Transformasi data merupakan inti dari komputasi, yang berfungsi sebagai saluran yang melaluinya informasi berevolusi dari satu format atau struktur ke format lainnya. Proses ini merupakan bagian integral dari berbagai tugas yang berhubungan dengan data, termasuk integrasi data, penyimpanan data, dan integrasi aplikasi.

Kompleksitas transformasi data dapat sangat bervariasi, tergantung pada tingkat perubahan yang diperlukan antara data sumber dan data target. Sementara beberapa transformasi mungkin sangat mudah, yang lain membutuhkan manipulasi yang rumit. Biasanya, transformasi data memadukan langkah-langkah manual dan otomatis untuk mencapai hasil yang diinginkan. Alat dan teknologi yang digunakan untuk transformasi data sangat beragam, yang mencerminkan beragamnya format, struktur, kompleksitas, dan volume data yang mengalami transformasi.

Salah satu bentuk transformasi data yang penting adalah penyusunan ulang data master. Di sini, seluruh basis data mengalami transformasi atau penyusunan ulang tanpa perlu mengekstrak data. Dalam database yang dirancang dengan baik, semua data dihubungkan secara langsung atau tidak langsung ke sekumpulan tabel database master melalui batasan kunci asing.

Dengan menyusun ulang tabel-tabel basis data master ini dengan indeks unik yang berbeda, baik data yang terkait secara langsung maupun tidak langsung juga diubah. Meskipun ada transformasi ini, bentuk asli data tetap dapat diakses melalui indeks unik yang ada. Sangat penting untuk menjalankan penyusunan ulang database ini dengan cermat untuk menghindari dampak buruk pada arsitektur perangkat lunak.Dalam skenario di mana pemetaan data terjadi secara tidak langsung melalui model data yang memediasi, proses ini disebut sebagai mediasi data.

Proses Perjalanan Transformasi Data

Transformasi data adalah proses penting dalam bidang pengelolaan data, yang mencakup beberapa langkah penting yang disesuaikan dengan kompleksitas transformasi yang ada. Mari kita selidiki setiap langkah untuk memahami signifikansinya dalam narasi transformasi yang lebih luas.

1. Penemuan Data:
Perjalanannya dimulai dengan penemuan data, di mana alat pembuatan profil atau skrip manual mengungkap seluk-beluk struktur dan karakteristik data. Langkah mendasar ini meletakkan dasar untuk memahami bagaimana data harus dibentuk dan dibentuk agar selaras dengan tujuan transformasi.

2. Pemetaan Data:
Di sini, masing-masing bidang menjalani pemetaan, modifikasi, penggabungan, pemfilteran, atau agregasi untuk membentuk hasil akhir. Biasanya dipelopori oleh pengembang atau analis teknis yang berpengalaman dalam teknologi transformasi, pemetaan data menetapkan cetak biru perjalanan transformasi.

3. Pembuatan Kode:
Prosesnya beralih ke pembuatan kode, di mana instruksi yang dapat dieksekusi, seperti SQL, Python, atau R, dibuat berdasarkan aturan pemetaan yang telah ditentukan sebelumnya. Teknologi transformasi memainkan peran penting di sini, memanfaatkan metadata atau definisi yang disediakan oleh pengembang untuk menghasilkan kode yang diperlukan.

4. Eksekusi Kode:
Dengan kode di tangan, saatnya untuk mengeksekusi. Baik terintegrasi secara mulus dalam alat transformasi atau memerlukan intervensi manual dari pengembang, eksekusi kode menghidupkan proses transformasi, mengarahkan data menuju kondisi yang diharapkan.

5. Tinjauan Data:
Pengembaraan transformasi mencapai puncaknya pada peninjauan data, yang hasilnya diperiksa dengan cermat untuk memastikan keselarasan dengan tujuan transformasi. Biasanya dipimpin oleh pengguna bisnis atau pengguna akhir, langkah ini mengungkap anomali atau kesalahan apa pun, menandakan perbaikan atau persyaratan baru bagi pengembang atau analis.

Menjelajahi Transformasi Data: Batch vs Interaktif

Transformasi data telah lama menjadi proses fundamental dalam dunia manajemen data, dan hadir dalam dua bentuk utama: batch dan interaktif. Mari kita pelajari setiap jenisnya untuk memahami signifikansi dan implikasinya dalam ranah integrasi data.

• Transformasi Data Batch:

Secara tradisional, transformasi data telah beroperasi sebagai proses massal atau batch, di mana pengembang atau ahli teknis menulis kode atau menentukan aturan transformasi dalam alat integrasi data. Aturan-aturan ini kemudian dieksekusi pada volume data yang besar, mengikuti serangkaian langkah linier yang telah ditentukan sebelumnya. Transformasi data batch berfungsi sebagai tulang punggung berbagai teknologi integrasi data, termasuk pergudangan data, migrasi, dan integrasi aplikasi.

