• Tidak ada hasil yang ditemukan

Institutional Repository | Satya Wacana Christian University: Visualisasi Informasi Klasifikasi Iklim Koppen Menggunakan Metode Polygon Thiessen (Studi Kasus Provinsi Jawa Tengah) T1 672005146 BAB IV

N/A
N/A
Protected

Academic year: 2017

Membagikan "Institutional Repository | Satya Wacana Christian University: Visualisasi Informasi Klasifikasi Iklim Koppen Menggunakan Metode Polygon Thiessen (Studi Kasus Provinsi Jawa Tengah) T1 672005146 BAB IV"

Copied!
20
0
0

Teks penuh

(1)

Bab 4

Hasil dan Pembahasan

4.1

Implementasi Model dan Hasil Perhitungan

Implementasi program merupakan langkah merealisasikan perancangan menjadi sistem yang nyata dan dapat digunakan. Sistem dibangun dengan menggunakan program bahasa R.

Gambar 4.1 Antarmuka Iklim Koppen

(2)

koppen yang dipengaruhi oleh wilayah sekitar dengan menggunakan metode polygon thiessen, clear button digunakan untuk menghapus peta yang ditampilkan dalam menu Output Pemetaan. Sedangkan menu output pemetaan berisi peta provinsi Jawa Tengah yang telah diklasifikasikan iklimnya menurut peta yang telah dipilih pada menu Statistik Koppen – Thiessen.

Implementasi sistem dan Hasil Perhitungan adalah proses perhitungan dan visualisasi dari metode yang akan digunakan lalu hasil yang muncul. Kode - kode dan fungsi fungsi yang didefinisikan untuk perhitungan iklim koppen dan metode polygon thiessen, pertama tama akan didefinisikan penggunaan library yang akan digunakan untuk memanggil data, mengolah data, menghitung data dan menampilkan data, library yang akan digunakan adalah sebagai berikut:

1. Library Clasint, class, e1071

adalah library yang akan digunakan dalam pembuatan interval atau penggolongan yang telah dihitung dahulu sebelumnya dan digunakan pada peta yang akan ditampilkan

2. Library gWidgets, gWidgetsRGtk2, cairoDevice

Adalah Library yang digunakan untuk membuat dan menampilkan GUI(Graphical User Interface) dan membuat menu – menu pada Antarmuka sistem.

3. Library maptools

(3)

4. library spdep, rgdal

digunakan untuk membangun daftar dan menghitung hubungan/pengaruh wilayah yang bersinggungan dari daftar polygon yang telah dibuat sebelumnya.

Kode Program 4.1 Perintah untuk memanggil data

1. jateng=readShapeSpatial("F:/Skripsi/==NGABLAK/Iklim

Ngablak/Data Jateng/Backup Data JATENG/jateng/jateng_.shp")

2. pointjateng=readShapeSpatial("F:/Skripsi/==NGABLAK/Iklim

Ngablak/Data Jateng/Backup Data JATENG/jateng/mean_.shp")

3. datajateng=read.csv("F:/Skripsi/==NGABLAK/Iklim Ngablak/Data

Jateng/Data Curah Hujan/DataFix.csv")

Kode Program 4.1 merupakan perintah untuk memanggil peta serta data, datajateng adalah data mentah yang digunakan.

Kode Program 4.2 Perintah untuk menampilkan peta Jawa Tengah

1. plot(jateng)

2. text(coordinates(jateng),labels=as.character(datajateng$KABUP

ATEN[1:35]),cex=1.2)

(4)

Hasil kode program 4.2

Gambar 4.2 Peta Provinsi Jawa Tengah

Gambar 4.2 menunjukkan hasil kode program 4.2, dari hasil yang ditampilkan, dapat dilihat kabupaten di provinsi Jawa Tengah yang nantinya akan menjadi peta pelengkap untuk peta polygon Jawa Tengah peta poligon akan dibahas pada kode program 4.3.

