Sistem Informasi Irigasi (Sumber Daya Air) Pada Kab. Malang.
Menjelaskan Letak Pengairan Pada Peta Kab.Malang.
Selasa, 30 Juni 2009
Rabu, 03 Juni 2009
WEB GIS
KONSEP DASAR WEB GIS
Geographic Information System (GIS) merupakan sistem yang dirancang untuk bekerja dengan data yang tereferensi secara spasial atau koordinat-koordinat geografi. GIS memiliki kemampuan untuk melakukan pengolahan data dan melakukan operasi-operasi tertentu dengan menampilkan dan menganalisa data. Applikasi GIS saat ini tumbuh tidak hanya secara jumlah applikasi namun juga bertambah dari jenis keragaman applikasinya. Pengembangan applikasi GIS kedepannya mengarah kepada applikasi berbasis Web yang dikenal dengan Web GIS. Hal ini disebabkan karena pengembangan applikasi di lingkungan jaringan telah menunjukan potensi yang besar dalam kaitannya dengan geo informasi. Sebagai contoh adalah adanya peta online sebuah kota dimana pengguna dapat dengan mudah mencari lokasi yang diinginkan secara online melalui jaringan intranet/internet tanpa mengenal batas geografi penggunanya. Secara umum Sistem Informasi Geografis dikembangkan berdasarkan pada prinsip input/masukan data, managemen, analisis dan representasi data.
Applikasi berada disisi client yang berkomunikasi dengan Server sebagai penyedia data melalui web Protokol seperti HTTP (Hyper Text Transfer Protocol). Applikasi seperti ini bisa dikembangkan dengan web browser (Mozzila Firefox, Opera, Internet Explorer, dll). Untuk menampilkan dan berinteraksi dengan data GIS, sebuah browser membutuhkan Pug-In atau Java Applet atau bahkan keduanya. Web Server bertanggung jawab terhadap proses permintaan dari client dan mengirimkan tanggapan terhadap respon tersebut. Dalam arsitektur web, sebuah web server juga mengatur komunikasi dengan server side GIS Komponen. Server side GIS Komponen bertanggung jawab terhadap koneksi kepada database spasial seperti menterjemahkan query kedalam SQL dan membuat representasi yang diteruskan ke server. Dalam kenyataannya Side Server GIS Komponen berupa software libraries yang menawarkan layanan khusus untuk analisis spasial pada data. Selain komponen hal lain yang juga sangat penting adalah aspek fungsional yang terletak di sisi client atau di server.
Manajemen Data
Untuk melakukan menajeman data geografis paling tidak dibutuhkan sebuah DBMS (Databese Management System). Pemodelan berorientasi objek menjadi sangat dibutuhkan karena pemodelan basisdata relational tidak mampu melakukan penyimpanan data spasial. Pada analisis spasial system manajemen database memberikan beberapa keragaman. Ada beberapa keragaman applikasi yang dapat digunakan sebagai database seperti Oracle Spatial, PostgreSQL, Informix, DB2, Ingres dan yang paling popular saat ini adalah MySQL.
Mendesain GUI
Untuk berinteraksi, berkomunikasi dan mendapatkan informasi perlu dirancang sebuah Graphical User Interface (GUI). GUI berinteraksi langsung dengan user. Karena informasi geografis biasanya sangat kompleks maka akan ditemui banyak kesulitan dalam pengarsipannya. Menciptakan aspek Dunia Virtual menjadi hal penting dalam mendesain GUI. Karakteristik untuk menciptakan dunia virtual adalah Level of Detail (LOD).
Algoritma khusus dibutuhkan untuk mampu menampilkan se-invisible mungkin tampilan. Penggunaan PHP dan VRML (Virtual Reality Modeling Language) adalah sebuah ideal perancangan GUI untuk applikasi Web GIS. PHP menjadi bahasa yang paling popular untuk menciptakan web dinamis pada saat ini. VRML dikenalkan oleh Konsorsium Web3D untuk menghasilkan tampilan peta interaktif dalam web.
Detail Proses
Objek Geo Spasial terdiri dari informasi data spasial dan data non spasial. Informasi Spasial dapat divisualisasikan dengan mengkonversinya VRML dan data non Spasial ditampilkan secara dinamis di halaman HTML. Gambar berikut menunjukkan proses request data standart. Request memanggil desain dari PHP yang berinteraksi dengan database. Setelah menerima respon system mengikuti alur seperti pada gambar.
Contoh Pemanfaatan Web GIS :
Ketika terjadi Tsunami di Aceh bukti kehebatannya baru dapat kita analisa jika sudah ditampilkan kedalam bentuk peta. Gambar tersebut dapat memberikan banyak arti dan informasi lebih jika dilengkapi dengan data-data yang akurat.
Isi Web Gis
Web GIS ini berisi data base :
Jaringan jalan,
Fasilitas transportasi,
Saluran pematusan dan
Sarana prasarana pemadam kebakaran.
Tujuan Web Gis
Tujuan dari WebGIS ini :
Mengembangkan peta digital berbasis WebGis untuk memudahkan pencarian data dan informasi tentang jaringan jalan, Fasilitas transportasi, aluran pematusan dan sarana prasarana pemadam kebakaran.
Memutakhirkan data dan menyusun mekanismenya yang bisa diterapkan.
Manfaat Web Gis
Manfaat dari WebGIS ini :
Tersedianya peta atau informasi yang berbasis WebGIS yang tersusun dengan baik, akurat, mudah dibaca, dan mudah dimengerti oleh awam sekalipun, baik berupa data maupun peta skematik.
Mendukung perencanaan makro jaringan jalan, transportasi, sistem drainase, sarana dan prasarana pemadam kebakaran di Kota Surabaya, baik secara langsung maupun tidak langsung.
Mengapa WebGIS ini ada?
Kota-kota besar di Indonesia termasuk Kota Surabaya mengalami perkembangan pesat. Surabaya merupakan kota metropolitan terbesar kedua di Indonesia setelah ibukota Jakarta. Perkembangan kota pahlawan ini setidaknya ditunjukkan dengan peningkatan pertumbuhan penduduk dan perubahan peruntukan lahan yang semakin cepat. Hal ini terjadi karena kemajuan Kota Surabaya terutama dalam bidang ekonomi menjadi daya tarik tersendiri bagi masyarakat yang ada di sekitarnya. Akibatnya, jumlah penduduk yang tinggal di wilayah Kota Surabaya semakin banyak.
Kondisi ini berpengaruh terhadap meningkatnya kebutuhan penduduk akan hunian, perkantoran, sarana dan prasarana transportasi, serta fasilitas publik lainnya. Konsekwensinya, pembangunan fisik kota pun semakin meningkat, guna memenuhi kebutuhan penduduk tersebut. Pembangunan fisik dan prasarana perkotaan dapat berupa pembangunan permukiman sebagai tempat tinggal, pembangunan pabrik dan perkantoran sebagai tempat bekerja, pembangunan jaringan jalan sebagai penghubung dan jenis pembangunan lainnya. Kegiatan pembangunan fisik dan prasarana perkotaan di Surabaya tentunya menimbulkan konsekwensi terhadap perubahan peruntukan lahan. Banyak lahan yang semula berfungsi sebagai areal pertanian beralih fungsi menjadi areal terbangun.
