BAB II TINJAUAN PUSTAKA
2.1. Sistem Informasi Geografis Sistem Informasi Geografis merupakan suatu sistem yang mengorganisasi perangkat keras (hardware), perangkat lunak (software), dan data, serta dapat mendayagunakan sistem penyimpanan, pengolahan maupun analisis data secara simultan, sehingga dapat diperoleh informasi yang berkaitan dengan aspek keruangan(Purwadi. dalam Husein, 2006) . Sistem informasi geografis adalah suatu sistem berbasis komputer untuk menangkap, menyimpan, mengecek, mengintegrasikan, memanipulasi, dan mendisplay data dengan peta digital (Turban. dalam Swastikayana, 2011). Dari pengertian diatas dapat disimpulkan bahwa sistem informasi geografis merupakan sistem berbasis komputer yang berfungsi untuk mengolah dan menyimpan peta digital atau informasi geografis.
2.1.1. Konsep Sistem Informasi Geografis Sistem Informasi Geografis (SIG) atau juga dikenal sebagai Geographic Information System (GIS) pertama pada tahun 1960 yang bertujuan untuk menyelesaikan permasalahan geografis. 40 tahun kemudian GIS berkembang tidak hanya bertujuan untuk menyelesaikan permasalahan geografi saja tapi sudah merambah ke berbagai bidang seperti analisis penyakit epidemik
4
5
(demam berdarah) dan analisis kejahatan (kerusuhan) termasuk sebaran wilayah produksi. Kemampuan dasar dari SIG adalah mengintegrasikan berbagai operasi basis data seperti query, menganalisisnya serta menampilkannya dalam bentuk pemetaan berdasarkan letak geografisnya. Inilah yang membedakan SIG dengan sistem informasi lain (Prahasta. dalam Swastikayana, 2011).
2.1.2. Manfaat Sistem Informasi Geografis Fungsi SIG adalah meningkatkan kemampuan menganalisis informasi spasial secara terpadu untuk perencanaan dan pengambilan keputusan. SIG dapat memberikan informasi kepada pengambil keputusan untuk analisis dan penerapan database keruangan (Prahasta. dalam Swastikayana, 2011). SIG mampu memberikan kemudahan-kemudahan yang diinginkan. Dengan SIG kita akan dimudahkan dalam melihat fenomena kebumian dengan
perspektif
yang
lebih
baik.
SIG
mampu
mengakomodasi
penyimpanan, pemrosesan, dan penayangan data spasial digital bahkan integrasi data yang beragam, mulai dari citra satelit, foto udara, peta bahkan data statistik. SIG juga mengakomodasi dinamika data, pemutakhiran data yang akan menjadi lebih mudah.
2.1.3. Subsistem Sistem Informasi Geografis Menurut (Prahasta, 2005), SIG dapat diuraikan menjadi beberapa subsistem sebagai berikut :
6
1. Data Input Subsistem ini bertugas untuk mengumpulkan dan mempersiapkan data spasial dan atribut dari berbagai sumber. Subsistem ini juga bertanggung jawab dalam mengkonversi atau mentransformasikan format-format data aslinya ke dalam format yang dapat digunakan oleh SIG. 2. Data Output Subsistem ini menampilkan atau menghasilkan keluaran seluruh atau sebagian basis data baik dalam bentuk softcopy maupun dalam bentuk hardcopy seperti: tabel, grafik, peta, dan lain-lain. 3. Data Manajemen Subsistem ini mengorganisasikan baik data spasial maupun atribut kedalam sebuah basis data sedemikian rupa sehingga mudah dipanggil, di-update dan di-edit. 4. Analisis dan Manipulasi Data Subsistem ini menentukan informasiβinformasi yang dapat dihasilkan oleh SIG. Selain itu, subsistem ini juga melakukan manipulasi dan pemodelan data untuk menghasilkan informasi yang diharapkan.
