03 raster data model

14
Lecture 3 – Raster Data Model Vini Indriasari, ST, MSc, PhD 1 Geographic Information Science Faculty of Computer Science – UPN ”Veteran” Jakarta Dosen: Dr. Vini Indriasari Lecture 3 Raster Data Model Outline Model Data Raster Resolusi Data Raster Band pada Data Raster Teknik Kompresi Data Raster Vektor vs. Raster 1 Model Data Raster 1.1 Struktur Data Raster Dalam model raster, suatu wilayah direpresentasi oleh sel-sel yang disusun dalam struktur matriks atau grid. Sel-sel ini merupakan unit terkecil data raster dan identik dengan piksel dalam gambar digital. Setiap sel dirujuk melalui nomor baris dan kolomnya, misalnya sel (2,3) menunjukkan sel pada baris ke-2 kolom ke-3. Setial sel mengandung suatu nilai yang merepresentasi informasi, misalnya elevasi. Tidak ada topologi dalam model data raster. Volume data raster relatif lebih besar daripada volume data vektor karena semua sel disimpan dalam matriks meskipun itu adalah wilayah kosong (tidak ada data nilai). Gambar 1 Struktur data raster terdiri dari matriks sel 1.2 Jenis-jenis Data dalam Raster Data raster dapat digunakan untuk memodelkan objek diskrit maupun medan kontinu pada fenomena geografis. Gambar digital seperti citra satelit, foto udara, atau peta hasil pemindaian (scanning), juga termasuk data raster. Objek-objek diskrit dapat dimodelkan sebagai vektor maupun raster. Gambar 1 memper- lihatkan perbandingan antara model data vektor dan raster untuk objek-objek diskrit. Objek titik dapat direpresentasi oleh satu sel. Objek garis direpresentasi sebagai serangkaian sel-sel yang saling bersambungan. Objek poligon digambarkan sebagai sekumpulan sel. 5 Sel baris kolom

Upload: lilik-prabowo

Post on 03-Dec-2015

254 views

Category:

Documents


14 download

DESCRIPTION

03 Raster Data Model

TRANSCRIPT

Page 1: 03 Raster Data Model

Lecture 3 – Raster Data Model

Vini Indriasari, ST, MSc, PhD 1

Geographic Information Science Faculty of Computer Science – UPN ”Veteran” Jakarta

Dosen: Dr. Vini Indriasari

Lecture 3 Raster Data Model

Outline

r Model Data Raster

r Resolusi Data Raster r Band pada Data Raster

r Teknik Kompresi Data Raster r Vektor vs. Raster

1 Model Data Raster

1.1 Struktur Data Raster Dalam model raster, suatu wilayah direpresentasi oleh sel-sel yang disusun dalam struktur matriks atau grid. Sel-sel ini merupakan unit terkecil data raster dan identik dengan piksel dalam gambar digital. Setiap sel dirujuk melalui nomor baris dan kolomnya, misalnya sel (2,3) menunjukkan sel pada baris ke-2 kolom ke-3. Setial sel mengandung suatu nilai yang merepresentasi informasi, misalnya elevasi. Tidak ada topologi dalam model data raster. Volume data raster relatif lebih besar daripada volume data vektor karena semua sel disimpan dalam matriks meskipun itu adalah wilayah kosong (tidak ada data nilai).

Gambar 1 Struktur data raster terdiri dari matriks sel

1.2 Jenis-jenis Data dalam Raster Data raster dapat digunakan untuk memodelkan objek diskrit maupun medan kontinu pada fenomena geografis. Gambar digital seperti citra satelit, foto udara, atau peta hasil pemindaian (scanning), juga termasuk data raster.

Objek-objek diskrit dapat dimodelkan sebagai vektor maupun raster. Gambar 1 memper-lihatkan perbandingan antara model data vektor dan raster untuk objek-objek diskrit. Objek titik dapat direpresentasi oleh satu sel. Objek garis direpresentasi sebagai serangkaian sel-sel yang saling bersambungan. Objek poligon digambarkan sebagai sekumpulan sel.

