RESUME

KUALITAS DATA SPASIAL INDONESIA

(Diajukan untuk memunuhi tugas mata kuliah Sistem Informasi Geografis)

NAMA KELOMPOK 5

1. ANDI SABRINA A351 17 018

2. ANGKI A351 17 035
3. NI WAYAN WIDYAWATI A351 17 037
4. PRIA SARJONO A351 17 039

PROGRAM STUDI S-1 PENDIDIKAN GEOGRAFI

JURUSAN PENDIDIKAN ILMU PENGETAHUAN SOSIAL

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS TADULAK

TAHUN 2019/2020
 KUALITAS DATA SPASIAL INDONESIA

A. Komponen Kualitas Data

Komponen Kualitas Data Komponen kualitas data terbagi atas 9 komponen,

yangg dikelompokkan menjadi 3 kategori: 1) Komponen level mikro 2)
Komponen level makro 3) Komponen pemanfaatan.

1. Komponen Level Mikro adalah Komponen Kualitas Data Faktor kualitas yang
berhubungan dengan unsur data individu Meliputi: a) Akurasi posisi b) Akurasi
atribut c) Konsistensi logik d) Resolusi. Akurasi Posisi Komponen Kualitas Data
adalah proses pencocokan letak suatu obyek pada suatu peta dengan posisi
sebenarnya dipermukaan bumi. Diuji dgn memilih sampel titik yg ditentukan dan
membandingkan koordinat posisinya dengan sumber 2 informasi independen dan
lebih akurat. Ada 2 komponen akurasi posisi: 1) Bias: Terkait ketidakcocokan
yang sistematis antara posisi yang terwakili dan yang sebenarnya Idealnya harus
bernilai nol, artinya tdk ada kecenderungan pererbedaan yg sistematik letak suatu
obyek pd peta dgn posisi sebenarnya. Umumnya diukur dgn kesalahan posisi rata
2 dari titik sample. 2) Presisi: Terkait sebaran kesalahan posisi dari elemen data
Umumnt6ya diestimasi dgn mengkalkulasi standar deviasi dari titik 2 uji yg
terpilih
2. Komponen Kualitas Data b) Akurasi Atribut Bisa berupa variabel diskrit atau
kontinyu. Variabel diskrit hanya mengambil jumlah nilai yg terbatas Contoh:
klasifikasi penggunaan lahan, tipe vegetasi, wilayah administrasi, termasuk
penilaian angka 2. Variabel kontinyu dapat mengambil jumlah nilai apapun:
Contoh: temperatur, nilai rata 2 c) Konsistensi Logik Terkait dgn bagaimana
hubungan logik yg baik antara elemen 2 data agar bisa terjaga. Terutama dalam
pemetaan suatu wilayah, spt pemetaan perairan waduk yg selalu naikturun
sepanjang tahun. Layer 2 GIS yg berbeda bisa menunjukkan batasan waduk pd
lokasi yg berbeda tergantung pd tanggal pemetaan. Scr hasil, batasan waduk mgk
digambarkan scr akurat, tp scr logik tidak konsisten diantar layer 2 data. d)
Resolusi Resolusi suatu data set merupakan unit terkecil yg dpt dilihat / unit
terkecil yg dpt direpresentasikan Misal: foto udara, citra satelit Resolusi terkait
dgn obyek terkecil yg dapat dilihat (resolusi spasial).
3. Komponen Kualitas Data 2) Komponen Level Makro Meliputi: a)
Completeness Diartikan sbg obyek dan karakteristik produk/jasa yg dapat dilihat
dari kemampuannya utk memenuhi kebutuhan pengguna / kondisi ketika entitas
obyek dlm suatu kelompok data merepresentasikan semua entitas yg ada di
lapangan. b) Time Merupakan faktor kritis dlm penggunaan banyak tipe informasi
geografi Aspek kualitas yg memandang suatu fitur obyek tsb terbaru/tidak 10
Komponen Kualitas Data 2) Komponen Level Makro c) Lineage Diartikan sbg
riwayat data yg didalamnya berisi informasi2 tentnang awal keberadaan data tsb.
Informasi lineage yg ditampilkan, meliputi: Sumber data yg berisi ttg: Dari mana
data diperoleh, siapa yg bertanggungjawab trhdp publikasi data tsb Referensi
koordinat dan datum Sistem proyeksi Koreksi dan kalibrasi Karakteristik data
(spt: skala, resolusi, akurasi dan presisi) Akuisisi data, yg berisi ttg waktu
pengambilan data KompIlasi data, yg berisi ttg level koreksi data Derivasi data,
yg berisi ttg format dan klasifikasi data Transformasi data, yg berisi ttg proses
transformasi yang dilakukan mncakup: transformasi koordinat,
interpolasigeneralisasi, eksegresi, reklasifikasi, dll