2.1.4. Cara kerja Sistem Informasi Geografis SIG dapat menyajikan real world (dunia nyata) pada monitor sebagaimana lembaran peta dapat merepresentasikan dunia nyata diatas kertas. Tetapi, SIG memiliki kekuatan lebih dan fleksibilitas dari pada lembaran kertas. Peta merupakan representasi grafis dari dunia nyata, obyek-
7
obyek yang dipresentasikan di atas peta disebut unsur peta atau map features (contohnya adalah sungai, taman, kebun, jalan dan lain-lain). Karena peta mengorganisasikan unsur-unsur berdasrkan lokasi-lokasinya. SIG menyimpan semua informasi deksriptif unsur-unsurnya sebagai atribut-atribut didalam basis data. Kemudian, SIG membentuk dan menyimpannya didalam tabeltabel (relasional), dengan demikian atribut-atribut ini dapat diakses melalui lokasi-lokasi unsur-unsur peta dan sebaliknya, unsur-unsur peta juga dapat diakses melalui atribut-atributnya (Prahasta, 2005).
2.1.5. Kemampuan Sistem Informasi Geografis Sistem
informasi
geografis
mempunyai
kemampuan
untuk
menghubungkan berbagai data pada suatu titik tertentu di bumi, menggabungkannya, menganalisis dan akhirnya memetakan hasilnya (Prahasta. dalam Swastikayana, 2011). - Memasukkan dan mengumpulkan data geografis (spasial dan atribut) - Mengintegrasikan data geografis. - Memeriksa, meng-update (meng-edit) data geografis. - Menyimpan atau memanggil kembali data geografis. - Mempresentasikan atau menampilkan data geografis. - Mengelola, memanipulasi dan menganalisis data geografis. - Menghasilkan output data geografis dalam bentuk peta tematik (view dan layout), tabel, grafik (chart) laporan, dan lainnya baik dalam bentuk hardcopy maupun softcopy.
8
2.2. Google Maps Google Maps adalah sebuah jasa peta globe virtual gratis dan online disediakan
oleh
google
dapat
ditemukan
di
http://maps.google.com
(Wikipedia.org). Melalui fitur Google Maps, pengguna internet dapat browsing informasi grafis berikut: -
Satellite Map Pengguna dapat menikmati gambar satelit planet bumi. Pengguna juga dapat menikmati foto satelit lebih detail lengkap dengan cara zooming pada bagian peta yang diinginkan.
-
Hasil Pencarian Integrasi Mencari lokasi, bisnis, peta buatan pengguna dan real estate.
-
Draggable Maps Peta digital mapping yang dragable (bisa digeser) dengan bantuan mouse.
-
Terrain Maps (Peta Topograpi) Terrain Maps menyediakan informasi fitur peta fisik atau peta topograpi yang biasa disediakan buku peta Atlas.
Gambar 2.1 Terrain Maps
9
-
Earth Map Earth Map menyediakan informasi peta bumi dimana akan tampak bumi secara utuh dan bila di-zoom akan terlihat awan yang menyelimuti bumi beserta pulau dan lautan yang tampak nyata dari ketinggian.
-
My Location Dengan fitur ini pengguna dapat mengetahui letak dimana lokasi dari pengguna tersebut
2.3. Google Maps API Google Maps API adalah suatu library yang berbentuk JavaScript. Cara membuat Google Maps untuk ditampilkan pada suatu web atau blog sangat mudah, hanya dengan membutuhkan pengetahuan mengenai HTML serta JavaScript, serta koneksi Internet yang sangat stabil. Dengan menggunakan Google Maps API, kita dapat menghemat waktu dan biaya untuk membangun aplikasi peta digital yang handal, sehingga kita dapat fokus hanya pada datadata yang akan ditampilkan. Dengan kata lain, kita hanya membuat suatu data sedangkan peta yang akan ditampilkan adalah milik Google sehingga kita tidak dipusingkan dengan membuat peta suatu lokasi, bahkan dunia. Dalam pembuatan program Google Maps API menggunakan urutan sebagai berikut: 1) Memasukkan Maps API JavaScript ke dalam HTML. 2) Membuat element div dengan nama map_canvas untuk menampilkan peta.
10
3) Membuat beberapa objek literal untuk menyimpan properti-properti pada peta. 4) Menuliskan fungsi JavaScript untuk membuat objek peta. 5) Meng-inisiasi peta dalam tag body HTML dengan event onload.
