KETERBATASAN ATAU KEFRUSTASIAN MITIGASI BENCANA?*

Dua kata kunci tersebut agaknya tepat dilayangkan untuk menelisik lebih jauh ide penanggulangan bencana yang dijalankan di salah satu kabupaten bagian Barat di salah satu provinsi di Pulau Sumatera yang terkenal kopinya. Ada fakta yang menggelitik saya ketika membelah perbukitan di sana. Ada proyek luar biasa untuk mengamankan bukit-bukit di sana dari bencana keguguran alias longsor lahan. Bukit-bukit di sana dibuatkan “ikat kaki”.
Ikat kaki adalah istilah yang saya pilih. Mari kita lihat foto yang saya peroleh di lapangan. Jika kita mengandaikan bukit sebagai sosok pribadi bak manusia maka tentunya posisi sabuk di sana tidak layak disebut ikat pinggang. Sabuk tersebut lebih cocok disebut ikat kaki sebab memang fungsinya mengikat kaki. Lalu apa yang menarik untuk ditelisik? Jawabannya adalah ide pembuatan ikat kaki tersebut.
Beberapa tahun terakhir kita mendapatkan edukasi tentang longsor lahan melalui banyak media. Longsor-longsor lahan yang terjadi di Indonesia menggerakkan stake holder yang berkepentingan di dunia itu untuk menyampaikan sesuatu demi keamanan bersama. Dan sasaran yang dituju tentunya masyarakat. Sehingga saya menjadi percaya diri mengajak pembaca untuk mengulas bahasan kali ini tanpa intro mendalam.

MEMBUAT POLIGON DENGAN BATAS KOORDINAT YANG SUDAH DITENTUKAN*

Saya terinspirasi rekan sekantor yang mendapati masalah ketika harus membuat beberapa poligon kotak dengan koordinat pojok/tepi setiap poligon yang sudah ditentukan. Saya tertarik untuk ikut meretas masalah tersebut dan dalam waktu kurang dari 5 menit -dengan bantuan ArcGIS- saya menemukan cara sederhana. Cara tersebut berangkat dari logika bahwa komputer atau perangkat lunak GIS sebenarnya selalu menyimpan keterangan koordinat setiap pojok poligon. Jika saya dapat menemukan bagaimana cara membuka atribut yang berisi koordinat tersebut tentunya ada kemungkinan saya dapat me-reshape suatu poligon menjadi poligon baru yang sesuai dengan keinginan. Keinginan kali ini adalah membuat poligon dengan batas yang sudah ditentukan.

ESTIMASI SEDERHANA AREA TERBANJIRI JIKA SUATU WADUK JEBOL*

Artikel kali ini terinspirasi dari tugas pertama saya ketika saya masuk di dunia kerja reguler. Pada hari pertama masuk kerja, saya disuguhi atmosfir brainstorming untuk memecahkan secara cepat bagaimana memodelkan zona-zona yang rawan terbanjiri jika suatu waduk jebol. Kebetulan saya bergabung pada suatu badan pemerintah yang konsentrasinya pada kebencanaan.

Saya pun mengambil suatu awalan pemodelan. Pemodelan yang akan saya lakukan adalah bertumpu pada banyaknya (volume) air waduk tersebut. Saya belum sampai pemodelan untuk visualisasi gaya-gaya yang bekerja atas potensi energi dari volume tadi. Namun, saya mengasumsikan bahwa kejadian waduk jebol sebenarnya membuka fenomena berupa “migrasi” air ke tempat lain. Pertanyaan utamanya tentu dimanakah air tersebut akan menetap.

Estimasi sederhana yang terpikirkan dalam waktu yang singkat dan mirip jeda pengerjaan ujian semester ini pun menghasilkan logika hidrolika yang relatif nalar. Pemodelan tersebut terdiri dari 2 inti analisis meskipun kemudian berkembang.

Analisis pertama adalah membuat batasan cakupan sistem hidrolika yang melingkupi waduk tersebut. Proses ini sering juga disebut delineasi batas DAS (Daerah Aliran Sungai). Asumsi yang dipegang teguh pada proses yang pertama ini adalah suatu siklus hidrologi akan efektif bekerja atau berotasi pada

MEMASYARAKATKAN (LAGI) REMOTE SENSING*

Gaung remote sensing alias penginderaan jauh nampaknya perlu dipertajam. Pada tataran scientist yang sering bersentuhan dengan keilmuan itupun masih terdapat kesemuan dalam melihat sosok remote sensing. Remote sensing sering dikonfrontirkan dengan GIS (Geographic Information System). Remote sensing dipahami sebagai suatu analisis yang berskala makro. Sedangkan GIS berskala mikro alias detil. Ujung-ujungnya terjadi pengkerdilan disiplin ilmu bahwa remote sensing tidak sepenting GIS. Saya sebagai orang yang menggeluti keduanya akan meluruskan pandangan seperti itu. Jikapun benar maka itu adalah dari ilmu yang saya pelajari. Jikapun ada beberapa yang melenceng maka itu adalah bunga pemikiran saya.

