Oleh: Dr. Taufik Hery Purwanto, M.Si.
• The widespread application of GIS has lead to an increased use of geographic data within multiple disciplines • Geographic datasets are increasingly being shared and exchanged, and are also used for purposes other than those for which they were produced
• Any description of reality is always an abstraction, always, partial, and always just one of many posisible “Views”. • Thus, to insure that data will be understood by both computer systems and users, the fundamental concept of geographic data, the feature, must be fully documented Sumber : Digital National FrameworkTM, 2008
What is a Geographic Feature? Geographic features occur at two levels: Instances and types. Feature Instance: Pisa Tower, Lincoln Tunnel, Brooklyn Bridge At the instance level, a geographic feature is represented as a discrete phenomenon that is associated with its geographic and temporal coordinates and may be portrayed by a particular graphic symbol.
Feature Type: Tower, Tunnel, Bridge Individual feature instances are grouped into classes with common characteristics.
"Brooklyn Bridge" is the abstraction of a certain real world bridge in New York. The term "bridge" is the abstraction of the collection of all real world phenomena that is classified into the concept behind the term “bridge”.
Instance = wujud
A feature is an abstraction of a real world phenomenon. A geographic feature is a feature associated with a location relative to the Earth. A digital representation of the real world can be thought of as a set of features. The OGC approach to feature modeling follows the principles specified in ISO 19109:2005 , "Geographic information - Rules for application schema." As shown in Figure “Modeling Geographic Information”, Conceptual schemas define abstract feature types and provide the process for domain experts to develop application schemas that are used to encode content describing feature instances. The developer of an application schema may use feature definitions from feature catalogues that already exist.
Fenomena dunia nyata Survei dan Pemetaan
Dunia Nyata
Kategori dan Sub-Kategori Kerangka dasar 1. Jaring kontrol geodesi 2. Geoid nasional 3. Foto udara 4. Citra satelit 5. Toponimi 6. Kerangka Dasar Kadastral dan Bidang Tanah 7. Gaya Berat 8. Geomagnet
Antroposfer
Batas 9. Pemilikan dan penguasaan lahan 10. Wilayah administrasi 11. Kawasan pertambangan 12. Kawasan hutan 13. Alamat jalan 14. Jaringan pos Lingkungan buatan 15. Lingkungan budaya 16. Transportasi udara 17. Transportasi laut 18. Transportasi darat 19. Instalasi air bersih 20. Jaringan Irigasi dan drainase 21. Instalasi air limbah 22. Jaringan listrik 23. Jaringan minyak bumi dan gas 24. Jaringan telekomunikasi
KODE A AA AB AC AD AE AF AG AH B BA BB BC BD BE BF C CA CB CC CD CE CF CG CH CI CJ
Litosfer
Sosial Ekonomi 1. Wilayah pengumpulan sensus dan data statistik 2. Tata ruang 3. Pengembangan kawasan tertentu 4. Penggunaan lahan 5. Penutup lahan
D DA DB DC DD DE
Lingkungan Alam 6. Klasifikasi tanah 7. Kemampuan lahan (sumberdaya lahan) 8. Geologi 9. Energi dan sumberdaya mineral 10. Sistem lahan 11. Rawan bencana
E EA EB EC ED EE EF
Hidrosfer
12. Hipsografi 13. Batimetri 14. Oseanografi 15. Garis pantai 16. Alur air (sungai) dan tubuh air daratan
EG EH EI EJ EK
Atmosfer
17. Iklim
EL
Biosfer
18. Klasifikasi vegetasi 19. Keanekaragaman flora 20. Keanekaragaman fauna
EM EN EO
the objects of study in a GIS application
Geographic phenomena
Real world
Computer representations
Aplication computing
Visualitations
Simulation world
Real World
• Titik • Garis • Polygon
3D Analysis Network Analysis
Image Processing
Address Locator/ Geocoding
Modeling Our World, Michael Zeiler, 1999
REAL WORLD
DATA SIG (Geographical data)
Raster Grafis
Vektor
Data Attribut (Attribute Data) mis.: *.dbf
linking database to maps
(Geometric Data) • Titik (Point) • Garis (Arc/Line) • Poligon (region/Polygon) • Permukaan (Surface)
Qualitative Data
Quantitative Data − Ordinal − Interval − Ratio
Smart Map
(linking a database to the map)
- Siapa/Apa ….. ?