2.4. Google Fusion Tables Google Fusion Tables adalah layanan Web yang disediakan oleh Google untuk manajemen data. Data di simpan dalam bentuk tabel, dapat di akses melalui internet dan dapat di download. Fusion tables menyediakan sarana untuk memvisualisasikan data dalam berbagai bentuk grafik maupun peta geografis. Salah satu tipe file yang dapat di upload ke fusion tables adalah KML. KML atau Keyhole Markup Language adalah format file yang digunakan untuk menampilkan data geografis dalam sebuah browser seperti google earth dan mobile google maps.
2.5. Prediksi (Peramalan) Peramalan atau forecasting adalah sebuah metode sebagai alat bantu untuk melakukan suatu perencanaan yang efektif dan efisien, seperti peramalan terhadap tingkat produksi (Amstrong dan Lusk, dalam Prayogo, dkk:2011). Dalam sistem peramalan, penggunaan berbagai model peramalan akan memberikan nilai ramalan yang berbeda. Salah satu seni dalam peramalan
11
adalah memilih model peramalan terbaik yang mampu mengidentifikasi dan menanggapi pola aktifitas historis dari data. Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung dari cara melihatnya. 1. Dilihat dari jangka waktu ramalan yang disusun a. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya satu tahun atau kurang. b. Peramalan jangka menengah, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya satu hingga lima tahun kedepan. c. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari lima tahun yang akan datang. 2. Berdasarkan sifat ramalan yang disusun, maka peramalan dapat dibedakan atas dua macam, yaitu : a. Peramalan kualitatif Peramalan kualitatif yaitu peramalan yang didasarkan atas kualitatif pada masa lalu. hasil peramalan yang dibuat sangat tergantung pada orang yang
menyusunnya. Hal ini penting karena hasil peramalan
tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, judgement atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya.
12
b. Peramalan Kuantitatif Peramalan kuantitatif yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan yang berbeda, apapun yang perlu diperhatikan dari penggunaan metode tersebut, adalah baik tidaknya metode yang dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara hasil dengan kenyataan yang terjadi. Metode yang baik adalah metode yang memberikan nilai-nilai perbedaan atau penyimpangan yang mungkin. Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga kondisi sebagai berikut: -
Adanya informasi tentang keadaan yang lain
-
Informasi tersebut dapat dikuantifikasikan dalam bentuk data
-
Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.
Pada dasarnya metode peramalan kuantitatif dibedakan atas dua bagian, yaitu: a) Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variable yang akan diperkirakan dengan variable waktu, yang merupakan deret waktu atau time series. b) Metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variable yang akan diperkirakan dengan variable
13
lain yang mempengaruhinya, yang bukan waktu yang disebut metode korelasi atau sebab akibat. Deret berkala (time series) adalah sekumpulan data yang dicatat selama periode tertentu, umumnya berupa data mingguan, bulanan, atau tahunan (Mason. dalam Winarsih, 2007). Data berkala (time series data) adalah data yang dikumpulkan dari waktu ke
waktu
untuk
menggambarkan
perkembangan
suatu
kegiatan
(perkembangan produksi, harga, hasil penjualan, jumlah personil, penduduk, jumlah kecelakaan, jumlah kejahatan, jumlah peserta KB, dan lain sebagainya) (Supranto. dalam Winarsih, 2007). Analisis data berkala dimungkinkan untuk mengetahui perkembangan suatu atau beberapa kejadian serta hubungan / pengaruhnya terhadap kejadian lainnya. Forecasting dengan smoothing merupakan bagian dari metode deret waktu atau time series. Smoothing adalah mengambil rata-rata dari nilai-nilai pada beberapa tahun untuk menaksir nilai pada suatu tahun (Subagyo. dalam Winarsih, 2007). Smoothing ini dilakukan antara lain dengan cara Moving Averages atau dengan Exponential Smoothing. Moving average tidak hanya berguna untuk melakukan penghalusan sebuah data deret berkala, metode ini merupakan metode dasar yang digunakan dalam mengukur fluktuasi musiman (Mason. dalam Winarsih, 2007). Tujuan metode perataan (Average) adalah memanfaatkan data masa lalu untuk mengembangkan suatu sistem peramalan pada periode mendatang (Aribowo, 2010).