• Manfaat dan Keterbatasan:

Meskipun transformasi data batch telah membuktikan nilainya selama bertahun-tahun, transformasi data batch memiliki manfaat dan keterbatasan. Di satu sisi, hal ini memungkinkan pemrosesan volume data yang sangat besar, memberi makan aplikasi penting dan penyimpanan data. Akan tetapi, hal ini juga menimbulkan tantangan. Sebagai contoh, pengguna bisnis sering kali tidak berperan langsung dalam proses transformasi, yang menyebabkan potensi salah tafsir terhadap persyaratan dan bertambahnya waktu untuk mendapatkan solusi. Hal ini memicu kebutuhan akan kelincahan dan layanan mandiri dalam integrasi data, yang bertujuan untuk memberdayakan pengguna agar dapat mentransformasi data secara interaktif.

• Transformasi Data Interaktif:

Masukkan transformasi data interaktif (IDT), sebuah kemampuan baru yang merevolusi lanskap transformasi data. Tidak seperti transformasi batch, IDT memungkinkan analis bisnis dan pengguna untuk berinteraksi langsung dengan kumpulan data yang besar melalui antarmuka visual yang intuitif. Antarmuka ini memfasilitasi pemahaman, koreksi, dan manipulasi data melalui interaksi sederhana seperti mengklik atau memilih elemen data. Perusahaan seperti Trifacta, Alteryx, dan Paxata menawarkan alat transformasi data interaktif, mengabstraksikan kerumitan teknis dan memberdayakan pengguna untuk mengontrol data mereka.

• Manfaat dan Implikasi:

Solusi transformasi data interaktif menyederhanakan proses persiapan data, mengurangi waktu yang dibutuhkan untuk mentransformasi data dan menghilangkan kesalahan yang merugikan dalam interpretasi. Dengan menghilangkan pengembang dari persamaan, sistem ini menempatkan kekuatan di tangan pengguna bisnis dan analis, memungkinkan mereka untuk berinteraksi dan memanipulasi data sesuai kebutuhan. Visualisasi dalam antarmuka membantu dalam mengidentifikasi pola dan anomali, yang selanjutnya meningkatkan pemahaman data dan pengambilan keputusan.

Bahasa Transformasional

Dalam bidang transformasi data, terdapat banyak bahasa yang dirancang khusus untuk tujuan ini. Bahasa-bahasa ini sering kali memerlukan tata bahasa terstruktur, biasanya menyerupai bentuk Backus–Naur (BNF), untuk memfasilitasi penggunaannya. Mari kita jelajahi beberapa bahasa transformasional yang menonjol dan signifikansinya dalam lanskap transformasi data.

1. AWK: Sebagai salah satu bahasa transformasi data tekstual tertua dan terpopuler, AWK telah teruji oleh waktu, menawarkan kemampuan yang kuat untuk memanipulasi data.
2. Perl: Terkenal karena fleksibilitasnya, Perl berfungsi sebagai bahasa tingkat tinggi yang mampu melakukan operasi yang kuat pada data biner dan teks, menjadikannya pilihan yang disukai banyak pengembang.
3. Bahasa Templat: Bahasa-bahasa ini berspesialisasi dalam mengubah data menjadi dokumen, memenuhi kebutuhan pembuatan dan pemrosesan dokumen.
4. TXL: Dengan fokus pada pembuatan prototipe, TXL menawarkan deskripsi berbasis bahasa yang ideal untuk mengubah kode sumber atau data secara efisien.
5. XSLT: Berfungsi sebagai bahasa transformasi data XML standar, XSLT dapat diterapkan secara luas di berbagai domain, menyediakan transformasi data XML yang mulus.

• Bahasa Transformasi Khusus Domain (DSL):

Perusahaan seperti Trifacta dan Paxata telah memelopori pengembangan DSL yang dirancang khusus untuk melayani dan mengubah kumpulan data. DSL ini, seperti "Wrangle" dari Trifacta, menyederhanakan proses transformasi dan meningkatkan produktivitas, khususnya bagi pengguna non-teknis.

• Keuntungan DSL:

Salah satu keuntungan utama DSL adalah kemampuannya untuk mengabstraksi logika eksekusi yang mendasarinya, memungkinkan integrasi yang lancar dengan berbagai mesin pemrosesan seperti Spark, MapReduce, dan Dataflow. Tidak seperti bahasa tradisional, DSL tidak terikat pada mesin dasar tertentu, sehingga menawarkan fleksibilitas dan skalabilitas dalam operasi transformasi data.