(What is at …. ?)
- Dimana ……. ? (Where is it … ?)
• Three general components to geographic information
Streets
Attributes
Geometry
Behavior Rules Streets and highways may not intersect
DATA GRAFIS (GRAPHIC DATA) - Spatial data
Says where the feature is • Co-ordinate based • Vector data – discrete features: Points Lines Polygons (zones or areas) • Raster data: A continuous surface
DATA GRAFIS (GRAPHIC DATA) • continuous: elevasi, curah hujan, salinitas air laut • area: - unbounded: penggunaan lahan, area pasar, jenis tanah, jenis batuan - bounded: batas kota/negara, persil - moving: massa udara, kumpulan binatang, kumpulan ikan • networks: jalan, pipa/kabel transmisi, sungai
• points: - fixed: sumur, lampu jalan, alamat - moving: mobil, ikan, rusa
DATA ATTRIBUT (ATRIBUTE DATA)
Says what a feature is Eg. statistics, text, images, sound, etc.
DATA ATTRIBUT (ATRIBUTE DATA) * Categorical (name): - nominal • data yang diperoleh dengan cara kategorisasi atau klasifikasi • Posisi data setara • Tidak bisa dilakukan operasi matematika (X, +, - atau : ) contoh : tipe penggunaan lahan, kelas tanah, nama kota, daerah administrasi - ordinal • data yang diperoleh dengan cara kategorisasi atau klasifikasi, tetapi diantara data tersebut terdapat hubungan. • posisi data tidak setara. • Tidak bisa dilakukan operasi matematika contoh : Kepuasan pelanggan, kelompok pendapatan
DATA ATTRIBUT (ATRIBUTE DATA) * Numerical : - interval • Data yang diperoleh dengan cara pengukuran, dimana jarak antar dua titik pada skala, sudah diketahui • Tidak ada kategorisasi atau pemberian kode seperti terjadi pada data nominal dan ordinal • Bisa dilakukan operasi matematika. (panas 40 derajad adalah dua kali panas disbanding 20 derajad) contoh : temperatur (Celsius atau Fahrenheit) - ratio • diperoleh dengan cara pengukuran, dimana jarak dua titik pada skala sudah diketahui, dan mempunyai titik nol yang absolut. • Tak ada kategorisasi atau pemberian kode. • Bisa dilakukan operasi matematika. Misal: 100 cm + 35 cm = 135 cm contoh : pendapatan, umur, curah hujan
Real World
H E
E P
H
R
Vector Representation
Raster Representation R = River
E = Eucalypts
P = Pine Forest
H = House
R = River
• Vector – points, lines and polygons • Raster – gridded, classified space
Vector Formats – Discrete representations of Reality – give specific spatial locations explicitly – geographic space is continuous, not quantized – attributes are stored separately from locations
Raster Formats – use square cells to model reality – Matches hardware nicely – Reduced spatial precision – Large storage requirements
Example showing effect of vector graphics versus raster graphics. The original vector-based illustration is at the left. The upper-right image illustrates magnification of 7x as a vector image. The lower-right image illustrates the same magnification as a bitmap image. Raster images are based on pixels and thus scale with loss of clarity, while vector-based images can be scaled indefinitely without degrading.
http://wiki.gis.com/wiki/index.php/Vector_graphics
Representations of Geographic Data
Conceptual and logical abstraction levels
How are spatial objects stored?
