Import Citra Sentinel pada IDRISI

Ada banyak sensor citra satelit seperti Landsat, IKONOS, Sentinel, dan lain-lain. Yang terkenal dan sudah lama dipakai oleh para peneliti adalah Landsat. Postingan-postingan saya terdahulu juga telah membahas sensor satelit ini dan penggunaannya dengan software IDRISI. Kali ini kita akan mencoba satelit Sentinel.

Versi IDRISI

Banyak versi idrisi, misalnya IDRISI Taiga dan Selva yang masing-masing memiliki karakteristik yang khas. Ketika saya coba mengimpor satelit Sentinel ke IDRISI Selva (IDRISI versi 17), ternyata tidak ada menu pilihannya.

Informasi dari Google ternyata untuk citra Sentinel mau tidak mau harus menggunakan minimal IDRISI versi 18.3, yang namanya kembali menjadi TerrSet, sesuai dengan nama perusahaannya.

File SAVE

Ada satu hal unik ketika mengunduh citra Sentinel dari United States Geological Survey (USGS) yaitu file zip yang ketika diekstrak ternyata berisi file-file tertentu, bukan hanya citra tiap pita frekuensi seperti pada Landsat. Nah, di salah satu folder ada kumpulan file *.jp2 (JPEG2000) untuk tiap pita frekuensi (band). Namun untuk mengaksesnya di IDRISI cukup dengan memanggil file SAFE.

Otomatis nanti “Band to process” akan berisi pita-pita frekuensinya (ada 13 belas pita frekuensi). Centang semua jika ingin mengimpor seluruhnya ke IDRISI. Sertakan folder lokasi untuk menyimpan file *.rst hasil konversi *.jp2 Sentinel. Untuk lebih jelasnya silahkan lihat video Youtube saya berikut. Sekian, semoga bisa bermanfaat.

Artificial Intelligence pada Bidang Geospasial

Artificial Intelligence (AI) hampir diterapkan di segala bidang dari ilmu komputer itu sendiri, kedokteran, elektronika, hingga bidang sosial humaniora seperti psikologi. Prinsip dasar AI adalah menciptakan sebuah alat bantu yang bisa berfikir dan merespon seperti layaknya manusia. Saat ini AI menjadi lokomotif era Industri 4.0. Postingan ini sedikit memprovokasi para pemerhati AI siapa tahu tertarik meneliti teknik-teknik AI yang diterapkan ke bidang Geospasial.

Kita mungkin telah mengenal mata kuliah Geografi sejak SMP, namun istilah Spasial (spatial) mungkin baru, atau pernah dengar tapi kurang mengerti maksudnya. Spasial artinya hal-hal yang berkaitan dengan koordinat yaitu letak baik dua maupun tiga dimensi. Sementara Geo di depannya berarti bumi, jadi Geospasial artinya hal-hal yang berkaitan dengan letak koordinat di bumi, termasuk standar proyeksi, misalnya Universal Transverse Mercator (UTM).

Berikut ini materi webinar saya di AMIK Master Lampung. Pesertanya banyak juga, sampai 500 orang. Salah satu keunggulan online adalah bisa menghandle jumlah orang yang banyak dan tidak perlu secara geografis ke lokasi webinar.

Jadi inget ketika kuliah dulu. Terkadang ada selentingan bercanda orang Geografi, Remote Sensing – GIS dengan mahasiswa juruasan lain. yang mengatakan: “Semua yang ada di muka bumi punya Geografi”, hehe. Kemudian dari mhs ilmu komputer membalas: “Orang Remote Sensing – GIS kalau ditanya 1 + 1 berapa, dia mengeluarkan Iphone terbaru, membuka aplikasi kalkulator dan menjawab 2”.

Klasifikasi Citra RGB Geospasial dengan IDRISI

Citra RGB merupakan citra sederhana yang berasal dari beragam alat mulai dari satelit, drone, UAV, hingga handphone yang murah dibandingkan jenis citra lainnya baik multispektral maupun hyperspektral yang lebih dari beberapa band frekuensi dari sensor satelit. Postingan ini membahas bagaimana secara sederhana mengklasifikasi citra RGB dengan software yang banyak digunakan untuk pemrosesan data geospasial, yakni IDRISI Selva.

