Konversi UTM ke Latitude – Longitude (Terapan)

Ada tugas revisi buku, dan rencananya ada tambahan di bagian implementasi Matlab dengan sistem basis data (Access dan MySQL) yaitu data spasial dan pemrosesan teks. Cukup menarik ternyata Matlab memiliki banyak fasilitas, bahkan sistem informasi geografis (SIG) pun dilayani. Postingan singkat ini (lanjutan dari post yang lalu) menggambarkan bagaimana mengutak atik SIG dengan Matlab.

Salah satu komponen penting dari SIG adalah proyeksi. Salah satu proyeksi yang terkenal adalah Universal Transverse Mecartor (UTM) yang membagi bumi menjadi zona-zona. Untuk komputasi lebih mudah menggunakan jenis koordinat desimal ini, dibanding dengan jam, menit, detik atau lintang dan bujur. Repotnya ketika selesai melakukan kalkulasi dengan Matlab terkadang untuk menampilkan ke SIG berbasis web (Web SIG) perlu dikonversi ke latitude (lintang) dan longitude (bujur).

Setelah searching seharian dari situs yang remeh temeh hingga yang serius, ternyata situs Matlab sudah menyediakannya (lihat link ini). Karena tidak tersedia di instalasi Matlab, mau tidak mau harus membuat M-file yang dikopi dari situs tersebut. Untuk teori dasar silahkan lihat link ini (sebaiknya jangan deh, ntar pusing he he).

Jadi prinsipnya setelah matlab mengolah data spasial, kemudian hasilnya sebelum dikirim ke Web SIG dikonversi terlebih dahulu dari UTM ke lintang bujur karena Google Map API (lihat caranya) memerlukan data lintang bujur bukan UTM (kabarnya ada juga gmap4 yang bisa menggunakan UTM). Walau singkat semoga bermanfaat.

Iklan

Sustainable Urban Form

Riset tata kota fokus ke bentuk urban yang mendukung pembangunan berkelanjutan, pembangunan yang bukan hanya memenuhi kebutuhan generasi sekarang, melainkan juga generasi yang akan datang (Steiner, 2008). Banyak sekali perdebatan mengenai bentuk urban yang cocok dengan konsep pembangunan berkelanjutan. Di sini saya ingin memperkenalkan bentuk-bentuk sustainable urban yang diusulkan oleh peneliti.

Penelitian oleh (Jabareen, 2006) menjelaskan beragam bentuk urban yang sustainable. Berikut contoh-contohnya.

1. Neotraditional Development

Jika kita perhatikan kota Jakarta, terjadi perubahan dari urbanisasi menjadi kebalikannya, dikenal dengan istilah “post-suburbanization” (Firman, 2004; Firman & Fahmi, 2017). Maka para pakar urban berusaha mengurangi dampaknya dengan konsep tersebut, yaitu bagaimana menjaga penurunan penduduk “inner city” dan membangun juga kota-kota penyangga.

2. Urban Containment

Munculnya daerah-daerah “Sprawl” baru (saat ini Meikarta contohnya) membuat khawatir pemerhati tata kota akan dampaknya. Di Amerika konsep urban containment dimaksudkan untuk menghindari proses “sprawl” yang tidak baik. Walaupun ada juga sprawl yang baik, misalnya daerah industri khusus yang jauh dari pemukiman.

3. Compact City

Kota kompak (compact city) disukai oleh penata kota dari Eropa dan Amerika karena dapat mengurangi dampak negatif dari transportasi. Kota yang kompak membuat jarak tempuh menjadi rendah dan penggunaan kendaraan berpolusi menjadi berkurang. Bahkan orang cenderung berjalan kaki karena jarak antara satu tempat dengan tempat penting lainya dekat.

Kota kompak mengharuskan diversifikasi, artinya harus ada variasi dalam satu lokasi. Misalnya harus ada sekolah, pasar, tempat ibadah, dll. Jadi orang cukup berjalan kaki sudah bisa sampai ke lokasi tujuan. Bentuk-bentuk segregasi, misalnya kompleks khusus agama tentu, dll sebaiknya dihindari.

