Anda di halaman 1dari 32

KUALITAS DAN SUMBER

KESALAHAN DATA SPASIAL

Agus Kurniawan Mastur, S.P., M.Si.


PETA --> Data Spasial

Peta yg informatif --> memiliki data yg detail,


akurat, dapat dipertanggungjawabkan

Pada peta analog, tingkat kedetilan data


tercermin secara langsung dari :
- skala peta
- tahun pembuatan
- metode yg digunakan dlm pembuatan peta

Pada peta digital, unsur kualitas data dapat disimpan, disajikan sesuai
kebutuhan

Masalah dlm kualitas data spasial .?


- informasi tentang kesalahan atau kualitas data sering terabaikan.
Pd situasi tertentu --> dapat dibaikan karena data tidak berpengaruh
pd beberapa tujuan pemetaan yg dilakukan

Data yg kurang akurat:


Kurang pengaruhnya pada pemetaan skala kecil : cth perencanaan
pemanfaatan sumberdaya alam bahkan berani menggunakan data
sekunder.
Berpengaruh pada pemetaan skala besar : cth pemetaan topografi,
perencanaan bangunan (masterplan) detil --> berkaitan langsung dg
risiko keselamatan, menggunakan data primer.

Dalam penyajian data skala kecil --> pengguna berhadapan dg


pernyataan yg lebih bersifat umum sehingga tidak dipengaruhi oleh
keakuratan hasil pekerjaan spasial.
Dalam SIG akurasi data sangat mungkin utk ditelusuri, dicari & diketahui

Namun, tidak berarti sistem data digital SIG lebih akurat bila
dibandingkjan dg sistem data analog, krn keakuratan tergantung byk
faktor.

Sistem digital mampu mengolah data lebih berpresisi daripada data


analog --> hasilnya berpresisi lebih baik

Keakuratan data tergantung pd akurasi sumber data

Kebutuhan
(waktu)
Kualitas
Data SIG

Biaya
PERKEMBANGAN KESALAHAN DALAM SIG

Ketidakakuratan posisi dan ketidakpastian atribut

jika tidak diperbaiki


sebelum dilakukan
analisis

akan bersifat akulmulatif (meningkat


dan berkembang) selama analisis

Contoh :
Pada awal kesalahan yg ada sangat kecil sehingga dapat diabaikan
setelah beberapa tahapan kesalahan tsb berlipatganda
pada akhir analisis menjadi bermakna.
Implementasi

Pengambilan keputusan

Penyajian

Aplikasi/Permodelan

Analisis Data

Pra-pengolahan

Pengumpulan Data
KOMPONEN KUALITAS DATA

KUALITAS
MIKRO MAKRO
DATA SIG

Kesalahan mikro : kesalahan tsb bersifat lokal dan tidak sistematis,


sebagian besar dapat diperbaiki.

Komponen kualitas data


Komponen kualitas data
unsur mikro :
unsur makro :
1. Keakuratan posisi
1. Kelengkapan data
2. Keakuratan atribut
2. Waktu
3. Kokonsistenan logika
3. Latar belakang data
4. Resolusi
Komponen Kualitas Data Mikro

Keakuratan Posisi

Berkaitan dg ketepatan lokasi --> besarnya penyimpangan posisi data


dari posisi sebenarnya di lapangan
Ada 2 komponen yaitu : bias dan presisi
Bias mengacu pada ketidaksesuaian sistematik antara posisi yg diwakili
dg posisi yg sebenarnya. Idealnya bias bernilai nol, yg ditunjukkan dg
kecenderungan tidak sistematik dari posisi di peta dibandingkan posisi
di lapangan (diistilahkan dg akurasi)
Akurasi dlm SIG --> derajat kebenaran produk SIG mendekati keadaan
sebenarnya.

Akurasi dalam klasifikasi data:


peluang dari kelas yg ditentukan di peta dibandingkan dg hasil
pengamatan di lapang. Tidak ada peta yg tingkat akurasinya 100%,
karena selalu terdapat suatu tingkat kesalahan.
Komponen kualitas data mikro

Keakuratan Posisi

Presisi --> derajat ketepatan detail pengukuran yg dilakukan pada


kenampakan spasial sebenarnya.
Presisi mengacu ke penyebaran (dispersi) kesalahan posisi dari unsur-
unsur data posisi, umumnya diduga dari perhitungan simpangan baku
dari titik uji terpilih.

