1
TUJUAN
PEMBELAJARAN
q Merepresentasikan dunia nyata ke dalam SIG
q Mengerti model
data
pada SIG
q Memahami cara penyimpanan data
atribut
2
MATERI
1. Representasi Dunia Nyata dalam SIG
2. Pemodelan Data
SIG
3. Penyimpanan Data
Atribut
3
REPRESENTASI
DUNIA
NYATA
DALAM
SIG
4
KOMPLEKSITAS
DUNIA
NYATA
• Dunia nyata (real
world)
adalah segala sesuatu yang
terdapat di
alam
• Dunia nyata memiliki kompleksitas baik dari
ukuran,
jenis,
dan
waktu
peristiwa
• Ukuran atomik hingga berdimensi lautan bahkan benua
• Peristiwa yang
terjadi ratusan tahun yang
lalu hingga saat ini
• Dunia nyata bersifat tidak teratur,
kompleks,
dan
mengalami
perubahan yang
tidak mudah diprediksi
• Kompleksitas menyebabkan sulitnya manusia menggambarkan dunia
nyata tersebut
5
Representasi Dunia Nyata
• Model
dari sebuah
realitas ini merupakan
penyederhanaan dari
aspek-‐aspek dunia nyata
• Penyederhanaan,
klasifikasi,
dan
simbolisasi sesuai dengan
interpretasi masing-‐
masing individu
6
Dunia Nyata ke SIG
• Perancangan SIG
bisa bervariasi sesuai dengan pilihan,
kesukaan,
dan
kemampuan para
pembuatnya
• Penggambaran SIG
dipengaruhi oleh pengalaman dan pengetahuan
setiap individu terhadap dunia nyata sebagai lingkungannya
• SIG
sebagai sebuah sistem informasi yang
melakukan
penyederhanaan terhadap fenomena dunia nyata
• Pendekatan yang
digunakan secara spasial dan non
spasial
7
Dunia Nyata ke SIG
• Analisis spasial dalam SIG
berusaha menerangkan fenomena dunia
nyata melalui model
dunia nyata (real
world
model)
• Model
dunia nyata diterangkan menggunakan model
data
• Model
dunia nyata digunakan untuk mengurangi kompleksitas dengan
mengambil fenomena-‐fenomena tertentu sesuai dengan tujuan
• Penyederhanaan,
klasifikasi,
dan simbolisasi sesuai dengan
interpretasi masing-‐masing individu
• Pemodelan Data
:
proses-‐proses
untuk menginterpretasikan realita
yang
ada menggunakan model
dunia nyata dan model
data
(Bernhardsen,
1992)
8
Dunia Nyata ke SIG
• Prinsip-‐prinsip real
world
dapat digambarkan dalam hubungan antar
model
data
9
10
Model
Dunia Nyata
• Model
dunia nyata menerangkan kenyataan atau fenomena yang
ada
pada dunia nyata
• Persepsi dan rancangan model
dunia nyata yang
dibuat oleh
perancang akan mempengaruhi data
yang
diperlukan
• Persepsi mencakup pembawa informasi yang
paling
dasar dari model
dunia nyata yaitu entitas
• Entitas terdiri dari:
• Klasifikasi jenis (classification
type)
• Atribut (attribute)
• Hubungan/relasi (relationship)
11
Jenis/Tipe Entitas
• Fenomena yang
seragam atau mirip dapat dikelompokkan ke dalam
suatu tipe/jenis entitas
• Setiap tipe entitas harus dapat memiliki nama yang
unik
12
Atribut Entitas
• Setiap tipe entitas memiliki lebih dari satu atribut yang
mendeskripsikan
karakteristik fenomena yang
bersangkutan
• Atribut entitas dapat mendeskripsikan data
yang
bersifat kualitatif dan
kuantitatif
• Data
kuantitatif:
data
hasil pengamatan/pengukuran yang
dinyatakan
dengan bilangan,
berdasarkan tingkatan akurasi (paling
akurat ke tingkat
akurasi terendah):
• Data
proporsional (rasio),
cth:
besaran panjang dan nilai luas
• Data
interval,
cth:
usia(umur)
dan besar pendapatan
• Data
ordinal,
cth:
penggolongan data
pada tingkatan baik-‐cukup-‐buruk
• Data
nominal
• Data
kualitatif:
data
hasil pengamatan/pengukuran yang
dinyatakan tidak
dengan bilangan
13
Hubungan/Relasi Entitas
• Pertains
&
belongs
:
dimiliki,
termasuk,
berhubungan
• Intersect:
berpotongan
• Connect:
saling terkait,
terhubung
• Comprise:
terdiri dari
• Located
in/on:
terletak di
• Proximity:
berdekatan
• Borders
on atau adjacent:
bersebelahan,
berbatasan
14
Model
Data
• Model
data
pada umumnya dirancang untuk memberikan informasi
tentang:
• Objek fisik:
jalan,
wilayah pemukiman,
saluran air,
sungai
• Objek terklasifikasi:
tipe vegetasi,
zone
iklim,
