Lampiran 1 Struktur forestfire_spatialcube.xml

Ukuran: px
Mulai penontonan dengan halaman:

Download "Lampiran 1 Struktur forestfire_spatialcube.xml"

Transkripsi

1 LAMPIRAN

2 Lampiran 1 Struktur forestfire_spatialcube.xml <!--Copyright (C) 2011 Muhammad Hilman Fadli--> <!--"Forest Fire Spatio-Temporal Data Warehouse Using Geomondrian and Geoserver"--> <!--Department of Computer Science-Bogor Agricultural University--> <Schema name="hotspot" description="skema snowflake dari dimensi spasial penyebaran hotspot di indonesia"> <Cube name="forestfire_spatialcube" description="kubus data" cache="true" enabled="true"> <Table name="fakta_forestfire" schema="public"> </Table> <Dimension type="timedimension" foreignkey="id_waktu" highcardinality="false" name="waktu" description="dimensi waktu"> <Hierarchy name="hierarki waktu" hasall="true" allmembername="semua Waktu" primarykey="id_waktu"> <Table name="tb_waktu" schema="public"> </Table> <Level name="tahun" column="tahun" type="numeric" uniquemembers="true" leveltype="timeyears" hidememberif="never"> </Level> <Level name="kuartil" column="kuartil" type="string" uniquemembers="false" leveltype="timequarters" hidememberif="never"> </Level> <Level name="bulan" column="bulan" type="string" uniquemembers="false" leveltype="timemonths" hidememberif="never"> </Level> </Hierarchy> </Dimension> <Dimension type="standarddimension" foreignkey="id_satelit" highcardinality="false" name="satelit" description="dimensi satelit NOAA"> <Hierarchy name="hierarki satelit" hasall="true" allmembername="semua Satelit" primarykey="id_satelit"> <Table name="tb_satelit" schema="public"> </Table> <Level name="nama Satelit" column="nama_satelit" type="string" uniquemembers="true" leveltype="regular" hidememberif="never"> </Level> </Hierarchy> </Dimension> <Dimension type="standarddimension" foreignkey="id_hotspot" highcardinality="false" name="lokasi"> <Hierarchy name="hierarki wilayah" hasall="true" allmembername="seluruh Indonesia" primarykey="kode_hotspot" primarykeytable="tb_geohotspot"> <Join leftkey="kode_kab" rightalias="tb_kabupaten" rightkey="kode_kab"> <Table name="tb_geohotspot" schema="public"> </Table> <Join leftkey="kode_prov" rightalias="tb_provinsi" rightkey="kode_prov"> <Table name="tb_kabupaten" schema="public"> </Table> <Join leftkey="kode_pulau" rightkey="kode_pulau"> <Table name="tb_provinsi" schema="public"> </Table> <Table name="tb_pulau" schema="public"> </Table> </Join> </Join> </Join> <Level name="hotspot Pulau" table="tb_pulau" column="nama_pulau" type="string" uniquemembers="true" leveltype="regular" hidememberif="never"> <!--<Property name="pulau_geom" column="pulau_geom" type="string"> </Property>--> </Level> <Level name="hotspot Provinsi" table="tb_provinsi" column="nama_prov" type="string" uniquemembers="true" leveltype="regular" hidememberif="never"> <!--<Property name="provinsi_geom" column="prov_geom" type="string"> </Property>--> </Level> <Level name="hotspot Kabupaten" table="tb_kabupaten" column="nama_kab" type="string" uniquemembers="true" leveltype="regular" hidememberif="never"> <Property name="kabupaten_geom" column="kab_geom" type="geometry"> </Property> </Level> <Level name="hotspot " table="tb_geohotspot" column="kode_hotspot" type="string" uniquemembers="true" leveltype="regular" hidememberif="ifblankname"> <Property name="hotspot_geom" column="hotspot_geom" type="geometry"> </Property> </Level> </Hierarchy> </Dimension> <Measure name="frekuensi_hotspot" column="frekuensi" datatype="integer" formatstring="standard" aggregator="sum" visible="false"> </Measure> <Measure name="luasan_hotspot" column="luasan" datatype="integer" formatstring="standard" aggregator="sum" visible="false"> </Measure> </Cube></Schema> 19

3 Lampiran 2 Antarmuka Sistem 20

4 Lampiran 3 Visualisasi data dalam bentuk Tabel Pivot, Grafik dan Peta 1. Visualisasi data dalam bentuk tabel pivot, diagram batang, dan peta jumlah frekuensi kemunculan hotspot pada tahun 2000 di seluruh Indonesia 21

5 Lampiran 3 Lanjutan 2. Visualisasi data dalam bentuk tabel pivot dan diagram batang dengan memilih measure jumlah frekuensi kemunculan atau interpretasi luasan hotspot setiap tahun di seluruh Indonesia. 22

6 3. Visualisasi data jumlah frekuensi kemunculan hotspot (measure) sebanyak 39 titik, berikut luasan hotspot (measure) seluas 47 km 2 dalam bentuk tabel pivot dan diagram batang, bulan mei tahun 2000 pada semua satelit di wilayah Kalimantan. Lampiran 3 Lanjutan 4. Visualisasi data jumlah frekuensi kemunculan hotspot (measure) sebanyak 39 dalam bentuk tabel pivot dan diagram batang, bulan mei tahun 2000 pada semua satelit di wilayah Kalimantan (Swap Axes) 23

7 5. Visualisasi data jumlah frekuensi kemunculan hotspot (measure) sebanyak 39dalam bentuk peta, bulan mei tahun 2000 pada semua satelit di wilayah Kalimantan 24

