LAPORAN

SISTEM INFORMASI PERENCANAAN

DISUSUN OLEH :
Safdy Rumaaf (1824040)

PROGRAM STUDI PERENCANAAN WILAYAH DAN KOTA

FAKULTAS TEKNIK SIPIL & PERENCANAAN
INSTITUT TEKNOLOGI NASIONAL MALANG
2020

1
 KATA PENGANTAR

Puji syukur kita panjatkan atas kehadiran Allah SW atas rahmat dan kehadiran-Nya
Modul tentang Vektor to Raster dapat diselesaikan dengan baik dan tepat sesuai waktu
yang telah ditentukan.
Pembuatan Modul ini tertujuan guna memmenuhi tugas Mata Kuliah Sistem Informasi
Perencanaan I pada Program Studi Perencanaan Wilayah dan Kota, Fakultas Teknik Sipil
dan Perencanaan di Institut Teknologi Nasional Malang. Terima kasih kami ucapkan
kepada semua pihak yang telah membantu dalam pembuatan modul ini terutama
kepada :
1. Bapak Widiyanto Hari Subagyo Widodo, ST., M. Sc dan Ibu Annisa Hamidah
Imaduddina, ST., MSc selaku Dosen Mata Kuliah Sistem Informasi Perencanaan I pada
Program Studi Perencanaan Wilayah dan Kota, Fakultas Teknik Sipil dan Perencanaan di
Institut teknologi Nasional Malang yang telah banyak berkontribusi dan membantu
memberikan masukan selama perkuliahan dan bimbingan.
2. Rekan teman -teman satu kelompok 5 yang bersama-sama menyusun.
3. Dan kedua orang tua yang selalu memberikan dukungan selama pengerjaan.

Malang, 20 Maret 2020

Penulis,
Safdy Rumaaf

2
DAFTAR ISI
BAB I............................................................................................................................................................5
SISTEM INFORMASI GEOGRAFIS (SIG).........................................................................................................5
1.1 Pengertian Sistem Informasi Geografis (SIG).....................................................................................5
1.2 Subsistem Sistem Informasi Geografis...............................................................................................6
1.3 Jenis-jenis Data Spasial SIG (Sistem Informasi Geografi)...................................................................7
1.3.1 Data Vektor.....................................................................................................................................7
1.3.2 Data Raster.....................................................................................................................................8
1.4 Sekilas Mengenai Software ArcGis.....................................................................................................8
BAB II...........................................................................................................................................................9
VEKTOR TO RASTER.....................................................................................................................................9
2.1 Interpolasi Spasial..............................................................................................................................9
2.2 Kegunaan Interpolasi.........................................................................................................................9
2.3 Studi Kasus I.....................................................................................................................................10
2.4 Langkah Kerja Pengaplikasian Tools Interpolasi Spasial...................................................................10
2.4.1 Inverse Distance Weighted (IDW).................................................................................................10
2.4.2 Kriging...........................................................................................................................................19
2.4.3 Radial Basis Function (RBF) Splines...............................................................................................23
2.4.4 Interpolasi Trend..........................................................................................................................29
2.4.5 Natural Neighbor Interpolation....................................................................................................31
2.5 Overlay............................................................................................................................................36
2.6 Studi Kasus II....................................................................................................................................37
2.6.1 Weighted Overlay.........................................................................................................................37
2.6.2 Weighted Sum Overlay.................................................................................................................43
BAB III........................................................................................................................................................46
PEMBAHASAN...........................................................................................................................................46
3.1 Inverse Distance Weighted (IDW)........................................................................................................46
3.2 Kriging..............................................................................................................................................46
3.3 Radial Basis Function (RBF) Splines..................................................................................................46
3.4 Intepolasi Trend...............................................................................................................................46
3.5 Natural Neighbor Interpolation.......................................................................................................46
3.6 Weighted Overlay............................................................................................................................46

3
3.7 Weighted Sum Overlay....................................................................................................................47

