Dosen Teknik Informatika IST AKPRIND raih Gelar Doktor

0
338

Tanggal 07 Desember 2017 merupakan tanggal yang istimewa bagi Edhy Sutanta yang saat ini tercatat sebagai Dosen Jurusan Teknik Informatika, FTI, IST AKPRIND Yogyakarta. Edhy Sutanta berhasil mempertahankan Disertasinya yang berjudul “Model Schema Matching Menggunakan Gabungan Constraint-Based Method dan Instance-Based Method Pada Basis Data Relasional” dalam Ujian Tertutup Program Doktor Ilmu Komputer di UGM. Ujian Tertutup tersebut berlangsung selama kurang lebih 2 jam dengan Ketua Tim Penguji Dr-Ing. MHD. Reza M.I. Pulungan, M.Sc..
Selama proses penelitian dan penyusunan disertasi, Edhy Sutanta dibimbing Drs. Retantyo Wardoyo, M.Sc., Ph.D. selaku Promotor, dan Dr-Techn. Khabib Mustofa, S.Si., M.Kom. dan Drs. Edi Winarko, M.Sc., Ph.D., keduanya selaku Co-Promotor. Sedangkan Tim Penguji pada Ujian Tertutup terdiri atas sembilan orang, yaitu Dr-Ing. MHD. Reza M.I. Pulungan, M.Sc. (Ketua Tim Penguji); Dr. Ir. Wahyuni Reksoatmodjo, M.Sc.; Prof. Dr. Ema Utami, S.Si., M.Kom.; Dr. Drs. Suprapto, M.I.Kom.; Dr. Nur Rokhman, S.Si., M.Kom.; dan Dr. Sigit Priyanta, S.Si., M.Kom.; ditambah Promotor dan Co-Promotor.
Terkait penelitiannya, Edhy Sutanta menjelaskan bahwa latar belakang penelitian ini adalah adanya tuntutan kualitas informasi untuk layanan publik mengalami pergeseran menuju bentuk baru dengan ciri pelayanan yang terpadu, terintegrasi, dan tersinergi antar instansi. Perubahan tersebut membutuhkan proses integrasi informasi. Integrasi informasi merupakan kunci keuntungan sistem enterprise yang menuntut adanya sistem informasi yang terintegrasi, saling terhubung, dan saling berkomunikasi sebagai sistem yang kompleks, lengkap, dan koheren, dan semua harus berperan untuk menjamin kompatibilitas dan interoperabilitas. Integrasi informasi telah berkembang menjadi sub topik penelitian baru dalam EAI (Enterprise Application Integration). EAI merupakan pendekatan yang banyak digunakan dan efisien dalam pengembangan software yang kompleks. Pendekatan EAI tersebut melibatkan dua komponen dasar, yaitu BPI (Business Process Integration) dan EII (Enterprise Information Integration). EII merupakan tugas integrasi pada level rendah, dimana komunikasi di antara sistem dilaksanakan oleh level back end.
Di dalam sebuah instansi umumnya terdapat banyak sistem informasi yang terpisah-pisah dengan database yang terpisah pula. Dalam kondisi demikian, proses integrasi informasi akan menghadapi kendala yang diakibatkan oleh permasalahan heterogenitas. Heterogenitas tersebut dapat terjadi pada aspek sistem (system heterogeneity), sintaks (syntactic heterogeneity), skematik (schematic heterogeneity), atau semantik (semantic heterogeneity). Dan, schema matching merupakan solusi penting pada tahap paling awal dalam setiap proses integrasi informasi, integrasi schema, integrasi basis data, atau integrasi sistem informasi dari sumber basis data yang heterogen. Tugas schema matching adalah terbatas untuk mendeteksi kesamaan dan hubungan antar elemen dari dua buah schema.
Lebih lanjut Edhy menjelaskan, penelitian ini berada pada lingkup bidang Ilmu Komputer, khususnya tentang database. Pada penelitian tersebut berhasil dikembangkan model dan prototipe hybrid schema matching yang memiliki peran penting pada tahap paling awal dalam proses integrasi informasi dari sumber basis data yang heterogen. Secara spesifik penelitian ini memiliki empat tujuan, yakni untuk memperoleh model hybrid schema matching baru dengan cara menggabungkan constraint-based method dan instance-based method, dimana dalamnya melibatkan 3 jenis matcher yaitu DTM (data type matcher), CM (constraint matcher), dan IDM (instance data matcher); memperoleh hasil pengujian dan perbandingan efektivitas model hybrid dan constraint-based method dan instance-based method secara individual; dan memperoleh rekomendasi untuk pengembangan model hybrid schema matching selanjutnya. Model yang dikembangkan akan menghasilkan luaran berupa pemetaan kesamaan pasangan atribut jenis direct (1:1) yang berlaku pada basis data model relasional. Pengujian model dilakukan sebanyak 384 kali menggunakan 32 pasangan basis data yang dikombinasikan dengan 3 variasi bobot kriteria pencocokan dan 4 variasi pencocokan ukuran string, sehingga untuk keseluruhan pengujian melibatkan sebanyak 37.246.452 pasangan atribut. Basis data uji yang digunakan merupakan basis data model relasional hasil survei yang memenuhi kriteria heterogen dalam aspek DBMS, domain aplikasi, dan ukuran. Berdasarkan DBMS yang digunakan, basis data uji terdiri atas 8 basis data yang dikembangkan menggunakan MS Access dan 22 dikembangkan menggunakan MySQL. Berdasarkan domain aplikasinya, basis data uji terdiri atas 8 aplikasi akademik di perguruan tinggi, 12 aplikasi akademik di SLTA, 8 aplikasi e-government, dan 2 aplikasi e-commerce. Berdasarkan ukurannya, basis data uji terbesar tersusun atas 204 tabel, cacah atribut terbesar adalah 1.851, cacah item data terbesar sebanyak 232.893, dan kapasitas basis data terbesar 79.769 Kb. Model dan prototipe yang dikembangkan dilengkapi dengan fitur-fitur untuk kustomisasi pada bobot kriteria pencocokan, kustomisasi variasi pencocokan ukuran pada data string, penggunaan nilai batas ketelitian pada penetapan pasangan atribut yang cocok, pengecekan kesamaan inter atribut, serta pemilihan basis data yang tepat untuk ditempatkan sebagai database acuan dalam proses schema matching.
Hasil pengujian dalam penelitian ini membuktikan bahwa model hybrid schema matching yang dikembangkan memiliki efektivitas lebih baik dibandingkan dengan model constraint-based atau instance-based method secara individu. Hal tersebut ditunjukkan oleh peningkatan nilai pada parameter Precision (ukuran kebenaran), Recall (ukuran kelengkapan), dan F-measure (ukuran global). Prototype software yang dikembangkan dalam penelitian ini dilengkapi dengan repository sehingga memungkinkan untuk diterapkan dalam proses schema matching untuk pasangan basis data relasional dari DBMS dan domain aplikasi yang berbeda. Hal ini dimungkinkan karena model dilengkapi fitur untuk melakukan proses generalisasi tipe data. Metode-metode dalam model juga dapat diterapkan baik secara gabungan maupun secara individual pada metode penyusunnya. Hal ini dimungkinkan karena model menyediakan fitur untuk kustomisasi nilai bobot pada kriteria pencocokan. (ist)