Disadur dari: en.wikipedia.org/wiki/Data_transformation_(computing)

Data mining (Penambangan Data) adalah proses penting dalam dunia teknologi yang melibatkan ekstraksi dan penemuan pola-pola dalam kumpulan data besar. Ini melibatkan metode yang berada di persimpangan antara pembelajaran mesin, statistik, dan sistem database. Data mining merupakan subbidang interdisipliner dari ilmu komputer dan statistik yang bertujuan untuk mengekstrak informasi dari kumpulan data dan mengubahnya menjadi struktur yang dapat dipahami untuk penggunaan lebih lanjut. Ini merupakan langkah analisis dalam proses "penemuan pengetahuan dalam basis data" atau KDD. Selain langkah analisis, data mining juga melibatkan aspek manajemen data, preprocessing data, pertimbangan model dan inferensi, metrik menarik, kompleksitas, pengolahan hasil yang ditemukan, visualisasi, dan pembaruan online.

Meskipun disebut sebagai "data mining", tujuan sebenarnya adalah ekstraksi pola dan pengetahuan dari data yang besar, bukan penambangan data itu sendiri. Istilah ini sering digunakan secara luas untuk proses pengolahan informasi besar-besaran serta aplikasi sistem pendukung keputusan komputer, termasuk kecerdasan buatan dan bisnis. Tugas utama dalam data mining adalah analisis semi-otomatis atau otomatis dari jumlah data besar untuk mengekstrak pola-pola menarik yang sebelumnya tidak diketahui, seperti kelompok data, catatan yang tidak biasa, dan ketergantungan. Ini melibatkan penggunaan teknik basis data seperti indeks spasial. Pola-pola ini dapat digunakan dalam analisis lebih lanjut atau dalam pembelajaran mesin dan analisis prediktif. Perbedaan utama antara analisis data dan data mining adalah bahwa analisis data digunakan untuk menguji model dan hipotesis pada dataset, sedangkan data mining menggunakan model statistik dan pembelajaran mesin untuk mengungkap pola-pola tersembunyi dalam jumlah data yang besar.

Istilah terkait seperti data dredging, data fishing, dan data snooping mengacu pada penggunaan metode data mining untuk sampel bagian dari kumpulan data yang lebih besar yang mungkin terlalu kecil untuk membuat inferensi statistik yang dapat diandalkan tentang validitas pola yang ditemukan. Meskipun demikian, metode ini dapat digunakan dalam menciptakan hipotesis baru untuk diuji terhadap populasi data yang lebih besar.

Dengan teknologi yang terus berkembang, data mining tetap menjadi alat yang penting dalam mengungkap pola-pola berharga dari data besar dan kompleks, membantu organisasi dalam pengambilan keputusan yang lebih baik dan mempertahankan keunggulan kompetitif di pasar yang semakin kompetitif.

Asal Usul dan Sejarah Data Mining

Pada tahun 1960-an, para ahli statistik dan ekonom menggunakan istilah seperti "data fishing" atau "data dredging" untuk merujuk pada praktik yang dianggap tidak baik dalam menganalisis data tanpa hipotesis a priori. Istilah "data mining" juga digunakan dengan cara yang sama kritis oleh ekonom Michael Lovell dalam sebuah artikel yang diterbitkan di Review of Economic Studies pada tahun 1983. Lovell mengindikasikan bahwa praktik ini "menyamar di bawah berbagai alias, mulai dari "eksperimen" (positif) hingga "fishing" atau "snooping" (negatif).

Istilah data mining muncul sekitar tahun 1990 dalam komunitas basis data, dengan konotasi yang umumnya positif. Untuk sementara waktu pada tahun 1980-an, frasa "database mining"™, digunakan, tetapi karena telah dilindungi hak cipta oleh perusahaan HNC, yang berbasis di San Diego, untuk memasarkan Database Mining Workstation mereka; para peneliti akhirnya beralih ke data mining. Istilah lain yang digunakan termasuk data archaeology, information harvesting, information discovery, knowledge extraction, dll. Gregory Piatetsky-Shapiro menciptakan istilah "knowledge discovery in databases" untuk workshop pertama tentang topik yang sama (KDD-1989) dan istilah ini menjadi lebih populer di komunitas kecerdasan buatan dan pembelajaran mesin. Namun, istilah data mining menjadi lebih populer di kalangan bisnis dan pers. Saat ini, istilah data mining dan penemuan pengetahuan digunakan secara bergantian.

Latar Belakang Ekstraksi manual pola dari data telah terjadi selama berabad-abad. Metode awal untuk mengidentifikasi pola dalam data termasuk teorema Bayes (abad ke-18) dan analisis regresi (abad ke-19). Proliferasi, keberadaan, dan kekuatan yang meningkat dari teknologi komputer secara dramatis telah meningkatkan kemampuan pengumpulan, penyimpanan, dan manipulasi data. Seiring dengan pertumbuhan ukuran dan kompleksitas set data, analisis data langsung dengan tangan secara bertahap telah digantikan dengan pemrosesan data otomatis, dibantu oleh penemuan-penemuan lain dalam ilmu komputer, khususnya dalam bidang pembelajaran mesin, seperti jaringan saraf, analisis klaster, algoritma genetika (tahun 1950-an), pohon keputusan dan aturan keputusan (tahun 1960-an), dan mesin vektor dukungan (tahun 1990-an).

