LAPORAN PRAKTIKUM

ANALISIS GEOSPASIAL

Minggu ke-2

Topik: Metode Analisis Geospasial, Map Algebra

Disusun oleh:

Azis Mulya Affandy

21/482897/TK/53388

Kelas A

PROGRAM STUDI SARJANA TEKNIK GEODESI

DEPARTEMEN TEKNIK GEODESI

FAKULTAS TEKNIK

UNIVERSITAS GADJAH MADA

YOGYAKARTA

2023

1
A. Tujuan
Mahasiswa mampu melakukan analisis geospasial menggunakan Map Algebra sesuai pada
studi kasus yang diberikan.

B. Lokasi dan Waktu Pengerjaan

Praktikum minggu ke-2 ini dilaksanakan pada :
hari, tanggal : Senin, 18 Februari 2024
waktu : 07.15 – 09.50 WIB
tempat : Lab. Geo Komputasi DTGD FT UGM

C. Landasan Teori
Terdapat berbagai permasalahan atau studi kasus baik kasus baik dengan skala yang
besar maupun dengan skala yang kecil. Namun, dengan perkembangan teknologi saat ini yaitu
sistem informasi geografis dapat membantu para berbagai pihak untuk menjawab solusi atau
melakukan sebuah analisa terkait dengan suatu studi kasus. Sistem Informasi Geografis (SIG)
merupakan sistem komputer yang digunakan untuk memanipulasi data geografis. Sistem yang
beroperasi pada perangkat keras dan lunak berfungsi untuk mengakuisisi dan verifikasi data,
manajemen dan pertukaran data, manipulasi data, perubahan dan pembaruan data,
penyimpanan data, dan analisa data (Rindika, Subiyanto, & Amarrohman, 2020). \
Sebagaimana fungsi Sistem Informasi Geografis sebagai analisa data, terdapat berbagai
metode dalam melakukan analisa data salah satunya yaitu map algebra. Map algebra merupakan
proses aritmatik sederhana untuk mendapatkan keluaran peta baru yang dilakukan dalam satu
atau lebih peta. (Ramdhani, Deanto, Karyanto, & Yulianto, 2018).
Dalam melakukan memproses data dengan map algebra, dapat menggunakan berbagai
data vektor maupun raster yang diolah dengan berbagai model geoprocessing dan perhitungan
aritmatik. Hasil dari pengolahan dengan metode map algebra dapat digunakan untuk berbagai
keperluan seperti mitigasi dan manajemen bencana, melihat dan menghitung jumlah penduduk,
dan berbagai kasus spasial lainnya.
D. Alat dan Bahan
Alat dan digunakan pada praktikum minggu ke-2 ini sebagai berikut :
1. Laptop
2. Perangkat lunak ArcGIS 10.7.1
3. DEM Yogyakarta (Raster SRTM resolusi 90 meter)
4. Citra Landsat TM5 (Citra tahun 2009 resolusi 30 meter)
5. Data Populasi Yogyakarta (resolusi 100 meter)
6. Shapefile Batas Desa Sleman
7. Shapefile Jaringan Jalan

