Mengintegrasikan Google Map / Earth di ArcGIS

Di ArcGIS terdapat fasilitas basemap (postingan yang lalu) yang berfungsi menampilkan tampilan rupa bumi, topografi serta jalan. Fasilitas ini sangat membantu siapa saja yang bermaksud me-real kan map yang dibuat. Ketika saya mencoba membuat peta titik-titik tertentu, ternyata ketika melewati daerah yang saya kenali saya sadar bahwa peta basemap tersebut tertinggal sekitar hampir 10-an tahun. Terpaksa saya mencari cara untuk mengintegrasikan peta terbaru, minimal seperti Google Earth/Map.

Searching di google pertama kali langsung masuk ke milisnya ESRI, vendor ArcGIS, langsung diarahkan ke Arc2Earth, yang ternyata banyak komentar bahwa trial, alias berbayar jika puas dan ingin menggunakan fasilitas itu selamanya. Akhirnya nyasarlah saya ke blog-nya Mas Arif, yang menyarankan menggunakan Arcbrutile. Akhirnya setelah mengunduh versi terbarunya, saya coba instalasi.

Seperti biasa ucapan selamat datang. Dilanjutkan dengan mengarahkan instalasi di folder tujuan, yang bisa kita klik “Next” saja untuk mengikuti lokasi defaultnya. Instalasi berjalan terus dan tunggu saja sampai selesai, sambil minum coklat atau apa saja.

Pastikan instalasi selesai dan ada kabar baik bahwa registrasi telah selesai dilakukan secara otomatis oleh Arcbrutile. Sepertinya versi sebelumnya tidak langsung registrasi, berbeda dengan versi 0.5.

Apakah berefek di ArcGIS, kita coba aja langsung. Jujur saja, waktu nulis ini sambil nginstal kok. Buka ArcGIS Anda. Ketika ArcGIS terbuka, sepertinya tidak ada perubahan di menu dan icon-nya. Masuk ke menu Customize dan ternyata Arcbutile sudah masuk dan menempel di ArcGIS. Dimanakah “Customize”? Utak-atik sendirilah di menu.

Wah, banyak sekali pilihan peta online yang bisa ditempel. Oiya, jangan lupa koneksikan laptop Anda ke jaringan internet, karena peta yang akan kita buka itu online, buka internet ya .. sekali lagu buuukaaa.

Tianditu, cuma sampai skala 1:500.000. Strava error, tidak bisa dibuka. MapQuest, open aeralmap juga sama dengan Tianditu skala maksimalnya, walaupun lebih besar yaitu 1:200,000 tetapi tentu saja tidak memuaskan. Mapbox, cukup baik untuk jalan sih, cuma untuk rumah max 1:20,000, tampak sumarecon bekasi dalam tahap pembangunan. Tetapi untuk melihat rumah ya kurang jelas.

Dan yang terbaik untuk melihat rumah paling baik adalah Bing – Aerial, dengan skala maksimal 1:250. Hanya saja ya itu, tertinggal beberapa tahun dibanding Google Earth. Sayangnya di Arcbrutile tidak ada Google Earth.

Kalo gitu kita cari lagi fasilitas embedded yang menampilkan foto satelite terbaru seperti pada google earth/map. Syukur-syukur ada fasilitas Street View-nya dan tentu saja .. yang gratis. Gambar di bawah memperlihatkan peta satelit yang dihubungkan dengan peta jalan, dan ternyata klop, asal projection-nya diset sama.

Membuat Data Vektor di ArcGIS

Jauh berbeda denga ArcView jika ingin menambahkan satu layer peta dengan menu Theme, di ArcGIS kita harus membuka ArcCatalog yang mirip explore. Di lokasi folder (harus dikoneksikan dulu dengan “connect to folder ..”) klik kanan dan pilih new dan shapefile. Ribet dah ..