kelompok usia
• Peristiwa (events):
lokasi kecelakaan,
lokasi kekeringan,
lokasi gempa bumi
• Objek yang
berubah secara berkelanjutan:
temperatur,
tekanan,
ketinggian,
kedalaman
• Objek buatan:
kepadatan penduduk,
populasi
15
Representasi Grafis suatu Objek
• Titik (point),
tanpa dimensi
• Garis (line
atau polyline),
satu dimensi
• Poligon (area),
dua dimensi
16
Simbol Objek:
Titik
• Tanpa dimensi
• Menggambarkan objek yang
tidak memiliki penampakan unsur
ukuran geometris pada peta,
misal puncak gunung,
gedung,
tempat
kejadian peristiwa,
rumah
• Memberikan informasi lokasi dengan posisi koordinat
• Dalam skala besar,
objek yang
digambar dengan simbol titik dapat
diubah menjadi bentuk area
17
Simbol Objek:
Garis
• Simbol satu dimensi,
memiliki satuan panjang
• Terdiri dari minimal
dua titik (start
node
dan end
node)
18
Area/Poligon
• Simbol dua dimensi
• Memberikan informasi mengenai unsur wilayah
• Dibatasi oleh minimal
tiga garis batas yang
masing-‐masing memiliki
titik awal dan titik akhir
19
PEMODELAN
DATA
SIG
20
Dunia Nyata dalam SIG
• Database
dari SIG
terdiri dari:
• Objek-‐objek nyata dalam versi digital:
rumah,
jalan,
hutan,
dll
• Objek-‐objek buatan dalam versi digital:
batas wilayah
21
Fitur pada Dunia Nyata
22
23
Object
dan Field
• Object:
wilayah kosong yang
diisi dengan objek (titik,
garis,
atau
area/poligon)
• Field:
nilai yang
didefinisikan untuk semua lokasi
24
Object
25
Contoh Object
26
Field
28
Layer
30
Model
Data
31
Model
Data
Raster
• Membagi dunia dalam sel-‐sel persegi
• Mencatat sudut bumi
• Merepresentasikan objek diskrit sebagai kumpulan sel
• Menetapkan nilai atribut ke sel
• Sering digunakan untuk merepresentasikan field
daripada object
discrete
• Karakteristik:
• Ukuran piksel
• Skema tetap
32
Model
Data
Vektor
• Representasi titik,
garis,
dan area
• Semua direpresentasikan menggunakan koordinat
• Satu peristiwa/event
per
vektor
• Titik mempunyai panjang dan area
0
• Garis sebagai polyline:
garis lurus antar titik
• Area
sebagai polygon:
garis lurus antar titik,
dihubungkan kembali ke
titik awal,
lokasi titik disimpan sebagai koordinat,
tidak ada skala
detail
dari area
yang
direpresentasikan (hanya 1
nilai)
33
Model
Data
Vektor
34
Model
data
spasial dan
vektor
35
Vektor vs
Raster
• Vektor:
points,
lines,
dan polygons
(data
spasial)
yang
dihubungkan
dengan atribut database
• Raster:
matriks baris dan kolom (pixels)
dari posisi X
dan Y
dengan
informasi atribut dihubungkan pada tiap pixel
Vektor Raster
36
Raster
vs
Vektor
• Volume
data
• Raster
mempunyai ukuran sel yang
besar
• Format
data
dan kompresi dapat digunakan
• Sumber data
• Raster
baik untuk remote
sensing,
elevation
data
• Vektor digunakan untuk data
administratif
• Kecocokan software
• Beberapa GIT
cocok untuk raster
(ERDAS,
ENVI)
• Beberapa cocok untuk vektor (ArcGIS,
GeoMedia)
37
PENYIMPANAN
DATA
ATRIBUT
38
Penyimpanan Data
Atribut
• Disimpan terpisah dari data
koordinat
• Tiap identitas dari fitur dapat dihubungkan dengan tabel atribut:
tabel
atribut untuk titik,
garis,
area
• Data
atribut biasanya disimpan terpisah dalam database
yang
terpisah dari software
SIG
39
Penyimpanan Data
Atribut
• Desain database
yang
tidak memiliki banyak redundancy
• Menggunakan database
relational
• Proses
memisahkan beberapa variabel menjadi beberapa tabel à
normalisasi
40
Contoh penyimpanan Data
Atribut
• Fitur berupa titik
41
Penyimpanan Data
Atribut
• Fitur berupa area
42
Kualitas Data
Objek
• Ketelitian spasial (grafis/geometrik)
• Update
data
terakhir
• Tingkat
detail
data
(resolusi)
• Luas cakupan geografis dan atribut-‐atributnya
• Konsistensi logika yang
terdapat pada objek geometri dengan atribut-‐
atributnya
• Jenis representasi diskrit
• Relevansi à jika data
asli sulit didapat,
dapat menggunakan data
pengganti yang
relevan
43