Last chance! 50% off DataCamp Premium
Sale ends in
Dari ritel dan e-commerce hingga keberlanjutan lingkungan, militer, dan bencana alam, data geospasial sangat penting untuk memperkaya analisis data kita.
Dalam artikel ini, kami membahas apa itu analisis data geospasial, manfaatnya, jenis-jenis data geospasial, dan bagaimana data tersebut digunakan. Terakhir, kami tutup dengan panduan langkah demi langkah analisis data geospasial di Power BI.
Apa itu Analisis Data Geospasial?
Data geospasial menggambarkan sesuatu berdasarkan lokasinya di Bumi. Ini bisa berupa manusia, hewan, objek, fenomena alam, atau hasil bisnis.
Analisis data geospasial tidak hanya mendeskripsikan sesuatu, tetapi juga menjelaskan di mana dan mengapa hal itu terjadi. Proses ini melibatkan pengumpulan, transformasi, dan visualisasi data geospasial.
Banyak industri dapat memanfaatkan analisis data geospasial, mulai dari ritel dan e-commerce hingga stabilitas lingkungan, bahkan pemerintah untuk melacak sumber daya, cuaca, penyakit, dan pertahanan.
Manfaat Menggunakan Data Geospasial dalam Analitik
Menggunakan data geospasial dalam analitik menawarkan banyak manfaat bagi organisasi. Yang terpenting, data berbasis lokasi ini memberikan konteks multi-dimensi pada data Anda. Kami membahas tiga manfaat paling signifikan dari analisis data geospasial.
Memperoleh wawasan lebih mendalam tentang pola dan tren
Data geospasial memudahkan identifikasi pola dan memvisualisasikan tren dalam data berbasis lokasi dibandingkan metode lain, seperti bagan batang atau tabel. Selain itu, kita dapat dengan mudah menyimpulkan pola dan tren tersebut berdasarkan kedekatan geografis relatifnya.
Kemudian kita dapat melakukan segmentasi dan memfilter data berdasarkan pola tersebut untuk memperoleh wawasan yang lebih dalam tentang alasan kemunculannya.
Mendapatkan representasi dunia nyata yang lebih baik
Dengan memvisualisasikan data geografis, kita dapat merepresentasikan dunia nyata dengan lebih baik. Selain itu, memiliki data real-time (atau mendekati real-time) dapat sangat meningkatkan pemahaman kita terhadap data bisnis untuk mendorong pengambilan keputusan.
Misalnya, anggap seorang pemilik bisnis ritel ingin membuka toko baru di wilayahnya. Mereka dapat menggunakan data geospasial untuk menjawab pertanyaan yang membantu menentukan lokasi terbaik untuk toko mereka.
Beberapa contoh pertanyaan ini adalah:
- Di mana lokasi toko pesaing saya?
- Bagaimana distribusi toko pesaing? Apakah mereka mengelompok di lokasi tertentu, atau lebih tersebar?
- Di mana pelanggan target saya tinggal di wilayah tersebut?
Mengembangkan produk dan solusi yang tertarget
Analisis data geospasial membantu organisasi memvisualisasikan lokasi mana yang lebih berhasil daripada yang lain.
Jika sebuah bisnis memahami hubungan antara produk atau layanannya dengan lokasi tempat mereka menawarkannya, maka mereka dapat menargetkan produk tersebut ke lokasi tersebut atau mengembangkan produk baru dengan rekam jejak keberhasilan di lokasi tertentu.
Jenis-jenis Data Geospasial
Ada dua jenis utama data geospasial: data vektor dan raster. Selain itu, ada jenis data ketiga yang biasanya menyertai data geografis: atribut.
Jenis data yang kita hadapi menentukan alat apa yang harus kita gunakan untuk menganalisis lalu memvisualisasikan data. Kami akan membahas masing-masing jenis data ini di bawah.
Satu hal tambahan yang perlu dicatat adalah bahwa semua jenis data geospasial harus disertai dengan informasi coordinate reference system (CRS). Informasi CRS ini memberi tahu perangkat lunak yang kita gunakan untuk melakukan analisis data geospasial mengenai lokasi data geospasial di Bumi.
Saat berbagi data geospasial, jika Anda menggunakan sistem CRS yang berbeda dari orang lain, data akan muncul di lokasi geografis yang berbeda saat dianalisis. Sayangnya, sistem CRS berada di luar cakupan artikel ini (dan nanti Anda akan melihat bagaimana ArcGIS untuk Power BI menyederhanakannya bagi kita). Namun, kami memiliki kursus tentang bekerja dengan data geospasial yang membahas sistem CRS secara mendalam, di samping hal-hal lainnya.
