Kualitas

Data
Spasial
Calvine Ananta Oktegar
21110120130138
Rizki Fauziah Sandhi
21110120130098
Mira Karlina
21110120120035
Sri Wenni Amelia Purba
21110120120014
Rizki Novrizal Ramadhani
21110120140108
Topik
Bahasan
Konsep penjaminan kualitas data spasial
pada ISO 19157

Kualitas data spasial : ​

1. Kelengkapan (Completeness) ​
2. Konsistensi logis (Logical Consistency) ​
3. Akurasi posisi (Positional Accuracy) ​
4. Akurasi tematik (Thematic Accuracy) ​
5. Kualitas temporal (Temporal Quality) ​
6. Elemen kegunaan (Usability Element)
PENJAMINAN KUALITAS
DATA SPASIAL
pada ISO 19157

Pada ISO 19157, menetapkan prinsip-prinsip untuk
menggambarkan kualitas data geografis melalui:
digunakan dalam mengevaluasi dan
mendefinisikan komponen untuk
menggambarkan kualitas data
menentukan komponen dan struktur konten
register untuk ukuran kualitas data
menjelaskan prosedur umum untuk
mengevaluasi kualitas data geografis
menetapkan prinsip-prinsip untuk melaporkan
kualitas data
ISO 19157
ISO 19157 juga mendefinisikan
serangkaian ukuran kualitas data untuk
melaporkan kualitas data. Berlaku untuk
produsen data yang memberikan informasi
berkualitas untuk menggambarkan dan
menilai seberapa baik kumpulan data
sesuai dengan spesifikasi produknya dan
kepada pengguna data yang mencoba
menentukan apakah data geografis
tertentu memiliki kualitas yang memadai
untuk aplikasi khusus mereka atau tidak.
KELENGKAPAN
Kelengkapan (Completeness)

Berdasarkan ISO 19157 tentang kualitas data, akurasi kelengkapan didefinisikan

sebagai keberadaan dan tidak adanya fitur, atribut, dan hubungan antar fitur dan
atribut.Metode evaluasi kualitas kelengkapan dilakukan pada data jalan RBI skala
1:25.000 dengan data acuan data jalan peta RBI skala 1:5.000.
Elemen
Akurasi
Kelengkapan
Commission

Commission adalah kelebihan data yang

berada dalam suatu dataset (ISO 19157).
Commission atau kelebihan, diukur dengan
menghitung atau mengukur beberapa ukuran
kualitas data, yaitu: objek berlebih (excess
item), banyaknya objek berlebih (number of
excess items), persentase objek berlebih (rate
of excess item), dan banyaknya duplikasi
(number of duplication).
Elemen
Akurasi
Kelengkapan
0mission

Commission adalah data yang seharusnya ada

namun absen atau tidak ada pada dataset (ISO
19157). Omission atau kekurangan, diukur
dengan menghitung atau mengukur beberapa
ukuran kualitas data, yaitu : objek hilang
(omission item), banyaknya objek hilang
(number of omission items) dan persentase
objek hilang (rate of omission item).
KONSISTENSI
LOGIS
Konsistensi
Logis
berdasarkan ISO 19157 tentang kualitas data,
konsistensi logis didefinisikan sebagai derajat
kepatuhan terhadap aturan strukur data,
atribut, dan hubungan struktur data.
 Elemen konsistensi Logis
1. Konsistensi Konseptual 2. Konsistensi Domain

kesesuaian atau kepatuhan terhadap aturan-aturan konsistensi domain adalah kesesuaian atau krpatuhan nilai-
skema konseptual nilai terhadap domain nilai yang di tentukan (ISO 19157)
 Elemen konsistensi Logis
3. Kosistensi Format 4. Konsistensi Topologi

Konsistensi format adalah sejauh mana data disimpan Konsistensi topologi adalah kebenaran karakteristik
sesaui dengan struktur fisik dari dataset (ISO 19157). topologi suatu dataset (ISO 19157).
AKURASI
POSISI
 Akurasi Posisi (1)
Dalam melakukan evaluasi akurasi posisi, diperlukan titik-titik sampel pada data yang di-evaluasi
dan data referensi. Dalam melakukan evaluasi akurasi posisi, diperlukan titik-titik sampel pada
data yang di-evaluasi dan data referensi.

