BAB II

TINJAUAN PUSTAKA

2.1. Sistem Informasi Geografis

Sistem Informasi Geografis merupakan suatu sistem yang mengorganisasi

perangkat keras (hardware), perangkat lunak (software), dan data, serta dapat

mendayagunakan sistem penyimpanan, pengolahan maupun analisis data

secara simultan, sehingga dapat diperoleh informasi yang berkaitan dengan

aspek keruangan(Purwadi. dalam Husein, 2006) .

Sistem informasi geografis adalah suatu sistem berbasis komputer untuk

menangkap, menyimpan, mengecek, mengintegrasikan, memanipulasi, dan

mendisplay data dengan peta digital (Turban. dalam Swastikayana, 2011).

Dari pengertian diatas dapat disimpulkan bahwa sistem informasi

geografis merupakan sistem berbasis komputer yang berfungsi untuk mengolah

dan menyimpan peta digital atau informasi geografis.

2.1.1. Konsep Sistem Informasi Geografis

Sistem Informasi Geografis (SIG) atau juga dikenal sebagai Geographic

Information System (GIS) pertama pada tahun 1960 yang bertujuan untuk

menyelesaikan permasalahan geografis. 40 tahun kemudian GIS berkembang

tidak hanya bertujuan untuk menyelesaikan permasalahan geografi saja tapi

sudah merambah ke berbagai bidang seperti analisis penyakit epidemik

4
 5

(demam berdarah) dan analisis kejahatan (kerusuhan) termasuk sebaran

wilayah produksi.

Kemampuan dasar dari SIG adalah mengintegrasikan berbagai operasi

basis data seperti query, menganalisisnya serta menampilkannya dalam bentuk

pemetaan berdasarkan letak geografisnya. Inilah yang membedakan SIG

dengan sistem informasi lain (Prahasta. dalam Swastikayana, 2011).

2.1.2. Manfaat Sistem Informasi Geografis

Fungsi SIG adalah meningkatkan kemampuan menganalisis informasi

spasial secara terpadu untuk perencanaan dan pengambilan keputusan. SIG

dapat memberikan informasi kepada pengambil keputusan untuk analisis dan

penerapan database keruangan (Prahasta. dalam Swastikayana, 2011).

SIG mampu memberikan kemudahan-kemudahan yang diinginkan.

Dengan SIG kita akan dimudahkan dalam melihat fenomena kebumian

dengan perspektif yang lebih baik. SIG mampu mengakomodasi

penyimpanan, pemrosesan, dan penayangan data spasial digital bahkan

integrasi data yang beragam, mulai dari citra satelit, foto udara, peta bahkan

data statistik. SIG juga mengakomodasi dinamika data, pemutakhiran data

yang akan menjadi lebih mudah.

2.1.3. Subsistem Sistem Informasi Geografis

Menurut (Prahasta, 2005), SIG dapat diuraikan menjadi beberapa

subsistem sebagai berikut :

 6

1. Data Input

Subsistem ini bertugas untuk mengumpulkan dan mempersiapkan data

spasial dan atribut dari berbagai sumber. Subsistem ini juga bertanggung

jawab dalam mengkonversi atau mentransformasikan format-format data

aslinya ke dalam format yang dapat digunakan oleh SIG.

2. Data Output

Subsistem ini menampilkan atau menghasilkan keluaran seluruh atau

sebagian basis data baik dalam bentuk softcopy maupun dalam bentuk

hardcopy seperti: tabel, grafik, peta, dan lain-lain.

3. Data Manajemen

Subsistem ini mengorganisasikan baik data spasial maupun atribut

kedalam sebuah basis data sedemikian rupa sehingga mudah dipanggil,

di-update dan di-edit.

4. Analisis dan Manipulasi Data

Subsistem ini menentukan informasi–informasi yang dapat dihasilkan

oleh SIG. Selain itu, subsistem ini juga melakukan manipulasi dan

pemodelan data untuk menghasilkan informasi yang diharapkan.

2.1.4. Cara kerja Sistem Informasi Geografis

SIG dapat menyajikan real world (dunia nyata) pada monitor

sebagaimana lembaran peta dapat merepresentasikan dunia nyata diatas

kertas. Tetapi, SIG memiliki kekuatan lebih dan fleksibilitas dari pada

lembaran kertas. Peta merupakan representasi grafis dari dunia nyata, obyek-
 7

obyek yang dipresentasikan di atas peta disebut unsur peta atau map features

(contohnya adalah sungai, taman, kebun, jalan dan lain-lain). Karena peta

mengorganisasikan unsur-unsur berdasrkan lokasi-lokasinya. SIG menyimpan

semua informasi deksriptif unsur-unsurnya sebagai atribut-atribut didalam

basis data. Kemudian, SIG membentuk dan menyimpannya didalam tabel-

tabel (relasional), dengan demikian atribut-atribut ini dapat diakses melalui

lokasi-lokasi unsur-unsur peta dan sebaliknya, unsur-unsur peta juga dapat

diakses melalui atribut-atributnya (Prahasta, 2005).

