1
PERTEMUAN 3 DATA SPASIAL Perkembangan pemanfaatan data spasial dalam dekade belakangan ini meningkat dengan sangat drastis. Hal ini berkaitan dengan meluasnya pemanfaatan Sistem Informasi Geografis (SIG) dan perkembangan teknologi dalam memperoleh, merekam dan mengumpulan data yang bersifat keruangan (spasial). Teknologi tinggi seperti Global Positioning System (GPS), remote sensing dan total station, telah membuat perekaman data spasial digital relatif lebih cepat dan mudah. Kemampuan penyimpanan yang semakin besar, kapasitas transfer data yang semakin meningkat, dan kecepatan proses data yang semakin cepat menjadikan data spasial merupakan bagian yang tidak terlepaskan dari perkembangan teknologi informasi. Sistem informasi atau data yang berbasiskan keuangan pada saat ini merupakan salah satu elemen yang paling penting, karena berfungsi sebagai pondasi dalam melaksanakan dan mendukung berbagai macam aplikasi. Sebagai contoh dalam bidang lingkungan hidup, perencanaan pembangunan, tata ruang, manajemen transportasi, pengairan, sumber daya mineral, sosial dan ekonomi, dll. Oleh karena itu berbagai macam organisasi dan institusi menginginkan untuk mendapatkan data spasial yang konsisten, tersedia serta mempunyai aksesibilitas yang baik. Terutama yang berkaitan dengan perencanaan ke depan, data geografis masih dirasakan mahal dan membutuhkan waktu yang lama untuk memproduksinya (Rajabidfard, A. dan I.P. Williamson 2000). Beberapa tahun belakangan ini banyak negara yang telah melakukan investasi dalam kegiatan pembangunan dan pengembangan sistem informasi. Terutama dalam penggunaan, penyimpanan, proses, analisis dan peyebaran suatu informasi. Pengertian Data Spasial Data spasial mempunyai pengertian sebagai suatu data yang mengacu pada posisi, obyek, dan hubungan diantaranya dalam ruang bumi. Data spasial merupakan salah satu item dari informasi, dimana didalamnya terdapat informasi mengenai bumi termasuk permukaan bumi, dibawah permukaan bumi, perairan, kelautan dan bawah atmosfir
1
2
(Rajabidfard dan Williamson, 2000a). Data spasial dan informasi turunannya digunakan untuk menentukan posisi dari identifikasi suatu elemen di permukaan bumi (Radjabidfard 2001). Lebih lanjut lagi Mapping Science Committee (1995) dalam Rajabidfard (2001) menerangkankan mengenai pentingnya peranan posisi lokasi yaitu, (1) pengetahuan mengenai lokasi dari suatu aktifitas memungkinkan hubungannya dengan aktifiktas lain atau elemen lain dalam daerah yang sama atau lokasi yang berdekatan dan (2) Lokasi memungkinkan diperhitungkannya jarak, pembuatan peta, memberikan arahan dalam membuat keputusan spasial yang bersifat kompleks. Karakteristik utama dari data spasial adalah bagaimana mengumpulkannya dan memeliharanya untuk berbagai kepentingan. Selain itu juga ditujukan sebagai salah satu elemen yang kritis dalam melaksanakan pembangunan sosial ekonomi secara berkelanjutan dan pengelolaan lingkungan. Berdasarkan perkiraan hampir lebih dari 80 % informasi mengenai bumi berhubungan dengan iinformasi spasial (Wulan 2002). Perkembangan teknologi yang cepat dalam pengambilan data spasial telah membuat perekaman terhadap data berubah menjadi bentuk digital, selain itu relatif cepat dalam melakukan prosesnya. Salah satunya perkembangan teknologi yang berpengaruh terhadap perekeman data pada saat ini adalah teknologi penginderaan jauh (remote sensing) dan Global Positioning System (GPS).
Raster
Vector
Real World
Terdapat empat prinsip yang dapat mengidentifikasikan perubahan teknologi perekaman data spasial selama tiga dasawaarsa ini. Prinsip tersebut adalah (1) perkembangan teknologi, (2) kepedulian terhadap lingkungan hidup, (3) konflik politik
2
3
atau perang dan (4) kepentingan ekonomi. Data lokasi yang spesifik dibutuhkan untuk melakukan pemantauan terhadap dampak dalam suatu lingkungan, untuk mendukung program restorasi lingkungan dan untuk mengatur pembangunan. Kegiatan-kegiatan tersebut dilakukan melalui kegiatan pemetaan dengan menggunakan komputer dan pengamatan terhadap bumi dengan menggunakan satelit penginderaan jauh. Rajabidfard dan Wiliamson (2000b), menerangkan bahwa terdapat dua pendorong utama dalam pembangunan data spasial. Pertama adalah pertumbuhan kebutuhan suatu pemerintahan dan dunia bisnis dalam memperbaiki keputusan yang berhubungan dengan keruangan dan meningkatkan efisiensi dengan bantuan data spasial. Faktor pendorong kedua adalah mengoptimalkan anggaran yang ada dengan meningkatkan informasi dan sistem komunikasi secara nyata dengan membangun teknologi informasi spasial. Didorong oleh faktor-faktor tersebut, maka banyak negara, pemerintahan dan organisasi memandang pentingnya data spasial, terutama dalam pengembangan informasi spasial atau yang lebih dikenal dengan Sistem Informasi Geografis (SIG). Tujuannya adalah membantu pengambilan keputusan berdasarkan kepentingan dan tujuannya masing-masing, terutama yang berkaitan dengan aspek keruangan. Oleh karena itu data spasial yang telah dibangun, sedang dibangun dan yang akan dibangun perlu diketahui keberadaanya. Pada dasarnya terdapat dua permalahan utama yang terjadi pada saat ini dalam pembangunan data spasial. Pertama adalah “ledakan” informasi, dimana informasi tersebut diperlukan dalam perkembangan waktu yang terjadi. Hal ini sangatlah bergantung pada perkembangan yang cepat dalam proses pengambilan dan perekaman data spasial. Sedangkan yang kedua adalah terbatasnya dan sulitnya melakukan akses dan mendapatkan informasi spasial dari berbagai macam sumber data yang tersedia. Konsekuensi yang terjadi terdapat kebutuhan yang sangat mendesak untuk memecahkan permasalahan tersebut, yaitu dengan melakukan konsep berbagi pakai data, integrasi dari aplikasi yang berbeda dan mengurangi duplikasi data dan minimalisasi biaya pengeluaran yang terjadi.
Sumber Data Spasial Data spasial dapat dihasilkan dari berbagai macam sumber, diantaranya adalah :
Citra Satelit, data ini menggunakan satelit sebagai wahananya. Satelit
3
4
tersebut menggunakan sensor untuk dapat merekam kondisi atau gambaran dari permukaan bumi. Umumnya diaplikasikan dalam kegiatan yang berhubungan dengan pemantauan sumber daya alam di permukaan bumi (bahkan ada beberapa satelit yang sanggup merekam hingga dibawah permukaan bumi), studi perubahan lahan dan lingkungan, dan aplikasi lain yang melibatkan aktifitas manusia di permukaan bumi. Kelebihan dari teknologi terutama dalam dekade ini adalah dalam kemampuan merakam cakupan wilayah yang luas dan tingkat resolusi dalam merekam obyek yang sangat tinggi. Data yang dihasilkan dari citra satelit kemudian diturunkan menjadi data tematik dan disimpan dalam bentuk basis data untuk digunakan dalam berbagai macam aplikasi. Mengenai spesifikasi detail dari data citra satelit dan teknologi yang digunakan akan dibahas dalam bab tersendiri.
Peta Analog, sebenarnya jenis data ini merupakan versi awal dari data spasial, dimana yang mebedakannya adalah hanya dalam bentuk penyimpanannya saja. Peta analago merupakan bentuk tradisional dari data spasial, dimana data ditampilkan dalam bentuk kertas atau film. Oleh karena itu dengan perkembanganteknologi saat ini peta analog tersebut dapat di scan menjadi format digital untuk kemudian disimpan dalam basis data.
