Spasial Pert 1
Ranisyah Anggraini
2025-11-05
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah
Peta sebaran gempa di Provinsi Aceh berdasarkan data USGS menunjukkan bahwa aktivitas seismik di wilayah ini tersebar terutama di bagian barat dan selatan provinsi. Titik-titik gempa didominasi oleh kedalaman dangkal hingga menengah (kurang dari 200 km), yang ditunjukkan dengan warna ungu hingga kuning. Hal ini menandakan adanya aktivitas tektonik aktif di sepanjang zona subduksi antara Lempeng Indo-Australia dan Eurasia, serta kemungkinan pengaruh sesar aktif di sekitar wilayah Aceh. Magnitudo gempa berkisar antara 4,0 hingga 5,25, tergolong ringan hingga sedang, dengan beberapa kejadian yang berpotensi lebih terasa di permukaan akibat kedalaman yang relatif dangkal. Secara keseluruhan, peta ini menunjukkan bahwa Provinsi Aceh merupakan wilayah dengan aktivitas tektonik yang tinggi, sehingga diperlukan pemantauan dan upaya mitigasi bencana gempa bumi secara berkelanjutan.
Program R telah menjadi standar dalam komunitas ilmiah karena fleksibilitasnya serta kinerjanya yang andal dalam berbagai jenis analisis, termasuk pengolahan data secara spasial. Statistika spasial adalah suatu bidang statistika yang berkaitan dengan analisis data yang mempunyai lokasi atau posisi geografis. Dalam statistika spasial, data dikumpulkan dengan mempertimbangkan lokasi geografisnya, dan kemudian dianalisis untuk menemukan pola dan hubungan spasial antara variabel yang diamati. Dalam hal ini, teknik-teknik statistika digunakan untuk mengidentifikasi dan menguji hubungan antara data dan lokasi geografisnya, seperti pola keterkaitan spasial dan autokorelasi spasial. Statistika spasial dapat digunakan untuk menganalisis berbagai data seperti data sosial ekonomi, data medis, data lingkungan, dan data geologi. Contoh penerapan statistika spasial meliputi pemetaan kepadatan penduduk, analisis keterkaitan antara faktor lingkungan dan kesehatan, dan pemetaan sebaran sumber daya alam.
Bahasa pemrograman R banyak dimanfaatkan sebagai alat analisis spasial karena menyediakan berbagai paket komputasi seperti sf, ggplot2, dan rnaturalearth yang mampu mengolah data spasial serta menghasilkan peta informatif secara efisien (Pebesma, 2018). Melalui praktikum ini, mahasiswa mempelajari teknik dasar pemetaan data titik gempa bumi di Provinsi Aceh menggunakan R, mulai dari pengolahan data koordinat gempa, konversi menjadi objek spasial, hingga visualisasi sebaran episenter pada peta administrasi wilayah. Dengan keterampilan ini, mahasiswa diharapkan mampu memahami konsep dasar Sistem Informasi Geografis (SIG) serta dapat menganalisis pola spasial aktivitas seismik sebagai langkah awal dalam mendukung kajian mitigasi bencana di wilayah Aceh.
1.2 Rumusan Masalah
- Bagaimana membuat peta dengan paket pemrograman R
- Bagaiman membuat peta dengan data titik spasial pada R
1.3 Tujuan
- Mahasiswa dapat membuat peta dengan paket pemrograman R
- Mahasiswa dapat membuat peta dengan data titik spasial pada R
BAB II TINJAUAN PUSTAKA
2.1 Analisis Data Spasial
Data spasial adalah data yang berkaitan dengan lokasi berdasarkan geografi yang terdiri dari lintang-bujur dan wilayah. Analisis data spasial tidak dapat dilakukan secara global, artinya setiap lokasi mempunyai karakteristik sendiri. Sebagian besar pendekatan analisisnya merupakan eksplorasi data yang disajikan dalam bentuk peta tematik. Peta tematik juga disebut sebagai peta statistik atau peta tujuan khusus, menghasilkan gambaran penggunaan ruangan pada tempat tertentu sesuai dengan tema yang diinginkan. Berbeda dengan peta rujukan yang memperlihatkan pengkhususan geografi (hutan, jalan, perbatasan administratif), peta-peta tematik lebih menekankan variasi penggunaan ruangan daripada sebuah jumlah atau lebih dari distribusi geografis. Distribusi geografis bisa berupa fenomena fisikal, seperti iklim atau ciri-ciri khas manusia seperti kepadatan penduduk atau permasalahan kesehatan (Pfeiffer, 2008).