Perkembangan suatu wilayah dapat berdampak positif, sekaligus juga bisa berdampak negatif bagi suatu kota. Berdampak positif, bila perkembangan wilayah kota tersebut dapat dikendalikan sesuai dengan orientasi perencanaan pembangunan kota. Namun, bila perkembangan tersebut tidak diantisipasi dan tidak dapat dikendalikan dengan baik maka yang terjadi justru sebaliknya. Perkembangan kota justru akan melahirkan permasalahan-permasalahan baru, sehingga problem perkotaan menjadi semakin kompleks. Hal ini sangat signifikan untuk diperhatikan sebab pesatnya pekembangan Kota Surabaya akan membawa konsekuensi logis terhadap menurunnya daya dukung lingkungan, termasuk di bidang drainase, jaringan jalan, fasilitas lalu lintas dan pemadam kebakaran.
Dalam konteks inilah, perubahan peruntukan lahan yang semakin akseleratif tentunya berpotensi menjadikan problem banjir di Kota Surabaya akan semakin parah. Hal ini terjadi karena area untuk resapan air semakin berkurang, sehingga air langsung mengalir melalui saluran pematusan. Sementara daya dukung saluran pematusan yang ada sudah tidak mampu lagi mengalirkan air yang debitnya meningkat akibat tidak terserap kedalam tanah.
Akselerasi pertumbuhan jumlah penduduk dan pembangunan fisik di Kota Surabaya tentunya berdampak terhadap peningkatan kebutuhan sarana dan prasarana transportasi. Saat ini kebutuhan akan sarana transportasi berupa kendaraan bermotor memang dapat dipenuhi. Namun, pemenuhan kebutuhan sarana transportasi tidak diimbangi dengan pembangunan prasarana transportasi berupa jaringan jalan dan kelengkapan fasilitas lalu lintasnya. Kondisi inilah yang mengakibatkan problem kemacetan lalu lintas di Kota Surabaya semakin meningkat. Indikasinya, semakin banyak ruas jalan di Kota Pahlawan ini yang derajad kejenuhannya lebih besar dari 0.85 atau melampaui ambang batas yang dipersayaratkan dalam MKJI (manual kapasitas jalan Indonesia).
Selanjutnya, saat ini kondisi bangunan permukiman di Kota Surabaya semakin padat dan kondisi fisik bangunan fasilitas publik, seperti pasar tradisional, yang kondisinya tidak dilengkapi dengan fasilitas pemadam kebakaran yang memadai. Kondisi seperti inilah membuat potensi kebakaran di kawasan permukiman dan fasilitas publik menjadi semakin besar.
Hal tersebut diatas memperlihatkan bahwa perkembangan kota yang tidak diantisipasi, dikendalikan dan direncanakan dengan baik justru akan semakin menambah kompleks permasalahan di Kota Surabaya. Oleh karena itu, pesatnya perkembangan Kota Surabaya harus diperhatikan secara serius agar sesuai dengan orientasi yang telah dicanangkan.
Dengan semakin beragamnya permasalahan, penyajian data, baik data spasial maupun data nonspasial, dengan metode konvensional berupa penyampaian data melalui laporan tertulis dan tabel-tabel angka akan sangat menjadi sulit dicerna. Belum lagi apabila terjadi ketidaksesuaian data yang seharusnya sama, menyebabkan pemecahan permasalahan tidak segera dicapai. Tampilan visual untuk memperjelas data sudah jelas akan sangat membantu, akan tetapi dengan metode konvensional berupa penggambaran dengan tangan penyiapan bermacam-macam gambar tematik akan memakan waktu tersendiri pula.
Dalam konteks ini, pembuatan database perlu dilakukan guna mempermudah dalam melakukan analisa dalam penentuan kebijakan dalam memecahkan suatu permasalahan di Kota Surabaya. Apalagi pemerintah Kota Surabaya telah memiliki peta foto udara digital skala 1 : 1000 yang ada di Dinas Tata Kota dan Permukiman Kota Surabaya.
Sehubungan dengan era globalisasi yang semakin nyata, diperlukan Sistem Informasi yang dapat memberikan pelayanan kepada masyarakat secara cepat dan detail. Dengan telah dibentuknya Sistem Informasi Geografis terpadu di Pemerintah Kota Surabaya, maka integrasi system database GIS dan sistempendukung yang lain sudah dapat dilaksanakan. Sistem informasi ini diharapkan dapat meningkatkan kecepatan dan kualitas pelayanan kepada masyarakat. Untuk kebutuhan operasional, Sistem Informasi Geografis masih diperlukan dukungan data yang lebih lengkap, mencakup semua data agar sistem dapat memberikan manfaat yang maksimal.
Perkembangan teknologi informasi yang pesat, maka dimungkinkan adanya antisipasi terhadap agenda permasalahan di Kota Surabaya. Dalam konteks ini, pemanfaatan peta foto udara digital, skala 1 : 1000, sebagai peta dasar dalam sistem informasi geografis (SIG), maka kegiatan monitoring dan evaluasi terhadap permasalahan drainase, jaringan jalan, fasilitas lalu lintas dan pemadam kebakaran dapat dilakukan dengan lebih mudah. Penyajian data yang kompleks tidak lagi merupakan sesuatu hal yang membosankan. Disamping itu, pembuatan kebijakan atau perencanaan solusi untuk mengatasi agenda persoalan di Kota Surabaya diharapkan bisa lebih tepat sasaran.
BAB I
PERKEMBANGAN TEKNOLOGI WEB GIS
Geographic Information System (GIS) merupakan sistem yang dirancang untuk bekerja dengan data yang tereferensi secara spasial atau koordinat-koordinat geografi.Geographic Information System (GIS) merupakan sistem yang dirancang untuk bekerja dengan data yang tereferensi secara spasial atau koordinat-koordinat geografi.GIS memiliki kemampuan untuk melakukan pengolahan data dan melakukan operasi-operasi tertentu dengan menampilkan dan menganalisa data. Aplikasi GIS saat ini tumbuh tidak hanya secara jumlah aplikasi namun juga bertambah dari jenis keragaman aplikasinya.
Hal ini disebabkan karena pengaruh pengembangan aplikasi di lingkungan jaringan telah menunjukan potensi yang sangat besar dalam kaitannya dengan geo informasi.web GIS merupakan perkembangan dari sistem GIS tradisional, yang seiring dengan perkembangan teknologi informasi dan komunikasi, turut menggembangkan diri mengikuti arus teknologi yang sedemikian. Dengan memanfaatkan aplikasi web GIS ini, penyampaian informasi tidak lagi dibatasi oleh jarak, perangkat lunak dan sistem operasi tertentu.
