Dinamik
Vol 19 No 2 (2014)

Metode Klasifikasi Spasial sebagai Pendukung Informasi Kelas pada Data Indikator Banjir

Dwiati Wismarini (Unknown)
- Sunardi (Unknown)
Yunus Anis (Unknown)



Article Info

Publish Date
10 Jul 2014

Abstract

Klasifikasi sebagai aktivitas ilmiah yang dapat digunakan untuk mendeskripsikan, meringkas dan menyederhanakan data ke dalam suatu format yang diinginkan, apabila diterapkan untuk klasifikasi data, merupakan proses yang dapat menemukan properti-properti yang sama dalam himpunan obyek pada sebuah basisdata dan kemudian terklasifikasi menjadi kelas-kelas berbeda menurut model klasifikasi tertentu. Pada data raster dan vektor klasifikasi spasial merupakan pemetaan suatu besaran dari berbagai interval (domain) tertentu pada interval-interval lain berdasarkan batas-batas ataupun kategori yang telah ditentukan. Sedangkan kenampakan dari metode klasifikasi tersebut dapat dilakukan berdasarkan warna dan simbol. Berbantuan Sistem Informasi Geografis dan penerapan suatu metode klasifikasi spasial, pembangunan dan penyajian informasi Kelas pada data spasial bagi data indikator banjir dapatlah dilakukan sehingga informasi tersebut akan dapat menjadi lebih informatif. Melalui penelitian ini, metode klasifikasi spasial berbentuk reclassify vector, dicoba untuk diterapkan dengan menggunakan rumus Sturges dalam penentuan jumlah kelas dan rumus Kingma dalam pembuatan interval kelasnya. Sehingga hasil akhirnya akan terbentuk pemodelan spasial baru berupa peta digital yang dapat menyajikan informasi secara spasial kelas-kelas pada data indikator banjir.     Kata kunci : Klasifikasi Spasial,  data spasial,  peta digital, data indikator banjir

Copyrights © 2014






Journal Info

Abbrev

fti1

Publisher

Subject

Computer Science & IT

Description

The Jurnal DINAMIK aims to: Promote a comprehensive approach to informatics engineering and management incorporating viewpoints of different applications (computer graphics, computer networks and security, computer vision, computational intelligence, databases, big data, IT project management, and ...