Model Basis Data Sistem Informasi Data Spasial

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.

Gambar 1 : Klasifikasi Model Data Spasial

               Data spasial mempunyai dua bagian penting yang membuatnya berbeda dari data lain, yaitu informasi lokasi dan informasi atribut yang dapat dijelaskan sebagai berikut:

- Informasi lokasi atau informasi spasial. Contoh yang umum adalah informasi lintang dan bujur, termasuk diantaranya informasi datum dan proyeksi. Contoh lain dari informasi spasial yang bisa digunakan untuk mengidentifikasikan lokasi misalnya adalah Kode Pos.
- Informasi deskriptif (atribut) atau informasi non spasial. Suatu lokalitas bisa mempunyai beberapa atribut atau properti yang berkaitan dengannya; contohnya jenis vegetasi, populasi, pendapatan pertahun, dsb.

Ø Sistem Koordinat
Informasi lokasi ditentukan berdasarkan sistem koordinat, yang di antaranya mencakup datum dan proyeksi peta. Datum adalah kumpulan parameter dan titik kontrol yang hubungan geometriknya diketahui, baik melalui pengukuran atau penghitungan. Sedangkan sistem proyeksi peta adalah sistem yang dirancang untuk merepresentasikan permukaan dari suatu bidang lengkung atau spheroid (misalnya bumi) pada suatu bidang datar. Proses representasi ini menyebabkan distorsi yang perlu diperhitungkan untuk memperoleh ketelitian beberapa macam properti, seperti jarak, sudut, atau luasan.

Ø Format data spasial
Dalam SIG, data spasial dapat direpresentasikan dalam dua format, yaitu:

1. Data Vektor
Dalam data format vektor, bumi kita direpresentasikan sebagai suatu mosaik dari garis (arc/line), polygon (daerah yang dibatasi oleh garis yang berawal dan berakhir pada titik yang sama), titik/point (node yang mempunyai label), dan nodes (merupakan titik perpotongan antara dua buah garis).



          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. 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.


1. Data Raster
Data raster (atau disebut juga dengan sel grid) adalah data yang dihasilkan dari sistem Penginderaan Jauh. Pada data raster, obyek geografis direpresentasikan sebagai struktur sel grid yang disebut dengan pixel (picture element). Pada data raster, resolusi (definisi visual) tergantung pada ukuran pixel-nya. Dengan kata lain, resolusi pixel menggambarkan ukuran sebenarnya di permukaan bumi yang diwakili oleh setiap pixel pada citra. Semakin kecil ukuran permukaan bumi yang direpresentasikan oleh satu sel, semakin tinggi resolusinya. Data raster sangat baik untuk merepresentasikan batas-batas yang berubah secara gradual, seperti jenis tanah, kelembaban tanah, vegetasi, suhu tanah, dsb. Keterbatasan utama dari data raster adalah besarnya ukuran file; semakin tinggi resolusi grid-nya semakin besar pula ukuran filenya. Keuntungan utama dari format data vektor adalah ketepatan dalam merepresentasikan fitur titik, batasan dan garis lurus. Hal ini sangat berguna untuk analisa yang membutuhkan ketepatan posisi, misalnya pada basisdata batas-batas kadaster. Contoh penggunaan lainnya adalah untuk mendefinisikan hubungan spasial dari beberapa fitur. Kelemahan data vektor yang utama adalah ketidakmampuannya dalam mengakomodasi perubahan gradual.



          Masing-masing format data mempunyai kelebihan dan kekurangan. Pemilihan format data yang digunakan sangat tergantung pada tujuan penggunaan, data yang tersedia, volume data yang dihasilkan, ketelitian yang diinginkan, serta kemudahan dalam analisa. Data vektor relatif lebih ekonomis dalam hal ukuran file dan presisi dalam lokasi, tetapi sangat sulit untuk digunakan alam komputasi matematik. Sebaliknya, data raster biasanya membutuhkan ruang penyimpanan file yang lebih besar dan presisi lokasinya lebih rendah, tetapi lebih mudah digunakan secara matematis.
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




             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.
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).

             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.




             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).



              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.

Ø Sumber data spasial
Sebagaimana telah kita ketahui, SIG membutuhkan masukan data yang bersifat spasial maupun deskriptif. Beberapa sumber data tersebut antara lain adalah:

1. Peta analog (antara lain peta topografi, peta tanah, dsb.). Peta analog adalah peta dalam bentuk cetakan. Pada umumnya peta analog dibuat dengan teknik kartografi, sehingga sudah mempunyai referensi spasial seperti koordinat, skala, arah mata angin dsb. Peta analog dikonversi menjadi peta digital dengan berbagai cara yang akan dibahas pada bab selanjutnya. Referensi spasial dari peta analog memberikan koordinat sebenarnya di permukaan bumi pada peta digital yang dihasilkan. Biasanya peta analog direpresentasikan dalam format vektor.