BAB I

4
 SISTEM INFORMASI GEOGRAFIS (SIG)
1.1 Pengertian Sistem Informasi Geografis (SIG)
Sistem Informasi Geografis (SIG) atau Geographic Information System (GIS) adalah
sustem informai khusu yang mengelola data yang memiliki informasi spasial yaitu
bereferensi keruangan. Atau lebih singkatnya, sistem informasi geografis adalah h
sistem komputer yang mempunyai kemampuan untuk membangun, menyimpan,
mengelola dan menampilkan informasi berefrensi geografis, misalnya data
diidentifikasi menurut lokasinya dalam sebuah database
Teknologi Sistem Informasi Geografis digunakan untuk investigasi ilmiah,
pengelolaan sumber daya, perencanaan pembangunan, kartografi dan perencanaan
rute. Contohnya SIG dapat digunakan perencana untuk membantu menghitung
waktu tanggap darurat saat terjadi bencana alam secara cepat dan lain sebagainya.
Selain itu ada juga pengertian SIG menurut beberapa ahli, diantaranya :
a. Aronaff (1989)
Menurut Aronaff, SIG adalah sistem informasi yang didasarkan pada kerja
komputer yang memasukkan, mengelola, memanipulasi dan menganalisa data
serta memberi uraian.
b. Burrough (1986)
Menurut Burrough, SIG adalah alat yang bermanfaat untuk pengumpulan,
penimbunan, pengambilan kembali data yang diinginkan dan penayangan data
keruangan yang berasal dari kenyataan dunia.
c. Kang-Tsung Chang (2002)
Menurut Kang-Tsung Chang, SIG adalah a computer system for capturing, storing,
querying, analyzing, and displaying geographic data (sistem komputer untuk
menangkap, menyimpan, meminta, menganalisis, dan menampilkan data
geografis)
d. Murai (1999)
Menurut Murai, SIG adalah sistem informasi yang digunakan untuk memasukkan,
menyimpan, memanggil kembali, mengolah, menganalisis dan menghasilkan data
bereferensi geografis atau data geospatial, untuk mendukung pengambilan
keputusan dalam perencanaan dan pengelolaan penggunaan lahan, sumber daya
alam, lingkungan, transportasi, fasilitas kota, dan pelayanan umum lainnya.
e. Marble et al (1983)
Menurut Marble et al, SIG adalah sistem penanganan data keruangan. SIG
mempunyai kemampuan untuk menghubungkan berbagai data pada suatu titik
tertentu di bumi, menggabungkannya, menganalisa dan akhirnya memetakan
hasilnya. Data yang akan diolah pada SIG merupakan data spasial yaitu sebuah
data yang berorientasi geografis dan merupakan lokasi yang memiliki system
koordinat tertentu, sebagai dasar referensinya

5
 Sehingga aplikasi SIG dapat menjawab beberapa pertanyaan seperti ; lokasi,
kondisi, trend, pola dan pemodelan. Kemampuan inilah yang membedakan SIG
dari system informasi lainnya.
1.2 Subsistem Sistem Informasi Geografis
Sistem Informasi Geografis (SIG) dapat diuraikan menjadi beberapa subsistem
berikut (Prahasta,2005):
 Data Input
Subsistem ini bertugas untuk mengumpulkan dan mempersiapkan data spasial dan
atribut dari berbagai sumber. Subsistem ini bertanggung jawab dalam mengkonversi
atau mentransformasikan format – format data aslinya ke dalam format yang dapat
digunakan oleh SIG.
 Data Output
Subsistem ini menampilkan atau menghasilkan keluaran seluruh atau sebagian
basisdata baik dalam bentuk softcopy maupun bentuk hardcopy seperti tabel, grafik,
peta dan lain – lain.
 Data Management
Subsistem ini mengorganisasikan baik data spasial maupun atribut ke dalam sebuah
basisdata sedemikian rupa sehingga mudah dipanggil, diupdate, dan diedit.
 Data Manipulation & Analysis
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.

Gambar 1. 1 Subsistem SIG

1.3 Jenis-jenis Data Spasial SIG (Sistem Informasi Geografi)

Data spasial SIG mempunyai dua bagian penting yang membuatnya berbeda dari
data lain, yaitu informasi lokasi dan informasi atribut. Data spasial sistem informasi

6
 geografis yang berisi informasi lokasi (informasi spasial) contohnya adalah informasi
lintang dan bujur, termasuk diantaranya informasi datum dan proyeksi. Sedangkan
Informasi Atribut (deskriptif) biasa disebut juga dengan informasi non-spasial. Suatu
lokalitas bisa mempunyai beberapa atribut atau properti yang berkaitan dengannya;
contohnya jenis vegetasi, populasi, pendapatan per tahun, dan lain-lain.
Informasi lokasi (spasial) ditentukan berdasarkan sistem koordinat, yang di
antaranya mencakup datum dan proyeksi peta. Datum adalah kumpulan parameter
dan titik kontrol yang hubungan geometriknya diketahui, baik melalui pengukuran
atau penghitungan. Sedangkan sistem proyeksi peta adalah sistem yang dirancang
untuk merepresentasikan permukaan dari suatu bidang lengkung atau spheroid
(misalnya bumi) pada suatu bidang datar.

Gambar 1. 2 Data vektor (kiri) dan data raster (kanan)

1.3.1 Data Vektor

Data vektor adalah data yang direpresentasikan sebagai suatu mosaik berupa
garis (arc/line), polygon (daerah yang dibatasi oleh garis yang berawal dan
berakhir pada titik yang sama), titik/point (node yang mempunyai label), dan
nodes (merupakan titik perpotongan antara dua buah garis). Keuntungan utama
dari format data vektor adalah ketepatan dalam merepresentasikan fitur titik,
batasan dan garis lurus.
Kegunaan Data Vektor untuk analisa yang membutuhkan ketepatan posisi,
misalnya pada basis data batas-batas kadaster. Contoh penggunaan lainnya
adalah untuk mendefinisikan hubungan spasial dari beberapa fitur. Kelemahan
data vektor yang utama adalah ketidakmampuannya dalam mengakomodasi
perubahan gradual.

