Rabu, 02 Januari 2013

GIS AND TRANSPORTATION: STATUS AND CHALLENGES


GIS AND TRANSPORTATION:  STATUS AND CHALLENGES
Michael F. Goodchild1

GIS-T, or the application of geographic information systems in transportation, dates from the very earliest interest in GIS in the 1960s. GIS is about many things, but one consistent theme in its development has been the economies of scale that derive from integrating a wide range of processing functions around a well-defined data structure representing one or more particular classes of geographic data. For example, one such structure is the familiar layer-cake of many co-registered representations of geographic variation over an area. If each layer uses an identical raster of rectangular grid cells, then many useful operations become possible: arithmetic combinations of layers, for example. This architecture underlies many of the software packages that have emerged over the past three decades for image processing and raster GIS, and is the basis for image algebras and Tomlin’s Map Algebra (Tomlin, 1990).

The circumstances of the first use of the term geographic information system are lost in the sands of time (Marble, 1989; Tomlinson, 1989), although several excellent histories of the field now exist (Coppock and Rhind, 1991; Foresman, 1998). But it is clear that much of the initial impetus came from the group of graduate students in quantitative geography at the University of Washington in the late 1950s; and that one of these was Duane Marble, who later moved to Northwestern University and developed a rudimentary form of GIS in support of transportation studies in the Chicago area.


ransportation research requires a wide range of models and forms of analysis, but makes use of a comparatively small number of types of data, the vast majority of which have some form of geographic reference. Later, the Census Bureau’s interest in managing data collection led to the development of the DIME structure, and later TIGER, as methods of representing street networks with a high level of internal consistency. Although GIS-T is the subject of an annual conference in the U.S., an expanding literature, and numerous specialized software applications, there is as yet no book devoted solely to the topic. In a recent review, Waters (1999) concluded that “it is possible to state unequivocally that GIS-T has ‘arrived’ and now represents one of the most important application areas of GIS technology.” In this paper I attempt to address
why that should be, to identify some of the more important research issues in the field, and to point to some interesting and challenging trends. The discussion is organized according to three distinct views: the map, navigation, and behavior.

THREE PERSPECTIVES
The map view 
Seen from above, the Earth’s surface is an enormously complex jumble, with very little in the way of obvious order. One of the types of features most easily identified by the human eye are the linear transportation corridors: rivers, canals, railroads, and roads. Even here, however, the simple linear model breaks down. Rivers flow into lakes and seas, and people and vehicles can escape the linear road system in parking lots and other trafficable areas. Nevertheless, the linear system is relatively stable, since rivers rarely
move, and roads are expected to have substantial lifetimes, and it provides a very convenient way of organizing and referencing much human activity. Homes and businesses are mostly located within short distances of the public road network, and so can be readily identified by specifying position on that network. Vehicles are mostly confined to the road network also, and trains are strictly confined to the railroad network. Moreover, as a linear system it is possible to specify location in a one-dimensional space, with a single number. One-dimensional references are inherently simpler than twodimensional references, since only one measurement is needed, and the distance between two such linear measurements can be much easier to compute or estimate intuitively than the distance between two points in two- or three-dimensional referencing systems, especially if the points are close to each other. Thus human societies generally have chosen to identify home location by street address, and to deliver mail using that system, in preference to two-dimensional systems such as latitude and longitude, or national grids.

Efforts to digitize the U.S. street network began in the 1960s, driven by the needs of the Bureau of the Census for an easy way of allocating individuals to reporting zones. If street addresses could be converted to coordinates, then simple routines could be used to identify any of the complex hierarchy of reporting zones: blocks, census tracts, counties, cities, or states. The same function—conversion of one-dimensional street address to two-dimensional coordinates—found abundant applications in market research and led in part to the growth of the field we now know as geodemographics, since it could be used to convert lists of customer addresses to areal counts. But the structure chosen for the Bureau’s DIME files for the 1970 census reflects what in retrospect seems like an odd choice: to see the street network as a collection of nodes and links. The traditional view of a street is reflected in our naming system, which assigns the same name to a roughly linear  feature running through multiple intersections. But DIME chose to break thisf eature into a series of individual links. The advantage lies in the ability to institute checks of logical consistency, because all of the links surrounding a block must form a closed figure. But it has a number of significant disadvantages: • dependence on the precise definition of an intersection (what to do about traffic circles, or intersections not at grade, or intersections with laneways that may not count as streets); • sensitivity to creation of new intersections, which may require extensive modifications to the database; • conflict with traditional ways of thinking about street networks; and • redundancy since street names must be repeated for each link. Despite these problems, links and nodes have remained the prevailing view of networks, driven in part by the almost mythical significance given to topology in the traditions of GIS.

Another major difficulty with the link/node view concerns events or features which occur at points within links, or over stretches of links that do not match their endpoints. In the simple DIME model it is possible to attach an attribute to a link or a node, but not to arbitrarily defined parts of links. Dynamic segmentation extends the basic link/node model by making it possible to refer to points in the linear referencing system that are not at nodes (Goodchild, 1998). Route and milepost schemes model the network consistently with traditional practice, by creating a single record for every street, and a separate but appropriately linked record for every intersection. The map view is inherently limited by the need to represent real features as onedimensional spaces or centerlines. In principle positional accuracy is limited to one half of the street width transverse to the street, and is typically similar along the street; the locations of intersections are similarly subject to uncertainty. Features such as businesses and houses may have much larger offsets from the linear system, and again such information is typically lost in the map view. Important information about the side of the street (e.g., whether a house is on the north or south side) must be conveyed topologically, as a binary attribute, or inferred from the numbering system, since it cannot be obtained from the geometric information in such representations.

Although DIME and its successor TIGER were created by the public sector, there is sufficient business interest in street centerline databases and their applications to support a substantial private sector in most industrialized countries. This is especially true in those countries where printed street maps are not widely available or in common use, or where addressing systems are not as simple as in the U.S. and Europe (e.g., in Japan, where houses are commonly not numbered sequentially). Increasingly, then, more than one database is available for an area. High quality databases can now be created by renting a vehicle suitably equipped with kinematic GPS. Since such databases inherit the imperfections in the processes used to create them, any two databases can be expected to differ by amounts comparable to their positional inaccuracies.
Church et al. (1998) describe some of the problems that are emerging in GIS-T and ITS applications of street centerline databases as a consequence of such differences, and Noronha’s paper at this conference explores the issues in greater detail. Whereas interoperability is normally understood in GIS to refer to the syntactic and semantic issues of definition and content that produce different databases from the same information (Goodchild et al., 1999), the case here adds a new dimension of accuracy, which may turn out to be the most problematic dimension of all, since it casts doubt on the basic ability of street centerline databases to support reliable conversion between geographic coordinates and linear referencing systems.
Moreover, Noronha has shown that interoperability is also impeded by high rates of failure to match features, such as occurs if a street is present in one database but not in another, or if its name is missing or in conflict. Linear addressing systems also tend to break down in rural areas, where a patchwork of efforts has attempted to replicate the simplicity of the urban system with varied success.