B. Sumber-Sumber Kesalahan

Sumber-Sumber Kesalahan Kesalahan pengumpulan data Kesalahan yg terjadi

krn adanya ketidakakurasian dalam: pengukuran lapangan, peralat tidak akurat,
prosedur pencatatan yg tidak akurat Kesalahan input data Kesalahan input data
terutama posisi, Misalnya kesalahan registrasi ketika digitasi peta. Kesalahan
penyimpanan data Terutama dalam pemyimpanan data rester dalam hal resolusi
(pixel) Kesalahan manipulasi data Seperti slaah dalam overlay peta, query spasial,
dll. Kesalahan output data Kesalahan ketika plotting peta menyebabkan hasil yg
tidak akurat Kesalahan pemanfaatan hasil Adanya kesalahan dlm analisis, tingkat
akurasi, dsb, menyebabkan kesalahan interpretasi dan tidak tepat sasaran.

C. Penanganan Data Spasial

Kebutuhan Data Spasial Data spasial yang dikumpulkan utk GIS tidak scr
langsung digunakan Perlu pemilihan, seleksi dan pertimbangan sejumlah kriteria
data spasial yg tepat sesuai masalah yg akan diselesaikan Hasil pengolahan dan
analisa digunakan utk pengambilan keputusan. Untuk itu perlunya data spasial yg
memenuhi standar kualitas meliputi: akurasi, atribut, konsistensi data, resolusi,
kelengkapan datam waktu pengambilan data, kesalahan-kesalahan data, kesalahan
output peta dsb.