2
 8. Shapefile Jaringan Sungai

E. Langkah Pengerjaan
Berikut Langkah pengerjaan sesuai nomor soal yang diberikan:
1. Dimanakah titik tertinggi dan terendah pada daerah sleman? (berikan label pada
titik tersebut)’
a) Memasukkan data data yang diperlukan, yaitu Dem_Yogyakarta, Batas Desa
Sleman pada ArcGIS.
b) Membuat batas kabupaten sleman dengan menggunakan tools geoprocessing
dissolve pada layer “Batas_Desa_Sleman”.
c) Menggunakan tools Extract by Mask dengan input Dem_Yogyakarta dan Feature
mask menggunakan batas_desa_sleman untuk mendapatkan DEM kabupaten
sleman.
d) Menggunakan tools Zonal Statistic untuk menghitung statistic pada setiap zone
berdasarkan data Dem sebagai ketinggian. Pada Statistic type pilih ‘MAXIMUM’
‘MINIMUM’ untuk mendapat titik tertinggi dan terendah di kabupaten sleman.
e) Menentukan cell yang memiliki nilai elevasi MAXIMUM dan MINIMUM
menggunakan raster calculator.
f) Menggunakan Tools Raster to Point untuk merubah cell dengan ketinggian max dan
min menjadi titik.
g) Memberikan label menggunakan tools Callout pada menu drawing.
2. Sebutkan urutan 5 desa di Sleman dengan rata-rata elevasi tertinggi!
a) Menggunakan tools Zonal Statistic pada ArcTollbox dengan memilih ‘MEAN’ pada
statistic type karena yang akan dicari adalah rerata elevasi setiap desa.
b) Membuka atribut table tabel hasil tahap poin a, kemudian mengurutkan desa sesuai
nilai rerata terbesar dan terkecil untuk memudahkan identifikasi.
3. Sebutkan kecamatan dengan kriteria sebagai berikut:
a. Rata-rata elevasi yang paling tinggi dan rendah
a) Menggunakan tools Zonal Statistic as Table pada ArcTollbox dengan memilih
‘KECAMATAN’ pada Zone Field dan memilih ‘MEAN’ pada statistic type
karena yang akan dicari adalah rerata elevasi setiap kecamatan. Feature Zone
menggunakan batas_desa dan value_raster menggunakan DEM_Yogyakarta
b) Membuka table hasil poin a, mengurutkan kecamatan berdasarkan nilai elevasi
rerata dari yang tertinggi hingga terendah untuk memudahkan identifikasi.
b. Rata-rata kemiringan kecil dari 10% dan elevasi lebih dari 1000 m!
a) Melakukan masking DEM_Yogyakarta menggunakan batas_desa_sleman
untuk menghasilkan DEM_Sleman menggunakan tools Extract by mask

3
 b) Membentuk Slope menggunakan tools Slope dengan input DEM_Sleman,
Output Measurement berupa persen dan Z factor sebesar 1.
c) Mengatur klasifikasi sesuai pada pedoman kelas kelerengan pada modul.
d) Melakukan klasifikasi ulang pada DEM_Sleman menjadi 2 kelas, yaitu area
yang elevasinya diatas 1000 dan diawah 1000.
e) Melakukan klasifikasi ulang pada Slope yang telah terbentuk menjadi Slope
dengan nilai kurang dari 10 dan lebih dari 10
f) Menggunakan Tools Raster Calculator untuk mendapatkan area dengan slope
< 10 persen dan elevasi lebih dari 1000 meter. Syntax yang digunakan adalah
“("Nomor 3b\Reclass_Slop1" == 1) & ("Nomor 3b\Class_elevasi" == 1)
g) Menggunakan Tools Zonal Statistic as table dengan Zone field
‘KECAMATAN’ feature zone ‘Batas Desa’ dan raster hasil poin f.
h) Membuka Tabel hasil poin g untuk melihat kecamatan yang memiliki Rata-
rata kemiringan kecil dari 10% dan elevasi lebih dari 1000 m.
4. Di kecamatan Cangkringan, berapa total jumlah orang yang tinggal di daerah
kelerengan datar dan landai.
a) Menggunakan tools Reclassify untuk membedakan area yang memiliki kelas
kelerengan datar dan landai yaitu pada rentang 0-15 persen kemiringan.
b) Memilih area kecamatan CANGKRINGAN menggunakan tools Select by
Attributes. Kemudian melakukan export menjadi layer sendiri.
c) Menggunakan tools Extract by Mask untuk mendapatkan popolasi hanya pada
kecamatan cangkringan.
d) Menggunakan Zonal Statistic as table untuk mengetahui populasi cangkringan yang
berada di daerah kelerengan datar dan landai.
5. Apabila terjadi banjir lahar dingin pada Sungai di desa Purwobinangun sekitar 15
m dari kiri dan kanan Sungai, hitunglah berapa jumlah Masyarakat yang
terdampak.
a) Menggunakan tools Buffer untuk mendapatkan area 15 meter ke kanan dan ke kiri
dari jaringan Sungai.
b) Memilih Desa Purwobinangun menggunkaan Select by attributes kemudian
melakukan Export sehingga terbentuk layer sendiri.
c) Melakukan Clipping area buffer Sungai yang terbentuk menggunakan area desa
purwobinangun menggunakan tools Clip.
d) Menggunakan tools Zonal Statictic as table dengan input raster adalah raster
populasi Yogyakarta dan statistic type berupa SUM.
e) Membuka table hasil poin d untuk mengetahui jumlah penduduk yang terdampak
ketika terjadi banjir lahar dingin di desa purwobinangun.