The navigation view
Although unimportant to the Bureau of the Census, the link/node view of a street network has a significant advantage in supporting navigation, since a path through a network is readily expressed as a series of decisions at nodes. The algorithms to find optimum paths through networks, such as the shortest path, or the path of least expected travel time, also are based on link/node structures (e.g., Dijkstra, 1959), as are more complex and harderto- solve routing problems.

Routing problems require certain classes of attributes that may not be present in databases created from the perspective of the map view. It is important to identify oneway streets as attributes of links, and barriers to hrough traffic. But entirely new structures are needed to support information about turns between links, or conditions of access from one link to another (Goodchild, 1998). ESRI’s ARC/INFO, for example, extends the basic link/node structure with a turntable to record information about turns between links, and can use it  to distinguish between intersections at grade andoverpasses. More generally, use of street centerline databases to support navigation requires a more complex view of topology than that of the DIME and TIGER files, which used it simply to establish consistent representations of planar features. Support for naviga tion is an indispensible part of intelligent transportation systems (ITS), where it is needed to assist drivers in designing routes, and in modifying routes in response to new information. But such effective navigation requires a massive extension of the attributes provided in the map view, to include dynamic attributes such as levels of congestion and travel speeds, temporary obstructions, and temporary turn restrictions. Few if any of these attributes are visible from above, so expensive ground-based collection is almost always required. Routes found on databases representing the map view, such as those provided by an increasing number of WWW-based services, are sometimes inaccurate or impossible because these essential attributes, and the structures needed to support them, are typically not present.

he one-dimensional perspective embedded in the map view presents numerous problems when applied to navigation. Streets may or may not have median dividers, and U-turns may or may not be legal at gaps in dividers. The advent of multi-lane freeways and turn lanes has also led to a fundamental change in the way drivers navigate. In the 19th Century gridiron city it was sufficient to tell a driver to “turn left at First Street”.

Today, a driver must anticipate left turns much earlier, in order to move into the correct lane where one is present, and must transition between intersecting freeways by taking the correct ramp. In short, it is no longer sufficient to provide navigational instructions based on a link/node view of the street network. Instead, the configuration of the street as a collection of lanes must be represented in the database, and vehicles must be tracked at the lane level of detail. Geometric representation of lanes is much more expensive than simple representation of street centerlines, and requires a substantially higher level of positional accuracy. Goodchild (1998) shows how a representation can be built that has the same level of geometric accuracy as the street centerline, but includes a topological representation of the relative positions of lanes and their connectivity. This compromise representation would be sufficient for lane-level navigation, and much less expensive than full lane geometry, and much of it could be built from aerial observation. Systems to support navigation must somehow deal with two additional complications. First, people and vehicles are not necessarily confined to the linear network, and will at times depart from it, in parking lots, unrecorded or unrecognized roads, or on private property. Systems that match vehicle tracks to networks must deal with this problem (e.g., White, 1991), and it is a significant problem for routing also. Second, navigation often requires the use of more than one mode, or comparative evaluation of modes. For example, a commuter may combine road and rail travel to work. Few efforts have been made to create databases that combine modes, by representing both road and rail networks and their interconnections, for example, but these would be essential for multimodal routing.


The behavioral view
The map view implies an essentially static perspective, and its success is in inverse proportion to the propensity of the network to change, by adding or moving links, adding intersections, or other modifications. The navigation view assumes that information of a dynamic nature must be represented on the static geometry of the network, but does not attempt to represent moving geometry. The third view, discussed in this section, deals explicitly with the behavior of discrete objects—vehicles, people, trains, or boats—on
and off the linear network. Hägerstrand (1970) was one of the first to examine the behavior of discrete  objects moving in time with persistent identity. He introduced the notion of time as a thirddimension, with the rajectories of objects tracing paths in this three-dimensional space, constrained such that each object had exactly one intersection with any plane of constant time, in other words, that the locational coordinates of an object at time t could be expressed as single-valued functions of t. Mark and Egenhofer (1998) have termed such object trajectories geospatial lifelines.


In the past, such data have been very costly to collect, and consequently rare. A sample of individuals in Halifax, Nova Scotia, kept daily diaries in 1971 of their activities and locations, and these data were linked to individual records of socio-economic andm demographic characteristics. But although the data set has been subject to numerous analyses (e.g., Janelle et al., 1998), it remains one of a very small number of tensive samplings of individuals and their behavior. That situation is changing rapidly, however, as GPS transponders make it possible to track objects and sample locations intensively in time at reasonable cost. Other ITS sensing technologies, such as 'smart' loops in highway pavements, may make it possible to construct detailed travel diaries of individuals. Such data raise interesting issues of privacy that will have to be dealt with. They also create the need for effective methods of representation and visualization. We also lack a suitable suite of models and analytic techniques with which to test simple hypotheses on such data.
The Halifax data, for example, were recorded as a flat file of events, defined by a change of activity, and each of these events was geocoded. In a travel event, no information was available on the route followed, and analysis had to be confined to the beginning and ending locations of the travel event. In other situations, data might consist of samples of the locations of all objects at regular time intervals (snapshots). In tracking animals, battery weight is often a constraining factor since batteries can only be replenished through recapture, so it is important to minimize the number of locations transmitted. Hagerstrand's primary concern was with movement in continuous two-dimensional space. Similar issues arise if objects are confined to a linear network, and positions are represented in a linear system. A GIS to support the behavioral view, and thus the modeling of complex behavior, must also deal with other data types that result from aggregation of geospatial lifelines. These include flow matrices, defined as measures of the numbers of objects moving in a
given period of time between an origin area and a destination area. In such matrices all knowledge of each object's actual trajectory is lost. Numerous models exist of such aggregate origin/destination flows (Fotheringham and O'Kelly, 1989). Another data type represents the flow in each link of the network, as used for example in modeling modal splits and in traffic assignment models. In summary, the behavioral view requires a new series of representation methods, beyond those required by either the map or the navigation view. Many of these have been implemented in software, though it is unusual to find them all provided within the framework of a single, comprehensive GIS for transportation. Rather, GIS representations to date have tended to favor the map view, and to some extent the navigation view, reflecting the bias of the GIS software industry towards inventory and static representation rather than to analysis and dynamic modeling. In that sense, today's commercial GISs have made little progress at meeting the needs of comprehensive transportation planning or ITS.


References
Church, R.L., K.M. Curtin, P. Fohl, C. Funk, M.F. Goodchild, V.T. Noronha, and P. Kyriakidis (1998) Positional distortion in geographic data sets as a barrier to interoperation. Technical Papers, ACSM Annual Conference. Bethesda, MD: American Congress on Surveying and Mapping.