4. Eco City

Bentuk kota ini berpatokan dengan konservasi alam, ekologi, dan juga aspek sosial. Biasanya diterapkan di negara maju yang kesadaran warga dan keseriusan pemerintahnya tinggi akan faktor lingkungan. Walaupun demikian sebaiknya negara-negara yang kurang maju, atau ga maju-maju (berkembang terus), tetap mencontoh jenis kota ini mengingat makin puaanas aja tempat tinggal kita, contohnya saya yang di Bekasi. Semoga bermanfaat.

Referensi

Firman, T. (2004). New town development in Jakarta Metropolitan Region : a perspective of spatial segregation, 28, 349–368. http://doi.org/10.1016/S0197-3975(03)00037-7

Firman, T., & Fahmi, F. Z. (2017). The Privatization of Metropolitan Jakarta’s (Jabodetabek) Urban Fringes: The Early Stages of “Post-Suburbanization” in Indonesia. Journal of the American Planning Association, 83(1), 68–79. http://doi.org/10.1080/01944363.2016.1249010

Jabareen, Y. R. (2006). Sustainable Urban Forms: Their Typologies, Models, and Concepts. Journal of Planning Education and Research, 26(1), 38–52. http://doi.org/10.1177/0739456X05285119

Steiner, F. (2008). The living landscape – An Ecological Approach to Landscape Planning – Second Edition. Washington DC: ISLAND PRESS.

 

Penerapan Spatial Metrics

Spatial metrics (lihat post yang lalu) merupakan alat bantu analisa lansekap (landscape) lewat bantuan statistik khusus data spasial. Penggunaannya untuk analisa kondisi suatu wilayah tentang sebaran Patch. Patch adalah homogenous region dari suatu lansekap tertentu seperti taman, perumahan, wilayah urban dan lain-lain. Misalnya dari citra satelit kita bisa melihat dengan mata kepala, ternyata patch-nya ga beraturan, jarang-jarang, terisolir dan sudutnya (edge) runcing, bergerombol dan sebagainya. Berikut contoh tulisan sederhana saya bagaimana menganalisa spatial metrics dengan software free FRAGSTATS.

Spatial metrics ada banyak, terkadang ada yang mirip satu sama lain. Jadi ketika menggunakan harus memperhatikan aspek redundansi, dan juga berakibat lamanya perhitungan metric pada FRAGSTATS. Berikut ini penjelasan satu persatu spatial metrics yang digunakan.

1. Patch Density (PD)

Sesuai dengan namanya, adalah kepadatan patch, misalnya patch di sini daerah urban. Satuannya adalah jumlah patch per 100 hektar.

Makin homogen nilai PD makin besar. Ketika suatu wilayah urban terpisah-pisah dan heterogen, nilai PD atau kerapatan patch nya rendah.

2. Landscape Shape Index (LSI)

LSI mengukur tingkat ireguleritas suatu lansekap. Rumusnya adalah sebagai berikut:

Makin tidak beraturan nilai LSI makin kecil. Maka ketika suatu wilayah urban berkembang dan mekin teratur, nilai LSI membesar. Variabel min e adalah panjang (keliling) terkecil, yang dari sisi geometri adalah lingkaran, yaitu bentuk yang reguler dan kompak.

3. Euclidean Nearest-Neighbor Distance (ENN)

Metric ini mengukur panjang antara satu patch dengan patch lainnya. Ketika antara satu patch dengan lainnya berjauhan maka nilai ENN akan besar, dan mengecil ketika di sela-selanya muncul patch baru.

4. Percentage of Like-Adjacency (PLADJ)

Metric ini sangat terkenal karena kemudahannya. Prinsipnya adalah ketika satu patch dikelilingi oleh patch lain yang berbeda, maka nilainya berkurang.