4
 6. Diberikan citra Landsat TM5 Silahkan lakukan preprocessing data terlebih dahulu dengan
merubah radiance menjadi reflectan. Kemudian hitung dan tampilkan:
a. Desa dengan nilai rata-rata NDVI tertinggi dan terendah
a) Melakukan konvertsi DN ke radiance menggunakan Tools raster calculator
untuk band 2,3, dan 4. Berikut syntax yang digunakan pada setiap band
Band 2 : (((365-(-2.84))* “ltm5_b2.tif”)/65535 + (-2.84)
Band 3 : (((264-(-1.17))* “ltm5_b3.tif”)/65535 + (-1.17)
Band 3 : (((221-(-1.51))* “ltm5_b4.tif”)/65535 + (-1.51)
b) Melakukan konversi dari radiance ke reflectance menggunakan rumus konversi
untuk ketiga band. Berikut syntax yang digunakan pada setiap band
Band 2 :
(math.pi*“b2_rad”*0.9921323760)/(1826*Cos(26.53759433)*1.0009041095)
Band 3 :
(math.pi*“b3_rad”*0.9921323760)/(1554*Cos(26.53759433)*1.0009041095)
Band 3 :
(math.pi*“b4_rad”*0.9921323760)/(1036*Cos(26.53759433)*1.0009041095)
c) Menghitung nilai NDVI menggunakan tools Raster Calculator sesuai rumus
berikut

Berikut Syntax yang digunakan :

(“b4_ref” - “b3_ref”) / (“b4_ref” + “b3_ref”)
d) Menggunakan Tools Zonal Statistic as table untuk mendapatkan desa yang
memiliki nilai rerata NDVI tertinggi dan terendah. Membuka table dan
mengurutkan berdasarkan nilai rerata NDVI.
b. NDVI dengan nilai antara 0,1 hingga 0,3 pada area dengan kemiringan yang landai
a) Melakukan Reclassify pada kelas kelerengan
b) Melakukan perkalian antara kelerengan landai dengan NDVI yang memiliki nilai
antara 0.1 hingga 0,3.
c. Desa yang berada dengan kombinasi NVDI tertinggi dan populasi terbanyak
a) Menggunakan Zonal statictic as table untuk mendapatkan desa yang memiliki
nilai rerata NDVI tertinggi dan populasi terbanyak.
F. Hasil dan Pembahasan
Berikut Langkah pengerjaan sesuai nomor soal yang diberikan:
1. Dimanakah titik tertinggi dan terendah pada daerah sleman? (berikan label pada
titik tersebut)

5
 Titik tertinggi pada daerah sleman memiliki elevasi 2790 meter dam Titik terendah pada
daerah sleman yaitu memiliki elevasi 48 meter.
Berikut titik tertinggi dan terendah pada daerah sleman yang disimbolkan dengan titik dan
diberikan label.

2. Sebutkan urutan 5 desa di Sleman dengan rata-rata elevasi tertinggi!

Urutan 5 desa pada daerah sleman yang memiliki rerata elevasi tertinggi adalah sebagai
berikut :

6
 Dengan urutan sebagai berikut :
1. Hargobinangun dengan rata-rata elevasi 1143,778
2. Glagaharjo dengan rata-rata elevasi 817,078
3. Kepuharjo dengan rata-rata elevasi 811,882
4. Umbulharjo dengan rata-rata elevasi 753,758
5. Girikerto dengan rata-rata elevasi 699,444027

3. Sebutkan kecamatan dengan kriteria sebagai berikut:

a. Rata-rata elevasi yang paling tinggi dan rendah

Kecamatan yang memiliki rerata elevasi paling tinggi adalah kecamatan Pakem
dengan rerata elevasi sebesar 803.384 meter. Kemudian kecamatan yang memiliki rata-
rata elevasi terendah adalah Moyudan dengan rerata elevasi 57 meter

b. Rata-rata kemiringan kecil dari 10% dan elevasi lebih dari 1000 m!
Untuk menyelesaikan masalah tersebut diperlukan 2 data yaitu, nilai kemiringan pada
daerah yang diperlukan. Untuk persoalan ini digunakan DEM_Yogyakarta yang
kemudian di masking menggunakan batas desa sleman, yang selanjutnya dibentuk
menjadi nilai kemiringan menggunakan tools Slope.
Tools Reclassify digunakan untuk melakukan klasifikasi ulang berdasarkan
pembagian yang diinginkan, contohnya untuk melakukan klasifikasi ulang untuk DEM

7
Sleman menjadi 2, yaitu yang memiliki elevasi lebih dari 1000 dan kurang dari 1000
yang dibuat menjadi kelas 1 dan kelas 2. Begitu pula untuk Slope, dilakukan klasifikasi
ulang menggunakan Reclassify sehingga terbentuk kelas 1 yang merupakan area
dengan kemiringan kurang dari 10 persen dan kelas 2 yang merupakan area yang
kemiringannya lebih dari 10 presen.