8 Lampiran 4 Web Map Server (Geoserver) - GeoExt 1. Antarmuka Geoserver Membuat Layer berdasarkan sql query 25

9 Lampiran 4 Lanjutan 3. Struktur SLD pada sldindoprov.sld yang menghasilkan style layer indo_prov <?xml version="1.0" encoding="utf-8"?> <sld:styledlayerdescriptor xmlns=" xmlns:sld=" xmlns:ogc=" xmlns:gml=" version="1.0.0"> <sld:userlayer> <sld:layerfeatureconstraints> <sld:featuretypeconstraint/> </sld:layerfeatureconstraints> <sld:userstyle> <sld:name>default Styler</sld:Name> <sld:title/> <sld:isdefault>1</sld:isdefault> <sld:featuretypestyle> <sld:name>name</sld:name> <sld:featuretypename>feature</sld:featuretypename> <sld:semantictypeidentifier>generic:geometry</sld:semantictypeidentifier> <sld:semantictypeidentifier>colorbrewer:custom:rdylgn</sld:semantictypeidentifier> <sld:rule> <sld:name>rule01</sld:name> <sld:title>sumatera</sld:title> <ogc:filter> <ogc:propertyisequalto> <ogc:propertyname>nama_pulau</ogc:propertyname> <ogc:literal>sumatera</ogc:literal> </ogc:propertyisequalto> </ogc:filter> <sld:polygonsymbolizer> <sld:fill> <sld:cssparameter name="fill">#ffffff</sld:cssparameter> </sld:fill> <sld:stroke/> </sld:polygonsymbolizer> </sld:rule> <sld:rule> <sld:name>rule02</sld:name> <sld:title>jawa</sld:title> <ogc:filter> <ogc:propertyisequalto> <ogc:propertyname>nama_pulau</ogc:propertyname> <ogc:literal>jawa</ogc:literal> </ogc:propertyisequalto> </ogc:filter> <sld:polygonsymbolizer> <sld:fill> <sld:cssparameter name="fill">#ffffff</sld:cssparameter> </sld:fill> <sld:stroke/> </sld:polygonsymbolizer> </sld:rule> <sld:rule> <sld:name>rule03</sld:name> <sld:title>kalimantan</sld:title> <ogc:filter> <ogc:propertyisequalto> <ogc:propertyname>nama_pulau</ogc:propertyname> <ogc:literal>kalimantan</ogc:literal> </ogc:propertyisequalto> </ogc:filter> <sld:polygonsymbolizer> <sld:fill> <sld:cssparameter name="fill">#ffffff</sld:cssparameter> </sld:fill> <sld:stroke/> </sld:polygonsymbolizer> </sld:rule> 26

10 Lampiran 4 Lanjutan <sld:rule> <sld:name>rule04</sld:name> <sld:title>sulawesi</sld:title> <ogc:filter> <ogc:propertyisequalto> <ogc:propertyname>nama_pulau</ogc:propertyname> <ogc:literal>sulawesi</ogc:literal> </ogc:propertyisequalto> </ogc:filter> <sld:polygonsymbolizer> <sld:fill> <sld:cssparameter name="fill">#ffffff</sld:cssparameter> </sld:fill> <sld:stroke/> </sld:polygonsymbolizer> </sld:rule> <sld:rule> <sld:name>rule05</sld:name> <sld:title>irian JAYA</sld:Title> <ogc:filter> <ogc:propertyisequalto> <ogc:propertyname>nama_pulau</ogc:propertyname> <ogc:literal>irian JAYA</ogc:Literal> </ogc:propertyisequalto> </ogc:filter> <sld:polygonsymbolizer> <sld:fill> <sld:cssparameter name="fill">#ffffff</sld:cssparameter> </sld:fill> <sld:stroke/> </sld:polygonsymbolizer> </sld:rule> </sld:featuretypestyle> <sld:featuretypestyle> <sld:name>simple</sld:name> <sld:featuretypename>feature</sld:featuretypename> <sld:semantictypeidentifier>generic:geometry</sld:semantictypeidentifier> <sld:semantictypeidentifier>simple</sld:semantictypeidentifier> <sld:rule> <sld:textsymbolizer> <sld:label> <ogc:propertyname>nama_prov</ogc:propertyname> </sld:label> <sld:font> <sld:cssparameter name="font-family">lucida Grande</sld:CssParameter> <sld:cssparameter name="fontsize">9.0</sld:cssparameter> <sld:cssparameter name="fontstyle">normal</sld:cssparameter> <sld:cssparameter name="fontweight">bold</sld:cssparameter> </sld:font> <sld:labelplacement> <sld:pointplacement> <sld:anchorpoint> <sld:anchorpointx> <ogc:literal>0.5</ogc:literal> </sld:anchorpointx> <sld:anchorpointy> <ogc:literal>0.5</ogc:literal> </sld:anchorpointy> </sld:anchorpoint> <sld:rotation> <ogc:literal>0.0</ogc:literal> </sld:rotation> </sld:pointplacement> </sld:labelplacement> 27

11 Lampiran 4 Lanjutan <sld:fill> <sld:cssparameter name="fill">#000000</sld:cssparameter> </sld:fill> <sld:vendoroption name="spacearound">2</sld:vendoroption> </sld:textsymbolizer> </sld:rule> </sld:featuretypestyle> </sld:userstyle> </sld:userlayer> </sld:styledlayerdescriptor> 4. Memanggil Layer menggunakan library GeoExt Berikut sepenggal source code dalam file GeoExplorer.js : this.mappanel=new GeoExt.MapPanel({ layout:"anchor",border:true,region:"center", map:this.map, center:mapconfig.center&&new OpenLayers.LonLat( mapconfig.center[0], mapconfig.center[1] ), zoom:mapconfig.zoom, layers: [ new OpenLayers.Layer.WMS("Indonesia (Provinsi) [Local]", " { layers: "forestfire_indonesia:indo_prov", transparent: "true", format: "image/png" }, { isbaselayer: true, visibility: true } )] }); 28