Coppock, J.T., and D.W. Rhind (1991) The history of GIS. In D.J. Maguire, M.F. Goodchild, and D.W. Rhind, editors, Geographical information systems: Principles and Applications. Harlow: Longman Scientific and Technical, Vol. 1, pp. 21–43.

Dijkstra, E.W. (1959) A note on two problems in connexion with graphs. Numerische Mathematik 1: 269–271.

Foresman, T.W., editor (1998) The history of geographic information systems: Perspectives from the pioneers. Englewood Cliffs, NJ: Prentice-Hall.

Fotheringham, A.S., and M.E. O'Kelly (1989) Spatial interaction models: formulations and applications. Boston: Kluwer.

Goodchild, M.F. (1998) Geographic information systems and disaggregate transportation modeling. Geographical Systems 5(1–2): 19–44.

Goodchild, M.F., M.J. Egenhofer, R. Fegeas, and C.A. Kottman, editors (1999) Interoperating geographic information systems. Norwell, MA: Kluwer.

Hägerstrand, T. (1970) What about people in regional science? Papers of the Regional Science Association 24: 1–21.

Janelle, D.J., B. Klinkenberg, and M.F. Goodchild (1998) The temporal ordering of urban space and daily activity patterns for population role groups. Geographical Systems 5(1–2): 117–138.







Tema Hari Ini..

Hidupku hari ini,

ketakutan cerita horor and ketakutan karena ada tukang maling pakaian dalam.....

hwaaaaaaa......



Serba-Serbi


UPAYA ASIA MENGATASI MASALAH URBANISASI


Luas wilayah kota-kota besar dunia hanya 2% dari total permukaan bumi namun menampung 50% lebih penduduk, menghabiskan 75% energi, dan bertanggung jawab atas 80% emisi CO2. Dengan kondisi seperti ini, maka pengelolaan kota-kota besar itu akan menentukan baik buruknya masa depan planet Bumi.
Asia saat ini menghadapi urbanisasi terbesar sepanjang sejarah manusia, yang bisa mempengaruhi masa depan dunia. Di Asia, terdapat perbedaan antara model pembangunan dari atas, seperti yang terjadi di Cina dan kota-kota yang tumbuh secara alami, seperti Jakarta, Bangkok, dan Mumbai. Singapura merupakan contoh kota dengan perencanaan kota yang menggunakan teknologi canggih untuk meningkatkan efisiensi. Singapura merupakan pelopor manajemen lalu lintas.
Selama beberapa puluh tahun belakangan, kota-kota dunia diselimuti dengan lapisan data digital berupa telekomunikasi, jaringan sensor, sistem pemeriksaan meter cerdas yang menjadi basis dari sistem 'otak' yang bisa meningkatkan efisiensi. Dengan menyediakan informasi aktual langsung, kemacetan lalu lintas dan polusi udara bisa dikurangi. Sebagai contohnya, Ibukota Swedia, Stockholm, memberlakukan skema tarif khusus untuk penggunaan jalan raya pada tahun 2005, yang berhasil mengurangi kemacetan di pusat kota sampai 50% dan pada gilirannya mengurangi emisi sampai 15%. Dan pendekatan tersebut mungkin akan membawa hasil yang sama untuk masalah-masalah perkotaan lainnya, seperti konsumsi energi atau air.
Keterbatasan ruang menjadi salah satu masalah besar di perkotaan dan prasarana tidak bisa ditingkatkan dengan cepat, sehingga sistem pengelolaan yang menggunakan tekonologi canggih bisa menjadi jalan ke luar. Belum lama ini Singapura menanam S$100 juta atau sekitar Rp 800 miliar untuk pengembangan sejumlah aplikasi yang didasarkan pada penggunaan data langsung yang aktual.
Urbanisasi yang sedang terjadi di kota-kota besar Asia tampaknya tidak terlelakkan untuk sementara waktu dan teknologi canggih bisa menjadi andalan untuk mengurangi tekanan keterbatasan sarana dan prasarana perkotaan. Selain itu, dengan data yang didapatkan, maka warga kota bisa menyesuaikan kegiatannya secara efisien yang pada gilirannya akan berdampak pada efisiensi kota secara menyeluruh.


SIG

SISTEM INFORMASI GEOGRAFI DI INDONESIA



Perkembangan SIG di indonesia berjalan tidak terlalu cepat, diawali terlebih dahulu dengan perkembangan pengindaraan jauh. Lembaga yang terlibat sejak awal dalam pengembangan pengindaraan jauh seperti LAPAN ( lembaga antariksa penerbangan nasional) dan BAKOSURTANAL ( Badan Survei dan pemetaan nasional) eranya sangat besar dalam mempercepat perkembangan SIG di indonesia.

LAPAN adaah lembaga pemerintah indonesia non-departemen yang menyediakan data digital khususnya untuk citra pengidaraan jauh dengan satlit. Lembaga ini mempunyai stasiun bumi untuk merekam data pengideraan jauh seperti : citra SPOT, MMS- Lansat dan TM- Lansat. Data citra dari kelembagaan ini dapat di pesan baik dalam bentuk digital maupun dalam bentuk cetak. Sedangkan BAKOSURTANAL berperanan mengkoordinasikan pemetaan dasar dan penyedia data digital berbentuk peta- peta dasar seluruh indonesia. Pada lembaga ini juga tersedia layanan pembelian citra foto udara baik berupa data analog maupun data gital, dan juga penyedia data yang bnersifat grafis.lembaga lain yang juga berperan mendorong perkembangan SIG dan pengindaran jauh di indonesia adalah BPPT (Badan Pengkajian Dan Penerapan Teknologi).


Di perguruaan tinggi, perkembangan pengindaraan jauh dan SIG awalnya sudah dimulai di UGM, ITB, UI pertengahan 1980-an. Kemudian menyusul beberapa perguruan tinggi yang lain seperti universitas Patimura, ITS, Universitas Bengkulu, UPN, UNDIP, UNHAS, UNPAK, dll. Bagimana juga perkembangan SIG dan indraja di perguruan tinggi dapat dikatakan reletif lebih lambat dibanding dengan teknis khusunya pada tahun 1990-an. Mengigat perkembangan lembaga pendidikan relatif lebih lambat memanfaatkan atau mengembangkan teknologi ini maka di duga tenaga kerja di sektor teknologi spasial ini masih belum mencukupi. Intansi teknis di Indonesia pada priode ini cendrung melatih staf yang sudah ada untuk memahami teknologi ini, yang terlihat di berbagai proyek di indonesia sperti LREP dan MREP.


Data mengenai jumah perangkat keras dan lunak yang ada pada berbagai instansi kurang lengkap, walaupun sudah banyak usaha dilakukan.Misalnya,berdasar data yang d himpun Sasitiwarih, et. Al.( 1994) dalam direktoriat pengindaraan jauh & SIG di Indonesia bahwa perangkat lunak/ keras yang terpasang di departemen teknis lebih banyak (16 set) , menyusul swasta (13 set) dan kemudian perguruan tinggi (12 set). Pada priode dua tahun (soesilo,1996) jumlah ini sudah meningkat, menjadi sekitar 150 lembaga yang menggunakan sarana penginderaan jauh SIG sebagia sarana untuk mempermudah pekerjaanya.


