Arsitektur Data Spasial dan Nonspasial: indikator, metadata, dan triangulasi bukti

3.1.1 · Dua keluarga data dan jembatan di antaranya

Data spasial memiliki lokasi yang dapat dinyatakan dalam sistem koordinat. Karena itu, data tersebut dapat dipetakan dan dianalisis menurut letaknya. Data nonspasial, seperti tabel, dokumen, dan deret waktu, tidak memiliki bentuk geometri. Namun, keduanya dapat dihubungkan melalui kode wilayah atau lokasi pengamatan. Misalnya, angka kemiskinan BPS dapat dipetakan setelah digabungkan dengan batas administrasi yang sesuai.

Tabel 3.1 — Jenis data yang relevan untuk PWK

3.1.2 · Data primer, sekunder, dan tersier

• Primer — survei lapangan, pemantauan kualitas air/udara untuk tujuan analisis sendiri. Mahal tetapi terkendali mutunya.
• Sekunder — produk lembaga formal: RBI dari BIG, tutupan lahan KLHK, statistik BPS. Tulang punggung diagnosis perencanaan.
• Tersier/agregasi — dasbor Global Forest Watch, OpenStreetMap. Berguna untuk ilustrasi tren dan deteksi dini, tetapi bukan dasar klaim tanpa pembacaan metode — pelajaran studi kasus bab ini.

3.1.3 · Sumber data resmi Indonesia

Tabel 3.2 — Sumber data pokok untuk konteks Indonesia

3.1.4 · Land cover vs land use & sumber internasional

SEEA Central Framework membedakan land cover, yaitu tutupan fisik dan biologis yang teramati, dari land use, yaitu tujuan penggunaan lahan. Pembedaan ini mengacu pada FAO LCCS dan penting saat membaca angka deforestasi. Data internasional, seperti FAOSTAT dan Global Forest Watch, dapat dipakai untuk membandingkan tren. Namun, definisi dan resolusinya perlu diperiksa sebelum dibandingkan dengan angka resmi Indonesia. Studi kasus pada akhir bab memperlihatkan akibat jika perbedaan itu diabaikan.

Implikasi: KLHS RTRW/RDTR memerlukan penggabungan IGT (tutupan lahan, DAS, dan risiko) dengan data nonspasial (emisi dan kualitas air) dalam satu matriks diagnosis. Jika asal-usul data tidak didokumentasikan, rekomendasi tidak dapat ditelusuri kembali ke bukti yang mendasarinya (Bab 10).

3.2.1 · Indikator sebagai penyederhanaan

Indikator menyederhanakan fenomena kompleks menjadi sesuatu yang terukur, dapat dikomunikasikan, dan relevan bagi keputusan. Kriteria indikator yang baik: relevan terhadap pertanyaan kebijakan, sensitif terhadap perubahan, dapat diukur dengan sumber daya yang ada, tersedia berkala, dan mudah dipahami pengambil keputusan.

Dua kerangka dominan:

• PSR — Pressure–State–Response (OECD, 1993): aktivitas manusia menekan lingkungan, mengubah kondisi, masyarakat merespons.
• DPSIR — Driving forces–Pressures–State–Impact–Response (EEA, 1999): turunan PSR yang memisahkan pendorong struktural dari tekanan langsung, dan dampak dari keadaan itu sendiri. Terus dikembangkan dengan dimensi temporal.

Tabel 3.3 — Contoh penerapan DPSIR

3.2.2 · Skala analisis: tiga dimensi

1. Spasial — resolusi piksel (30 m Landsat), skala kartografis (1:50.000), dan minimum mapping unit. Dua peta dengan MMU berbeda tidak dapat dibandingkan luasnya secara langsung.
2. Temporal — tahun kalender vs Juli–Juni, data tunggal vs rerata 30 tahun, hujan vs kemarau.
3. Tematik — 23 kelas penutupan lahan nasional vs legenda 6 kelas buatan menghasilkan statistik berbeda.

3.2.3 · MAUP dan kesesatan ekologis

MAUP (Openshaw, 1984) menjelaskan bahwa hasil statistik dapat berubah ketika batas atau ukuran wilayah analisis diubah. Efek skala terjadi saat hasil berubah karena unit wilayah diperbesar atau diperkecil. Efek zonasi terjadi saat unit berukuran sama dikelompokkan dengan batas yang berbeda. Karena itu, hubungan yang terlihat pada tingkat kabupaten tidak boleh langsung dianggap berlaku bagi setiap desa atau orang di dalamnya. Kekeliruan terakhir disebut kesesatan ekologis.

3.3.1 · Elemen minimal metadata

Metadata adalah "data tentang data" — tanpa metadata, angka terbaik sekalipun tidak dapat diaudit. Elemen minimal untuk diagnosis lingkungan:

Tabel 3.4 — Elemen minimal metadata untuk diagnosis lingkungan

3.3.2 · Standar dan infrastruktur Indonesia

Indonesia memberlakukan standar metadata geospasial: SNI 8843-1:2019, SNI ISO 19115-2:2020 (akuisisi & pemrosesan), SNI ISO 19115-3:2021 (skema XML), dan SNI ISO 19157:2015 (kualitas). Metadata dipublikasikan melalui JIGN dan Ina-Geoportal (tanahair.indonesia.go.id) yang dikelola BIG. Untuk data statistik, Perpres 39/2019 (Satu Data Indonesia) menempatkan metadata sebagai pilar tata kelola. Di tingkat praktik, prinsip FAIR — Findable, Accessible, Interoperable, Reusable (Wilkinson et al., 2016) layak diadopsi untuk arsip tugas akhir: penamaan konsisten, kamus data, changelog, dan lineage.

