12. kualitas dan sumber kesalahan data spasial
DESCRIPTION
gisTRANSCRIPT
-
KUALITAS DAN SUMBER KESALAHAN DATA SPASIAL
Agus Kurniawan Mastur, S.P., M.Si.
-
PETA --> Data Spasial
Peta yg informatif --> memiliki data yg detail, akurat, dapat dipertanggungjawabkan
Pada peta analog, tingkat kedetilan data tercermin secara langsung dari : - skala peta - tahun pembuatan - metode yg digunakan dlm pembuatan peta
Pada peta digital, unsur kualitas data dapat disimpan, disajikan sesuai kebutuhan
Masalah dlm kualitas data spasial .? - informasi tentang kesalahan atau kualitas data sering terabaikan.
-
Pd situasi tertentu --> dapat dibaikan karena data tidak berpengaruh pd beberapa tujuan pemetaan yg dilakukan
Data yg kurang akurat:
Kurang pengaruhnya pada pemetaan skala kecil : cth perencanaan pemanfaatan sumberdaya alam bahkan berani menggunakan data sekunder.
Berpengaruh pada pemetaan skala besar : cth pemetaan topografi, perencanaan bangunan (masterplan) detil --> berkaitan langsung dg risiko keselamatan, menggunakan data primer.
Dalam penyajian data skala kecil --> pengguna berhadapan dg pernyataan yg lebih bersifat umum sehingga tidak dipengaruhi oleh keakuratan hasil pekerjaan spasial.
-
Dalam SIG akurasi data sangat mungkin utk ditelusuri, dicari & diketahui
Namun, tidak berarti sistem data digital SIG lebih akurat bila dibandingkjan dg sistem data analog, krn keakuratan tergantung byk faktor.
Sistem digital mampu mengolah data lebih berpresisi daripada data analog --> hasilnya berpresisi lebih baik
Keakuratan data tergantung pd akurasi sumber data
Kualitas Data SIG
Kebutuhan (waktu)
Biaya
-
Ketidakakuratan posisi dan ketidakpastian atribut
akan bersifat akulmulatif (meningkat dan berkembang) selama analisis
PERKEMBANGAN KESALAHAN DALAM SIG
jika tidak diperbaiki sebelum dilakukan
analisis
Contoh : Pada awal kesalahan yg ada sangat kecil sehingga dapat diabaikan setelah beberapa tahapan kesalahan tsb berlipatganda pada akhir analisis menjadi bermakna.
-
Pengumpulan Data
Pra-pengolahan
Analisis Data
Aplikasi/Permodelan
Penyajian
Pengambilan keputusan
Implementasi
-
KOMPONEN KUALITAS DATA
Kesalahan mikro : kesalahan tsb bersifat lokal dan tidak sistematis, sebagian besar dapat diperbaiki.
KUALITAS DATA SIG
MAKRO MIKRO
Komponen kualitas data unsur mikro : 1. Keakuratan posisi 2. Keakuratan atribut 3. Kokonsistenan logika 4. Resolusi
Komponen kualitas data unsur makro : 1. Kelengkapan data 2. Waktu 3. Latar belakang data
-
Komponen Kualitas Data Mikro
Berkaitan dg ketepatan lokasi --> besarnya penyimpangan posisi data dari posisi sebenarnya di lapangan
Ada 2 komponen yaitu : bias dan presisi
Bias mengacu pada ketidaksesuaian sistematik antara posisi yg diwakili dg posisi yg sebenarnya. Idealnya bias bernilai nol, yg ditunjukkan dg kecenderungan tidak sistematik dari posisi di peta dibandingkan posisi di lapangan (diistilahkan dg akurasi)
Akurasi dlm SIG --> derajat kebenaran produk SIG mendekati keadaan sebenarnya.
Keakuratan Posisi
Akurasi dalam klasifikasi data: peluang dari kelas yg ditentukan di peta dibandingkan dg hasil
pengamatan di lapang. Tidak ada peta yg tingkat akurasinya 100%, karena selalu terdapat suatu tingkat kesalahan.
-
Komponen kualitas data mikro
Presisi --> derajat ketepatan detail pengukuran yg dilakukan pada kenampakan spasial sebenarnya.
Presisi mengacu ke penyebaran (dispersi) kesalahan posisi dari unsur-unsur data posisi, umumnya diduga dari perhitungan simpangan baku dari titik uji terpilih.