Vector formats (points, lines, polygons)
Discrete representations of reality X,Y X,Y X,Y
X,Y
Raster formats
Use square cells to model reality
Rows
Reality (A highway) X,Y
Columns
• Real-world entities are abstracted into three basic shapes
Points (Fire hydrants)
Lines (Streets)
Polygons (Parcels, Zoning)
Point features • • • •
one dimensional only represent positions, x and y have no other meaningful measurement can’t get area or length as a calculation
Line features • one dimensional • represent both position and direction • length is a significant measurement of line features
Polygon features • two dimensional • area features • represent both position and area
Representing features in the raster data model • Square cells store values to represent reality
• Images – Aerial photos – Scanned photos or maps – Satellite imagery
• Grids – Values represent some measured quantity or classification (elevation, precipitation, land cover)
Raster datasets - GRIDs Common GRID format datasets: • Land use/land cover • Elevation (DEM) – Slope – Aspect – Shaded relief
• Precipitation • Temperature
Raster cells or pixels • a cell or pixel is a two dimensional square • the smallest nondivisible element of an image • an object which represents an element of a regularly spaced surface
STRUKTUR DATA VEKTOR
STRUKTUR DATA VEKTOR * Titik (node/point): 0-dimension • koordinat tunggal (x,y) • area/luasan nol
contoh : pohon, sumur minyak, penempatan label
2
y=2
x=7
1
7
* Garis (arc/line): 1-dimension • dua ( atau lebih ] koordinat x,y yang dihubungkan
Contoh : daerah/propinsi, danau
8
2 Line: 7,2 8,1 1
contoh : jalan, sungai
* Poligon (polygon/region) : 2-dimensions • empat atau lebih koordinat x,y yang dihubungkan • koordinat awal dan akhir sama • area yang tertutup
Point: 7,2
7
8
2
Polygon: 7,2 8,1 7,1 7,2
1 7
8
STRUKTUR DATA RASTER
Pyramids
Raster catalogs 3rd (8 m)
2nd (4 m)
1st (2 m)
2 x 2 pixel blocks
1 meter ESRI-Denver/AGIC 2005
STRUKTUR DATA RASTER • Header : berisi informasi penting mengenai kode file, jumlah band data yang dikandung, baris, kolom, tipe data, dan sebagainya. • Data : blok data layer raster. • Ancillary : berisi informasi tambahan yang biasanya meliputi data statistik citra yang bersangkutan. • Layer raster disimpan dalam format standar BIP (Band-Interleaved by Pixel), BIL (Band-interleaved by Line), dan BSQ (Band Sequential), serta fomat kompresi RLE (Run-length Encoding)
Row-by-row coding:
CCCCCBBDCCCCBBDCCCBBBDDCBBAADD DDBAADDBBBAADDDAAAADDDAAAA Run-length coding:
5C 2B 1D 4C 2B 1D 3C 3B 2D 1C 2B 2A 4D 1B 2A 2D 3B 2A 3D 4A 3D 4A 56 entries for 7x8 array (Row-by-row coding), or
A. Mixed Conifer B. Douglas Fir C. Oak Savannah
D. Grassland
22 pairs (44 entries) for 7x8 array Run-length coding
Simple raster data structure
Run Length Coding
Block Coding
Chain Coding
Quadtree data structure
Spatial Data Handling
The real world
Spatial data acquisition Gap between reality and a model of it source error
Source error Spatial data sets
Human decision-making
Planning & management
Use error
Process error
Produced geoinformation
Spatial data analysis & modelling
geographic phenomenon
The real world
We might define a geographic phenomenon as a manifestation of an entity or process of interest that 1. can be named or described, 2. can be georeferenced, and 3. can be assigned a time (interval) at which it is/was present.
