Update 2026: Digitasi Peta Modern (PDF, Drone, AI)

Dulu, tahun 2010 ketika blog ini pertama kali dibuat, digitasi peta masih manual banget. Scan peta cetak pakai scanner biasa, terus di-trace satu-per-satu pakai mouse di ArcGIS. Proses yang menyiksa dan memakan waktu berhari-hari.

Sekarang tahun 2026, teknologi sudah jauh berbeda. Drone murah meriah, AI bisa auto-detect objek di peta, bahkan PDF peta bisa langsung di-extract tanpa trace manual.

Artikel ini adalah update 2026 dari tutorial digitasi lama di blog ini. Saya akan bahas:

1. Cara digitasi modern (PDF, Drone, AI)
2. Tool yang sekarang tersedia (banyak yang gratis!)
3. Kesalahan umum yang masih sering terjadi

Mari kita mulai.

---

Apa Itu Digitasi Peta?

Digitasi peta adalah proses mengubah peta fisik (kertas/scan) menjadi data digital (vector/shapefile) yang bisa diolah di software GIS.

Contoh Use Case:

Scenario 1: Peta BPN (Batas Tanah)

• Anda terima sertifikat tanah dari BPN dalam bentuk PDF scan
• Butuh data digital (shapefile) untuk input ke database
• Solusi: Digitasi PDF → Shapefile

Scenario 2: Peta Lama Desa (Tahun 1980-an)

• Peta batas desa cuma ada versi cetak (kertas kusut)
• Butuh update untuk pemetaan modern
• Solusi: Scan → Georeference → Digitasi

Scenario 3: Foto Udara Drone

• Hasil survey drone (orthophoto) perlu di-extract objek (jalan, bangunan, sungai)
• Solusi: AI auto-detection → Shapefile

---

Metode Digitasi Tahun 2010 vs 2026

Cara Lama (2010-2015):

Step 1: Scan peta cetak pakai scanner A3 (resolusi rendah, hasil blur)
Step 2: Georeference manual di ArcGIS (pilih Ground Control Point satu-per-satu)
Step 3: Trace garis/polygon pakai mouse (klik-klik berjam-jam)
Step 4: Edit vertex manual (kalau garis tidak presisi)
Step 5: Export ke shapefile

Waktu: 1 peta sederhana = 4-8 jam kerja 😰

Tools:

• ArcGIS Desktop (lisensi mahal)
• QGIS (gratis tapi interface ribet)
• Mouse biasa (tangan pegal!)

---

Cara Modern (2020-2026):

Step 1: Import PDF/Drone image langsung (no scanner needed)
Step 2: Auto-georeference (AI detect GCP otomatis)
Step 3: AI auto-trace (machine learning detect garis/objek)
Step 4: Manual refinement (cuma koreksi error AI, bukan trace dari nol)
Step 5: Export multi-format (SHP, KML, GeoJSON)

Waktu: 1 peta sederhana = 30 menit - 2 jam ⚡

Tools:

• QGIS 3.x (lebih user-friendly sekarang)
• Galerigis Pro (local GIS software Indonesia, drag-drop oriented)
• AI-powered tools (ESRI ArcGIS Pro, Google Earth Engine)

---

3 Teknik Digitasi Modern (2026)

Teknik 1: Digitasi dari PDF Vektor ⭐⭐⭐

Use Case: PDF peta dari instansi pemerintah (BPN, PUPR, Dinas)

Cara Lama:

• Buka PDF di Adobe Reader
• Screenshot/print
• Trace manual di GIS software
• Hasil: Tidak akurat, banyak error

Cara Modern:

• Import PDF langsung ke QGIS/Galerigis Pro
• Software auto-extract vector layer (jika PDF memang vector-based)
• Edit minor adjustment
• Export shapefile
• Hasil: Akurat 95%+, cepat

Tools:

• QGIS: Plugin "ImportPDF" atau "Another DXF Importer"
• Galerigis Pro: Native PDF import (drag-drop)
• ArcGIS Pro: Data Interoperability Extension

