█ Analisis
• Poses mengubah data menjadi sesuatu yang lebih
bermakna, yang disebut sebagai informasi
• Proses mengubah data mentah (raw data) menjadi
informasi yang berguna (useful information).
█ Analisis Spasial
• Metode atau teknik analisis yang secara eksplisit
menggunakan referensi keruangan yang berasosiasi
dengan data atau obyek yang di analisis
• Metode analisis yang hasilnya ditentukan oleh lokasi dari
obyek yang dianalisis. Jika lokasi obyek yang dianalisis
berubah, maka hasil analisis juga akan berubah
█ Mengukur Jarak
Mengukur jarak adalah teknik
analisis spasial yang paling dasar.
Jarak didefinisikan sebagai garis
lurus terpendek antara dua titik.
█ Analisis Proximity
Seperangkat garis lurus terpendek
antar sekelompok titik. Hasil analisis
adalah zona konsentris yang terbentuk
di sekeliling titik atau seperangkat
titik. Analog dengan riak air
(gelombang) yang terbentuk saat benda
dilempar ke permukaan air.
Sumber: Berry (2005)
Bowo Susilo, S.Si, M.T.
Konsep Dasar Pemodelan Spasial
█ Model
Banyak definisi model yang dikemukakan oleh para pakar
atau ilmuwan, namun pada hakekatnya bermuara pada
makna yang kurang lebih sama
• Bentuk sederhana dari realita (simplification of reality)
• Abstraksi dari realita
• Representasi dari realita
Material Simbolic
Structural Relational
Analisis Spasial
Analisis Proximity
█ Tujuan
• Memahami prinsip perhitungan jarak (distance calculation)
dan perbedaannya dengan analisis proximity
• Memperoleh data spasial (baru) melalui proses analisis
spasial yaitu analisis proximity (proximity analysis)
• Membuat data spasial jarak terhadap jalan
(merepresentasikan aksesibilitas positif)
• Membuat data spasial jarak terhadap sungai
(merepresentasikan aksesibilitas negatif)
Catatan
Hasil analisis akan digunakan sebagai bahan praktikum
bagian 2 (pemodelan spasial) yaitu pemodelan kontekstual.
█ Data
• Data spasial jalan
• Data spasial sungai
• Data spasial batas administrasi
█ Tahapan Praktikum
F Tampilkan data spasial jalan dan sungai
F Lakukan analisis proximity terhadap data jalan dan
sungai (Catatan: pada beberapa perangkat lunak, tool
untuk analisis biasanya disebut sebagai distance
analysis tools)
F Potong (clip/subset/mask) data hasil analisis proximity
menggunakan batas administrasi
█ Hasil Praktikum
• Data spasial jarak terhadap jalan
• Data spasial jarak terhadap sungai
• Pembahasan mengenai analisis proximity
Interpolasi Spasial
█ Tujuan
• Memperoleh data spasial (baru) dengan cara menerapkan
metode atau teknik interpolasi spasial
• Menerapkan teknik interpolasi IDW (Inverse Distance
Weight) untuk memperoleh data spasial curah hujan
• Menerapkan teknik interpolasi Krigging untuk
memperoleh data spasial curah hujan
█ Data
• Data tabular curah hujan
• Data spasial batas administrasi
█ Tahapan Praktikum
F Plotting lokasi stasiun curah hujan (konversi dari data
tabular menjadi data spasial)
F Interpolasi data spasial dengan teknik IDW
F Interpolasi data spasial dengan teknik Krigging
F Potong (clip/subset) hasil interpolasi menggunakan
batas administrasi
F Bahas perbedaan antara hasil interpolasi dengan teknik
IDW dan hasil interpolasi dengan teknik Krigging
F Bahas prinsip interpolasi dengan teknik IDW dan
Krigging
█ Hasil Praktikum
• Data spasial curah hujan hasil interpolasi dengan teknik
IDW
• Data spasial curah hujan hasil interpolasi dengan teknik
Krigging
• Pembahasan mengenai teknik interpolasi spasial IDW dan
Krigging
█ Tujuan
• Memperoleh data spasial (baru) dengan cara menerapkan
metode atau teknik interpolasi spasial
• Menerapkan teknik interpolasi khusus untuk data
topografi (kontur), yang disebut dengan hidrologically
correct interpolation
• Memahami proses pembentukan DEM (Digital Elevation
Model)
█ Data
• Data spasial topografi (kontur)
• Data spasial batas administrasi
█ Tahapan Praktikum
F Menampilkan data topografi (kontur)
F Interpolasi data kontur dengan teknik topo to raster
untuk menghasilkan DEM
F Subset data DEM dengan batas administrasi
█ Hasil Praktikum
• DEM (Digital Elevation Model)
• Pembahasan mengenai interpolasi spasial dengan teknik
topo to raster, perbedaannya dengan IDW dan Krigging
█ Tujuan
• Meningkatkan pemahaman tentang analisis karakteristik
medan yaitu slope dan aspect
• Menerapkan teknik analisis spasial untuk memperoleh
data spasial lereng (slope)
• Menerapkan teknik analisis spasial untuk memperoleh
data spasial aspect
• Menerapkan teknik analisis spasial untuk memperoleh
data spasial visibilitas lokasi
█ Data
• DEM (Digital Elevation Model) hasil praktikum acara 2
• Data spasial batas administrasi
█ Tahapan Praktikum
F Tampilkan data DEM
F Lakukan analisis untuk menghasilkan data spasial
lereng (slope)
F Lakukan analisis untuk menghasilkan data spasial
orientasi atau arah hadap lereng (aspect)
F Lakukan analisis untuk menghasilkan data spasial
visibilitas lokasi (viewshed)
Catatan
Analisis ini bertujuan
untuk mengetahui
berapa kali obyek
sungai dapat terlihat
dari suatu lokasi.
