Geografi · GIS

Peta Negara Kesatuan Republik Indonesia

Peta NKRI 2017

Continue reading “Peta Negara Kesatuan Republik Indonesia”

Advertisements
GIS · Inderaja · Tips dan trik

Export shapefile di Ecognition

TULISAN ini berhubungan dengan yang sebelumnya, yaitu cara perhitungan otomatis pohon sawit di program ecognition. Jadi setelah berhasil membuat deteksi pohon secara otomatis, tentunya mayoritas image interpreter akan mengkonversinya menjadi format yang umum digunakan misalnya shapefile format.

Nah langkah-langkah untuk konversi data hasil deteksi menjadi shapefile bisa disimak pada tutorial berikut:

Continue reading “Export shapefile di Ecognition”

GIS · Tips dan trik

Automatic Oil Palm Tree Counting

Palm tree counting – MARAKNYA penggunaan teknologi geospasial beberapa tahun belakangan ini di bidang perkebunan kelapa sawit membuat industri geospasial bergeliat. Mulai dari penggunaan perangkat lunak pemetaan yang komersial hingga open source, keberadaan konsultan pemetaan yang semakin menjamur, hingga penjualan pesawat nir awak yang semakin banyak digunakan bahkan tidak hanya untuk perkebunan namun juga untuk hobi.

Khusus di bidang perkebunan kelapa sawit, terjadi pergeseran penggunaan teknologi penginderaan jauh yang diaplikasikan dalam tataran operasionalnya. Era 90an mayoritas perkebunan masih menggunakan citra satelit beresolusi menengah seperti Landsat. Kemunculan satelit beresolusi spasial tinggi selanjutnya seperti Ikonos, SPOT, hingga GeoEye yang memiliki resolusi hingga 50 cm akhirnya menggantikan citra Landsat untuk inventarisasi lahan perkebunan.

Continue reading “Automatic Oil Palm Tree Counting”

GIS · Tips dan trik

Konversi koordinat data di ArcGIS

Berikut ini saya akan paparkan tahapan untuk melakukan konversi koordinat data dari yang berkoordinat geografis ke UTM (projected) atau sebaliknya. Program yang digunakan yaitu ArcGIS. Program ini bisa didapatkan dengan cara membelinya – tentunya dengan harga yang tinggi – atau menggunakan trialnya yang bisa digunakan selama dua bulan.

Untuk contoh shapefile bisa diunduh pada tautan ini. Data tersebut merupakan shapefile bangunan di sekitar Ci Liwung dalam bentuk polyline. Adapun sistem koordinat data tersebut dalam UTM (zona 48 S). nah, langkah-langkah untuk mengubah data tersebut ke dalam koordinat geografis (decimal degree) sebagai berikut:

Continue reading “Konversi koordinat data di ArcGIS”

Geografi · GIS

Zona UTM Indonesia

INA_utm

Dari sekian banyak sistem koordinat yang embedded pada informasi geografis, umumnya pengguna akan memakai geographic atau UTM. Tentunya dalam teknis penggunaannya, ‘mengolah’ data yang memiliki sistem koordinat geographic akan relatif lebih mudah dibandingkan dengan UTM, apalagi dalam aplikasi area yang cukup luas. Mengingat satuan ‘hitung’ yang dipakai pada UTM menggunakan satuan meter, sistem koordinat ini justru banyak dipakai juga pada teknis pekerjaan yang memerlukan perhitungan lebih presisi.

Continue reading “Zona UTM Indonesia”

Geografi · GIS

Portal Infrastruktur Spatial

 

asd
Halaman depan Portal Geospasial Indonesia

Portal Geospatial Indonesia – Salah satu upaya pemerintah dalam menindaklanjuti UU Nomor 4 tahun 2011 tentang informasi geospasial, maka Portal Geospasial Indonesia hadir sebagai solusi ditengah-tengah masyarakat. Informasi yang terdapat pada portal berupa informasi data spasial dasar yang dapat diakses oleh publik secara bebas.

Continue reading “Portal Infrastruktur Spatial”

