Multi-scale twitter sensing : Identifikasi obyek populer wisatawan

“Multi-scale Twitter Sensing sebagai alat mengenali obyek wisata populer turis”

Sebenarnya judul cukup : Penggunaan twitter untuk mengenali obyek wisata populer. Saya menggunakan multi-scale dan sensing itu tujuan advertise saja, anda (mungkin) penasaran, tetapi itu memang tujuan saya, bagi yang tidak mengerti scale, dan sensing, tidak akan tertarik, karena akan menganggap itu terminologi twitter, sementara yang paham akan muncul pertanyaan 'kayak apa sih', 'bagaimana itu nanti caranya', 'oo bisa seperti pj ya', 'twitter punya skala?'

Pokok-pokok bahasan :

• Tema tourism atau wisata adalah tema seksi
• Data
  Karakteristik data twitter gnip mapbox:
  • data twitter mempunyai info penanda lokasi, menurut gnip data yang digunakan ini dari tahun 2010
  • gnip melakukan analisa dan mengklasifikasikan data tweet yang unik, menghilangkan unsur duplikasi seperti retweet.
  • dengan ada unsur geotag, maka data artist eric fischer merepresentasikannya menggunakan mapbox.
  • data twitter mapbox yang saya gunakan tidak bisa membedakan antara turis domestik dan turis luarnegeri.
  • pembagian kategori orang yang tinggal disitu(local)/resident dibandingkan dengan pengunjung lokasi(tourist)/non-resident dibedakan berdasarkan lama masa tinggal. Yang disebut dengan tourist adalah tweep yang stay kurang dari satu bulan.
  • data twitter perolehannya terbatasi khusus pengguna internet, perbandingan pengguna internet dunia dengan penduduk dunia adalah kurang lebih 200 juta dibanding 6 milyar.
  • data twitter dipengaruhi oleh kelompok umur.
  • cara render mapbox dari data geotag menjadi raster, mempengaruhi tampilan warna, dan kombinasinya.
• Metode
  Multi-scale
  Analisa peta raster dengan cara multi-skala akan memberikan hasil intepretasi yang berbeda tingkat kedetilan informasi yang bisa digali. hal ini disebabkan karena ada mekanisme generalisasi render data dari data kuantitas kedalam data kualitas yang dibatasi oleh besaran piksel, dan diwakili oleh warna.
  
  
  Multi skala digunakan untuk mengetahui destinasi bertingkat, yang pertama adalah skala regional, yang kedua skala sub-regional, yang ketiga lokal, yang keempat detail.
  Skala regional
  Data yang ditampilkan dengan mapbox dalam sekala ini adalah peta yang menampilkan beberapa negara.
  Skala sub-regional
  Data yang ditampilkan meliputi satu pulau besar atau kumpulan pulau-pulau kecil, atau bagian dari satu pulau besar.
  Skala lokal
  Liputan skala lokal berupa wilayah yang meliput beberapa kota yang relatif berdekatan dan berhubungan.
  Skala detil
  Tampilan skala detil meliputi bagian dari suatu kota, atau kumpulan lokasi-lokasi yang terkonsentrasi data tweet yang menunjukan suatu lokasi kumpulan aktifitas manusia.

Hasil dan Analisa

Skala Regional

dalam skala regional titik-titik mayor aktifitas non resident adalah manila philipina, pattaya thailand, kualalumpur malaysia, singapura, batam indonesia, jakarta, surabaya-malang, dan denpasar dan sekitar.

Ibukota merupakan pusat kunjungan dilihat dari kerapatan dan luasannya, yang major disini adalah kualalumpur dan jakarta. Kunjungan kedua wilayah tersebut tidak berarti mesti kunjungan wisatawan(real-tourist).

Perhatikan pada wilayah semenanjung malaysia, ada kekhasan warna merah pada wilayah malaysia pada wilayah semenanjung, ada pola garis merah dan itu merata sepanjang garis, pertanyaannya ada apakah itu?

