Arsip Kategori: Riset dan Penulisan

Melihat Kinerja Riset Kampus dengan SINTA

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

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

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

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

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

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

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

Iklan

Konversi Piksel ke Area

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

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

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

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

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

Ekspor Land Use dari ArcGIS ke IDRISI

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

1. Konversi dari Point ke polygon

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

2. Konversi dari Polygon ke Raster

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

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

3. Konversi dari Raster ke ASCII

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

4. Impor dari ASCII ke Image pada IDRISI

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

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

Video tutorial berikut mungkin bermanfaat:

Land Use dan Land Cover dalam Riset

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

Persamaan dan Perbedaan Land Use dengan Land Cover

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

Riset yang Melibatkan LULC

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

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

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

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

 

Membaca (Lebih) Cepat

Postingan yang lalu sedikit disinggung alasan mengapa harus bisa memba cepat. Kali ini ternyata nemu referensi tentang bagaimana tip dan trik agar membaca lebih cepat dari sebelumnya. Waktu itu iseng-iseng ke perpustakaan kampus karena jenuh mengetik di kamar kos. Oiya, perpustakaan saat ini sepertinya sudah mulai berubah paradigmanya, dari tempat mencari sumber referensi menjadi tempat yang nyaman untuk membaca, berselancar, video conference, belajar kelompok dan sejenisnya. Karena untuk sumber referensi saat ini internet sudah mulai menggeser peran perpustakaan sendiri. Gambar berikut contoh salah satu bentuk perpustakaan di salah satu perguruan tinggi di eropa yang tanpa terlihat adanya rak buku (bookless).

Dan sasaran saya ke perpustakaan selain tempat “ngadem” dan berjam-jam ngutak-atik internet dan mengerjakan laporan adalah mencari buku-buku unik dan langka. Salah satu yang saya temukan adalah teknik membaca karya Harry Bayley yang berjudul “Quicker Reading” dan terbit tahun 1971, jaman periode pertama kampus AIT yang dipimpin oleh Milton E. Bender, Jr waktu itu.

Sudah cukup tua, sampulnya pun sudah terkelupas, tapi setelah saya baca lumayan juga banyak tip dan trik yang diperoleh dari buku tersebut. Isinya berupa tip dan trik singkat lalu dilanjutkan dengan contoh bacaan beserta pertanyaan bacaan. Kita diminta untuk mengukur waktu dengan stopwatch, tersedia di HP atau laptop. Kemudian kecepatan membaca sudah tersedia di tabel dengan satuan kata per menit (jumlah kata dibagu detik waktu dan dikali 60). Untuk pertanyaan, jangan sampai nilai kurang dari 60% benar. Tidak ada paksaan agar membaca cepat, karena targetnya adalah kecepatan bertambah dari sebelumnya.

Ada sekitar 12 trik yang dibahas dibuku tersebut (saya rangkum jadi 5 saja). Tiap bab berisi satu tip dan trik dengan dua latihan yang sepertinya bekerja dengan baik. Buktinya adalah kecepatan membaca yang terus bertambah, walaupun kecepatan saya tetap berada di “tarif bawah”, he he. Tapi ya wajar saja karena bacaannya bahasa Inggris mirip IELTS yg ada saat ini. Berikut ini satu persatu tip dan trik yang diajarkan buku tersebut (setelah bab membahas alasan meningkatkan kecepatan bacaan, proses yang terjadi ketika membaca, dan intro-intro lainnya).

1. Jangan Bersuara

Walaupun Anda seorang Rapper handal yang mahir berbicara cepat, tetap saja tidak akan melebih 200 per menit. Oleh karena itu mulai saat ini jangan mencoba untuk bersuara seperti anak SD membaca di depan kelas.

2. Jangan Berbicara dengan Diri Sendiri (Vocalization)

Berbicara dengan diri sendiri di sini maksudnya adalah mirip dengan no.1 di atas tetapi tidak bersuara melainkan bersuara di kepala. Ternyata walaupun tidak bersuara tetap saja bersuara dalam hati ternyata mengurangi kecepatan membaca kita. Berbicara dengan diri sendiri juga mengomentari yang sedang kita baca saat ini. Misal ketika membaca suatu nama, kita berpaling ke nama yang mirip dengan nama itu dan kehilangan fokus, dan ketika sadar kehilangan fokus, kita kembali lagi mengulangi membaca kalimat itu yang berakibat kehilangan speed. Sekali lagi, jangan terlalu terlibat dulu dengan menyimpulkan, anggap kita seperti spon yang mudah menyerap cairan informasi.

3. Jangan Melihat Kembali

Kalau kita berdialog dengan seseorang, tentu saja lawan bicara tidak nyaman jika kita sering meminta mengulangi apa yang baru saja dikatakan. Kalau sekali dua kali sih tidak apa-apa, kalau sering tentu saja mengganggu kenyamanan dialog. Begitu juga dengan ketika membaca, usahakan yang kita baca tidak kita ulangi karena akan memperlambat bacaan kita. Anggaplah buku itu orang lain yang kita ajak dialog.