5

Sel

baris

kolom

Page 2: 03 Raster Data Model

Lecture 3 – Raster Data Model

Vini Indriasari, ST, MSc, PhD 2

Vektor Raster

Gambar 2 Memodelkan titik, garis, dan poligon sebagai data raster

Sumber: http://gis.nic.in/gisprimer/data4.html

Objek diskrit memiliki batas yang jelas. Lokasi dimana suatu objek bermula dan berakhir dapat didefinisikan dengan tepat. Contoh objek diskrit ditunjukkan pada Gambar 3. Danau merupakan objek diskrit di tengah-tengah lanskap di sekelilingnya. Lokasi dimana tepi danau bertemu tanah dapat ditunjukkan dengan pasti. Contoh lain dari objek diskrit adalah gedung, jalan, sungai, dan persil.

Gambar 3 Contoh objek-objek diskrit

Medan kontinu mencerminkan fenomena yang berubah secara bertahap di permukaan bumi. Ada fenomena yang di setiap lokasi nilainya diukur pada skala dan titik acuan yang sama seperti elevasi, ada pula fenomena yang bersifat menyebar dan memiliki titik sumber seperti konsentrasi tumpahan minyak di laut dan sebaran panas dari kebakaran hutan.

Page 3: 03 Raster Data Model

Lecture 3 – Raster Data Model

Vini Indriasari, ST, MSc, PhD 3

(a) Tanpa titik sumber (b) Dengan titik sumber

Gambar 4 Contoh medan kontinu

Pada umumnya, objek-objek geografi tidaklah murni diskrit atau murni kontinu, melainkan di antara keduanya (fuzzy). Garis batas dari objek-objek ini tidak terlalu jelas. Contoh objek fuzzy adalah jenis tanah, bagian tepi hutan, dan batas lahan basah.

Gambar 5 Contoh objek fuzzy

Sebagian besar citra satelit mengandung data spektral. Pada proses penginderaan jauh (remote sensing), sensor yang terpasang di satelit memancarkan gelombang elektromagnetik ke permukaan bumi. Oleh objek-objek di permukaan bumi, gelombang ini dipantulkan kembali ke sensor dan direkam sebagai intensitas cahaya. Jadi, nilai-nilai sel raster pada citra satelit mencerminkan intensitas cahaya yang dipantulkan di lokasi sel. Nilai yang kecil berarti area yang gelap, dan nilai yang besar menunjukkan area yang terang.

Page 4: 03 Raster Data Model

Lecture 3 – Raster Data Model

Vini Indriasari, ST, MSc, PhD 4

Gambar 6 Contoh citra satelit Landsat yang mengandung data spektral Sumber: http://wallpaperew.blogspot.com/2011/06/landsat-project.html

Foto udara adalah foto permukaan bumi yang diambil oleh sensor yang terpasang di pesawat, bukan di satelit yang memiliki orbit. Foto udara biasanya diambil dari sudut miring (bird’s eye view atau oblique), bukan tepat dari atas (ortogonal) seperti halnya foto satelit. Maka, foto udara tidak bisa dikatakan sebagai peta. Untuk keperluan analisis spasial seperti pengukuran jarak, foto udara harus dikoreksi secara geometris sehingga menghasilkan gambar permukaan bumi yang ortogonal (orthophoto). Karena diambil pada ketinggian yang relatif rendah, foto udara memiliki skala yang besar, namun hanya mencakup wilayah yang kecil.

Gambar 7 Contoh foto udara yang memperlihatkan Benteng Bourtange di Belanda.

