BAB IV HASIL DAN PEMBAHASAN
|
|
- Verawati Widjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 20 BAB IV HASIL DAN PEMBAHASAN 4.1. Analisis Data Pada penelitian ini digunakan data satelit NOAA pada tahun 1997 sampai dengan 2005 serta data satelit TERRA dan AQUA dari tahun 2000 sampai dengan Atribut-atribut yang terdapat dalam data hotspot yaitu tahun, bulan, tanggal, waktu, NOAA (satelit), bujur, lintang, provinsi, dan kabupaten. Data spasial dan atribut wilayah administrasi Indonesia yang meliputi kode provinsi, nama provinsi, kode kabupaten, dan nama kabupaten diperoleh dari dalam format.shp dengan skala 1: Dalam format ini, peta Indonesia terdiri atas 30 provinsi dan 440 kabupaten/kota. Analisis data yang dilakukan pada data tersebut yakni memilih atributatribut yang tepat untuk mengembangkan aplikasi spatio-temporal data warehouse. Atribut-atribut yang digunakan adalah tahun, bulan, satelit (NOAA,AQUA, dan TERRA), bujur, lintang dan wilayah atau lokasi. Berdasarkan atribut-atribut yang dipilih tersebut, kemudian dibentuk suatu tabel fakta dan tabel dimensi. Dari hasil analisis data pada penelitian sebelumnya didapatkan sebuah tabel fakta dan lima tabel dimensi, kemudian pada penelitian ini dilakukan penyesuaian dengan adanya penambahan sebuah dimensi, yakni dimensi pulau atau kepulauan, sebagai salah satu level hierarki tambahan pada dimensi lokasi. Skema data warehouse yang digunakan adalah skema snowflake. Skema snowflake ini digunakan untuk menangani redundansi data geometri pada dimensi lokasi (spasial). Skema snowflake dalam schema workbench dapat dilihat pada Gambar 4.
2 21 Gambar 4 Skema Snowflake pada Schema Workbench. 4.2 Ekstraksi Data Sebelum proses ini dilakukan, ada beberapa software pendukung yang harus terinstall pada komputer. Software pendukung itu terdiri dari : 1. Apache tomcat yang berguna sebagai web server. 2. PostgreSQL yang berguna sebagai database relasional. 3. Postgis yang berguna sebagai tambahan pada postgresql untuk mendukung pengolahan data spasial. 4. Quantum GIS yang berguna untuk mengolah data spasial. Proses install software masing-masing diatas, dapat dilihat pada Lampiran 1, Lampiran 2, Lampiran 3, dan Lampiran 4. Pada tahap ekstraksi data, dilakukan proses pembuangan atribut-atribut yang tidak terpakai serta pengambilan data yang relevan sesuai dengan model skema multidimensional yang telah dibuat. Proses ini mereduksi atribut-atribut yang tidak terpilih pada tahap analisis. Hasil reduksi data dapat dilihat pada Tabel 4.
3 22 Tabel 4 Hasil reduksi data Atribut Tipe data Tahun Integer Bulan Varchar (20) NOAA (satelit) Varchar(20) Bujur Text Lintang Text Kode kabupaten Integer Kabupaten Varchar(50) Kode provinsi Integer Provinsi Varchar(50) Kode pulau Integer Pulau Varchar(50) 4.3 Transformasi Data Proses transformasi dilakukan berdasarkan skema snowflake yang telah dibuat pada tahap analisis. Nama-nama atribut disesuaikan berdasarkan nama atribut pada skema tersebut. Atribut tahun dan bulan dikembangkan menjadi tahun, kuartil, dan bulan. Dimensi lokasi diperluas menjadi empat dimensi yaitu dimensi pulau, dimensi provinsi, dimensi kabupaten dan dimensi geohotspot. Pada data fakta ditentukan nilai agregasi atribut-atribut yang menjadi ukuran (measure). Atribut baru dikonstruksi untuk menampung ukuran berupa jumlah hotspot hasil agregasi. Fungsi agregat yang digunakan adalah fungsi sum untuk proses penjumlahan hotspot. 4.4 Pemuatan Data Pada tahapan ini, data awal diproses melalui beberapa tahapan. Untuk melihat proses tahapan pemuatan data bisa dilihat dalam Lampiran 5. Data yang telah diproses kemudian akan secara otomatis termuat ke dalam PostgreSQL, kemudian dilakukan penyesuaian struktur kubus data berdasarkan skema snowflake yang telah dibuat. Kubus data yang dibuat dalam penelitian ini adalah kubus data forestfire_spatialcube. Secara singkat nama dan deskripsi dari kubus data forestfire_spatialcube dapat dilihat pada Tabel 5.
4 23 Tabel 5 Nama dan deskripsi kubus data forestfire_spatialcube Dimensi Deskripsi Waktu kejadian hotspot difoto oleh satelit. Data bulanan Waktu dari tahun 1997 sampai 2005 (NOAA) dan data bulanan dari tahun 2000 sampai dengan 2009 ( TERRA dan AQUA) Satelit Satelit yang digunakan untuk memotret citra (NOAA,AQUA,TERRA) Pulau Terdiri dari 5 Pulau besar di Indonesia (Sumatera, Kalimantan, Sulawesi, Jawa, Irian Jaya). Lokasi Provinsi Provinsi titik hotspot berada (30 provinsi) Kabupaten Kabupaten titik hotspot berada (440 kabupaten) Hotspot ID posisi titik hotspot Database diolah menjadi kubus data dengan menggunakan tool Schema Workbench. Schema Workbench merupakan GUI utility yang digunakan untuk membuat file skema multidimensional pada Geomondrian dalam format XML. Schema Workbench digunakan untuk memetakan kubus, dimensi, dan ukuran pada database PostgreSQL. Format XML digunakan untuk mengolah metadata (informasi tentang data) yang menggambarkan struktur dan maksud data yang terdapat dalam dokumen XML, bukan menggambarkan format tampilan data tersebut. Struktur format XML hasil pemetaan kubus data forestfire_spatialcube dengan Schema Workbench. 4.5 Pembuatan Data Warehouse Setelah seluruh tahapan proses ETL (Extract, Transform, Loading) dilakukan, kemudian masuk ke tahap berikutnya yakni membangun spatiotemporal data warehouse. Spatio-temporal data warehouse dibangun dengan menggunakan arsitektur three tier. Arsitektur ini memiliki tiga lapisan yaitu lapisan bawah, lapisan tengah, dan lapisan atas. Ilutrasi arsitektur spatio-temporal data warehouse ini dapat dilihat pada Gambar 5.
5 24 Gambar 5 Arsitektur spatio-temporal data warehouse. 1. Lapisan bawah Lapisan bawah merupakan tempat pengolahan sumber data warehouse, sekaligus sebagai data source pada Geoserver dalam melakukan query layer. Dalam penelitian ini digunakan Database Management System (DBMS) PostgreSQL dengan library PostGIS untuk mengelola data spasial dan nonspasial menjadi sebuah kubus data. 2. Lapisan Tengah Lapisan ini terdiri atas spatial OLAP (SOLAP) server dan web map server. Penelitian ini menggunakan Geomondrian sebagai spatial OLAP server yang berfungsi menyimpan struktur kubus data dalam bentuk multidimensi dan Geoserver sebagai tempat penyimpanan data geospasial yang berfungsi menghasilkan layer-layer berdasarkan query yang dapat memberikan bentuk penyajian data dalam bentuk peta. Geomondrian dan Geoserver merupakan teknologi open source yang dibangun dalam platform Java. Geomondrian menggunakan MultiDimensional expression (MDX) sebagai bahasa yang mampu menangani struktur data multidimensi. Geomondrian dilengkapi OLAP dan XML for analysis (XMLA) sebagai Aplication Programming Interface (API) yang mendukung fungsi OLAP.