2.1.5. Kemampuan Sistem Informasi Geografis

Sistem informasi geografis mempunyai kemampuan untuk

menghubungkan berbagai data pada suatu titik tertentu di bumi,

menggabungkannya, menganalisis dan akhirnya memetakan hasilnya

(Prahasta. dalam Swastikayana, 2011).

- Memasukkan dan mengumpulkan data geografis (spasial dan atribut)

- Mengintegrasikan data geografis.

- Memeriksa, meng-update (meng-edit) data geografis.

- Menyimpan atau memanggil kembali data geografis.

- Mempresentasikan atau menampilkan data geografis.

- Mengelola, memanipulasi dan menganalisis data geografis.

- Menghasilkan output data geografis dalam bentuk peta tematik (view dan

layout), tabel, grafik (chart) laporan, dan lainnya baik dalam bentuk

hardcopy maupun softcopy.

 8

2.2. Google Maps

Google Maps adalah sebuah jasa peta globe virtual gratis dan online

disediakan oleh google dapat ditemukan di http://maps.google.com

(Wikipedia.org). Melalui fitur Google Maps, pengguna internet dapat browsing

informasi grafis berikut:

- Satellite Map

Pengguna dapat menikmati gambar satelit planet bumi. Pengguna juga

dapat menikmati foto satelit lebih detail lengkap dengan cara zooming pada

bagian peta yang diinginkan.

- Hasil Pencarian Integrasi

Mencari lokasi, bisnis, peta buatan pengguna dan real estate.

- Draggable Maps

Peta digital mapping yang dragable (bisa digeser) dengan bantuan mouse.

- Terrain Maps (Peta Topograpi)

Terrain Maps menyediakan informasi fitur peta fisik atau peta topograpi

yang biasa disediakan buku peta Atlas.

Gambar 2.1 Terrain Maps

 9

- Earth Map

Earth Map menyediakan informasi peta bumi dimana akan tampak bumi

secara utuh dan bila di-zoom akan terlihat awan yang menyelimuti bumi

beserta pulau dan lautan yang tampak nyata dari ketinggian.

- My Location

Dengan fitur ini pengguna dapat mengetahui letak dimana lokasi dari

pengguna tersebut

2.3. Google Maps API

Google Maps API adalah suatu library yang berbentuk JavaScript. Cara

membuat Google Maps untuk ditampilkan pada suatu web atau blog sangat

mudah, hanya dengan membutuhkan pengetahuan mengenai HTML serta

JavaScript, serta koneksi Internet yang sangat stabil. Dengan menggunakan

Google Maps API, kita dapat menghemat waktu dan biaya untuk membangun

aplikasi peta digital yang handal, sehingga kita dapat fokus hanya pada data-

data yang akan ditampilkan. Dengan kata lain, kita hanya membuat suatu data

sedangkan peta yang akan ditampilkan adalah milik Google sehingga kita tidak

dipusingkan dengan membuat peta suatu lokasi, bahkan dunia.

Dalam pembuatan program Google Maps API menggunakan urutan

sebagai berikut:

1) Memasukkan Maps API JavaScript ke dalam HTML.

2) Membuat element div dengan nama map_canvas untuk menampilkan peta.

 10

3) Membuat beberapa objek literal untuk menyimpan properti-properti pada

peta.

4) Menuliskan fungsi JavaScript untuk membuat objek peta.

5) Meng-inisiasi peta dalam tag body HTML dengan event onload.

2.4. Google Fusion Tables

Google Fusion Tables adalah layanan Web yang disediakan oleh Google

untuk manajemen data. Data di simpan dalam bentuk tabel, dapat di akses

melalui internet dan dapat di download. Fusion tables menyediakan sarana

untuk memvisualisasikan data dalam berbagai bentuk grafik maupun peta

geografis.

Salah satu tipe file yang dapat di upload ke fusion tables adalah KML.

KML atau Keyhole Markup Language adalah format file yang digunakan untuk

menampilkan data geografis dalam sebuah browser seperti google earth dan

mobile google maps.