Berikutnya lebih rumit lagi dan harus belajar terlebih dulu sistem proyeksi yang ada di dunia. Di bekasi sendiri saya memilih UTM di bagian south dan zona 48s, agar kompak dengan basemap dari google. Mengapa harus sama, ya supaya matching antara data vektor dengan data poligon atau rasternya sendiri.

Bagus juga sih, ada pilihan bentuk gambar untuk data vektornya, rumah, gedung dan lain sebagainya. Jadi bisa membentuk titik-titik dengan simbol yang manis. Akhirnya ketemu deh penggunaan lahan berdasarkan jenis tipe peruntukannya. Sedikit ribet tetapi ternyata nyaman juga kalau sudah terbiasa dengan ArcGIS.

Melihat Perkembangan Landuse dengan Google Earth Pro

Bagi yang memiliki ketertarikan dengan tata kelola penggunaan lahan, ada kabar gembira. Google earth sudah menyediakan fasilitas berupa riwayat perkembangan lahan sejak dari tahun 2001. Google earth pro saat ini sudah bisa diinstal gratis di komputer Anda.

Jika dulu, dengan google earth dari internet, kita bisa mengetahui penggunaan lahan dari citra satelit secara gratis, kini dengan fasilitas historical imagery kita dapat mendata perkembangan wilayah sejak dulu hingga saat ini. Manfaatnya adalah kita dapat memprediksi jumlah gedung, rumah, taman, lahan terbuka, dan lain-lain untuk beberapa tahun ke depan dengan regresi sederhana. Jumlahnya pun cukup akurat hanya saja datanya harus kita kumpulkan sendiri dengan melihat langsung dari image yang diberikan google. Tetapi menurut saya itu lebih akurat dibanding data resmi karena “human error” sekaligus bisa juga tentu saja untuk mengoreksi data tersebut jika kita miliki. Ini adalah stadion kebanggaan orang Bekasiiiiiiiii, saat ini:

Bandingkan dengan di tahun 2003, terutama di bagian atas, yaitu Sumarecon yang masih hijau. Semoga tulisan ini sedikit bermanfaat. Bagi saya sih amat sangat bermanfaat .. he he.

Writing Genetic Algorithms in Matlab

Genetic Algorithms (GAs) toolbox is available when we install Matlab, but some cases need special treatment to our system. It may be related to constraint, and may be combination to other algorithms. Some students when doing their thesis or project need some manipulations to the algorithms. There are many books give additional source code for GAs. But the main source for me is an internet. We can find a lot of source code in Matlab by using a simple google. For example sivanandam in his book give a code in matlab but there are so many additional script that must be available first in order to make our code running well. One site that may be important to GAs user is here. One simple GAs may be need some m-file scripts like this.

Of course you can just type “optimtool” in command window, and choose GAs as your basis of optimization. But understanding something inside it I think very important, how selection, crossover, etc. so we can manipulate them for giving better efficiency, accuracy and speed.

Creating a Region for Constraint in ArcView

This is an example to create a region drawing from ArcView/ArcGis. Open the ArcView and do these steps:

Because we will draw a region, we will use polygon as a basis of our theme. The window will be appeared everytime we create new theme.

After clicking “OK” you must save and give the name for this new region, e.g “boundaryshp”. Now we start a new boundary polygon as a constraint of our Multiobjective Evolutionary Algorithms (MOEAs). For example we draw the region like figure in dark red color below:

Then we export it to matlab (of course in matlab we say read/impor). Use this script in command window to read the boundary region. But, firstly we have to save.

  • data=shaperead(‘boundaryshp.shp’)

This will retrieve a shapefile. But we have to mine the coordinates, using:

  • y=data.Y;
  • x=data.X;

You can use mapviewer to open that region in Matlab. Import from workspace after mapviewer appear.

You have to select X and Y coordinates. In our example y and x.

If you do not find any problems, your region will appear like this … meauwww !!

So, we’ve just believed that our spatial data was exported to matlab workspace. The last part is convert the spatial data into coordinates according to our requirements. As an information, the shapefile have row-based style, so we have to transpose them.

