Spatial analysis dengan ArcView – Bag 2

Setelah pada tulisan yang lalu kita menganalisis pengaruh lokasi, kondisi geografis, dan kandungan tanah terhadap produktivitas pertanian sekarang kita akan mencoba mencari lokasi yang optimal suatu toko berdasarkan informasi pelanggan, populasi, dan jarak toko yang ada saat ini.

Setelah mengeset satuan menjadi meter, tambahkan di view tiga shape file yang menjadi dasar penentuan lokasi toko seperti ditunjukkan pada gambar di atas. Untuk shape file Stores kita pertama-tama menentukan toko-toko yang ada saat ini yang memiliki keuntungan sebagai dasar perhitungan. Gunakan Querry untuk mencari toko-toko mana saja yang memiliki [Revenues] > 0.

Metode-metode pada postingan sebelumnya masih digunakan di latihan kali ini seperti reclassify, konversi shape file menjadi GRID, dan lain-lain. Saat mengkonversi yang penting untuk diperhatikan adalah outputnya, dalam latihan ini output diarahkan dengan View yang dibandingkan, misalnya ‘Same As Distance to Store.shp‘.

Jika dari Distance to Store, number of pupulation related to Store, dan perilaku pelanggan sudah terpetakan tinggal menghitung skor yang ada untuk ditampilkan hasilnya dalam format graduated colour. Jika tanpa bobot, tiga faktor itu tinggal dijumlahkan dan hasilnya dibagi tiga.

( [Reclass of Density from Pop.shp] + [Reclass of Distance to Stores.shp] + [Reclass of Group]) / 3

Jika diberi bobot, misalnya [Reclass of Distance to Stores.shp] memiliki bobot dua kali faktor yang lain maka kita tinggal mengalikan dengan dua. Tetapi ketika saya coba berkali-kali tidak berhasil, bahkan ArcView tiba-tiba closed, wahh .. untungnya project sudah saya simpan. Ternyata dengan menjumlahkan dua kali faktor yang berpengaruh dapat dihasilkan hitungan yang berbobot (Weighted). Tentu saja pembaginya juga ditambah, dari tiga menjadi empat (ingat cara menghitung Index Prestasi siswa kan?).

( [Reclass of Density from Pop.shp] + [Reclass of Distance to Stores.shp] + [Reclass of Distance to Stores.shp] + [Reclass of Group]) / 4

Kemudian dihasilkan gambar di bawah ini. Perhatikan makin gelap warna makin tinggi skor untuk toko didirikan di sana. Tentu saja masih banyak faktor lain yang perlu dipertimbangkan seperti tersedianya akses jalan, lahan parkir, dan sebagainya.

Delete SQL dengan Matlab

Mudah-mudahan mas yang menanyakan masalah DELETE data dengan Matlab sudah menemukan jawaban. Kalau belum, semoga postingan ini bermanfaat.

Berbeda dengan instruksi INSERT dan SELECT yang memasukkan data dan menampilkannya, instruksi DELETE harus didefinisikan dengan jelas record yang akan didelete. Untuk instruksi INSERT dan SELECT telah diuraikan pada postingan saya yang lalu ‘Koneksi Matlab dengan Sistem Basis Data‘. Berikutnya kita coba dengan instruksi DELETE.

Pastikan Anda sudah mengkoneksikan ODBC dengan tabel yang berisi X, dan Y yang berisi bilangan numerik.

Jika masih kosong, tambahkan tabel tersebut dengan instruksi ini:

>> insert(Conn,’lokasi’,data,[1,3])

>> insert(Conn,’lokasi’,data,[1,4])

>> insert(Conn,’lokasi’,data,[2,4])

>> insert(Conn,’lokasi’,data,[3,4])

>> Results=fetch(Conn,’select * from lokasi’)

Results =

[1] [3]

[1] [4]

[2] [4]

[3] [4]

Saya menggunakan tabel ini untuk menyimpan koordinat longitude dan latitude suatu lokasi. Dengan instruksi SELECT diketahui data sebagai berikut:

Database membutuhkan lokasi mana yang ingin dihapus. Misal kita ingin menghapus data pada tabel lokasi yang memiliki field x = 1, maka kita membutuhkan instruksi SQL Query ini:

>> deleteQuery = [‘delete from ‘,Conn.Instance,’ where’,’ x’,’ =’,’1′,’;’];

Dilanjutkan dengan mengeksekusinya:

>> hapus=exec(Conn,deleteQuery);

Jika Anda melihat isi dari lokasi diperoleh data bahwa seluruh record dengan field x =1 hilang.

>> Results=fetch(Conn,’select * from lokasi’)

Results =

[2] [4]

[3] [4]

Bagaimana jika field y yang dihapus? Mudah saja ganti saja ‘x’ dengan ‘y’, misal y=4 akan dihapus.