6 25 3. Lapisan Atas Lapisan atas merupakan lapisan untuk end-user berupa hasil query yang dapat menampilkan informasi ataupun ringkasan. Query yang diuji pada Spatial OLAP (SOLAP) berupa query dalam bentuk fungsi MDX yang dapat digunakan sebagai model multidimensi. Informasi disajikan dalam bentuk tabel pivot dan grafik menggunakan Jpivot. Hasil query MDX memiliki kemungkinan dapat disinkronisasikan dengan tampilan peta yang disajikan menggunakan library Open Layers ataupun GeoExt. Namun, pada penelitian ini, sinkronisasi hasil query dengan tampilan peta tersebut belum berhasil dilakukan. Hal ini disebabkan karena tool Geomondrian yang belum stabil dan belum mampu melakukan konfigurasi fungsi yang dapat menyinkronisasikan Jpivot dengan library OpenLayers ataupun GeoExt. Meskipun demikian, penelitian ini sudah dapat menampilkan peta ke dalam sistem Geomondrian. Bentuk visualisasi peta yang telah diintegrasikan ke dalam sistem ini menggunakan query yang berbeda (tidak menggunakan MDX query pada peta), yakni menggunakan filter berupa CQL (Common Query Language). Query tersebut dapat digunakan untuk menyeleksi wilayah atau lokasi yang diinginkan pada peta dan dapat menyeleksi pula letak hotspot pada waktu tertentu pada wilayah tersebut. 4.6 Pembuatan Peta Peta yang hendak dibuat, merupakan suatu bentuk penyajian data yang merupakan hasil representasi dari layer-layer pada suatu web map server. Layerlayer ini dapat berupa point, line, polygon ataupun multipolygon. Pembuatan layer pada web map server ini dibuat berdasarkan query sql yang diberikan di dalam Geoserver yang berada di level application server pada arsitektur three tier-nya. Arsitektur three tier yang dibangun untuk pembuatan peta pada Geoserver dapat dilihat pada Gambar 6.
7 26 Gambar 6 Arsitektur Geoserver (Web Map Server). Layer-layer ini akan dipanggil pada saat sistem secara keseluruhan dieksekusi atau di jalankan pada level user interface atau client. Tahapan pembuatan suatu layer pada web map server (Geoserver) ini meliputi : 1. Membuat workspace Workspace ini dibuat sebagai ruang kerja dari layer-layer yang akan dibuat, sehingga workspace inilah yang nanti akan menampung layer-layer yang telah dibuat. Pada penelitian ini, workspace yang telah dibuat adalah workspace forestfire_indonesia yang telah dibuat di dalam Geoserver. 2. Membuat data store Data store ini merupakan ruang konfigurasi dalam Geoserver yang menghubungkannya dengan database relasional, yakni PostgreSQL dengan ekstensi PostGIS. Data store yang telah dibuat dalam Geoserver pada penelitian ini adalah ds_forestfire. 3. Membuat layer pada Geoserver Penelitian ini menggunakan Geoserver versi Pada Geoserver versi ini sudah dapat dilakukan query sql biasa maupun geometri dalam menyeleksi suatu data berdasarkan atribut yang diinginkan pada database relasional (PostgreSQL/PostGIS) untuk menghasilkan suatu layer dalam web map server (Geoserver). Sebelum layer terbentuk, perlu dilakukan konfigurasi data yang disediakan Geoserver pada menu layer, guna melengkapi informasi yang dibutuhkan untuk setiap layer. Informasi yang perlu dilengkapi tersebut meliputi
8 27 nama layer, memilih nilai sistem koordinat, bounds peta dan memilih default style. Layer-layer yang terbentuk dari hasil query ini kemudian dikonversi oleh layanan-layanan yang terdapat pada Geoserver menjadi suatu file dengan format XML. File XML inilah yang ketika dilakukan parsing akan menghasilkan URL dengan halaman web yang berupa suatu penyajian data dalam bentuk peta. Penelitian ini membangun layer layer dalam Geoserver yang terdiri atas layer hotspot satelit NOAA, TERRA dan AQUA, satu layer hotspot_indo untuk seluruh hotspot yang digabungkan, kemudian dua layer peta indonesia yang berdasarkan provinsi (layer indo_prov) dan kabupaten (layer indo_kab). 4. Menyesuaikan style peta Untuk menghasilkan suatu layer peta, diperlukan suatu style dari layer yang sesuai dengan tipe layer tersebut (point, line, polygon atau multipolygon). Geoserver telah menyediakan default style yang terdapat dalam librarynya dalam bentuk format SLD (Styled Layer Descriptor). File SLD ini merupakan suatu dokumen berisi syntax XML yang berfungsi mengatur tampilan peta, file-file ini dapat diakses pada menu Style dalam Geoserver. File.sld ini dapat disesuaikan menjadi suatu style yang diinginkan sesuai dengan tipe layer yang dipilih. Style inilah yang disesuaikan dan digunakan, sehingga sistem ini dapat melihat pola persebaran hotspot, serta melihat perbedaan batas wilayah pada suatu daerah di Indonesia secara jelas. Contoh file.sld yang dibuat dalam Geoserver untuk menghasilkan style suatu layer. 5. Melihat hasil peta Tahap ini merupakan tahap yang dilakukan untuk melihat hasil dari layer-layer yang telah dihasilkan berdasarkan query dan telah dilakukan penyesuaian terhadap style sesuai tipe layernya. Pada Geoserver untuk melihat peta sesuai layer yang telah dibuat, dapat mengakses menu Layer Preview. Namun menu ini diakses pada Geoserver, sedangkan untuk melakukan pemanggilan terhadap layer yang telah dibuat ke dalam sistem, digunakan suatu library OpenLayers atau GeoExt. Gambar 7 di bawah ini merupakan contoh tampilan peta dan query pada Geoserver.
