Matlab yang merupakan perkembangan lebih lanjut dari bahasa komputasi Fortran mulai banyak diminati oleh peneliti karena kemudahannya. Akan tetapi karena harga lisensinya yang mahal, membuat beberapa penggemar open source merakit bahasa yang memiliki struktur bahasa yang serupa dengan matlab, salah satunya adalah Scilab.
Selain Scilab, dijumpai juga Octave yang telah banyak dimanfaatkan khalayak untuk melakukan perhitungan dengan biaya nol, alias gratis. Cara pembuatan matrix dan pengoperasian fungsi aritmatika juga tidak jauh berbeda.
Tampilannya mirip matlab tetapi sederhana, tanpa adanya toolbox-toolbox. Bagaimana untuk programmingnya? Ternyata ribet juga, karena sintax yang beda banget sama matlab. File extensi untuk programmingnya pun *.sci berbeda dengan matlab yang *.m. Okelah, coba yang lain.
Kalo kita searching internet, bidang informatika ternyata banyak cabangnya dari yang cenderung ke hardware hingga yang cenderung ke software. Jika kita menjumpai seseorang dengan gelar S.Kom kita tidak bisa memastikan yang bersangkutan bisa mengutak-atik jaringan, merancang software, atau bidang-bidang spesifik lainnya. Apalagi jika gelarnya M.Kom atau Ph.D lebih spesifik lagi bidangnya.
Beberapa peneliti ingin mengetahui atau membandingkan dua jenis metode, tentu saja dengan alat ukur yang adil, dimana tidak membandingkan dua metode dengan dua bahasa yang berbeda. Oiya, beberapa literatur membedakan metode dengan algoritma, walaupun ada juga yang menganggapnya sama. Untuk memperbaiki kinerja suatu metode, beberapa peneliti menggunakan bahasa yang mudah, yaitu Matlab. Bahasa ini sulit dibeli oleh individu, dan biasanya institusi yang membelinya karena mahal. Belum lagi kontroversi dari sisi pendidikan dimana Matlab dituduh tidak melatih siswa untuk sungguh-sungguh belajar programming. Banyak pertanyaan-pertanyaan muncul mengenai kode bahasa matlab yang kebanyakan dalam bentuk function dan toolbox.
Berbeda dengan toolbox lain seperti WEKA, SPSS, dan sejenisnya yang melakukan proses data mining dengan menyembunyikan source code, Matlab sebenarnya menunjukan kode yang digunakannya. Jadi jika kita diminta menelusuri algoritmnya, tinggal buka saja M-file yang digunakan. Misalnya kita akan mengkluster dengan Fuzzy C-Means (FCM), secara sederhana kita dapat mencari kluster secara langsung baik lewat GUI atau function. Coba buka kode yang ada dengan mengetik edit fcm di command window. Jika muncul pesan, klik saja Yes.
Untuk bisa membaca kode tersebut, sedikit diperlukan “usaha”. Apalagi jika belum pernah sekalipun belajar bahasa pemrograman. Jika tidak pernah, maka yang disalahkan adalah institusi tempat mahasiswa belajar informatika, karena salah satu dasar seluruh jenis kurikulum informatika (TI, SI, SK, ILKOM) pasti belajar dasar-dasar pemrograman. Di tulisan yang lalu, saya menyinggung fungsi objective FCM. Nah dimanakah letak fungsi objective itu di function matlab?
Jika Anda teliti ternyata fungsi fcm memanggil fungsi stepfcm, maka buka lagi fungsi tersebut dengan mengetik edit stepfcm. Di situ dengan jelas fungsi yang dalam bentuk matematisnya adalah sigma.
Ternyata ada juga fungsi distfcm, ok. Buka saja dan pelajari lagi. Dan untungnya kita tidak terlalu pusing-pusing menerjemahkan karena ada baris komentar yang diawali dengan simbol % yang fungsinya menjelaskan satu line code.
Jika Anda ingin membuat dalam bahasa pemrograman open source, bisa menerapkannya di octave, scilab, dan sejenisnya yang dapat diunduh gratis dari internet. Ok, semoga bermanfaat.
