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 potensi desa wilayah Bogor melalui beberapa tahap yaitu: Analisis Data 1 Definisi Masalah Data podes tahun 1996 terdiri atas 408 atribut, tahun 1999 terdiri atas 448 atribut, tahun 2003 terdiri atas 750 atribut, dan tahun 2006 terdiri atas 437 atribut. Atribut-atribut tersebut ada yang sama untuk keempat tahun, namun ada juga yang berbeda atau tidak ada pada keempat tahun. Jumlah atribut yang sama dan ada pada keempat tahun tersebut sebanyak 257 atribut. Atribut yang digunakan pada data warehouse adalah atribut yang ada pada keempat tahun atau atribut yang ada minimal pada tiga tahun. 2 Data Praproses Sebelum masuk ke pembuatan data warehouse, data harus diproses terlebih dahulu. Tahap-tahap praproses pada data podes yaitu: a Ekstraksi Data Data podes asli yang diperoleh dari Badan Pusat Statistik berupa file dalam format file SAS (SSD). Oleh karena itu, data tersebut dikonversi ke format SAV, selanjutnya diimpor menjadi file CSV (comma delimited) untuk memudahkan dalam pemilihan atribut-atribut yang relevan yang akan digunakan dalam pembuatan data warehouse. Pemilihan atribut berdasarkan subjek utama yang akan dianalisis untuk proses pengambilan keputusan. Atribut yang digunakan dapat dilihat pada Tabel 3. Tabel 3 Atribut hasil ekstraksi data dan deskripsinya Nama Atribut Deskripsi Nama_kab Nama kabupaten Nama_kec Nama kecamatan Nama_desa Nama desa Jml_pddk Menyatakan jumlah penduduk suatu daerah Jml_pddk_wnt Menyatakan jumlah penduduk wanita Jml_pddk_pria Menyatakan jumlah penduduk pria Jml_kel Menyatakan jumlah keluarga Jml_rmh Menyatakan jumlah rumah Luas_lahan Menyatakan luas lahan Jml_sekolah Menyatakan jumlah sekolah Jns_lahan Jns_pemukiman b Transformasi Data Menyatakan jenis lahan Menyatakan jenis pemukiman Pada tahap ini data podes diubah menjadi format yang lebih umum supaya mudah dipahami saat proses analisis. Transformasi data meliputi pemberian nama atribut yang sama untuk data tahun 1996, 1999, 2003, dan 2006. Dilakukan pemisahan atribut yang pada tahun 1999 digabung, sedangkan pada tahun yang lain dipisahkan. Atribut yang mengalami penambahan yaitu atribut yang berhubungan dengan kependudukan (jumlah penduduk) pada tahun 1999. Atribut kependudukan pada tahun 1996, 2003, dan 2006 terdiri atas jumlah penduduk, jumlah penduduk wanita, dan jumlah penduduk pria, sedangkan pada tahun 1999 hanya jumlah penduduk. Oleh karena itu, atribut tahun 1999 ditambah atribut jumlah penduduk wanita dan jumlah penduduk pria yang setiap baris datanya diisi dengan nilai 0 (nol). Atribut nama desa dan nama kecamatan pada tahun 1996 tidak ada. Untuk mengatasi hal ini, maka dilakukan pengisian data pada atribut nama desa dan nama kecamatan disesuaikan dengan nama kecamatan tahun 1999 berdasarkan kode kecamatannya. Untuk nama desa disamakan urutannya dengan nama desa pada tahun 1999. Atribut yang mengalami transformasi dapat dilihat pada Tabel 4.