1.3.2 Data Raster

Pada data raster, resolusi (definisi visual) tergantung pada ukuran pixel-nya.
Dengan kata lain, resolusi pixel menggambarkan ukuran sebenarnya di
permukaan bumi yang diwakili oleh setiap pixel pada citra. Semakin kecil ukuran

7
 permukaan bumi yang direpresentasikan oleh satu sel, semakin tinggi
resolusinya. Data raster sangat baik untuk merepresentasikan batas-batas yang
berubah secara gradual, seperti jenis tanah, kelembaban tanah, vegetasi, suhu
tanah dan sebagainya. Keterbatasan utama dari data raster adalah besarnya
ukuran file; semakin tinggi resolusi grid-nya semakin besar pula ukuran filenya
dan sangat tergantung pada kapasistas perangkat keras yang tersedia.
Masing-masing format data mempunyai kelebihan dan kekurangan. Pemilihan
format data yang digunakan sangat tergantung pada tujuan penggunaan, data
yang tersedia, volume data yang dihasilkan, ketelitian yang diinginkan, serta
kemudahan dalam analisa. Data vektor relatif lebih ekonomis dalam hal ukuran
file dan presisi dalam lokasi, tetapi sangat sulit untuk digunakan dalam komputasi
matematik. Sedangkan data raster biasanya membutuhkan ruang penyimpanan
file yang lebih besar dan presisi lokasinya lebih rendah, tetapi lebih mudah
digunakan secara matematis.
1.4 Sekilas Mengenai Software ArcGis
ArcGIS menyediakan kerangka kerja berskala untuk mengerjakan GIS bagi pengguna
tunggal atau banyak pengguna pada PC, server, website, dan di field. ArcGIS adalah
suatu penggabungan produk perangkat lunak berbasis GIS untuk menyusun GIS
secara lengkap. ArcGIS dikembangkan oleh ESRI (Environmental Systems Research
Institute, Inc). Dengan ArcGIS, anda dapat memiliki kemampuan-kemampuan untuk
melakukan visualisasi, meng-explore, menjawab query (baik basis data spasial
maupun non spasial), menganalisis data secara geografis, dan sebagainya. ArcGIS
mengorganisasikan sistem perangkat lunaknya ke dalam tiga komponen penting,
yaitu.
1. ArcMap: ArcMap menyajikan data geografi dan sering digunakan oleh pengguna.
2. Arc Catalog: ArcCatalog memperlihatkan drive, koneksi database, dan folder pada
jendela sebelah kiri. Sedangkan file-file ditampilkan pada jendela sebelah kanan.
3. Arc Toolcbox: ArcToolbox berisi sejumlah toolbox yang berbeda untuk berbagai
fungsi geoprocessing. Toolbox ini berkisar mulai dari yang mudah, seperti fungsi
converting, sampai yang rumit, seperti analisis statistik dalam berbagai dimensi.

8
 BAB II
VEKTOR TO RASTER
2.1 Interpolasi Spasial
Interpolasi adalah proses memprediksi nilai pada suatu titik yang bukan merupakan
titik sampel, berdasarkan pada nilai-nilai dari titik-titik di sekitarnya yang berkedudukan
sebagai sampel. Penentuan nilai baru didasarkan pada data yang ada pada titik-titik
sampel pengamatan.
Dalam konteks pemetaan, interpolasi merupakan proses estimasi nilai pada wilayah-
wilayah yang tidak disampel atau diukur untuk keperluan penyusunan peta atau sebaran
nilai pada seluruh wilayah yang dipetakan. Interpolasi spasial mempunyai dua asumsi
yakni atribut data bersifat kontinu di dalam ruang (spcae)dan atribut tersebut saling
berhubungan (dependence) secara spasial (Anderson, 2001). Kedua asumsi tersebut
berimplikasi pada logika bahwa pendugaan atribut data dapat dilakukan berdasarkan
data dari lokasi-lokasi di sekitarnya dan nilai pada titik-titik yang berdekatan akan lebih
mirip daripada nilai dari titik-titik yang berjauhan (Prasasti, Wijayanto, Christanto, 2005).
Hal ini sesuai pula dengan hukum Tobler pertama. Untuk melakukan interpolasi spasial
diperlukan data dari titik-titik kontrol (sampel), sehingga nilai dari titik yang tidak
diketahui nilainya dapat destinasi. Posisi titik-titik kontrol untuk interpolasi spasial dan
nilai data dapat diilustrasikan oleh Gambar 1 dan 2.
Pada modul ini akan dijelaskan penggunaan metode IDW dan Kriging untuk interpolasi.
Metode IDW dapat dikelompokkan dalam estimasi deterministic dimana interpolasi
dilakukan berdasarkan perhitungan matematik. Sedang metode Kriging dapat
digolongkan kedalam estimasi stochastic dimana perhitungan secara statistik dilakukan
untuk menghasilkan interpolasi.

