2.5.1. Sistem Informasi Geografis
Penginderaan jauh mempunyai kemampuan untuk menghasilkan data spasial yang susunan geometrinya mendekati keadaan sebenarnya dari permukaan bumi dalam jumlah yang banyak dan waktu yang cepat. Keadaan ini membutuhkan suatu sistem pengelolaan dan penanganan data yang tepat dan efisien sehingga informasi spasial dari citra penginderaan jauh yang diperoleh dapat berguna untuk kepentingan yang luas.
Penginderaan jauh tidak pernah lepas dari Sistem Informasi Geografi (SIG). Data-data spasial hasil penginderaan jauh merupakan salah satu data dasar yang dipergunakan dalam analisis SIG. Dalam perkembangannya data-data SIG juga berguna dalam pengolahan data penginderaan jauh. SIG sangat baik dalam proses manajemen data, baik itu data atribut maupun data spasialnya. Integrasi antara data spasial dan data atribut dalam suatu sistem terkomputerisasi yang bereferensi geografi merupakan keunggulan dari SIG.
Data penginderaan jauh merupakan data hasil pantulan objek dari berbagai panjang gelombang yang di tangkap oleh sebuah sensor dan mengubahnya
menjadi data numerik serta bisa dilihat dalam bentuk grafik atau citra (imaginery). Sedangkan pemanfaatan data-data penginderaan jauh dilakukan karena tersedia dalam jumlah yang banyak, mampu memperlihatkan dearah yang sangat luas, tersedia untuk daerah yang sulit terjangkau, tersedia untuk waktu yang cepat, dan dapat memperlihatkan objek yang tidak tampak dalam wujud yang bisa dikenali objeknya (Sutanto, 1989).
Kemampuan suatu citra (imaginery) menangkap dan menampilkan suatu informasi dari permukaan bumi sangat tergantung dari resolusi spasial, resolusi temporal, resolusi radiometrik dan resolusi spektralnya. Setiap jenis citra mempunyai jenis resolusi yang berbeda-beda baik itu resolusi spasial, resolusi temporal, resolusi radiometrik maupun resolusi spektralnya sehingga mengakibatkan kemampuan suatu citra dalam menangkap dan menampilkan informasi juga berbeda-beda. Keadan ini juga terjadi pada kemampuan citra dalam menangkap dan menampilkan informasi penggunaan lahan.
Pengolahan data penginderaan jauh dengan memanfaatkan SIG diharapkan mampu memberikan informasi secara cepat dan tepat sehingga dapat digunakan sesegera mungkin untuk keperluan analisis dan manipulasi data.
2.5.2. Analisis Spasial
Analisis spasial disebut juga analisis data spasial telah dikembangkan oleh para ahli geografi untuk mengisi kebutuhan akan pemodelan dan penganalisaan data spasial. Analisis spasial didefinisikan sebagai suatu kemampuan umum untuk memanipulasi data spasial ke dalam bentuk-bentuk yang berbeda dan mengekstraksi pengertian tambahan sebagai hasilnya. Analisis spasial berbeda dengan peringkasan (summarization) data spasial (Kanevski and Maignan, 2004).
Peringkasan data spasial diartikan sebagai fungsi basis (dasar) untuk memperlihatkan informasi spasial suatu area tertentu yang diamati dan didefinisikan, serta penghitungan, tabulasi, atau pemetaan berbagai ringkasan statistik dasar dari informasi tersebut. Sementara itu, analisis spasial lebih memusatkan perhatian pada (1) investigasi pola-pola dan atribut/karak-teristik/tanda-tanda lainnya dalam suatu wilayah studi, dan (2) pemodelan hubungan-hubungan untuk keperluan pemahaman dan prediksi (pendugaan).
Lebih jauh lagi, Haining dalam Sutanto (1989) mendefinisikan analisis spasial sebagai suatu kumpulan dari teknik-teknik penganalisaan kejadian-kejadian geografikal di mana hasil-hasil analisis tergantung pada aransemen (susunan) spasial kejadian-kejadian tersebut. Bentuk dari ‘kejadian geografikal’
ini dinyatakan dalam kumpulan objek titik, garis, atau area; dilokasikan dalam ruang geografi, ditambahkan kepada suatu himpunan dari satu atau lebih nilai atribut. Dengan demikian, analisis spasial membutuhkan informasi nilai-nilai atribut maupun lokasi geografi dari objek-objek yang dikumpulkan tersebut.
Berdasarkan pengumpulan sistematis informasi kuantitatif, maka tujuan dari analisis spasial adalah: (1) Pendiskripsian yang akurat dan hati-hati dari kejadian-kejadian dalam ruang geografi (termasuk pendeskripsian pola-pola), (2) Penjelasan sistematik dari pola kejadian dan hubungan antara kejadian-kejadian dalam ruang untuk menghasilkan pemahaman yang lebih baik tentang proses yang mungkin bertangggung jawab terhadap sebaran kejadian-kejadian yang diobservasi, dan (3) Meningkatkan kemampuan untuk memprediksi dan mengendalikan kejadian-kejadian yang terjadi dalam ruang geografi.
Berdasarkan implikasinya, model spasial digunakan untuk 3 kegunaan, yaitu (1) peramalan dan pembangkitan skenario, (2) analisis pengaruh kebijakan, dan (3) pembuatan dan perancangan kebijakan.
Visualisasi data spasial diharapkan sesuai dengan hipotesis mengenai pola-pola dan pengelompokan dalam ruang geografi dan tentang aturan lokasi dalam proses manusia dan lingkungan. Disamping pengembangan metode analisis spasial, aturan-aturan Sistem Informasi Geografi (SIG) dalam visualisasi data spasial sangat penting dalam studi akhir-akhir ini. Tujuan utama dari SIG adalah untuk mengelola data spasial. SIG menggabungkan beberapa kemampuan, termasuk manajemen database, algoritma grafik, interpolasi, pewilayahan dan penyederhanaan analisis jaringan (network). Bentuk analisis spasial dan pemodelan dalam SIG seringkali tidak lebih dari manipulasi data pemetaan, seperti polygon overlay, buffering, dan lain-lain. Kekurangan fungsi analitikal dan pemodelan dikenali sebagai kekurangan mayor dari sistem yang ada. Analisis spasial berkembang seiring dengan perkembangan geografi kuantitatif dan ilmu wilayah (regional science) pada awal tahun 1960-an. Perkembnagannya diawali
dengan digunakannya prosedur-prosedur dan teknik-teknik kuantitatif (terutama statistik) untuk menganalisis pola-pola sebaran titik, garis, dan area pada peta atau data yang disertai koordinat ruang dua atau tiga dimensi. Pada perkembangannya, penekanan dilakukan pada indigenous features dari ruang geografis pada proses-proses pilihan spasial (spatial choice) dan implikasi-implikasinya secara spatio-temporal.
Analisis spasial tidak hanya mencakup statistika spasial (Wong and Lee, 2005). Terdapat dua kajian studi yang bisa dibedakan, yaitu:
Analisis statistik data spasial : kajian-kajian untuk menemukan
metode-metode dan kerangka analisis guna
memodelkan efek-efek spasial dan proses-proses spasial.
Permodelan spasial : pemodelan deterministik atau stokastik untuk
memodelkan kebijakan lingkungan, lokasi-lokasi, interaksi spasial, pilihan spasial dan ekonomi regional.