Prediksi adalah memperikiran hasil yang akan datang berdasarkan kondisi terkini. Biasanya dipergunakan untuk memperkirakan kejadian di waktu yang akan datang, misalnya harga saham, bencana, dan sebagainya. Terkadang kita memprediksi dari rentetan beberapa data seperti harga saham, komposisi kimia dan sebagainya. Untuk matlab terbaru sudah tersedia fasilitas GUI, tetapi versi yang lama dapat menggunakan toolbox neural network fitting tool.
Sebagai contoh time series dari 12 data, kita akan melatih NNs dengan data tersebit dimana dua kolom pertama sebagai data training dan satu kolom terakhir sebagai target (t+1). Buka GUI NNs Fitting Tool lewat jendela start atau dengan mengetik nftool di command window.
Sebelumnya masukan terlebih dahulu data dan targetnya di workspace karena akan kita gunakan nanti. Klik Next dilanjutkan dengan memasukan data dan target. Pastikan tombol Next muncul, jika tidak arahkan option button di rows.
Tambahkan Hidden Neuron seoptimal mungkin, di sini saya menggunakan nilai default yang tidak terlalu banyak, 20. Teruskan hingga proses pelatihan dan jangan lupa menyimpan hasilnya.
Terus saja menekan Next hingga proses pelatihan selesai. Jangan lupa menyimpan hasil pelatihan, misalnya net1. Setelah itu ujilah dengan menjalankan hasil pelatihan NNs tersebut. Untuk menguji hasil training, simulasikan saja net1 dengan data pelatihan.
Sepertinya ada empat data yang error dari 12 data yang dilatih. Perbaiki dengan menambah hidden neuron dan jumlah data untuk pelatihan. Untuk memprediksi, masukan dua data berurutan untuk mengetahui data prediksinya, misalnya [18980 18990] yang akan menghasilkan.
Cek, apakah benar perkiraan ketiga 19032? Waulahu a’lam, namanya saja prediksi.
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 file – Import 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.
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:
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 start – toolboxes – Mapping 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.
Bagi orang-orang ilmu komputer simbol sigma (∑) sudah menjadi santapan sehari-hari. Mau dihindari, tapi selalu ketemu. Apa boleh buat, terpaksa ditelan bulat-bulat. Simbol ini sebenarnya mempersingkat bahasa kita yang artinya “jumlah”. Tetapi kebiasaan pengajar di Indonesia yang suka melihat mahasiswanya pusing, malah menakut-nakuti. Perhatikan fungsi objektif yang harus diselesaikan oleh Fuzzy-CMeans clustering, dibikin gampang ya gampang, dibikin susah ya susah aja:
(1)
Misalnya tukang ojek kerja dari hari senin sampai kamis (i=[1;4];), dengan penghasilan pada hari senin, selasa, rabu, kamis, berturut-turut 50, 70, 80, 100 ribu. Kalau dibuat tabelnya di matlab:
Misalnya ada rumusan seperti ini:
(2)
Dimana Y= total setoran, i= hari ke-i, dan xi = setoran hari ke-i. Kan sama saja dengan pernyataan “setoran lue dari hari senin sampai hari kemis berape?”. Tukang ojek-nya terus buka Matlab:
Ketemu hasilnya 300 ribu. Tentu saja bukan hanya untuk tukang ojek, bisa juga untuk dosen yang nyambi sana nyambi sini. Dari SD kita memang sudah dikenalkan dengan tabel dan saat kuliah sudah terbiasa dengan yang namanya Excel (spreed sheet) untuk mengolah data. Tetapi untuk ilmu komputer yang terkadang excelnya aja tidak bisa mengimport data yang saking besarnya, pemahaman tentang penyakit sigma menjadi wajib. Coba saja download dan import ke excel yg ukurannya di atas 1 Gb data di www.kaggle.com.
