Membuat Peta Jarak Lokasi Tertentu dengan ArcGIS

Jika pada tulisan sebelumnya menggunakan ArcView, di sini kita coba dengan ArcGIS. Misalnya jarak tertentu terhadap lokasi pusat polusi (suara, udara, tanah, bau, dll). Kebetulan saya adanya untuk wilayah kota bekasi. Buka shapefile peta lokasi yang akan kita buat jaraknya. Cara terbaik buat orang awam atau pelupa seperti saya adalah dengan search lewat windowssearch (Ctrl-F).

Cari “distance” di kolom search yang akan memunculkan seluruh toolbox yang berhubungan dengan jarak. Pilih euclidean distance yang artinya metoda yang dipakai adalah jarak euclidean yaitu jarak geometris antara satu titik dengan titik lainnya. Emang ada jarak yg lain? ya ada banyak, mahalanobis, manhattan, dll atau juga istilah jarak ketika sesorang bilang ” sebaiknya kita jaga jarak” ..

Masukan sumber lokasi, beri nama target shapefile dan lanjut dengan mengisi environment. Kenapa harus masuk ke environment? Alasannya bisa liat di tulisan sebelumnya (sorry bhs inggris). Masuk environment dst … (lihat link itu), hasilnya adalah seperti ini.

Untuk apa sih itu? Ya untuk pemodelan. Setelah direclasify kemudian di overlay dengan faktor-faktor lain yang menentukan kelayakan suatu lokasi, misalnya perumahan.

Iklan

Mengenal ArcCatalog

Salah satu keunggulan ArcGIS adalah pemodelan dan spatial analysisnya. Software yang harga lisensinya puluhan ribu dollar ini terus mengembangkan diri dengan versi-versi terbarunya. Sepertinya perorangan tidak efektif jika membeli lisensi sendiri, khusus pelajar biasanya numpang di kampus masing-masing yang sudah membeli lisensi. Gambar berikut merupakan contoh pembuatan model yang jika dirunning akan melakukan proses analisa spasial.

Perhatikan elips yang berwarna biru merupakan hasil proses dari segiempat (reclassify, raster to polygon dan weighted overlay). Di sini bobot kita isi dengan mengklik ganda proses weighted overlay, tetapi tidak bisa dirunning karena target sudah terisi oleh proses sebelumnya (lihat cara menghitung bobot dengan AHP). Nah, disitulah peranan arc Catalog, kita dapat merename file overlay dengan yg lain, atau bahkan mendelete-nya jika mau. Buka Arc Catalog dengan menekan simbol atau di menuwindowsCatalog.

Sebenarnya prinsipnya sama dengan folder/file explorer, tapi di sini lebih praktis menurut saya, karena hanya cukup membuka satu aplikasi di saat yang sama. Tetapi jika ingin mendelete lewat folder juga ga masalah, hanya saja repot karena ada tujuh file yang harus dihapus (*.dbf, *.shx, *.prj, *.sbn, *.shp, *.shp.xml, dan *.sbx), sementara lewat arc catalog hanya sekali klik.

Membuat Kuesioner di Google Form

Saat ini survey lewat online banyak dilakukan oleh para periset karena kemudahannya dibanding lewat paper-based. Bahkan teknik Delphi yang melakukan kuesioner berulang, bisa juga lewat mekanisme online atau email (Skumolski et al, 2007), juga metode Analytic Hierarchy Process (AHP) di tulisan yang lalu. Saat ini, aplikasi kuesioner yang terkenal adalah google form yang dapat Anda akses di tautan berikut ini. Anda harus login google terlebih dahulu, karena fasilitas form ini masuk dalam lingkungan google docs.

Di sini saya akan membuat kuesioner untuk menentukan kompatibilitas dan dependensi (ketergantungan) antara satu tipe lahan dengan tipe lahan lainnya. Misalnya tempat tinggal akan kompatible dengan rumah sakit, sekolah, dan lain-lain tetapi tidak dengan industri dan sejenisnya. Tekan tombol create new form.