Web Gis atau yang disebut dengan Internet GIS, distributed GIS atau mobil GIS didefinisikan sebagai suatu jaringan berbasis layanan informasi geografis yang memanfaatkan internet baik meggunakan jaringan kabel maupun tanpa kabel untuk mengakses informasi geografis maupun sebagai tools guna melakukan spatial analysis (Ren Peng. Z and Hsing Tsou, 2003).
Arsitektur system Eeb GIS
Gambar diatas menunjukan arsitektur minimum sebuah system Web GIS. Aplikasi berada disisi client yang berkomunikasi dengan Server sebagai penyedia data melalui web Protokol seperti HTTP (Hyper Text Transfer Protocol). Applikasi seperti ini bisa dikembangkan dengan web browser (Mozzila Firefox, Opera, Internet Explorer, dll). Untuk menampilkan dan berinteraksi dengan data GIS, sebuah browser membutuhkan Pug-In atau Java Applet atau bahkan keduanya. Web Server bertanggung jawab terhadap proses permintaan dari client dan mengirimkan tanggapan terhadap respon tersebut. Dalam arsitektur web, sebuah web server juga mengatur komunikasi dengan server side GIS Komponen. Server side GIS Komponen bertanggung jawab terhadap koneksi kepada database spasial seperti menterjemahkan query kedalam SQL dan membuat representasi yang diteruskan ke server. Dalam kenyataannya Side Server GIS Komponen berupa software libraries yang menawarkan layanan khusus untuk analisis spasial pada data. Selain komponen hal lain yang juga sangat penting adalah aspek fungsional yang terletak di sisi client atau di server.
Thin vs Thick system pada system Client/Server
Pendekatan-1 : Thin Client : Memfokuskan diri pada sisi server. Hampir semua proses dan analisa data dilakukan berdasarkan request disisi server. Data hasil pemrosesan dikirimkan ke client dalam format HTML, yang didalamnya terdapat file gambar sehingga dapat dilihat dengan browser. Pada pendekatan ini interaksi pengguna terbatas dan tidak fleksibel
Pendekatan-2 : Thick / Fat Client : Pemrosesan data dilakukan disisi client, data dikirim dari server ke client dalam bentuk data vector yang disederhanakan. Pemrosesan dan penggambaran kembali dilakukan disisi client. Cara ini menjadikan user dapat berinteraksi lebih interaktif dan fleksibel.
Sebagai contoh adalah adanya peta online sebuah kota dimana pengguna dapat dengan mudah mencari lokasi yang diinginkan secara online melalui jaringan intranet/internet tanpa mengenal batas geografi penggunanya. Secara umum Sistem Informasi Geografis dikembangkan berdasarkan pada prinsip input/masukan data, managemen, analisis dan representasi data.
BAB II
SUMBER DAYA LUNAK WEB GIS
Perkembangan software open source berlangsung dengan pesat, dan berbagai varian muncul dengan cepat. Fakta bahwa software open source cenderung gratis dan mudah didapat, menjadi daya tarik lain yang menunjang popularitas software ini. Dengan banyaknya software open source ini, tidak menjadikan hal ini menjadi seuatu yang tabu kagi bgai kita kalau calon pemakai lalu dibuat bingung untuk memilih software mana yang akan dipakai “Open source” secara teknis dapat diartikan sebagai perangkat lunak yang menyediakan kode sumber (source code) untuk dimodifikasi dan didistribusikan kepada publik. Ada beberapa lisensi aplikasi open source (AOS) yang dikoordinasikan oleh “Open Source Initiative” (http://www.opensource.org). Kesuksesan AOS bukan disebabkan oleh karena penyediaan kode sumber yang secara bebas dapat dimodifikasi dan disitribusikan, akan tetapi lebih disebabkan oleh tumbuh dan berkembangnya komunitas yang memiliki minat yang sama dalam mengembangkan aplikasi tersebut.
Aplikasi open source GIS berbasis web umumnya digunakan untuk menyajikan data spasial secara online melalui media internet. Aplikasi GIS berbasis web sangat erat kaitannya dengan standar dalam bidang geospasial. Hal ini dimaksudkan untuk mendukung interoperabilitas penyediaan dan kerja sama data spasial.
Berbagai aplikasi open source GIS berbasis web antara lain:
UMN MapServer (http://mapserver.gis.umn.edu), MapServer merupakan aplikasi pemetaan online (web-mapping) yang cukup popular. Dikembangkan oleh Universitas Minnesota dan didukung oleh NASA dan Departemen Sumber Daya Alam Minnesota (Minnesota Department of Natural Resources).
MapGuide Open Source (http://mapguide.osgeo.org/)., MapGuide Open Source merupakan aplikasi pemetaan online (web-based mapping) dan dikembangkan dan didukung oleh OSGEO Foundation. Mapguide dapat dikembangkan di Linux atau Windows dan dapat didukung oleh Apache atau IIS, sedangkan bahasa pemrograman yang dapat dipergunakan adalah ASP .NET, PHP, Java dan Javascript.
GeoServer (http://geoserver.sourceforge.net/)., GeoServer merupakan aplikasi pemetaan online (web-mapping) yang berbasiskan Java dan dibangun menggunakan library GeoTools. GeoServer merupakan implementasi OpenGIS Consortium untuk Spesifikasi Web Feature Server.
DeeGree (http://deegree.sourceforge.net/). DeeGree, sebelumnya dikenal dengan nama jaGo, yang menyediakan beberapa fungsi SIG yang merupakan implementasi dari OpenGIS yaitu Consortium.
Seiring dengan perkembangan Internet, teknologi GIS pun senantiasa mengikuti kebutuhan pengguna, terutama untuk memublikasikan informasi spasial, khususnya yang dalam bentuk peta melalui media Internet. Dengan hadirnya webGIS sebagai salah satu komponen GIS yang berfungsi sebagai platform untuk memudahkan pengguna dalam menyebarluaskan informasi spasial, terutama dalam bentuk peta, maka diharapkan pertukaran informasi akan menjadi lebih mudah dan efisien.
Sampai saat ini sudah banyak perangkat lunak webGIS yang dihasilkan dan dimanfaatkan oleh berbagai kalangan, baik pemerintah, universitas, maupun swasta. Rentang harganya pun cukup beragam, dari yang gratis sampai dengan yang senilai puluhan ribu dollar AS yang biasanya sesuai dengan kapabilitas perangkat lunak tersebut.
Salah satu contoh pemanfaatan webGIS oleh BPPT adalah yang dilakukan melalui kerja sama dengan Badan Meteorologi dan Geofisika (BMG) dan Departemen Kehutanan, yaitu untuk penerapan Sistem Peringkat Bahaya Kebakaran (SPBK). Dalam kegiatan ini, BPPT juga mendapatkan hibah berupa perangkat lunak GeoMedia Professional dan WebMap melalui program Open Interoperability Grant. Dalam kerja sama ini, komponen webGIS digunakan untuk menyebarluaskan peta indeks cuaca kebakaran, peta vegetasi, dan informasi spasial yang terkait lainnya melalui media Internet.