3.3.3 · Dokumentasi analisis, bukan hanya data

Untuk Tugas 1, dokumentasikan setidaknya: daftar data, tautan, dan tanggal unduh; setiap transformasi (reproyeksi, pemotongan, reklasifikasi, dan agregasi) beserta parameternya; keputusan saat sumber data berbeda; serta keterbatasan yang telah diketahui. Dokumentasi ini memungkinkan penelusuran hubungan antara bukti dan rekomendasi pada Bab 10.

3.4.1 · Validitas: apakah kita mengukur yang kita maksud?

Validitas konstruk adalah pertanyaan paling mendasar: "kehilangan tutupan pohon" (tree cover loss) bukan "deforestasi"; "luas terbangun" bukan "urbanisasi". Ketidakcocokan konstruk tidak dapat diperbaiki dengan data lebih teliti — hanya dengan memilih indikator yang tepat. Studi kasus bab ini menunjukkan bagaimana satu kata ("deforestasi") menampung dua konstruk berbeda.

3.4.2 · Akurasi dan protokol Olofsson

Bedakan tiga akurasi: posisi, tematik, dan temporal. Akurasi tematik diuji dengan matriks galat terhadap sampel referensi (overall accuracy, user's/producer's accuracy).

Praktik baik Olofsson et al. (2014) — kini rujukan standar: (i) desain sampling probabilistik; (ii) data referensi lebih akurat dari peta yang dinilai; (iii) matriks galat dalam proporsi luas; (iv) luas kelas perubahan diestimasi dari sampel referensi — bukan dihitung dari piksel; (v) ketidakpastian sebagai interval kepercayaan; dan (vi) galat referensi dievaluasi. Konsekuensinya: angka luas dari peta adalah estimasi dengan selang ketidakpastian, bukan sensus kebenaran.

3.4.3 · Anatomi ketidakpastian

• Definisi — konstruk berbeda (tutupan pohon vs hutan permanen).
• Pengukuran — instrumen & kalibrasi.
• Klasifikasi — galat komisi/omisi.
• Skala/agregasi — MAUP, MMU.
• Temporal — periode & lag.
• Model — asumsi & parameter.

Bias sistematis lebih berbahaya daripada galat acak karena tidak hilang dengan penambahan sampel. Dalam rantai analisis, galat merambat: peta tutupan → model erosi → estimasi sedimentasi waduk menumpuk ketidakpastian tiap lapisnya — laporkan hasil akhir sebagai rentang.

3.4.4 · Triangulasi (Denzin) dan operasionalisasinya

Empat tipe triangulasi (Denzin, 1978): data, peneliti, teori, dan metode. Hasilnya bisa konvergen (saling menguatkan), komplementer (saling melengkapi), atau divergen (saling berbeda) — dan divergensi bukan kegagalan, melainkan temuan yang harus dipetakan.

Untuk diagnosis lingkungan:

1. Triangulasi sumber — resmi × penginderaan jauh × pemantauan lapangan × pengetahuan lokal.
2. Triangulasi metode — deskriptif × overlay spasial × wawancara/FGD.
3. Triangulasi temporal — tren jangka panjang × snapshot terbaru.
4. Protokol ketika sumber berbeda — baca metadata kedua sumber; identifikasi perbedaan definisi/metode/cakupan; uji apakah selisih dapat dijelaskan; laporkan keduanya dengan konteksnya; bila perlu, susun estimasi ketiga yang independen.

3.5.1 · Bukti selalu tertinggal dari keputusan

Perencana bekerja dengan data yang basi (rilis tertinggal 1–3 tahun), kasar (resolusi tidak sesuai skala keputusan), berubah definisi di tengah seri, dan tidak merata (daerah kaya data vs miskin data). Sementara keputusan tata ruang tidak bisa menunggu data sempurna. Pertanyaannya bukan "apakah data kita sempurna" melainkan "apakah keterbatasannya diketahui, diungkapkan, dan diperhitungkan".

3.5.2 · Dari prediksi tunggal ke ketangguhan lintas skenario

Ketika ketidakpastian dalam (tanpa konsensus model, parameter, maupun probabilitas masa depan), pendekatan "prediksi lalu optimalkan" rapuh. Literatur Decision Making under Deep Uncertainty (DMDU): Robust Decision Making menguji strategi pada ratusan–ribuan himpunan asumsi untuk menemukan strategi yang tangguh — cukup baik di banyak masa depan — alih-alih optimal pada satu prediksi (Lempert et al., 2003; 2024). Ini menjadi jembatan ke Bab 9 (skenario dan strategi terintegrasi).

3.5.3 · Kaidah jujur menyajikan bukti yang terbatas

1. Sajikan rentang dan sumber, bukan satu angka tunggal, bila estimasi kredibel berbeda.
2. Selalu lampirkan tahun, cakupan, satuan, metode, dan sumber primer pada setiap angka.
3. Bedakan tren dari level: dua sumber bisa sepakat arah (turun/naik) meski besarnya berbeda.
4. Jangan memilih angka yang "nyaman" secara politik — cherry-picking meruntuhkan kredibilitas.
5. Nyatakan apa yang tidak diketahui dan konsekuensinya bagi rekomendasi.
6. Rancang rekomendasi yang tetap masuk akal pada seluruh rentang bukti (prinsip ketangguhan).