Menentukan Suatu Titik di Dalam atau di Luar Polygon

Setelah berhasil merancang algoritma yang berfungsi mengoptimasi beberapa lokasi landuse, berikutnya adalah merancang optimasi dengan batasan. Tidak ada gunanya merancang sistem yang mengoptimasi lokasi optimal tetapi tidak melibatkan batasan tertentu. Batasan di sini misalnya lokasi yang menjadi target lokasi optimal harus bebas banjir, tidak berbahaya, dan aspek-aspek suitability/kesesuaian sesuai jenis peruntukan lahannya (perumahan, kantor, komersial, dan lain-lain). Dengan demikian saat proses optimasi, harus terlebih dahulu dipastikan bahwa kandidat lokasi tersebut berada di dalam region yang diperbolehkan. Istilah untuk optimasi jenis ini adalah constraint optimization.

Ilmu yang mempelajari apakah satu titik berada di dalam dan di luar suatu polygon adalah computer graphic. Secara gampangnya, suatu titik berada di dalam suatu area apabila beririsan dengan garis/lengkungan area tersebut tepat satu kali, dimana garis itu ditarik dari titik yang akan diuji pada sumbu x atau sumbu y keluar/menjauh. Jika beririsan dua kali, atau tidak sama sekali, maka dipastikan titik tersebut berada di luar bidang area tersebut. Cukup sederhana tetapi prakteknya sangat sulit. Setelah searching di internet, ternyata sudah banyak yang membuat M-file dengan bahasa Matlab, salah satunya adalah pada link berikut ini.

Karena Area of Interest (AOI) riset saya adalah kota Bekasi, maka saya membutuhkan region kota Bekasi dalam format shapefile (*.shp). Data dapat diunduh (biasanya berupa data untuk seluruh kota di Indonesia). Lakukan proses clipping untuk menemukan region kota Bekasi saja. Setelah itu impor ke dalam workspace dengan instruksi:

  • data1=impor(‘bekasi_city.shp’);
  • y=transpose([data1.X;data1.Y]);
  • land=(y);

Fungsi impor saya buat sendiri, untuk mempermudah saja, yaitu fungsi shaperead, yang bisa Anda lihat dengan mengetik ‘help shaperead’ di command window untuk lebih jelasnya. Untuk melihat secara visual regionnya, gunakan ‘mapview’ dan buka file shapefile yang Anda miliki.

Letakkan kursor di dalam region kota Bekasi, catat koordinatnya, kemudian cek apakah berada di dalam kota Bekasi atau di luar kota Bekasi. Misalnya titik yang berada di dalam adalah (106.98, -6.27), ikuti instruksi berikut ini untuk mengecek apakah berada di dalam atau di luar.

  • p1=[106.98 -6.27]
  • p1 =
  • 106.9800 -6.2700
  • >> in=inpoly(p1,land)
  • in =
  • 1

Perhatikan, Matlab menjawab 1, yang berarti titik berada di dalam kota Bekasi. Bagaimana jika di luar kota Bekasi? Arahkan mouse di luar kota Bekasi, catat koordinatnya, misalnya (107, -6), test lagi:

  • p=[107 -6];
  • in=inpoly(p,land)
  • in =
  • 0

Matlab menjawab nol, yang artinya di luar region/area. Jadi kode teruji benar. Terjawablah sudah problem menentukan suatu titik di luar atau di dalam region yang nantinya akan diintegrasikan dengan algoritma optimisasi. Akhir kata, fungsi di atas juga bisa digunakan untuk deretan titik, tidak harus satu titik saja. Misalnya kedua titik di atas, titip pertama p dan titik kedua p1, akan dicek secara bersama, kita tinggal menggabungkan kedua titik tersebut menjadi variabel titik:

  • test = [p;p1]
  • test =
  • 107.0000 -6.0000
  • 106.9800 -6.2700
  • in=inpoly(test,land)
  • in =
  • 0
  • 1

Yang artinya titik pertama di luar dan titik kedua didalam. Selamat mencoba dan bermain-main dengan data spatial dengan Matlab.

Koneksi Matlab dengan ArcGIS/ArcView

Sempet juga saya kelabakan ketika menerima hibah penelitian tentang spatial data yang diintegrasikan dengan algoritma tertentu. Karena kepepet, waktu itu saya menggunakan GUI matlab untuk membuat peta seperti arcgis dan juga bantuan aplikasi google map/earth yang ditempel di web berbasis ruby on rails, karena waktu kuliah web technology saya diajarkan bahasa pemrograman ruby on rails. Hasilnya kira-kira berikut ini:

Meneruskan riset yang sederhana tentang optimasi lokasi, untuk optimasi landuse tentu saja tidak bisa dengan cara seperti optimasi spbu yang memang terletak di pinggir jalan. Landuse akan mencari areal dua dimensi yang luas sekali, terutama untuk kasus kota bekasi yang luasnya sekitar 200 km persegi. Ternyata rumit juga terutama criteria/objective function untuk suitability. Ditambah lagi constraint untuk candidate locations, weh. Untuk sementara hasilnya seperti ini, semoga lancar ke depannya.

Optimasi Landuse dengan Matlab

Saatnya mulai membuat kode program matlab untuk mengoptimasi lokasi landuse dan landcover dengan data dari arcview/arcgis. Banyak algoritma yang digunakan oleh riset-riset optimasi saat ini, dua yang terkenal yaitu dengan Particle Swarm Optimization (PSO) dan Genetic Algorithms (GAs). Karena masing-masing memiliki kelemahan dan kelebihan, banyak yang berusaha melakukan hybrid antara satu metode dengan metode lainnya yang ternyata menghasilkan efisiensi dan akurasi yang baik.

