BAB II. TINJAUAN PUSTAKA
2.3. Sistim Informasi Geografis
Sistim Informasi Geografis (SIG) adalah himpunan alat (tools) yang digunakan untuk pengumpulan, penyimpanan, pengaktifan sesuai kehendak, pentransformasian, serta penyajian data spasial dari suatu fenomena nyata di permukaan bumi untuk maksud-maksud tertentu, data yang dimaksud adalah data spasial atau keruangan maupun atribut yang bersifat keterangan (Burrough, 1986).
Aronof (1989) dalam Danoedoro (1996) mengartikan SIG sebagai suatu sistem berbasis komputer yang memberikan empat kemampuan untuk menangani data bereferensi geografis, yaitu pemasukan, pengelolaan/manajemen data (menyimpan dan mengaktifkan kembali), manipulasi dan analisis, serta keluaran. Selanjutnya Danoedoro (1996) mengatakan bahwa pemanfaatan SIG secara terpadu dalam sistem pengolahan citra digital untuk memperbaiki hasil klasifikasi sehingga optimalisasi penginderaan jauh satelit dapat direalisasi.
Penggunaan SIG saat ini banyak digunakan untuk bidang-bidang terapan seperti terapan dalam bidang hidrologi. Dalam kajian Daerah Aliran Sungai misalnya untuk studi kerawanan banjir, besarnya estimasi limpasan permukaan dapat dengan mudah diperoleh dengan menggunakan SIG dengan cara menurunkan peta satuan lahan dan mengintegrasikan tabel-tabel skor pada setiap satuan pemetaan hasil dari penggabungan berbagai peta (peta tutupan lahan, peta kerapatan aliran, peta lereng dan peta infiltrasi tanah). Selanjutnya informasi spasial baru berupa peta turunan estimasi limpasan permukaan diperoleh dengan mengkalkulasi (overlay) keempat veriabel pembentuk limpasan permukaan.
2.3.1. Digital Elevation Model (DEM)
Konsep tentang Digital Terrain Model (DTM) merupakan suatu hal yang relatif masih baru dan telah berkembang pesat. Istilah ini dikembangkan oleh dua orang Engineer Amerika Serikat (Miller dan La Flamme) yang bekerja di Laboratorium Fotogrametri MIT (Massachusetts Institute of Technology) di akhir tahun 1950-an. Mereka mendefenisikan DTM adakah gambaran permukaan bumi
yang disajikan secara statistik yang terdiri dari himpunan titik-titik koordinat X,Y,Z hasil pengukuran lapangan (Prahasta, 2008). Sejak saat itu muncul beberapa terminologi lain seperti Digital Elevation Model (DEM), Digital Height Model (DHM), Digital Ground Model (DGM), dan Digital Terrain Elevation Data (DTED) atau Digital Surface Model (DSM).
2.3.2. Analisis Geostatistik
Bentuk Permukaan bumi mempunyai perbedaan pola spasial, contohnya nilai kecerahan (brightness value) dari sebuah citra diumpamakan terbentuk dari catatan tentang kekayaan ruang ini. Karakteristik spasial akan mengambil bentuk atau pola tertentu. Seorang analis seringkali mencoba mengetahui perbedaan pola spasial tersebut dengan cara menggambarkan dalam bentuk pola-pola spasial. Untuk mengukur perbedaan tersebut diperlukan sebuah piksel atau piksel tetangga yang menggambarkan keterkaitan hubungan spasial pada sebuah data citra satelit.
Variabel acak yang terdistribusi disebuah ruang seperti nilai pantulan spektral disebut dengan regionalized. Pengukuran geostatistik digunakan untuk mengekstrak variabel-variabel spasial yang terdapat pada region. Teknik interpolasi geostatistik dapat digunakan untuk mengevaluasi hubungan spasial antara data yang ada untuk memperoleh data baru, melalui data grid dari nilai elevasi (Jensen, 2005).