14
a) Rata-rata Bergerak Tunggal (Single Moving Average) Salah satu cara untuk mengubah pengaruh data masa lalu terhadap nilai tengah sebagai ramalan adalah dengan menentukan sejak awal berapa jumlan nilai observasi masa lalu yang akan dimasukkan untuk menghitung nilai tengah. Secara aljabar, rata-rata bergerak dapat dituliskan sebagai berikut. FT+1 = FT+2 =
π1 + π2 + β―+ ππ π
π2 + β¦ + ππ + ππ+1 π
1
=π βππ=1 ππ 1
= βππ=1 ππ π
Keterangan : FT+1 = peramalan untuk periode T+1 XT = data pada periode T T
= jangka waktu perataan
Metode single moving average ini mempunyai dua sifat khusus, yaitu : 1) Untuk membuat forecast memerlukan data historis selama jangka waktu tertentu. 2) Semakin panjang waktu moving average akan menghasilkan moving average yang semakin halus. b) Rata-rata bergerak ganda (Double Moving Average) Untuk mengurangi kesalahan secara sistematis yang terjadi bila rata-rata bergerak pada data berkecenderungan, maka dikembangkan metode ratarata bergerak linear (linear moving averages). Dasar metode ini adalah
15
menghitung rata-rata bergerak kedua. Rata-rata bergerak ganda merupakan rata-rata bergerak dari rata-rata bergerak. Prosedur peramalan double moving average meliputi tiga aspek: 1) Penggunaan moving average pada waktu t (Sβt) 2) Penyesuaian, yang merupakan perbedaan antara moving average dan double moving average pada waktu t (Sβt β Sβt) 3) Penyesuaian untuk kecenderungan dari periode t ke periode t+1 atau ke periode t+m jika kita ingin meramalkan m periode kedepan. 4) at adalah nilai konstanta untuk persamaan forecast 5) bt adalah nilai slope untuk persamaan forecast Prosedur double moving average secara umum dapat diterangkan melalui persamaan sebagai berikut: Sβ =
ππ‘ + ππ‘β1 + ππ‘β2 β¦+ππ‘βπ+1
Sβ =
π`π‘ + π`π‘β1 + π`π‘β2 β¦+π`π‘βπ+1
π π
at = 2Sβt β Sβt bt =
2 πβ1
(Sβt βSβt)
Ft+m = at + btm Untuk bisa menggunakan metode ini harus memiliki data selama (2N-1) tahun (Subagyo. dalam Winarsih, 2010). c) Menghitung kesalahan ramalan Untuk mengukur error (kesalahan) forecast digunakan cara yaitu: Mean Absolute Error (MAE) Mean Absolute Error (MAE) yaitu rata-rata nilai absolute error dari kesalahan meramal (tidak dihiraukan tanda positif atau negatifnya). MAE =
β|ππ‘ βπΉπ‘ | π
16
2.6. Penelitian Terkait Penelitian sebelumnya telah dilakukan oleh Istiqomah (2006) dengan topik βAPLIKASI MODEL ARIMA UNTUK FORECASTING PRODUKSI GULA PADA PT. PERKEBUNAN NUSANTARA IX (PERSERO)β menghasilkan sebuah prediksi jumlah produksi gula menggunkan metode Autoregresif dan Moving Average (ARIMA) untuk tahun 2007 dengan bantuan program minitab. Peramalan menggunakan program minitab harus tepat dalam menentukan model dan persamaannya sehingga dapat memeberikan hasil peramalan dengan kesalahan peramalan terkecil. Mufidah (2011) dalam penelitiannya βSISTEM INFORMASI GEOGRAFIS (SIG) PEMETAAN LAHAN PERTANIAN DI WILAYAH MOJOKERTOβ menghasilkan sebuah sistem informasi berbasis SIG untuk pemetaan lahan pertanian tentang sebaran hasil produksi dan informasi geologi di wilayah Mojokerto berserta penjelasannya sebagai media informasi bagi masyarakat. Perbedaan penelitian diatas dengan penelitian yang penulis lakukan yaitu memprediksi produksi jagung menggunakan metode time series Moving Average (MA), karena data produksi jagung yang digunakan untuk memprediksi
berpola deret waktu, serta membangun sistem informasi
geografis berbasi web untuk pemetaan sebaran produksi jagung di provinsi Gorontalo sehingga lebih memudahkan pihak-pihak terkait dalam memantau daerah-daerah produksi jagung serta prediksi produksinya di masa mendatang.