Dunia Nyata dan GIS

by: Arif Basofi

1
 Objectives
 Representasikan dunia nyata ke dalam GIS
 Pemodelan data GIS
 Cara penyimpanan data atribut

2
 Lessons
1. Representasi Dunia Nyata dalam GIS
2. Pemodelan Data GIS
3. Penyimpanan Data Atribut

3
 Dunia Nyata Dalam GIS
 Gambaran dunia nyata amat sangat
komplek sekali.
 Banyak sekali jenis tumbuhan (vegetasi)
 Kondisi alam (gunung, danau, hutan)
 Berbagai macam bangunan
 Infrastruktur di permukaan bumi, dll.
 Kompleksnya kondisi nyata bumi
membutuhkan visualisasi gambar dan
manjemen informasi melalui GIS.
4
 Dunia Nyata Dalam GIS
 Gambaran Dunia Nyata

Elemen pada permukaan bumi

dapat digambarkan dengan dua
(2) Attribute Information:
cara: What is it?
(1) Location Information:
Where is it? Species: Oak
Height: 15m
Age: 75 Yrs
Condition:
Good
51°N, 112°W

5
 Dunia Nyata Dalam GIS
 GIS menyimpan data
tersebut kedalam komputer:

Attribute
Data Species: Oak
Height: 15m
Age: 75 Yrs

Location
Data 51°N, 112°W

6
 Dunia Nyata Dalam GIS
 Data atribut dan lokasi yang disimpan kedalam komputer
inilah yang disebut dengan data spasial.
 Data spasial : objek atau entitas yang dihubungkan
dengan lokasi berdasarkan :
 Koordinat lintang (latitude) / bujur (longitude)
 Koordinat x / y
 Alamat
 Unit administrasi
 Data spasial di-maintain dan dimanajemen dalam
sebuah database yang disebut database spasial.
 Dengan database spasial yang berisi data2 spasial
beserta atributnya yang saling ber-relasi, kita dapat
merepresentasikan dunia nyata.
7
 Dunia Nyata Dalam GIS
 GIS software links the
location/spatial data
and the attribute data:

8
 Dunia Nyata Dalam GIS
 Dengan data spasial kita dapat melakukan
analisa spasial untuk menjawab bentuk-bentuk
pertanyaan:
 Berapa banyak penduduk yang tinggal di
Surabaya?
(Dapat dicari melalui data sensus)
 Berapa banyak penduduk yang berkendaraan
mobil membutuhkan waktu hanya 10 menit ke
stasiun?
 Lokasi mall terdekat dari posisi saya berdiri? dll.

9
Spatial Query, Analysis & Data-Linking
 Querying data using spatial criteria
 Berapa banyak sekolah yang berjarak 1 km antar
sekolah?
 Prediction based on spatial patterns
 Kearah mana kira-kira luapan lumpur LUSI akan
mengalir?
 Site selection
 Dimana lokasi sekolah terbaik untuk sekolah baru?
 Allocation and accessibility
 Dimana cocok dibangun suatu lokasi pabrik industri?

10
 Analisa Spasial
 Dengan analisa spasial, GIS
mampu menjawab berbagai Attribute Questions:
pertanyaan mengenai kondisi bumi: What provinces have more
than 1.5 million people?
Spatial Questions:
What provinces border
Saskatchewan?

11
 Analisa Spasial
Relasi data spasial dalam GIS:
 Layer / coverage

12
 Analisa Spasial
 Pertanyaan data spasial dalam GIS:
What is at A
and what is at B?

13
 Analisa Spasial
 Pertanyaan data spasial dalam GIS:
How far is A from B?

14
 Analisa Spasial
 Pertanyaan data spasial dalam GIS:
How far is A from B
by road?

15
 Analisa Spasial
 Pertanyaan data spasial dalam GIS:
• Is A within 1 km of a station?
• Is B?

16
 Analisa Spasial
 Pertanyaan data spasial dalam GIS:
• Are there spatial patterns?
• Is A more like C than B?
• Why is this?

17
 Analisa Spasial
 Pertanyaan data spasial dalam GIS:

• What happens if ?

18
 Dunia Nyata Dalam GIS
 Data-data spatial di-manage oleh database
spatial.
 Database spatial dari GIS dapat berisi:
 Objek-objek nyata dalam versi digital.
 Misal: rumah, jalan, hutan, dll.
 Objek-objek buatan (samar) dalam versi digital.
 Misal: batas wilayah.

19
 ‘features’ pada Dunia Nyata
 Feature (fitur): objek2 yang berada didunia
nyata.
 Ada dua jenis fitur, yaitu:
 Discrete feature, misal:
 Rumah, pulau, jalan, danau.
 Continuous feature, misal:
 Temperatur.
 Discrete feature digambarkan dalam bentuk dua
dimensi.
 Discrete feature dapat disimpan langsung di
komputer, sedangkan continuous feature harus
di konversikan ke bentuk discrete lebih dahulu.
20
 Forest

Non-
Forest

kenyataan Representasi pada GIS

kadang-kadang perbedaan antara objek discrete

dan continuous tidak jelas.