4. Kamu dan Matamu

Agak kasar juga judulnya bagi orang jawa, “matamu”. Ternyata otak menerima informasi kata ketika mata berhenti bergerak. Makan banyak mata bergerak, speed akan turun. Bayangkan gambar di bawah ini, jika satu kalimat itu berhenti hanya dua kali (tapi mata bisa menjangkau di sekitar batas berhenti), maka lebih cepat dibanding tiap kata (seperti siswa SD) atau empat berhenti, mungkin karena kata yg sulit.

Ada tip dan trik yang diberikan dari buku tersebut yaitu kalau bisa tiga kata awal harus terjangkau di satu titik pemberhentian jika ingin memiliki sedikit stopping. Ada satu latihan jangkauan mata di salah satu bab (bab 11) yang mencoba mengukur jangkauan mata kita terhadap penggalan kalimat.

Jika ada lima rekan anda berdiri berjejer, Anda tentu dapat mengenal mereka tanpa meneliti secara detil satu persatu. Begitu juga ketika membaca, sebanyak mungkin jangkauan mata terhadap kata dalam satu titik berhenti (maksudnya bola mata diam). Coba latih membaca surat kabar yang berbentuk kolom-kolom dengan bola mata hanya bergerak turun, tanpa kanan kiri. Artinya satu perhentian bola mata menjangkau kiri dan kanan kolom bacaan.

5. Ritme dan Tingkat Kesulitan

Ciri-ciri membaca yang baik selain cepat adalah ritme yang pas, tidak lambat di awal, cepat di akhir atau sebaliknya. Membaca menjadi santai tidak melelahkan karena mengikuti kecepatan alamiah kita. Mungkin kalau ujian READING harus dipaksa cepat kali ya. Selain itu disarankan juga ketika membaca mirip ketika mengendarai kendaraan manual. Terkadang memindahkan gigi dari cepat ke lambat jika dijumpai kasus tertentu, apalagi ketika membaca “white paper” yang berisi tabel, grafik, dan sejenisnya selain kata/kalimat.

Demikian ringkasan dari tip dan trik membaca cepat. Dimulai dari mengurangi pergerakan kepala, vocalization, hingga meningkatkan jangkauan mata diharapkan mampu mempercepat membaca. Dan tentu saja harus sering-sering berlatih dengan membaca sebanyak-banyaknya sumber informasi. Semoga bermanfaat.

Outdoor Library with Acoustic Concert in AIT

Road Map Penelitian

Kemungkinan tulisan ini dibaca oleh mahasiswa yang sedang tugas akhir, skripsi, tesis, atau bahkan disertasi. Dan kemungkinan besar yang dicari adalah contoh-contoh road map yang baik. Jujur saja, sulit untuk mencari road map yang baik, dalam hal ini yang cocok dengan diri kita. Kita boleh saja mencontek road map orang lain, tetapi jangan lupa kalau road map itu adalah peta jalan yang akan dilalui oleh orang yang bersangkutan dalam meneliti. Yang pasti road map akan berbeda antara satu individu dengan individu yang lain atau satu institusi dengan institusi yang lain.

Kembali ke para mahasiswa, jika ingin serius menjadi peneliti, entah itu dosen atau bekerja di lembaga penelitian, divisi riset dan pengembangan (R&D), ada baiknya melihat riset yang Anda lakukan saat ini. Mengapa? Beberapa road map kebanyakan berasal dari penelitian yang dikerjakan di bangku kuliah, terutama yang S3. Selain itu beberapa yang kerap digunakan untuk patokan antara lain: prioritas dari penyandang dana, tren penelitian, dan berdasarkan kebutuhan. Oke, sepertinya itu masih terlalu sulit dipahami, untuk itu kita coba ngobrol-ngobrol yang gampang dan santai saja.

Kita sering mendengar ada rekan dosen yang sering mendapat hibah, menulis artikel ilmiah, seminar, dan sejenisnya dengan judul yang terkesan itu-itu saja. Kebanyakan berasal dari penelitian ketika kuliah dulu. Sebenarnya itu biasa saja dan tidak mengherankan karena dia secara tidak sadar sedang mengikuti road mapnya. Walaupun jika disuruh menjelaskan apa itu road map belum tentu yang bersangkutan paham, termasuk saya, he he. Jadi untuk kesepakatan awal kita katakan road map itu seperti rangkaian penelitian yang berlanjut dari a, b, c dan seterusnya yang terus mengembangkan hal yang tidak jauh berbeda dari sebelumnya tetapi lebih besar atau dalam. Tapi jangan lupa, a, b, c tersebut adalah hal-hal yang benar-benar difikirkan dengan matang, ilmiah, dan ada dasarnya. Di sinilah mengapa road map biasanya dimulai dari bangku kuliah. Ketika kuliah, suatu tema telah dibahas, diuji, dan terkadang pengembangan dari tema-tema mahasiswa lama yang sudah lulus. Dan ketika seorang mahasiswa mengikuti tema itu, secara otomatis dia sudah mengikuti rel-nya. Sering saya melihat rekan saya yang melupakan tema yang telah dia tekuni ketika kuliah dan mencoba “mainan baru” yang menurutnya sangat menarik. Sebagai nasehat, “awas jebakan batman”. Mungkin “mainan baru” itu baginya bagus, “wah” dan spektakuler. Sialnya bagi peneliti yang memang road map-nya “mainan baru” itu akan geleng-geleng kepala. Biasa orang yg baru belajar akan merasa pakar. Dan sebaliknya “mainan lamanya” yang bagi dia membosankan, terlalu gampang, justru bagi orang lain sangat menarik, dibutuhkan, dan berpeluang didanai.

