Kelompok 3 - A - Kualitas Data Spasial
Kelompok 3 - A - Kualitas Data Spasial
Kelompok 3 - A - Kualitas Data Spasial
Data
Spasial
Calvine Ananta Oktegar
21110120130138
Rizki Fauziah Sandhi
21110120130098
Mira Karlina
21110120120035
Sri Wenni Amelia Purba
21110120120014
Rizki Novrizal Ramadhani
21110120140108
Topik
Bahasan
Konsep penjaminan kualitas data spasial
pada ISO 19157
kesesuaian atau kepatuhan terhadap aturan-aturan konsistensi domain adalah kesesuaian atau krpatuhan nilai-
skema konseptual nilai terhadap domain nilai yang di tentukan (ISO 19157)
Elemen konsistensi Logis
3. Kosistensi Format 4. Konsistensi Topologi
Konsistensi format adalah sejauh mana data disimpan Konsistensi topologi adalah kebenaran karakteristik
sesaui dengan struktur fisik dari dataset (ISO 19157). topologi suatu dataset (ISO 19157).
AKURASI
POSISI
Akurasi Posisi (1)
Dalam melakukan evaluasi akurasi posisi, diperlukan titik-titik sampel pada data yang di-evaluasi
dan data referensi. Dalam melakukan evaluasi akurasi posisi, diperlukan titik-titik sampel pada
data yang di-evaluasi dan data referensi.
Elemen akurasi posisi terdiri dari 3 (tiga) sub- elemen kualitas data, yaitu
1. akurasi absolut atau eksternal,
2. akurasi relatif atau internal dan
3. akurasi posisi data grid.
Akurasi Posisi (2)
Akurasi Absolut atau Eksternal : kedekatan nilai koordinat yang dilaporkan
terhadapnilai yang dianggap benar (ISO 19157).
Kesalahan Vertikal Relatif : evaluasi kesalahan acak dari satu unsur relief terhadap unsur
lainnya dalam dataset yang sama atau pada peta yang sama
Kesalahan Horizontal Relatif : adalah evaluasi kesalahan acak dari posisi horizontal suatu
unsur terhadap unsur lainnya dalam dataset yang sama atau pada peta yang sama.
Akurasi Posisi (4)
AkurasiPosisi Data Grid: kedekatan nilai posisi spasial data grid terhadap nilai yang
dianggap benar (ISO 19157). Pada evaluasi akurasi posisi data grid, sub-elemen yang
dihitung sama dengan pada evaluasi akurasi posisi horizontal. Perbedaannya hanya pada
jenis koordinat yang digunakan, pada evaluasi akurasi posisi data grid, koordinat yang
digunakan yaitu koordinat piksel. Evaluasi akurasi posisi data grid ini hanya bisa
dilakukan pada data raster.
AKURASI
TEMATIK
Akurasi Tematik didefinisikan sebagai akurasi
atribut kuantitatif, kebenaran atribut
kualitatif, dan klasifikasi unsur serta
hubungan-hubungan didalamnya.
Akurasi
TEMATIK Note:
Unsur Tutupan Lahan Peta RBI skala
1: 25.000 (yang di Evaluasi)
Data Tutupan Lahan Peta RBI skala
1: 5000 (referensi evaluasi)
1. Kebenaran Klasifikasi Tematik
Merupakan perbandingan antara kelas-kelas yang digunakan pada unsur-unsur atau
atributnya terhadap kondisi sebenarnya. Dibagi menjadi lima bagian yaitu:
.
a.Jumlah Unsur dengan Kesalahan Klasifikasi
Ukuran kualitasjumlah unsur dengankesalahan
klasifikasi dapat dihitung denganmenggunakan
data referensi ataupun survei ke lapangan.
1. Kebenaran Klasifikasi Tematik(2)
b. Tingkat Kesalahan Klasifikasi c. Matriks Kesalahan Klasifikasi (MCM)
adalah jumlah unsur yang mengalami kesalahan matriks yang mengindikasikan jumlah unsur pada
klasifikasi relatif terhadap jumlah seluruh unsur kelas (i) yang diklasifikasikan dalam kelas (j)
dalam suatu dataset atau data yang sama.