  • y=transpose([data.X;data.Y]);
  • y
  • y =
  • 1.0e+006 *
  • 0.7192 9.3096
  • 0.7194 9.3096
  • 0.7196 9.3099
  • 0.7199 9.3102
  • 0.7204 9.3103
  • 0.7205 9.3102
  • 0.7202 9.3100
  • 0.7202 9.3099
  • 0.7202 9.3096
  • 0.7199 9.3098
  • 0.7197 9.3095
  • 0.7198 9.3092
  • 0.7197 9.3091
  • 0.7196 9.3094
  • 0.7194 9.3096
  • 0.7193 9.3095
  • 0.7192 9.3096
  • NaN NaN
  • 0.7192 9.3096
  • 0.7192 9.3096
  • 0.7192 9.3096
  • 0.7192 9.3096
  • NaN NaN

Note: May be I rather bad in creating some region, there are two NaN that actually only one pair. It must be there are two closed region on that shapefile.

Mencari Pareto Front dengan Kode Matlab

Lanjutan dari postingan terdahulu. Setelah surfing di internet, akhirnya ketemu juga program untuk menentukan titik pareto front di titik-titik hasil optimisasi di situs ini. Kode-nya dibuat oleh Yi Cao dari Cranfield University pada tahun 2007 yang lalu. Sayangnya gabungan hex file dengan m-file. Letakan dalam satu folder setelah diekstrak, dan jalankan kode ini di command window:

  • X = rand(100,2);
  • front = paretofront(X);
  • hold on;
  • plot(X(:,1),X(:,2),’.’);
  • plot(X(front, 1) , X(front, 2) , ‘r.’);
  • hold off
  • grid on
  • xlabel(‘X_1’);
  • ylabel(‘X_2’);
  • title(‘Pareto Front of a set of random points’);

Prinsipnya adalah, fungsi paretofront akan mencari titik-titik pareto dimana tidak ada titik lain yang kedua fungsi objektif lebih kecil dari titik tersebut (kalau hanya satu masih diperbolehkan). Pada grafik, titik-titik yang merupakan pareto front diplot berwarna merah.

Note: Untuk mencari optimasi maximum tinggal mengalikan X dengan -1 di fungsi paretofront

  • front = paretofront(X*-1);

Peramalan dengan Jaringan Syaraf Tiruan

Jaringan syaraf tiruan (jst) sering juga dijadikan sarana untuk meramalan. Berbeda dengan fitting yang mengandalkan variabel-variabel input, peramalan hanya mengandalkan data berdasarkan deretan waktu (time series). Dan seperti time series lainnya, jumlah data sangat menentukan kualitas peramalannya, walaupun dua data bisa meramalkan data ketiga tetapi tentu saja kalah akurat dibanding meramalkan data ke 1001 dari 1000 data.

Misal saya memiliki data tiga tahun, kemudian saya susun menjadi bentuk seperti ini dimana matriks berisi dua baris dengan baris pertama tahun pertama dan baris kedua tahun kedua. Sementara tahun ketiga saya jadikan target pelatihan.

Dengan membuka toolbox JST (ketik nntool di command window) kita rakit JST untuk dilatih dengan target pelatihan tahun ketiga:

Masukan variabel-variabel masukan dan target di jendela nntool. Buat JST dengan jumlah neuron sesuai keinginan, lakukan training.

Begitu pula JST-nya, buat saja dengan mengklik tombol ‘new’ di jendela network designer. Atau bisa juga menggunakan fungsi di command window tanpa toolbox (fungsi newff).

Jika sudah, dobel klik pada network1 untuk melakukan proses training. Pilih lagi input dan target datanya, lakukan simulasi, dan tunggu sesaat hingga proses pelatihan selesai.

Hasilnya jangan lupa disimpan untuk memprediksi tahun keempat. Bagaimana memprediksi tahun keempat? Gunakan saja tahun kedua dan tahun ketiga sebagai input, maka JST akan memprediksi tahun keempat berdasar pelatihan sebelumnya.