Gambar di atas memperlihatkan hasil optimasi landuse tipe lingkaran. Di sini kode masih agak error, dan belum menerapkan algoritma untuk constraint (terlihat result berwarna hijau kabur melewati batas wilayah), tapi untuk sementara cukup menggembirakan karena dapat menghubungkan antara matlab dengan arcview/arcgis untuk menampilkannya. Setiap selesai melakukan optimasi, untuk melihat hasilnya kita harus merefresh Arcview dengan menekan tombol layer .

Menjawab Problem Data type “Struct” di Matlab

Menjawab permasalahan yang dijumpai ketika membuat kode program dengan bahasa Matlab adalah dengan cara: 1) membaca help, 2) situs www.matworks.com, 3) komunitas di internet, dengan bantuan google, dan 4) youtube. Permasalahan muncul karena karakter bahasa matlab yang sedikit berbasis objek. Buku yang beredar di pasaran pun tidak sanggup menjawab seluruh pertanyaan yang beredar. Pertanyaan-pertanyaan liar selalu bermunculan baik melalui komentar ataupun email. Salah satu yang bikin ribet adalah masalah struktur data, karena Matlab memiliki struktur data yang agak banyak. Banyaknya struktur data mungkin dikarenakan kemudahan-kemudahan yang matlab berikan melebihi bahasa induknya yaitu c++ dan fortran.

Beberapa kata kunci yang melibatkan struktur data di matlab dan dapat diakses di fasilitas help antara lain: num2str, cellstr, num2cell, dan sebagainya. Untuk mengetahui tata caranya secara cepat dengan cara mengetik di command window, misalnya: >>help num2str.

Yang menarik di sini, kita dapat mengetahui pula fungsi-fungsi yang berhubungan dengannya lewat informasi “See also”. Untuk mengetahui secara detail dalam bentuk GUI yang rapi dapat mengganti help dengan doc sebelum kata fungsi yang ingin kita ketahui lebih lanjut. Atau menekan tulisan doc num2str.

Untuk situs resmi matlab, sepertinya formatnya tidak jauh berbeda dengan help, yang memaksa kita untuk membaca luas yang terkadang jadi lupa dengan masalah utamanya. Sepertinya andalan utama untuk saat ini adalah searching di internet dengan search engine tercanggih di dunia, google (www.google.com). Untuk bahasa pemrograman, biasanya google mengarahkan ke situs resmi dan komunitas programming, seperti misalnya stackoverflow (www.stackoverflow.com). Perhatikan jawaban di bawahnya oleh para senior, misalnya pertanyaan untuk kasus saya di muka berikut ini:

Terkadang kita tidak mengenal fungsi-fungsi tertentu, karena memang jumlahnya sangat banyak dan tidak mungkin dihapal semuanya. Nah, di sini karena yang ikut terlibat adalah programmer-programmer dengan latar belakang yang beragam, bagi programmer tertentu mungkin banyak memakai fungsi tertentu yang khas di bidangnya yang bagi orang di bidang lain masih dianggap asing. Contoh di atas adalah fungsi setfield yang masih asing bagi pemula atau yang menggunakan matlab untuk komputasi yang tidak berhubungan dengan database. Ikuti di command window saran di atas, dan berhasil. Tentu saja andalan utama kita adalah help yang resmi dari Matlab. Berikut ini trik untuk mengupdate nilai field dari data jenis struct.

Misalkan kita punya data landtype:

  • landtype =
  • 4134884 7681103
  • 9275435 3020821
  • 2063774 5498421
  • 5850328 1631791
  • 5932021 1324960
  • 4557209 2641519
  • 1531668 5462547
  • 2804685 2757848
  • 7250245 6744421
    • ……….

Akan dimasukan ke variabel struktur “data” untuk variabel X dan Y di dalam data tersebut.

  • data =
  • 17×1 struct array with fields:
  • Geometry
  • X
  • Y
  • ID

Dengan mengetikan instruksi ini, fields X dan Y akan berisi landtype.

  • for i=1:17
  • data(i).X=landtype(i,1)
  • data(i).Y=landtype(i,2)
  • end

Kita uji, misalnya untuk data pertama.

  • >> [data(1).X data(1).Y]
  • ans =
  • 4134884 7681103

Bernilai sama dengan landtype pada data di atas yang dicetak tebal. Berikutnya akan kita ekspor hasilnya menjadi shapefile agar bisa dibuka di arcview / arcgis.

>> shapewrite(data,’result’)

Doctoral-Thessis Proposal

Entah sudah berapa kali saya membuat proposal, baik saat studi lanjut ataupun saat mengajukan dana hibah penelitian. Alhamdulillah, seluruh proposal yg saya ajukan, termasuk proposal disertasi, diterima. Kalaupun tidak itu karena masalah administrasi seperti tidak boleh menerima dana hibah lebih dari satu dalam tahun yang sama dan sebagainya. Berbeda dengan proposal-proposal sebelumnya, proposal disertasi merupakan proposal terberat yang pernah saya buat karena membutuhkan ilmu-ilmu yang telah saya pelajari sebelumnya. Selain itu, mencari temuan baru, walaupun hanya secuil ternyata membutuhkan usaha yang besar dari mempelajari riset-riset terkini hingga menganalisa bahwa temuan yang akan kita teliti memang bisa dikerjakan dalam range waktu yang sudah ditentukan.

Memang tidak ada salahnya jujur terhadap diri sendiri, sampai di mana kemampuan kita. Setelah mencoba nekat mengambil jurusan ilmu computer, saya nyerah juga akhirnya. Ketika saya pertama kali kuliah di jurusan computer science, kira2 dua tahun yang lalu, ada pertemuan mahasiswa-mahasiswa Indonesia di gedung Remote Sensing and Geographic Information Systems (RS-GIS) dan ketika melewati lorong-lorongnya, entah mengapa di hati saya berdesir suatu kekaguman terhadap bidang itu ketika melihat foto-foto yang dipajang di dinding lorong itu. Dengan blackberry, saya foto-foto di situ. Foto-foto tersebut masih tersimpan dan saya anggap angin lalu. Dan saya terkejut ketika beberapa waktu yang lalu membuka-buka file lama berisi foto-foto backup blackberry saya, tampak foto “iseng” tersebut yang seolah-olah mengingatkan saya bahwa saya dulu “pernah” terketuk hatinya dengan bidang GIS yang saat ini menjadi bidang disertasi saya. Lebih “ganas”nya lagi, saya harus membahas juga aspek environment/lingkungan seperti yang pernah saya foto juga. “There is no accident”, kata si guru kura2 dalam film kungfu panda,  semua ada yang ngatur.

