Oleh :
Golongan D/Kelompok 2
1. Nurul Maslucha (191510501088)
2. Farhan Adi Prasetyo (191510501120)
3. Anggreini Maya Lestari (191510501131)
4. Gitindra Ikhlasul Amal (191510501143)
5. Indri Febrianti (211510501133)
6. Muhamad Noviar Ramadhan (211510501150)
1.2 Tujuan
Untuk mengetahui teknik analisis dan akurasi daya menggunakan aplikasi
Quantum GIS.
BAB 2. HASIL DAN PEMBAHASAN
2.1 Hasil
1. Siapkan data mentah berupa data 20 titik sampel dengan format .shp, dan
tentukan minimal 1 parameter, kemudian lakukan interpolasi (IDW) sesuai data
yang diperoleh.
2. Buka aplikasi QGIS dan dan install “Point Sampling Tools” dengan menekan
menu toolbar “Plugins” kemudian tekan “Manage and Install Plugins”.
3. Setelah itu, akan muncul tampilan pada gambar di bawah. Selanjutnya, mencari
“Point Sampling Tools” pada browser, kemudian tekan dan lakukan
penginstallan.
5. “Point Sampling Tools” yang telah di tekan akan muncul tampilan pada gambar
dibawah. Langkah selanjutnya adalah memblok bagian pH dan raster pada bagian
“Layers with Field” dan kemudian simpan dengan format .shp contoh “Peta
Kecamatan Ajung.shp” lalu tekan “OK”.
6. Setelah data disimpan akan muncul file RMSE pada Layers kemudian klik kanan
dan pilih “Open Atribute Table”.
7. Klik tools “Open Field Calculator” kemudian pada bagian output field name
ketik “SE”, bagian output field type pilih “Decimal number”, bagian Expresion
ketik rumus (“Clipped (m” – “pH”) ^ 2 dan klik “OK”
8. Setelah itu, akan muncul tampilan seperti pada gambar di bawah kemudian data
SE yang diperoleh copy paste pada Microsoft Excel.
2.2 Pembahasan
Pemetaan terdapat sebuah interpolasi, yang dimana interpolasi diartikan sebagai
sebuah perkiraan nilai dari daerah yang tidak bisa diukur (Hendro, 2018).Root Mean
Square Error (RMSE) adalah metode pengukuran dengan mengukur perbedaan nilai
dari prediksi sebuah model sebagai estimasi atas nilai yang diobservasi. Root Mean
Square Error adalah hasil dari akar kuadrat mean squer error. Keakuratan metode
estimasi kesalahan pengukuran ditandai dengan adanya nilai RMSE yang kecil.
Metode estimasi yang mempunyai Root Mean Square Error (RMSE) lebih kecil
dikatakan lebih akurat daripada metode estimasi yang mempunyai Root Mean Square
Error (RMSE) lebih besar Metode Root Mean Square Error (RMSE) diterapkan di
Meteorologi untuk melihat seberapa efektif model perkiraan matematis tentang
lingkungan di Atmosfer. (Menurut (Saparnas,2020)Inverse Distance Weighting
(IDW). Dalam penaksiran masing-masing metode akan memberikan nilai RMSE
(Root Mean Square Eror) dari hasil cross validation. Nilai RMSE adalah parameter
yang dipakai dalam menilai performa masing-masing metode. Model dengan nilai
RMSE terkecil dipilih sebagai yang terbaik
Berdasarkan hasil interpolasi peta yang dilakukan oleh kelompok kami yaitu
melakukan tutorial diatas pada kecamatan Ajung diperoleh nilai RMSE sebesar
6,74985 yang menunjukan tingkat keakurasian analisis data. Nilai RMSE didapatkan
untuk menunjukkan tingkat keakurasian dan hasil analisisdari hasil data yang telah
diperoleh dan kemudian diolah. Akuratnya RMSE itu diperoleh pada besar kecil nilai
yang diperoleh, apabila semakin besar nilai RMSE maka akan mengalami beberapa
kendala.