Hal yang paling mungkin untuk menjawabnya adalah para pengunjung wilayah semanjung malaysia suka nge-twit :-) . Tapi itu bisa berarti lain, hipotesa yang bisa muncul adalah infrastruktur dalam garis merah itu bagus, sehingga non-residence suka berada disitu. Tempat-tempat sepanjang garis merah itu bisa jadi wilayah yang mempesona bagi turis. Untuk menjawab hal ini perlu pendalaman kajian lebih jauh.

Wilayah indonesia, sangat masif warna merah berada di jawa bali, disamping memang destinasi non resident, jumlah penduduk indonesia 60%(dicek lagi ke BPS?) berada di Jawa.

Wilayah sumatera, kalimantan, beberapa spot terdapat warna merah yang relatif padat, seperti dimedan, saya perkirakan itu kualanamu. Banjarmasin untuk wilayah kalimantan. Untuk wilayah sulawesi masif di makasar, dan manado.

Untuk memperoleh informasi wilayah destinasi pengembangan lokasi kunjungan baru, bisa dilihat sebaran warna biru dibagian timur Indonesia. Misalkan mataram-lombok, dalam gambar terlihat biru padahal potensi bisa dilihat dari foto dan peta berikut :

dalam indepth interview dengan salah satu resident di lombok dikabarkan bahwa masalah pengembangan wisata disitu disamping infrastruktur transportasi, masalah keamanan menjadi salah satu faktor.

 Skala sub-regional

wilayah indonesia yang relatif banyak dikunjungi adalah pulau jawa, dan pulau bali, baru kemudian pulau sumatera, diikuti jumlah kunjungan yang lebih rendah yaitu pulau kalimantan, dan pulau sulawesi. Kata kunci dari intensitas kunjungan adalah infrastruktur transportasi. Setiap spot merah pasti menunjukkan adanya keberadaan bandara. Kekhasan pulau jawa adalah pergeseran pengunjung yang rapat, ini mengisyaratkan infrastruktur transportasi darat yang baik.

Skala Lokal

membahas skala lokal, saya pilih pulau jawa karena banyak spot kota yang menarik untuk dibahas dan interelasi kota-kota dapat kelihatan. Tingkat pertama adalah jakarta, kemudian bandung dan yogyakarta, dan malang, selanjutnya surabaya, semarang dan solo.

Jakarta, karakterisitk sebaran kunjungan sangat rata, hampir setiap lokasi dijakarta dikunjungi, bergeser kearah selatan jakarta, ada spot bogor, dan yang unik adalah spot dominan merah di cipanas.

Bandung,bergeser kearah bandung, sebaran kunjungan merupakan campuran, dari spot terkonsentrasi dikotanya, kemudian ada kemiripan dengan semenanjung malaysia, ada garis merah yang jelas, ini nampak dari bandung ke arah subang,dan dari cicalengka ke arah timur. Lembang mirip kondisi kunjungan cipanas, merah mendominasi.

Yogyakarta, terkonsentrasi di kota, terutama malioboro. Malioboro masih sexy sepertinya dalam persepsi pengunjung. Spot kunjungan di jogja berada di prambanan, dan pantai depok-pantai parangtritis.

Surabaya, tidak nampak terkonsentrasi pada suatu wilayah, warna merah relatif menyebar, hanya saja mengikuti pola garis dari sidoarjo menuju suramadu.

Malang, relatif terkonsentrasi dikota, tapi yang benar-benar terkonsentrasi malahan berada di Batu, malang.

Wilayah-wilayah yang spot kunjungan tourist optimal, ekspresi warna biru relatif tidak nampak, dominan warna merah sepanjang pulau jawa ini adalah : 1. cipanas, 2. pangandaran, 3. depok-parangtritis, 4. batu malang.