Kode Program 4.3 Perintah untuk Menghitung Polygon di setiap wilayah

1. aa <- function(x) {

8. polys <- vector(mode='list', length=length(w))

9. require(sp)

10. for (i in seq(along=polys)) {

11. pcrds <- cbind(w[[i]]$x, w[[i]]$y)

12. pcrds <- rbind(pcrds, pcrds[1,])

13. polys[[i]] <- Polygons(list(Polygon(pcrds)),

ID=as.character(i))

14. }

15. SP <- SpatialPolygons(polys)

16. voronoi <- SpatialPolygonsDataFrame(SP,

(5)

Kode Program 4.3 digunakan sebagai fungsi untuk membuat polygon dari tiap kabupaten di provinsi Jawa Tengah. Dilakukan pemetaan titik tengah dari tiap daerah didapatkan dari tiap koordinat yang ada pada masing – masing daerah menggunakan sumbu koordinat X dan koordinat Y lalu mencari vektor dari daerah itu sendiri dan daerah yang bersinggungan dan menggabungkan tiap koordinat yang telah didapat dan membentuk sebuah polygon. Perintah untuk penggunaan fungsi pada peta dapat dilihat pada baris 20 dan 21.

Hasil kode program 4.3

Gambar 4.3 Poligon Peta Jawa Tengah

(6)

Kode Program 4.4 Perintah untuk menggabungkan peta

1. plot(VPjateng)

2. plot(jateng, add=T)

Kode Program 4.4 berfungsi untuk menggabungkan peta Jawa Tengah dan peta poligon Jawa Tengah, sehingga hasil yang didapat akan lebih jelas.

Hasil kode program 4.4

Gambar 4.4 Gabungan poligon dan peta Jawa Tengah

(7)

Gambar 4.5 Peta Curah Hujan dan Suhu Provinsi Jawa Tengah

Dari gambar 4.5 akan dibuat peta iklim klasifikasi koppen dengan menghitung data curah hujan dan suhu dari data yang ada, pehitungan dan visualisasi akan di jelaskan pada kode program 4.5

Kode Program 4.5 Perintah untuk menghitung dan menampilkan iklim Koppen

1. t=datajateng$T_RATA[1:35]

2. r1=2*t[1:35]+14

3. P1=10-r1[1:35]/25

4. P3=60

5. inf=max(datajateng$CH_MIN[1:35])

6. brks=c(-inf,mean(P1),P3,inf)

7. plotvar=datajateng$CH_MIN[1:35]

8. plot(VPjateng,col=plotclr[findInterval(plotvar,brks,all.insid

e=TRUE)],axes=T,border="white")

9. plot(jateng,add=T,border="deeppink")

10.text(coordinates(jateng),

(8)
(9)

kode baris kedelapan, perintah pemanggilan ID terdapat pada kode baris kesembilan.

Hasil kode program 4.5

Gambar 4.6 Iklim Koppen Provinsi Jawa Tengah

(10)

kabupaten Banjarnegara dan memiliki iklim Am, kabupaten Banyumas dan memiliki iklim Aw dan kabupaten Batang yang memiliki iklim Af. Hasil ini hanya digunakan untuk kepentingan analisis.

Kode Program 4.6 Perintah menghitung banyak relasi antar kabupaten

1. jateng.nb=poly2nb(jateng)

2. jateng.nb

3. summary(jateng.nb)

Kode Program 4.6 merupakan perintah fungsi untuk menghitung dan menampilkan data relasi dari satu kabupaten dengan wilayah kabupaten lain yang bersinggungan, berisi tentang berapa kabupaten yang memiliki relasi paling sedikit, kabupaten yang memiliki relasi paling banyak, total relasi dari keseluruhan kabupaten yang ada di provinsi Jawa Tengah. Data relasi ini yang akan menjadi acuan pemetaan iklim yang mempengaruhi wilayah di sekitarnya akan dibahas pada kode program 4.7

(11)

Gambar 4.7 merupakan hasil dari perintah pada Kode Program 4.6 dapat dilihat data keluar menunjukkan jumlah wilayah penelitian, jumlah relasi tiap wilayah penelitian, persentase persebaran relasi rata – rata dari tiap wilayah adalah 12,08%, rata – rata wilayah perkabupaten yang bersinggungan adalah 4, pada data keluaran terakhir disebutkan nomor row.names mempunyai relasi yang berbeda dilihat dari wilayah yang bersinggungan di setiap kabupaten, contoh pada baris keluaran terakhir row.names kabupaten dengan nomor 4 dan 28 mempunyai relasi yang paling banyak dengan wilayah sekitarnya yaitu 8 relasi dengan wilayah sekitarnya.