Data mining adalah proses menerapkan metode-metode ini dengan tujuan untuk mengungkap pola tersembunyi dalam set data yang besar. Ini memperjembatani kesenjangan antara statistik terapan dan kecerdasan buatan (yang biasanya menyediakan latar belakang matematika) dengan manajemen basis data dengan memanfaatkan cara data disimpan dan diindeks dalam basis data untuk menjalankan algoritma pembelajaran dan penemuan aktual secara lebih efisien, memungkinkan metode-metode tersebut diterapkan pada set data yang semakin besar.

Proses Penemuan Pengetahuan dari Data

Proses penemuan pengetahuan dari basis data (Knowledge Discovery in Databases/KDD) adalah langkah penting dalam memanfaatkan potensi data. Terdapat beberapa pendekatan seperti CRISP-DM yang menguraikan tahapan-tahapan yang harus diikuti, mulai dari pemahaman bisnis hingga implementasi model. Sebelum melakukan data mining, langkah pra-pemrosesan diperlukan untuk membersihkan data dari noise dan data hilang.

Data mining melibatkan tugas-tugas seperti deteksi anomali, pembelajaran aturan asosiasi, dan klasifikasi, dengan tujuan untuk mengekstrak pola dari data. Namun, hasil dari proses ini harus divalidasi secara hati-hati untuk memastikan keandalan dan kebergunaan informasi yang dihasilkan.

Dengan menggunakan kerangka kerja yang tepat dan melakukan validasi yang cermat, organisasi dapat mengubah data menjadi pengetahuan yang berharga untuk mendukung pengambilan keputusan yang lebih baik.

Proses Pencarian Pola

Penggalian data adalah salah satu bagian dari proses pencarian pola. Berikut ini urutan proses pencarian pola:

• Pembersihan Data: yaitu menghapus data pengganggu (noise) dan mengisi data yang hilang.
• Integrasi Data: yaitu menggabungkan berbagai sumber data.
• Pemilihan Data: yaitu memilih data yang relevan.
• Transformasi Data: yaitu mentransformasi data ke dalam format untuk diproses dalam penggalian data.
• Penggalian Data: yaitu menerapkan metode cerdas untuk ekstraksi pola.
• Evaluasi pola: yaitu mengenali pola-pola yang menarik saja.
• Penyajian pola: yaitu memvisualisasi pola ke pengguna.

Teknik Penggalian Data

Penggalian data umumnya dapat dibagi menjadi dua fungsi utama: deskripsi dan prediksi. Berikut adalah beberapa fungsi penggalian data yang sering digunakan:

1. Karakterisasi dan Diskriminasi: Merupakan proses generalisasi, rangkuman, dan perbandingan karakteristik data.
2. Penggalian Pola Berulang: Melibatkan pencarian pola asosiasi, pola intra-transaksi, atau pola pembelian dalam satu transaksi.
3. Klasifikasi: Memanfaatkan model untuk mengklasifikasikan objek berdasarkan atribut-atributnya. Kelas target sudah ditentukan sebelumnya dalam data, sehingga fokusnya adalah pada pembelajaran model agar dapat melakukan klasifikasi sendiri.
4. Prediksi: Memproyeksikan nilai yang tidak diketahui atau nilai yang hilang menggunakan model dari klasifikasi.
5. Penggugusan/Cluster Analysis: Mengelompokkan objek data berdasarkan tingkat kemiripannya. Kelas target tidak ditentukan sebelumnya dalam data, sehingga tujuannya adalah untuk memaksimalkan kemiripan dalam kelompok dan meminimalkan kemiripan antar kelompok.
6. Analisis Outlier: Proses identifikasi data yang tidak sesuai dengan pola umum dari data lainnya, seperti noise dan anomali dalam data.
7. Analisis Trend dan Evolusi: Termasuk analisis regresi, penggalian pola sekuensial, analisis periodisitas, dan analisis berbasis tren.

Disadur dari: id.wikipedia.org

Python, bahasa pemrograman yang ditafsirkan dan tingkat tinggi, telah menjadi salah satu bahasa pemrograman yang paling populer di dunia sejak dirilis pada tahun 1991 oleh Guido van Rossum. Filosofi desain Python menitikberatkan pada keterbacaan kode dan penggunaan spasi putih yang signifikan, membuatnya menjadi pilihan yang ideal untuk proyek-proyek skala kecil maupun besar.

