gis 9

69

BAB 9 : ANALISIS DATA RASTER


Berbeda dengan analisis data vektor yang didasarkan obyek geometrik titik, garis dan polygon,
analisis data raster didasarkan pada cell dan grid. Analisis data raster dapat dilakukan pada cell
individu, kelompok cell (groups of cells), atau cell seluruh grid. Operasi data raster dapat
menggunakan grid tunggal atau lebih grid (multiple grid). Pertimbangan utama dalam analisis data
raster adalah tipe nilai cell

9.1 LINGKUNGAN ANALISIS DATA

Lingkungan analis berkaitan dengan area yang dianalisis dan ukuran cell output. Luas area yg
dianalisis dapat berkaitan dengan grid spesifik, atau area yang ditentukan berdasarkan minimum
dan maksimum koordinat x, y, atau kombinasi beberapa grid.

Luas area yang dianalisis dapat tentukan dengan mask grid. Mask grid membatasi analisis pada cell
yang tidak memuat nilai cell no data. No data berbeda dengan zero (nol), zero merupakan nilai cell
yang valid, sebaliknya no data berarti tidak ada data.

Ukuran cell output biasanya dibuat sama (equal) atau lebih besar dari ukuran cell terbesar diantara
grid input, dengan logika bahwa akurasi output akan berkaitan dengan grid input yang paling
kurang akurat.

9.2 TIPE ANALISIS DATA RASTER

Tipe analisis data raster yang umum dipakai adalah :
- Operasi lokal (local operations)
- Operasi kesekitaran (neighborhood operations)
- Operasi zone (zonal operations)
- Operasi pengukuran jarak (distance measure operations)

9.2.1 Operasi lokal

Operasi lokal dapat menghasilkan grid baru dari grid input tunggal atau grid input multiple
dan nilai cell grid baru dihitung berdasarkan fungsi yang merelasikan input ke output.



70


a. operasi lokal dengan grid tunggal

Contoh operasi lokal dengan grid input tunggal (single grid) adalah mengubah grid
kemiringan (slope) yang diukur dalam persen ke pengukuran dalam derajad (Gambar 9.1),
dengan rumus atau fungsi matematik : [slope_d] = arctan ([slope_p]/100).

a) grid input : slope dalam persen





b) grid output : slope dalam derajad






Gambar 9.1 : Operasi lokal dengan single grid untuk konversi pengukuran slope dalam
persen menjadi slope dalam derajad.


b. Operasi lokal dengan grid multiple

Operasi lokal dengan grid multiple juga disebut dengan compositing map, overlaying map,
atau superimposing map. Operasi ini sama seperti map overlay pada vektor tetapi jauh lebih
effisien karena ukuran dan lokasi cell adalah sama diantara grid yang terlibat dalam operasi
dan tidak perlu melakukan operasi geometri pada grid output.
Contoh operasi ini adalah operasi kombinasi yang memilah kombinasi unik nilai cell input
yang berupa slope dan aspect dan merelasikan nilai kombinasi tersebut dengan cell input
lainnya yang berupa kode kombinasi, sehingga dihasilkan output yang memuat kode
kombinasi, slope dan aspect.(Gambar 9.2)

a) grid input : slope grid
- 0% - 20% nilai 1
- 20% - 40% nilai 2
- > 40% nilai 3







15,2 16,0 18,5
17,8 18,3 19,6
18,0 19,1 20,2
8,64 9,09 10,48
10,09 10,37 11,09
10,20 10,81 11,42
3 2 1
2 1 2
1 2 3 71

b) grid input : aspect grid
- North nilai 1
- East nilai 2
- South nilai 3
- West nilai 4





c) grid input : combine code





d ) grid output : kode kombinasi dan representasinya (slope dan aspect)

Combine code 1 2 3 4 5 6 7
(slope, aspect) (3,3) (2,3) (2,2) (1,2) (2,4) (1,4) (3,1)

Gambar 9.2 Operasi lokal dengan multiple grid


9.2.2 Operasi kesekitaran

Operasi kesekitaran melibatkan cell pusat (focal cell) dan cell sekitar (neighborhood). Cell sekitar
dihitung dengan atau tanpa menyertakan nilai focal cell, kemudian menempatkan hasilnya ke focal
cell. Meskipun neighborhood operation bekerja pada single grid tetapi prosesnya sama seperti local
operation dengan multiple grid.