Sumber: http://all-that-is-interesting.com/astounding-aerial-photography

1.3 Tabel Atribut Data Raster Tidak semua data raster memiliki tabel atribut. Nilai pada sel-sel raster dapat berupa bilangan riil (floating point number) ataupun bilangan bulat (integer). Raster yang merepresentasi medan kontinu biasanya tidak memiliki tabel atribut karena nilai-nilai pada setiap selnya merupakan hasil pengukuran langsung dari suatu variabel yang kebanyakan dinyatakan dalam bilangan riil. Sedangkan untuk data kategorikal, kelas-kelas dari objek diskrit harus dikodekan oleh angka, misalnya integer, karena nilai sel raster harus numerik. Pada kasus ini, tabel atribut diperlukan untuk menyimpan informasi setiap integer beserta kelas objek diskrit yang dikodekannya. Misalnya, nilai 1 untuk hutan, nilai 2 untuk lahan basah, nilai 3 untuk lahan pertanian, dan nilai 4 untuk perkotaan. Di tabel atribut, kita dapat menambahkan informasi lain mengenai klasifikasi raster tersebut. Kita juga dapat melakukan penghitungan berdasarkan informasi yang terkandung di dalam tabel, seperti luas wilayah dari suatu kelas dengan mengalikan jumlah sel-sel raster yang masuk dalam kelas tersebut dan ukuran sel.

Page 5: 03 Raster Data Model

Lecture 3 – Raster Data Model

Vini Indriasari, ST, MSc, PhD 5

Gambar 8 Contoh tabel atribut pada data raster untuk data kategorikal

2 Resolusi Data Raster 2.1 Ukuran Sel Raster Tingkat kedetilan yang ditampilkan dalam data raster tergantung dari ukuran selnya. Resolusi data raster dinyatakan sebagai ukuran selnya, misalnya resolusi 5 meter berarti ukuran sel raster tersebut adalah 5×5 meter. Semakin tinggi resolusi data raster, semakin kecil ukuran selnya. Jadi raster dengan ukuran sel 5×5 meter menampilkan informasi yang lebih detil daripada raster dengan ukuran sel 10×10 meter.

Gambar 9 Dua foto satelit ditampilkan dengan resolusi yang berbeda

Fitur-fitur yang kecil baru bisa terlihat dengan jelas pada raster dengan resolusi tinggi. Namun resolusi yang lebih tinggi tidak selalu lebih baik, karena ini juga berarti jumlah sel yang lebih banyak sehingga memerlukan ruang penyimpanan data yang lebih besar dan waktu pemrosesan data yang lebih lama. Penentuan ukuran sel raster hendaknya mempertimbangkan luas wilayah studi, ketersediaan ruang penyimpanan, dan kecepatan komputer dalam memproses data.

Page 6: 03 Raster Data Model

Lecture 3 – Raster Data Model

Vini Indriasari, ST, MSc, PhD 6

Gambar 10 Contoh ukuran sel dan resolusi raster

2.2 Teknik Resampling Data Raster Resolusi data raster dapat diturunkan dengan cara memperbesar ukuran sel-selnya. Proses ini dinamakan resampling. Saat ukuran sel diperbesar, maka lokasi satu sel output akan bertepatan dengan lebih dari satu sel input yang mungkin saja memiliki nilai yang heterogen, sehingga perlu diterapkan suatu teknik untuk menentukan nilai-nilai sel output. Teknik-teknik resampling data raster antara lain:

r Nearest neighbor – Nilai pada sel output diambil dari nilai sel input yang pusatnya paling dekat dengan pusat sel output tersebut. Teknik ini cocok untuk data diskrit atau kategorikal, karena nilai-nilai pada data output tetap sama dengan nilai-nilai pada data input.

r Majority filter – Nilai pada sel output diambil dari nilai paling dominan dari sel-sel input dalam filter window (biasanya zona berukuran 2×2 sel di sekitar titik pusat sel output). Sama seperti nearest neighbor, teknik majority filter ini juga cocok untuk data diskrit, namun memberikan hasil yang cenderung lebih halus dibanding hasil nearest neighbor.

r Bilinear interpolation – Nilai pada sel output dihitung berdasarkan weighted distance average dari empat sel input yang pusatnya terdekat ke pusat sel output. Teknik ini cocok untuk data kontinu, dan akan membuat data tampak lebih halus.

r Cubic convolution – Mirip dengan bilinear interpolation, hanya saja weighted distance average dihitung dari 16 sel input yang pusatnya terdekat ke pusat sel output. Teknik ini cocok untuk data kontinu, namun nilai pada sel-sel output mungkin saja berada di luar rentang nilai pada sel-sel input. Hasil cubic convolution lebih tajam dibanding hasil bilinear interpolation.