9 Tabel 4 Atribut yang mengalami transformasi pada data potensi desa (podes) Nama Keterangan Atribut Jumlah penduduk laki-laki Jumlah penduduk perempuan Nama kecamatan Nama desa Atribut jumlah penduduk laki-laki pada tahun 1999 tidak ada sehingga masingmasing row diisi 0 (nol) Atribut jumlah penduduk laki-laki pada tahun 1999 tidak ada sehingga masingmasing row diisi 0 (nol) Atribut nama kecamatan pada tahun 1996 diisi data kecamatan tahun 1999 berdasarkan kode kecamatannya. Atribut nama desa pada tahun 1996 diisi data nama desa pada tahun 1999 secara berurutan. Pada tahap ini juga dibuat atribut baru untuk memenuhi kebutuhan dalam proses analisis. Atribut baru tersebut adalah atribut tahun yang menyatakan waktu (tahun tersedianya data). Pada atribut nama kecamatan, terdapat beberapa data yang mengalami perubahan nama, mengalami pemecahan wilayah kecamatan atau perubahan nama kecamatan setiap tahun (1996, 1999, 2003, dan 2006). Untuk mengatasi hal ini, maka data kecamatan disamakan untuk masing-masing tahun. Data kecamatan yang digunakan adalah nama kecamatan yang terbaru yaitu tahun 2006 karena data kecamatan pada tahun 2006 lebih lengkap dibanding kecamatan pada tahun sebelumnya. Kecamatan yang belum ada pada tahun 1996, 1999, dan 2003 disamakan kode lokasinya dengan kecamatan pada tahun 2006. c Pembersihan Data (Cleaning) Data potensi desa (podes) sudah bersih sehingga tidak perlu dilakukan proses pembersihan data. Data yang diperlukan untuk proses analisis bebas dari missing values (data hilang), tidak terdapat noise, dan sudah konsisten. d Pemuatan Data (Loading) Data yang sudah mengalami proses ekstraksi, transformasi, dan pembersihan sudah siap digunakan untuk pembuatan data warehouse. Data yang sudah siap tersebut berupa data dengan format CSV. Selanjutnya data tersebut akan dimuat ke tabel-tabel dalam basis data oracle. e Refresh Refresh data akan dilakukan ketika terdapat data baru yang dimasukkan. Pada penelitian ini, tidak dilakukan refresh data karena selama penelitian tidak terdapat data baru yang masuk. Perancangan dan Pembuatan Data Warehouse Perancangan data warehouse pada kasus potensi desa di wilayah Bogor menggunakan tiga solusi perancangan. Solusi tersebut digunakan untuk mengatasi masalah perubahan wilayah kecamatan yang terjadi pada tahun 1996, 1999, 2003, 2006. Tahap pembuatan data warehouse meliputi: 1 Pendefinisian dimensi Dimensi yang dibentuk dalam pembuatan data warehouse terdiri atas empat tabel yaitu dimensi lokasi, dimensi tahun, dimensi lahan, dan dimensi pemukiman. Dimensi dan deskripsinya dapat dilihat pada Tabel 5. 2 Pendefinisian Kubus Data dan Perancangan Model Data Multidimensi. Perancangan model data multidimensi untuk data podes wilayah Bogor terdiri atas beberapa skema. Skema yang dirancang merupakan solusi terhadap kasus data podes wilayah Bogor yang mengalami perubahan wilayah dalam tahun 1996, 1999, 2003, dan 2006. Perubahan wilayah ini meliputi perubahan nama kecamatan dan pemisahan (pemecahan) wilayah kecamatan. Selain itu, terdapat penambahan desa baru pada tahun 2003 dan tahun 2006. Data perubahan lokasi dapat dilihat pada Lampiran 1. Perancangan kubus dijabarkan pada solusi 1, solusi 2, dan solusi 3. Perancangan kubus data pada data potensi desa terdiri atas perancangan solusi 1, solusi 2, dan solusi 3. Pada solusi 1 perubahan wilayah kecamatan tidak diperhitungkan, sehingga yang digunakan adalah kode wilayah tahun 2006. Pada solusi 2 diperhitungkan perubahan wilayah kecamatan untuk masing-masing tahun (1996, 1999, 2003, dan 2006). Solusi 3 menggunakan skema yang sama dengan solusi 1, namun digunakan kode wilayah tahun 1999 (kode tahun pertengahan).

