Arsip Kategori: Geographic Information System

Membuat File Deskriptor Fragstats (Lanjutan)

Apabila file RST dari IDRISI sudah dikonversi dan kelas sudah diklasifikasi ulang melalui ArcGIS (lihat postingan terdahulu) maka akan kita coba analisa statistik spasial salah satu kelasnya. Untuk itu set seluruh kelas pada kolom Enabled –nya menjadi false kecuali salah satu kelas, misal open.

Buka Fragstats, dan klin “new” untuk memulai model analisa baru. Tambahkan layer yang berisi file TIF yang sudah diolah sebelumnya.

Selain file TIF, sertakan juga file deskriptornya, file yang merinci kelas-kelas file TIF tersebut. Ada satu file wajib lainnya yang diminta Fragstats, yaitu similarity. Jika tidak ada, maka Fragstats menolak untuk me-running. Perhatikan gambar di bawah:

Bobot similarity yang diisikan berkisar dari 0 (sangat berbeda) hingga 1 (mirip). Tabel di atas menunjukan nilai 1 karena dibandingkan dengan dirinya sendiri. Antara vegetasi dengan agri pada kasus di atas sangat mirip (0.8). Jangan lupa class_list_literal dan class_list_numeric diisi sesuai dengan tabel deskriptor. Berikutnya tekan tab Analysis Parameters.

Tutorial Fragstats merekomendasikan “use 8 cell neighborhood rule”. Silahkan pilih level dari metrik, jika tidak ada yang dicentang, maka Fragstats tidak akan memproses. Ada pesan “level metrics” tidak diisi di activity log. Berikutnya adalah mengeset statistik spasial mana saja yang akan dikalkulasi. Pilih level Lanscape karena di parameter setting, hanya landscape metrics yang dipilih.

Pilih semua pada bagian “Aggregation“. Ada dua isian yang wajib jika similarity index diceklis yaitu search radius dan threshold distance. Jika sudah maka model siap dijalankan dengan menekan simbol run (segitiga hijau).

Prosesnya sekitar dua atau tiga menit. Setelah itu, tekan Result untuk melihat statistik spasial-nya. Untuk membandingkan beberapa peta (misalnya tahun yang berbeda), teknik “batch” bisa digunakan. Biasanya yang digunakan adalah PD, LSI, ENN, dan MPS.

 

 

Iklan

Konversi dari RST ke TIF pada IDRISI

IDRISI merupakan software yang ampuh untuk mengelola klasifikasi lahan berbasis data raster (image). Untuk menghitung statistik spasial, biasanya periset memanfaatkan software Fragstats, yang saat tulisan ini dibuat sudah masuk ke versi 4. Sementara IDRISI menggunakan file berekstensi *.rst, Fragstats menggunakan jenis file standar geotiff, *.tif. Oleh karena itu kemampuan untuk mengkonversi RST ke TIF pada IDRISI mutlak diperlukan. Walaupun ada cara lain, yaitu menggunakan file ASCII, tetapi berdasarkan postingan terdahulu, agak ribet menyeting saat menambahkan layer ASCII ke model Fragstats dibanding layer dalam format TIF.

Buka aplikasi IDRISI dan pilih menu FILEexport Desktop Publishing Format – GEOTIFF/TIF. Kita akan diminta memasukan file RST yang akan dikonversi menjadi TIF. Lihat gambar berikut:

Selain memasukan file RST yang akan diubah menjadi TIF, IDRISI juga mewajibkan menyertakan file PALLETE, yang merupakan penjelasan dari warna klasifikasi. Cara pembuatan pallete sudah dibahas di postingan terdahulu (search IDRISI di blog ini).

Setelah ditekan OK, maka IDRISI akan membuatkan file TIF yang sepadan dengan file aslinya (RST). Coba buka ArcGIS dan buka file TIF tersebut. Perhatikan, di sini klasifikasinya masih kacau, tetapi dengan mengklik kanan – properties – pilih symbology kita dapat mengklasifikasi kembali dengan baik.

Pilih jumlah kelas sesuai dengan RST. Sesuaikan juga Color Ramp sesuai selera Anda. Misalnya tampak pada gambar di bawah ini.

Fragstats memerlukan satu file tambahan yakni descriptors.fcd yang fungsinya menjelaskan kode klasifikasi. Cara mudah membuatnya adalah dengan mengedit file tersebut dari tutorial yang disediakan oleh Fragstats.

Tinggal dilanjutkan ke Fragstats. Selamat mencoba, semoga sedikit membantu.