DATA MODEL
DATA BASE
MAP WITH SYMBOLS
Modelling process. The transformation of the real world into GIS products is achieved by means of simplification and models (Bernhardsen)
questionnaire
(ground based approach)
Aerial Photographs
Remote Sensing Imagery
(remote sensing based approach)
Hardcopy Maps
Existing Digital Data Files
DATA MODEL
DATA BASE
MAP WITH SYMBOLS
Modelling process. The transformation of the real world into GIS products is achieved by means of simplification and models (Bernhardsen)
STRUKTUR DATA VEKTOR
STRUKTUR DATA VEKTOR
* Titik (node/point): 0-dimension • koordinat tunggal (x,y) • area/luasan nol contoh : pohon, sumur minyak, penempatan label
* Garis (arc/line): 1-dimension • dua ( atau lebih ] koordinat x,y yang dihubungkan
2
Contoh : daerah/propinsi, danau
x=7
1
7
Point: 7,2
8
2 Line: 7,2 8,1 1
contoh : jalan, sungai
* Poligon (polygon/region) : 2-dimensions • empat atau lebih koordinat x,y yang dihubungkan • koordinat awal dan akhir sama • area yang tertutup
y=2
7
8
2
Polygon: 7,2 8,1 7,1 7,2
1 7
8
Kembali
Kembali
Contoh: 1. Pengukuran Lokasi Titik Situs Arkeologi dengan Program mobile GIS Mobile Topographer Pembacaan GPS dan Glonass tablet Samsung Note 10.1
No
Nama Objek
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34
Batu Lumpang Bata Kuno Alas Arca Lumpang Batu Yoni Lumpang Batu Lumpang Batu Lumpang Batu Jetis Gayu Srigentan Paren / Karangrejo Yoni Maitan Borobudur Lapik arca Lingga Batu candi Antefiks Bagian atap candi Bata kuno/candi banon Candi Pawon Candi Mendut Batu candi Lokasi temuan Batu lumpang Struktur bata kuno Bata Kuno Yoni Yoni Antefiks Kemuncak Bata Kuno Relief ghana
Latitude
-7,57465007 -7,57649660 -7,57647413 -7,58563302 -7,58793204 -7,58822561 -7,59301667 -7,58605153 -7,58396104 -7,58357290 -7,58361139 -7,60226993 -7,59953221 -7,60549563 -7,60684074 -7,58426687 -7,56508447 -7,57824025 -7,58300616 -7,59105391 -7.6012 -7,60611347 -7,60541142 -7,60592812 -7,61401622 -7,61815154 -7,62138361 -7,61506167 -7,62205240 -7,58240395 -7,61254505 -7,62800302 -7,63280352 -7,62799583
Longitude
110,17883832 110,18161233 110,18618585 110,17829022 110,16286549 110,16811823 110,17328401 110,17885021 110,19510766 110,19582848 110,18912989 110,18394675 110,19240352 110,19557876 110,20902409 110,20818024 110,21827789 110,22592503 110,24152381 110,23887643 110,21478546 110,21921046 110,22989360 110,23749463 110,21315774 110,20621663 110,20798473 110,21908056 110,22903771 110,18349793 110,23158360 110,20687005 110,20078562 110,20405316
Altitude Ellipsoid 302.7 300.21 291.04 294.22 317.2 300.23 292.46 290.82 291.34 285.51 299.33 287.44 299.72 268.82 271.56 279.39 292.62 295.79 299.79 283.19 270.23 269.34 261.22 268.49 262.4 258.4 256 253.62 242.67 295.8 257.03 290.47 331.59 284.61