9 28 Gambar 7 Tampilan peta dan query pada Geoserver. Pada gambar diatas menunjukan tampilan peta disertai data hotspot tahun 2009 sesuai query yang diberikan. 4.7 Uji Query Uji query yang pertama dilakukan untuk menguji spatio-temporal data warehouse apakah telah sesuai dengan kebutuhan dan memeriksa apakah operasi dasar OLAP berhasil diimplementasikan untuk data spasial. Query yang digunakan untuk menguji sistem ini adalah query dalam bentuk fungsi MDX. Fungsi MDX mendukung query untuk objek multidimensional dan menjalankan perintah-perintah yang mampu menghasilkan dan memanipulasi data dari objek tersebut. Pada penelitian ini, MDX yang digunakan mampu mendukung query biasa dan query spasial. Uji query yang kedua dilakukan untuk menyeleksi wilayah atau lokasi pada peta dan hotspot pada waktu tertentu. Query ini merupakan filter yang berupa CQL (Common Query Language) dalam Geoserver. 1. Query biasa Struktur query ini mirip dengan query database relasional, Structured Query Language (SQL). Query ini mendukung operasi dengan konsep model data logika. Ilustrasi query yang diujikan adalah sebagai berikut: Select {[Measures].[Jumlah_Hotspot]} on columns,
10 29 {[Satelit].[Semua Satelit]} ON rows from forestfire_spatialcube where [Waktu].[2002] Query tersebut menampilkan jumlah hotspot dari semua satelit pada tahun Ilustrasi tampilan hasil query dapat dilihat pada Gambar 8. Gambar 8 Hasil Query MDX biasa. 2. Query spasial Query ini mendukung model data spasial Open Geodata Interchange Standard (OGIS). Model data OGIS mampu menangani bentuk geometri seperti point, polygon, curve dan tipe lainnya, serta mampu mengeksekusi operasi query spasial seperti ST_Within, ST_Area, ST_Contains, dan operasi lainnya. Ilustrasi query spasial yang diujikan dalam penelitian ini adalah sebagai berikut: SELECT {[Measures].[Jumlah_Hotspot]} ON COLUMNS, Filter( {[Lokasi].[Hotspot].members}, ST_Within( [Lokasi].CurrentMember. Properties("hotspot_geom"), ST_GeomFromText("POINT (( ))") ) ) ON ROWS FROM [forestfire_spatialcube]
11 30 WHERE [Waktu].[1997] Query tersebut menghasilkan jumlah hotspot pada koordinat point yang didefinisikan. Ilustrasi tampilan hasil query dapat dilihat pada Gambar 9. Gambar 9 Hasil query MDX spasial. 3. CQL (Common Query Language) Query ini merupakan filter yang digunakan untuk menyeleksi suatu layer yang telah dibuat dan terdapat dalam Geoserver. Layer tersebut dapat berupa polygon, line maupun point yang dibangun dari query sql biasa maupun geometrik pada database relasional (PostgreSQL-PostGIS). Ilustrasi CQL (Common Query Language) dalam penelitian ini adalah sebagai berikut (Gambar 10). SELECT nama_prov LIKE 'BENGKAYANG %' AND bulan LIKE 'Mei' AND tahun = 2005
12 31 Gambar 10 CQL pada GeoExt. Query tersebut menyeleksi hotspot yang terdapat pada wilayah Kalimantan, Kabupaten Bengkayang di bulan mei tahun 2005, hasilnya terdapat 12 hotspot pada wilayah dan waktu tersebut. 4.8 Integrasi SOLAP (Spatial Online Analitical Processing) Spatio-temporal data warehouse yang telah dibuat diimplementasikan ke dalam bentuk spatial OLAP. Di dalam spatial OLAP, database, kubus data, dan dimensi yang akan ditampilkan sesuai kebutuhan dapat ditentukan. Aplikasi ini dilengkapi dengan visualisasi tabel pivot yang memudahkan dalam menganalisis. Salah satu informasi yang dapat diambil dari tampilan spatial OLAP adalah melihat jumlah hotspot yang terjadi di Indonesia mulai dari tahun 2001 hingga Tampilan tabel pivot untuk operasi tersebut dapat dilihat pada Gambar 11. Gambar 11 Tabel pivot spatial OLAP. Gambar 11 menunjukkan bahwa hotspot dari satelit TERRA dan AQUA khususnya wilayah Kalimantan pada semua tahun ( ) memiliki jumlah hotspot tertinggi yaitu dan titik. Dari tabel tersebut dapat dilihat
13 32 juga persebaran hotspot tiap provinsi dan kabupaten pada setiap tahunnya. Pola persebaran hotspot di Pulau Kalimantan merupakan wilayah dengan tingkat persebaran hotspot terbanyak. Detail persebaran hotspot pada pulau kalimantan ini dapat dilihat pada visualisasi dalam bentuk grafik. Tampilan grafik pola persebaran hotspot di pulau Kalimantan selengkapnya dapat dilihat pada Gambar 12. Gambar 12 Grafik persebaran hotspot di Kalimantan. Selain tampilan OLAP, persebaran hotspot bisa dilihat pada aplikasi geoserver tersebut. Spatial OLAP yang dibuat dalam penelitian ini telah mampu menampilkan ukuran geometrik dalam tabel pivot. Tampilan tabel pivot yang menampilkan ukuran geometrik dapat dilihat pada Gambar 13. Gambar 13 Tabel pivot dengan ukuran geometrik.
14 Desain Antarmuka Aplikasi Aplikasi spatial OLAP yang berbasis web dilengkapi dengan antarmuka yang menyediakan informasi lain mengenai kebakaran hutan. Aplikasi ini dikembangkan dengan menggunakan bahasa pemrograman JSP (Java Server Pages). Desain antarmuka dapat dilihat pada Lampiran Operasional aplikasi SOLAP Eksplorasi data dilakukan dengan menggunakan operasi OLAP pada Geomondrian dan modul yang terdapat dalam aplikasi pemetaan layer hasil pengolahan Geoserver, guna menghasilkan beberapa informasi yang diinginkan. Pada Geomondrian, terdapat beberapa operasi OLAP dapat digunakan pada dalam proses analisis hasil, seperti roll up, drill down, slice, dice, dan pivot. Contohcontoh operasi OLAP yang dapat dijalankan dalam aplikasi ini meliputi : 1. Roll up Operasi roll up ditampilkan dengan menaikkan hierarki dimensi waktu. Hierarki dimensi waktu terdiri atas tiga level yaitu tahun, kuartil, dan bulan. Operasi roll up dapat dilakukan dengan melihat jumlah hotspot per bulan kemudian me-roll up menjadi level kuartil dan level tahun secara keseluruhan. Operasi roll up bisa dilihat dalam Lampiran Drill down Operasi drill down merupakan kebalikan dari operasi roll up. Operasi ini dilakukan dengan menurunkan hierarki dari hierarki teratas misalkan provinsi (polygon) menjadi hierarki dasar hotspot (point). Operasi ini dilakukan untuk melihat posisi hotspot yang terjadi. Operasi drill down dapat dilihat dalam Lampiran Slice Operasi slice dilakukan dengan memilih salah satu dimensi atau irisan kubus, misalkan dimensi satelit dengan kriteria waktu tahun Operasi ini menghasilkan tampilan jumlah hotspot yang dihasilkan dari pencitraan setiap satelit pada tahun Operasi slice dapat dilihat dalam Lampiran 9.
15 34 4. Dice Operasi dice dilakukan dengan memilih dua dimensi, misalkan memilih dimensi waktu (Tahun 2000 dan 2001) dan dimensi satelit (NOAA 12 dan NOAA 14). Aplikasi akan menampilkan jumlah hotspot tiap satelit pada setiap tahun. Operasi dice dapat dilihat dalam Lampiran Operasi pivot Operasi pivot dilakukan dengan mempertukarkan axis dimensi. Misalkan axisx (dimensi satelit) diubah menjadi dimensi waktu dan axis-y (dimensi waktu) diubah menjadi dimensi satelit. Operasi ini menukarkan posisi antar dimensi, sehingga berguna untuk menampilkan tabel dengan sudut pandang yang berbeda. Kemudian pada aplikasi pemetaan terdapat pula beberapa operasi yang digunakan dalam proses analisis hasil, seperti modul measure atau pengukuran yang dapat digunakan untuk menghitung jarak antar hotspot, serta dapat mengukur luasan suatu wilayah tertentu Evaluasi Sistem Pada tahap evaluasi ini, sistem SOLAP ditampilkan secara online kepada masyarakat pengguna data hotspot. Untuk memberikan penilaian dan saran terhadap sistem yang sudah dibuat, penilaian dan saran ini diberikan melalui kuesioner sederhana. Rekapitulasi kuesioner dapat dilihat pada Tabel 6 di bawah ini. Tabel 6 Rekapitulasi kuesiner pengguna data hotspot HASIL KUESIONER NO Pertanyaan Jumlah Penilaian (orang) Prosentase penilaian SS S TS STS Jumlah SS S TS STS Jumlah 1 Tampilan halaman awal pada sistem lama sudah cukup mewakili ,00 18,18 81,82 0, % 2 Tampilan halaman awal pada sistem baru sudah cukup mewakili ,00 0,00 0,00 0, % 3 Sistem baru lebih mudah mengakses data hotspot ,00 0,00 0,00 0, % 4 Kelengkapan fungsi sistem, sistem yang baru lebih lengkap ,00 0,00 0,00 0, % 5 Sistem baru mempunyai jumlah data yang lebih banyak ,00 0,00 0,00 0, % 6 Sistem baru bisa membantu dalam sebuah DSS (Decision Support System) ,18 81,82 0,00 0, % 7 Sistem baru memberikan informasi yang lebih daripada sistem lama ,00 0,00 0,00 0, % 8 Backup data pada sistem lebih bagus daripada sistem lama ,64 18,18 18,18 0, % 9 Secara operasional, sistem lama dan baru mudah dijalankan ,27 72,73 0,00 0, % 10 Apakah perlu perbaikan lagi pada sistem baru dan sistem lama ,36 63,64 0,00 0, % Tujuan evaluasi ini adalah untuk memperoleh masukan dari pengguna data hotspot dan mengetahui sejauh mana penilaian antara sistem yang baru
16 35 dengan sistem yang lama ( Penjelasan rekapitulasi dari kuesioner tersebut antara lain : 1. Tampilan halaman awal (antar muka sistem) pada sistem persebaran hotspot baru lebih disetujui oleh para responden. Hasil ini berdasarkan responden yang memilih tampilan awal sistem baru sebanyak 100%. Ini artinya, pengguna hotspot lebih menyukai tampilan awal sistem baru daripada sistem yang lama ( 2. Dalam hal mengakses data hotspot, semua responden memilih sangat setuju bahwa sistem yang baru lebih mudah dibandingkan dengan sistem yang lama. 3. Untuk kelengkapan fungsi sistem, semua responden menyatakan sangat setuju bahwa sistem yang baru lebih mewakili dalam hal kelengkapan sistemnya. 4. Mengenai jumlah data yang diakses, para responden lebih memilih sistem yang baru, ini terlihat dari semua responden yang menyatakan sangat setuju terhadap sistem yang baru. 5. Dalam mendukung pengambil keputusan, sistem baru lebih mendukung dari pada sistem yang lama. Ini terlihat dari 81,82 % responden yang menyatakan hal tersebut. 6. Sistem yang baru lebih memberikan informasi dari pada sistem yang lama. Ini terlihat dari semua responden yang menyatakan hal tersebut. 7. Dalam rangka penyimpanan data, sistem baru lebih mewakili dari pada sistem lama. Ini terlihat dari 63,64 % yang menyatakan setuju dan 18,18 % menyatakan sangat setuju. Untuk lebih jelas mengenai perbandingan ini bisa dilihat pada Lampiran Secara opersional, baik sistem baru dan sistem lama mudah dijalankan, ini terlihat dari 72,73% menyatakan setuju dan 27,27 % menyatakan setuju.
