Arsip Kategori: Asian Institute of Technology

Instal Mendeley Desktop

Dua pengindeks terkenal di dunia saat ini (Elsevier – Scopus dan Thomson reuter – WoS) memiliki tool untuk mengelola tulisan. Jika Thomson reuter memiliki EndNote, Elsevier memiliki Mendeley. Bedanya adalah Mendeley tidak dipungut biaya ketika menginstalnya sedangkan Endnote harus membeli lisensinya. Postingan ini bermaksud memperkenalkan bagaimana instalasi Mendeley, kebetulan saya berganti laptop dan harus menginstal ulang Mendeley lagi.

Mendeley ada dua jenis: Web dan desktop. Mendeley mengharuskan sign up ketika akan menggunakan aplikasi ini. Manfaatnya adalah ketika login data tersimpan di Cloud internet. Dapat diakses baik lewat PC maupun aplikasi di Android.

A. Unduh File Instalasi

Untuk mengunduhnya silahkan kunjungi situs download resminya di sini. Sistem operasi Windows yang diijinkan adalah di atas Windows 7 dan juga Macintosh (Apple).

Selanjutnya tekan Next> untuk instalasi file yang baru saja diunduh (sekitar 20-an Mb). Seperti biasa, tekan Agree untuk konfirmasi masalah lisensi dan dilanjutkan dengan menentukan lokasi instalasi. Jika bingung (saya juga pertama-tama bingung), lebih baik ikuti saja lokasi dan letak Icon Mendeley yang ingin diinstall.

 

Tunggu saja, instlasi hanya berjalan sekitar satu menit (menggunakan intel celeron 3jt-an Lenovo). Langsung saja jalankan ketika ada pemberitahuan bahwa instalasi complete (jangan khawatir .. nggak pake keygen-keygen-an .. hihi).

B. Login ke Mendeley Desktop

Ketika menjalankan Mendeley desktop, tampilan awalnya adalah Login. Tentu saja harus Sign up dulu di web Mendeley (harus punya email dulu nggih mbah …).

Lihat, walaupun saya baru menginstal tetapi file-file jurnal dan buku saya langsung ketarik dan siap di-download ke laptop mungil saya. Berikutnya adalah mengintegrasikannya dengan Microsoft Word (lihat postingan yang lalu .. atau di bawah ini saja).

C. Integrasi Mendeley dengan Microsoft Word

Manfaat utama Mendeley adalah mensitasi tulisan dengan cepat, tanpa perlu mengetik referensi di akhir tulisan/jurnal. Jika Ms Word belum terintegrasi dengan Mendeley, di menu REFERENCES hanya tersedia bawaan Word saja. Langsung saja tekan: Tools Install MS Word Plugin di Mendeley.

Upps .. ternyata Word yang saya saat ini saya pakai ngetik postingan ini harus ditutup dulu. Setelah ditekan Yes di menu References Word ada tambahan baru untuk sitasi yaitu dari Mendeley. Ok dah, selamat mencoba dan semoga bermanfaat.

 

 

Iklan

Coba Instal ArcGIS Versi 10 yuk ..

ArcGIS yang merupakan produk ESRI adalah aplikasi untuk mengelola Geographic Information System (GIS) yang terkenal dan banyak digunakan karena mudah. Postingan ini hanya sharing saja mengingat banyak mahasiswa yang menggunakan aplikasi ini untuk skripsi/tugas akhir. GIS tool lainnya yang tidak kalah hebat dan terutama open source saat ini sudah banyak juga tersedia dan menjadi alternatif utama ketika tidak bernaung lagi di institusi yang memiliki lisensi ArcGIS, seperti tempat saya kuliah saat ini misalnya.

Banyak sekali aplikasi yang tersedia di ArcGIS. Namun demikian ArcGIS desktop wajib diinstall, tekan Setup untuk menginstallnya di menu ESRI setup. Selain itu tentu saja diperlukan juga ArcGIS license Manager atau ArcObjects SDKs.

Berikutnya sangat mudah, seperti menginstall software-software pada umumnya. Tekan Next setelah “I Accept the license agreement”.

Ketika muncul pilihan instalasi, pilih yang complete saja, kecuali jika Anda sudah mahir dan ingin memilih Custom tertentu saja yang ingin diinstal. Berikutnya setelah adanya informasi bahwa ESRI akan menginstal juga python language, ESRI akan melakukan instalasi (diisitlahkan dengan nama Update) beberapa saat lamanya, tunggu saja, tapi jangan ditinggal di tempat umum, nanti hilang (sorry bercanda).

Lisensi ArcGIS lumayan mahal, biasanya hanya dimiliki oleh institusi (kampus, departemen, dll). Instal aplikasi Pre-release license manager juga untuk mengelola lisensi yang dibeli. Saya memiliki cara mudah, yaitu dengan menyimpan service.txt pada ArcGIS terdahulu. Jadi jika PC rusak atau pindah komputer, tinggal instal ulang saja dan me-replace service.txt itu ke mesin yang baru.

Selesai juga instalasi yang cukup memakan waktu ini. Mengenai file service.txt terkadang Windows menolak untuk me-replace file service.txt dengan yang baru walaupun sudah “as administrator”. Cara sederhana yang sering saya gunakan adalah me-rename yang lama (misal xservice.txt) setelah itu baru meng-copy paste service.txt yang baru ke lokasi lisensi. Sebelumnya instal terlebih dahulu license manager.

Secara default terlihat tidak ada fitur yang disediakan ketika ArcGIS diinstal.

Seperti telah disebutkan di muka, file service.txt saya rename (misal xservice.txt) dan dilanjutkan dengan meng-copas service.txt lama (yang sudah pernah digunakan) ke folder bin pada license ArcGIS.

Terakhir adalah yang tersulit karena harus mengisi port dan nama yang ada di service tersebut. Buka saja file service.txt dan lihat nama PC dan portnya, ganti sesuai dengan PC saat ini. Buka ArcGIS administrator untuk mengisi nama PC beserta port-nya.

Gunakan perintah ipconfig/all di command window untuk mengetahui nama PC yang akan diinstall ArcGIS (bisa juga cara lain lewat menu seting, tetapi saya lebih cepat dengan command window). Gampangnya, langkah terakhir harus ada 3 yang diutak-atik: 1) ArcGIS administrator, 2) License Manager, dan 3) file service.txt. Terakhir lakukan “re-read” di license manager dan pastikan juga Availability sudah terisi fitur-fitur yang diperlukan.

