Resampling Raster: Dampak Nearest Neighbour, Bilinear, dan Cubic pada Analisis

## Mengapa nilai berubah

Reproyeksi memindahkan sel dari grid sumber ke grid tujuan. Karena pusat sel jarang berimpit, perangkat harus menentukan nilai baru. Resampling bukan operasi kosmetik: ia dapat mengubah kelas, nilai ekstrem, batas fitur dan statistik. Tentukan apakah tujuan hanya visualisasi atau analisis kuantitatif, serta apakah grid target perlu disejajarkan dengan raster lain.

Nearest neighbour memilih sel sumber terdekat dan mempertahankan nilai asli. Ini biasanya sesuai untuk kelas diskret seperti tutupan lahan atau kode kategori, karena tidak menciptakan kode pecahan. Namun batas bisa bergerigi dan sel kecil dapat hilang atau berubah posisi. Nilai tetap sama, tetapi geometri distribusinya tidak identik.

Bilinear menghitung kombinasi empat tetangga untuk permukaan kontinu sehingga tampilan lebih halus. Nilai baru dapat berbeda dari sumber dan mengurangi ekstrem. Cubic menggunakan tetangga lebih banyak dan dapat tampak lebih halus, tetapi bisa menghasilkan overshoot atau nilai di luar rentang lokal tergantung implementasi. Metode tidak dapat memulihkan pengukuran yang tak pernah ada.

## Klasifikasikan jenis raster

Sebelum memilih, periksa makna pixel: kelas nominal, kelas berurutan, intensitas kontinu, probabilitas, elevasi, jarak atau indeks. Kode kategori tidak boleh dirata-ratakan seperti suhu. Untuk raster ordinal, keputusan perlu dijelaskan; bilinear mungkin memberi nilai antara yang tidak memiliki makna kelas. Untuk probabilitas atau permukaan kontinu, interpolasi perlu mengikuti cara nilai dihasilkan dan penggunaan akhir.

No-data perlu ditangani khusus. Sel kosong dapat memengaruhi interpolasi di tepian dan menghasilkan halo atau area kosong. Tetapkan kebijakan dan inspeksi batas. Jangan mengganti no-data menjadi nol kecuali nol memang bermakna; nol sering ditafsirkan sebagai kondisi terukur. Pertahankan mask serta dokumentasi transformasi.

## Tetapkan grid dan proyeksi

Tentukan CRS target, ukuran sel, origin, extent dan alignment. Dua raster dengan ukuran sel sama belum tentu sejajar jika origin berbeda. Untuk analisis per piksel, snap ke grid referensi yang tepat dan catat pilihan tersebut. Untuk luas atau jarak, proyeksi harus cocok dengan wilayah dan jenis pengukuran; transformasi ke derajat geografis dapat menghasilkan unit yang tidak sesuai.

Resolusi tujuan tidak seharusnya lebih halus dari dukungan data tanpa alasan. Raster kasar yang dibuat halus hanya menambah sel hasil interpolasi. Saat menurunkan resolusi, pilih metode agregasi yang mempertahankan makna: rata-rata untuk besaran kontinu tertentu, nilai dominan untuk kelas jika sesuai, atau metode lain yang direncanakan. Jangan memakai satu metode untuk semua layer.

## Uji hasil pada sampel dan statistik

Simpan sumber dan buat salinan hasil reproyeksi. Bandingkan lokasi kontrol, histogram, frekuensi kelas, nilai minimum/maksimum serta luas kategori sebelum-sesudah. Untuk kategori, tabulasi perubahan kelas dapat mengungkap hilangnya patch kecil. Untuk kontinu, periksa perubahan nilai dan profil. Evaluasi pada batas, puncak, garis pantai, alur sempit atau fitur yang penting bagi tujuan.

Lakukan visualisasi berdampingan dengan skala warna yang sama; autoscaling dapat menyembunyikan perubahan. Periksa pixel yang bergeser saat overlay dan pastikan datum tidak tertukar. Bila hasil digunakan model, jalankan ulang pada opsi resampling alternatif yang wajar untuk melihat sensitivitas keputusan.