Bilinear interpolation dan cubic convolution tidak tepat digunakan untuk data kategorikal, sebab kategori-kategori pada data output tidak lagi sama dengan kategori-kategori pada data input, sehingga data yang dihasilkan tidak lagi bermakna. Sebaliknya, nearest neighbor dan majority filter bisa saja digunakan untuk data kontinu.

Page 7: 03 Raster Data Model

Lecture 3 – Raster Data Model

Vini Indriasari, ST, MSc, PhD 7

Gambar 11 Resampling data raster dengan memperbesar ukuran sel

Gambar 12 Resampling data raster dengan teknik nearest neighbor

Gambar 13 Resampling data raster dengan teknik majority filter

Page 8: 03 Raster Data Model

Lecture 3 – Raster Data Model

Vini Indriasari, ST, MSc, PhD 8

Gambar 14 Resampling data raster dengan teknik bilinear interpolation

Gambar 15 Resampling data raster dengan teknik cubic convolution

3 Band pada Data Raster Suatu data raster dapat memiliki satu band (single-band) atau banyak band (multiple-band). Satu band direpresentasi oleh sekumpulkan matriks sel. Pada raster multiple-band, setiap matriks mencakup area yang sama, namun resolusinya tidak selalu sama. Contoh raster single-band adalah Digital Elevation Model (DEM), dimana setial sel hanya mengandung satu nilai, yaitu elevasi.

Gambar 16 Raster single band

Page 9: 03 Raster Data Model

Lecture 3 – Raster Data Model

Vini Indriasari, ST, MSc, PhD 9

Satu band raster dapat dirender melalui tiga cara:

¦ Menggunakan dua warna (binary) – setiap sel memiliki nilai 0 atau 1, dan seringkali ditampilkan dalam warna hitam dan putih. Tampilan semacam ini sering digunakan untuk peta dengan garis-garis yang sederhana, misalnya peta persil.

¦ Grayscale atau pachromatic – setial sel memiliki nilai dari 0 sampai 255 (8 bits) atau 0 sampai 65535 (16 bits). Nilai 0 menunjukkan area paling gelap (hitam), dan nilai terbesar menunjukkan area paling terang (putih). Tampilan ini sering terlihat pada foto hitam putih dari hasil foto udara.

¦ Peta berwarna – setiap nilai pada sel melambangkan kombinasi unik nilai-nilai Red-Green-Blue (RGB).

Kebanyakan citra satelit memiliki banyak band, dimana setiap band mewakili satu interval panjang gelombang pada spektrum elektromagnetik yang dipancarkan oleh sensor. Spektrum elektromagnetik dapat dinyatakan dalam satuan panjang gelombang ataupun frekuensi. Panjang gelombang berbanding terbalik dengan frekuensi, jadi semakin pendek panjang gelombang, semaking tinggi frekuensi. Panjang gelombang yang kasat mata (visible range) hanya mencakup segmen yang sangat kecil dari keseluruhan spektrum elektromagnetik, yaitu 0,4 – 0,7 mikrometer. Gelombang elektromagnetik pada visible range inilah yang terlihat oleh mata kita sebagai warna-warna pelangi (merah, jingga, kuning, hijau, biru, nila, dan ungu). Spektrum infrared, microwave (radar), dan gelombang radio memiliki panjang gelombang yang lebih panjang dari visible range, sementara spektrum ultraviolet, sinar X, dan sinar Gamma memiliki panjang gelombang yang lebih pendek dari visible range. Band dari citra satelit dapat mewakili segmen mana pun pada spektrum elektromagnetik, termasuk segmen yang tak kasat mata seperti infrared dan ultraviolet.

Gambar 17 Band raster mewakili suatu segmen pada spektrum elektromagnetik

Page 10: 03 Raster Data Model

Lecture 3 – Raster Data Model

Vini Indriasari, ST, MSc, PhD 10

Gambar 18 Spektrum elektromagnetik

Kita dapat menciptakan RGB composite dari kombinasi tiga band pada raster multiple-band. Masing-masing band dirender ke warna merah, hijau, dan biru, kemudian digabung menjadi satu gambar RGB color. Jadi, warna pada gambar RGB composite bukanlah warna sebenarnya (true color). Beberapa objek di permukaan bumi memberikan respon yang sangat sensitif terhadap segmen tertentu dari spektrum elektromagnetik yang dipancarkan oleh sensor, yang artinya objek tersebut akan tampak sangat terang pada citra, sehingga kita dapat dengan mudah mengenali objek tersebut di antara objek-objek lainnya. Dengan menganalisa data dari tiga band sekaligus sebagai RGB composite, kita dapat menggali informasi yang lebih banyak ketimbang kita menganalisa dari satu band saja.