Menurut Kurniadi, dkk 2018), RMSE adalah akar kuadrat dari rata-rata selisih
kuadrat dari data observasi dan perkiraan. Rumus menghitung RMSE adalah sebagai
beriku :
Tahun 2020
Sistem informasi berbasis geospasial disajikan dalam bentuk peta dan data
secara interaktif, Sistem informasi pada 41 subak di Kota denpasar di sajikan pada
Gambar 1 ditujukan pada informasi kelas kesesuaian lahan di masing-masing subak
secara cepat dan terintegrasi antara data spasial (subak) dan data atribut (kesesuaian
lahan). Informasi kesesuaian lahan untuk masing-masing komoditas di masing-
masing subak sangat membantu dalam pengembangan komoditas tertentu.
Tabel 1. Perencanaan penggunaan lahan di Kecamatan Denpasar Selatan
Perencanaan penggunaan lahan berbasis subak dilakukan melalui rekapitulasi
kelas kesesuaian lahan dari masing-masing komoditas, adapun perencanaan
penggunaan lahan berdasarkan komoditas disajikan dalam Tabel 1. Perencanaan
penggunaan lahan untuk setiap kecamatan dilakukan melalui perwilayahan
komoditas.
Kelebihan :
Struktur yang dimiliki jurnal sudah lengkap. Bab keempat dari jurnal tidak
hanya berisi kesimpulan akan tetapi juga dilengkapi dengan saran. Hasil penelitian
dijelaskan secara rinci yang dilengkapi dengan tabel perencanaan dan hasil dari
pemetaan penggunaan lahan, yang diperoleh melalui penggunaan software QGIS dan
remote sensing juga dilampirkan pada bagian hasil dan pembahasan.
Kekurangan :
Kekurangan pada jurnal tersebut yaitu penjelasan dari beberapa subbab di
dalam jurnal kurang detail, karena hanya dijelaskan secara singkat. Masih terdapat
kesalahan dalam penulisan huruf. Beberapa kalimat dalam jurnal juga masih bertele-
tele.
BAB 3. KESIMPULAN
QGIS sangat memiliki hubungan erang dengan RMSE atau Root Mean Square
Error. Hal ini dikarenakan dalam proses penghitungan analaisis data harus memiliki
tinkat aakurasi yang tinggi sehingga harus melalui proses RMS ini. Dalam Pemetaan
lahan dengan menggunakan software QGIS ini dapat dikembangkan terlebih dahulu
agar pembacaan peta lahan tersebut sudah baik. Dalam software QGIS untuk
pemetaan yang lebih lanjut yaitu dapat dengan menggunakan interpolasi IDW dan
juga kriging cara tersebut sudah dapat menjadi salah satu hal yang memiliki
kelengkapan lebih dalam suatu peta tersebut. Dalam Pemetaan lahan terdapat sebuah
interpolasi, yang dimana interpolasi ini sebagai perkiraan nilai dari suatu daerah
untuk menetukan peerkiraan. Untuk menghitung nilai perkiraan dari nilai yang akan
di observasi maka dilakukanlah metode RMSE yang dimana RMS ini adalah hasil
dari akar kuadrat mean squer error. Dalam keakuratan metode estimasi kesalahan
pengukuran RMSE ini ditandai dengan adanya nilai RMSE yang kecil
DAFTAR PUSTAKA
Husen, N.A., T.K. Loos., K.H.A.Siddig. 2017. Social Capital and Agricultural
Technology Adoption among Ethiopian Farmers. American Journal of Rural
Development, 5 (3) : 65-72
Rodilla, M., P., Panach, J. I., Gonzalez-Perez, C., and Pastor, O. 2018. Assessing data
analysis performance in research contexts: An experiment on accuracy,
efficiency, productivity and researchers’ satisfaction. Data & Knowledge
Engineering, 116, 177–204.
Sulistyanto. 2021. Sistem Informasi Geografis Teori Dan Praktik Dengan Quantum
Gis. Malang : Ahlimedia Press
Wang, W dan Y. Lu. 2018. Analysis of the Mean Absolute Error (MAE) and the Root
Mean Square Error (RMSE) in Assessing Rounding Model. ICMEMSCE,
324 : 1-11
Roni, S., Adnyano, A. I. A., & Isjudarto, A. (2020). Penaksiran Kadar Al2O3 Pada
Endapan Bauksit Laterit Dengan Metode Ordinary Kriging (OK) Dan Inverse
Distance Weighting (IDW) Untuk Estimasi Jumlah Sumberdaya Bauksit
(Al2O3) Di PT Sandai Kemakmuran Utama Kabupaten Ketapang Kalimantan
Barat. Jurnal Geomine, 8(1), 59-73.
LAMPIRAN