Simpangan baku rendah ditunjukkan dg sempitnya penyebaran


kesalahan posisi pengukuran yg berelevasi tinggi, atau menghasilkan
analisis yg lebih baik.
Simpangan baku juga bermanfaat untuk menduga frakuensi dimana
tingkat kesalahan pada tingkat tertentu dapat muncul.
akurasi rendah, presisi tinggi akurasi tinggi, presisi rendah

akurasi rendah, presisi rendah akurasi tinggi, presisi tinggi


Komponen kualitas data mikro

Keakuratan Atribut

o Atribut data dapat berupa variabel diskrit dan kontinyu


o Variabel diskrit --> nilai yg terputus, atribut seperti kelas pengunaan
lahan, vegetasi, atau daerah administratif merupakan variable diskrit
o Variabel kontinyu --> dapat menempati angka berapa saja, bersifat
kontinyu antara titik, atribut seperti suhu, ketinggian bersifat
kontinyu
Komponen kualitas data mikro

Konsistensi Logika

Mengacu ke kualitas hubungan logika diantara berbagai unsur objek


dlm analisis.
Contoh : batas hutan pada suatu peta penutupan lahan terletak
ditengah2 jalan --> ini merupakan sesuatu yg tdk wajar. Yg tepat
adalah jika batas tsb terletak di pinggir jalan.
Batas danau/sungai --> selalu berubah tergantung pasang surut.
Persolaan ini dapat dipecahkan dg membuat batas baku.
Komponen kualitas data mikro

Resolusi

Resolusi data --> unit terkecil yg msh terekam dlm penampilan atau unit
penampilan terkecil.
Pada foto udara atau citra satelit, resolusi mengacu ke unit terkecil yg
dapat dipisahkan, yg jg diistilahkan dg resolusi spasial.
Pada peta tematik, resolusi --> ukuran objek terkecil yg dapat digambarkan
yg diistilahkan sebagai unit pemetaan terkecil, Seperti peta tanah, peta
penggunaan lahan, peta geologi dll,
Proses pemilihan resolusi peta tergantung pada penyajian informasi dan
tempat penyimpanan data.
Data tsb hanya sesuai dipakai pada skala brp.
Komponen kualitas data mikro

Resolusi

Contoh, dlm SIG tdk masalah untuk memperbesar peta.


Untuk memperoleh peta skala 1 : 25.000 dapat dihasilkan dari peta
skala 1 : 100.000.
Tapi kualitas informasi peta tsb tidak mempunyai kualitas pemetaaan
skala 1 : 25.000, tetap saja kualitas data dan informasi pada skala awal
yaitu skala 1 : 100.000.
Jadi : skala awal setiap data yg dimasukkan dlm SIG yg menentukan
kualitas seterusnya dari data tsb.
Komponen kualitas data makro

Kualitas data yg bersifat menyeluruh merupakan kajian kualitas


data bersifat makro.
Biasanya tipe kualitas ini tidak dapat diuji kebenaran atau
kesalahnnya, tp hanya dapat dievaluasi secara kualitatif.
Ada 3 tingkat komponen makro :
1. Kelengkapan
2. Waktu
3. Latar belakang data
Komponen kualitas data makro

Kelengkapan

dikelompokkan menjadi 3 katagori : kelengkapan cakupan, klasifikasi


dan verifikasi.

Kelengkapan cakupan
Proporsi data yg tersedia dari seluruh wilayah studi.
Suatu data ada kalanya tidak sama kualitasnya baik dari segi spasial
maupun atribut.
Dalam menggunakan data harus memperhatikan kualitas data masing-
masing dan bila diperlukan harus diperbaiki dg menggunakan data
tambahan untuk mengatasi kelemahan data tsb.
Komponen kualitas data makro

Kelengkapan

Kelengkapan Klasifikasi
Suatu penilaian tentang seberapa baik klasifikasi yg dipilih untuk
mewakili data.
Penetapan kelas akan mempengaruhi kekonsistenan dan keakuratan
objek yagn dikelompokkan.
Klasifikasi yg tidak sesuai dapat membiaskan data secara nyata.