 Skala Detil

skala detil yang tergambarkan diatas menunjukkan lokasi yang lebih spesifik seperti bandara adisucipto, plaza ambarukmo, stasiun lempuyangan, kawasan malioboro:dari stasiun tugu hingga alun-alun utara. Untuk wilayah-wilayah tersebut terkonsentrasi, sedangkan yang relatif menyebar disekitar Prawirotaman-jogokaryan.

Kawasan lain yang cukup unik, dan menarik untuk dikunjungi adalah bukit bintang.

lokasi yang unik, tapi menunjukkan false positif adalah konsentrasi twit di ringroad barat, kebanyakan penanda dominan biru, walaupun sebenarnya mayoritas twips yang berada disitu sebenarnya non resident.
lokasi terkonsentrasi selain obyek wisata, false positif juga adalah lokasi-lokasi fasilitas transportasi seperti bandara dan stasiun kereta.

Gambar diatas menunjukkan sebaran detil dalam kisaran wilayah kunjungan di malioboro.

pengunjung wisata tersebar pada wilayah hotel, mall, depan istana-benteng vredburg, dan pasar beringharjo.

Penutup

Data socmed merupakan data yang menarik untuk mengetahui interest penduduk lokal atau wisatawan dalam dinamika pergerakannya ke lokasi populer. twitter adalah salah satu socmed yang mendukung data bereferensi geografis.

Lokasi-lokasi populer sangat mudah untuk dikenali dengan menggunakan data socmed yang dipresentasikan secara spasial. Terlepas dari beberapa kelemahan data ini, dinas pariwisata akan sangat terbantu dengan analisa dari peta raster tersebut.

Membaca Kurva Pantulan I :: Dasar-dasar Penginderaan Jauh

 

Kadang sebagai pemula atau beginner dalam penginderaan jauh khususnya membaca citra satelit, atau lebih dikenal dengan istilah interpretasi citra penginderaan jauh, kita dibuat bingung, bagaimana bisa orang ini mengatakan ini vegetasi, ini tanah, ini air keruh.

Ternyata ada rahasia dibalik pengetahuan mereka yaitu suatu gambar yang menceritakan informasi dasar yang menjadi bahan dalam menginterpretasikan obyek tertentu dalam citra penginderaan jauh.

Kurva pantulan merupakan informasi dasar tersebut. Kurva pantulan disusun berdasarkan penelitian spektrometri terhadap air, tanah, dan vegetasi dengan menggunakan berbagai panjang gelombang.

Berikut gambar kurva pantulan :

alat spektrometer dapat dilihat dalam contoh gambar beberapa alat tersebut :

sumber gambar : google thumbnail with keyword : device for field measuring reflectance.

Dalam kurva terdapat tiga obyek, air, tanah dan vegetasi. Karakteristik air dari kurva diketahui bahwa air akan memantulkan gelombang visible dalam kisaran pantulan kurang dari 10 %, sering semakin bertambah panjang gelombang, maka pantulan air semakin berkurang dan bahkan sampai tidak memantulkan.

Karakteristik vegetasi memiliki kisaran pantulan dari 10% hingga 50% menurut gambar diatas. Pada panjang gelombang Near Infra Red (Inframerah dekat) pantulan vegetasi mengalami puncaknya, seiring bertambahnya panjang gelombang, maka akan semakin turun, dengan gambar kurva bergelombang, dan memiliki pantulan rendah secara ekstrim pada panjang gelombang sekitar 1,4 dan kisaran 1,9 mikrometer.

Karakteristik tanah relatif tinggi dari kisaran pantulan 15% hingga 50%, semakin bertambah panjang gelombang, pantulan relatif naik, dan mulai menurun setelah berada dalam puncak pantulan pada panjang gelombang 2,2 mikrometer.