Kode Program 4.7 Perintah visualisasi relasi antar kabupaten

1. plot(jateng ,border="deeppink", axes=T)

2. plot(jateng.nb,coordinates(jateng),add=T)

(12)

Gambar 4.8 Peta Jaringan Relasi Tiap Wilayah

Gambar 4.8 menunjukkan hasil kode program 4.7 yang menampilkan plot relasi jaringan antar wilayah kabupaten satu sama lain, menunjukkan relasi kelompok kabupaten yang bersinggungan dengan kabupaten lain dari jejaring ini akan digunakan untuk melihat relasi dan pengaruh iklim sekitar dengan iklim yang ada di wilayah itu sendiri.

Kode Program 4.8 Perintah menghitung pengaruh relasi antar kabupaten

1. ili.prob=probmap(datajateng$CH_MIN[1:35],jateng@data$COUNT,ja

teng.nb)

2. class.p=classIntervals(ili.prob$pmap,nclr,style="fixed",fixed

Breaks=c(0,.05,1,1.5))

3. colcode.p=findColours(class.p,plotclr)

4. plot(ili.prob,col=colcode.p)

(13)

pengaruh wilayah satu dengan yang lain menggunakan variabel yang didapatkan dari fungi di atas yaitu pmap.

Gambar 4.8 Scatter Plot

Gambar 4.9 menunjukkan hasil kode program 4.8 yang menampilkan scatter plot relasi antar wilayah kabupaten satu sama lain, scatter plot yang dapat dilihat dapat dijelaskan sebagai berikut:

- Raw ScatterPlot adalah data mentah perhitungan curah

hujan terhadap luas wilayah

- expCount ScatterPlot adalah data dari hitungan yang

diharapkan dari kasus dengan asumsi tingkat global - relRisk ScatterPlot adalah data resiko yang saling

berhubungan dari data pengamatan dan data harapan dikalikan 100

- pmap Scatterplot adalah data kemungkinan untuk

mendapatkan nilai extreme(max) dan data kemungkinan untuk mendapatkan nilai yang sangat sedikit(min)

(14)

terhadap variabel lainnya berpengaruh terhadap perubahan iklim yang ada. Warna biru muda adalah kabupaten yang mempunyai iklim Aw, warna biru adalah kabupaten yang mempunyai iklim Am. Plot ini adalah plot varian antar variabel dengan melihat persebaran datanya. Data bergerombol menunjukkan kurang adanya perbedaan nilai antar kelompok yang berbeda antar variabel.data tidak bergerombol dan terpisah antar kelompok menunjukkan variabel sudah terpisah dengan baik antar kelompok.

Kode Program 4.9 Perintah menghitung dan menampilkan pengaruh relasi antar

kabupaten

11.legend(locator(1), c("AW","AM","AF"), fill =plotclr, bty =

'n', cex = 1.2)

(15)
(16)

p1 maka iklim di kabupaten tersebut adalah Am dan jika curah hujan minimum lebih kecil dari p1 maka iklim di kabupaten tersebut adalah Aw, variabel curah hujan tersebut diolah kembali dan dibandingkan dengan luas wilayah kabupaten tersebut dan dibandingkan juga dengan wilayah sekitarnya yang bersinggungan dengan wilayah kabupaten itu sendiri dideklarasikan dengan nama ili.prob. Wilayah pada tiap kabupaten dan dibedakan dengan warna yang berbeda yang didefinisikan oleh legenda peta berwarna biru muda untuk iklim Aw(Tropis Basah dan Kering atau Sabana Tropis), legenda berwarna biru untuk iklim Am(Tropis Monsun) dan berwarna biru tua untuk iklim Af(Hutan Hujan Tropis).

Gambar 4.10 Klasifikasi Iklim Koppen Menggunakan Metode Polygon Thiessen

(17)

berbeda yang didefinisikan oleh legenda peta berwarna biru muda untuk iklim Aw(Tropis Basah dan Kering atau Sabana Tropis), legenda berwarna biru untuk iklim Am(Tropis Monsun) dan berwarna biru tua untuk iklim Af(Hutan Hujan Tropis), contoh pada peta yang mempunyai ID 1, 2 dan 3 secara berurutan adalah kabupaten Banjarnegara dan memiliki iklim Am, kabupaten Banyumas dan memiliki iklim Aw dan kabupaten Batang yang memiliki iklim Af.