Salah satu keunggulan Python adalah kemampuannya dalam menangani berbagai paradigma pemrograman, termasuk pemrograman terstruktur, berorientasi objek, dan fungsional. Dikenal sebagai bahasa "termasuk baterai", Python dilengkapi dengan perpustakaan standar yang luas, memungkinkan pengguna untuk mengakses berbagai fungsi dan alat tanpa perlu menginstal tambahan.

Sejak dirilisnya Python 2.0 pada tahun 2000, bahasa ini telah mengalami beberapa pembaruan signifikan, termasuk fitur-fitur seperti pemahaman daftar dan sistem pengumpulan sampah yang lebih canggih. Pada tahun 2008, Python 3.0 diperkenalkan sebagai revisi utama, meskipun tidak sepenuhnya kompatibel dengan versi sebelumnya. Hal ini membutuhkan modifikasi pada kode Python 2 untuk dapat berjalan pada Python 3.

Python memiliki keunggulan dalam ketersediaannya untuk berbagai sistem operasi. Implementasi referensi Python, yang dikenal sebagai CPython, dikembangkan dan dipelihara oleh komunitas pemrogram global. Python Software Foundation, sebuah organisasi nirlaba, bertanggung jawab atas pengelolaan dan pengembangan sumber daya Python dan CPython.

Sebagai salah satu bahasa pemrograman paling populer di dunia, Python secara konsisten menduduki peringkat teratas dalam daftar bahasa pemrograman yang diminati oleh para pengembang. Keunggulan Python dalam keterbacaan kode, fleksibilitas, dan kemampuan yang luas menjadikannya pilihan yang sangat dihargai dalam berbagai industri dan proyek pengembangan perangkat lunak.

Sejarah dan Filosofi Python

Python, bahasa pemrograman yang diciptakan pada akhir 1980-an oleh Guido van Rossum di Belanda, merupakan kelanjutan dari bahasa ABC dan memiliki kemampuan untuk menangani pengecualian serta berinteraksi dengan sistem operasi Amoeba. Implementasinya dimulai pada bulan Desember 1989, dengan van Rossum sebagai pengembang utama hingga Juli 2018, ketika dia mengumumkan "liburan permanen" dari tanggung jawabnya sebagai Benevolent Dictator For Life Python. Python 2.0 dirilis pada tahun 2000 dengan berbagai fitur baru, termasuk pengumpul sampah pendeteksian siklus dan dukungan untuk Unicode.

Tanggal akhir penggunaan Python 2.7 awalnya dijadwalkan pada tahun 2015, namun ditunda hingga tahun 2020 karena banyaknya kode yang tidak dapat dengan mudah dilanjutkan ke Python 3. Pada 2022, perilisan Python 3.10.4 dan 3.9.12 dipercepat karena masalah keamanan, sementara versi 3.6 dan yang lebih lama tidak lagi didukung. Python memperoleh popularitasnya sebagai salah satu bahasa pemrograman paling populer.

Python adalah bahasa pemrograman multi-paradigma, mendukung pemrograman berorientasi objek, terstruktur, fungsional, dan berorientasi aspek. Desainnya menawarkan dukungan untuk pemrograman fungsional dalam tradisi Lisp dengan fungsi seperti filter, map, dan reduce, serta pemahaman daftar, kamus, set, dan ekspresi generator. Filosofi Python diuraikan dalam dokumen The Zen of Python, menekankan nilai-nilai seperti kecantikan, keterbacaan, dan kesederhanaan.

Python dirancang untuk menjadi sangat dapat dikembangkan dan modular, dengan perpustakaan standar yang besar dan penerjemah yang mudah diperluas. Visi van Rossum terhadap bahasa inti kecil dengan perpustakaan yang luas berasal dari pengalamannya dengan bahasa ABC. Python juga dikenal karena pendekatannya yang menyenangkan dan ramah pengguna, tercermin dalam namanya yang terinspirasi oleh grup komedi Inggris Monty Python.

Pengguna dan penggemar Python sering disebut sebagai Pythonistas, dan bahasa ini terus berkembang dengan komunitas yang kuat di belakangnya. Dengan sejarah yang kaya dan filosofi yang kuat, Python tetap menjadi salah satu bahasa pemrograman yang paling diminati dan dipilih oleh pengembang di seluruh dunia.

Sintaks dan Semantik Python

Python dikenal sebagai bahasa pemrograman yang mudah dibaca dan dipahami. Sintaksnya bersih dan tidak berantakan secara visual, sering menggunakan kata kunci bahasa Inggris daripada tanda baca. Berbeda dengan bahasa lain seperti C atau Pascal, Python tidak menggunakan tanda kurung awal untuk membatasi blok, dan pernyataan titik koma setelahnya bersifat opsional.

