praktikum analisis raster

PRAKTIKUM SISTEM INFORMASI GEOGRAFIS TERAPAN MODUL #2

ANALISIS SPASIAL UNTUK PENGOLAHAN DATA

RASTER SISTEM INFORMASI GEOGRAFIS

(STUDI KASUS : PERKEBUNAN STRAWBERRY)

Oleh :

Fahrurrozi 3510 100 019

Dosen :

Dr.-Ing. Ir. Teguh Hariyanto, MSc

Laboratorium GeospasialProgram Studi Teknik GeomatikaInstitut Teknologi Sepuluh NopemberPh. 031-5929486, 5929487

2013

PRAKTIKUM MODUL #2 SISTEM INFORMASI GEOGRAFIS TERAPAN

BAB I

PENDAHULUAN

1.1 Latar Belakang

Pengelolaan data spasial merupakan hal yang penting dalam pengelolaan data Sistem

Informasi Geografi. Proses pengolahan dilakukan dengan menerapkan kaidah-kaidah

relasional terkait secara simultan. Sistem Informasi Geografis (SIG) tidak hanya berfungsi

untuk memindahkan atau mentransformasi peta konvensional (analog) ke bentuk digital

(digital map), lebih jauh lagi sistem ini mempunyai kemampuan untuk mengolah dan

menganalisis data yang mengacu pada lokasi geografis menjadi informasi berharga.

Aplikasi Sistem Informasi Geografis saat ini sudah berkembang pesat dan didukung dengan

teknologi yang semakin cangggih. Pemanfaatan Sistem Informasi Geografis sudah menjangkau

keseluruh lapisan layanan publik. Pemanfaatan SIG ini tidak terlepas dari kehandalan dan

keampuhan setiap fasilitas yang disediakan aplikasi. Seperti dalam ArcGIS Desktop (ESRI)

sendiri memiliki ekstensi-ekstensi yang berguna dalam analisis tingkat lanjut. kemampuan

menganalisis sistem menjadi karakteristik utama Sistem Informasi Geografi seperti analisa

statistik dan klasifikasi raster yang disebut analisis spasial. Analisis spasial dalam Sistem

Informasi Geografis tidak seperti sistem informasi yang lain karena terdapat tambahan

dimensi ruang (space) atau geografi. Kombinasi ini menggambarkan attribut-attribut pada

bermacam fenomena seperti umur seseorang, tipe jalan, dan sebagainya, yang secara bersama

dengan informasi seperti dimana seseorang tinggal atau lokasi suatu jalan [Keele,1997].

Analisis spasial dalam SIG juga dapat digunakan dalam analisis raster yang menggunakan

data raster sebagai sumber dataset. Analisis ini bisanya dilakukan untuk aplikasi analisis

kesesuaian lahan, area, dan membantu mengambil keputusan sesuai dengan hasil yang

didapatkan. Salah satu pemanfaatan aplikasi ini adalah untuk analisis kesesuaian lahan

perkebunan strawberry. Strawberry merupakan tanaman yang hanya bisa tumbuh baik pada

lahan-lahan tertentu dengan beberapa parameter yang sesuai. Dengan lahan yang sesuai dengan

syarat tumbuh baiknya tanaman hasil panen pun menjadi maksimal. Oleh karena itu,

pemanfaatan teknologi Sistem Informasi Geografis ini sangat tepat dalam penentuan lokasi lahan

yang tepat untuk perkebunan strawberry.

2


1.2 Tujuan

Tujuan dari praktikum Sistem Informasi Geografis Terapan Modul #2 adalah sebagai berikut:

1. Memahami konsep analisis spasial dalam Sistem Informasi Geografis dengan

menggunakan data raster,

2. Mengevaluasi kesesuaian lahan untuk perkebunan strawberry menggunakan analisis

raster dalam Sistem Informasi Geografis,

3. Mengetahui cara analisis spasial dengan menggunakan software atau perangkat lunak

pengolah data spasial (Sistem Informasi Geografis).