Di Indonesia perkembangan pemakaian SIG dan indraja mulai semarak sekitar awal tahun 1990-an , dimana kebanyakan intansi pemerintah sudah mulai memamfaatkan SIG sebagai sarana untuk pengelolaan data spasial. Dalam hal ini sejak 1990-an hinngga 1996 terdappat 26 proyek besar di indonesia yang menggunakan sarana SIG dan pengindaraan jauh untuk mejalankan aktivitasnya antara lain : land use planning and mapping ( Lupam dan BPN- GTZ), 1 da 2 land resources evaluation and planning (LREP), masing- masing di 8 provinsi di sumatra dan 18 provinsi di luar sumatra, Remote Sensing Technology For Natural Resources Management (BPPT_ ADB) pengembangan SIG untuk mendukung kegiatan POLRI, BPPT-DISINFOLAHTA PORLI, dan pengembangan GIS di 42 kabupaten peserta MREP.


Saat ini intansi pemerintah yag sudah memakai SIG antara ;lain: Departemen Kehutanan, Departemen Pertaniaan ( Misalnya: pusat penelitian tanah dan agroklimat), Departement Pertambangan Energi Geologi, PT Telkom , Pertamina, PT Timah, dll). Mentri Negara Lingkungan Hidup, BAPEDAL, departemen Dalam Negeri (BAPPEDA), BPN,Biro Pusat Statistik (BPS), Departemen Transmigrasi Dan Pemukiman Perambahan Hutan,Departemen Pertahanan Dan Keamanan ( Direktorat Toografi dan berbagai instansi lain yang berkaitan), PU,Departemen Keuangan (Ditjen Pajak Dan Bangunan),Departemen Tenaga Kerja, Dan Departemen Kesehatan.


Walaupun sudah banyak instansi pemerintah yang memakai teknologi ini sebagai sarana kerjanya, tetapi tingkat pemamfaatanya masih bervariasii, dari yang masih dalam taraf coba-coba hingga yang sudah mantap. Sebagi contoh, Direktorat Pajak Bumi Dan Bangunan, baru menggunakan sarana SIG untuk menunjukkan posisi relatif suatu objek pajak, sedangkan Penetuan Nilai Jual Pajak (NJOP) masih menggunakan prosedur manual (sidik,1996). Saat ini intansi tersebut sedang mengembangkan Sistem Informasi Indikasi Geografis SIIG) sebagi penunjang Sistem Menejemen Imformasi Objek Pajak (SISMIOP). Bagaimana pun juga untuk membuat peran SIG yang besar masih mebuituhkan dukungan kuat dari intasnsi pembuat peta skala besar seperti BPN. Contoh lain adalah BPS, yang sudah mempunyai data spasial tentang administrasi di seluruh indonesia (hingga desa), tetapi data tessebut masih bersumber dari sketsa. Data spasial ini banyak dimamfaatkan untuk penyajian potensi desa atau keadaan desa tetinggal di indoesia. (Pramono, 1996). Departemen Tenaga Kerja juga yang sedang mengembangkan suatu sistem informasi manejemen untuk mengetahui pasar tenaga kerja, yang menggunakan teknologi SIG , tetapi masih dalam taraf uji coba untuk berbagai tujuan ketenaga – kerjaan (Scimidt, 1997). Dalam beberapa hal perkembangan di intansi teknis juga tidak meningkat jauh dan umunya SIG hanya di mamdfaatkan sebagi pembuat produk akhir seperti cetak, belum ke analisa rutin (Tyrie,1999).


Kendala pengembangan SIG sebagai sumber dari sumberdaya manusia beberapa instansi pemakai SIG yang disinggung sebelum ini masih mempunyai staf yang mapan sehingga staf yang ada masih merangkap berbagai pekerjaan. Walaupun demikian beberapa instansi pemerintaah sudah mempunyai divisi yang mantap dalam pengembangan sig dan pengindaran jauh.
Pada priode 1990-an perkembangan prusahaan swasta yang memamfdaatkan teknolohgi penginndaraan jauh dan SIG juga meningkat sangat nyata, baik yang bersiifat menawar jasa maupun yang menggunakan teknologi tersebut dalam tugas sehari- hari. Perusahaan swasta yang sudah mulai banyak memamfaatkanj sarana ini khususnya pada sektor kehutanan (HPH, HTI) khusus untuk sektor kehutanan, pemamfaatan data citra semakin meningkat sejalan adanyaklewajiban pemilik HPH untuk memakai data sastelit untuk memantau atau pembuktian baik-tidaknya pengelolaan kawasan hutannya. Untuk perusahaan perminyakan juga terjadi hal yang sama dimana adanya peraturan pemerintah yang mengharuskan perusahaan mineral, minyak dan gas bumi untuk mengolah data sismik dan turunanya menggunakan fasilitas dalam negeri ( Soesilo, 1996),. Hal ini berarti pemamfaatan industri SIG dan indraja yang sudah ada dalam negeri.


Projek yang bersifat pengelolaan dan pemantauan lingkungan juga sudah di mamfaatkan SIG dalam operasinya. Dalam berbagai analisa mengenai dampak lingkungan, biro konsultan yang besar juga sudah mengunakan teknologi informasi ini untuk mempercepat dan meningkatkan kinerja perusahaanya. Berbagi proyek pengembangan sistem informasi pada instansi pemerintah umunya memakai teknologi SIG sebagai satu komponen. Aplikasi SIG dan indraja di sektor perkebunan juga sudah berkembang khususnya bagi perusahaan multinasional. Atau pun dalam bisnis jasa seperti perbankkan maupun bisnis pertokoaan. Beberapa perusahaan sudah memammfaatkan teknologi ini untuk mencari potensi pasar untuk konsumen masing- masing.


Pada 1990-an perkembangan pemamfaatan SIG di indonesia juga bervariasi, mulai dari kegiatan yang bersifat pengumpulan dat atau menejem maupun pemamfaatan data untuk keperluaan analisa simulasi. Sebagai teknologi aplikat maka SIG dan pengindaran jauh sudah banyak dipakai sehingga perkembangan kearah industri sendiri tidak mungkin di hindari lagi. Perkembangan kearah industri ini makin mendekati kanyataan karena didukung berbagai hal antara lain, (a) adanya stasiun bumi satelit sumberdaya alam di Pare-Pare, (B) stasiun bumi satelit NOAA di Jakarta, Jambi, Kalimantan, (C) banyaknya lembaga ( negeri dan swasta ) yang sudah mengunakan teknolgi ini sbagai sarana kerja (D) adanya industri jasa dari pegolahan dat pengindaraan jauh dan (e) adanya penggunaan rutin data pengindaraan jauh (Soesilo, 1996).