Perhatikan, Availability yang sebelumnya kosong kini terisi dan ArcGIS siap dijalankan (bandingkan dengan gambar sebelumnya pada postingan ini). Tutup semuanya dan jalankan ArcMap, jika bisa berjalan berarti instalasi OK. Mungkin cara darurat ini sedikit bermanfaat dan tentu saja sebaiknya gunakan lisensi resmi dari yang dimiliki institusi kita (kampus, departemen, dan lain-lain). Oiya, kalau ikut seminar di luar negeri, terutama beberapa negara Eropa, sebaiknya bawa laptop dengan lisensi ArcGIS yang resmi, atau tidak usah bawa saja lebih aman (Informasi dari dosen pembimbing, katanya sempat diperiksa oleh otoritas setempat perihal lisensi).

Masalah “Unable to execute the selected tool” di ArcGIS

Ketika menjalankan suatu aplikasi terkadang beberapa fasilitas tidak bisa dijalankan. Sebenarnya belum tentu “tidak bisa” dijalankan, bisa saja “belum bisa” dijalankan karena ada setingan yang belum diaktifkan (enabled). Begitu pula untuk aplikasi GIS terkenal, yaitu ArcGIS 10. Berikut tampilan jendela peringatan yang biasanya muncul ketika ingin menjalankan tool spatial analyst.

Tentu saja bagi yang baru pertama kali menemukan kasus di atas akan kebingungan dan menganggap instalasi gagal (problem lisensi). Informasi dari situs resmi ArcGIS berikut sepertinya bermanfaat. Jawabannya cukup sederhana yaitu dengan mengaktifkan fasilitas yang ada (tentu saja asalkan memiliki lisensinya). Masuk ke menu Extension yang berada di menu Customize untuk meng-enable Spatial Analysist.

Di menu Extensions silahkan cheklist fasilitas yang tersedia di ArcGIS, di sini misalnya Spatial Analyst yang berisi toolbox seperti reclassify, mosaic to new raster, raster clip, extract by mask, dan fasilitas-fasilitas canggih lainnya.

Tapi untuk mempercepat akses buka tutup ArcGIS ada baiknya tidak mengaktifkan seluruh fasilitas yang ada. Misalnya saya hanya menggunakan ArcGIS untuk menggambar peta, maka tidak perlu mengaktifkan Spatial analyst karena fasilitas itu tidak diperlukan ketika menggambar. Mudah-mudahan sedikit membantu rekan-rekan yang menjumpai masalah serupa. Terus terang lisensi ArcGIS cukup mahal, sementara ini saya mengandalkan software tersebut di laboratorium kampus. Sepertinya harus difikirkan untuk menggunakan GIS tool yang open source setelah lulus nanti.

Prinsip Kerja Land Change Modeler IDRISI

Land Change Modeler (LCM) adalah modul yang ada di IDRISI untuk memprediksi perubahan lahan (land use & land cover – LULC). Perubahan lahan tersebut berdasarkan kondisi lahan di masa yang lampau (dua interval waktu). Misalnya lahan tahun 2000 dibandingkan dengan tahun 2010 untuk memprediksi lahan di tahun 2015. Setelah lahan hasil prediksi dengan model LCM dengan kondisi riil lahan tahun 2015 divalidasi, kondisi lahan di tahun-tahun berikutnya akan diperoleh asalkan hasil validasinya cukup baik (biasanya di atas 75%).

Silahkan buka IDRISI dan masuk ke menu LCM (masuk ke menu modeling). Banyak juga tab yang harus diisi. Panduan utama cara kerjanya bisa dibuka di situs resmi IDRISI, di sini saya akan meringkas langkah-langkah yang saya lakukan ketika memodelkan perubahan lahan.

A. Menyiapkan Dua Peta Lahan

Untuk memprediksi kondisi lahan di masa yang akan datang minimal dibutuhkan dua peta lahan di masa lampau untuk memprediksi kondisi saat ini. Hasilnya divalidasi dengan kondisi lahan saat ini. Jadi harus ada tiga peta lahan berdasarkan periode waktu tertentu, biasanya sepuluh tahunan atau kurang. Untuk mengunduhnya silahkan buka situs USGS (satelit Landsat).

B. Klasifikasi Lahan dengan Image Processing

Peta lahan yang dimaksud adalah klasifikasi LULC berdasarkan citra satelit yang diunduh. Tutorial dari IDRISI menganjurkan klasifikasi dengan pengolahan citra (hard classification) dengan ISOCLAS. Setelah itu di klasifikasi ulang (RECLAS) untuk menghasilkan klasifikasi sesuai kebutuhan. Tahap ini memaksa kita untuk teliti membedakan warna tertentu yang merepresentasikan kelas lahan (tumbuhan, bangunan, air, dan sebagainya).

C. Analisa Perubahan (Change Analysis)

Sebelum masuk ke tahap ini sebenarnya banyak proses yang perlu dilakukan mengingat dua peta lahan yang akan dibandingkan harus “klop” baik ukuran (extent), legend, piksel, dan lain-lain yang dapat dilihat pada menu metadata IDRISI. Change Analysis disediakan IDRISI dalam satu tab khusus. Di sana dapat diketahui mana saja konversi-konversi penting antara dua peta lahan yang dibandingkan.

D. Transition Potential

Setelah analisa perubahan, kita diminta memutuskan berapa besar piksel/area yang dijadikan patokan perubahan lahan. Besarnya tergantung area penelitian, misalnya untuk kota Bekasi sebesar 100 hektar dan jika perubahan di bawah 100 hektar, bisa diabaikan. Untuk area yang luas, misalnya jabotabek, tentu saja bisa diperbesar lagi.

Tahap ini penting karena menentukan model LCM yang digunakan. LCM mengandalkan transition potential untuk memprediksinya. Transition potential berisi konversi-konversi dari satu kelas lahan ke kelas lainnya misalnya dari vegetasi menjadi bangunan, air menjadi pertanian, dan lain-lain.

E. Menentukan Driver

Transition potential bekerjasama dengan driver untuk merakit LCM. Driver di sini adalah peta tematik yang berisi besaran-besaran yang menggambarkan kondisi lahan. Biasanya berupa jarak tertentu terhadap jalan, sungai, bangunan tertentu, dan sejenisnya. Bisa juga berupa ketinggian/slope, harga tanah dan lain-lain. Perlu usaha keras untuk membuat driver dan kebanyakan tidak bisa digambar dengan Idrisi. ArcGIS, ArcView, QGIS, dan GIS tools lainnya sangat diperlukan. Dan impor-expor ke Idrisi terkadang memerlukan keahlian khusus.