Indentasi adalah kunci dalam Python, menggunakan spasi untuk membatasi blok kode. Peningkatan indentasi menandakan awal blok, sedangkan penurunan indentasi menandakan akhir blok. Ini memastikan bahwa struktur visual program mencerminkan struktur semantiknya dengan akurat.

Python menawarkan beragam pernyataan dan kontrol aliran, termasuk if, else, elif, for, while, try, except, raise, class, def, with, break, continue, pass, assert, yield, dan import. Pernyataan-pernyataan ini memberikan fleksibilitas dalam menulis kode dan menangani pengecualian, iterasi, dan banyak lagi.

Python juga memiliki konsep metode pada objek, yang memungkinkan fungsi yang dilampirkan ke kelas objek. Penulisan kode Python menganut prinsip duck typing, memungkinkan variabel tanpa tipe yang ditentukan tetapi objek yang diketik. Operasi aritmatika seperti penambahan, pengurangan, perkalian, dan pembagian dapat dilakukan dengan mudah menggunakan simbol yang terintegrasi dalam bahasa.

_{Hierarki tipe standar di Python 3}

Dengan kesederhanaan sintaks dan semantiknya, Python menjadi pilihan yang populer di kalangan pengembang. Keterbacaan dan kemudahan penggunaan membuatnya menjadi bahasa yang ideal untuk berbagai proyek, dari yang sederhana hingga yang kompleks. Dengan Python, kompleksitas kode dapat dikurangi tanpa mengorbankan fungsionalitas, menjadikannya salah satu bahasa pemrograman yang paling diminati dan digunakan di seluruh dunia.

Disadur dari: id.wikipedia.org/wiki/Python

Sriwijaya Airlines Penerbangan 062 (SJ062/SJY062) merupakan penerbangan berjadwal Sriwijaya Airlines Indonesia dari Bandara Internasional Soekarno-Hatta Jakarta menuju Bandara Sultan Taha Jambi. Pada tanggal 27 Agustus 2008, sebuah pesawat Boeing 737 Seri 200 dengan registrasi PK-CJG melewati landasan pacu dan menabrak sebuah bangunan saat mencoba mendarat di Jambi. 26 orang terluka dalam kejadian ini, termasuk 3 orang di darat. Salah satu dari mereka kemudian meninggal karena luka-lukanya. Seluruh penumpang pesawat selamat dari kecelakaan itu. Ini merupakan kecelakaan fatal pertama sepanjang sejarah operasional Sriwijaya Airlines dan satu-satunya kecelakaan fatal hingga jatuhnya Sriwijaya Airlines Penerbangan 182 pada tahun 2021.

Investigasi Komisi Nasional Keselamatan Transportasi (KNKT) menemukan kerusakan hidrolik. Penyebab utama kecelakaan itu Ditentukan bahwa inilah penyebabnya. 062. Menurut KNKT, kegagalan sistem hidrolik A menyebabkan beberapa sistem pesawat tidak dapat dioperasikan. KNKT tidak dapat menentukan penyebab kegagalan hidrolik tersebut. KNKT juga mencatat adanya kekurangan dalam manajemen sumber daya kru (CRM).

Pesawat dan awak

Pesawat yang terlibat dalam kecelakaan tersebut adalah Boeing 737-200 dengan registrasi Indonesia. PK-CJG. Pesawat ini dibuat pada tahun 1985 dengan nomor seri 23320. Maskapai ini dioperasikan oleh Malaysia Airlines dari tahun 1985 hingga 1993. Kemudian dijual ke Bouraq Airlines, Tuninter, WFBN, Star Air dan Sriwijaya Air. Pesawat ini telah menyelesaikan lebih dari 54.700 siklus dan pemeriksaan besar terakhir dilakukan pada bulan November 2007.

Kaptennya adalah Mohammad Basuki, 36 tahun. Menurut juru bicara Sriwijaya Air, Basuki merupakan pilot berpengalaman dengan total waktu terbang 7.794 jam, termasuk 6.238 jam pada Boeing 737. Co-pilotnya adalah Eri Radianto, 34, sudah dewasa. Menurut Sriwijaya Air, Eri juga merupakan pilot berpengalaman dengan 5.000 jam waktu penerbangan, termasuk 4.100 jam pada pesawat jenis ini.

Penerbangan

Penerbangan 062 merupakan jenis Boeing 737 yang terdaftar sebagai PK-CJG. Dikelola oleh 200 . Ada 124 penumpang, 4 pramugari, 6 awak pesawat, dan 2 pilot di pesawat ini. Penerbangan ini merupakan penerbangan satu jam dan berangkat dengan jangkauan bahan bakar empat jam. Karena mesin utama tidak tersedia, unit daya tambahan (APU) harus digunakan. Pilotnya adalah Kapten Basuki.