Pendorongan lain yang juag sangat kuat datang dari kecendrungan skala global seperti makin murahnya biaya pembangunan sistem ruang data. Penurunan ini dapat di sebabkan beberapa hal seperti komputer makin murah dan perangkat lunak SIG sudah bergabung ke bentuk yang dipakia secara massal seperti perangkat lunak multimedi Power Point telah memasukkan perangkat lunak SIG sederhana seperti map- info terintegrasi kedalanya atau kedalam perangkat pengolahan data seperti MS-excell l. Masuknya data spasial kedalam jaringan komunikasi global seperti internet juga makin mendorong penggunaan untuk memahami data spasial dan penggunaan SIG. Kombinasi berbagai pendorong di atas akan membuat perusahaan kecil juga mampu mempunyai sarana teknologi ini; apalagi didukung oleh harga sarana pendukung yang murah dan tenaga ahli yang mudah belajar ( Bar, 1996). Di dukung teknologi ini akan makin cepat jika bebagai keadaan diatas mendukung, dan malah dapat dorongan perubahan fungsi dan tanggung jawab instansi tertentu( Rais,1999).
Setah perkembangannya teknologi SIG dan indraja dan dipakai oleh banyak pengguna, maka persoalan baru juga terasa di indonesi, yaitu pemamfaatan dat bersama. Ide yang banyak di sorot adalah kemungkinan dikembangkannya suatu bentuk data yang dapat di konversi. Persoalan konversi data dalam menejemn data sudah mulai mencuat karena kegiatan yang bersifat invertaris data sudah banyak dilakukan dan sudah diperlukan proses konversi data ( Seminar Nasional Pemetaan Tahan , 1996) daam bebrapa hal sudah mulai di sepakati akan tersededianya data spasial secara gratis untuk skala tertentu. Pertimbangan ini makin penting karena saat ini sebagian data spasial dinegara maju sudah dapat diambil secara gartis melalui internet.
Keinginan untuk berkoordinasi tentang sistem manejem data di indnesia saat ini sudah direalisasikan dalam forum SIGNAS. Program SIGNAS mentargetkan pada terbentuknya suatu informasi spasial nasionmal (pusat- daerah) sebagai sig dalam rangka pembuatan peta dat dan informasi spaisal nasional. Oprasionalisasi keinginan ini sudah dilaksaakan bakosurtanal seperti disediakanya data dasar digital rupa bumi skala 1; 1.000.000 secara gratis, dan menyusul skala ; 250.00. sedangkan untuk skala yang lebih besar akan disediaakan gratis untuk tema garis pantai dann batas administrasi ( Rapat Koodinasi SIGNas , 1999 dalam berita HITI,1999) pada tahun 2000 telah ditetapkan tanggal 27 febuari sebagai hari SIGNas,. Dan telah di sepakati melalui BAPEDA di tingkat provinsi.


Lembaga yang bewewengan lain dimasa mendatang akan melakukan tindakan sejenis sehingga data yang bersifat umum dapat diperoleh lebih mudah, dan konsekwensinya dana untuk data akan terpangkas , karena selama ini biaya data dasar spasial termasuk mahal. Di harapkan juga berbagai lembaga yang mempunyai wewengan dan fungsi jelas akan berperan mengatur koordinasi aliran dan pemamfaata data ruang ini.

My family

Kali ini aku mau share beberapa foto anggota keluargaku...
Saat sedih, seneng, bosan, GALAU, aku yakin keluarga lah yang selalu ada buat ku..
ehmmm, so sweet kan.....
OK langsung aja ya fotonya...
ini foto mb elin dan kakung...

kalo yang ini foto keluarga mas ajid,,,


(ini mb Illoh..)



kalo ini aku,,, ^_^




trus ini foto2 nya mb elin....................

ini fotonya mb elin sama mbah mak.





ok inilah postingan ku mengenai my family..
see u...












Selasa, 01 Januari 2013

KARAKTERISTIK SENSOR DAN WAHANA PENGINDERAAN JAUH


KARAKTERISTIK SENSOR DAN WAHANA PENGINDERAAN JAUH

Dalam mempelajari penginderaan jauh sangat terkait sumber energi, interaksi energi di atmosfer, interaksi energi dengan permukaan bumi. Hal lain yang harus dipahami adalah proses perekaman energi itu sendiri. Proses perekaman energi dilakukan dengan menggunakan sensor peka energi-energi tersebut. Seperti tubuh manusia, masing-masing sensor seperti mata dan telinga memiliki kepekaan yang berbeda-beda terhadap energi yang diterimanya. Informasi yang diterima oleh sensor ini akan saling mendukung menjadi informasi yang utuh. 

Seperti diketahui pada bab terdahulu, energi yang diterima oleh sensor berasal dari energi yang dipancarkan obyek ataupun energi matahari yang dipantulkan obyek. Agar sensor dapat merekam energi-energi tersebut, sensor harus dipasang pada suatu wahana bergerak dengan jarak yang stabil antara obyek dengan wahana. Wahana yang membawa sensor ini dapat berupa wahana yang bergerak didarat melalui cara terestrial, pesawat udara, balon, ataupun satelit.
Sensor terestrial sering digunakan untuk merekam berbagai informasi detil tentang permukaan bumi sebagai pelengkap informasi yang dikumpulkan melalui pesawat udara ataupun satelit. Dalam banyak hal perekaman menggunakan cara ini lebih memberikan pemahaman yang mendalam dan lengkap tentang suatu obyek hasil identifikasi melalui foto udara atau citra satelit. Sensor melalui cara terestrial ini dapat diletakkan pada suatu gedung yang tinggi, crane, atau mobil.
Sensor dengan menggunakan pesawat udara memberikan hasil berupa foto udara. Citra foto udara memberikan informasi citra yang cukup detil. Cakupan dari citra ini lebih luas dari pada metode terestrial. Sensor untuk merekam informasi diletakkan pada tubuh atau sayap pesawat.
Perekaman melalui satelit menghasilkan informasi berupa citra satelit. Satelit diluncurkan dan bergerak pada orbitnya dengan membawa beberapa sensor. Masing-masing sensor memiliki kepekaan yang berbeda-beda terhadap gelombang elektromagetik. Hasil dari masing-masing sensor ini selanjutnya sering dikenal dengan istilah saluran (band). Contoh citra satelit Landsat TM dengan 7 saluran (band) yang masing-masing band memiliki kemampuan ”melihat” yang berbeda-beda.