Untuk lingkup kegiatan rehabilitasi hutan dan lahan, setelah dilakukan pengolahan dan analisis citra remote sensing, yang dipadukan dengan spectral library dan hasil observasi lahan lainnya, termasuk status pertanaman dan distribusi pertumbuhan, maka langkah selanjutnya adalah menyampaikan hasil analisis tersebut kepada khalayak yang lebih luas melalui berbagai media. Salah satunya adalah media Internet dengan menggunakan webGis.
ALOV
WebGIS, sudah banyak yang tahu “binatang” apakah ini. Membuatnyapun sudah bukan masalah lagi dengan semakin banyaknya pengembang perangkat lunak khusus pendukung. Modal yang diperlukan untuk membangun ini dari puluhan juta sampai yang hanya modal warnet dan rajin berselancar di web dalam rangka mendapatkan versi opensource-nya…
Salah satu engine webgis berbasis java (applet), dan opensource, adalah ALOV Map. Beberapa pengenalan Alov sudah pernah tertulis pada beberapa waktu lalu, antara lain:
ALOV Map (berikutnya disebut ALOV) adalah aplikasi WebGIS portabel berbasis Java® yang digunakan untuk publikasi data vektor dan raster di Internet. Juga untuk penampilan interaktif pada web browser. ALOV mendukung arsitektur penyajian yang cukup kompleks, navigasi yang baik dan dapat bekerja dengan multi layer, peta-peta tematik, mendukung taut (hyperlink) dan juga data atribut.
ALOV adalah hasil dari proyek kerjasama antara ALOV Software dan Archeological Computing Laboratory, University of Sydney, Australia. ALOV dibangun dengan bahasa Java dan dikemas dalam Applet. Sebagai penghubung antara HTML (Hypertext Markup Language, bahasa pembangun halaman web) dan proses di dalam Applets digunakan bahasa XML (Extensible Markup Language).
Paket ALOV dapat di-download melalui situs www.alov.org.
MAP SERVER
MapServer merupakan salah satu aplikasi pemetaan online (web GIS) yang dikembangkan oleh Universitas Minnesota, NASA, dan Departemen Sumber Daya Alam Minnesota (Minnesota Departemen of Natural Resources). MapServer merupakan aplikasi open source yang berarti dapat didistribusikan dengan gratis disertai dengan sumber kode pemrograman apabila ingin mengembangkan lebih lanjut. MapServer dapat dijalankan pada beberapa sistem operasi yaitu Unix/Linux, MacOS dan Windows.
Paket MapServer dapat di-download melalui situs www.mapserver.org
WebGIS Simpotenda
Webgis Simpotenda menyajikan data unggulan potensi daerah seperti pendidikan, kesehatan, pertanian, kehutanan, dll. WebGIS Siptomenda dapat digunakan untuk mendesain, mengelola dan menyajikan data bereferensi geogra?s atau peta dalam mendukung pengambilan keputusan.
Paket WebGIS Simpotenda dapat di-download melalui situs www.webgis.indonetwork.or.id.
MS4W
Di dalamnya sudah menyatu aplikasi Apache Web Server, PHP, Map Server dan berbagai library yang dibutuhkan untuk membangun sistem WebGIS. Ada dua buah versi yang MS4W yang dapat didownload, versi 1.x dan versi 2.x .Akan tetapi jika kita hendak menggunakan framework chameleon, lebih baik pilih MS4W versi 1.x (yang digunakan saat ini adalah versi 1.6) karena Chameleon belum mendukung secara sempurna PHP5 pada paket MS4W versi 2.x.
Paket MS4W dapat di-download melalui situs www.maptools.org.
BAB III
POTENSI PENGGUNAAN WEB GIS
Dalam penggunaan Web GIS sangat berpotensi sekali untuk perkembangan geografis di dunia. Terutama untuk penghasilan perorangan atau sebuah perusahaan yang mengelola Web GIS. Hal ini dapat dilihat dari kegunaan Web GIS tersebut. Misalnya membuat Web GIS untuk pemetaan populasi hewan, dan pihak organisasi perlindungan hewan tersebut dapat menggunakan produk yang telah dibuat. Dengan itu kita dapat menambah pendapatan.
Banyak sekali peluang pekerjaan jika kita mahir dalam GIS, yaitu bergerak di bidang swasta, pemerintah maupun perseorangan dengan jenis aplikasi yang luas dari aplikasi dalam bidang lingkungan, perikanan, dan pertambangan hingga bidang perbankan, marketing (Para pelaku bisnis yang bergerak di bidang pemasaran, periklanan, real estate, dan ritel saat ini sudah menggunakan GIS untuk melakukan analisa pasar, mengoptimalkan kampanye periklanan melalui media masa, analisis terhadap bidang-bidang tanah, dan membuat model atas pola pengeluaran. GIS akan merubah banyak hal yang berkait erat dengan pekerjaan Anda, apa pun bisnis Anda tersebut), kesehatan (misalnya, bisa digunakan untuk memutuskan, di kawasan mana lagikah pusat layanan kesehatan baru akan didirikan berdasarkan atas data-data kependudukan. Selanjutnya, berdasarkan sistem informasi tersebut kita dapat menarik informasi dari peta yang tersedia dalam aplikasi GIS tersebut, atau sebaliknya, memperoleh informasi mengenai peta kawasan tertentu manakah yang akan muncul, jika kita menggunakan informasi tertentu sebagai kriteria pencariannya.), konstruksi dan retail.
WebGis punya potensi yang besar sebagai penghasil uang. Mungkin yang pertama adalah dari sektor pembuatan mapnya sendiri. Yang kedua adalah dari sponsor. yang dimaksud sponsor disini bukan hanya iklan yang biasa berupa banner yang ada di setiap sudut sebuah website, tetapi bisa juga melewati map. Contoh studi kasus adalah sebagai berikut: misalkan seseorang mempunyai sebuah web berbahasa indonesia yang saya khususkan untuk beredar di indonesia saja dalam artian tidak bisa diakses dari luar negeri. Kemudian Traffic dari web itu adalah 10ribu pengunjung tiap harinya. Karena kolom untuk banner sudah penuh, dia mempunyai inisiatif untuk menambahkan webgis dalam websitenya. fitur ini kemudian dipasarkan dan banyak yang merespon positif. cara mengiklankannya cukup mudah, hanya perlu menentukan posisi kemudian masukkan data yang diperlukan seperti foto tempat dan lain sebagainya. karena sang pengiklan merasa terbantu maka mereka mengeluarkan sejumlah uang sebagai tanda jasa. hal yang sama yang mungkin dilakukan oleh Google, karena lebih dari 90% pendapatan mereka berasal dari iklan.
source :jasongibbs.com,eprints.utm.my,webgisdev.com.fajar
WebGis punya potensi yang besar sebagai penghasil uang. Mungkin yang pertama adalah dari sektor pembuatan mapnya sendiri. Yang kedua adalah dari sponsor. yang dimaksud sponsor disini bukan hanya iklan yang biasa berupa banner yang ada di setiap sudut sebuah website, tetapi bisa juga melewati map. Contoh : kita membuat sebuah web Gis yang Didalamnya terDapat kawasan-kawasan wisata, dari situ kita akan mendapat materi dari pihak yang merasa diuntungkan(pihak pemilik/pengelolah kawasan wisata tersebut).