2. Data dari sistem Penginderaan Jauh (antara lain citra satelit, foto-udara, dsb.) Data Pengindraan Jauh dapat dikatakan sebagai sumber data yang terpenting bagi SIG karena ketersediaanya secara berkala. Dengan adanya bermacam-macam satelit di ruang angkasa denganspesifikasinya masing-masing, kita bisa menerima berbagai jenis citra satelit untuk beragam tujuan pemakaian. Data ini biasanya direpresentasikan dalam format raster.

3. Data hasil pengukuran lapangan. Contoh data hasil pengukuran lapang adalah data batas administrasi, batas kepemilikan lahan, batas persil, batas hak pengusahaan hutan, dsb., yang dihasilkan berdasarkan teknik perhitungan tersendiri. Pada umumnya data ini merupakan sumber data atribut.

4. Data GPS. Teknologi GPS memberikan terobosan penting dalam menyediakan data bagi SIG. Keakuratan pengukuran GPS semakin tinggi dengan berkembangnya teknologi. Data ini biasanya direpresentasikan dalam format vektor.

Ø Sistem Pemasukan Data
Pada bagian ini kita akan mempelajari teknik memasukkan data spasial dari sumber-sumber di atas ke dalam SIG, antara lain:
1. Digitasi
2. Penggunaan GPS
3. Konversi dari sistem lain

Sistem Informasi Geografis (SIG) / Geographic Information System (GIS) adalah suatu sistem informasi berbasis komputer, yang digunakan untuk memproses data spasial yang ber-georeferensi (berupa detail, fakta, kondisi, dsb) yang disimpan dalam suatu basis data dan berhubungan dengan persoalan serta keadaan dunia nyata (real world). Manfaat SIG secara umum memberikan informasi yang mendekati kondisi dunia nyata, memprediksi suatu hasil dan perencanaan strategis.


Ø Menampilkan informasi (basis data) spasial maupun atribut.
ArcView dapat mengakses dan menampilkan basis data eksternal (Basis data atribut yang dapat dibuat dengan menggunakan perangkat lunak DBMS relasional yang ada;
misal: Ms. Access, Dbase, Oracle, dan sebagainya)


Ø Menjawab query spasial maupun atribut.
Menghubungkan informasi spasial dengan atribut-atributnya yang terdapat (disimpan) didalam basis data atribut:
1. Memilih feature (entitas) spasial, muncul informasi spasialnya.
2. Memilih data atribut dari basis data atribut, muncul representasi spasial feature yang dipilih.
3. Memilih data atribut, muncul data atribut-atribut lainnya yang terdapat di dalam basis data tersebut.
4. Memilih suatu feature spasial, muncul feature spasial lainnya yang terkait.

Implementasi Sistem Informasi Data Spasial

Distance

- Ant Colony

- Djakstra

- A*



Ant Colony





















Djakstra

Measurement (Pengukuran)

SIG - Analisa Spasial

Metode Analisa Spasial
- Measurement
- Reclassification
- Buffering and Neighborhood Function
- Integrating Data/Map Overlay

Measurement (Pengukuran)
Pengukuran merupakan metode yang digunakan untuk menghitung jumlah dari point, panjang dari line, dan luas (area) atau keliling (perimeter) dari polygon.

Jenis Measurement (Pengukuran)
- Raster GIS Measurement
- Vector GIS Measurement

Raster GIS Measurement
1. Pythagorean Distance / Euclidean Distance
Menghitung panjang atau jarak antara dua titik menggunakan rumus pythagoras.

2. Manhattan Distance
Menghitung panjang atau jarak antara dua titik dengan menghitung jumlab sel yang dilalui oleh garis tersebut.


3. Proximity Distance
Menghitung panjang atau jarak antara dua titik dengan perkiraan. Proximity mirip dengan pythagorean, tetapi diterapkan pada setiap pixel.


4. Perimeter and Area
Menghitung keliling (perimeter) dan luas (area) dari sebuah polygon dengan menggunakan rumus geometri dengan satuan cell unit.


contoh dari masing-masing pengukuran:



(a) Pythagorean Distance, (b) Manhattan Distance, (c) Proximity Distance, (d) Perimeter and Area





Vector GIS Measurement

Pada pengukuran vektor, pengukuran panjang atau jarak menggunakan rumus pythagoras, dan pengukuran luas dan keliling menggunakan rumus geometri.

contoh pengukuran vektor:




Query
Query merupakan cara untuk mengambil data pada database. Beberapa operator boolean yang sering digunakan untuk menggabungkan beberapa query dengan kondisi yang diperlukan.






Reclassification (Reklasifikasi)
Reklasifikasi merupakan suatu metode yang digunakan untuk mengklasifikasi ulang data spasial dari yang detail dan kelasnya banyak menjadi semi detail dan kelasnya lebih sedikit.

Contoh reklasifikasi:




Buffering and Neighborhood Function

Buffering merupakan metode penentuan area interest atau berkepentingan yang ada di sekitar entitas geografis. Biasanya buffering digunakan pada data vektor, sedangkan Neighborhood function merupakan metode buffer yang digunakan pada data raster.


Pada data raster, zona interest dibuat menggunakan proximity approach, dimana pendekatan ini akan menghasilkan lapisan data raster baru yang atribut setiap selnya merupakan pengukuran jarak.





