Jelajahi eBook
Kategori
Jelajahi Buku audio
Kategori
Jelajahi Majalah
Kategori
Jelajahi Dokumen
Kategori
PENDAHULUAN
A. Latar Belakang
Data atau informasi geografi, yang diturunkan dari peta-peta tematik,
penelitian, pengukuran di lapangan, atau kumpulan data statistik yang dikumpulkan
oleh institusi-institusi pemerintah (termasuk data sensus di dalamnya), pada
umumnya mengandung lebih dari satu atribut yang diasosiasikan dengan lokasi
spasialnya. Sebagai contoh, properties jenis tanah yang menjadi daya tarik studistudi sumberdaya lahan pada umumnya adalah tipe, warna, tekstur, kandungan
organik, derajat keasaman (pH), dan lain sebagainya. Atribut-atribut tambahan ini
disebut sebagai entities non-spasial (aspasial) dari basisdata spasial.
Basisdata pasial mendeskripsikan sekumpulan entity baik yang memiliki
lokasi atau posisi yang tetap maupun yang tidak tetap (memiliki kecenderungan
untuk berubah, bergerak, dan berkembang). Tipe-tipe entity spasial ini memiliki
properties topografi dasar yang meliputi lokasi, dimensi, dan bentuk (shape). Hampir
semua SIG memiliki campuran tipe-tipe entity spasial dan non-spasial. Tetapi, tipetipe entity non-spasial tidak memiliki property topografi dasar lokasi.
Pentingnya database bagi sistem informasi kelautan dan perikanan
Indonesia tidak dapat diragukan lagi. Database telah menjadi issu sentral dalam
pemberdayaan sistem informasi perikanan di negara kita.
Untuk memanfaatkan
sumberdaya perikanan kita yang cukup besar diperlukan adanya sistem data yang
sistematis, lengkap dan terpadu seperti data perikanan tangkap dan data lingkungan
laut. Data tersebut dapat digunakan untuk mempelajari secara efektif berapa besar
potensi stok ikan yang kita miliki, dimana stok ikan tersebut bisa ditangkap dan
kapan musim ikan tersebut akan berlimpah. Pertanyaan-pertanyaan ini sangat
signifikan dan memerlukan respon yang tepat yang antara lain dapat kita jawab
dengan membangun sistem database secara berkala, berdaya guna dan
berkelanjutan.
kelautan yang dapat diatasi dengan keandalan sisten database tersebut misalnya
perkiraan ruang dan waktu untuk menangkap ikan komersial penting, indikasi awal
119
fenomena alam seperti tsunami dan El ino dan La ina serta polusi air. Hal ini
dapat kita jelaskan dengan dengan kemampuan database yang handal.
B. Ruang Lingkup isi
C. Kaitan Modul
Modul ini merupakan modul ketiga yang memuat konsep dan sistem
membuat dan manajemen basisdata. Disini digambarkan secara jelas mengenai
berbagai pengertian, konsep sistem dan manajemen basisdat. Modul ini merupakan
dasar untuk penerapan basisdata dalam bidang Perikanan dan Kelautan..
D. Sasaran Pembelajaran Modul
Setelah mempelajari modul ini, mahasiswa diharapkan mampu menjelaskan
sistem basisdata.
120
II. PEMBELAJARAN
A. Basis data Perikanan Tangkap
Dulu,
pengembangan
SIG
dimulai
dari
awal
sekali
(nol),
dengan
Biaya DBMS yang telah hadir di pasaran, telah mendominasi (sebagian besar)
biaya keseluruhan perangkat lunak sistem-sistem (termasuk SIG). dengan kata
lain, sebagian besar biaya sistem-sistem perangkat lunak adalah biaya untuk
DBMS-nya.
untuk menangkap ikan albacore tuna dan bagaimana melacak rute migrasi ikan
tersebut, diurai secara sistematis dalam analysis diagram alir berikut ini (Gambar 1).
Ada dua database yang digunakan yaitu fisheries database (Database perikanan
tuna seperti posisi penangkapan, hasil tangkapan, jumlah kapal yang dioperasikan
dll, Gambar 2) dan satellite database (data lingkungan yang diperoleh dari citra
seperti suhu permukaan laut, konsentrasi klorofil-a dan perbedaan tinggi permukaan
laut).
121
dengan menggunakan peta prediksi sederhana dan peta kontur Zainuddin et al.,
2004;2006;2008).
Gambar 7.1 Analysis diagram alir pada penggunaan database dalam bidang
perikanan
122
Gambar 7.2. Salah satu contoh database perikanan tuna longline di Jepang (JAFIC
database).
Aplikasi database dalam bidang perikanan dan kelautan telah mengalami
banyak kemajuan yang bisa kita lihat dan akses lewat internet (Gambar 7.1).
Dibawah ini ada dua sampel, bagaimana database informasi perikanan global dapat
diakses. Sebagai contoh FIGIS (fisheries global information system) menyediakan
berbagai informasi seperti statistik perikanan, peta sebaran ikan menurut spesies,
issue dan topik perikanan aktual,
penangkapan. Data ini tersedia kapan dan dimana saja kita perlukan. FAO juga
menyediakan data dan informasi penting tentang bagaimana profil perikanan di
suatu Negara dapat dipilih dengan mudah melalui situsnya (Gambar 7.3). Dengan
kemajuan sistem komputer termasuk software pengolahan data dan berbagai
program pendukung memungkinkan kita untuk dapat membangun sistem database.