Foto Udara (Aerial Photographs), merupakan salah satu sumber data yang banyak digunakan untuk menghasilkan data spasial selain dari citra satelit. Perbedaannya dengan citra satelit adalah hanya pada wahana dan cakupan wilayahnya. Biasanya foto udara menggunakan pesawat udara. Secara teknis proses pengambilan atau perekaman datanya hampir sama dengan citra satelit. Sebelum berkembangan teknologi kamera digital, kamera yang digunakan adalah menggunakan kamera konvensional menggunakan negatif film, saat ini sudah menggunakan kamera digital, dimana data hasil perekaman dapat langsung disimpan dalam basis data. Sedangkan untuk data lama (format foto film) agar dapat disimpan dalam basis data harus dilakukan conversi dahulu dengan mengunakan scanner, sehingga dihasilkan foto udara dalam format digital. Lebih lanjut mengenai spesifikasi foto udara akan dibahas dalam bab tersendiri.
4
5
Data Tabular, data ini berfungsi sebagai atribut bagi data spasial. Data ini umumnya berbentuk tabel. Salah satu contoh data ini yang umumnya digunakan adalah data sensus penduduk, data sosial, data ekonomi, dll. Data tabulan ini kemudian di relasikan dengan data spasial untuk menghasilkan tema data tertentu.
Data Survei (Pengamatan atau pengukuran dilapangan), data ini dihasilkan dari hasil survei atau pengamatan dilapangan. Contohnya adalah pengukuran persil lahan dengan menggunakan metode survei terestris.
Model data spasial Pada pemanfaatannya data spasial yang diolah dengan menggunakan komputer (data spasial digital) menggunakan model sebagai pendekatannya.
Economic and
Social Comminssion for Asia and the Pasific (1996), mendefinisikan
model data
sebagai suatu set logika atau aturan dan karakteristik dari suatu data spasial. Model data merupakan representasi hubungan antara dunia nyata dengan data spasial. Terdapat dua model dalam data spasial, yaitu model data raster dan model data vektor. Keduanya memiliki karakteristik yang berbeda, selain itu dalam pemanfaatannya tergantung dari masukan data dan hasil akhir yang akan dihasilkan. Model data tersebut merupakan representasi dari obyek-obyek geografi yang terekam sehingga dapat dikenali dan diproses oleh komputer. Chang (2002) menjabarkan model data vektor menjadi beberapa bagian lagi (dapat dilihat pada Gambar 1), sedangkan penjelasan dari model data tersebut akan dibahas dalam sub bab berikut ini.
5
6
Klasifikasi Model Data Spasial
Model Data Raster Model data raster mempunyai struktur data yang tersusun dalam bentuk matriks atau piksel dan membentuk grid. Setiap piksel memiliki nilai tertentu dan memiliki atribut tersendiri, termasuk nilai koordinat yang unik. Tingkat keakurasian model ini sangat tergantung pada ukuran piksel atau biasa disebut dengan resolusi. Model data ini biasanya digunakan dalam remote sensing yang berbasiskan citra satelit maupun airborne (pesawat terbang). Selain itu model ini digunakan pula dalam membangun model ketinggian digital (DEM-Digital Elevatin Model) dan model permukaan digital (DTM-Digital Terrain Model). Model raster memberikan informasi spasial terhadap permukaan di bumi dalam bentuk gambaran yang di generalisasi. Representasi dunia nyata disajikan sebagai elemen matriks atau piksel yang membentuk grid yang homogen. Pada setiap piksel mewakili setiap obyek yang terekam dan ditandai dengan nilai-nilai tertentu. Secara konseptual, model data raster merupakan model data spasial yang paling sederhana.
6
7
Sel/Piksel
Baris
Kolom Struktur Model Data Raster
Karakteristik utama data raster adalah bahwa dalam setiap sel/piksel mempunyai nilai. Nilai sel/piksel merepresentasikan fenomena atau gambaran dari suatu kategori. Nilai sel/piksel dapat meiliki nilai positif atau negatif, integer, dan floating point untuk dapat merepresentasikan nilai cotinuous (lihat Gambar 2). Data raster disimpan dalam suatu urutan nilai sel/piksel. Sebagai contoh, 80, 74, 45, 45, 34, dan seterusnya.
Struktur Penyimpanan Model Data Raster
7
8
Luas suatu area direpresentasikan dalam setiap sel/piksel dengan lebar dan panjang yang sama. Sebagai contoh, sebuah data raster yang merepresentasikan ketinggian permukaan (biasa disebut dengan DEM) dengan luasan sebesar 100 Km2, apabila terdapat 100 sel/piksel dalam raster, maka dalam setiap sel/piksel mempunyai ukuran 1 Km2 ( 1 km x 1 km).
Ukuran Sel/Piksel
Dimensi dari setiap sel/piksel dapat ditentukan ukurannya sesuai dengan kebutuhan. Ukuran sel/piksel menentukan bagaimana kasar atau halusnya pola atau obyek yang akan di representasikan. Semakin kecil ukuran sel/piksel, maka akan semakin halus atau lebih detail. Akan tetapi semakin besar jumlah sel/piksel yang digunakan maka akan berpengaruh terhadap penyimpanan dan kecepatan proses. Apabila ukuran sel /piksel terlalu besar akan tejadi kehilangan informasi atau kehalusan pola akan terlihat lebih kasar. Sebagai contoh apabila ukuran sel lebih besar dari lebar jalan, maka jalan tidak akan dapat ditampilkan dalam data raster. Gambar berikut memperlihatkan bagaimana obyek poligon di representasikan dalam raster dengan berbagai macama ukuran sel/piksel.
8
9
Poligon yang direpresentasikan dalam Berbagai Macam Ukuran Sel/Piksel
Lokasi dalam setiap sel/piksel di definisikan dalam bentuk baris dan kolom dimana didalamnya terdapat informasi mengenai posisi. Apabila sel memuat Sistem Koordinat Kartesian, dimana setiap baris merupakan paralel dengan sumbu X (x-axis), dan kolom paralel dengan sumbu Y (y-axis). Demikian pula apabila sel/piksel memuat Sistem Koordinat UTM (Universal Transverse Mercator) dan sel/piksel memiliki ukuran 100, maka lokasi sel/piksel tersebut pada 300, 500 E (east) dan 5, 900, 600 N (north).
Atribut Lokasi dalam Setiap Sel/Piksel
9
10
Terkadang dibutuhkan informasi spesifik dari luasan suatu raster. Luasan tersebut dapat didefinisikan pada koordinat bagian atas, bawah, kanan, dan kiri dari keseluruhan raster, seperti terlihat pada gambar dibawah ini.
Informasi Luasan Data Raster
Karakteristik Layer(s) Raster Sebagai suatu model data, maka data raster juga mempunyai sifat atau karakteristik yang dapat menunjukkan bahwa data tersebut adalah data raster.
Karakteristik-
karakteristik model data raster adalah sebagai berikut: a.
Resolusi; resolusi spasial dapat diartikan sebagai suatu dimensi linear minimum dari satuan jarak geografi terkecil yang dapat direkam oleh data. Satuan terkecil dalam data raster pada umumnya ditunjukkan oleh panjang sisi suatu bidang bujursangkar pixel. Semakin luas suatu area di permukaan bumi yang dipresentasikan oleh ukuran pixel, maka data tersebut beresolusi kecil, sebaliknya jika semakin kecil suatu area di permukaan bumi yang direpresentasikan oleh ukuran pixel, maka dikatakan bahwa data tersebut beresolusi besar.
b.
Orientasi;
Orientasi
dalam
mempresentasikan arah utara grid.
model
data
raster
dibuat
untuk
Secara umum, untuk mendapatkan
10
11
orientasi model data raster dilakukan penghimpitan arah utara grid dengan arah utara sebenarnya pada titik asal dari dataset, yang biasanya adalah titik di bagian kiri atas. c.