Kemudian lakukan simulasi dengan fungsi sim dari Matlab. Gunakan network1 yang telah di ekspor dari proses pelatihan sebelumnya. Gunakan kode berikut di command window, maka prediksi tahun keempat selesai, akurasi tentu saja bisa diuji jika Anda punya data tahun keempat yang sesungguhnya.

Tentu saja dua data untuk meramalkan data ketiga kurang baik, seperti halnya anda memprediksi kurs dollar terhadap rupiah hanya dengan dua data, karena belum tentu rupiah terus melemah, bisa saja menguat jika data pelatihannya banyak. Tetapi yang namanya ramalan ya belum tentu benar kan?

Membuka Model yang Tersimpan di ArcGIS

Memang kalau sudah bermain di level aplikasi, banyak keanehan-keanehan yang terjadi yang memang disebabkan oleh keterbatasan manusia dalam membuat suatu aplikasi. Tidak mungkin aplikasi dibentuk dengan sempurna. Hanya tuhanlah yang sempurna, begitu juga dengan aplikasi ArcGIS. Tidak mungkin bisa memuaskan semua penggunanya. Salah satu servis terbaru di ArcGIS yang sangat membantu para perancang untuk mempresentasikan hasil olahnya adalah “MODEL”. Di sini tiap proses direpresentasikan dalam bentuk block diagram. Setelah dibentuk, model bisa dijalankan dengan menekan tombol run.

Tetapi karena masih awam, sudah capek-capek membuat model ketika di-close, saya kesulitan memanggilnya karena sudah terbiasa dengan mendobel klik file-nya. Repotnya lagi, terkadang kita tidak tahu dimana lokasi filenya. Oiya, ArcGIS memiliki aturan, kita harus memasukan direktori kerja kita via Arc Catalog, di sanalah file-file kita tersimpan, yang secara default di folder “user”, C:\Users\toshiba064\Documents\ArcGIS. Untuk membukanya dapat dilakukan dengan cara membuka arc catalog, cari file yang disimpan.

Setelah itu, jangan klik “Open” karena model tidak terlihat, melainkan pilih “Edit”. Di situlah yang menurut saya anehnya, biasanya sih klik open seperti pada Matlab. Tampak proses reclassify, clip serta raster to polygon dengan weighted sum untuk menghasilkan nilai optimal. Apa itu? Ya belajar pelan-pelan dulu ArcGIS untuk optimasinya.

Simple Pareto Front dengan Matlab (Multiobjective)

Kalau dulu multi objective diselesaikan dengan memberi bobot terhadap tiap-tiap fungsi objektif atau dengan hierarki, saat ini teknik tersebut mulai ditinggalkan dan diganti dengan non-dominate objectif atau dikenal dengan istilah pareto, yang diusulkan pertama kali oleh pareto pada tahun 1896. Jadi kita tidak memaksakan memberi bobot terhadap fungsi-fungsi objektif dan memberikan range tertentu terhadap hasil optimasi. Range tersebut makin luas makin baik (wide spread). Misalnya penjelasan yang dapat dilihat di situs ini, kita coba jalankan dengan Matlab.

Ada dua fungsi objektif yang akan dicari nilai optimalnya (biasanya nilai minimum). Perhatikan dua grafik ini yang memiliki dua nilai minimum tergantung fungsi mana yang digunakan.

Untuk melakukan optimasi terhadap dua objektif fungsi di atas (fungsi garis merah dan garis biru). Sebelumnya buka matlab editor untuk membuat satu fungsi baru dengan mengetik di command window:

>>edit simple_multiobjective

Ternyata Matlab sudah membuatkan fungsi tersebut, sepertinya untuk demonstrasi optimasi multiobjektif. Untuk mengoptimasinya, fungsi yang digunakan di Matlab adalah gamultiobj. Ketik atau copas kode ini ke command window:

  • FitnessFunction = @simple_multiobjective;
  • numberOfVariables = 1;
  • [x,fval] = gamultiobj(FitnessFunction,numberOfVariables);

Di sini disebutkan jumlah variabel 1, yaitu x saja. Kemudian di sebelah kiri sama dengan ada x dan fval sebagai hasil dari optimasinya. Untuk melihat isinya dapat kita ketik di command window x dan fval tersebut. Apa hasilnya?