Seandainya suatu wilayah urban tidak memiliki bangunan (urban area), maka PLADJ maksimum karena pembilang dan penyebut sama. Ketika jumlah gik (like adjacency) yang berbeda jenis patch maka pembilang membesar maka PLADJ turun terus hingga jumlah patch I dan k sama, jika hanya ada dua patch. Jadi biasanya urban area bertambah, PLADJ turun, hingga jumlah urban dan non urban kira-kira sama. Selanjutnya PLADJ naik ketika wilayah non urban berubah jadi wilayah urban.

Kebanyakan riset tentang urban growth mengenal proses pertumbuhan urban dari didominasi oleh tipe outlying (terisolasi), kemudian bergeser ke edge expansion (bertambah di ujung patch) dan infilling (mengisi ruang kosong antara patach). Semoga bermanfaat.

Metode Menentukan Bobot pada Multi-Criteria Selain Pairwise Comparison (AHP)

Untuk mencari lokasi yang cocok untuk penggunaan lahan tertentu, optimasi rancangan, dan sejenisnya ada empat metode yang terkenal: ranking, rating, trade-off, dan pairwise. Cara penggunaannya dapat dilihat pada artikel berikut ini, dalam jurnal teknik sipil.

Di bagian kesimpulan, ketika faktor biaya, waktu dan kemudahan penggunaan menjadi perhatian maka metode ranking, rating, dan trade-off layak untuk digunakan. Tetapi ketika faktor akurasi dan fondasi teoritis yang menjadi perhatian maka metode pairwise yang biasanya dengan analytic hierarchy process (AHP) digunakan, dengan software yang terkenalnya “expert choice”.

Kelemahan multi-criteria dalam menentukan kesesuaian (suitability) terhadap suatu hal adalah sangat bergantung dengan penentuan bobot seperti diutarakan dalam presentasi oleh ESRI (vendor dari ArcGIS) berikut ini:

Semoga postingan ini bisa bermanfaat, terutama saya sendiri baru saja menjawab pertanyaan mengapa menggunakan metode pairwise tidak dengan metode yang lainnya.

Referensi:

http://www.iaeme.com/MasterAdmin/UploadFolder/IJCIET_06_11_012-2/IJCIET_06_11_012-2.pdf

https://maps.uky.edu/esri-uc/esri_uc_2k12/Files/130.pdf

Revisi Lagi .. LiDAR vs RADAR

Kejadian tahun lalu terulang lagi dimana ketika asyik liburan ada tulisan yang harus direvisi. Kalau dulu artikel di jurnal internasional, kali ini disertasi yang dicek oleh external examiner, yaitu profesor dari luar kampus. Lumayan banyak, walaupun secara keseluruhan disetujui (satisfactory and meets the normal requirements for a doctoral dissertation), tetapi ada hal-hal yang perlu pemikiran karena bukan bidang saya.

Sebagai contoh, pada revisi keenam diminta menjelaskan maksud LiDAR (light Imaging Detection and Ranging) “more accuracy and wider range” dibanding RADAR (Radio Detection and Ranging). Sebenarnya saya mensitasi dari text book, tetapi ternyata tidak hanya mensitasi, harus tahu juga maksudnya. Untungnya banyak referensi yang beredar.

Panjang Gelombang RADAR dan LiDAR

LiDAR dikatakan lebih akurat dibanding RADAR karena bisa mendeteksi obyek yang kecil karena penggunaan spektrum panjang gelombang yang lebih pendek (short wavelength). Gambar di bawah saya unduh dari sini, lumayan jelas perbandingan antara microwave yang digunakan RADAR dengan infra-red yang digunakan LiDAR.

Jika microwave jangkauannya dari 1 mm hingga 1 meter, ternyata infra merah lebih pendek lagi yaitu antara 1 mikrometer hingga 1 mm, artinya lebih pendek dari microwave yang digunakan RADAR. Sementara maksud “wider range” artinya pandangan yang lebih luar (large field of view) yang dimiliki LiDAR: lebih lebar dari RADAR. Informasi ini saya ambil dari situs ini.