Jika ingin membuat tulisan saja, misalnya judul atau penjelasan dapat dengan memilih Section Header. Berikutnya jika berupa multiple choice tinggal pilih jenis pertanyaannya. Jika tidak pilih yang sesuai.

Saya menggunakan Grid karena berupa skala dari berbagai pilihan. Terakhir, untuk mempermanis tampilan, Anda dapat memanfaatkan fasilitas Theme yang tersedia, berikut hasil yang saya buat.

Selamat mencoba kemudahan yang diberikan oleh Google, Oiya, hasilnya dapat Anda lihat berupa aplikasi online yang mirip Excel yang sepertinya harus diunduh dan dimodifikasi terlebih dahulu untuk diolah.

Mengolah Data dengan Metode Analtytic Hierarchy Process (AHP)

Dulu sempat mengambil mata kuliah Decision Support System (DSS) dan memperoleh materi khusus AHP dan sekarang ternyata “butuh lagi”. Ketika membuka lagi folder-folder lama dan ternyata masih ada. Sayang softwarenya tidak bisa diinstal di laptop saya karena versi yang sekarang windows 64 bit. Untung ada yang “share” program aplikasi tersebut di internet, ya sudah saya “pinjam”.

AHP biasanya dipergunakan untuk memilih pilihan yang tepat dari kriteria-kriteria tertentu. Tetapi disertasi saya hanya membutuhkan berapa bobot yang tepat untuk menentukan goal-nya nanti, tidak dengan AHP melainkan algoritma tertentu. Oke lah, saya sebar kuesioner ke beberapa responden yang mengerti masalah urban, lingkungan, atau optimasi pengalokasian lahan. Kuesioner dibuat dengan menggunakan google form.

Buka expert choice dilanjutkan dengan memberi nama project yang akan dibuat di software tersebut. AHP ini idenya dicetuskan oleh Saaty dan Vargas tahun 2000, silahkan unduh sendiri jurnalnya. Berikutnya adalah kita masukan variabel-variabel pendukung keputusan di menu edit (Ctrl-H).

Setelah variabel-variabelnya dimasukan, isi data hasil kuesioner ke expert choice untuk mengetahui berapa bobot yang diperoleh berdasarkan jawaban dari responden. Berikutnya adalah mengisi data dari hasil kuesioner yang disebar. Tekan simbol 3:1 untuk mengisi pairwise comparison.

Isi satu persatu dengan hati-hati karena excel hasil jawaban dari google form kurang rapi dan dikhawatirkan jawaban tertukar. Biasanya agar tidak tertukar saya mengurutkan variabel dan tiap pergantian variabel saya batasi dengan warna.

Pilih responden yang mengisi kuesionar dengan benar sesuai dengan formatnya. AHP melarang nilai konsistensi yang kurang dari 0.1. Konsistensi bisa saja terjadi jika banyak variabel yang terlibat. Maksud dari konsistensi adalah misal jika A > B dan B > C maka C > A tentu saja tidak konsisten, walaupun bisa saja terjadi (wanita berani dengan kucing, kucing berani dengan tikus, tetapi wanita takut dengan tikus, misalnya). Klik simbol ABC, maka kita akan menemukan skala, dan sebaiknya kuesioner menyesuaikan dengan skala ini.

Jadi jika responden menjawab very strong, maka kita pilih nilai 7, equal nilainya satu, dan seterusnya. Jawab untuk satu responden hingga menghasilkan skor di bawah ini misalnya.

residential

Perhatikan konsistensinya lebih besar dari 0.1, tetapi jangan khawatir, ini masih responden pertama, kita masukan responden yang lainnya. Tetapi dicatat saja, jika konsistensi akhir di atas 0.1 maka responden ini menjadi kandidat untuk tidak diikutsertakan. Jangan lupa, arah skornya ke kanan apa ke kiri (tulisan angka BERWARNA MERAH atau HITAM), karena salah geser, ke arah lawannya. Lanjutkan hingga seluruh responden dimasukan. Klik simbol participant terlebih dahulu (gambar dua orang) di bagian menu, tambahkan berapa responden yang akan dimasukan ke expert choice.