ORBIT DAN CAKUPAN
Penginderaan jauh pada saat ini banyak menggunakan citra satelit sebagai dasar analisisnya. Citra penginderaan jauh dengan menggunakan satelit memberikan cakupan yang luas atas permukaan bumi. Sejalan dengan kemajuannya citra satelit dengan resolusi tinggi memberikan informasi yang tidak kalah detil dengan foto udara.
Dalam merekam informasi satelit bergerak pada suatu jalur terbangnya. Jalur terbang satelit ini disebut dengan Orbit. Orbit dari satelit disesuaikan dengan kemampuan sensor dan tujuan perekamannya. Orbit satelit memiliki variasi pada ketinggian, orientasi, ataupun rotasi relatifnya terhadap bumi.

Geostationary Orbit
Satelit dengan orbit Geostasioner memiliki ketinggian sekitar 36000 kilometer. Kecepatan gerak rotasi sama dengan gerak rotasi bumi. Dengan ketinggian dan kecepatan yang sama dengan rotasi bumi ini, maka satelit tersebut dapat mengamati suatu wilayah secara terus-menerus di setiap waktu. Satelit ini dapat mengamati berbagai perubahan yang terjadi setiap saat untuk wilayah yang diamatinya. Satelit ini seakan-akan selalu berada ditempatnya (geostasioner). Satelit yang menggunakan orbit ini biasanya adalah satelit komunikasi dan satelit cuaca.

Near Polar Orbit
Satelit dengan orbit Near Polar mengelilingi bumi dengan arah utara – selatan tegak lurus dengan perputaran bumi. Orbit. Satelit merekam permukaan bumi dari utara ke selatan, dan pada bagian lain merekam dari selatan ke utara. Pada saat satelit berada pada bagian muka bumi yang berhadapan dengan matahari, sensor merekam pantulan energi matahari yang mengenai muka bumi. Sedang pada saat satelit berada pada area bayang-bayang (malam) satelit hanya merekan permukaan yang terkena pantulan sinar matahari. Satelit penginderaan jauh biasanya memiliki orbit ini Orbit ini dapat meliput sebagian besar wilayah muka bumi dalam periode tertentu.

Resolusi Spasial dan Ukuran Piksel.
Ketinggian wahana perekam dengan permukaan bumi yang direkamnya memainkan peranan dalam data hasil penginderaan ini. Jarak yang tinggi dari wahana perekam memungkinkan merekam area permukaan bumi yang lebar. Dengan kata lain, satelit ini memiliki area cakupan (swat) yang luas. Tetapi disisi lain, dengan semakin tingginya wahana perekam ini akan berakibat pada kedetilan obyek yang dapat direkamnya. Obyek individual seperti rumah, pohon, dan berbagai obyek lain sulit dipisahkan satu persatu secara individual. 
Wahana perekam seperti pesawat udara yang menghasilkan foto udara memiliki ketinggian terbang yang rendah dibandingkan satelit. Oleh karenanya, data foto udara lebih memungkinkan pemisahan dan identifikasi obyek secara individual.
Kemampuan merekam obyek ini juga dipengaruhi oleh sensor. Sensor sebuah satelit memiliki kemampuan merekam obyek terkecilnya berbeda-beda. Satelit Landsat TM mampu merekam obyek terkecil dilapangan sebesar 30 x 30 meter. Satelit Ikonos merekam dengan obyek terkecilnya 1 x 1 meter. QuickBird dengan ukuran obyek terkecilnya 0,6 x 0,6 meter. Kemampuan sensor dalam merekam obyek terkecil pada tiap pikselnya ini disebut dengan resolusi spasial. Resolusi spasial pada sensor pasif terutama dipengaruhi oleh sudut pandangnya yang disebut dengan Instantaneous Field of View (IFOV). Area dipermukaan bumi yang tercakup dalam sebuah luasan IFOV disebut dengan sel resolusi (Resolution Cell).
Citra satelit terbentuk dari serangkaian matrik elemen gambar yang disebut dengan piksel. Piksel merupakan unit terkecil dari sebuah citra. Piksel sebuah citra pada umumnya berbentuk segi empat dan mewakili suatu area tertentu pada citra. Jika sebuah sensor memiliki resolusi spasial 20 meter dan citra dari sensor tersebut menampilkannya secara penuh, maka masing-masing piksel akan mewakili area seluas 20 x 20 meter. Citra yang menampilkan area dengan cakupan yang luas biasanya memiliki resolusi spasial yang rendah. Hal ini banyak terdapat pada citra-citra dari satelit komersial. Citra dengan resolusi tinggi akan menampilkan obyek secara detil. Satelit militer biasanya didesain untuk hal ini. Citra dari satelit ini mampu menampilkan obyek secara detil.


Resolusi Spektral
Resolusi spektral adalah adalah kemampuan sensor untuk membedakan interval sebuah panjang gelombang. Semakin halus resolusi spektral sensor, semakin pendek panjang gelombang dapat dipisahkan menjadi saluran-saluran (band) yang terpisah. Sebagai contoh, citra satelit Landsat TM memiliki 7 saluran. Satelit Landsat TM memiliki sensor dengan kepekaan pada masing-masing rentang interval panjang gelombang hingga sebanyak 7 saluran. Masing-masing sensornya hanya merekam energi panjang gelombang dengan rentang tertentu. 
Film hitam putih merekam panjang gelombang dari 0,4 mm hingga 0,7 meter. Film ini menghasilkan citra yang berwarna hitam dan putih saja, karena seluruh panjang gelombang yang terrentang pada interval tersebut terrekam pada satu titik. Seperti telah diketahui, rentangan 0,4 mm hingga 0,7mm terdiri dari banyak warna yang diantaranya adalah warna primer yaitu biru, hijau, dan merah. Perpaduan dari ketiga warna tersebut menghasilkan gradasi warna keabuan (greyscale).
Pada film berwarna, interval panjang gelombang dari 0,4 mm hingga 0,7 mm tersebut dipisahkan menjadi beberapa saluran yaitu saluran biru (0,4 – 0,5mm), saluran hijau (0,5 – 0,6 mm) dan saluran merah (0,6 – 0,7 mm). Film ini akan menghasilkan citra yang berwarna karena masing-masing saluran terrekam oleh pada salurannya masing-masing. 