(3)
Apalagi nih? Misalnya, karena motornya ditarik akibat beberapa bulan jadi buronan dealer, si tukang ojek jualan di kampung oncom tiga jenis gorengan, oncom, misro, combro. Supaya gampang nulisnya j1, j2, j3. Seperti biasa dia dagang empat hari, senin sampai kamis dan lagi-lagi supaya gampang i1,..,i4. Tiap hari dicatet keuntungan tiap gorengan per hari (dalam ribuan):
Mungkin karena nama kampungnya kampung “oncom”, makanya oncom lebih laris. Kemudian di hari kamis pas mau tutup, satpol pp menghampiri dan minta 10% untuk pajak. Jadi harus dihitung dulu penghasilannya dari hari senin, kembali dia buka Matlab:
Ketemu hasilnya, total = 99 ribu. Kasih dah ke satpol PP pajak 10% = 5 ribu …. karena ngakunya cuma dapet 50 ribu. Sekian dulu tulisan hiburan akibat baca2 jurnal yg ada rumusan kayak begini:
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.
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.
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.
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.
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.
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
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.
Hari ini muncul wajah baru, sebuah sedan hatchback (orang sering nyebut sedan tepos) berwarna merah di tempat kami. Sayang saya sendiri tidak bisa langsung melihat karena sedang berada di negeri gajah. Mesin 4 silinder 1.4 Liter (1400 Cc) dengan transmisi otomatis pesanan istri sudah tiba. Wajahnya yang tampan sepertinya membuat istri saya jatuh hati.
Mungkin ada yang bertanya ini mobil apa? Silahkan googling sendiri di internet. Yang jelas mobil ini mendapat penghargaan disain terbaik. Terbaik di mana? Bekasi? Tentu saja dunia dong … Yang menjadi trade mark nya adalah Tiger Nose karya disainer Peter Schreyer pada grill pendingin udaranya.
Mengapa beli jenis kendaraan ini? Selera aja sih. Dari dulu kami memang lebih suka membeli kendaraan yang unik yang jarang dijumpai di jalan (bukan kendaraan sejuta umat). Bagaimana harga jualnya? Kalau ga ada yang mau beli nanti, ya dikasihkan saja, beres. Yang jelas niatnya sih untuk menunjang pekerjaan sehingga menambah pemasukan karena produktivitas dalam bekerja (anti hujan, aman dengan airbag dan ABS, irit biaya transportasi). Macet ? ya pastilah .. untungnya sudah jarang bertugas di Jakarta (sekitar planet bekasi saja).
Walaupun tidak seperti layaknya versi yang dijual di eropa dimana kontrol audio yang terletak di stir, atap yang bisa terbuka (sun roof), tetapi lumayanlah dengan harga segitu dapat hatchback kelas menengah. Yang terpenting tidak perlu keluar duit lagi untuk jok kulit, solar guard / kaca film, sensor parkir, talang air, mantel mobil, velg yg sudah 16″, fog lamp, dan tetek bengek lainnya, alias tinggal pakai.
Yang jelas, transmisi manumatic-nya (bisa manual, bisa matic) sangat membantu ibu-ibu yang maunya tinggal gas rem, dan bisa menurunkan gigi secara manual jika mau menyalip, terutama di tanjakan.
Update: 13 Januari 2015 (service 1000 km).
Ketika liburan saya pulang ke Bekasi dan mencoba si Rio. Kesan pertama tampilannya seperti ford fiesta, dan lebih besar dikit dari jazz milik adik ipar. Terasa gas dan rem sangat sensitif. Tidak ada ngelitik seperti keluhan Rio keluaran 2012.
Interior walaupun masih di bawah Jazz tetapi space duduk dan bagasi serta kursi yang ergonomic (pas di badan) cukuplah. Entah kenapa mesin agak berubah-ubah responnya, apa karena saya sering gantian nyetirnya (beda karakter).
Sepertinya cocok untuk pengguna dalam kota, apalagi ibu-ibu yang ingin nyaman. Dibandingkan dengan jazz saat menikung rio agak limbung. Sepertinya butuh tambahan batang stabilizer karena per yang sangat lembut.
Update 12 Juli 2015 (service 5000 km)
Berhubung belum ganti oli semenjak mobil datang, sekalian saja servis gratis kedua di bengkel resmi kia. Muncul masalah standar mobil dengan kompresi tinggi yaitu mesin yang mengelitik. Ketika tiba di bengkel, langsung saja “curhat” bahwa dengan bensin pertamax 92, mesin terkadang mengelitik ketika berakselerasi awal (rpm rendah). Memang sih jika tombol ECO mode dimatikan, ngelitik sedikit berkurang, tapi sayang jika fasilitas ECO mode tidak dipakai.
