ptt-102003 sistem informasi sumberdaya lahan · fungsi penelusuran bertujuan untuk ... • input...
Post on 30-Mar-2019
218 Views
Preview:
TRANSCRIPT
PENGOLAHAN AWAL dan PERSIAPAN DATA DIGITAL
PTTPTT--102003 102003 SISTEM INFORMASI SISTEM INFORMASI
SUMBERDAYA LAHANSUMBERDAYA LAHAN
Kuliah ke Kuliah ke 77
PENGOLAHAN AWAL dan PERSIAPAN DATA DIGITAL
• Ditujukan pada data yang sudah terdapat dalam bentuk digital yang memerlukan perlakuan tertentu sebelum dilakukan untuk analisis dan manipulasi
• Tidak termasuk proses konversi dari peta analog atau tabulasi pada kertas ke bentuk digital
PENGOLAHAN DATA ATRIBUT
Pengertian Data Atribut Data yang berfungsi menjelaskan berbagai
sifat yang terletak pada data spasial
Misal: – lereng kemiringan, panjang, bentuk, aspek,
posisi, dll
– Vegetasi spesies, tinggi, diamater, % penutupan, dll
Tipe data atribut:1. Nominal
Data yang tak memiliki urutan berdasarkan harkat. Misal: Bangunan, tegal, jagung, dll Operasi: frekuensi, agregat tak bisa
dilakukan operasi matematik Tipe: String
2. OrdinalData dengan kelas atau ranking. Misal: pertama, kedua, dll. Operasi: median, persentil tak ada operasi
matematis Tipe: number
3. IntervalMengacu ke sifat alam yang memiliki sistem skalatertentu dan adanya interval baku tertentu interval tidak mempunyai makna mengikat Misal: suhu 10oC lebih dingin daripada
20oC tidak berarti dinginnya ½ kalinya
Operasi: regresi, standar deviasi, rata-2, dll Tipe: number
4. RatioSama dengan interval, tetapi dengan nilai mutlak misalnya:uang Rp 100,- nilainya benar-benar
2 x Rp. 50,- Operasi: semua operasi angka riil dapat
digunakan Tipe: number
PENGOLAHAN DATA ATRIBUT
Pemeliharaan dan Analisa Data Atribut Berguna untuk:
– Mengedit– Mengecek– Menganalisis
Sering dilakukan terpisah dari data spasialnya, pengolahan data atribut dilakukan sebelum atau setelah pengolahan data spasial.– Sebelum pengolahan: data spasial sebagai bentuk
penampilan saja
– Setelah pengolahan: benar-2 berasal dari pengolahan aspek spasial
Fungsi Pengeditan dan Penelusuran Data Atribut:
Memungkinkan perbaikan dan evaluasi data yang sudah ada
Atribut yang baru dapat dimunculkan dari atribut yang lama atau dihilangkan sama sekali
Pada beberapa sistem data atribut yang telah masuk dalam database sulit diperbaiki, sebagai akibat kelemahan software dalam database tersebut
Fungsi Penelusuran bertujuan untuk menarik data dari dalam database atribut, tergantung dari kondisi yang diperintahkan operator yang kadang juga dipengaruhi oleh software yang digunakan
Analisis data atribut ini sangat berguna dan mengefisienkan pengolahan data spasial
…
PRA PENGOLAHAN DATA SPASIAL
a. Transformasi data spasialb. Mengeditc. Menilai keakuratan
Digunakan untuk:
Kadang perlu penggabungan daerah yang berdampingan pengurangan data yang disimpan, misal: coordinate thinning.
Kegiatan lebih ditekankan pada data spasial, sedikit yang terkait dengan atribut.
Setiap software SIG berbeda-beda
Pre-Processing
Format Error detection and editing Data reduction and generalization Edge matching Registration and Rectification
Konversi antar Format Raster & Vektor
• Input SIG hasil digitasi memiliki format vektor.
• Perlu ditransformasikan ke format lain (raster)
• Input data raster tidak terlalu kompleks, hanya perlu mengganti “header”nya saja untuk mengidentifikasi nama, asal, ukuran dan parameter lain yang digunakan sistem tsb.
• Input data poligon agak sulit, kadang bersifat “irreversible”
Konversi antar Format Raster & Vektor
Poligon Raster Ada dua cara
o Garis yang membentuk batas didefinisikan menjadi frame dari poligon
o Unsur raster di dalam batas poligon dikodekan dengan nilai tertentu.
