Pre-Analysis

Rabu, 12 September ‘07. Setelah 2,5 bulan nggak menghadap Dr. Ahmad, akhirnya hari ini bisa juga saya menghadap beliau dengan membawa kemajuan tesis yg cukup berarti. Mestinya saya dah menghadap beliau awal Agustus lalu, tapi kemaren² saya emang stuck di masalah menentukan point dari area. Selain itu, 2 minggu sebelum libur saya sibuk belajar untuk ujian GIS dan menyelesaikan assignment².

Dr. Noordin menyarankan saya menggunakan MCA untuk mencari potential site. But, dari MCA tsb, hasil yg diperoleh berupa land suitability (area). Sementara yg saya perlukan adalah exact location (point), yg merupakan kandidat lokasi untuk new fire stations. Berhari-hari saya memikirkan cara, gimana menentukan point dari area tsb. Berbagai tehnik dan metode terlintas dalam benak saya. Sempat terpikir menggunakan graph theory, tapi setelah diutak-atik, sepertinya terlalu rumit. Sempat juga terpikir membagi study area into equal size dengan metode point cluster. Udah nemu satu algoritma untuk clustering point yg kelihatannya sesuai, yaitu K-Mean cluster, tapi ternyata algoritma itu nggak cocok dipake buat point² yg continuous.

Baru belakangan kepikir menggunakan geostatistik. Dalam geostatistik, untuk menganalisis pola sebaran point², ada suatu tehnik yg namanya Quadrat analysis. Ini ada dalam ujian akhir kemaren nih, konsep Quadrat analysis itu adalah menghitung berapa banyak quadrat yg terisi oleh point², dan berapa jumlah point dalam masing² quadrat. Kalau hanya sedikit quadrat yg terisi oleh point, atau kalau ada beberapa quadrat yg mengandung banyak sekali point, sementara quadrat² lainnya banyak yg kosong, maka bisa disimpulkan bahwa sebaran point² tsb adalah clustered. Sebaliknya kalo jumlah quadrat yg terisi oleh point cukup banyak, dan jumlah point dalam quadrat² tsb juga relatif sama, maka bisa disimpulkan bahwa sebaran point² tsb adalah scattered.

Sekarang, kasus saya, saya ingin menempatkan point² yg tersebar merata di seluruh study area. Terinspirasi dari Quadrat analysis ini, maka untuk membuat point² tsb tersebar merata di seluruh study area, saya pun menggunakan quadrat untuk membagi study area into equal size, dan menempatkan point dengan jumlah yg sama, dalam setiap quadrat. Point² tsb akan diambil dari point yg memiliki nilai potentiality maksimum dalam quadrat yg bersangkutan.

Quadrat, digunakan untuk membagi study area into equal size. Waktu menggambar quadrat² tsb dan menggeser-geser posisinya sedemikian rupa sehingga best-fitted dengan bentuk study area, saya ngelihat kok sepertinya banyak quadrat yg hanya terisi sedikit oleh study area tsb, sehingga menyebabkan output point² yg dihasilkan terlalu ke pinggir. Lalu saya terpikir bentuk lain. Untuk tessellation, selain quadrat ada beberapa bentuk geometri lain yg bisa kita gunakan, yaitu triangle dan hexagon. Hanya bentuk² ini lah yg tidak menyisakan spaces. Saya pikir, hexagon lebih sempurna daripada quadrat sebab lebih menyerupai bentuk circle. Kenapa saya peduli soal itu? Karena quadrat atau hexagon yg saya gunakan itu merepresentasi service area dari sebuah fire station yg dihitung menggunakan radius. Jadi, service area tsb sebenarnya berbentuk circle. Cuman aja, circle nggak bisa digunakan untuk tessellation, karena menyisakan spaces.

Bentuk hexagon relatif lebih fleksibel daripada quadrat. Jarak centroid sebuah quadrat dengan centroid di quadrat sekitarnya nggak selalu sama, di quadrat sebelah diagonal pasti lebih panjang. Sementara jarak centroid sebuah hexagon dengan centroid di keenam hexagon² tetangganya selalu sama. Akhirnya, saya pun coba menggambar hexagon untuk membagi study area into equal size. Kalau menggunakan quadrat saya memerlukan 23 quadrat untuk melingkupi seluruh study area, maka dengan hexagon yg luasnya sama dengan luas quadrat, saya cuma memerlukan 19 hexagon saja.