Zone; Setiap zone pada model data raster adalah sekumpulan lokasi-lokasi yang memperlihatkan nilai/ID yang sama. Misalnya untuk suatu raster data sawah, maka ID pada tiap pixel sawah akan mempunyai nilai/ID yang sama.
d.
Nilai-nilai; Nilai adalah item informasi (attribute) yang disimpan dalam sebuah layer untuk setiap pixel.
Sehingga pada ID yang sama pada
beberapa pixel dapat mempunyai nilai yang berbeda. e.
Lokasi; Lokasi dalam model data raster dapat diidentifikasikan dengan nilai koordinatnya dalam sumbu x,y. Nilai x dan y ini dapat menunujukkan koordinat bumi dan sangat bergantung pada jenis proyeksi yang digunakan dalam peta.
Terdapat beberapa keuntungan dalam menggunakan model raster, diantaranya adalah :
Memiliki struktur data yang sederhana, bentuk sel matriks dengan nilainya dapat merepresentasikan koordinat dan kadangkala memiliki link dengan tabel atribut.
Format yang sangat cocok untuk dapt melakukan analisis statistik dan spasial.
Mempunyai kemampuan dalam merepresentasikan data-data yang bersifat continous seperti dalam memodelkan permukaan bumi.
Memiliki kemampuan untuk menyimpan titik (point), garis (line), area (polygon), dan permukaan (surface)
Memiliki kemampuan dalam melakukan proses tumpang-tindih (overlay) secara lebih cepat pada data yang kompleks.
Selain keuntungan dari model raster, terdapat pula beberapa pertimbangan yang perlu diperhatikan dalam menggunakan model data raster dibandingkan dengan data vektor, diantaranya adalah :
Terdapat beberapa keterbatasan masalah akurasi dan presisi data terutama dalam pada saat menentukan ukuran sel/piksel.
11
12
Data raster sangat berpotensial dalam menghasilkan ukuran file yang sangat besar. Peningkatan resolusi akan meningkatan ukuran data, hal ini akan berdapak pada penyimpanan data dan kecepatan proses. Hal ini akan sangat bergantung kepada kemampuan hardware yang akan digunakan.
Pemanfaatan model data raster banyak digunakan dalam berbagai aplikasi, akan tetapi Environmental Systems Research Institute (ESRI), Inc (2006) membagi menjadi empat kategori utama, yaitu :
Raster sebagai peta dasar Data raster Biasanya digunakan sebagai tampilan latar belakang (background) untuk suatu layer dari obyek yang lain (vektor). Sebagai contoh foto udara ortho ditampilkan sebagai latar dari obyek jalan (lihat Gambar dibawah). Tiga sumber utama dari peta dasar raster adalah foto udara, citra satelit, dan peta hasil scan.
Foto Udara (Raster) ditampilkan Sebagai Latar dari Layer Jalan (Vektor)
Raster sebagai peta model permukaan Data raster sangat cocok untuk merepresentasikan data permukaan bumi. Data dapat menyediakan metode yang efektif dalam menyimpan informasi nilai ketinggian yang diukur dari permukaan bumi. Selain dapat merepresentasikan
permukaan
bumi,
data
raster
dapat
pula
merepresentasikan curah hujan, temperatur, konsentrasi, dan kepadatan populasi. Gambar berikut ini memperlihatkan nilai ketinggian suatu
12
13
permukaan bumi. Warna hijau memperlihatkan permukaan yang rendah, dan berikutnya merah, pink dan putih menunjukan permukaan yang semakin tinggi.
Data Raster dalam Memodelkan Permukaan Bumi
Raster sebagai peta tematik Data raster yang merpresentasikan peta tematik dapat diturunkan dari hasil analisis data lain. Aplikasi analisis yang sering digunakan adalah dalam melakukan klasifikasi citra satelit untuk menghasilkan kategori tutupan lahan (land cover). Pada dasarnya aktifitas yang dilakukan adalah mengelompokan nilai dari data multispektral kedalam kelas tertentu (seperti tipe vegetasi) dan memberikan nilai terhadap kategori tersebut. Peta tematik juga dapat dihasilkan dari operasi geoprocessing yang dikombinasikan dari berbagai macam sumber, seperti vektor, raster, dan data permukaan. Sebagai contoh
dalam menghaslkan peta kesesuaian lahan dihasilkan melalui
operasi dengan menggunakan data raster sebagai masukannya.
13
14
Data Raster dalam Mengklasifikasi Data Tutupan Lahan
Raster sebagai atribut dari obyek Data raster dapat pula digunakan sebagai atribut dari suatu obyek, baik dalam foto digital, dokumen hasil scan atau gambar hasil scan yang mempunyai hubungan dengan obyek geografi atau lokasi. Sebagai contoh dokumen kepemilikan persil dapat ditampilkan sebagai atribut obyek persil.
Sampling Raster Sampling raster dimaksudkan untuk menentukan pusat atau lokasi data data dalam setiap pixel dalam sebuah dataset model raster. Penentuan atau penempatan ini disebut dengan sampling. Sampling dapat dilakukan dengan cara: a. Nilai pixel merupakan nilai rata-rata sampling pixel b. Nilai pixel berposisi di pusat pixel c. Nilai pixel berposisi di sudut pixel Berikut ini adalah ilustrasi sampling nilai dalam data set raster
a
b
c
14
15
Model Data Vektor Model data vektor merupakan model data yang paling banyak digunakan, model ini berbasiskan pada titik (points) dengan nilai koordinat (x,y) untuk membangun obyek spasialnya. Model data vektor titik meliputi semua obyek geografis yang dikaitkan dengan pasangan koordinat (x,y). Obyek yang dibangun terbagi menjadi tiga bagian lagi yaitu berupa titik (point), garis (line), dan area (polygon).
Titik (point) Titik merupakan representasi grafis yang paling sederhana pada suatu obyek. Titik tidak mempunyai dimensi tetapi dapat ditampilkan dalam bentuk simbol baik pada peta maupun dalam layar monitor. Contoh : Lokasi Fasilitasi Kesehatan, Lokasi Fasilitas Kesehatan, dll.
Garis (line) Garis merupakan bentuk linear yang menghubungkan dua atau lebih titik dan merepresentasikan obyek dalam satu dimensi. Contoh : Jalan, Sungai, dll.
Area (Poligon) Poligon merupakan representasi obyek dalam dua dimensi.Contoh : Danau, Persil Tanah, dll.
Jenis
Titik
Contoh Representasi
Contoh Atribut
ID Nama
Lokasi
1
SMU 1
Kec. A
2
SDN B
Kec. A
3
SMP 5
Kec. A
4
SDN A Kec. B
5
SMU 2
Kec. B
15
16
ID Garis 1
2
3
Poligon
Status
Kondisi
Jalan Jalan
Baik
Nasional Jalan
Sedang
Provinsi Jalan
Rusak
Kabupaten
ID Guna Lahan
Luas (Ha)
1
Sawah
20
2
Permukiman 30
3
Kebun
45
4
Danau
40
Contoh Representasi Data Vektor dan Atributnya
Kategori Model Data Vektor
16
17
Seperti yang diperlihatkan pada Gambar diatas, model data vektor terbagi menjadi beberapa bagian, diantaranya :
Topologi, biasa digunakan dalam analisis spasial dalam SIG. Topologi merupakan model data vektor yang menunjukan hubungan spasial diantara obyek spasial. Salah satu contoh adalah bahwa persimpangan diantara dua garis di pertemukan dalam bentuk titik, dan kedua garis tersebut secara explisit dalam atributnya mempunyai informasi sebelah kiri dan sebelah kanan. Topologi sangat berguna pada saat melakukan deteksi kesalahan pada saat proses digitasi. Selain itu berguna pula dalam melakukan proses analisis spasial yang bersifat kompleks dengan melibatkan data spasial yang cukup besar ukuran filenya. Salah satu contoh analisis spasial yang dapat dilakukan dalam format topologi adalah proses tumpang tindih (overlay) dan analisis jaringan (network analysis) dalam SIG.