Altitude Acuracy PDOP HDOP VDOP Satellite MSL 293.8 12 2.2 1.1 1.9 9/9 291.3 4 2.4 1 2.2 10/11 282.2 8 1.8 1 1.5 16/18 285.7 8 4.5 1.8 4.1 7/10 308.7 4 1.6 0.8 1.4 18/18 291.7 6 1.4 0.8 1.1 17/17 283.9 8 1.6 0.9 1.4 17/17 282.3 12 2.2 0.9 1.9 13/17 282.5 8 1.9 0.9 1.7 14/16 276.6 6 2 0.8 1.8 15/17 290.5 6 2 1.3 1.6 13/16 278.9 8 1.9 0.9 1.6 15/16 291.2 4 1.5 0.8 1.2 18/18 260.3 8 2.7 1.3 2.3 9/9 263 8 1.8 0.9 1.6 14/14 270.5 6 1.7 0.8 1.5 18/18 283.7 4 1.9 0.8 1.7 16/18 286.9 4 1.6 0.8 1.4 12/17 290.9 6 1.7 0.8 1.4 12/18 274.3 8 1.8 0.8 1.6 12/18 261.6 6 2.2 1.2 1.8 15/17 260.7 32 7.2 7 1.5 3/8 252.6 8 1.8 1 1.5 18/18 259.8 4 1.5 0.8 1.3 18/18 253.8 8 1.9 0.9 1.7 15/16 249.8 6 2.1 1 1.8 16/17 247.4 16 2.2 1.3 1.8 11/11 245 6 1.9 1.1 1.5 14/16 234.1 8 1.5 0.8 1.3 14/16 286.9 12 2.3 1.2 2 12/13 248.4 6 1.9 1.1 1.6 17/18 281.9 12 4.4 2.2 3.7 10/11 323 6 1.6 0.9 1.3 15/17 276 6 1.8 1 1.6 14/15
Posisi Pembacaan Mobile Topographer
Latitude
-7,57463590 -7,57649603 -7,57646555 -7,58566774 -7,58793204 -7,58825358 -7,59301667 -7,58604303 -7,58395607 -7,58357561 -7,58361673 -7,69226993 -7,59953221 -7,60551049 -7,60684101 -7,58426687 -7,56508447 -7,57824025 -7,58300479 -7,59102589 -7.6012 -7,60612401 -7,60535771 -7,60592812 -7,61401622 -7,61379005 -7,62134308 -7,61506167 -7,62205240 -7,58237813 -7,61254505 -7,62799732 -7,63280352 -7,62797695
Longitude
110,17890697 110,18160957 110,18622793 110,17829654 110,16286549 110,16811914 110,17328401 110,17884709 110,19519106 110,19581029 110,18908914 110,18394675 110,19240352 110,19559174 110,20903921 110,20818024 110,21827789 110,22592503 110,24152162 110,23886990 110,21478546 110,21924843 110,22986699 110,23749463 110,21315774 110,21351352 110,20801150 110,21908056 110,22903771 110,18310079 110,23158360 110,20683838 110,20078562 110,20402640
Acuracy PDOP
0.48 0.54 0.9 0.9 0.53 0.38 0.79 0.52 0.85 0.73 0.53 0.65 0.35 0.86 0.3 0.49 0.43 0.58 0.61 0.53 0.9 0.95 0.72 0.51 0.55 0.24 0.58 0.59 0.57 0.3 0.45 0.47 0.7 0.82
0.15 0.19 0.25 0.27 0.17 0.14 0.2 0.21 0.22 0.21 0.15 0.21 0.14 0.28 0.09 0.17 0.16 0.18 0.17 0.22 0.19 0.25 0.17 0.19 0.15 0.06 0.14 0.18 0.19 0.1 0.17 0.2 0.17 0.24
HDOP
0.07 0.07 0.12 0.13 0.09 0.07 0.12 0.08 0.11 0.11 0.08 0.1 0.07 0.13 0.05 0.09 0.09 0.09 0.09 0.09 0.11 0.16 0.09 0.09 0.08 0.03 0.08 0.09 0.1 0.05 0.09 0.08 0.09 0.13
VDOP
Satellite Readings
0.13 0.17 0.22 0.23 0.15 0.12 0.17 0.19 0.19 0.18 0.13 0.19 0.12 0.25 0.07 0.15 0.14 0.16 0.14 0.2 0.16 0.19 0.15 0.16 0.13 0.05 0.12 0.16 0.17 0.08 0.15 0.19 0.15 0.2
H = 240 / V = 224 H = 133 / V = 128 H = 46/ V = 46 H = 66/ V = 65 H = 72/ V = 72 H = 138/ V = 138 H = 60/ V = 60 H = 197/ V = 144 H = 87/ V = 84 H = 87/ V = 81 H = 163/ V = 163 H = 85 / V = 85 H = 133/ V = 133 H = 60/ V = 56 H = 485 / V = 460 H = 81 / V = 81 H = 96 / V = 96 H = 85 / V = 85 H = 86 / V = 86 H = 112 / V = 90 H = 72 / V = 72 H = 68 / V = 79 H = 79 / V = 79 H = 76 / V = 76 H = 107 / V = 107 H = 725 / V = 722 H = 147 / V = 145 H = 93 / V = 93 H = 75 / V = 75 H = 358/ V = 352 H = 93 / V = 93 H = 236 / V = 101 H = 103 / V = 103 H = 61 / V = 60
dimana pembacaan dengan GPS tanpa Mobile Topographer akurasi ratarata untuk 34 titik situs arkeologi Borobudur adalah 8,06 meter, sedangkan dengan Mobile Topographer terjadi peningakatan akurasi dengan rata-rata 0,60 meter.