1. Persiapan Awal

Untuk mengklasifikasi citra satelit yang sudah memiliki proyeksi, seperti citra landsaat, ikonos, dan lain-lain, hanya menggunakan IDRISI sudah cukup. Sementara untuk citra lain seperti dari UAV, drone, atau tangkapan layar (screenshoot) dari Google Earth perlu pengolahan khusus, misalnya dengan ArcMap. Gambar berikut contoh tangkapan layar (menggunakan plugin “take webpages screenshoot” pada Chrome) yang diimpor ke ArcMap 10.1. Silahkan gunakan QGIS jika lebih menyukai sofware opensource.

File PNG yang telah dibuka di ArcMap perlu dikonversi menjadi file ASCII agar bisa dikirim ke IDRISI Selva. Perhatikan gambar di atas ada 3 band yang tampil di Table of Contents: Red, Green, dan Blue. Pilih/search “to ASCII” dan pilih toolbox Raster to ASCII.

Input raster dipilih citra PNG atau JPG yang sudah ditarik ke ArcMap dan output diisi nama file txt (ASCII), jangan lupa pilih folder/lokasi tempat file output. Pastikan ArcMap sukses mengkonversi file PNG menjadi TXT dan tampak pada Table of Contents (pada gambar di atas di bagian akhir dengan nama kara.txt).

2. Impor ASCII File di IDRISI Selva

Buka IDRISI Selva dan pilih menu Import dilanjutkan dengan Software Specific Formats ESRI Formats ARCRASTER.

Pilih file TXT hasil dari konversi ArcMap yang lalu. Beri nama file RST yang nanti akan dihasilkan, beserta lokasi foldernya.

Jangan lupa pilih radio button “ArcInfo raster ASCII format to Idrisi”. Perhatikan tombol “OK” belum bisa ditekan karena harus memasukan proyeksi denga menekan tombol Output reference information. Pilih proyeksi yang sesuai misalnya untuk kasus Karawang adalah UTM 48S (lihat link berikut untuk bagaimana menghitungnya). Jika berhasil akan tampak peta standar IDRISI (berformat *.rst) yang siap diklasifikasi.

3. Proses Klasifikasi

Klasifikasi idealnya menggunakan citra multispektral, dimana ada beberapa band citra (IDRISI maksimal 7 band frekuensi). Gambar berikut contoh menu Iterative Self-Organizing Clustering (ISOCLUST).

Isian paling kanan mudahnya biarkan saja secara default, hanya jumlah kelas yang harus diisi, misalnya di sini 11 kelas. Jalankan dengan menekan “OK”, proses lumayan lama, tergantung komputer Anda. Pastikan hasilnya tampak di IDRISI seperti di bawah ini.

Sepertinya masih agak kasar, sebaiknya gunakan resolusi tinggi untuk daerah kecil jika menggunakan citra RGB untuk klasifikasi, atau gunakan citra pankromatik resoulusi tinggi. Sekian, semoga bermanfaat.

Mengunduh Citra Satelit Resolusi Tinggi Google

Salah satu riset terkini adalah klasifikasi penggunaan lahan (land use) dengan Deep Learning. Data yang digunakan adalah citra satelit. Banyak penyedia data, misalnya USGS. Hanya saja data yang diunduh per Tile (istilah satu segmen potret satelit) kurang tajam (resulusi 30 m). Bandingkan dengan resolusi google earth yang bahkan di wilayah tertentu dalam skala sentimeter. Nah, untuk klasifikasi menggunakan pola gambar (bukan warna), perlu resolusi tinggi (kurang dari 1 m), salah satunya lewat Google Earth. Postingan ini membahas teknik pengunduhan citra satelit dari Google Earth.

Google Map Customizer

Salah satu situs penyedia pengunduhan adalah Google Map Customizer yang dapat diakses di link berikut ini. Fasilitas ini memanfaatkan citra Google Earth. Isian yang diperlukan adalah ukuran dari layar yang akan ditangkap. Arahkan saja ke resolusi yang sesuai, dilanjutkan dengan mengisi ukuran lebar dan tinggi (width dan high).