Gambar 2. 1 Ilustrasi Sederhana Posisi Titik-Titik Yang Akan Diinterpolasi Spasial

2.2 Kegunaan Interpolasi

Interpolasi adalah suatu metode yang digunakan untuk mendapatkan data berdasarkan
beberapa data yang telah diketahui. Dalam ruang lingkup pemetaan, interpolasi adalah

9
proses estimasi nilai pada wilayah yang tidak disampel atau diukur, sehingga terbuatlah
peta atau sebaran nilai pada seluruh wilayah.
Dalam Perencanaan Wilayah dan Kota Interpolasi berguna untuk keperluan penyusunan
model suatu fenomena di suatu wilayah sehingga diperlukan beberapa komponen data
pendukung. Pada kenyataannya, sering kali seorang peneliti dihadapkan pada
ketidaklengkapan data yang diperlukan. Di samping itu, lingkungan setempat tidak
memungkinkan untuk diterapkannya suatu formula dengan hasil yang akurat.
Permasalahan lain yang sering menghambat suatu survey yaitu cakupan wilayah yang
luas dengan berbagi kondisi fisiografis, keterbatasan waktu dan dana, sehingga untuk
keperluan efisiensi dan efektivitas, maka kajian digunakan menggunakan sampel.
Sehingga untuk menyiasatinya, maka dilakukan interpolasi. Yang memiliki fungsi sebagai
sebuah metode analisis yang menduga nilai-nilai yang datanya tidak tersedia dengan
menggunakan data ketinggian geografi dapat diolah untuk menjadi dasar dalam
berbagai macam analisis yaitu kerawanan longsor, kerentanan banjir, ketinggian lahan,
kemiringan lereng dan kesesuaian lahan.
Interpolasi juga biasa digunakan untuk membuat raster DEM (digital elevation model)
dari data titik tinggi selain itu interpolasi juga dapat digunakan untuk membuat peta
curah hujan selain dgn menggunakan metode Polygon thiessen
2.3 Studi Kasus I
Pemerintah Kota Palu ingin mengetahui keadaan ketinggian di Kota Palu sekarang ini.
Untuk itu seorang konsultan perencana diminta untuk mengolah titik-titik ketinggian
yang diketahui. Nantinya akan dibahas ketinggian-ketinggian disekitar titik data yang
diketahui dengan menggunakan tools pada Interpolasi Spasial.
2.4 Langkah Kerja Pengaplikasian Tools Interpolasi Spasial
2.4.1 Inverse Distance Weighted (IDW)
Metode IDW merupakan metode interpolasi konvesional yang memperhitungkan jarak
sebagai bobot. Jarak yang dimaksud disini adalah jarak (datar) dari titik data (sampel)
terhadap blok yang akan diestimasi. Jadi semakin dekat jarak antara titik sampel dan
blok yang akan diestimasi maka semakin besar bobotnya, begitu juga sebaliknya.
Metode Inverse Distance Weighted (IDW) juga dapat diartikan sebagai metode
deterministic yang sederhana dengan mempertimbangkan titik disekitarnya. Asumsi dari
metode ini adalah nilai interpolasi akan lebih mirip pada data sampel yang dekat
daripada yang lebih jauh. Bobot (weight) akan berubah secara linear sesuai dengan
jaraknya dengan data sampel. Bobot ini tidak akan dipengaruhi oleh letak dari data
sampel.

10
 Metode IDW ini biasanya digunakan dalam industri pertambangan karena mudah untuk
digunakan. Pemilihan nilai pada power sangat mempengaruhi hasil interpolasi. Nilai
power yang tinggi akan memberikan hasil seperti menggunakan interpolasi nearest
neighbor dimana nilai yang didapatkan merupakan nilai dari data point terdekat
Kerugian dari metode IDW adalah nilai hasil interpolasi terbatas pada nilai yang ada
pada data sampel. Pengaruh dari data sampel terhadap hasil interpolasi disebut sebagi
isotropic. Dengan kata lain, karena metode ini menggunakan rata-rata dari data sampel
sehingga nilainya tidak bisa lebih kecil dari minimum atau lebih besar dari data sampel.
Jadi, puncak bukit atau lembah terdalam tidak dapat ditampilkan dari hasil interpolasi
model ini (Watson & Philip, 1985). Untuk mendapatkan hasil yang baik, sampel data
yang digunakan harus rapat yang berhubungan dengan variasi lokal. Jika sampelnya
agak jarang dan tidak merata, hasilnya kemungkinan besar tidak sesuai dengan yang
diinginkan.
Kelemahan dari interpolasi IDW adalah tidak dapat mengestimasi nilai diatas maksimum
dan dibawah nilai minimum dari titik-titik sampel (Pramono, 2008). Efek yang terjadi jika
interpolasi
IDW diaplikasikan pada elevasi permukaan adalah terjadinya perataan (flattening)
puncak dan lembah, kecuali jika titik-titik tertinggi dan terendah merupakan bagian dari
titik sampel. Karena nilai estimasi merupakan nilai rata-rata, hasil permukaan tidak akan
tepat melewati titik-titik sampel. Kelemahan lain dari metode interpolasi ini adalah
adanya efek bulleye
 Langkah – Langkah Inverse Distance Weighted
1. Buka aplikasi ArcMap

11
2. Masukan SHP “Spot Height 50k” Dan Tampilan SHP “Spot Height 50k”