Cara kedua lebih banyak digunakan karena tahapannya lebih mudah
Data Format Conversion Vector to Vector
– e.g. whole polygon (e.g SAS map data) to point/arc/polygon
– computationally intense – no accuracy loss providing data is ‘clean’ – perfectly transitive
Raster to Raster – may involve resampling (see under data
reduction) – may involve conversion between different
vendor’s raster formats (e.g. GRID to BIL)
Data Format Conversion Vector to Raster: point
– node x,y assigned to closest raster cell – locational shift almost inevitable; error depends on raster
size. – two points in one cell indistinguishable – not transitive; cannot retrieve original data without error
Vector to Raster: line – cells assigned if touched by line – stair step appearance of diagonal lines (called aliasing) – can be visually improved through anti aliasing:
brightness of cells varied based on fraction of cell covered by the line
Raster to Vector Data Conversion: 3-step process
Skeletonizing (or thinning): Reduce raster to unit width – peeling approach successively removes outer edges – medial axis approach determines set of interior pixels farthest from outer
edges Vector extraction: Identify lines
– 4-connected reconstruction • joins center points of 4-connected neighbors if present • particularly bad for diagonal line reproduction
– 8-connected reconstruction • joins center points of 8-connected neighbors if present • diagonal lines reproduced but adds extra lines
– 8-connected reconstruction with redundancy elimination • if 4-connected neighbor line exists, don’t draw diagonal • reduces redundant lines
Topological reconstruction: recreates topological structure • create nodes at line junctions • construct arcs • define polygons (manual designation required)
Error detection and editing
Error always found in GIS data Correct both graphical and attribute
errors Strategies:
a. Compare hardcopy to original (QC 'quality control')
b. Check for processing and logical errors: slivers, labels, attribute consistency;
c. Random Sampling (formal accuracy assessment);
Reduksi Data Generalisasi
Kadang data input perlu direduksi skala besar yang dikecilkanData Vektor: membatasi jumlah koordinat yang direkam saat digitasi
Kasus ttt: a) persamaan polinomial atau b) koridor ttt.
Data Raster: awal: menyederhanakan data yang bersifat mosaik
akhir: pembentukan produk akhir untuk penyajian hasil
Data Generalization What is generalization?
– Selection and simplification of features on a map in accordance to scale and purpose in order to aid map legibility
– Scale is bound by technical reproduction possibilities and limitation of the human eyes
Data Generalization Maintenance of the essential character in generalization.
A - the original compilation of contours Generalization for reduction to a smaller scale
B - Bad generalization results in complete loss of the original character C - Good generalization retains the essential form in spite of considerable
simplification
Data Generalization Computational procedures mostly on linear generalizationDouglas-Peucker algorithm
– Find the floating point with the max perpendicular distance to the connecting line of two endpoints.
• If ( max perpendicular distance > Distance threshold )
– Preserve the floating point
• Else – Remove all the points between
the two endpoints
Transformasi Geometri
Untuk mengkaitkan koordinat di bumi ke peta atau layer dalam SIG dapat ditumpang tindihkan
Disebut RegistrasiKadang registrasi tidak akurat, karena: Proses digitasi tidak akurat Sumber peta tidak akurat Perbedaan sistem proyeksi peta yang
dipakai
Perubahan bersifat
o Merubah skala generalisasio Pengurangan distorsi rubber-shettingo Perubahan proyeksio Translasi & rotasi koordinat
o Penyesuaian posisi relatifo Penyesuaian posisi absolut
Pendekatan utama
Konflaksi
Cara memperbaiki posisi obyek yang berhubungan dengan ‘layer’ data yang berbeda Prosedur manual menggambar
kembali peta sumber dengan menggunakan batas-batas obyek dalam satu lapisan sebagai standar (master= peta dasar) Teknik komputer mirip dengan
manual perlu peta dasar
Penyambungan Pinggir
Peta berseri dan digambarkan dalam bentuk lembar-lembar yang terpisah jika akan disambungkan sering muncul garis yang tidak nyambung perlu disambung
Penyebab kesalahan:• Dari peta asli• Perbedaan waktu pemetaan• Pengembangan/pengkerutan kertas• Proses digitasi
Edge Matching
Edge matching is assigning the correct coordinate and attribute information to geographic features that connect across the boundaries of adjacent data layers.
Edge matching (vector) Mosaicing (raster)
Registration and Rectification
The process of transforming all the data sets into a common coordinate system
Common coordinate system: Registration: image to image relative coordinate system (image to image) Rectification: image to map absolute coordinate system (image to map)
top related