Analisis Hasil Implementasi Business Intelligence Menentukan Daerah Rawan Banjir dan Kebakaran di Indonesia

— Bencana akan menimbulkan kerugian di berbagai aspek kehidupan masyarakat baik berupa kerugian materiil dan kerugian moril. Kerugian moril yang timbul seperti kondisi mental yang menurun atau terganggu karena seseorang akan kehilangan keluarga dan harta benda akibat bencana tersebut. Banjir dan kebakaran merupakan bencana yang marak terjadi di Indonesia. Banjir menempati posisi pertama sebagai bencana yang terjadi di setiap tahunnya. Badan Nasional Penanggulangan Bencana (BNPB) adalah salah satu badan yang ada di Indonesisa yang mempunyai tugas membantu Presiden Republik Indonesia untuk mengkoordinasikan perencanaan dan pelaksanaan kegiatan penanganan bencana dan kedaruratan secara terpadu, serta melaksanakan penanganan bencana dan kedaruratan mulai dari sebelum, pada saat, dan setelah terjadi bencana yang meliputi pencegahan, kesiapsiagaan, penanganan darurat, dan pemulihan. Badan ini tentu memiliki data yang sangat banyak mengenai bencana yang telah terjadi. Hal tersebut tentu memerlukan sebuah aplikasi untuk memetakan atau mengelompokkan data-data yang ada sehingga lebih sistematis. Sehingga dapat memberikan informasi berupa provinsi yang rawan bencana dan aman dari bencana khusunya banjir dan kebakaran. Penerapan Business Inteligence sangat cocok untuk kasus ini agar BNPB dapat mengelompokkan bencana khususnya banjir dan kebakaran di setiap provinsi yang ada di Indonesia untuk mempermudah masyarakat mendapat informasi bencana yang terjadi. Secara umum, Business Inteligence bertujuan untuk menyajikan berbagai informasi-informasi sesuai dengan kebutuhan setiap penggunanya. Pada penelitian ini menggunakan salah satu aplikasi Business Inteligence yakni JasperServer untuk dapat mengelompokkan bencana banjir dan kebakaran yang terjadi di setiap provinsi yang ada di Indonesia. Kata kunci— Business Intelligence, Bencana, Banjir, Kebakaran, JasperServer.

Abstract licence: CC BY-NC-SA

A person counts once a day per paper. We keep no cookie and no address: a reader is a hash that changes every day. Any month under five reads shows no number.