Tutorial Singkat (QGIS):

1. Layer → Add Layer → Add Vector Layer
2. Source Type: File
3. Pilih file PDF Anda
4. QGIS akan detect layer otomatis
5. Jika tidak muncul, convert dulu PDF → DXF pakai tool online
6. Import DXF → Shapefile

Catatan Penting:

• PDF harus vector-based (bukan scan image)
• Cek dengan zoom in 500%, jika masih tajam = vector, jika blur = raster/image

---

Teknik 2: Digitasi dari Foto Drone (Orthophoto) ⭐⭐⭐

Use Case: Survey lapangan pakai drone, hasil orthomosaic perlu di-extract objek

Workflow Modern:

Step 1: Proses Drone Image → Orthophoto

• Software: Agisoft Metashape, Pix4D, DroneDeploy
• Input: 200-500 foto drone
• Output: Orthophoto GeoTIFF (geo-referenced)

Step 2: AI Auto-Detection

• Software: ESRI Deep Learning, Google Earth Engine, QGIS + TensorFlow plugin
• Target: Bangunan, jalan, pohon, sungai
• Output: Shapefile otomatis (80-90% akurat)

Step 3: Manual Refinement

• Software: QGIS, ArcGIS Pro, Galerigis Pro
• Action: Koreksi error AI (misal: bayangan pohon terdeteksi sebagai bangunan)
• Waktu: 1-2 jam untuk peta 100 hektar

Step 4: Validation & Export

• Cross-check dengan foto lapangan
• Export shapefile final

Waktu Total: 1 hari (vs 1 minggu cara manual lama)

---

AI Models untuk Auto-Detection:

1. Building Detection:

• Microsoft Building Footprints (gratis, dataset global)
• SpaceNet Dataset + Training

2. Road Detection:

• DeepGlobe Road Extraction Challenge models
• MapBox Satellite Imagery

3. Land Cover Classification:

• Google Dynamic World (10m resolution, real-time)
• ESA WorldCover (10m, global)

---

Teknik 3: Digitasi dari Peta Scan (Raster Image) ⭐⭐

Use Case: Peta lama (1980-2000) cuma ada versi cetak atau scan JPG/PNG

Workflow 2026:

Step 1: Scan dengan Resolusi Tinggi

• Minimal: 300 DPI
• Recommended: 600 DPI untuk peta detail
• Format: TIFF (lossless, better than JPG)

Step 2: Georeference

• Software: QGIS Georeferencer, ArcGIS Georeference tool
• New in 2026: AI-assisted GCP (Ground Control Point) detection
  • Software auto-detect koordinat grid di peta
  • User tinggal konfirmasi
  • Akurasi: 90%+

Tutorial QGIS Georeferencer:

1. Raster → Georeferencer
2. Open Raster: Pilih scan peta Anda
3. Add Point: Klik lokasi yang Anda tahu koordinatnya
4. Input koordinat reference (dari Google Maps atau GPS)
5. Repeat untuk 4-6 titik (minimal)
6. Settings: Transformation = Polynomial 1 atau 2
7. Start Georeferencing
8. Output: GeoTIFF

Step 3: Auto-Vectorization

• Software: ArcScan (ArcGIS), QGIS Raster to Vector
• New: AI-powered vectorization (trace garis otomatis)
• Akurasi: 70-80% (butuh manual cleanup)

Step 4: Manual Cleanup

• Hapus noise (titik-titik kecil hasil salah deteksi)
• Koreksi topology error (gap, overlap)
• Snap vertices (pastikan garis bertemu sempurna)

Waktu Total: 3-4 jam (vs 8-12 jam cara lama)

---

Tool Rekomendasi 2026

1. QGIS 3.34+ (Gratis, Open Source) ⭐⭐⭐

Kelebihan:

• ✅ Gratis selamanya
• ✅ Plugin ecosystem luas (PDF import, AI detection, dll)
• ✅ Cross-platform (Windows, Mac, Linux)
• ✅ Format support lengkap (SHP, KML, GeoJSON, PDF, DXF)