Metode interpolasi dapat dikategorikan dengan berbagai cara. Beberapa metode yang digunakan antara lain metode global dan lokal, Eksak dan non Eksak dan Deterministik dan Stokastik. Untuk lebih jelasnya dapat dilihat pada Tabel 2.3. berikut (Chang, 2006) :
Tabel 2.3. Metode Klasifikasi Interpolasi Spasial
Global Lokal Deterministik Stokastik Deterministik Stokastik
Analisis Trend (ineksak)
Regresi (ineksak)
- Thiessen (eksak) Kriging (eksak) - Estimasi Densitas
(Ineksak) - IDW (eksak) - Splines (eksak)
2.3.3. Kriging
Salah satu metode interpolasi yang terkenal yaitu metode Kriging. Dinamakan Kriging karena berdasarkan penemunya Krige (1951), yang menggunakan istilah umum untuk bentuk bangun segiempat siku dari algoritma regresi linier yang digunakan untuk mengestimasi nilai atribut yang kontinu pada beberapa lokasi sampel yang menggunakan data hanya dari daerah studi (Jensen, 2005).
Kriging merupakan metode gridding yang bersifat fleksibel dan geostatical yang sangat bermanfaat di berbagai bidang dan menyediakan tampilan visual dengan daya tarik yang kuat bagi data yang tersebar secara tidak teratur. Metode ini berusaha untuk mengekspresikan trends yang terkandung di dalam data hasil pengukuran sehingga titik-titik tinggi yang terdapat disepanjang punggung bukit dapat dihubungkan berbeda dengan titik tinggi yang terisolasi oleh garis kontur (bull’s eye). Terdapat beberapa metode kriging yaitu ; 1) Model Variogram , 2) Model Drift dan 3) model Nugget effect (Prahasta, 2008).
Aplikasi metode Kriging di Indonesia banyak dipakai untuk aplikasi pengamatan curah hujan. Curah hujan memiliki variasi keruangan antara tempat yang satu dengan tempat yang lain. Apabila tebal hujan yang jatuh pada suatu DAS digambarkan pada koordinat Kartesian (x, y), maka akan terbentuk plot permukaan tebal hujan yang berbeda-beda pada titik-titik (x, y). Plot permukaan ini merupakan fungsi dari tiap titik lokasi yang dapat dinyatakan dengan (Hadi, 2008):
r(x, y) = f(x, y) ………. (8) dimana :
r(x, y) = Tebal curah hujan pada lokasi (x, y).
Pada kenyataannya fungsi tersebut tidak pernah diketahui, karena variasi keruangan terlalu kompleks untuk dimodelkan melalui fungsi matematis. Untuk mengatasi hal ini, dibuat perkiraan fungsi tersebut atas dasar sejumlah pengukuran tebal hujan pada beberapa lokasi sampel.
………...…. (9)
dengan
dimana :
λj = Faktor bobot lokasi j. rj(x, y) = Tebal hujan pada lokasi j.
rz(x, y) = Prediksi tebal hujan pada lokasi z.
n = Jumlah titik lokasi sampel disekitar titik lokasi yang diprediksi.
2.3.4. Semi-Variogram
Semi-Variogram atau lebih sering disebut Variogram, merupakan ukuran perilaku data secara spasial. Variogram dipakai untuk menentukan jarak dimana nilai-nilai data pengamatan menjadi saling tidak tergantung atau tidak ada korelasinya. Variogram adalah perangkat dasar Geostatistik untuk visualisasi, permodelan, dan eksploitasi autokorelasi spasial dari variabel teregionalisasi.
Nilai variogram disekitar titik awal, dinamakan sebagai nugget, mencerminkan kontinuitas lokal dan variabilitas data. Jika mendekati kontinyu dan variabilitasnya kecil, maka nilai variogram di sekitar titik awal akan 0. Nilai variogram untuk jarak yang besar sama dengan nilai varians data yang bersangkutan dan nilainya hampir tetap, dinamakan sill. Sedangkan jarak (h) yang nilainya mencapai range disebut dengan sill. Bila nilai variogram di titik awal tidak sama dengan 0, maka dikatakan bahwa variogram mempunyai effek nugget. Nugget mencerminkan adanya data skala kecil yang tidak dapat dikorelasikan. Ada yang mengatakan bahwa efek nugget ini adalah “sampling error” (Oliver, 1990). Secara umum persamaan semivariogram dirumuskan sebagai berikut :
……….(10)
dimana :
γ(h) = Semivariogram Z(xi) = nilai pengamatan di titik xi
Z(xi+h) = nilai pengamatan di titik xi + h
N(h) = banyaknya pasangan titik yang mempunyai jarak h
∑
− = n j j j z x y r x y r 1 ) , ( ) , ( λ∑
− = n j j 1 1 λ[ ]
∑
= − + = ( ) 1 2 ) ( ) ( ) ( 2 1 ) ( N h i i i h Z x x Z h N h γGambar 2.8. Grafik Analisis Semivariogram