21
 Object dan Field
 Object: wilayah kosong yang di-’isi’ dengan objek
(titik, garis, atau area/poligon)
 Object: memiliki properties & atribut, spt: menentukan
panjang suatu jalan, area tanah & populasi penduduk,
dll)
 Field: nilai yang didefinisikan untuk semua lokasi.
 Field: variabel yang digunakan untuk mendeskripsikan
beberapa lokasi di/dekat dengan permukaan bumi.
 Spt: elevasi, land use, traffic flow, kepadatan populasi,
dll.
22
 Object
B
C

B
A

C A
B

Points Lines Polygons

23
Contoh Object

24
 Field

Raster grid Regular point grid

200 260
240

180 270
200

170 220

130 250

Irregular points Contour lines 25

 Contoh Field
 Digital elevation models (DEMs)

Elevation in Nepal

26
 Lessons
1. Representasi Dunia Nyata dalam GIS
2. Pemodelan Data GIS
3. Penyimpanan Data Atribut

27
 GIS Data Modelling
 Data Model : suatu cara dalam menggambarkan
aspek dunia nyata (informasi geograsi) ke dalam
komputer, dengan mengabstraksikan dari
kondisi realita yang ada ke dalam bentuk yang
mungkin.
 Object dan field discrete adalah bentuk dari
model data ‘conceptual’.
 Dua tipe utama:
 Model data raster
 Model data vector

28
 Model Data Vector
 Objek data pada dunia nyata
direpresentasikan sebagai:
 titik (point) : menunjukkan suatu lokasi
 garis (line) : menghubungkan titik-titik
 area/poligon (polygon) : luasan yg terdiri atas
garis2 yg saling terhubung

29
 Model Data Vector #2

titik garis Area/poligon

Node

Vertex
y

x
30
 Vektor & Raster
 Vektor : Points, lines dan polygons (spatial data) yg
dihubungkan dgn atribut database (data atribut).

 Raster : matriks baris dan kolom (pixels) dari posisi X &

Y dgn informasi atribut dihubungkan pd tiap pixel.

31
 Lessons
1. Representasi Dunia Nyata dalam GIS
2. Pemodelan Data GIS
3. Penyimpanan Data Atribut

32
 Penyimpanan Data Atribut
 Data atribut disimpan terpisah dari data
koordinat
 Tiap identitas dari fitur dapat dihubungkan
dengan table atribut
 Table atribut untuk titik
 Table atribut untuk garis
 Table atribut untuk area
 Data atribut biasanya disimpan dalam
database yang terpisah dari software GIS
33
 Penyimpanan Data Atribut #3
Table atribut titik

point id nama room staff

1 2
1 RS G 200 145
2 RS B 120 85
3
3 RS H 310 130

 Contoh penyimpanan data atribut untuk fitur

yang berupa titik
34
 Penyimpanan Data Atribut #2
Table atribut area

area id area pop HH

1 2
1 gbk 4583 1021
2 gbp 3927 761
3
3 klp 9271 2102

 Contoh penyimpanan data atribut untuk fitur

yang berupa area
35
Relasi Data Spasial & Atribut Lain

36
 Redundancy
Id Province District P_Pop P_TFR D_Pop D_TFR
101 Merida Palma 214084 3.2 89763 3.4
102 Merida S. Maria 214084 3.2 45938 2.9
103 Merida Veralo 214084 3.2 78383 3.2
104 La Paz Bolo 397881 3.7 98302 3.9
105 La Paz Jose 397881 3.7 67352 4.2
106 La Paz Malabo 397881 3.7 102839 3.7
107 La Paz Chilabo 397881 3.7 129388 2.8
… … … … … … …

Menyimpan data provinsi dan

data district dalam table yang
103
102 sama adalah tidak efisien,
101
karena data provinsi harus
104
105 diulang untuk tiap district.
107 37
106
 Penyimpanan Data Atribut #4
 Masih ingat aturan database!
 Dalam merancang database harus bebas
adanya redundancy.
 Menggunakan aturan database relational.
 Proses untuk memisahkan beberapa
variabel menjadi beberapa tabel disebut
“normalisasi”. (ingat database!)

38
 Id District D_Pop D_TFR Province
101 Palma 89763 3.4 Merida
102 S. Maria 45938 2.9 Merida
103 Veralo 78383 3.2 Merida
104 Bolo 98302 3.9 La Paz
105 Jose 67352 4.2 La Paz
106 Malabo 102839 3.7 La Paz
107 Chilabo 129388 2.8 La Paz
… … … … …

P_Pop P_TFR Province

397881 3.7 La Paz
103
102 214084 3.2 Merida
101 … … …
104
105
Database relasional
107
106 menyediakan efisiensi
penyimpanan yang lebih baik
39
 Penyimpanan Data Atribut #5
 Pengelolaan data atribut sangatlah
penting
 Contoh  pada aplikasi GIS untuk
socioeconomic, komponen data atribut
biasanya jauh lebih besar dari pada
komponen database. Misal: hanya ada
sedikit provinsi, tetapi terdapat beratus-
ratus variabel.

40
 Kualitas Data Objek
 Untuk mendapatkan aplikasi GIS yang baik, perlu
diperhatikan kualitas dari data objek yang ada.
 Pertimbangan untuk kualitas data:
 Ketelitian spasial (grafis/geometrik)
 Update data terakhir
 Tingkat detil data (resolusi)
 Luas cakupan geografis dan atribut2-nya
 Konsistensi logika yang terdapat di antara objek geometri
dengan atribut-atributnya
 Jenis representasi: diskrit atau kontinyu
 Relevansi  jika data asli sulit didapat, bisa digunakan data
pengganti yang relevan

41
…

42