Visualization of the result

A. Definisi Visualisasi
Menurut (Card, Mackinlay Shneiderman, 1998) definisi viusalisasi adalah menggunakan
teknologi komputer sebagai pendukung untuk melakukan penggambaran data visual yang
interaktif untuk memperkuat pengamatan. Sedangkan menurut (Mc Cormick, 1987) definisi
visualisasi adalah metode penggunakan komputer untuk mentransformasikan simbol menjadi
geometrik dan memperkaya proses penemuan ilmiah dan mengembangkan pemahaman yang
lebih dalam dan tak diduka, salah satu contohnya adalah dengan menampilkan data atau
informasi dalam bentuk gambar, contoh : grafik, struktur tree, pola, warna.
Beberapa tujuan dari visualisasi adalah :
1. Mengeksplor
Kegiatan eksplor dapat disebut juga penjelajahan atau pencarian adalah tindakan mencari
atau melakukan penjelajahan dengan tujuan menemukan sesuatu yang baru.
2. Menghitung
Menghitung adalah kegiatan yang bertujuan untuk mendapat gambaran tentang
dimensi/bentuk suatu objek. Dalam hubungan visualisasi, menghitung dapat diartikan
sebagai kegiatan melakukan analisa terhadap data yang ada dalam bentuk gambar seperti
graffik dan tabel yang sudah terhitung sehingga manajemen hanya perlu melakukan
pengambilan keputusan dari data belit melainkan langsung kepada point yang dituju.
B. Konsep Dasar Visualisasi
Menurut Olivera (2003), terdapat dua konsep visualisasi, yaitu scientific visualisation dan
information visualisation. Keduanya membuat model grafis dan menyajikan data secara visual
yang berinteraksi langsung dengan pengguna untuk melakukan eksplorasi dan memperoleh
informasi yang terdapat dalam data. Pada scientific visualisation, model grafis biasanya
dibangun dari pengukuran atau simulasi data yang mewakili objek atau konsep yang terkait
dengan fenomena yang sebenarnya. Pada information visualization, model grafis menyatakan
konsep abstrak dan hubungan yang tidak selalu memiliki keterkaitan di dunia nyata (Olivera,
2003).
Data mentah dapat berasal dari berbagai format, dan untuk memetakan sekumpulan data
menjadi format visual cukup dengan mentransformasi menjadi sebuah relasi terstuktur atau
kumpulan relasi (tupples). Card dkk mendefinisikan tabel model data sebagai sebuah format

data terstruktur yang tersusun dalam baris dan kolom yang menunjukkan relasi [Card at all,
1999]. Dalam hal ini baris menyatakan variabel dan kolom menyatakan sebuah kasus.
Hoffman menggunakan istilah tabel visualisasi untuk mendefinisikan visualisasi atas
himpunan data yang disajikan dalam tabel-tabel [Hoffman, 1999]. Istilah dimensi digunakan
untuk merujuk pada variabel independen yang dinyatakan dalam tupel, sedangkan variat
merujuk pada variabel dependen [Wong dan Bergeron, 1997]. Pada paper ini digunakan istilah
data item untuk mendefinisikan sebuah tupel yang menyatakan hubungan antar banyak variabel
dan atribut dari dimensi untuk mendefinisikan varibel-variabel baik dependen maupun
independen. Nilai atribut merujuk pada informasi yang berhubungan dengan variavel tertentu.
Atribut range merujuk pada range nilai yang diasumsikan oleh atribut tertentu dalam himpunan
data.
Untuk karakterisasi himpunan data berdimensi tinggi merupakan hal yang tidak mudah.
Sebagai sebuah konsep, batas antara data berdimensi rendah dan berdimensi tinggi adalah sekitar
3 sampai 4 atribut data. Pada umumnya, pembahasan di luar dimensi 3 atau 4 sudah merupakan
permasalahan yang sangat kompleks. Sebagai panduan, dimensi data dibedakan sebagai berikut,
rendah untuk dimensi 1 sampai 4, sedang untuk dimensi 5 sampai 9 dan tinggi untuk yang
dimensi 10 ke atas, namun demikian hal ini hanya merupakan sebuah pilihan.
-Representasi
Representasi adalah pemetaan informasi menjadi format visual. Objek data, atribut-atributnya
dan relasi diantara objek-objek data diterjemahkan ke dalam elemen grafis seperti titik, garis,
bentuk-bentuk tertentu dan warna
Contoh :
Objek-objek sering direpresentasikan sebagai titik
Nilai atribut-atributnya dapat direpresentasikan sebagai posisi dari titik-titik atau
karakteristik dari titik sebagai contoh warna, ukuran
dan bentuk

