Upload
faizalprbw
View
302
Download
19
Embed Size (px)
Citation preview
8/16/2019 Jurnal Rd Akhmad Faizal P S 38258
1/12
Jurnal Geospasial Indonesia
www.jgi.ac.id | 1
Teknik Geodesi dan Geomatika
Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
PEMBUATAN PLUGIN ANALISIS LEAST-COST PATH
PADA QGIS UNTUK PENENTUAN JALUR TRASE JALAN Rd Akhmad Faizal P Sa, Ir. Rochmad Muryamto, M.Eng.Scb
aAlumni Jurusan Teknik Geodesi FT-UGM ()
Jln. Grafika No. 2 Yogyakarta, Telp. +062274-520226, Email: [email protected] bStaf Pengajar Jurusan Teknik Geodesi FT-UGM (Afiliasi)
Diterima: 20-04-2016; Dipublikasikan: 20-04-2016
ABSTRACT
Least-cost path analysis is a kind of spatial analysis in GIS that can be used to find the optimal pathwith the lowest cost on raster surface (DeMers, 2002). Generally, least-cost path analysis in GIS softwareuses isotropic accumulated-cost surface algorithms to accumulate costs between cells on raster surface,however this algorithm has a weakness if applied to determine the road alignment path on DEM surface (Yu, Lee, and Munro-Stsiuk, 2002). More precise least-cost path analysis algorithm to be applied in the
determination of road alignment path is anisotropic accumulated-cost surface (Collischonn and Pilar, 2000). At this project, the least-cost path analysis function that utilizes anisotropic accumulated-cost surfacealgorithm to accumulate the value of cost between cells and A-star algorithm for pathfinding will bedeveloped in the form of plugins in QGIS.
The plugin was created by using python programming language supported by GDAL module forraster data encoding, OGR to create vector data, NumPy to manipulate raster structure as a matrix, and
PyQt to make the GUI. Coding process had performed on Eclipse integrated with QGIS. T he program’s script was then inserted into the main file of Plugin Package in order to became a plugin in QGIS. Futhermore, the plugin was tested based on ISO/IEC/IEEE 29119 standard. DEM and cost surfaces data
derived respectively from DEM TerraSAR-X and IGD Tutupan Lahan 25K (land cover) in the coverage areaof Lembang subdistricts were used as the data input. Three types of heuristic in A-star algorithms( Manhattan, Diagonal , and Euclidean) was tested in order to see the possibility of path’s difference.
The result in this project was a least-cost path analysis plugins in QGIS software that had been successfully passed a tests based on ISO/IEC/IEEE 29119. Paths generated by this plugin used two modelsof spatial data such as raster with an ASCII raster format and vector with a shapefile format. The path witha shapefile format stores elevation, cost, slope, and distance information on the attribute table. The use of
three different types of heuristic result in three different paths. In addition, the results of plugin usersevaluation indicated that the plugin was reliable enough to be implemented on the determination of roadalignment path.
Keywords: least-cost path analysis, QGIS plugins, road alignment path, Python programming, anisotropic
accumulated-cost surface
I. PENDAHULUAN
I.1. Latar Belakang
Penentuan trase jalan merupakan tahapan pertama yang harus dilakukan pada proses
perencanaan jalan untuk mencari jalur terbaik darilokasi asal ke lokasi tujuan. Dalam menentukantrase jalan, beberapa faktor kriteria perludiperhatikan seperti faktor topografi, geologi, tataguna lahan, dan lingkungan (Morlok E.K., 1988)yang berdampak pada panjang jalur, kemiringan,
dan biaya (cost ). Kriteria teknis tersebut dapatdianalisis menggunakan analisis analisis spasial.
Salah satu metode analisis spasial yangdapat diterapkan untuk kasus ini adalah metode
least-cost path. Metode ini memanfaatkanalgoritma pencarian jalur sehingga mampumencari rute paling optimal denganmemperhatikan parameter pembobotan dari setiap
nilai piksel pada permukaan data raster (cost surface). Seiring berkembangnya teknologi SIG
(Sistem Informasi Geografis), analisis least cost- path sudah diterapkan pada beberapa perangkatlunak SIG seperti ArcGIS , GRASS , dan IDRISI
sebagai fungsi geoprocessing dengan
menggunakan pendekatan model data raster(DeMers, 2002).
mailto:[email protected]:[email protected]:[email protected]:[email protected]
8/16/2019 Jurnal Rd Akhmad Faizal P S 38258
2/12
Jurnal Geospasial Indonesia
www.jgi.ac.id | 2
Teknik Geodesi dan Geomatika
Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
Terdapat dua jenis algoritma yangdigunakan untuk mengakumulasi cost pada
analisis least-cost path, yaitu isotropicaccumulated-cost surface dan anisotropic
accumulated-cost surface (Yu, Lee, dan Munro-Stsiuk, 2002). Perangkat lunak ArcGIS , sebagaisalah satu perangkat lunak paling umumdigunakan untuk kebutuhan analisis spasial,
menggunakan algoritma isotropic-accumulatedcost surface dalam penerapan analisis least-cost path. Algoritma ini memiliki kelemahan karena
menganggap jarak antar titik tengah sel (sel fokal)dengan sel-sel sebelahnya adalah sama denganresolusi spasial dari DEM sehingga tidak
memperhitungkan pengaruh kemiringan lerengdengan jarak antara sel fokal (Collischonn danPilar, 2000). Pada kasus tertentu, ketika jalur
harus berhadapan dengan permukaan medan yangkompleks, kemiringan di setiap arah sel berbedadan perbedaan ini akan sangat berpengaruh
apabila analisis least-cost path diterapkan untuk perencanaan jalan (Yu, Lee, dan Munro-Stsiuk,2002).