Elemen akurasi posisi terdiri dari 3 (tiga) sub- elemen kualitas data, yaitu
1. akurasi absolut atau eksternal,
2. akurasi relatif atau internal dan
3. akurasi posisi data grid.
 Akurasi Posisi (2)
Akurasi Absolut atau Eksternal : kedekatan nilai koordinat yang dilaporkan
terhadapnilai yang dianggap benar (ISO 19157).

General Measures for Positional Uncertainties : ketidakpastian posisi didapat dari

perbandingan koordinat titik pada data yang diuji dengan koordinat titik hasil survei
lapangan ataupun dari data referensi.

Vertical Positional Uncertainties : Ketidakpastian posisi vertikal didapat dari perbandingan

nilaiketinggian pada data yang diuji dengan koordinat titik hasil survei lapangan ataupun
dari data referensi.

Horizontal Positional Uncertainties : Ketidakpastian posisi horizontal didapat dari

perbandingan koordinat titik pada data yang diuji dengan koordinat titik hasil survei
lapangan ataupun dari data referensi.
 Akurasi Posisi (3)
Akurasi Relatifatau Internal: kedekatan posisi relatif dari unsur-unsur pada suatu
dataset terhadap posisi relatif masing-masing yang dianggap benar (ISO 19157).

Kesalahan Vertikal Relatif : evaluasi kesalahan acak dari satu unsur relief terhadap unsur
lainnya dalam dataset yang sama atau pada peta yang sama

Kesalahan Horizontal Relatif : adalah evaluasi kesalahan acak dari posisi horizontal suatu
unsur terhadap unsur lainnya dalam dataset yang sama atau pada peta yang sama.
 Akurasi Posisi (4)

AkurasiPosisi Data Grid: kedekatan nilai posisi spasial data grid terhadap nilai yang
dianggap benar (ISO 19157). Pada evaluasi akurasi posisi data grid, sub-elemen yang
dihitung sama dengan pada evaluasi akurasi posisi horizontal. Perbedaannya hanya pada
jenis koordinat yang digunakan, pada evaluasi akurasi posisi data grid, koordinat yang
digunakan yaitu koordinat piksel. Evaluasi akurasi posisi data grid ini hanya bisa
dilakukan pada data raster.
AKURASI
TEMATIK
 Akurasi Tematik didefinisikan sebagai akurasi
atribut kuantitatif, kebenaran atribut
kualitatif, dan klasifikasi unsur serta
hubungan-hubungan didalamnya.

3 ELEMEN AKURASI TEMATIK

1. Kebenaran Klasifikasi
2. Kebenaran Atribut Non-Kuantitatif
3. Akurasi Atribut Kuantitatif

Akurasi
TEMATIK Note:
Unsur Tutupan Lahan Peta RBI skala
1: 25.000 (yang di Evaluasi)
Data Tutupan Lahan Peta RBI skala
1: 5000 (referensi evaluasi)
1. Kebenaran Klasifikasi Tematik
Merupakan perbandingan antara kelas-kelas yang digunakan pada unsur-unsur atau
atributnya terhadap kondisi sebenarnya. Dibagi menjadi lima bagian yaitu:
.
a.Jumlah Unsur dengan Kesalahan Klasifikasi
Ukuran kualitasjumlah unsur dengankesalahan
klasifikasi dapat dihitung denganmenggunakan
data referensi ataupun survei ke lapangan.
1. Kebenaran Klasifikasi Tematik(2)
b. Tingkat Kesalahan Klasifikasi
adalah jumlah unsur yang mengalami kesalahan
klasifikasi relatif terhadap jumlah seluruh unsur
dalam suatu dataset atau data yang sama.
c. Matriks Kesalahan Klasifikasi (MCM)
matriks yang mengindikasikan jumlah unsur pada
kelas (i) yang diklasifikasikan dalam kelas (j)
1. Kebenaran Klasifikasi Tematik(3)