PROPOSAL TUGAS AKHIR

PROPOSAL TUGAS AKHIR
PEMANFAATAN CITRA RESOLUSI TINGGI UNTUK MENGIDENTIFIKASI PERUBAHAN OBYEK BANGUNAN (STUDI KASUS UPDATING RENCANA DETAIL TATA RUANG KOTA UNIT PENGEMBANGAN 1 RUNGKUT SURABAYA)


BAB I
PENDAHULUAN

1.1         Latar Belakang
Penggunaan penginderaan jauh dapat mencakup suatu areal yang luas dalam waktu bersamaan. Menurut Puntodewo dkk (2003), penginderaan jauh dapat digunakan untuk penelitian lingkungan hidup mengenai interaksi antara sistem alam dan bumi. Penginderaan jauh dapat digunakan untuk menganalisis spasial  secara cepat, efektif, efisien dan dapat mencakup wilayah yang lebih luas bila dibandingkan dengan pengukuran langsung yang membutuhkan biaya serta tenaga yang lebih banyak.
Perkembangan teknologi penginderaan jauh terutama citra Worldview 2 memudahkan dalam mengkaji perencanaan tata ruang kota dan monitoring penggunaan lahan, contohnya perubahan obyek bangunan. Sejak kemunculannya yang pertama kali di Indonesia, Worldview 2  langsung mendapat respon positif dari berbagai institusi pemerintah. Didorong pula oleh pemberian otonomi yang lebih luas kepada Pemda, maka Worldview 2  telah dimanfaatkan untuk menyusun peta rencana detail tata ruang paling up to date. Karena Worldview 2  memiliki keunggulan mampu menyajikan data dengan resolusi hingga spasial tinggi, yaitu 0.46 m – 0.5 m untuk citra pankromatik dan 1.84 m untuk citra multispektral, sehingga perkembangan wilayah kota tersebut dapat di kendalikan sesuai dengan orientasi perencanaan pembangunan kota agar tidak menimbulkan permasalahan-permasalahan baru.
 Surabaya sebagai kota metropolitan terbesar kedua di Indonesia setelah ibu kota Jakarta, ditunjukkan dengan peningkatan pertumbuhan penduduk dan perubahan peruntukan lahan yang semakin cepat. Hal ini terjadi karena kemajuan Kota Surabaya terutama dalam bidang ekonomi menjadi daya tarik tersendiri bagi masyarakat yang ada di sekitarnya. Akibatnya, jumlah penduduk yang tinggal di wilayah Kota Surabaya semakin banyak. Kondisi ini berpengaruh terhadap meningkatnya kebutuhan penduduk akan hunian, perkantoran, sarana dan prasarana transportasi, serta fasilitas publik lainnya. Konsekuensinya, pembangunan fisik kota pun semakin meningkat, guna memenuhi kebutuhan penduduk tersebut. Pembangunan fisik dan prasarana perkotaan dapat berupa pembangunan permukiman sebagai tempat tinggal, pembangunan pabrik dan perkantoran sebagai tempat bekerja, pembangunan jaringan jalan sebagai penghubung dan jenis pembangunan lainnya. Kegiatan pembangunan fisik dan prasarana perkotaan di Surabaya tentunya menimbulkan konsekuensi terhadap perubahan obyek bangunan.  Dengan terjadinya perubahan obyek bangunan, maka perlu adanya sebuah studi identifikasi perubahan obyek bangunan dengan menggunakan data citra Worldview 2 serta pembuatan Sistem Informasi Geografis untuk updating Rencana Detail Tata Ruang Kota Surabaya.

1.2         Perumusan Masalah
Dari latar belakang di atas, maka permasalahan yang timbul adalah “Bagaimana cara identifikasi perubahan obyek bangunan dengan memanfaatkan data citra satelit Worldview 2 dan membangun Sistem Informasi Geografis sebagai penunjang updating Rencana Detail Tata Ruang Kota Surabaya”.

 1.3         Batasan Masalah
Batasan masalah dari penelitian tugas akhir ini adalah:
a.              Daerah penelitian mencakup Unit Pengembangan 1 Rungkut (Kecamatan Rungkut, Kecamatan Gununganyar, Kecamatan Tenggilis Mejoyo) Kota Surabaya.
b.             Data citra yang digunakan adalah citra satelit Worldview 2 tahun 2012.
c.              Obyek yang dididentifikasi adalah bangunan perumahan pengembang dan non pengembang, perumahan kumuh, bangunan bertingkat (maksimal 10 lantai ) dan cagar budaya.
d.             Hasil dari penelitian ini adalah peta perubahan obyek bangunan dan Sistem Informasi Geografis sebagai penunjang updating Rencana Detail Tata Ruang Kota Surabaya.

1.4         Tujuan Penelitian
Tujuan dari penelitian ini adalah :
1.      Identifikasi perubahan obyek bangunan untuk updating Rancana Tata Ruang Kota Surabaya.
2.      Pembuatan peta perubahan luasan obyek bangunan kota Surabaya tahun 2012.
3.      Membangun Sistem Informasi Geografis untuk perubahan obyek bangunan sebagai penunjang kegiatan updating Rencana Detail Tata Ruang Kota Surabaya.

1.5         Manfaat Penelitian
Manfaat dari penelitian tugas akhir ini :
1.      Peta perubahan luasan obyek bangunan kota Surabaya tahun 2012
2.      Tersusunnya Sistem Informasi Geografis sebagai penunjang kegiatan Updating Rencana Detail Tata Ruang Kota Surabaya.

BAB III
METODOLOGI PENELITIAN
3.1         Lokasi Penelitian
Lokasi penelitian tugas akhir ini dilakukan di Kota Surabaya. Secara geografis Surabaya terletak pada 07°12’-07°21’ Lintang Selatan dan 112°36’-112°54’ Bujur Timur. Luas dari Kota Surabaya adalah 374,36 km2.

3.2         Data dan Peralatan
3.2.1   Data
Data yang dibutuhkan yaitu dalam penelitian Tugas Akhir ini antara lain:
Data Spasial :
1.             Peta garis digital Surabaya skala 1:5000 tahun 2002
2.             Data citra satelit Worldview 2 tahun 2012.
Data Non Spasial :
1.      Data pokok pembangunan Kota Surabaya berupa data fisik dan utilitas terbitan Badan Cipta Karya tahun 2002.
2.      Peraturan Daerah tentang Rencana Tata Ruang Wilayah Kota Surabaya No.3 Tahun 2007.

3.2.2   Peralatan
Peralatan yang digunakan dalam penelitian ini adalah :
1.             Perangkat Keras (Hardware)
a.       Notebook  yang digunakan untuk proses pengolahan data, pemodelan hasil, dan penulisan laporan.
b.      Printer
c.       Kamera digital
d.      GPS Navigasi Garmin eTrx H High Sensitivity
2.    Perangkat Lunak (Software)
a.       Sistem Operasi Windows 7 untuk menjalankan semua software.
b.      ENVI     (Environment     for     Visualizing Images)    4.6.1    untuk    seluruh    proses pengolahan citra.
c.       Autodesk Land Desktop 2004
d.      ArcGIS 10
e.       Microsoft Office 2007  untuk perhitungan data.