Non Topologi, merupakan model data yang mempunyai sifat yang lebih cepat dalam menampilkan, dan yang paling penting dapat digunakan secara langsung dalam perangkat lunak (software) SIG yang berbeda-beda. Nontopologi digunakan dalam menampilkan atau memproses data spasial yang sederhana dan tidak terlalu besar ukuran filenya. Pengguna hendaknya dapat mengetahui dengaan jelas dari kedua format ini. Sebagai contoh dalam format produk ESRI, yang dimaksud dengan fomat non-topologi adalah dalam bentuk shapefile, sedangkan format dalam bentuk topologi adalah coverage.
Model data vektor dalam topologi lebih jauh lagi dapat dikembangkan dalam dua kategori, yaitu Data Sederhana (Simple Data) yang merupakan representasi data yang mengandung tiga jenis data (titik, garis, poligon) secara sederhana. Sedangkan Data Tingkat Tinggi (Higher Data Level), dikembangkan lebih jauh dalam melakukan pemodelan secara tiga dimensi (3 Dimensi/3D). Model tersebut adalah dengan menggunakan TIN (Triangulated Irregular Network). Model TIN merupakan suatu set data yang membentuk segitiga dari suatu data set ang tidak saling bertampalan. Pada setiap segitiga dalam TIN terdiri dari titik dan garis yang saling terhubungkan sehingga membentuk segitiga. Model TIN dangta berguna
17
18
dalam merepresentasikan ruang (spasial) dalam bentuk 3D, sehingga dapat mendekati kenyataan dilapangan. Salah satu diantaranya adalah dalam membangun Model Permukaan Bumi Digital (Digital Terrain Model/DTM).
Region, merupakan sekumpulan poligon, dimana masing-masing poligon tersebut dapat atau tidak mempunyai keterkaitan diantaranya akan tetapi saling bertampalan dalam satu data set.
Dymanic Segmentation, adalah model data yang dibangun dengan menggunakan segmen garis dalam rangka membangun model jaringan (network).
Model Data Vektor Titik Model data vektor titik meliputi semua obyek geografis yang dikaitkan dengan pasangan koordinat (x,y). Disamping informasi mengenai koordinat x,y, data-data yang diasosiasikan dengan titik harus disimpan guna menunjukkan jenis titik yang bersangkutan . Data-data tersebut dapat memuat informasi seperti ukuran tampilan dan orientasi simbol/titik tersebut.
Gambar dibawah menunjukkan contoh model data
vektor titik degan asosiasi informasinya.
11.05, 112.08, “Masjid”, “Normal”
Model Data Vektor Garis Model data vektor garis didefinisikan sebagai semua unsur linear yang dibangun dengan menggunakan segmen-segmen garis yang dibentuk oleh dua titik koordinat atau lebih.
Semakin pendek segmen-segmen garis, makin banyak jumlah pasangan-
pasangan koordinat (x,y) dan makin halus bentuk kurva yang direpresentasikan. Korelasi antar data vektor garis yang menunjukkan informasi yang sama (misal; pada jaringan sungai dan jalan) diperlukan suatu simpul penghubung yang disebut dengan
18
19
node.
Gambar a menunjukkan model data vektor garis dengan data asosiasinya,
sedangkan Gambar b menunjukkan model data vektor yang membentuk suatu jaringan.
1
2
node
(a)
(b)
Model data vektor garis dengan data asosiasinya (a), model data vektor yang membentuk suatu jaringan (b) Model Data Vektor Poligon Struktur model data poligon bertujuan untuk mendeskripsikan properties yang bersifat topologi dari suatu area (bentuk, hubungan/relasi dan hirarki) sedemikian rupa, hingga properties yang dimiliki oleh obyek spasial dapat ditampilkan dan dimanipulasi sebagai peta tematik. Model data vektor ini merupakan sekumpulan segmen garis yang membentuk kurva tertutup dan dicirikan dengan suatu nilai yang terdapat dalam seluruh luasan atau area kurva.
Model TIN (Triangualar Irreguler Network) TIN adalah model data vektor yang berbasiskan topologi yang digunakan untuk mempresentasikan data permukaan bumi. TIN menyajikan model permukaan sebagai sekumpulan bidang-bidang kecil yang berbentuk segitiga yang saling terhubung. Informasi koordinat horizontal (x,y) dan vertikal (z) untuk setiap titik yang terdapat di
19
20
dalam jaringan TIN (yang kemudian dijadikan sebagai node) dikodekan ke dalam bentuk-bentuk tabel.
Perbandingan Model Data Raster dan Model Data Vektor Kedua model data spasial yang telah disebutkan diatas (raster dan vektor) mempunyai karakteristik yang berbeda dalam mengaplikasikannya. Hal ini sangat bergantung pada tujuan, analisis, sistem dan aplikasi yang akan digunakan. Tabel berikut ini memperlihatkan perbandingan diantara kedua model tersebut.
Perbandingan Struktur Data Vektor dan Raster Parameter
Vektor
Raster
Akurasi
Akurat dan lebih presisi
Sangat bergantung dengan ukuran grid/sel
Atribut
Relasi langsung dengan DBMS Grid/sel merepresentasikan atribut. (database)
Relasi dengan DBMS tidak secara langsung
Kompleksitas
Tinggi. Memerlukan algortima Mudah dalam mengorganisasi dan dan
proses
yang
sangat proses
kompleks Output
Kualitas bergantung
tinggi
sangat Bergantung
terhadap
output
dengan printer/plotter
20
21
plotter/printer dan kartografi Analisis
Spasial dan atribut terintegrasi. Bergantung dengan algortima dan Kompleksitasnya sangat tinggi langsung,
mudah untuk dianalisis
Aplikasi dalam
Tidak
Remote Sensing
konversi
citra sangat dimungkinkan
Simulasi
Kompleks dan sulit
Mudah untuk dilakukan simulasi
Input
Digitasi,
dan
memerlukan Langsung, analisis dalam bentuk
memerlukan Sangat
konversi dari scanner
memungkinkan
untuk
diaplikasikan dari hasil konversi dengan menggunakan scan
Volume
Bergantung pada kepadatan dan Bergantung pada ukuran grid/sel jumlah verteks
Resolusi
Bermacam-macam
Tetap
Sumber : Economic and Social Comminssion for Asia and the Pasific (1996) dan A. Longley, et al. (2001)
KLASIFIKASI KEMAMPUAN ANALISIS SPASIAL
MENGGUNAKAN
SIG Kemampuan SIG juga dikenali dari fungsi-fungsi analisis yang dapat dilakukan. Kemampuan analisis spasial menggunakan SIG dapat diklasifikasikan bermacammacam. Klasifikasi di bawah ini mengacu pada Aronoff (1989): 1. Pengukuran, query spasial dan fungsi klasifikasi 2. Fungsi Overlay 3. Fungsi Neighbourhood 4. Fungsi Network 5. Fungsi 3D Analyst Pengukuran, query spasial dan fungsi klasifikasi Fungsi ini merupakan fungsi yang meng-eksplore data tanpa membuat perubahan yang mendasar, dan biasanya dilakukan sebelum analisis data. Fungsi pengukuran mencakup pengukuran jarak suatu obyek, luas area baik itu 2 dimensi atau 3 dimensi.
21
22
Query spasial dalam mengidentifikasikan obyek secara selektif, definisi pengguna, maupun melalui kondisi logika. Contoh query spasial adalah misalnya Kita mencari suatu area yang kurang dari 400000 m2 pada area peruntukan lahan (Gambar a). Fungsi klasifikai adalah mengklasifikasikan kembali suatu data spasial (atau atribut) menjadi data spasial yang baru dengan menggunakan kriteria tertentu. Misalnya, klasifikasi pendapatan pertahun dari rumah tangga suatu daerah, dari kalsifikasi sebelumnya dibagi menjadi 7 kelas menjadi 5 kelas klasifikasi (Gambar b).
