LATAR BELAKANG

Analisis spasial merupakan cabang ilmu statistika yang berfokus pada hubungan antar data yang memiliki dimensi lokasi atau posisi geografis. Melalui analisis spasial, peneliti dapat memahami pola sebaran, keterkaitan antarwilayah, serta faktor-faktor yang memengaruhi suatu fenomena berdasarkan letaknya di permukaan bumi. Pendekatan ini sangat penting digunakan dalam berbagai bidang seperti kebencanaan, epidemiologi, kependudukan, dan perencanaan wilayah (Majid & Pasaribu, 2019).

Data spasial umumnya terdiri atas data vektor dan data raster. Data vektor direpresentasikan dalam bentuk titik, garis, dan poligon, sedangkan data raster berbentuk grid yang dihasilkan dari penginderaan jauh. Visualisasi data spasial memudahkan pengguna dalam menganalisis distribusi fenomena dan memahami pola geografis secara lebih intuitif (Krama, Arsyri, Hernandi, & Qamilah, 2020).

Dalam konteks pendidikan statistika, kemampuan mahasiswa dalam mengolah dan menampilkan data spasial menjadi hal yang penting karena memberikan pemahaman yang lebih komprehensif terhadap data yang bersifat geografis. Melalui visualisasi peta tematik, mahasiswa dapat mengenali hubungan spasial antarwilayah secara lebih nyata dibandingkan dengan tabel atau grafik konvensional. Hasil penelitian menunjukkan bahwa pelatihan analisis spasial menggunakan perangkat lunak R Studio dapat meningkatkan kemampuan analisis dan interpretasi data spasial peserta (Aswi, Poerwanto, & Sudarmin, 2022).

Selain itu, penerapan statistika spasial juga telah banyak dilakukan di Indonesia, misalnya untuk menganalisis distribusi kemiskinan dan pemerataan pembangunan antarwilayah (Widyaningsih & Fitrianingrum, 2022), serta memetakan autokorelasi spasial pada kasus penyebaran COVID-19 (Mailanda, 2025). Berdasarkan hal tersebut, pembelajaran mengenai visualisasi data spasial dengan R menjadi penting untuk membekali mahasiswa dalam mengolah, menafsirkan, dan mempresentasikan data berbasis lokasi secara ilmiah.

RUMUSAN MASALAH

  1. Bagaimana cara membuat peta dengan paket pemrograman R?
  2. Bagaimana cara membuat peta dengan data titik spasial pada R?

TUJUAN PENELITIAN

  1. Mahasiswa dapat membuat peta dengan paket pemrograman R
  2. Mahasiswa dapat membuat peta dengan data titik spasial pada R

BATASAN MASALAH

  1. Buatlah peta epicenter gempa bumi di salah satu provinsi di Indonesia pada tahun 2024!
  2. Buatlah peta dengan memberikan warna yang berbeda pada setiap kab/kota!

HASIL DAN PEMBAHASAN

Pada penelitian ini akan dilakukan visualisasi data gempa bumi di Provinsi Lampung pada tahun 2024 dengan langkah sebagai berikut:

A. Input Data

Input Data Gempa Bumi di Provinsi Lampung

Melakukan input data gempa dengan format CSV sebagai berikut:

setwd("D:/KULIAH/SEMESTER 7/PRAKTIKUM/SPATIAL") 
data <- read.csv("DataGempaLampung.csv")
head(data)
##                       time latitude longitude   depth mag
## 1 2024-01-09T11:50:58.138Z  -6.1958  103.8378  52.022 4.5
## 2 2024-01-29T01:12:01.496Z  -6.0718  103.7978  50.000 4.1
## 3 2024-03-30T01:37:36.208Z  -6.1853  105.0431  66.540 4.3
## 4 2024-04-24T23:12:53.759Z  -5.6847  104.7934  10.000 4.1
## 5 2024-05-06T01:11:41.683Z  -4.2431  104.7310 268.214 4.1
## 6 2024-05-09T14:30:30.971Z  -4.7178  103.7172 151.307 4.2
##                    updated                                   place       type
## 1 2024-03-16T19:00:50.040Z 178 km WSW of Bandar Lampung, Indonesia earthquake
## 2 2024-04-13T19:25:56.040Z 176 km WSW of Bandar Lampung, Indonesia earthquake
## 3 2024-06-01T21:55:51.040Z  87 km SSW of Bandar Lampung, Indonesia earthquake
## 4 2024-07-02T22:12:53.040Z  59 km WSW of Bandar Lampung, Indonesia earthquake
## 5 2024-07-20T22:20:00.040Z        63 km ESE of Baturaja, Indonesia earthquake
## 6 2024-07-20T22:20:04.040Z         82 km SW of Baturaja, Indonesia earthquake