 

Membuat File Deskriptor Fragstats

File deskriptor (descriptor.fcd) pada software Fragstats berisi klasifikasi suatu peta raster (Grid). Klasifikasi pada Fragstats berbeda dengan GIS tool lainnya yang terintegrasi. Pada Fragstats, klasifikasi disertakan dengan file yang berbeda (berekstensi *.fcd). Untuk melihat bagaimana struktur pembuatan kelasnya, ada baiknya membuka file *.mxd bawaan tutorial Fragstats yang dibuka dengan ArcGIS versi 10 ke atas. Jika versi 9 yang digunakan, pilih yang versi 9 (disediakan pula).

Masukan satu contoh file TIF, misalnya “reg78b.tif” dengan men-drag dari ArcCatalog. Perhatikan klasifikasi yang diberikan dalam bentuk warna-warni. Warna-warna yang menggambarkan kelas-kelas Land Use tidak akan dikenali pada Fragstats. Dibutuhkan satu file tambahan (descriptors.fcd) yang memberikan informasi ke Fragstats mengenai kelas-kelas yang ada pada “reg78b.tif” tersebut. Jika kita buka tabelnya (klik kanan pada “reg78b.tif” dan pilih Open Attribute Table) maka tampak kelas dalam bentuk tabel.

Untuk membuat file deskriptor, tabel atribut diperlukan, terutama pada kolom Value yang menyatakan kelas Land Use. Hanya saja perlu ada penambahan kolom lainnya yaitu, Name, Enabled, dan IsBackground selain kolom ID itu sendiri (berasal dari Value).

Perhatikan file dekskriptor di atas. Jika pada ArcGIS tidak disertakan nama land use- nya, pada Fragstats harus disertakan (misalnya: open, resident, water, forest, wetland, dan urban pada kasus di atas). Untuk membuat file deskriptor dengan contoh raster lainnya akan dibahas pada postingan berikutnya, masih dengan studi kasus di kota Bekas seperti biasa (bersambung).

Moving Window Analysis (Tutorial-4 Fragstats)

Jika pada postingan terdahulu, satu GRID dicari harga-harga statistik spasial-nya, sekarang kita mulai melibatkan GIS tool untuk melihat hasil olahnya. Masih diambil dari (Mcgarigal et al., 2015), tutorial 4 membahas “Moving Window Analysis”. Maksudnya adalah analisa suatu data GRID (raster) dengan menggunakan jendela persegi dengan ukuran tertentu yang bergerak ke seluruh lansekap. Silahkan unduh Fragstats di link berikut ini beserta tutorialnya.

Buka Fragstats, buat proyek baru dengan menekan “New”. Setelah itu tambahkan file ASCII dengan menekan “Add Layer”. Pada tutorial digunakan file TIFF yang merupakan standar Fragstat, tetapi kita coba dengan ASCII yang bisa digunakan hampir di semua GIS tool.

Jangan lupa memasukan data-data “row coung”, “column”, dst seperti gambar di atas. Tekan “…” untuk memasukan file yang dituju di tutorial 4 yaitu Reg78b.asc. Tekan “OK” dan pastikan tidak ada error/pesan kesalahan (lihat Activity Log).

Pada tab “Analysis Parameters” centang “Moving Windows” beserta “class” dan “lanscape” metrics. Pilih jendela “square” dengan panjang 500 meter (tekan […] terlebih dulu untuk mengisi nilai square).

Berikut ini adalah langkah penting dimana kita akan menentukan kelas mana yang dianalisa dengan moving window. Buka descriptors.fcd dengan notepad atau text editor lainnya. Di sini kita akan sedikit mencoba berbeda dengan tutorial, yaitu kelas Urban yang akan dianalisa. Caranya adalah mengubah seluruh kelas pada kolom Enabled dengan “False” sementara Urban tetap dijaga “False“.Masukan file dengan menekan “Browse” di bagian Analysis Parameters.

Setelah kelas yang akan dianalisa dipilih (Urban), berikutnya adalah memilih metrics yang tepat. Di sini dianjutkan dengan memilih Area-Weighted Mean (AM) untuk level kelas dan lansekap (kotak kuning dan biru di Fragstats). AM dikenal juga dengan istilah Correlation Length.

Coba jalankan model dengan menekan tombol segitiga hijau, tunggu beberapa saat hingga indikator process berhenti. Perhatikan di Activity Log, output berupa file ASCII dengan nama reg78b.asc_mw1. Silahkan buka dengan GIS tool, misalnya ArcGIS. Tidak ada result statistik ketika tombol “Results” ditekan, karena di sini kita membuat peta baru yang berisi hanya Urban.

Sepertinya agak ribet jika menggunakan ASCII ketika ingin dibuka di ArcGIS. Lebih mudah menggunakan TIF dan menggunakan toolbox konversi dari TIF ke RST atau sebaliknya. Selamat mencoba.