Query spasial dengan mencari daerah yang luasnya kurang dari 400000 m2
Klasifikasi pendapatan rumah tangga suatu daerah dari (kiri) 7 kelas klasifikasi menjadi (kanan) 5 kelas klasifikasi Fungsi Overlay Fungsi ini menghasilkan data spasial baru dari minimal dua data spasial yang menjadi dua data spasial yang menjadi masukannya. Sebagai contoh, bila untuk menghasilkan wilayah-wilayah yang sesuai untuk budidaya tertentu (misalnya kelapa sawit) diperlukan data ketinggian permukaan bumi, kadar air tanah, dan jenis tanah, maka fungsi analisis spasial overlay akan dilakukan terhadap ketiga data spasial (dan
22
23
atribut) tersebut. Prinsip overlay dapat dilihat pada Gambar di bawah ini. Fungsi overlay ini juga dapat berlaku untuk model data raster.
Prinsip dasar overlay untuk poligon.
Dua buah poligon layer A dan B akan
menghasilkan data spasial baru (dan atribut) yang merupakan hasil interseksi dari A dan B Fungsi Neighborhood Salah satu yang terdapat dalam dalam klasifikasi adalah Buffering. Fungsi ini menghasilkan data spasial baru yang berbentuk poligon atau area dengan jarak tertentu dari data spasial yang menjadi masukannya. Data spasial titik akan menghasilkan data spasial baru yang berupa lingkaran-lingkaran yang mengelilingi titik-titik pusatnya. Untuk data spasial garis akan menghasilkan data spasial baru yang berupa poligonpoligon yang melingkupi garis-garis. Demikian pula untuk data spasial poligon berupa poligon-poligon yang lebih besar dan konsenris. Fungsi Network Fungsi network merujuk data spasial titik-titik (points) atau garis-garis (lines) sebagai suatu jaringan yang tidak terpisahkan. Fungsi ini sering digunakan di dalam bidang-bidang transportasi, hidrologi dan utility (misalnya, aplikasi jaringan kabel listrik, komunikasi, pipa minyak dan gas, air minum, saluran pembuangan). Sebagai
23
24
contoh dengan fungsi analisis spasial network, untuk menghitung jarak terderka antara dua titik tidak menggunakan jarak selisih absis dan ordinat titik awal dan titik akhirnya. Tetapi menggunakan cara lain yang terdapat dalam lingkup network. Pertama, cari seluruh kombinasi jalan-jalan (segmen-segmen) yang menghubungkan titik awal dan akhir yang dimaksud. Pada setiap kombinasi, hitung jarak titik awal dan akhir dengan mengakumulasikan jarak-jarak segmen yang membentuknya.
Pilih jarak terpendek
(terkecil) dari kombinasi-kombinasi yang ada. Salah satu aplikasi yang dapat diterapkan menggunakan fungsi network adalah mencari urutan rute yang optimal. Misalnya kita memiliki 3 tujuan yang harus di datangi. Dengan menghitung efektifitas dan efisien kita dapat menentukan rute optimal tujuan kita.
(a) urutan rute yang direncanakan (b) rute optimal Fungsi 3D Analyst Fungsi 3 Dimensi terdiri dari sub-sub fungsi yang berhubungan dengan presentasi data spasial dalam ruang 3 dimensi. Fungsi analisis spasial ini banyak menggunakan fungsi interpolasi. Sebagai contoh, untuk menampilkan data spasial ketinggian, tataguna tanah, jaringan jalan dan utility dalam bentuk model dimensi, fungsi ini banyak digunakan. Gambar dibawah menyajikan contoh penggunaan fungsi 3D analyst untuk pemboran sumur minyak.
24
25
Contoh penggunaan fungsi 3DAnalsyt untuk aplikasi pertambangan
ARCVIEW GEOPROCESSING DAN SPATIAL ANALYST Makalah ini menyajikan fungsi analisis dan modeling menggunakan salah satu software GIS yang mempunyai kemampuan sangat baik yaitu ArcView GIS. Arcview merupakan sebuah software GIS yang memiliki tampilan sederhana, menarik, interaktif namun memiliki tingkat kemudahan yang cukup tinggi dan kemampuan analisis yang sangat baik. Kemampuan analisis tersebut diantaranya kemampuan untuk mendapatkan informasi dari obyek yang dipilih, membuat zone buffer suatu obyek seperti jalan atau sungai, membuat operasi overlay terhadap poligon, penggunaan operator-operator query basis data relasional, penggunaan fungsi-fungsi statistik dan sebagainya. Beberapa kemampuan analisis tersebut membutuhkan ekstension tambahan yang terkadang harus aktifkan terlebih dahulu atau terkadang harus diinstal tersendiri karena terpisah dari program standar. Untuk melaksanakan fungsi analisis tersebut diantaranya dibutuhkan aktifikasi ekstension spatial analysis, atau 3D analisis dan geoprocessing.
Spatial
analysis dan 3D analysis merupakan additional ekstension yang biasanya diinstal terpisah dengan software Arcview.
25
26
1. GEOPROCESSING Ekstension Geoprocessing (Gambar 1) terdiri atas enam operasi yang hampir seluruhnya membutuhkan lebih dari satu theme. Operasi Geoprocessing tersebut terdiri atas :
1.1. Dissolve Proses dissolve akan menggabungkan feature yang berada dalam satu theme berdasarkan nilai dari attribute yang telah ditentukan. Proses ini akan mengumpulkan beberapa feature yang mempunyai nilai yang sama pada sebuah attribute yang telah ditentukan. Lihat Gambar berikut.
1.2. Merge Merge merupakan suatu proses untuk membuat satu theme yang mengandung feature yang berasal dari dua atau lebih theme. Dengan kata lain, proses ini akan menambahkan feature dari dua atau lebih theme ke dalam sebuah theme. Dalam proses ini, attribute yang mempunyai nama yang sama akan tetap di simpan dan digunakan. Lihat Gambar berikut.
26
27
1.3. Clip Clip merupakan suatu proses untuk membuat sebuah theme baru dengan mengoverlay-kan feature dari dua buah theme. Salah satu dari dua theme tersebut haruslah merupakan poligon theme yang disebut “overlay theme”. Proses clip menggunakan sebuah clip theme yang berfungsi sebaga “cookie cutter” untuk mengclip sebuah input theme, namun dalam prosesnya tidak mengubah attribute theme tersebut. Lihat Gambar berikut.
Input theme
clip theme
output theme
1.4. Intersect Proses Intersect digunakan untuk mengintegrasikan dua buah spasial data. Dalam prosesnya, sebuah input theme akan integrasikan dengan sebuah overlay theme untuk
27
28
menghasilkan sebuah output theme. Output theme mengandung feature dari overlay theme dan hanya feature dari input theme yang “overlaid” dengan feature dari overlay theme. Feature lainnya akan dihilangkan. Lihat Gambar berikut.
input theme
intersect theme
output theme
1.5. Union Proses Union akan menghasilkan sebuah theme baru dengan meng-overlay-kan dua buah poligon theme yang mengandung seluruh feature dan attribute (full extent) dari dua buah polygon theme tersebut. Lihat Gambar berikut.
input theme
union theme
output theme
28
29
1.6. Assign Data by Location Proses Assing Data by Location akan melakukan sebuah spasial join dari dua buah theme yang ditentukan berdasarkan hubungan spasial (spatial relationship) antara feature dari kedua buah theme tersebut. Lihat Gambar berikut.