1.3 Manfaat

Manfaat dari praktikum Sistem Informasi Geografis Terapan Modul #2 adalah sebagai

berikut:

1. Mahasiswa mampu mengoperasikan software pengolah data spasial terutama terkait

dengan analisis data spasial,

2. Mahasiswa mampu menganalisis data raster untuk mengidentifikasi lokasi dan bentuk

dari fitur-fitur geografis dan relasi diantaranya (parameter).

3


BAB II

DASAR TEORI

2.1 Model Data Raster

Model data raster bertugas untuk menampilkan, menempatkan, dan menyimpan konten

data spasial dengan menggunakan struktur matriks atau susunan piksel-piksel yang

membentuk suatu grid (segi empat). Setiap piksel atau sel ini memiliki atribut tersendiri,

termasuk koordinatnya yang unik. Akurasi spasial model data ini sangat bergantung pada

resolusi spasial atau ukuran pikselnya (sel grid) di permukaan bumi. Entitas-entitas spasial

model raster juga dapat disimpan di dalam sejumlah layer yang secara fungsionalitas

direlasikan dengan unsur-unsur petanya. Sebagai ilustrasi, beberapa sumber entitas spasial raster

adalah citra dijital satelit (ex: NOAA, Spot, Landsat, Ikonos, QuickBird), citra dijital

radar, dan model ketinggian dijital DTM atau DEM dalam model data raster)

Gambar 2.1 Contoh Tampilan Permukaan Bumi dan Layer Model Raster

Model data raster dapat memberikan informasi spasial mengenai apa yang terjadi

dalam bentuk gambaran yang ‘’digeneralisasi’’ oleh sensor-sensornya. Dengan model ini,

dunia nyata dapat disajikan sebagai elemen matriks atau sel-sel grid yang homogen.

Dengan model data raster, unsur-unsur geografis ditandai oleh nilai-nilai elemen matriks

persegi panjang (persegi).

4


Gambar 2.2 Contoh Tampilan Struktur Model Data Raster

Pada model data raster, matriks atau array dapat diurutkan menurut koordinat lokalnya

yaitu kolom (x) dan baris (y). Selain itu, pada sistem koordinat piksel monitor komputer,

secara default, titik asal sistem koordinat raster diletakkan di sudut kiri atas (lihat Gambar). Oleh

sebab itu, nilai absis (x) akan meningkat kearah kanan dan nilai ordinat (y) akan

meningkat kearah bawah. Walaupun demikian, sistem koordinat ini dapat pula

ditransformasikan sedemikian rupa sehingga titik asal sistem koordinatnya terletak di sudut

kiri bawah, makin ke kanan nilai absisnya (x) akan meningkat, dan nilai ordinatnya (y)

makin ke atas nilainya semakin meningkat (lihat Gambar).

Gambar 2.3 Contoh Tampilan Sistem Koordinat Data Raster Setelah Transformasi

Pada sistem koordinat seperti ini (pasca transformasi), titik asal koordinat (x0, y0) data raster

terletak di titik sudut kiri bawah. Selain itu, terdapat sejumlah M kolom (absis) dan N baris

(ordinat) sesuai dengan arah sumbu koordinat masing-masing. Setiap piksel atau sel grid

5


memiliki nilai lebar a dan tinggi b (sesuai dengan resolusi spasialnya). Maka dengan

memperhatikan nilai-nilai ini, koordinat-koordinat sudut lainnya adalah :

Kiri – atas (x0, y0 + N*b) ; Kanan – bawah (x0 + M*a, y0) ; Kanan – atas (x0 + M*a, y0 +

N*b)

Dengan memanfaatkan prinsip hitungan yang sama, maka dapat diketahui bahwa :

Koordinat titik pusat piksel baris ke i dan kolom ke j adalah (x0 + (j-0.5)*a, y0

+ (i-0.5)*b)

Batas-batas piksel baris ke i dan kolom ke j adalah (x0 + (j-1)*a < x < x0 + j*a) untuk X

dan (y0 + (i-1)*b < y < y0 + i*b) untuk y.

