliki
banyak child maka data dimasukkan sesuai
dengan banyaknya child, misalkan node
“INDONESIA” memiliki 3 buah child maka
dimasukkan 3 row ke dalam tabel dengan page_id
“INDONESIA” dan child_id berisi masingmasing child yang didapat. Untuk page_lev
dinamakan sesuai dengan level node parent pada
hierarki dan child_mbr diisi sesuai dengan MBR

12 

 

 

pada kolom child. Jika node pada suatu level pada
hierarki sudah dicari semua child maka dilakukan
pencarian parent dan child pada level berikutnya
dengan cara yang sama. Hal ini dilakukan hingga
semua node pada semua level dicari. SQL yang
digunakan dalam pembangunan indexing spasial
dapat dilihat pada Lampiran 1.
Hasil dari indexing spasial yang disimpan di
dalam tabel polygons_rtree akan digunakan dalam
proses pencarian data berdasarkan kueri spasial
yang diberikan oleh user. Adanya indexing spasial
menyebabkan penambahan tabel baru untuk
menyimpan hasil indexing pada database. Pada
Gambar 15 di bawah menampilkan perbedaan
struktur data dengan adanya indexing spasial.

tabel Polygons yang menyimpan semua objek
yang digunakan pada proses indexing seperti pada
Gambar 15b, Tabel polygons_mbr yang
menyimpan semua MBR dari objek pada tabel
polygons seperti pada Gambar 15c dan tabel
polygons_rtree yang menyimpan hasil indexing
spasial yang sudah dilakukan seperti Gambar 15d.
Untuk mengakses database maka akan diakses
tabel polygons_rtree dahulu sebelum mengakses
tabel geografis info yang menyimpan data asli.
Jika user akan mencari dat