Kualitas informasi geospasial pada peta dasar RBI, LPI, dan LLN
merupakan informasi yang harus diketahui dan dinyatakan secara jelas untuk
menjamin kualitas IG turunannya, yaitu peta tematik. Berdasarkan standar kualitas
data geospasial ISO 19157:2013, terdapat 6 elemen kualitas data. Setiap elemen
tersebut memiliki jenis dan ukuran kualitas masing-masing, sehingga informasi
kualitas yang melibatkan keseluruhan elemen menjadi tidak sederhana.
Dibutuhkan suatu pernyataan sederhana untuk menyatakan informasi kualitas
yang mudah dipahami oleh pengguna peta. Penelitian ini mengembangkan metode
untuk menyusun kelas kualitas peta dasar, dengan melakukan agregasi elemen
kualitas pada setiap kategori unsur. Metode agregasi kualitas meliputi perhitungan
tanpa bobot dan perhitungan dengan bobot. Pada perhitungan tanpa bobot, setiap
elemen kualitas data dan kategori unsur memiliki tingkat kepentingan yang sama;
sedangkan pada perhitungan dengan bobot, elemen kualitas data dan kategori
unsur yang lebih penting memiliki bobot yang lebih besar dibandingkan dengan
elemen kualitas data dan kategori unsur yang lainnya. Peta dasar hasil evaluasi
kualitas (QE) memiliki informasi berupa kelas
Data geospasial merupakan rekaman fenomena/ obyek-obyek keruangan yang
selanjutnya diolah menjadi Informasi Geospasial (IG). IG kemudian digunakan
sebagai alat bantu dalam pembuatan kebijakan, pengambilan keputusan, dan
pelaksanaan kegiatan yang berkaitan dengan ruang kebumian. Pada Undang
Informasi Geospasial (Indonesia, 2011), IG dikategorikan menjadi IG Dasar
(IGD) dan IG Tematik (IGT). IGD menjadi referensi atau acuan dalam
menghasilkan IGT. Representasi dari IGD dapat diwujudkan dalam bentuk peta
dasar. Di Indonesia, peta dasar terdiri dari Peta Rupa Bumi Indonesia (RBI), Peta
Lingkungan Pantai Indonesia (LPI), dan Peta Lingkungan Laut Nasional (LLN)
Oleh karena itu, kualitas data geospasial pada peta dasar RBI, LPI, dan LLN
merupakan informasi yang harus diketahui dan dinyatakan secara jelas untuk
menjamin kualitas IG turunannya, yaitu peta tematik. Hal ini sejalan dengan salah
satu pilar dalam Kebijakan Satu Peta ( One Map Policy ) yaitu adanya satu
standar, khususnya standar kualitas. Sebagai rekaman fenomena tentang lokasi
geografis, dimensi/ukuran, dan karakteristik objek yang berada di bawah, pada,
atau di atas permukaan bumi, data geospasial harus dapat mewakili keadaan
sebenarnya di lapangan.

Kualitas dari data geospasial ini dapat dimaknai sebagai kedekatan data
terhadap keadaan sebenarnya di lapangan. Oleh karena keadaan sebenarnya di
lapangan merupakan hal yang kompleks, maka perlu dibangun suatu model untuk
penentuan kualitas data geospasial ini. Model kualitas ditentukan berdasarkan
kepentingan penggunaan ataupun spesifikasi produk (Frank, 2007; Goodchild,
1993; Goodchild, 2009, 2011; Joos, 2016). Model kualitas adalah spesifikasi
kualitas suatu data, meliputi deskripsi elemen dan sub-elemen kualitas, ukuran
kualitas, dan syarat kualitas pada setiap unsur. Pada model kualitas data
geospasial, terdapat 3 aspek yang berpengaruh terhadap kualitas data geospasial,
yaitu riwayat data ( lineage ), pihak yang bertanggung jawab, dan elemen kualitas
data. Riwayat data ( lineage ) merupakan sumber data dan proses yang terlibat
dalam data. Contoh dari riwayat data antara lain data hasil fotogrametri, hasil
pengukuran terestris, hasil pengolahan citra, hasil digitasi, hasil generalisasi, hasil
transformasi, ataupun hasil konversi data. Sumber data dan proses yang terlibat
dalam perwujudan data dapat menentukan ukuran dan syarat kualitas data
geospasial. Sementara itu, elemen kualitas data terdiri dari aspek-aspek penentu
kualitas, meliputi kelengkapan ( completeness ), akurasi posisi ( positional
accuracy ), akurasi tematik ( t h e m a tic a c c u r a c y ), kemutakhiran ( up - to -
dateness ), dan konsistensi logis ( logical consistency ). Untuk elemen kegunaan ((
usability ) memiliki kaitan langsung dengan pihak yang bertanggung jawab
terhadap data karena terkait dengan kepentingan penggunaan data itu sendiri
(Dassonville, Vauglin, Jakobsson, & Luzet, 2002; Devillers, Gervais, Bédard, &
Jeansoulin, 2002; Guptill & Morrison, 1995; Jakobsson & Giversen, 2009;
Jakobsson, 2002; McGranaghan, 1993; Oort, 2006). Model kualitas data
geospasial tersebut disusun dalam proses evaluasi kualitas ( Quality
Evaluation/QE ). Menurut Jakobsson & Giversen (2009), QE adalah pengujian
data terhadap spesifikasi tertentu dalam rangka melaporkan hasil kualitas data.
Berdasarkan standar EN ISO 19114 tentang prosedur QE (ISO, 2003), terdapat
panduan proses QE data geospasial, meliputi penentuan elemen dan sub-elemen
kualitas data yang sesuai, penentuan ukuran kualitas untuk setiap sub-elemen
kualitas data, pemilihan dan penerapan metode QE, penentuan hasil kualitas data,
penentuan kesesuaian penggunaan data berdasarkan kualitasnya, dan pelaporan
hasil QE. Pelaporan kualitas data dapat berupa nilai kuantitatif maupun kualitatif.
Agar pernyataan kualitas dapat dipahami secara sederhana, penelitian ini
bertujuan untuk menentukan kelas kualitas dalam melaporkan atau menyatakan
kualitas data geospasial, khususnya dalam peta dasar RBI, LPI, dan LLN.

