BAB I PENDAHULUAN

Latar Belakang

Dalam era transformasi digital saat ini, visualisasi data spasial memiliki peranan penting dalam memahami berbagai fenomena alam dan sosial yang terjadi di permukaan bumi. Data spasial tidak hanya berfungsi untuk menggambarkan lokasi geografis, tetapi juga untuk menganalisis hubungan antarwilayah serta dinamika perubahan yang terjadi dari waktu ke waktu. Bahasa pemrograman R menjadi salah satu alat yang banyak digunakan untuk mendukung analisis tersebut karena memiliki kemampuan dalam mengolah, menganalisis, dan memvisualisasikan data spasial secara komprehensif. Dengan berbagai pustaka seperti sf, sp, dan ggplot2, proses pengolahan data dapat dilakukan secara sistematis dan efisien sehingga mendukung pengambilan keputusan berbasis data spasial (Yuniarti, Prasetyo, & Rahmawati, 2022).

Penerapan R dalam bidang analisis spasial di Indonesia telah banyak dilakukan dalam berbagai disiplin ilmu, mulai dari pemetaan infrastruktur, sebaran penyakit, hingga pengelolaan sumber daya alam. Menurut Rachmawati dan Setiawan (2021), penggunaan R memungkinkan integrasi data spasial dari sumber terbuka pemerintah untuk menghasilkan peta tematik yang informatif. Selain itu, Kurniawan dan Sari (2020) menegaskan bahwa kombinasi R dengan perangkat lunak lain seperti QGIS mampu meningkatkan ketepatan visualisasi serta mempermudah eksplorasi data geospasial. Hal ini membuktikan bahwa R tidak hanya berperan sebagai alat analisis, tetapi juga sebagai sarana edukatif dan kolaboratif dalam mengembangkan sistem informasi geografis yang transparan dan mudah diakses.

Rumusan Masalah

  1. Bagaimana cara membuat peta dengan paket pemograman R?

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

Tujuan Penelitian

  1. Mahasiswa dapat membuat peta dengan paket pemograman R

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

BAB II PEMBAHASAN

Input Libary

library(sf)
## Linking to GEOS 3.11.2, GDAL 3.8.2, PROJ 9.3.1; sf_use_s2() is TRUE
library(ggplot2)
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
library(readr)
library(viridis)
## Loading required package: viridisLite
library(rnaturalearth)
library(rnaturalearthdata)
## 
## Attaching package: 'rnaturalearthdata'
## The following object is masked from 'package:rnaturalearth':
## 
##     countries110
library(lubridate)
## 
## Attaching package: 'lubridate'
## The following objects are masked from 'package:base':
## 
##     date, intersect, setdiff, union
library(rlang)

Baca data gempa

fyz <- read_csv("fyzgempa.csv", show_col_types = FALSE)

Ubah kolom waktu dan filter tahun 2024

fyz <- fyz %>%
  mutate(time = as.POSIXct(time)) %>%
  filter(year(time) == 2024)

Ubah ke data spasial

gempa_sf <- st_as_sf(fyz, coords = c("longitude", "latitude"), crs = 4326, remove = FALSE)

Batas Indonesia

indo <- ne_countries(country = "Indonesia", returnclass = "sf")

Plot peta epicenter

Hasil plot pada gambar tersebut menunjukkan persebaran titik-titik episentrum gempa bumi di wilayah Indonesia selama tahun 2024, dengan dominasi kejadian yang terpusat di wilayah Sulawesi bagian tengah. Setiap titik merepresentasikan lokasi gempa dengan ukuran lingkaran yang menggambarkan besarnya magnitudo dan warna yang menunjukkan kedalaman pusat gempa. Berdasarkan peta tersebut, terlihat bahwa gempa yang terjadi umumnya memiliki magnitudo sedang, berkisar antara 4,1 hingga 4,9 skala Richter, dengan kedalaman relatif dangkal sekitar 10 kilometer. Pola ini mengindikasikan bahwa wilayah Sulawesi Tengah memiliki aktivitas seismik yang cukup signifikan, sejalan dengan posisinya yang berada di zona pertemuan lempeng tektonik aktif. Temuan ini penting dalam konteks mitigasi bencana karena wilayah dengan aktivitas gempa dangkal berpotensi menimbulkan dampak permukaan yang lebih besar terhadap infrastruktur dan populasi di sekitarnya.

Baca shapefile BPS Sulawesi Tengah

provinsi <- st_read("Sulawesi_Tengah_ADMIN_BPS.shp", quiet = TRUE)

Cek nama kolom kabupaten/kota

names(provinsi)
## [1] "ADM0_EN"   "date"      "validOn"   "PROVINCE"  "Kabupaten" "PRV2"     
## [7] "geometry"

Pilih kolom yang berisi nama kabupaten/kota (ubah sesuai hasil pemeriksaan)

nama_kolom_kab <- "Kabupaten"

Baca data gempa

datagempa <- read_csv("DataGempa.csv", show_col_types = FALSE)

Konversi ke data spasial

gempa_sf2 <- st_as_sf(datagempa, coords = c("Longitude", "Latitude"), crs = 4326, remove = FALSE)