Semua fakta yang ada ini mengarah pada sebuah pertanyaan tentang apakah kita
sudah memiliki sistem database yang handal ? Nah mari kita pikirkan bersama.
123
Gambar 7.3 Database dan system informasi yang tersedia melalui internet
(website).
124
Himpunan
kelompok
data
(file/arsip)
yang
saling
berhubungan
dan
dimanfaatkan kembali
(redundancy) untuk
memenuhi
berbagai kebutuhan.
3
tanpa
mempengaruhi
komponen-komponen
lainnya
di dalam
sistem
yang
125
Reduksi duplikasi data (minimum redundancy data yang pada gilirannya akan
mencegah inkonsistensi dan isolasi data).
3. Sistem Basisdata
Pengertian atau definisi dari sistem basisdata terkadang bervariasi dan tidak
mudah dibedakan dengan pengertian (batas-batasnya) DBMS di dalam beberapa
literatur. Menurut pustaka (Elmasri20), sistem basisdata merupakan perangkat lunak
DBMS bersama dengan
126
6. Basisdata
C. Sistem Manajemen Basisdata
1. Pengertian dan Defenisi
Menurut pustaka (Korth91), sistem manajemen basisdata adalah kumpulan
(gabungan) dari data yang saling berelasi (yang biasanya dirujuk sebagai basisdata)
dengan sekumpulan program-program yang mengakses data-data tersebut. Atau,
sistem manajemen basisdata merupakan paket perangkat lunak (software) atau
sistem yang digunakan untuk memudahkan pembuatan dan pemeliharaan basisdata
yang terkomputerisasi (Elmasri20). Menurut (Ade20a), DBMS adalah tempat
penyimpanan
data
beserta
user
interface-nya
yang
dipersiapkan
untuk
127
sistem perangkat lunak komputer. Penggunaan ini bukan tanpa alasan-alasan yang
masuk akal.
Menurut (Ade20a) alasan-alasan penggunaan DBMS tersebut adalah :
1
DBMS ini seperti kantong tempat meletakkan sesuatu (data) di dalam satu
wadah sehingga barang yang dimasukkan (data) akan mudah diambil (dipanggil)
kembali.
yang
terpisah
di
beberapa
tempat.
Hal
ini
dapat
DBMS tidak selalu ditujukan untuk analisis data; hal ini lebih merupakan tugastugas SIG, spread sheet, atau tools analisis lainnya.
Data yang disimpan di dalam basisdata. Data ini mencakup data numerik
(bilangan bulat dan real) dan non-numerik yang terdiri dari karakter (alphabet
128
dan karakter numerik), waktu (tanggal dan jam), logika (true/false), dan data-data
lain yang lebih kompleks seperti gambar (citra) dan suara.
2
ini
melengkapi
pengguna
dengan
kemampuan
dasar
untuk
DDL (data defenition language) yang merupakan bahasa yang digunakan untuk
mendeskripsikan isi (dan struktur) basisdata. Dengan demikian DDL, sebagai
contoh, dapat digunakan untuk mendeskripsikan nama-nama atribut (fields), tipe
data, lokasi di dalam basisdata.
DML (Data Manipilation language) atau bahasa query ini pada umumnya setara
dengan bahasa pemrograman generasi ke-4 dan didukung oleh DBMS untuk
membentuk perintah-perintah
language).
5
dapat diakses
129
Membaca dan mencari data (field atau record) dari tabel basisdata (seek, find,
search, retrieve).
Mengubah dan meng-edit data yang terdapat di dalam tabel basisdata (update,
edit).
D. Indikator Penilaian
No
NIRM
NAMA
MAHASISWA
50
130
III. PENUTUP
Pada dasarnya Modul VII menjelaskan secara umum konsep, sistem dan
manajemen basisdata.
mampu membuat dan mengelola basisdata dalam bidang perikanan dan kelautan.
Modul ini juga sangat penting bagi mahasiswa untuk memahami materi modul-modul
selanjutnya.
REFERENSI
Prahasta, E.
2005.
Informatika, Bandung.
Zainuddin, M., Saitoh, K. and Saitoh, S. 2004. Detection of potential fishing ground
for albacore tuna using synoptic measurements of ocean color and thermal
remote sensing in the northwestern North Pacific. Geophys. Research Letter
31, L20311, doi:10.1029/2004GL021000.
Zainuddin, M., Kiyofuji, H., Saitoh, K. and Saitoh, S. 2006. Using multi-sensor
satellite remote sensing and catch data to detect ocean hot spots for albacore
(Thunnus alalunga) in the northwestern North Pacific. Deep-Sea Res. II.(53):
419-431.
Zainuddin, M., Saitoh, K. and Saitoh, S. 2008. Albacore tuna fishing ground in
relation to oceanographic conditions of northwestern North Pacific using
remotely sensed satellite data. Fish. Oceanography.17(2): 61-73.
131