D. Pemilihan Elemen Kualitas Data

Kualitas adalah keseluruhan sifat dari suatu produk yang terkait dengan
kemampuan produk tersebut untuk memenuhi kebutuhan yang tersurat maupun
tersirat (Goodchild, 1993; ISO, 2013). Standar kualitas diperlukan untuk
mengukur kualitas suatu data. Pada data geospasial, dokumen standar kualitas
yang digunakan adalah ISO/DIS 19157 Geographic Information – Data Quality ,
yang mendefinisikan kualitas data geospasial terdiri dari 6 elemen, yaitu
kelengkapan, konsistensi logis, akurasi posisi, akurasi tematik, kualitas temporal,
dan elemen kegunaan. Setiap elemen kualitas terdiri dari beberapa sub-elemen dan
ditunjukkan pada Tabel 1. Dalam mengukur kualitas pada setiap unsur, elemen
kualitas yang digunakan dapat berbeda sesuai dengan karakteristik unsur tersebut.
Penentuan elemen dan sub-elemen kualitas di setiap unsur pada peta RBI, LPI,
dan LLN dilakukan berdasarkan dokumen d a t a s p e cific a tio n (INSPIRE,
n.d.) dan hasil analisis. Elemen kualitas dari Inspire menjadi bahan pertimbangan
dalam analisis untuk mendapatkan elemen yang akan diperhitungkan dalam
agregasi penentuan kelas. Analisis pemilihan elemen kualitas didasarkan pada
karakteristik dari setiap unsurnya. Elemen dan subelemen kualitas yang bersifat
wajib akan menjadi elemen yang diperhitungkan dalam agregasi penentuan kelas

Secara keseluruhan pada peta RBI, LPI, dan LLN. Sementara itu, untuk
elemen dan subelemen kualitas yang bersifat tidak wajib tidak diperhitungkan
dalam agregasi penentuan kelas Peta RBI, LPI, dan LLN tersusun dari beberapa
unsur. Setiap unsur tersebut memiliki elemen dan sub-elemen kualitas masing-
masing. Maka, penentuan kualitas data geospasial secara keseluruhan pada peta
RBI, LPI, dan LLN tidak dapat ditentukan berdasarkan satu elemen saja,
melainkan sebagai gabungan kualitas dari setiap elemen dan sub-elemen pada
setiap unsur dalam peta RBI, LPI, dan LLN. Konsep gabungan kualitas tersebut
diilustrasikan pada Gambar 1. Dalam ISO 19157:2013, gabungan kualitas data
disebut sebagai aggragated d ata quality result (ADQR). Nilai ADQR dapat
digunakan sebagai suatu kesimpulan kualitas data agar pernyataan kualitas data
dapat dinyatakan secara kualitatif (Riqqi, 2016). Dengan menggunakan ADQR,
ukuran kualitas yang berbeda pada setiap elemen dapat diatasi dengan
menggunakan kelas (Report, 2015). Dengan penggunaan kelas untuk dipahami
oleh pengguna. Pada penelitian ini, penentuan kelas kualitas data geospasial
dilakukan dalam 2 tahapan, yaitu penentuan kelas dokumen dan literatur, meliputi
Perka BIG No. 15 Tahun 2014 tentang Pedoman Teknis Ketelitian Peta Dasar
(BIG, 2014), Perka BIG No. 14 Tahun 2013 tentangNorma, Standar, Prosedur,
dan Kriteria Pemutakhiran IGD (BIG, 2013), kualitas data. Perhitungan ADQR
dimaksudkan untuk mendapatkan informasi kelas kualitas peta dasar berdasarkan
pada semua elemen kualitas yg dipilih. Penentuan kelas kualitas dengan ADQR
dilakukan menggunakan 2 metode yaitu perhitungan tanpa bobot ( u n w eig h t e
d c alc ula tio n ) dan perhitungan dengan bobot ( weighted calculation ).

