Big Data dalam Sistem Informasi Geospasial

Dalam bidang informasi geospasial big data sangat berguna terutama dalam menangani permasalahan pengolahan dan manjemen data spasial yang sangat besar. Pada tahun 1997 untuk data spasial mengenai pulau Jawa yang memiliki luas 138,794 km^2 membutuhkan 25 m grid space, dengan 1600 titik/kma dan terdapat 222 juta titik dan dikodekan dengan tipe data REAL(4 bit), peru 848 MB (pada saat storage devei yang dapat dibawa kemana saja adalah disket flopy A) tentunya pada saat ini ukuran data sebesar itu bukan lagi menjadi masalah, dan pada masa itu infomrasi geospasial yang digunakan tidak sedetil sekarang. Dan pada tahun selanjutnya 1999, data untuk DKI Jakarta dengan luas wilayah 1200 km^2 membutuhkan 2,3 GB hanya untuk data hidrologinya saja, namun pada saat itu perangkat keras serta perangkat lunak yang sanggup mengolah data sebesar itu secara real time masih terbatas. Pada tahun 2003 untuk foto pemetaan wilayah Kalimantan Barat dan Timur saja dengan luas kurang lebih 200,000 Km^2 membutuhkan 16000 foto udara, dengan beberapa informasi spasial lainnya sehingga menghasilkan total citra sebesar 6 TB dan dengan data GPS lapangan dan lain-lain sebesar 1 TB.

Ini memperlihatkan betapa besarnya kebutuhan big data dimasa ini karena untuk kebutuhan data 10 tahun lalu sudah sebegitu besar dan itu belum menyeluruh, sedangkan targetnya adalah seluruh Indoensia tentuya.

Dalam Informasi geospasial pun dibutuhkan berbagai variasi data yang menunjukan varety data yang ada pada big data :

  • Foto Udara
  • Citra satelit Radar (SAR Images)
  • Lidar
  • GNSS / CORS
  • Tide Gauge
  • Grundcheck Forms
  • Terrestrial Photographs
  • Jaring Kontrol Geodesi
  • Peta RBI
  • Peta LPI
  • Peta LLN
  • Peta SDA Darat
  • Peta SDA Laut
  • Peta Penataan Ruang
  • Peta Kebencanaan
  • Atlas

Sehingga dapat terlihat cukup besar variasi data dalam Informasi Geospasial dasar, dan tentunya setiap masing variasi data memiliki jumlah data yang cukup besar. Pada list sebelumnya itu merupakan variasi dasar, masih ada 20 variasi data yang ada pada variasi Peta Rupa Bumi Indonesia, sehingga dapat dibayangkan kompleksitas proses yang harus dibuat untuk mengolah data tersebut dengan jumlah yang lebih besar. Setiap variasi data tersebut terus melakukan pembaharuan data sehingga masing-masing variasi data tersebut akan tumbuh menjadi sangat banyak seiring berjalannya waktu, berikut contoh pertumbuhan data (velocity) :

  • Data kontinu, artinya dalam setiap proses pembaharuan data terbilang cukup sering, seperti GNSS / Cors/ Tide-Gauge/ Abs Gravity.
  • Data harian yaitu data yang diperbaharui berkala harian, seperti Voluntary Geospatial Information yaitu datayang dating secara voluntary dari masyarakat berkala harian, sehingga masyarakat dapat ikut berpartisipasi dalam proses updating data informasi geospasial
  • Data bulanan, seperti data tematik untuk siding kabinet. Seperti yang kita tahu tentunya dalam siding cabinet tertentu ketika melakukan pembahasan tertentu dan berhubungan dengan geografis Indonesia seperti pemetaan untuk permasalahan tertentu, kemiskinan dan masalah lainnya, dapat dimanfaatkan informasi geospasial ini sebagai rujukan informasi dalam sidang kabinet sehingga dibutuhkan untuk mendukung dalam proses pengambilan kebijakan mengenai masalah tertentu.
  • Data musiman seperti citra untuk landcover musiman.
  • Data tahunan seperti update peta daerah yang sedang dibuat.
  • Data 5 tahunan, update peta tata ruang (RTRW/RDTR)
  • Data 10 tahunan, update peta daerah skala tertentu

Dari setiap jenis variasi data dapat menghasilkan data dengan ukuran memori yang dihabiskan adalah 200 GB/tahun hingga 55 TB/tahun dengan total sekitar 65 TB/tahun, sehingga dapat terlihat pertumbuhan data dalam informasi geospasial cukp cepat dan mungkin pertumbuhan data ini tidak linier artinya mungkin lebih besar pada praktiknya.

Dari peran serta pola pertumbuhan data dan juga variasi data dapat terlihat bahwa informasi geospasial ini dibangun untuk mendukung pengambilan keputusan tertentu pada suatu organisasi tertentu seperti Negara pada siding cabinet, dengan menyusun informasi geografi dari Indonesia sehingga lebih mudah untuk dipahami dan akurat.Ini dapat terlihat pada pembangunan suatu system geoportal untuk memberikan berbagai informasi mengenai informasi secara spasial.

references:

Workshop Big Data, ITB, 29 NOvember 2013.

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s