3. Klik Customize > Toolbars > Geostatistical Analyst

12
4. Untuk Mengaktifkan Geostatistical Analyst, Klik Costumize > Extensions

5. Centang Geostatistical Analyst > Close

13
6. Lalu klik Geostatistical Analyst > Geostatistical Wizard

7. Klik Inverse Distance Weighting > Pastikan Sourve Dataset “Spot Height 50k” > Pastikan Data
Field “ELEVAS” > NEXT

14
8. Klik Include All > OK

9. Klik NEXT

15
10. Untuk melihat tingkat akurasi pada hasil interpolasi dapat dilihat dari nilai RMS (Root Man
Square), jika nilai RMS semakin mendekati angka 0 maka semakin tinggi tingkat akurasi yang
dihasilkan. Setelah itu klik Finish

11. Klik OK

16
12. Tampilan hasil interpolasi IDW dalam bentuk data raster.

13. Untuk menyimpan data hasil interpolasi. Klik kanan pada Inverse Distance Weighted > Data >
Export To Raster

17
14. Klik folder output dan simpan ditempat yang diinginkan. Bila ingin menyimpan di data D atau E
tambahkan “.tif” dibelakang nama file, Ketik “100” pada output cell size > OK

15. Hasil output akan muncul pada layers dan akan tersimpan pada folder output

18
 16. Tahap IDW selesai

2.4.2 Kriging
Metode Kriging adalah estimasi stochastic yang mirip dengan Inverse Distance Weighted
(IDW) dimana menggunakan kombinasi linear dari weight untuk memperkirakan nilai
diantara sampel data (Ctech Development Corporation, 2004). Metode ini diketemukan
oleh D.L. Krige untuk memperkirakan nilai dari bahan tambang. Asumsi dari metode ini
adalah jarak dan orientasi antara sampel data menunjukkan korelasi spasial yang
penting dalam hasil interpolasi ESRI, 1996). Metode Kriging sangat banyak
menggunakan sistem komputer dalam perhitungan. Kecepatan perhitungan tergantung
dari banyaknya sampel data yang digunakan dan cakupan dari wilayah yang
diperhitungkan
Metode ini sangat tepat digunakan bila kita mengetahui korelasi spasial jarak dan
orientasi dari data. Oleh sebab itu, metode ini sering digunakan dalam bidang
ketanahan dan geologi. Kelemahan dari metode ini adalah tidak dapat menampilkan
puncak, lembah atau nilai yang berubah drastis dalam jarak yang dekat. Untuk
keterangan lebih lanjut tentang penelitian metode Kriging bisa dilihat dalam tulisan
Bancroft & Hobbs (1986) atau Siska & Hung (2001).
 Langkah – Langkah Kriging
1. Masukan Shp Spot High Dan 7271

19
2. Klik arctoolbox - spatial analyst tool – interpolation – kriging

3. Kemudian pada input point features kita pilih spot height 50k,Z value field kita
pilih ELEVAS. Pada bagian Output surface raster kita pilih dimana output raster
itu akan disimpan > Ok

20
4. Tunggu hingga selesai Dan Jika sudah selesai,kemudian klik extract by mask di
bagian arctoolbox.

5. pada bagian input raster,pilih raster kriging.lalu pada input raster or Feature
mask data kita pilih data batas administrasi (7271).Selanjutnya kita pilih Output
raster untuk menetukan lokasi penyimpanan data tersebut

21
6. Tinggu hingga selesai Dan Jika sudah selesai,Klik properties pada bagian TIFF

7. Kemudian pilih symbology lalu classified

22
 8. Kemudian klik color ramp dan pilih warna yang sesuai

9. Kemudian klik ok dan tahapan kriging selesai

2.4.3 Radial Basis Function (RBF) Splines

Metode ini merupakan fungsi yang menggunakan pendekatan jarak, sehingga data di
suatu titik yang belum diketahui sebelumnya ditafsirkan nilainya sesuai fungsi
pendekatan jarak.

23
Metode ini merupakan metode interpolasi eksak yang melibatkan sekelompok besar
titik kontrol. Perbedaan antar titik kontrol pada setiap permukaan harus sesuai. Setiap
RBF juga memiliki parameter yang mengontrol kesesuaian dihasilkan pada setiap
permukaan. Atas dasar ketatnya persyaratan ini, sehingga perbedaan antara output dari
metode ini adalah kecil.
Kelebihan dari metode ini adalah kemampuan untuk menghasilkan akurasi permukaan
yang cukup baik walaupun data yang digunakan hanya sedikit. Metode ini baik
digunakan dalam membuat permukaan seperti ketinggian permukaan bumi, ketinggian
muka air tanah, ataupun konsentrasi polusi udara. Metode ini kurang baik jika
diaplikasikan untuk situasi dimana terdapat perbedaan nilai yang signifikan pada jarak
yang sangat dekat (Sibson, 1981).
Kekurangan dari metode ini adalah ketika titik-titik sampel yang berdekatan memiliki
perbedaan nilai yang sangat besar, metode ini tidak dapat bekerja dengan baik. Hal ini
disebabkan karena metode ini menggunakan perhitungan slope yang berubah
berdasarkan bentuk dari permukaan. Untuk kasus tertentu sebaiknya digunakan
interpolasi IDW dimana mampu menginterpolasi nilai dengan perbedaan ketinggian
yang cukup besar.
 Langkah – Langkah Radial Basis Function (RBF) Splines
1. Open aplikasi ArcMap > Masukan SHP “Spot Height 50k” Dan Tampilan SHP “Spot
Height 50k”