Kembali ke masalah salah jurusan. Untung saya hobi main catur, saya teringat tiap kali melakukan kesalahan, yang harus saya kerjakan adalah mengurangi dampak dari kesalahan yang telah saya buat itu. Demikian pula, ketika saya tidak sanggup melanjutkan jurusan berat tersebut, saya langsung beralih ke jurusan information management yang sedikit fleksibel. Seluruh kekuatan saya data, termasuk hibah penelitian yang saya peroleh tiga tahun berturut-turut (akan saya lanjutkan menjadi disertasi), walaupun sulit saya anggap kekuatan karena secara logika menghemat tiga tahun. Bedanya hanya cakupan ilmu yang harus diperketat dengan tambahan temuan-temuan baru (research gap).

Mata kuliah-mata kuliah pendukung saya ambil, dari GIS hingga Artificial Intelligent & Neuro-Fuzzy, karena akan saya kombinasikan keduanya menjadi domain riset saya. Yah, begitulah, namanya orang kepepet.

http://alumni.ugm.ac.id/simponi/?page=adir_prf&niu=103361

Mungkin kalau dipikir-pikir aneh juga seorang insinyur mesin, mengambil jenjang tertinggi bidang informatika. Banyak juga yang seperti itu kok, Rano Karno juga, insinyur mesin sekarang jadi plt walikota .. (itu kan insinyurnya di film he he .. 🙂 ).

Mengetahui Id Scopus Beserta H-Index

Salah satu tri darma perguruan tinggi adalah penelitian selain pengajaran dan pengabdian kepada masyarakat (lanjutan tulisan yg lalu). Terkejut juga ketika membuka kembali laman penelitian dikti (www.simlitabmas.dikti.go.id) yang tiba-tiba saat login dosen muncul kolom isian id scopus beserta h-index yang dimiliki. Saya hanya menduga mungkin pemerintah mulai mengarahkan dosen menjadi peneliti setelah terpisahnya kemendikbud menjadi kementerian pendidikan dan kementerian ristek – pendidikan tinggi. Sebelumnya memang muncul di sosial media berita ranking ilmuwan-ilmuwan Indonesia yang terindex scopus, yang dapat dilihat di link berikut ini.

Tampak nama, institution, h-index, dan citations. Pertanyaannya adalah dari mana memperoleh informasi tersebut? Dikti memberikan kolom isian di simlitabmas bahkan tanpa memberi penjelasan bagaimana menemukannya. Di google ada beberapa situs yang menjelaskan dengan baik, tapi sayangnya itu dari negara tetangga malaysia di link ini. Berikut langkah untuk memperolehnya:

  • Langkah pertama untuk memperoleh nomor identitas di scopus adalah mempublikasi paper yang terindeks di scopus. Tidak harus menjadi peneliti utama, co-author bisa langsung mendapat nomor ID. Tidak ada cara lain. (kalo ada cara lain, kasih tahu ya ..)
  • Buka situs scopus (www.scopus.com), dan klik Author search, ketik nama belakang Anda (family name) dilanjutkan dengan menekan simbol kaca pembesar (search). Untuk institusi yang tidak berlangganan scopus, sepertinya hanya bisa melihat Author saja. Ketika muncul peringatan untuk mendaftar/register scopus, di bawah ada link berwarna biru dengan tulisan “author preview” yang bisa diklik dan dilanjutkan dengan searching lewat nama Author.

  • Tunggu beberapa saat, jika tidak muncul memang nama Anda tidak ada, segera membuat publikasi ilmiah yang terindeks di level internasional, misalnya scopus, thomson, google scholar, dll. Jika terindeks maka akan muncul nama anda di scopus, thomson, google scholar, dan indexer lainnya. Untuk saat ini sepertinya dikti masih memakai Scopus, mungkin indexer yg lain segera menyusul.

  • Setelah muncul beberapa nama, cari nama yang sesuai dengan afiliasi dan paper-paper yang telah dipublish. Nama di atas saya itu Prof. Eko Handayanto dari Malang (nomor 71 di list). Di sini saya memakai bendera Asian Institute of Technology (AIT) Thailand setelah sebelumnya Islam 45 university karena memang saya sedang belajar di sana, juga alasan-alasan lain yg tidak dapat saya jelaskan di sini. Setelah itu klik nama Anda di kolom paling kiri.

  • Di sana tampak nama, institusi (affiliation), Author ID, serta h-index. Jika ingin melihat grafik h-index, bisa dengan menekan view h-graph. Untuk perhitungan lebih detil dapat disearching di google, atau menunggu postingan saya berikutnya. Maaf ya Prof. E. Handayanto, ijin menampilkan nama Anda di sini ya, semoga bisa seperti Anda.

  • Setelah itu isi di kolom simlitabmas ID Author saya di scopus dengan skor index yang baru satu.

Update:  7 Mei 2015

Ternyata kalau tidak login scopus tidak bisa dijalankancara di atas ya. Ok kita coba tanpa login. masuk ke http://www.scopus.com kemudian klik Author Preview.