Collischonn dan Pilar (2000) menyatakan bahwa jalur yang lebih tepat untuk desain jalandapat dihasilkan dengan penggunaan anisotropic
accumulated-cost surface untuk perhitunganakumulasi nilai cost pada cost surface karenaalgoritma tersebut mempertimbangkan jarak antar
sel fokal dan bobot kemiringan lereng. Namun
demikian, penggunaan algoritma anisotropic-accumulated cost surface untuk keperluan analisis
least-cost path belum diterapkan pada beberapa perangkat lunak SIG. Sebagai solusi dari permasalahan tersebut, maka perlu dibuat program aplikasi yang terintegrasi dengan perangkat lunak SIG untukmengimplementasikan algoritma anisotropic
accumulated-cost surface pada fungsi least-cost path.
QGIS (Quantum GIS ) merupakan perangkat lunak opensource yang memfasilitasi
pengguna untuk mengembangkan kemampuan
perangkat lunak dengan cara membuat plugin.Selain itu, pada perangkat lunak QGIS masih belum tersedia fungsi yang dapat melakukananalisis least-cost path, sehingga pembuatanfungsi analisis least-cost path perlu direalisasikandalam bentuk plugin pada QGIS .
I.2. Tujuan Kegiatan
Tujuan dari kegiatan aplikatif ini adalahuntuk membuat plugin analisis least-cost path
pada perangkat lunak QGIS untuk penentuan jalurtrase jalan dengan menggunakan algoritma
anisotropic accumulated-cost surface dan A* (A-Star) untuk pencarian jalur.
I.3. Landasan Teori
Berikut ini adalah landasan teori yangmenjadi acuan dilaksanakannya kegiatan aplikatif
ini.
I.3.1. Perencanaan Trase Jalan
Trase jalan adalah rangkaian garis lurusyang menghubungkan titik-titik dari rencana
lokasi jalan yang nantinya akan digunakansebagai sumbu jalan. Trase jalan ditentukandengan menghubungkan titik-titik yang harusdihubungkan dan mengindari titik-titik yang harusdihindari (rulling point ) (Wibowo, 2000).
Peta berguna untuk menentukan arah trase
dengan memperhatikan kondisi medan berdasarkan garis kontur. Skala peta yang
digunakan biasanya adalah 1: 10.000 sampai 1:25.000 (Soegiharto, 1989). Kondisi medan yangakan dilalui jalan sebisa mungkin dibuat dataratau memiliki kemiringan minimal. Menurut Bina
Marga dalam Tata Cara Perencanaan GeometrikJalan Antar Kota (TPJAK) No. 038/T/BM/1997,medan diklasifikasikan berdasarkan kondisi
sebagian besar kemiringan medan yang diukurtegak lurus garis kontur. Klasifikasi medan
dibedakan seperti pada Tabel 1.
Tabel 1. Klasifikasi Medan (Sumber : Bina
Marga TPGJAK No. 038/ T /BM/1997)
I.3.2. Analisis least-cost path
Analisis least-cost path merupakan salahsatu jenis analisis spasial yang berguna untukmencari jalur optimal dengan biaya atau cost terendah antar dua titik pada permukaan raster
(DeMers, 2002). Permukaan raster yangdimaksud adalah cost surface dimana nilai piksel
pada masing-masing sel berperan sebagai cost ,dan dengan menggunakan algoritma pencarian jalur ( pathfinding ), seluruh cost pada permukaan
raster akan diakumulasi dan jalur akan terbentuk pada total akumulasi terkecil yangmenghubungkan lokasi asal dan tujuan pada permukaan cost surface.
I.3.3. Pola konektivitas grid
Pola konektivitas adalah pola yangdigunakan untuk menentukan konektivitas antara
suatu sel ke sel terdekatnya pada data raster. Padaanalisis least-cost path, pola ini digunakan untuk
menentukan cara berpindah dari sel asal ke selyang dituju pada saat mengakumulasi cost .
8/16/2019 Jurnal Rd Akhmad Faizal P S 38258
3/12
Jurnal Geospasial Indonesia
www.jgi.ac.id | 3
Teknik Geodesi dan Geomatika
Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
Gambar 1 merupakan salah satu jenis pola konektivitas (pola queen 8 sel) menurut Yu,
Lee, and Munro-Stsiuk (2002).
Gambar 1. Pola konektivitas grid jenis queen
pada data raster
I.3.4. Algoritma Accumulated-Cost Surface
Cost surface adalah grid raster dimananilai dalam setiap sel diasumsikan sebagai
besarnya biaya (cost ) berdasarkan kriteriatertentu, sedangkan accumulated-cost surface adalah cost surface yang seluruh cost -nya sudahterakumulasi (Douglas, 1994). Pada analisis leastcost-path, terdapat dua cara atau algoritma untukmengakumulasi seluruh cost pada permukaan cost surface, yaitu dengan menggunakan algoritmaisotropic dan anisotropic (Yu, Lee, and Munro-
Stsiuk, 2002).Persamaan yang digunakan pada
algoritma isotropic adalah persamaan (1) untuk
kasus perpindahan secara tegak lurus dan persamaan (2) untuk kasus perpindahan secaradiagonal.