12 Lampiran 4 Lanjutan 5. Menyeleksi polygon (Lokasi) berdasarkan filter query a) Menyeleksi wilayah Indonesia berdasarkan provinsi pada pada layer preview Geoserver: Select Layer indo_prov (Geoserver), ( rs=forestfire_indonesia:indo_prov&styles=&bbox=95.06, , ,5.907&width=896&height=330&srs=EPSG:4326&format=application/openl ayers) Result : b) Menyeleksi wilayah Kalimantan dan Sulawesi menggunakan CQL filtering berdasarkan nama provinsi pada layer preview Geoserver : Filter using CQL (Geoserver), (SELECT nama_pulau LIKE 'KALI%' OR nama_pulau LIKE 'SULAWESI') Result : 29

13 Lampiran 4 Lanjutan c) Menyeleksi wilayah Kalimantan dan Sulawesi pada panel feature query berdasarkan nama provinsi dalam sistem yang dikembangkan (menggunakan librari GeoExt) : Filter using CQL (GeoExt), (SELECT nama_pulau LIKE *KALI* OR nama_pulau LIKE *SULAWESI*) Result : (Terdapat 11 provinsi pada pulau Kalimantan dan Sulawesi) 30

14 Lampiran 4 Lanjutan 6. Menyeleksi point (hotspot) berdasarkan query a. Menyeleksi hotspot pada tahun 2000 di Indonesia pada layer preview Geoserver : Select layer hotspot 2000 (Geoserver), ( rs=forestfire_indonesia:hotspot00&styles=&bbox=95.29,- 8.25,125.4,5.55&width=720&height=330&srs=EPSG:4326&format=application/openlayers) Result : b. Menyeleksi hotspot pada wilayah Kalimantan dan pada bulan mei tahun 2000 : (SELECT nama_prov LIKE 'KALIMANTAN %' AND bulan LIKE 'Mei' AND tahun = 2000) Result: 31

15 Lampiran 4 Lanjutan c. Menyeleksi wilayah Kalimantan di bulan mei tahun 2000 pada panel feature query berdasarkan nama provinsi dalam sistem yang dikembangkan (menggunakan librari GeoExt): Filter using CQL (GeoExt), (SELECT nama_prov LIKE *KALIMANTAN* AND bulan LIKE *Mei* AND tahun = 2000) Result : (Terdapat 39 hotspot pada bulan mei tahun 2000 di wilayah Kalimantan) 7. Berikut sepenggal source code dalam file GeoExplorer.js yang digunakan sebagai modul pada pengukuran jarak antar hotspot dan luasan pada wilayah tertentu: menu:new Ext.menu.Menu({ items:[ new Ext.menu.CheckItem(new GeoExt.Action({ text:"length", iconcls:"icon-measure-length", togglegroup:toolgroup, group:toolgroup, allowdepress:false, map:this.map, control:this.createmeasurecontrol(openlayers.handler.path,"length")}) ), new Ext.menu.CheckItem(new GeoExt.Action({ text:"area", iconcls:"icon-measure-area", togglegroup:toolgroup,group:toolgroup, allowdepress:false, map:this.map, control:this.createmeasurecontrol(openlayers.handler.polygon,"area") })) ] }) 32

16 Lampiran 4 Lanjutan 8. Menentukan jarak antar hotspot 9. Menentukan luasan suatu daerah 33

17 Lampiran 5 Spatial OLAP dan keterangan Keterangan : : Open OLAP Navigator : Show MDX Query : Config OLAP Table : Show Parent Members : Hide Spans : Show Properties : Suppress Empty Rows/Columns : Swap Axes : Drill Member : Start Excel : Drill Positions : Drill Replace : Drill Through : Show Chart : Chart Config : Configure Print Setting : Print This Page via pdf : SOLAP Guide Information Lampiran 6 Contoh-contoh Hasil Operasi OLAP 1 Operasi Roll Up 34

18 Lampiran 6 Lanjutan 2 Operasi Drill Down 3 Operasi Slice 35

19 Lampiran 6 Lanjutan 4 Operasi Dice 36

20 Lampiran 6 Lanjutan 5 Operasi Pivot 37

PENINGKATAN 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 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 terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN 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 2009.

Lebih terperinci

BAB III METODE PENELITIAN

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 terperinci

SINKRONISASI ANTARA VISUALISASI PETA DAN QUERY OLAP PADA SPATIAL DATA WAREHOUSE KEBAKARAN HUTAN DI INDONESIA AYI IMADUDDIN

SINKRONISASI ANTARA VISUALISASI PETA DAN QUERY OLAP PADA SPATIAL DATA WAREHOUSE KEBAKARAN HUTAN DI INDONESIA AYI IMADUDDIN 1 SINKRONISASI ANTARA VISUALISASI PETA DAN QUERY OLAP PADA SPATIAL DATA WAREHOUSE KEBAKARAN HUTAN DI INDONESIA AYI IMADUDDIN DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

PEMBANGUNAN SPATIOTEMPORAL DATA WAREHOUSE KEBAKARAN HUTAN DI WILAYAH INDONESIA MUHAMAD ARIF FAUZI

PEMBANGUNAN 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 terperinci

BAB IV IMPLEMENTASI DAN PENGUJIAN

BAB IV IMPLEMENTASI DAN PENGUJIAN BAB IV IMPLEMENTASI DAN PENGUJIAN 4.1. Ruang Lingkup Implementasi 4.1.1. Perangkat keras Sebuah aplikasi membutuhkan perangkat keras yang mampu memberikan kemampuan kepada aplikasi untuk dapat menjalankan

Lebih terperinci

Web browser Mozilla Firefox 2.0 dan Internet Explorer 7 HASIL DAN PEMBAHASAN. Analisis Data

Web 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 terperinci

PENGEMBANGAN 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 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 terperinci

DATA 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 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 terperinci

PENAMBAHAN 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 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 terperinci

Perancangan Data Warehouse

Perancangan Data Warehouse Perancangan Data Warehouse Data yang disimpan dalam data warehouse adalah data historis berorientasi subjek yang dapat mendukung proses pengambilan keputusan bagi manajemen. Artinya data tersebut harus