Pilih participant yang akan dimasukan skor hasil kuesionernya. Pilih P2 di bagian menu participant. Lanjutkan dengan mengisi data seperti langkah sebelumnya. Untuk responden kedua, nilai agak mendingan (konsistensi 0.17).

residential

Combine data Anda baik (both data and judgment) untuk menghasilkan total bobot seperti gambar di atas. Dan coba jangan sampai inconsistency di atas 0.1, jika lebih buang yang scor inconsistency-nya buruk (tapi jangan utak-atik data ya, karena melanggar prinsip riset ilmiah – namanya fabrikasi). Karena Expert choice, maka tidak perlu data sampel yang banyak, tetapi yang mengisi adalah pakar di bidangnya.

Prediksi dengan Jaringan Syaraf Tiruan (Dasar-dasar)

Jaringan Syaraf Tiruan (JST) merupakan metode komputasi yang meniru perilaku kerja otak makhluk hidup dalam merespon masukan. Dengan data berupa variabel-variabel masukan, JST memproses kemudian menghasilkan output tertentu sesuai dengan proses pembelajaran sebelumnya. JST telah banyak diterapkan di berbagai bidang antara lain:  kedokteran, keuangan, sistem kontrol, data mining, dan lain-lain. Lalu muncul pertanyaan, apakah bisa juga digunakan untuk prediksi?

Secara filosofis karena JST adalah usaha untuk meniru otak, maka tentu saja diharapkan dapat digunakan untuk prediksi karena otak kita juga bisa memprediksi sesuatu kan? Situs yang cukup baik menurut saya dalam menjelaskan peramalan dengan JST adalah berikut ini. Atau berikut penjelasannya bagi yang malas baca tulisan panjang ditambah bahasa Inggris pula.

Sebelumnya kita bahas terlebih dahulu JST yang tidak digunakan untuk meramal (forecast), misalnya penentuan harga baru berdasarkan jumlah penjualan dan pesanan. Jika penjualan meningkat dan pesanan meningkat sekian, maka harga baru naik sekian. Jika penjualan menurun dan pesanan menurun sekian maka harga baru turun sekian. Jadi JST akan menerima masukan jumlah penjualan periode tertentu dan berapa pesanan baru, maka JST akan menyarankan untuk menaikan atau menurunkan harga dengan prosentase tertentu berdasarkan informasi data yang lalu. Jadi jika perusahaan tersebut ditinggal oleh manajer pemasaran karena gaji kecil, ga dapet THR, ga dihargai, dll, manajer baru tinggal memakai data lama untuk mengambil keputusan ke depan.

Sementara itu peramalan menggunakan data lama sebagai variabel masukan, biasanya periodik, perbulan atau pertahun, yang tentu saja banyak (tidak hanya satu tahun/bulan). Untuk kasus penentuan harga barang, JST bisa digunakan untuk meramalkan kenaikan harga di masa yang akan datang. Termasuk variabel-variabel yang sebelumnya jadi masukan juga bisa diramal untuk ikut andil memprediksi yang dikenal dengan istilah variabel intervensi (intervening). Berikut satu ilustrasi yang cukup baik dari referensi yang disebutkan di awal.

Jika diperhatikan ada lima input untuk memprediksi satu keluaran. Tentu saja jumlah input harus tetap, jika ketika pelatihan ada lima tahun sebelumnya untuk memprediksi, maka JST akan error jika hanya empat atau tiga masukan yang tersedia. Salah satu kehebatan JST dibanding regressi yang lain adalah dengan mudah dapat ditambah variabel intervensi seperti gambar berikut. Kalau di kasus contoh sebelumnya misalnya jumlah penjualan dan pesanan baru yang masuk.

