Model Dinamika Spasial versus Model Spasial Dinamis

Mari kita telaah,

TATA KATA
saat membaca “model spasial dinamis” maka yang terlintas adalah sebuah gambaran analisis yang dimodelkan dengan data spasial berdasarkan variabel tertentu, yang mana bila variabelnya diubah akan mengakibatkan perubahan terhadap model spasialnya.
Kemudian, ada juga istilah “model dinamika spasial” yang terbayang adalah ada sebuah variabel yang diindikasi menyebabkan sesuatu, kemudian dihitung dengan algoritma tertentu, sebagian hasilnya ditampilkan kedalam rupa spasial dan sebagian lain berupa analisis-analisis kualitatif hasil kolaborasi variabel yang disertakan. Continue reading

Prinsip dan Fungsi GIS (Twitter Version)

01 Materi kultwit 29/03/2011 tentang Prinsip dan Fungsi GIS #RGF #GIS
02 Kultwit saya sebelumnya sudah membahas ttg komponen GIS : data vektor, data raster, dan data atribut #RGF #GIS
03 Data yg digunakan dalam GIS sering kali berasal dari berbagai sumber dan disimpan dg format yg berbeda #RGF #GIS
04 Sumber data terutama diperoleh dari digitasi manual, scanning foto udara, peta kertas, citra satelit, data GPS #RGF #GIS
05 Saat dikumpulkan, data tersebut belum tentu memiliki sistem proyeksi yang sama #RGF #GIS
06 Data dg sistem proyeksi yang sama memungkinkan data GIS dapat berintegrasi untuk kegiatan analisis lanjutan GIS #RGF #GIS
07 Untuk itu, proses integrasi dan standarisasi data dalam GIS menjadi proses yg sangat penting #RGF #GIS
08 GIS unggul dalam hal pengelolaan data #RGF #GIS
09 Keunggulan GIS mencakup : keamanan data, integritas data, penyimpanan dan pengambilan data, dan pemiliharaan data #RGF #GIS
10 Keunggulan tsb dirangkum dalam sebuah pengelolaan geodatabase #RGF #GIS
11 Apa beda Geodatabase dan Database (tanpa geo) ? #RGF #GIS
12 Ini untuk menegaskan bahwa geodatabase adl kumpulan data yang terstruktur dan memiliki unsur keruangan 🙂 #RGF #GIS
13 Salah satu aspek yang menarik dari teknologi GIS adl informasi yang dpt disajikan setelah pemrosesan data oleh GIS #RGF #GIS
14 Apa yang diperlukan selanjutnya adl kemampuan utk menafsirkan dan menganalisis informasi scr kualitatif dan kuantitatif #RGF #GIS
15 Ketika kebanyakan orang memulai sebuah proyek GIS, perhatian utamanya adl invest hardware&software yg harganya muahal banget #RGF #GIS
16 Hanya orang yang “benar2” mengerti GIS yang konsentrasi pada sistem GIS itu sendiri dan kualitas data yg diperoleh #RGF #GIS
17 Karena apa? hardware dan software dpt secara pasti ditentukan “cost”-nya #RGF #GIS
18 Sementara sistem dan kualitas data tidak dapat dipastikan berapa cost-nya #RGF #GIS
19 Maka saya berpendapat mungkin orang beranggapan bahwa GIS bernafas dari hardware & software yg diinvestasikan #RGF #GIS
20 Sementara kualitas sistem dan data dapat menggunakan prinsip “Garbage In Garbage Out” #RGF #GIS
21 Kualitas data rendah, maka jangan harap dapat informasi dg kualitas tinggi dr data tsb #RGF #GIS
22 Saya sering lihat di berbagai instansi daerah mereka punya data lengkap, segala citra satelit punya #RGF #GIS
23 Peta RBI lengkap se-provinsi/kabupaten. Hardware jangan ditanya, komputer keluaran terbaru paling canggih! #RGF #GIS
24 Tp setelah ditanya siapa yg mengoperasikan data2 tsb, Tdk bisa jawab #RGF #GIS
25 Ingat salah satu komponen GIS? yaitu SDM #RGF #GIS
26 Wlpun semua perlalatan canggih punya, data lengkap tapi ga ada yang bisa buka datanya, praktis kegiatan ber-GIS ga bisa jalan #RGF #GIS
27 SDM yang qualify utk menangani data2 GIS sangat diperlukan agar kegiatan ber-GIS tetap bisa jalan terus #RGF #GIS
28 SDM yang berkecimpung di dunia GIS rata2 yang majornya ilmu2 kebumian (yg kuliahnya ada “geo”nya) #RGF #GIS
29 Dari geografi, geodesi, geologi, geofisika, dll #RGF #GIS
30 Bahkan sekarang tdk lagi ada batasan major, krn sekarang sudah banyak jasa pelatihan/kursus GIS #RGF #GIS
31 Sayangnya, yang nempel dari kursus GIS pertama kali adl digitasi #RGF #GIS
32 Padahal digitasi hanya bagian kecil dari proses input data dalam GIS 🙂 #RGF #GIS
33 Parahnya orang beranggapan dg kursus GIS seminggu anda sudah bisa GIS #RGF #GIS
34 Peserta kursus jarang memperhatikan bhw program kursus dibagi menjadi bbrp tingkat : operator, analis, manager, programer GIS #RGF #GIS
35 Tingkatan tsb secara langsung menunjukkan tanggung jawab personil dalam kegiatan GIS #RGF #GIS
36 Biasanya open requirement GIS staff disebuah perusahaan sudah spesifik menyebutkan tanggung jawab pekerjaannya #RGF #GIS
37 Jadi utk menjaga profesionalitas, tidak perlu lah anda yg sudah menjadi Doktor melamar menjadi analis GIS 😀 #RGF #GIS
38 Dan begitulah prinsip ber-GIS dan fungsi GIS #RGF #GIS
39 Dengan demikian, Komponen GIS yang 5 sudah lengkap di-kultwitkan #RGF #GIS
40 SDM, Hardware, dan Metode (meskipun tidak spesifik) disinggung juga pada kultwit ini. #RGF #GIS
41 Software GIS (open source) pernah disampaikan @MySetiawan
42 Data raster pernah di kultwit @httsan
43 Data GIS secara umum disampaikan saya sendiri (arsip : http://tiny.cc/data-gis) #RGF #GIS
44 Sekian kultwit hari ini semoga membuka wawasan kita bersama bahwa GIS tidak melulu hardware dan software #RGF #GIS
45 Tapi ada hal penting lain yang perlu diperharikan, yaitu kualitas data dan SDM sebagai motor penggerak GIS #RGF #GIS
46 Salam 🙂