10 Berikut ini penjelasan secara rinci untuk solusi 1, solusi 2, dan solusi 3. Solusi 1 Skema yang digunakan adalah skema galaksi. Pada skema galaksi beberapa tabel fakta berbagi tabel dimensi. Skema pada solusi 1 terdiri atas empat kubus data dengan empat tabel fakta dan empat tabel dimensi. Tabel dimensi yang digunakan dapat dilihat pada Tabel 5, sedangkan tabel fakta dapat dilihat pada Tabel 6. Skema solusi 1 dapat dilihat pada Lampiran 2. Tabel 5 Dimensi pada solusi 1 Nama Tabel Deskripsi Dimensi D_lokasi Berisi identitas lokasi, identitas kabupaten, nama kabupaten, nama desa D_ pemukiman Berisi identitas dan jenis pemukiman. D_ tahun Berisi identitas dan tahun D_lahan Berisi identitas dan jenis lahan Tabel 6 Fakta pada solusi 1 Nama tabel Deskripsi fakta F_pemukiman Berisi nilai numerik (jumlah keluarga dan jumlah rumah), identitas lokasi, dan identitas tahun, serta identitas pemukiman yang berasal dari dimensi lokasi, tahun, dan pemukiman. F_penduduk Berisi nilai numerik (jumlah penduduk, jumlah penduduk pria, dan jumlah penduduk wanita), identitas lokasi, dan identitas tahun F_lahan Berisi nilai numerik (luas lahan), identitas lokasi, identitas tahun, dan identitas lahan. F_srn pendidikan Berisi nilai numerik (jumlah TK, jumlah SD, jumlah SLTP, dan jumlah SMU), identitas lokasi, dan identitas tahun. Solusi 2 Pada solusi 2 terdiri atas delapan tabel dimensi dan dua puluh tabel fakta yang berbagi dimensi membentuk dua puluh kubus data. Skema ini dirancang dengan mempertimbangkan aspek perubahan spasial/lokasi (Miquel et al 2002). Dalam kasus potensi desa yaitu terjadinya perubahan kecamatan dan pemecahan kecamatan. Tabel 7 menunjukkan tabel dimensi dan Lampiran 3 merupakan fakta yang digunakan dalam solusi 2. Skema solusi 2 dapat dilihat pada Lampiran 4. Tabel 7 Dimensi yang digunakan pada solusi 2 Nama Tabel Deskripsi Dimensi D_lokasi Berisi identitas lokasi, nama kabupaten, nama desa D_ pemukiman Berisi identitas dan jenis pemukiman. D_ tahun Berisi identitas dan tahun D_lahan Berisi identitas dan jenis lahan D_lokasi96 Berisi identitas lokasi, desa pada tahun 1996 D_lokasi99 Berisi identitas lokasi, desa pada tahun 1999 D_lokasi03 Berisi identitas lokasi, desa pada tahun 2003 D_lokasi06 Berisi identitas lokasi, desa pada tahun 2006

11 Solusi 3 Skema pada solusi 3 terdiri atas empat kubus data dengan empat tabel fakta dan empat tabel dimensi. Tabel dimensi yang digunakan adalah dimensi lokasi, dimensi tahun, dimensi lahan, dan dimensi pemukiman. Tabel fakta yang digunakan adalah fakta penduduk, fakta pemukiman, fakta lahan, dan fakta sarana pendidikan. Pada dasarnya solusi 3 sama dengan solusi 1 untuk dimensi, fakta, dan skemanya, yang membedakan adalah pada solusi 1 digunakan kode lokasi pada tahun 2006, sedangkan pada solusi 3 digunakan kode lokasi pada tahun 1999. 