>> deleteQuery = [‘delete from ‘,Conn.Instance,’ where’,’ y’,’ =’,’4′,’;’];

Dilanjutkan dengan mengeksekusinya:

>> hapus=exec(Conn,deleteQuery);

>> Results=fetch(Conn,’select * from lokasi’)

Results =

[]

Tampak data dengan y=4 terhapus. Bagaimana jika ingin mengosongkan seluruh isi tabel? Gunakan Query: DELETE FROM <nama_tabel>;

 

 

Spatial Analysis dengan ArcView – Bag 1

Tingkat kesulitan praktikum ArcView kian sulit dari minggu ke minggu. Kali ini setelah mengikuti kuliah Data Manipulation and Analysis, dilanjutkan dengan praktek penerapannya di ArcView. Ada dua bagian yaitu menganalisa hasil panen suatu region dengan berbagai komponen, misalnya kandungan organik tanah, potassium dan variabel-variabel lainnya. Seperti biasa, kami diberikan data-data tentang region yang akan dianalisa.

Konversi Satuan

Buat project baru terlebih dahulu dan sebelumnya tambahkan ‘Spatial Analysis‘ pada extension di menu File. Satu hal penting adalah masalah satuan karena jika salah maka dampaknya akan buruk dari kualitas hasil pekerjaan kita di ArcView. Konversi satuan dapat dirubah setelah menambahkan satu View kemudian klik di Menu View – Properties. Dalam praktek di lab ini, kami menggunakan satuan Standar Internasional (SI) yaitu meter.

Lihat posting sebelumnya untuk menambahkan extension, juga teknik-teknik untuk membuat Event Theme dari data txt di bab ‘Georeference and GPS’.

Gambar titik-titik adalah lokasi pertanian dan kotak biru tersebut adalah peta pertanian dari shapefile. Berikutnya akan dilakukan interpolasi GRID terhadap hasil panen (Yield). Interpolasi merupakan satu metode analisa untuk memperkirakan nilai suatu titik/lokasi berdasarkan sebaran dari lokasi-lokasi yang melingkupinya. Untuk lokasi di luar lokasi-lokasi yang berdekatan diberi nama lain yaitu extrapolasi.

Gambar di atas adalah hasil interpolasi grid dari Yield. Teknik lain yang penting untuk diketahui adalah reclassify suatu data.

Reclassify

Reclassify adalah teknik merubah suatu nilai kontinyu menjadi interval, misalnya kita memiliki data usia dari 0 – hingga 80 tahun. Maka kita dapat melakukan klasifikasi, misalnya 0 – 5 tahun, 5 – 10 tahun, dan seterusnya.

Digital Elevation Model (DEM)

DEM merupakan model yang merepresentasikan elevasi / ketinggian suatu wilayah. Model ini memiliki bagian utama berupa data vektor, dan sebagai pelengkapnya adalah data raster. Selain DEM, dikenal juga Digital Terrain Model (DTM) dan Digital Surface Model (DSM). Data DEM bisa diperoleh lewat photogrammetry, LIDAR, ifSAR, survey tanah, dan sebagainya.

Tambah pada View data grid dari DEM yang telah kita miliki. Jika sudah maka kita memiliki pilihan pada Surface Menu. Buat Contour, Slope, dan Aspect di View Anda. Contour adalah garis dengan ketinggian yang sama, Slope adalah kemiringan dan Aspect adalah lokasi berdasarkan arah mata angin, misalnya North East, North West, dan sebagainya.

Gambar di atas contoh hasil analisa permukaan yang berupa garis Contour. Berikutnya dengan cara yang sama kita dapat membuat permukaan berdasarkan variabel-variabel yang menentukan hasil panen yaitu organic matter dan potasium misalnya. Ada satu kendala ketika diminta merubah nama Theme. Ternyata mudah saja dengan mengklik menu Theme – Properties dan ganti nama theme di kolom name. Hmm .. itulah gunanya praktek.

Membuat Grafik Histogram

Histogram adalah grafik yang menggambarkan sebaran frekuensi suatu data dengan suatu interval. Misalnya kita ingin mengetahui jumlah penduduk pada interval berapakah yang terbanyak? Di dalam kasus ini kita akan melihat grafik histogram antara hasil panen dengan sebaran potasium dan kandungan organik suatu wilayah sehingga kita dapat menarik kesimpulan hubungan keduanya (antara Yield dengan kandungan organik dan antara Yield dengan potasium).

Untuk membuatnya kita sorot Yield yang sudah kita reclassify kemudian klik Analysis – Histogram by Zone pada menu.

Setelah itu masuk ke Exercise II yang sedikit lebih rumit (Bersambung).