Remote sensing dan GIS bukanlah 2 hal yang setara alias seimbang. Sehingga keduanya tak selayaknya dibandingkan. Khususnya pada kasus skala analisis data/fenomena. Remote sensing maupun GIS memang memiliki domain keruangan (spasial). Namun, keduanya berada pada sistem hierarki yang “kadang” saling membutuhkan.

Remote sensing adalah salah satu input untuk memasuki analisis GIS. Dengan menggunakan bahasa sederhana maka dapat diungkapkan bahwa hasil interpretasi (penafsiran) citra penginderaan jauh dapat digunakan sebagai data masukan bagi proses analisis GIS. Uraian tersebut paling tidak telah menggambarkan dimana posisi keduanya. Dan tidak selayaknyalah keduanya dibandingkan.

REGISTRASI KOORDINAT GEOGRAFIS DITAKUTI*

Koordinat geografis ternyata bagai handphone monokrom yang ditinggal pengguna. Sejak hadirnya handphone layar warna bahkan lebih indah dari televisi, handphone monokrom bagai barang asing. Kasus yang sama agaknya menimpa kisah koordinat geografis. Sejak kemunculan sistem Universal Transverse Mercator (UTM), koordinat geografis tersendat-sendat pertumbuhannya. Gawatnya, bukan hanya pengguna saja yang “merasa asing” dengan koordinat yang telah lebih dulu dikenalkan di sekolah dasar ini tetapi sepertinya juga produsennya.

Satu hal sederhana yang saya tangkap sebagai alasan dibalik kisah tersebut adalah tingkat kerumitannya. Koordinat geografis memuat 3 satuan yaitu derajat, menit, dan detik yang tentunya jauh lebih kompleks dibanding koordinat UTM yang hanya memuat satuan meter. Ke-kompleks-an tersebut membawa efek rantai berupa perhitungan yang relatif lebih rumit.

Kerumitan tersebut tak terbatas pada pemakaian atau aplikasi di lapangan saja. Namun, juga pada tataran pemroduksiannya. Meregistrasi peta atau data spasial apapun yang berkoordinat geografis tak sesederhana meregistrasi UTM. Tetapi mungkin juga pernyataan tersebut sifatnya emosional. Kemungkinan jika terbiasa dengan koordinat geografis maka yang akan dikatakan adalah sebaliknya. Pada kesempatan ini saya akan mendemokan sedikit cara untuk meregistrasi peta berkoordinat geografis secara sederhana dan cepat. Tidak perlu lagi bantuan converter nilai koordinat.

MEMETAKAN KEDALAMAN DANAU?*

Tanpa sengaja saya membaca ulasan query pada mapserver di salah satu situs. Contoh yang diceritakan adalah mencari dimana saja keberadaan danau yang kedalamannya lebih dari 30 meter. Saya pun teringat beberapa bulan yang lalu ditanya seorang teman dari jurusan lain di fakultas saya. Pertanyaannya: “Bos, kalau aku mau memetakan kedalaman danau maka harusnya aku pakai citra satelit apa ya?”. Saya pun berusaha memahami maksud pertanyaannya. Dan ternyata pertanyaan tadi serius. Dia baru saja menandatangani kontrak untuk memetakan kedalaman danau-danau yang ada di salah satu daerah di Pulau Jawa ini. Oleh sang pemberi pekerjaan, dia hanya dibekali bahan berupa satu kalimat pada dokumen berformat .doc yang menceritakan panjang sungai yang ada di daerah itu. Tak ada keterangan lain. Sungguh proyek gila pikir saya waktu itu.

Kedalaman merupakan representasi data pada arah sumbu z. Data-data seperti citra satelit yang masih asli (tunggal) tidak mampu menurunkan informasi kedalaman ataupun ketinggian. Ilustrasinya persis ketika kita melihat foto keluarga maka kita tak akan pernah dapat menghitung ukuran lingkar perut orang-orang yang tergambar pada foto tadi. Bahkan mengukur dimensi hidung untuk orang yang difoto tegak lurus dengan sumbu kamera -seperti foto closeup- saja tak bisa.

MEMBANDINGKAN DUA DATA*

Seorang klien yang sedang menyelesaikan tesis magister teknik sipil bertanya kepada saya:

“Dapatkah Peta RBI (Rupa Bumi Indonesia) dan Citra Daichi dibandingkan kenampakan permukimannya?”

Saya pun menjawab “dapat”.

Kegiatan “membandingkan” bagi saya bukan hal yang haram selama landasan pikirannya tepat. Pada kasus yang ditanyakan klien saya, saya melihat ada 2 bagan yang dapat diturunkan dari pertanyaan tersebut. Pembandingan dapat mencakup 2 tujuan.