Kelengkapan verifikasi
Mengacu ke jumlah dan distribusi pengukuran lapang atau sumber-
sumber data lain yg tidak independen yg dipergunakan untuk
mengembangkan data.
Komponen kualitas data makro

Kelengkapan

Klasifikasi Tingkat 1 Klasifikasi Tingkat 2 Klasifikasi Tingkat 3


Pertanian Biji-bijian
Tanaman hortikultura Brokoli
Wortel
Tomat
Tanaman pangan Padi
Umbi-umbian
Peternakan Lembu
Sapi
Domba
Kehutanan Daun Jarum Pinus
Daun Lebar Jati
Campuran Semak-hutan
Komponen kualitas data makro

Waktu

Waktu merupakan faktor sensitif/kritis dlm kaitan penggunaan berbagai


macam informasi geografi.
Utk informasi geografik yg berubah dg cepat --> waktu pengumpulan
data merupakan faktor yg penting.
Waktu sering diabaikan dlm pertimbangan bila analisis menggunakan
data banyak, yg dikumpulkan secara terpisah, tetapi dipakai bersama.
Cth :
1. informasi demografi sangat sensitif terhadap waktu yg dapat
berubah setiap tahun.
2. penutupan lahan dapat berubah sangat cepat karena perubahan
musim atau perkembangan tanaman, dan didaerah yg berkembang
pesat
Komponen Kualitas Data Makro

Latar Belakang

Berkaitan dg sejarah, sumber data dan proses pengolahan yg


dipakai utk menghasilkan data tsb.
Sumber data : tempat pengambilan, catatan lapangan, foto udara
yg digunakan dan peta-peta pendukung.
Proses pengolahan: berkaitan dg metode-metode yg dipakai
untuk menghasilkan peta akhir.
KOMPONEN CARA PEMAKAIAN DATA SPASIAL

Assessibilitas

Mengacu pada kemudahan untuk mendapatkan dan menggunakan


data.
Assesibilitas data dapat terbatas karena data tsb dimiliki
swasta/pribadi/pemerintah.
Contoh data sensus
Diperoleh dg berbagai proses panjang sehingga pada waktu data sdh
diperoleh, manfaatnya sdh jauh berkurang karena data sdh lama.
Assesibilitas berkaitan dg kemudahan mendapatkan data dan efisiensi
dana.
KOMPONEN-KOMPONEN PEMAKAIAN

Biaya langsung dan Tak Langsung

Biaya langsung : terjadi pada saat pembelian langsung dari suatu


instansi.
Biaya tdk langsung : terjadi setelah pembelian data.
Cth : Data yg terdapat dlm bentuk non digital atau dlm bentuk
digital yg tidak dapat dimasukkan langsung ke SIG. Data tsb perlu
di konversi.
Konversi dapat menjadi pekerjaan yg mahal dan memerlujkan
biaya
SUMBER-SUMBER KESALAHAN DALAM SIG

Dimulai sejak awal pemasukan data, pengolahan, hingga waktu


penyajian hasil

Kemungkinan sumber-sumber kesalahan pada SIG

Sumber-sumber kesalahan Kesalahan-kesalahan dari Kesalahan yg muncul


yg jelas variasi alami atau karena pengolahan
pengukuran awal
1. Umur data 1. Keakuratan posisi 1. Kesalahan numerik dlm
2. Cakupan area 2. Keakuratan isi komputer
3. Skal peta 3. Variasi data : pemasukan 2. Kesalahan karena
4. Komponen pengamatan data, pengamatan bias, analsisi topologi
5. Kerelevanan variasi alami 3. Persoalan Klasifikasi dan
6. Format generalisasi :
7. Assesibilitas metodologi, defenisi
8. Biaya kelas interval,
interpolasi.
Kesalahan yg mudah diketahui/jelas

1. Umur data

Umur berbagai data bervariasi, tidak mungkin data dikumpulkan dlm


waktu yg sama.

Penggunaan data yg sdh dipublikasikan (data sekunder) ????


Untuk objek yg bersifat dinamik --> pendekatan ini tdk tepat
Data spasial yg bersifat dinamik antara lain penggunaan lahan,
sedangkan data spasial yg bersifat statis antara lain data topografi, data
tanah, data geologi dll.
Kesalahan yg mudah diketahui/jelas

2. Cakupan areal studi

Idealnya untuk seluruh daerah studi kualitas informasi seragam.