Beberapa contoh aplikasi neighborhood operation adalah :
- moving average method
- range statistic
- majority statistic

1) Moving average method, dilakukan dengan menghitung rata-rata (mean) nilai cell
didalam jendela geser (moving window) dan menempatkan nilai rata-rata tersebut ke
focall cell (Gambar. 9.3) Pada gambar menunjukkan bahwa nilai cell pada (b)
merupakan rata-rata neighborhood dan focal cell, dimana focal cell-nya didasarkan
posisi pada moving window (cell yg diarsir) ukuran 3x3 pada (a). Misal, 1,56 dari output
grid (b) dihasilkan dari : (1+2+2+1+2+2+1+2+1)/9


3 2 4
3 2 4
2 4 1
1 3 6
2 4 5
4 5 7 72




Gambar 9.3 Moving average method

2) Range statistic, menghitung cell grid output didasarkan pada perbedaan (range) nilai
tertinggi dan terendah neighborhood cell dari grid input (Gambr 9.4). Pada gambar
menunjukkan bahwa nilai 100 pada cell pertama grid output (b) adalah hasil dari 200 –
100, yaitu nilai tertinggi dan terendah neighborhood cell
(100,200,110,200,200,110,150,150,100) dari grid input (a) dengan focal cell sesuai
dengan posisi cell dalam grid output.


100 210 110 200 210
200 200 110 210 210
150
140
140
150 100 170 170
140 130 160 160
160 160 130 140
100 110 110
100 110 110
50 70 70
(a) (b)


Gambar 9.4 Range statistic method

3) Majority statistic, menghasilkan grid output yang nilainya merupakan mayoritas atau
frekwensi kemunculannya paling sering didalam neighborhood cell (Gambar 9.5)
Contoh nilai 2 pada cell pertama grid output dihasilkan dari nilai mayoritas
neighborhood (1,2,2,1,2,2,1,2,1) dimana 2 merupakan nilai mayoritas.
73



Gambar 9.5 Majority statistic method

9.2.3 Operasi zone

Operasi zone bekerja dengan kelompok cell (group of cells) yang memiliki nilai sama atau obyek
yang serupa. Zone dapat bersifat contigous atau noncontigous, contigous zone memuat cell yang
terkoneksi atau saling berhubungan secara spasial, sedangkan noncontigous zone memuat region
cell yg terpisah.

Gambar 9.6 menunjukkan contoh operasi zone dengan dua grid input : zone yg dikodekan 1,2 dan 3
(a) serta nilai cell nya (b), sedangkan grid output (c) merupakan rata-rata nilai tiap zone.























Gambar 9.6 Operasi zone : nilai 2,17 merupakan rata-rata nilai zone 1 yaitu (1+2 +1+4+2+3)/6

74


9.2.4 Operasi pengukuran jarak

Operasi pengukuran jarak, menghitung jarak dari cell yang ditentukan sebagai cell sumber. Cell-cell
dimana jarak itu diukur dan cell sumber harus berada dalam grid yang sama. Pengukuran jarak
dalam suatu grid mengikuti aturan relasi antara node dan link (node-link relationship) (Gambar 9.7).
Node merupakan pusat cell, sedangkan link (yg terdiri dari lateral link dan diagonal link)
menghubungkan node tersebut ke node cell didekatnya. Jarak sepanjang link adalah : 1,0 cell untuk
lateral link dan 1,4142 cell untuk diagonal link.



Gambar 9.7 Node-link relationship, link menghubungkan antar pusat cell baik lateral
maupun diagonal

Ada 2 macam jarak dalam analisis data raster :
- Jarak fisik (physical distance) : mengukur jarak dengan menjumlahkan link antara dua cell
dan mengalikan jarak tersebut dengan ukuran cell (cell size).
- Jarak biaya (cost distance) : mengukur biaya (cost) untuk menempuh jarak fisik.
Seorang pengemudi lebih tertarik dengan waktu dan biaya bahan bakar untuk menempuh
suatu rute dari pada jarak fisiknya.



Gambar 9.8 Jarak biaya
75

Gambar 9.8 menunjukkan jarak biaya lateral link adalah biaya rata-rata cell yg di-link kali 1,0,
contoh [(1+2)/2] x 1,0 = 1,5 .Jarak biaya diagonal link adalah biaya rata-rata kali 1,4142, contoh
[(1+5)/2] x 1,4142 = 4,2


9.2.4.1 Pengukuran jarak biaya (cost distance measure operation)


Pengukuran jarak biaya menggunakan biaya atau impedansi untuk melintasi setiap cell sebagai
sebuah unit jarak. Operasi ini membutuhkan grid lain dalam menentukan biaya (cost) atau
impedansi (impedance). Biaya untuk setiap cell dalam grid biaya adalah merupakan jumlah dari
biaya-biaya yang berbeda.