Reference

Mcgarigal, K., Cushman, S. and Ene, E., 2015, FRAGSTATS v4: Spatial Pattern Analysis Program for Categorical and Continuous Maps [Online]. Available at: http://www.umass.edu/landeco/research/fragstats/fragstats.html.

 

 

Jenis-jenis Sprawl pada Daerah Urban

Seperti telah dibahas pada postingan terdahulu, sprawl yang artinya pembukaan lahan baru perkotaan, berdampak negatif terhadap lingkungan. Mengetahui perkembangan sprawl suatu wilayah dapat membantu mengurangi dampak negatif tersebut. Banyak riset yang sudah membahas masalah sprawl pada daerah urban yakni (Pham and Yamaguchi, 2011; Sun et al., 2013; Yue et al., 2013). Rata-rata software yang digunakan adalah Fragstats (lihat postingan terdahulu).

Salah satu paper, yakni (Sun et al., 2013), menggunakan empat variabel untuk mendeteksi tipe-tipe sprawl yakni Patch Density (PD), Landscape Shape Index (LSI), Euclidean Nearest-Neighbor Distance (ENN), dan Mean Patch Size (MPS). Tipe-tipe sprawl yang dideteksi antara lain: Infilling, edge-expansion, dan outlying. Definisi dan hubungan variabel dengan tipe sprawl adalah sebagai berikut:

1. PD merupakan ukuran umum untuk keberagaman suatu lansekap. Nilainya akan rendah ketika komposisi yang ada terfragment atau tersebar.

2. LSI merupakan ukuran ketidakteraturan dari lansekap. Mirip dengan PD jika suatu kelas patch mulai bergabung maka nilainya berkurang dibanding ketika masih terpisah.

3. ENN dinyatakan sebagai jarak antar satu kelas patch dengan kelas patch lainnya berdasarkan jarak sudut dengan sudut lainnya.

4. MPS adalah luas rata-rata tiap patch dalam suatu lansekap.

Hubunga variabel di atas dengan tipe pertumbuhan urban adalah sebagai berikut. Nilai PD dan LSI yang rendah, tetapi MPS dan ENN yang besar mengindikasikan bahwa tipe pertumbuhannya adalah outlying. Sementara outlying terus turun karena pertumbuhan urban yang makin kompak, infilling dan edge-expansion terus meningkat.

Data di atas diambil dari studi kasus di Guangzhou, China. Silahkan baca referensinya di bawah ini.

Reference

Pham, H.M. and Yamaguchi, Y., 2011. International Journal of Remote Urban growth and change analysis using remote sensing and spatial metrics from 1975 to 2003 for Hanoi , Vietnam. International Journal of Remote Sensing, 32(May 2015), pp.37–41.

Sun, C. et al., 2013. Quantifying different types of urban growth and the change dynamic in Guangzhou using multi-temporal remote sensing data. International Journal of Applied Earth Observations and Geoinformation, 21, pp.409–417. Available at: http://dx.doi.org/10.1016/j.jag.2011.12.012.

Yue, W., Liu, Y. and Fan, P., 2013. Land Use Policy Measuring urban sprawl and its drivers in large Chinese cities : The case of Hangzhou. Land Use Policy, 31, pp.358–370. Available at: http://dx.doi.org/10.1016/j.landusepol.2012.07.018.

 

Analysing a Single Grid – Fragstats (Tutorial2)

Fragstats telah menyediakan tutorial disertai file-file pendukungnya. Seperti tutorial-tutorial atau help aplikasi yang berbedar, butuh usaha ekstra untuk mengikutinya, apalagi dengan bahasa Inggris. Unduh terlebih dahulu file-file pendukungnya di link berikut.

Tutorial 1 (instalasi dan kompatibilitas dengan GIS tools) tidak terlalu rumit dan mudah dimengerti, kecuali pengguna GIS tool non-ArcGis (Erdas, QGis, dll). File standar Fragstats berdasarkan tutorial sepertinya GeoTIFF (ekstensi *.TIF). Sedangkan jika ingin menggunakan file standar ArcGIS dapat menggunakan ASCII (ekstensi *.asc). Karena standar ArcGIS untuk data raster (GRID) adalah *.rst, mau ga mau harus dikonversi terlebih dahulu ke *.asc. Jangan lupa variable environment di control panel terlebih dahulu diset-path ke C:\Program Files (x86)\ArcGIS\Desktop10.1\bin. Sebab jika tidak dimasukan di variable environment akan ada pesan error ketika menambah layer grid di model yang akan dibuat. Note: jangan lupa awali dengan semicolon (;) untuk path yang ditambahkan. Jangan pula letakan file yang akan dikelola (termasuk tutorial) di My Document karena folder tidak boleh ada spasi.