, = + µ (1) = 2, 4, 5, 7 (Gambar 1), = + √ 2µ (2) = 1, 3, 6, 8 (Gambar 1)Dalam hal ini :
0 : nilai cost pada sel piksel awal (sel fokal) : nilai cost pada sel piksel yang dituju µ : ukuran sel (resolusi spasial)
: nilai cost yang sudah terakumulasiPersamaan yang digunakan pada
algoritma anisotropic adalah persamaan (3) untukkasus perpindahan secara tegak lurus dan persamaan (4) untuk kasus perpindahan secara
diagonal.
, = µ +
tan−1
−
180
(3)
= 2, 4, 5, 7 (Gambar 1)
, = 2µ + tan−1 −√
180 (4)
= 1, 3, 6, 8 (Gambar 1)Dalam hal ini :
: cost yang sudah terakumulasi0 : cost pada sel piksel awal (sel fokal) : cost pada sel piksel yang dituju : nilai elevasi pada sel yang dituju : nilai elevasi pada sel asal (sel fokal)µ : ukuran sel (resolusi spasial)
π : 3.141592653589793
: nilai bobot
Collischonn dan Pilar (2000)menyatakan bahwa jalur yang lebih tepat untuk
desain jalan dapat dihasilkan dengan penggunaan
algoritma anisotropic accumulated-cost surface
untuk perhitungan akumulasi nilai cost pada cost
surface karena algoritma anisotropic
accumulated-cost surface memperhitungkan jarak
antar sel fokal dan bobot kemiringan lereng.
I.3.5. Algoritma A-Star ( A*)
Algoritma A* ( A-Star ) adalah salah satu
algoritma pencarian jalur yang merupakan bentuk
penyempurnaan dari algoritma Dijkstra.
Perbedaan Algoritma A* dengan Djikstra adalah
bahwa pada algoritma A*, heuristik digunakan
untuk mengestimasi jarak dari lokasi yang sedang
ditempati ke lokasi tujuan, sehingga arah dari
pergerakan jalur akan diperhitungkan pada
algoritma ini. Terdapat tiga jenis heuristik pada
algoritma A* (Kagstrom, 2006), yaitu (1) Jarak
Manhattan, (2) Jarak Diagonal , dan (3) Jarak
Euclidean. Gambar 2 merupakan ilustrasi bentuk
ketiga heuristik dari lokasi asal atau yang sedang
ditempati ke lokasi akhir.
Gambar 2. Ilustrasi heuristik jenis Manhattan (merah), Digonal (hijau), Euclidian (biru)
(Kagstrom, 2006)
8/16/2019 Jurnal Rd Akhmad Faizal P S 38258
4/12
Jurnal Geospasial Indonesia
www.jgi.ac.id | 4
Teknik Geodesi dan Geomatika
Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
Jarak heuristik dapat dihitung
menggunakan persamaan (5) untuk heuristik jenis
Manhattan dan persamaan (6) untuk heuristik
jenis Euclidean.
ℎ= ∆ ∆ (5) ℎ = ∆ ∆ (6)Dalam hal ini :
ℎ : jarak dari sel yang dituju ke sel akhir(heuristik)
∆ : nilai translasi pada sumbu- x dari sel asal kesel tujuan
∆ : nilai translasi pada sumbu- y dari sel asal kesel tujuan
Sedangkan heuristik jenis Diagonaldapat dihitung menggunakan persamaan (7)
apabila ∆ lebih besar dari ∆ dan persamaan (8)apabila ∆ lebih kecil dari ∆.ℎ = (√ 2 ∆) ∆ ∆ (7) ℎ = (√ 2 ∆) ∆ ∆ (8)Dalam hal ini :
ℎ : jarak dari sel yang dituju ke sel akhir(heuristik)
∆ : nilai translasi pada sumbu- x dari sel asal kesel tujuan∆ : nilai translasi pada sumbu- y dari sel asal kesel tujuan
Dengan menggunakan nilai heuristik,
maka cost pada algoritma A* dapat dihitung
dengan menggunakan persamaan (9).
= ℎ (9)Dalam hal ini :
: total nilai cost pada lokasi yang dituju : nilai cost perpindahan dari sel asal ke sel
yang dituju
ℎ : jarak dari sel asal ke sel yang dituju(heuristik)Pada kegiatan aplikatif ini, nilai dicari
menggunakan persamaan anisotropic
accumulated-cost surface sehingga apabila
persamaan (2) dan persamaan (3) disubtitusi ke
persamaan (9), maka didapat persamaan (10).
= ′, + Ɵ ℎ (10)
Dalam hal ini :
: total nilai cost pada lokasi yang dituju
ℎ : heuristik yang dibutuhkan untuk berpindahdari sel asal ke sel yang dituju
′, : jarak miring
Ɵ : nilai sudut kemiringan dalam satuan derajat : nilai cost yang sudah terakumulasi0 : nilai cost pada sel piksel awal (sel fokal) : nilai cost pada sel piksel yang dituju : nilai bobot : 180 ; dengan nilai π = 3.141592653589793
II. METODOLOGI
Kegiatan aplikatif ini terbagi menjadi
dua fokus utama, yaitu pembuatan plugin analisisleast-cost path pada perangkat lunak QGIS dan pengujian plugin. Pembuatan plugin analisis
least-cost path dilakukan dengan menggunakan bahasa pemrograman python yang didukungdengan bantuan modul GDAL untuk membaca
data raster, OGR untuk membuat data vektor, NumPy untuk memanipulasi struktur raster dalam bentuk matriks, dan PyQt untuk membuat GUI .
