Jurnal Rd Akhmad Faizal P S 38258

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 costpath 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]


2/12


www.jgi.ac.id | 2




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 .


3/12


www.jgi.ac.id | 3




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)


4/12


www.jgi.ac.id | 4




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.


5/12


www.jgi.ac.id | 5




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/


6/12


www.jgi.ac.id | 6




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


7/12


www.jgi.ac.id | 7




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


8/12


www.jgi.ac.id | 8




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).


9/12


www.jgi.ac.id | 9




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


10/12


www.jgi.ac.id | 10




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


11/12


www.jgi.ac.id | 11




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...


12/12


www.jgi.ac.id | 12




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

Jurnal Rd Akhmad Faizal P S 38258

Documents