Tujuan dari cost distance measure operation adalah menemukan jalur (path) dengan biaya
akumulatif terkecil (least accumulative cost), jadi tidak lagi bertujuan untuk menghitung jarak
(fisik) tiap cell ke cell sumber terdekat.

Algoritma untuk menghasilkan least accumulative cost menggunakan proses iteratif, dimulai
dengan mengaktifkan cell-cell didekat cell sumber dan menghitung biaya ke cell tersebut. Cell
dengan cost distance terkecil dipilih dari daftar cell aktif, kemudian nilainya dimasukkan kedalam
grid output. Selanjutnya cell-cell didekat cell yang dipilih tadi diaktifkan dan ditambahkan ke daftar
cell aktif, lalu dipilih lagi cell dengan biaya terkecil dan mengaktifkan cell-cell didekatnya, begitu
seterusnya sehingga dihasilkan grid output dengan biaya akumulatif terkecil untuk mencapai cell
sumber.

Gambar 9.9 menunjukkan Grid dengan dua cell sumber (a), dan grid biaya (b), ilustrasi yang
menunjukkan cost distance untuk setiap link (c), dan least accumulative cost distance dari tiap-tiap
cell ke cell sumber (d)

76




Gambar 9.9 Pengukuran jarak biaya


Langkah-langkah untuk menghasilkan least accumulative cost distance adalah sebagai berikut :

langkah 1:
Aktifkan cell sekitar cell sumber, masukkan cell tersebut dalam daftar dan hitung
nilainya. Nilai biaya untuk cell aktif adalah : 1,0;1,5; 1,5 ; 2,0 ; 2,8 dan 4,2

1,5 0
4,2 1,0
1,5 2,8
0 2,0



77



langkah 2 :
Cari nilai terkecil ( dari langkah 1 yaitu 1,0) dan aktifkan cell disekitarnya dan
hitung cost distance-nya (berdasarkan Gambar 10.10 c) maka baris 2 kolom 3
perlu dihitung ulang karena nilai tersebut hasil hitungan jarak diagonal sedang
cost distance lateral adalah 1,0+3,0 = 4,0 (dimana 4,0 < 4,2 sehingga yang
dipakai adalah 4,0) maka outputnya adalah :



langkah 3:
Cari nilai terkecil (dari langkah 2 yaitu 1,5) dan hitung nilai sekitarnya
sebagaimana langkah sebelumnya



langkah 4 :
Cari nilai terkecil (dari langkah 3 yaitu 2,0) dan hitung nilai sekitarnya.


3,5 1,5 0
3,0 5,7 4,0 1,0
1,5 2,8 6,7 4,5
0 2,0 5,5




78

langkah 5 :
Cari nilai terkecil (dari langkah 4 yaitu 3,0) dan hitung nilai sekitarnya. Baris 2
kolom 2 nilainya 5,7 hasil perhitungan jarak diagonal baris 3 kolom 1 (1,5 + 4,2)
sedangkan perhitungan jarak biaya lateral 3,0 + 2,5 = 5,5 (karena 5,5<5,7 maka
nilai 5,5 yg dipakai)

4,0 3,5 1,5 0
3,0 5,5 4,0 1,0
1,5 2,8 6,7 4,5
0 2,0 5,5



langkah 6 :
hitung nilai cell tersisa didasarkan nilai terkecil didekatnya


4,0 3,5 1,5 0
3,0 5,5 4,0 1,0
1,5 2,8 6,7 4,5
0 2,0 5,5 9,5



Dari hasil least accumulative cost tersebut dapat dihasilkan least cost path yaitu jalur biaya terkecil
dari cell sumber ke cell tujuan dengan cara retrace dari cell tujuan ke cell sumber. Dan dihasilkan
juga allocation grid yang mengelompokkan setiap cell ke cell sumber. Sedangkan cell hasil
hitungan terakhir dapat dikelompokkan ke salah satu dari dua cell sumber.


79




Gambar 9.10 (a) Least cost path (b) allocation grid