Buffering Data Vektor







Proximity Approach

Contoh Buffering:



Integrating Data / Map Overlay

Integrasi Data merupakan suatu metode yang digunakan untuk menggabungkan 2 variabel atau lebih untuk menghasilkan satu variabel baru.

Integrasi Pada Data Vektor









Integrasi Pada Data Raster









Contoh Integrasi Data:



Interpolasi Spasial
Interpolasi spasial merupakan suatu prosedur untuk memperkirakan nilai properti dalam area yang tertutup pada pengamatan yang ada.

Metode Interpolasi
Local or Global Interpolation, Menggunakan Sample dari titik kontrol (Local) atau Menggunakan semua titik pada daerah titik kontrol (Global).
Exact or Approximate, Memprediksi nilai titik kontrol yang nilainya sama dengan pada saat observasi (Exact) atau yang nilainya tidak sama (Approximate).
Gradual or Abrupt, Interpolasi yang menghasilkan perubahan bertahap (Gradual) atau mendadak/tiba-tiba (Abrupt).
Deterministic or Stochastic, Interpolasi tidak memiliki nilai error (Deterministic) atau memiliki nilai error (Stochastic) pada nilai prediksi yang dilakukan

Thiessen Polygon (Voronoi Polygon)
Thiessen polygon merupakan metode interpolasi yang tepat untuk mengasumsikan bahwa nilai lokasi yang bukan sample sama dengan nilai titik sample terdekat. Dibuat dengan membagi garus yang menghubungkan titik neighborhood, kemudian menggambar bisektor tegak lurus, lalu menggunakan bisektor tersebut untuk merakit tepi polygon.

Triangulated Irregular Network (TIN)
TIN merupakan cara yang elegan untuk membangun permukaan dari satu set spaced data point.

Analisa Permukaan (Surface)
Analisa permukaan dapat dilakukan dengan 2 langkah, yaitu:

1. Menghitung Slope dan Aspect
Slope merupakan kecuraman atau gradien dari unit yang biasanya diukur sebagai sudut dalam ukuran derajat sebagai presentasi. Sedangkan Aspect merupakan arah yang dihitung dari derajat utara.

Perhitungan Slope dan Aspect:

Raster




Vector, menggunakan persamaan linear ketika TIN dihasilkan. persamaan tersebut menghitung slope dan aspect dari segitiga individu yang dibentuk TIN.

2. Analisa Visibilitas, yaitu identifikasi area yang dapat dilihat dari titik tertentu permukaan.

Analisa Jaringan (Network)

Permasalahan umum yang biasa ditemukan pada jaringan, yaitu:

Shortest Path Problem
Traveling Salesperson Problem
Location-Allocation Modelling
Route Tracing
Analisa Spasial

Analisis Spasial dalam Sistem Informasi Geografis

                  Pengetahuan mengenai bagaimana mengumpulkan data, memasukan dan mengeluarkan data serta bagaimana menggunakannya merupakan kunci analisis di dalam SIG.


Kemampuan analisis berdasarkan aspek spasial yang dapat dilakukan oleh SIG yaitu :

1. Klasifikasi
Klasifikasi, yaitu mengelompokkan data keruangan (spatial) menjadi data keruangan (spatial) yang berarti. Contohnya adalah mengklasifikasikan tata-guna lahan untuk permukiman, pertanian, perkebunan atau hutan berdasarkan analisis data kemiringan kemiringan atau data ketinggian (peta topografi). Hasilnya berupa peta tata-guna lahan.


2. Overlay
Overlay, yaitu menganalisis dan mengintegrasikan dua atau lebih data keruangan yang berbeda. Contohnya adalah menganalisis daerah rawan erosi dengan meng-overlaykan (tumpang susunkan) data ketinggian, jenis tanah dan kadar air.


3. Networking
Networking, yaitu analisis yang bertitik tolak pada jaringan yang terdiri dari garis-garis dan titik-titik yang saling terhubung. Analisis ini sering dipakai dalam berbagai bidang. misaInya, sistem jaringan telepon kabel listrik, pipa minyak atau gas, pipa air minum atau saluran pembuangan.


4. Buffering
Buffering, yaitu analisis yang akan menghasilkan buffer/penyangga yang bisa berbentuk lingkaran atau poligon yang melingkupi suatu objek sebagai pusatnya, sehingga kita bisa mengetahui berapa parameter objek dan luas wilayahnya. Buffering misalnya dapat digunakan untuk menentukan jalur hijau di perkotaan, menggambarkan Zona Ekonomi Eklusif (ZEE) yang dimiliki suatu negara, mengetahui luas daerah yang mengalami tumpahan minyak di Laut, atau untuk menentukan lokasi pasar, toko atau outlet dengan memperhatikan lokasi konsumen termasuk memperhatikan lokasi toko atau outlet yang dianggap pesaing.


5. Tiga Dimensi
Tiga dimensi, analisis ini sering digunakan untuk memudahkan pemahaman, karena data divisualisasikan dalam bentuk tiga dimensi. Misainya digunakan untuk menganalisis daerah yang akan terkena aliran lava jika gunung-api diprediksi akan meletus.