Page 11: 03 Raster Data Model

Lecture 3 – Raster Data Model

Vini Indriasari, ST, MSc, PhD 11

Gambar 19 Contoh membuat RGB composite dari tiga band citra satelit

Landsat Enhanced Thematic Mapper Plus 7 (Landsat ETM+ 7) merupakan citra satelit yang memiliki delapan band. Panjang gelombang, resolusi spasial, dan kegunaan paling tepat dari masing-masing band Lansat ETM+ 7 ditunjukkan pada Tabel 1.

Tabel 1 Band pada citra Landsat ETM+ 7

Band Panjang gelombang

(mikrometer)

Respon spektral

Resolusi spasial (meter)

Kegunaan terbaik

1 0,45-0,52 Biru 30 Bathymetric mapping, distinguishing soil from vegetation and deciduous from coniferous vegetation

2 0,52-0,60 Hijau 30 Emphasizes peak vegetation, which is useful for assessing plant vigor

3 0,63-0,69 Merah 30 Discriminates vegetation slopes 4 0,77-0,90 Near IR 30 Emphasizes biomass content and shorelines 5 1,55-1,75 Mid IR 30 Discriminates moisture content of soil and

vegetation; penetrates thin clouds 6 10,40-12,50 Thermal IR 60 Thermal mapping and estimated soil moisture 7 2,09-2,35 Mid IR 30 Hydrothermally altered rocks associated with

mineral deposits 8 0,52-0.90 Panchromatic 15 15 meter resolution, sharper image definition

Sumber: http://landsat.usgs.gov/band_designations_landsat_satellites.php http://landsat.usgs.gov/best_spectral_bands_to_use.php

4 Teknik Kompresi Data Raster Salah satu masalah operasional terkait dengan penggunaan model data raster adalah banyaknya informasi yang harus disimpan pada data mentah. Sejumlah teknik kompresi telah dikembangkan untuk meningkatkan efisiensi penyimpanan data raster. Ada teknik kompresi yang secara permanen menghilangkan informasi pada data asli, sehingga menurunkan kualitas gambar (lossy compression), ada pula teknik kompresi yang tidak menghilangkan informasi

Page 12: 03 Raster Data Model

Lecture 3 – Raster Data Model

Vini Indriasari, ST, MSc, PhD 12

data asli (lossless compression) sehingga data dapat di-dekompresi ke format aslinya. Kompresi JPEG merupakan contoh lossy compression yang paling banyak digunakan pada foto digital. Sedangkan teknik kompresi lossless compression antara lain:  r Chain code

r Run-length code

r Block code

r Quadtree

4.1 Chain Code Pada teknik kompresi chain code, kumpulan sel-sel raster dengan nilai tematik homogen dikodekan oleh sederetan angka yang menunjukkan pergerakan encoder searah jarum jam dari sel awal ke sel-sel di sepanjang tepi zona tematik. Setiap kode angka ini menujukkan arah (0=timur, 1=utara, 2=barat, 3=selatan) dan jumlah sel yang terlewati. Misalnya, angka 24 menunjukkan gerakan ke arah barat sebanyak empat sel.

Gambar 20 Teknik kompresi raster dengan metode chain code

4.2 Run-length Code Pada teknik kompresi run-length code, baris sel-sel yang memiliki nilai tematik yang sama dikodekan dari kiri ke kanan dan disimpan sebagai satu run. Sebuah run dinyatakan oleh nomor baris sel, sel awal dan sel akhir, serta nilai tematiknya.