Kultwit – LSU

00 Menu kultwit siang ini adlaah Linear Spectral Unmixing (#LSU) #RGF
01 Mungkin beberapa teman (khususnya yg kenal saya) sudah cukup familiar dg #LSU #RGF
02 Karena saya sering membahas di blog tentang #LSU dan kegiatan2 yang berhubungan dg #LSU #RGF
03 Buat yang ingin tau, bisa berkunjung ke blog saya https://lisaontheblog.wordpress.com pencarian “Tentang LSU” #LSU #RGF
04 #LSU ini lingkupnya pengolahan citra satelit (remote sensing) untuk metode klasifikasi digital #LSU #RGF
05 #LSU merupakan salah satu metode klasifikasi digital yang kedalaman informasinya sampai pada level sub-piksel #LSU #RGF
06 Keunggulan metode ini a/ dpt mengetahui % keberadaan obyek sesuai dg jumlah objek yg dijadikan referensi dlm 1 piksel #LSU #RGF
07 Jadi, jika pada klasifikasi multispektral kita hanya dapat mengidentifikasi 1 objek dalam piksel, #LSU #RGF
08 dengan metode #LSU kita dapat mengetahui keberadaan beberapa objek dalam 1 piksel (ini yg dimaksud sub-piksel) #LSU #RGF
09 Metode #LSU menggunakan pendekatan pemisahan objek berdasarkan nilai spektral pada panjang gelombang tertentu #LSU #RGF
10 Jadi, jika kita menggunakan citra yang jumlah band-nya banyak (puluhan/ratusan) akan lebih baik drpd hanya bbrp band #LSU #RGF
11 dalam #LSU kita akan dipaksa familiar dg istilah “endmember”, “abundance map”, dsb 😀 #LSU #RGF
12 “endmember” adalah bahasa kerennya objek kajian atau objek referensi atau nilai spektral murni dr suatu objek #LSU #RGF
13 Endmember dapat diekstrak dari citra satelit (dg resolui lebih besar drpd citra satelit utk proses LSU) #LSU #RGF
14 Endmember juga bisa didapat dari pengukuran nilai pantulan objek di lapangan #LSU #RGF
15 Cerita ttg pengukuran nilai pantulan objek dilapangan ada di blog dg pencarian “Field Spectrmetry” #LSU #RGF
16 “abundance map” adalah citra hasil dari proses #LSU yg data statistiknya menggambarkan % endmember #LSU #RGF
17 Sementara abundance map sendiri tampilannya gray color yang nilai pikselnya berada pada rentang 0 – 1 (0-100%) #LSU #RGF
18 Nah, kebelakang saya akan sering menyebutkan “endmember” dan “abundace map”. Diinget-inget yah :p #LSU #RGF
19 Jika dilihat dari “kepemilikan” metode klasifikasinya, #LSU adalah miliknya data2 hyperspectral #LSU #RGF
20 Apa itu data hyperspectral, tanya @httsan 😀 (serangan balik lempar granat) #LSU #RGF
21 Tapi, metode ini tidak menutup kemungkinan dengan penggunaan citra multispektral #LSU #RGF
22 Sebagai metode klasifikasi yg sangat hyperspektral, proses #LSU harus memenuhi berbagai persyaratan yaitu : #LSU #RGF
23 1-jumlah endmember adalah n-1 (n = jumlah band citra yang digunakan) #LSU #RGF
24 misalnya, kita akan melakukan klasifikasi thd 5 kelas jenis tumbuhan, maka jumlah minimal band citra adl 6. #LSU #RGF