Kekurangan:

• ❌ Kurva belajar lumayan (butuh 1-2 minggu untuk mahir)
• ❌ Interface kompleks untuk pemula
• ❌ Proses banyak klik (15-20 step untuk task sederhana)

Best For: GIS professional, mahasiswa, yang punya waktu belajar

Download: https://qgis.org

---

2. Galerigis Pro (Lokal Indonesia, Drag-Drop) ⭐⭐⭐

Kelebihan:

• ✅ Interface sederhana (drag-drop oriented)
• ✅ 100% offline (data aman, tidak upload ke cloud)
• ✅ Native PDF/GeoTIFF import
• ✅ Auto-detect koordinat sistem (UTM, Geographic)
• ✅ Support Bahasa Indonesia
• ✅ Digitasi manual tools (point, line, polygon)

Kekurangan:

• ⚠️ Berbayar (trial 7 hari gratis, subscription Rp 200k/bulan)
• ⚠️ Fitur AI masih terbatas (belum se-advanced ArcGIS Pro)

Best For: Surveyor, konsultan, tim lapangan yang butuh tools praktis

Info: https://galerigis.com/pro

---

3. ArcGIS Pro (Premium, Komersial) ⭐⭐

Kelebihan:

• ✅ AI-powered tools (auto-detection, classification)
• ✅ Deep Learning integration (TensorFlow, PyTorch)
• ✅ Enterprise-grade (untuk perusahaan besar)

Kekurangan:

• ❌ Harga mahal (Rp 30 juta/tahun)
• ❌ Butuh hardware powerful (RAM 16GB+)
• ❌ Overkill untuk proyek kecil-menengah

Best For: Perusahaan besar, institusi pemerintah dengan budget

---

4. Google Earth Engine (Cloud-Based, Gratis) ⭐⭐

Kelebihan:

• ✅ Gratis untuk penelitian/non-profit
• ✅ Cloud processing (tidak butuh PC kuat)
• ✅ Dataset global built-in (Landsat, Sentinel, dll)
• ✅ AI/Machine Learning ready

Kekurangan:

• ❌ Butuh coding (JavaScript/Python)
• ❌ Tidak cocok untuk digitasi detail manual
• ❌ Butuh internet stabil

Best For: Researcher, data scientist, yang punya skill programming

---

Kesalahan Umum Digitasi (dan Cara Menghindarinya)

Error #1: Salah Sistem Koordinat 🚨

Scenario: Anda digitasi peta Jawa Tengah, hasil shapefile "loncat" ke Afrika atau tengah laut saat di-overlay dengan peta lain.

Penyebab:

• Sistem koordinat tidak di-set (default WGS84, padahal peta asli UTM Zone 49S)
• Atau sebaliknya (set UTM tapi data aslinya Geographic)

Solusi:

1. Selalu cek sistem koordinat peta sumber sebelum digitasi
2. Set CRS (Coordinate Reference System) yang benar di awal
3. Untuk peta Indonesia, paling umum:
   • WGS84 Geographic (Latitude/Longitude)
   • UTM Zone 48S (Jawa Barat, Jakarta)
   • UTM Zone 49S (Jawa Tengah, Jawa Timur)
4. Gunakan tool UTM Zone Detector untuk auto-detect zona: https://galerigis.com/tools/utm-zone-detector

Artikel terkait: Panduan Pemetaan Desa - Mengatasi Masalah Koordinat

---

Error #2: Resolusi Scan Terlalu Rendah

Scenario: Scan peta cetak pakai resolusi 150 DPI, hasil blur, susah lihat detail.

Solusi:

• Minimal 300 DPI untuk peta skala 1:50,000
• 600 DPI+ untuk peta detail (skala 1:5,000 atau lebih besar)
• Format: TIFF (lossless) > PNG > JPG (lossy, avoid kalau bisa)

---

Error #3: Topology Error (Gap, Overlap, Dangling Nodes)

Scenario: Hasil digitasi punya gap kecil antar polygon, atau overlap yang tidak disengaja.