Jika posisi di gunakan, maka relasi pada titik , apakah terbentuk dalam group atau sebuah titik
pencilan, dapat dengan mudah dilihat
-Penyusunan/Arrangement
Adalah penempatan elemen-elemen visual diantara
Dapat membuat perbedaan besar mengenai bagaimana mudahnya untuk memahami data

-Seleksi
Seleksi adalah : eliminasi atau penekanan kembali dari beberapa objek tertentu dan atributatribut
Seleksi juga merupakan pemilihan subset dari atribut

Reduksi secara dimensi sering digunakan untuk mengurangi jumlah dimensi menjadi 2
atau 3 dimensi

Alternatifnya, sepasang atribut dapat dipertimbangkan

Seleksi dapat juga merupakan pemilihan subset dari objek

Sebagian wilayah dari layar hanya dapat menunjukkan banyak titik

C. Karakteristik Visualisasi Informasi

Menurut (McCormick, 1987), karakteristik visualisasi informasi yang
baik memiliki empat karakteristik sebagai berikut :
1. Menggunakan Pola
Penggunaan pola berguna agar manusia yang melihatnya dapat melakukan scanning,

recognizing, remembering terhadap apa yang mereka lihat dan menyimpulkan dengan
cepat berdasarkan pola-pola yang membedakan pola yang satu dengan yang lain.
2. Perbandingan Gambar
Macam-macam perbandingan gambar dapat berupa panjang, bentuk, orientasi, gradiasi
warna, tekstur yang mana merupakan pembeda antara visual yang satu dengan yang lain.
Sehingga dengan perbedaan ini juga dapat menimpulkan perbedaan informasi yang
dihasilkan dari perbandingan gambar yang satu dengan yang lain.
3. Gambar Animasi
Animasi dapat menggambarkan atau membedakan berdasarkan perjalanan waktu yang
terjadi yang mana tidak dapat digambarkan secara jelas dengan menggunakan gambar
yang diam.
D. Teknik Visualisasi
1. Diagram
Diagram adalah suatu gambaran-gambaran sederhana untuk memperlihatkan hubungan
timbale balik, terutama dengan garis-garis diagram yang baik adalah sangat sederhana yakni
hanya bagian-bagian terpenting saja yang diperhatikan.
2. Grafik
Grafik adalah suatu grafis yang menggunakan titik-titik atau garis untuk menyampaikan
informasi statistic yang saling berhubungan. Dengan berasumsi pada pengertian grafik
tersebut, dalam proses belajar mengajar, grafik mempunyai fungsi untuk memperlihatkan
perbandingan informasi kualitas-kualitas maupun kuantitas dengan cepat dan sederhana,
terutama pada penyajian secara statistik.
3. Poster
Poster merupakan kombinasi visualisasi yang kuat dengan warna dan
masyarakat. Dengan berasumsi pada konsep tersebut, kartun dapat digunakan sebagai alat
bantu proses pengajaran walaupun banyak kartun yang membuat orang-orang tersenyum,
tetapi pada dasarnya kartun mempunyai manfaat dalam proses belajar mengajar terutama
dalam penjelasan rangkaian bahan satu urutan logis atau mendukung makna
4. Komik
Komik merupakan suatu bentuk kartun yang mengungkapkan karakter dan memerankan
suatu berita dalam urutan yang erat dihubungkan dengan gambar dan di rancang untuk

memberikan hiburan pada pembaca. (1989 : 69).

5. Gambar
Media grafis paling umum digunakan dalam PBM, karena merupakan bahasa yang umum
dan dapat mudah dimengerti oleh peserta didik. Kemudahan mencerna media grafis
karena sifatnya visual konkrit menampilkan objek sesuai
6. Histogram
Biasanya menunjukkan distribusi dari nilai dari variabel tunggal. Histogram membagi
nilai ke dalam bin dan menunjukkan batang plot dari sejumlah objek dalam setiap bin.
Tinggi dari setiap batang menunjukkan jumlah dari objek Bentuk histogram tergantung
dari jumlah bin.
Contoh : lebar mahkota (10 dan 20 bin)

E.

