LAPORAN PRAKTIKUM
PERTEMUAN I
PENGANTAR STATISTIK SPASIAL




Oleh:
Nama : Istiqomah Rabithah Alam Islami
NPM : F1F022009

Dosen Pengampu:

Dr. Pepi Novianti, S.Si., M.Si.

Asisten Praktikum:

1.Avrillia Permata Hati (F1F021008)

2.Desvin Sitohang (F1F021029)



LABORATORIUM MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS BENGKULU

2025


BAB I PENDAHULUAN

1.1 Latar Belakang

Dalam era digital saat ini, data yang memiliki dimensi keruangan atau geografis semakin banyak dihasilkan dari berbagai sumber seperti sensor, citra satelit, survei lapangan, maupun sistem informasi geografis (SIG). Data tersebut tidak hanya memuat informasi atribut, tetapi juga posisi atau koordinat lokasi, sehingga memerlukan pendekatan analisis yang mempertimbangkan aspek spasial dari setiap observasi. Analisis yang mengabaikan aspek keruangan dapat menghasilkan kesimpulan yang kurang akurat karena nilai suatu variabel di suatu lokasi sering kali dipengaruhi oleh nilai variabel di lokasi sekitarnya. Kondisi inilah yang menjadi dasar berkembangnya statistik spasial, yaitu cabang ilmu statistik yang berfokus pada pengolahan dan analisis data yang memiliki keterkaitan antar lokasi di ruang geografis (Bivand, Pebesma, & Gómez-Rubio, 2013; Anselin, 1995).

Seiring dengan meningkatnya kompleksitas data dan kebutuhan untuk menyampaikan hasil analisis secara lebih intuitif, visualisasi data spasial menjadi komponen penting dalam analisis statistik modern. Visualisasi memungkinkan pola dan tren geografis disajikan dalam bentuk peta tematik, sehingga mempermudah interpretasi dan pengambilan keputusan (Tennekes, 2018). Salah satu perangkat lunak yang banyak digunakan dalam analisis dan visualisasi data spasial adalah R. Bahasa pemrograman R bersifat open-source, fleksibel, serta didukung oleh berbagai paket (packages) khusus yang dikembangkan untuk keperluan analisis spasial. Paket seperti sf (simple features) menyediakan standar baru untuk representasi data vektor spasial (Pebesma, 2018), sedangkan tmap memfasilitasi pembuatan peta tematik dengan kontrol tinggi terhadap elemen visual (Tennekes, 2018). Selain itu, kombinasi dengan paket ggplot2, raster, dan terra memungkinkan pengguna melakukan analisis dan visualisasi data spasial dalam satu ekosistem terpadu (Brunsdon & Comber, 2015).

Pemanfaatan R dalam analisis spasial juga mendukung prinsip reproducible research, yakni seluruh tahapan pengolahan dan analisis data dapat didokumentasikan serta diulang dengan hasil yang sama. Hal ini meningkatkan transparansi dan kredibilitas hasil penelitian (González & Moraga, 2023). Lebih lanjut, kemampuan R dalam menghasilkan visualisasi interaktif semakin memperluas fungsinya, tidak hanya sebagai alat analisis tetapi juga sebagai sarana komunikasi hasil yang efektif dalam berbagai bidang, termasuk perencanaan wilayah, pemetaan sosial, dan pemantauan lingkungan (Kim et al., 2024).

1.2 Rumusan Masalah

  1. Bagaimana cara membuat peta menggunakan bahasa pemrograman R?
  2. Bagaimana cara menampilkan data titik spasial pada peta menggunakan R?

1.3 Tujuan Praktikum

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

1.4 Batasan Masalah

  1. Buatlah peta epicenter gempa bumi di Indonesia pada tahun 2024 (gunakan packages R yang dianggap gampang, setiap praktikan menggambarkan peta provinsi yang berbeda).
  2. Buatlah peta semua provinsi di Indonesia dengan memberikan warna yang berbeda pada setiap kab/kota (setiap praktikan membuat peta provinsi yang berbeda).