Perhatikan di sini saya menempatkan pojok kiri di daerah Aceh dengan resoulis wilayah Indonesia, berukuran 9000 baik untuk lebar dan tinggi. Ukuran sebesar ini, sebagai informasi, menghasilkan ukuran citra *.png 200 mb. Lanjutkan dengan menekan “Set Dimension”. Tunggu beberapa saat tergantung ukuran peta (makin besar makin lama pengunduhannya).

Save Screenshoot

Untuk lebih jelasnya Anda dapat mengklik “How to Use” di bagian bawah Google Map Customizer. Di situ disebutkan tentang alat bantu untuk screenshoot satu berkas panjang lewat addins Save Screenshot yang tersedia untuk Mozilla dan Google Chrome.

Tekan “Save as Image” untuk mengunduh citra. Anda bisa juga memilih PDF. Tunggu beberapa saat hingga proses pengunduhan selesai. Perhatikan, di sini citra yang dihasilkan cukup detil. Selamat mencoba, semoga bermanfaat.

Mengunduh Gratis Shapefile Wilayah Indonesia

Mencari peta dijital wilayah Indonesia banyak caranya. Jika dahulu hanya mengandalkan Bakosurtanal (sekarang BIG) dan Google Map, saat ini pemerintah menyediakan peta bersama. Di peta ini bukan hanya garis dan poligon wilayah Indonesia, tetapi juga peta tematik lainnya seperti jalan, sungai, pusat niaga, hingga makam tersedia di seluruh wilayah Indonesia. Level-nya pun hingga kelurahan/desa.

Peta bersama tersebut dapat diakses melalui link website resmi: https://tanahair.indonesia.go.id/portal-web dengan terlebih dahulu mendaftar (lihat tata-caranya pada postingan yang lalu). Peta bersama itu dikenal dengan kebijakan satu peta yang mulai dilaksanakan proyeknya di era presiden Jokowi.

File yang diunduh berukuran beberapa megabyte untuk satu kelurahan dalam bentuk RAR. Jika diekstrak ada beragam shapefile (berekstensi *.shp) yang bisa dibuka lewat GIS tools yang tersedia di pasaran, salah satunya ArcGis. Oiya, shapefile saat ini mulai “digoyang” karena banyaknya kelemahan, misalnya satu peta memerlukan beberapa file (selain *.shp) sehingga dirasa kurang efektif. Silahkan lihat video berikut untuk melihat bagaimana cara mengunduhnya. Sekian, semoga bisa membantu rekan-rekan yang baru belajar geospasial, bidang yang saat ini menjadi perhatian bidang-bidang lain.

Membuat Web-GIS dengan Data Wrapper

Terkadang GIS tidak harus menampilkan letak geografis yang akurat mengikuti standar proyeksi lintang dan bujur. Pengguna mungkin hanya ingin mengetahui informasi sebaran data dengan melihat lokasi wilayahnya tanpa perlu detil peta. Selain itu kecepatan akses dibutuhkan oleh pengguna internet, sehingga beberapa atribut peta yang membutuhkan data besar bisa diminimalisir. Berikut penggunaan salah satu penyedia Web-GIS ringan dari datawrapper. Berikut ini adalah contoh tampilannya (klik Link ini). Hanya gambar karena blog ini tidak support “i-frame”.

Mulai membuat dengan menekan tombol “Start Creating” di bagian bawah. Data wrapper tidak perlu “sign up”, hanya saja ketika ingin mengambil peta “embedded” harus via email.

Tampak navigasi langkah-langkah yang diperlukan, antara lain: upload data, check and describe, visualize, dan publish & embedded. Pilih New Map di bagian atas.

Ketika masuk di bagian “Select your Map” pilih Indonesia, misalnya Provinsi. Jika kurang detil ada pilihan kabupaten/kotamadya.

Nah, di bagian value silahkan isi, misalnya kasus Corona berapa saja di provinsi tersebut. Selain itu bisa juga data lewat “import”. Copas saja ID dan Value tabel di atas dan paste ke Excel untuk menginput data secara offline. Nanti kalau sudah diisi tinggal diupload saja datanya.

Misalnya sudah diperoleh sebagai berikut. Simpan dalam bentuk CSV, misalnya “datacorona.csv”.