Matrik raster memiliki bentuk yang teratur secara geometrik dan telah terurut secara

otomatis, oleh sebab itu setiap posisi sel atau posisi pikselnya tidak harus direkam satu

persatu. Jika semuanya direkam malah terjadi pemborosan memori yang sebenarnya tidak

perlu. Hal inilah yang membedakannya dengan data vektor. Untuk membaca konten file

data raster dengan benar, urutan perekaman data tersebut harus diperhatikan.

2.2 Karakteristik Layer Raster

Raster memiliki beberapa karakteristik yang dapat membedakannya satu sama lain.

Karakteristik tersebut antara lain :

Resolusi

Resolusi spasial dapat didefinisikan sebagai dimensi linier minimum dari satuan

terkecil geographic space yang dapat direkam. Satuan terkecil ini, pada umumnya

berbentuk segiempat dan dikenal sebagai sel-sel grid, elemen matriks, elemen

terkecil dari suatu gambar, atau piksel. Resolusi suatu data raster pada dasarnya

akan merujuk pada ukuran permukaan bumi yang dapat direpresentasikan oleh

setiap pikselnya. Makin kecil area permukaan bumi yang dapat direpresentasikan

oleh setiap pikselnya, maka berarti makin tinggi resolusi spasialnya dan data raster yang

bersangkutan makin baik. Demikian pula sebaliknya.

Orientasi

6


Orientasi di dalam sistem grid atau raster dibuat untuk merepresentasikan arah

utara pada sistem grid. Yang paling sering dilakukan adalah mengimpitkan arah

utara grid ini dengan arah utara yang sebenarnya di titik asal sistem koordinat grid yang

bersangkutan. Walaupun demikian, karena masalah perubahan atau distorsi, adalah

suatu hal yang tidak mungkin untuk mengimpitkan arah utara grid dan arah utara

sebenarnya di semua titik yang terdapat di dalam grid tersebut. Dalam kaitan ini, jika

suatu grid telah diorientasikan terhadap titik asal dan arah utara sebenarnya, maka

sistem penomoran grid dan satuan-satuan ukurannya sudah dapat ditentukan.

Zone

Setiap zone ‘’layer’’ peta raster merupakan sekumpulan lokasi-lokasi yang

memperlihatkan nilai-nilai (bisa diasumsikan Id atau nomor pengenal). Contoh zone yang

dimaksud adalah persil-persil tanah milik, batas-batas administrasi, danau atau pulau,

jenis tanah dan vegetasi, dll. Walaupun demikian, tidak semua layer peta raster

memiliki zone, karena setiap isi sel grid dapat bervariasi secara kontinu di dalam

daerah tertentu sehingga setiap sel juga memungkinkan untuk memiliki nilai yang

berbeda (unik).

Domain Nilai Piksel

Nilai dalam konteks data raster, adalah item informasi (atribut) yang disimpan di

dalam sebuah layer untuk setiap pikselnya. Piksel-piksel di dalam zone atau area

yang sejenis memiliki nilai (isi piksel atau Id) yang sama. Pada umumnya, nilai

sebuah piksel data raster dikuantisasikan ke dalam domain bilangan bulat dengan

panjang 8 bit (atau 1 byte). Meskipun demikian, tidak menutup kemungkinan jika

data raster memiliki domain bilangan bulat dengan panjang 2 byte atau bahkan

domain bilangan real 4, 6, 8 byte atau lebih besar lagi.