Disebutkan bahwa jumlah variabel intervensi (intervention indicator) jangan terlalu banyak karena akan mengganggu masukan yang lain yang utama (data history periode yang lampau). Untuk penerepannya dapat Anda lihat di postingan saya yang lain. Untuk yang lagi skripsi atau tesis tentang peramalan, tetap semangat !!!

Referensi:

JST, FIS, atau ANFIS?

Berikut kritik dan saran dari pembaca buku data mining dengan matlab, terutama di bab 3 (halaman 49) dan bab 4 (halaman 74) yang membahas mengenai Adaptive Neuro-Fuzzy Inference System (ANFIS) dan Jaringan Syaraf Tiruan (JST). Sebenarnya buku ini kelanjutan dari buku sebelumnya tentang soft computing, jadi beberapa bagian memang ada yang sama, terutama JST dan ANFIS yang berbasis machine learning. Maksudnya dimodif sedikit supaya beda sama yang dulu malah ada yang lupa diganti.

Di kode di atas halaman 49, harusnya tm bukan keuangan. Variabel tm sendiri maksudnya singkatan dari tingkat kemiskinan agar makin besar nilai variabel ini tm makin besar pula, maksudnya makin miskin agar untuk menjumlahkan nanti jadi besar (IPK besar TM juga besar) yang berpeluang mendapat beasiswa. Walaupun bisa saja dirancang dengan tk, tingkat kekayaan, makin besar makin kaya, tetapi walaupun bisa berjalan, bagi programmer yang ingin “testing”, logic error sedikit ribet. O iya, logic error berbeda dengan syntax error (akan diberitahu bahwa baris sekian ada kesalahan) karena sistem berjalan tetapi tidak sesuai dengan kenyataan, lebih berbahaya.

Berikutnya juga di halaman 74 ada beberapa bagian yang tidak saya tulis kodenya karena GUI bisa menggunakan GUI yang lain (FIS atau ANFIS). Memang harusnya buku itu disertai CD untuk kode program agar tidak perlu “latihan mengetik sepuluh jari” :D. Tetapi saya berikan di sini kode sumber untuk satu GUI yang berisi Decision Support System dengan tiga metode tersebut. Download dulu kodenya.

Ekstrak di satu folder, kemudian Matlab arahkan current directory-nya ke folder tersebut lalu jalankan dengan mengetik nama folder yang berekstensi .m di command window. Untuk melihat kodenya ketik edit disertai nama file berekstensi .m tersebut. Oiya, sesuaikan huruf besar dan huruf kecilnya karena Matlab case sensitive.

Tentu saja kalau data mining jumlah datanya ya tidak hanya segelintir seperti contoh (dengan excel), apalagi big data trend-nya sudah mulai, excel tentu saja tidak sanggup mengolah data hingga jutaan record. Buku berikutnya sudah sampai ke penerbit tentang data mining tetapi fokus ke penanganan Matlab untuk sistem basis data (database management system – DBMS) dengan Microsoft Access (sebagai perwakilan desktop DBMS) dan MySQL (perwakilan web-based) dengan bantuan ODBC.

Sustainable Development

Istilah sustainable development belakangan ini sering muncul setelah isu global warming sepertinya menjadi kenyataan. Istilah ini sebenarnya sudah muncul lama ketika munculnya World Commission on Environment and Development (dikenal dengan istilah Brundtland Commission) yang menerbitkan laporannya berjudul “Our Common Future (masa depan kita)” pada tahun 1987 (dikenal dengan istilah WCED 1987) dan memunculkan definisi terkenal dari sustainable development yaitu “development that meets the needs of the present without compromising the ability of future generations to meet their own needs (perkembangan yang memenuhi kebutuhan saat ini tanpa mengurangi kemampuan generasi yang akan datang memenuhi kebutuhannya)” (Steiner, 2008, Leitmann, 1999, Curwell, 2005).

