GIS - Pengenalan Dasar

• #gis

GIS (Geographic Information System) adalah sistem komputer yang digunakan untuk menyimpan, menampilkan, menganalisis, dan memanipulasi data geografis atau spasial.

GIS bukan sekadar software, tetapi sebuah disiplin ilmu yang menggabungkan:

• Geografi - Studi tentang lokasi dan ruang
• Kartografi - Seni dan sains pembuatan peta
• Matematika - Geometri, statistik, dan analisis spasial
• Ilmu Komputer - Database, pemrograman, dan visualisasi
• Data Science - Analisis dan modeling data spasial

Sejarah Singkat GIS

GIS modern berkembang dari beberapa kontribusi utama:

• 1960s - Roger Tomlinson mengembangkan sistem GIS pertama untuk Canadian Land Inventory
• 1970s - Esri didirikan oleh Jack Dangermond, mempopulerkan GIS komersial
• 1980s - GIS menjadi lebih accessible dengan PC dan software commercial
• 1990s - Integrasi dengan GPS dan remote sensing
• 2000s - Open source GIS (QGIS, GRASS) dan web GIS
• 2010s-2020s - Cloud computing, big data, dan AI dalam GIS

Teori Dasar GIS

Model Konseptual Ruang

GIS memodelkan realitas spasial dalam beberapa representasi:

1. Objek-based Model

   • Representasi discrete features
   • Sesuai untuk objek yang jelas batasnya (gedung, jalan, lahan)
   • Menggunakan tipe data vector (point, line, polygon)

2. Field-based Model

   • Representasi continuous phenomena
   • Sesuai untuk fenomena yang kontinu (suhu, elevasi, kelembaban)
   • Menggunakan tipe data raster

Teori Topologi

Topologi adalah studi tentang hubungan spasial yang tidak berubah meskipun bentuk geometri diubah (deformation yang tidak merusak struktur):

• Connectivity - Hubungan koneksi antar fitur (node-edge)
• Adjacency - Fitur yang bersebelahan/sharing boundary
• Containment - Fitur yang ada di dalam fitur lain
• Direction - Arah relatif antar fitur

Topology penting untuk:

• Menjaga integritas data (no gaps, no overlaps)
• Network analysis (routing, flow)
• Spatial queries yang kompleks

Teori Scale dan Resolution

Scale (Skala)

• Rasio antara jarak di peta dan jarak di dunia nyata
• 1:10,000 berarti 1 cm di peta = 10,000 cm (100 m) di realitas
• Large scale (detail tinggi): 1:1,000, 1:5,000
• Small scale (area luas, detail rendah): 1:1,000,000, 1:5,000,000

Resolution (Resolusi)

• Ukuran smallest unit yang dapat direpresentasikan
• Vector: presisi koordinat (decimal places)
• Raster: ukuran piksel (pixel size)
• Higher resolution = lebih detail, tetapi file lebih besar

MAUP (Modifiable Areal Unit Problem)

• Hasil analisis spasial dapat berubah tergantung pada bagaimana area dibagi
• Aggregation scale dan zoning scheme mempengaruhi hasil
• Penting untuk aware dalam spatial analysis

Komponen Utama GIS

1. Data Spasial - Informasi yang memiliki lokasi geografis (koordinat)
2. Data Atribut - Informasi deskriptif tentang fitur spasial
3. Perangkat Lunak - Software untuk mengelola data (QGIS, ArcGIS, dll)
4. Perangkat Keras - Komputer dan perangkat input
5. Manusia - Analis dan pengambil keputusan
6. Metode - Prosedur dan algoritma analisis

Lapisan Teori Data

• Conceptual Model - Cara kita memahami dunia (mental model)
• Logical Model - Struktur data untuk merepresentasikan konsep
• Physical Model - Implementasi dalam database atau file format

Tipe Data GIS

Vector Data

Teori Vector Data

• Representasi discrete features dengan koordinat x, y (dan z untuk 3D)
• Setiap fitur memiliki geometri dan atribut
• Disimpan sebagai tabel geometri atau shapefile format

Jenis Vector Data

• Point - Lokasi tunggal (titik)

  • Mathematical representation: P(x, y) atau P(x, y, z)
  • Contoh: lokasi pom bensin, titik sampling, landmark
  • Kurang dari 0-dimensional (lokasi tanpa area)

• Line - Fitur linear (jalan, sungai)

  • Mathematical representation: series of connected points
  • Polyline = P1 → P2 → P3 → … → Pn
  • Contoh: jalan, sungai, jalur pipa, boundary line
  • 1-dimensional (memiliki length, tapi tidak ada width)

• Polygon - Area tertutup (wilayah administratif)