24
2. Klik Geostatistical Analyst > Geostatistical Wizard lalu Klik Radial Basis Function
Pastikan Sourve Dataset “Spot Height 50k” > Pastikan Data Field “ELEVAS” > NEXT

3. Klik Use Mean > OK

4. Klik NEXT

25
5. Untuk melihat tingkat akurasi pada hasil interpolasi dapat dilihat dari nilai RMS
(Root Man Square), jika nilai RMS semakin mendekati angka 0 maka semakin
tinggi tingkat akurasi yang dihasilkan. Klik Finish

6. Klik OK

26
7. Tampilan hasil interpolasi RBF dalam bentuk data raster

8. Untuk menyimpan data hasil interpolasi. Klik kanan pada Radial Basis Function >
Data > Export To Raster

27
9. Klik folder output dan simpan ditempat yang diinginkan, Bila ingin menyimpan di
data D atau E tambahkan “.tif” dibelakang nama file, lalu Ketik “100” pada output
cell size > OK

10. Hasil output akan muncul pada layers dan akan tersimpan pada folder output

28
 11. Tahap Radial Basis Function selesai

2.4.4 Interpolasi Trend

Trend menggunakan interpolasi polinomial global yang cocok untuk membuat
permukaan halus yang didefinisikan oleh fungsi matematika (polinomial) ke titik sampel
input. Permukaan trend perubahan secara bertahap dan menangkap pola kasar-besaran
di data. Terdapat dua Type of Regression yaitu Linear dan Logistic, dalam praktikum ini
menggunakan Linear maka permukaan pada trend menciptakan point raster yang
merata.
Menggunakan regresi polinomial dalam hal ini menggunakan angka 1 pada Polynomial
Order untuk menyesuaikan permukaan ke titik-titik input. Linear memungkinkan untuk
mengontrol urutan polinomial yang digunakan untuk menyesuaikan permukaan. Nilai 1
akan cocok dengan bidang datar berdasarkan poin, dan nilai yang lebih tinggi akan cocok
dengan permukaan yang lebih kompleks, nilai terendah yang digambarkan sebagai
warna putih merupakan elevasi terendah semakin ke arah yang daerahnya memiliki
elevasi tinggi maka warna akan semakin gelap sampai telah melewati daerah elevasi
tinggi tersebut kemudian menyamaratakan elevasi, semakin gelap warna dan tinggi
nilainya maka di daerah itulah yang memiliki point-point dengan elevasi yang lebih tinggi
daripada daerah dengan warna terang dengan nilai rendah.
 Langkah – Langkah Melakukan Interpolasi Trend
1. Masukan Shp Spot Height Dan Lalu klik Arc Toolbox > Spatial Analys Tools >
Interpolation > Trend

29
2. Lalu akan muncul tampilan seperti ini, selanjutnya Masukan SHP “Spot Height
50K” > Pilih value “ELEVAS” > Simpan di tempat yang kalian suka, Dengan
format “tif” > Ganti “Output cell” menjadi 100 > Ganti Polynomial order
dengan angka 5 > OK

3. Hasil output akan muncul pada layers dan akan tersimpan pada folder output

30
2.4.5 Natural Neighbor Interpolation
Natural neighbor merupakan teknik interpolasi pada perangkat lunak ArcGis.metode
natural neighbor ini terdapat sebuah keunggulan dari pada metode – metode yang lain,
keunggulan metode natural neighbor adalah dapat menginterpolasi titik-titik yang relatif
banyak dan hasil output yang diperoleh akan lebih mendekati dengan keadaan
sesungguhnya di alam
 Langkah – Langkah Melakukan Natural Neighbor Interpolation
1. Buka aplikasi Arcmap,Lalu Pilih add data untuk memasukan file SHP

31
2. Masukan file SHP “Spot Height 50K” lalu klik add

3. Pergi ke Menu Arctoolbox - Spatial Analyst Tools - Natural Neighboor

32
4. Akan muncul tampilan seperti gambar dibawah.Untuk input point features pilih
spot height 50k,untuk z value features pilih field ELEVASI lalu untuk output raster
silahkan atur sendiri lokasi penyimpanan rasternya.jangan lupa jika memberi
nama raster diakhiri dengan .tif misalnya “nama_file.tif” lalu untuk output cell
zize isi dengan angka 50 lalu klik ok.