BAB II HASIL DAN PEMBAHASAN

2.1 Pemanggilan library

library(sf)
library(ggplot2)
library(dplyr)
library(ggspatial)
library(rnaturalearth)
library(rnaturalearthdata)
# devtools::install_github("ropensci/rnaturalearthhires") # jalankan manual di console
library(viridis)
library(RColorBrewer)

2.2 Statistik Deskriptif

data <- read.csv("D:/LAPRAK SEM 7/SPASIAL/1/data gempa sumbar 2024.csv")
head(data[, c("time", "latitude", "longitude", "depth", "mag")])
##                       time latitude longitude   depth mag
## 1 2024-01-03T19:11:18.148Z   0.7080  100.4740 222.317 4.3
## 2 2024-01-08T09:51:30.178Z  -2.2840   99.6708  17.148 5.2
## 3 2024-01-18T22:05:35.793Z  -0.4098   99.1052  55.463 4.6
## 4 2024-01-20T16:35:40.192Z  -0.2108  100.8363 194.620 4.4
## 5 2024-01-23T09:05:01.768Z  -1.5186  100.5675  88.018 4.6
## 6 2024-01-24T03:58:55.498Z  -3.3874  100.4953  26.641 4.2
gempasf_sumbar <- st_as_sf(data, coords = c("longitude", "latitude"), crs = 4326)

Tipe data spasial terbagi atas data vektor dan data raster. Data vektor terdiri atas: Data Line, Data Poligon, dan Data titik. Data titik memberikan informasi tentang lokasi objek/peristiwa yang terjadi pada wilayah studi atau wilayah pengamatan (Prodi Statistika, 2025).

Batas administrasi Indonesia dan filter untuk Provinsi Sumatera Barat

indo <- ne_states(country = "indonesia", returnclass = "sf")
sumbar <- indo %>% filter(name == "Sumatera Barat")

2.3 Visualisasi sebaran titik gempa di wilayah Sumatera Barat

ggplot() +
  geom_sf(data = sumbar, fill = "#d9f0a3", color = "gray40", linewidth = 0.4) +
  geom_sf(data = gempasf_sumbar, 
          aes(size = mag, color = depth), 
          alpha = 0.8, shape = 16) +
  scale_color_viridis(option = "plasma", direction = -1, name = "Kedalaman (km)") +
  scale_size_continuous(name = "Magnitudo", range = c(2.5, 7)) +
  labs(
    title = "Sebaran Epicentrum di Provinsi Sumatera Barat (2024)",
    subtitle = "Data sumber: USGS | Visualisasi dengan R (ggplot2 + sf)",
    x = "Longitude", 
    y = "Latitude",
    caption = "Sumber: USGS | Peta oleh: Istiqomahraa"
  ) +
  annotation_scale(location = "bl", width_hint = 0.3, text_cex = 0.8) +
  annotation_north_arrow(location = "tl", which_north = "true",
                         style = north_arrow_fancy_orienteering) +
  theme_minimal(base_size = 12) +
  theme(
    plot.title = element_text(face = "bold", size = 16, color = "#2c3e50"),
    plot.subtitle = element_text(size = 11, color = "#555555"),
    legend.position = "right",
    panel.background = element_rect(fill = "#eaf6ff", color = NA),
    panel.grid.major = element_line(color = "gray80", linetype = "dotted"),
    axis.text = element_text(color = "gray20")
  )

INTERPRETASI

Berdasarkan batasan masalah, terbentuk peta diatas yang menggambarkan sebaran spasial kejadian gempa bumi di Provinsi Sumatera Barat selama tahun 2024. Setiap titik pada peta mewakili lokasi pusat gempa (epicenter), di mana warna titik menunjukkan kedalaman gempa. Warna kuning menandakan gempa dangkal, sedangkan warna ungu tua menunjukkan gempa yang lebih dalam. Ukuran titik menggambarkan magnitudo gempa, semakin besar titik maka semakin besar kekuatan gempa yang terjadi. Berdasarkan peta, terlihat bahwa sebagian besar gempa terjadi di wilayah pesisir barat dan perairan sekitar Sumatera Barat.