e. MKappa Koefisien
d. Matriks KesalahanKlasifikasi Relatif (RMCM)
Merupakan koefisien untuk mengukur
adalah matriks yang mengindikasikan jumlah proporsikesepakatan atau konsistensi antara dua
unsur pada kelas (i) yang diklasifikasikan dalam penilaian dengan menghilangkan kesalahan
kelas (j) dibagi dengan jumlah unsur pada kelas (i) klasifikasi
2. Kebenaran Atribut Non Kuantitatif
Kebenaran atribut non kuantitatif adalah mengukur apakah atributnon-kuantitatif
sudah benar atau masih salah
Jumlah Kesalahan
Nilai Atribut
adalah jumlahtotal nilai atributyang
mengalami kesalahandalam bagian
relevandari suatu dataset.Metode
perhitungannya yaitu dengan
menghitung semua nilai
atributdimana yang nilai-nya salah
Tingkat Kebenaran
Nilai Atribut
adalah jumlah nilai atribut yang
benar dan hubungannya dengan
jumlah total nilai atribut. Metode
perhitungannya yaitu dengan
membagi jumlah nilai atribut yang
benar dengan jumlah total nilai
atribut, kemudian dikalikan dengan
100%.
Tingkat Kesalahan
Nilai Atribut
adalah jumlah nilai atribut yang
mengalami kesalahan dan
hubungannya dengan jumlah total
nilai atribut pada data.Metode
perhitungannya yaitu dengan
membagi jumlah nilai atribut yang
salah dengan jumlah total nilai
atribut, kemudian dikalikan
dengan100%.
3. Akurasi Atribut Kuantitatif
Akurasi atribut kuantitatif adalah kedekatan nilai atribut kuantitatif terhadap nilai yang dianggap
atau diketahui benar (ISO 19157). Untuk mengukur kuantitas nilai yang benar, terdapat kemungkinan
untuk memberikan kemungkinan nilai sebenarnya pada selang atau interval tertentu.

Akurasi atribut kuantitatif adalah

kedekatan nilai atribut kuantitatif
terhadap nilai yang dianggap atau
diketahui benar (ISO 19157). Untuk
mengukur kuantitas nilai yang benar,
terdapat kemungkinan untuk memberikan
kemungkinan nilai sebenarnya pada selang
atau interval tertentu.
Contoh
KUALITAS
TEMPORAL
 KUALITAS TEMPORAL

Berdasarkan ISO 19157 akurasi temporal didefinisikan sebagai

kualitas dari keterangan waktu pada atribut dan ketepatan
hubungan antar objek dilihat dari waktunya. Elemen akurasi
temporal terdiri dari 3 (tiga) sub-elemen kualitas data, yaitu
akurasi pengukuran waktu, konsistensi temporal, dan validitas
temporal.
Akurasi pengukuran waktu adalah kedekatan pengukuran
waktu yang dilaporkan terhadap nilai yang dianggap benar
(ISO 19157). beberapa ukuran kualitas data, yaitu:
1. Time Accuracy At 68.3% Significance Level
2. Time Accuracy At 50% Significance Level
3. Time Accuracy At 90% Significance Level
4. Time Accuracy At 95% Significance Level
5. Time Accuracy At 99% Significance Level
6. Time Accuracy At 99.8% Significance Level
a. Time Accuracy at 68.3% Significance Level
Time accuracy at 68.3% significance level
didefinisikan sebagai nilai maksimum dan
minimum untuk nilai waktu yang diterima
dengan probabilitas 68,3%. Penentuan nilai
ini mengacu pada ISO 19157 (LE68.3 atau
LE68.3(r)) dengan melakukan beberapa
tahap. Pertama, ditentukan terlebih dahulu
standar deviasi. Standar deviasi diperoleh
dengan menggunakan persamaan (1).
Setelah mendapatkan nilai standar deviasi, dihitung nilai maksimum dan minimum dengan
menggunakan persamaan berikut:

Sehingga persamaan (2) menghasilkan nilai 4.058. Nilai ini menunjukkan bahwa waktu pengamatan
yang ditunjukkan pada Tabel 6.1 hanya bole lebih cepat atau terlambat selama 4,058 detik dari waktu
yang semestinya. Apabila lebih dari itu maka data yang di rekam tidak dapat dipergunakan. Hasil ini
menunjukkan apabila probabilitas yang digunakan adalah
68.3%.
b. Time Accuracy At 50% Significance Level
Untuk probabilitas 50% memiliki kuantil bernilai 0.6745. Sehingga persamaan (2) menghasilkan nilai
2,737. Nilai ini menunjukkan bahwa waktu pengamatan yang ditunjukkan pada Tabel 6.1 hanya boleh
lebih cepat atau terlambat selama 2,737 detik dari waktu yang semestinya. Apabila lebih dari itu maka
data yang di rekam tidak dapat dipergunakan.
Time Accuracy At 90% Significance Level
Untuk probabilitas 90% memiliki kuantil bernilai 1,645.
Sehingga persamaan (2) menghasilkan nilai 6,675. Nilai ini
menunjukkan bahwa waktu pengamatan yang ditunjukkan
pada Tabel 6.1 hanya boleh lebih cepat atau terlambat
selama 6,675 detik dari waktu yang semestinya. Apabila
lebih dari itu maka data yang di rekam tidak dapat
dipergunakan. Hasil ini menunjukkan apabila probabilitas
yang digunakan adalah 90%.
Time Accuracy At 99% Significance Level
Untuk probabilitas 99% memiliki kuantil bernilai 2,576.
Sehingga persamaan (2) menghasilkan nilai 10,453. Nilai
ini menunjukkan bahwa waktu pengamatan yang
ditunjukkan pada Tabel 6.1 hanya boleh lebih cepat atau
terlambat selama 10,453 detik dari waktu yang
semestinya.Apabila lebih dari itu maka data yang di
rekam tidak dapat dipergunakan. Hasil ini menunjukkan
apabila probabilitas yang digunakan adalah 99%.
Time Accuracy At 95% Significance Level
Untuk probabilitas 95% memiliki kuantil bernilai 1.96.
Sehingga persamaan (2) menghasilkan nilai 7,954. Nilai
ini menunjukkan bahwa waktu pengamatan yang
ditunjukkan pada Tabel 6.1. hanya boleh lebih cepat atau
terlambat selama 7,954 detik dari waktu yang
semestinya. Apabila lebih dari itu maka data yang di
rekam tidak dapat dipergunakan. Hasil ini menunjukkan
apabila probabilitas yang digunakan adalah 95%.
Time Accuracy At 99.8% Significance Level
Untuk probabilitas 99.8% memiliki kuantil bernilai 3.
Sehingga persamaan (2) menghasilkan nilai 12,174. Nilai
ini menunjukkan bahwa waktu pengamatan yang
ditunjukkan pada Tabel 6.1 hanya boleh lebih cepat atau
terlambat selama 12,174 detik dari waktu yang
semestinya. Apabila lebih dari itu maka data yang di
rekam tidak dapat dipergunakan. Hasil ini menunjukkan
apabila probabilitas yang digunakan adalah 99.8%.
Konsistensi Temporal

Konsistensi temporal adalah kebenaran urutan peristiwa (ISO 19157). Akurasi konsistensi temporal
diukur dengan menghitung atau mengukur ukuran kualitas data yaitu kesalahan kronologi. Kesalahan
kronologi merupakan indikasi yang menunjukan keruntutan perekaman suatu data terhadap urutan
peristiwa. Evaluasi kualitas kesalahan kronologi bertujuan untuk melakukanpengecekan ada tidaknya
kesalahan terhadap keruntutun data yang direkam.

Evaluasi kualitas ini diujikan terhadap waktu perekaman muka air laut yang ditunjukkan pada Tabel
6.1. Pada tabel pengamatan dapat dilihat waktu pengambilan data yang terrekam runtut sesuai
dengan waktu pengamatan. Hal ini menunjukkan bahwa tidak ada indikasi kesalahan kronologi pada
data yang di uji.
 ELEMEN KEGUNAAN

Materi ini berisi pemaparan ukuran, metode dan hasil evaluasi dalam menentukan elemen
kegunaan. Berdasarkan ISO 19157 tentang Kualitas Data, elemen kegunaan berdasarkan
pada kebutuhan pengguna. Seluruh elemen kualitas mungkin digunakan untuk meng-
evaluasi kegunaan. Dalam kasus ini, elemen kegunaan harus digunakan untuk
mendeskripsikan informasi kualitas spesifik mengenai kesesuaian suatu dataset untuk
aplikasi tertentu atau kesesuaian terhadap suatu kebutuhan.Pada penjelasan metode
evaluasi kegunaan ini, data yang digunakan sebagai contoh adalah seluruh unsur pada
Peta Rupa Bumi Indonesia 1:25.000 NLP 1209-313.
 7.1 Pengukuran Agregasi