Visualisasi Data Mining

Data Mining dapat didefinisikan sebagai rangkaian proses eksplorasi dan analisis data untuk
mendapatkan informasi potensial yang tersembunyi [Frawly, 1991]. Pada konteks yang lebih
luas, data mining tidak hanya mencakup pekerjaan pada area data mining dan knowledge
discovery saja tetapi juga berhubungan dengan penelitian lain, yang meliputi statistik
multivariat (komponen analisis utama, analisis klaster dan penskalaan multidimensi [Dunn,
1982]), antarmuka pada database (cooperative database interfaces [Gasterland, 1992],
interfaces for imprecise querying [Anwar, 1992], intelligent data browsing [Motto, 1990])

dan penyampaian kembali informasi (approximate matching algorithm [Salton, 1988] [Frei,
1991]). Pambahasan permasalahan data mining difokuskan pada eksplorasi pengetahuan
secara semi otomatis. Pada beberapa tahun terakhir, telah dilakukan berbagai penelitian
sehingga mencapai kemajuan penting, bahkan teknik-teknik data mining serta beberapa
sistem berbasis data mining telah diimplementasikan (Frawly, 1991; Matheus, 1993).. proses
menemukan kandungan yang tersembunyi dapat menjadi pengetahuan yang bermanfaat
khususnya dari data yang besar dengan menggunakan teknik visualisasi.

Teknik Visualisasi
1. Teknik berbasis pixel
Ide dasar dari teknik-teknik yang berorientasi pixel adalah memetakan tiap-tiap data value ke
titik tertentu dan setiap data value memiliki satu atribut dalam jendela terpisah seperti pada
gambar-1 berikut :

Gambar-1 : Pengaturan jendela atribut untuk data dengan enam atribut

Secara umum teknik ini menggunakan satu titik setiap satu data value, maka teknik ini dapat

mengalokasikan visualisasi data dalam ukuran yang sangat besar, yaitu memungkinkan untuk
menampilkan lebih dari 1.000.000 data value. Atribut yang berbeda ditampilkan pada sub jendela
yang berbeda dan range nilai data yang mungkin dipetakan pada titik sesuai warna tertentu
[Keim, 2000] [Keim dan Kreigel, 1996] [Keim dan Kreigel, 1994] seperti pada gambar-2
berikut :

Gambar-2 : Visualisasi berbasis pixel menggunakan spiral(kiri) dan sumbu(kanan) [Keim dan
Kreigel, 1994]
Jika pengguna ingin memvisualisasi data yang besar, maka harus menggunakan teknik
visualisasi query-independent, yaitu mengurutkan data berdasarkan beberapa atribut dan
menggunakan pencocokan pola layar untuk mengatur data value pada tampilan. Teknik
visualisasi query-independent ini sangat bermanfaat khususnya pada data yang terurut secara
alamiah berdasarkan satu atribut (misalnya data runtun waktu). Namun, apabila terdapat data
yang tidak terurut secara alamiah dan tujuan utamanya adalah ekplorasi interaktif pada database,
maka yang lebih diperhatikan adalah umpan balik untuk beberapa query. Dalam masalah ini,
harus dikembalikan pada teknik visualisasi query-independent yang memvisualisasikan item data
yang sesuai.
Gambar-2 di atas mengilustrasikan visualisasi menggunakan metode pengaturan pixel
yang disebut pengaturan spiral dan pengaturan sumbu. Pengaturan tersebut dihasilkan dari
sekumpulan data dengan distribusi seragam dan lima klaster yang terdiri atas 7000 item data
dengan delapan atribut. Warna diambil dari rentang kuning cerah hingga hijau, biru, merah tua
dan beberapa hitam, bergantung pada jarak dari item data dengan jawaban query yang benar.