Sebenarnya mengapa road map akhir-akhir ini mencuat dan menjadi syarat lolos atau tidaknya suatu proposal? Sebenarnya hal ini berawal dari lemahnya publikasi peneliti kita dibanding negara lain di dunia, bahkan untuk ASEAN sekalipun. Malaysia bahkan tiap tahunnya mempublikasikan artikel ilmiah sekitar empat kali negara kita, bahkan Jepang sebanyak hampir 50 kali jumlah publikasi negara kita. Menurut saya kita harus fokus mengejar, daripada gembar-gembor memprotes pengindeks internasional, seperti scopus, yang katanya kapitalis, hanya mencari untung dan lain-lain. Lebih baik benahi saja diri sendiri, seperti dalam istilah serdos: evaluasi diri. Kesimpulannya, salah satu indikator road map yang baik adalah keberhasilan dalam publikasi di jurnal internasional.

Aspek penting lainnya yang harus diperhatikan adalah road map bukan untuk gaya-gayaan. Dia harus benar-benar dilaksanakan, waktu yang jelas dan indikator terhadap keberhasilannya dapat dilihat. Jika Anda pernah menerima hibah penelitian pada topik tertentu, dan anda mengajukan usul baru melanjutkan topik tersebut ke arah yang lebih luas atau dalam, maka kemungkinan besar usul itu diterima. Mengapa? Karena reviewer melihat riwayat penelitian kita yang dulu. Jadi lolos karena dua hal, riwayat yang dulu memang ada (terbukti) dan mengikuti alurnya yang disebut road map. Jika tidak lolos mungkin sedang sial saja (kuota sudah habis, atau salah skim/jenis penelitian, atau syarat administrasi). Jadi berbahagialah yang sudah “terdata” riset pertamanya, karena untuk melanjutkannya lebih mudah (kalau bisa pakai nama sendiri). Terdata di sini bisa juga terindeks oleh pengindeks yang bereputasi (scopus, thomson/wos, dan lain-lain). Sebenarnya ada cara lain yang lebih mudah, yaitu nebeng gerbong kereta lain. Maksudnya jika ada peneliti senior yang sesuai dengan bidang kita, kita coba mendaftarkan diri menjadi tim agar ikut “terdata”. Tapi ya tentu saja kurang dari sisi penerimaan dana, jika dibanding kita sendiri yang menjadi ketua.

Terakhir, jangan lupa sering-sering membaca jurnal internasional. Jangan Cuma baca berita hoax di fb melulu. Dengan sering membaca jurnal, kita bisa tahu tren penelitian saat ini ke arah mana dari tema yang jadi bidang kita. Setelah membaca dan memahami satu saja artikel dengan tema tertentu, walaupun susah payah dan berhari-hari, untuk artikel berikutnya dengan tema yang sama pasti mudah.

Berikut ini contoh kasus dalam menemukan road map yang cocok. Misal kita telah meneliti AHP, sistem penunjang kepetusan (DSS) ketika master dulu, apakah AHP menjadi road map kita? Tentu saja tidak harus, karena agak sulit. Saya menyarankan membaca satu buku DSS yang didalamnya ada bermacam metode DSS selain AHP. Anda tinggal mebandingkan metode-metode itu, memperbaiki kelemahan, menggabungkan (hybrid), atau sekedar menerapkan ke bidang lain di luar bidangnya (multi-disiplin). Kalau sudah sering meneliti, terkadang kita memiliki “brand” terhadap hal-hal tertentu, misal: jika Anda pengen tahu hal tertentu, misalnya telur, coba tanya ke bapak atau ibu anu di kampus anu. Selamat meneliti.

Fasilitas Mencari Jurnal yang Cocok untuk Publikasi di Elsevier

Memilih jurnal yang tepat merupakan aspek penting dalam keberhasilan publikasi. Terkadang suatu artikel ditolak bukan karena kontennya melainkan ketidakcocokan antara tulisan dengan jurnal yang dituju. Biasanya untuk mahasiswa doktoral yang akan mempublikasikannya berkonsultasi terlebih dahulu dengan dosen pembimbing yang berpengalaman dalam hal pemilihan jurnal sasaran, yang tentu saja terkadang ada aturan-aturan jurnal yang diperbolehkan dan yang dilarang. Untuk dosen atau peneliti yang tidak sedang S3 mau tidak mau harus memilih sendiri. Daripada sekedar “gambling” atau untung-untungan, ada baiknya menggunakan cara cepat yaitu dengan fasilitas yang ada di Elsevier, induk dari pengindeks “Scopus”.

Langkah pertama adalah masuk ke situs resmi untuk mencari jurnal yang cocok di link berikut ini. Masukan yang dibutuhkan adalah judul dan abstract jurnal yang akan disubmit. Selain pilihan bidang ilmu yang dituju, ternyata ada pilihan untuk jurnal-jurnal yang “Open access” juga. Berikut ini saya coba untuk mencari jurnal yang cocok untuk samplenya (judul dan abstract tulisan saya yang lalu).