Update Engine Control Unit (ECU) mutlak harus dilakukan, mengingat untuk kompresi 10:1 mengharuskan octane tinggi, yaitu pertamax plus. Namun saya meminta untuk cocok dengan pertamax 92 saja, karena khawatir jika dicocokan timing pengapian dengan premium berefek pada borosnya bahan bakar, toh saya tidak menggunakan premium.
Setelah ganti oli dan update ECU, ngelitik bisa dihilangkan (dalam batas riding style normal). Terasa gas sedikit dalam, berbeda dengan setelah awal yang tersentuh sedikit saja gas, mesin bereaksi. Untuk konsumsi BBM yang menurut spesifikasi 14-18 km/liter di tol, ketika dicek menyentuh 100/7=14.3 km/liter. Masih dalam range-nya, walau di batas bawah (jauh di bawah 18 km/l). Lihat brosur yang baru, kaget juga harga rio yang dulunya 197 juta kini menjadi 223 juta untuk yg matic.
Update 15 November 2015
Entah karena kebanyakan make AC dan radio dalam keadaan mesin mati, baru setahun aki (accu) sudah diganti karena pagi-pagi aki ga ngangkat. Terpaksa habis 900-an untuk aki baru (pesan di shop n drive).
Info terbaru, mungkin dampak dari kenaikan dollar, hampir kebanyakan pabrikan menaikan harga jual kendaraannya, KIA Rio pun dibandrol hingga 238 jutaan, gile. Oiya, jika ingin liat perbandingan dapat dibuka situs perbandingan hatchback ini, secara total dimenangkan Rio tapi tentu saja berbeda versi eropa dengan versi yang dijual di Indonesia.
Update 10 Mei 2017 (Kia Rio Model baru 2017)
Kia rio merilis model baru dengan Sun Roof yang terkesan mewah untuk hatchback harga 250-an juta. Silahkan simak plus minusnya di video ini. Siapa tahu ada yang mau merasakan seumur hidup punya mobil dengan sun roof .. he he.
Update 16 Maret 2018
Terus terang RIO saya gunakan saat kondisi tertentu, fisik kurang fit, hujan terus, siang yang panas atau mengendarai di malam hari yang dingin. Selebihnya saya lebih menggunakan motor karena ga tahan macet. Akibatnya servis rutin 20.000 km belum sempat tercapai km-nya. Paling jauh pun dipakai Bekasi – Bandung. Lumayan irit sih (terutama pas pulang karena turun). Transmisi yang otomatic membuat saya harus mengambil jarak dengan kendaraan di depan agar kanvas rem dan ban lebih irit. Uniknya sudah 4 tahun kondisi tetap seperti baru, hanya ganti aki saja yang sering (setahun sekali).
Update 16 Januari 2019
Pada 3 Januari yang lalu, servis 20.000 km terpenuhi. Lama juga, maklum jarak dekat terus. Entah mengapa setelah diservis terasa enaknya. Sebelumnya sepertinya tidak ada perbedaan, mungkin hanya ganti oli saja. Terasa pada bagian kaki-kaki yang lebih balance serta ngelitik yang hampir tidak ada lagi. Tak terasa mobil yang menemani istri ketika saya di Thailand akan lunas tahun ini. Ingin berganti, tetapi sepertinya mobil ini masih nyaman dan mudah dikendarai.
Update 02 Oktober 2019
Setelah kaki-kaki diganti dengan ban Turanza dari Bridgestone, suara aspal nyaris tak terdengar. Apalagi setelah sekalian di spuring, tangan jadi lebih santai karena balance (tidak lari kanan kiri). Sempat juga aki mati (sudah tiga tahun) dan terpaksa menelepon “shop n drive” untuk ganti aki baru, 1,5 jtan.
Yang lebih menyedihkan adalah mobil ditawar orang. Karena takut ada apa-apa kalau ada yg suka dengan mobil saya, dijual dah seharga 110jt. Trus naik apa dong? Lama juga mencari mobil yg senyaman Kia Rio saya, akhirnya ketemu juga: Mitsubishi Xpander.