Ada sepuluh langkah yang penting ketika menganalisa spatial metrics menurut tutorial 2, antara lain: 1) membuka Fragstats, 2) Membuat model baru, 3) mengimpor sebuah Grid, 4) Memasukan sebuah tabel klasifikasi (class descriptors table), 5) Mengeset paramater tambahan untuk analisa, 6) Memilih metrics, 7) Memasukan tabel-tabel tambahan, 8) Menyimpan model, 9) Menjalankan model, dan 10) Melihat dan menyimpan hasil. Kesepuluh langkah dalam tutorial bermaksud menampilkan seluruh statistik spasial dari data raster, yang tentu saja dalam prakteknya bisa menyesuaikan (tidak harus seluruhnya). Tabel berikut contoh statistik spasial dari sebuah jurnal internasional.

Hanya empat saja, padahal di Fragstats cukup banyak, terutama di bagian Patch metrics. Ok, kita coba yang dari tutorial saja, setelah itu kita coba jawab empat variabel di atas (PD, LSI, ENN, dan MPS).

A. Memasukan Data GRID

Tahap ini ringkasan dari tahap 1 hingga 3 pada tutorial aslinya. Setelah Fragstats dibuka dan tombol NEW ditekan maka file GRID yang akan dianalisa statistik spasialnya siap diimpor dengan menekan tombol Add Layer … Pada tutorial, tipe file yang digunakan adalah GeoTIFF yang merupakan file standar Fragstats. Sebaiknya coba menggunakan ASCII karena bila bisa menggunakan ASCII maka dipastikan bisa berkomunikasi dengan GIS tool lainnya seperti ArcGIS atau IDRISI Selva. Tinggal mengkonversi saja dari raster ke ASCII lewat menu EXPORT di masing-masing GIS tool yang digunakan.

Jangan lupa menekan tipe data dan mengisi parameter-parameternya sebelum tombol OK ditekan. Angka-angka yang diisikan di atas berdasarkan panduan dari tutorial, sementara untuk file GRID yang lain tentu saja berbeda. Satuan standar yang digunakan adalah meter.

B. Memasukan Tabel Klasifikasi (Descriptors Table)

Tabel ini berekstensi *.fcd berisi ID, name, Enabled, IsBackground. Isinya menjelaskan file ASCII yang baru saja diimpor. Tutorial sudah menyediakan file tersebut dan tinggal mengedit jika ingin digunakan ke file ASCII lainnya.

Enabled ternyata berfungsi untuk men-sortir mana yang akan dianalisa. Misalnya kita akan menganalisa statistik “resident”, maka yang lain dibuat “false” (hanya “resident” yang true). Cara memasukan tabel tersebut adalah dengan menekan tombol Browse di area tab Input Layers lalu arahkan ke file descriptors.fcd.

C. Mengeset Parameter-parameter Tambahan untuk Analisa

Analisa pada Fragstats berupa matrik-matrik. Ada tiga level yaitu Patch, Class, dan Landscape. Tiap level bisa dipilih apa saja yang akan dianalisa. Untuk uji coba, pilih 8 cell neighbor rule dan no sampling strategy. Matrik-matrik Patch, Class, dan Landscape dicentang juga.

D. Mengatur Matrik

Untuk mengeset level matriks, tekan masing-masing level (Patch, Class, dan Landscape) yang ditunjukan dengan kotak merah, kuning dan biru. Sebagai uji coba, pilih “Select All” di masing-masing level. Hanya perlu diperhatikan pada bagian Aggregation karena mencentang proximity index atau similarity index maka harus mengisi radius: isi dengan angka 500, yang berarti 500 meter. Isi radius itu untuk Patch, Class, maupun Landscape. Khusus untuk Landscape, jika memilih “select all” maka harus mengisi Diversity tab pada bagian “The maximum number of classes” yang maksimalnya enam.

E. Mengisi tabel-tabel tambahan

Ada tiga file berkestensi *.fsq yang bisa dijadikan tabel tambahan. Pada Fragstats disediakan tiga jenis yaitu: Edge depth, Edge contrast, dan Similarity. Agak sulit memahami isi dari masing-masing tabel itu. Untungnya help pada Fragstat menyertakan penjelasan masalah itu. Perhatikan tabel edge depth berikut.