Kemudian plugin tersebut diuji menggunakanlima jenis metode pengujian yang mengacu pada ISO/IEC/IEEE 29119.
Lokasi yang digunakan untuk menguji plugin berada pada wilayah Kecamatan Lembang,Kabupaten Bandung Barat, Provinsi Jawa Barat
dengan cakupan koordinat 107º 39’ 21.80’’ BTsampai 107º 44’ 40.30’’ BT dan 6º 48’ 48.25’’ LSsampai 6º 53’ 11.26’’ LS seperti yang
diilustrasikan pada Gambar 3.
Gambar 3. Cakupan wilayah pengujian plugin
pada citra dari Google Earth (Poligon berwarnaJingga)
Adapun tahapan pelaksanaan kegiatanaplikatif ini disajikan dalam diagram alir padaGambar 4.
8/16/2019 Jurnal Rd Akhmad Faizal P S 38258
5/12
Jurnal Geospasial Indonesia
www.jgi.ac.id | 5
Teknik Geodesi dan Geomatika
Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
Gambar 4. Diagram alir kegiatan pembuatan
plugin analisis least-cost path pada QGIS
II.1. Persiapan alat dan bahan
Peralatan yang digunakan dalam pembuatan plugin terdiri dari perangkat keras dan
perangkat lunak meliputi:
1. Laptop ASUS N550JV dengan OS Windows 8
PRO 64-bit
2. Satu paket OSGeo Development Kit meliputi perangkat lunak QGIS Desktop 2.10.1 Pisa +
Plugin Builder 2.10, OSGeo4W Shell , Perangkatlunak QT Designer with QGIS 2.10.1 custom
widgets, dan Python 2.7 + PyQGIS Libraries (Modul GDAL, NumPy, dan PyQt )
3. Perangkat lunak Eclipse IDE 4.4.2 Luna + PyDev
4. Perangkat lunak ArcGIS Desktop 10.3
Bahan yang digunakan pada kegiatan
aplikatif berguna untuk menguji plugin danvisualisasi jalur hasil eksekusi plugin. Bahantersebut bersumber dari situs geoportal BIG(www.portal.ina-sdi.or.id) meliputi :
1. DEM TerraSAR X (raster) menggunakan
format Geotiff dengan resolusi spasial 10 meter.
2. IGD Tutupan lahan 25K (vektor) menggunakanformat shapefile dengan ketelitian skala1:25000.
2. IGD Transportasi 25K (vektor) menggunakanformat shapefile dengan ketelitian skala
1:25000.
Ketiga data di atas berada pada cakupanwilayah seperti yang diilustrasikan pada Gambar3. Gambar 5 merupakan visualisasi dari ketiga
data di atas.
II.2. Pelaksanaan
II.2.1. Pembuatan cost surface
Pada tahap ini, data IGD Tutupan lahan25K (vektor) dikonversi menjadi model dataraster dengan resolusi spasial, cakupan (koordinat
origin, jumlah kolom, dan jumlah baris), dansistem referensi koordinat yang sama dengan data
DEM TerraSAR X . Selain itu, nilai piksel dari dataraster tutupan lahan juga harus merepresentasikan
cost seperti pada Tabel 2.
Gambar 5. Data DEM TerraSAR-X (1), data IGDTutupan Lahan 25K (2), dan data IGD
Transportasi 25K (3)
1 2
3
http://www.portal.ina-sdi.or.id/http://www.portal.ina-sdi.or.id/http://www.portal.ina-sdi.or.id/http://www.portal.ina-sdi.or.id/
8/16/2019 Jurnal Rd Akhmad Faizal P S 38258
6/12
Jurnal Geospasial Indonesia
www.jgi.ac.id | 6
Teknik Geodesi dan Geomatika
Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
Tabel 2. Tabel nilai cost untuk masing-masing jenis tutupan lahan
Prosedur pembuatan data cost surface dilakukan pada perangkat lunak ArcGIS Desktop
menggunakan fungsi polygon to raster danreclassify.
II.2.2. Mengintegrasikan QGIS IDE dengan Eclipse
Pengintegrasian QGIS IDE pada perangkat lunak Eclipse dilakukan dengan tujuanuntuk memberikan kemampuan tambahan pada
Eclipse agar dapat melakukan pemrograman python dengan memanfaatkan modul yangtersimpan pada QGIS IDE . Modul pada pustaka
PyQGIS yang akan dimanfaatkan dalam pembuatan plugin adalah GDAL\OGR dan NumPy.
II.2.3. Pembuatan program standalone analisis
least-cost path
Pembuatan program standalone
dikerjakan menggunakan perangkat lunak Eclipse dan dilakukan sebelum program diintegrasikandengan interface pada perangkat lunak QGIS dengan tujuan untuk memudahkan debugging apabila ditemukan bug pada algoritma programyang sudah dirancang. Adapun algoritma yang
dirancang untuk program analisis least-cost path disajikan dalam diagram alir pada Gambar 6.