Item data yang lebih baik dalam suatu query diberi warna kuning cerah dan yang paling tidak
sesuai diberi warna hitam.
Semua teknik yang berorientasi pixel, membagi layar menjadi banyak jendela. Untuk
kelompok data dengan m attribut/dimensi, layar akan terbagi dalam m jendela, masing-masing
untuk satu atribut. Untuk teknik visualisasi query-dipendent, ditambah jendela ke (m+1) yang
disediakan untuk jarak secara keseluruhan. Di dalam jendela-jendela tersebut, data value diatur
berdasarkan urutan seluruh data yang diberikan.
Karakteristik Teknik berbasis Pixel :

Dapat menangani himpunan data yang besar dan sangat besar dengan tampilan beresolusi
tinggi.

Dapat menangani secara wajar untuk data menengah dan dimensi yang tinggi

Tiap-tiap data item dipetakan secara tunggal dengan sebuah titik, sehingga tidak terjadi
record yang overlap dan kekacauan secara visual.

2. Teknik Proyeksi Geometri

Tujuan dari teknik proyeksi geometri adalah memperoleh proyeksi yang menarik atas
sekumpulan data multidimensi. Klas dari teknik proyeksi geometri mencakup teknik pengujian
statistik seperti komponen utama analisis, analisis faktor dan penskalaan multidimensional, yang
merupakan bagian dari istilah projection pursuit [Hurber, 1985] [Friedman dan Turkey, 1974].
Karena terdapat jumlah kemungkinan yang tak hingga untuk memproyeksikan data berdimensi
tinggi ke tampilan dua dimensi, sistem projection pursuit sebagaimana
tujuan dari the grand tour systems [Asimov, 1985] adalah pada otomasi dalam perolehan
proyeksi yang penting atau paling tidak membantu pengguna untuk memperoleh proyeksi
tersebut.
Teknik proyeksi geometri yang lain adalah teknik visualisasi koordinat paralel [Inselberg,
1985] [Inselberg dan Dimsdale, 1990]. Teknik koordinat paralel, memetakan ruang berdimensi k

ke tampilan dua dimensi dengan menggunakan k sumbu yang berjarak sama dan saling paralel
dengan sumbu tampilan. Sumbu-sumbu tersebut disesuaikan dengan dimensinya dan diberi skala
dari nilai terkecil hingga terbesar. Tiap-tiap data item dinyatakan sebagai garis poligon, tiap-tiap
sumbu akan berpotongan pada suatu titik sesuai dengan nilai dimensi yang dikehendaki, seperti
pada gambar-3 berikut ini :

Gambar-3 : Teknik koordinat paralel

Meskipun ide dasar dari teknik visualisasi koordinat paralel cukup sederhana, tetapi
sangat bagus untuk mengungkapkan berbagai karakteristik data seperti perbedaan sebaran data
dan kebertgantungan fungsional. Karena garis poligon sering kali overlap, maka jumlah data
item yang dapat divisualisasi pada layar pada saat yang sama adalah terbatas, kira-kira hanya
1000 data item. Contoh visualisasi data berdimensi tiga dapat dilihat pada gambar-4 berikut :

Gambar-4 : Contoh visualisasi data berdimensi tiga

Karakteristik teknik Geometri :

Dapat menangani himpunan data yang besar dan sangat besar ketika dipasangkan dengan
teknik-teknik interaksi yang sesuai, tetapi kekacauan secara visual dan record yang overlap

sangat parah untuk himpunan data yang besar.

Dapat menangani secara wajar untuk data menengah dan dimensi yang tinggi

Semua dimensi data dianggap sama, namun urutan sumbu yang ditampilkan mempengaruhi
apa yang dapat dirasakan.

Sangat efektif untuk menentukan data pencilan dan hubungan antara dimensi-dimensi yang
berbeda.

Teknik Visualisasi Data Spasial

Visualisasi data spasial pada prinsipnya adalah bagaimana menampilkan data spasial tersebut.
Konsep dasar yang digunakan dalam visualisasi adalah dimensi dari data yang dapat
dikelompokkan menjadi tiga yaitu; titik, garis dan area. Data spasial selanjutnya divisualisasikan
dalam bentuk simbol dengan memperhatikan beberapa aspek yaitu:

Sifat dan Ukuran Data

Bentuk, Sifat dan Cara Penggambaran Simbol

Variabel Visual Yang Dapat Digunakan, yang berkait erat dengan Persepsi

Sifat data, dapat dibedakan menjadi dua kelompok, yakni : (a) data yang mempunyai sifat
kualitatif, dan (b) data yang bersifat kuantitatif; sedangkan ukuran data, dapat dikelompokkan
menjadi 4 tingkatan, masing-masing : (a) nominal, (b) ordinal, (c) interval, dan (d) rasio.
Bentuk simbol, dapat dikelompokkan menjadi simbol titik, garis, dan area; sedangkan
sifat simbol dapat dibedakan menjadi simbol simbol kualitatif dan simbol kuantitatis; dan cara
penggambaran simbol dapat digambarkan secara piktorial, abstrak/geometrik, dan menggunakan
huruf (letter).