Setelah ditekan “Find Journal’ maka muncul daftar/list jurnal yang cocok. Tampak salah satu targeted jurnal saya, “Habitat Internasional”, yang ternyata ada option untuk berbayarnya. Hmm, silahkan mencoba. Tetapi apakah aman? Karena khawatir abstract dan judul kita terekam di Elsevier, semoga saja aman. Toh itu hanya abstract.

Problem Background Error Saat Prediksi dengan LCM IDRISI

Land Change Modeller (LCM) merupakan fasilitas yang ada di IDRISI untuk memodelkan perubahan lahan. Lahan di masa yang akan datang dengan data yang ada sebelumnya dapat diperlihatkan. Salah satu masalah yang sering muncul adalah adanya ketidak akuratan pada background seperti di bawah ini. Tetapi terkadang hasil proyeksinya benar. Postingan berikut salah satu cara untuk memperbaikinya. Mungkin ada yang punya cara lain silahkan share di komentar.

Untuk memperbaikinya selama ini saya menggunakan fungsi OVERLAY yang ada di IDRISI. Caranya adalah menjumlahkan image yang error tersebut dengan study area sesunggunya (gambar sebelah kanan). Langkah-langkahnya adalah sebagai berikut:

1. Reclassify Projected Land Cover

Langkah ini adalah menambah kategori hasil prediksi untuk menyimpan hasil penjumlahan/overlay dengan study area. Perhatikan gambar hasil reclassify di sebelah kanan. Kategori 1 dan 2 adalah background (=1), kategori 3 dan 4 adalah agriculture (=2), dan seterusnya.

Fungsinya adalah menampung hasi overlay. Jika Built-up yang dengan kategori baru =7 dijumlahkan dengan background study area (=0), hasilnya adalah 7 maka akan dikonversikan menjadi background. Hasilnya adalah nanti diharapkan built-up yang menjadi background (sumber masalah) tidak ada lagi.

2. Overlay dengan Study Area

Fungsi overlay dapat diakses di “menu” – “GIS analysis” – “Mathematical Operation” – “Overlay”. Masukan dua input yaitu study area dan hasil reclassify di atas. Ganti nama dengan yang baru, di sini saya hanya menambahkan “Update” ke berapa di akhir nama image.

3. Mengembalikan Kategori ke Kondisi Awal dengan Reclassify

Dengan mengembalikan kategori yang sesuai diperoleh hasil akhir yang tidak ada lagi background yang error. Perhatikan di sini kategori 7 harus dikonversi menjadi background.

Perhatikan bagian background (atas) sudah diperbaiki. Sekian, semoga bermanfaat.

Create a Constraint in IDRISI

A constraint is an image that showing allowable and non-allowable locations for modelling. It represents zero for non-allowable and one for allowable. We can add two for incentive, the better location. For example we have a constraint that must be integrated for other constraint, e.g. vegetation. It means that the model do not allow to convert a vegetation into other land cover.

Use Mathematical operation in “GIS analysis” menu and chose “Overlay”. Fill with the two constraint images above and checklist the “First +Second” button in “Overlay option”.

After this operation, we have to convert two into zero, since the vegetation is a constraint. Use “Reclass” to convert it.

The last row will convert two into zero. The final constraint was created as a combination of two constraints (figure below).

Try to practice mathematical operation since it is very useful for image creation, especially in creating Drivers of Land change modeller (LCM). This video shows the step to integrate the two images.

Proses Seleksi Pendanaan Penelitian RISTEK-DIKTI

Salah satu aspek Tri-darma pendidikan tinggi yang sedang digenjot oleh kementerian Riset-DIKTI adalah bidang penelitian. Hal ini karena peringkat publikasi peneliti di Indonesia masih tertinggal oleh negara tetangga kita di ASEAN. Padahal negara Indonesia memiliki jumlah dosen yang jauh di atas negara tetangga seperti Singapura, Malaysia, dan Thailand (lihat postingan yang lalu). Salah satu usaha yang dilakukan adalah dengan memberikan hibah/bantuan berupa pendanaan terhadap peneliti.

Bantuan yang diberikan diharapkan meningkatkan kinerja seorang peneliti sehingga mampu melakukan publikasi di jurnal internasional. Logis juga menurut saya, mengingat jurnal internasional tidak sembarangan menerima publikasi ilmiah seseorang. Jurnal lokal kita sendiri sepertinya hanya digunakan untuk “syarat” saja, entah itu syarat naik pangkat atau syarat laporan serdos. Tulisan yang hanya “cerita” sepertinya masih bisa dipublikasikan. Terkadang materi perkuliahan coba dipublikasikan pula di jurnal lokal, satu hal yang tidak mungkin publish di jurnal internasional yang memang menuntut suatu kebaruan hasil penelitian serius. Dan logis pula jika tidak ada dana, seorang dosen tidak mungkin mengeluarkan kocek sendiri untuk melakukan riset. Kalaupun ada dana dari kampus tempat bekerjanya, biasanya masih jauh dari cukup. Postingan berikut mencoba memberi gambaran bagaimana proses suatu usul penelitian dari proses pengajuan hingga lolos.

1. Membuka situs SIMLITABMAS

Saat ini, khusus dosen pemegang nomor induk dosen (NIDN) memiliki akses ke situs SIMLITABMAS Dikti. Informasi mengenai kapan usul penelitian dibuka, kapan jadwal presentasi, dan hingga pengumuman yang lolos diunggah di situs ini.