E. Penentuan Kelas untuk Setiap Elemen Kualitas

Pada tahap ini, setiap elemen kualitas pada peta dasar dikategorikan menjadi
4 kelas kualitas data, secara berturut-turut dari kualitas tertinggi ke terendah: A, B,
C, dan E. Penentuan kelas kualitas ini merupakan hasil analisis dari beberapa
untuk menyatakan kualitas data geospasial pada peta dasar, informasi kualitas
menjadi lebih sederhana kualitas, namun dapat digunakan sebagai informasi
kualitas berdasarkan masing-masing elemen tersebut yang dapat diinformasikan
dalam meta data. Antara A+, A, AB, B, BC, dan C yang menunjukkan tingkat
kualitas peta dasar. nilai kelas ini digunakan untuk memudahkan pengguna peta
dalam memahami kulitas peta dasar.
Kesalahan-kesalahan yang biasa terdapat pada data spasial yang berujud peta
adalah : - kesalahan atribut (kesalahan dalam pemberian label) - kesalahan pada
lokasi atau kesalahan ukuran obyek Titik Berat Perhatian Pada Kualitas Data
Spasial Pada masa data analog Perhatian pada akurasi posisi planimetrik
ketelitian posisi di peta dibandingkan dengan di lapangan Pada masa data digital
Pendefinisian elemen yang berpengaruh pada kualitas data spasial Pemikiran
tentang bagaimana pengguna dapat dengan mudah membaca atau menggunakan
data spasial Pemikiran tentang bagaimana dapat divisualisasikan dan diakses
dengan baik, akurat dan mudah
Titik Berat Perhatian Pada Kualitas Data Spasial
Mengapa kualitas data penting dalam SIG ? Pada saat menggunakan SIG,
kesalahan pertama timbul pada saat input data. Basis data SIG biasanya berisi data
dari berbagai sumber dengan berbagai kualitas. Ada data yang dibuat tanpa
prosedur kontrol kualitas yang jelas. Ada operasi-operasi dalam SIG yang
menghasilkan ‘kesalahan baru’.
Titik Berat Perhatian Pada Kualitas Data Spasial
ICA (International Cartographic Association) Menentukan elemen-elemen
(komponen-komponen) yang mempengaruhi kualitas data spasial, meliputi :
Lineage (riwayat data) Positional Accuracy Attribute Accuracy Completeness
Logical Consistency Semantic Accuracy Temporal Information
Lineage Lineage secara mudah dapat diartikan sebagai riwayat data, yang di
dalamnya berisi informasi-informasi tentang awal mula keberadaan data tersebut.
Informasi yang harus ditampilkan dalam lineage adalah : (a) Sumber (b) Akuisisi
(c) Kompilasi (d) Derivasi (e) Konversi (f) Transformasi dan, (g) Analisis
Lineage Sumber data berisi tentang : Dari mana data diperoleh, data siapa yang
bertanggung jawab terhadap publikasi data tersebut Referensi koordinat dan
datum Sistem proyeksi Koreksi dan kalibrasi Karakteristik data : skala, resolusi,
akurasi dan presisi Akuisisi data berisi tentang : Waktu pengambilan data
Kompilasi data berisi tentang : Level koreksi data
Lineage Derivasi data berisi tentang : Tingkat pemrosesan data
Konversi data berisi tentang : Format dan klasifikasi data Transformasi data berisi
tentang : Proses transformasi yang dilakukan : transformasi koordinat, interpolasi,
generalisasi, eksegresi, penggabungan, reklasifikasi, dll. Analisis data berisi
tentang : Proses analisis yang dilakukan pada data tersebut : Klasifikasi, buffer,
filter, operasi matematika, dll.