Koordinat Piksel atau Lokasi Unsur

Pada umumnya, lokasi di dalam model raster secara langsung dapat

diidentifikasikan dengan menggunakan pasangan koordinat lokalnya; kolom dan

baris (x,y). meskipun demikian, posisi-posisi koordinat geografis yang sebenarnya

dari beberapa piksel yang terletak di sudut-sudut citra raster juga diketahui melalui proses

pengikatan; memerlukan beberapa titik control (GCP – Ground Control Point).7


2.3 Analisis Spasial

Kemampuan SIG juga dikenali dari fungsi-fungsi analisis yang dapat dilakukan. Kemampuan

analisis spasial menggunakan SIG dapat diklasifikasikan bermacam-macam. Klasifikasi di

bawah ini mengacu pada Aronoff (1989):

3. Pengukuran, query spasial dan fungsi klasifikasi

4. Fungsi Overlay

5. Fungsi Neighbourhood

6. Fungsi Network

7. Fungsi 3D Analyst

2.3.1 Pengukuran, query spasial dan fungsi klasifikasi

Fungsi ini merupakan fungsi yang meng-eksplore data tanpa membuat perubahan yang

mendasar, dan biasanya dilakukan sebelum analisis data. Fungsi pengukuran mencakup

pengukuran jarak suatu obyek, luas area baik itu 2 dimensi atau 3 dimensi.

Query spasial dalam mengidentifikasikan obyek secara selektif, definisi pengguna,

maupun melalui kondisi logika. Contoh query spasial adalah misalnya kita mencari suatu area

yang kurang dari 400000 m2 pada area peruntukan lahan (Gambar a). Fungsi klasifikai adalah

mengklasifikasikan kembali suatu data spasial (atau atribut) menjadi data spasial yang baru

dengan menggunakan kriteria tertentu. Misalnya, klasifikasi pendapatan pertahun dari rumah

tangga suatu daerah, dari kalsifikasi sebelumnya dibagi menjadi 7 kelas menjadi 5 kelas

klasifikasi (Gambar b).

8


Gambar 2.4 Query Spasial dengan Mencari Daerah yang Luasnya kurang dari 400000 m2

Gambar 2.5 Klasifikasi Pendapatan Rumah Tangga Suatu Daerah dari (Kiri) 7 Kelas

Klasifikasi Menjadi (Kanan) 5 Kelas Klasifikasi

2.3.2 Fungsi Overlay

Fungsi ini menghasilkan data spasial baru dari minimal dua data spasial yang menjadi

dua data spasial yang menjadi masukannya. Sebagai contoh, bila untuk menghasilkan wilayah-

wilayah yang sesuai untuk budidaya tertentu (misalnya kelapa sawit) diperlukan data ketinggian

permukaan bumi, kadar air tanah, dan jenis tanah, maka fungsi analisis spasial overlay akan

dilakukan terhadap ketiga data spasial (dan atribut) tersebut. Prinsip overlay dapat dilihat pada

Gambar di bawah ini. Fungsi overlay ini juga dapat berlaku untuk model data raster. Prinsip

dasar overlay untuk poligon seperti gambar 2.6 dimana dua buah poligon layer A dan B akan

menghasilkan data spasial baru (dan atribut) yang merupakan hasil interseksi dari A dan B.

9


Gambar 2.6 Prinsip Dasar Overlay untuk Poligon

2.3.3 Fungsi Neighborhood

Salah satu yang terdapat dalam dalam klasifikasi adalah Buffering. Fungsi ini

menghasilkan data spasial baru yang berbentuk poligon atau area dengan jarak tertentu dari data

spasial yang menjadi masukannya. Data spasial titik akan menghasilkan data spasial baru yang

berupa lingkaran-lingkaran yang mengelilingi titik-titik pusatnya. Untuk data spasial garis akan

menghasilkan data spasial baru yang berupa poligon-poligon yang melingkupi garis-garis.

Demikian pula untuk data spasial poligon berupa poligon-poligon yang lebih besar dan

konsenris.