Perhatikan matriks yang ada nol-nya. Baris menyatakan kelas yang jadi fokus perhatian, sementara kolom menyatakan hubungannya dengan kelas lain. Nol berarti tidak memiliki efek edge terhadap kelas lainnya. Baris keempat adalah forest, memiliki efek edge dengan kelas lainnya yang besarnya terhadap open, resident, water, wetland dan urba berturut-turut 100, 50, 50, 50, dan 200. Sementara kelas lainnya tidak ada. (Kenapa kelas open tidak 0, 0, 0, 100, 0, 0? Mengingat ada edge efect dengan forest. Siapa tahu pembaca ada yang mengerti, tolong masukannya di komentar).

F. Menjalankan dan Melihat Hasil

Jalankan model dengan menekan tombol segitiga berwarna hijau (run) dan perhatikan Activity Log. Terkadang proses berhenti karena ada kesalahan atau ada parameter-parameter yang tidak/belum diinput. Sebenarnya langkah-langkah di atas tidak perlu dijalankan jika ingin sekedar mengetahui proses apa yang dilakukan oleh Fragstats. Tinggal membuka Model yang sudah disediakan tutorial dan mengarahkan layer ke file berada (lokasi file TIFF/Ascii) lalu di-run, biasanya jalan.

Perhatikan result di atas. Landscape yang merupakan total study area menyebutkan PD dan LSI sebesar 4.08 dan 6.5225. Mean Patch Size (MPS) dan ENN harus dicari sesuai dengan istilah di Fragstats, banyak banget istilah-istilah statistik spasial. Begitu saja? Ya, ini kan statistiknya. Untuk yang moving window, akan dibahas di postingan lain. Selamat mencoba.

Belajar Aplikasi Vertikal (Vertical Application)

Aplikasi (application) banyak macamnya; dari sistem operasi/middleware, hingga software. Salah satu apllikasi yang sering digunakan oleh mahasiswa adalah vertical application. Berbeda dengan horizontal application yang ditujukan untuk pengguna umum dengan tingkat keahlian yang beragam, vertical application ditujukan untuk pengguna khusus yang terbatas dengan proses bisnis tertentu. Bagi pengguna yang tidak memiliki pemahaman tertentu terhadap ruang lingkup keilmuan aplikasi vertikal, aplikasi tersebut sepertinya tidak bermakna. Pengguna, oleh karena itu, perlu belajar terlebih dahulu ilmu yang mendasarinya.

Untuk mempelajari satu bidang ilmu terkadang butuh beberapa bulan, bahkan tahunan. Padahal, seorang insinyur informatika perlu secepatnya memahami ilmu yang menyertai aplikasi vertikal untuk membantu atau bekerjasama dalam suatu tim dengan stakeholder lain. Untungnya, kebanyakan aplikasi menyediakan dokumentasi yang disediakan dalam konten help-nya yang sangat bermanfaat bagi pengguna yang kurang begitu memahami domain dari aplikasi vertikal yang akan digunakan. Fasilitas inilah yang menjadi andalan untuk mempelajari ilmu dasar aplikasi vertikal. Contoh di bawah ini adalah help pada aplikasi vertikal tentang ecology landscape yang membantu menganalisa data spasial dari aspek statistik yang berhubungan dengan ekologi dan lansekap.

Contoh aplikasi vertikal di atas adalah Fragstats (lihat postingan sebelumnya) yang bekerja dengan mode raster (grid/image/ascii). Ketika dibuka dan membuat model analisa baru, akan muncul pilihan patch metrics, class metrics, dan lanscape metrics. Istilah-istilah tersebut dapat dipelajari lewat help pada gambar di atas. Aplikasi ini gratis, hanya saja untuk melihat hasilnya butuh aplikasi lain yang belum tentu gratis, misalnya ArcGis.

Mempelajari ilmu dasar lewat help dapat mempercepat kemampuan dalam penggunaan suatu aplikasi vertikal walaupun tentu saja, perlu juga membaca literatur-literatur tentang ilmu yang mendukung aplikasi tersebut. Selamat mencoba aplikasi vertikal yang banyak tersedia saat ini.

Memulai Fragstats untuk Analisa Sprawl

Seperti telah dibahas pada postingan sebelumnya, Fragstats sangat baik digunakan untuk analisa sprawl (entah apa padanan kata bahasa Indonesia untuk istilah “sprawl”). Ada baiknya unduh tutorial Fragstats yang disediakan oleh vendornya di link berikut ini. Setelah dicoba ternyata Fragstats membutuhkan GIS tool, misalnya ArcGIS untuk melihat hasil olah statistik. Gambar di bawah ketika tutorial1 dibuka dengan ArcMap 10.

Kalau dilihat sekilas sepertinya menggunakan format data Grid dengan ekstensi TIF. Tutorial yang didownload dalam bentuk zip tersebut ternyata disediakan pula file-file pendukung untuk praktek berupa file *.mxd standar ArcGIS. Masih sedikit video yang dishare di youtube tentang penggunaan Fragstats. Sempat menemukan, tapi bahasanya Perancis.