  • Mathematical representation: closed polyline
  • Contoh: wilayah administratif, lahan, building footprint
  • 2-dimensional (memiliki area dan perimeter)
  • Memiliki interior dan exterior
  • Bisa memiliki holes (polygon dengan donut shape)

Kelebihan Vector:

• File size lebih kecil
• Presisi tinggi pada scale berapa pun
• Mudah untuk editing dan update
• Topology relationships yang clear

Kekurangan Vector:

• Tidak ideal untuk continuous phenomena
• Memerlukan preprocessing untuk analisis tertentu
• Kompleks untuk data yang sangat banyak

Raster Data

Teori Raster Data

• Grid reguler dengan cell/piksel yang memiliki nilai
• Matrix representation dengan n rows × m columns
• Setiap cell memiliki coordinate system dan value
• Nilai bisa categorical (class) atau continuous (numeric)

Komponen Raster:

• Cell resolution - Ukuran setiap piksel (misal: 30m, 10m, 1m)
• Extent - Area geografis yang dicakup
• Origin - Koordinat pojok kiri atas
• Cell values - Data pada setiap piksel
• NoData value - Value untuk missing atau invalid data

Jenis Raster Data:

• Discrete raster - Categorical data (land use classification, soil type)
• Continuous raster - Numeric data yang vary secara kontinu (elevation, temperature)

Contoh Raster:

• DEM (Digital Elevation Model) - Elevasi permukaan
• DTM (Digital Terrain Model) - Elevation tanpa vegetasi
• DSM (Digital Surface Model) - Elevation termasuk vegetasi dan bangunan
• Satellite imagery - Landsat, Sentinel, SPOT
• Climate data - Suhu, curah hujan, kelembaban
• Population raster - Density population

Kelebihan Raster:

• Ideal untuk continuous phenomena
• Simpel untuk modeling dan analysis
• Mudah untuk display dan visualization
• Kompatibel dengan image processing techniques

Kekurangan Raster:

• File size bisa sangat besar
• Presisi terbatas oleh resolution
• Jaggies/artifacts pada diagonal lines
• Tidak mendukung topology relationships

Data Comparison: Vector vs Raster

Data Lain dalam GIS

• TIN (Triangulated Irregular Network) - Model surface 3D dengan triangles
• LiDAR Point Cloud - Jutaan points 3D dari laser scanning
• Cadastral Data - Data kepemilikan tanah dengan legal boundaries
• 3D City Models - Building models dengan volume dan internal structures

Koordinat Sistem

Teori Coordinate System

Coordinate system adalah sistem referensi matematis yang menghubungkan lokasi di permukaan bumi dengan angka.

Elipsoid dan Datum

• Bumi bukan sphere yang sempurna - tetapi oblate spheroid (elipsoid)
• Elipsoid - Surface matematis yang mendekati bentuk bumi
  • WGS84 elipsoid: a=6378137 m, b=6356752.3 m (equatorial vs polar radius)
  • Perbedaan sekitar 21 km antara equator dan pole
• Datum - Framework referensi yang mendefinisikan position relative terhadap elipsoid
  • Contoh: WGS84, NAD83, NAD27, ITRF
  • WGS84 (World Geodetic System 1984) - Global standard untuk GPS
  • NAD83 (North American Datum 1983) - North America standard
  • ITRF (International Terrestrial Reference Frame) - Scientific standard

Geographic Coordinate Systems (GCS)

Dasar GCS:

• Berbasis latitude, longitude dalam derajat
• Referensi ke ellipsoidal surface (bukan planar)
• Tidak dapat mengukur area atau jarak secara langsung (karena deformation)

Komponen GCS:

• Latitude - Sudut dari equator (0°) ke poles (90°N/S)
  • Range: -90° (South Pole) sampai +90° (North Pole)
  • Jika dihitung dari equator, setiap derajat ≈ 111 km
• Longitude - Sudut dari Prime Meridian (0°) di Greenwich
  • Range: -180° sampai +180° (atau 0° sampai 360°)
  • Jika dihitung dari equator, jarak antar derajat longitude mengecil dari equator ke poles

Format Representasi:

• Decimal Degrees (DD): 106.8452°, -6.2088°
• Degrees Minutes Seconds (DMS): 106°50'42.7"S, 6°12'31.7"S
• Degrees Decimal Minutes (DDM): 106°50.711’S, 6°12.528’S

Masalah dengan GCS:

• Tidak dapat mengukur area/length secara akurat (karena deformation)
• Jarak antar derajat bervariasi tergantung latitude
• Tidak cocok untuk large-scale mapping

Projected Coordinate Systems (PCS)

Teori Proyeksi:

• Map projection adalah mathematical transformation dari elipsoidal surface (3D) ke planar surface (2D)
• Tidak ada proyeksi sempurna - selalu ada trade-off antar properti
• Proyeksi merusak setidaknya satu dari tiga properti:
  1. Area - Menjaga area proportion (equal-area projection)
  2. Shape - Menjaga angular relationships (conformal projection)
  3. Distance - Menjaga distance accuracy (equidistant projection)
  4. Direction - Menjaga direction accuracy (azimuthal projection)

Jenis Proyeksi berdasarkan Surface:

1. Cylindrical Projections

   • Memproyeksikan earth ke cylinder yang melingkupi earth
   • Contoh: Mercator, Transverse Mercator, UTM
   • Cocok untuk equatorial regions

2. Conic Projections

   • Memproyeksikan earth ke cone yang ditempatkan di earth
   • Contoh: Albers Equal Area, Lambert Conformal Conic
   • Cocok untuk mid-latitude regions

3. Planar (Azimuthal) Projections

   • Memproyeksikan earth ke plane yang menyentuh earth di satu titik
   • Contoh: Stereographic, Orthographic, Gnomic
   • Cocok untuk polar regions

Proyeksi Populer:

• Mercator - Conformal (shape preserved), area distorts secara extreme di high latitudes

  • Digunakan untuk nautical charting
  • Google Maps menggunakan Web Mercator (EPSG:3857)

• Transverse Mercator - Rotated 90°, cocok untuk regions dengan arah north-south

  • Dasar UTM system

• Universal Transverse Mercator (UTM)

  • 60 zones, masing-masing 6° longitude
  • Koordinat dalam meter (Easting, Northing)
  • Semua zones memiliki False Easting 500,000 m dan False Northing 0 (atau 10,000,000 m untuk southern hemisphere)
  • Format: 33M 500000 4649776 (Zone, Zone letter, Easting, Northing)

• Lambert Conformal Conic

  • Conformal projection untuk mid-latitudes
  • Banyak digunakan di US state plane systems

• Albers Equal Area

  • Equal-area projection
  • Cocok untuk area-based analysis

Common EPSG Codes:

• EPSG:4326 - WGS84 Geographic (lat, lon)
• EPSG:3857 - Web Mercator (Google Maps, OpenStreetMap)
• EPSG:32633 - UTM Zone 33N
• EPSG:2154 - Lambert 93 (France)

Coordinate System Transformation

Tipe Transformation:

• Datum transformation - Mengubah antar datum berbeda (WGS84 ke NAD83)
• Projection - Mengubah dari GCS ke PCS atau PCS lain
• Inverse transformation - Mengembalikan dari planar ke geographic

Metode Transformation:

• Geocentric translation - 3-parameter (X, Y, Z shifts)
• Molodensky-Badekas - 7-parameter (3 shifts, 3 rotations, scale)
• Grid-based - Menggunakan correction grid (NTv2) untuk high accuracy
• NADCON - North American datum conversion grid

Best Practices:

• Selalu definisikan coordinate system sebelum importing data
• Reproject data ke sistem yang konsisten sebelum analysis
• Ketahui distortion properties dari projection yang digunakan
• Gunakan projection yang sesuai dengan area studi dan jenis analysis

Aplikasi Utama

Perencanaan dan Pembangunan

• Perencanaan tata kota - Zoning, land use planning, infrastructure development
• Site selection - Menentukan lokasi optimal untuk fasilitas (hospital, school, retail)
• Network planning - Jalur pipa, jaringan listrik, telecommunication
• Transportasi - Route optimization, traffic analysis, public transit planning

Sumber Daya Alam dan Lingkungan

• Manajemen sumber daya alam - Mining, forestry, fisheries
• Analisis lingkungan - Habitat assessment, biodiversity mapping, conservation planning
• Monitoring deforestasi - Change detection untuk kehilangan hutan
• Hydrology - Watershed analysis, flood modeling, water quality monitoring

Pertanian dan Perikanan

• Precision agriculture - Variabel rate application, soil mapping, yield monitoring
• Crop monitoring - NDVI analysis untuk crop health
• Fisheries management - Fishing zones, stock assessment

Bisnis dan Ekonomi

• Location analysis - Market analysis, competitor analysis, trade area
• Retail site selection - Demographic analysis, accessibility
• Real estate - Property valuation, neighborhood analysis

Kesehatan dan Epidemiologi

• Disease surveillance - Mapping disease outbreaks, tracking spread
• Health service accessibility - Hospital catchment areas
• Environmental health - Air quality mapping, pollution impact

Kegawatdaruratan dan Bencana

• Disaster preparedness - Evacuation routes, shelter location
• Emergency response - Real-time tracking, resource allocation
• Damage assessment - Post-disaster mapping and analysis
• Risk assessment - Hazard mapping, vulnerability analysis