2. SPATIAL ANALYST ArcView Spatial Analyst digunakan untuk menemukan dan mengerti lebih baik hubungan spasial dari data, sehingga dapat ditampilkan dan menjalankan query guna menghasilkan suatu aplikasi yang diinginkan. Spatial Analyst sangat berguna terutama karena kemampuannya untuk menggabungkan data raster dan data vektor. Spatial Analyst menyediakan alat untuk membuat surface (penampakan 3-dimensi) dan menganalisa karakteristiknya. Di bawah ini adalah beberapa contoh masalah yang bisa dipecahkan dengan menggunakan Spatial Analyst: Menemukan lokasi yang paling baik untuk sebuah tempat pembuangan limbah. Dalam aplikasinya maka perlu mempertimbangkan beberapa variabel seperti potensi limbah, lokasi serta fasilitas transport dan lokasi pembuangan yang sudah ada. Menentukan prioritas lahan yang akan direhabilitasi.
Variabel yang harus
diperhitungkan diantaranya adalah slope, tutupan lahan, lokasi jalan utama. Menentukan area penyangga; harus dipertimbangkan antara lain lokasi dan sungai. Mengalokasikan lahan untuk perkebunan.
Fungsi-fungsi Spatial Analyst Di sini akan dipelajari : • Fungsi-fungsi yang bisa dijalankan oleh Spatial Analyst. • Jenis-jenis permasalahan yang bisa dipecahkan oleh masing-masing fungsi tersebut.
29
30
• Cara masing-masing fungsi tersebut memecahkan permasalahan
2.1. Memetakan Jarak Pemetaan jarak adalah menghitung berapa jauh masing-masing sel dari obyek terdekat yang anda pilih, misalnya jalan, sawmill, rumah sakit. Jarak bisa diukur berdasarkan Euclidean (jarak dari satu obyek ke obyek lain) atau berdasarkan usaha yang diperlukan untuk mencapai satu titik dari titik lain (biaya). Dua fungsi utama yang disediakan oleh Spatial Analyst menggunakan system Euclidean untuk menentukan jarak adalah:
pemetaan jarak (distance mapping)
pemetaan kedekatan (proximity mapping).
Sedangkan dua fungsi penting yang bisa dilakukan menggunakan biaya sebagai sistem pengukuran adalah:
pemetaan jarak dengan pembobotan (weighted-distance mapping)
analisa path (path analysis).
Pemetaan jarak (Distance mapping) Fungsi distance mapping adalah menghitung berapa jauh masing-masing sel dari obyek terdekat. Dalam analisa jaringan sosial (social network) berikut ini, dihitung jarak masing-masing sel ke desa terdekat. Dengan mengasumsikan bahwa desa yang berjarak 3 km penduduknya berinteraksi satu sama lain, anda bisa membuat peta kontur (contour map) dengan interval 3 km dari peta jarak di halaman berikut. Beberapa penggunaan pemetaan jarak:
Menentukan jarak ke pasar terdekat untuk pemasaran hasil pertanian atau hasil hutan.
Menentukan apakah letak rumah sakit yang akan dibangun paling optimum dalam melayani sebagian besar penduduk di area tersebut.
Memperkirakan daerah-daerah yang rawan banjir.
30
31
Menu Choice: Find Distance
Pemetaan kedekatan (Proximity mapping) Dalam proximity mapping, masing-masing sel diisi/diberi
nilai dengan obyek
terdekatnya. Obyek terdekat ditentukan berdasarkan jarak Euclidean. Pada contoh di bawah ini mengenai pembagian wilayah desa, proximity mapping menentukan pemukiman mana yang paling dekat dengan masing-masing sel. Beberapa penggunaan proximity mapping:
Memetakan teritori dari Kesatuan Resor Pemangkuan Hutan (KRPH).
31
32
Mengalokasikan pelayanan kesehatan terdekat untuk masing-masing desa.
Menu Choice: Assign Proximity
2.2. Fungsi analisa permukaan (Surface-analysis function) Analisis surface merupakan sebuah analisis terhadap kelas data yang digunakan untuk merepresentasikan
continuous
spatial
phenomena. Walaupun
surface
analisis
menekankan pada data surface dalam bentuk continous spatial data, namun sebuah surface dapat merepresentasikan sekumpulan data-data titik.
Analisis surface akan
secara umum akan menganalisis distribusi dari suatu variable yang direpresentasikan dalam bentuk dimensi ketiga dari sebuah data spasial. Dalam analisis surface kita menggunakan horizontal koordinat dalam bentuk x dan y koordinat dan sebuah nilai yang merepresentasikan variasi dari surface dalam bentuk z koordinat. Lihat Gambar berikut.
32
33
Dalam analisis surface, sebuah obyek surface dapat direpresentasikan dalam sebuah fungsi nilai tunggal (single value), dimana z = f (x,y). Nilai z dapat berupa elevasi (ketinggian), ataupun nilai lain yang didapat dari hasil pengukuran. Dalam analisis surface, struktur data surface is unik karena sebuah obyek surface akan ikut mempengaruhi obyek disekelilingnya dalam sebuah hubungan (relation) yang disebut neighborhood relation.
Dengan menggunakan neighbohood relation tersebut,
perhitungan beberapa feature dapat dilakukan seperti perhitungan kemiringan (slope), aspect, surface area, volume, kontur dan sebagainya. Makalah ini menyajikan fungsi analisis surface menggunakan software ArcView GIS. Untuk melaksanakan fungsi analisis tersebut diantaranya dibutuhkan aktifikasi ekstension spatial analysis dan 3D analisis. Spatial analysis dan 3D analysis merupakan additional ekstension yang biasanya diinstal terpisah dengan software Arcview.
Aspect : Fungsi aspect mencari arah dari penurunan yang paling tajam (steepest downslope direction) dari masing-masing sel ke sel-sel tetangganya. Nilai output adalah arah aspect: ‘0’° adalah tepat ke utara, ‘90’° adalah timur, dst. Aspect menggambarkan arah hadap dari sebuah permukaan (surface).
Aspect
mengindikasikan arah kemiringan dari laju maksimum perubahan nilai sebuah sel dibandingkan sel di sekelilingnya. Secara sederhana aspect merupakan arah kemiringan lereng. Dalam analisis surface, keluaran dari perhitungan aspect adalah derajat sesuai arah kompas, seperti dapat dilihat pada Gambar berikut.
33
34
Beberapa aplikasi aspect: Cari semua slope yang menghadap ke selatan pada sebuah landscape sebagai salah satu kriteria untuk mencari lokasi paling baik untuk membangun sebuah rumah. Hitung iluminasi matahari untuk masing-masing lokasi pada lokasi penelitian untuk menentukan keragamanhayati pada lokasi tersebut. Menu Choice: Derive Aspect
Slope; Fungsi Slope mengindikasikan tingkat kemiringan dari sebuah permukaan (surface). Slope mengidentifikasikan laju maksimum dari perubahan nilai dari sebuah sel dibandingkan dengan nilai sel disekelilingnya (neighbor cells). Dalam analisis surface, keluaran dari perhitungan slope dapat dalam bentuk persen slope atau derajat slope. Lihat Gambar berikut.
Beberapa aplikasi slope: Tunjukkan
semua
area
datar
yang
cocok
untuk
lahan-lahan
pertanian/perkebunan. Tentukan area-area yang mempunyai risiko erosi paling tinggi. Menu choice: Derive Slope
34
35
Kontur (Contours); Fungsi contour menghasilkan sebuah theme line. Nilai dari masingmasing garis adalah semua lokasi yang bersebelahan dengan tinggi, besaran atau konsentrasi nilai apapun yang sama pada theme grid input. Fungsi ini tidak menghubungkan pusat-pusat sel melainkan menginterpolasi sebuah garis yang menghubungkan lokasi-lokasi dengan besaran yang sama. Garis-garis ini akan dihaluskan sehingga sebuah surface contours yang realistik akan dihasilkan. Kontur merupakan sebuah feature dalam bentuk garis yang menghubungkan lokasi dalam bentuk titik yang mempunyai nilai z (misalnya elevasi) yang sama. Secara umum kontur dapat menggambarkan kondisi kelerengan suatu daerah. Semakin rapat garisgaris kontur biasanya semakin tinggi slope atau kemiringan lereng. Kekurangan feature kontur adalah terdapat area tanpa nilai (gap) yang berada diantara dua buah garis Anda juga bisa mencari sebuah garis kontur dengan memilih tool CONTOUR dan kemudian memilih lokasi yang diinginkan pada View tersebut. Fungsi ini mencari kontur dengan besaran yang diwakili oleh titik yang dipilih. Hasil garis kontur akan melewati lokasi yang dipilih menggunakan benang silang (crosshairs). Menu Choice: Create Contours
Hillshade; Fungsi hillshade digunakan untuk memprediksi iluminasi sebuah surface untuk kegunaan analisa ataupun visualisasi. Untuk analisis, hillshade dapat digunakan untuk menentukan panjangnya waktu dan intensitas matahari pada lokasi tertentu. Untuk visualisasi, hillshade mampu menonjolkan relief dari surface. Contoh penggunaan analisis hillshade menggunakan input Hillshade mengindikasikan variasi dari bentuk lahan yang digambarkan dalam bentuk degradasi kecerahan (terang ke gelap).