Input data peta file shp

Melakukan input data peta administratif kabupaten/kota di Indonesia

library(sf)
## Warning: package 'sf' was built under R version 4.5.2
## Linking to GEOS 3.13.1, GDAL 3.11.4, PROJ 9.7.0; sf_use_s2() is TRUE
setwd("D:/KULIAH/SEMESTER 7/PRAKTIKUM/SPATIAL/Batas Wilayah Kabupaten 2024") 
indonesia<-st_read("LapakGIS_Batas_Kabupaten_2024.shp")
## Reading layer `LapakGIS_Batas_Kabupaten_2024' from data source 
##   `D:\KULIAH\SEMESTER 7\PRAKTIKUM\SPATIAL\Batas Wilayah Kabupaten 2024\LapakGIS_Batas_Kabupaten_2024.shp' 
##   using driver `ESRI Shapefile'
## Simple feature collection with 533 features and 6 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: 94.97191 ymin: -11.00762 xmax: 141.02 ymax: 6.076832
## Geodetic CRS:  WGS 84
head(indonesia)
## Simple feature collection with 6 features and 6 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: 98.12357 ymin: -7.578155 xmax: 129.1416 ymax: 2.149191
## Geodetic CRS:  WGS 84
##   KDPKAB KDPPUM WADMKK           WADMPR
## 1   <NA>   <NA>   <NA>             <NA>
## 2   <NA>   <NA>   <NA>       Jawa Timur
## 3   <NA>     13   <NA>   Sumatera Barat
## 4   <NA>     61   <NA> Kalimantan Barat
## 5   <NA>     81   <NA>           Maluku
## 6   <NA>     82   <NA>     Maluku Utara
##                                   METADATA          UPDATED
## 1 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 2 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 3 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 4 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 5 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 6 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
##                         geometry
## 1 MULTIPOLYGON (((98.17921 2....
## 2 MULTIPOLYGON (((112.8793 -7...
## 3 MULTIPOLYGON (((100.3296 -1...
## 4 MULTIPOLYGON (((109.252 -0....
## 5 MULTIPOLYGON (((127.4581 -5...
## 6 MULTIPOLYGON (((127.9225 0....

Memilih peta wilayah Provinsi Lampung

library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
provinsi_lampung <- "Lampung"

lampung_shp <- indonesia |>
  filter(WADMPR == provinsi_lampung )
head(lampung_shp)
## Simple feature collection with 6 features and 6 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: 103.8123 ymin: -6.168023 xmax: 105.9147 ymax: -4.110695
## Geodetic CRS:  WGS 84
##   KDPKAB KDPPUM          WADMKK  WADMPR
## 1  18.01     18 Lampung Selatan Lampung
## 2  18.02     18  Lampung Tengah Lampung
## 3  18.03     18   Lampung Utara Lampung
## 4  18.04     18   Lampung Barat Lampung
## 5  18.05     18   Tulang Bawang Lampung
## 6  18.06     18       Tanggamus Lampung
##                                   METADATA          UPDATED
## 1 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 2 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 3 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 4 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 5 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
## 6 TASWIL1000020230928_DATA_BATAS_KABUPATEN Lapak GIS - 2024
##                         geometry
## 1 MULTIPOLYGON (((105.4175 -6...
## 2 MULTIPOLYGON (((105.9105 -4...
## 3 MULTIPOLYGON (((104.8398 -4...
## 4 MULTIPOLYGON (((104.2875 -4...
## 5 MULTIPOLYGON (((105.8969 -4...
## 6 MULTIPOLYGON (((104.6689 -5...