2.5. Prediksi (Peramalan)

Peramalan atau forecasting adalah sebuah metode sebagai alat bantu

untuk melakukan suatu perencanaan yang efektif dan efisien, seperti

peramalan terhadap tingkat produksi (Amstrong dan Lusk, dalam Prayogo,

dkk:2011). Dalam sistem peramalan, penggunaan berbagai model peramalan

akan memberikan nilai ramalan yang berbeda. Salah satu seni dalam peramalan
 11

adalah memilih model peramalan terbaik yang mampu mengidentifikasi dan

menanggapi pola aktifitas historis dari data.

Pada umumnya peramalan dapat dibedakan dari beberapa segi tergantung

dari cara melihatnya.

1. Dilihat dari jangka waktu ramalan yang disusun

a. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk

penyusunan hasil ramalan yang jangka waktunya satu tahun atau

kurang.

b. Peramalan jangka menengah, yaitu peramalan yang dilakukan untuk

penyusunan hasil ramalan yang jangka waktunya satu hingga lima

tahun kedepan.

c. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk

penyusunan hasil ramalan yang jangka waktunya lebih dari lima tahun

yang akan datang.

2. Berdasarkan sifat ramalan yang disusun, maka peramalan dapat dibedakan

atas dua macam, yaitu :

a. Peramalan kualitatif

Peramalan kualitatif yaitu peramalan yang didasarkan atas kualitatif

pada masa lalu. hasil peramalan yang dibuat sangat tergantung pada

orang yang menyusunnya. Hal ini penting karena hasil peramalan

tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi,

judgement atau pendapat, dan pengetahuan serta pengalaman dari

penyusunnya.
 12

b. Peramalan Kuantitatif

Peramalan kuantitatif yaitu peramalan yang didasarkan atas data

kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat

tergantung pada metode yang dipergunakan dalam peramalan tersebut.

Dengan metode yang berbeda akan diperoleh hasil peramalan yang

berbeda, apapun yang perlu diperhatikan dari penggunaan metode

tersebut, adalah baik tidaknya metode yang dipergunakan, sangat

ditentukan oleh perbedaan atau penyimpangan antara hasil dengan

kenyataan yang terjadi. Metode yang baik adalah metode yang

memberikan nilai-nilai perbedaan atau penyimpangan yang mungkin.

Peramalan kuantitatif hanya dapat digunakan apabila terdapat tiga

kondisi sebagai berikut:

- Adanya informasi tentang keadaan yang lain

- Informasi tersebut dapat dikuantifikasikan dalam bentuk data

- Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada

masa yang akan datang.

Pada dasarnya metode peramalan kuantitatif dibedakan atas dua bagian,

yaitu:

a) Metode peramalan yang didasarkan atas penggunaan analisa pola

hubungan antara variable yang akan diperkirakan dengan variable

waktu, yang merupakan deret waktu atau time series.

b) Metode peramalan yang didasarkan atas penggunaan analisa pola

hubungan antara variable yang akan diperkirakan dengan variable

 13

lain yang mempengaruhinya, yang bukan waktu yang disebut

metode korelasi atau sebab akibat.

Deret berkala (time series) adalah sekumpulan data yang dicatat selama

periode tertentu, umumnya berupa data mingguan, bulanan, atau tahunan

(Mason. dalam Winarsih, 2007).

Data berkala (time series data) adalah data yang dikumpulkan dari waktu

ke waktu untuk menggambarkan perkembangan suatu kegiatan

(perkembangan produksi, harga, hasil penjualan, jumlah personil, penduduk,

jumlah kecelakaan, jumlah kejahatan, jumlah peserta KB, dan lain sebagainya)

(Supranto. dalam Winarsih, 2007). Analisis data berkala dimungkinkan untuk

mengetahui perkembangan suatu atau beberapa kejadian serta hubungan /

pengaruhnya terhadap kejadian lainnya.

Forecasting dengan smoothing merupakan bagian dari metode deret waktu

atau time series. Smoothing adalah mengambil rata-rata dari nilai-nilai pada

beberapa tahun untuk menaksir nilai pada suatu tahun (Subagyo. dalam

Winarsih, 2007). Smoothing ini dilakukan antara lain dengan cara Moving

Averages atau dengan Exponential Smoothing.

Moving average tidak hanya berguna untuk melakukan penghalusan

sebuah data deret berkala, metode ini merupakan metode dasar yang digunakan

dalam mengukur fluktuasi musiman (Mason. dalam Winarsih, 2007).