Jika saya masukkan nama saya, akan muncul tulisan-tulisan saya, dan karena saya penulis utama, nama saya bisa diklik untuk melihat h-indexnya.

scopus-rahmadya

Sementara, untuk co-author saya, misalnya Samsiana. Tampak nama samsiana tidak bisa diklik, kemungkinan besar h-index masih nol. untuk mengisi id scopus bisa melihat di bawah (saya pake mozilla) untuk mengetahui nomor id scopus berikut ini:

scopus-rahmadya

Mapping Toolbox Matlab (Membuka Shape file ArcView)

Pada Matlab yang telah kita install tersedia file contoh untuk memanipulasi peta yang terletak di folder \toolbox\map\mapdemos\. Buka mapviewer, untuk jelasnya lihat tulisan saya sebelumnya.

A. Mengimpor Raster Data

Raster data adalah data yang berupa pixel (berwarna atau hitam putih), atau gampangnya data gambar. Klik fileImport from file yang dilanjutkan dengan memilih file boston.tif yang berada di folder tersebut di atas. Tampak peta boston pada jendela mapview. Cukup mudah dan praktis bahkan dibanding membuka lewat arcview itu sendiri.

Untuk mengetahui skalanya, mudah saja, isi Map units dengan pilihan US Survey Feet, maka skala akan muncul dengan sendirinya. Yang menarik, skala ini akan otomatis berubah ketika kita melakukan proses zooming pada mapview dengan cara schrolling mouse kita.

B. Mengimpor Data Vektor

Data vektor adalah data yang berupa titik, garis, atau poligon yang dibuat secara matematis (lewat arcview, autocad, corel draw, dll). Untuk contoh kasus yang tersedia datanya di matlab adalah jalan-jalan yang ada di boston.

boston_roads = shaperead(‘boston_roads.shp’);

Perintah di atas membaca shapefile yang berisi koordinat jalan di boston. Hasilnya adalah data yang oleh mapviewer dikenal dengan nama ‘geographic data structure’. Terlebih dahulu konversi dari meter menjadi US survey feet. Gunakan fungsi unitsratio. Karena yang harus dikonversi adalah seluruh jalan di boston dari meter ke feet maka perlu iterasi untuk seluruh elemen boston_roads.

  • surveyFeetPerMeter = unitsratio(‘survey feet’,’meter’);
  • for k=1:numel(boston_roads)
  • boston_roads(k).X=surveyFeetPerMeter * boston_roads(k).X;
  • boston_roads(k).Y=surveyFeetPerMeter * boston_roads(k).Y;
  • end

Mengapa ini perlu dilakukan? Karena jika satuan tidak sama tentu saja boston_roads tidak akan matching dengan gambar/image boston. Coba sendiri sampai menghasilkan peta sebagai berikut:

 

 

Mapping Toolbox Matlab

Sesuai dengan namanya, mapping berarti berhubungan dengan peta. Salah satu aspek penting dari peta adalah spatial data, yaitu data yang berhubungan dengan lokasi/koordinat. Untuk mengelola data non spasial, selama ini matlab sanggup mengatasinya, namun bagaimana dengan data spatial? Sebenarnya ada satu lagi jenis data yang agak rumit yaitu spatio-temporal, dimana selain berkaitan dengan koordinat, juga dengan waktu (time). Tetapi untuk time, tidak terlalu masalah, hanya saja spatial yang menjadi pokok permasalahan kita saat ini.

Untuk membuka mapping toolbox dapat diakses dengan menekan starttoolboxesMapping dan pilih toolbox untuk mengelola file map yang biasanya diimpor dari ArcGIS. Atau kalau mau lebih cepat ketik mapview di command window.

Untuk mempelajari toolbox ini lebih dalam ada baiknya Anda membaca menu help dari Matlab. Kalau ingin lebih nyaman bacanya bisa download versi pdf dari help tersebut, tentu saja setelah terkoneksi ke internet. Di bagian bawah klik saja Mapping Toolbox User’s Guide di akhir help.

Maka Anda akan mendownload dari situs mathworks tentang mapping toolbox yang besarnya puluhan Mb. Berikut saya coba untuk mengimport shapefile dari ArcView. Shapefile adalah file dari ESRI tentang data spatial suatu region. Klik dari menu Import from file dan cari shapefile yang Anda miliki.

Gambar di atas adalah peta wilayah Sakhon Nakhon di provinsi Khong Kaen Thailand. Koordinat serta peta wilayah dengan batas-batasnya terlihat dengan jelas. Bahkan layer ikut terimpor ke dalam Matlab, tinggal kita mengolah lebih lanjut dengan toolbox lain di Matlab seperti Algoritma Genetik, Neural Netwok dan lain-lain sesuai dengan kebutuhan. Lanjut ke Import Raster dan Vector Data.

Sumber Data untuk Riset Komputasi

Data merupakan komponen penting dalam suatu riset. Sumbernya bisa secara langsung (data primer), bisa juga berasal dari sumber lain (data sekunder). Untuk menguji akurasi dari metode yang kita temukan mau tidak mau harus diuji dengan data real. Dengan berkembangnya internet, saat ini banyak lembaga-lembaga riset yang menyediakan data secara cuma-cuma. Tentu saja khusus riset tentang metode perbaikan dari metode yang ada karena jika risetnya tertuju pada lokasi tertentu maka mau tidak mau kita mengambil data dari lokasi tersebut.

Salah satu situs yang dapat dijadikan sumber data adalah https://archive.ics.uci.edu/ml/datasets.html yang berfokus pada machine learning dan intelligent system yaitu teknik-teknik yang dipakai dalam proses data mining dan decision support system. Situs ini berisi data-data yang sudah digunakan sejak tahun 1987 oleh David Aha ketika masih menjadi mahasiswa di UC Irvin.

Situs lainnya ada yang unik karena selain menyediakan data juga sebagai tempat kontes akurasi dalam menangani “big data” dengan hadiah yang lumayan besar. Dapat di akses di http://www.kaggle.com/ dengan terlebih dahulu sign up jika Anda belum memiliki akun. Karena bekerja dengan format big data maka pastikan akses internet Anda cepat karena data yang di download besarnya terkadang dalam gigabyte.

