Manajemen

Data Spasial

Fajar Nugraha
fajar.nugraha.ui@gmail.com / 0812-10-33-905
Disampaikan di

Perkuliahan Aplikasi Sistem Informasi Geografis Kesehatan

Fakultas Kesehatan Masyarakat- Universitas Indonesia
Daring, 5 September 2023
 Daftar Isi

• Konsep Data Spasial

• Definisi Data Spasial
• Format Data Spasial
• Konsep ‘Shapefile’ & ‘Project’
• Konsep Database
• Konsep ‘Point Data’ & ‘Aggregated Data’

© FN
 Konsep Data Spasial

© FN
 Ilustrasi tentang Data Spasial (1)
Daftar Kasus Diare

No. Nama Penderita Diare Alamat

1 Ayu Anastasia Jl. Bina Bakti no 12

2 Cut Tissa Azura Putri Jl. Bina Niaga no. 4

3 Desi Ermaleni Br Ginting Jl. Bina Bahagia no. 5

4 Dian Iskandar Jl. Bina Usaha no. 8

5 Dian Nastiti Jl. Bina Bahagia no. 9

6 Fisma Ichwandini Ageng Jl. Bina Bakti no 15

7 Fitri Wulandari Jl. Bina Usaha no. 5

8 Hanitya Dwi R Jl. Bina Bahagia no. 6

Pertanyaan:
Dimanakah lokasi tempat tinggal mereka?
© FN
 Ilustrasi tentang Data Spasial (2)
Denah Komplek
Fasum Masjid
(0,0) 1 2 3 4 5
No. Nama Penderita Diare X Y
3 8 5
1 1 Ayu Anastasia

1 6 2 Cut Tissa Azura Putri

2
3 Desi Ermaleni Br Ginting
Jl. Bina Utama
3 4 Dian Iskandar
7 5 Dian Nastiti
4
6 Fisma Ichwandini Ageng
2
5 7 Fitri Wulandari
4 8 Hanitya Dwi R
6

7
Gerbang
© FN Utama
 Ilustrasi tentang Data Spasial (3)
Data Non Spasial Data Spasial
No. Nama Penderita Diare Alamat No. Nama Pasien Alamat X Y
1 Ayu Anastasia Jl. Bina Bakti no 12 1 Ayu Anastasia Jl. Bina Bakti no 12 2 2

2 Cut Tissa Azura Putri Jl. Bina Niaga no. 4 2 Cut Tissa Azura Putri Jl. Bina Niaga no. 4 4 5

3 Desi Ermaleni Br Ginting Jl. Bina Bahagia no. 5 3 Desi Ermaleni Br Ginting Jl. Bina Bahagia no. 5 1 1

4 Dian Iskandar Jl. Bina Usaha no. 8 4 Dian Iskandar Jl. Bina Usaha no. 8 1 6

5 Dian Nastiti Jl. Bina Bahagia no. 9 5 Dian Nastiti Jl. Bina Bahagia no. 9 4 1

6 Fisma Ichwandini Ageng Jl. Bina Bakti no 15 6 Fisma Ichwandini Ageng Jl. Bina Bakti no 15 4 2

7 Fitri Wulandari Jl. Bina Usaha no. 5 7 Fitri Wulandari Jl. Bina Usaha no. 5 2 4

8 Hanitya Dwi R Jl. Bina Bahagia no. 6 8 Hanitya Dwi R Jl. Bina Bahagia no. 6 2 1

Data Non Geocoding/georeferencing Data Spasial

Spasial
© FN
 Definisi Data Spasial
Cromley & McLafferty (2002):
Lokasi berarti posisi di ruang muka bumi. Lokasi dapat bersifat ‘absolut’ dan ‘relatif’.

Sickle (2004):
Garis lintang (latitude) dan bujur (longitude) merupakan koordinat yang menjelaskan lokasi
secara ‘absolut’ dalam satuan derajat, menit dan detik. 1 derajat = 60 menit = 3600 detik.

Albrecht (2007):
Data spasial adalah data apapun yang memiliki referensi spasial. Referensi spasial
(koordinat) menjelaskan lokasi suatu obyek di atas permukaan bumi.

.
 Sumbu Y = Latitude (Lat) = Lintang Sumbu X = Longitude (long) = Bujur
• North = Lintang Utara (LU) • West = Bujur Barat (BB)
• South = Lintang Selatan (LS) • East = Bujur Timur (BT)

Bujur Barat (West) Y Bujur Timur (East)

Lintang Utara (North)

Greenwich,
Inggris

X X

Lintang Selatan (South)

Y
Sumber: http://www.lahistoriaconmapas.com/atlas/china-map/view-world-map.htm. Diakses 16 Maret 2016 pukul 16.04
© FN
 Sumber: http://www.colorado.edu/geography/gcraft/notes/coordsys/gif/georef.gif. Diakses pada 16 Maret 2016 pukul 16.44WIB

© FN
 Format Data Spasial
(Pfeiffer, Robinson, Stevenson, Stevens, Rogers, & Clements, 2008)

1. Data Vektor direpresentasikan dalam bentuk point, lines, dan polygon

(area). Pada format ini dimungkinkan dilakukannya perhitungan geometris,
seperti panjang, luas dan jarak.