Peta Situs Borobudur Hasil Pengukuran BKB, Mobile GIS dengan Navitel dan Mobile Topographer
2. Pengukuran dan Pemetaan Fenomena Geografis Bentuk Garis
= Poligon dari Mobile GIS
= Poligon dari SBM DIY
Berdasarkan 2 data tersebut diperoleh hasil bahwa terjadi perbedaan jarak terbesar adalah 12,868 meter dengan perbedaan jarak minimal 0 meter yang artinya berimpit atau sama hasil pengukuran dengan SBM, dan rata-rata perbedaan jarak keduanya adalah 3,15 meter. Panjang jalan hasil mobile GIS adalah 7.968,469 m, dan panjang jalan SBM adalah 7.878,758. Terdapat selisih panjang sebesar 89.711 meter.
3. Pengukuran dan Pemetaan Fenomena Geografis Bentuk Poligon i. Hasil Pengukuran dan Pemetaan Objek Poligon dengan Luas > 1 Km2
= Poligon dari Mobile GIS = Poligon dari SBM DIY
Pada poligon besar terdapat perbedaan jarak maksimum dengan SBM sebesar 12,378 meter dan jarak mnimal 0 meter, rata-rata perbedaan jarak adalah 2,231 meter. Data luas hasil pengukuran mobile GIS dengan software Navitel adalah 329.080,657 m2, sedangkan luas dari SBM adalah 331.846,703 m2. Terjadi perbedaan luas sebesar 2.766,046 m2.
ii. Hasil Pengukuran dan Pemetaan Objek Poligon dengan Luas 1 Ha
= Poligon dari Mobile GIS = Poligon dari SBM DIY
Pada poligon besar terdapat perbedaan jarak maksimum dengan SBM sebesar 12,378 meter dan jarak minimal 0 meter, rata-rata perbedaan jarak adalah 2,231 meter. Data luas hasil pengukuran mobile GIS dengan software Navitel adalah 329.080,657 m2, sedangkan luas dari SBM adalah 331.846,703 m2. Terjadi perbedaan luas sebesar 2.766,046 m2.
Jika dibandingkan akurasi pengukuran dan pemetaan pada poligon besar dengan perbedaan luas sebesar 0.84%, sedangkan pada poligon kecil sebesar 14,71%., maka dapat direkomendasikan bahwa mobile GIS dapat digunakan untuk pengukuran poligon besar ( >1 Km2) dan tidak direkomendasikan untuk poligon kecil (< 1 Ha).
Sources of Signal Interference
Earth’s Atmosphere
Solid Structures
Metal
Electro-magnetic Fields
Charlie Leonard, 1999 (revised 2001, 2002)
4. Akurasi posisi dengan mobile GIS 1. Obstruksi Obstruksi adalah munculnya penghalang sinyal GPS (awan, gedung/bangunan atau candi, dan pepohonan). Penerimaan sinyal GPS akan lebih baik pada area terbuka dibandingkan dengan area yang tertutup. 2. Multipath Kesalahan multipath terjadi pada saat sinyal GPS terpantul terlebih dahulu pada sebuah objek sebelum mencapai antena receiver GPS. Kesalahan ini dapat terjadi tanpa ada peringatan terlebih dahulu. Nilai kesalahan yang terjadi bisa sangat kecil akan tetapi bisa juga menyebabkan penurunan akurasi hingga beberapa meter. Sampai saat ini, belum ada cara untuk menghindari kesalahan tersebut. 3. Keterlambatan akibat atmosfer Sinyal GPS akan berpantulan secara acak pada saat melakukan perjalanan melalui ionosfer dan troposfer. Ketika terjadi pemantulan, jumlah waktu yang dibutuhkan untuk mencapai permukaan bumi bertambah. Hal tersebut mengakibatkan perubahan posisi hasil hitungan. Keterlambatan akibat atmosfer akan semakin besar pada kondisi panas saat siang hari dimana aktivitas ionosfer sangat tinggi.