5. Tunggu sampai proses selesai dan hasilnya akan seperti gambar dibawah

33
6. Klik kanan pada shp yang baru lalu pilih properties

7. Pilih tab symbologi lalu di bagian classes pilih angka 5

34
8. Klik kanan pada bagian label lalu pilih format label

9. di bagian Numeric,pada rounding pilih number of decimal places lalu untuk

bagian angka ubah menjadi nol.dibagian aligment pilih left dan centang show
thousan separators lalu klik ok dan apply

35
 10. Warna bisa disesuaikan sehingga hasilnya seperti gambar dibawah

2.5 Overlay
Overlay adalah bagian penting dari analisis spasial. Overlay dapat menggabungkan
beberapa unsur spasial menjadi unsur spasial yang baru. Dengan kata lain, overlay dapat
didefinisikan sebagai operasi spasial yang menggabungkan layer geografik yang berbeda
untuk mendapatkan informasi baru. Metode Overlay adalah suatu sistem informasi
dalam bentuk grafis yang dibentuk dari penggabungan berbagai peta individu (memiliki
36
informasi/database yang spesifik). Overlay dapat dilakukan pada data vektor maupun
raster. Overlay peta dilakukan minimal dengan 2 jenis peta yang berbeda secara teknis
dikatakan harus ada polygon yang terbentuk dari 2 jenis peta yang dioverlaykan. Dalam
metode overlay terdapat dua teknik overlay dalam analisis spasial yaitu :
2.6 Studi Kasus II
Seorang mahasiswa PWK diminta untuk membuat SKL Kemudahan Dikerjakan di
Kabupaten Malang, maka dari itu diperlukan analisis untuk menyatukan data-data yang
mempengaruhi lahan kemudahan dikerjakan di Kabupaten Malang. Dalam
pengerjaannya mahasiswa tersebut diminta mengerjakan SKL tersebut sesuai dengan
aturan dasar Permen PU No 20 Tahun 2007 dan yang kedua dari sudut pandang
mahasiswa sebagai calon planner untuk menentukan faktor-faktor prioritas dalam
menentukan lahan kemudahan dikerjakan di Kabupaten Malang.
2.6.1 Weighted Overlay
Metode weighted overlay merupakan analisis spasial dengan menggunakan teknik
overlay beberapa peta yang berkaitan dengan faktor-faktor yang berpengaruh terhadap
penilaian kerentanan. Weighted Overlay umumnya digunakan untuk memecahkan
masalah multikriteria seperti pemilihan lokasi optimal atau pemodelan kesesuaian.
Metode ini merupakan teknik untuk menerapkan suatu skala umum dan nilai beragam
maupun berbeda yang diinput untuk membuat sebuah analisis yang terpadu.
Dalam penggunaan Weighted Overlay, semua raster yang diinputkan harus berbentuk
integer. Raster floating-point harus terlebih dahulu dikonversi ke raster bilangan bulat
sebelum dapat digunakan dalam weighted overlay. Setiap kelas nilai dalam raster input
diberi nilai baru didasarkan pada skala evaluasi. Setiap raster yang diinputkan
tertimbang menurut kepentingannya atau digambarkan melalui persentasenya, jumlah
dari persen pengaruh bobot harus 100. Mengubah skala evaluasi atau pengaruh
persentase dapat mengubah hasil analisis weighted overlay.
 Langkah-Langkah Melakukan Weighted Overlay
1. Open aplikasi ArcMap
2. Masukan data raster berupa:
 Jenis Tanah
 Kemiringan Lereng
 Ketinggian Lahan
 Morfologi

37
2. Klik ArcToolbox > Spatial Analyst Tools > Overlay > Weighted Overlay

3. Klik evaluation scale > 1 to 5 by 1

38
4. Klik add raster row Dan Klik input raster morfologi > Ok

5. Isi Influence “25”

6. Isi Scale Value sesuai contoh dibawah ini.

39
7. Klik add raster row
8. Klik input raster “ketinggian lahan” > Ok

9. Isi Influence “25”

10. Isi Scale Value sesuai contoh dibawah ini.

40
11. Klik add raster row
12. Klik input raster “kemiringan lereng” > Ok

13. Isi Influence “25”

14. Isi Scale Value sesuai contoh dibawah ini.

41
 15. Klik add raster row
16. Klik input raster “jenis tanah” > Ok

17. Isi Influence “25”. Isi Scale Value sesuai contoh dibawah ini. .Klik folder output
dan simpan ditempat yang diinginkan. *Bila ingin menyimpan di data D atau E
tambahkan “.tif” dibelakang nama file.
18. Hasil output akan muncul pada layers dan akan tersimpan pada folder output.
Dan tahap weighted overlay selesai.