Sumber:
http://www.geography.hunter.cuny.edu/~jochen/GTECH361/lectures/lecture05/concepts/03%20-%20Geographic%20data%20models.html. Diakses pada 14 Maret 2017 pukul 17.42WIB
 Format Data Spasial
(Pfeiffer, Robinson, Stevenson, Stevens, Rogers, & Clements, 2008)

2. Data Raster menggunakan grid 2 dimensi (cell) untuk representasikan

sebuah data spasial. ‘Cell’ tersebut dinamakan pula ‘pixel’ (picture element).

Sumber:
http://pro.arcgis.com/en/pro-app/tool-reference/spatial-analyst/analysis-environments-and-spatial-analyst.htm. Diakses pada 14 Maret 2017 pukul 17.19 WIB
Format Data Spasial: Raster vs Vector

Sumber: https://vimeo.com/53016715. Diakses pada 14 Maret 2017 pukul 17.47 WIB

 Data Non Spasial (Data Agregat) (1)
Data non spasial adalah data
apapun yang tidak memiliki elemen
lokasi geografis. (Sickle, 2004)

Primary Key Data Non Spasial (Atribut) © FN

Data Non Spasial (Data Agregat) (2)
Konsep ‘Shapefile’ & ‘Project’
 Apa itu Shapefile? (1)

• Istilah ‘shapefile’ pertama kali digunakan pada

tahun 1992 oleh Environmental Systems Institute,
Inc. (ESRI). (Rigaux, Scholl, & Voisard, 2002)
• Format ‘Shapefile’ ESRI menjelaskan geometri &
atribut dari fitur-fitur yang bereferensi geografis,
untuk menyimpan informasi spasial. (Wang, 2005)

© FN
 Apa itu Shapefile? (2)

• Shapefile mempunyai beberapa extension

yang harus disimpan dalam satu folder.
• Extension yang terdapat di shapefile:
1. *.shp → menyimpan aspek geometris (WAJIB)
2. *.shx → menyimpan index dari aspek geometris (WAJIB)
3. *.dbf → menyimpan atribut dari fitur geografis (WAJIB)
4. *.sbn & *.sbx → menyimpan spatial index (optional)
5. *.fbn & *.fbx → menyimpan read-only spatial index (optional)
6. *.prj → menyimpan informasi sistem koordinat (optional)

© FN
1 file shapefile terdiri dari min. 3 extensi file:
(Shapefile: KABUPATEN)

• KABUPATEN.dbf
• KABUPATEN.sbn
• KABUPATEN.sbx Satu kesatuan file data
• KABUPATEN.shp
• KABUPATEN.shx

© FN
 Apa itu Quantum GIS Project?

• Suatu file yang berfungsi untuk membuat

dan menyimpan dokumen kegiatan GIS.

• Dokumen-dokumen tsb meliputi: View,

Attribute Table, Composer Manager.

• Quantum GIS Project memiliki ekstensi →

*.qgs

© FN
 Hubungan file *.qgs & *.shp

Pekerjaan

Quantum GIS Project (*.qgs):

“Manager”
Malaria

Layer 1: Layer 2: Layer 3:

“Staf”
kasus.shp administrasi.shp faskes.shp

© FN
Direktori File “QGIS Project (*.qgs)

Direktori
File *.qgs

File *.qgs

D:\GIS-UIN\Project √
D:\GIS-UIN\Project\Fajar x
E:\GIS-UIN\Project x © FN
Konsep Database
 Apa itu ‘database’ ? (Simarmata, 2007)

• Definisi: kumpulan dari tabel-tabel yang saling berelasi dan

disusun secara logis.

• Kemampuan: mencari secara menyeluruh dan secara

sistematis memelihara dan me-retrieve informasi.

“Spatial Database (GIS) bukanlah database biasa”

© FN
 Apa itu ‘Primary Key’? (Simarmata, 2007)

• Candidate key yang telah dipilih untuk

mengidentifikasi setiap record secara unik.
• Syarat: Harus field yang benar-benar unik dan tidak
boleh ada nilai NULL.
• Contoh: NIP dosen dijadikan sebagai Primary Key
karena lebih sederhana dalam jumlah digit dan unik.

© FN
Relational Database: Public Drinking Water System

(Sumber: Cromley & Mclafferty, 2002)

Konsep ‘Aggregated Data’ & ‘Point Data’
 Apa itu ‘Aggregated Data’?
(Pfeiffer, Robinson, Stevenson, Stevens, Rogers, & Clements, 2008)

• Data, hasil dari penjumlahan sekelompok unit ‘point data’ ke dalam

satu nilai, misalnya: nilai total. Nilai total umumnya dihubungkan
dengan wilayah administratif tertentu, misal: RW, kelurahan,
kecamatan, kabupaten dst.