Pada pukul 16.18 waktu setempat, Penerbangan 062 menghubungi Taha Tower dan mengumumkan niatnya untuk mendarat di Bandara Sultan Taha. Sebelum bersentuhan, pesawat telah diizinkan turun hingga 12.500 kaki dari Menara Palembang. Kopilot menanyakan informasi cuaca bandara. Cuacanya sejuk dan hujan di jalan. Para kru menyiapkan pesawat untuk mendarat dengan menggunakan roda pendaratan dan bantalan.

Tiga belas detik setelah mendarat, kru melihat sistem hidrolik. Lampu peringatan tekanan rendah dan dijelaskan dengan sistem hidrolik. Indikator ukuran akan menunjukkan nol. Kapten Basuki meminta co-pilot Eri memastikan konfigurasi pendaratan. Setelah pemeriksaan, kru memutuskan untuk melanjutkan upaya docking. Kapten Basuki kemudian memutuskan untuk menerbangkan pesawat sedikit menuruni jalur turun.

Disadur dari Artikel : id.wikipedia.com

Nusantara Buana Air Penerbangan 823 adalah penerbangan domestik Aviocar CASA C-212 tidak terjadwal dari Medan ke Kutakane, Indonesia, ketika jatuh di hutan pada tanggal 29 September 2011, menewaskan semua penumpang. 18 orang di dalamnya.
\ nInvestigasi Menurut penyelidikan yang dilakukan oleh Dewan Keselamatan Transportasi Nasional Indonesia, pesawat tersebut terbang di awan pada saat kecelakaan dan kehilangan jarak pandang ke negara tersebut. Insiden tersebut diklasifikasikan sebagai Otoritas Penerbangan Sipil (CFIT).

Riwayat penerbangan

Penerbangan ini dioperasikan oleh Nusantara Buana Air (NBA) sebagai penerbangan penumpang tidak berjadwal dari Bandara Internasional Polandia, Penerbangan Nusantara Buana Air . Dari Medan menuju Bandara Alas Leuser di Kutakane. Penerbangan berangkat dari Medan pada pukul 07:28 WIB (00:28 UTC) dan diperkirakan tiba di Kutakane pada pukul 00:58 UTC. Ada 16 penumpang di pesawat, dua pilot, dua anak-anak, dan dua anak-anak. Penerbangan dilakukan berdasarkan aturan penerbangan visual (VFR).

Pada pukul 00:32 UTC, pesawat menghubungi direktur darat dan melaporkan bahwa pesawat tersebut mendaki ke ketinggian 4.000 hingga 8.000 kaki dan siap setibanya di Kutacane. Izin juga diminta untuk berlayar langsung ke sinyal "PAPA" pada 00:50 UTC. Sekitar pukul 00:41 UTC, pesawat melaporkan kontak berhasil dengan Radio Kutacane. Komunikasi dengan CEO Medan pun berakhir. Pilot mencoba tiga kali untuk menghubungi stasiun radio Kutakane tetapi tidak ada tanggapan.

Sekitar pukul 00.50 UTC, pesawat terakhir terlihat di layar radar sekitar 35 nm dari VOR MDN. Pada pukul 01:00 UTC, otoritas bandara Kutacane menghubungi pejabat NBA di Kutacane dan menanyakan lokasi pesawat. Staf NBA di Kutacane menghubungi kantor NBA di Medan dan menginformasikan bahwa penerbangan belum tiba di Kutacane. Pesawat tidak menerima sinyal bahaya.

Sekitar pukul 0120 UTC, karavan Cessna yang dioperasikan Susi Air terbang dari Kutacane menuju Medan dan melaporkan cuaca dalam kondisi cuaca ekstrim (VMC) dan gas. Awan terlihat di beberapa puncak gunung. Sekitar pukul 01:50 UTC, pihak berwenang di Bandara Medan menerima panggilan darurat dari Departemen Pencarian dan Pertolongan Jakarta.

Pada pukul 07:00 UTC, dua pesawat Susi Air Cessna memulai pencarian. Mereka menemukan bangkai pesawat dalam posisi turun 70° di ketinggian 5.055 kaki di Taman Nasional Gunung Leuser, 16 kilometer dari Kutacane. Pesawat tersebut rusak parah akibat benturan tersebut, dan tidak ada satupun dari 18 penumpangnya yang selamat. Pesawat tersebut merupakan Aviocar CASA C-212-200 milik Nusantara Buana Air. Pesawat ini terbang pertama kali pada tahun 1989, nomor ekor PK-TLF dan C/N/msn 283/88N. Tidak ada catatan adanya masalah mekanis atau kerusakan pada pesawat pada saat kecelakaan terjadi.