B. Konversi menjadi data spasial

gempa<-st_as_sf(data, coords = c("longitude", "latitude"), crs = 4326)
head(gempa)
## Simple feature collection with 6 features and 6 fields
## Geometry type: POINT
## Dimension:     XY
## Bounding box:  xmin: 103.7172 ymin: -6.1958 xmax: 105.0431 ymax: -4.2431
## Geodetic CRS:  WGS 84
##                       time   depth mag                  updated
## 1 2024-01-09T11:50:58.138Z  52.022 4.5 2024-03-16T19:00:50.040Z
## 2 2024-01-29T01:12:01.496Z  50.000 4.1 2024-04-13T19:25:56.040Z
## 3 2024-03-30T01:37:36.208Z  66.540 4.3 2024-06-01T21:55:51.040Z
## 4 2024-04-24T23:12:53.759Z  10.000 4.1 2024-07-02T22:12:53.040Z
## 5 2024-05-06T01:11:41.683Z 268.214 4.1 2024-07-20T22:20:00.040Z
## 6 2024-05-09T14:30:30.971Z 151.307 4.2 2024-07-20T22:20:04.040Z
##                                     place       type                 geometry
## 1 178 km WSW of Bandar Lampung, Indonesia earthquake POINT (103.8378 -6.1958)
## 2 176 km WSW of Bandar Lampung, Indonesia earthquake POINT (103.7978 -6.0718)
## 3  87 km SSW of Bandar Lampung, Indonesia earthquake POINT (105.0431 -6.1853)
## 4  59 km WSW of Bandar Lampung, Indonesia earthquake POINT (104.7934 -5.6847)
## 5        63 km ESE of Baturaja, Indonesia earthquake  POINT (104.731 -4.2431)
## 6         82 km SW of Baturaja, Indonesia earthquake POINT (103.7172 -4.7178)

C. Batasan Masalah 1

Plot Gempa Bumi Provinsi Lampung tahun 2024

Berikut adalah plot Gempa Bumi Provinsi Lampung tahun 2024:

library(ggplot2)
library(viridis)
## Loading required package: viridisLite
ggplot() + 
  geom_sf(data = lampung_shp, fill = "gray90", color = "black", size = 0.3) +   # satu warna
  geom_sf(data = gempa, aes(size = mag, color = depth), alpha = 0.7) + 
  scale_color_viridis(option = "plasma", name = "Kedalaman (km)") + 
  scale_size_continuous(name = "Magnitudo", range = c(2, 6)) + 
  labs(
    title = "Sebaran Gempa Utama di Provinsi Lampung",
    subtitle = "Sumber: USGS",
    x = "Longitude", 
    y = "Latitude"
  ) + 
  theme_minimal() +
  theme(
    plot.title = element_text(face = "bold", size = 14),
    legend.position = "right"
  )

Interpretasi:

  1. Sebaran Spasial Gempa: Titik-titik gempa terkonsentrasi di bagian barat dan selatan Lampung, khususnya di sekitar Teluk Lampung dan perairan Samudra Hindia.

  2. Magnitudo (Ukuran Titik): Lingkaran dengan ukuran lebih besar menandakan magnitudo lebih tinggi (sekitar 4.7–4.9). Sebagian besar gempa memiliki magnitudo sedang (4.1–4.7), menunjukkan bahwa gempa di wilayah ini tergolong frekuen namun tidak destruktif (menimbulkan kerusakan) secara besar.

  3. Kedalaman Gempa (Warna): Warna ungu tua menandakan gempa dangkal (sekitar 50 km), sedangkan kuning cerah menandakan gempa lebih dalam (hingga 250 km). Dari peta terlihat bahwa sebagian besar gempa di Lampung berkedalaman dangkal hingga menengah, terutama di bagian selatan dan barat. Hanya sedikit gempa yang berwarna kuning (kedalaman besar), umumnya berada lebih ke utara atau di sekitar pesisir barat.