Gambar 21 Teknik kompresi raster dengan metode run-length code

4.3 Block Code Pada teknik kompresi block code, zona tematik dalam data raster dibagi ke dalam blok-blok berbentuk bujursangkar dengan ukuran yang bervariasi. Suatu blok didefinisikan oleh lokasi sel asal (misalnya di kiri bawah blok) yang dinyatakan dalam nomor baris dan nomor kolom,

*

1 2 3 4 5 6 7 8 9

1

2

3

4

5

6

7

8

0

1

2

3

Kode:03, 01, 02, 12, 03, 35, 23, 32, 24, 13, 21, 13

1 2 3 4 5 6 7 8 9

1

2

3

4

5

6

7

8

Row From-To122334455678

3-42-46-92-56-91-56-91-56-92-82-83-8

ValueAABABABABCCC

B

C

A

Page 13: 03 Raster Data Model

Lecture 3 – Raster Data Model

Vini Indriasari, ST, MSc, PhD 13

panjang sisi blok yang dinyatakan dalam jumlah sel, dan nilai tematiknya. Teknik ini merupakan perluasan dari teknik run-length code ke dua dimensi.

Gambar 22 Teknik kompresi raster dengan metode block code

4.4 Quadtree Pada teknik kompresi quadtree, raster berdimensi 2n×2n sel dibagi ke dalam empat quadran yang sama secara rekursif hingga quadran terkecil yang terdiri dari satu sel. Pembagian akan berhenti ketika seluruh sel dalam suatu quadran memiliki nilai tematik yang homogen. Setiap quadran dienumerasi. Pembagian quadran ini membentuk struktur data pohon derajat 4, dimana n adalah level maksimum pohon, simpul dalam melambangkan quadran yang heterogen, daun melambangkan quadran yang homogen, dan setiap simpul dalam selalu memiliki empat simpul anak.

Gambar 23 Teknik kompresi raster dengan metode quadtree

Baca: http://www.gitta.info/DataCompress/en/html/rastercomp_chain.html

5 Vektor vs. Raster Baik vektor dan raster memiliki kelebihan dan kekurangan. Tidak satu pun dari kedua model data ini yang sempurna untuk semua aplikasi. Bila kita ingin membuat produk peta dari SIG dengan hasil cetak berkualitas tinggi, mungkin hanya model vektorlah yang dapat memberikan hasil memuaskan, karena data vektor dapat diperbesar sampai skala berapa pun tanpa menyebabkan resolusinya pecah seperti halnya data raster yang berbasis piksel.

Dari segi struktur data, model raster lebih simpel dibanding vektor. Sayangnya dalam raster tidak ada definisi topologi sehingga proses penghitungan luas wilayah atau panjang segmen

Origin Length2,33,25,15,35,66,27,28,38,6

212341133

ValueAAAABCCCC

1 2 3 4 5 6 7 8 9

1

2

3

4

5

6

7

8

B

C

A

0 3

10 11 23 22 20 13

120 121 122 213 212 211 210 123

1 2

12 21

0 10 11

120 121

13 122 123

20 210 211

3 212 213

22 23

Page 14: 03 Raster Data Model

Lecture 3 – Raster Data Model

Vini Indriasari, ST, MSc, PhD 14

garis tidak bisa dilakukan secara akurat. Dari segi volume data, model vektor relatif lebih kecil dibanding raster, namun hal ini tentu saja tergantung pada jumlah vertex dalam data vektor dan ukuran sel dalam data raster.

Bila kita perlu melakukan analisis spasial yang melibatkan proses penampalan (overlay) peta-peta tematik, maka model raster lebih efisien untuk tugas semacam ini karena perbandingan antar peta tematik dapat dilakukan secara detil per piksel. Sebaliknya, untuk analisis jaringan, hampir tidak mungkin dilakukan pada data raster karena tidak adanya definisi topologi tadi. Dalam hal ini, model vektor menjadi pilihan terbaik.

Tabel 2 Kelebihan dan kekurangan model data vektor dan raster

Faktor Vektor Raster

Output grafis Bagus Buruk

Struktur data Rumit Sederhana

Topologi Ada Tidak ada

Volume data Kecil Besar

Analisis spasial Sulit Mudah

Analisis jaringan Mudah Sulit