Lebih terperinci

Pengantar Saat ini terdapat beberapa aplikasi pemetaan yang digunakan di dunia baik yang berbayar maupun yang sifatnya gratis. Beberapa nama besar apl

Pengantar Saat ini terdapat beberapa aplikasi pemetaan yang digunakan di dunia baik yang berbayar maupun yang sifatnya gratis. Beberapa nama besar apl PETUNJUK SINGKAT PENGGUNAAN UNTUK PEMETAAN TEMATIK http://www.labpemda.org April 2017 1 Pengantar Saat ini terdapat beberapa aplikasi pemetaan yang digunakan di dunia baik yang berbayar maupun yang sifatnya

Lebih terperinci

Tugas Akhir (KI091391) Muhamad Adi Prasetyo

Tugas Akhir (KI091391) Muhamad Adi Prasetyo Tugas Akhir (KI091391) Muhamad Adi Prasetyo 5105100159 Prolog Sebuah Program Aplikasi Web yang dibuat untuk melaporkan kuantitas Proses Produksi Menggunakan Metode OLAP pada PT. Aneka Tuna Indonesia (ATI).

Lebih terperinci

MODUL EXTRACT, TRANSFORM, DAN LOAD UNTUK SPATIAL DATA WAREHOUSE TITIK PANAS MENGGUNAKAN GEOKETTLE WINDA ASTRIANI

MODUL EXTRACT, TRANSFORM, DAN LOAD UNTUK SPATIAL DATA WAREHOUSE TITIK PANAS MENGGUNAKAN GEOKETTLE WINDA ASTRIANI MODUL EXTRACT, TRANSFORM, DAN LOAD UNTUK SPATIAL DATA WAREHOUSE TITIK PANAS MENGGUNAKAN GEOKETTLE WINDA ASTRIANI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

Bab I PENDAHULUAN. I.1 Latar Belakang

Bab 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 terperinci

Bab 4 Hasil dan Pembahasan

Bab 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 terperinci

MIGRASI 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 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 terperinci

HASIL DAN PEMBAHASAN Kondisi Awal Lingkungan Pengembangan

HASIL 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 terperinci

INTEGRASI KUBUS DATA SEKTOR PERTANIAN PADA SPATIAL OLAP TANAMAN HORTIKULTURA ANANDA INSHANY PUTRI

INTEGRASI KUBUS DATA SEKTOR PERTANIAN PADA SPATIAL OLAP TANAMAN HORTIKULTURA ANANDA INSHANY PUTRI INTEGRASI KUBUS DATA SEKTOR PERTANIAN PADA SPATIAL OLAP TANAMAN HORTIKULTURA ANANDA INSHANY PUTRI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2016

Lebih terperinci

Leuwiliang Leuwisadeng 050 Ciampea 050 Ciampea 050 Ciampea 050 Tenjolaya 070 Ciomas 070 Ciomas

Leuwiliang Leuwisadeng 050 Ciampea 050 Ciampea 050 Ciampea 050 Tenjolaya 070 Ciomas 070 Ciomas LAMPIRAN 16 Lampiran 1 Daftar Kecamatan yang mengalami pemecahan dan perubahan wilayah Tahun 1996 Tahun 1999 Tahun 2003 Tahun 2006 Kode Kecamatan Kode Kecamatan Kod Kecamatan Kode Kecamatan e 020 Leuwiliang

Lebih terperinci

PERANCANGAN DATA WAREHOUSE CALON MAHASISWA BARU POLITEKNIK NEGERI LHOKSEUMAWE

PERANCANGAN 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 terperinci

PENAMBAHAN KUBUS SOSIAL EKONOMI PADA SISTEM OLAP SPASIAL UNTUK PERSEBARAN TITIK PANAS DI INDONESIA MUHAMMAD ZULFIKAR

PENAMBAHAN KUBUS SOSIAL EKONOMI PADA SISTEM OLAP SPASIAL UNTUK PERSEBARAN TITIK PANAS DI INDONESIA MUHAMMAD ZULFIKAR PENAMBAHAN KUBUS SOSIAL EKONOMI PADA SISTEM OLAP SPASIAL UNTUK PERSEBARAN TITIK PANAS DI INDONESIA MUHAMMAD ZULFIKAR DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN

Lebih terperinci

BAB III ANALISA DAN PERANCANGAN

BAB III ANALISA DAN PERANCANGAN BAB III ANALISA DAN PERANCANGAN 3.1. Analisis Sistem Pada bagian ini akan dijelaskan lebih detail tentang proses bisnis perusahaan saat ini, permasalahan-permasalahan yang sering muncul serta kebutuhan-kebutuhan

Lebih terperinci

HASIL DAN PEMBAHASAN Praproses Data Clustering

HASIL 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 terperinci

4 Web server mengakses kubus data Palo server melalui Palo PHP API. Aplikasi OLAP menggunakan library JpGraph untuk menampilkan grafik.

4 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 terperinci

ABSTRAK Kata Kunci Universitas Kristen Maranatha

ABSTRAK Kata Kunci Universitas Kristen Maranatha vii ABSTRAK Salah satu cara untuk menganalisis data bervolume besar dapat dilakukan dengan memodelkan data ke dalam bentuk multidimensional. Pemodelan data multidimensional dikenal dengan istilah data

Lebih terperinci

BAB IV PERANCANGAN SISTEM

BAB 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 terperinci

Jurnal 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 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 terperinci

PERANCANGAN DATA WAREHOUSE PENGOLAHAN PERSEDIAAN BUKU PT. GRAMEDIA ASRI MEDIA MAKASSAR

PERANCANGAN 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 [email protected] 2 [email protected] Abstrak Proses dan

Lebih terperinci

Aplikasi Analisis Data Kesehatan dengan Memanfaatkan Teknologi OLAP untuk Departemen Kesehatan PT. Ateja Multi Industri