Sebagian besar gempa memiliki kedalaman antara 50 hingga 100 km, yang ditunjukkan oleh warna kuning hingga orange, menandakan bahwa aktivitas seismik didominasi oleh gempa dangkal hingga menengah. Beberapa gempa dengan kedalaman di atas 150 km juga tampak di bagian barat daya peta, meskipun jumlahnya relatif sedikit. Magnitudo gempa berkisar antara 4.2 hingga 5.2 skala Richter, tergolong dalam kategori gempa ringan hingga menengah. Pola ini menunjukkan bahwa aktivitas seismik di Sumatera Barat masih cukup intens sepanjang tahun 2024, terutama di wilayah pesisir barat yang berdekatan dengan jalur subduksi utama.


Penambahan Data SHP Sumatera Barat

setwd("D:/LAPRAK SEM 7/SPASIAL/1/gadm41_IDN_shp")
indonesia_shp <- st_read("gadm41_IDN_2.shp")
## Reading layer `gadm41_IDN_2' from data source 
##   `D:\LAPRAK SEM 7\SPASIAL\1\gadm41_IDN_shp\gadm41_IDN_2.shp' 
##   using driver `ESRI Shapefile'
## Simple feature collection with 502 features and 13 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: 95.00971 ymin: -11.00761 xmax: 141.0194 ymax: 6.076941
## Geodetic CRS:  WGS 84
sumbar_shp <- indonesia_shp %>%
  filter(NAME_1 == "Sumatera Barat")
sumbar_shp <- subset(sumbar_shp, NAME_2 != "Danau")
head(sumbar_shp) 
## Simple feature collection with 6 features and 13 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: 98.59668 ymin: -3.350002 xmax: 101.8929 ymax: 0.4243829
## Geodetic CRS:  WGS 84
##        GID_2 GID_0   COUNTRY    GID_1         NAME_1 NL_NAME_1
## 1 IDN.30.1_1   IDN Indonesia IDN.30_1 Sumatera Barat        NA
## 2 IDN.30.2_1   IDN Indonesia IDN.30_1 Sumatera Barat        NA
## 4 IDN.30.4_1   IDN Indonesia IDN.30_1 Sumatera Barat        NA
## 5 IDN.30.5_1   IDN Indonesia IDN.30_1 Sumatera Barat        NA
## 6 IDN.30.6_1   IDN Indonesia IDN.30_1 Sumatera Barat        NA
## 7 IDN.30.7_1   IDN Indonesia IDN.30_1 Sumatera Barat        NA
##               NAME_2 VARNAME_2 NL_NAME_2    TYPE_2 ENGTYPE_2 CC_2   HASC_2
## 1               Agam        NA        NA Kabupaten   Regency 1307 ID.SB.AG
## 2        Bukittinggi        NA        NA      Kota      City 1375 ID.SB.BU
## 4        Dharmasraya        NA        NA Kabupaten   Regency 1311 ID.SB.DH
## 5 Kepulauan Mentawai        NA        NA Kabupaten   Regency 1301 ID.SB.KM
## 6         Kota Solok        NA        NA      Kota      City 1372 ID.SB.SM
## 7    Lima Puluh Kota        NA        NA Kabupaten   Regency 1308 ID.SB.LP
##                         geometry
## 1 MULTIPOLYGON (((100.3766 -0...
## 2 MULTIPOLYGON (((100.3906 -0...
## 4 MULTIPOLYGON (((101.6276 -1...
## 5 MULTIPOLYGON (((100.3405 -3...
## 6 MULTIPOLYGON (((100.6731 -0...
## 7 MULTIPOLYGON (((100.8435 -0...