Transition potential dan driver kemudian bekerjasama untuk menyeleksi transition potential yang dilibatkan dalam LCM. Caranya adalah menghitung Relative Operationg Characteristic (ROC)-nya, yang jika di bawah 0.75 maka transition potential tersebut tidak dilibatkan dalam LCM. Oiya, driver sebelumnya diuji juga nilai Cramer-nya, jika di bawah 0.15 maka driver tersebut tidak memiliki pengaruh yang kuat terhadap perubahan.

F. Training LCM

Training yang dimaksud di sini adalah membentuk peta transition potential yang nanti digunakan untuk memprediksi. Isinya adalah probability perubahan dari satu kelas ke kelas lainnya dalam area penelitian. Yang terbaik menurut anjuran IDRISI adalah MLP Neural Network. Dianjurkan akurasi 0.75 ke atas untuk dihasilkan model yang baik.

G. Seting Lain-lain

Di sini merupakan komponen tambahan dan terkadang penting juga. Salah satunya adalah peta rancangan pembangunan jalan. Jalan sangat menentukan perubahan lahan karena biasanya di sekitar jalan cenderung dibangun gedung yang mengkonversi lahan kosong atau vegetasi/pertanian. Selain itu ada tab khusus “planning” untuk mengarahkan perubahan. Isinya adalah zonasi dan batasan serta insentif. Misalnya untuk menjaga vegetasi berubah menjadi bangunan perlu dibuat peta tambahan yang berisi seluruh vegetasi diset dengan kelas “nol” sehingga tidak boleh (persistence) ada perubahan terhadap vegetasi. Sementara kelas lain diset “satu” (kisaran dari 0 hingga 1 juga boleh) yang berarti boleh berubah. Sedang insentif diset “dua” untuk menambah peluang untuk berubah, misalnya lahan kritis (nganggur) yang diset “2” untuk berubah menjadi bangunan.

Demikian ringkasan sederhana bagaimana LCM Idrisi bekerja dalam memprediksi perubahan lahan. Semoga bisa dijadikan patokan berapa lama mengerjakan proyek tersebut, selamat mencoba.

Menyisipkan Piksel di Image IDRISI

Mengingat image processing di IDRISI sangat tergantung pada citra satelit yang memindai kondisi geografis (waktu dan kondisi tertentu), terkadang perlu penyesuaian terhadap file image hasil konversinya. Mungkin awan, error pada kamera satelit, atau “hal-hal” lain. Sebenarnya saya belum menemukan metodenya dengan Idrisi dan sementara memanfaatkan software lain, misalnya ArcGis sebagai bantuan.

A. Konversi raster ke ASCII di ArcGIS

Pertama-tama piksel yang ingin ditambahkan digambar dengan ArcGIS. Tentu saja perlu membuka file raster Idrisi yang akan ditambahkan sebagai template. Kalau saya menggunakan shapefile study area untuk patokan agar sesuai proyeksinya.

Dengan search pilih Raster to ASCII pada hasil pencarian. Ketika mengisi file raster buatan ArcGIS jangan segera OK, karena harus menyamakan extent ArcGIS dengan IDRISI (template). Ada tiga komponen yang menurut saya harus diisi, antara lain (setelah tombol Environments.. ditekan): 1) Output coordinate, 2) Processing extent, dan 3) Raster analysis. Samakan koordinat dengan koordinat template Idrisi. Begitu pula untuk extent pada processing extent dan mask pada raster analysis, gunakan template yang sama.

B. Ekspor ASCII ke IDRISI

Pastikan konversi Raster ArcGIS berhasil sebelum mengimpor ASCII ArcGIS ke Idrisi dengan menggunakan fungsi ArcRaster dari menu file – impor – Software specific format – ESRI format – ArcRaster.

Di sini pun perlu memperhatikan hal-hal berikut. Pertama-tama seting Output reference information dan gunakan reference system sesuai dengan wilayah area penelitian, disini saya menggunakan UTM 48S.

Kedua, pastikan di Metadata baris dan kolom extent hasil impor sama dengan template sebab jika tidak sama dipastikan ketika mengerjakan fungsi tertentu di IDRISI, misalnya Land Change Modeler (LCM), akan bermasalah.

C. Menambahkan Piksel ke Image IDRISI

Berikutnya adalah menyisipkan piksel yang dibuat di ArcGis ke suatu image di Idrisi. Langkah pertama adalah melakukan reclassify menjadi integer. Gunakan fungsi reclass dengan mengisi kata tersebut di kolom pencarian.

Di sini saya menggunakan angka extreem -99999 untuk memastikan tidak ada yang terlewatkan untuk reclassify. Pastikan piksel yang akan disisipi ada (gambar kiri atas ditunjukan panah). Berikutnya gunakan fungsi Overlay yang dibuka lewat menu Gis analysis – Mathematical Operation – Overlay. Pilih fungsi penjumlahan. Oiya, ada yang terlewat. Di sini saya menggunakan kelas “3”, sebaiknya gunakan kelas yang jika dijumlahkan dengan kelas yang sama pada template hasilnya melewati “range” dari kelas tertinggi, maksudnya untuk mempermudah pembacaan hasil penjumlahannya.

Langkah terakhir adalah mengklasifikasi ulang dengan reclass untuk memasukan tambahan piksel ke dalam kelas yang semestinya. Perhatikan gambar di bawah dimana ada tambahan kelas (7,8, dan 9) yang merupakan kelas baru hasil penjumlahan piksel yang disisipi dengan dari image Idrisi.

Dengan memasukan kelas penyisip (7,8, dan 9) ke kelas yang diinginkan (untuk kasus saya, kelas “3”) diperoleh hasil gambar berikut yang merupakan image terbaru yang sudah disisipi piksel tambahan yang dibuat dari ArcGIS. Hmm.. sepertinya agak ribet, semoga bermanfaat.

ac


 

Idrisi Taiga atau Selva?

Untuk rekan-rekan peneliti yang menggeluti bidang Remote Sensing – Geographic Information System (RS-GIS) pasti tidak asing dengan software Idrisi. Aplikasi yang mengambil nama dari ahli geografi terkenal Al-Idrisi itu cukup baik dalam memprediksi penggunaan lahan, dengan modulnya yang terkenal Land Change Modeler (LCM). Versi yang terakhir diberi nama produk “Selva” versi 17. Sementara sebelumnya diberi nama “Taiga”. Banyak jurnal yang publish menggunakan aplikasi tersebut. Hal ini membuktikan bahwa aplikasi tersebut diakui keberadaannya di dunia penelitian. Saya sendiri menggunakan kedua versi tersebut (Selva dan Taiga) dan entah kenapa lebih cocok dengan Taiga yang lebih ringkas dan sepertinya agak cepat responnya (mungkin perasaan saya saja, semoga). Postingan kali ini lanjutan yang lalu dan mencoba berbagi pengalaman ketika menggunakan dua versi Idrisi tersebut.