Solusi:

• Gunakan Topology Checker di QGIS:

  Vector → Topology Checker → Set Rules (No Gaps, No Overlap)

• Enable Snapping saat digitasi:

  Settings → Snapping Options → Enable Snapping (Tolerance 10 pixels)

• Run Fix Geometries setelah digitasi selesai:

  Processing → Toolbox → Fix Geometries

---

Error #4: Terlalu Banyak Vertex (Over-Digitizing)

Scenario: Digitasi garis/polygon dengan terlalu banyak vertex (titik), file jadi besar dan lambat.

Solusi:

• Gunakan tool Simplify setelah digitasi:

  Vector → Geometry Tools → Simplify
  Tolerance: 1-5 meter (sesuaikan dengan akurasi yang dibutuhkan)

• Saat digitasi manual, klik vertex hanya di sudut/belokan signifikan, jangan setiap 1 cm

---

Error #5: Tidak Backup Progress

Scenario: Digitasi 6 jam non-stop, tiba-tiba software crash, data hilang.

Solusi:

• Save setiap 15-30 menit (Ctrl+S is your friend!)
• Gunakan fitur Auto-save kalau ada
• Backup file ke cloud/external drive setiap sesi selesai

---

Workflow Digitasi Recommended (2026)

Ini workflow modern yang saya pakai sekarang (jauh lebih efisien dari 2010):

For PDF Peta:

1. Import PDF langsung ke QGIS/Galerigis Pro
2. Check apakah vector-based (zoom 500%, masih tajam?)
3. Jika ya: Extract layer → Clean topology → Export SHP
4. Jika tidak (raster): Lanjut ke workflow "Peta Scan"

Waktu: 30 menit - 1 jam

---

For Peta Scan (JPG/PNG/TIFF):

1. Scan 600 DPI, format TIFF
2. Georeference di QGIS (4-6 GCP)
3. Enable AI-assisted GCP detection (jika tersedia)
4. Auto-vectorization (70-80% akurat)
5. Manual cleanup (20-30% effort)
6. Topology check & fix
7. Export SHP

Waktu: 2-4 jam

---

For Drone Orthophoto:

1. Process drone images → Orthomosaic (Pix4D/Metashape)
2. Import GeoTIFF ke QGIS
3. Run AI auto-detection (building/road/land cover)
4. Manual refinement (koreksi error AI)
5. Validation dengan foto lapangan
6. Export SHP

Waktu: 1 hari (untuk area 100 hektar)

---

Penutup: Digitasi 2026 vs 2010

Yang Berubah:

• ✅ Waktu: 8 jam → 2 jam (75% lebih cepat!)
• ✅ Akurasi: Manual → AI-assisted (90%+ akurat)
• ✅ Tools: Mahal/ribet → Gratis/user-friendly
• ✅ Format: SHP only → Multi-format (KML, GeoJSON, PDF)

Yang Tidak Berubah:

• ⚠️ Tetap butuh pemahaman dasar GIS (koordinat, topology)
• ⚠️ Manual cleanup masih diperlukan (AI belum 100% akurat)
• ⚠️ GIGO: Garbage In, Garbage Out (scan blur = hasil jelek)

---

Untuk Anda yang baru mulai belajar pemetaan desa atau digitasi peta:

Blog ini (gisdanremotesensing.blogspot.com) sudah berusia 16 tahun sejak 2010. Banyak tutorial lama yang masih relevan konsepnya, tapi tools dan cara kerjanya sudah berbeda drastis.

Saya akan terus update artikel-artikel lama dengan badge "Update 2026" seperti ini, agar Anda dapat workflow terkini.

Artikel terkait yang wajib dibaca:

• Panduan Lengkap Pemetaan Desa (Update 2026)
• Software Pemetaan Offline Terbaik
• UTM Zone Detector - Cek Zona UTM File Shapefile

---

Pertanyaan atau butuh bantuan digitasi?

Silakan comment di bawah atau hubungi saya via email. Saya akan coba bantu sesuai waktu yang ada.