2.2 Visualisasi Data
Penyajian data statistik mengalami perkembangan seiring dengan kemajuan teknologi. Data statistik tidak hanya disajikan dalam bentuk tabel dan grafik saja, tetapi juga divisualisasikan menggunakan peta. Bahkan saat ini juga digunakan peta interaktif berbasis online untuk lebih memudahkan pengguna dalam mengakses dan mengeksplorasi data yang ada. Menurut Di Biase (1990), terdapat dua tujuan utama visualisasi data, yaitu memahami data yang ada (visual thinking) dan menyampaikan tujuan (visual communication). Proses memahami data dapat dibentuk melalui interaksi antara pengguna dengan data yang disajikan (Roberts, 2008).
Suatu data yang sudah diperoleh selanjutnya perlu dilakukan visualisasi data supaya data dapat dijelaskan dengan baik dan diinterpretasikan dengan mudah. Visualisasi data merupakan bagian yang sangat penting untuk mengkomunikasikan hasil analisis yang telah kita lakukandan dapat membantu kita dalam memutuskan metode analisis yang tepat pada data tersebut. Selain itu, visualisasi data juga mempermudah untuk menarik kesimpulan dengan melihat tren atau pola yang ada. Mengetahui keberadaan pencilan dan berusaha memahaminya juga dimungkinkan dengan adanya visualisasi data. Visualisasi data baik kualitatif ataupun kuantitatif dapat berbentuk bermacam-macam hal. Meskipun secara umum, visualisasi data kuantitatif akan berupa grafik dan visualisasi data kualitatif akan berupa diagram atau peta (Anonim, 2020).
2.3 Tipe Data Spasial
Tipe data spasial terbagi atas data vektor dan data raster. Data vektor terdiri atas:
Data Titik
Data Line
Data Poligon
Data titik memberikan informasi tentang lokasi objek/peristiwa yang terjadi pada wilayah studi atau wilayah pengamatan. Data titik dapat menggambarkan pohon, titik pusat gempa, tempat tinggal pasien corona dan lain sebagainya.
Data garis menghubungkan paling sedikit dua data titik yang biasanya digunakan untuk menggambarkan jalan, sungai, jaringan listrik, jaringan komunikasi, aliran pipa air, dan lain-lain.
Data poligon biasanya digunakan untuk merepresentasikan objek-objek dua dimensi seperti danau, batas kota, batas provinsi, dan lain-lain.
Data Raster biasanya disebut juga dengan data sel grid yang diperoleh dari hasil penginderaan jauh, data ini sangat bergantung pada ukuran pixel-nya.
BAB III METODE PENELITIAN
3.1 Sumber Data
Jenis data yang digunakan dalam praktikum ini adalah data sekunder yang bersumber dari shp Indonesia di Provinsi Aceh.
3.2 Variabel Penelitian
Variabel yang digunakan pada praktikum ini adalah variabel mengenai Provinsi Aceh.
3.3 Langkah-langkah Analisis
Berikut analisis membuat peta dengan menggunakan program R:
Membuka program R.
Pengumpulan data
Eksplorasi data
Masukkan data titik lokasi
Visualisasi data spasial
Output
BAB IV HASIL DAN PEMBAHASAN
4.1 Statistik Deskriptif
## Linking to GEOS 3.13.1, GDAL 3.11.0, PROJ 9.6.0; sf_use_s2() is TRUE##
## 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##
## Attaching package: 'rnaturalearthdata'## The following object is masked from 'package:rnaturalearth':
##
## countries110## Loading required package: viridisLitelibrary(readr)
library(rnaturalearthhires)
data <- read_delim("C:/Users/userr/Downloads/gempaaceh2024.csv",