## Contoh dan kebiasaan dokumentasi

Tutupan lahan berkode kategori yang diproyeksikan ke CRS lokal umumnya perlu metode yang mempertahankan kode; setelahnya periksa area patch kecil dan nilai yang hilang. Model elevasi kontinu dapat menggunakan interpolasi halus untuk visualisasi, tetapi analisis hidrologi memerlukan evaluasi berbeda dan pemeriksaan alur. Produk yang tepat bergantung pertanyaan; jangan menjadikan pilihan default sebagai aturan universal.

Metadata hasil harus mencantumkan raster sumber, metode resampling, CRS, grid, ukuran sel, extent, penanganan no-data, perangkat lunak/versi, waktu dan pemeriksaan. Simpan log proses atau skrip. Rujukan teknis dapat dilihat pada dokumentasi resmi QGIS/GDAL (qgis.org; gdal.org) serta pemilik data. Pastikan lisensi dan definisi nilai. Bila resampling dapat memengaruhi keputusan yang sensitif, minta penelaahan GIS dan jangan menyamarkan hasil turunan sebagai observasi langsung.

## Uji kecil sebelum proses seluruh wilayah

Pilih jendela raster yang mengandung tepi kelas, nilai ekstrem, no-data dan fitur penting. Jalankan metode kandidat pada jendela itu lalu bandingkan tabulasi, profil dan peta selisih. Simpan parameter dan grid identik agar perbedaan memang berasal dari resampling, bukan origin atau extent. Jika hasil untuk keputusan berubah secara material, perluas pengujian dan jelaskan dampaknya.

Untuk raster kategori, hitung luas tiap kelas sebelum-sesudah dalam proyeksi yang sesuai, serta lihat kelas kecil yang mungkin lenyap. Untuk data kontinu, bandingkan rentang, bias dan nilai pada titik independen. Jangan menyimpulkan metode terbaik dari tampilan paling halus; kehalusan hanya satu sifat visual.

## Mengarsipkan raster turunan

Beri nama berkas yang mencantumkan sumber, CRS tujuan, grid, metode dan versi proses. Sertakan metadata dan log. Hindari menimpa sumber atau mencampur raster hasil dari pilihan berbeda dalam satu direktori tanpa identitas. Bila proyek mengubah keputusan setelah resampling, catat versi yang dipakai dan siapa menyetujui.

Selalu pertimbangkan apakah reproyeksi perlu dilakukan sama sekali. Beberapa layanan dapat menampilkan layer dengan proyeksi dinamis, tetapi analisis raster multi-layer umumnya membutuhkan grid yang terdefinisi. Dokumentasi GDAL/QGIS menjelaskan opsi implementasi; makna ilmiah tetap ditentukan oleh jenis data dan tujuan.

## Reproduksibilitas grid

Catat transformasi koordinat dan grid snap yang dipakai. Simpan extent serta ukuran sel secara numerik, sebab opsi “sama dengan layer” dapat merujuk layer berbeda pada proyek lain. Saat mosaik raster, cek apakah metode resampling dan no-data seragam di tiap ubin. Tepi ubin dapat menghasilkan seam yang tidak tampak pada satu layer.

Untuk proses berantai, jangan resample berulang kali. Setiap pemindahan grid dapat menambah perubahan. Kembalilah ke sumber asli untuk membuat hasil final dengan satu transformasi yang terdokumentasi, bukan menggunakan raster turunan berkali-kali.

## Contoh perubahan kelas

Jika nilai raster kategorikal memiliki kode 1, 2 dan 3, interpolasi kontinu dapat menciptakan 1.4 atau 2.6 yang tidak punya arti. Jika perangkat membulatkan angka tersebut, kelas dapat berubah dengan aturan tak terlihat. Periksa tipe data dan tabel atribut setelah proses; gunakan metode sesuai definisi kategori.

Untuk kontinu, metode lebih halus pun tidak selalu lebih akurat. Evaluasi tujuan, skala serta referensi. Simpan perbandingan hasil dan justifikasi dalam metadata, terutama jika raster menjadi input untuk ambang atau klasifikasi berikutnya.