Unsur Interpretasi Citra Penginderaan Jauh

 

Interpretasi citra Penginderaan Jauh memiliki cara atau metode, salah satu komponen metode itu adalah unsur-unsur interpretasi. Fungsi dari unsur-unsur interpretasi ini adalah membantu pencirian obyek-obyek yang terekam, dengan standardisasi yang berlaku untuk semua jenis citra Penginderaan Jauh, berikut unsur-unsur tersebut :

1. Rona (tone) dan warna (color) mengacu pada kecerahan relatif obyek pada citra. Rona biasanya dinyatakan dalam derajat keabuan (grey scale), misalnya hitam/ sangat gelap, agak gelap, cerah, sangat cerah/ putih. Apabila citra yang digunakan itu berwara, maka unsure interprestasi yang digunakan ialah warna (color), meskipun penyebutannya masih terkombinasi dengan rona; misalnya merah, hijau, biru, coklat-kekuningan, biru-kehijauan agak gelap, dan sebagainya.

2. Bentuk (shape) sebagai unsur interprestasi mengacu ke bentuk secara umum, konfigurasi, atau garis besar wujud obyek secara individual. Bentuk beberapa obyek kadang-kadang begitu berbeda dari yang lain, sehingga obyek tersebut dapat dikenali semata-mata dari unsur bentuknya saja.

3. Ukuran (size), sebagai unsur yang mengacu pada ukuran objek, obyek pada foto harus dipertimbangkan dalam konteks skala yang ada. Penyebutan ukuran juga tidak selalu dapat dilakukan untuk semua jenis obyek.

4. Pola (pattern) terkait dengan susunan keruangan obyek. Pola biasanya terkait dengan adanya pengulangan bentuk umum suatu atau sekelompok obyek dalam ruang. Seperti contoh : Pola bangunan lokasi di MapVertex dan sekitarnya memanjang sejajar arah timur barat.

5. Tinggi (height) membantu penafsir dalam mengenali objek dari ketinggiannya karean objek tertentu dapat dikenali dari ketinggiannya

6. Bayangan (shadows) sangat penting bagi penafsir, karena dapat memberikan dua macam efek yang berlawanan. Pertama, bayangan mampu menegaskan bentuk obyek pada citra, karena outline obyek menjadi lebih tajam/ jelas; begitu pula kesan ketinggiannya.

7. Tekstur (texture) merupakan ukuran frekuensi perubahan rona pada gambar obyek. Tekstur dapat dihasilkan oleh agregasi/ pengelompokan satuan kenampakan yang terlalu kecil untuk dapat dibedkan secara individual, misalnya areal persawahan Lingkungan Mapvertex teksturnya halus, dilihat pada citra satelit.

8. Situs (site) atau letak merupakan penjelasan tentang lokasi obyek relatif terhadap obyek atau kenampakan lain yang lebih mudah untuk dikenali, dan dipandang dapat dijadikan dasar untuk identifikasi obyek yang dikaji. Singkatnya adalah konteks ruang dari suatu obyek.

9. Asosiasi (association) merupakan unsur yang memperhatikan keterkaitan antara suatu obyek atau fenomena dengan obyek atau fenomena lain, yang digunakan sebagai dasar untuk mengenali obyek yang dikaji. Misalnya pada foto udara skala besar dapat terlihat adanya bangunan berukuran lebih besar dari pada kenampakan menyerupai tiang bendera (terlihat dengan adanya bayangan tiang) pada halaman tersebut. Bangunan ini dapat ditafsirkan sebagai bangunan kantor, berdasarkan asosiasi tiang bendera dengan kantor ( terutama kantor pemerintah).

Perlu diperhatikan bahwa dalam mengenali obyek, tidak semua unsur perlu digunakan secara bersama-sama. Ada beberapa jenis fenomena atau obyek yang langsung dapat dikenali hanya berdasarkan satu jenis unsur interprestasi saja. Ada pula yang membutuhkan keseluruhan unsur tersebut. Ada kecenderungan bahwa pengenalan obyek penutup/ penggunaan lahan pada foto udara skala besar untuk wilayah perkotaan membutuhkan lebih banyak unsur interprestasi seperti pada deskripsi di atas, dibandingkan pengenalan bentuk lahan atau fisiografi pada citra skala sedang-kecil pada liputan wilayah yang luas.