Selain mendownload dan mengikuti kontes/lomba kita dapat juga menguji hasil olah data yang telah kita lakukan dengan mengupload data hasil oleh sesuai format yang diminta (biasanya csv) dan langsung mengetahui rankingnya walaupun kontes sudah tidak dilombakan lagi dan pemenangnya sudah diperoleh.

Doctoral Research

Alhamdulillah setelah mengambil beberapa kredit mata kuliah tibalah saatnya melakukan riset disertasi. Sebelum melakukan riset, mahasiswa doktoral biasanya mengikuti beberapa kredit perkuliahan terlebih dahulu. Besarnya bervariasi, dari yang satu tahun, dua tahun, bahkan lebih. Tetapi ada juga universitas yang tidak memerlukan perkuliahan, melainkan langsung riset walaupun jarang dijumpai (biasanya kampus di Jepang). Ada juga kampus yang melakukan riset dan kuliah secara bersamaan. Di Indonesia sendiri hampir semua kampus yang membuka program doktor terlebih dahulu mengikuti perkuliahan. Di AIT tempat saya kuliah, karena kurikulumnya mengadopsi MIT mau tidak mau harus mengikuti perkuliahan ketat. Jika IPK masih di bawah 3,5 (untuk 18 sks) terpaksa harus mengulang hingga tercapai IPK minimumnya. Jika tiga semester tidak terpenuhi mahasiswa itu terpaksa drop out.

Berbeda dengan riset sebelumnya (sarjana dan magister) disertasi mengharuskan peneliti memberikan kontribusi terhadap pengetahuan yang menjadi bidang penelitiannya. Seberapa besar kontribusinya? Hal ini tergantung dari institusi di mana mahasiswa S3 itu berada. Kebanyakan, mahasiswa doktoral hanya berfokus kepada bagian kecil saja dari kontribusi ilmu yang ada. Yang jelas melaksanakan riset disertasi tidak seperti ingin memperoleh hadiah nobel. Untuk menemukan sedikit konstribusi itu saja membutuhkan waktu bertahun-tahun. Apalagi adanya aturan untuk lulus, riset harus sudah diterima untuk dipublish di jurnal internasional dengan impact factor tertentu yang mengikuti aturan kampus. Padahal waktu dari submit hingga diterima terkadang sampai beberapa bulan dan itupun harus beberapa kali korespondensi untuk perbaikan naskah.

Problem Statement

Menemukan permasalahan merupakan syarat untuk melakukan riset. Mudah diucapkan tetapi sulit dilaksanakan. Mengapa demikian? Dalam kehidupan sehari-hari tidak semua permasalahan harus kita selesaikan sendiri, terkadang jawabannya sudah tersedia dari pengalaman orang-orang yang pernah menyelesaikannya sehingga tidak perlu berupaya lagi mencari sendiri jawabannya. Begitu pula dengan riset terkadang permasalahan sudah ada jawabannya baik dari buku maupun paper jurnal yang telah beredar. Bahkan menemukan jawaban sendiri murni pun sudah sulit, terkadang kita hanya memperbaiki jawaban yang telah ditemukan oleh peneliti lain dari sisi kecepatan, efisiensi, dan improvement lainnya. Oleh karena itu peneliti harus kuat dari studi literatur.

Studi Literatur

Kampus yang baik biasanya menyediakan akses gratis terhadap jurnal-jurnal internasional agar memudahkan mahasiswanya mencari “state-of-the-art” (novelty) dari bidang risetnya. Agak sulit karena jurnal terbitan saat ini pun sebenarnya hasil riset setidaknya setahun yang lalu. Masalahnya adalah kita harus mengumpulkan sebanyak mungkin riset-riset yang mendukung bidang yang akan kita teliti. Oleh karena itu perlu mengetahui beberapa trik yang banyak disarankan oleh rekan-rekan peneliti antara lain:

1. Mencari Jurnal Review

Paper ini berisi artikel tentang riset terkini bidang tertentu. Walaupun penulisnya tidak meneliti langsung tapi paper-nya banyak disunting orang karena banyak pembaca yang membutuhkan permasalahan apa saja yang sudah diselesaikan oleh periset-periset serta problem apa saja yang menjadi trend dan banyak diteliti saat ini. Papernya berisi rujukan ke paper-paper lain yang dapat kita jadikan rujukan. Memang meneliti yang enak adalah meneliti yang orang lain jarang yang meneliti, tetapi nanti muncul permasalahan saat akan mempublishnya. Beberapa jurnal internasional cenderung menerima naskah yang “menjual” yang artinya yang sedang trend saat ini. Logis saja menurut saya karena makin banyak yang mendownload / membaca makin naik peringkatnya. Peringkat biasanya berdasarkan berapa orang yang menjadikan paper dalam jurnal itu sebagai rujukan (impact factor).

2. Buku Kumpulan Jurnal

Buku ini berisi kumpulan paper-paper yang berfokus ke bidang riset tertentu. Sebenarnya ini mirip no.1 hanya saja di sini pembaca tidak perlu mencari paper rujukan karena buku tersebut sudah melampirkan paper rujukan pada buku tersebut. Biasanya bab I atau bab pendahuluan berisi satu paper jenis review yang membahas peneliti-peneliti yang menyelesaikan permasalahan tertentu disertai trend risetnya dan kita tidak perlu “berkeringat” mendownload jurnal yang akhirnya sia-sia karena tidak sesuai dengan riset kita. Kelemahannya adalah biasanya buku kumpulan jurnal terlambat hampir di atas lima tahun dan dikhawatirkan permasalahan kita sudah terjawab oleh paper yang lebih baru. Tetapi karena bentuknya yang berformat buku, pembaca lebih mudah mengikuti karena tulisan sedikit diberi tambahan (teori dasar, trik-trik) agar mudah dipahami (tentu saja agar bukunya laku terjual).