Hasilnya adalah matlab memberikan beberapa hasil optimasi (berupa range) kombinasi dari cenderung optimal di fungsi satu hingga ke optimal di fungsi dua. Ketik di command window untuk melihat grafiknya:

>> plot(fval(:,1),fval(:,2),’*’)

Hasilnya berupa grafik pareto dari nilai optimal dua fungsi tersebut. Di sini bobot bervariasi dari kecenderungan ke fval pertama hingga ke fval kedua. Fval adalah nilai optimal fungsi-fungsi fitness nya.

Bagaimana jika tiga fungsi objektif? Tentu saja kalau ingin divisualisasikan nanti berupa grafik tiga dimensi. Bagaimana jika empat objektif? Seperti disertasi saya, tentu saja sulit digambarkan. Matlab juga menyediakan visualisasi yang bagus (running ketika program berjalan) dengan memasukan kode di command windows sebagai berikut:

  • A = []; b = [];
  • Aeq = []; beq = [];
  • lb = -1.5;
  • ub = 0;
  • x = gamultiobj(FitnessFunction,numberOfVariables,A,b,Aeq,beq,lb,ub);
  • options = gaoptimset(‘PlotFcns’,{@gaplotpareto,@gaplotscorediversity});
  • gamultiobj(FitnessFunction,numberOfVariables,[],[],[],[],lb,ub,options);

 

Bikin Buku Lagi .. “Pemrograman Database dengan Matlab”

Menganggur saat bulan puasa ternyata enak juga buat menulis. Saat berada di “dunia” sendiri tiba-tiba adzan maghrib pertanda waktu berbuka puasa. Setelah berbuka, refresh lagi, dan siap meracik tulisan lagi. Setelah lebaran, jadilah satu buku “Pemrograman Basis Data dengan Matlab”. Belum tentu itu judulnya karena terkadang penerbit menyarankan untuk mengganti judul dengan judul yang menarik dari sisi pemasaran. Begitulah, harus terjadi kerjasama yang baik antara penulis dengan pemasaran, jika tidak, sudah dapat dipastikan buku tersebut tidak laku.

Sebenarnya buku yang sedang direview oleh penerbit (semoga lolos) tersebut berawal dari pertanyaan-pertanyaan di blog ini. Lalu muncul ide bagaimana jika dibuat dalam satu paket buku beserta contoh-contoh aplikasinya. Apalagi banyak yang masih sangsi bahwa Matlab bisa menghasilkan aplikasi yang terhubung dengan basis data seperti bahasa-bahasa yang lain seperti visual basic, java, dan bahasa pemrograman visual lainnya. Matlab selama ini dipuji karena tangguh di sisi komputasi. Bukan tangguh sih sebenarnya, tetapi mudah dan user friendly. Jadi jika bisa mengelola database, maka perancang bisa dengan baik menghubungkan komputasi teknis, soft computing, data mining, dengan basis data yang dimiliki. Database Management System (DBMS) yang dipilih adalah Microsoft Access sebagai perwakilan DBMS desktop dan MySQL untuk DBMS berbasis web. Sepertinya cukup karena keduanya merupakan DBMS yang paling banyak digunakan saat ini, terutama mahasiswa.

Untuk contoh aplikasi, dipilih kasus-kasus yang sering dijadikan tugas akhir (skripsi atau thessis) para mahasiswa yaitu data mining dengan clustering, enkripsi database, pengolahan citra, yang dirakit tentu saja dengan GUI. Tulisan diakhiri dengan lampiran-lampiran yaitu pembuatan executable program dan teori dasar struktur data di Matlab yang sangat penting karena proses perpindahan dari DBMS ke Matlab untuk diproses dan sebaliknya.

