06 April 2016

Kegunaan QGIS & InaSAFE dalam Penyusunan Rencana Kontijensi dan Pemetaan Pencemaraan



Preface

QGIS & Inasafe

Indonesia Scenario Assessment for Emergencies disingkat InaSAFE adalah perangkat lunak berbasis open source untuk perkiraan dampak bencana secara cepat yang dikembangkan oleh BNPB bersama Australia-Indonesia Facility for Disaster Reduction (AIFDR) dan Word Bank InaSAFE
Untuk mendukung kesiapsiagaan menghadapi bencana, seperti banjir, gempa bumi, tsunami, erupsi gunungapi dan sebagainya secara efektif yang akan terjadi di masa depan, kita harus terlebih dahulu memahami dampak yang mungkin terjadi dan perlu dikelola. Bahkan hingga scenario terburuk dari potensi bencana yang ada. Misalnya, untuk mempersiapkan rencana tanggap darurat bencana banjir yang besar, maka pelaku penanganan darurat perlu menjawab pertanyaan seperti:



- Berapa luas daerah yang terendam?
- Obyek apa saja yang kemungkinan akan terpengaruh?
- Berapa banyak orang yang perlu dievakuasi dan perlu perlindungan?
- Berapa sekolah akan ditutup?
- Berapa rumah sakit masih dapat menerima pasien?
- Berapa kebutuhan dasar, seperti pangan, sandang, obat-obatan, sanitasi dan sebagainya yang diperlukan? Dan sebagainya.

InaSAFE menyediakan cara sederhana untuk menggabungkan data dari ilmuwan, pemerintah daerah dan masyarakat untuk memberikan wawasan ke dalam kemungkinan dampak peristiwa bencana di masa depan. Perangkat lunak ini difokuskan untuk menilai secara rinci, dampak bencana yang akan terjadi pada sektor-sektor tertentu, misalnya lokasi sekolah dasar dan perkiraan jumlah peserta didik yang terkena tsunami yang mungkin terjadi seperti di Maumere, misalnya, ketika itu terjadi selama jam sekolah.
Sebelum masuk dalam pembuatan peta bangunan dan penduduk terdampak banjir lahar harus sediakan dulu data Exposure (Bangunan dan Populasi) dan data Hazard agar dapat di run di plugins InaSAFE.
Bila belum memiliki data Exposure tersebut download datanya di OpenStreetMap.
Kemudian setelah data Exposure sudah ada maka berikutnya adalah data Hazard,
data Hazard banjir lahar hujan di peroleh dari BPBD DIY
Adapun data-data yang diperlukan diantaranya:
1. Peta administrasi Provinsi DIY (diperoleh dari Peta Digital BPS)
2. Data Exposure (Bangunan dan Populasi) (diperoleh dari OpenStreetMap dan Worldpop)
3. Data Hazard Banjir Lahar Hujan (diperoleh BPBD Yogyakarta)
Setelah semua data yang diperlukan sudah ada barulah kita masuk dalam proses analisisnya, hasil akan terlihat jumlah bangunan yang terdampak banjir lahar hujan
berikut ini hasil analisis dari plugins InaSAFE peta dan tabelnya:

Dari hasil diperoleh bahwa bangunan yang berwarna merah adalah bangunan terdampak banjir yang

Sementara dari hasil analisis untuk Penduduk yang terdampak banjir diperoleh:
Beras [kg]                                            : 54,326
Air Minum [liter]                                 : 339,535
Air Bersih [liter]                                  :1,299,934
Pelengkapan Kebersihan [unit]           : 3,881
WC [unit]                                            :971


Ketika terjadi erupsi, banyak material vulkanis yang tidak ikut tergelincir dan turun ke bawah, tetapi menumpuk di daerah dekat puncak gunung Merapi. Apabila terjadi hujan lebat di daerah puncak, maka bisa menimbulkan ancaman sekunder bagi daerah di sekitar lereng gunung merapi terutama daerah bantaran sungai, yaitu ancaman banjir lahar dingin.

Ketika meluncur dari puncak Merapi, material ini berupa material piroklastik yang menyebabkan terbentuknya awanpanas. Isinya terdiri atas batuan berukuran bongkah, kerakal, kerikil, pasir hingga debu panas. Setelah di daerah produksi ini terkena hujan maka di daerah transportasi di lerengnya akan memiliki energi sangat tinggi yang mampu merusak apa saja yang dilewatinya. Seterusnya ketika sampai dibawah maka akan terjadi proses sedimentasi dari pasir-pasir ini sebagai endapan material vulkanik yang sering kita lihat di tebing-tebing sungai ditengah  perkotaan Jogja

QGIS & InaSAFE untuk Teknik Lingkungan
Selain untuk kebencanaan InaSafe dalam lingkup teknik lingkunga dapat di gunakan untuk memetakan populas dari pencemaran.
Untuk data hazard di dapat dari overlay dari parameter pencemaran seperti TDS,TSS, PH, DO dan DHL, dari data tersebut kadar TSS dan TDS cukup tinggi yang menyebabkan DHL tinggi. Pencemaran ini berasal dari limbah perternakan yang di buang begitu saja tanpa ada pengolahan.