Selasa, 02 Juni 2009
SKALA PENGUKURAN DATA
1. SKALA NOMINAL
Skala Nominal merupakan skala yang paling lemah/rendah di antara keempat skala pengukuran. Sesuai dengan nama atau sebutannya, skala nominal hanya bisa membedakan benda atau peristiwa yang satu dengan yang lainnya berdasarkan nama (predikat). Sebagai contoh, klasifikasi barang yang dihasilkan pada suatu proses produksi dengan predikat cacat atau tidak cacat. Atau, bayi yang baru lahir bisa laki-laki atau perempuan. Tidak jarang digunakan nomor-nomor yang dipilih sekehendak hati sebagai pengganti nama-nama atau sebutan-sebutan, untuk membedakan benda-benda atau peristiwa-peristiwa berdasarkan beberapa karakteristik. Sebagao contoh, dapat digunakan nomor 1 untuk menyebut kelompok barang yang cacat dari suatu proses produksi dan nomor 0 untuk menyebut kelompok barang yang tidak cacat dari suatu proses produksi. Skala nominal biasanya juga digunakan bila peneliti berminat terhadap jumlah benda atau peristiwa yang termasuk ke dalam masing-masing kategori nominal. Data semacam ini sering disebut data hitung (count data) atau data frekuensi.
Skala pengukuran nominal digunakan untuk menglasifikasi obyek, individual atau kelompok; sebagai contoh mengklasifikasi jenis kelamin, agama, pekerjaan, dan area geografis. Dalam mengidentifikasi hal-hal di atas digunakan angka-angka sebagai symbol. Apabila kita menggunakan skala pengukuran nominal, maka statistik non-parametrik digunakan untuk menganalisa datanya. Hasil analisa dipresentasikan dalam bentuk persentase. Sebagai contoh kita mengklaisfikasi variable jenis kelamin menjadi sebagai berikut: laki-laki kita beri simbol angka 1 dan wanita angka 2. Kita tidak dapat melakukan operasi arimatika dengan angka-angka tersebut, karena angka-angka tersebut hanya menunjukkan keberadaan atau ketidakadanya karaktersitik tertentu.
Contoh:
Jawaban pertanyaan berupa dua pilihan “ya” dan “tidak” yang bersifat kategorikal dapat diberi symbol angka-angka sebagai berikut: jawaban “ya” diberi angka 1 dan tidak diberi angka 2.
Skala Nominal di gunakan ketika kita menginginkan suatu informasi yang hanya mengklasifikasikan suatu objek, individual atau kelompok dalam bentuk kategori. sebab skala Nominal merupakan skala yang paling lemah/rendah di antara skala pengukuran yang ada. Skala nominal hanya bisa membedakan benda atau peristiwa yang satu dengan yang lainnya berdasarkan nama (predikat). Skala pengukuran nominal digunakan untuk mengklasifikasi obyek, Pemberian angka atau simbol pada skala nomial tidak memiliki maksud kuantitatif hanya menunjukkan ada atau tidak adanya atribut atau karakteristik pada objek yang diukur. Misalnya, jenis kelamin diberi kode 1 untuk laki-laki dan kode 2 untuk perempuan. Angka ini hanya berfungsi sebagai label
Karena tidak memiliki nilai instrinsik, maka angka-angka (kode-kode) yang kita berikan tersebut tidak memiliki sifat sebagaimana bilangan pada umumnya. Oleh karenanya, pada variabel dengan skala nominal tidak dapat diterapkan operasi matematika standar (aritmatik) seperti pengurangan, penjumlahan, perkalian, dan lainnya. Peralatan statistik yang sesuai dengan skala nominal adalah peralatan statistik yang berbasiskan (berdasarkan) jumlah dan proporsi seperti modus, distribusi frekuensi, Chi Square dan beberapa peralatan statistik non-parametrik lainnya.
2. SKALA ORDINAL
Skala Ordinal ini lebih tinggi daripada skala nominal. Pada skala ini sudah dapat membeda-bedakan benda atau peristiwa yang satu dengan yang lain yang diukur dengan skala ordinal berdasarkan jumlah relatif beberapa karakteristik tertentu yang dimiliki oleh masing-masing benda atau peristiwa. Pengukuran ordinal memungkinkan segala suatu sesuatu disusun menurut peringkatnya masing-masing. Sebagai contoh, pada tenaga penjualan bisa diperingkat dari yang “paling buruk” sampai yang “paling buruk” berdasarkan kepribadian mereka. Atau, pada para peserta kontes kecantikan dpat diperingkat dari yang “paling kurang cantik” sampai yang “paling cantik”. Jika ingin bermaksud memeringkat n buah benda berdasarkan suatu ciri tertentu, boleh ditetapkan nomor 1 untuk benda yang ciri tertentunya paling kurang, nomor 2 untuk benda yang ciri tertentunya kedua paling kurang, dan seterusnya hingga nomor n, untuk benda kadar ciri tertentu yang paling tinggi. Sebagai contoh, para peserta lomba lari dapat diberi peringkat 1, 2, 3, …, berdasarkan urut-urutan waktu yang diperlukan untuk mencapai garis finish Data semacam ini sering disebut data peringkat (rank data).
Skala pengukuran ordinal memberikan informasi tentang jumlah relatif karakteristik berbeda yang dimiliki oleh obyek atau individu tertentu. Tingkat pengukuran ini mempunyai informasi skala nominal ditambah dengan sarana peringkat relatif tertentu yang memberikan informasi apakah suatu obyek memiliki karakteristik yang lebih atau kurang tetapi bukan berapa banyak kekurangan dan kelebihannya.
Contoh:
Jawaban pertanyaan berupa peringkat misalnya: sangat tidak setuju, tidak setuju, netral, setuju dan sangat setuju dapat diberi symbol angka 1,2,3,4 dan 5. Angka-angka ini hanya merupakan simbol peringkat, tidak mengekspresikan jumlah.
Skala Ordinal digunakan ketika kita menginginkan suatu informasi yang lebih baik , karena dalam skala ordinal, lambang-lambang bilangan hasil pengukuran selain menunjukkan pembedaan juga menunjukkan urutan atau tingkatan obyek yang diukur menurut karakteristik tertentu. Skala Ordinal juga disebut dengan skala peringkat.
