PENGOLAHAN AWAL dan PERSIAPAN DATA DIGITAL

PTTPTT--102003 102003 SISTEM INFORMASI SISTEM INFORMASI

SUMBERDAYA LAHANSUMBERDAYA LAHAN

Kuliah ke Kuliah ke 77

PENGOLAHAN AWAL dan PERSIAPAN DATA DIGITAL

• Ditujukan pada data yang sudah terdapat dalam bentuk digital yang memerlukan perlakuan tertentu sebelum dilakukan untuk analisis dan manipulasi

• Tidak termasuk proses konversi dari peta analog atau tabulasi pada kertas ke bentuk digital

PENGOLAHAN DATA ATRIBUT

Pengertian Data Atribut Data yang berfungsi menjelaskan berbagai

sifat yang terletak pada data spasial

Misal: – lereng kemiringan, panjang, bentuk, aspek,

posisi, dll

– Vegetasi spesies, tinggi, diamater, % penutupan, dll

SATUAN PETA BENTUKLAHAN

Atribut Bentuklahan

Tipe data atribut:1. Nominal

Data yang tak memiliki urutan berdasarkan harkat. Misal: Bangunan, tegal, jagung, dll Operasi: frekuensi, agregat tak bisa

dilakukan operasi matematik Tipe: String

2. OrdinalData dengan kelas atau ranking. Misal: pertama, kedua, dll. Operasi: median, persentil tak ada operasi

matematis Tipe: number

3. IntervalMengacu ke sifat alam yang memiliki sistem skalatertentu dan adanya interval baku tertentu interval tidak mempunyai makna mengikat Misal: suhu 10oC lebih dingin daripada

20oC tidak berarti dinginnya ½ kalinya

Operasi: regresi, standar deviasi, rata-2, dll Tipe: number

4. RatioSama dengan interval, tetapi dengan nilai mutlak misalnya:uang Rp 100,- nilainya benar-benar

2 x Rp. 50,- Operasi: semua operasi angka riil dapat

digunakan Tipe: number

Deskripsi Data Atribut

Deskripsi Data Atribut

Tampilan Data Atribut di Peta

PENGOLAHAN DATA ATRIBUT

Pemeliharaan dan Analisa Data Atribut Berguna untuk:

– Mengedit– Mengecek– Menganalisis

Sering dilakukan terpisah dari data spasialnya, pengolahan data atribut dilakukan sebelum atau setelah pengolahan data spasial.– Sebelum pengolahan: data spasial sebagai bentuk

penampilan saja

– Setelah pengolahan: benar-2 berasal dari pengolahan aspek spasial

Fungsi Pengeditan dan Penelusuran Data Atribut:

Memungkinkan perbaikan dan evaluasi data yang sudah ada

Atribut yang baru dapat dimunculkan dari atribut yang lama atau dihilangkan sama sekali

Pada beberapa sistem data atribut yang telah masuk dalam database sulit diperbaiki, sebagai akibat kelemahan software dalam database tersebut

Fungsi Penelusuran bertujuan untuk menarik data dari dalam database atribut, tergantung dari kondisi yang diperintahkan operator yang kadang juga dipengaruhi oleh software yang digunakan

Analisis data atribut ini sangat berguna dan mengefisienkan pengolahan data spasial

…

PRA PENGOLAHAN DATA SPASIAL

a. Transformasi data spasialb. Mengeditc. Menilai keakuratan

Digunakan untuk:

Kadang perlu penggabungan daerah yang berdampingan pengurangan data yang disimpan, misal: coordinate thinning.

Kegiatan lebih ditekankan pada data spasial, sedikit yang terkait dengan atribut.

Setiap software SIG berbeda-beda

Pre-Processing

Format Error detection and editing Data reduction and generalization Edge matching Registration and Rectification

FORMAT Pre-Processing

Konversi antar Format Raster & Vektor

• Input SIG hasil digitasi memiliki format vektor.

• Perlu ditransformasikan ke format lain (raster)

• Input data raster tidak terlalu kompleks, hanya perlu mengganti “header”nya saja untuk mengidentifikasi nama, asal, ukuran dan parameter lain yang digunakan sistem tsb.

• Input data poligon agak sulit, kadang bersifat “irreversible”

Konversi antar Format Raster & Vektor

Poligon Raster Ada dua cara

o Garis yang membentuk batas didefinisikan menjadi frame dari poligon

o Unsur raster di dalam batas poligon dikodekan dengan nilai tertentu.