• Peta Choropleth diambil dari bahasa Yunani khoros, berarti

‘tempat’ dan plethein, berarti ‘menjadi penuh’. Peta choropleth
menampilkan informasi dengan mewarnai secara penuh unit area.
 Apa itu ‘Aggregated Data’?
(Pfeiffer, Robinson, Stevenson, Stevens, Rogers, & Clements, 2008)

• Kelebihan peta choropleth:

1. Dapat menampilkan ‘magnitude’ variabel per unit area.
2. Dapat menampilkan ‘trend spasial’ prevalensi suatu penyakit
terhadap keseluruhan area yang dipetakan.
• Kekurangan:
1. Unit area yang memiliki luas yang besar cenderung mendominasi
tampilan sehingga bisa menyebabkan bias di dalam interpretasinya.
2. Munculnya masalah terkait Modifiable Areal Unit Problem (MAUP)
 Apa itu ‘Aggregated Data’?
(Pfeiffer, Robinson, Stevenson, Stevens, Rogers, & Clements, 2008)

Ilustrasi Modifiable Areal Unit Problem (MAUP)

Sumber Gambar:
https://en.wikipedia.org/wiki/Modifiable_areal_unit_problem. Diakses 14 Maret 2017 pukul 19.35 WIB)
Contoh Visualisasi ‘Aggregated Data’
 Apa itu ‘Point Data’?
(Pfeiffer, Robinson, Stevenson, Stevens, Rogers, & Clements, 2008)

• Data, hasil dari ‘plotting’ lokasi obyek studi menggunakan koordinat

cartesian (long,lat).
• Kelebihan:
1. cara termudah untuk visualisasi informasi kejadian penyakit jika lokasi koordinatnya
(long, lat) diketahui.
2. menampilkan data ‘apa adanya’, tanpa ada modifikasi analisis statistik untuk
membantu interpretasi.
3. user dapat memperhatikan ‘spatial patterns’ dari data tanpa terbebani hal-hal teknis
terkait analisis.

• Kekurangan:
1. Sulit menampilkan ‘multiple events’ di lokasi yang sama.
2. Sulit menampilkan informasi atribut pada setiap lokasi titik.
 Contoh Visualisasi ‘Point Data’
Kejadian kolera di Inggris
(1854): Penelitian dr. John
Kasus Kolera
Snow
Hidran umum
Jaringan Pipa
Kuburan

© FN (Sumber: http://images.slideplayer.com/15/4686311/slides/slide_9.jpg. Diakses pada 17 Maret 2016 pukul 14.40 WIB.

© FN
Gambaran Sebaran Lokasi Yankes dan Jangkauan Yankes (Eryando, 2007)

© FN
 Point Data vs Aggregated Data
No. Keterangan Point Aggregated
Data Data
1. Menggambarkan lokasi absolut suatu obyek geografis. √ ~
2. Diperlukan survey langsung ke responden di dalam proses √ ~
pengumpulan datanya (survei primer).
3. Area yang dipetakan luas (dalam konteks jangka pendek) ~ √
4. Data bersifat detil & terperinci. √ ~
5. Proses pengolahan data cepat, simpel & mudah. ~ √
6. Diperlukan alat GPS di dalam pengumpulan datanya. √ ~
7. Waktu pengumpulan data relatif lama. √ ~
8. Potensi data tumpang tindih (multiple events) di lokasi sama √ ~
9. Output peta dalam bentuk ‘choropleth maps’ ~ √
10. Dapat menjelaskan hubungan sebab-akibat √ ~
11. Dapat menampilkan magnitude variabel per unit areanya ~ √
12. Munculnya masalah terkait Modifiable Areal Unit Problem ~ √
(MAUP)
 Mari kita bangun
Database Spasial..

© FN
 Daftar Referensi

• Albrecht, J. (2007). Key Concepts & Techniques in GIS. London: Sage Publications Ltd.
• Cromley, E. K., & McLafferty, S. L. (2002). GIS and Public Health. New York: The Guilford Press.
• Eryando, T. (2006). Analisis Spasial untuk Meningkatkan Aksesibilitas Kesehatan Maternal Tingkat
Kabupaten, Studi Kasus di Kabupaten Tangerang-Banten. Depok: Fakultas Kesehatan Masyakarat,
Universitas Indonesia.
• Longley, P. A., Goodchild, M. F., Maguire, D. J., & Rhind, D. (2005). Geographical Information Systems
and Science 2nd Edition. Chichester,West Sussex: John Wiley & Sons Ltd.
• Pfeiffer, D. U., Robinson, T. P., Stevenson, M., Stevens, K. B., Rogers, D. J., & Clements, A. C. (2008).
Spatial Analysis in Epidemiology. New York: Oxford University Press
• Rigaux, P., Scholl, M., & Voisard, A. (2002). Spatial Databases with Appilcation to GIS. Elsevier .
• Sickle, J. V. (2004). Basic GIS Coordinates. Boca Raton, Florida: CRC Press LLC.
• Simarmata, J. (2007). Perancangan Basis Data. Yogyakarta: Penerbit ANDI.
• Wang, F. (2005). Geographic Information Systems and Crime Analysis. Hershey, Pennsylvania: Idea
Group Publishing.

© FN