Misalnya : tingkat kepuasan seseorang terhadap produk. Bisa kita beri angka dengan 5=sangat puas, 4=puas, 3=kurang puas, 2=tidak puas dan 1=sangat tidak puas. Atau misalnya dalam suatu lomba, pemenangnya diberi peringkat 1,2,3 dstnya.
Dalam skala ordinal, tidak seperti skala nominal, ketika kita ingin mengganti angka-angkanya, harus dilakukan secara berurut dari besar ke kecil atau dari kecil ke besar. Jadi, tidak boleh kita buat 1=sangat puas, 2=tidak puas, 3=puas dstnya. Yang boleh adalah 1=sangat puas, 2=puas, 3=kurang puas dstnya.
Sebagaimana halnya pada skala nominal, pada skala ordinal kita juga tidak dapat menerapkan operasi matematika standar (aritmatik) seperti pengurangan, penjumlahan, perkalian, dan lainnya. Peralatan statistik yang sesuai dengan skala ordinal juga adalah peralatan statistik yang berbasiskan (berdasarkan) jumlah dan proporsi seperti modus, distribusi frekuensi, Chi Square dan beberapa peralatan statistik non-parametrik lainnya.
3. SKALA INTERVAL
Skala Interval ini lebih tinggi daripada skala ordinal. Apabila benda-benda atau peristiwa-peristiwa yang diselidiki dapat dibeda-bedakan antara yang satu dan lainnya kemudian diurutkan, dan bilamana perbedaan-perbedaan antara peringkat yang satu dan lainnya mempunyai arti (yakni, bila satuan pengukurannya tetap), maka skala interval dapat diterapkan. Skala interval memiliki sebuah titik nol, tetapi titik nol ini bisa dipilih secara sembarang, artinya bahwa titik nol tidak selalu bernilai nol. Sebagai contoh, pengukuran interval pada pengukuran temperatur dalam derajat Fahrenheit titik nolnya pada 32, sedangkan dalam derajat Celcius titik nolnya pada 0. Andaikan bahwa empat benda A, B, C, dan D secara berturut-turut diberi nilai (score) 20, 30, 60, dan 70, melalui pengukuran menggunakan skala interval. Karena yang digunakan adalah skala interval, maka dapat dikatakan bahwa beda/selisih antara 20 dan 30 sama dengan beda/selisih 60 dan 70. Dengan demikian, jarak yang sama antara anggota-anggota masing-masing masing-masing pasangan nilai itu menunjukkan beda yang sama dalam hal kadar ciri atau sifat yang diukur. Namun, skala interval tidak menjadikan perbandingan/rasio antara dua buah nilai. Sebagai contoh, si A mendapat nilai ujian 40 dan si B mendapat nilai ujian 80, ini tidak berarti bahwa nilai/ciri/sifat yang dimiliki (kepintaran) si B dua kali lipat yang dimiliki si A.
4. SKALA RATIO
Skala Ratio ini lebih tinggi daripada skala interval. Pada skala ratio, antara masing masing pengukuran sudah mempunyai nilai perbandingan/rasio. Pengukuranpengukuran dengan skala rasio yang sudah sering digunakan, yakni pengukuran tinggi dan pengukuran berat. Dapat dikatakan bahwa seseorang yang beratnya 90 kg memiliki kelebihan berat 45 kg dibanding yang beratnya 45 kg, sebagaimana yang digunakan pada skala interval. Dengan skala ratio, dapat dikatakan bahwa orang yang beratnya 90 kg mempunyai berat dua kali lipat daripada orang yang beratnya 45 kg.
Banyak teknik analisis statistika yang dibedakan berdasarkan tipe skala pengukuran data, misalnya dikenal istilah analisis data kategorik (categorical data analysis) untuk menunjukkan bahwa analisis-analisis yang dibahas dalam cabang ini hanya berlaku untuk tipe data kategorik (nominal) atau paling tinggi ordinal. Contoh lain, analisis peringkat ( rank analysis) dalam cabang Statistika Nonparametrik hanya cocok diterapkan pada data-data bertipe ordinal atau yang lebih rendah (nominal) namun jika diterapkan pada data yang diukur pada skala interval atau rasio maka kuasa ujinya ( test power) akan lebih rendah dibandingkan kalau digunakan analisis yang memang didesain untuk tipe data metrik.
Begitu juga dalam analisis multivariat, ada beberapa teknik analisis yang mensyaratkan data diukur pada skala metrik, misalnya analisis faktor, analisis klaster dan analisis diskriminan (meskipun dalam perkembangannya para statistisi mampu menciptakan beragam teknik "derivatif" dari analisis2 ini yang mampu mengakomodasi data2 nonmetrik). Dalam kondisi seperti ini, jika data yang dimiliki hanyalah data nonmetrik, akan lebih baik jika digunakan teknik analisis multivariat nonparametrik. Namun penerapan teknik seperti ini mengandung beberapa kesulitan :
* Rumusan matematis analisis lebih kompleks karena biasanya bersifat bebas distribusi
* Literatur yang membahas masih sangat jarang dan masih sedikit software yang mampu mengakomodasi teknik-teknik seperti ini
* Penerapan praktis dengan hasil yang memuaskan cenderung mensyaratkan kondisi-kondisi yang sulit dipenuhi, seperti ukuran sampel yang lebih besar dibandingkan jika digunakan teknik parametrik
Ada beberapa analisis statistika multivariat yang mensyaratkan data yang dianalisis diukur pada skala metrik (interval atau rasio), di antaranya analsis klaster dan analisis diskriminan. Dalam kondisi di mana data yang dimiliki hanyalah data berskala ordinal, diperlukan suatu transformasi yang dapat mengubah skor-skor data pada variabel yang terlibat (berskala ordinal) menjadi data metrik. Dalam Psikometrika, metode transformasi seperti ini dinamakan metode penskalaan ( scaling technique). Metode penskalaan yang populer di antaranya metode rating dijumlahkan (summated rating) & juga metode yg mirip dengannya, metode interval berurutan (succesive interval). namun kebanyakan teknik2 ini mengasumsikan data populasi berdistribusi normal. Untuk teknik perhitungannya,bisa Anda dapatkan di buku2 metode penelitian,teori pengukuran atau Psikometrika.
Dalam SEM, kalau data kita diukur dalam skala nonmetrik,ada 2 pilihan yang bisa diambil :
Melakukan penskalaan terlebih dahulu terhadap raw data sehingga data bisa "dianggap" berskala metrik
Tetap menggunakan raw data yg ada namun digunakan metode estimasi bebas distribusi (ADF/WLS). Slh 1 pendekatan yg populer di antaranya adalah underlying variable approach berdasarkan korelasi polychoric (asumsi : data populasi yg direpresentasikan oleh raw data yg berskala likert/ordinal berdistribusi normal,jadi raw data yg likert -distribusinya diskrit- hanyalah representasi/simplifikasi dr real data yg sebenarnya berdistribusi kontinu,dlm hal ini normal). Namun -sekali lagi- slh 1 kelemahan utama metode ini adalah diperlukan jumlah data yg banyak (dibandingkan jika digunakan metode estimasi MLE misalnya) agar hasil analisisnya reliabel & stabil.
