Sistem Informasi Geografis (SIG)

Diposting pada

4.2 Kelebihan dan Kekurangan Basis Data

Kelebihan basis data:

  1. Pengendalian terpusat,
  2. Dapat dibagikan sehingga pengelolaan data menjadi lebih efisien,
  3. Setiap tipe data menjadi independen,
  4. Implementasi menjadi lebih mudah,
  5. Akses data langsung,
  6. Meminimalkan pengulangan data, dan
  7. Data dapat dilihat oleh pengguna.

Kekurangan basisdata:

  1. Biaya awal pembangunan basis data yang cukup mahal,
  2. Teknologi yang lebih kompleks, dan
  3. Resiko terpusat.

4.3 Model-Model dalam Basis Data

Sistem-Informasi-Geografis-dan-Manfaatnya

Model data adalah organisasi konseptual dari suatu basis data yang dapat dikatakan sebagai suatu gaya atau cara menggambarkan dan memanipulasi data dalam basis data.

Model Hierarki

Ciri-ciri:

  1. Macam hubungan “many to one” atau “one to many”, dan
  2. Informasi diperoleh dengan mengikuti struktur pohon

Keterbatasan model hierarki:

  1. Model ini kurang efisien untuk mengakses data yang memerlukan pencarian 2 tingkat atau lebih (tidak banyak level intermediate),
  2. Search tidak dapat dicari pada field attribute,
  3. Hubungan antara data sulit dimodifikasi,
  4. Query terbatas pada penelusuran hierarki yang ada,
  5. Untuk analasis SIG dan assesment lingkungan,
  6. Tidak fleksibel, dan
  7. Tidak boleh ada “multiple parents”.

Kelebihan model hierarki:

  1. Mudah dimengerti,
  2. Mudah diperbarui,
  3. Cepat diakses, dan
  4. Tipe “Search” dispesifikasi secara ketat “rigid”.

Model Data Network (Model Jaringan)

Ciri-ciri:

  1. Mengatasi ketidakfleksibelan model hierarki,
  2. Boleh ada “multiple parents” dan “multiple child”,
  3. Tidak perlu ada root,
  4. Data search bisa dilakukan tanpa mengikuti hierarki,
  5. Relasi tidak boleh ada “many to many”, namun dapat dilaksanakan secara langsung dengan “relasi intermediate” yang disebut sebagai “intersection record”,
  6. Lebih efisien dalam penyimpanan memori dibandingkan dengan model hierarki,
  7. Harus ditambahkan informasi linkage lebih ekstensif dan disimpan sehingga menambah ukuran dan kompleksitas data, dan
  8. Kemampuan model network dengan model hierarki tidak banyak berbeda, tetapi jika ditambahkan data “dunia nyata” yang kompleks model ini tidak bisa mengakomodasi karena meningkatkan kompleksitas.

Model Data Relasional

Ciri-ciri:

  1. Tidak ada hierarki pada field pada setiap record,
  2. Setiap field dapat digunakan sebagai “key”,
  3. Data disimpan sebagai sekumpulan nilai dalam suatu bentuk record yang sederhana yang disebut dengan “tuples”. Setiap “tuple” menyatakan nilai-nilai yang berhubungan secara permanen,
  4. Tuples” dikelompokkan ke dalam tabel-tabel dua dimensi, di mana masing-masing tabel disimpan dalam file-file terpisah,
  5. Tabel-tabel tersebut mempresentasikan hubungan semua atribut, dan
  6. Model data ini diperkenalkan oleh E. F. Codd.

Kelebihan model data relasional (dibandingkan dengan hierarki dan network):

  1. Lebih fleksibel karena adanya operasi “logical join”,
  2. Mempunyai landasan teori yang baik untuk teori matematika (menggunakan bahasa programming, dapat dibuat query),
  3. Organisasi data mudah dimengerti dan dikomunikasikan,
  4. Database yang sama dapat disajikan dengan mengurangi redudancy menggunakan model relasional,
  5. Pada model relasional, search dapat dicari pada setiap tabel,
  6. Search atribut tabel lain dapat dilakukan dengan link atribut dari 2 atau lebih tabel (disebut “join operation”),
  7. Tabel hasil “join” tidak disimpan, tetapi hanya “virtual table” yang didefinisikan, dan
  8. Dapat dilakukan “query”, tetapi tidak dibuat secara aktual.

Kekurangan:

  1. Lebih lambat dalam pengoperasian, dan
  2. Terjadi redudancy data apabila ada banyak tabel.

Perangkat lunak yang dapat mengolah basis data relasional:

  1. dBase III+
  2. Microsoft Access
  3. Borland-Paradox
  4. Oracle

5. Manipulasi, Analisis, dan Pemodelan Spasial

Manipulasi, analisis, dan pemodelan diperlukan untuk mendapatkan informasi yang dapat digunakan untuk pengambilan keputusan (decision making).

Manipulasi dilakukan untuk menyamakan standar. Penyamaan standar ini dilakukan dengan cara skoring. Metode skoring yang biasa dilakukan adalah metode menyampan minimal dan maksimal, skoring dengan model linier, dan skoring dengan model non linier.

Analisis yang dilakukan dapat berupa analisis operasi spasial (overlay dan buffering), analisis permukaan (TIN, Slope, Elevasi, Hillshade, dan Aspek), dan analisis operasi tabular (Join, Relate, dan Operasi Matematis).

Pemodelan spasial pada SIG dapat dikategorikan menjadi tiga macam, yaitu pemodelan simulasi, pemodelan prediktif, dan pemodelan kartografi.

Pemodelan simulasi dapat diterapkan untuk kasus kesesuaian (tempat tumbuh, habitat, produktivitas, dll), dan kerentanan.

Pemodelan prediktif dapat diterapkan untuk kasus prediksi kejadian banjir (peramalan jika terjadi kondisi tertentu), prediksi terjadinya wabah malaria, dan lain-lain.

Pemodelan kartografis dapat diterapkan misalnya untuk peta tebang di suatu unit manajemen.