Hasil Reclassify data slope

Pada gambar di atas yang berwarna biru merupakan area yang memiliki nilai
kelerengan lebih dari 10 persen, dan area berwarna coklat merupakan area yang
memiliki nilai kelerengan kurang dari 10 persen.

Pada gambar di atas yang berwarna ungu merupakan area yang memiliki nilai elevasi
lebih dari 1000 meter , dan area berwarna hijau merupakan area yang memiliki nilai
elevasi kurang dari 1000 meter.

Berikut kecamatan yang memiliki rata-rata kemiringan lebih kecil dari 10% dan elevasi
lebih dari 1000m yang merupakan hasil dari Zonal Statistic as table.

8
 Berdasarkan Gambar di atas dapat diketahui bawah kecamatan Turi, Pakem, dan
Cangkringan merupakan kecamatan yang memiliki Rata-rata kemiringan kecil dari
10% dan elevasi lebih dari 1000 m.

4. Di kecamatan Cangkringan, berapa total jumlah orang yang tinggal di daerah

kelerengan datar dan landai.
Pada persoalan di atas karena yang dibutuhkan hanya pada kecamatan Cangkringan, maka
perlu dibentuk layer khsusus kecamatan cangkringan. Kemudian juga data Slope yang
sebelumnya telah terbentuk dilakukan klasifikasi ulang menggunakan Reclassify untuk
membuat kelas dengan kelerengan datar dan landai.

Pada gambar di atas terlihat slope yang terbentuk pada kecamatan cangkringan dibedakan
menjadi 2 kelas yaitu yang kemiringannya yang termasuk datar dan landai, dan kelas kelas
satunya yaitu kelas lainnya.

9
 Kemudian data poppulasi juga di clip menggunakan layer kecamatan cangkringan
menggunakan tools extract by mask.
Berikut jumlah penduduk yang tinggal pada kelas kelerengan datar dan landai pada daerah
kecamatan cangkringan menggunakan tools zonal statistic as table.

Berdasarkan hasil tersebut maka dapat disimpulkan bahwa jumlah penduduknya adalah
45592 penduduk.
5. Apabila terjadi banjir lahar dingin pada Sungai di desa Purwobinangun sekitar 15
m dari kiri dan kanan Sungai, hitunglah berapa jumlah Masyarakat yang
terdampak.
Untuk menyelesaikan persoalan di atas perlu dilakukan beberapa tahapan yang tidak boleh
terbalik. Tahap pertama yaitu melakukan buffer 15 meter dari jaringan jalan yang ada.
Kemudian membuat layer baru untuk desa purwobinangun menggunakan select by
attributes., setelah itu melakukan clip pada hasil buffer menggunakan layer desa
purwobinangun agar area buffer hanya berada di desa purwobinangun.
Kemudian untuk mendapatkan jumlah penduduk terdampak apabila ada lahar dingin pada
desa purwobinangun adalah menggunakan Zonal statistical as table menggunakan type
SUM.

Berdasarkan hasil Zonal statistic di atas dapat disimpulkan bahwa Apabila terjadi banjir
lahar dingin pada Sungai di desa Purwobinangun sekitar 15 m dari kiri dan kanan Sungai,
jumlah Masyarakat yang terdampak adalah 633 jiwa.

6. Diberikan citra Landsat TM5 Silahkan lakukan preprocessing data terlebih dahulu
dengan merubah radiance menjadi reflectan. Kemudian hitung dan tampilkan:
a. Desa dengan nilai rata-rata NDVI tertinggi dan terendah
Tahap pertama yang dilakukan adalah melakukan converse DN menjadi Radiance
menggunakan syntax berikut untuk masing masing band.