Skala Nominal merupakan skala yang paling lemah/rendah di antara keempat skala pengukuran. Sesuai dengan nama atau sebutannya, skala nominal hanya bisa membedakan benda atau peristiwa yang satu dengan yang lainnya berdasarkan nama (predikat). Sebagai contoh, klasifikasi barang yang dihasilkan pada suatu proses produksi dengan predikat cacat atau tidak cacat. Atau, bayi yang baru lahir bisa laki-laki atau perempuan. Tidak jarang digunakan nomor-nomor yang dipilih sekehendak hati sebagai pengganti nama-nama atau sebutan-sebutan, untuk membedakan benda-benda atau peristiwa-peristiwa berdasarkan beberapa karakteristik. Sebagao contoh, dapat digunakan nomor 1 untuk menyebut kelompok barang yang cacat dari suatu proses produksi dan nomor 0 untuk menyebut kelompok barang yang tidak cacat dari suatu proses produksi. Skala nominal biasanya juga digunakan bila peneliti berminat terhadap jumlah benda atau peristiwa yang termasuk ke dalam masing-masing kategori nominal. Data semacam ini sering disebut data hitung (count data) atau data frekuensi.
Skala pengukuran nominal digunakan untuk menglasifikasi obyek, individual atau kelompok; sebagai contoh mengklasifikasi jenis kelamin, agama, pekerjaan, dan area geografis. Dalam mengidentifikasi hal-hal di atas digunakan angka-angka sebagai symbol. Apabila kita menggunakan skala pengukuran nominal, maka statistik non-parametrik digunakan untuk menganalisa datanya. Hasil analisa dipresentasikan dalam bentuk persentase. Sebagai contoh kita mengklaisfikasi variable jenis kelamin menjadi sebagai berikut: laki-laki kita beri simbol angka 1 dan wanita angka 2. Kita tidak dapat melakukan operasi arimatika dengan angka-angka tersebut, karena angka-angka tersebut hanya menunjukkan keberadaan atau ketidakadanya karaktersitik tertentu.
Contoh:
Jawaban pertanyaan berupa dua pilihan “ya” dan “tidak” yang bersifat kategorikal dapat diberi symbol angka-angka sebagai berikut: jawaban “ya” diberi angka 1 dan tidak diberi angka 2.
Skala Nominal di gunakan ketika kita menginginkan suatu informasi yang hanya mengklasifikasikan suatu objek, individual atau kelompok dalam bentuk kategori. sebab skala Nominal merupakan skala yang paling lemah/rendah di antara skala pengukuran yang ada. Skala nominal hanya bisa membedakan benda atau peristiwa yang satu dengan yang lainnya berdasarkan nama (predikat). Skala pengukuran nominal digunakan untuk mengklasifikasi obyek, Pemberian angka atau simbol pada skala nomial tidak memiliki maksud kuantitatif hanya menunjukkan ada atau tidak adanya atribut atau karakteristik pada objek yang diukur. Misalnya, jenis kelamin diberi kode 1 untuk laki-laki dan kode 2 untuk perempuan. Angka ini hanya berfungsi sebagai label
Karena tidak memiliki nilai instrinsik, maka angka-angka (kode-kode) yang kita berikan tersebut tidak memiliki sifat sebagaimana bilangan pada umumnya. Oleh karenanya, pada variabel dengan skala nominal tidak dapat diterapkan operasi matematika standar (aritmatik) seperti pengurangan, penjumlahan, perkalian, dan lainnya. Peralatan statistik yang sesuai dengan skala nominal adalah peralatan statistik yang berbasiskan (berdasarkan) jumlah dan proporsi seperti modus, distribusi frekuensi, Chi Square dan beberapa peralatan statistik non-parametrik lainnya.
2. SKALA ORDINAL
Skala Ordinal ini lebih tinggi daripada skala nominal. Pada skala ini sudah dapat membeda-bedakan benda atau peristiwa yang satu dengan yang lain yang diukur dengan skala ordinal berdasarkan jumlah relatif beberapa karakteristik tertentu yang dimiliki oleh masing-masing benda atau peristiwa. Pengukuran ordinal memungkinkan segala suatu sesuatu disusun menurut peringkatnya masing-masing. Sebagai contoh, pada tenaga penjualan bisa diperingkat dari yang “paling buruk” sampai yang “paling buruk” berdasarkan kepribadian mereka. Atau, pada para peserta kontes kecantikan dpat diperingkat dari yang “paling kurang cantik” sampai yang “paling cantik”. Jika ingin bermaksud memeringkat n buah benda berdasarkan suatu ciri tertentu, boleh ditetapkan nomor 1 untuk benda yang ciri tertentunya paling kurang, nomor 2 untuk benda yang ciri tertentunya kedua paling kurang, dan seterusnya hingga nomor n, untuk benda kadar ciri tertentu yang paling tinggi. Sebagai contoh, para peserta lomba lari dapat diberi peringkat 1, 2, 3, …, berdasarkan urut-urutan waktu yang diperlukan untuk mencapai garis finish Data semacam ini sering disebut data peringkat (rank data).
Skala pengukuran ordinal memberikan informasi tentang jumlah relatif karakteristik berbeda yang dimiliki oleh obyek atau individu tertentu. Tingkat pengukuran ini mempunyai informasi skala nominal ditambah dengan sarana peringkat relatif tertentu yang memberikan informasi apakah suatu obyek memiliki karakteristik yang lebih atau kurang tetapi bukan berapa banyak kekurangan dan kelebihannya.
Contoh:
Jawaban pertanyaan berupa peringkat misalnya: sangat tidak setuju, tidak setuju, netral, setuju dan sangat setuju dapat diberi symbol angka 1,2,3,4 dan 5. Angka-angka ini hanya merupakan simbol peringkat, tidak mengekspresikan jumlah.
Skala Ordinal digunakan ketika kita menginginkan suatu informasi yang lebih baik , karena dalam skala ordinal, lambang-lambang bilangan hasil pengukuran selain menunjukkan pembedaan juga menunjukkan urutan atau tingkatan obyek yang diukur menurut karakteristik tertentu. Skala Ordinal juga disebut dengan skala peringkat.
Misalnya : tingkat kepuasan seseorang terhadap produk. Bisa kita beri angka dengan 5=sangat puas, 4=puas, 3=kurang puas, 2=tidak puas dan 1=sangat tidak puas. Atau misalnya dalam suatu lomba, pemenangnya diberi peringkat 1,2,3 dstnya.