3 Pendefinisian Level Dimensi atau Hirarki Untuk masing-masing dimensi ditentukan tingkat perincian yang diperlukan berserta hirarki yang membentuknya. Dimensi lokasi dapat disusun dalam tiga level yaitu kabupaten/kota > kecamatan > desa, sedangkan dimensi waktu hanya memiliki satu level yaitu level tahun (tahun : 1996, 1999, 2003, 2006). Dimensi lahan memiliki satu level yaitu jenis lahan. Dimensi pemukiman memiliki satu level yaitu jenis pemukiman. 4 Pendefinisian Measure Pada tahap ini ditentukan measure yang akan dianalisis pada data podes wilayah Bogor. Measure yang dipilih yaitu: Jumlah penduduk, dipilih sebagai penduduk suatu daerah pada tahun tertentu. Jumlah penduduk pria, dipilih sebagai measure untuk mengetahui jumlah penduduk pria di suatu Jumlah penduduk wanita, dipilih sebagai measure untuk mengetahui jumlah penduduk wanita di suatu Jumlah TK, dipilih sebagai measure untuk mengetahui jumlah gedung sekolah TK di suatu daerah pada tahun tertentu. Jumlah SD, dipilih sebagai measure untuk mengetahui jumlah gedung sekolah SD di suatu daerah pada tahun tertentu Jumlah SLTP, dipilih sebagai gedung sekolah SLTP di suatu Jumlah SMU, dipilih sebagai gedung sekolah SMU di suatu Luas lahan, dipilih sebagai measure untuk mengetahui luas lahan suatu wilayah. Jumlah rumah, dipilih sebagai measure untuk mengetahui banyak rumah di suatu pemukiman atau wilayah Jumlah keluarga, dipilih sebagai keluarga di wilayah atau pemukiman tertentu. 5 Pendefinisian Fungsi Agregat.Fungsi agregat yang digunakan dalam data warehouse potensi desa adalah SUM (penjumlahan) untuk semua measure. Sum untuk jumlah penduduk, jumlah penduduk pria, jumlah penduduk wanita, luas lahan, jumlah rumah, jumlah keluarga, jumlah TK, jumlah SD, jumlah SLTP, dan jumlah SMU pada tiap tahun. 6 Pembangunan Data Warehouse Data warehouse diimplementasikan menggunakan skema galaksi pada solusi 1. Pada solusi 1 digunakan kode lokasi yang sama dengan kode lokasi tahun 2006 sehingga semua data lokasi setiap tahun dapat dilihat dan dianalisis untuk proses pengambilan keputusan, tanpa mempertimbangkan perubahan wilayah. Solusi 2 belum dapat diterapkan dalam kasus data potensi desa, namun secara konsep dapat diterapkan. Pada solusi 2, belum ditemukan penghubung antara tabel dimensi lokasi masing-masing tahun dengan tabel dimensi lokasi gabungan. Solusi 3 diimplementasikan menggunakan kode lokasi 1999 tanpa mempertimbangkan aspek perubahan wilayah. Hal ini menyebabkan beberapa data lokasi tidak dapat dianalisis. Oleh karena itu, dalam penelitian ini solusi 3 tidak digunakan. Pembuatan data warehouse menggunakan Oracle 10g Database, dan Oracle Data Warehouse.