Penumpang dan awak

Pesawat tersebut memiliki 18 orang di dalamnya, 2 pilot dan 16 penumpang, 2 anak-anak dan 2 bayi. . Kapten memiliki pengalaman penerbangan 5.935 jam dan pengalaman penerbangan CASA C-212 3.730 jam. Seorang co-pilot memiliki pengalaman terbang 2.500 jam dan pengalaman terbang 1.100 jam di pesawat jenis ini. Mantan pilot TNI AU.

Disadur dari Artikel : id.wikipedia.com

Penerbangan Penumpang Terbang Mimika Air 514 adalah penerbangan penumpang sewaan yang dioperasikan oleh Mimika Air dengan sebuah Pilatus PC-6 Porter dari Ilaga, Papua menuju Mulia, sebuah kota di dekatnya. Pada pagi hari tanggal 17 April 2009, saat dalam perjalanan menuju Mulia, pesawat tersebut menabrak Gunung Gergaji, menewaskan semua sebelas orang di dalamnya.

Kecelakaan Mimika Air ini adalah kecelakaan penerbangan fatal kedua di Papua, dan ketiga di Indonesia, dalam kurun waktu kurang dari dua minggu. Sebuah pesawat kargo juga telah jatuh di Papua pada 9 April, menewaskan enam orang, dan sebuah pesawat TNI Angkatan Udara Indonesia juga jatuh di Jawa Barat pada 6 April, menewaskan 24 orang.

Komite Nasional Keselamatan Transportasi Indonesia merilis laporan yang menyimpulkan bahwa kecelakaan tersebut disebabkan oleh kurangnya pengetahuan pilot tentang rute, ditambah dengan disorientasi spasial yang terjadi setelah pesawat memasuki awan.

Rute Penerbangan

Rute Ilaga-Mulia berada di ketinggian yang tinggi di antara banyak puncak gunung. Para pilot yang familiar dengan rute dan jenis pesawat tersebut melaporkan bahwa tidak mungkin bagi sebuah Pilatus Porter untuk lepas landas dari Ilaga dan terbang melintasi Gunung Gergaji tanpa melakukan serangkaian lingkaran di udara. Manuver semacam itu secara wajib meningkatkan waktu yang diperlukan untuk rute tersebut melebihi waktu yang direncanakan selama 18 menit.

Di dalam penerbangan tersebut terdapat satu pilot, satu pengamat, dan sembilan penumpang: delapan orang dewasa dan satu bayi. Pesawat tersebut juga membawa kotak suara dan surat suara untuk pemilu legislatif nasional mendatang. Seorang pilot yang menerbangkan pesawat memiliki banyak pengalaman penerbangan, dan banyak dari jam tersebut dihabiskan dengan menggunakan kapal induk. Memiliki lisensi pilot komersial Myanmar yang valid. Sertifikat konfirmasi juga telah diterima dari Otoritas Penerbangan Sipil Indonesia (DGCA) pada 12 Februari 2009.

Kecelakaan

Pesawat lepas landas dari Bandara Ilaga pukul 10.00 waktu setempat, sesuai peraturan dari bandara Catatan menunjukkan tidak ada komunikasi radio antara Penerbangan 514 dan menara. 23 menit setelah lepas landas, menara pengawas mencoba menghubungi pesawat, namun tidak ada respon, sehingga operasi pencarian pun dilakukan. Operasi pencarian diperluas setelah pesawat pencari mendeteksi sinyal dari saklar elektronik pesawat yang jatuh.

Tim pencari Indonesia menemukan lokasi jatuhnya pesawat keesokan harinya. Datang dan temukan Surga. Lokasi jatuhnya pesawat bukanlah landasan pacu tempat pesawat terbang. Asap masih mengepul dari puing-puing pesawat yang tampak hancur. Setelah tabrakan, mesin, baling-baling, baling-baling, dan sayap terbakar. Roda pendaratan depan dan roda pendaratan utama terbakar.

Kapal induk berada 12.000 kaki di atas Gunung Sawyer, dekat lokasi kecelakaan Trigana Air Force One tahun 2006 yang menewaskan sembilan orang. Itu jatuh dari langit. Tak satu pun dari 11 orang di Porter selamat. Berdasarkan pengamatan Badan Meteorologi Korea dan Badan Geofisika dan Iklim pada saat kecelakaan terjadi, cuaca di wilayah tersebut sebagian besar cerah dan terdapat awan di dekat lokasi kecelakaan. Kesalahan manajemen. Pilot tersebut bergabung dengan Mimica Airlines pada 12 Februari dengan pengetahuan rute yang terbatas. Pilot berusaha terbang nonstop ke Mulia menggunakan GPS dan berusaha terbang di atas Pegunungan Gigi Gergaji tanpa berbalik arah. Saat pesawat memasuki awan, pilot mengalami masalah dan kehilangan kendali atas pesawat.

Disadur dari Artikel : id.wikipedia.com