17 36 9. Menurut sebagian besar responden, secara umum perbaikan dalam sistem lama dan sitem baru perlu dilakukan. Ini menunjukan sistem baru dan sistem lama sama-sama mempunyai kelemahan. Untuk lebih jelas bisa dilihat pada Lampiran 12.
BAB III METODE PENELITIAN
15 BAB III METODE PENELITIAN Sistem informasi geografis persebaran hotspot di Indonesia merupakan suatu sistem yang bertujuan untuk memantau dan memberikan informasi mengenai persebaran hotspot yang ada
Lebih terperinciPENGEMBANGAN DATA WAREHOUSE DAN APLIKASI SOLAP BERBASIS WEB UNTUK DATA TITIK PANAS (HOTSPOT) DIAN YUDISTIRA
PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI SOLAP BERBASIS WEB UNTUK DATA TITIK PANAS (HOTSPOT) DIAN YUDISTIRA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2012 PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciDATA WAREHOUSE SPATIO-TEMPORAL KEBAKARAN HUTAN MENGGUNAKAN GEOMONDRIAN DAN GEOSERVER MUHAMMAD HILMAN FADLI
DATA WAREHOUSE SPATIO-TEMPORAL KEBAKARAN HUTAN MENGGUNAKAN GEOMONDRIAN DAN GEOSERVER MUHAMMAD HILMAN FADLI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciWeb browser Mozilla Firefox 2.0 dan Internet Explorer 7 HASIL DAN PEMBAHASAN. Analisis Data
6 Web browser Mozilla Firefox 2.0 dan Internet Explorer 7 Analisis Data HASIL DAN PEMBAHASAN Data hotspot yang digunakan adalah data dari tahun 2000 sampai dengan tahun 2004. Hal ini disebabkan data hotspot
Lebih terperinciLampiran 1 Struktur forestfire_spatialcube.xml
LAMPIRAN Lampiran 1 Struktur forestfire_spatialcube.xml
Lebih terperincimenggunakan framework Geomondrian dan
tingkat kabupaten. Penelitian ini telah membangun data warehouse dengan satu tabel fakta (hotspot) dan dua tabel dimensi (waktu dan lokasi). Pada penelitian berikutnya, Hasan (2009) menambahkan empat dimensi,
Lebih terperinciMIGRASI SPATIAL DATA WAREHOUSE HOTSPOT KE SISTEM OPERASI LINUX UBUNTU MUHAMMAD ADE NURUSANI
MIGRASI SPATIAL DATA WAREHOUSE HOTSPOT KE SISTEM OPERASI LINUX UBUNTU MUHAMMAD ADE NURUSANI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN
Lebih terperinciPENGEMBANGAN MODUL UPDATE DATA PADA SISTEM SPATIAL DATA WAREHOUSE HOTSPOT BOLIVIANTO KUSUMAH
PENGEMBANGAN MODUL UPDATE DATA PADA SISTEM SPATIAL DATA WAREHOUSE HOTSPOT BOLIVIANTO KUSUMAH DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN
Lebih terperinciBAB IV PERANCANGAN SISTEM
BAB IV PERANCANGAN SISTEM Pembahasan BAB IV mengenai proses perancangan data warehouse meliputi proses integrasi, pemodelan database dan dashboard interface. 4.1 Perencanaan Tahap perencanaan penelitian
Lebih terperinciMIGRASI DAN IMPLEMENTASI SISTEM SPATIAL ONLINE ANALYTICAL PROCESSING (SOLAP) PERSEBARAN TITIK PANAS PADA SISTEM OPERASI LINUX UBUNTU
MIGRASI DAN IMPLEMENTASI SISTEM SPATIAL ONLINE ANALYTICAL PROCESSING (SOLAP) PERSEBARAN TITIK PANAS PADA SISTEM OPERASI LINUX UBUNTU TENANG CARLES RINALDI SILITONGA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA
Lebih terperinciHASIL DAN PEMBAHASAN Analisis Kebutuhan a. Deskripsi Umum Sistem b. Kebutuhan Fungsional Sistem c. Karakteristik Pengguna
sistem. Perangkat keras yang digunakan harus mampu menjalankan perangkat lunak yang dibutuhkan dengan baik. 5 Pengujian Kesesuaian Perangkat Keras dan Perangkat Lunak Tahapan ini menguji beberapa perangkat
Lebih terperinciHASIL DAN PEMBAHASAN. Microsoft SQL Server Microsoft Sharepoint Microsoft.Net Framework 4.0.
3 warehouse dan data mart memiliki batasan yang sangat tipis, namun perbedaan ini tidak perlu dikhawatirkan karena secara subtansi tujuan dari pembuatannya memiliki kesamaan (Noviandi 2010). Konsep data
Lebih terperinciHASIL DAN PEMBAHASAN. Nama dan deskripsi atribut tabel tempfact_indeksprestasi
Uji Query Tahap ini dilakukan setelah pembuatan data warehouse selesai. Pengujian ini dilakukan untuk melihat apakah operasi dasar OLAP berhasil diimplementasikan dan sesuai dengan informasi yang ditampilkan.
Lebih terperinci4 Web server mengakses kubus data Palo server melalui Palo PHP API. Aplikasi OLAP menggunakan library JpGraph untuk menampilkan grafik.