42
2.6.2 Weighted Sum Overlay
Weighted SUM Overlay adalah salah satu alat analisis ekstensi spatial analyst. khususnya
tools overlay. Weighted SUM Overlay umumnya digunakan untuk memecahkan masalah
multikriteria seperti pemilihan lokasi optimal atau pemodelan kesesuaian. Metode ini
merupakan teknik untuk menerapkan suatu skala umum dan nilai beragam maupun
berbeda yang diinput untuk membuat sebuah analisis yang terpadu yang bobotnya
berdasarkan hasil analisis APH
Pada Weighted Sum Overlay akan memperoleh total skor baru dari raster. Ini
menggunakan beberapa layer raster tertimbang untuk perhitungan. GIS menggunakan
logika Boolean untuk melakukan analisis overlay. Ini berarti menggunakan pernyataan
bersyarat pada lapisan input untuk menghasilkan peta kesesuaian.
Untuk setiap lapisan input harus dilakukan penetapan nilai bobot. Nilai bobot ini
dikalikan dengan lapisan input. Maka nantinya harus menjumlahkan semua lapisan
tertimbang ini untuk menghasilkan peta hasil akhir. Biarkan saya memberi Anda contoh
sederhana untuk mengidentifikasi area potensial erosi tanah. Inputnya adalah sudut
kemiringan medan dan area vegetasi / bukan vegetasi. Hasilnya akan dihitung sebagai
"jika kemiringan> 5% dan vegetasi = Tidak" maka potensi erosi = benar.
 Langkah-Langkah Weighted Sum Overlay :
1. Open aplikasi ArcMap
2. Masukan data raster yaitu :
 Jenis tanah
43
 Kemiringan lereng
 Ketinggian lahan
 Morfologi
3. Klik ArcToolbox > Spatial Analyst Tools > Overlay > Weighted SUM Overlay

4. Pada input raster masukkan semua data raster

5. Pada kolom weight morfologi isi (0,4), kolom weight kemiringan lereng isi (0,3),
kolom weight ketinggian isi (0,2) dan kolom weight jenis tanah isi (0,1).

44
6. Pilih tempat penyimpanan output yang diinginkan. Bila ingin menyimpan di data
D atau E tambahkan “.tif” dibelakang nama file.
7. Hasil output akan muncul pada layers dan akan tersimpan pada folder output

45
 BAB III
PEMBAHASAN

3.1 Inverse Distance Weighted (IDW)

Jadi dari analisis tersebut jika kita memperhitungkan jarak sebagai bobot maka
semakin dekat jarak antara titik sampel dan blok yang akan diestimasi maka akan
semakin besar bobotnya, begitu pun sebaliknya yang dalam studi kasus ini yaitu titik
ketinggian yang berada di Kota Palu.
3.2 Kriging
Jadi dalam analisis ini Kriging mengasumsikan bahwa jarak atau arah antara titik
sampel merefleksikan korelasi spasial yang dapat digunakan untuk menjelaskan variasi
pada permukaan yang mana hal ini sesuai dengan jumlah spesifik titik-titik maupun
keseluruhan titik dengan radius tertentu untuk menentukan hasil nilai untuk tiap-tiap
lokasi. Dalam studi kasus ini yaiu ketinggian yang berada di kota palu.
3.3 Radial Basis Function (RBF) Splines
Jadi analisi ini menggunakan metode pendekatan jarak yang berfungsi untuk
menafsirkan nilainya di titik-titik yang belum diketahui. Titik dalam studi kasus ini adalah
titik" ketinggian geografi di Kota Palu
3.4 Intepolasi Trend
Dari analisi ini trend menggunakan interpolasi polinomial global yang cocok untuk
membuat permukaan halus yang didefinisikan oleh fungsi polinimial ke titik sampel
input. Permukaan trend perubahan secara bertahap dan menangkap pola kasar besaran
didata. Dalam kasus ini Interpolasi Trend berfungsi sebgai mengetahui letat Permukaan
halus.
3.5 Natural Neighbor Interpolation
Jadi analisis Interpolasi Natural Neighbor bekerja dengan mencari titik-titik yang
berdekatan dengan titik sampel.Sifat dasar metode Natural neighbor adalah
lokal ,dimana hanya menggunakan sampel yang berada disekitar titik yang ingin di
interpolasi,keunggulan metode natural neighbor adalah dapat menginterpolasi titik-titik
yang relatif banyak dan hasil output yang diperoleh akan lebih mendekati dengan
keadaan sesungguhnya di alam. dalam studi kasus ini, metode natural neighbor
digunakan untuk mengetahui keadaan ketinggian lahan disekitar titik data di Kota Palu.
3.6 Weighted Overlay
Jadi analisis ini menggunakan metode overlay (menggabungkan/menumpuk) faktor-
faktor yang berpengaruh dalam suatu kerentanan yang didalam prosesnya terdapat

46
kolom nilai dan bobot. Dalam studi kasus ini yaitu faktor-faktor yang mempengaruhi
satuan kemampual lahan kemudahan dikerjakan di Kabupaten Malang dengan
mengikuti pedoman Permen PU No 20 Tahun 2007.

3.7 Weighted Sum Overlay

Jadi analisis ini memiliki fungsi yang sama dengan analisis WO yaitu menggunakan
metode overlay (menggabungkan/menumpuk) faktor" yang berpengaruh dalam suatu
kerentanan yang mebedakan adalah dalam proses ini hanya terdapat kolom bobot.
Dalam studi kasus ini mahasiswa diminita berpendapat sebagai stakeholder untuk
menentukan mana faktor yang paling berpengaruh terhadap satian kemampuan lahan
kemudahan dikerjakan di Kabupaten Malang maka bobotnya akan semakin besar.

47