Perhitungan hillshade dilakukan untuk
menentukan tingkat kecerahan yang menunjukkan intensitas cahaya matahari yang diterima pada suatu lokasi. Hasil perhitungan hillshade dan kontur biasanya digunakan secara bersama karena fungsinya yang saling mendukung satu sama lain. Hillshade digunakan untuk memberikan gambaran kondisi lereng secara umum tanpa akurasi yang tepat, sedangkan kontur yang berupa line umumnya menggunakan perhitungan matematik ataupun pengukuran yang mempunyai akurasi lebih.
35
36
Contoh kontur
Contoh hillshade
Beberapa aplikasi hillshade
Eksplorasi bagaimana korelasi antara laju pertumbuhan tanaman dengan posisi matahari.
Membuat visualisasi yang menarik untuk menunjukkan distribusi beragam penggunaan lahan pada terrain.
Menu Choice: Hillshade
2.3. Fungsi penelusur Fungsi-fungsi ini memungkinkan anda untuk mencari sebuah subset yang terdiri dari sel-sel dalam sebuah input theme grid. Ada dua cara untuk mencari subset: dengan atribut atau dengan bentuk geometrik. Dalam pemilihan atribut, ada dua macam pemilihan: sebuah pemilihan (select) dan sebuah uji (test). Pemilihan atribut ini mengevaluasi sebuah ekspresi matematis untuk menghasilkan subset. Dengan select, pada selsel yang memenuhi kriteria diberikan nilai asli mereka, sedangkan pada semua sel lain diberikan ‘No Data’. Dengan test, pada sel-sel yang memenuhi kriteria ekspresi atribut yang ditentukan akan diberikan nilai 1, sedangkan pada semua sel lain diberikan nilai 0. Sebagai contoh untuk seleksi atribut, cari semua sel dengan elevasi 10000 meter atau lebih, tunjukkan semua sel yang mempunyai populasi 50 orang atau kurang, dan tunjukkan semua sel yang lebih jauh dari 500 meter dari jalan. Beberapa aplikasi fungsi pemilihan: Tunjukkan semua aspect yang menghadap ke selatan. Cari semua sel dalam radius 2000 meter dari sungai. Tunjukkan nilai dari sel tertentu yang sudah dipilih secara interaktif. Menu Choice: Map Query
36
37
2.4. Operator-operator matematis Operator matematis menerapkan sebuah operasi matematis pada nilai-nilai dalam dua atau lebih input theme grid; fungsi matematis menerapkan sebuah fungsi matematis pada nilai-nilai dalam sebuah input theme grid. Ada empat kelompok operator matematis: Arithmetic,Boolean, Relational, dan Bitwise. Arithmetic ; Operator matematis menjalankan operasi
penambahan (addition),
pengurangan (subtraction), perkalian (multiplication), dan pembagian (division) dari dua theme grid atau angka atau sebuah kombinasi dari keduanya. Menu Choice: Map Calculator.
Boolean ; Operator Boolean menggunakan Boolean logic (TRUE atau FALSE) pada nilai-nilai input. Nilai output dari TRUE akan ditulis sebagai 1 dan FALSE sebagai 0. Menu Choice: Map Calculator.
Relational ; Operator relational mengevaluasi kondisi relational tertentu. Jika sebuah kondisi adalah TRUE, outputnya adalah 1; jika kondisinya adalah FALSE, outputnya adalah 0. Dalam sebuah studi erosi, sebuah operator relational bisa digunakan untuk menunjukkan area dengan risiko erosi tertinggi dengan mencari semua sel dengan slope lebih dari 70%. Menu Choices: Map Query dan Map Calculator.
Bitwise ; Operator bitwise menghitung berdasarkan representasi binary dari nilai input. Operator ini bisa digunakan untuk menentukan bagaimana air mengalir pada sebuah surface. Operator ini hanya bisa digunakan dengan Avenue Request.
Beberapa aplikasi operator matematis : Operator bisa memecahkan beragam problem, tetapi yang lebih penting adalah mereka merupakan bagian dari building blocks dalam model-model yang lebih kompleks.
Hitung sedimen yang tertimbun di sungai selama periode 5 tahun.
37
38
Tentukan lokasi yang ideal untuk sebuah sawmill, bank, konservasi atau kompleks perkantoran dengan menggunakan beberapa theme grid dan mengoptimalkan biaya dan preference.
Perkirakan potensi kayu pada luasan hutan yang dihitung dengan mengalikan factor yang diperoleh dari plot contoh dengan tipe vegetasi yang berbeda.
2.5. Fungsi-fungsi matematis Ada empat kelompok fungsi matematis: Logarithm, Arithmetic, Trigonometric, dan Powers. Logarithm ; Fungsi logarithm menghitung nilai eksponensial dan logarithm dari input theme grid dan angka. Fungsi penghitungan eksponensial dengan basis e (Exp), basis 10 (Exp10) dan basis 2 (Exp2), dan logarithm natural (Log), basis 10 (Log10), dan basis 2 (Log2) sudah tersedia. Menu Choice: Map Calculator
Arithmetic ; Ada enam fungsi arithmetic. Fungsi Abs menghitung nilai absolute dari sebuah input theme grid. Dua fungsi pembulatan, Ceil dan Floor, mengubah nilai desimal menjadi angka bulat. Int dan Float mengubah nilai dari dan ke integer dan floating-point. Dan fungsi IsNull menghasilkan 1 jika nilai pada theme input adalah No Data, dan 0 jika tidak. Menu Choice: Map Calculator
Trigonometric ;
Fungsi trigonometric menjalankan beberapa penghitungan
trigonometric pada sebuah input theme grid. Pada Map Calculator, tersedia fungsi sinus (Sin), cosinus (Cos), tangent (Tan), invers sinus (Asin), inverse cosinus (Acos), dan inverse tangent (Atan). Menu Choice: Map Calculator
Powers ; Tiga fungsi Power disediakan oleh Spatial Analyst, yaitu akar kuadrat (Sqrt), kuadrat (Sqr), atau pangkat yang lain (Pow). Menu Choice: Map Calculator
38
39
Beberapa aplikasi fungsi matematis Perkiraan pertambahan penduduk dengan laju pertumbuhan eksponensial. Hitung dimensi fraktal dari sebuah seri pengukuran.
