PENDEKATAN OLAP BERBASIS DATA MULTIDIMENSI UNTUK ANALISIS TREN PARAMETER OSEANOGRAFI

muhamad imansyah, Annisa Nur Fadillah, Angga Fadzar

Abstract


Data oseanografi merupakan salah satu bentuk data ilmiah terbesar dan paling kompleks, yang meliputi parameter fisik, kimia, dan biologi dalam dimensi ruang dan waktu tinggi. Kompleksitas ini menyebabkan kebutuhan pendekatan analitik sistematis agar eksplorasi dan analisis data berjalan efisien. Penelitian ini mengembangkan kerangka analisis multidimensi berbasis OLAP (Online Analytical Processing) untuk integrasi, pengelolaan, dan eksplorasi data oseanografi di wilayah Indonesia. Data utama diperoleh dari Copernicus Marine Service, mencakup variabel suhu, salinitas, arus, dan nutrien, yang diolah dalam format NetCDF dan diintegrasikan melalui preprocessing serta spatial join. Perancangan skema bintang pada data warehouse memungkinkan operasi OLAP seperti Slice, Dice, Drill-down, Roll-up, dan pivot, sehingga analisis tren spasial-temporal semakin komprehensif. Hasil analisis menunjukkan OLAP mampu menampilkan pola variasi musiman dan hubungan antarparameter laut secara interaktif, mendukung pengambilan keputusan ilmiah yang akurat serta adaptif terhadap dinamika laut Indonesia. Kerangka ini terbukti efektif mempercepat proses eksplorasi pola laut dan memperkaya pemahaman sistem oseanografi tropis secara terstruktur.


Keywords


Data Laut, Data Multidimensi, Indonesia, OLAP, Oseanografi

References


Armansyah, D., Sukoco, N. B., Kamija, K., Adrianto, D., & Dewantono, L. (2019). Purwarupa Dukungan Data Arus Laut Operasional Bersumber dari Copernicus Marine Environment Monitoring Service (CMEMS) dalam Format AML IWC Arus Laut untuk TNI ALl: Prototype of Operational Ocean Flow Data Support Sourced from Copernicus Marine Environment. Jurnal Chart Datum, 5(1), 1–16.

Chandra, A. (2023). Perancangan Data Warehouse Pada Software. Binus.Ac.Id, 2(27), 585–597.

Haimson, M. B. (2024). An overview of the ocean data ecosystem. University of Haifa (Israel).

Kavouras, I., Rallis, I., Doulamis, N., & Doulamis, A. (2024). Ocean-DC: An analysis ready data cube framework for environmental and climate change monitoring over the port areas. Proceedings of the 17th International Conference on PErvasive Technologies Related to Assistive Environments, 412–419.

Lear, D., Herman, P., Van Hoey, G., Schepers, L., Tonné, N., Lipizer, M., Muller-Karger, F. E., Appeltans, W., Kissling, W. D., & Holdsworth, N. (2020). Supporting the essential-Recommendations for the development of accessible and interoperable marine biological data products. Marine Policy, 117, 103958.

Prayitno, T., Pranowo, W. S., & Surya, A. A. (2021). Salinitas Absolut dan Arus Sebagai Pembaruan Variabel untuk Pemutakhiran Basisdata Sistem Fusi-Oseanografi: Absolute Salinity and Current as A Variable Update for Updating The Fusion-Oseanographic System Database. Jurnal Hidropilar, 7(2), 95–106.

Putra, I., Heryanto, E., Sopaheluwakan, A., Pradana, R. P., & Haryoko, U. (2019). Sebaran spasial dan temporal titik panas (hotspot) di Indonesia dari satelit MODIS dengan metode gridding. Semin. Nas. Geomatika, 3(2007), 1123.

Qian, C., Huang, B., Yang, X., & Chen, G. (2022). Data science for oceanography: from small data to big data. Big Earth Data, 6(2), 236–250.

Rahayu, S., Utari, R., & Sari, A. (2025). Variasi Nilai Equivalent Water Height Di Indonesia dan Kaitannya dengan Bencana Hidrometeorologi (Banjir dan Kekeringan). Datum: Journal of Geodesy and Geomatics, 5(1), 65–74.

Sepriando, A., & Trisantikawaty, R. (2018). Pengolahan Data Radar Cuaca Format Netcdf Menggunakan Bahasa Program Python. … Operasional Radar Cuaca, May 2016, 29–33. https://www.researchgate.net/profile/Alpon-Sepriando/publication/323302142_Pengolahan_Data_Radar_Cuaca_Format_Netcdf_Menggunakan_Bahasa_Program_Python/links/5a8cd6bdaca27292c0f82d0b/Pengolahan-Data-Radar-Cuaca-Format-Netcdf-Menggunakan-Bahasa-Program-Pyth

Sudarman, S., Sadikin, H., & Prijatna, K. (2020). Desain Alternatif Lembar Peta Rupabumi Indonesia (RBI) Skala Besar. Geomatika, 26(1), 35–44.

Trice, A., Robbins C., Philip N., & Rumsey, M. (2021). Challenges and Opportunities for Ocean Data to Advance Conservation and Management. Ocean Conservancy.

Xie, C., Li, M., Wang, H., & Dong, J. (2019). A survey on visual analysis of ocean data. Visual Informatics, 3(3), 113–128


Refbacks

  • There are currently no refbacks.


Jurnal Pendidikan Perikanan Kelautan (Journal of Fisheries and Maritime Studies) is published by UPI.