Keakuratan Posisi
Simpangan baku rendah ditunjukkan dg sempitnya penyebaran kesalahan posisi pengukuran yg berelevasi tinggi, atau menghasilkan analisis yg lebih baik.
Simpangan baku juga bermanfaat untuk menduga frakuensi dimana tingkat kesalahan pada tingkat tertentu dapat muncul.
-
akurasi rendah, presisi tinggi akurasi tinggi, presisi rendah
akurasi rendah, presisi rendah akurasi tinggi, presisi tinggi
-
Komponen kualitas data mikro
o Atribut data dapat berupa variabel diskrit dan kontinyu
o Variabel diskrit --> nilai yg terputus, atribut seperti kelas pengunaan lahan, vegetasi, atau daerah administratif merupakan variable diskrit
o Variabel kontinyu --> dapat menempati angka berapa saja, bersifat kontinyu antara titik, atribut seperti suhu, ketinggian bersifat kontinyu
Keakuratan Atribut
-
Komponen kualitas data mikro
Mengacu ke kualitas hubungan logika diantara berbagai unsur objek dlm analisis.
Contoh : batas hutan pada suatu peta penutupan lahan terletak ditengah2 jalan --> ini merupakan sesuatu yg tdk wajar. Yg tepat adalah jika batas tsb terletak di pinggir jalan.
Batas danau/sungai --> selalu berubah tergantung pasang surut. Persolaan ini dapat dipecahkan dg membuat batas baku.
Konsistensi Logika
-
Komponen kualitas data mikro
Resolusi data --> unit terkecil yg msh terekam dlm penampilan atau unit penampilan terkecil.
Pada foto udara atau citra satelit, resolusi mengacu ke unit terkecil yg dapat dipisahkan, yg jg diistilahkan dg resolusi spasial.
Pada peta tematik, resolusi --> ukuran objek terkecil yg dapat digambarkan yg diistilahkan sebagai unit pemetaan terkecil, Seperti peta tanah, peta penggunaan lahan, peta geologi dll,
Resolusi
Proses pemilihan resolusi peta tergantung pada penyajian informasi dan tempat penyimpanan data.
Data tsb hanya sesuai dipakai pada skala brp.
-
Komponen kualitas data mikro
Resolusi
Contoh, dlm SIG tdk masalah untuk memperbesar peta.
Untuk memperoleh peta skala 1 : 25.000 dapat dihasilkan dari peta skala 1 : 100.000.
Tapi kualitas informasi peta tsb tidak mempunyai kualitas pemetaaan skala 1 : 25.000, tetap saja kualitas data dan informasi pada skala awal yaitu skala 1 : 100.000.
Jadi : skala awal setiap data yg dimasukkan dlm SIG yg menentukan kualitas seterusnya dari data tsb.
-
Komponen kualitas data makro
Kualitas data yg bersifat menyeluruh merupakan kajian kualitas data bersifat makro.
Biasanya tipe kualitas ini tidak dapat diuji kebenaran atau kesalahnnya, tp hanya dapat dievaluasi secara kualitatif.
Ada 3 tingkat komponen makro : 1. Kelengkapan 2. Waktu 3. Latar belakang data
-
Komponen kualitas data makro
Kelengkapan
dikelompokkan menjadi 3 katagori : kelengkapan cakupan, klasifikasi dan verifikasi.
Kelengkapan cakupan
Proporsi data yg tersedia dari seluruh wilayah studi.
Suatu data ada kalanya tidak sama kualitasnya baik dari segi spasial maupun atribut.
Dalam menggunakan data harus memperhatikan kualitas data masing-masing dan bila diperlukan harus diperbaiki dg menggunakan data tambahan untuk mengatasi kelemahan data tsb.
-
Komponen kualitas data makro
Kelengkapan
Kelengkapan Klasifikasi
Suatu penilaian tentang seberapa baik klasifikasi yg dipilih untuk mewakili data.
Penetapan kelas akan mempengaruhi kekonsistenan dan keakuratan objek yagn dikelompokkan.
Klasifikasi yg tidak sesuai dapat membiaskan data secara nyata.
Kelengkapan verifikasi
Mengacu ke jumlah dan distribusi pengukuran lapang atau sumber-sumber data lain yg tidak independen yg dipergunakan untuk mengembangkan data.