5 4 Web server mengakses kubus data Palo server melalui Palo PHP API. Aplikasi OLAP menggunakan library JpGraph untuk menampilkan grafik. Lapis atas: Web browser Grafik Laptop JpGraph Line Plot Presentasi
Lebih terperinciHASIL DAN PEMBAHASAN Dalam pembuatan data warehouse potensi desa wilayah Bogor melalui beberapa tahap yaitu:
8 memeriksa apakah masukan dari pengguna akan memberikan keluaran yang sesuai dengan tidak memperhatikan proses yang terjadi di dalamnya (Sommerville 2000). HASIL DAN PEMBAHASAN Dalam pembuatan data warehouse
Lebih terperincijumlah keluarga, dan jumlah rumah. Data diambil dari hasil sensus potensi desa yang dilakukan BPS tahun 1996, 1999, 2003, dan 2006.
1 Latar Belakang PENDAHULUAN Kemajuan teknologi komputer semakin memudahkan proses penyimpanan dan pengolahan data berukuran besar. Namun demikian, seringkali data yang sudah tersimpan belum dimanfaatkan
Lebih terperinciFAST berarti sistem ditargetkan untuk memberikan response terhadap user dengan secepat mungkin, sesuai dengan analisis yang dilakukan.
OLAP OLAP (Online Analytical Processing), merupakan metode pendekatan untuk menyajikan jawaban dari permintaan proses analisis yang bersifat dimensional secara cepat. Pengertian OLAP itu sendiri dapat
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
Latar Belakang PENDAHULUAN Analisis data historis dan pengolahan data multidimensi bukan merupakan hal yang baru untuk mendukung suatu pengambilan keputusan. Namun perubahan objek data yang dicatat, membuat
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belakang PENDAHULUAN Saat ini sudah banyak organisasi yang telah mengadopsi teknologi data warehouse. Penerapan teknologi ini sangat membantu sekali bagi suatu organisasi yang memiliki data yang
Lebih terperinciPENAMBAHAN LAYER GOOGLE MAPS PADA SPATIAL DATA WAREHOUSE TITIK PANAS DI INDONESIA ARI PRIANTO
PENAMBAHAN LAYER GOOGLE MAPS PADA SPATIAL DATA WAREHOUSE TITIK PANAS DI INDONESIA ARI PRIANTO DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
Lebih terperinciTUGAS DATA WAREHOUSE & DATA MINING OLAP, OPERASI OLAP & MOLAP
TUGAS DATA WAREHOUSE & DATA MINING OLAP, OPERASI OLAP & MOLAP OLEH: VIVIAN WIJAYA (15 62 003) JURUSAN SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017 OLAP, OPERASI OLAP
Lebih terperinciDATA WAREHOUSE KONSEP Konsep dasar data warehouse adalah perbedaan antara data dan informasi. Data terdiri dari fakta-fakta yang dapat diamati dan
DATA WAREHOUSE KONSEP Konsep dasar data warehouse adalah perbedaan antara data dan informasi. Data terdiri dari fakta-fakta yang dapat diamati dan direkam yang sering ditemukan dalam sistem operasional
Lebih terperinciPERANCANGAN DATA WAREHOUSE CALON MAHASISWA BARU POLITEKNIK NEGERI LHOKSEUMAWE
PERANCANGAN DATA WAREHOUSE CALON MAHASISWA BARU POLITEKNIK NEGERI LHOKSEUMAWE Nanang Prihatin 1 1 Dosen Politeknik Negeri Lhokseumawe ABSTRAK Bagi sebuah perguruan tinggi, penerimaan calon mahasiswa merupakan
Lebih terperinciBAB I PENDAHULUAN. I.1 Pendahuluan
BAB I PENDAHULUAN I.1 Pendahuluan Dalam kegiatan manusia sehari-hari, terutama dalam kegiatan transaksi, seperti transaksi perbankan, rekam medis, transaksi jual beli dan transaksi lainnya harus dicatat
Lebih terperinciBab 4 Hasil dan Pembahasan
Bab 4 Hasil dan Pembahasan Bahasan ini berisi pemaparan mengenai hasil dari perancangan sistem dalam bentuk pembahasan hasil dan pengujian efektivitas data dalam sistem. Pengujian atas hasil penjualan
Lebih terperinciPENDAHULUAN TINJAUAN PUSTAKA
1 Latar Belakang PENDAHULUAN Teknologi basis data saat ini berkembang sangat pesat. Data disimpan dalam basis data, diolah kemudian disajikan sebagai informasi yang bernilai bagi pengguna. Penyimpanan
Lebih terperinciBab I PENDAHULUAN. I.1 Latar Belakang
Bab I PENDAHULUAN I.1 Latar Belakang Sistem Informasi Geografi (SIG) adalah suatu teknologi informasi berbasis komputer yang digunakan untuk memproses, menyusun, menyimpan, memanipulasi dan menyajikan
Lebih terperinciHASIL DAN PEMBAHASAN Praproses Data Clustering
Perangkat lunak: Sistem operasi: Windows XP Home Edition, WEKA versi 3.5.7, ArcView GIS 3.3, Map Server For Windows (ms4w) 2.3.1 Chameleon 2.4.1 Perangkat keras: Prosessor intel Pentium 4 ~2GHz Memory
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI Dalam bab ini akan dijelaskan tentang beberapa konsep tentang supra desa, business intelligence, data warehouse, staging area, ETL, OLAP, ROLAP, Pentaho Data Integration, dan PHP.
Lebih terperinciPROSES EXTRACT, TRANSFORM DAN LOAD PADA DATA WAREHOUSE
PROSES EXTRACT, TRANSFORM DAN LOAD PADA DATA WAREHOUSE Oktavian Abraham Lantang ABSTRAK Saat ini seiring dengan perkembangan teknologi informasi yang semakin pesat, ketergantungan proses bisnis suatu perusahaan
Lebih terperinciDATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP)
DATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP) Overview Data Warehouse dan OLAP merupakan elemen penting yang mendukung decision support. Terutama bagi perusahaan perusahaan besar dengan database
Lebih terperinciHASIL DAN PEMBAHASAN. Analisis Data
atribut tahun akademik dan atribut. Selain generalisasi, pada proses ini juga dilakukan dengan mengkonstruksi atribut baru menggunakan data dari atribut yang sudah ada. 4 Pemuatan Data Pada tahap ini,
Lebih terperinciPerancangan Sistem Informasi Eksekutif
Perancangan Sistem Informasi Eksekutif (Studi Kasus di UGM) Arif Nurwidyantoro Jurusan Ilmu Komputer dan Elektronika, FMIPA arifn@mail.ugm.ac.id Burhanudin Hakim Pusat Sumber Daya Informasi (PSDI) udnpico@gmail.com
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Rekapitulasi Laporan Rekapitulasi laporan sangat penting artinya bagi seorang pimpinan karena merupakan salah satu alat untuk melaksanakan kegiatan-kegiatan dalam perencanaan,
Lebih terperinciOleh : Dosen Pembimbing : Umi Laili Yuhana, S.Kom, M.Sc Hadziq Fabroyir, S.Kom
Sistem Informasi Geografis untuk Perguruan Tinggi Negeri di Indonesia Oleh : I G.L.A. Oka Cahyadi P. 5106100061 Dosen Pembimbing : Umi Laili Yuhana, S.Kom, M.Sc. 132 309 747 Hadziq Fabroyir, S.Kom 051
Lebih terperincihttp://www.brigidaarie.com Apa itu database? tempat penyimpanan data yang saling berhubungan secara logika Untuk apa database itu?? untuk mendapatkan suatu informasi yang diperlukan oleh suatu organisasi
Lebih terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA 2.1 Kebakaran Hutan Kebakaran hutan merupakan salah satu penyebab kerusakan hutan yang memiliki dampak negatif yang cukup dahsyat. Dampak kebakaran hutan diantaranya menimbulkan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Pengembangan Aplikasi Pencarian Rute Terpendek Menggunakan
BAB III METODOLOGI PENELITIAN 3.1. Desain Penelitian Pengembangan Aplikasi Pencarian Rute Terpendek Menggunakan Algoritma A* dan Dijkstra ini menggunakan model waterfall. Model waterfall penelitian untuk
Lebih terperinciPenambahan Modul Updating Data pada OLAP Berbasis Web untuk Persebaran Hotspot di Wilayah Indonesia Menggunakan Palo 2.5
Penambahan Modul Updating Data pada OLAP Berbasis Web untuk Persebaran Hotspot di Wilayah Indonesia Menggunakan Palo 2.5 Riza Mahendra, Annisa, Imas S. Sitanggang Departemen Ilmu Komputer, Institut Pertanian
Lebih terperinciMETODE PENELITIAN. Data
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
Lebih terperinciSISTEM INFORMASI GEOGRAFIS SLTP DI KOTAMADYA JAKARTA SELATAN
SISTEM INFORMASI GEOGRAFIS SLTP DI KOTAMADYA JAKARTA SELATAN Ricky Agus Tjiptanata 1, Dina Anggraini 2, Dian Safitri 3 1,2,3 Jurusan Sistem Informasi, Fakultas Ilmu Komputer, Universitas Gunadarma Jl.