2.5 Peta Sebaran Gempa dengan Batas Wilayah

ggplot(sumbar_shp) +
  geom_sf(aes(fill = NAME_2), color = "black", linewidth = 0.3) +
  geom_sf(data = gempasf_sumbar, aes(size = mag, color = depth), alpha = 0.8, shape = 19) +
  scale_color_viridis(option = "plasma", name = "Kedalaman (Km)") +
  scale_size_continuous(name = "Magnitudo", range = c(2, 6)) +
  scale_fill_viridis_d(option = "turbo", name = "Kabupaten/Kota") +
  labs(
    title = "Sebaran Gempa Utama di Provinsi Sumatera Barat Tahun 2024",
    subtitle = "Sumber data: USGS",
    x = "Longitude", y = "Latitude",
    caption = "Visualisasi: ggplot2 + sf || Peta Oleh: Istiqomahraa"
  ) +
  theme_minimal(base_size = 12) +
  theme(
    plot.title = element_text(face = "bold", size = 15, color = "#2c3e50"),
    plot.subtitle = element_text(size = 11, color = "#555"),
    legend.title = element_text(face = "bold"),
    legend.text = element_text(size = 9),
    panel.background = element_rect(fill = "#eaf6ff", color = NA),
    panel.grid.major = element_line(color = "gray85", linetype = "dotted")
  ) +
  guides(
    # Magnitudo dan Kedalaman tetap di kanan
    size = guide_legend(order = 1, title.position = "top", title.hjust = 0.5),
    color = guide_colorbar(order = 2, title.position = "top", title.hjust = 0.5),
    # Kabupaten/Kota di bawah
    fill = guide_legend(
      title.position = "top", title.hjust = 0.5, 
      ncol = 4,                      # biar lebih kompak, 4 kolom
      byrow = TRUE, 
      position = "bottom"            # posisi di bawah
    )
  ) +
  annotation_scale(location = "bl", width_hint = 0.25) +
  annotation_north_arrow(location = "tl", which_north = "true",
                         style = north_arrow_fancy_orienteering) +
  coord_sf(expand = FALSE) # biar proporsional dan tidak terlalu melebar

INTERPRETASI

Berdasarkan batasan masalah kedua, ditambahkan file SHP wilayah Sumatra Barat. Peta di atas menunjukkan sebaran gempa utama di Provinsi Sumatera Barat tahun 2024, dengan batas wilayah administratif yang sudah teridentifikasi berdasarkan data shapefile kabupaten/kota. Setiap kabupaten dan kota ditampilkan dengan warna berbeda, sehingga lokasi gempa dapat diketahui secara lebih presisi terhadap wilayah administratifnya.Dari visualisasi ini terlihat bahwa aktivitas seismik paling padat terjadi di wilayah barat dan pesisir Sumatera Barat, khususnya di Kabupaten Kepulauan Mentawai, Pesisir Selatan, dan sebagian wilayah Pasaman Barat serta Padang Pariaman. Sebagian besar gempa di wilayah ini tergolong dangkal hingga menengah (50–100 km) dengan magnitudo antara 4.2–5.2 skala Richter. Hal ini menunjukkan bahwa sumber gempa masih dominan berasal dari zona subduksi lempeng Indo-Australia dan Eurasia, yang membentang di sepanjang barat Pulau Sumatera.

Sementara itu, wilayah bagian tengah hingga timur seperti Tanah Datar, Solok, Dharmasraya, dan Lima Puluh Kota tampak relatif lebih stabil dengan sedikit atau tanpa aktivitas gempa signifikan sepanjang tahun tersebut. Perbedaan intensitas ini memperkuat fakta bahwa daerah pesisir barat merupakan zona dengan risiko seismik tertinggi di Provinsi Sumatera Barat, sementara bagian pedalaman cenderung lebih aman dari aktivitas gempa besar.

Secara keseluruhan, dengan tambahan data shapefile kabupaten/kota, peta ini tidak hanya menampilkan distribusi titik gempa, tetapi juga memperjelas keterkaitan antara lokasi kejadian gempa dengan batas wilayah administratif, sehingga hasil visualisasi lebih informatif bagi pembaca.