-
Komponen kualitas data makro
Kelengkapan
Klasifikasi Tingkat 1 Klasifikasi Tingkat 2 Klasifikasi Tingkat 3
Pertanian Biji-bijian
Tanaman hortikultura
Tanaman pangan
Peternakan
Brokoli
Wortel
Tomat
Padi
Umbi-umbian
Lembu
Sapi
Domba
Kehutanan Daun Jarum
Daun Lebar
Campuran
Pinus
Jati
Semak-hutan
-
Komponen kualitas data makro
Waktu
Waktu merupakan faktor sensitif/kritis dlm kaitan penggunaan berbagai macam informasi geografi.
Utk informasi geografik yg berubah dg cepat --> waktu pengumpulan data merupakan faktor yg penting.
Waktu sering diabaikan dlm pertimbangan bila analisis menggunakan data banyak, yg dikumpulkan secara terpisah, tetapi dipakai bersama.
Cth : 1. informasi demografi sangat sensitif terhadap waktu yg dapat
berubah setiap tahun. 2. penutupan lahan dapat berubah sangat cepat karena perubahan
musim atau perkembangan tanaman, dan didaerah yg berkembang pesat
-
Komponen Kualitas Data Makro
Latar Belakang
Berkaitan dg sejarah, sumber data dan proses pengolahan yg dipakai utk menghasilkan data tsb.
Sumber data : tempat pengambilan, catatan lapangan, foto udara yg digunakan dan peta-peta pendukung.
Proses pengolahan: berkaitan dg metode-metode yg dipakai untuk menghasilkan peta akhir.
-
KOMPONEN CARA PEMAKAIAN DATA SPASIAL
Assessibilitas
Mengacu pada kemudahan untuk mendapatkan dan menggunakan data.
Assesibilitas data dapat terbatas karena data tsb dimiliki swasta/pribadi/pemerintah.
Contoh data sensus
Diperoleh dg berbagai proses panjang sehingga pada waktu data sdh diperoleh, manfaatnya sdh jauh berkurang karena data sdh lama.
Assesibilitas berkaitan dg kemudahan mendapatkan data dan efisiensi dana.
-
KOMPONEN-KOMPONEN PEMAKAIAN
Biaya langsung dan Tak Langsung
Biaya langsung : terjadi pada saat pembelian langsung dari suatu instansi.
Biaya tdk langsung : terjadi setelah pembelian data.
Cth : Data yg terdapat dlm bentuk non digital atau dlm bentuk digital yg tidak dapat dimasukkan langsung ke SIG. Data tsb perlu di konversi.
Konversi dapat menjadi pekerjaan yg mahal dan memerlujkan biaya
-
SUMBER-SUMBER KESALAHAN DALAM SIG
Kemungkinan sumber-sumber kesalahan pada SIG
Dimulai sejak awal pemasukan data, pengolahan, hingga waktu penyajian hasil
Sumber-sumber kesalahan
yg jelas
Kesalahan-kesalahan dari
variasi alami atau
pengukuran awal
Kesalahan yg muncul
karena pengolahan
1. Umur data
2. Cakupan area
3. Skal peta
4. Komponen pengamatan
5. Kerelevanan
6. Format
7. Assesibilitas
8. Biaya
1. Keakuratan posisi
2. Keakuratan isi
3. Variasi data : pemasukan
data, pengamatan bias,
variasi alami
1. Kesalahan numerik dlm
komputer
2. Kesalahan karena
analsisi topologi
3. Persoalan Klasifikasi dan
generalisasi :
metodologi, defenisi
kelas interval,
interpolasi.
-
Kesalahan yg mudah diketahui/jelas
1. Umur data
Umur berbagai data bervariasi, tidak mungkin data dikumpulkan dlm waktu yg sama.
Penggunaan data yg sdh dipublikasikan (data sekunder) ????
Untuk objek yg bersifat dinamik --> pendekatan ini tdk tepat
Data spasial yg bersifat dinamik antara lain penggunaan lahan, sedangkan data spasial yg bersifat statis antara lain data topografi, data tanah, data geologi dll.
-
Kesalahan yg mudah diketahui/jelas
2. Cakupan areal studi
Idealnya untuk seluruh daerah studi kualitas informasi seragam.
Data yg tersedia di suatu daerah banyak yg tdk seragam, kecuali untuk wilayah yg kecil dan untuk tujuan tertentu.
Contoh perbedaan skala cakupan pemataan tanah berbagai skala, 1 : 50.000 atau 1 : 100.000
Jika peta cakupannya tidak lengkap, maka harus diperbaiki/dibuat sehingga ada keseragaman
Misalnya dg menambah data yg kurang atau men-generalisasi data yg detail --> sehingga cakupannya menjadi sama.