Yah, begitulah, ikuti saja, namanya IT kan pensuport bidang lainnya. Terkadang ke GIS, environment, hingga penginderaan jarak jauh (remote sensing). Ada informasi ternyata RADAR dan LiDAR sedang berkompetisi untuk digunakan oleh mobil tanpa awak, dimana Tesla dengan RADAR sementara Google dengan LiDAR walau dipasang juga RADAR karena mampu menembus kabut (Jadi inget waktu kuliah 6 tahun di mesin UGM dulu).

Konversi Universal Transverse Mercator (UTM) ke Latitude – Longitude

Repot juga kalau berhubungan dengan sistem proyeksi. Biro Informasi Geospasial (BIG) atau yang dulu dikenal dengan Bakosurtanal terkadang menyediakan dua versi koordinat yaitu UTM dan lintang/bujur. Ketika memperoleh file SHP yang berformat UTM, mudah untuk dimanipulasi (misalnya untuk optimasi), tetapi harus dikonversi kembali ke lintang dan bujur jika ingin ditampilkan di Googla Map yang berformat lintang dan bujur (lihat post sebelumnya).

Untungnya Matlab menyediakan konversi dari UTM ke lintang/bujur yang cukup akurat di situs resminya. Berikut ini contoh fungsi utm2ll yang tinggal dicopas dan simpan dengan nama utm2ll.m:

Misalnya saya impor dengan fungsi shaperead file SHP yang berkoordinat UTM (lihat cara menggunakan shaperead). Kemudian saya jalankan fungsi UTM2LL tersebut yang berisi parameter sumbu x,y zona (untuk contoh ini 48S yang diisi dengan -48, negatif karena di selatan). Sementara datumnya ‘wgs84’. Ambil satu contoh titik pertama:

  • >> real(1,:)
  • ans =
  • -6.2620 106.9955

Di ArcGIS sebenarnya ada fasilitas mengkonversi langsung, tetapi ketika saya impor ke Matlab shapefile-nya, angkanya masih tetap UTM. Tetapi bisa digunakan untuk menguji apakah hasil konversinya benar. Perhatikan jawaban titik pertama di atas (-6.2620 106.9955) yang ditunjukan pada (1) sama dengan koordinat lintang/bujur (2) pada gambar di bawah ini.

Selesai juga masalah konversi dari UTM (720779.301055732, 9307408.86579029) menjadi Latitude-Longitude (-6.2620 106.9955). Semoga bermanfaat.

Menampilkan Data Spasial Web-based dengan Google Map API

Google menyediakan fasilitas online untuk melihat peta lokasi suatu wilayah. Banyak fasilitas yang diberikan baik dalam format peta biasa (Map) maupun citra satelit (Satellite). Bahkan bisa juga melihat lokasi jalan dengan memanfaatkan fasilitas Google Street View yang menempel di Application Programming Interface (API) Google Map.

Membuat Kode Sederhana

Sebelum masuk ke sistem basis data, ada baiknya bisa menampilkan terlebih dahulu Google map pada aplikasi web-based yang akan kita buat. Buka saja teks editor ringan, notepad untuk mengetikan kode HTML singkatnya. Copas saja kode berikut dalam notepad:

Ketika menyimpan, seperti biasa pilih ekstension “All”, jangan gunakan defaultnya (*.txt). Kemudian beri nama dengan tambahan di belakangnya .html.

Setelah disimpan, buka file HTML tersebut. Jangan lupa program yang membukanya adalah browser (ie, mozilla, chrome, dll). Kalau tidak otomatis terbuka, klik kanan dan pilih “open with” yang sesuai.

Tombol (1) untuk menampilkan format satelit atau peta biasa dan tombol (2) untuk melihat Street View dengan men-drag simbol orang ke jalan yang ingin dilihat citranya.

Ketika men-drag simbol orang, tampak jalan berwarna kebiruan. Itu tandanya lokasi yang sudah difoto oleh mobil Google. Hasilnya tampak seperti gambar di bawah ini:

Tinggal berikutnya adalah mengkoneksikan ke sistem basis data, misalnya mysql, untuk menampilkan lokasi-lokasi yang ada di database kita. Semoga bermanfaat.