12 February 2016

Tugas OSM



Pada tanggal 12 Februari 2016 saya melakukan tracking. Saya  melakukan tracking di sekitar Jatimulyo. Kami melakukan tracking sekitar pukul 3 sore, sebelum melakukan tracking kami melakukan beberapa persiapan :

1. Memilih daerah yang akan kita tracking
2. Membuat fieldpaper
3. Membawa perlengkapan-perlengkapan tracking
4. Melakukan tracking

Setelah semua persiapan selesai, saya langsung melakukan tracking. Kendala pada saat tracking kali ini terdapat pada saat pembuatan field paper. Karena sayasudah mencoba lebih dari 3 kali karena citra yang di tangkap kurang bagus untuk melakukan tracking pada skala 100 - 50 meter. Namun ketika saya mencoba untuk membuat fieldpaper pada skala 150 meter citra dapat ditangkap. karena skala yang terlalu besar mengakibatkan bangunan yang tampak pun tidaklah begitu jelas. Mengakibatkan kami agak kesulitan ketika menggambarkan lokasi pada fieldpaper. Pada awalnya saat melakukan tracking, saya agak kebingungan untuk menentukan acuan melakukan tracking dikarenakan skala 150 meter sehingga tidak nampak terlalu jelas bangunan-bangunan disekitarnya.

Kendala lainnya yaitu pada saat setelah tracking ternyata barcode dari field paper terkena air. Sehingga kami harus menggambar ulang hasil tracking kami. Ketika kami mengupload hasil fieldpaper, tidak dapat ditemukan hasil fieldpaper yang telah kami upload dikarenakan koneksi internet yang sedang tidak lancar. Mengedit menggunakan aplikasi JOSM ternyata dari semua yang kami tracking beberapa sudah ada yang memetakan. padahal sebelumnya belum ada yang memetakan. ini hasil dari tracking saya beserta teman-teman saya.
Daerah yang akan di survey


Field paper Setelah Survey
Memasukan Data GPS (garis warna ungu) serta field paper pada JOSM
Peta pada JOSM setelah penambahan jalan dan bangunan
http://fieldpapers.org/snapshots/61t0pcfs#17/-7.774692189566666/110.36002062138289

14 December 2014

MAP INFO

 MAP INFO 2
 Dalam praktikum kali ini membuat layout pada mapinfo

30 November 2014

Surfer ke 2

pada praktikum surfer kedua ini membahas tentang cara pembuatan layout dan 3D pada surfer begini hasilnya.
TARA


21 November 2014

Cara Membuar peta Kontur denga Menggunakan Surfer

Surfer adalah aplikasi yang digunakan untuk membuat peta kontur sederhana dengan hasil yang cukup baik. menampilkan hasil dari peta kontur yang menggunakan program surfer dengan data yang telah ditentukan.

Sebelumnya, berikut adalah cara-cara membuat peta kontur :

masuk ke program surfer, kemudian file > new > worksheet. kemudian isi tabel" tersebut dengan data yang telah ditentukan

save file tersebut dalam ekstensi latihan sf1.dat

setelah tersimpan, masuk pada tampilan windows plot dengan cara file > new > plot document

melakukan gridding dengan cara grid > data > pilih file yang telah tersimpan

setela memilih file griding yang akan dibuat, sebaiknya disave dalam satu folder dengan yang lainnya. kemudian OK

untuk melihat hasil konturnya, akan dilakukan plotting dengan cara map > contur map > new contur map, klik OK

untuk merubah warna bisa dirubah dengan mengganti fill contour.

save hasil peta dengan ekstensi *.srt (surfer file).

Unruk kembuat layout pada peta, langkah-langkahnya sebagai berikut :

masuk ke program surfer dengan menu plot

pilih map > contur map > new contur map > atur tampilan sesuai yang diinginkan

pilih map > post > pilih gambar + kemudian OK

gabungkan kedua peta sehingga menjadi satu

lengkapi data tersebut dengan menggunakan tools yang diperlukan


METODE-METODE GRIDDING PADA SOFTWARE SUFFER


Grid adalah jaringan titik segi empat yang tersebar secara teratur ke seluruh area pemetaan. Grid dibentuk berdasarkan pada data XYZ dan menggunakan algoritma matematis tertentu. Gridding merupakan proses penggunaan titik data asli (data pengamatan) yang ada pada file data XYZ untuk membentuk titik-titik data tambahan pada sebuah grid yang tersebar secara teratur. Dalam pembuatan file grid ini akan diatur mengenai :
1. Geometri garis grid, yang terdiri dari parameter batas grid dan kepadatan grid
2. Metode grid / gridding
Batas grid merupakan batas-batas pemetaan yang diambil dari nilai X terkecil, X terbeasr, Y terkecil, dan Y terbesar. Nilai X dan Y diambil dari data mentah di worksheet. Batas-batas pemetaan tersebut membentuk sebuah segi empat dengan koordinat terluar nilai-nilai terbesar dari X dan Y. kepadatan grid merupakan lebar kolom dan garis pada file grid. Kolom dan baris ini berupa garis grid minor yang terbentuk oleh proses interpolasi file XYZ di sepanjang sumbu X dan Y. beberapa metode grid dalam surfer :
1. Inverse Distance to a Power
Metode ini cenderung memiliki pola “bull’s eyes” pada kontur-kontur yang konsentris melingkar pada titik data. Metode ini merupakan metode penimbangan rata-rata yang sederhana untuk menghitung nilai jarak grid. Berikut contoh hasil gridding dengan metode Inverse Distance to a Power :