2.6. Fungsi-fungsi local statistics Ada dua macam fungsi local statistics, yaitu fungsi yang diterapkan pada beberapa theme grid (between-grid themes) dan fungsi yang diterapkan pada beberapa theme grid relative terhadap sebuah angka atau terhadap sebuah input theme grid lain (relative-togrid themes). Fungsi between-grid themes memerlukan beberapa theme grid sebagai input untuk menghitung sebuah statistics dari masing-masing sel, berdasarkan pada nilai-nilai untuk lokasi yang sama diantara input theme grid. Sebagai contoh, nilai ratarata hasil pertanian untuk masing-masing sel antara tahun 1980 dan 1990 pada sebuah desa pertanian dapat dihitung menggunakan fungsi between-grid themes. Nilai statistik yang bisa dihitung menggunakan fungsi ‘betweengrid-themes’ adalah majority, mean, median, minimum, minority, range, standard deviation, sum dan variety. Fungsi relative-to-grid-themes memerlukan beberapa theme grid sebagai input dan sebuah tambahan input berupa theme grid atau angka sebagai perbandingan dengan nilai-nilai input theme grid. Dalam contoh di atas, untuk menentukan area mana pada daerah pertanian tersebut yang membutuhkan tambahan pupuk, sebuah fungsi relativeto-grid-themes bisa menemukan semua sel yang menghasilkan 250 tongkol jagung atau kurang per sel per tahun selama periode 10 tahun. Fungsi-fungsi yang ada adalah kurang dari, sama dengan dan lebih besar dari. Akan tetapi fungsi relative-to-grid-themes tidak tersedia pada interface ArcView dan untuk menggunakannya harus menggunakan Avenue Requests.
Beberapa aplikasi local statistics: Cari semua area dalam lokasi penelitian dengan pendapatan perkapita lebih dari Rp 10 juta/tahun selama periode 15 tahun. Tentukan keragaman hayati pada masing-masing area di hutan. Menu Choice: Cell Statistics
2.7. Fungsi zonal
39
40
Fungsi-fungsi ini menghasilkan sebuah theme grid atau tabel dengan nilai output yang merupakan sebuah fungsi dari nilai sel dalam input theme value-grid dan hubungan mereka dengan sel-sel lain dalam zona kartografik yang sama. Nilai-nilai dalam input theme grid bisa berupa spesies yang langka, vaksinasi, harga tanah, dsb. Sebagai contoh dari zone kartografik adalah RT atau RW di kota, kategori penggunaan lahan, tipe hutan, atau zone penyangga. Ada 4 macam fungsi zonal: statistics, geometry, cross tabulation, dan zonal fill.
Fungsi statistik zonal ; Menghitung sebuah nilai statistik dalam masing-masing zone. Fungsi ini memerlukan dua input theme. Yang pertama, sebuah theme grid, yang mendefinisikan nilai-nilai yang akan digunakan dalam penghitungan. Yang kedua menentukan dalam zone mana masing-masing sel terdapat. Nilai statistics yang dapat dihitung adalah majority, maximum, mean, median, minimum, minority, range, standard deviation, sum dan variety. Menu Choices: Summarize Zone
Fungsi geometrik untuk zonal ; Menghitung sebuah atribut geometrik tertentu untuk masing-masing zone dalam sebuah input theme grid. Atribut geometrik yang bisa dihitung adalah area,perimeter, thickness, dan lokasi centroid. Akan tetapi fungsifungsi ini harus dipanggil dengan menggunakan Avenue Request: ZonalGeometry.
Fungsi tabulasi area ; Menghasilkan sebuah tabulasi silang (cross tabulation) dari masing-masing zona antara dua input theme. Zona-zona dalam theme pertama akan ditampilkan dalam baris pada tabel yang dihasilkan sedangkan zonazona dalam theme kedua akan menjadi kolom. Untuk menghasilkan sebuah diagram dari cross tabulation, pilihlah fungsi histogram zonal. Batang-batang pada histogram yang dihasilkan menunjukkan area dari masing-masing zone pada input theme yang kedua (menghasilkan hitungan kolom) yang tercakup adalah masing-masing zone pada input theme pertama (axis x). Menu Choices: Tabulate Areas (untuk menghasilkan sebuah tabel) dan Histogram By Zones (untuk menghasilkan sebuah diagram).
40
41
Fungsi zonal fill ; Memakai nilai-nilai dari satu input theme grid untuk mengisi masing-masing zone yang ditunjukkan pada input theme grid kedua. Ketika mendelinieasi sebuah daerah aliran sungai DAS (watershed) dengan menggunakan fungsi hidrologik dari Spatial Analyst, fungsi zonal fill digunakan untuk mengisi lubang-lubang pada surface elevasi untuk menghasilkan DEM yang utuh. Avenue Request: ZonalFill
Beberapa aplikasi fungsi zonal: Cari bagian-bagian di daerah penelitian yang mempunyai species langka sehingga sebuah organisasi perlindungan alam bisa memprioritaskan daerah-daerah yang harus diselamatkan. Hitung area dari masing-masing tipe penggunaan lahan pada DAS yang berbeda di sebuah kabupaten.
2.8. Fungsi pengubah resolusi (resolution-altering) dan agregasi (aggregation) Sebagai contoh untuk fungsi yang mengubah resolusi dari theme grid yang sudah ada, kita mengambil theme grid tutupan lahan yang mempunyai resolusi 30 meter; sedangkan semua theme yang lain mempunyai resolusi 50 meter. Untuk membuat semua theme grid mempunyai resolusi yang sama, mempercepat pemrosesan, dan untuk menurunkan ukuran data, resolusi dari theme grid tutupan lahan akan kita ubah menjadi 100 meter. Sebuah theme Grid biasanya diubah dari sel berukuran kecil menjadi sel berukuran besar. Sebaliknya mengubah ukuran sel menjadi kecil tidak meningkatkan akurasi data karena Spatial Analyst hanya mengestimasi nilainya. Menu Choice: RESAMPLE
Dua prinsip utama untuk menentukan nilai ketika mengubah resolusi dari sebuah theme grid adalah interpolasi (interpolation) dan agregasi (aggregation). Fungsi-fungsi ini tidak tersedia melalui interface Spatial Analyst, akan tetapi extension Spatial Tools yang bisa di download dari ESRI website menyediakan fasilitas agregasi.
41
42
Menu Choice : Aggregate tool pada menu Transformation dan Resample pada menu Analysis. Proses mengagregasi grid dengan resolusi 30 meter menjadi grid dengan resolusi 90 meter dengan merataratakan nilai slope pada masing-masing slope Menu Choice : Aggregate
Beberapa aplikasi dari fungsi pengubah resolusi dan agregasi: Ubahlah resolusi dari theme grid elevasi dari 50 meter menjadi 100 meter (menggunakan metode kubik). Ubahlah resolusi dari theme grid penggunaan lahan dari 200 meter menjadi 700 meter berdasarkan nilai mayoritas yang muncul dalam blok berukuran 700 meter.
2.9. Fungsi transformasi geometrik dan mosaicking Fungsi transformasi geometrik bisa mengubah lokasi dari masing-masing sel pada sebuah theme grid atau mengubah penyebaran geometrik dari sel-sel dalam sebuah theme grid untuk menghilangkan distorsi. Fungsi mosaicking mengkombinasikan beberapa theme grid dari beberapa area yang bersebelahan ke dalam sebuah theme grid. Menu Choice: Mosaic, Warp
Beberapa aplikasi fungsi transformasi geometrik dan mosaciking: Gabungkan 6 citra satelit yang sudah diklasifikasikan menjadi satu theme grid. Hilangkan distorsi pada theme grid.
2.10. Fungsi data clean-up Kadang-kadang sebuah theme grid mengandung data yang salah atau tidak relevan untuk analisa yang akan kita lakukan. Sebagai contoh, pada sebuah theme grid yang dihasilkan dari pengklasifikasian citra satelit, area-area yang sangat kecil dan terisolasi dapat dianggap sebagai kesalahan pengklasifikasian. Fungsi ini membersihkan data dengan
membantu
mengidentifikasi
area-area
tersebut
serta
mengotomatisasi
pengubahan nilai menjadi nilai yang lebih bisa dipercaya. Fungsi ini juga tidak tersedia melalui interface, akan tetapi tersedia dalam bentuk extension Spatial Tools.
42
43
Beberapa aplikasi fungsi data-clean-up: Buanglah semua zone yang kurang dari 25 meter persegi dalam sebuah model pemanasan global karena area kecil vegetasi tidak mempengaruhi output karbon dioksida. Haluskan sisi-sisi tajam dari zone vegetasi yang dihasilkan dari sebuah potret udara.
43