2. Mengunggah Usul Penelitian

Usul/proposal penelitian dapat diunggah hanya pada waktu-waktu tertentu. Ketika login seorang dosen memiliki hak akses terhadap skim penelitian mana saja yang bisa (tertulis dengan warna biru) dan mana yang tidak bisa (berwarna merah). Yang menarik adalah ketika kita ingin memasukan satu anggota, maka anggota yang dituju harus menekan tombol kesediaan yang muncul otomatis ketika seseorang ingin menjadikannya anggota tim. Batas berapa jumlah menjadi ketua dan anggota juga tersedia di situs tersebut. Pemilik h-indeks yang lebih besar atau sama dengan dua memiliki hak untuk mengepalai/menjadi ketua dua usul penelitian.

3. Mengikuti Seminar Proposal

Selain Penelitian Dosen Pemula (PDP), pengusul diwajibkan mengikuti seminar proposal yang diagendakan pada waktu-waktu tertentu. Tetap diumumkannya di website SIMLITABMAS yang harus dipantau terus, terutama oleh staf LPPM kampus. Biasanya jadwalnya mendadak sehingga banyak yang tidak tahu atau tidak cukup waktu untuk menghadirinya. Calon penerima hibah yang dipanggil untuk seminar proposal adalah yang memenuhi syarat desk evaluation dari usul yang diunggah di SIMLITABMAS.

4. Pengumuman Pemenang Hibah

Pemenang hibah hasil desk evaluation dan seminar proposal diumumkan setelah beberapa bulan, cukup lama juga. Bahkan ada pengusul yang lolos tetapi orangnya sudah dipanggil Allah. Untuk tahun 2016 yang lalu, seminar proposal pada bulan Juli dan pengumumannya bulan Januari 2017. Cukup lama. Apakah sudah cukup? Ternyata belum.

5. Verifikasi Pemenang Hibah

Ini merupakan salah satu fase krusial yang baru muncul di tahun ini. Jika dulu, pemenang hibah sudah dipastikan akan didanai ternyata saat ini belum tentu. Adanya Badan Pemeriksa Keuangan (BPK) yang ikut andil mengaudit Ristek-DIKTI membuat beberapa hal berubah dan harus diperbaiki, jika tidak dapat diperbaiki maka pemenang hibah dibatalkan. Yang tidak dapat diperbaiki antara lain pemenang hibah yang sudah dua kali menerima PDP tetapi menang untuk yang ketiga kalinya sehingga yang ketiga dibatalkan karena syaratnya maksimal dua kali menang PDP. Selain itu hibah doktoral juga akan dibatalkan jika pengusul sudah lulus, hal yang tidak terjadi di tahun-tahun sebelumnya. Hanya kasus peneliti yang studi lanjut yang sedikit diampuni, yaitu anggota (yang memenuhi syarat) diperbolehkan naik menjadi ketua. Memang LPPM harusnya mampu mendeteksi pengusul-pengusul dari lingkungannya apakah memenuhi syarat atau tidak sebab jika kurang maksimal dalam mensortir usulan yang masuk, dapat menimbulkan kekecewaan baik dari pihak pengusul maupun kampus itu sendiri. Berikut surat dikti mengenai hal itu.

6. Penandatanganan Kontrak

Penandatanganan kontrak dilakukan oleh pihak LPPM dengan pihak kopertis setelah informasi dari Ristek-DIKTI mengenai revisi pemenang hibah muncul. Bahkan sampai informasi jadwal penandatanganan pun, belum diketahui siapa saja yang resmi memperoleh pendanaan hibah dan siapa saja yang dibatalkan. Saat penandatanganan baru diketahui siapa saja yang menang dan siapa saja yang gugur, disertai dengan jumlah dana yang diterima oleh masing-masing peneliti.

7. Revisi Pemenang Hibah Penelitian

Beberapa saat setelah penandatanganan kontrak, SIMLITABMAS mempublikasikan surat resmi penerima hibah penelitian yang sudah ditandatangani kontraknya. Tinggal pihak LPPM melakukan kontrak penelitian dengan peneliti di lingkungannya yang lolos untuk didanai. Berikut pemenang resmi hibah penelitian 2017 dari SIMLITABMAS setelah melalui fase-fase yang mendebarkan, selamat meneliti. Yang belum menang, coba lagi untuk yang 2018. Oiya, judul-judulnya bisa dijadikan rujukan judul yang baik lho ..

Managing Legend in IDRISI

Legend is information about symbols (colour, shape, line type, etc.) in the map. It helps reader to understand the map. In LCM, it also helps the system to compare two images. The picture below shows the error message in LCM IDRISI taiga when adding road image. There is no legend in the basis roads layer. How to add a legend to our map?

Even we use IDRISI selva that having a “harmonize” function to guide users to match the images, basis roads layer must be edited with a legend in selva as well as taiga version. Understanding how to match two images manually is very useful for the user. Click the image to be edited, e.g. road image, to add a legend.

In “metadata” click the Categories to fill the legend. Fill the category and code that similar to other images. Chose “copy from” for faster filling without typing the code and category. After filling the categories, when we open this image, the legend is showed beside (upper right) the map.

This is simple yet very useful.