Gambar 6. Diagram alir program analisis least-cost path
8/16/2019 Jurnal Rd Akhmad Faizal P S 38258
7/12
Jurnal Geospasial Indonesia
www.jgi.ac.id | 7
Teknik Geodesi dan Geomatika
Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
Diagram alir pada Gambar 6 merupakanalgoritma yang digunakan dalam pembuatan
program pada kegiatan aplikatif ini. Algoritmatersebut mengacu pada algoritma pencarian jalur
A* ( A-Star ) dengan nilai f yang dihitungmenggunakan persamaan (10).
II.2.4. Pengujian sintaks program standalone pada Eclipse
Pengujian pada tahap ini bertujuan untukmendeteksi bug atau kesalahan sintaks yangdisebabkan oleh kesalahan penulisan program
standalone (Syntax Testing ). Teknik pengujianyang dilakukan mengacu pada ISO/IEC/IEEE29119 (2013) dengan cara mengeksekusi program
standalone pada perangkat lunak Eclipse.Apabila terdapat bug pada program
standalone, maka program akan di-debug dengancara memeriksa dan merevisi kesalahan penulisan program. Setelah bug pada program standalone sudah terkoreksi, maka program sudah teruji
sintaksnya dan dapat diintegrasikan denganinterface pada perangkat lunak QGIS dalam bentuk plugin.
II.2.5. Pembuatan Plugin Package
Pada kegiatan aplikatif ini, proses pembuatan Plugin Package dilakukan dengan
menggunakan bantuan Plugin Builder 2.10 pada perangkat lunak QGIS . Hasil dari proses ini
adalah berupa satu folder yang terdiri dari beberapa file yang merupakan struktur file standar plugin pada QGIS .
Setelah Plugin Package tersusun dalam
satu folder dan disimpan pada direktori~/.qgis2/Python/plugins/plugin , maka plugin dapat diakses melalui interface pada QGIS ,namun hasilnya masih berupa jendela kosongkarena Graphic User Interface belum dibuat dan program standalone analisis least-cost path belumdiintegrasikan.
II.2.6. Pembuatan Graphic User Interface
Pembuatan Plugin Package pada tahapsebelumnya (sub-bab II.2.5) menghasilkan file
LeastCostPath_base.ui yang merupakan file XML untuk interface. Pada kegiatan aplikatif ini, file LeastCostPath_base.ui akan diolah menggunakan
perangkat lunak Qt Designer dengan tujuan untukmempermudah proses pembuatan GUI .
Berdasarkan diagram alir pada Gambar6, program yang dibuat terdiri dari tiga jenis datamasukan, lima jenis parameter masukan, dan tiga jenis data keluaran. Tabel 3 merupakan daftar dari
data dan parameter masukan dan keluaran tersebut beserta tipe atau format data dan jenis widget yangdigunakan untuk menentukan data dan parameter
tersebut.
Tabel 3. Daftar jenis Widget untuk setiap datamasukan dan keluaran
Berdasarkan Tabel 3, maka sketsa dari
interface untuk plugin analisis least-cost path yang akan dibuat adalah seperti pada Gambar 7.
Gambar 7. Sketsa Graphic User Interface (GUI) plugin analisis least-cost path pada QGIS
II.2.7. Pengintegrasian program standalone dengan Graphic User Interface
File leastcostpath_ui.py yang
menyimpan objek-objek interface hasil olahan Qt Designer dalam bahasa python dengan bantuanmodul PyQt disesuaikan dengan setiap fungsi
masukan dan keluaran dari program standalone yang disimpan pada file utama LeastCostPath.py.Hasil dari tahap ini adalah berupa plugin pada
QGIS interface yang dapat bekerja seperti program standalone. Setelah tahap ini dilakukan,maka plugin analisis least-cost path dapat
dijalankan dan bekerja pada perangkat lunakQGIS .
II.2.8. Pengujian plugin pada QGIS
Tujuan dari pengujian plugin analisisleast-cost path pada tahap ini adalah untukmenguji apakah plugin dapat melakukan analisis
least-cost path dengan benar. Teknik pengujianyang dilakukan pada tahap ini mengacu padaISO/IEC/IEEE 29119 (2013) meliputi :
1. Functional testing yang bertujuan untukmenguji apakah plugin berhasil berfungsi pada
QGIS
2. Error guessing yang bertujuan untuk mengujiapakah plugin berhasil melakukan error
8/16/2019 Jurnal Rd Akhmad Faizal P S 38258
8/12
Jurnal Geospasial Indonesia
www.jgi.ac.id | 8
Teknik Geodesi dan Geomatika
Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
handling terhadap kondisi apabila data dan parameter yang ditentukan oleh pengguna salah
atau dikosongkan.3. Comparison testing yang bertujuan untuk
menguji validasi proses perhitungan programdengan cara membandingkan hasil hitungan program dengan hasil hitungan manual menggunakan Microsoft Excel .
Ketiga pengujian di atas dilakukan dengancara mengeksekusi plugin analisis least-cost path
pada DEM surface dan cost surface. Analisisleast-cost path dilakukan tiga kali untuk melihatkemungkinan perbedaan jalur yang terbentukmenggunakan tiga jenis heuristik yang berbeda.Koordinat lokasi awal dan koordinat lokasi akhiryang akan digunakan pada pengujian ini berada
pada bagian jalur jalan alteri (Jalur Lembang)yang didapat dari data IGD Transportasi 25K.