Aplikasi Analisis Data Kesehatan dengan Memanfaatkan Teknologi OLAP untuk Departemen Kesehatan PT. Ateja Multi Industri Aplikasi Analisis Data Kesehatan dengan Memanfaatkan Teknologi OLAP untuk Departemen Kesehatan PT. Ateja Multi Industri Stela Paskarina, Mewati Ayub Jurusan S1 Teknik Informatika Fakultas Teknologi Informasi,

Lebih terperinci

HASIL DAN PEMBAHASAN. Nama dan deskripsi atribut tabel tempfact_indeksprestasi

HASIL 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 terperinci

BAB 4 IMPLEMENTASI DAN EVALUASI

BAB 4 IMPLEMENTASI DAN EVALUASI 141 BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Perancangan Aplikasi 1. Form Login Form Login ini muncul pertama kali saat aplikasi dijalankan. Untuk menjaga keamanan pengaksesan informasi, hanya mereka yang memiliki

Lebih terperinci

IMPLEMENTASI OLAP PADA DATA PENJUALAN BBM MENGGUNAKAN PENTAHO TRIYONO

IMPLEMENTASI 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 terperinci

HASIL DAN PEMBAHASAN Analisis Kebutuhan a. Deskripsi Umum Sistem b. Kebutuhan Fungsional Sistem c. Karakteristik Pengguna

HASIL 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 terperinci

Dekstop Mapping (Bagian 1)

Dekstop Mapping (Bagian 1) II. DEKSTOP MAPPING ARCGIS (Bagian I) Pada modul ini akan dijelaskan tentang jenis data dan karakteristik software ArcGis yang terdiri dari beberapa modul utama, yaitu: - ArcCatalog - ArcMap - ArcToolBox

Lebih terperinci

Data Analysis with Mondrian

Data 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 terperinci

PENGELOLAAN SISTEM INFORMASI TATA PAMONG DAN KEMAHASISWAAN MENGGUNAKAN OLAP UNTUK PENYUSUNAN LAPORAN BORANG AKREDITASI

PENGELOLAAN SISTEM INFORMASI TATA PAMONG DAN KEMAHASISWAAN MENGGUNAKAN OLAP UNTUK PENYUSUNAN LAPORAN BORANG AKREDITASI PENGELOLAAN SISTEM INFORMASI TATA PAMONG DAN KEMAHASISWAAN MENGGUNAKAN OLAP UNTUK PENYUSUNAN LAPORAN BORANG AKREDITASI Masfulatul Lailiyah, Umi Laili Yuhana, Dini Adni Navastara Jurusan Teknik Informatika,

Lebih terperinci

Perancangan cube. Berikut adalah screen-shoot perancangan database OLAP. dengan menggunakan Microsoft SQL Server Analysis Services.

Perancangan cube. Berikut adalah screen-shoot perancangan database OLAP. dengan menggunakan Microsoft SQL Server Analysis Services. 81 4.3.2.2 Perancangan cube Berikut adalah screen-shoot perancangan database OLAP dengan menggunakan Microsoft SQL Server Analysis Services. Gambar berikut ini adalah Console root dari Microsoft SQL Server

Lebih terperinci

PENAMBAHAN 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 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 terperinci

PENTAHO SEBAGAI SOLUSI MASALAH PENGOLAHAN DATABASE (Pentaho as a Solution of Database Processing Problems)

PENTAHO SEBAGAI SOLUSI MASALAH PENGOLAHAN DATABASE (Pentaho as a Solution of Database Processing Problems) PENTAHO SEBAGAI SOLUSI MASALAH PENGOLAHAN DATABASE (Pentaho as a Solution of Database Processing Problems) Nurtriana Hidayati Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang Abstract Information

Lebih terperinci

Bab 3. Metode Penelitian dan Perancangan Sistem

Bab 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 terperinci

Visual Index Presentasi Online 5 September 2012

Visual Index Presentasi Online 5 September 2012 Business Intelligence series Visual Index Presentasi Online 5 September 2012 Disusun Oleh : PHI-Integration Dalam Bentuk PDF pada September 2012 E-Book ini dapat digunakan secara BEBAS baik secara digital

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Pengertian Visualisasi Visualisasi adalah tampilan pada layar monitor baik dalam bentuk gambar yang bergerak ataupun tidak, serta dapat pula gambar yang disertai dengan suara.

Lebih terperinci

PRAKTIKUM-2 PENGENALAN ARCVIEW

PRAKTIKUM-2 PENGENALAN ARCVIEW PRAKTIKUM-2 PENGENALAN ARCVIEW Tujuan: - Mahasiswa dapat mengenal software Arcview beserta menu-menu yang terdapat di dalamnya - Mahasiswa dapat mengoperasikan software Arcview Pendahuluan Software ArcView

Lebih terperinci

Sistem Basis data Spasial dengan Software GIS Nafizah PRAKTIKUM

Sistem 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 terperinci

MINI PROJECT - 4. Kelompok 4 : Kecerdasan Bisnis (Kelas B)

MINI PROJECT - 4. Kelompok 4 : Kecerdasan Bisnis (Kelas B) MINI PROJECT - 4 Kecerdasan Bisnis (Kelas B) Kelompok 4 : Muhammad Farhan N (5213100045) Izzatun Nafsi A (521300067) Nur Sofia Arianti (5213100077) Nance Arsita Citra (5213100084) Fitri Larasati (5213100175)

Lebih terperinci

HASIL DAN PEMBAHASAN Dalam pembuatan data warehouse potensi desa wilayah Bogor melalui beberapa tahap yaitu:

HASIL 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 terperinci

DAFTAR ISI DAFTAR GAMBAR... DAFTAR TABEL... DAFTAR LAMPIRAN... 1

DAFTAR ISI DAFTAR GAMBAR... DAFTAR TABEL... DAFTAR LAMPIRAN... 1 DAFTAR ISI Halaman ABSTRAK... Error! Bookmark not def KATA PENGANTAR... Error! Bookmark not def DAFTAR ISI... DAFTAR GAMBAR... DAFTAR TABEL... i iv x BAB I PENDAHULUAN... Error! Bookmark not def BAB II