12 Pengembangan Sistem OLAP (Online Analytical Processing) Tahap pengembangan OLAP meliputi: 1 Analisis Fungsi yang digunakan dalam OLAP disesuaikan dengan kebutuhan pengguna. Fungsi-fungsi yang diperlukan yaitu: fungsi melihat data pada data warehouse, menampilkan data pada kubus data, dan dapat melakukan operasi OLAP serta memiliki visualisasi yang mudah untuk melihat data dalam bentuk diagram batang, diagram garis, dan grafik pie. OLAP yang digunakan adalah multidimensional OLAP (MOLAP). Database Management System (DBMS) yang digunakan adalah oracle. Oracle mampu menangani data dengan volume yang besar. Hal tersebut sesuai untuk data potensi desa yang memiliki volume yang besar. 2 Desain Desain sistem OLAP meliputi: Perancangan Input Input pada OLAP adalah data dimensi dan fakta yang akan dilihat hubungannya dan measure yang ingin dianalisis nilainya. Perancangan Proses Proses pada OLAP adalah operasioperasi OLAP. Operasi OLAP akan dilakukan berdasarkan dimensi dan measure yang diinputkan. Operasi OLAP yang dijalankan adalah roll-up, drilldown, slice, dan dice. Hasil dari operasi ini akan ditampilkan pada window. Perancangan Output Output ditampilkan dalam tabel pivot dan diagram batang, diagram garis atau grafik pie untuk menganalisis data numerik dan operasi roll-up, drill-down, slice, dan dice, dengan fungsi penyimpulan summary. 3 Implementasi OLAP dibangun menggunakan tools Analytic Workspace Manager 10.2.0.3, Oracle Data Warehouse 10g, dan TOAD versi 8.0. Oracle Data Warehouse 10g sebagai tempat penyimpanan data, TOAD versi 8.0 sebagai tools untuk proses loading data, Analytic Workspace Manager 10.2.0.3 sebagai OLAP yang mendukung OLAP pada Oracle. Perangkat keras yang digunakan yaitu: Processor Intel Celeron 1.7 GHz, Memory 1 GB, Harddisk 120 GB, keyboard dan mouse. OLAP yang digunakan untuk data warehouse potensi desa di wilayah Bogor merupakan multidimensional OLAP (MOLAP). Pada implementasi OLAP tersebut, tools Analytic Workspace Manager secara otomatis menentukan jenis OLAP (MOLAP, ROLAP, atau HOLAP) berdasarkan skema kubus data yang dibuat. Tools Analytic Workspace Manager tidak menyediakan fasilitas pemilihan jenis OLAP. Pemilihan jenis OLAP dilakukan oleh tools tersebut dengan memberikan pilihan yang terbaik. Implementasi operasi-operasi OLAP yaitu: Operasi roll up pada lokasi, yaitu desa (roll up) ke kecamatan, selanjutnya ke kabupaten. Contoh roll up untuk mengetahui jumlah penduduk tiap kecamatan. Roll up dimensi lokasi dari tingkat desa menjadi tingkat kecamatan untuk mengetahui jumlah penduduk tiap kecamatan. Implementasi roll up dapat dilihat pada Lampiran 5. Operasi drill down dilakukan untuk mengetahui jumlah penduduk, jumlah penduduk pria, wanita, jumlah TK, jumlah SD, jumlah SLTP, jumlah SMU, luas lahan, jumlah keluarga, atau jumlah rumah suatu daerah yang lebih rinci. Misalnya untuk mengetahui jumlah SD pada masing-masing kecamatan, drill down pada dimensi lokasi dari tingkat kabupaten menjadi tingkat kecamatan. Implementasi operasi drill down dapat dilihat pada Lampiran 6. Operasi pivot untuk memudahkan dalam visualisasi data. Contoh pivot dapat dilihat pada Lampiran 7. Pada Lampiran 7 dapat dilihat untuk mempermudah melihat data luas lahan, maka pivot pada dimensi lokasi dan dimensi lahan. Operasi Slice dan dice dilakukan melihat keadaan jumlah penduduk, jumlah penduduk pria, wanita, jumlah TK, jumlah SD, jumlah SLTP, jumlah SMU, luas lahan, jumlah keluarga, dan jumlah rumah di wilayah tertentu, tahun tertentu, dan jenis lahan atau pemukiman tertentu. Contoh slice dapat dilihat pada Lampiran 8. Pada Lampiran