Happy mapping! 🗺️

Jual Data GIS

Ingin punya data gis dengan cepat, mudah dan dengan harga bersaing,

silahkan mampir di website kami

http://galerigis.com/

digitasi peta format pdf

pernah gak kalian mengalami ketika kita dihadapkan pada peta browse berformat pdf dan anda diminta bos anda untuk melakukan digitasi

hmm..sekarang saya akan memberikan solusinya kepada anda..caranya adalah dengan membuka book pdf tersebut lewat adobe photoshop..buka file--->open as pdf-->trus book tersebut di save as ke architecture tiff

dan datanya siap anda digit

cara yang simpel namun sangat able :D

Aplikasi GIS dalam pengelolaan SDA

Berikut dua contoh pengelolaan GIS dalam pengelolaan SDA:


1.  Prioritas Breadth Rehabilitasi Hutan dan Lahan (RHL)
 
Formulasi permasalahan
 
Upaya Rehabilitasi Hutan dan Lahan (RHL) sangat penting untuk memulihkan kembali fungsi lahan yang kritis. Yang dimaksud dengan lahan kritis adalah lahan yang telah mengalami kerusakan sehingga kehilangan atau berkurang fungsinya sampai pada batas toleransi. Sasaran kegiatan RHL adalah lahan-lahan dengan fungsi lahan yang ada kaitannya dengan kegiatan rehabilitasi dan penghijauan, yaitu fungsi kawasan hutan lindung, fungsi kawasan hutan lindung di luar kawasan hutan dan fungsi kawasan budidaya untuk usaha pertanian.


Kriteria yang digunakan
 
Kriteria kegiatan Rehabilitasi Hutan dan Lahan mengacu kepada dokumen ’Standar dan Kriteria Rehabilitasi Hutan dan Lahan’, yang merupakan Lampiran dari SK Menteri
Kehutanan No. 20/Kpts-II/2001 tentang Pola Umum dan Standar serta Kriteria Rehabilitasi Hutan dan Lahan.
Konsep Dasar
• RHL adalah segala upaya untuk memulihkan dan mempertahankan fungsi sumberdaya hutan dan lahan.
• RHL diselenggarakan pada semua kawasan hutan dan lahan yang kritis dan tidak produktif.
• RHL dilaksanakan berdasarkan kondisi spesifik biofisik dan potensi masyarakat setempat.
• RHL dilaksanakan dengan pendekatan partisipatif dalam rangka pengembangan kapasitas masyarakat.