2. Kriging
Kriging adalah metode gridding geostatistik yang telah terbukti berguna dan populer di berbagai bidang. Metode ini menghasilkan visual peta yang menarik dari data yang tidak teratur. Kriging adalah metode gridding sangat fleksibel. Dimana krigging dapat menghasilkan jaringan yang akurat pada data. Krigging merupakan metode default pada surfer. Berikut contoh hasil gridding dengan metode Kriging :


3. Minimum Curvatur
Metode ini melakukan generalisasi permukaan secara halus. Metode ini juga secara luas digunakan dalam ilmu bumi karena hasil interpolasi dengan metodeMinimum curvatur analog yang sangat tipis, piringan linier elastis melewati setiap nilai data dengan jumlah minimum yang dapat berubah. Salah satu kelemahan metode ini adalah kecenderungan mengekstrapolasikan nilai-nilai di daerah yang tidak ada datanya. Berikut contoh hasil grading dengan metode Minimum curvatur :


4. Modified Shepard’s Method
Hasil metode ini serupa dengan inverse distance, tetapi apabila parameter smoothing diaktifkan maka kecenderungan kontur membentuk pola “bull’s eye” tidak akan trjadi. Dengan menggunakan metode ini kita dapat meramalkan kemungkinan nilai-nilai di luar rentang Z dari data yang kita miliki. Berikut contoh hasil gradding dengan metode Modified Shepard :



5. Natural Neighbor
Metode ini menghasilkan kontur yang baik dari data set yang berisi data padat di beberapa daerah dan data jarang di daerah lainnya. Hal ini tidak menghasilkan data di daerah tanpa data dan tidak ekstrapolasi nilai-nilai Z di luar grid jangkauan data.


6. Nearest Neighbor
Metode ini efektif untuk data-data XYZ yang tersebar merata dalam setiap daerah pemetaan, tetapi akan terjadi masalah apabila data XYZ tidak tersebar merata akan mengakibatkan hasil kontur menjadi bias. Metode Nearest neighbor menggunakan yiyik terdekat untuk memberikan nilai pada node grid. Hal ini berguna untuk konversi secara teraturXYZ data file ke dalam file grid. Metode ini tidak meramalkan kemungkinan grid Z di luar jangkauan data.


7. Polynomial Regression
Metode ini bermanfaat untuk analisis permukaan secaraumum. Metode ini menampilkan kecenderungan kemiringan pada pola topografi secara umum dengan cakupan wilayah yang luas. Metode Regresipolinomialmemproses data sehingga mendasari skala besar dengan kecenderungan pola yang ditampilkan. Hal ini digunakan untuk analisis yang cenderung berada di permukaan. Metode ini dapat memaparkan nilai-nilai grid di luar data jangkauan Z.


8. Radial Basis Function
Metode radial basis function merupakan metode terbaik untuk sebagian besar jenis data. Tetapi cenderung membentuk pola “bull’s eye” terutama jika parameter smoothing diaktifkan. Gambar yang dihasilkan dengan metode ini mirip dengan krigging tetapi menghasilkan hasil yang sedikit berbeda.





9. Trianggulation with linear interpolation
Metode ini bermanfaat menghasilkan analisis patahan. Metode ini membutuhkan data yang banyak, karena apabila terjadi kekurangan data maka akan terjadi pembentukan pola segitiga pada permukaan kontur. Walau demikian metode ini dapat menangani situasi sulitseperti pembuatan fitur seperti teras dan lubang. Metode ini tidak mengekstrapolasi nilai-nilai Z di luar jangkauan data.


10. Moving Average
Metode ini hanya berlaku pada set data yang sangat besar dan banyak (misal >1000 titik data) sehingga dapat menggabungkan data breakline. MetodeMoving Average ini memberikan nilai ke node jaringan dengan rata-rata data di dalam elips pencarian node grid.


11. Data Metrics
Metode gridding satu ini digunakan untuk membuat informasi grid tentang data. Metode gridding data metrik secara umum cenderung tidak menginterpolasi rata-rata dari nilai-nilai Z.



12. Local Polynomial
Metode ini paling berlaku untuk set data yang halus lokal (misalnya relatif halus permukaan dalam lingkungan pencarian). Metode griddingPolynomial local memberikan nilai ke node jaringan dengan menggunakan kuadrat terkecil berbobot sesuai dengan data di dalam elips pencarian node grid.

17 November 2014

Photoshop

Pada praktikum aplikom minggu ini membahas tentang aplikasi photoshop, pada acara kali ini praktikan dituntut dapat menggabungkan peta upn dengan metode tramsparasi
Hasil dari metode tersebut :