Lineage Standarisasi untuk lineage data di dunia sudah ada, yaitu :
NTF (National Transfer Format) Inggris SDTS (Spatial Data Transfer Standard)
USA TQM (A Total Quality Management) GEOLINEUS
Lineage Contoh Lineage : Sumber data : data diambil dari foto udara
Metode akuisisi dan derivasi data : pengukuran fotogrametri Tanggal dan skala
data : , 1 : Struktur sumber data : 60% bertampalan Akurasi dan presisi kamera :
kamera sudah dikalibrasi dengan standar nasional (.? Micron) Transformasi,
interpolasi, displacement, eksegrasi, dll : transformasi tiga dimensi berdasarkan
titik tinggi terpilih, tiap titik diambil pada suatu jaring-jaring dengan jarak 25
meter, tidak ada ekstrapolasi diluas titik kontrol. Asumsi yang digunakan dalam
proses : titik ikat diasumsikan bebas kesalahan Positional Accuracy Ketelitian :
Perbandingan antara nilai hasil pengukuran dengan nilai yang sesungguhnya
Perbandingan antara nilai hasil pengukuran dengan suatu standar yang telah
ditetapkan.
Parameter Ketelitian Posisi Tinggi (kontur)
Standar ketelitian posisi (NMAS) δp = (0,3 x penyebut skala) mm Arah Standar
ketelitian arah ? => 90% Jarak Standar ketelitian jarak (Takasaki, 1983) δp = (0,5
x penyebut skala) mm Luas Standar ketelitian luas ? => 90% Tinggi (kontur)
Standar ketelitian tinggi (kontur) Ci = (1/2000 skala peta) meter Attribute
Accuracy Parameter ketelitian : Ketelitian Klasifikasi
A B C Total A B C Total. Completeness Definisi :
Kelengkapan obyek dan karakteristik produk atau jasa yang dapat dilihat dari
kemampuannya untuk memenuhi kebutuhan pengguna Kondisi ketika entitas
obyek dalam suatu kelompok data merepresentasikan semua entitas yang ada di
lapangan Parameter Ketelitian Data Completeness Formal completeness : semua
standar formal data dipenuhi Entity object completeness : semua informasi yang
dapat diperoleh melalui data tersebut, baik secara eksplisit maupun implisit Model
Completeness Kelengkapan dari model yang digunakan dalam menghasilkan data
atau informasi..Logical Consistency F. Semantic Accuracy G. Temporal
Information Penanganan Data Spasial Untuk menangani berbagai macam data
dari berbagai sumber yang sudah diketahui dengan baik kualitasnya, diperlukan
suatu sistem dengan standar yang baku, untuk memudahkan proses dan analisis
lebih lanjut. Sistem Penanganan Data Spasial yang Baik :
Interoperability Kemampuan berkomunikasi antar sistem yang berbeda Portability
Kemampuan suatu sistem untuk digunakan pada berbagai keperluan.
 Sistem Penanganan Data Spasial yang Baik : Data Exchange Kemampuan
untuk tukar menukar data dan informasi antar sistem Data exchange using
translator Data exchange using industry de facto standards Data exchange using
formal standar Choice and Economic Scale Kemampuan suatu sistem untuk
diakses oleh banyak user dengan biaya yang terjangkau LAN WAN.
Sistem Penanganan Data Spasial yang Baik :
Easy of Learning Kemudahan suatu sistem untuk dipelajari oleh banyak user
dengan cepat dan mudah Drawback of Standard Kemudahan suatu standar untuk
diperbaharui sesuai dengan kebutuhan user.
F. Kualitas Dan Sumber Kesalahan Data Spasial di Indonesia
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