25 Ini terkait dengan algoritma pemisahan yg berlaku pada (gambar 1) #LSU #RGF
26 Makanya kl kita menggunakan citra hyperspektral tidak akan masalah (krn bandnya banyak) #LSU #RGF
27 2-panjang gelombang endmember dan citra yg akan diolah #LSU harus dalam satu range #LSU #RGF
28 misalnya, endmember kita ambil dari citra quickbird (QB) multispektral trus kita akan pakai citra landsat utk LSUnya #LSU #RGF
29 maka yg harus diperhatikan adl panjang gelombang citra landsat mesti sama rangenya dg QB #LSU #RGF
30 Kalau di QB pjg gel nya dari 0,4 – 0,9 maka band citra landsat jg harus di potong dari 0,4 – 0,9 saja #LSU #RGF
31 3-Pastikan bahwa nilai spektral endmember sama dengan DN pada citra yang akan diolah LSU #LSU #RGF
32 misalnya yang digunakan nilai reflektansi, maka citra utk #LSU mesti dikonfersi ke reflektansi juga dsb #LSU #RGF
33 DN bebas boleh reflektansi, nilai radiasi, nilai tinggi, yang penting sama dengan nilai spektral objek #LSU #RGF
34 Rulenya yang paling penting kira2 itu #LSU #RGF
35 Untuk prosesnya, #LSU bisa di”mainkan” dg software pengolahan citra sementara yg saya tau baru ENVI #LSU #RGF
36 Kalau di ENVI #LSU ada ditools Spectral > Mapping Methods > Linier Spectral Unmixing #LSU #RGF
37 Selamat mencoba. Sekian kultwit hari ini #LSU #RGF

Gambar 1

Algoritma LSU

Gambar 2

Metode Analisis LSU dalam Gambar

Citra MODIS

MODIS merupakan sensor yang dimaksudkan untuk menyediakan data darat, laut, dan atmosfer secara berkesinambungan. Sensor MODIS terpasang pada satelit Terra dan Aqua. Satelit Terra dan Aqua dirancang juga untuk membawa sensor lain yaitu AVHRR dan CZCS. Satelit Terra dan Aqua memiliki orbit selaras matahari (sun synchronous) dan dekat kutub (near-polar). Satelit mengorbit bumi 2 hari sekali dengan ketinggian 705 kilometer diatas permukaan bumi. Field of View MODIS adalah ±55o dan lebar sapuan 2330 km.

Citra yang dihasilkan memiliki tiga resolusi spasial yaitu 250 meter, 500 meter, dan 1000 meter. Dengan total karakteristik panjang gelombang 36 buah saluran dan 12-bit kepekaan radiometrik. Sensor MODIS yang terpasa pada satelit Terra dan Aqua dapat mengukur hampir semua parameter darat, laut, dan udara sehingga kegunaannya menjadi sangat luas. Mulai dari indeks tumbuhan, kelembaban tanah, kadar aerosol di udara, suhu permukaan laut, dan kandungan klorofil laut, yang seluruhnya ada 86 parameter sehingga banyak keperluan lain yang bisa ditumpangkan. Citra Modis dapat diperoleh gratis melalui pemesanan di internet. Continue reading

Harimau Berworkshop

Saat mendengar kata harimau yang terbayang pasti si kucing besar yang buas itu. Harimau yang disini adalah salah satu program yang sedang berjalan di PTISDA BPPT. Harimau singkatan dari Hydrometeorological ARay for ISP Monsoon AUtomonitoring.