Ada juga beberapa yang bagus dan menggunakan bahasa Inggris sebagai pengantarnya. Link video di bawah ini cukup baik untuk mengolah data di ArcGIS sebelum diekspor ke Fragstats untuk dianalisa. Semoga dapat digunakan untuk menghitung Patch Density (PD), Landscape Shape Index (LSI), Euclidean Nearest-Neighbor Distance (ENN), dan Mean Patch Size (MPS).

Analisa Sprawl dengan FRAGSTATS

Sprawl yang artinya pembukaan lahan baru perkotaan, berdampak negatif terhadap lingkungan. Jika tidak diawasi maka akibatnya dapat dirasakan hingga generasi yang akan datang. Sprawl berkaitan dengan perkembangan lahan (land use growth) dimana suatu kota yang tidak sanggup lagi menampung penambahan kebutuhan lahan dan bergeser ke wilayah sekitarnya (vicinity). Untuk itu perlu menganalisa Sprawl agar pengambil kebijakan dapat memprediksi laju Sprawl ini. Salah satu perangkat lunak yang baik dan sering digunakan oleh peneliti adalah Fragstats. Software ini gratis dan dapat diunduh di situs ini. Ukurannya lumayan kecil, hanya 5 Mb.

Software ini kompatible dengan ArcGis versi 10 dengan format Grid. Selain software, vendor juga menyediakan tutorial lengkap dengan data sample yang akan diolah. Di bawah ini tampilan awal setelah menginstall perangkat lunak tersebut dan siap digunakan untuk menganalisa Sprawl. Rencananya akan digunakan di Jabotabek (JMRR), khusus ke arah barat (Bekasi kota, Bekasi kabupaten, dan Bogor utara).

Semoga informasi ini bermanfaat dan dapat digunakan untuk menganalisa Sprawl suatu wilayah. Terlebih dahulu unduh citra satelit USGS yang sudah dijelaskan pada post sebelumnya.

Validasi Hasil Land Use Prediction

Validasi sangat penting dilakukan untuk mengetahui kinerja model yang sedang kita buat. Jika model yang tidak/kurang valid maka tidak baik untuk digunakan meramalkan land use yang akan datang. IDRISI memiliki fungsi VALIDATE untuk menghitung validasi. Prinsip validasi sangat sederhana yaitu hasil peramalan dibandingkan dengan kenyataan. Misal image tahun 2000 dan 2010 digunakan untuk meramalkan tahun 2015, maka selain image tahun 2000 dan 2010, perlu juga disiapkan image tahun 2015.

Dengan mengisi file image hasil prediksi dan image kenyataan di tahun yang sama dengan tahun prediksi, nilai Kappa dapat diketahui. IDRISI mengikuti riset yang dilakukan oleh Pontius (2000) dengan beberapa nilai Kappa, antara lain: Kappa for no information (Kno), Kappa for location (Klocation), Kappa for quantity (Kquantity), Kappa standard (Kstandard). Selain itu juga nilai: value of perfect information of location (VPIL), dan value of perfect information of quantity (VPIQ).

Selain dengan Kappa, metode lain untuk mengetahui validasi adalah dengan Relative Operating Characteristic (ROC). Prinsipnya adalah dengan probabilitas kejadian dengan nilai boolean yang biasanya ketika prediksi dengan MARKOV. Validasi yang menggunakan ROC dikenal dengan istilah Area Under ROC (AUC).

 

Menampilkan Data Geospasial dengan Matlab

Untuk pertukaran data antara matlab dengan GIS tool bisa dilakukan dengan menggunakan fungsi shaperead dan shapewrite seperti sudah dijelaskan pada postingan yang lalu. Setelah itu data hasil olahan Matlab dapat dibuka dengan ArcGIS atau GIS tool lain yang gratis, misalnya Google Earth (tentu harus dikonversi terlebih dahulu menjadi KMZ, lihat postingan untuk konversi ke aplikasi ini). Sebenarnya Matlab sendiri memiliki fasilitas untuk menampilkan peta. Lihat link youtube berikut untuk merepresentasikannya.

Bagi yang memiliki Matlab tapi versi yang lama dan tidak memiliki fasilitas-fasilitas terbaru dalam menangani data geospasial, beberapa institusi yang sudah mengembangkan sendiri M-file untuk mengolah data spasial bersedia men-share. Salah satunya adalah situs M_Map: A Mapping Package for Matlab. Silahkan buka dan pelajari, isinya adalah menampilkan figure yang berisi koordinat geospasial, dengan tampilan proyeksi, grid dan skala yang sudah terstandar.