Definisi tersebut ketika pertama kali membaca sangat membingungkan bagi saya dan belum begitu jelas. Ternyata bukan saya saja, ketika definisi tersebut dicetuskan, banyak ketidaksetujuan dari saintis yang menekuni bidang urban/city planning karena memang saat itu masih banyak yang beranggapan bahwa kota atau daerah urban adalah musuh dari lingkungan (Curwell, 2005,p.22). Menghabiskan banyak sumber daya, membuang banyak limbah, merusak lingkungan, dan tuduhan-tuduhan yang terelakan lainnya. Memang waktu itu komisi dikuasai oleh para pakar lingkungan yang dunia terpolarisasi, yang satu berusaha memakmurkan desa (rural) dan satunya lagi mengatasi masalah-masalah daerah urban (city). Akhirnya saya iseng-iseng ke perpustakaan, maklum orang yang sempat 6 tahun kuliah mesin dan dua tahun kuliah IT, mana ngerti masalah seperti itu. Akhirnya dapatlah dua buku yang habis saya lahap dalam dua hari.

Akhirnya muncul konverensi di Rio de Jeneiro Brazil tahun 1992, yang dikenal dengan Earth Summit (UNCED 1992). Dimunculkanlah istilah Agenda 21 “Policy plan for environment and sustainable development in the 21st Century”. Jadi 21 itu ternyata maknanya abad 21. Tetapi tetap saja kritik tetap saja bermunculan (ternyata tidak hanya ke Jokowi saja kritik). Kritiknya adalah Agenda 21 terlalu berfokus pada manusia (Curwell, 2005).

Ok, lama-lama juga paham. Tadinya saya fikir sustainable development itu suatu wilayah harus mampu mensuplai sendiri kebutuhannya baik pangan (dengan agriculture), energi (pembangkit listrik), dan membuang/mengolalah sampai yang dihasilkan dari proses kesehariannya (dibakar, diolah, atau dijadikan pupuk). Tetapi, kian lama, dan diperkirakan di tahun 2050, seluruh bagian di dunia 80% adalah kota atau daerah urban. Maka mau tidak mau perhatian utama haru tertuju ke daerah perkotaan, disamping memang kebanyakan muncul masalah di sana, tetapi kota adalah tempat dimana perekonomian, pendidikan, dan pengambil keputusan berada sehingga harus diberdayakan dengan baik. Jadi konsep urban tidak hanya dibatasi secara geografis di daerah urban saja, melainkan daerah pinggirannya baik rural maupun peri-urban. Misal Jakarta, tentu saja tidak bisa menghasilkan beras, buah dan sayur-sayuran sendiri, melainkan harus menjamin pasokannya dari daerah sekitar. Sampah harus diatasi, jangan sampai laju angkutan ke TPA bantar gebang terganggu, dan lain-lain. Singapura misalnya, masalah polusi, air bersih, energi dan sebagainya, untuk mencapai kondisi sustainable mau tidak mau harus menekan polusi, memiliki kilang minyak (yang katanya lebih banyak dari Indonesia), menjaga suplai air bersih dari Malaysia, dan lain-lain yang dengan teknik terkenalnya, yaitu fine policy (kebijakan denda berat). Seperti jantung di tubuh kita, agar bisa sustainable maka pasokan makanan dari darah harus terjamin, pengeluaran kotoran ke ginjal lewat pembuluh balik dan suplai oksigen dari paru-paru lewat darah juga harus terjaga. Gituuuu …

NB: Oiya, ada istilah Urban Oktober. Dirayakan tiap senin pertama bulan Oktober, tahun ini bertema public space for all, selengkapnya lihat situs ini.