4.2

Pengujian Model

Banyaknya total Kabupaten yang memiliki tipe iklim (Af) Hutan Hujan Tropis, (Am) Tropis Monsun, (Aw) Tropis Basah dan Kering atau Sabana Tropis setiap kabupaten dalam provinsi Jawa Tengah dihitung berdasarkan Klasifikasi Iklim Koppen.

Data terlampir.

Tabel 4.1 menunjukkan hasil klasifikasi iklim di setiap kabupaten dalam provinsi Jawa Tengah.

Tabel 4.1Hasil Klasifikasi Iklim Koppen

No Nama

Kabupaten/Kota P2 Hasil Klasifikasi

(18)
(19)

Tabel 4.2 menunjukkan hasil klasifikasi iklim di setiap kabupaten dalam provinsi Jawa Tengah yang dipengaruhi oleh luas wilayah dan kabupaten yang bersinggungan.

Tabel 4.2 tabel Klasifikasi Iklim Koppen – Polygon Thiessen

No Nama

Kabupaten/Kota P2 Hasil Klasifikasi 1 Kab Banjarnegara 9.838986e-01 Am

2 Kab Banyumas 1.092124e-19 Aw

11 Kab. Karanganyar 3.723696e-12 Aw

12 Kota Magelang 1 Af

13 Kota Pekalongan 0.5614853 Am

14 Kota Salatiga 1 Af

15 Kota Semarang 0.9252855 Am 16 Kota Surakarta 1.000000e+00 Am

(20)

24 Kab. Pekalongan 1.142343e-12 Aw 25 Kab. Pemalang 5.931081e-15 Aw

26 Kab. Purbalingga 1 Af

27 Kab. Purworejo 1.704811e-15 Aw

28 Kab. Rembang 0.7141523 Am

29 Kab. Semarang 0.002391403 Aw 30 Kab. Sragen 3.030793e-14 Aw 31 Kab. Sukoharjo 2.161871e-07 Aw 32 Kab. Tegal 9.420214e-09 Aw 33 Kab. Temanggung 0.05859466 Aw 34 Kab. Wonogiri 5.83075e-18 Aw 35 Kab. Wonosobo 8.631764e-15 Aw

Gambar

Gambar 4.1 Antarmuka Iklim Koppen
Gambar 4.2 Peta Provinsi Jawa Tengah
Gambar 4.3 Poligon Peta Jawa Tengah
Gambar 4.4 Gabungan poligon dan peta Jawa Tengah
+7

Referensi

Dokumen terkait

Dalam analisis regresi pengaruh jumlah penduduk dan pengangguran terhadap kemiskinan di Jawa Tengah tahun 2005 - 2010, diperoleh nilai koefisien regresi untuk setiap

supaya hal tersebut dapat menekan tingkat kemiskinan yang terjadi di.

Pada halaman ini berisi tentang sekumpulan data-data demografi kependudukan di wilayah Jawa Tengah beserta faktor- faktor pendukung lainnya atau data-data yang lain

7 triliun berasal dari pemerintah (Data Badan Penanaman M odal Daerah Provinsi Jawa Tengah dipublikasi 13 M aret 2014). 7 triliun investasi pemerintah tersebut adalah

BAB IV STRATEGI BERTAHAN KOMPAS TV JAWA TENGAH DALAM PERSAINGAN TELEVISI LOKAL DI JAWA

hanya fokus pada pengaruh dana alokasi umum dan pendapatan asli daerah. terhadap belanja daerah pada Kabupaten/Kota di Provinsi

Goa Kreo adalah salah satu tempat wisata alam dan sejarah yang terdapat di Kabupaten Ungaran Kota Semarang Provinsi Jawa Tengah. Obyek wisata ini memiliki

pengaruhi Kemungkinan Angkatan Kerja Terdidik untuk menjadi Pengangguran Terdidik di Provinsi Jawa Tengah ……..………... 54 Tabel 4.10 Hasil Analisis Regresi Logistik