2.3.4 Fungsi Network

Fungsi network merujuk data spasial titik-titik (points) atau garis-garis (lines) sebagai

suatu jaringan yang tidak terpisahkan. Fungsi ini sering digunakan di dalam bidang-bidang

transportasi, hidrologi dan utility (misalnya, aplikasi jaringan kabel listrik, komunikasi, pipa

minyak dan gas, air minum, saluran pembuangan). Sebagai contoh dengan fungsi analisis spasial

network, untuk menghitung jarak terderka antara dua titik tidak menggunakan jarak selisih absis

dan ordinat titik awal dan titik akhirnya. Tetapi menggunakan cara lain yang terdapat dalam

lingkup network. Pertama, cari seluruh kombinasi jalan-jalan (segmen-segmen) yang

menghubungkan titik awal dan akhir yang dimaksud. Pada setiap kombinasi, hitung jarak titik

10


awal dan akhir dengan mengakumulasikan jarak-jarak segmen yang membentuknya. Pilih jarak

terpendek (terkecil) dari kombinasi-kombinasi yang ada. Salah satu aplikasi yang dapat

diterapkan menggunakan fungsi network adalah mencari urutan rute yang optimal. Misalnya kita

memiliki 3 tujuan yang harus di datangi. Dengan menghitung efektifitas dan efisien kita dapat

menentukan rute optimal tujuan kita.

Gambar 2.7 (a) Urutan Rute yang Direncanakan (b) Rute Optimal

2.3.5 Fungsi 3D Analyst

Fungsi 3 Dimensi terdiri dari sub-sub fungsi yang berhubungan dengan presentasi data

spasial dalam ruang 3 dimensi. Fungsi analisis spasial ini banyak menggunakan fungsi

interpolasi. Sebagai contoh, untuk menampilkan data spasial ketinggian, tataguna tanah, jaringan

jalan dan utility dalam bentuk model dimensi, fungsi ini banyak digunakan. Gambar 6

menyajikan contoh penggunaan fungsi 3D analyst untuk pemboran sumur minyak.

Gambar 2.8 Contoh penggunaan fungsi 3DAnalsyt untuk aplikasi pertambangan

2.4 ArcGIS

11


ArcGis adalah suatu perangkat lunak yang di desain pada Graphical User Interface

untuk pengolahan data spasial (Sistem Informasi Geografi). Melalui perangkat lunak ini,

dapat melakukan display (visualisasi data), eksplore, queri, dan analisa data spasial

berikut data-data tabuler yang menyertainya. Didesain pada windows Desktop seperti

Windows NT, Windows 2000,Windows XP, Window Vista dan Windows 7. Perangkat

lunak ini memiliki 3 Aplikasi standar yaitu ArcMap, ArcCatalog, ArcGlobe dan ArcToolbox.

ArcGis menyediakan aplikasi yang bisa disesuailkan dengan kemampuan dan kebutuhan

penggunanya.

ArcMap : didesain untuk menampilkan data, editing, analisi spasial dan pencetakan peta

kualitas tinggi

ArcCatalog : berfungsi untuk mengakses dan mengatus manajemen data (data

spasial dan non spasial) dengan mudah. Penggunan bis mencari data yang

diinginkan, menampilkannya, melihat atau membuat metadatanya. ArcCatalog juga

bisa mengakses database eksternal (Ms Access, SQL Server, Oracle, dsb).

ArcGlobe : didesain untuk menampilkan data secara 3 dimensi.

ArcToolbox : berisi tools (alat-alat) untuk berbagai macam geoprocessing serta konversi

antar format data.

2.5 Tanaman Strawberry

Strawberry merupakan tanaman yang mempunyai ketahanan & adaptasi yang cukup luas.

secara umum syarat tumbuh yang baik untuk strawberry adalah seperti kondisi iklim berikut ini:

suhu udara optimum 17 – 200C dan suhu udara minimum antara 4 – 5 0 Celcius.

Kelembaban udara (RH) 80 – 90%.

Penyinaran matahari 8 – 10 jam/hari.

Curah hujan berkisar antara 600 – 700 mm/tahun.