Metodologi

Sebelum kita bisa menentukan langkah-langkah yang diperlukan, kita harus memformulasikan permasalahan, menyesuaikan dengan abstracts yang ada dan memilih
operasi yang perlu diambil untuk menjawab permasalahan. Langkah-langkah yang perlu dijalankan adalah identifikasi abstracts dasar, pemrosesan abstracts dasar menjadi abstracts yang dapat menentukan tingkat kekritisan suatu area, dan yang terakhir adalah analisa
hasil
Identifikasi abstracts dasar
Dalam hal pembuatan peta Lahan Kritis (LHK), kita mengidentifikasi data-data dasar yang berkaitan dengan kekritisan lahan sebagai berikut:
• DEM (Digital Elevation Model) dari peta kontur yang diambil dari Peta Rupabumi Indonesia, skala 1:50.000 produksi Bakosurtanal. DEM adalah suatu citra yang secara akurat memetakan ketinggian dari permukaan bumi. DEM ini dibuat dari peta kontur,
peta aliran sungai dan peta titik tinggi dengan resolusi 30 meter.
• Peta Tata Guna Hutan Kesepakatan, diperoleh dari Departemen Kehutanan.
• Peta Rencana Tata Ruang dan Wilayah Propinsi, diperoleh dari Bappeda Tk I.
• Peta Penutupan Lahan 1996 hasil klasifikasi citra Landsat TM.
• Peta Kebakaran Hutan 1997/1998 produksi GTZ/IFFM.
• Peta Kesesuaian Lahan 1:250.000 produksi RePPProT.
Proses pengolahan abstracts dasar
Dari abstracts dasar yang ada, kemudian kita proses menjadi abstracts yang dapat digunakan untuk menentukan tingkat kekritisan suatu area. Proses yang dijalankan adalah:
• Kelas kelerengan dibuat dari abstracts dasar DEM dengan cara membuat peta lereng, kemudian diklasifikasikan (1:0-8%, 3:8-15%, 5:15-25%, 7:25-40%, 10:>40%).
• Kelas fungsi dibuat dari peta TGHK (1:perairan, 2:area penggunaan lain, 3:hutan produksi yang bisa konversi, 4:hutan produksi, 5:hutan produksi
terbatas, 6:hutan lindung, hutan suaka alam dan wisata).
• Kelas peruntukkan dibuat dari peta RTRWP (1:kawasan lindung dan perairan, 2:kawasan budi daya kehutanan, 3:kawasan budi daya nonkehutanan).
• Kelas kerusakan dibuat dari peta Kebakaran hutan (1:no data, 2:tingkat kerusakan rendah, 3: tingkat kerusakan sedang, 4: tingkat kerusakan tinggi).
• Dari peta kesesuaian lahan dibuat peta jenis tanah untuk menghasilkan kelas erosi (1:gambut, 2:alluvium, 3:balsa tuff, 4:limestone, 5:sandstone).
• Kelas vegetasi dibuat dari peta penutupan lahan (1:hutan, 2:karet, 3:belukar tua, 4:belukar muda dan semak, 5:alang-alang dan daerah terbuka).

Tahapan Analisis Citra Digital

Analisis citra Landsat secara agenda dapat dikelompokkan atas (Lillesand dan Kiefer, 1990):


1. Pemulihan citra (image restoration)
Merupakan kegiatan yang bertujuan memperbaiki citra ke dalam bentuk yang lebih
mirip dengan pandangan aslinya. Perbaikan ini meliputi koreksi radiometrik dan
geometrik yang ada pada citra asli.
2. Penajaman citra (image enhancement)
Kegiatan ini dilakukan sebelum abstracts citra digunakan dalam analisis visual,
dimana teknik penajaman dapat diterapkan untuk menguatkan tampak kontras
diantara penampakan dalam adegan. Pada berbagai terapan langkah ini banyak
meningkatkan jumlah informasi yang dapat diinterpretasi secara beheld dari data
citra.
3. Klasifikasi citra (image classification)
Terdapat dua pendekatan dasar dalam melakukan klasifikasi citra yaitu
unsupervised classificatiom (klasifikasi tak terbimbing) dan supervised
classification (klasifikasi terbimbing). Klasifikasi tak terbimbing dilakukan
sebelum melakukan cek lapangan, sedangkan klasifikasi terbimbing dilakukan
setelah melakukan cek lapangan dengan panduan klasifikasi titik-titik koordinat
yang telah diambil dari lapangan. Berikut ini dijelaskan mengenai proses
klasifikasi tak terbimbing dan klasifikasi terbimbing.

Tahapan kegiatan yang dilakukan dalam klasifikasi tak terbimbing mengggunakan software Erdas Imagine 8.5 (Wijaya, 2004):

1. Menentukan jumlah kelas warna citra yang akan diklasifikasi (number of classes)
2. Mengatur kombinasi bandage yang digunakan dalam pengklasifikasian, dala penelitian
ini digunakan kombinasi bandage 5 4 3
3. Mengidentifikasi tiap-tiap kelas warna yang dihasilkan oleh proses klasifikasi
sesuai dengan tipe-tipe penutupan lahan yang telah ditetapkan
4. Menggabungkan kelas warna (recode) yang memiliki tipe penutupan lahan yang sama
5. Pemberian nama dan warna tipe-tipe penutupan lahan (attributing) hasil proses
recode

Pengenalan Penginderaan Jauh

Pengertian
Penginderaan jauh merupakan ilmu dan seni untuk memperoleh informasi suatu objek, daerah atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan objek, daerah atau fenomena yang dikaji (Lillesand dan Kiefer, 1990). Tujuan utama dari penginderaan jauh adalah mengumpulkan data dan informasi tentang sumberdaya alam dan lingkingan (Lo, 1995).