Sumber : Cerita Penginderaan Jauh : Membaca Citra Penginderaan Jauh http://mapvertex.com

Pendekatan Exploratory dan Confirmatory dalam Geografi

Metode saintifik menyediakan pendekatan terstruktur untuk menjawab pertanyaan.  Inti dari metode ini adalah untuk membangun dan menguji suatu hipotesis. Seperti kita lihat, hipotesis dapat dianggap sebagai jawaban potensial dari suatu pertanyaan.  Misalnya snowfall map dapat mamberikan suatu hipotesis bahwa jarak dari danau terdekat memainkan peran penting pada distribusi jumlah snowfall.

Geografer menggunakan spatial analisis dengan konteks metode saintifik yang minimal memiliki dua jalan yang jelas.  Metode exploratory dari analisis digunakan untuk menggiring kepada hipotesis. Metode confirmatory digunakan untuk menguji suatu hipotesis.  Metode visualisasi atau deskripsi seperti pada kasus gambar 1.2 memaksa kita untuk menemukan klaster dari kasus kanker akan menjadi metode exploratory, sebaliknya metode statistic yang  menguatkan/menegaskan kemungkin terjadi suatu peristiwa oleh adanya peluang disebut metode confirmatory.

Kita seharusnya dapat mencatat dua point penting, pertama, metode confirmatory tidak selalu melakukan penegasan atau menyangkal hipotesis – dunia memiliki tempat yang rumit, dan metode tersebut seringkali memiliki keterbatasan dalam mencegah comfirmation dan refutation (sangkalan). Namun, metode tersebut sangat penting dalam strukturisasi pikiran kita dan membawa sebuah ketelitian dan pendekatan sainstifik akan menjawab pertanyaan. Kedua, penggunaan metode eksploratory selama beberapa tahun terakhir meningkat secara cepat. Ini datang karena ada kombinasi dari tersedianya database besar dan kecanggihan softwere (termasuk GIS) dan sebuah pengakuan bahwa metode confirmatory statistika sangat cocok di beberapa situasi.   

(STATISTICAL METHODS FOR GEOGRAPHY - PETER ROGERSON)

Metode Saintifik

 

Metode, usaha awal pengorganisasian ide untuk menyusun suatu teori.

Deskripsi mengarahkan kita untuk menyusun suatu hipotesa, dimana hipotesa inilah yang dapat diuji kebenaran atau kesalahannya.

Untuk menguji hipotesa maka diperlukan suatu model. Model menyederhanakan realitas, sehingga relasi antar variabel-variabel dapat dipelajari.

Model divalidasi melalui perbandingkan data observasi dengan apa yang diharapkan. Jika model dapat menggambarkan kenyataan secara tepat, maka akan ada kesesuaian antara observasi dan ekspektasi. Jika tidak maka diperlukan penggambaran ulang. Model seringkali digunakan dalam situasi khusus. Model yang telah teruji berulang kali, akan dapat menunjukkan situasi empiris secara general.

Hukum/Aturan seringkali dideskripsikan sebagai suatu pernyataan yang tak terbatasi ruang lingkup. Dalam konteks diagram diatas, teori dapat dideskripsikan sebagai generalisasi kolektif, atau hukum/aturan kolektif.

Metode statistik menjadi aturan utama dalam metode saintifik ini.