Lebih terperinciHASIL DAN PEMBAHASAN Kondisi Awal Lingkungan Pengembangan
6 proses updating lokasi untuk basis data dailyhotspot importime.php merupakan modul yang berguna untuk melakukan proses updating elemen dimensi waktu untuk basis data monthlyhotspot importimedaily.php
Lebih terperinciBAB 4 PERANCANGAN DAN IMPLEMENTASI
BAB 4 PERANCANGAN DAN IMPLEMENTASI 4.1 Arsitektur Data Warehouse Pelaksanaan perancangan data warehouse dimulai dari perumusan permasalahan yang dihadapi oleh perusahaan kemudian dilanjutkan dengan pencarian
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 1 Edisi...Volume..., Bulan 20..ISSN : PEMBANGUNAN INDEPENDENT DATA MART PADA OPTIK YUDA
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 1 PEMBANGUNAN INDEPENDENT DATA MART PADA OPTIK YUDA Dinar Priskawati 1, Dian Dharmayanti 2 Teknik Informatika Universitas Komputer Indonesia Jl. Dipatiukur
Lebih terperinciBAB I PENDAHULUAN. Berkembangnya teknologi dan informasi saat ini telah menghasilkan kumpulan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Berkembangnya teknologi dan informasi saat ini telah menghasilkan kumpulan data diberbagai bidang ilmu pengetahuan, bisnis ataupun pemerintahan. Pada proses penyediaan
Lebih terperinciIMPLEMENTASI OLAP PADA DATA PENJUALAN BBM MENGGUNAKAN PENTAHO TRIYONO
IMPLEMENTASI OLAP PADA DATA PENJUALAN BBM MENGGUNAKAN PENTAHO TRIYONO 41507120014 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS MERCU BUANA JAKARTA 2013 IMPLEMENTASI OLAP PADA DATA
Lebih terperinciAnggota Kelompok 3 :
Anggota Kelompok 3 : Customer relationship management (CRM) Adalah manajemen hubungan antara perusahaan dengan pelanggan sehingga baik perusahaan maupun pelanggannya akan menerima nilai maksimum dari hubungan
Lebih terperinciPEMBANGUNAN SPATIOTEMPORAL DATA WAREHOUSE KEBAKARAN HUTAN DI WILAYAH INDONESIA MUHAMAD ARIF FAUZI
PEMBANGUNAN SPATIOTEMPORAL DATA WAREHOUSE KEBAKARAN HUTAN DI WILAYAH INDONESIA MUHAMAD ARIF FAUZI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011
Lebih terperinciKonsep Basis Data dalam GIS. Arif Basofi PENS 2015
Konsep Basis Data dalam GIS Arif Basofi PENS 2015 Contents 1 Proyeksi Peta 2 Jenis Proyeksi Peta 3 Pemilihan Proyeksi Peta 4 Sistem Proyeksi Peta Indonesia Trend Basis Data Spasial Hampir semua perangkat
Lebih terperinci[Data Warehouse] [6/C2 & 6/D2]
[Data Warehouse] [6/C2 & 6/D2] [ Chapter 9] Praktek Ekstrak, Transform, Load (ETL) Dengan Pentaho Data Integration Dedy Alamsyah, S.Kom, M.Kom [NIDN : 0410047807] Pentaho Data Integration Pentaho adalah
Lebih terperinciSISTEM INFORMASI GEOGRAFIS SLTP DI KOTAMADYA JAKARTA SELATAN
No Makalah : 103 Konferensi Nasional Sistem Informasi 2012, STMIK - STIKOM Bali 23-25 Pebruari 2012 SISTEM INFORMASI GEOGRAFIS SLTP DI KOTAMADYA JAKARTA SELATAN Ricky Agus Tjiptanata 1, Dina Anggraini
Lebih terperinciJurnal Ilmiah Widya Teknik Volume 15 Nomor
Jurnal Ilmiah Widya Teknik Volume 15 Nomor 2 2016 PEMBANGUNAN ONLINE ANALYTICAL PROCESSING YANG TERINTEGRASI DENGAN SISTEM INFORMASI HARGA BAHAN POKOK KOTA YOGYAKARTA C. Hutomo Suryolaksono 1, Paulina
Lebih terperinciMAKALAH SEMINAR PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP PADA DATA EVALUASI PROSES BELAJAR MENGAJAR IPB BERBASIS WEB
MAKALAH SEMINAR PENGEMBANGAN DATA WAREHOUSE DAN APLIKASI OLAP PADA DATA EVALUASI PROSES BELAJAR MENGAJAR IPB BERBASIS WEB Oleh: Wahyu Dwi Suryanto G64096065 Pembimbing: Firman Ardiansyah, S.Kom., M.Si.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi informasi yang semakin pesat ditunjukkan dengan munculnya beragam perangkat teknologi yang mempermudah manusia dalam memonitor perkembangan usahanya
Lebih terperinciBasis Data 2. Database Client / Server. Arif Basofi, S.Kom. MT. Teknik Informatika, PENS
Basis Data 2 Database Client / Server Arif Basofi, S.Kom. MT. Teknik Informatika, PENS Tujuan Memahami bentuk-bentuk arsitektur aplikasi dalam database. Memahami konsep arsitektur: Single-Tier Two-Tier:
Lebih terperinciHASIL DAN PEMBAHASAN. ditampilkan dalam sebuah layer yang akan muncul dalam aplikasi SIG. Integrasi dan Perancangan Antarmuka Sistem
ditampilkan dalam sebuah layer yang akan muncul dalam aplikasi SIG. Integrasi dan Perancangan Antarmuka Sistem Aplikasi SIG bukanlah sistem yang plug and play sehingga ada kemungkinan beberapa komponen
Lebih terperinciNama_ kab. Kode_ prop. Kode_ kab. The_ geom. Nama_ prop. Gid Lintang Bujur Date Month Time Noaa 110, ,
Analisis dan Kueri Pada tahap ini dilakukan analisis terhadap hotspot dari aspek spasial dan aspek temporalnya dengan menggunakan kueri sederhana yang diterapkan pada model data yang telah dibuat. Contoh-contoh
Lebih terperinciTugas. Data Warehouse. OLAP, Operasi OLAP, dan Jenis Rolap
Tugas Data Warehouse OLAP, Operasi OLAP, dan Jenis Rolap Renhard Soemargono 1562001 PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI UNIVERSITAS ATMA JAYA MAKASSAR 2017 OLAP (On-Line Analytical
Lebih terperinciPEMBANGUNAN DATA WAREHOUSE DAN APLIKASI OLAP UNTUK MEMANTAU PRESTASI MAHASISWA PROGRAM STUDI S1 ILMU KOMPUTER IPB SUCI REZKY FHATTIYA
PEMBANGUNAN DATA WAREHOUSE DAN APLIKASI OLAP UNTUK MEMANTAU PRESTASI MAHASISWA PROGRAM STUDI S1 ILMU KOMPUTER IPB SUCI REZKY FHATTIYA DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciAPLIKASI SISTEM INFORMASI GEOGRAFIS PENDIDIKAN KOTA DEPOK BERBASIS WEB MENGGUNAKAN QUANTUM GIS
APLIKASI SISTEM INFORMASI GEOGRAFIS PENDIDIKAN KOTA DEPOK BERBASIS WEB MENGGUNAKAN QUANTUM GIS Novianti (11105172) Jurusan Sistem Informasi, Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma
Lebih terperinciTUGAS AKHIR SISTEM INFORMASI GEOGRAFIS (SIG) PENGELOLAAN REKLAME DI SURABAYA BERBASIS WEB. Nurul Hilmy Rahmawati NRP:
TUGAS AKHIR SISTEM INFORMASI GEOGRAFIS (SIG) PENGELOLAAN REKLAME DI SURABAYA BERBASIS WEB Nurul Hilmy Rahmawati NRP: 1210100023 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciIMPLEMENTASI FUZZY OLAP PADA DATA POTENSI DESA DI PROVINSI JAWA BARAT TAHUN 2003 DAN 2006 SOFIYANTI INDRIASARI G
IMPLEMENTASI FUZZY OLAP PADA DATA POTENSI DESA DI PROVINSI JAWA BARAT TAHUN 2003 DAN 2006 SOFIYANTI INDRIASARI G64103046 DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciData Analysis with Mondrian