Setelah setahun ini bergerilya di sawah mencari organisme pengganggu tumbuhan,  kini saatnya publikasi hasil yang diperoleh dalam kegiatan Harimau. Tanggal 5 November 2009, PTISDA BPPT bekerja sama dengan BPP-OPT mengadakan Workshop Aplikasi Radar Cuaca untuk Peramalan Organisme Pengganggu Tumbuhan (OPT).

Rangkaian acara selama workshop adalah laporan-laporan kegiatan selama penelitian, aplikasi yang diterapkan untuk peramalan OPT, serta launching produk dari analisis peramalan OPT.

Produk yang di luncurkan berupa website peta sebaran OPT seluruh Indonesia. Yang dikerjakan tim BPPT dan data supportnya adalah tim dari BBP-OPT Jatisari, Karawang. Continue reading

Indah dan Cemas di Pantai Pulo Merah

panoramic pantai PUlo Merah

Pulo Merah Beach in panoramic frame

Survey ke Banyuwangi awal agustus lalu membawa saya (bersama tim, tentu saja) sampai di Pantai Pulo Merah. Salah satu tempat wisata yang letaknya di Desa Pancer, Kecamatan Pesanggaran, Kabupaten Banyuwangi. Pantai pasir putih yang menurut saya biasa saja, menjadi lebih cantik dengan adanya bukit kecil dibibir pantai. Khas. Saat air surut pengunjung bisa berjalan kaki ke bukit ini. Jangan lupa waktu kalau tidak mau terpaksa menginap semalaman di bukit itu.

Bukit yang menurut saya tidak kecil, kurang lebih 50 meter, ini kemungkinan adalah sisa proses denudasional dari tebing yang jauh disana (Gn.Tumpang Pitu) sehingga tampak terisolasi dari kawanannya. Saat kemarau, pohon-pohon di bukit itu meranggas, membuat karang di bukit terlihat jelas. Warnanya kemerahan. Konon, hal inilah yang membuat warga di sekitar pantai itu menyebut bukit tersebut Pulo Merah. Continue reading

Get Your Direction

 

Hari ini dapat kejutan dari google maps. Awalnya seperti biasa, hanya ingin mengintip subuah lokasi di Jakarta ternyata yang kudapatkan tidak hanya lokasi tujuanku tapi sedikit dieksplore ternyata google maps dengan apik menyajikan jalan mana yang harus ditempuh dari asal ke tujuan yang ditentukan. Ditambah dengan informasi nama jalan, jarak dan waktu tempuh. Sebagai catatan, rute yang disarankan disini menggunakan mobil, sehingga jalur yang dilewati adalah jalan raya, bukan jalan lingkungan/kampung.

Fasilitas ini sangat membantu orang-orang sepertiku yang senang jalan tapi tak tahu jalan. Karena untuk Kota Jakarta sendiri informasi jalan yang ditampilkan sudah cukup detil, sampai tingkat jalan lingkungan atau jalan kampung. Aku tidak tahu pasti kota mana saja yang informasinya selengkap Jakarta, belum sempat mengeksplor.

bppt-bakmijawa 

Gambar ini adalah halaman google maps saat menampilkan rute jalan. Contonya rute dari kantor (BPPT – Jl.Thamrin) ke tempat kumpul anak-anak Rogads di Bakmi Jawa Kalibata.

Garis biru adalah rute yang disarankan. Garis Orange adalah Jalan Protokol, Garis kuning adalah jalan lokal/jalan raya. Kalau diperbesar lagi nanti muncul garis putih, yaitu jalan lingkungan.

interface GM

Di-sidebar tertulis : Jalan MH Thamrin to Jalan Kalibata 13.3 km, 17 mins. Kemudian dibawah keterangan jarak dan waktu tempuh ada informasi detil driving direction, dimana harus belok, dimana haru berputar arah, dsb. Dijamin ga bakalan nyasar kalo ngikutin rute ini.

NB : tulisan ini coba diposting langsung dari Windows Live Writer. Info lengkapnya dari weblognya fahmi.

Get your direction, now!

😀