Alasannya, anak mulai besar2, butuh kursi yang lapang 7 penumpang. Suspensi ternyaman di kelasnya walaupun harus hati-hati karena beban shockbreaker jauh lebih berat. Kekedapan kabin mirip Kia Rio hanya saja body lebih tipis dibanding Kia Rio tapi selama menggunakan Kia Rio toh tidak terlalu signifikan tebal tipisnya body terhadap “fun to ride”. Tipe yg saya beli “Ultimate” dengan tambahan fitur “Cruise Control” dimana ketika di tol pada kecepatan tertentu jika diset cruise control maka kecepatan akan dijaga pada posisi tersebut tanpa kaki menginjak pedal gas, alias kaki anti pegal. Untuk mesin? Ternyata Mitsubishi lebih “garang” mesinnya dibanding Kia dan bahkan Toyota yang sudah cenderung ngeset keiiritan (dual VVTi).
Update 06 Juli 2020
Kangen juga lihat Rio. Ada untungnya jual mobil ke sodara, bisa lihat terus mobil kenangannya.
Beberapa situs GIS gratis telah memberikan layanan cuma-cuma untuk memantau perkembangan lahan, kerusakan hutan dan sejenisnya. Salah satu situs terkenal yang memasang perubahan lahan dari tahun 1984 hingga saat ini adalah google earth engine. Buka situs ini dan arahkan pada lokasi Bekasi tercinta (klik Amazon deforestation terlebih dahulu). Perhatikan daerah yang berwarna hijau yang menandakan keberadaan pepohonan dan yang menyala terang yang menandakan keberadaan perumahan.
Untuk melihat perubahan lahan klik simbol segitiga di pojok kiri bawah yang akan mensimulasikan perubahan dari tahun 1984 hingga 2012. Ada sedikit gangguan karena mungkin pengaruh awan ketika satellite menangkap gambar di tahun-tahun tertentu. Akan tetapi karena ada range sekitar 29 tahun, kita dapat menerka daerah mana saja yang berubah. Perhatikan lokasi penambahan jumlah penduduk di daerah bekasi yang tentu saja merubah penggunaan lahan dari daerah serapan, sawah, rawa, dan sejenisnya menjadi perumahan penduduk. Untuk wilayah pantai, perhatikan di tahun 1986 (waktu itu lagi demam-demamnya Maradona – sampai saya waktu SD merengek minta dibelikan kaus Argentina no 10), tampak laut di atas Jakarta masih landai, dimana pantainya masih cukup indah dan jika di tahun itu Anda pernah main ke Ancol pasti melihat pantai yang seperti di Bali (wehh .. padahal saya sama sekali belum pernah ke Bali sampai saat ini).
Perhatikan gambar di atas di mana pada tahun 2010 lokasi laut utara Jakarta sudah tergerus, dan memang sudah tidak lagi dijumpai pantai yang landai karena ada bendungan yang menghalangi laut yang mulai maju ke wilayah daratan. Saya ingat waktu itu ditahun 90-an ketika laut pasang air laut di pantai Ancol masuk ke jalanan dan memaksa pengelola Ancol membendung pantai sehingga saat ini tinggal beberapa wilayah saja yang masih berpantai. Perhatikan juga daerah pantai di sebelah kanan atas elips yang pada tahun 1986 tampak tetapi di tahun 2010 sudah menghilang (terpancung) menjadi lautan. Berikutnya perhatikan panah ke bawah yang menandakan penambahan pemukiman di sekitar Bekasi. Untuk wilayah hijau, Anda amati saja sendiri dengan menggeser kotak waktu (time line), hanya saja perlu teliti karena terkadang di tahun-tahun tertentu wilayah itu terhalang awan atau kekurangakuratan pemotretan.
Kalo gambar di atas itu kerjaan orang-orang iseng yang menyindir kota Bekasi tercinta yang puaannass banget katanya, selain macet tentunya. Mudah-mudahan kota perjuangan ini mampu berkembang menjadi kota yang tertata dengan rapi dan lebih nyaman lagi untuk dihuni, minimal tetap senyaman saat ini (katanya ..).
(1)
(2)
(3)
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?”. (
Rahmadya Trias Handayanto 