Seperti biasa, operasi dasar pada pemrograman basis data dipelajari yang dikenal dengan istilah CRUID (create, read, update, insert, dan delete). Pembuatan grafik setelah proses clustering dan pengolahan citra digital yang kemudian disimpan ke database dibahas dengan sederhana. Jika tombol “clustering” ditekan maka tiap record di database data langsung terupdate masuk kluster yang mana (kluster 0 atau 1). Tentu saja Anda bisa mengembangkan menjadi lebih dari dua kluster. Tanda tangan yang tadinya image kini dirubah menjadi biner (0 dan 1) yang bermanfaat untuk mengurangi kapasitas penyimpanan (dibandingkan penyimpanan dalam bentuk image utuh) yang biasanya diterapkan di perbankan.

Sepertinya pengolahan data dengan notepad atau excel yang bersifat offline dari database sudah mulai diganti dengan sistem yang online karena perubahan data terjadi secara cepat dengan jumlah yang besar (big data). Semoga buku seharga beberapa bungkus rokok tersebut segera terbit (whee lah …). Amiin.

Melanjutkan Riset yang Tertunda

Setelah hampir tiga bulan hilang dari peredaran karena libur kuliah, akhirnya sekarang mulai lagi bertarung mengerjakan disertasi yang sempat terhenti. Tadinya ingin masuk bulan berikutnya tetapi karena ada email bahwa pemesanan kamar kos kategori 2 sudah disetujui dan harus diambil maksimal minggu depan, mau tidak mau segera berangkat karena tipe kos ini merupakan idola semua mahasiswa AIT terutama yang sedang tesis atau disertasi mengingat bentuknya yang sangat private dan egois (karakter mahasiswa yang sedang nulis).

Banyak hal terjadi baik di Indonesia maupun di Thailand ketika mau berangkat. Beberapa hal yang mungkin bisa dijadikan masukan untuk pembaca yang mau berangkat ke Thailand:

  • Kartu Sim Card harus teregister. Berbeda dengan di Indonesia yang registrasi hanya dengan mengisi nama, no KTP dan alamat, si sini harus datang ke Simcard center dengan membawa kartu Identitas (id card/paspor). Agak ribet juga, walau bisa juga dengan online chat dgn webcam. Kita difoto dengan paspor.

  • Pesawat Air Asia mulai memberlakukan dengan ketat berat barang yang masuk ke Cabin. Jika di atas 7 kg, bakal kena charge .. waspadalah. Sepertinya petugas hanya mengincar yang membawa tas beroda, buktinya saya lolos dengan tas sanggul, walau lebih dari 7 kg.

  • Rupiah melemah terus terhadap dollar, walau mata uang tetangga2 juga ikut melemah. Berdampak terhadap harga-harga, terutama tiket pesawat.

Uang kiriman dikti belum turun .. kalo ini masalah khusus .. he he he.

Memetakan Landuse dari Satelite

Untuk mengetahui landuse suatu wilayah kita bisa memesan dari instansi baik swasta maupun pemerintah yang bertanggung jawab menyediakan data-data geografis suatu wilayah, di Indonesia kita mengenal bakosurtanal (www.bakosurtanal.go.id) yang berada di Bogor. Tetapi masalahnya data yang diberikan hanya membedakan secara global seperti bangunan, pertanian, dan sebagainya. Jika kita ingin mengetahui apakah suatu bangunan itu perumahan, rumah sakit, sekolah, atau yang lainnya mau tidak mau kita harus mencari tahu sendiri. Cara mudahnya adalah dengan bantuan google baik google search ataupun google earth. Untungnya ArcGIS sudah menyediakan layanan online tersebut di dalam softwarenya.

Pilih imagery atau Imagery with labels. Sepertinya yang kedua lebih jelas, karena ada labelnya. Zoom ke arah lokasi yang akan dituju, misalnya kota bekasi.

Isi nama yang jelas agar mudah dicari ketika akan kembali lagi ke lokasi tersebut.