delim = ";", escape_double = FALSE, trim_ws = TRUE)## Rows: 41 Columns: 5## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ";"
## dbl (4): latitude, longitude, depth, mag
## dttm (1): time
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.## # A tibble: 41 × 5
## time latitude longitude depth mag
## <dttm> <dbl> <dbl> <dbl> <dbl>
## 1 2024-12-25 23:36:34 2.56 95.8 23.2 4.3
## 2 2024-12-04 14:21:36 4.89 95.8 10 4.5
## 3 2024-11-13 20:44:07 3.75 95.9 66.6 4.2
## 4 2024-11-04 05:37:44 4.67 96.5 131. 4.4
## 5 2024-11-01 03:00:55 4.39 98.2 10 4.4
## 6 2024-10-29 22:59:17 5.21 95.9 10 4.4
## 7 2024-10-29 02:35:22 4.80 96.1 10 4.6
## 8 2024-10-19 15:36:20 5.28 94.3 54.2 4.6
## 9 2024-10-13 09:02:01 5.62 94.6 70.0 4.3
## 10 2024-10-13 07:01:41 5.51 94.3 43.4 5.3
## # ℹ 31 more rows## time latitude longitude
## Min. :2024-01-07 01:55:35 Min. :2.507 Min. :94.24
## 1st Qu.:2024-04-15 00:08:25 1st Qu.:2.809 1st Qu.:95.32
## Median :2024-07-05 21:51:46 Median :3.957 Median :95.80
## Mean :2024-07-05 19:59:37 Mean :3.984 Mean :95.72
## 3rd Qu.:2024-10-11 18:35:53 3rd Qu.:4.873 3rd Qu.:96.04
## Max. :2024-12-25 23:36:34 Max. :5.622 Max. :98.18
## depth mag
## Min. : 9.387 Min. :4.100
## 1st Qu.: 10.000 1st Qu.:4.300
## Median : 23.795 Median :4.400
## Mean : 37.307 Mean :4.478
## 3rd Qu.: 58.102 3rd Qu.:4.600
## Max. :130.624 Max. :5.700Data gempa Aceh tahun 2024 mencatat 41 kejadian yang tersebar sepanjang tahun, dimulai dari 7 Januari hingga 25 Desember 2024. Lokasi gempa berada pada rentang lintang 2.5°–5.6° LU dan bujur 94°–98° BT, menunjukkan bahwa seluruh kejadian berada di wilayah Aceh. Kedalaman gempa bervariasi cukup luas, mulai dari sekitar 9 km hingga 130 km, dengan mayoritas berada pada kedalaman dangkal hingga menengah, sehingga nilai rata-ratanya sedikit lebih tinggi daripada median. Sementara itu, magnitudo gempa berkisar antara 4.1 hingga 5.7 SR, menandakan bahwa seluruh kejadian termasuk kategori gempa ringan hingga menengah. Secara keseluruhan, data menunjukkan bahwa aktivitas kegempaan di Aceh tahun 2024 relatif konsisten, dengan intensitas yang tidak ekstrem namun tetap signifikan untuk dianalisis secara spasial.
4.2 Visualisasi Data Spasial tanpa SHP
# Konversi menjadi data spasial (sf)
gempa_sf <- st_as_sf(data, coords = c("longitude", "latitude"), crs = 4326)
# Ambil batas administrasi Indonesia dan filter Aceh
indo <- ne_states(country = "indonesia", returnclass = "sf")
aceh <- indo %>% filter(name == "Aceh")
# Plot peta sebaran gempa TANPA SHP HANYA PACKAGES DARI sf
ggplot() +
geom_sf(data = aceh, fill = "gray", color = "black") +
geom_sf(data = gempa_sf, 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 di Provinsi Aceh",
subtitle = "Sumber: USGS",
x = "Longitude", y = "Latitude",
caption = "Visualisasi: ggplot2 + sf") +
theme_minimal() +
theme(plot.title = element_text(face = "bold", size = 14),
legend.position = "right")
4.3 Visualisasi Data Spasial menggunakan SHP
## Reading layer `gadm41_IDN_2' from data source
## `C:\File Peta Ind\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## Simple feature collection with 6 features and 13 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: 95.00971 ymin: 2.008107 xmax: 98.19711 ymax: 5.755888