Untuk bidang-bidang tertentu seperti mechantronik, robotika, dan bidang terapan lainnya, terkadang agak sulit menemukan metode/teori baru. Biasanya paper yang ada adalah menerapkan teori terhadap kasus khusus yang belum pernah/jarang ditemui, misalnya robot kaki empat yang bisa menuruni tangga cocoknya dengan teknik “A”, dan sebagainya. Dan jurnal yang menerima biasanya meminta peneliti memberikan bukti rekaman agar yakin bahwa memang terbukti bisa diselesaikan dengan alat yang dirancang dengan teknik “A”.

Demikian tulisan singkat ini, siapa tahu bisa membantu, dan jujur saja saya juga baru sampai pada tahap ini. Kalau ada “jurus” lain silahkan berbagi ya.

Free & Open Solutions for Geoinformatics-Asia conference

Dari tanggal 2 sampai tanggal 5 Desember di kampus AIT diadakan conference tentang software open source Geoinformatic. Berhubung ada kesibukan di imigrasi, saya sendiri tidak bisa menghadirinya. Acara dihadiri oleh berbagai kalangan yang berpengalaman di bidang software open source GIS. Ketika makan di kedai yang deket acara seminar tersebut, saya menjumpai rekan-rekan dari Indonesia yang ikut serta seminar. Salah satunya dari komunitas openstreet yang menyediakan layanan “crowd sourching” agar seluruh jalan terpetakan dan dapat digunakan secara bersama-sama dengan gratis.

Untuk mengetahui apa itu FOSS4G-ASIA, ada dapat mengakses situsnya langsung di sini. Saya sempat sedikit berdiskusi dengan tamu dari negeri sendiri mengenai open source yang ternyata menyediakan lengkap dari polygon, hingga kode-kode yang untuk software berbayar seperti Arcview, ArcGIS, tidak diperlihatkan. Hmm .. boleh dicoba nih QGIS yang web-based.

Salah satu pemateri

Memulai Quantum GIS Desktop (QGIS) Versi 2.6

Untuk memulai software ini ada baiknya kita sedikit membaca teori tentang Geographic Information System (GIS) yang banyak beredar di internet. Dimulai dari jenis data yang diolah oleh GIS (raster atau vektor), istilah-istilah yang digunakan seperti landuse, aspect, geospatial, dan sebagainya, harus benar-benar dipahami, minimal yang akan kita olah di GIS. Misalnya saya akan membuat informasi mengenai land use di daerah tertentu (misalnya pathumtani, Thailand). Untuk mengetahui bagaimana cara menginstall software GIS gratis ini dapat dilihat di post sebelumnya.

Figure 1 Mengeset Proyeksi

Langkah pertama adalah Anda masuk ke properties dan mengeset projection yang sesuai, di tempat kami adalah WGS84 UTM ZONE47N. Setelah itu coba mengenali icon-icon yang bertebaran di sekitar jendela QGIS. Setelah itu cari data yang Anda inginkan, bisa lewat internet, bisa juga dari instansi-instansi terkait. Di sini saya memiliki data wilayah, landuse, dan jalan, semuanya berupa shapefile (ekstensi *.shp).

Figure 2 Proyeksi yang Sesuai Wilayah

Berikutnya buat tiga layer yang berisi peta wilayah, landuse, dan jalan raya. Ekstensi yang dibuka adalah shapefile (shp). Tambahkan label untuk menunjukan nama suatu lokasi, jalan, atau pemanfaatan wilayah sesuai dengan data yang dimiliki.

Figure 3 Memilih Simbol yg Ditampilkan

Tentu saja kita harus memahami attribute yang ada di tabel. Biasanya instansi yang memiliki data tersebut menyediakan juga data dictionary yang menjelaskan maksud istilah-istilah tersebut. Jika sudah, coba anda buat versi siap cetak (berupa file pdf atau image). Lakukan langkah export seperti pada Arcview, dengan penambahan berupa judul, legend, skala, dan sebagainya. Berikut hasil export-nya, sorry, agak terburu-buru buatnya. Selamat mencoba.

Figure 4 Hasil Layout Keluaran (PDF)

Installing QGIS 2.6

Kita sudah lama mengenal Arcview, Arcgis, Arcinfo, dan sejenisnya yang merupakan produk dari ESRI. Software untuk mengolah data spatial itu merupakan software berbayar yang cukup ampuh dan sudah banyak digunakan baik oleh instansi pemerintah maupun swasta. Tapi dengan perkembangan kebutuhan yang pesat, pengguna menginginkan aplikasi yang cocok untuk kasus-kasus tertentu, untuk bidang yang lebih spesifik. Karena software berbayar tidak menyediakan source code maka agak kesulitan jika ingin membuat aplikasi khusus karena harus membuat code program terlebih dahulu. Beberapa pengembang menyadari hal ini dan membuatkan beberapa aplikasi untuk mengelola GIS dengan source code yang bebas digunakan dengan syarat tertentu (open source). Salah satu aplikasi yang terkenal adalah Quantum GIS atau sering disingkat QGIS.

Buka situs resmi Quantum GIS (QGIS) dan download versi terbarunya, jangan lupa sesuaikan pula dengan sistem operasi yang anda miliki, termasik 32bit atau 64 bit. Ketika selesai mendownload, anda diminta memilih desktop atau webgis.

Untuk tahap awal, install versi desktopnya dulu. Setelah itu Anda diminta dimana lokasi downloadnya. Pilih salah satu hingga tombol next muncul.

Terakhir kita diminta memilih paket mana saja yang akan kita install, perhatikan ada juga pilihan GRASS GIS. Paket ini sangat membantu jika Anda mempelajari remote sensing.