3.3     Metodologi Penelitian
3.3.1  Tahap Penelitian
Tahapan yang dilaksanakan dalam penelitian Tugas Akhir ini adalah :



Gambar 3.2 Diagram Alir Tahapan Penelitian

Berikut adalah penjelasan diagram alir metode penelitian:
1.             Identifikasi Masalah
Permasalahan dalam penelitian ini adalah mengidentifikasi perubahan obyek bangunan untuk updating Perencanaan Detail Tata Ruang Surabaya dengan menganalisa data citra satelit Worldview 2 tahun 2012 dan pembuatan Sistem Informasi Geografis.
2.      Tahap Persiapan
Pada tahap ini, kegiatan-kegiatan yang dilakukan adalah :
·      Studi Literatur
Bertujuan untuk mendapatkan referensi yang berhubungan dengan penginderaan jauh, citra satelit, tata ruang wilayah, Sistem Informasi Geografis dan literatur lain yang mendukung baik dari buku, jurnal, majalah, koran, internet dan lain-lain.
·      Pengumpulan Data
Pengumpulan data berupa peta garis  digital Surabaya skala 1:5000 tahun 2002, data atribut obyek bangunan, dan data citra satelit Worldview 2 tahun 2012.
3.    Tahap Pengolahan data
Pada tahapan ini dilakukan pengolahan data citra yang telah diambil dari lapangan dan data penunjang lainnya untuk selanjutnya dilakukan analisa.
4.    Tahap Analisa
Data yang telah diolah kemudian dianalisa sedemikian rupa sehingga didapatkan suatu hasil dan kesimpulan yang nantinya digunakan untuk menyusun laporan Tugas Akhir.
5.    Penyusunan Laporan
Penyusunan laporan merupakan tahap akhir dari peneltian Tugas Akhir ini.


3.3.2 Tahap Pengolahan Citra Worldview 2


Gambar 3.3 Diagram Alir Tahap Pengolahan Citra


Berikut ini adalah penjelasan diagram alir tahap pengolahan data : 
1.    Data
Data yang digunakan dalam penelitian Tugas Akhir ini adalah Citra Satelit WorldView-2 dan peta garis digital Kota Surabaya skala 1:5000.
2.    Koreksi Geometrik
Koreksi geometrik perlu dilakukan untuk mendapatkan sistem koordinat dan sistem proyeksi yang sama antara citra dengan peta acuan. Pada koreksi ini digunakan peta garis digital sebagai referensi. Penentuan lokasi titik kontrol tanah (GCP) dilakukan dengan mengidentifikasi batas-batas alam yang tergambar jelas pada peta. pada penelitian ini digunakan titik kontrol sebanyak 6 buah. Model transformasi yang digunakan adalah polinomial derajat satu karena dianggap daerah penelitian mempunyai kondisi yang relatif datar (tidak berbukit).  Ketelitian dari penempatan titik kontrol dan akurasi koreksi geometrik dapat diketahui dari nilai RMS. Apabila nilai RMS mendekati nol maka titik tersebut dianggap benar (Purwadhi, 2001), tetapi apabila nilainya ≥1 piksel maka titik tersebut harus dikoreksi kembali. Setelah masing-masing titik mempunyai nilai RMS ≤1 piksel maka citra tersebut telah menjadi citra yang terkoreksi secara geometrik.
3.    Klasifikasi
Klasifikasi perubahan obyek bangunan yang digunakan adalah klasifikasi supervised dengan menggunakan algoritma NBRI (Normalized Difference Brick Roof Index), yaitu dengan menggambar training area untuk masing-masing tipe obyek bangunan yang harus dipisahkan pada klasifikasi dan menggunakan karakteristik seperti rona, bentuk, dan pola masing-masing area untuk mengklasifikasi objek yang termasuk obyek bangunan.
4.    Uji Ketelitian Klasifikasi
Ground truth dalam penelitian ini bertujuan untuk validasi data hasil klasifikasi dengan kondisi lapangan. Uji ketelitian merupakan tahapan penting untuk menentukan tingkat akurasi metode klasifikasi yang dihasilkan. Uji ketelitian klasifikasi dalam penelitian ini yaitu dengan membuat matriks dari perhitungan setiap kesalahan (confusion matrix) pada setiap bentuk obyek bangunan hasil klasifikasi dari citra satelit yang digunakan.
5.    Overlay Citra Worldview 2 dengan peta Garis digital
Overlay dilakukan menggunakan software ArcGIS 10 untuk dilakukan interpretasi dan identifikasi perubahan terhadap obyek bangunan. Identifikasi perubahan  tidak dilakukan secara otomatis dan ekstraksi bangunan dilakukan secara manual/visual dengan pertimbangan bahwa peta garis digital mempunyai keakuratan bentuk (orientasi obyek yang kurang sesuai dengan citra sehingga setiap obyek peta bisa dipastikan  tidak match dengan keadaan pada peta.
6.    Identifikasi Perubahan Obyek Bangunan.
Proses identifikasi dilakukan pada citra Worldview 2 yang telah terkoreksi geometrik dan terklasifikasi lalu ditampalkan dengan peta garis digital skala 1:5000 tahun 2002, kemudian dilakukan digitasi perubahan obyek bangunan berdasarkan jenis perubahan obyek bangunan.
7.    Hasil.
Hasil identifikasi dan digitasi perubahan obyek bangunan, kemudian disajikan dalam bentuk peta perubahan obyek bangunan dan Sistem Informasi Geografis sebagai penunjang kegiatan updating Rencana Detail Tata Ruang Kota Surabaya.

3.3.3   Tahap Pembuatan Sistem Informasi Geografis


Gambar 3.4 Diagram Alir Tahap Pembuatan SIG

Adapun penjelasan diagram alir di atas adalah :
1.    Dilakukan pengolahan layer-layer peta yang sudah dibuat sebelumnya dan juga pembuatan basis data Obyek Bangunan dengan menggunakan software ArcGIS 10. Karena pemberian toponimi nama jalan, nama kelurahan dan nama kecamatan sudah dilakukan di software Autocad Land Dekstop 2009 dan sudah langsung dikonversi menjadi shapefile, maka di software ArcGIS 10 akan tervisualisasikan menjadi sebuah titik dalam satu layer, sehingga di software ArcGIS 9.3 bisa langsung mendeteksi data-data pada sebuah atribut tabel.
2.    Pembuatan  database tabular berupa data pokok pembangunan yaitu data Izin Mendirikan Bangunan, status tanah dan pemanfaatan tanah  Badan  Cipta Karya.
3.    Merancang konfigurasi peta (*.map) untuk mendefinisikan konfigurasi peta, legenda, peta referensi dan konfigurasi tiap layer.

BAB IV
PELAKSANAAN KEGIATAN

4.1         Jadwal Pelaksanaan

Pelaksanaan penelitian tugas akhir ini diperkirakan selesai dalam waktu empat bulan. Adapun rencana jadwal pelaksanaan penelitian dapat dilihat pada Tabel 4.1. berikut:
Tabel 4.1 Jadwal Pelaksanaan
No.
Kegiatan
Bulan
November 2012
Desember
2012
Januari
2013
Februari 2013
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
Tahap Persiapan

















Studi Literatur

















Pengumpulan Data
















2
Tahap Pelaksanaan

















Pengolahan Data

















Analisa
















3
Tahap Akhir

















Penyusunan Laporan Akhir





































It's just everything about Me, Yours and Our Memories

Total Tayangan Halaman

Powered By Blogger
Diberdayakan oleh Blogger.

Translate