1. Kebenaran Klasifikasi Tematik(3)
e. MKappa Koefisien
d. Matriks KesalahanKlasifikasi Relatif (RMCM)
Merupakan koefisien untuk mengukur
adalah matriks yang mengindikasikan jumlah proporsikesepakatan atau konsistensi antara dua
unsur pada kelas (i) yang diklasifikasikan dalam penilaian dengan menghilangkan kesalahan
kelas (j) dibagi dengan jumlah unsur pada kelas (i) klasifikasi
2. Kebenaran Atribut Non Kuantitatif
Kebenaran atribut non kuantitatif adalah mengukur apakah atributnon-kuantitatif
sudah benar atau masih salah
adalah jumlahtotal nilai atributyang adalah jumlah nilai atribut yang adalah jumlah nilai atribut yang
mengalami kesalahandalam bagian benar dan hubungannya dengan mengalami kesalahan dan
relevandari suatu dataset.Metode jumlah total nilai atribut. Metode hubungannya dengan jumlah total
perhitungannya yaitu dengan perhitungannya yaitu dengan nilai atribut pada data.Metode
menghitung semua nilai membagi jumlah nilai atribut yang perhitungannya yaitu dengan
atributdimana yang nilai-nya salah benar dengan jumlah total nilai membagi jumlah nilai atribut yang
atribut, kemudian dikalikan dengan salah dengan jumlah total nilai
100%. atribut, kemudian dikalikan
dengan100%.
3. Akurasi Atribut Kuantitatif
Akurasi atribut kuantitatif adalah kedekatan nilai atribut kuantitatif terhadap nilai yang dianggap
atau diketahui benar (ISO 19157). Untuk mengukur kuantitas nilai yang benar, terdapat kemungkinan
untuk memberikan kemungkinan nilai sebenarnya pada selang atau interval tertentu.
Sehingga persamaan (2) menghasilkan nilai 4.058. Nilai ini menunjukkan bahwa waktu pengamatan
yang ditunjukkan pada Tabel 6.1 hanya bole lebih cepat atau terlambat selama 4,058 detik dari waktu
yang semestinya. Apabila lebih dari itu maka data yang di rekam tidak dapat dipergunakan. Hasil ini
menunjukkan apabila probabilitas yang digunakan adalah
68.3%.
b. Time Accuracy At 50% Significance Level
Untuk probabilitas 50% memiliki kuantil bernilai 0.6745. Sehingga persamaan (2) menghasilkan nilai
2,737. Nilai ini menunjukkan bahwa waktu pengamatan yang ditunjukkan pada Tabel 6.1 hanya boleh
lebih cepat atau terlambat selama 2,737 detik dari waktu yang semestinya. Apabila lebih dari itu maka
data yang di rekam tidak dapat dipergunakan.
Time Accuracy At 90% Significance Level Time Accuracy At 95% Significance Level
Untuk probabilitas 90% memiliki kuantil bernilai 1,645. Untuk probabilitas 95% memiliki kuantil bernilai 1.96.
Sehingga persamaan (2) menghasilkan nilai 6,675. Nilai ini Sehingga persamaan (2) menghasilkan nilai 7,954. Nilai
menunjukkan bahwa waktu pengamatan yang ditunjukkan ini menunjukkan bahwa waktu pengamatan yang
pada Tabel 6.1 hanya boleh lebih cepat atau terlambat ditunjukkan pada Tabel 6.1. hanya boleh lebih cepat atau
selama 6,675 detik dari waktu yang semestinya. Apabila terlambat selama 7,954 detik dari waktu yang
lebih dari itu maka data yang di rekam tidak dapat semestinya. Apabila lebih dari itu maka data yang di
dipergunakan. Hasil ini menunjukkan apabila probabilitas rekam tidak dapat dipergunakan. Hasil ini menunjukkan
yang digunakan adalah 90%. apabila probabilitas yang digunakan adalah 95%.