Data yg tersedia di suatu daerah banyak yg tdk seragam, kecuali untuk
wilayah yg kecil dan untuk tujuan tertentu.
Contoh perbedaan skala cakupan pemataan tanah berbagai skala, 1 :
50.000 atau 1 : 100.000
Jika peta cakupannya tidak lengkap, maka harus diperbaiki/dibuat
sehingga ada keseragaman
Misalnya dg menambah data yg kurang atau men-generalisasi data yg
detail --> sehingga cakupannya menjadi sama.
Catatan : tidak diperkenankan untuk memperbesar skala peta yg lebih
kecil untuk memenuhi cakupan wilayah karena kedetilannya tidak
bertambah
Kesalahan yg mudah diketahui/jelas

3. Skala Peta
merupakan ukuran kedetilan data pada pemetaan
kebutuhan skala dari sumber peta harus disesuaikan dg sasaran studi,
misalnya untuk studi perencanaan wilayah lebih diperlukan
menggunakan data pada skala yg kecil --> akan menyulitkan
menggunakan data dg skala sangat besar.
Dlm kaidah kartografi --> peta skala kecil seharusnya merupakan
generalisasi dari peta skala besar

4. Kerapatan Pengamatan
Merupakan ukuran keakuratan suatu peta, tapi sering tidak
dicantumkan dlm berbagai peta tematik.
Data mengenai kerapatan pengamatan ini dapat digunakan untuk
menilai keakuratan data peta tematik yg dianalisis.
Kesalahan yg mudah diketahui/jelas

5. Relevansi Data
Tidak semua data yg dipakai utk pengolahan data geografis relevan dg
tujuan yg ingin dicapai.
Contoh : data yg diturunkan dari inderaja dapat digunakan untuk
menduga penggunan lahan, biomassa atau pengamatan landform
Data yg bersumber dari cara pendugaan biasanya memiliki kualitas lebih
rendah dari data yg dinginkan.
Peta-peta yg diinginkan dapat dikembangkan dari data lain dg cara
korelasi secara statistik. Misalnya menggunakan analisi regresi,
interpolasi dsb.
Kesalahan yg mudah diketahui/jelas

6. Format Data
SIG --> kemudahan data disajikan dlm media magnetic dan ditransfer ke
suatu sistem komputer ke sistem lain
Cara data disusun atau struktur data tsb apakah dinyatakan dg vektor
atau raster?
Dlm sistem SIG sekarang, data dapat dikonversi dari suatu format ke
format lain.

7. Biaya
Pengumpulan dan pemasukan data membutuhkan memerlukan dana.
Dlm setiap kegiatan pemetaan harus mampu menghitung biaya dan
keuntungan menggunakan data yg sdh ada dibanding melaksanakan
survey yg baru, biaya digitasi dan biaya lainnya.
Kesalahan yg dihasilkan oleh variasi alam atau variasi pengukuran

1. Keakuratan posisi
Kesalahan posisi disebabkan : pengukuran yg buruk dilapangan, melalui
distorsi atau pengerutan kertas, buruknya kualitas hasil scanner.

2. Keakuratan informasi (isi)


Yg menyangkut kebenaran titik, garis atau area
Keakuratan dapat diartikan menjadi akurasi yg bersifat kualitatif
Keakuratan informasi berkaitan dg salah benarnya pemasukan data baik
dari atribut maupun geometri.
Untuk menguji keakuratan ini perlu dilakukan pengambilan sample.

3. Variasi Sumber Data


Variasi sumber data dihubungkan dg variasi pada waktu data
dikumpulkan/diukur, data lapangan itu sendiri atau kesalahan
laboratorium.
Kesalahan yg muncul melalui pengolahan

1. Kesalahan numerik dlm komputer

Penggunaan jumlah digit dibelakang desimal.


Sistem penulisan data angka dlm SIG/komputer yg umum terbagi
beberapa kelompok yaitu : bit, byte, integer, long-integer dan real.
Bit --> angka yg diwakili 1 dan 0
Byte --> mewakili angka 0 255
Integer --> -32768 sampai +32767
Kesalahan yg muncul melalui pengolahan

2. Kesalahan yg berkaitan dg analisis topologi

Kesalahan dlm kaitan proses digitasi, overlay dan konversi bentuk data
Kesalahan dlm proses digitasi --> penarikan garis yg keluar dari jalur yg
harus diikuti. Kesalahan yg bersumber dari pengolahan ini biasanya
dihindari dg menentukan kisaran ruang tertentu dlm suatu garis.
Misalnya pada saat melakukan digitasi : kekonsitenan pada zoom atau
skala brp?
Kesalahan yg muncul karena proses overlay sering ditemui dlm analisis
khususnya dlm SIG berbasis vektor. Tanda yg mudah dilihat adalah
muncul berbagai unit peta yg sangat kecil.
Kesalahan dalam konversi data vektor ke raster atau sebaliknya : ukuran
sel raster brp yg diinginkan?