Berikut ini adalah koordinat titik awal dan akhir pengujian program dengan menggunakan sistemkoordinat WGS 1998 UTM Zona 48 S :
1. Titik awal :
a. Easting : 799927.140 m E
b. Northing : 9237972.130 m S
2. Titik akhir :
a. Easting : 793776.030 m E
b. Northing : 9244309.160 m S
Klasifikasi sudut kemiringan yangdigunakan dalam pembobotan mengacu pada pengklasifikasian medan berdasarkan TPGJAK
Bina Marga (Tabel 1) dengan satuan sudut dalamderajat. Sudut dalam satuan derajat untukkemiringan 3% adalah 1.35 derajat dan untuk
kemiringan 25% adalah 11.25 derajat. Tabel 4merupakan pengklasifikasian nilai bobotkemiringan yang akan digunakan untuk pengujian.
Tabel 4. Klasifikasi bobot kemiringan untuk
pengujian
Data bobot kemiringan di atas ditulisdalam format .csv dengan bentuk penulisansebagai berikut :nomor , batas bawah rentang kemi ri ngan, batas atas rentang
kemiri ngan , bobot
1,-1.35,1.35,0
2,1.35,11.25,5
3,-11.25,-1.35,5
4,11.25, 90,95
5,-90,-11.25,95
II.2.9. Penilaian jalur hasil eksekusi plugin analisis least-cost path
Pada tahap ini, jalur trase jalan yang
terbentuk dari hasil pengujian plugin analisisleast-cost path akan dinilai secara visual dannumeris. Proses analisis secara visual dilakukandengan cara melihat bagaimana jalur yang
terbentuk menghindari tutupan lahan dengan bobot yang tinggi dan kemiringan topografi yangterjal (dilihat dari garis kontur dan hillshade dataDEM). Proses analisis secara numeris dilakukandengan cara membandingkan jumlah satuan
kriteria dari berbagai aspek spasial yang dilewatimasing-masing jalur meliputi :
1. Panjang jalur (meter)2.
Total cost tutupan lahan yang dilalui jalur3.
Jumlah penggal jalan atau edge yang memiliki
kemiringan lebih besar dari 25% (Ɵ>11.25°atau Ɵ< -11.25°)
Kriteria-kriteria di atas ditentukan berdasarkan faktor kriteria perencanaan jalur trase jalan menurut Morlok E.K. (1988) dan
pengklasifikasian medan berdasarkan TPGJAKBina Marga (Tabel I.1) dimana kemiringan lebih
besar dari 25% dikategorikan sebagai jenis medan pegunungan yang harus dihindari. Proses penilaian dilakukan menggunakan analisis danquery spasial ArcGIS Desktop.
II.2.10. Evaluasi plugin analisis least-cost path
kepada pengguna
Pada tahap ini, plugin analisis least-cost
path yang sudah dibuat akan dievaluasi kepada pengguna. Plugin analisis least-cost path perludiunggah terlebih dahulu pada qgis repository dengan tujuan agar pengguna dapat menginstal plugin langsung dari repository secara onlinemenggunakan perintah Manage and installplugins.. pada QGIS.
Kuesioner disebar kepada 10 evaluator
yang berasal dari kalangan akademisi, pegawai pemerintahan, dan pegawai swasta dari perusahaan atau instansi terkait perencanaan tataruang, konstruksi, pemetaan, dan informasi
teknologi. Metode pengujian yang dilakukan padatahap ini mengacu pada standar pengujian perangkat lunak ISO/IEC/IEEE 29119 (2013).
Kuesioner tersebut berisi pertanyaanmengenai tanggapan pengguna atau evaluatorterhadap plugin analisis least-cost path beserta
fungsi-fungsi didalamnya yang mengacu padakomponen faktor kualitas yang diuji pada pengujian experience-based testing meliputi
interopabilitas, portabilitas, usabilitas,fleksibilitas, efisiensi, dan kehandalan ataureliabilitas (WG26 Team, 2013).
8/16/2019 Jurnal Rd Akhmad Faizal P S 38258
9/12
Jurnal Geospasial Indonesia
www.jgi.ac.id | 9
Teknik Geodesi dan Geomatika
Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
III. HASIL DAN PEMBAHASAN
III.1. Cost sur face (raster)
Data masukan berupa IGD TutupanLahan 25K (vektor) yang sudah diolah menjadidata raster merupakan data cost surface (raster)sebagai bahan yang akan digunakan dalam pengujian plugin. Gambar 8 merupakan ilustrasi
dari data cost surface.
Gambar 8. Cost surface Lembang beserta
keterangan nilai cost untuk masing-masing jenis
tutupan lahan
III.2. Hasil pengujian sintaks program standalone pada Ecli pse
Gambar 9 merupakan tampilan console
peragkat lunak Eclipse ketika program standalone analisis least-cost path dieksekusi beserta datadan parameter masukan yang digunakan. PadaGambar 9, informasi waktu proses adalah waktu
yang dibutuhkan program untuk melakukan proses pencarian jalur dalam satuan detik.
Gambar 9. Tampilan console program
standalone pada Eclipse setelah proses pencarian jalur berhasil
Ditampilkannya informasi waktu proses pencarian jalur pada console menunjukkan bahwa
program berhasil melakukan pencarian jalur tanpaadanya kesalahan sintaks atau bug yangdisebabkan oleh kesalahan penulisan skrip.