Dalam skala ordinal, tidak seperti skala nominal, ketika kita ingin mengganti angka-angkanya, harus dilakukan secara berurut dari besar ke kecil atau dari kecil ke besar. Jadi, tidak boleh kita buat 1=sangat puas, 2=tidak puas, 3=puas dstnya. Yang boleh adalah 1=sangat puas, 2=puas, 3=kurang puas dstnya.
Sebagaimana halnya pada skala nominal, pada skala ordinal kita juga tidak dapat menerapkan operasi matematika standar (aritmatik) seperti pengurangan, penjumlahan, perkalian, dan lainnya. Peralatan statistik yang sesuai dengan skala ordinal juga adalah peralatan statistik yang berbasiskan (berdasarkan) jumlah dan proporsi seperti modus, distribusi frekuensi, Chi Square dan beberapa peralatan statistik non-parametrik lainnya.
3. SKALA INTERVAL
Skala Interval ini lebih tinggi daripada skala ordinal. Apabila benda-benda atau peristiwa-peristiwa yang diselidiki dapat dibeda-bedakan antara yang satu dan lainnya kemudian diurutkan, dan bilamana perbedaan-perbedaan antara peringkat yang satu dan lainnya mempunyai arti (yakni, bila satuan pengukurannya tetap), maka skala interval dapat diterapkan. Skala interval memiliki sebuah titik nol, tetapi titik nol ini bisa dipilih secara sembarang, artinya bahwa titik nol tidak selalu bernilai nol. Sebagai contoh, pengukuran interval pada pengukuran temperatur dalam derajat Fahrenheit titik nolnya pada 32, sedangkan dalam derajat Celcius titik nolnya pada 0. Andaikan bahwa empat benda A, B, C, dan D secara berturut-turut diberi nilai (score) 20, 30, 60, dan 70, melalui pengukuran menggunakan skala interval. Karena yang digunakan adalah skala interval, maka dapat dikatakan bahwa beda/selisih antara 20 dan 30 sama dengan beda/selisih 60 dan 70. Dengan demikian, jarak yang sama antara anggota-anggota masing-masing masing-masing pasangan nilai itu menunjukkan beda yang sama dalam hal kadar ciri atau sifat yang diukur. Namun, skala interval tidak menjadikan perbandingan/rasio antara dua buah nilai. Sebagai contoh, si A mendapat nilai ujian 40 dan si B mendapat nilai ujian 80, ini tidak berarti bahwa nilai/ciri/sifat yang dimiliki (kepintaran) si B dua kali lipat yang dimiliki si A.
4. SKALA RATIO
Skala Ratio ini lebih tinggi daripada skala interval. Pada skala ratio, antara masing masing pengukuran sudah mempunyai nilai perbandingan/rasio. Pengukuranpengukuran dengan skala rasio yang sudah sering digunakan, yakni pengukuran tinggi dan pengukuran berat. Dapat dikatakan bahwa seseorang yang beratnya 90 kg memiliki kelebihan berat 45 kg dibanding yang beratnya 45 kg, sebagaimana yang digunakan pada skala interval. Dengan skala ratio, dapat dikatakan bahwa orang yang beratnya 90 kg mempunyai berat dua kali lipat daripada orang yang beratnya 45 kg.
Banyak teknik analisis statistika yang dibedakan berdasarkan tipe skala pengukuran data, misalnya dikenal istilah analisis data kategorik (categorical data analysis) untuk menunjukkan bahwa analisis-analisis yang dibahas dalam cabang ini hanya berlaku untuk tipe data kategorik (nominal) atau paling tinggi ordinal. Contoh lain, analisis peringkat ( rank analysis) dalam cabang Statistika Nonparametrik hanya cocok diterapkan pada data-data bertipe ordinal atau yang lebih rendah (nominal) namun jika diterapkan pada data yang diukur pada skala interval atau rasio maka kuasa ujinya ( test power) akan lebih rendah dibandingkan kalau digunakan analisis yang memang didesain untuk tipe data metrik.
Begitu juga dalam analisis multivariat, ada beberapa teknik analisis yang mensyaratkan data diukur pada skala metrik, misalnya analisis faktor, analisis klaster dan analisis diskriminan (meskipun dalam perkembangannya para statistisi mampu menciptakan beragam teknik "derivatif" dari analisis2 ini yang mampu mengakomodasi data2 nonmetrik). Dalam kondisi seperti ini, jika data yang dimiliki hanyalah data nonmetrik, akan lebih baik jika digunakan teknik analisis multivariat nonparametrik. Namun penerapan teknik seperti ini mengandung beberapa kesulitan :
* Rumusan matematis analisis lebih kompleks karena biasanya bersifat bebas distribusi
* Literatur yang membahas masih sangat jarang dan masih sedikit software yang mampu mengakomodasi teknik-teknik seperti ini
* Penerapan praktis dengan hasil yang memuaskan cenderung mensyaratkan kondisi-kondisi yang sulit dipenuhi, seperti ukuran sampel yang lebih besar dibandingkan jika digunakan teknik parametrik
Ada beberapa analisis statistika multivariat yang mensyaratkan data yang dianalisis diukur pada skala metrik (interval atau rasio), di antaranya analsis klaster dan analisis diskriminan. Dalam kondisi di mana data yang dimiliki hanyalah data berskala ordinal, diperlukan suatu transformasi yang dapat mengubah skor-skor data pada variabel yang terlibat (berskala ordinal) menjadi data metrik. Dalam Psikometrika, metode transformasi seperti ini dinamakan metode penskalaan ( scaling technique). Metode penskalaan yang populer di antaranya metode rating dijumlahkan (summated rating) & juga metode yg mirip dengannya, metode interval berurutan (succesive interval). namun kebanyakan teknik2 ini mengasumsikan data populasi berdistribusi normal. Untuk teknik perhitungannya,bisa Anda dapatkan di buku2 metode penelitian,teori pengukuran atau Psikometrika.
Dalam SEM, kalau data kita diukur dalam skala nonmetrik,ada 2 pilihan yang bisa diambil :
Melakukan penskalaan terlebih dahulu terhadap raw data sehingga data bisa "dianggap" berskala metrik
Tetap menggunakan raw data yg ada namun digunakan metode estimasi bebas distribusi (ADF/WLS). Slh 1 pendekatan yg populer di antaranya adalah underlying variable approach berdasarkan korelasi polychoric (asumsi : data populasi yg direpresentasikan oleh raw data yg berskala likert/ordinal berdistribusi normal,jadi raw data yg likert -distribusinya diskrit- hanyalah representasi/simplifikasi dr real data yg sebenarnya berdistribusi kontinu,dlm hal ini normal). Namun -sekali lagi- slh 1 kelemahan utama metode ini adalah diperlukan jumlah data yg banyak (dibandingkan jika digunakan metode estimasi MLE misalnya) agar hasil analisisnya reliabel & stabil.
Langganan:
Postingan (Atom)