Pilih proyeksi sesuai dengan lokasi agar dapat diintegrasikan dengan shapefile lainnya. Klik kanan di peta dan pilih Data Frame Properties. Ini merupakan hal penting, lihat tulisan sebelumnya.

Pilih UTM zona jabotabek, yaitu di daerah S (south), atau sesuai dengan negara Anda tinggal. Ingat !!! bekasi di bumi .. bukan di planet lain.

Tambahkan peta patokan untuk memetakan landuse pertama misalnya residential/perumahan. Jangan lupa simpan terlebih dahulu project Anda untuk jaga-jaga agar jika ada masalah, data tersimpan. Zoom ke arah lokasi yang ingin dilihat:

Mulai menambah satu shapefile baru untuk landuse type resident. Buat dengan format vektor titik (point vector). Cara yang dianjurkan adalah dengan menambah satu file baru di catalog dengan nama dan jenis tertentu.

Beri nama sesuai

Klik Edit untuk mengeset proyeksi sesuai dengan proyeksi basemap dan kawan-kawan. Jika sudah maka satu map baru berformat titik muncul di Table of contents pada layer Anda. Karena saya menggambar lokasi yang berpopulasi rendah, maka saya harus mencari di area yang bisa ditambah perumahan di lokasi tersebut, biasanya di pinggiran kota. Lihat tulisan sebelumnya tentang menggambar polyline jika ingin mengetahui bagaimana menggambar polyline.

Biasanya harus menekan shapefile yang akan diedit agar pilihan menggambar titik muncul.

Karena terlalu banyak jika satu rumah untuk satu titik, maka bisa diwakilkan beberapa rumah untuk satu titik, di sini saya ambil kira-kira sepuluh rumah atau satu blok.

Jangan lupa menghentikan proses editing jika sudah selesai, dilanjutkan dengan menekan tombol simpan ketika muncul pesan untuk menyimpan hasil editing. Edit dengan simbol yang Anda inginkan. Selamat mencoba ..

Digitalization dari Peta Manual

Terkadang instansi yang kita minta datanya hanya memiliki data cetakan biasa, sehingga untuk melakukan analisa diperlukan konversi ke data digital. Misalnya kita akan mendigitalisasi wilayah hutan di kota Bekasi dengan data hutan jawa barat. Scan peta manual tersebut dengan resolusi yang tinggi karena kita hanya menggunting pada wilayah tertentu saja yang kecil, misalnya kota bekasi.

Atau kalau mau enak gambarnya dicrop aja sebesar kota bekasi. Klik kanan di menu dan aktifkan menu georeferencing. Minimal dua pasangan titik bisa membuat referensi geografis dari gambar/image tersebut. Pasangan pertama merupakan titik gambar dan titik shapefile yang sudah terproyeksi, begitu juga pasangan titik kedua. Perlu dua titik karena jika hanya satu titik, Arcgis tidak sanggup mengakuratkan hasil karena ukuran/skala yang biasanya kacau.

Kalo sudah selesai maka buat shapefile baru dengan tipe polygon untuk membuat area ruang terbuka yang nantinya menjadi dasar dalam membuat analisa suitability.

Atur dulu proyeksinya samakan dengan proyeksi kota yang telah diset sebelumnya. Setelah itu mulai proses penggambaran. Lakukan proses menggambar polygon dengan mencontek dari peta cetak yang sudah digeoreferencing, hasilnya adalah data ruang terbuka yang berada tepat di kota bekasi (berwarna biru muda).