12


BAB III

METODOLOGI

3.1 Alat dan Bahan

Alat yang digunakan dalam praktikum Sistem Informasi Geografis Terapan Modul #2

adalah:

1. Hardware (Laptop)

2. Software ArcGIS Desktop 9.3

3. Microsoft Office 2010

Bahan yang digunakan dalam praktikum Sistem Informasi Geografis Terapan Modul #2

adalah:

1. Data raster auxellary file yang terdiri dari precipgd.aux, hucgd.aux, elevgd.aux, dan

strmgd.aux

3.2 Waktu dan Lokasi

Adapun waktu dan lokasi pelaksanaan praktikum Sistem Informasi Geografis Terapan Modul

#2 adalah:

Hari, tanggal : Jumat, 06 Desember 2013

Pukul : 09.00 -15.00 BBWI

Tempat : Laboratorium Geospasial Lt.2 Jurusan Teknik Geomatika ITS

13


3.3 Diagram Alir Pekerjaan

Gambar 3.1 Diagram Alir Pekerjaan

3.4 Langkah Pelaksanaan

Berikut ini adalah tahapan-tahapan pelaksanaan praktikum Sistem Informasi Geografis

Terapan Modul #2:

1. Buka ArcMap melalui Start Menu Windows dengan cara klik Start Menu All Programs ArcGIS Klik ArcMap,

Gambar 3.2 Membuka ArcMap 9.3 Melalui Start Menu

14


Gambar 3.3 Tampilan Awal Masuk ArcMap 9.3

Maka akan muncul kotak dialog ArcMap, kemudian pilih A new empty map OK,

Gambar 3.4 Kotak Dialog ArcMap

2. Aktifkan beberapa ekstensi perangkat ArcGIS 9.3 untuk analisis raster dengan cara klik menu Tools Ekstensions, maka akan muncul kotak dialog Ekstensions,

15


Gambar 3.5 Menu Tools ArcMap

Pada kotak dialog Extensions, centang beberapa ekstensi yang diperlukan untuk analisis raster seperti Spatial Analyst, 3D Analyst, dan Network Analyst, kemudian klik Close button,

Gambar 3.6 Kotak Dialog Extensions

Untuk menampilkan tools ekstensi Spatial Analyst klik kanan pada sembarang area toolbar pilih Spatial Analyst,

16


Gambar 3.7 Menampilkan Spatial Analyst Tools

Gambar 3.8 Tools Spatial Analyst

3. Masukkan data raster dengan cara klik kanan Layers Add Data atau dengan cara klik

ikon pada toolbar, maka akan muncul kotak dialog Add Data,

Gambar 3.9 Input Data Melalui Add Data

Pada kotak dialog Add Data pilih file raster yang ingin dianalisis (precipgd.aux, hucgd.aux, streamgd.aux, elevgd.aux) Add, maka data akan muncul pada jendela Data View ArcMap,

17


Gambar 3.10 Kotak Dialog Add Data

Gambar 3.11 Hasil Tampilan Add Data

4. Lakukan ekstraksi data melalui Arc Toolbox Spatial Analyst Tools Extraction double click Extract by Attributes pilih precipgd.aux untuk input raster dan masukkan formula SQL pada kotak isian Where clause seperti pada gambar OK, ekstraksi data ini bersifat opsional karena dilakukan hanya untuk menampilkan karakteristik tertentu dari data raster seperti curah hujan (precipgd.aux),

18


Gambar 3.12 Extraksi Data by Attributes

Lakukan reclassify precipgd dengan cara klik Spatial Analyst Reclassify, maka akan muncul kotak dialog Reclassify. Pada kotak dialog Reclassify klik tombol Classify, maka akan muncul kotak dialog Classification,

Gambar 3.13 Reclassify Spatial Analyst

19


Pada Kotak dialog Classification, ubah Classes menjadi 2, kemudian gunakan Manual pada Classification Method, dan ubah Break Values menjadi 719 dan 919 (sesuai NRP) OK,

Gambar 3.14 Kotak Dialog Classification

Kembali pada kotak dialog Reclassify lalu tentukan lokasi penyimpanan output raster OK,