Klik “next” terus ketika diminta, dan beberapa kali kita diminta accept term dan kondisi, baca jika Anda sedang belajar bahasa Inggris.

Salah satu keunggulan software open adalah tersedianya sarana pembantu (help) yang biasanya sudah termasuk ketika kita menginstallnya. O iya, tanggal 2 Desember 2014 akan diadakan pertemuan dari pengembang-pengembang software GIS open di kampus AIT.

Cara kerja serta konsep-konsep yang ada di Arcview mirip dengan Qgis, mungkin beberapa istilah sedikit berbeda seperti Extensions pada Arcview, pada Qgis istilahnya Plugin.

Berikutnya adalah mempelajari cara kerja software ini agar dapat membantu kita menyelesaikan kasus-kasus yang berhubungan dengan spatial data. Jika pada tulisan yang dahulu pada digitalization kita menggunakan image dari foto, google, dan sejenisnya, hasilnya mungkin kurang tajam. Gunakan Open Street Map (OSM) yang dapat diakses dari situs ini.

Engkau Masih Tetap Guruku ..

Ketika SMP dulu guru saya sering bercanda kalau profesi pengajar itu pasti doanya baik. Semua guru katanya pasti bedoa agar anak didiknya pandai. Apakah semua profesi seperti itu? Ternyata katanya bisa saja tidak. Dokter misalnya, bisa saja doanya semoga banyak orang yang sakit. Saya cuma bisa senyum-senyum saja, toh kami sekelas hanya menganggapnya lelucon dan selingan ketika dia mengajar. Ada lagi yang mengatakan bahwa pengajar itu jika yang diajarkan tepat, mendapat dua pahala, tetapi jika kurang tepat akan mendapat satu pahala, jadi jangan takut mengajar, walaupun saya sempat dibilang “sotoy” di komentar, yang saya tanya temen2 artinya itu sok tahu. Yah .. ga papa lah.

Pahala yang mengalir terus

Saya sering mendengar hadits yang mengatakan bahwa ketika seorang wafat, putuslah amal perbuatannya kecuali tiga hal: ilmu yang bermanfaat, amal jariyah dan anak yang sholeh/sholehah. Jadi status pahala pengajar itu akan mengalir terus walaupun yang mengajarkan sudah wafat, tentu saja ada kata “bermanfaat”, walaupun terkadang kita menganggap sepele dan tidak bermanfaat oleh kelompok lain ternyata sangat bermanfaat.

Tidak selalu kita belajar dari guru tentang ilmunya

Dari pengalaman saya sekolah dan kuliah, hingga saat ini sebagian ilmu yang diajarkannya tidak secara langsung saya manfaatkan. Bahkan sampai oleh rekan saya yang “keluar” dari profesi mengajar mengatakan ilmu itu tidak ada gunanya. Saya sedih sekali mendengarnya, apalagi keluar dari mulut teman yang pernah sama-sama mengajar. Tetapi benarkah demikian? Di salah satu grup facebook bahkan diupload gambar lucu yang berisi tulisan rumus-rumus integral kalkulus yang rumit-rumit, kemudia di bawahnya muncul tulisan: “jujur saja .. apakah yang kita pelajari kita gunakan saat ini?”. (source gbr 1).

Repotnya adalah negara kita menyukai segala sesuatu yang instan. Kurang menghargai proses, apalagi prosesnya panjang tak terlihat ujungnya. Kita gemar sekali protes dan mempertanyakan segala sesuatunya. Ada bagusnya menurut saya, tapi lebih baik lagi cari jawabannya sendiri, searching di internet, baca sejarah negara-negara yang maju, dan sebagainya. Guru itu paling capek dan sebel  menjawab pertanyaan mengapa materi ini diajarkannya. Dengarkanlah keindahannya sampai selesai, jangan kau intrupsi orkestra indah yang sedang berjalan ini.

Namun kalau saya renungkan, hampir selalu saya meniru apa yang diajarkan guru kita terlepas dari materi/bahan ajar. Ketika guru matematika SMP saya mengecek jawaban secara bersama-sama, saya kagum ketika dia menghitung jawabnnya tanpa coret-coretan, alias di luar kepala. Bagaimana guru bahasa Indonesia SMA saya melakukan komposisi kalimat yang singkat, padat, dan mengena di satu kasus, dan melakukan komposisi yang indah penuh warna-warni di kasus yang lain. Atau ketika guru Fisika saya menjelaskan rumus reaksi nuklir yang rumit menjadi sangat sederhana. Bahkan di bangku kuliah, ada satu mata kuliah yang selalu mendapat nilai buruk, tetapi saya mengagumi cerita dia, bagaimana ketika dia bepergian dengan kereta dia melihat struktur sasis kereta, suspensi, sambungan, dan sebagainya dan ini mengajarkan kepada saya untuk selalu terus berfikir di mana saja.

Ikatan guru murid tak pernah putus

Di jaman internet dengan dibanjiri fasilitas social media membuat informasi sangat cepat bahkan tetap terjaga walau orang yang pernah bersama kita sudah jarang bertemu lagi. Tentu saja ada buruknya, tetapi kita ambil saja sisi positifnya. Terkadang ada rasa puas ketika melihat anak didik kita setelah lulus sukses menjalani karirnya. Dan sedih pula jika terjadi hal sebaliknya. Ketika saya mengajar menggambar dengan komputer, saya sempet bertanya dalam hati mengapa ada seorang siswa yang ikut belajar walaupun tidak terdaftar di absensi. Walaupun bisa saja saya mengusirnya, tetapi saya biarkan (hanya beberapa sesi ikutnya). Saya termasuk pengajar yang terlihat dari luar “cuek”, “masa bodoh”, apakah siswa itu mengerti atau tidak, tentu saja itu luarnya saja, he he. Tidak lama kemudian, rekan dosen yang lain ketika senggang mengatakan bahwa ada seorang siswa bimbingan tugas akhirnya yang ikut mata kuliah gambar saya, waktu itu memang saya mengajarkan menggambar meja dan bangku tiga dimensi ketika ada siswa tersebut. Ternyata siswa tersebut baru saja diterima bekerja sebagai drafter. Ketika ditest, kebetulan soalnya menggambar meja tiga dimensi, tentu saja dia bisa mengerjakan dan langsung bekerja di sana.