PHI-Integration Data Analysis with Mondrian Lampiran By : Feris Thia 09 Daftar Isi Pentaho Schema Workbench... 3 Instalasi... 3 Melengkapi Driver Database... 3 Menjalankan Schema Workbench dan Membuat
Lebih terperinciPERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE MENGGUNAKAN SCHEMA SNOWFLAKE UNTUK MENGETAHUI TREND PRODUKSI DAN PEMASARAN PRODUK
PERANCANGAN DAN IMPLEMENTASI DATA WAREHOUSE MENGGUNAKAN SCHEMA SNOWFLAKE UNTUK MENGETAHUI TREND PRODUKSI DAN PEMASARAN PRODUK Novia Busiarli 1), Mardhiya Hayati 2) 1), 2,)3) Teknik Informatika STMIK AMIKOM
Lebih terperinciPENGENALAN MySQL. Riana Sepriyanti. Abstrak. Pendahuluan.
PENGENALAN MySQL Riana Sepriyanti riana0592@yahoo.com Abstrak MySQL merupakan software database open source yang paling populer di dunia, dimana saat ini digunakan lebih dari 100 juta pengguna di seluruh
Lebih terperinciBAB II. KAJIAN PUSTAKA
BAB II. KAJIAN PUSTAKA A. MYSQL MySQL merupakan sistem basis dataopen source paling populer. MySQL adalah sebuah implementasi dari sistem manajemen basis data relasional (Relational Database Management
Lebih terperinci[Data Warehouse] [6/C2 & 6/D2]
[Data Warehouse] [6/C2 & 6/D2] [ Chapter 3] Arsitektur dan Struktur Data Warehouse Dedy Alamsyah, S.Kom, M.Kom [NIDN : 0410047807] Arsitektur Data Warehouse Menurut Poe, arsitektur adalah sekumpulan atau
Lebih terperinciBAB I PENDAHULUAN. perusahaan atau organisasi dalam menentukan kebijakan-kebijakan strategis
BAB I PENDAHULUAN 1.1 Latar Belakang Dewasa ini informasi merupakan hal yang sangat penting bagi suatu perusahaan atau organisasi dalam menentukan kebijakan-kebijakan strategis perusahaan terkait dengan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Umum Teori umum adalah suatu pernyataan yang dianggap benar secara universal. Teori umum merupakan dasar untuk mengembangkan teori selanjutnya yang lebih khusus (spesifik).
Lebih terperinciKEKURANGAN KELEBIHAN APLIKASI DATA BASE
KEKURANGAN KELEBIHAN APLIKASI DATA BASE No Nama aplikasi data base Kekurangan kelebihan 1 ORACLE Merupakan software DMBS yang paling mahal, paling rumit, dan paling sulit untuk dipelajari. Membutuhkan
Lebih terperinciMANUAL BOOK OF GEORIMA (Geological Resources of Indonesia Mobile Application)
MANUAL BOOK OF GEORIMA (Geological Resources of Indonesia Mobile Application) 1. Pendahuluan Pusat Sumber Daya Mineral, Batubara dan Panas Bumi (PSDMBP) merupakan institusi pemerintah di bawah Badan Geologi,
Lebih terperincidan N3). Objek di atas akan diberikan index sesuai dengan tahun saat objek tersebut valid yaitu
dan N3). Objek di atas akan diberikan index sesuai dengan tahun saat objek tersebut valid yaitu 2005-2006. 4. Untuk objek yang masih valid akan dimasukkan ke dalam current database. Ganti current database
Lebih terperinciAPLIKASI SISTEM INFORMASI GEOGRAFIS PELAYANAN KESEHATAN KOTA DEPOK BERBASIS WEB MENGGUNAKAN QUANTUM GIS
APLIKASI SISTEM INFORMASI GEOGRAFIS PELAYANAN KESEHATAN KOTA DEPOK BERBASIS WEB MENGGUNAKAN QUANTUM GIS Endah Dharmaputeri (10105565) Jurusan Sistem Informasi, Ilmu Komputer dan Teknologi Informasi Universitas
Lebih terperinciMembuat list dari masingmasing. digunakan sesuai data yg ada. Membuat list Minimum Bounding Rectangle (MBR) dari polygon
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
Lebih terperinciPENINGKATAN KINERJA SISTEM SPATIAL DATA WAREHOUSE KEBAKARAN HUTAN MENGGUNAKAN GEOSERVER DAN GEOMONDRIAN LUKSIE WIPRIYANCE
PENINGKATAN KINERJA SISTEM SPATIAL DATA WAREHOUSE KEBAKARAN HUTAN MENGGUNAKAN GEOSERVER DAN GEOMONDRIAN LUKSIE WIPRIYANCE ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciData Warehousing dan Decision Support
Bab 9 Data Warehousing dan Decision Support POKOK BAHASAN: Hubungan antara Data Warehouse dan Decision Support Model Data Multidimensi Online Analytical Processing (OLAP) Arsitektur Data Warehouse Implementasi
Lebih terperinciPENDAHULUAN. Latar Belakang
1 Latar Belakang PENDAHULUAN Berdasarkan data historis hampir semua jenis bencana pernah berulangkali terjadi di Indonesia, seperti: gempa bumi, letusan gunung api, tsunami, longsor, banjir, kekeringan,
Lebih terperinciWaktu. id_waktu. Jalur propinsi pulau Pelamar. tahun_masuk Mahasiswa. JenisKelamin. lelaki_perempuan. Studi. id_studi
8 Palo Server 1.0c (berfungsi sebagai OLAP server yang melakukan fungsi agregasi dan tempat penyimpanan struktur dan data kubus data multidimensi) Palo Excel Add-In 1.0c (tempat pembuatan/pemodelan struktur
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Warehouse Mohammed (2014) mengatakan bahwa data warehouse merupakan database relasional yang dirancang untuk melakukan query dan analisis. Data warehouse biasanya berisi
Lebih terperinciSIE/nts/TIUAJMks 9/26/2013
N. Tri Suswanto Saptadi 1 Data warehouse adalah basis data yang menyimpan data sekarang dan data masa lalu yang berasal dari berbagai sistem operasional dan sumber yang lain (sumber eksternal) yang menjadi
Lebih terperinciPraktikum 1 - Pengantar Quantum GIS
Praktikum 1 - Pengantar Quantum GIS Oleh : Ahmad Luky Ramdani, S.Kom., M.Kom dan Hafiz Budi Firmansyah, S.Kom., M.Sc Sistem Informasi Geografis Semester Ganjil Tahun Ajaran 2017-2018 Institut Teknologi
Lebih terperinciBAB II LANDASAN TEORI. suatu maksud tertentu adalah bagian dari suatu sistem, yang mana sistem
BAB II LANDASAN TEORI 2.1 Sistem Informasi Bagian-bagian yang memiliki keterkaitan pengoperasian dalam mencapai suatu maksud tertentu adalah bagian dari suatu sistem, yang mana sistem informasi dapat dibuat
Lebih terperinciHASIL DAN PEMBAHASAN. Sistem Operasi: Microsoft Windows XP
7 Sistem Operasi Microsoft Windows XP Professional Service Pack Sedangkan spesifikasi inti kedua virtual komputernya adalah: Prosesor tunggal Memori 5 MB Harddisk 8 GB Sistem Operasi: Microsoft Windows
Lebih terperinciBAB III LANDASAN TEORI. dengan istilah web adalah sebuah sistem terhubung dari hypertext document yang
10 BAB III LANDASAN TEORI 3.1 World Wide Web World Wide Web yang biasanya disingkat dengan WWW dan lebih dikenal dengan istilah web adalah sebuah sistem terhubung dari hypertext document yang ada di Internet.