BAB III KESIMPULAN

Berdasarkan analisis, dapat disimpulkan bahwa dalam menampilkan data spasial secara tepat dan informatif dalam bentuk visual masih banyak pengguna, khususnya pemula, sering mengalami kesulitan dalam mengelola dan menampilkan data berbasis spasial seperti shapefile (.shp) karena membutuhkan pemahaman terhadap struktur data geospasial serta sistem koordinat (Coordinate Reference System/CRS) yang digunakan. Selain itu, tidak semua paket di R kompatibel secara langsung, sehingga perlu pemilihan fungsi dan parameter yang sesuai agar peta yang dihasilkan akurat secara geografis dan menarik secara visual. Tantangan ini menjadi penting karena visualisasi spasial yang baik dapat membantu menyampaikan informasi wilayah, batas administratif, atau fenomena geografis tertentu secara lebih mudah dipahami.

Selain itu, dalam menambahkan lokasi yan lebih spesifik dalam sebuah wiliyah memerlukan data yang tepat. Proses ini tidak hanya membutuhkan data koordinat yang benar, tetapi juga perlu dilakukan transformasi data dari format tabular menjadi objek spasial menggunakan fungsi seperti st_as_sf(). Kesalahan dalam penentuan urutan koordinat (longitude dan latitude) atau sistem proyeksi dapat menyebabkan titik tidak muncul di lokasi sebenarnya pada peta. Selain itu, diperlukan kemampuan untuk menggabungkan titik-titik tersebut dengan peta wilayah dasar agar hasil visualisasi tidak hanya menunjukkan posisi, tetapi juga memberikan makna analisis, misalnya pola sebaran, intensitas, atau kedalaman suatu fenomena.

Berdasarkan batasan masalah satu dan dua, dapat disimpulkan bahwa gempa bumi di Provinsi Sumatera Barat selama tahun 2024 didominasi oleh gempa dangkal hingga menengah dengan kedalaman 50–100 km dan magnitudo antara 4.2–5.2 skala Richter, yang sebagian besar terjadi di wilayah pesisir barat seperti Kepulauan Mentawai, Pesisir Selatan, Pasaman Barat, dan Padang Pariaman. Dengan penambahan data shapefile kabupaten/kota, peta menunjukkan hubungan yang lebih jelas antara lokasi gempa dan batas wilayah administratif, di mana daerah pesisir barat teridentifikasi sebagai zona dengan aktivitas seismik tinggi, sedangkan wilayah tengah dan timur relatif lebih stabil sepanjang tahun 2024.



DAFTAR PUSTAKA

Anselin, L. (1995). Local Indicators of Spatial Association—LISA. Geographical Analysis, 27(2), 93–115.

Bivand, R. S., Pebesma, E., & Gómez-Rubio, V. (2013). Applied Spatial Data Analysis with R (2nd ed.). Springer.

Brunsdon, C., & Comber, L. (2015). An Introduction to R for Spatial Analysis and Mapping. SAGE Publications.

González, J. A., & Moraga, P. (2023). Non-Parametric Analysis of Spatial and Spatio-Temporal Point Patterns. The R Journal, 15(1), 65–82.

Kim, D., Cánovas-Segura, B., Campos, M., & Juarez, J. M. (2024). Visualization of Spatial–Temporal Epidemiological Data: A Scoping Review. Technologies, 12(3), 31.

Pebesma, E. (2018). Simple Features for R: Standardized Support for Spatial Vector Data. The R Journal, 10(1), 439–446.

Tennekes, M. (2018). tmap: Thematic Maps in R. Journal of Statistical Software, 84(6), 1–39.

Waller, L. A. (2024). Maps: A Statistical View. Annual Review of Statistics and Its Application, 11, 75–96.

Program Studi Statistika (2025). Modul Praktikum Pengantar Statistika Spasial. Bengkulu: Universitas Bengkulu.