Versi OS Ketika Idrisi Diinstal

Ada dua laptop dimana Idrisi diinstal Windows 10 dan Windows 7. Kebetulan kampus tempat saya kuliah memiliki lisensi yang berjalan di Windows 7. Sepertinya Windows 7 tidak ada masalah untuk kedua versi Idrisi tersebut. Sementara masalah muncul ketika saya coba pasang di Windows 10, ternyata Idrisi Taiga tidak dapat running program exe-nya. Untungnya Idrisi Selva dapat berjalan normal.

Perbedaan Hasil Running Idrisi Selva dan Taiga

Masalah muncul ketika saya menggunakan Selva di Win 10, terutama di bagian pengujian Transition Potential dimana hasilnya cenderung baik di angka 0.7 ke atas nilai ROC-nya. Tentu saja ini menjadi tanda tanya. Alhasil saya coba juga dengan data yang sama dijalankan dengan Idrisi Taiga di laptop satunya lagi (dengan Win 7). Hasilnya cukup mengejutkan, ada dua transition potential di bawah 0.7 (bahkan satu transisi di bawah 0.6) ketika menggunakan Idrisi Taiga. Untuk sementara saya mencoba menggunakan Idrisi taiga di Win 7 sambil menunggu masalah ini selesai. Semoga informasi singkat ini bermanfaat dan mohon saran jika ada pengalaman serupa.

Update 3 Juli 2017

Akhirnya Selva yang digunakan karena ada juga yang ROC dibawah 0.75 untk di-drop dari daftar transition potential. Nilai ROC pun tidak jauh berbeda dari jurnal yang jadi rujukan tulisan saya (yang diterima di atas 0.8 yang ditolak tidak jauh dari 0.75).

Yang Perlu Dipersiapkan Ketika Akan Studi Lanjut

Di antara sekian banyak alasan sesorang melanjutkan kuliah (jenjang pascasarjana atau doktoral) salah satunya adalah tuntutan profesi sebagai peneliti atau dosen. Untuk itu perlu dipersiapkan baik mental maupun sarana pendukung seperti pembiayaan, masalah keluarga, dan lain-lain.

Untuk pembiayaan, sepertinya tidak ada masalah bagi dosen yang memiliki Nomor Induk Dosen Nasional (NIDN) asalkan usia tidak melewati aturan yang ditetapkan. Untuk amannya jangan sampai melewati usia 40 tahunan. Ristek-Dikti menyediakan banyak sekali beasiswa dan bahkan kampus tujuan pun terkadang memberi beasiswa di luar skema Ristek-dikti.

Jika hal-hal lain seperti ijin belajar dari kampus asal, sertifikat bahasa Inggris (toefl atau IELTS), dan masalah administrasi lainnya sudah beres, ada baiknya hal-hal berikut ikut diperhatikan. Postingan ini hanya sekedar sharing saja dari pengalaman pribadi dan mungkin akan berbeda dengan pengalaman-pengalaman orang yang pernah studi lanjut.

A. Pemilihan Jurusan

Ada sedikit perbedaan mendasar antara jurusan di dalam negeri yang sedikit “rigid” dengan jurusan-jurusan di luar negeri yang mulai berspesialisasi. Di negara kita mengenal jurusan yang itu-itu saja seperti teknik mesin, teknik elektro, sastra inggris, dan lain-lain. Sementara itu di luar negeri sudah mulai terjadi akulturasi antar jurusan (multidisiplin ilmu). Hal utama yang harus diperhatikan adalah : 1) linearitas, 2) rumpun politeknik atau universitas. Banyak beasiswa Dikti ditolak karena seorang calon penerima beasiswa homebase-nya di politeknik tetapi kampus tujuannya universitas. Repotnya adalah sulit untuk mencari kampus-kampus politeknik di luar negeri, biasanya di Jepang dan Jerman.

Saya sendiri termasuk yang salah jurusan, padahal tidak terlalu jauh yakni harusnya information management tetapi saya masuk ke computer science. Hal ini terjadi karena beda kurikulum waktu S2 dulu. Memang tercantum ilmu komputer tetapi ternyata isinya cenderung ke information management (atau di kita sistem informasi). Repotnya adalah kesulitan dalam mencapai IPK 3.5 sebelum lanjut ke riset/penelitian disertasi.

Perhatikan betapa sulitnya mendapatkan B+. Untungnya saya segera sadar dan segera pindah jurusan dari computer science ke information management dan segera IP melonjak naik karena memang sesuai dengan bidangnya. Seumur hidup baru kali ini ngerasain nilai F alias “fail” .. he he.

B. Memilih Kampus Tujuan (Luar atau Dalam Negeri)

Kalau saya lihat sepertinya ada kategori-kategori kampus tujuan. Dikti sendiri untuk doktoral mengkategorikan kampus tujuan menjadi tiga: 1) full riset, 2) kuliah sambil riset, dan 3) kuliah dulu baru riset (setelah ujian kandidasi). Hal ini terkait dengan pendanaan, biasanya yang full riset tahun keempat tidak disupport lagi uang tuition (bayar SKS), sementara yang ketiga dibiayai (semester VII saja).

Saya sendiri mengkategorisasi menjadi: 1) kampus dalam negeri, 2) kampus luar negeri sulit dan 3) kampus luar negeri mudah. Ini menurut saya saja lho. Untuk yang otaknya tidak cerdas-cerdas banget seperti saya ada baiknya mempertimbangkan yang ketiga karena lebih berpeluang. Saya sendiri untuk masuk ke kampus dalam negeri seperti UI, UGM, ITB, dan lain-lain agak kesulitan karena banyaknya saingan. Sementara luar negeri tidak terlalu banyak, tetapi tentu saja syarat bahasa harus dipenuhi.

Beberapa kampus memiliki aturan sendiri yang berbeda dengan kampus-kampus lainnya. Ada aturan tertentu di Eropa dimana seorang mahasiswa yang gagal kandidasi untuk lanjut ke doktoral memperoleh gelar Master of Philosophy (M.Phil). Ini yang perlu diperhatikan karena jika mahasiswa yang bersangkutan menerima beasiswa untuk doktoral tetapi tidak lanjut dan hanya memperoleh gelar M.Phil maka Dikti menganggap tidak menjalankan studi lanjut semestinya.

C. Mengetahui Tahapan-tahapan Hingga Lulus

Yang perlu diingat adalah ketika memperoleh beasiswa, sesungguhnya bukan akhir dari sukses studi lanjut. Justru itu adalah awal perjuangan karena beban di pundak penerima beasiswa dimana uangnya yang digunakan berasal dari rakyat (APBN). Memahami tahapan-tahapan yang berlaku di kampus tempat kuliahnya sangat membantu, minimal mempersiapkan amunisi-amunisi selama berjalannya perkuliahan.