Lebih terperinci

BAB I PENDAHULUAN. I.1 Pendahuluan

BAB 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 terperinci

HASIL DAN PEMBAHASAN. Studi pustaka. Analisis data. Versi struktur dan fungsi transformasi. Pemuatan data. Implementasi operasi OLAP

HASIL DAN PEMBAHASAN. Studi pustaka. Analisis data. Versi struktur dan fungsi transformasi. Pemuatan data. Implementasi operasi OLAP Uji Query Uji query adalah tahap untuk menguji temporal data warehouse apakah telah sesuai dengan kebutuhan dan berfungsi dengan baik serta memeriksa apakah operasi dasar data warehouse dan fungsi agregat

Lebih terperinci

LATIHAN 3 : QUERY DATABASE

LATIHAN 3 : QUERY DATABASE LATIHAN 3 : QUERY DATABASE Start ArcMap dan buka peta existing Menambahkan map tips Identify Mencari objek Membuat query spasial Membuat layer hasil query Menyimpan layer data. Menyimpan dokumen peta dan

Lebih terperinci

Website PP Statistik

Website PP Statistik Website PP Statistik 1.3.0 29/11/2016 Daftar Gambar Gambar 1. 1 Tampilan Awal PP Statistik... 5 Gambar 1.2 Tampilan Menu berita.4 Gambar 1.3 Tampilan Berita 5 Gambar 1.4 Tampilan Tambah Baru..5 Gambar

Lebih terperinci

PENGEMBANGAN DATA WAREHOUSE PROGRAM TRACKING STASIUN TV DI INDONESIA ABSTRAK

PENGEMBANGAN DATA WAREHOUSE PROGRAM TRACKING STASIUN TV DI INDONESIA ABSTRAK 1 PENGEMBANGAN DATA WAREHOUSE PROGRAM TRACKING STASIUN TV DI INDONESIA Arsanda Prawisda, Wisnu Ananta Kusuma, Hari Agung Adrianto 1 Staf Departemen Ilmu Komputer, Fakultas Matematika dan IPA, Institut

Lebih terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN 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 terperinci

BAB 4 PERANCANGAN. 4.1 Overview Perencanaan Aktivitas. karakteristik dari data dan relasi diantara item data atau atribut dapat di

BAB 4 PERANCANGAN. 4.1 Overview Perencanaan Aktivitas. karakteristik dari data dan relasi diantara item data atau atribut dapat di BAB 4 PERANCANGAN 4.1 Overview Perencanaan Aktivitas Visualisasi data adalah konversi data ke dalam format visual sehingga karakteristik dari data dan relasi diantara item data atau atribut dapat di analisis

Lebih terperinci

HASIL DAN PEMBAHASAN. Microsoft SQL Server Microsoft Sharepoint Microsoft.Net Framework 4.0.

HASIL 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 terperinci

MODUL STATIC LOCATION INTELLIGENCE UNTUK SPATIAL DATA WAREHOUSE TITIK PANAS DI INDONESIA MENGGUNAKAN SPAGOBI GEO ENGINE HENDRA DWINANTO PRAKOSO

MODUL STATIC LOCATION INTELLIGENCE UNTUK SPATIAL DATA WAREHOUSE TITIK PANAS DI INDONESIA MENGGUNAKAN SPAGOBI GEO ENGINE HENDRA DWINANTO PRAKOSO MODUL STATIC LOCATION INTELLIGENCE UNTUK SPATIAL DATA WAREHOUSE TITIK PANAS DI INDONESIA MENGGUNAKAN SPAGOBI GEO ENGINE HENDRA DWINANTO PRAKOSO DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

PERANCANGAN 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 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 terperinci

PEMBANGUNAN BUSINESS INTELLIGENCE SUPRA DESA DAN KAWASAN PERDESAAN UNTUK PERENCANAAN PEMBANGUNAN TUGAS AKHIR

PEMBANGUNAN BUSINESS INTELLIGENCE SUPRA DESA DAN KAWASAN PERDESAAN UNTUK PERENCANAAN PEMBANGUNAN TUGAS AKHIR PEMBANGUNAN BUSINESS INTELLIGENCE SUPRA DESA DAN KAWASAN PERDESAAN UNTUK PERENCANAAN PEMBANGUNAN TUGAS AKHIR Diajukan untuk Memenuhi Sebagian Prasyarat Mencapai Derajat Sarjana Teknik Informatika Oleh

Lebih terperinci

3.5 Arsitektur Data Warehouse Data Source Data Warehouse Surveilans Terpadu Penyakit (STP) kabupatenbantul

3.5 Arsitektur Data Warehouse Data Source Data Warehouse Surveilans Terpadu Penyakit (STP) kabupatenbantul DAFTAR ISI aman Judul... i aman Pengesahan... ii aman Pernyataan... iii aman Persembahan dan Motto... iv Kata Pengantar... v Abstrak... vi Abstract... vii Daftar Isi... viii Daftar Gambar... x Daftar Tabel...