III.3. Tampilan GUI plugin analisis least-costpath
Tampilan plugin didesain mengikuti
sketsa pada Gambar 10. Plugin analisis least-cost path pada QGIS dapat diakses dengan dua cara,yaitu :
1. Dengan cara memilih menu :
Plugins Least Cost Path PATH
Generate..
2. Dengan cara meng-click icon ( ) padaToolbar
Gambar 10 merupakan ilustrasi dari kedua
cara di atas pada QGIS .
Gambar 10. Ilustrasi cara mengakses plugin analisis least-cost path pada QGIS
Gambar 11 merupakan tampilan dari GUI plugin analisis least-cost path.
Gambar 11. Graphic User Interface plugin analisis least-cost path pada QGIS
III.4. Hasil pengujian plugin pada QGIS
III.4.1. Functional testing
Ketika data masukan, parameter masukan,dan data keluaran sudah ditentukan dengan benar,
maka proses pencarian jalur dapat dimulai dengan
meng-click tombol OK ( ) pada GUI plugin (Gambar 11). Gambar 12 merupakan tampilandari indikator proses running pada QGIS .
Cara 2
8/16/2019 Jurnal Rd Akhmad Faizal P S 38258
10/12
Jurnal Geospasial Indonesia
www.jgi.ac.id | 10
Teknik Geodesi dan Geomatika
Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
Gambar 12. Tampilan pesan indikator prosesrunning pada interface QGIS
Munculnya indikator proses running seperti pada Gambar 12 menunjukkan plugin berhasil dijalankan pada QGIS .
III.4.2. Error guessing
Pesan error akan muncul pada message
bar apabila data\parameter masukan dan keluaran
yang dimasukan salah seperti yang diilustrasikan
pada Gambar 13.
Gambar 13. Tampilan pesan error pada QGIS
Pesan error ditampilkan dalam bentukmessage bar dengan level CRITICAL. Berhasilditampilkannya error message ketika terjadi
kesalahan masukan data menunjukkan bahwa plugin berhasil melakukan error handling .
III.4.3. Comparison testing
Gambar 14 merupakan ilustrasi dari tiga
sampel pada raster accumulated cost yang diuji
ketelitiannya. Masing-masing sampel pengujianterdiri dari 25 sel yang menyimpan nilai piksel
berupa nilai f yang dihitung menggunakan
persamaan 10.
Gambar 14. Tiga sampel pengujian pada raster
accumulated cost
Hasil perhitungan manual yang
dilakukan pada kegiatan aplikatif ini memiliki
nilai yang sama dengan hasil perhitungan plugin
yang diperoleh dari proses identify. Hasil
pengujian ini menunjukkan bahwa plugin berhasildibuat dengan benar sesuai algoritma yang
digunakan.
III.5. Jalur hasil eksekusi plugin analisis least- cost path
III.5.1. Struktur data jalur (path)
Gambar 15 merupakan salah satu contoh
jalur yang diperoleh beserta perbedaan detil antara
jalur dengan model raster dan vektor.
Gambar 15. Jalur hasil analisis least-cost path
(A) dan detil perbedaan jalur dengan modelraster dan vektor (B)
Jalur atau path yang disimpan dengan format shapefile memiliki tabel atribut yang menyimpan
parameter-parameter persamaan 10 pada masing-
masing edge meliputi elevasi ( H ) pada kedua node
yang dihubungkan, nilai cost (C ) pada kedua node
yang dihubungkan, kemiringan edge (Ɵ) dalam
satuan derajat, dan jarak miring edge ( D).
Id yang berperan sebagai primary key
diurutkan dari edge yang dibatasi dengan node
akhir sampai edge yang dibatasi dengan node
awal.
III.5.2. Struktur data jalur (path)
Gambar 16, 17, dan 18 merupakan
tampilan jalur trase jalan yang diperoleh dari hasil
analisis least-cost path dengan menggunakan tiga
jenis heuristik yang berbeda.
Gambar 16. Jalur (vektor) jenis Manhattan
8/16/2019 Jurnal Rd Akhmad Faizal P S 38258
11/12
Jurnal Geospasial Indonesia
www.jgi.ac.id | 11
Teknik Geodesi dan Geomatika
Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
Gambar 17. Jalur (vektor) jenis Euclidean
Gambar 18. Jalur (vektor) jenis Diagonal
Berdasarkan Gambar 16, 17, dan 18,
jalur yang terbentuk dari ketiga jenis heuristik
terlihat sama. Perbedaan di antara ketiganya dapat
terditeksi apabila dilakukan analisis symmetrical
difference. Gambar 19 merupakan lokasi-lokasi
terdeteksinya perbedaan antar jalur.
Gambar 19. Lokasi-lokasi terditeksinya
perbedaan jalur antara ketiga jenis penggunaan
heuristik
Perbedaan jalur antara ketiga
penggunaan jenis heuristik yang berbeda
disebabkan karena perbedaan persamaan yang
digunakan dalam menghitung heuristik.
III.5.3. Hasil penilaian jalur secara visual dannumeris
Berdasarkan Gambar 16, Gambar 17,
dan Gambar 18, jalur yang terbentuk dari hasilanalisis least-cost path cenderung mengikuti alur
kontur sehingga berada pada permukaan topografi
dengan kemiringan landai seperti yang
diilustrasikan pada Gambar 20.