Mempelajari Hal-hal Baru

Dunia selalu berubah, dan hanya satu yang tidak berubah yaitu perubahan itu sendiri. Jika tidak mengikuti perubahan maka pasti akan tertinggal. Beberapa perusahaan papan atas banyak yang mengalami kemunduran bahkan kehancuran karena kurang mengantisipasi perubahan-perubahan yang terjadi di era teknologi informasi yang cepat saat ini. Padahal beberapa tahun yang lalu perusahaan itu menguasai dunia. Dalam bukunya disruption, Prof. Renald Kasali membahas hal tersebut dan ada hubungannya dengan teknologi informasi yang berkembang pesat saat ini (lihat ulasannya di kompas). Sebenarnya bukan kita yang tidak maju, melainkan orang lain/pesaing jauh lebih pesat majunya. Henry David Thoreau berkata: Things do not change; we change.

Ketika lulus kuliah dan gagal melamar kerja di perusahaan-perusahaan besar, saya terpaksa banting stir menjadi dosen. Memang tidak dapat dipungkiri, karir dosen di jaman saya merupakan pilihan kedua (kalau bukan yang terakhir) dibanding bekerja di perusahaan-perusahaan swasta besar atau menjadi Pegawai Negeri Sipil (PNS). Tetapi saat ini sudah banyak mahasiswa yang berkeinginan menjadi dosen karena memang kesejahteraannya mulai diperhatikan negara (tunjangan serdos, riset, beasiswa, dan sebagainya) dan tentu saja harus berniat mencerdaskan bangsa.

Waktu itu di sekitar tahun 2002 teknologi masih belum terlalu berkembang seperti saat ini. Google pun masih meraba-raba arah perkembangannya. Salah satu MEDSOS yang saya ikuti baru “friendster”, itu pun pasif mengingat akses internet yang masih sulit saat itu. Dan menjadi dosen hanya butuh membaca buku pelajaran yang pernah dipelajari waktu kuliah dulu. Siswa pun sangat mengandalkan ilmu dan informasi yang kita miliki.

Begitu perkembangan teknologi informasi mulai terlihat, google yang waktu itu hanya berupa pencarian kata kini sudah menjadi andalan dalam menggali informasi yang dibutuhkan. Bagi dosen hal ini bisa menguntungkan tetapi bisa menjadi bumerang, terutama dosen-dosen yang kurang update (KUDET). Sialnya lagi saya mengajar di bidang informatika yang mengharuskan update terus, terutama teknologi-teknologi terkini.

Siswa SD pun bisa melakukan searching di google jika ingin mengetahui informasi tertentu yang bahkan guru-nya pun bisa jadi belum mengetahuinya. Seringkali saya diminta anak saya mencari informasi di google untuk PR dari guru di sekolahnya. Bagus-bagus saja menurut saya, karena bukan dari hasil pencarian/jawaban yang terpenting melainkan “keingintahuan” sebagai modal untuk mempelajari sesuatu.

Salah satu tokoh yang merupakan ikon dari kejeniusan adalah Prof. Albert Einstein. Einstein ketika sekolah kerap menjengkelkan guru/dosen karena keingintahuannya yang tinggi. Bahkan beberapa profesor menolak membimbing/menjadikan asisten karena sifatnya itu. Tetapi saat ini jangan khawatir, karena literatur-literatur banyak beredar di internet, dari buku, jurnal, blog, dan lain sebagainya sehingga tidak perlu banyak bertanya, tinggal searching saja. Mungkin hal-hal berikut ini yang sering saya lakukan bisa menjadi pertimbangan pembaca sekalian. Oiya, silahkan komentar di bawah jika kurang setuju atau ada hal-hal lain yang bisa ditiru.

Menguasai bahasa Inggris. Bahasa ini merupakan salah satu bahasa yang paling banyak digunakan di internet saat ini. Dengan menguasai bahasa ini maka sudah dipastikan kita dengan mudah mencari informasi-informasi yang ada. Jika Anda betah membaca translate aneh (dengan google atau sejenisnya) ya tidak apa-apa sih.

Membaca Cepat. Seberapa cepat kah kita membaca? Sulit juga mengukurnya. Tetapi bagi Anda yang pernah ikut ujian saringan masuk di kampus-kampus terkenal di Indonesia, misalnya universitas Indonesia, maka Anda pasti tahu seberapa cepat kita dituntut memahami suatu bacaan. Saya sendiri sempat berfikir waktu mengikuti test TPA, terutama bagian reading, apa benar ada yang bisa menjawab dengan cepat tulisan beberapa halaman itu (dalam bahasa Inggris). Mungkin memang itu tuntutannya, sepertinya UI tidak mungkin asal bikin soal tanpa mengukur kecepatan membaca calon siswa yang dites.