Penginderaan Jauh Sistem Satelit
Saat ini sistem satelit sebagai salah satu sistem penginderaan jauh menjadi perhatian utama dikarenakan kemampuannya dalam mengatasi kendala dalam keterbatasan dan lamanya operasi dari sistem penginderaan jauh. Penggunaan pesawat luar angkasa yang mengorbit secara teratur mengelilingi bumi dari ketinggian beberapa ratus kilometer menghasilkan pengamatan bumi yang teratur dengan alat-alat penginderaan jauh yang sesuai (Lo, 1995).

Proses Utama dalam Penginderaan Jauh
Menurut Lillesand dan Kiefer (1990) terdapat dua proses utama dalam penginderaan jauh, yaitu pengumpulan data dan analisis data. Elemen proses data dimaksud meliputi: a. Sumber energi, b. Perjalanan energi melalui atmosfer, c. Interaksi antara energi dengan kenampakan di muka bumi, d. Sensor warna pesawat terbang dan/ atau satelit dan e. Hasil pembentukan data dalam bentuk piktorial dan/ atau data numerik.

Pengenalan GIS

Dalam berbagai literatur SIG dianggap sebagai hasil dari perpaduan antara sistem komputer untuk bidang kartografi (Computer Aided Cartography) dengan teknologi base abstracts (database):


1. Pengorganisasian abstracts dan informasi
2. Menempatkan informasi pada tempat tertentu
3. Melakukan komputasi, memberikan ilustrasi keterhubungan satu sama lainnya
(koneksi) beserta analisa-analisa spasial lainnya


Berikut beberapa pengertian SIG yang telah beredar di berbagai pustaka:


1. SIG adalah sistem komputer yang digunakan untuk memanipulsi abstracts geografi.
Sistem ini diimplementasikan dengan perangkat keras dan perangkat lunak komputer
yang berfungsi untuk : a. Akuisisi dan verifikasi data, b. Kompilasi data, c.
Penyimpan data, d. Perubahan dan afterlight data, e. Manajemen dan pertukaran
data, f. Manipulasi data, g. Pemanggilan dan presentasi data, dan h. Analisa
data (Bern, 1992, dalam Prahasta, 2001)
2. SIG adalah kumpulan yang teroganisir dari perangkat keras komputer, perangkat
lunak, abstracts geografi dan personil yang dirancang secara efisien untuk
memperoleh, menyimpan, mengupadate, memanipulasi, menganalisis, menampilkan
semua bentuk informasi yang bereferensi geografis (ESRI, 1990)
3. SIG adalah sistem yang berbasiskan komputer yang digunakan untuk menyimpan dan
memanipulasi informasi-informasi geografis. SIG dirancang untuk mengumpulkan,
menyimpan dan menganalisis objek-objek dan fenomena dimana lokasi geografi
merupakan karakteristik yang penting atau kritis untuk dianalisis (Aronoff,
1989)
4. SIG adalah suatu fasilitas untuk mempersiapkan, mempresentasikan dan
menginpresentasikan fakta-fakta (kenyataan) yang terdapat dipermukaan
bumi(definisi umum). Untuk definisi yang lebih sempit, SIG adalah konfigurasi
perangkat keras dan perangkat lunak komputer yang secara khusus di rancang untuk
proses-proses akusisi, pengelolaan dan penggunaan abstracts kartografi [Tomlin90].
5. SIG adalah sistem informasi yang dirancang untuk bekerja dengan abstracts yang
tereferensi secara spasial atau koordinat geografi. Dengankata lain, SIG
merupakan sistem basisdata dengan kemampuan-kemampuan khusus dalam menangani
data yang tereferensi secara spasial, selain merupakan sekumpulan operasi-
operasi yang dikenakan terhadap abstracts tersebut [Star90]