13 8, jumlah keluarga setiap kecamatan pada tahun 2003. Contoh dice dapat dilihat pada Lampiran 9. Pada Lampiran 9, jumlah keluarga di kecamatan Nanggung dan Megamendung pada tahun 1999 dan 2003 di pemukiman bantaran sungai. Selain itu, implementasi pada beberapa contoh kasus yang diberikan untuk melakukan analisis. Hal ini dilakukan untuk menyesuaikan implementasi visualisasi OLAP dengan kebutuhan informasi. Diberikan contoh kasus sebagai berikut: a Mengetahui jumlah penduduk pada tahun 1996, 1999, 2003, dan 2006 di kecamatan Ciawi, Cisarua, dan Megamendung. Pada kasus ini ingin dilihat pertambahan jumlah penduduk masing-masing kecamatan pada setiap tahun. Pola pertambahan penduduknya dapat divisualisasikan menggunakan diagram batang (bar graph) atau diagram garis (line graph) Visualisasi hasil dapat dilihat pada Lampiran 10. b Mengetahui persentase jumlah penduduk pria dan jumlah penduduk wanita pada tahun 2006 di kabupaten Bogor. Pada kasus ini, visualisasi menggunakan grafik pie sesuai dengan kebutuhan informasi yang akan dianalisis yaitu persentase jumlah penduduk. Visualisasi hasilnya dapat dilihat pada Lampiran 11. 4 Pengujian Pengujian merupakan tahap untuk menguji OLAP apakah telah sesuai dengan kebutuhan dan berfungsi dengan baik. Pengujian dilakukan pada kubus data yang divisualisasikan dengan OLAP. Pengujian dilakukan pada dua tahap, yaitu pengujian kubus data dan visualisasi OLAP dengan OLAP Analytic workspace manager oracle 10.2.0.3. Pengujian pada tahap pertama, yaitu melakukan pengecekan validasi nilai data yang ditampilkan untuk masing-masing measure di keempat kubus data. Pengecekan ini menunjukkan bahwa nilai-nilai data adalah valid atau sama dengan nilai data yang terdapat pada data asli dan setiap dimensinya dapat merepresentasikan aspekaspek data dengan baik. Hal ini menunjukkan tidak ada masalah dalam pengaksesan keempat kubus data tersebut. Pengujian tahap kedua adalah melakukan pengecekan terhadap fungsifungsi yang terdapat pada OLAP Analytic Workspace Manager. Pengecekan ini menunjukkan keempat kubus data dapat diakses dengan baik dan fungsi-fungsi yang terdapat pada OLAP Analytic Workspace Manager berjalan dengan baik. Pengujian menggunakan metode black box. Skenario pengujian dan hasilnya dapat dilihat pada Lampiran 12 sampai Lampiran 15. Hasil pengujian menunjukkan bahwa keempat kubus data dapat merepresentasikan nilai-nilai data yang akurat sehingga OLAP browser dapat memvisualisasikan data tersebut secara tepat dan cepat, baik dalam bentuk diagram batang, diagram garis, maupun diagram pie. Pembangunan data warehouse potensi desa dan visualisasi kubus data dengan OLAP Analytic Workspace Manager ini sudah dapat memenuhi kebutuhan pengguna untuk melakukan berbagai kegiatan analisis untuk mendukung proses pengambilan keputusan. KESIMPULAN DAN SARAN Kesimpulan Penelitian ini menghasilkan model data multidimensi untuk data potensi desa di wilayah Bogor sehingga terbentuk data warehouse potensi desa. Data warehouse tersebut divisualisasikan menggunakan OLAP (Online Analytical Processing) Analytic Workspace Manager. Dalam penelitian ini, dibuat tiga solusi untuk mengatasi masalah perubahan wilayah kecamatan pada tahun 1996, 1999, 2003, dan 2006 untuk data potensi desa di wilayah Bogor. Solusi 1 terdiri atas empat tabel fakta dan empat tabel dimensi, solusi 2 terdiri atas dua puluh tabel fakta dan delapan tabel dimensi, sedangkan solusi 3 sama dengan solusi 1 dengan perbedaan data kode lokasi yang digunakan. Pembuatan data warehouse potensi desa wilayah Bogor menggunakan skema galaksi pada solusi 1 dengan kubus data yang dirancang tanpa mempertimbangkan aspek perubahan wilayah kecamatan. Data warehouse ini menghasilkan empat kubus data yaitu kubus data penduduk, lahan,