Kualitas Data SIG Kebutuhan (waktu) Biaya Ketidakakuratan posisi dan
ketidakpastian atribut akan bersifat akulmulatif (meningkat dan berkembang)
selama analisis PERKEMBANGAN KESALAHAN DALAM SIG jika tidak
diperbaiki sebelum dilakukan analisis Contoh : Pada awal kesalahan yg ada sangat
kecil sehingga dapat diabaikan setelah beberapa tahapan kesalahan tsb
berlipatganda pada akhir analisis menjadi bermakna. Pengumpulan Data Pra-
pengolahan Analisis Data Aplikasi/Permodelan Penyajian Pengambilan keputusan
Implementasi KOMPONEN KUALITAS DATA Kesalahan mikro : kesalahan tsb
bersifat lokal dan tidak sistematis, sebagian besar dapat diperbaiki.
Kualitas data sig makro mikro Komponen kualitas data unsur mikro : 1.
Keakuratan posisi 2. Keakuratan atribut 3. Kokonsistenan logika 4. Resolusi
Komponen kualitas data unsur makro : 1. Kelengkapan data 2. Waktu 3. Latar
belakang data Komponen Kualitas Data Mikro 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. Keakuratan Posisi 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 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. Keakuratan Posisi 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 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 Keakuratan Atribut Komponen kualitas data mikro
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. Yang 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. Konsistensi Logika
Komponen kualitas data mikro 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, Resolusi 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 Tanaman pangan Peternakan Brokoli Wortel Tomat Padi Umbi-
umbian Lembu Sapi Domba Kehutanan Daun Jarum Daun Lebar Campuran Pinus
Jati 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 memerlukan biaya.
Sumber-sumber kesalahan dalam sig Kemungkinan sumber-sumber kesalahan
pada SIG Dimulai sejak awal pemasukan data, pengolahan, hingga waktu
penyajian hasil Sumber-sumber kesalahan yg jelas Kesalahan-kesalahan dari
variasi alami atau pengukuran awal Kesalahan yg muncul karena pengolahan 1.
Umur data 2. Cakupan area 3. Skal peta 4. Komponen pengamatan 5. Kerelevanan
6. Format 7. Assesibilitas 8. Biaya 1. Keakuratan posisi 2. Keakuratan isi 3.
Variasi data : pemasukan data, pengamatan bias, variasi alami 1. Kesalahan
numerik dlm komputer 2. Kesalahan karena analsisi topologi 3. Persoalan
Klasifikasi dan generalisasi : metodologi, defenisi 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 yang
sudah 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? Dalam 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.
 DAFTAR PUSTAKA

Basofi, Arif .2017. Kualitas Data Spasial. (artikel Online ) diunduh melalui:
https://docplayer.info/49926169-Kualitas-data-spasial-arif-basofi-pens-
2017.html pada Senin, 16 Desember 2019 Pukul 09:00 WITA.

Mastur, A. K. 2016. Kualitas Dan Sumber Kesalahan Data Spasia. (artikel online
) diunduh melalui : https://dokumen.tips/documents/12-kualitas-dan-
sumber-kesalahan-data-spasial.html. Pada Senin, 16 Desember 2019
Pukul 09:00 WITA.

Sistem Informasi Geografis, Graha Ilmu, 2013 Muhamad Jafar Elly, Sistem
Informasi Geografi, Teknosain, 2016