Data Vektor
Data vektor menggambarkan fitur lokasi geografis di Bumi melalui penggunaan titik, garis, dan poligon.
- Titik menggambarkan lokasi individu, seperti bangunan atau tengara.
- Garis adalah rangkaian titik yang terhubung yang menggambarkan hal-hal seperti jalan atau sungai.
- Poligon adalah rangkaian titik yang terhubung yang membentuk bentuk tertutup, seperti batas suatu negara.
Data Raster
Data raster adalah data berbasis piksel atau grid yang menggambarkan karakteristik lokasi geografis. Setiap piksel bisa berupa nilai kontinu (seperti nilai elevasi) atau klasifikasi kategorikal (seperti klasifikasi tutupan lahan). Anda mungkin sudah familiar dengan jenis data berbasis piksel, karena inilah cara gambar biasanya direpresentasikan dalam model pembelajaran mesin, seperti pada aplikasi visi komputer.
Resolusi gambar digital yang digunakan untuk data raster penting karena menentukan luas permukaan tanah yang dicakup setiap piksel.
Atribut
Atribut adalah data deskriptif (non-spasial) yang dipadukan dengan data geospasial lainnya untuk memperkaya visualisasi dan analitik. Misalnya, saat menangani data penjualan dan pelanggan, atribut ini bisa berupa informasi tentang pembelian yang dilakukan pelanggan atau tentang pelanggan itu sendiri.
Bagaimana Data Geospasial Digunakan?
Salah satu penerapan publik terbaru dari analisis data geospasial adalah untuk melacak COVID-19 di seluruh dunia dan menentukan dampak lingkungan serta sosial yang ditimbulkannya. Ini melibatkan kombinasi data populasi, pembaruan real-time, peta, faktor lingkungan (seperti emisi CO2), dan seterusnya.
Misalnya, US Department of Transportation melakukan analisis data geospasial emisi CO2 dari transportasi dari April 2019 hingga April 2020. Visualisasi mereka menunjukkan penurunan signifikan emisi CO2 dari waktu ke waktu, yang mereka hitung mencapai 40%. Meskipun memungkinkan untuk menyatakan nilai seperti ini, dampaknya tidak akan sama kuatnya dibandingkan visualisasi pada peta.
Berikut beberapa contoh data geospasial lainnya:
- Wawasan penjualan dan pelanggan - memvisualisasikan dan menganalisis pola perilaku pelanggan serta memahami preferensi mereka untuk manajemen persediaan yang lebih baik, lokasi toko, dan bahkan saat memilih lokasi optimal untuk pabrik, gudang, dan pusat distribusi.
- Logistik dan optimasi rute - dalam kasus perusahaan kurir, mengoptimalkan rute dapat menghasilkan penghematan waktu dan biaya yang besar, yang pada akhirnya meningkatkan kepuasan pelanggan.
- Militer - Mengoptimalkan alokasi sumber daya dan memprediksi kebutuhan pemeliharaan.
- Memantau bencana alam dan kondisi terkait cuaca - memprediksi dan merespons kondisi cuaca ekstrem dapat meningkatkan waktu respons dan memberikan peringatan evakuasi tepat waktu.
- Peramalan populasi manusia - laju pertumbuhan penduduk penting bagi banyak industri, seperti penegakan hukum, energi, perumahan, dan telekomunikasi. Memahami pertumbuhan populasi merupakan prasyarat penting untuk perencanaan yang efektif dan pengelolaan sumber daya yang lebih baik.
Analisis Data Geospasial di Power BI
Data geospasial dapat dianalisis dalam bahasa pemrograman populer seperti R dan Python. Selain itu, ada beberapa paket yang dirancang khusus untuk menangani data geospasial. Lihat kursus DataCamp berikut untuk mempelajari lebih lanjut:
ArcGIS untuk Power BI adalah alat untuk analisis dan visualisasi data geospasial. ArcGIS adalah alat untuk membuat peta dari data geospasial, tetapi ketika digabungkan dengan Power BI, Anda dapat dengan cepat membuat laporan yang kuat untuk menghasilkan wawasan dan mendorong pengambilan keputusan.