Tekan “Proceed” di sisi kanan tempat upload data.

Isi anotasi yang dibutuhkan, misalnya pembuat, sumber data, judul dan seterusnya.

Setelah menekan “Proceed” lanjutkan dengan “Publish”. Sekarang sepertinya harus menerima email jika ingin mengembed data. Tulis email Anda.

Jika ingin mencetak bisa langsung tanpa perlu menunggi email “embedded”nya. Sekian, semoga bermanfaat. Gunakan embedded code jika ingin ditempel di blog/situs seperti di awal tulisan. Buka email dan klik “Get my visualization” untuk membuka lagi peta Anda.

Selanjutnya peta Anda, dan lakukan proses data “embedded”nya.

Mengunduh Peta Wilayah Indonesia

Ketersediaan data spasial wilayah Indonesia saat ini tidak perlu dikhawatirkan lagi karena kita sudah memiliki website khusus wilayah Indonesia, dengan kebijakan satu peta. Berbeda dengan ketika saya riset saat kuliah, dulu agak kerepotan untuk mengunduh shapefile peta wilayah di Indonesia. Jika ada, terkadang berbayar, kecuali Anda mujur memperoleh unduhan gratis dari orang yang men-share peta-nya.

Geospasial Untuk Negeri

Situs ini merupakan situs resmi milik pemerintah untuk mengunduh informasi mengenai seluruh wilayah Indonesia. Untuk mengunduhnya Anda perlu mendaftar (register) terlebih dahulu. Prosesnya tidak terlalu lama, hanya sedikit mengetik informasi kita di form yang disediakan. Ada tiga langkah yang diperlukan, antara lain:

Buat “username” disertai dengan password. Sertakan email valid yang fungsinya untuk konfirmasi. Email yang diisikan tidak harus email resmi, boleh gmail, yahoo, dan email gratisan lainnya. Jika sudah, klik “lanjut” di pojok kanan bawah, untuk masuk ke “step 2”.

Langkah kedua berisi informasi mengenai pekerjaan kita. Isi saja apa adanya, dilanjutkan dengan menekan tombol “Lanjut” jika sudah selesai.

Jika telah mengisi form ini, di bagian kanan bawah akan muncul tombol “Selesai” yang artinya kita telah selesai mengisi seluruh form yang ada. Selanjutnya buka email Anda dan pastikan ada email dari application.support@big.go.id. Tekan tombol “Verifikasi Email”.

Selanjutnya Anda sudah bisa login ke situs geospasial Indonesia. Silahkan masuk ke wilayah yang ingin Anda unduh, misalnya kabupaten Bekasi.

Untuk mengunduh suatu wilayah, cukup arahkan mouse ke lokasi tersebut. Secara otomatis nanti wilayah tersebut akan menyala. Oiya, sebelumnya masuk terlebih dahulu ke nemu “Dowload” – “Peta per Wilayah”.

Setelah itu pastikan muncul peta Indonesia. Arahkan menggunakan mouse ke wilayah yang ingin diunduh. Untuk zoom in/out gunakan schrol pada mouse Anda. Silahkan login terlebih dahulu sebagai syarat untuk mengunduh.

Pilih 25k ketika ada form yang muncul di dekat wilayah tersebut. Jika sudah diklik maka Anda akan siap mengunduh file rar wilayah tersebut.

Tekan simbol unduh di dekat wilayah tersebut. Simpan di tempat yang Anda inginkan dan pastikan hasil download bisa diekstrak. Saya cukup tercengang karena bukan hanya peta wilayah yang tersedia, peta tematik lainnya seperti niaga, industri, danau, sungan, bahkan kabel listrik pun tersedia .. cek cek cek. Gambar di bawah setelah dibuka dengan ArcGIS disertai modifikasi pada label tertentu di peta. Kenapa tidak dari dulu dibuatnya ya, padahal waktu kuliah dulu nyari-nyari informasi tersebut.

 

Mengaktifkan Spatial Analysis untuk Mengatasi ERROR 010096: There is No Spatial Analysist License

Terkadang ketika memanipulasi data spasial, khususnya Euclidean Distance, muncul pesan kesalahan seperti di bawah ini.