Bahkan bagi yang suka mengelola citra satelit, Matlab sudah mampu menampilkan citra satelit yang memiliki format Red, Green, Blue (RGB). Silahkan pelajari link Youtube berikut ini bagi yang tertarik dengan pengolahan citra RGB yang bisa juga diterapkan ke bidang lain selain remote sensing.

Demikian info singkat yang saya sendiri masih dalam tahap penjajagan. Selamat mencoba.

Mengimpor Driver LU Change dari ArcGIS

Bagi yang sudah berkecimpung dengan penelitian dengan topik perubahan penggunaan lahan (Land use – LU) sepertinya tidak asing dengan istilah driver. Driver adalah suatu peta tematik yang menggambarkan pengaruh suatu kondisi geografis (jarak dengan jalan, pusat kota, dan lain-lain) terhadap pertumbuhan LU. Ada bermacam-macam kategori: biofisika, infrastruktur, dan sosial-ekonomis, dan lainnya yang bisa dibaca di buku text tentang tata kota atau environment. Bisanya software yang digunakan adalah IDRISI yang memiliki modul Land Change Modeler (LCM). Akan tetapi untuk membuat driver, mau tidak mau mengandalkan ArcGIS yang sangat fleksible dan memang ditujukan untuk spatial analysis yang lebih lanjut.

Salah satu masalah yang dijumpai oleh para pengguna ArcGIS adalah ketika mengekspor driver tersebut ke IDRISI. Ketika dihubungkan dengan image lain driver tersebut tidak sinkron. Salah satu cara untuk mengatasinya adalah dengan mengandalkan fungsi PROJECT yang bertugas merubah/mengkonversi proyeksi dan juga menyamakan bidang kerja suatu image dengan lainnya.

Pertama-tama yang wajib diketahui oleh pengguna citra satelit yang diunduh dari USGS (lihat cara donwloadnya) adalah proyeksi yang digunakan oleh citra satelit tersebut. Setelah mengimpor TIFF menjadi RST buka PROJECT dan coba letakkan image yang diimpor tersebut, maka muncul proyeksinya.

Perhatikan referensi citra satelit yang saya miliki ternyata LATLONG. Biasanya untuk citra satelit, misalnya jabotabek, menggunakan UTM. Tapi ternyata untuk citra DEM dari SRTM (lihat post sebelumnya) ternyata proyeksinya LATLONG (saya juga kurang begitu paham dengan proyeksi ini, mungkin lintang dan bujur seperti biasa). Di sini proyeksi tersebut akan dikonversi menjadi standar UTM 48S yang saya gunakan. Oiya, walaupun di ArcGIS sudah diutak-atik menjadi UTM, ternyata tetap harus diset ke defaultnya (LATLONG), entah mengapa. Jangan lupa menekan Output Reference Information untuk menyamakan bidang kerja (dari existing file).

Jadi ciri-ciri driver yang sudah siap digunakan adalah selain bentuk visualnya yang sama dengan ketika diolah di ArcGIS, juga sinkron dengan image lainnya. Caranya buka display dua buah image, yaitu satu yang sudah terstandar dan satu lagi driver yang baru saja kita impor dari ArcGIS. Jika keduanya dapat dibuka, dalam satu Composer maka dapat dipastikan dua image itu sudah klop (lihat dengan cara men-checklist salah satu image).

Jika sudah dirasa klop, maka siap dimasukan ke dalam LCM bersama dengan driver-driver lainnya. Contoh di atas adalah Digital Elevation Model (DEM) sebagai salah satu driver perubahan lahan (LU).

Membuat Peta DEM dari Data SRTM

Selain foto permukaan bumi, USGS ternyata menyediakan foto tentang ketinggian (elevation) yang diambil lewat Shuttle Radar Topography Mission (SRTM). Lihat postingan terdahulu, untuk mengunduhnya. Salah satu manfaat dari foto SRTM ini adalah untuk membuat peta tematik Digital Elevation Model (DEM) atau juga peta kontur.

Hasil download dapat dibuka dengan aplikasi-aplikasi GIS, misalnya ArcGIS. Bahkan karena tipe file-nya TIFF maka tiap pembuka gambar biasanya dapat melihatnya. Ukuran file lumayan besar untuk satu gambar, sekitar 25 megabyte. Untuk wilayah sekitar jabotabek, sepertinya harus mengunduh dua gambar. Tampak kota Bekasi hanya menempati sebagian saja jika satu file download yang digunakan.

Oleh karena itu harus dua file yang di-download. Untungnya USGS menyediakan seluruh tile, istilah untuk satu segmen download, untuk wilayah republik Indonesia.