Lebih terperinci

Cara Penggunaan Sistem

Cara Penggunaan Sistem Cara Penggunaan Sistem Sistem Informasi Geospasial Kota Bontang-Provinsi Kalimantan Timur ini merupakan sistem geoportal yang berisi data geospasial beserta metadatanya (keterangan data) yang tersusun

Lebih terperinci

Bab 3- Pengenalan QGIS

Bab 3- Pengenalan QGIS Bab 3- Pengenalan QGIS 3.1 Membuka Project Pada QGIS Buka Program Quantum GIS Desktop 1.8.0 Quantum GIS dapat menyimpan sebuah project yang berisi kumpulan data layers yang ingin kita gunakan. Buka Project

Lebih terperinci

BAB I PENDAHULUAN. didukung dengan pernyataan dari Poe (1998) yang menyatakan bahwa banyak

BAB I PENDAHULUAN. didukung dengan pernyataan dari Poe (1998) yang menyatakan bahwa banyak BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Di dalam sebuah instansi, sebuah ketersediaan informasi yang akurat, berintegrasi, dan berkualitas tinggi menjadi hal sangat vital pada saat ini. Hal ini didukung

Lebih terperinci

MODUL 3 IMPORT DATA DARI MAPINFO KE DATABASE. Praktikan dapat mengetahui cara meng-inport data dari MapInfo ke database pada PostgreSQL.

MODUL 3 IMPORT DATA DARI MAPINFO KE DATABASE. Praktikan dapat mengetahui cara meng-inport data dari MapInfo ke database pada PostgreSQL. MODUL 3 IMPORT DATA DARI MAPINFO KE DATABASE A. Tujuan Praktikan dapat mengetahui cara meng-inport data dari MapInfo ke database pada PostgreSQL. B. Tools a. MapInfo 10.5 b. PostgreSQL c. PostGIS C. Teori

Lebih terperinci

APLIKASI DATA WAREHOUSE UNTUK BUSINESS INTELLIGENCE. Kusnawi Dosen STMIK AMIKOM Yogyakarta. Abstraksi

APLIKASI DATA WAREHOUSE UNTUK BUSINESS INTELLIGENCE. Kusnawi Dosen STMIK AMIKOM Yogyakarta. Abstraksi APLIKASI DATA WAREHOUSE UNTUK BUSINESS INTELLIGENCE Kusnawi Dosen STMIK AMIKOM Yogyakarta Abstraksi Dalam dunia bisnis, pemanfaatan teknologi informasi sudah merupakan kebutuhan yang mendesak terutama

Lebih terperinci

PEMBANGUNAN 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 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 terperinci

MAP VISION citrasatelit.wordpress.com MEI

MAP VISION citrasatelit.wordpress.com MEI MAP VISION citrasatelit.wordpress.com MEI 2015 1 [Tutorial] Reprojection di ArcGIS (ArcMap) Dalam pengerjaan pengolahan data citra satelit, terkadang ditemui kasus bahwa data citra satelit yang akan digabungkan

Lebih terperinci

HASIL DAN PEMBAHASAN. Analisis Data

HASIL 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 terperinci

PENGELOLAAN SISTEM INFORMASI TATA PAMONG DAN KEMAHASISWAAN MENGGUNAKAN OLAP UNTUK PENYUSUNAN LAPORAN BORANG AKREDITASI

PENGELOLAAN SISTEM INFORMASI TATA PAMONG DAN KEMAHASISWAAN MENGGUNAKAN OLAP UNTUK PENYUSUNAN LAPORAN BORANG AKREDITASI PENGELOLAAN SISTEM INFORMASI TATA PAMONG DAN KEMAHASISWAAN MENGGUNAKAN OLAP UNTUK PENYUSUNAN LAPORAN BORANG AKREDITASI Oleh : Masfulatul Lailiyah (5107100608) Dosen Pembimbing : Umi Laili Yuhana, S.Kom,

Lebih terperinci

12/19/2011. Polygon Arc Topology SPATIAL DATABASE MANAGEMENT. Konektivitas (Arc Node Topology) & Contiguity:

12/19/2011. Polygon Arc Topology SPATIAL DATABASE MANAGEMENT. Konektivitas (Arc Node Topology) & Contiguity: TAHAPAN PEMBANGUNAN DATA SIG TAHAPAN PEMBANGUNAN DATA SIG SPATIAL DATABASE MANAGEMENT CLEAN : Menbangun polygon topology BUILD : Membangun point & Line topology STORE : menyimpan data EDIT : melakukan

Lebih terperinci

ANALISA 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) 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 terperinci

Pengembangan Sistem Analisis Visual Untuk Meningkatkan Kualitas Informasi dan Pengambilan Keputusan dengan Tools BI TABLEAU

Pengembangan Sistem Analisis Visual Untuk Meningkatkan Kualitas Informasi dan Pengambilan Keputusan dengan Tools BI TABLEAU Pengembangan Sistem Analisis Visual Untuk Meningkatkan Kualitas Informasi dan Pengambilan Keputusan dengan Tools BI TABLEAU 1. Latar Belakang Permasalahan Banyak kendala yang semakin sering muncul dalam

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB 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 terperinci

10.1 Pelajaran: Menginstal dan mengatur Plugin

10.1 Pelajaran: Menginstal dan mengatur Plugin BAB 10 Modul: Plugin Plugin memungkinkan Anda untuk memperbanyak fungsi dalam QGIS. Dalam modul ini, Anda akan ditunjukkan bagaimana mengaktifkan dan menggunakan plugin. 10.1 Pelajaran: Menginstal dan

Lebih terperinci

DATA WAREHOUSING AND ONLINE ANALYTICAL PROCESSING (OLAP)

DATA 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 terperinci

DATAWAREHOUSE. Sukarsa:Pasca Elektro Unud. I Made Sukarsa

DATAWAREHOUSE. Sukarsa:Pasca Elektro Unud. I Made Sukarsa DATAWAREHOUSE I Made Sukarsa Evolusi Sistem Informasi Decision Support System database Database (I,U,D,R) ETL DW (Read) Masalah : integrasi /konsistensi OLTP Normalisasi/Den ormalisasi OLAP Denormalisasi

Lebih terperinci

HASIL DAN PEMBAHASAN. Sistem Operasi: Microsoft Windows XP

HASIL 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 terperinci

Klik (berikan tanda checklist) pada text. box pilihan layer. yang akan dilakukan. perbesaran. pengecilan