Menulis dengan Cepat. Mungkin ada yang tidak setuju, tetapi saya sudah menerapkannya dan cocok. Dengan menulis cepat, Anda otomatis membaca dengan cepat pula. Berbeda dengan membaca menulis membutuhkan manajemen yang rapi. Anda mungkin membaca cepat, tetapi jika bukan penulis yang cepat, saya yakin Anda kurang bisa melakukan manajemen terhadap informasi yang masuk. Saya ingat ketika sidang tesis, penguji saya (pa romi), mengkritik saya karena tidak bisa menunjukan tulisan yang saya yakin pernah baca. Jadi tulislah dengan cepat informasi-informasi yang masuk ke Anda saat itu juga, karena otak/ingatan ada batasnya. Selain itu dengan kebiasaan menulis, Anda sudah terbiasa memahami pola-pola suatu tulisan dan mencari dimana letak-letak poin penting dari sesuatu yang Anda baca. Tentu saja jadi bisa mengetahui “amburadul”-nya tulisan siswa-siswa bimbingan yang tidak terbiasa menulis tetapi biasa copy-paste.

Multi-disiplin. Ini merupakan obat mujarab untuk saya yang kurang “brilian” dibanding rekan-rekan saya. Mula-mula saya masuk ke dunia Computer Science murni, dan sempat satu semester masuk doktoral ilmu komputer. Tetapi karena kurang kuat bersaing dengan anak-anak muda dari negara lain akhirnya saya memutuskan untuk pindah haluan ke Information Management yang lebih lebar karena bisa memasuki wilayah-wilayah (disiplin) ilmu yang lain. Ketika tidak sanggup berkontribusi terhadap bidang kita, kita bisa berkontribusi menggunakan bidang kita terhadap bidang lainnya, yang terkadang lebih membutuhkan. Di sini fikiran terbuka (open minded) sangat diperlukan, dan tentu saja seperti di saran kedua di atas, membaca cepat sangat dibutuhkan karena kita harus memahami bidang-bidang baru lainnya karena sifat multi-disiplin. Tentu saja jangan terlalu jauh dari core ilmu kita dan road map riset yang kita tekuni.

Rendah Hati. Ada pepatah yang mengatakan di atas langit ada langit. Artinya kita tidak boleh sombong karena mau tidak mau saat ini kolaborasi/kerja sama sangat penting. Lihatlah tulisan-tulisan ilmiah, pasti ada bagian reference yang berisi sumber-sumber referensi yang mendukung tulisan tersebut, selain tentu saja acknowledgement terhadap pihak-pihak tertentu. Pertukaran informasi saat ini mungkin bisa melalui hubungan orang per orang. Tidak semua bisa diakses lewat google. Bagaimana kita berhubungan dengan periset-periset lain sangat menentukan informasi yang kita terima. Beda dengan google apa yang kita minta selalu diberikan, dengan manusia sedikit berbeda karena ada faktor lain yang menentukan diterimanya suatu informasi penting, yaitu kerendahan hati. Bagaimana menggunakan bahasa yang baik sangat menentukan diterimanya kita di suatu komunitas/forum/millist bidang tertentu. Kerendahan hati juga mengandung arti bahwa kita merasa selalu sebagai pemula. Dan salah satu karakter pemula/beginner adalah mudah bertanya dan selalu ingin tahu.

Menikmati Kehidupan. Yang terakhir ini hanya tambahan dan iseng-iseng saja. Tetapi ini saya praktekan karena bermanfaat dalam implementasi prinsip keingintahuan di atas. Prinsip keingintahuan pada dasarnya membuat pertanyaan yang tidak diketahui kemudian mencoba mencari jawabannya baik lewat analisa, sintesa, uji coba, maupun men-searching dari sumber lain. Kalau Einstein yang ber-IQ 200-an sih tidak masalah, selalu bisa menjawab. Lha bagaimana dengan saya yang pas-pasan, makin banyak saya belajar, makin banyak pertanyaan-pertanyaan yang tidak bisa saya jawab (solved). Jika diambil hati bisa stres sendiri. Oleh karena itu, sebagai saran ya nikmati saja ketidaktahuan yang dialami, nikmati kehidupan yang ada, sebelum akhirnya, karena mungkin Allah kasihan, doa orang tua, doa keluarga, doa pihak kampus tempat saya bekerja yang kasihan ga lulus-lulus, entah mengapa muncul sendiri jawabannya .. waks.

Source foto: https://id.wikipedia.org/wiki/Albert_Einstein. Ternyata bukan photoshop ya.

Validation

Testing and validation are important stage in modelling. The model may be a software, simulation, prototype, and so on. System Development Life Cycle (SDLC) includes the testing in its last stage before implementation. We can use “black box” or “white box” testing to ensure the software we have just created was following the requirements. For gathering more information about testing, see the software engineering book. This post will focus on validation.

The difference between Epoch and Iteration

In soft computing, modelling an application needs training, an iteration step to adjust some parameters to achieve some goals. In neural network the iteration term is replaced by epoch. The interesting explanation was found in this site by Ph.D student of MIT. Whereas the iteration only run in forward direction every step, the epoch runs both forward and backward direction.

Testing and Training

For training, the data must be prepared. Not only for number of data but also the clean of data must be considered. Use some method in data cleansing before training. The suggestion from text book of neural network, e.g. neural network design: hagan, was using a normal Euclidean for data training.

Instead of using all data for training, some applications separate these data into two blocks: data for training and testing. For example in IDRISI software, when a model use MLP neural network for training, it separates into two data: training and testing.

To ensure that data training and testing are well designed, Matlab has provided with crossvalind function for cross validation. Cross validation change the data training into testing and vice versa. Now 10-fold cross validation is a standard that use 10 blocks of data. Nine of the 10 blocks data used for training and one for testing (see the explanation).