Plot peta Sulawesi Tengah

ggplot() +
geom_sf(data = provinsi, aes(fill = !!sym(nama_kolom_kab)), color = "black", size = 0.2) +
geom_sf(data = gempa_sf2, aes(size = Magnitude, color = Depth), alpha = 0.8) +
scale_fill_viridis_d(option = "turbo", name = "Kabupaten/Kota") +
scale_color_viridis(option = "plasma", name = "Kedalaman (km)") +
scale_size_continuous(name = "Magnitudo", range = c(1.5, 5)) +
labs(
title = "Peta Kabupaten/Kota di Provinsi Sulawesi Tengah",
subtitle = "Setiap kabupaten/kota diberi warna berbeda",
caption = "Data: Sulawesi_Tengah_ADMIN_BPS.shp & DataGempa.csv"
) +
theme_minimal() +
theme(
legend.position = "right",
plot.title = element_text(face = "bold", size = 14)
)

Pada plot di atas menunjukkan peta tematik Provinsi Sulawesi Tengah yang divisualisasikan berdasarkan pembagian wilayah administratif kabupaten/kota dengan warna yang berbeda. Setiap warna merepresentasikan wilayah tertentu seperti Donggala, Palu, Morowali, Poso, dan daerah lainnya. Titik-titik berwarna pada peta menggambarkan lokasi kejadian gempa bumi, di mana ukuran titik menunjukkan besaran magnitudo gempa. Dari peta tersebut terlihat bahwa persebaran kejadian gempa relatif terkonsentrasi pada bagian barat daya wilayah, khususnya di sekitar koordinat 100°–105° BT, yang mengindikasikan adanya aktivitas seismik yang cukup tinggi di kawasan tersebut. Visualisasi ini berfungsi untuk membantu analisis spasial dalam memahami hubungan antara wilayah administratif dan distribusi kejadian gempa di Sulawesi Tengah.

BAB III KESIMPULAN

Masalah penelitian yang paling relevan dengan topik tersebut adalah mengenai fluktuasi nilai ekspor minyak kelapa sawit (CPO) Indonesia yang dipengaruhi oleh berbagai faktor ekonomi domestik dan global. Penelitian ini perlu mengkaji bagaimana perubahan permintaan dan penawaran di pasar internasional, pergerakan harga CPO dunia, serta kebijakan ekspor yang diterapkan oleh pemerintah Indonesia memengaruhi nilai ekspor CPO secara keseluruhan. Dengan demikian, fokus utama penelitian ini adalah untuk menganalisis faktor-faktor yang secara signifikan menentukan dinamika ekspor minyak kelapa sawit Indonesia dan dampaknya terhadap kinerja perdagangan luar negeri nasional.

Variabel utama yang dapat diidentifikasi dalam penelitian ini meliputi variabel dependen berupa nilai ekspor minyak kelapa sawit Indonesia, serta variabel independen seperti harga CPO dunia, tingkat permintaan pasar global, daya saing ekspor CPO Indonesia, nilai tukar rupiah terhadap dolar Amerika Serikat, dan kebijakan ekspor pemerintah. Hubungan antarvariabel tersebut dapat diformulasikan bahwa semakin tinggi harga dan permintaan pasar dunia, serta semakin kuat daya saing ekspor Indonesia, maka nilai ekspor CPO Indonesia cenderung meningkat; sebaliknya, fluktuasi nilai tukar dan kebijakan ekspor yang kurang mendukung berpotensi menurunkan nilai ekspor tersebut.

Berdasarkan hasil analisis dan visualisasi yang dilakukan menggunakan bahasa pemrograman R, dapat disimpulkan bahwa R memiliki kemampuan yang sangat baik dalam mengolah dan menampilkan data spasial secara informatif, efisien, serta mudah direplikasi. Melalui pemanfaatan paket seperti sf, ggplot2, dan viridis, visualisasi data gempa tahun 2024 menunjukkan persebaran episentrum yang dominan di wilayah Sulawesi Tengah dengan karakteristik magnitudo sedang dan kedalaman dangkal. Pola tersebut mengindikasikan tingginya aktivitas seismik di kawasan tersebut akibat pertemuan lempeng tektonik aktif. Hasil ini menegaskan bahwa pendekatan analisis spasial berbasis R tidak hanya efektif dalam menggambarkan fenomena geografi secara visual, tetapi juga berperan penting dalam mendukung penelitian kebencanaan dan perencanaan mitigasi risiko di Indonesia.

DAFTAR PUSTAKA

Yuniarti, D., Prasetyo, A., & Rahmawati, N. (2022). Visualisasi Data Spasial Menggunakan R dalam Analisis Sebaran Kasus Penyakit di Jawa Barat. Jurnal Teknologi Informasi dan Komputer, 8(2), 145–152.

Rachmawati, L., & Setiawan, D. (2021). Pemanfaatan R untuk Analisis Data Spasial Open Data Pemerintah. Jurnal Geomatika Indonesia, 5(1), 33–41.

Kurniawan, A., & Sari, M. (2020). Analisis Data Geospasial Menggunakan R dan QGIS untuk Pemetaan Infrastruktur. Jurnal Sains dan Informatika, 6(3), 210–219.