Tujuan pertama upaya pembandingan adalah untuk meneliti seberapa “akur” dua data atau lebih yang dibandingkan. Pembandingan ini pada konteks geospasial tentunya diarahkan pada perincian akurasi banyak aspek yang dicari melalui penelitian. Dasar keingintahuan seperti itu membuat sifat penelitian adalah eksperimental. Oleh karenanya tak tertutup kemungkinan data yang dibandingkannya pun berbeda tegas pada banyak hal. Pembandingan Peta RBI dan Citra Daichi pada tujuan pertama ini tentunya akan menghasilkan penjelasan mana di antara 2 data tersebut yang paling akurat untuk pemetaan bangunan (misalnya), seberapa akurasi spasial masing-masing, dan sebagainya.

NILAI PIKSEL TAK SEPERTI HARAPAN?*

Seringkali saya mendapat pertanyaan yang awalnya sebenarnya sekedar keluhan dari teman. Mereka mengeluh mengapa citra satelit yang harusnya terepresentasi dengan nilai antara 0-255 (8 bit) pada piranti lunak ILWIS justru terepresentasi dengan nilai yang di luar rentang tersebut. Sayapun bergegas mengajaknya melihat sistem domain di properties-nya (klik kanan file “Map” lalu pilih “Properties”). Silakan perhatikan pull-down yang terpilih pada isian “Domain”. Jika Map yang dibuka merupakan citra satelit umumnya domain yang disyaratkan adalah “IMAGE”.

Ada beragam domain untuk membuka beragam format file pada piranti lunak ILWIS. Perlu diperhatikan bahwa domain di sini berbeda dengan domain yang saya ulas di postingan tentang webblog/internet. Untuk mengenalkan atau sekedar mengingatkan bagi yang lupa, berikut saya tulis ragam domain yang ada di ILWIS (saya kutip dari ILWIS Additional Help).

1. VALUE. Sistem domain ini digunakan secara umum untuk mengkalkulasi.
2. DISTANCE. Sistem domain ini didesain untuk mengkalkulasi jarak. Unit yang digunakan wajarnya meter.
3. COUNT. Sistem domain ini didesain untuk menghitung nilai yang tak terdefinisikan.
4. MIN1TO1. Sistem domain ini didesain untuk mengkalkulasi nilai antara -1,00 hingga +1,00.
5. NILTO1. Sistem domain ini didesain untuk mengkalkulasi nilai antara 0,00 hingga +1,00.
6. PERC. Sistem domain ini didesain untuk mengkalkulasi nilai persen.
7. BYTE. Sistem domain ini untuk mengkalkulasi citra yang memiliki nilai antara 0 hingga 255 dimana 0 dimaknai tak terdefinisi.

MEMBUNGKUS BANYAK SALURAN (BAND)*

Seringkali “bermain” dengan banyak file yang terpisah itu merepotkan. Apalagi file citra (satelit). Citra multispektral atau bahkan hiperspektral terasa menyusahkan jika diolah tanpa terlebih dahulu diwadahi dalam kemasan yang sama. Lalu bagaimana caranya membungkus citra yang terdiri dari puluhan bahkan ratusan itu ke dalam satu package yang sama? Tutorial kali ini akan membeberkan langkah sederhana mengemas file yang telah berkali-kali disebut tadi pada piranti lunak Pemrosesan Citra Digital (PCD)/Image Processing bernama ILWIS.

Langkah membungkus banyak saluran dengan ILWIS sebenarnya sederhana bahkan sangat mudah. Namun, perlu diperhatikan terlebih dahulu apakah file tiap saluran tersebut telah terbuka oleh ILWIS. Perhatian tersebut penting (khususnya bagi saya) sebab tidak sedikit teman selama ini masih bermasalah dalam hal membuka file di ILWIS. Jadi bagian yang mungkin tabu untuk dibahas tersebut layak disoroti. Umumnya, file seperti citra yang belum berformat ILWIS akan dapat di-import ke sistem ILWIS menggunakan fitur Import > Geospatial Data Abstraction Library (GDAL).

MENAMPILKAN LABEL SATUAN PROYEKSI OTOMATIS*

Tak sedikit orang yang saya amati masih melewatkan fitur penampil label satuan proyeksi peta secara otomatis. Mereka dan juga saya pada waktu-waktu yang lalu masih sering melabeli satuan secara manual. Kasus yang paling sering ditemukan adalah pada pelabelan satuan proyeksi Universal Transverse Mercator (UTM). Pelaku dunia pemetaan masih meluangkan waktu untuk menulis kode “mT” untuk singkatan “meter Timur” dan “mU” untuk singkatan “meter Utara” pada halaman layout peta mereka. Atau “mN” dan “mE” untuk peta berbahasa asing. Tutorial kali ini akan membahas cara mudah nan otomatis untuk menampilkan satuan proyeksi peta. Fasilitas yang akan diungkap adalah yang ada di perangkat lunak ArcGIS. Hasilnya akan mirip dengan label satuan yang ada pada Peta Rupa Bumi Indonesia (RBI).

Pelabelan satuan proyeksi yang saya maksud menggunakan fasilitas “Corner Label”. Fasilitas ini dapat ditemukan pada menu “Reference System Properties”. Dan “Corner Label” ada pada pilihan pull-down “Format” pada box “Label Style”.