Semakin banyak
obyek sungai yang
terlihat, semakin
bagus pemandangan
pada lokasi tersebut,
semakin sesuai
untuk lokasi camping
ground
█ Hasil Praktikum
• Slope
• Aspect
• Visibilitas (Visual Exposure /Viewshed)
Pemodelan Spasial
Pemodelan Kontekstual(Biner)
█ Tujuan
• Memahami pemodelan spasial dengan teknik biner
• Menerapkan pemodelan spasial dengan teknik biner
untuk memetakan lokasi yang cocok untuk kegiatan
perkemahan (camping ground)
█ Data
• Data spasial lereng
• Data spasial jarak terhadap jalan
• Data spasial visibilitas terhadap sungai
• Data spasial orientasi (arah hadap) lereng (aspect)
█ Tahapan Praktikum
F Menampilkan data spasial sebagai input pemodelan :
lereng, jarak terhadap jalan, visibilitas terhadap sungai
dan arah hadap (orientasi) lereng
F Reklasifikasi data lereng (lereng kurang dari 20% = 1,
lereng lebih atau sama dengan 20% = 0)
F Reklasifikasi data spasial jarak terhadap jalan (jarak
kurang dari 90 m = 1, jarak lebih atau sama dengan 90
m= 0)
F Reklasifikasi data spasial Visibilitas (viewshed kurang
dari 120 = 0, viewshed lebih atau sama dengan 120= 1)
F Reklasifikasi data spasial arah hadap lereng (arah hadap
lereng S atau SW atau SE = 1, selain itu = 0)
F Gabungkan (overlay) seluruh input data dengan
menggunakan teknik perkalian (multiply)
Bowo Susilo, S.Si, M.T.
Acara 5
█ Tujuan
• Memahami pemodelan spasial dengan teknik rangking
• Menerapkan pemodelan spasial dengan teknik rangking
untuk memetakan lokasi yang cocok untuk kegiatan
perkemahan (camping ground)
█ Data
• Data spasial lereng
• Data spasial jarak terhadap jalan
• Data spasial visibilitas terhadap sungai
• Data spasial orientasi (arah hadap) lereng (aspect)
█ Tahapan Praktikum
F Menampilkan data spasial sebagai input pemodelan :
lereng, jarak terhadap jalan, visibilitas terhadap sungai
dan arah hadap (orientasi) lereng
F Reklasifikasi data lereng (lereng kurang dari 20% = 1,
lereng lebih atau sama dengan 20% = 0)
F Reklasifikasi data spasial jarak terhadap jalan (jarak
kurang dari 90 m = 1, jarak lebih atau sama dengan 90
m= 0)
F Reklasifikasi data spasial Visibilitas (viewshed kurang
dari 120 = 0, viewshed lebih atau sama dengan 120= 1)
F Reklasifikasi data spasial arah hadap lereng (arah hadap
lereng S atau SW atau SE = 1, selain itu = 0)
F Gabungkan (overlay) seluruh input data dengan
menggunakan teknik penjumlahan (addition)
Bowo Susilo, S.Si, M.T.
Acara 6
█ Tujuan
• Memahami pemodelan spasial dengan teknik rating
• Menerapkan pemodelan spasial dengan teknik rating
untuk memetakan lokasi yang cocok untuk kegiatan
perkemahan (camping ground)
█ Data
• Data spasial lereng
• Data spasial jarak terhadap jalan
• Data spasial visibilitas terhadap sungai
• Data spasial orientasi (arah hadap) lereng (aspect)
█ Tahapan Praktikum
F Menampilkan data spasial sebagai input pemodelan :
lereng, jarak terhadap jalan, visibilitas terhadap sungai
dan arah hadap (orientasi) lereng
F Reklasifikasi data lereng menjadi 9 kelas
F Reklasifikasi data spasial jarak terhadap jalan menjadi 9
kelas
F Reklasifikasi data spasial Visibilitas menjadi 9 kelas
F Reklasifikasi data spasial arah hadap lereng menjadi 9
kelas
F Gabungkan (overlay) seluruh input data dengan
menggunakan teknik rerata (mean)
F Klasifikasi rerata skor (score mean) menjadi 9 kelas
kesesuaian
Bowo Susilo, S.Si, M.T.
Acara 7
█ Tujuan
• Memahami pemodelan spasial numerikal (statistikal)
• Menerapkan pemodelan spasial numerikal dengan teknik
analisis regresi logistik untuk memetakan bahaya longsor
█ Data
• Data spasial lereng
• Data spasial curah hujan
• Data spasial jenis tanah
• Data spasial lokasi kejadian longsor
█ Tahapan Praktikum
F Menampilkan data spasial sebagai input pemodelan :
lereng, curah hujan, jenis tanah, lokasi kejadian longsor
F Analisis hubungan antara peta kejadian longsor dengan
peta lereng, curah hujan dan jenis tanah
F Terapkan hasil analisis untuk membuat peta bahaya
longsor (peta probabilitas terjadinya longsor)
Evidents
Tanah
Hujan
Lereng
█ Hasil Praktikum
1 Klasifikasi
Nilai
Probabilitas