Dengan menggunakan fungsi raster clip (lihat postingan tentang clip) diperoleh SRTM untuk wilayah tertentu yang menjadi study area kita (misal kota Bekasi). Lumayan ribet juga kota Bekasi, karena pas transisi antara dua “tile” SRTM. Untuk menggabungkan dua data raster dapat menggunakan fungsi mosaic to new raster yang tersedia di Arc Toolbox. Untungnya link youtube ini bisa jadi rujukan untuk menggabungkan dua data raster SRTM tersebut. Dan untungnya lagi, video itu membahas penggabungan SRTM yang beda “Tile” juga.

Jangan sampai salah mengisi parameter pada mosaic to new raster. Jika data ketika digabung berubah, berarti ada yang salah mengisi isian fungsi itu. Klik kanan dan pilih properties pada SRTM asal untuk mengetahui parameter yang sesuai. Lihat isian untuk SRTM kota Bekasi berikut. Pixel type dan number of band dapat dilihat di properti pada peta SRTM.

Untuk yang ingin membuat peta kontur, silahkan mengikuti langkah-langkah yang sudah dijelaskan di youtube berikut ini.

Gambar di bawah ini menunjukan peta DEM (kiri) dan peta kontur (kanan). Semoga sedikit bermanfaat.

Ekspor Shapefile ke KMZ Google Earth

Terkadang untuk melihat suatu peta pada ArcGIS apakah sudah sesuai dengan kenyataan perlu dibandingkan dengan Google Earth Pro yang saat ini sudah gratis. Misalnya saya memiliki hasil klasifikasi peta dari citra satelit USGS kemudian akan saya bandingkan hasil klasifikasi, misalnya builtup area, dengan kondisi real. Walaupun bisa dengan metode “composit” tetapi karena resolusi yang rendah dari citra satelit, membandingkan dengan Google Earth yang sampai 30 meter sepertinya layak dicoba.

Gambar di bawah ini saya memiliki peta builtup dari ArcGIS yang akan diekspor ke Google Earth. Langkah pertama adalah mengkonversinya menjadi KMZ atau KML yang dikenali oleh software Google Earth (lihat postingan ini jika ingin tahu apa itu Google earth).

Seperti biasa, cara termudah mencari fungsi pada ArcGIS adalah dengan men-“searching”nya. Ketik “to KML” untuk menemukan fungsi tersebut di ArcGIS toolbox. Pilih Layer to KMZ dan isi form dengan layer yang sudah ada di ArcGIS sebelumnya. Oiya, baik data vektor maupun raster dapat dikonversi dan diekspor ke Google Earth.

Pastikan konversi berjalan dengan sempurna. Setelah itu buka file-nya dengan folder explorer seperti biasa. Untuk memindahkan file KMZ hasil konversi tersebut cara termudah adalah dengan mendrag dari folder explorer ke Google Earth. Otomatis nanti file KMZ yang merupakan peta Built-up area (raster) akan overlay dengan Google Earth. Oiya, jangan lupa proyeksi harus standar terlebih dahulu. Gambar di bawah ini menunjukan hasilnya (yang berwarna hijau tua atau biru ya?), kebetulan saya menggunakan “historical imagery”, yaitu servis dari google earth untuk melihat peta wilayah pada tahun-tahun yang lampau. Kebetulan Bekasi hanya tersedia sampai tahun 2003 sebagian besar wilayahnya.

Untuk sebaliknya, dari KMZ/KML ke shapefile, dapat lihat postingan yang lalu berikut ini. Selamat mencoba.

Mengunduh Digital Elevation Model (DEM) Gratis dari Shuttle Radar Topography Mission (SRTM)

Berawal dari ketidakpuasan dalam menggunakan peta ketinggian (Digital Elevation Model) yang diterbitkan BIG (dulu bernama Bakosurtanal), akhirnya diputuskan mencari sumber lain. Salah satu sumber yang baik adalah citra satelit Shuttle Radar Topography Mission (SRTM). Resolusi citra ini sangat baik dan bahkan sudah mencapai ketinggian 30 meter. Untuk mengetahui lebih lanjut mengenai SRTM dapat dilihat di situs ini.

Untuk mengunduhnya dapat mengakses situs resmi USGS ini. Terlebih dahulu sebaiknya Anda melakukan registrasi sebelum mengunduh, karena lumayan panjang prosesnya. Tetapi jangan khawatir, tidak perlu bayar. Link di Youtube berikut ini cukup baik menjelaskan bagaimana cara mengunduh peta ketinggian, dimulai dari registrasi, pencarian lokasi, hingga menyimpan citra hasil pengunduhan.

Format yang tersedia ada tiga yaitu BIL, DTED, dan GeoTIFF dengan ukuran puluhan megabyte. Selamat men-download.