Untuk mengatasinya mudah saja. Buka “Extension” pada jendela “Customize”.

Buka kembali salah satu toolbox “Spatial Analyst”, misalnya Euclidean Distance. Pastikan toolbox sudah bisa dijalankan. Sebenarnya maksud ArcGIS mendisable spatial analysis agar tidak terlalu memberatkan penggunaan ArcGIS jika tidak sedang menggunakan Spatial Analysis. Semoga bermanfaat.

Tip dan Trik Klasifikasi Lahan di IDRISI

IDRISI (diambil dari kata Al-Idrisi, ahli geografi timur tengah yang juga keturunan Nabi Muhammad SAW) merupakan aplikasi untuk pemodelan land use/cover. Citra satelit yang terdiri dari 7 band frekuensi harus diklasifikasi menjadi beberapa kategori lahan. Standar klasifikasi biasanya menggunakan referensi dari Anderson et al, (link).

Untuk Unsupervised Classification dapat dengan mudah menggunakan fungsi “ISOCLUST” pada IDRISI asalkan memiliki beberapa Band frekuensi citra satelit hasil unduhan dari USGS. Nah, satu tugas yang menjengkelkan adalah mengklasifikasi ulang citra hasil kluster menjadi klasifikasi yang kita inginkan, apakah pemukiman, jalan, cropland, vegetation, dan lain-lain. Yang merepotkan adalah IDRISI menggunakan format “range” untuk menentukan warna hasil unsupervised classification. Postingan ini sedikit sharing cara mudah untuk klasifikasi ulang (reclassify) bahkan untuk yang buta warna sekalipun.

Perhatikan hasil ISOCLUST (Iteratif Self-Orginizing cluster analysis) di atas. Bagaimana kita tahu warna yang menunjukan air, pemukiman, jalan, dan lain sebagainya? Cara terbaik masih menggunakan citra komposit yang menghasilkan citra yang cocok menunjukan air, pemukiman, jalan, dan seterusnya. Namun yang termudah adalah dengan menekan satu persatu kota warna dan melihat kira-kira warna itu menunjukan apa. Misalnya warna ke-empat dari atas diklik, maka menunjukan citra di bawah ini yang dapat dipastikan itu adalah pemukiman/bangunan.

Bagaimana cara membuat tabel konversi dari sepuluh warna di atas menjadi beberapa kelas penting saja? Caranya adalah dengan pertama-tama menyalin warna di atas. Berikutnya konversi urutan dari atas menjadi kelasnya.

Walaupun di bagian tabel: 4 2 3 dan 4 3 4 bisa digabung menjadi 4 2 4 tetapi dengan redundancy di atas dapat mengurangi error. Perhatikan kolom bagian tengah tabel tetap rapi tersusun angka 1 sampai 10 sesuai dengan hasil klasifikasi ISOCLUST. Hasilnya seperti di bawah ini, semoga bermanfaat.

Mengkonversi Polygon Peta Pada ArcGIS ke Matriks di Matlab

Terkadang untuk melakukan manipulasi dengan Matlab membutuhkan konversi dari data berupa peta menjadi matriks. Jika sudah dalam bentuk matriks maka beragam metode dapat diterapkan untuk memanipulasi matriks peta tersebut seperti pengklusteran, klasifikasi, dan lain-lain. Postingan ini bermaksud mengkonversi citra polygon menjadi matriks di Matlab.

Mempersiapkan Poligon

Terlebih dahulu persiapkan peta poligon, misalnya lokasi sekolah di bekasi selatan. Karena fungsi polygon to raster di ArcGIS tidak berlaku untuk titik maka diperlukan proses “buffering” agar dihasilkan region sebuah titik. Cari fungsi “buffering” tersebut di kolom “search” pada ArcGIS anda.

Di sini dibuat lingkaran dengan jarak 50 meter dari pusat titik di tiap-tiap lokasi. Secara default tipenya adalah lingkaran. Jika sudah tekan “OK” di bagian bawah. Pastikan peta baru yang berisi lingkaran dengan jari-jari 50 meter yang berada di sekitar titik lokasi.