4. DOP (Dillution of Precision) PDOP (Positional Dilution of Precision – posisi tiga dimensi). PDOP adalah kombinasi dari VDOP dan HDOP. Semakin rendah nilai PDOP, semakin baik kekuatan geometris, nilai PDOP kurang dari 6 dianjurkan. Kategori nilai PDOP adalah: • PDOP <4 : Sangat Baik (Excellent) • PDOP 4-8 : Baik (Good) • PDOP >8 : Tidak Baik (Poor) Semakin kecil PDOP maka akurasi yang dihasilkan akan semakin bagus, sehingga direkomendasikan menunggu sampai satelit-satelit tersebut akan bergerak ke arah konfigurasi yang lebih baik sehingga mendapat PDOP sekecil mungkin. Disamping menunggu direkomendasikan menggunakan aplikasi GPS yang bisa meningktakan kualitas data GPS yaitu Mobile Topographer. Hasil pembacaan DOP situs arkeologi Borobudur dengan kategori < 1 atau sangat .
Pembacaan DOP Situs Arkelogi Borobubur Makin Akurat dengan Aplikasi Mobile Topographer ID 50 30 62 22 15 32 64 66 8 31 41 17 14 20 36 9 45 59 34 52 53 35 21 69 40 19 16 70 18 29 10 11 37 38
NAMA OBJEK Batu lumpang Borobudur Yoni Yoni Lumpang Batu Lingga Antefiks Kemuncak Batu Lumpang Lapik arca Batu candi Lumpang Batu Yoni Srigentan Bagian atap candi Bata Kuno Lokasi temuan Yoni Batu candi Struktur bata kuno Bata Kuno Antefiks Paren / Karangrejo Bata Kuno Candi Mendut Gayu Lumpang Batu Relief ghana Jetis Maitan Alas Arca Lumpang Batu Bata kuno/candi banon Candi Pawon
KODE SEG BOR BOW BRO SUS PLA PAR MAL KIR DEY NAR BED PRE SRI NGR CAN JOW BRA RAM DIP GED KEN KAR PAK MEN GAY KED KRJ JET MAI SAM KRA JLI PAW
Akurasi
PDOP 0.24 0.3 0.3 0.35 0.38 0.43 0.45 0.47 0.48 0.49 0.51 0.52 0.53 0.53 0.53 0.54 0.55 0.57 0.58 0.58 0.59 0.61 0.65 0.7 0.72 0.73 0.79 0.82 0.85 0.86 0.9 0.9 0.9 0.95
HDOP 0.06 0.09 0.1 0.14 0.14 0.16 0.17 0.2 0.15 0.17 0.19 0.21 0.17 0.15 0.22 0.19 0.15 0.19 0.18 0.14 0.18 0.17 0.21 0.17 0.17 0.21 0.2 0.24 0.22 0.28 0.25 0.27 0.19 0.25
VDOP 0.03 0.05 0.05 0.07 0.07 0.09 0.09 0.08 0.07 0.09 0.09 0.08 0.09 0.08 0.09 0.07 0.08 0.1 0.09 0.08 0.09 0.09 0.1 0.09 0.09 0.11 0.12 0.13 0.11 0.13 0.12 0.13 0.11 0.16
0.05 0.07 0.08 0.12 0.12 0.14 0.15 0.19 0.13 0.15 0.16 0.19 0.15 0.13 0.2 0.17 0.13 0.17 0.16 0.12 0.16 0.14 0.19 0.15 0.15 0.18 0.17 0.2 0.19 0.25 0.22 0.23 0.16 0.19
Satellite Readings H = 725 / V = 722 H = 485 / V = 460 H = 358/ V = 352 H = 133/ V = 133 H = 138/ V = 138 H = 96 / V = 96 H = 93 / V = 93 H = 236 / V = 101 H = 240 / V = 224 H = 81 / V = 81 H = 76 / V = 76 H = 197/ V = 144 H = 72/ V = 72 H = 163/ V = 163 H = 112 / V = 90 H = 133 / V = 128 H = 107 / V = 107 H = 75 / V = 75 H = 85 / V = 85 H = 147 / V = 145 H = 93 / V = 93 H = 86 / V = 86 H = 85 / V = 85 H = 103 / V = 103 H = 79 / V = 79 H = 87/ V = 81 H = 60/ V = 60 H = 61 / V = 60 H = 87/ V = 84 H = 60/ V = 56 H = 46/ V = 46 H = 66/ V = 65 H = 72 / V = 72 H = 68 / V = 79