Catatan : tidak diperkenankan untuk memperbesar skala peta yg lebih kecil untuk memenuhi cakupan wilayah karena kedetilannya tidak bertambah
-
Kesalahan yg mudah diketahui/jelas
3. Skala Peta
merupakan ukuran kedetilan data pada pemetaan
kebutuhan skala dari sumber peta harus disesuaikan dg sasaran studi, misalnya untuk studi perencanaan wilayah lebih diperlukan menggunakan data pada skala yg kecil --> akan menyulitkan menggunakan data dg skala sangat besar.
Dlm kaidah kartografi --> peta skala kecil seharusnya merupakan generalisasi dari peta skala besar
4. Kerapatan Pengamatan
Merupakan ukuran keakuratan suatu peta, tapi sering tidak dicantumkan dlm berbagai peta tematik.
Data mengenai kerapatan pengamatan ini dapat digunakan untuk menilai keakuratan data peta tematik yg dianalisis.
-
Kesalahan yg mudah diketahui/jelas
5. Relevansi Data
Tidak semua data yg dipakai utk pengolahan data geografis relevan dg tujuan yg ingin dicapai.
Contoh : data yg diturunkan dari inderaja dapat digunakan untuk menduga penggunan lahan, biomassa atau pengamatan landform
Data yg bersumber dari cara pendugaan biasanya memiliki kualitas lebih rendah dari data yg dinginkan.
Peta-peta yg diinginkan dapat dikembangkan dari data lain dg cara korelasi secara statistik. Misalnya menggunakan analisi regresi, interpolasi dsb.
-
Kesalahan yg mudah diketahui/jelas
6. Format Data
SIG --> kemudahan data disajikan dlm media magnetic dan ditransfer ke suatu sistem komputer ke sistem lain
Cara data disusun atau struktur data tsb apakah dinyatakan dg vektor atau raster?
Dlm sistem SIG sekarang, data dapat dikonversi dari suatu format ke format lain.
7. Biaya
Pengumpulan dan pemasukan data membutuhkan memerlukan dana.
Dlm setiap kegiatan pemetaan harus mampu menghitung biaya dan keuntungan menggunakan data yg sdh ada dibanding melaksanakan survey yg baru, biaya digitasi dan biaya lainnya.
-
Kesalahan yg dihasilkan oleh variasi alam atau variasi pengukuran
1. Keakuratan posisi
Kesalahan posisi disebabkan : pengukuran yg buruk dilapangan, melalui distorsi atau pengerutan kertas, buruknya kualitas hasil scanner.
2. Keakuratan informasi (isi)
Yg menyangkut kebenaran titik, garis atau area
Keakuratan dapat diartikan menjadi akurasi yg bersifat kualitatif
Keakuratan informasi berkaitan dg salah benarnya pemasukan data baik dari atribut maupun geometri.
Untuk menguji keakuratan ini perlu dilakukan pengambilan sample.
3. Variasi Sumber Data
Variasi sumber data dihubungkan dg variasi pada waktu data dikumpulkan/diukur, data lapangan itu sendiri atau kesalahan laboratorium.
-
Kesalahan yg muncul melalui pengolahan
1. Kesalahan numerik dlm komputer
Penggunaan jumlah digit dibelakang desimal.
Sistem penulisan data angka dlm SIG/komputer yg umum terbagi beberapa kelompok yaitu : bit, byte, integer, long-integer dan real.
Bit --> angka yg diwakili 1 dan 0
Byte --> mewakili angka 0 255
Integer --> -32768 sampai +32767
-
Kesalahan yg muncul melalui pengolahan
2. Kesalahan yg berkaitan dg analisis topologi
Kesalahan dlm kaitan proses digitasi, overlay dan konversi bentuk data
Kesalahan dlm proses digitasi --> penarikan garis yg keluar dari jalur yg harus diikuti. Kesalahan yg bersumber dari pengolahan ini biasanya dihindari dg menentukan kisaran ruang tertentu dlm suatu garis. Misalnya pada saat melakukan digitasi : kekonsitenan pada zoom atau skala brp?
Kesalahan yg muncul karena proses overlay sering ditemui dlm analisis khususnya dlm SIG berbasis vektor. Tanda yg mudah dilihat adalah muncul berbagai unit peta yg sangat kecil.
Kesalahan dalam konversi data vektor ke raster atau sebaliknya : ukuran sel raster brp yg diinginkan?