Klik (berikan tanda checklist) pada text. box pilihan layer. yang akan dilakukan. perbesaran. pengecilan LAMPIRAN 11 Lampiran 1 Deskripsi kebutuhan fungsional sistem. Level Id Proses Nama Proses Data Input Data Output Deskripsi Proses 1 1 Menampilkan Ketik alamat pada Informasi peta Menyediakan informasi

Lebih terperinci

PANDUAN PENGGUNAAN SISTEM INFORMASI MANAJEMEN TERPADU PNPM MANDIRI. Versi 2.0

PANDUAN PENGGUNAAN SISTEM INFORMASI MANAJEMEN TERPADU PNPM MANDIRI. Versi 2.0 PANDUAN PENGGUNAAN SISTEM INFORMASI MANAJEMEN TERPADU PNPM MANDIRI Versi 2.0 2012 Tim Pengembangan SIMPADU PNPM Mandiri Penanggung Jawab Ketua : Deputi Bidang Kemiskinan, Ketenagakerjaan, dan Usaha Kecil

Lebih terperinci

M O D U L PENYUSUNAN PETA STATUS KERUSAKAN TANAH

M O D U L PENYUSUNAN PETA STATUS KERUSAKAN TANAH M O D U L PENYUSUNAN PETA STATUS KERUSAKAN TANAH MENGGUNAKAN QUANTUM GIS 1.8.0 LISBOA 2013 PUSAT PENGELOLAAN EKOREGION SULAWESI DAN MALUKU KEMENTERIAN LINGKUNGAN HIDUP 1. Membuat Folder Baru di Windows

Lebih terperinci

Sesi Pokok Bahasan TIK Sub Pokok Bahasan Durasi Pre requisite Metoda/alat Referensi 1. Pengenalan

Sesi Pokok Bahasan TIK Sub Pokok Bahasan Durasi Pre requisite Metoda/alat Referensi 1. Pengenalan Tipe Pelatihan : Professional Materi Pembelajaran : PGA (Professional Geographic Information System Analyst using ArcGIS) Jumlah Sesi : 40 Jam (20 sesi @ 2 jam) + Final Test Deskripsi Singkat : Pelatihan

Lebih terperinci

Masukkan CD Program ke CDROM Buka CD Program melalui My Computer Double click file installer EpiInfo343.exe

Masukkan CD Program ke CDROM Buka CD Program melalui My Computer Double click file installer EpiInfo343.exe Epi Info Instalasi File Installer Masukkan CD Program ke CDROM Buka CD Program melalui My Computer Double click file installer EpiInfo343.exe File installer versi terbaru dapat diperoleh melalui situs

Lebih terperinci

DATA WAREHOUSE DAN OLAP BERBASIS WEB UNTUK PERSEBARAN HOTSPOT DI WILAYAH INDONESIA MENGGUNAKAN PALO 2.0 GANANDA HAYARDISI

DATA WAREHOUSE DAN OLAP BERBASIS WEB UNTUK PERSEBARAN HOTSPOT DI WILAYAH INDONESIA MENGGUNAKAN PALO 2.0 GANANDA HAYARDISI DATA WAREHOUSE DAN OLAP BERBASIS WEB UNTUK PERSEBARAN HOTSPOT DI WILAYAH INDONESIA MENGGUNAKAN PALO 2.0 GANANDA HAYARDISI DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

DAFTAR ISI BAB II LANDASAN TEORI... 6

DAFTAR ISI BAB II LANDASAN TEORI... 6 DAFTAR ISI BAB I PENDAHULUAN... 1 1.1. Latar Belakang Masalah... 1 1.2. Perumusan Masalah... 3 1.3. Pembatasan Masalah... 3 1.4. Tujuan... 4 1.5. Sistematika Penulisan... 4 BAB II LANDASAN TEORI... 6 2.1.

Lebih terperinci

OLAP - PERTEMUAN 8 OLAP

OLAP - PERTEMUAN 8 OLAP OLAP - PERTEMUAN 8 OLAP OLTP & OLAP (1) OLTP adalah singkatan dari On Line Transaction Processing. OLTP sering kita jumpai di sekitar kita seperti toko atau swalayan contohnya database pada sistem informasi

Lebih terperinci

Basis Data Oracle - Business Intelligence System. Ramos Somya, M.Cs.

Basis Data Oracle - Business Intelligence System. Ramos Somya, M.Cs. Basis Data Oracle - Business Intelligence System Ramos Somya, M.Cs. Menurut W.H. Inmon dan Richard D.H., data warehousing adalah koleksi data yang mempunyai sifat berorientasi subjek, terintegrasi, time-variant,

Lebih terperinci

DATAMULTIDIMENSI. DATAWAREHOUSE vs DATAMART FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO

DATAMULTIDIMENSI. DATAWAREHOUSE vs DATAMART FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO DATAMULTIDIMENSI FIRDAUS SOLIHIN UNIVERSITAS TRUNOJOYO DATAWAREHOUSE vs DATAMART DATAWAREHOUSE Perusahaan, melingkupi semua proses Gabungan datamart Data didapat dari proses Staging Merepresentasikan data

Lebih terperinci

APLIKASI KOMPUTER. Pokok Bahasan : MS. Excell 2010 (Bagian 1) Anggun Puspita Dewi, S.Kom., MM. Modul ke: Fakultas MKCU

APLIKASI KOMPUTER. Pokok Bahasan : MS. Excell 2010 (Bagian 1) Anggun Puspita Dewi, S.Kom., MM. Modul ke: Fakultas MKCU APLIKASI KOMPUTER Modul ke: Pokok Bahasan : MS. Excell 2010 (Bagian 1) Fakultas MKCU www.mercubuana.ac.id Anggun Puspita Dewi, S.Kom., MM Program Studi Sistem Informasi & MarComm Pengenalan Micosoft Excel

Lebih terperinci

[Data Warehouse] [6/C2 & 6/D2]

[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 terperinci

PENDAHULUAN TINJAUAN PUSTAKA

PENDAHULUAN 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 terperinci