Variabel visual merupakan variabel yang digunakan untuk membedakan unsur yang
diwakili pada setiap simbol. Variabel-variabel tersebut, meliputi : (a) bentuk, (b) ukuran, (c)
kepadatan, (d) arah, (e) nilai, dan (f) warna, dan (g) posisi. Pada perkembangan terakhir (setelah
komputer dimanfaatkan secara penuh dalam proses pemetaan), variabel tersebut berkembang
pula, dengan bertambahnya variabel transparancy
(transparansi), shadow (bayangan), dan animation (animasi). Dengan demikian, pertimbangan
untuk menentukan simbol pada peta saat ini dapat menggunakan 10 variabel visual.
Pemilihan variabel visual seperti dijelaskan di atas, akan berkaitan erat dengan kesan
(persepsi) yang akan diperoleh bagi pengguna peta. Ada 3 (tiga) tingkatan persepsi dalam
membaca peta, yaitu : (a) asosiatif,
bila pembaca peta dengan cepat memperoleh kesan yang sama (setingkat) terhadap semua
fenomena yang dipetakan, (b) order, bila pembaca peta dengan cepat memperoleh kesan
bertingkat terhadap semua fenomena yang dipetakan, dan (c) kuantitatif, bila pembaca peta
dengan cepat memperoleh kesan terhadap kuantitas data/fenomena yang dipetakan.
Aspek-aspek tersebut selanjutnya dikemas dalam satu paket simbol, sehingga
menghasilkan simbol yang sesuai dengan realita di lapangan dan komunikatif. Bertin (1983),
telah mendisain simbol yang dikelompokkan menurut dimensi, variable visual, dan persepsi
untuk simbol abstrak seperti ditunjukkan pada gambar berikut.

Gambar 5 : Variabel Visual dan Persepsi Dalam Disain Simbol Grafis (Bertin, 1967).
Tata letak (layout) peta merupakan penempatan data spasial yang akan dipetakan bersama-sama
dengan unsur-unsur kartografis yang berupa informasi tepi (border information) yaitu : Judul,
Skala, Orientasi, Legenda, Sumber Penyusunan, dsb. Penempatan informasi tepi pada Peta
Topografi atau Peta Rupabumi dapat dikatakan sudah baku, namun untuk peta-peta tematik
(seperti halnya peta Lahan Kritis) penempatan/pengaturan informasi peta tergantung pada si
pembuat peta. Informasi tepi pada peta tematik dapat diletakkan sesuai dengan ruang yang
tersedia pada lembar peta, tanpa menghilangkan keseimbangan dan keserasian peta. Judul pada
peta tematik, harus jelas dan singkat, dan memuat 3 W, yaitu What, When, Where atau Judul peta
harus memberi informasi tentang : Apa, Kapan, dan Dimana. Untuk penulisan skala, harus
dituliskan secara lengkap, yaitu Skala Numerik dan Skala Grafis.
Penyusunan peta tematik memerlukan peta dasar yang digunakan sebagai dasar untuk
menempatkan simbol dari tema yang dipetakan. Peta dasar berisi informasi yang diambil dari
peta topografi/rupabumi. Tidak semua unsur dari peta topografi/rupabumi ditampilkan pada peta
tematik. Secara umum, unsur-unsur yang sering ditampilkan dalam peta tematik adalah:
Grid & Graticule
Pola Aliran
Relief
Permukiman
Jaringan Perhubungan
Batas Administrasi
Nama-nama Geografi

 Detail-detail lain yang erat kaitannya dengan tema yang dipetakan

Sehubungan dengan upaya standarisasi pemetaan khususnya pemetaan lahan kritis