Geopolitik dan Keamanan

• Border management - Border crossing monitoring
• Security - Critical infrastructure protection
• Demographics - Population distribution, census analysis

Prinsip-prinsip GIScience

Error dan Uncertainty

Sumber Error dalam GIS:

1. Positional error - Ketidakakuratan lokasi (GPS accuracy, digitizing error)
2. Attribute error - Salah data deskriptif (wrong classification, missing data)
3. Temporal error - Data yang outdated atau tidak sesuai dengan timeline
4. Processing error - Error dari analysis algorithm (aliasing, edge effects)
5. Metadata error - Kurang informasi tentang data quality

Error Propagation:

• Error dapat propagate melalui multiple processing steps
• Analisis kompleks dapat mengakumulasikan error dari input data
• Penting untuk mengestimasi dan melaporkan uncertainty

Menangani Uncertainty:

• Fuzzy logic untuk classification yang tidak pasti
• Monte Carlo simulation untuk risk assessment
• Error ellipses untuk positional uncertainty
• Data quality assessment dan documentation

Spatial Analysis Fundamentals

Spatial Relationships:

• Containment - A berada di dalam B
• Intersection - A dan B overlap
• Adjacency - A dan B bersebelahan
• Proximity - A berada dekat dengan B (dengan threshold distance)
• Direction - A berada di utara dari B

Spatial Statistics:

• Spatial autocorrelation - Data yang correlated secara spasial (Tobler’s First Law)
  • Moran’s I untuk global autocorrelation
  • Geary’s C untuk local autocorrelation
• Cluster analysis - Mendeteksi hotspots atau coldspots
• Spatial interpolation - Estimating values di lokasi yang tidak diukur (IDW, Kriging)
• Spatial regression - Modeling dengan spatial dependency

Tobler’s First Law of Geography: “Everything is related to everything else, but near things are more related than distant things”

• Fundamental principle dalam spatial analysis
• Menjelaskan mengapa spatial correlation penting
• Dasar untuk spatial interpolation dan clustering

Metadata dan Data Quality

Metadata - Data tentang data

• Penting untuk documentation dan reproducibility
• Standard metadata: FGDC, ISO 19115, Dublin Core
• Komponen metadata:
  • Title, description, purpose
  • Data owner dan contact
  • Coordinate system dan projection
  • Data quality (positional accuracy, attribute accuracy)
  • Lineage (bagaimana data dibuat dan dimodifikasi)
  • Temporal coverage (waktu pengumpulan)
  • Spatial extent (area yang dicakup)

Data Quality Assessment:

• Positional accuracy - Seberapa akurat lokasi (RMSE)
• Attribute accuracy - Seberapa akurat data atribut
• Logical consistency - Apakah data consistent secara topologis
• Completeness - Apakah data lengkap untuk area studi
• Temporal accuracy - Apakah data up-to-date

Kartografi dalam GIS

Prinsip Kartografi:

• Visual hierarchy - Menyusun visual untuk mengarahkan attention
• Balance - Mendistribusikan elemen visual secara harmonis
• Contrast - Menggunakan perbedaan visual untuk membedakan fitur
• Legibility - Memastikan informasi mudah dibaca
• Simplicity - Menghindari clutter dan unnecessary detail

Visual Variables (Jacques Bertin):

• Size - Besar kecilnya symbol
• Shape - Bentuk symbol
• Orientation - Arah symbol
• Color (Hue) - Warna dasar
• Color Value - Lightness/darkness
• Color Saturation - Intensity warna
• Texture/Pattern - Fill pattern untuk polygons

Scale-dependent Representation:

• Generalization untuk scale yang lebih kecil
• Simplification geometry
• Smoothing linework
• Selection (menampilkan fitur penting saja)
• Exaggeration (menonjolkan fitur kecil tapi penting)

GIS vs CAD (Computer-Aided Design)

Perbedaan Utama:

• GIS berfokus pada location dan spatial relationships
• CAD berfokus pada precision dan engineering design
• GIS mendukung multi-scale dan geospatial analysis
• CAD ideal untuk detailed engineering dan construction drawings
• Modern software menawarkan integrasi GIS-CAD

Future Trends in GIS

• Big Data Integration - Processing real-time streaming data (IoT sensors, social media)
• AI and Machine Learning - Automated feature extraction, predictive modeling
• Cloud Computing - Serverless GIS, distributed processing
• 3D and 4D GIS - Building information models (BIM), temporal analysis
• Real-time GIS - Live tracking, dynamic updates
• Open Data - Government open data initiatives, crowdsourced mapping (OpenStreetMap)
• Augmented Reality - Overlaying GIS data pada real-world views

Related: GIS - Level Beginner, GIS - Level Intermediate