Lebih terperinciBab 3. Metode Penelitian dan Perancangan Sistem
Bab 3 Metode Penelitian dan Perancangan Sistem Dalam penelitian ini akan dilakukan representasi informasi demografi kependudukan di Provinsi Jawa Tengah, dari mulai data mentah yang dibukukan menjadi output
Lebih terperinciANALISA DATA TRANSAKSIONAL PADA E-COMMERCE DENGAN TEKNOLOGI OLAP (ON-LINE ANALYTICAL PROCESS)
ANALISA DATA TRANSAKSIONAL PADA E-COMMERCE DENGAN TEKNOLOGI OLAP (ON-LINE ANALYTICAL PROCESS) Budi Santosa 1), Dessyanto Boedi P 2), Markus Priharjanto 3) 1,2,3) Jurusan Teknik Informatika UPN "Veteran"
Lebih terperinciSistem Basis data Spasial dengan Software GIS Nafizah PRAKTIKUM
PRAKTIKUM PEMBANGUNAN SISTEM INFORMASI PERTANAHAN Sistem Basis data Spasial dengan Software GIS Studi Kasus Pada pembuatan basis data spasial terdapat beberapa kondisi yang telah ditentukan dan dibuat
Lebih terperinci6/26/2011. Menurut W.H. Inmon dan Richard D.H. Menurut Vidette Poe
Menurut W.H. Inmon dan Richard D.H. koleksi data yang mempunyai sifat berorientasi subjek,terintegrasi,time-variant, dan bersifat tetap dari koleksi data dalam mendukung proses pengambilan keputusan management
Lebih terperinciMengeksplorasi Database PostgreSQL dengan PgAdmin III
Mengeksplorasi Database PostgreSQL dengan PgAdmin III Siti Munawaroh Fakultas Teknologi Informasi, Universitas Stikubank Semarang email : siti@unisbank.ac.id ABSTRAK : Dengan perkembangan dunia IT (Information
Lebih terperinciSMS gateway telah banyak digunakan dalam berbagi aplikasi dan
BAB II LANDASAN TEORI 2.1 Tinjauan Pustaka SMS gateway telah banyak digunakan dalam berbagi aplikasi dan penelitian. Salah satu penelitian yang menggunakan teknologi SMS gateway adalah sebuah tugas akhir
Lebih terperinciBAB III LANDASAN TEORI
1 BAB III LANDASAN TEORI 1.1 Konsep Dasar Sistem Informasi 1.1.1 Sistem Menurut Herlambang (2005:116), definisi sistem dapat dibagi menjadi dua pendekatan, yaitu pendekatan secara prosedur, sistem didefinisikan
Lebih terperinciMicrosoft Data Access Components (MDAC) Oleh : Edi Sugiarto, S.Kom, M.Kom
Microsoft Data Access Components (MDAC) Oleh : Edi Sugiarto, S.Kom, M.Kom Apa Itu MDAC? Microsoft Data Access Component merupakan framework dari Microsoft Teknologi yang saling terkait yang memungkinkan
Lebih terperinciPEMBUATAN DIMENSI SOSIAL EKONOMI PADA KUBUS DATA DALAM SPATIAL ONLINE ANALYTICAL PROCESSING UNTUK PERSEBARAN TITIK PANAS DI PROVINSI RIAU
PEMBUATAN DIMENSI SOSIAL EKONOMI PADA KUBUS DATA DALAM SPATIAL ONLINE ANALYTICAL PROCESSING UNTUK PERSEBARAN TITIK PANAS DI PROVINSI RIAU PUTRI THARIQA ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciKonsep Basis Data dalam SIG. by: Ahmad Syauqi Ahsan
Konsep Basis Data dalam SIG by: Ahmad Syauqi Ahsan Trend Basis Data Spasial Hampir semua perangkat lunak SIG telah memiliki format sendiri untuk menyimpan datanya. Namun, untuk data atribut, mereka menggunakan
Lebih terperinciMenggunakan PostgreSQL dan PostGIS. Oleh : Edi Sugiarto, M.Kom
Menggunakan PostgreSQL dan PostGIS Oleh : Edi Sugiarto, M.Kom Pendahuluan PostgreSQL merupakan database server yang bersifat open source, memiliki lisensi GPL (General Public License) dan merupakan salah
Lebih terperinciMampu mengoperasi kan komputer Terbiasa menggunakan aplikasi internet. Mampu. menggunakan
LAMPIRAN Lampiran Karakteristik Pengguna Pengguna Hak Akses Tingkat Ketrampilan Pengguna Biasa Melihat tampilan Mampu utama mengoperasi Melihat menumenu kan komputer yang disediakan Terbiasa, kecuali menggunakan
Lebih terperinciPERANCANGAN DATA WAREHOUSE PENGOLAHAN PERSEDIAAN BUKU PT. GRAMEDIA ASRI MEDIA MAKASSAR
PERANCANGAN DATA WAREHOUSE PENGOLAHAN PERSEDIAAN BUKU PT. GRAMEDIA ASRI MEDIA MAKASSAR Erick A. Lisangan 1, N. Tri Suswanto Saptadi 2 1 erick_lisangan@yahoo.com 2 ntsaptadi@yahoo.com Abstrak Proses dan
Lebih terperinciUKDW BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia bisnis pada jaman sekarang, para pelaku bisnis senantiasa selalu berusaha mengembangkan cara-cara untuk dapat mengembangkan usaha mereka dan memperhatikan
Lebih terperinciPENAMBAHAN KUBUS DATA CUACA PADA SISTEM SPATIAL ONLINE ANALYTICAL PROCESSING (SOLAP) DENGAN SPAGOBI IRWAN ADRIANSYAH
PENAMBAHAN KUBUS DATA CUACA PADA SISTEM SPATIAL ONLINE ANALYTICAL PROCESSING (SOLAP) DENGAN SPAGOBI IRWAN ADRIANSYAH DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciUNIVERSITAS BINA NUSANTARA. Fakultas Ilmu Komputer Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2005/2006
UNIVERSITAS BINA NUSANTARA Fakultas Ilmu Komputer Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2005/2006 ANALISIS DAN PERANCANGAN DATA WAREHOUSE PT. CIPTA TERAS ADI BUSANA
Lebih terperinci