Jadi jangan liat dari luarnya saja, terkadang ada guru yang “sengaja” memperlihatkan kalau dia tidak menyukai/tidak puas dengan kita, padahal di dalam hatinya berbeda. Ketika SMA dulu, selepas pengumuman UMPTN pasti anak kelas III akan datang ke sekolah sekedar bersalam-salaman dengan guru-guru. Ada seorang guru yang ingin saya temui, ternyata sangat sulit dan sepertinya “ngumpet”. Akhirnya saya menduga dia tidak ingin pahalanya berkurang dengan munculnya ego bahwa saya bisa sukses karena didikannya.

Waktu kuliah, saya sempat bersungut-sungut ketika ditegur oleh dosen saya. Oiya, adakah dari pembaca yang “biasa-biasa” saja ketika diusir? Saya merasa dosen tersebut sama sekali tidak memperhatikan mahasiswanya dan terkesan cuek. Dan sialnya lagi .. eitt, saya harus stop di sini. Hingga lulus tidak ada kesan apapun terhadapnya. Waktu itu memang sedang krisis moneter, jadi saya kesulitan mencari pekerjaan. Karena kehabisan stok legalisir ijazah, berangkatlah saya ke Yogya dan numpang di kos-kosan sahabat baik saya yang belum lulus. Ketika ngopi sambil memandangi gunung merapi, dia mengatakan “eh .. tau nggak Pa “X” menanyakan ke saya, gimana? Si rahmadya udah kerja apa belum?”, teman saya mengatakan “katanya belum pa”, sambil menjelaskan ekspresi sedih dosen tersebut sambil mengusap kepalanya. Saya langsung terdiam ketika mendengarnya, mungkin teman saya melihat saya terdiam karena sedih belum bekerja, padahal saya terdiam karena kaget, dosen yang selama ini saya anggap “tidak perduli” ternyata diam-diam memperhatikan siswanya walaupun sudah lulus. Seandainya teman saya tidak menceritakan hal itu mungkin sampai sekarang saya masih menganggap dosen saya itu dosen yang “tidak perduli”.

Figure 2 Fakultas Teknik UGM (Source: klik di sini)

Update: 15 Oktober 2015

Tahun 2013 saya kedatangan temen satu angkatan t.mesin, waktu itu ngobrol sampai malam di AIT Thailand, termasuk ngobrolin dosen pembimbing saya dulu. Tahun 2014 ternyata beliau dipanggil Allah, Innalillahi wainailaihi roojiun, saya baru tahu ketika teman saya satu angkatan tersebut main lagi ke kampus tempat saya belajar (2015) .. Semoga diterima di sisi-Nya, spiritmu tetap hidup di jiwa muridmu ini

Edit Tabel pada GIS untuk Klasifikasi

Tabel dalam GIS selain berisi koordinat juga berisi atribut, misalnya kondisi tanah di suatu region. Berikut ini contoh melakukan konfigurasi ulang terhadap data yang ada karena akan dilakukan proses pencarian lokasi optimum untuk menanam padi. Data yang diperoleh adalah daerah Sakon Nakhon di Thailand.

Figure 1 Daerah Sakon Nakhon di Thailand

Untuk curah hujan, kita dengan mudah dapat membagi menjadi buruk, baik, sangat baik, dan seterusnya. Untuk tanah sedikit rumit karena untuk standard tanah yang baik tidak ada yang sama dengan kondisi riilnya. Untuk itu sedikit dilakukan modifikasi saat melakukan query terhadap lokasi-lokasi tertentu yang mirip. Misal untuk kondisi yang kurang cocok, tanah mengandung Loamy Sand (LS), Sandy Clay Loam, dan Sandy Loam (SL).

Figure 2 Alat bantu Query

Pertama-tama kita edit tabel dengan menambahkan satu field baru yang sesuai kriteria yang dipakai untuk pertimbangan lahan yang cocok. Dikumpulkan terlebih dahulu berdasarkan kriteria di atas setelah itu dilakukan classify berdasarkan output yang direncanakan.

Figure 3 Menambahkan Field Baru

Terakhir untuk mempermudah pembacaan kita melakukan geoprocessing untuk hanya menampilkan klasifikasi di tiap daerah dengan menggabungkan daerah yang memiliki klasifikasi yang sama. Jangan lupa tambahkan extension geoprecessing lewat menu arcview.

Figure 4 Hasil Reclassify

Gambar di atas memperlihatkan bahwa lokasi berwarna merah sangat cocok untuk ditanam padi berdasarkan kriteria kandukan mineral. Tentu saja kita akan mengintegrasikan pertimbangan tersebut dengan curah hujan, kemiringan lahan, lokasi arah matahari, dan sebagainya sesuai arahan dari Food and Aggriculture Organization (FAO). Gambar di bawah ini setelah proses aggregation terhadap daerah dengan attribut yang sama (proses dissolve).

Figure 5 Hasil Dissolve

Perlu sedikit keahlian menangani data, juga melakukan join terhadap data jika ada data lain yang akan dimerger terhadap suatu lokasi yang akan dianalisa. Jangan lupa praktek, karena terkadang ada hal-hal sepele yang muncul saat praktek, misalnya saat melakukan proses dissolve geoprecessing kita masih menyorot lokasi tertentu, maka hasil geoprocessing akan kacau (klik tombol unselect all terlebih dahulu). Jangan lupa save tiap kali melakukan proses editing.