Konversi ke Raster

Untuk menjadikan poligon menjadi matriks diperlukan proses konversi dari poligon ke raster dengan fungsi “Polygon to Raster”.

Tekan “OK” dan tunggu sesaat hingga ArcGIS membuat rasternya seperti gambar berikut ini. Perhatikan yang tadinya lingkaran (round) sedikit berubah menjadi kotak-kotak.

Membentuk Matriks di Matlab

Terakhir kita menarik data yang telah dibuat oleh ArcGIS ke Matlab. Pertama-tama data perlu di- “Export” terlebih dahulu. Bentuknya terdiri dari beberapa layer dengan komponen utamanya berekstensi TIF yang mirip dengan JPG atau PNG.

Pastikan di folder target terdapat salah satu citra yang akan dibaca matriksnya lewat Matlab. Arahkan “Current Directory” pada lokasi yang sesuai agar bisa dibaca Matlab. Jalankan perintah ini untuk melihat “image”nya.

  • imshow(‘sekolah_PolygonToRaster11.tif’)

Jika kita lihat ukurannya masih sangat besar.

  • I=imread(‘sekolah_PolygonToRaster11.tif’);
  • size(I)
  • ans =
  • 474 248

Ada baiknya resolusi sedikit diturunkan agar diperoleh matriks yang mudah dimanipulasi. Gunakan fungsi “imresize” dengan sebelumnya mengkonversi gray menjadi biner.

  • I2=imresize(I,0.25);
  • size(I2)
  • ans =
  • 119 62

Tampak resolusinya berkurang seperempatnya. Konversi menjadi biner agar dihasilkan image yang tidak pecah-pecah seperti di atas. Untuk membahas masalah tersebut perlu postingan lain tentang pengolahan citra. Semoga bisa menginspirasi.

Menambahkan Atribut Peta Berdasarkan Attribute Table

Banyak hal-hal sederhana terkadang karena tidak tahu jadi kelihatan rumit. Misalnya ketika ingin membuat layout tentang suatu area penelitian terdapat wilayah yang perlu diberi keterangan seperti peta karawang berikut ini.

Kita bisa menambahkan objek teks pada wilayah tersebut, tetapi kalau jumlahnya banyak maka tidak ada cara lain selain yang otomatis. Langkahnya adalah memilih Label Features setelah mengklik kanan objek peta di Table of Contents.

Cara ini digunakan jika data region tersedia pada attribute table karena jika tidak ada maka akan kosong ketika prosedur tersebut dijalankan dan tidak ada jalan lain selain memasukan secara manual lewat penambahan objek text di gambar.

Nah bagaimana menampilkan informasi coordinate system seperti gambar di atas? Caranya dengan memasukan dynamic text yang tersedia di menu insert dynamic text coordinate system. Sekian semoga bermanfaat.

Konversi Layer ke Shapefile Pada ArcGis

Ketika konversi dari KMZ (dibuat dari Google Earth Pro) ke ArcGis formatnya berupa layer dengan memanfaatkan fungsi KMZ to Layer. Perlu sedikit modifikasi agar file layer ke shapefile. Caranya adalah dengan mengekspor data layer tersebut. Layer berisi data spasial dalam format GDB.

Berikutnya ada pilihan apa saja yang akan dikonversi. Pilih saja “All Feature” dilanjutkan dengan menekan lokasi output. Pilih “shapefile” ketika akan menulis nama filenya.

Terakhir ArcGis akan menanyakan apakah hasil konversi langsung ditampilkan pada map yang saat ini aktif. Pilih saja “ok” agar bisa langsung digunakan sekarang. Perhatikan data yang sebelumnya berupa layer menjadi shapefile yang siap dimanipulasi. Selamat mencoba.

Mendata Penggunaan Lahan

Penggunaan lahan (Land Use) sangat sulit diklasifikasi secara otomatis lewat citra satelit karena Land Use menggambarkan pengunaan lahan oleh manusia untuk tujuan khusus yang tidak bisa digambarkan dari bentuk bangunan. Bisa saja sebuah gedung berfungsi sebagai sekolah yang sama bentuknya dengan rumah sakit, kantor, mall dan lain-lain. Oleh karena itu pendataan Land Use mau tidak mau dilaksanakan secara manual. Pos kali ini sekadar berbagai bagaimana mendatanya.