10
 Band 2 : (((365-(-2.84))* “ltm5_b2.tif”)/65535 + (-2.84)
Band 3 : (((264-(-1.17))* “ltm5_b3.tif”)/65535 + (-1.17)
Band 3 : (((221-(-1.51))* “ltm5_b4.tif”)/65535 + (-1.51)
Kemudian melakukan konversi dari radiance menjadi reflectance menggunakan
rumus berikut.

Dan berikut syntax yang digunakan pada raster calculator untuk setiap band
Band 2 :
(math.pi*“b2_rad”*0.9921323760)/(1826*Cos(26.53759433)*1.0009041095)
Band 3 :
(math.pi*“b3_rad”*0.9921323760)/(1554*Cos(26.53759433)*1.0009041095)
Band 3 :
(math.pi*“b4_rad”*0.9921323760)/(1036*Cos(26.53759433)*1.0009041095)

Kemudian membuat NDVI menggunakan rumus berikut :

Berikut syntax yang digunakan pada Raster Calculator :

(“b4_ref” - “b3_ref”) / (“b4_ref” + “b3_ref”)

Kemudian untuk mengetahui desa mana yang memiliki nilai rerata nilai NDVI
terendah dan tertinggi dapat menggunakan Zonal statistic. Output yang dihasilkan
sebagai berikut.

Desa dengan NDVI Tertinggi

11
 Desa dengan NDVI Terendahh

Berdasarkan hasil tersebut dapat disimpulkan bawah Desa Bangunkerto yang

memiliki nilai NDVI tertinggi. Kemudian Desa jatrisarono yang memiliki nilai
NDVI Terendah.

b. NDVI dengan nilai antara 0,1 hingga 0,3 pada area dengan kemiringan yang
landai.
Persoalan di atas dapat dilakukan menggunakan raster calculator. Untuk mendapatkan
area dengan kelerengan landai dengan rumus berikut.
Con(( 0.1< "Nomor 6\NDVI") & ()"Nomor 6\NDVI" > 0.3,1)*"Nomor
6\Reclass_SlopeLandai"
Sehingga terbentuk hasil sebagai berikut :

NDVI pada kelerengan Landai

c. Desa yang berada dengan kombinasi NVDI tertinggi dan populasi terbanyak
Berdasarkan hasil yang diperoleh menggunakan Zonal statistic sebagai berikut :
Desa yang memiliki nilai NDVI tertinggi ;

Desa Candi Bangun sebagai desa yang memiliki nilai NDVI tertinggi.

12
 Desa Candi Bangun sebagai desa yang memiliki populasi tertinggi.

G. Kesimpulan
Pada praktikum minggu kedua ini, topik yang dibahas adalah salah satu aspek dari
analisis geospasial, yakni Map Algebra. Penggunaan berbagai alat bantu dalam perangkat lunak
seperti ArcGIS sangatlah penting untuk mempermudah pekerjaan analisis geospasial. Salah
satu fitur dari Map Algebra yang bernama Raster calculator dapat membantu dalam proses
perhitungan ketika ada kebutuhan spesifik yang memerlukan skrip, seperti yang telah
ditunjukkan sebelumnya. Tentu saja, selain Map Algebra, berbagai alat analisis lainnya juga
digunakan, sesuai dengan yang diajarkan dalam Sistem Informasi Geografis (SIG).
Daftar Pustaka
Hartono, S., Riani, E., Yulianda, F., & Puspito, G. (2020). Pemanfaatan Sumber Daya
Udang PENAID di Teluk Ciletuh Palabuhanratu Berdasarkan Analisis Kesesuaian Kawasan.
Jurnal Ilmu dan Teknologi Kelautan Tropis, 195-210.
Ramdhani, E., Deanto, O., Karyanto, & Yulianto, N. (2018). Perhitungan Cadangan
Hidrokarbon Formasi Talang Akar Menggunakan Analisis Petrofisika dan Seismik Inversi AI
dengan Pendekatan Map Algebra pada Lapangan Bisma, Cekungan Sumatera Selatan . Jurnal
Geofisika Eksplorasi, 229-242.
Rindika, J. L., Subiyanto, S., & Amarrohman, F. J. (2020). Analisis Geospasial
Perkembangan Nilai Ekonomi Kawasan Wisata Kota Pagae Alam Menggunakan Sistem
Informasi Geografis. Jurnal Geodesi Undip, 9(4), 22-31.

13