Cara kedua lebih banyak digunakan karena tahapannya lebih mudah

Data Format Conversion Vector to Vector

– e.g. whole polygon (e.g SAS map data) to point/arc/polygon

– computationally intense – no accuracy loss providing data is ‘clean’ – perfectly transitive

Raster to Raster – may involve resampling (see under data

reduction) – may involve conversion between different

vendor’s raster formats (e.g. GRID to BIL)

Data Format Conversion Vector to Raster: point

– node x,y assigned to closest raster cell – locational shift almost inevitable; error depends on raster

size. – two points in one cell indistinguishable – not transitive; cannot retrieve original data without error

Vector to Raster: line – cells assigned if touched by line – stair step appearance of diagonal lines (called aliasing) – can be visually improved through anti aliasing:

brightness of cells varied based on fraction of cell covered by the line

Vector to Raster Conversion

Note the use of anti-aliasing to improve line’s visual appearance

Raster to Vector Data Conversion: 3-step process

Skeletonizing (or thinning): Reduce raster to unit width – peeling approach successively removes outer edges – medial axis approach determines set of interior pixels farthest from outer

edges Vector extraction: Identify lines

– 4-connected reconstruction • joins center points of 4-connected neighbors if present • particularly bad for diagonal line reproduction

– 8-connected reconstruction • joins center points of 8-connected neighbors if present • diagonal lines reproduced but adds extra lines

– 8-connected reconstruction with redundancy elimination • if 4-connected neighbor line exists, don’t draw diagonal • reduces redundant lines

Topological reconstruction: recreates topological structure • create nodes at line junctions • construct arcs • define polygons (manual designation required)

Raster to Vector Data Conversion

ERROR DETECTION AND EDITING

Pre-Processing

Error detection and editing

Error always found in GIS data Correct both graphical and attribute

errors Strategies:

a. Compare hardcopy to original (QC 'quality control')

b. Check for processing and logical errors: slivers, labels, attribute consistency;

c. Random Sampling (formal accuracy assessment);

DATA REDUCTION AND GENERALIZATION

Pre-Processing

Reduksi Data Generalisasi

Kadang data input perlu direduksi skala besar yang dikecilkanData Vektor: membatasi jumlah koordinat yang direkam saat digitasi

Kasus ttt: a) persamaan polinomial atau b) koridor ttt.

Data Raster: awal: menyederhanakan data yang bersifat mosaik

akhir: pembentukan produk akhir untuk penyajian hasil

Data Generalization What is generalization?

– Selection and simplification of features on a map in accordance to scale and purpose in order to aid map legibility

– Scale is bound by technical reproduction possibilities and limitation of the human eyes

Data Generalization Maintenance of the essential character in generalization.

A - the original compilation of contours Generalization for reduction to a smaller scale

B - Bad generalization results in complete loss of the original character C - Good generalization retains the essential form in spite of considerable

simplification

Data Generalization Computational procedures mostly on linear generalizationDouglas-Peucker algorithm

– Find the floating point with the max perpendicular distance to the connecting line of two endpoints.

• If ( max perpendicular distance > Distance threshold )

– Preserve the floating point

• Else – Remove all the points between

the two endpoints

Data Generalization Douglas-Peucker algorithm for the polygon

Data Generalization Douglas-Peucker algorithm

Data reduction and generalization

Original Vector Data

Generalized Vector Data

Transformasi Geometri

Untuk mengkaitkan koordinat di bumi ke peta atau layer dalam SIG dapat ditumpang tindihkan

Disebut RegistrasiKadang registrasi tidak akurat, karena: Proses digitasi tidak akurat Sumber peta tidak akurat Perbedaan sistem proyeksi peta yang

dipakai

Ketidaksamaan garis pantai peta lama dengan peta dasar skala 1:250000 Bakosurtanal

Perubahan bersifat

o Merubah skala generalisasio Pengurangan distorsi rubber-shettingo Perubahan proyeksio Translasi & rotasi koordinat

o Penyesuaian posisi relatifo Penyesuaian posisi absolut

Pendekatan utama

Konflaksi

Cara memperbaiki posisi obyek yang berhubungan dengan ‘layer’ data yang berbeda Prosedur manual menggambar

kembali peta sumber dengan menggunakan batas-batas obyek dalam satu lapisan sebagai standar (master= peta dasar) Teknik komputer mirip dengan

manual perlu peta dasar

Penyambungan Pinggir

Peta berseri dan digambarkan dalam bentuk lembar-lembar yang terpisah jika akan disambungkan sering muncul garis yang tidak nyambung perlu disambung

Penyebab kesalahan:• Dari peta asli• Perbedaan waktu pemetaan• Pengembangan/pengkerutan kertas• Proses digitasi

EDGE MATCHING Pre-Processing

Edge Matching

Edge matching is assigning the correct coordinate and attribute information to geographic features that connect across the boundaries of adjacent data layers.

Edge matching (vector) Mosaicing (raster)

Edge matching

Edge Matching Layer 1 Layer 2

Edge Matching

REGISTRATION AND RECTIFICATION

Pre-Processing

Registration and Rectification

The process of transforming all the data sets into a common coordinate system

Common coordinate system: Registration: image to image relative coordinate system (image to image) Rectification: image to map absolute coordinate system (image to map)

Resampling

Resampling

Scales of Attribute and Resampling

Nominal data: Nearest Neighbor Ordinal data: Nearest Neighbor Interval data: Nearest Neighbor Ratio data:

– Nearest Neighbor, – Bilinear Interpolation, – Cubic Convolution