(Peter A.Rogerson, 2001)

Penginderaan Jauh Untuk Informasi Spasial Sebaran dan Potensi Perkebunan Kelapa Sawit

Data penginderaanjauh dapat digunakan untuk kegiatan inventarisasi, pemantauan, evaluasi, serta potensi perkebunan, salah satunya perkebunan kelapa sawit. Keuntungan menggunakan data penginderaan jauh antara lain dapat dilakukan secara cepat dan tepat. Data utama dalam kegiatan ini ialah menggunakan citra SPOT. Metode inventarisasi, evaluasi, pemantauan, penilaian potensi, dan perhitunganluas perkebunan, dirancang dengan suatu model sesuai dengan  pokok permasalahan serta kondisi setempat. Analisis yang dilakukan denganpendekatan ruang, dengan berdasarkan faktor-faktor yang mempengaruhi pola penyebaran. 

Secara umum, tahapan dalam proses dapat dibagi menjadi 9 bagian, yaitu mulai dari pengumpilan data, yang meliputi data spasial dan data bular daerah penelitian;  penyususnan danmanajemen basis data; pembuatan peta tematik; klasifikasi dan interpretasi penutup-penggunaan lahan; perhitungan luas penutup-penggunaan lahan hasil interpretasi; ekstraksi pentup lahan perkebunan; perhitungan luas perkebunan sawit; analisis potensi lahan untuk perkebunan saewit; pembuatan peta potensi lahan untuk perkebunan kelapa sawit.

Dalam penilaian potensi, memerlukan data kondisi fisik wilayah penelitian. Karakteristik fisik dapat berupa proses vulkanik serta proses diatropisme. Untuk kondisi hidrologi, berkaitan dengan ketersediaan air permukaan dan iar tanah. masing-masing kondisi fisik terebut dipergunakan untuk membuat evaluasi lahan, dimana yangakan dibobot dalam penilaian potensi lahan untuk kelapa sawit. Kesesuaian lahan berbasis pada penggunaan lahan berkelanjutan, dimana penggunaan lahan diusulkan tidak akan mengakibatkan degradasi lahan.

Referensi: Florentina Sri Hardiyanti P, dkk. Informasi Spasial Sebaran dan Potensi Perkebunan Kelapa Sawit dari Data Penginderaan Jauh di Provinsi Sumatera Selatan

Pengantar Pengenalan Batuan

 

Sebelum melangkah lebih jauh ke dalam penginderaan jauh untuk geologi, pengetahuan mengenai pengenalan batuan juga diperlukan, berikut beberapa cara pengenalan batuan yang diambil dari ht tp://geology.about.com/od/rocks/tp/rocks101.htm.

 

Batuan beku didinginkan dari kondisi cair dan butiran-butiran mereka rekat erat. Tekstur batuan beku biasanya terlihat seperti sesuatu yang mungkin anda panggang dalam oven.

Batuan beku adalah batuan yang kuat ulet, lelehan beku dengan sedikit tekstur atau layering, sebagian besar hitam, putih dan / atau abu-abu mineral; mungkin terlihat seperti granit atau seperti lava(tentang batuan beku).

 

Batuan sedimen terdiri dari pasir, kerikil atau lumpur yang berubah menjadi batu. Umumnya mereka terlihat seperti pasir dan lumpur seperti awalnya dulu.

Batuan sedimen adalah sedimen yang mengeras bersama dengan lapisan lapisan berpasir atau berlempung; kebanyakan coklat sampai abu-abu; mungkin memiliki fosil dan airatau tanda angin (tentang batuan sedimen).

 

Batuan metamorf adalah batuan dari dua jenis pertama yang diubah oleh pemanasan dan peregangan. Mereka cenderung berwarna dan bergaris.

Batuan metamorf yang kuat ulet, dengan lapisan lurus atau melengkung (foliation) mineralterang dan gelap; berbagai warna, sering berkilauan dengan mika (sekitar batuan metamorf).

 

Pembahasan selanjutnya (Rock Struktur, bisa anda baca dulu sourcenya disini : http://geology.about.com/library/bl/images/blimageindex.htm