Membuat Peta Jalan dari Open Street Map

Data merupakan aset yang sangat berharga. Dengan mengolah data kita bisa memetik keuntungan dan manfaat dari data tersebut. Menyadari hal itu banyak orang yang butuh data mengeluarkan kocek yang besar untuk mendapatkan data. Akibatnya penyedia data terkadang merahasiakan data yang dimilikinya. Hal ini bisa menguntungkan bisa juga merugikan. Terlepas dari hal itu, karena data geografis menyangkut hajat hidup orang banyak, sangat dibutuhkan data yang dapat diakses oleh semua orang, salah satunya adalah peta jalan. Sebenarnya sudah banyak aplikasi baik desktop, web-based, atau android yang dapat mengakses peta jalan ini, tetapi peneliti membutuhkan peta tematik tertentu yang akan digunakan untuk analisa spasial. Ok, langsung saja buka ArcGis, dan tambahkan satu basemap dengan nama Open Street Map.

Cukup banyak data yang tersedia, baik topography peta satelit, laut, dan sebagainya. Di sini saya akan mencoba membuat peta jalan. Jika Anda telah memiliki peta jalan, dapat Anda tambahkan di ArcMap, jangan lupa samakan terlebih dahulu proyeksinya, lihat postingan sebelumnya. Data jalan sebenarnya bisa dibeli di Bakosurtanal untuk negara Indonesia, sayangnya berbayar (ada perpres nya). Akan tetapi beberapa blogger telah memiliki data tersebut dan dengan baik hati menshare. Masalahnya adalah datanya tidak Uptodate. Contohnya adalah kota Bekasi, tampak fly over yang mengarah ke sumarecon belum digambar, oleh karena itu saya akan mencoba menggambarnya.

Klik kanan pada layer Jalan – Edit Fiture – Start Editing. Jika belum muncul juga jendela Create fiture, klik editor, masuk ke Editing Windows dan klik Ceate features.

Dobel klik pada objek Jalan, yang merupakan objek polyline (garis/lengkungan). Ternyata ada sedikit masalah yaitu pesan berikut ketika selesai membuat satu polyline.

Sepertinya ArcMap tidak sanggup memetakan garis tersebut. Oleh karena itu kita kembali selidiki shapefile jalan yang telah kita proyeksikan sebelumnya. Ternyat koordinat belum ada ukurannya:

Lalu apa yang harus dilakukan? Tentu saja harus mengisi koordinat yang sesuai pada layer Jalan tersebut. Cara penyelesaian saya adalah dengan mengekspor fitur ke file lainnya dengan mengklik kanan layer Jalan – Data – Export Data, dan pilih this layer source data, isi nama file baru hasil export tersebut. Hasilnya harus seperti berikut ini dimana polyline baru berhasil ditambahkan, karena banyak harus yang saya tambahkan, capek dan membosankan, teruskan sendiri ya.

Mengatasi Problem Koordinat dan Proyeksi di ArcGIS

ArcMap adalah salah satu fasilitas yang tersedia di ArcGis. Fungsinya mirip ArcView yang merupakan versi lawas dari ArcGis. Ketika menambah satu layer di ArcMap terkadang muncul pesan berikut ini:

Atau mungkin pesan lain yang mengatakan koordinat belum teridentifikasi dengan jelas. Tentu saja kita bisa mengklik ‘OK’ dan peta tampak di ArcMap. Masalah akan muncul jika ArcMap kita terdiri dari lebih dari satu shapefile yang beda koordinat dan proyeksinya. Untuk pesan di atas kita diminta menyamakan proyeksi shapefile tersebut. Cara yang terstruktur adalah dengan membuka Arc Catalog, dan cari file yang akan disamakan proyeksinya tersebut.

Klik kanan dan masuk ke propertis. Samakan proyeksinya dengan layer BaseMap seperti pada gambar di atas. Apa itu BaseMap, akan dijelaskan pada postingan berikutnya. Samakan seperti pada gambar di bawah ini:

Di sini saya menggunakan WGS 1984 UTM Zone 48S yang merupakan wilayah jabotabek. Jika berhasil, maka Anda akan melihat dua layer yang sekarang memiliki proyeksi yang sama. Atur susunan layer karena jika dua poligon saling berimpit, salah satunya akan tertutup. Akhirnya tampak seperti gambar di bawah ini:

Selamat mencoba, atau mungkin ada teknik lain yang lebih ok, tolong dishare.