Tujuan metode perataan (Average) adalah memanfaatkan data masa lalu

untuk mengembangkan suatu sistem peramalan pada periode mendatang

(Aribowo, 2010).
 14

a) Rata-rata Bergerak Tunggal (Single Moving Average)

Salah satu cara untuk mengubah pengaruh data masa lalu terhadap nilai

tengah sebagai ramalan adalah dengan menentukan sejak awal berapa

jumlan nilai observasi masa lalu yang akan dimasukkan untuk menghitung

nilai tengah. Secara aljabar, rata-rata bergerak dapat dituliskan sebagai

berikut.
𝑋1 + 𝑋2 + ⋯+ 𝑋𝑇 1
FT+1 = =𝑇 ∑𝑇𝑖=1 𝑋𝑖
𝑇

𝑋2 + … + 𝑋𝑇 + 𝑋𝑇+1 1
FT+2 = = ∑𝑇𝑖=1 𝑋𝑖
𝑇 𝑇

Keterangan :

FT+1 = peramalan untuk periode T+1

XT = data pada periode T

T = jangka waktu perataan

Metode single moving average ini mempunyai dua sifat khusus, yaitu :

1) Untuk membuat forecast memerlukan data historis selama jangka

waktu tertentu.

2) Semakin panjang waktu moving average akan menghasilkan moving

average yang semakin halus.

b) Rata-rata bergerak ganda (Double Moving Average)

Untuk mengurangi kesalahan secara sistematis yang terjadi bila rata-rata

bergerak pada data berkecenderungan, maka dikembangkan metode rata-

rata bergerak linear (linear moving averages). Dasar metode ini adalah
 15

menghitung rata-rata bergerak kedua. Rata-rata bergerak ganda merupakan

rata-rata bergerak dari rata-rata bergerak.

Prosedur peramalan double moving average meliputi tiga aspek:

1) Penggunaan moving average pada waktu t (S’t)

2) Penyesuaian, yang merupakan perbedaan antara moving average dan

double moving average pada waktu t (S’t – S”t)

3) Penyesuaian untuk kecenderungan dari periode t ke periode t+1 atau ke

periode t+m jika kita ingin meramalkan m periode kedepan.

4) at adalah nilai konstanta untuk persamaan forecast

5) bt adalah nilai slope untuk persamaan forecast

Prosedur double moving average secara umum dapat diterangkan melalui

persamaan sebagai berikut:

𝑋𝑡 + 𝑋𝑡−1 + 𝑋𝑡−2 …+𝑋𝑡−𝑁+1
S’ = 𝑁
𝑆`𝑡 + 𝑆`𝑡−1 + 𝑆`𝑡−2 …+𝑆`𝑡−𝑁+1
S” = 𝑁

at = 2S’t – S”t
2
bt = (S’t –S”t)
𝑁−1

Ft+m = at + btm
Untuk bisa menggunakan metode ini harus memiliki data selama (2N-1)

tahun (Subagyo. dalam Winarsih, 2010).

c) Menghitung kesalahan ramalan

Untuk mengukur error (kesalahan) forecast digunakan cara yaitu:

Mean Absolute Error (MAE)

Mean Absolute Error (MAE) yaitu rata-rata nilai absolute error dari

kesalahan meramal (tidak dihiraukan tanda positif atau negatifnya).

∑|𝑋𝑡 −𝐹𝑡 |
MAE = 𝑛
 16

2.6. Penelitian Terkait

Penelitian sebelumnya telah dilakukan oleh Istiqomah (2006) dengan topik

“APLIKASI MODEL ARIMA UNTUK FORECASTING PRODUKSI GULA

PADA PT. PERKEBUNAN NUSANTARA IX (PERSERO)” menghasilkan

sebuah prediksi jumlah produksi gula menggunkan metode Autoregresif dan

Moving Average (ARIMA) untuk tahun 2007 dengan bantuan program

minitab. Peramalan menggunakan program minitab harus tepat dalam

menentukan model dan persamaannya sehingga dapat memeberikan hasil

peramalan dengan kesalahan peramalan terkecil.

Mufidah (2011) dalam penelitiannya “SISTEM INFORMASI GEOGRAFIS

(SIG) PEMETAAN LAHAN PERTANIAN DI WILAYAH MOJOKERTO”

menghasilkan sebuah sistem informasi berbasis SIG untuk pemetaan lahan

pertanian tentang sebaran hasil produksi dan informasi geologi di wilayah

Mojokerto berserta penjelasannya sebagai media informasi bagi masyarakat.

Perbedaan penelitian diatas dengan penelitian yang penulis lakukan yaitu

memprediksi produksi jagung menggunakan metode time series Moving

Average (MA), karena data produksi jagung yang digunakan untuk

memprediksi berpola deret waktu, serta membangun sistem informasi

geografis berbasi web untuk pemetaan sebaran produksi jagung di provinsi

Gorontalo sehingga lebih memudahkan pihak-pihak terkait dalam memantau

daerah-daerah produksi jagung serta prediksi produksinya di masa mendatang.