Tiap kampus berbeda, sebagai contoh di tempat saya kuliah tahapan-tahapan yang harus dilalui antara lain: 1) perkuliahan 18 sks dengan IPK >= 3.50 2) Ujian kandidasi (proposal disertasi), 3) Menyelesaikan tiap objektif (biasanya dua atau tiga objektif per judul), 4) publikasi di jurnal internasional yang diakui kampus, 5) pengecekan naskah disertasi oleh profesor eksternal (kampus lain), dan 6) ujian akhir (final defense). Perlu diperhatikan bahwa no. 4 merupakan tahap yang tidak bisa diprediksi, bisa beberapa bulan bahkan bisa pula beberapa tahun (oh tuhan).

Banyak sekali manfaat yang diperoleh dengan menggali informasi dari senior-senior baik yang sedang kuliah atau sudah lulus. Walaupun tiap mahasiswa memiliki kasus-kasus khas tertentu tetapi isu-isu umum biasanya tidak jauh berbeda. Tidak harus senegara dengan kita, ada baiknya juga berteman dengan satu atau beberapa rekan kuliah dari negara dimana kita kuliah. Minimal untuk survive (maklum beasiswa terkadang turunnya tidak bisa diprediksi).

D. Ikuti Aturan-aturan Yang Ada

Ristekdikti biasanya membuat aturan-aturan berdasarkan pengalaman-pengalamannya dalam mengelola beasiswa. Misalnya mahasiswa doktoral usianya dibatasi maksimal 50 tahun. Ketika kampus mengundang dirjen SDM ristek dikti (pak Gufron) ke kampus banyak yang mempertanyakan hal itu, dan minta ada dispensasi untuk dosen senior. Sepertinya logis tetapi ada pengalaman pahit yang saya alami ketika kuliah.

Di tahun kedua, ada rekan baru masuk (mahasiswa doktoral) dari kampus negeri di timur Indonesia. Usianya masih 50 tahun tetapi sudah jalan ke 51. “Ternyata ada yang lebih tua dari saya”, pikir saya dalam hati. Selang beberapa bulan, ketika MID semester dan sedang menuju toilet, beliau terjatuh karena stroke. Terpaksa jenazahnya dipulangkan kembali ke tanah air, semoga termasuk jihad di jalan Allah, amiin. Untuk yang mendekati 50 (atau masuk 40-an) saran saya sebaiknya ambil kuliah di Indonesia saja, lebih aman.

Tapi jangan berkecil hati dan tetap semangat. Oiya, untuk yang ambil S2, Anda bisa ambil jurusan apapun dan dimanapun (syarat dan ketentuan berlaku, he he), tetapi tidak untuk S3, perlu perencanaan yang tepat (biasanya saat wawancara beasiswa, diminta proposal risetnya). Ada pengalaman baik dari rekan saya yang lulus 2 tahun 9 bulan di kampus saya. Kebetulan dia ambil S2 di kampus yang sama, ketika mau ambil S3 dia sudah berkomunikasi dengan dosen pembimbing mengenai riset jika nanti S3 di tempat yang sama. Selama setahun dia mempersiapkan semuanya, dan setelah siap dan masuk kuliah, maka kuliah dapat berjalan dengan cepat dan lancar tanpa perlu meraba-raba lagi. Oiya, untuk S3 jika Letter of Acceptance (LoA) yang merupakan tanda diterimanya menjadi mahasiswa di suatu univ di tangan, kita tinggal mencara pemberi beasiswa. Selamat mencoba.

Plug-in Mendeley di Microsoft Word

Untuk menulis referensi dan sitasi, Word menyediakan fasilitas “references” dengan style yang tersedia. Letaknya di pulldown menu atau dengan menekan Alt+S di keyboard.

Selain dengan Word, beberapa aplikasi lain bisa juga mendukung sitasi dan referensi ini, salah satunya adalah Mendeley yang gratis dari Elsevier. Jika Mendeley sudah diinstal dan sudah login, tinggal memasang Plug-in Mendeley di word. Caranya adalah dengan menekan “Install MS Word Plugin”.

 

Sebelumnya muncul peringatan karena Word sedang aktif. Oleh karena itu diminta Word untuk di-nonaktifkan terlebih dahulu. Ikuti saja permintaannya untuk menutup aplikasi Word.

Tunggu beberapa saat hingga Mendeley berhasil menginstal plugin di Word. Selanjutnya buka kembali Word dan di Pulldown menu muncul setingan untuk menggunakan Mendeley sebagai alat untuk sitasi. Walaupun demikian, Word masih menyediakan juga plugin bawaannya.

Untuk memasukan suatu sitasi tinggal menekan tombol “Insert Citation” di plugin Mendeley pada Word kita. Selamat mencoba.

Fasilitas Mendeley versi Web

Sudah lama mendeley memberi servis ke peneliti dalam membuat laporan penelitian baik berupa jurnal ataupun tulisan lainnya. Dengan mendeley masalah sitasi yang ribet kini dapat teratasi. Mendeley desktop yang gratis dapat terkoneksi dengan pengolah kata dan menghubungkan antara sitasi dengan daftar referensi secara tepat, baik dari isi maupun urutan penulisannya. Lama tidak membuka versi web-nya dan bahkan sempat lupa pasword login-nya karena versi desktop yang selalu “remember password” pada browser yang digunakan untuk membukanya.

Setelah berganti laptop dan terpaksa memasang mendeley desktop kembali saya terkejut ketika muncul pesan bahwa mendeley mendeteksi saya memiliki akun di scopus. Dan ternyata baru tahu kalau mendeley dan scopus masih dalam satu bendera yaitu Elsevier. Dengan sekali “next”, karena saya punya login scopus, langsung terbentuk ID scopus saya di Mendeley secara instant seperti pada tampilan di bawah ini.

h-index dan Citation langsung muncul di bagian awal sebelah kanan identitas. Selain ID scopus tergeret, ternyata ada fasilitas untuk menghubungkan mendeley dengan ORCID. Hal ini penting karena tidak semua peneliti memiliki ID scopus sementara ID orcid dapat dengan mudah dibuat secara cuma-cuma.

Ada pilihan apakah mengimpor data dari ORCID atau hanya sekedar memunculkan ID ORCID. Sebelumnya terlebih dahulu Anda diminta login ke ORCID dengan login yang telah dibuat sebelumnya. Sepertinya Mendeley sudah mendaftarkan peneliti-peneliti yang memiliki ID Scopus apakah yang bersangkutan sudah membuat atau tidak. Ciri-cirinya jika si peneliti sudah mendaftar maka akan muncul tombol “follow”, misalnya beberapa Co-author saya ada yang sudah mendaftar ada juga yang belum.