Agregasi mengkombinasikan hasil-hasil dari evaluasi kualitas data berdasarkan pada

elemen kualitas data yang berbeda atau ruang lingkup kualitas data yang berbeda.
Pengukuran agregasi diukur dengan menghitung atau mengukur beberapa ukuran kualitas
data yang dapat dilihat pada tabel
 7.1 Pengukuran Agregasi (2)

1. Terpenuhnya spesifikasi produk data

Terpenuhinya spesifikasi produk data adalah indikasi bahwa seluruh persyaratan dalam
spesifikasi produk data yang diacu telah terpenuhi. Hasil evaluasi ukuran kualitas
terpenuhinya spesifikasi produk data berupa nilai boolean.
2. Jumlah gagal spesifikasi produk data
Jumlah gagal spesifikasi produk data adalah jumlah persyaratan spesifikasi produk data
yang tidak dipenuhi oleh produk yang di-evaluasi. Hasil dari evaluasi kualitas jumlah gagal
spesifikasi produk data yaitu berupa nilai integer.
3. Jumlah lulus spesifikasi produk data
Jumlah lulus spesifikasi produk data adalah jumlah persyaratan spesifikasi produk data
yang telah dipenuhi oleh produk yang di-evaluasi. Hasil dari evaluasi kualitas jumlah lulus
spesifikasi produk data yaitu berupa nilai integer. Cara perhitungannya yaitu dengan
menghitung jumlah item di tiap elemen kualitas yang hasilnya lulus.
 7.1 Pengukuran Agregasi (3)

4. Tingkat gagal spesifikasi produk data

Tingkat gagal spesifikasi produk data adalah jumlah persyaratan spesifikasi produk data
yang tidak terpenuhi oleh produk yang di-evaluasi dan hubungannya dengan jumlah total
persyaratan spesifikasi produk data.
5. Tingkat lulus spesifikasi produk data
Tingkat lulus spesifikasi produk data adalah jumlah persyaratan spesifikasi produk data
yang terpenuhi ole produk yang di-evaluasi dan hubungannya dengan jumlah total
persyaratan spesifikasi produk data. Hasil dari evaluasi tingkat lulus spesifikasi produk
data yaitu berupa persentase.
 7.2 Agregasi Hasil Kualitas Data

Evaluasi berdasarkan satu elemen kualitas data seringkali tidak cukup memuaskan
pengguna.Produser data biasanya membuat spesifikasi produk data yang memberikan
semua persyaratan yang harus dipenuhi produk. Bagi pengguna potensial, adanya
pernyataan yang menyatakan bahwa produk di-evaluasi berdasarkan spesifikasi
merupakan keuntungan besar. Pernyataan tersebut merupakan hasil agregasi kualitas
data, dan mungkin berguna pada kondisi lain daripada pelaporan kesesuaian terhadap
spesifikasi.
Terdapat 3 metode agregasi kualitas data yang dapat digunakan (a - c). Sebuah dataset
mungkin memiliki hasil agregasi yang diterima meskipun terdapat satu atau lebih hasil
kualitas data yang tidak lolos.
 7.2 Agregasi Hasil Kualitas Data (1)

a. 100% lolos / tidak lolos

Setiap hasil kualitas data dilibatkan dalam perhitungan diberikan nilai boolean satu (1)
jika lolos dan nol (0) jika tidak lolos.
 7.2 Agregasi Hasil Kualitas Data (2)

b. lolos / tidak lolos berbobot

Berdasarkan signifikansi tujuan produk, nilai bobot antara 0 dan 1, diberikan kepada setiap
hasil kualitas data. Total seluruh bobot harus setara dengan 1.
 7.2 Agregasi Hasil Kualitas Data (3)

c. nilai maksimum/ minimum

Setiap hasil kualitas data diberikan nilai v berdasarkan signifikansi hasil kualitas data
untuk tujuan produk. Pertimbangan atau alasan dari keputusan produser data harus
dilaporkan sebagai bagian dari hasil kualitas data. Agregasi kualitas ditentukan dengan
kedua rumus berikut:
Thank
You