Instal Google Earth Pro

Google Earth menawarkan secara gratis aplikasi dekstop untuk melihat map seluruh negara di dunia (bahkan planet Mars pun didata). Silahkan unduh di link resminya. Untuk lebih jelas lokasi yang akan didata, buat shapefile-nya dengan GIS tool yang tersedia, misalnya ArcGis. Impor dari Google Earth pro agar batas lokasi tergambar dengan jelas di Google Earth.

Ketika mencari file jangan lupa memilih ekstensi yang sesuai (*.shp) karena secara default hanya *.txt. Cari shapefile yang diinginkan. Ketika tombol OK ditekan Google Earth langsung mengarahkan ke lokasi yang dituju, sesuai shapefile yang dipilih. Agar area Google Earth dalam study area tidak tertutup pilih hollow (tanpa warna).

Template Google Map Pada Google Earth Pro

Agak sulit memang melihat citra satelit. Ada baiknya kita menambahkan file KML yang ditempelkan ke Google Earth. Silahkan unduh file kml-nya, bisa disimpan atau langsung di-run dengan Google Earth Pro yang baru saja diinstal. Silahkan pilih yang sesuai saja karena akan berat kalau diaktifkan semua (diceklis). Berikut tampilan Google Earth setelah ditempel KML tersebut.

Sumber Data Lain

Banyak sumber data yang bisa dijadikan patokan Land Use, salah satu yang baik dan general adalah Street Directory. Misalnya untuk wilayah Bogor Barat dapat diakses di link berikut ini. Dikatakan general karena di dalamnya terdapat sekolah, daerah komersial, industri, rumah sakit dan sebagainya. Tentu saja jika ingin jelas silahkan buka sumber data yang spesifik (lihat pos yang lalu). Sekian semoga postingan singkat ini bermanfaat.

Merger Data Spasial – ArcGIS

Selain Clip, Merge merupakan fasilitas Geoprocessing pada ArcGIS yang tak kalah penting. Fungsinya adalah menggabungkan dua shape file menjadi satu. Misalnya kita memiliki dua data land-use, pemukiman padat dan tidak padat seperti gambar berikut. Kedua tipe land-use tersebut akan digabungkan menjadi satu.

Langkah-langkah merge pada ArcGIS adalah: i) membuka jendela merge, ii) memasukan shapefile yang akan digabung, dan iii) memberi nama shapefile baru hasil merging. Jendela merge dapat diakses lewat menu Geoprocessing.

Setelah tombol OK ditekan ArcGIS akan memproses penggabungan dua shapefile itu menjadi satu file baru. File baru tersebut merupakan penggabungan dari dua file sebelumnya. Tampak simbol berititik hitam merupakan hasil penggabungannya. Semoga bermanfaat.

INFO: Peta contoh di atas adalah kecamatan Bantargebang Bekasi.

Membuat BaseMap di ArcGIS

Basemap merupakan peta dasar yang menyertai shapefile. Dengan basemap tampilan peta menjadi lebih akurat mengingat basemap biasanya diambil dari citra satelit atau peta jalan (street map). Misalkan kita memiliki region tertentu, kecamatan Tanah Sareal, Bogor.

Sangat sulit melihat peta seperti itu tanpa indikator lokasi, walaupun dibuat dari proses clip kota Bogor berdasarkan kecamatan tertentu saja, dalam hal ini tanah sareal. Untuk membuat basemap tekan tombol Add Data dilanjutkan mengklik “basemap”.

Banyak pilihan yang ditawarkan untuk Basemap, antara lain imagery dan streetmap. Jika ingin mendata land-use yang ada sebaiknya pilih yang berakhiran “with labels” atau gunakan “openstreet map”.

Tampak basemap “openstreetmap” yang menyertai peta kecamatan tersebut. Jangan lupa karena bersifat online, komputer harus terkoneksi ke internet. Openstreetmap merupakan peta berbasis “crowd sourcing” dimana partisipasi pengguna bisa menambahkan informasi-informasi penting. Lihat hasil zooming di bawah ini. Semoga bermanfaat bagi yang ingin memetakan wilayah.