Sekilas tampilannya mirip dengan researchgate, hanya saja masih dalam bentuk basic saja. Satu hal yang menarik adalah jika pada Scopus hanya mendata sitasi terhadap tulisan kita maka pada Mendeley tulisan kita yang sudah masuk ke Mendeley peneliti lain kita bisa mengetahuinya. Dengan masuknya tulisan kita ke Mendeley peneliti lain dapat dijadikan patokan potensi tulisan kita yang disitasi orang lain. Sekian semoga bermanfaat.

 

Beli Laptop Ringan atau Kerjaan Ga Selesai-selesai

Untuk bekerja memang diperlukan sarana penunjang yang oke. Salah satunya adalah notebook atau dikenal dengan istilah laptop yang dipopulerkan oleh si “tukul arwana” dengan slogannya “kembali ke laptop”. Barang yang satu ini menjadi keharusan pekerja modern untuk menyelesaikan tugas-tugas keseharian seperti membuat laporan, mencari informasi, mengolah data, atau sekedar untuk hiburan dan entertainment. Untuk mendukungnya diperlukan spek laptop yang mendukung.

Untungnya teknologi terus berkembang sehingga tiap hari bermunculan produk baru yang memiliki kualitas yang baik tetapi dengan harga yang jauh lebih murah dari sebelumnya. Ketika kuliah dan tinggal di kampus, dengan satu laptop dengan spek tinggi semua masalah dapat diatasi karena memang kegiatannya hanya di kamar dan kampus saja. Masalah muncul ketika menulis laporan di luar kampus, alias di rumah, di Indonesia dimana kegiatan lain sangat menyita waktu bekerja. Ada ungkapan yang sering saya dengar dari rekan sesama dosen, saking sibuknya jangankan menulis, membuka laptop saja tidak sempat. Begitu juga yang saya rasakan, maka butuh tip dan trik untuk mengatasi masalah ini. Salah satunya adalah dengan bantuan laptop ringan pendukung laptop utama.

Sebelumnya tablet jadi andalan saya untuk alat bantu ketika “outside” dengan fasilitas-fasilitas produktivitas yang ada. Tapi sayangnya fasilitas tersebut tidak bisa menggantikan kerja laptop sebelumnya. Tidak mungkin menulis banyak dengan tablet, walaupun bisa dengan memanfaatkan doc keyboard yang banyak beredar di pasaran. Tetap saja ketika mengelola attachment tambahan seperti image, bagan, dan sejenisnya agak kerepotan. Kalaupun bisa, tetap saja untuk meng-capture hasil running tetap saja membutuhkan laptop utama yang berisi program utama (matlab, arcGIS, Visio, dll).

Kaget juga melihat harga laptop yang murah-murah ketika jalan-jalan menemani istri membeli laptop yang ringan karena laptop sony vaio yang lama terasa berat untuk dibawa-bawa. Dengan dana tidak jauh-jauh dari 3 jutaan ternyata berhasil membeli laptop ringan 11 inch. Untuk aplikasi perkantoran biasa, ngetik dan sejenisnya, mungkin bisa tetapi saya masih sanksi jika digunakan untuk software utama. Tetapi ketika coba diinstall ternyata bisa diinstall semua dan berjalan normal (Matlab, ArcGIS, IDRISI, Visio, dan lainnya). Sementara untuk baterai pun cukup tahan lama karena prosesor yang digunakan jenis mobile, tanpa kipas dan panas yang berlebihan. Tentu saja jauh lebih lambat dibanding laptop utama yang berprosesor i5 untuk running dan data processing, tetapi dengan slogan “lebih baik lambat tapi tetap jalan daripada cepat tapi banyak berhentinya” akhirnya dengan laptop ringan pekerjaan rutin dapat diselesaikan disela-sela kegiatan remeh temeh yang dapat menghambat. Sulit memang mencari waktu satu dua jam fokus di depan meja dengan laptop menyala, tetapi dengan laptop ringan, pekerjaan dapat dilakukan kapanpun dengan laptop nangkring di mana aja. Tentu saja saran di postingan ini hanya cocok untuk saya yang selalu “low budget” karena laptop berprosesor tinggi pun tersedia dalam bentuk ringan seperti Macbook Air, zenbook, dan kawan-kawannya yang dikenal dengan sebutan ultra-book yang berharga sama dengan harga motor bebek. Tetapi dengan laptop ringan yang murah, rasanya lebih aman dan tidak khawatir dari maling dan begal yang saat ini banyak beritanya, dan lagi, fasilitas Cloud tempat menyimpan data yang banyak teredia gratis saat ini membuat kita tidak khawatir data ikut hilang ketika laptop hilang/rusak. Semoga bisa menginspirasi.

 

Presentasi Gambar untuk Jurnal

Jurnal merupakan alat ukur kinerja seorang peneliti. Walaupun saat ini banyak yang mengkritik keberadaan jurnal yang sudah cenderung agak memprioritaskan aspek bisnis, tetapi tidak ada cara yang lebih praktis dalam menjaga standar kualitas penelitian. Jurnal ilmiah, entah itu berbayar atau gratis sangat diperlukan bagi kemajuan ilmu pengetahuan karena sifatnya yang mudah disitasi sehingga satu penelitian akan diteruskan oleh peneliti lainnya.

Selain isi yang berbobot, suatu artikel ilmiah perlu menarik perhatian peneliti lainnya agar dibaca. Ada yang berpendapat bahwa separuh dari artikel ilmiah yang beredar saat ini hanya dibaca oleh penulis, reviewer dan editor jurnal. Walaupun saat ini saya tidak begitu mempercayai statement tersebut karena dunia yang sudah jauh lebih “online” dari beberapa tahun silam, tetap saja suatu artikel ilmiah harus sedapat mungkin menarik perhatian peneliti lainnya untuk dibaca. Salah satu komponen penting yang mampu menarik perhatian peneliti-peneliti lainnya adalah gambar yang disertakan dalam artikel ilmiah yang diusulkan. Gambar di sini bisa berupa bagan, grafik, ataupun peta.

Dulu saya pernah berfikir bahwa jurnal harus meng-capture gambar sesuai dengan kenyataannya (tidak dilakukan modifikasi). Ternyata tidak selamanya demikian, jika gambar yang langsung diambil tidak terlalu jelas maka perlu dilakukan modifikasi untuk memperjelasnya (info dari pelatihan penulisan artikel ilmiah di kopertis IV jabar). Pengetahuan mengenai pengolah gambar seperti photoshop, corel, dan sejenisnya terkadang sangat membantu. Beberapa software saat ini sudah disiapkan alat bantu untuk menghasilkan gambar dengan kualitas yang baik, misalnya Matlab, ArcGIS dan software lainnya, terutama yang berbayar. Lihat postingan yang lalu untuk pembuatan grafik di Matlab serta presentasi grafiknya.