GIS · Tips dan trik

Koneksi Postgresql dan Postgis

Kehadiran program-program baru di jagat program basis kode terbuka menjadi salah satu hal yang menarik bagi saya. Program komersial yang sudah pasti tidak bisa dijangkau oleh kebanyakan pengguna komputer pada umumnya malah semakin membuat konsorsium program yang berbasis kode terbuka semakin menjamur bak cendawan di musim hujan. Salah dua dari program berbasis sumber kode terbuka yaitu Postgresql dan Postgis. Postgresql merupakan program basis data yang bila dipadankan dengan program komersial, contohnya yaitu program Microsoft SQLServer, Oracle, Informix, atau DB2. Sedangkan Postgis, yaitu sebuah program untuk meng-enable-kan fungsi spasial agar bisa disimpan pada basis data berbasis SQL. Sangat menarik. Jika dahulu (sampai sekarang masih juga sih) saya pernah berurusan dengan program komersial basis data MSSQL dan ArcGIS untuk penyimpanan geodatabase, sekarang saya tertarik juga untuk mencoba program dari sumber kode terbuka. Programnya yaitu Postgresql, Postgis, serta Quantum GIS. Semuanya gratis didapatkan dari situsnya. 😀 Walhasil jika dahulu saya sempat berkutat cukup lama ketika akan menyambungkan data MSSQL dengan ArcGIS, maka kasus yang sama saya dapatkan untuk mencoba menyambungkan program basis data Psql, Postgis, dan Qgis. Sebenarnya jika melihat dari tutorial langkah demi langkah yang bisa didapatkan dari Google, caranya sungguh simpel. Cukup diinstall seperti biasa untuk Psql diikuti Postgis sambil meng-enable-kan fungsi spasialnya. Rerata tutorial yang saya dapatkan hasilnya mulus sempurna.

Continue reading “Koneksi Postgresql dan Postgis”

Geografi · GIS · Inderaja

Melihat Bumi Lewat Piksel (2)

Pada tulisan kedua ini saya akan menyajikan hasil interpretasi dari foto satelit di Kota Medan dan Binjai dengan menggunakan metode standar untuk melihat vegetasi. Lha untuk apa melihat vegetasi? Tentu saja dengan melihat vegetasi kita bisa menentukan apakah masih ada area-area yang hijau. Lalu buat apa jika sudah tahu area hijaunya? Dalam konteks tata ruang perkotaan tentu saja si ruang hijau memiliki posisi penting. Sudah banyak kota menerapkan koefisien wilayah ruang terbuka hijau sebesar 30% dari total luas areanya. Jika masih kurang, ya harus ditambah ya! 🙂

Adapun tahapan pengolahan citra satelit yang saya lakukan yaitu sebagai berikut:

1. Merubah nilai dijital pada citra menjadi nilai reflektan. Nilai default Landsat 8 berupa nilai-nilai dijital (digital number) yang nilainya biasanya ribuan. Dengan merubah nilai dijital ke nilai reflektan maka nilai tiap piksel yang mencerminkan tingkat reflektansi objek tiap piksel bisa diketahui. Objek air memiliki nilai reflektansi yang tinggi karena tidak mampu menyerap sinar matahari secara sempurna. Lain hal dengan aspal misalnya yang memiliki nilai reflektansi jauh lebih rendah dari air. Nilai reflektansi tiap objek berkisar dari 0 sampai 1.

2. Melakukan koreksi dari sudut azimuth penyinaran sinar matahari. Pada metadata setiap scene dari Landsat terdapat nilai sudut azimuth penyinaran. Dari angka yang tertera kita bisa melakukan perhitungan untuk mengoreksi citra sebelum dilakukan pengolahan lebih lanjut. Step by step dari cara ini akan saya sajikan di lain kesempatan.

3. Koreksi lainnya seperti koreksi awan tipis atau substraksi piksel gelap. Namun begitu, pengolah data harus pandai menentukan apakah koreksi perlu dilakukan atau tidak.

4. Perhitungan Normalised Difference Vegetation Index. NDVI merupakan algoritma standar yang populer digunakan untuk menghitung tingkat kehijauan vegetasi. Rumus untuk melakukan hitungan NDVI yaitu – ini untuk Landsat 8 : (kanal NIR atau kanal 5 – kanal Red atau kanal 4) / (kanal NIR atau kanal 5 + kanal Red atau kanal 4). Hati-hati jika melakukan perhitungan NDVI antara Landsat ETM dengan Landsat 8 ya. Intinya ada di NIR dan Red. Untuk perhitungan di luar Landsat 8, silakan cek terlebih dahulu spesifikasi kanalnya ya.

kjk
NDVI Kota Medan dan Kota Binjai

Gambar di atas memperlihatkan kondisi indeks vegetasi di Kota Medan dan Kota Binjai. Apa yang bisa kita simpulkan dari gambar tersebut? Untuk mempermudah membaca hasil olahan gambar, saya buat simbol indeks vegetasi dari berwarna hijau hingga merah. Semakin hijau menandakan area bervegetasi dengan kerapan yang tinggi. Sebaliknya semakin merah, area tersebut tidak memiliki vegetasi. Nah, jika melihat gambar tentu saja untuk Kota Medan didominasi oleh area berwarna oranye sampai kemerahan yang berarti area tersebut sudah tak bervegetasi.

Bagaimana dengan Binjai? Kabar gembira untuk yang ingin berinvestasi tanah di sana, hehe :). Di bagian Tenggara, Selatan, dan Barat Laut masih berwarna hijau royo-royo tuh ya. Hal ini berarti di ketiga bagian tersebut masih terdapat area yang berupa vegetasi alias non built up area.