D. Batasan Masalah 2

Plot Provinsi Lampung dengan batas wilayah administratif

Berikut adalah peta Batas Administrasi Provinsi Lampung:

library(ggplot2)
library(viridis)

ggplot(lampung_shp) + 
  geom_sf(aes(fill = WADMKK), color = "black", size = 0.3) + 
  scale_fill_viridis_d(option = "turbo", name = "Kabupaten/Kota") + 
  labs(
    title = "Batas Administrasi Provinsi Lampung",
    subtitle = "Tahun 2024",
    x = "Longitude", 
    y = "Latitude") +
  theme_minimal() +
  theme(
    plot.title = element_text(face = "bold", size = 10),
    plot.subtitle = element_text(size = 8),
    legend.position = "right",
    legend.title = element_text(size = 7),
    legend.text = element_text(size = 6),
    legend.key.size = unit(0.4, "cm"),   # ukuran kotak warna legend
    legend.spacing.y = unit(0.1, "cm")   # jarak antar item legend
  ) +
  guides(fill = guide_legend(
    keyheight = 0.4,   # tinggi tiap kotak warna legend
    keywidth = 0.4,    # lebar kotak warna
    title.position = "top"  # posisi judul legend di atas
  ))

Interpretasi:

Peta di atas menampilkan batas administratif Provinsi Lampung tahun 2024 yang terdiri dari 15 kabupaten dan kota. Setiap wilayah ditunjukkan dengan warna berbeda untuk mempermudah identifikasi masing-masing daerah, seperti Kota Bandar Lampung, Kota Metro, serta kabupaten-kabupaten lainnya. Garis batas berwarna hitam memperjelas pemisahan antarwilayah, sehingga struktur administratif provinsi ini terlihat jelas. Peta ini dapat digunakan sebagai peta dasar (base map) dalam analisis spasial lanjutan, seperti pemetaan sebaran bencana, kepadatan penduduk, atau potensi sumber daya daerah.

KESIMPULAN

Berdasarkan hasil visualisasi data spasial menggunakan bahasa pemrograman R, diperoleh bahwa proses pemetaan data gempa bumi di Provinsi Lampung tahun 2024 dapat dilakukan dengan efektif menggunakan kombinasi paket sf, ggplot2, dplyr, dan viridis. Melalui tahapan input data, konversi ke format spasial, serta visualisasi peta, mahasiswa dapat memahami bagaimana data titik gempa diolah dan ditampilkan dalam bentuk peta tematik yang informatif.

Peta sebaran gempa menunjukkan bahwa aktivitas seismik di Provinsi Lampung cenderung terkonsentrasi di bagian barat dan selatan, terutama di sekitar Teluk Lampung dan perairan Samudra Hindia. Sebagian besar gempa memiliki magnitudo sedang dengan kedalaman dangkal hingga menengah, yang menunjukkan bahwa wilayah ini berada pada zona aktif secara tektonik namun relatif stabil terhadap gempa besar.

Selain itu, visualisasi batas administratif kabupaten/kota membantu dalam memahami distribusi spasial gempa secara administratif dan mempermudah pengintegrasian analisis spasial lanjutan, misalnya untuk pemetaan risiko bencana atau mitigasi. Secara keseluruhan, praktikum ini memperkuat pemahaman mahasiswa terhadap konsep data spasial, struktur data geografi, serta kemampuan teknis dalam membuat peta berbasis data menggunakan perangkat lunak R.

REFERENSI

Aswi, A., Poerwanto, B., & Sudarmin. (2022). Pelatihan Analisis Spasial Menggunakan R Studio. MATAPPA: Jurnal Pengabdian Kepada Masyarakat, 5(1), 36–42.

Krama, A. V., Arsyri, A. G., Hernandi, A., & Qamilah, N. (2020). Analisis Spasial Penentuan Potensi Lokasi Peruntukan Lahan Pembangunan Puskesmas Kota Prabumulih. Jurnal Spasial: Penelitian, Terapan Ilmu Geografi dan Pendidikan Geografi, 7(1), 36–45.

Mailanda, R. (2025). Analisis Autokorelasi Spasial Kasus Positif COVID-19 di Indonesia. Jurnal Bisnis dan Manajemen (Universitas Tanjungpura), 8(2), 55–63.

Majid, M. A., & Pasaribu, E. (2019). Penerapan Analisis Statistik Spasial terhadap Pekerja Miskin Indonesia 2015. Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya, 1, 45–52.

United States Geological Survey. (2025). USGS earthquake catalog. https://earthquake.usgs.gov/earthquakes/

Widyaningsih, Y., & Fitrianingrum, M. R. (2022). Pemodelan Spasial pada Data Produk Domestik Regional Bruto di Pulau Jawa Sebelum dan Ketika Pandemi. Jurnal Statistika dan Aplikasinya, 6(1), 13–24.