## Geodetic CRS: WGS 84
## GID_2 GID_0 COUNTRY GID_1 NAME_1 NL_NAME_1 NAME_2 VARNAME_2
## 1 IDN.1.2_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Barat NA
## 2 IDN.1.1_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Barat Daya NA
## 3 IDN.1.3_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Besar NA
## 4 IDN.1.4_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Jaya NA
## 5 IDN.1.5_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Selatan NA
## 6 IDN.1.6_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Singkil NA
## NL_NAME_2 TYPE_2 ENGTYPE_2 CC_2 HASC_2 geometry
## 1 NA Kabupaten Regency 1107 ID.AC.AB MULTIPOLYGON (((96.06915 4....
## 2 NA Kabupaten Regency 1112 ID.AC.AD MULTIPOLYGON (((96.94196 3....
## 3 NA Kabupaten Regency 1108 ID.AC.AR MULTIPOLYGON (((95.78426 5....
## 4 NA Kabupaten Regency 1116 ID.AC.AJ MULTIPOLYGON (((95.87673 4....
## 5 NA Kabupaten Regency 1103 ID.AC.AS MULTIPOLYGON (((97.74693 2....
## 6 NA Kabupaten Regency 1102 ID.AC.AN MULTIPOLYGON (((97.39143 2....## Simple feature collection with 23 features and 13 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: 95.00971 ymin: 2.008107 xmax: 98.28605 ymax: 6.076941
## Geodetic CRS: WGS 84
## First 10 features:
## GID_2 GID_0 COUNTRY GID_1 NAME_1 NL_NAME_1 NAME_2
## 1 IDN.1.2_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Barat
## 2 IDN.1.1_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Barat Daya
## 3 IDN.1.3_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Besar
## 4 IDN.1.4_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Jaya
## 5 IDN.1.5_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Selatan
## 6 IDN.1.6_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Singkil
## 7 IDN.1.7_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Tamiang
## 8 IDN.1.8_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Tengah
## 9 IDN.1.9_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Tenggara
## 10 IDN.1.10_1 IDN Indonesia IDN.1_1 Aceh NA Aceh Timur
## VARNAME_2 NL_NAME_2 TYPE_2 ENGTYPE_2 CC_2 HASC_2
## 1 NA NA Kabupaten Regency 1107 ID.AC.AB
## 2 NA NA Kabupaten Regency 1112 ID.AC.AD
## 3 NA NA Kabupaten Regency 1108 ID.AC.AR
## 4 NA NA Kabupaten Regency 1116 ID.AC.AJ
## 5 NA NA Kabupaten Regency 1103 ID.AC.AS
## 6 NA NA Kabupaten Regency 1102 ID.AC.AN
## 7 NA NA Kabupaten Regency 1114 ID.AC.AM
## 8 NA NA Kabupaten Regency 1106 ID.AC.AT
## 9 NA NA Kabupaten Regency 1104 ID.AC.AG
## 10 NA NA Kabupaten Regency 1105 ID.AC.AI
## geometry
## 1 MULTIPOLYGON (((96.06915 4....
## 2 MULTIPOLYGON (((96.94196 3....
## 3 MULTIPOLYGON (((95.78426 5....
## 4 MULTIPOLYGON (((95.87673 4....
## 5 MULTIPOLYGON (((97.74693 2....
## 6 MULTIPOLYGON (((97.39143 2....
## 7 MULTIPOLYGON (((97.90879 3....
## 8 MULTIPOLYGON (((97.22276 4....
## 9 MULTIPOLYGON (((97.94666 3....
## 10 MULTIPOLYGON (((97.7299 4.2...ggplot() +
# Warna tiap kabupaten berbeda tapi legendanya disembunyikan
geom_sf(data = aceh_shp, aes(fill = NAME_2), color = "black", size = 0.3, show.legend = FALSE) +
# Titik gempa dengan warna = kedalaman, ukuran = magnitudo
geom_sf(data = gempa_sf, aes(size = mag, color = depth), alpha = 0.7) +
# Skala warna dan ukuran
scale_color_viridis(option = "plasma", name = "Kedalaman (km)") +
scale_size_continuous(name = "Magnitudo", range = c(2, 6)) +
# Label dan tema
labs(
title = "Sebaran Gempa di Provinsi Aceh",
subtitle = "Sumber: USGS",
x = "Longitude", y = "Latitude",
caption = "Visualisasi: ggplot2 + sf"
) +
theme_minimal() +
theme(
plot.title = element_text(face = "bold", size = 14),
legend.position = "right"
)
BAB V KESIMPULAN
5.1 Kesimpulan
Berdasarkan peta sebaran gempa di Provinsi Aceh, dapat disimpulkan bahwa wilayah ini memiliki aktivitas seismik yang tinggi, terutama di bagian barat dan selatan yang berdekatan dengan zona subduksi lempeng Indo-Australia dan Eurasia. Sebagian besar gempa memiliki kedalaman antara 50 hingga 200 km dan berkekuatan sedang dengan magnitude sekitar 4,0 hingga 5,25. Kondisi ini menunjukkan bahwa Aceh termasuk daerah rawan gempa akibat aktivitas tektonik yang masih aktif, sehingga diperlukan kewaspadaan serta kesiapsiagaan terhadap potensi gempa bumi dan tsunami di wilayah tersebut.
DAFTAR PUSTAKA
Anonim. 2020. Visualisasi Data dengan R. Visualisasi Data dengan R (databee.id). Diakses pada tanggal 5 April 2023 pukul 20.45 WIB.
Di Biase, D. (1990). Visualization in the earth sciences. Bulletin of the College of Earth and Mineral Sciences, Vol. 59 (2), hal. 13–18.
Pebesma, E.; Bivand, R. (2023). Spatial Data Science: With Applications in R (1st ed).
Modul Statistika Spasial Pertemuan 1. (2025). Visualisasi data spasial dengan R. Program Studi Statistik.
Giraud, T. (2025). R Spatial Ecosystem.
United States Geological Survey. (2025). USGS earthquake catalog. https://earthquake.usgs.gov/earthquakes/
Roberts, J. C. (2008). Coordinated multiple views for exploratory geovisualization. Geographic Visualization: Concepts, tools, and applications, John Wiley & Sons, (Ed.) Dodge, M., McDerby, M., dan Turner, M., West Sussex, England, hal. 25–48.