Beberapa jurnal tidak merekomendasikan meng-capture dengan cara screenshoot hasil dari suatu software. Gambar yang dihasilkan sebaiknya bebas platform (software tertentu). Terkadang visio sangat diperlukan dalam pembuatan bagan aliran proses karena kualitasnya yang tajam. Saya pernah memanfaatkannya ketika mengerjakan analisa multikriteria dengan weight average. ArcGIS menyediakan fasilitas gambar yang digunakan sebagai model analisanya, tetapi untuk jurnal sebaiknya menggunakan visio atau software pengolah gambar lainnya. Tentu saja tidak semua jurnal menolak hasil screenshoot, tetapi jangan lupa bahwa salah satu aspek terpenting jurnal adalah kemudahan bagi pembaca untuk memahaminya.

Fig. 6. Spatial analysis using weighted overlay technique

Gambar di atas contoh hasil capture dari ArcGIS dalam mencari lokasi optimal suatu region. Ketika dicetak dalam suatu jurnal ternyata kurang begitu jelas. Bandingkan dengan gambar di bawah ini, yang selain jelas juga ringkas dan mudah dipahami. Aspek ringkas sangat disukai oleh jurnal-jurnal mengingat perlembar bagi artikel ilmiah sangat berharga (beberapa dollar). Lihat artikel lengkapnya di sini.

Figure 6: Spatial analysis using weighted overlay technique to create suitability regions for scoring residential area (A), and commercial, industrial, health, and education (B).

 

Melihat Kinerja Riset Kampus dengan SINTA

Salah satu pengindeks lokal negara kita adalah SINTA. Ternyata selain untuk melihat kinerja seorang peneliti juga bisa digunakan untuk melihat kinerja kampus. Caranya adalah dengan mencari berdasarkan Afiliasi institusi tertentu (kampus atau lembaga penelitian). Di sini akan saya coba buka kampus saya ngajar dan kuliah dahulu.

Pertama-tama buka situs SINTA. Kemudian masukan nama afiliasinya, misalnya “universitas islam 45” dilanjutkan dengan menekan simbol “search”. Dari hasil pencarian, tekan link yang ditampilkan untuk melihat secara umum (overview) institusi yang akan dilihat.

Tampak total sitasi berdasarkan “google” dan “scopus”. Untuk melihat pengarang-pengarang yang ber-“homebase” di institusi itu tekan “Authors” yang simbolnya kepala-kepala orang. Hingga saat ini proses registrasi sedang berjalan dan ada kemungkinan “score” bertambah dengan bertambahnya author yang terverifikasi.

Ada beberapa author yang belum memiliki ID Scopus yang diperoleh jika author pernah submit jurnal atau conference yang terindeks scopus. SINTA sendiri memiliki score yang dapat dilihat dengan menekan tombol “Score”.

Score yang lumayan untuk kampus kategori binaan. Saat ini sitasi “google” masih dipimpin oleh UGM sementara “scopus” dikuasai ITB, jika dilihat di menu utama SINTA.

SINTA selain menarik data dari google scholar dan scopus, juga data dari IPI atau yang dikenal dengan portal garuda. Karena menarik data dari portal garuda yang berisi jurnal-jurnal lokal baik terakreditasi atau tidak bisa juga digunakan untuk melihat kinerja suatu jurnal. Misalnya jurnal yang sempat saya buat tahun 2013 kenerjanya dapat dilihat dengan men-search di SINTA.

Tampak sitasi dan index yang masih nol. Semoga postingan ini bermanfaat. Kinerja di atas hanya sekedar ilustrasi dan masih sementara karena proses verifikasi masih berjalan. Jadi masih ada kemungkinan untuk bertambah, sekian.

Konversi Piksel ke Area

Ketika melakukan manipulasi image terkadang diminta mempresentasikan area lahan dalam hektar. Padahal data raster format yang biasanya digunakan adalah piksel. Bagaimana menghitungnya? Postingan berikut ini bermaksud sharing bagaimana menghitung luas suatu kelas land use (LU) dalam image yang kita miliki.

Untuk data polygon, postingan yang lalu sedikit mengulas bagaimana menghitung suatu area tertentu dalam software ArcGIS. Untuk menghitung area, cara yang praktis adalah dengan menggunakan “crostab” di IDRISI atau “tabulate area” di ArcGIS. Prinsip penggunaannya baik ArcGIS maupun IDRISI sama saja. Tabulasikan saja dua image yang sama.

Untuk ArcGIS caranya tidak jauh berbeda, yang penting nanti dihasilkan tabel tabulasi. Di sini baik first image maupun second image menggunakan image yang sama. Tekan “OK” dan dihasilkan tabel di bawah ini.

Perhatikan tabel di atas. Dari 7 kelas, tampak total pikselnya. Karena kelas “1” adalah “background” yang tidak dihitung, maka total piksel study area adalah total piksel dikurangi background. Gunakan kalkulator atau Microsoft Excel agar tidak salah. Di sini total piksel study area adalah 452.570 dikurangi dengan 212.255 yakni sebesar 420.315 piksel yang setara dengan luas study area contoh di atas, yaitu kota Bekasi sebesar 21049 hektar. Jadi jika diminta menghitung berapa hektar kelas “7” misalnya maka jawabannya adalah 2067 * (21049/420315) = 103,51 hektar. Mudah bukan?

Note: jika diminta dalam satuan km persegi, mudah saja. Bagi saja dengan 100 hasil di atas, yakni menjadi sebesar 1.0351 km2.

Ekspor Land Use dari ArcGIS ke IDRISI

Terkadang peta Land Use (LU) perlu disisipkan dalam Land Cover (LC) dari pengolahan citra satelit (lihat postingan yg lalu tentang LU dan LC). LU sendiri diambil dari sumber lain selain citra satelit antara lain: data pemerintah, data dari swasta (lihat link ini sebagai contoh), dan sumber-sumber lain (google earth, google street view, dan sejenisnya).

1. Konversi dari Point ke polygon

Seharusnya LU berupa format polygon, mengikuti struktur bangunan itu sendiri. Tetapi jika rumit, bisa diambil pendekatan berupa titik tertentu, kemudian dikonversi menjadi polygon dengan fungsi “buffer”. Biasanya diambil kira-kira untuk pabrik misalnya 100 meter. Gambar berikut memperlihatkan buffering lokasi komersial (pasar, mall, pertokoan, dan sejenisnya).