Cukup sekian ulasan dari saya terkait dengan kondisi indeks vegetasi di Medan dan Binjai. Sebenarnya masih banyak yang bisa dikupas lebih mendalam, namun sebaiknya disajikan di tulisan-tulisan berikutnya saja.

postscript: Pada bagian ketiga akan mengulas secara singkat kondisi tutupan lahan di Medan dan Binjai

 

Geografi · GIS · Inderaja

Hyperion – Hyperspectral Imagery

Berbicara spektral dalam dunia penginderaan jauh memang tidak ada habis-habisnya. Bermula dari pankromatik, menuju multispektral dengan 4 kanal, 8 kanal, 11 kanal, hingga 20 kanal sampai hiperspektral yang memiliki lebih dari 200 kanal! Untuk resolusi spasial, citra Hyperion ini masih sama seperti Landsat yaitu 30 meter. Kebetulan iseng menjelajah ke situsnya earthexplorer mencari sampel Hyperion untuk area Medan dan hasilnya ada walaupun tanggalnya sudah out of date, yakni tahun 2003. Berhubung saya belum pernah mencicipi dan mengeksplorasi tipe data hiperspektral, tanpa tunggu lama langsung saya unduh. Kadang saya berpikir, teknologi ini adalah hasil dari para manusia berpengetahuan yang curiousitynya sangat tinggi. Sebegitu inginnya mereka ingin mengetahui karakteristik objek di permukaan bumi melalui identifikasi sebegitu banyaknya spektral-spektral yang ada. Namun begitu tujuannya ya mengerucut ke satu hal, natural resources. Hasil eksplorasi Hyperion ini nantinya akan saya masukkan ke tulisan berseri mengenai “Melihat Dunia Lewat Piksel”. Supaya ngga penasaran, sebelum saya tampilkan contoh citranya, sebaiknya saya lampirkan saja contoh metadatanya. 😀

Continue reading “Hyperion – Hyperspectral Imagery”

Geografi · GIS

Melihat Bumi Lewat Piksel (1)

Perkembangan ponsel pintar serta kamera yang menyertainya secara langsung membuat fotografi kian digemari. Tidak jarang kita melihat orang yang baru bangun tidur berselfie ria dan mengunggahnya di media sosial untuk membuktikan eksistensinya.

Foto merupakan hasil pencitraan lensa dari kamera. Foto terbentuk dari piksel-piksel berukuran mikron yang masing-masing menyimpan nilai digital dan kemudian diterjemahkan ke dalam warna. Nah, bagaimana dengan fotografi jarak jauh alias penginderaan jauh?

Dengan ukuran yang sangat jauh berbeda dengan kamera konvensional fotografi pada umumnya, kita bisa melihat bumi dari sisi yang berbeda. Sebelumnya sudah saya singgung ukuran piksel kamera konvensional yang berukuran mikron meter. Untuk foto satelit, ukuran pikselnya beragam mulai dari 20 cm, 40 cm, 60 cm, 1 meter, 5 meter, 15 meter, 30 meter, sampai 250 meter. Besar, bukan?

Medan from above
Medan from above (menggunakan Landsat 8 tertanggal 21 Februari 2015)

Selain bisa melihat kenampakan bumi secara kasat mata, dengan foto satelit kita bisa melihat kenampakan yang tidak kasat mata. Inilah salah satu kelebihannya dari foto satelit walaupun sebenarnya di dunia medis pencitraan kenampakan yang tidak kasat mata sudah banyak sekali diaplikasikan. Hanya saja jika di dunia medis sifatnya ‘lokal’, sedangkan foto satelit cakupannya global.

Berhubung saya tinggal di Kota Medan, apa ya yang bisa kita intip lewat piksel? Wilayah perkotaan identik dengan maraknya lahan terbangun seperti permukiman penduduk, perkantoran, jalan, serta industri. Aktivitas yang berhubungan dengan pertanian bisa kita katakan hampir tidak ada.

Beberapa tahun belakangan isu lingkungan menjadi isu yang seksi. Tak terkecuali dalam perencanaan tata ruang di seluruh kota-kota dunia termasuk di Indonesia. Ruang terbuka hijau yang dicirikan oleh area bervegetasi seperti taman kota menjadi suatu keharusan proporsinya dalam perencanaan ruang. Biasanya proporsi luasan ruang terbuka hijau yaitu seluas 30% dari total luas suatu kota.Bagaimana ya dengan Kota Medan dan sekitarnya? Masih adakah ruang terbuka hijau di Kota Medan ini?

Dalam beberapa tulisan ke depan, saya akan sajikan dua atau tiga tulisan seputar hasil olahan penginderaan jauh khususnya di Kota Medan dan sekitarnya berikut dengan gambar hasil olah digital. Yuk kita eksplorasi cara kita melihat dunia lewat piksel!