Time Accuracy At 99% Significance Level Time Accuracy At 99.8% Significance Level
Untuk probabilitas 99% memiliki kuantil bernilai 2,576. Untuk probabilitas 99.8% memiliki kuantil bernilai 3.
Sehingga persamaan (2) menghasilkan nilai 10,453. Nilai Sehingga persamaan (2) menghasilkan nilai 12,174. Nilai
ini menunjukkan bahwa waktu pengamatan yang ini menunjukkan bahwa waktu pengamatan yang
ditunjukkan pada Tabel 6.1 hanya boleh lebih cepat atau ditunjukkan pada Tabel 6.1 hanya boleh lebih cepat atau
terlambat selama 10,453 detik dari waktu yang terlambat selama 12,174 detik dari waktu yang
semestinya.Apabila lebih dari itu maka data yang di semestinya. Apabila lebih dari itu maka data yang di
rekam tidak dapat dipergunakan. Hasil ini menunjukkan rekam tidak dapat dipergunakan. Hasil ini menunjukkan
apabila probabilitas yang digunakan adalah 99%. apabila probabilitas yang digunakan adalah 99.8%.
Konsistensi Temporal
Konsistensi temporal adalah kebenaran urutan peristiwa (ISO 19157). Akurasi konsistensi temporal
diukur dengan menghitung atau mengukur ukuran kualitas data yaitu kesalahan kronologi. Kesalahan
kronologi merupakan indikasi yang menunjukan keruntutan perekaman suatu data terhadap urutan
peristiwa. Evaluasi kualitas kesalahan kronologi bertujuan untuk melakukanpengecekan ada tidaknya
kesalahan terhadap keruntutun data yang direkam.
Evaluasi kualitas ini diujikan terhadap waktu perekaman muka air laut yang ditunjukkan pada Tabel
6.1. Pada tabel pengamatan dapat dilihat waktu pengambilan data yang terrekam runtut sesuai
dengan waktu pengamatan. Hal ini menunjukkan bahwa tidak ada indikasi kesalahan kronologi pada
data yang di uji.
ELEMEN KEGUNAAN
Materi ini berisi pemaparan ukuran, metode dan hasil evaluasi dalam menentukan elemen
kegunaan. Berdasarkan ISO 19157 tentang Kualitas Data, elemen kegunaan berdasarkan
pada kebutuhan pengguna. Seluruh elemen kualitas mungkin digunakan untuk meng-
evaluasi kegunaan. Dalam kasus ini, elemen kegunaan harus digunakan untuk
mendeskripsikan informasi kualitas spesifik mengenai kesesuaian suatu dataset untuk
aplikasi tertentu atau kesesuaian terhadap suatu kebutuhan.Pada penjelasan metode
evaluasi kegunaan ini, data yang digunakan sebagai contoh adalah seluruh unsur pada
Peta Rupa Bumi Indonesia 1:25.000 NLP 1209-313.
7.1 Pengukuran Agregasi
Evaluasi berdasarkan satu elemen kualitas data seringkali tidak cukup memuaskan
pengguna.Produser data biasanya membuat spesifikasi produk data yang memberikan
semua persyaratan yang harus dipenuhi produk. Bagi pengguna potensial, adanya
pernyataan yang menyatakan bahwa produk di-evaluasi berdasarkan spesifikasi
merupakan keuntungan besar. Pernyataan tersebut merupakan hasil agregasi kualitas
data, dan mungkin berguna pada kondisi lain daripada pelaporan kesesuaian terhadap
spesifikasi.
Terdapat 3 metode agregasi kualitas data yang dapat digunakan (a - c). Sebuah dataset
mungkin memiliki hasil agregasi yang diterima meskipun terdapat satu atau lebih hasil
kualitas data yang tidak lolos.
7.2 Agregasi Hasil Kualitas Data (1)