2. Konversi dari Polygon ke Raster

Karena hasil pengolahan citra IDRISI berformat raster (*.rst) maka peta LU harus dikonversi lagi dari polygon ke raster dengan fungsi “polygon to raster” pada ArcGIS. Perhatikan bagian “Cellsize”, gunakan template dari image yang digunakan Land Cover.

Uniknya walaupun kita menggunakan cellsize yang sama, ternyata hasilnya masih kurang akurat jika dibanding dengan menggunakan LC yang akan disisipi menjadi template.

3. Konversi dari Raster ke ASCII

Data raster yang dihasilkan ArcGIS harus dikonversi ke ASCII agar bisa digunakan oleh IDRISI (dengan cara import). Oleh karena itu gunakan fungsi “raster to ascii” yang berada di menu conversion pada toolbox ArcGIS. Jangan lupa, gunakan environment dan pilih proyeksi yang sama dengan LC yang akan disisipi.

4. Impor dari ASCII ke Image pada IDRISI

Terakhir, buka IDRISI dan ambil fungsi ARCRASTER untuk mengimpor image dari ArcGIS. Pilih radio button terakhir yang mengkonversi dari Ascii format Idrisi.

Jangan lupa Output reference dipilih (defaultnya plane) sesuai dengan proyeksi study area. Jika sudah, gambar image berformat rst siap digunakan. Selanjutnya akan diposting bagaimana merger dua image.

Video tutorial berikut mungkin bermanfaat:

Land Use dan Land Cover dalam Riset

Banyak riset saat ini yang melibatkan Land Use/Cover (LULC). Riset tersebut termasuk kategori riset yang melibatkan banyak disiplin ilmu (inter/multi-discipline). Entah itu bidang pertanian, lingkungan, perencanaan kota, dan lain-lain, jika melibatkan LULC maka wajib mengetahui dasar-dasar Sistem Informasi Geografi (GIS). Termasuk saya yang meneliti optimasi data spasial terpaksa membutuhkan pembimbing dari jurusan remote sensing dan GIS (RS-GIS).

Persamaan dan Perbedaan Land Use dengan Land Cover

Ada persamaan dan perbedaan antara land cover (LC) dengan land use (LU). Persamaanya adalah keduanya membagi suatu wilayah dalam kelas-kelas tertentu, misalnya vegetasi, pertanian, sungai, dan lain-lain. Perbedaan mendasar adalah dari sisi pembagian kelas-kelas tersebut. LC membagi kelas-kelas berdasarkan sifat biofisika yang dapat diketahui langsung dengan image processing dari citra/foto satelit. Sementara LU membagi kelas-kelas berdasarkan bagaimana manusia memanfaatkan suatu lahan, misalnya untuk komersial, perumahan, industri, dan lain-lain. Jadi LC lebih umum dalam membagi dibanding LU. Built-up yang artinya wilayah tempat dibangunnya suatu gedung, merupakan pembagian berdasarkan LC, karena biofisika yang berbeda dengan vegetasi. Sementara built-up itu sendiri jika berdasarkan LU, yakni bagaimana manusia menggunakan lahan, bisa dirinci lagi menjadi perumahan, kesehatan, industri dan fungsi built-up lainya.

Riset yang Melibatkan LULC

Jika berbicara mengenai riset, biasanya kita berbicara mengenai publikasi dan sumber pendanaan. Terkadang keduanya tidak singkron, maksudnya dari sisi tujuan. Dari pengalaman yang saya alami sebagai pemula, perbedaan antara publikasi dan pendanaan hibah sangat signifikan dilihat dari keberhasilannya (accepted jurnal dan accepted pendanaan hibah).

Terkadang tema yang layak di jurnal (terutama jurnal internasional) sulit diterima jika diajukan untuk pendaan suatu hibah. Jurnal internasional membutuhkan kebaruan (novelty) sementara jika tidak ada kontribusinya langsung (terhadap masyarakat, pemerintah, dan pihak tertentu) biasanya ditolak. Sementara yang berkontribusi langsung walaupun tidak ada unsur kebaruan di dalamnya diterima. Oleh karena itu harus ada kompromi antara keduanya jika ingin diterima baik publikasinya ataupun pendanaan hibahnya. Apalagi saat ini pemerintah mewajibkan luaran hibah penilitian berupa jurnal internasional, tidak hanya laporan hasil dan purwa rupa-nya.

Untuk saat ini sebagai patokan riset yang melibatkan LULC agar diterima di jurnal internasional adalah cakupan study area. Rekan saya yang meneliti penyebaran hotspot/wifi beberapa kali ditolak naskahnya di jurnal internasional karena cakupan yang sempit. Untuk amannya, gunakan scope minimal suatu kota/district jika ingin mempublikasikan di jurnal geografi. Jika scope terlalu sempit, editor cenderung lebih santai dan tanpa usaha menolak naskah Anda. Langkah alternatif adalah mempublish di jurnal lain yang bukan geografi, misal untuk kasus di atas di jurnal Information and Communication Technology (ICT). Akhirnya rekan saya berhasil dipubliksh di jurnal itu, walaupun menghabiskan hampir dua tahun selalu gagal di jurnal geografi, sebelum beralih ke ICT.

Bagaimana dengan hibah? Tentu saja hibah harus memperhatikan kebutuhan dan keinginan pemberi dana. Namun, jangan melupakan kebaruan/novelty yang berpeluang ditemukan ketika melaksanakan proyek hibah tersebut. Jangan khawatir, walaupun perkembangan riset sangat pesat, masih banyak hal-hal tertentu yang masih buram dan harus diriset. Misalnya kita mengajukan hibah untuk mengelola sistem informasi geografis suatu daerah. Ketika melakukan klasifikasi dan penamaan, masih banyak kendala yang dihadapi para peneliti di dunia. Citra satelit yang dihasilkan mungkin tidak bisa langsung mengklasifikasi suatu built-up menjadi perumahan dan sejenisnya, nah itulah tugas Anda membuat kode/metode untuk membedakannya. Bukankah mata Anda langsung bisa membedakan antara daerah industri, sekolah dan perumahan? Jika mata kita bisa membedakannya kita tinggal membuat prosedur yang digunakan oleh model/sistem untuk secara otomatis “menebak” suatu bangunan itu perumahan ata bukan. Atau hal-hal lain dari hibah yang sudah diterima untuk dibuatkan jurnal internasional berdasarkan kebaruan yang ditemukan selama mengerjakan proyek hibah tersebut. Selamat meneliti, semoga tulisan singkat ini bisa menginspirasi.