Gambar III.20. Geometri jalur trase jalan hasil
analisis least-cost path (merah) yang mengikuti
alur garis kontur
Perbedaan antara jalur yang diperoleh
dari hasil analisis least-cost path menggunakan
tiga jenis heuristik yang berbeda juga
menghasilkan nilai satuan kriteria yang berbeda.
Tabel III.5 merupakan hasil penilaian secara
numeris yang menunjukan panjang jalur dan
jumlah penggal jalan dengan kemiringan jalur
yang lebih besar dari 25%.
Tabel III.5. Tabel hasil penilaian kriteria panjang
jalur dan kemiringan jalur
Tabel III.6 merupakan hasil penilaian
secara numeris yang menunjukan kriteria jenis
tutupan lahan yang dilalui jalur beserta jumlah
nilai dalam cost untuk masing-masing jenis
tutupan lahan.
Tabel III.6. Tabel hasil penilaian kriteria cost
jenis tutupan lahan
III.6. Halaman repository plugin analisis least-
cost path
Plugin analisis least-cost path yang
dikembangkan pada kegiatan aplikatif ini sudah
tersimpan pada QGIS python plugin repositorysehingga pengguna dapat menginstal plugin
secara daring melalui menu manage and install...
8/16/2019 Jurnal Rd Akhmad Faizal P S 38258
12/12
Jurnal Geospasial Indonesia
www.jgi.ac.id | 12
Teknik Geodesi dan Geomatika
Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
Gambar 21 merupakan tampilan dari
halaman repository plugin analisis least-cost path
pada perangkat lunak QGIS .
Gambar 21. Tampilan halaman repository plugin
pada QGIS
Gambar 22 merupakan tampilan dari
halaman repository plugin analisis least-cost path
pada www.plugins.qgis.org/plugins/LeastCostPat
hs.
Gambar 22. Tampilan halaman repository plugin
pada www.plugins.qgis.org
IV. KESIMPULAN DAN DARAN
IV.1. Kesimpulan
Berdasarkan hasil yang diperoleh darikegiatan aplikatif ini, dapat diambil beberapakesimpulan sebagai berikut :
1. Kegiatan aplikatif ini menghasilkan plugin
analisis least-cost path menggunakan algoritmaanisotropic accumulated-cost surface dan A*(A-Star) pada perangkat lunak QGIS untuk penentuan jalur trase jalan.
2. Jalur yang diperoleh dari hasil analisis least-cost path menggunakan tiga jenis heuristik yang
berbeda menunjukan hasil yang berbeda di beberapa bagian jalur trase jalan mengingat persamaan yang digunakannya berbeda.
IV.2. Saran
Dari pelaksanaan kegiatan pembuatan plugin analisis least-cost path pada QGIS , penulis
dapat memberikan beberapa saran, sebagai berikut :
1. Penentuan lokasi awal dan akhir sebaiknya
dilakukan secara on click atau tanpa harusmemasukan angka koordinat.
2. Bug yang terjadi ketika proses pencarian jalurdilakukan menggunakan data raster dengancakupan luas sebaiknya diperbaiki.
IV. Daftar pustaka
Collischon, W., and Pilar, J. V., 2000, “ A Direction
Dependent Least-Costs Path Algorithm for Roads and Canals” . International Journal of
Geographical Information Science, Vol. 14,hal. 397 – 406.
DeMers, M. N., 2002, GIS Modeling in Raster . JohnWiley & Sons, Inc, New York, USA.
Direktorat Jendral Bina Marga, 1997. Tata Cara Peraturan Perencanaan Geometrik Jalan
Antar Kota No.038/1997 , Penerbit DirektoratJendral Bina Marga, Departemen PekerjaanUmum.
Douglas, D. H., 1994, “ Least-Cost Path in GIS Using An Accumulated-Cost Surface and Slope Lines”. Cartographica, Vol. 31, hal. 37– 51.
Kagstrom, S., 2006, Shortest Paths, A* and Bresenham's Algorithm, Department of
Systems and Software Engineering, BlekingeInstitute of Technology, Ronneby, Sweden.
Lawhead, Joel., 2013 , Learning Geospatial AnalysisWith Python, Packt Publishing Ltd,Birmingham, UK.
Morlok, E.K., 1988, Pengantar Teknik dan Perencanaan Transportasi, Erlangga, Jakarta.
Soegiharto, 1989, “ Peranan Peta Ortofoto Untuk Pemilihan Trase Jalan”. Media Teknik,
No.ISSN 0216 – 3012.
WG26 Team, 2013, “ISO/IEC/IEEE 29119 : SoftwareTesting ”, http://softwaretestingstandard.org/
Diakses pada: 29 Desember 2015.
Wibowo S. Sony dkk, 2000, Pengantar Rekayasa Jalan, Sub Jurusan Rekayasa Transportasi,
Jurusan Teknik Sipil Institut TeknologiBandung, Bandung.
Yu C., Lee J., and Munro-Stasiuk M J., 2003,
“Extensions to Least-Cost Path Algorithms ForRoadway Planning”, International Journal ofGeographical Information Science, Vol. 17, No. 4, hal. 361 – 376.
http://www.plugins.qgis.org/plugins/LeastCostPathttp://www.plugins.qgis.org/plugins/LeastCostPathttp://www.plugins.qgis.org/plugins/LeastCostPathttp://www.plugins.qgis.org/http://www.plugins.qgis.org/http://www.plugins.qgis.org/http://www.plugins.qgis.org/plugins/LeastCostPat