Receiver Operating Characteristic (ROC)

ROC is used for comparing a prediction with the result. If the system predict a signature’s owner is John, and the actual is John, this situation are said “true positive” and if not “false positive”. The others are true negative and false negative. The Area Under ROC-Curve ( see AUC post) is a famous parameters in IDRISI software for accuracy calculation of a model.

In Land Change Modeller, two predictions are: change and persistence. For example if we predict that a location in 2015 is change, but actually not, it is called False alarm. Instead of true and false, the Misses, False alarms, and Hits are used. The explanation from IDRISI site:

  • A | B | B = Hits – Model predicted change and it changed
  • A | A | B = Misses – Model predicted persistence and it changed
  • A | B | A = False Alarms – Model predicted change and it persisted  

Other software and vertical application may be different term use in validation calculation.

Idrisi Taiga vs Selva

Idrisi merupakan perangkat lunak untuk mengelola data raster/image yang terkenal. Aplikasi ini sudah banyak digunakan terutama dalam jurnal-jurnal ilmiah. Kebanyakan digunakan untuk pemodelan pertumbuhan lahan yang dikenal dengan nama Land Change Modeler (LCM). Dua versi yang terkenal adalah “Taiga” dan “Selva”. Postingan singkat ini akan membahas plus minus kedua versi tersebut berdasarkan pengalaman yang dijumpai ketika memodelkan pertumbuhan lahan.

Walaupun terjadi sedikit konflik ketika kedua versi Idrisi tersebut diinstal bersamaan, tetapi tetap dapat dijalankan. Memang ada sedikit “hang” ketika beralih dari Idrisi taiga ke Selva, tetapi dengan menggunakan “task manager” window masalah itu dapat diselesaikan. Caranya adalah dengan men-“end task” proses idrisi yang “hang” tersebut. Untuk amannya sebaiknya membuka Idrisi di dua “account” windows yang berbeda, misalnya “user” dan “administrator”, atau user1 dan user2.

Idrisi Selva

Idrisi ini merupakan versi perbaikan dari Idrisi Taiga yang kaku. Kaku karena untuk mengelola dua jenis image, harus dipenuhi syarat-syarat sebagai berikut (lihat penjelasan lengkap di situs resminya):

  • Spatial extent harus konsisten
  • Sistem proyeksi/reference harus konsisten
  • Resolusi piksel harus sama
  • Kategori legend harus sama
  • Nilai background harus nol
  • background harus sama

Salah satu keunggulan selva adalah fasilitas harmonize yang akan memandu pengguna ketika dijumpai dua image yang beda spesifikasi, biasanya “legend” yang kurang pas. Selain fasilitas tersebut, Selva menyediakan satu metode training model yaitu SimWeight. Motode tambahan ini sepertinya kurang begitu signifikan karena berdasarkan uji coba yang dilakukan oleh vendor Idrisi, metode MLP neural network mengungguli motede SimWeight dan Logistic Regression.

Idrisi Taiga

Versi Taiga mengharuskan pengguna memahami teknik-teknik dalam memanipulasi suatu image seperti Project, Reclass, Mathematical, dan sebagainya. Metadata yang tersedia (terletak di bawah Idrisi Explorer) sangat membantu untuk mengetahui struktur suatu Image.

Terjadi sedikit hambatan ketika menggunakan Idrisi Selva yaitu hasil training MLP ketika digunakan untuk memprediksi muncul pesan kesalahan. Tetapi anehnya ketika dijalankan dengan Idrisi Taiga dapat berjalan dengan normal. Training dengan logistic regression di Taiga dapat berjalan baik dan cepat, terutama ketika menggunakan jumlah driver yang banyak. Jadi untuk sementara saya masih menggunakan Taiga, walaupun terkadang menggunakan Selva karena kepraktisannya. Pilihan ada di tangan pengguna apakah menggunakan Taiga atau Selva atau berdasarkan Lisensi yang dimiliki (kebetulan kampus saya menggunakan versi taiga yang agak “jadul”). Yang saya suka dari Taiga adalah akses yang lebih cepat (membuka dan menutup aplikasi) dan tampilan GUI yang sepertinya lebih praktis (hanya sedikit).

Cropping an Image in IDRISI

Previous post discussed how to use WINDOW function to crop big satellite image, but it only implements for rectangular area. Distance function in IDRISI that used for creating a driver of land-use growth (previous post about driver creation) also in rectangular extent. This post tries to explain how to create a driver with the true extent region, e.g. Bekasi city.

The dark area was a true extent of Bekasi city. The problem is how to crop the image based on Bekasi city? I have searched IDRISI function for cropping an area similar with “crop” function in ArcGIS but I have not found it yet. Finally I found the Mathematical function in “GIS analysis” menu. To use this function we have to prepare the crop image first. (Please write a comment for other method suggestion).

The background and the study area are separated with zero and one classes respectively. Since multiplying a zero and one to a driver will create a zero and an existing value of the driver, the background will be zero and the actual driver only presents with true extent of Bekasi city.

Input the first, second, and output image for overlaying calculation. Choose first * second for multiplying first with the second image. It seems easy, but in the implementation users must consider many things, e.g. the projection and extent between first and second images. Use “Metadata” to match both images.

Use “PROJECT” to match first with second images (See previous post how to use this function).