Bagian ini akan memperkenalkan Anda pada ArcGIS untuk Power BI dan menunjukkan cara membuat peta ArcGIS di Power BI. Jika Anda ingin mengikuti bagian ini, kita akan mengeksplorasi data listing Airbnb yang tersedia di DataLab. Anda juga perlu menginstal Power BI Desktop di PC Anda. Untuk informasi selengkapnya tentang cara mengunduh dan menginstal Power BI, lihat panduan pemasangan ini.
Mempersiapkan data Anda
Data geospasial hanya dapat divisualisasikan secara efektif jika lokasi dalam data telah dikodekan secara geografis (geocoded) dengan benar. Ini mengacu pada proses mengubah deskripsi suatu lokasi menjadi lokasi yang dikenali di Bumi.
ArcGIS untuk Power BI menawarkan dua layanan untuk memetakan data lokasi ke lokasi pada peta. Pertama, ArcGIS World Geocoding Service yang mendeteksi lokasi titik (seperti alamat dan kota). Kedua, ArcGIS GeoEnrichment Service yang mendeteksi lokasi batas wilayah (seperti kode pos dan negara).
Namun, Anda juga dapat meningkatkan akurasi data lokasi Anda dengan beberapa langkah tambahan dalam persiapan data.
Anda dapat menambahkan informasi alamat terperinci ke peta ArcGIS, seperti alamat, kota, negara bagian, provinsi, kode pos, negara, dan sebagainya. Namun, untuk mencapai hal ini, visualisasi ArcGIS di Power BI hanya dapat menambahkan satu kolom dari dataset Anda ke bidang Location. Jika Anda memiliki kolom terpisah untuk setiap elemen informasi alamat ini dalam data, Anda perlu menggabungkannya menjadi satu kolom.
Anda dapat membuat kolom terhitung untuk menggabungkan masing-masing elemen tersebut menggunakan rumus seperti ini:
Column = [Address] & ", " & [City] & ", " & [Country] & ", " & [Postal Code]
Jika Anda tidak memiliki informasi alamat terperinci melainkan data yang lebih umum seperti negara atau negara bagian AS, maka ArcGIS dapat mengenali informasi ini dan memetakan batas wilayah yang lebih luas (ini seperti tipe data poligon dari data vektor yang disebutkan di atas).
Salah satu cara termudah dan paling akurat untuk menambahkan informasi lokasi ke peta ArcGIS adalah menggunakan kolom garis bujur dan lintang terpisah yang ditambahkan ke bidang masing-masing pada opsi visualisasi. Menggunakan jenis informasi ini direkomendasikan jika tersedia dalam data Anda.
Membuat Peta Menggunakan ArcGIS untuk Power BI
ArcGIS adalah visual bawaan di Power BI. Anda dapat menemukannya di antara semua opsi visualisasi lainnya. Kami memiliki kursus tentang visualisasi data di Power BI jika Anda menginginkan panduan tambahan tentang memvisualisasikan data di Power BI dan praktik terbaiknya.
Klik ikon ArcGIS untuk menambahkannya ke kanvas Power BI. Pada opsi di sisi kanan, Anda akan melihat jenis bidang yang didukung visual ini. Kami menambahkan kolom neighborhood ke bidang Location dan kolom lintang serta garis bujur ke bidang masing-masing. Kami ingin memvisualisasikan harga listing Airbnb di Los Angeles, jadi kami menambahkan kolom price ke bidang Size.
Ini menghasilkan tampilan berikut:
Selain informasi dalam dataset kami, kami menambahkan kartu infografis tambahan ke bagan. Ini adalah fitur yang ditawarkan oleh ArcGIS, dan kartu ini berubah secara dinamis berdasarkan item yang terlihat — dalam kasus ini, kami memperbesar ke Los Angeles. Karena kita menangani data properti, kami menambahkan nilai rumah rata-rata. Ini menambah konteks pada harga relatif listing Airbnb yang kita lihat dalam visual ini.
Berdasarkan ukuran lingkaran, kita dapat melihat bahwa Malibu memiliki beberapa listing Airbnb termahal!
Kesimpulan
Analisis data geospasial adalah alat yang kuat untuk menghasilkan wawasan yang lebih dalam dan menawarkan lapisan konteks tambahan pada data kita. Ini meningkatkan pengambilan keputusan di organisasi lintas banyak industri.
Seperti yang Anda lihat dalam artikel ini, menggunakan ArcGIS dengan Power BI sangat menyederhanakan persiapan data geospasial dan memungkinkan Anda membuat visualisasi dinamis dengan cepat dan mudah.