Gambar 3.15 Kotak Dialog Reclassify

Setelah reclass (klasifikasi) selesai maka hasilnya akan muncul seperti di bawah ini:

20


Gambar 3.16 Hasil Klasifikasi

Karena jumlah kelas yang dihasilkan masih 9 kelas, maka perlu dilakukan pengubahan kelas pada properties dataset raster dengan cara klik kanan layer raster pilih Properties , maka akan muncul kotak dialog Layer Properties,

Gambar 3.17 Kotak Dialog Layer Properties

Pada tab Symbologi ubah kelas menjadi 2 kelas dengan cara klik tombol Classify kemudian lakukan hal yang sama seperti langkah klasifikasi sebelumnya pada kotak dialog Classification lalu klik OK, kembali pada Layer Properties sesuaikan dengan

21


warna yang diinginkan lalu klik OK, maka hasilnya akan muncul pada Data View ArcMap seperti di bawah ini:

Gambar 3.18 Hasil Pengklasifikasian Ulang

5. Tahap selanjutnya pengolahan raster dengan menggunakan fungsi jarak dengan cara klik Spatial Analyst pilih Distance klik Straight Line, maka akan muncul kotak dialog Straight Line,

Gambar 3.19 Distance Spatial Analyst

22


Pada kotak dialog Straight Line biarkan sesuai default-nya lalu klik OK,

Gambar 3.20 Kotak Dialog Straight Line

Hasilnya akan tampil seperti di bawah ini:

Gambar 3.21 Hasil Proses Analisis Spasial Distance

Simpan hasil proses Straight Distance dengan cara klik kanan layer Distance to strmgd pilih Data Make Permanent Save,

23


Gambar 3.22 Menyimpan Hasil Straight Distance Melalui Make Permanent

Karena kelas yang dihasilkan sangat banyak maka perlu dilakukan pnyederhanaan jumlah kelas atau pelebaran rentang kelas seperti proses reclass sebelumnya dengan output menjadi 3 kelas, hasilnya akan muncul seperti di bawah ini:

Gambar 3.23 Hasil Pengklasifikasian Ulang Raster Straight Distance

Lakukan ekstraksi data raster melalui Arc Toolbox dengan cara klik Spatial Analyst Tools Extraction Extract by Attributes, maka akan muncul kotak dialog Extract by Attributes, isikan input raster, formula SQL, dan output raster OK,

24


Gambar 3.24 Kotak Dialog Query Builder

Gambar 3.25 Extract by Attributes

Maka hasilnya akan muncul pada Data View ArcMap seperti gambar berikut:

25


Gambar 3.26 Hasil Ekstraksi Data strmgd

6. Tahap terakhir melakukan pemrosesan analisis data rster secara keseluruhan sesuai dengan parameter yang ditentukan dengan cara klik Spatial Analyst Raster Calculator, maka akan muncul kotak dialog Raster Calculator,

Gambar 3.27 Raster Calculator Spatial Analyst

Pada kotak dialog Raster Calculator, isikan formula sesuai dengan parameter yang ditentukan Evaluate, maka hasilnya akan muncul pada layer,

Gambar 3.28 Kotak Dialog Raster Calculator

26


Gambar 3.29 Hasil Penggabungan Data Raster

Untuk menampilkan tampilan data raster dari masing-masing parameter dapat dilakukan

melalui ekstraksi data berdasarkan atribut seperti langkah 4.

27


BAB IV

HASIL DAN ANALISIS

4.1 Hasil

Dari proses analisis raster praktikum Sistem Informasi Geografis Terapan Modul #2 dapat

diperoleh hasil raster berdasarkan parameter dan tampilan raster masing-masing parameter

sebagai berikut:

1. Parameter precipgd (curah hujan) dengan rentang value 719 – 919

Gambar 4.1 Tampilan Parameter Curah Hujan

2. Parameter hucgd (batas air atau watershed) dengan value 170.103

28


Gambar 4.2 Tampilan Parameter Batas Air atau Watershed

3. Parameter elevgd dengan zona elevasi 3

Gambar 4.3 Tampilan Parameter Ketinggian Zona 3

4. Parameter strmgd (stream atau aliran) dengan value lebih dari atau sama dengan 200

Gambar 4.4 Tampilan Parameter stream atau aliran

29


5. Hasil kalkulasi data raster sesuai dengan keseluruhan parameter

(a)

(b)

Gambar 4.5 Hasil Kalkulasi Data Raster (a) Zoom Out, (b) Zoom In

4.2 Analisis Hasil

Analisis untuk tiap parameter berbeda-beda karena sifat grid dari masing-masing data

berbeda-beda. Data yang digunakan merupakan data raster dengan format auxallary file dengan

sistem koordinat North America 1927. Berikut ini analisis untuk tiap parameter kesesuaian lahan

strawberry:

30


1. Precigd.aux menunjukkan curah hujan rata-rata per tahun di area negara bagian Idaho.

Curah hujan yang digunakan untuk perkebunan strawberry ini ditunjukkan dengan

rentang data value 719 sampai 919 (warna biru). Rentang data ini hampir keseluruhan

mencakup area Idaho.

2. Hucgd.aux menunjukkan batas air atau watershed atau area tangkapan air dimana tiap

area menunjukkan perbedaan kandungan air di dalamnya. Area watershed yang

digunakan untuk parameter perkebunan strawberry adalah area dengan nilai piksel

170.103.

3. Elevgd.aux menunjukkan zona elevasi dengan resolusi spasial sebesar 100 meter, untuk

zona yang digunakan sebagai lahan potensial untuk tanaman strawberry adalah zona

elevasi 3.

4. Strmgd.aux menunjukkan aliran sungai, untuk lahan atau area yang potensial untuk

tanaman strawberry adalah area lebih dari sama dengan 200 meter yang ditunjukkan

dengan nilai di atas 200.

Dari hasil yang diperoleh menunjukkan bahwa raster dari penggabungan seluruh parameter

menghasilkan area dengan value 0 , cell size (X,Y) 3951.765262, 3951.765262, jumlah baris dan

kolom masing-masing 2, dan terletak pada koordinat (302981.096, 665642.254) m (pojok kiri-

bawah piksel). Value 0 ini menunjukkan bahwa area tidak cocok untuk perkebunan strawberry

dengan kata lain dari 4 parameter yang ada tidak sesuai dengan syarat lahan yang cocok untuk

perkebunan strawberry.

31


BAB VI

PENUTUP

6.1 Kesimpulan

Kegiatan praktikum Sistem Informasi Geografis Terapan Modul #2 menghasilkan beberapa

kesimpulan sebagai berikut:

1. Analisis spasial terdiri dari analisis statistik, pemodelan spasial, dan analisis bentuk

dimana pengguna dapat membuat, menggunakan fungsi query, dan menganalisis data

raster dengan berbagai fungsi matematika,

2. Perkebunan strawberry tidak cocok digunakan pada area Idaho dengan parameter curah

hujan dengan grid value 719-919 (precipgd), tangkapan air pada area dengan grid value

170.103 (hucgd), zona elevasi 3, dan daerah aliran sungai lebih dari sama dengan 200

meter,

3. Dalam ArcGIS Desktop 9.3 terdapat ekstensi Spatial Analyst yang berguna dalam

menganalisis data raster, pemodelan spasial, mengintegrasikan analisis data vektor dan

raster, dan mengklasifikasikan data yang ada.

6.2 Saran

1. Dosen sebaiknya menjelaskan secara detail setiap langkah atau tahapan yang diperlukan

untuk analisis spasial,

2. Mahasiswa seharusnya lebih aktif menanyakan setiap kendala dalam pelaksanaan

praktikum,

3. Mahasiswa sebaiknya mempelajari materi terlebih dahulu sebelum praktikum agar

maksud dan tujuan praktikum dapat dipahami secara jelas.

32

praktikum analisis raster

Documents