Kemaren saya membuat hexagon yg luasnya ditentukan dari average service area dari existing fire stations di Jaksel. Tapi sekarang saya terpikir untuk membuatnya lebih kecil, supaya lebih fleksibel sehingga lebih mudah di-fit-kan dengan bentuk study area, dan supaya lebih banyak alternatif lokasi yg dihasilkan juga. Kayaknya 2/3 dari luas sebelumnya oke juga.

Saat mencari satu point dalam hexagon yg memiliki nilai maksimum, saya mendapati ada beberapa point yg terlalu dekat dengan existing fire station, juga ada point yg terlalu dekat dengan point di hexagon tetangganya. Maka muncul kebutuhan untuk menambah 2 kriteria baru, yaitu remoteness to existing fire stations dan proximity to the center of hexagons. Makin jauh jarak dari existing fire station, makin bagus. Sebaliknya, makin dekat jarak ke center hexagon, makin bagus. Semula saya bikin dua kriteria ini punya bobot yg sama dalam mempengaruhi penilaian land potentiality. Tapi kemudian muncul masalah baru. Pada kasus dimana lokasi existing fire station berada di satu cell dengan center hexagon, maka jika nilai suitability lahannya juga sama, nilai cell² yg menjauh dari cell yg mengandung fire station dan center hexagon tsb semuanya sama. Tentu ini menyulitkan dalam mencari the best point. Maka saya berkesimpulan bahwa saya harus membuat prioritas antara kedua kriteria tsb, mana yg dirasa lebih penting, meskipun selisih bobotnya hanya sedikit saja, yg penting jangan sama. Akhirnya, saya putuskan bahwa lokasi sebuah point jauh dari existing fire station lebih preferred daripada lokasi point tsb dekat dengan center hexagon. Nggak deket dengan center hexagon nggak terlalu masalah, selama ia juga nggak terlalu deket dengan point di hexagon tetangga.

Terus terang, dalam mengerjakan tesis ini, saya rasakan, banyak sekali parameter yg mempengaruhi output. Mulai dari bobot yg ditetapkan untuk masing² kriteria, bentuk geometri untuk tessellation, cell size yg digunakan untuk data raster dalam spatial analysis, sampai tehnik generalisasi cell untuk menentukan nilai cell output. Beda parameter setting, beda pula output point² yg dihasilkan. Berkali-kali saya melakukan trial and error, mengubah-ubah nilai parameter untuk mencari mana yg memberikan output paling memuaskan. Sebab output point² ini lah yg akan menjadi input optimization model untuk mencari 17 point terbaik yg akan memberikan coverage area paling maksimum. Kalau output point² ini tidak dipilih benar², hasil dari optimization model itu juga nggak bisa diharapkan keoptimalannya.

Saya ungkapkan yg saya rasakan ini ke Dr. Ahmad. Ternyata kata beliau, justru proses trial and error yg saya lakukan itu bagus dimasukkan dalam research. Bagus kalau saya bisa menjelaskan, misalnya, kenapa saya milih bentuk hexagon untuk membagi study area, bukan quadrat atau triangle, gimana hasilnya kalo saya menggunakan quadrat atau triangle, buktikan bahwa hexagon itu adalah bentuk yg paling cocok. Atau kenapa saya memilih cell size 200 m, bukan 300 m atau 100 m, apa yg terjadi kalau cellnya diset 100 m atau 300 m, buktikan bahwa 200 m itu the best choice dengan membandingkan output yg diperoleh jika menggunakan cell size lain. Sebab dalam research, kata Dr. Ahmad, orang pengen memastikan bahwa kita melakukan banyak eksperimen. Kalau kita cuma pake satu tehnik aja, berat bagi kita untuk mempertanggungjawabkan seandainya nanti ditanya, kenapa kita pilih tehnik itu.

Secara umum, Dr. Ahmad oke dengan hasil kerjaan saya. Dia bilang research saya bagus, dan ide saya menggunakan geostatistik untuk menentukan point itu juga acceptable. Hanya saja untuk weightage di MCA, saya perlu memberikan argumen yg kuat mengenai angka pembobotan yg saya tetapkan untuk setiap kriteria, nggak bisa cuma dari judgment pribadi aja, saya mesti memperhitungkan pendapat para expert juga. Dr. Ahmad juga bilang, sekarang saya dah bisa bikin 3 paper dari hasil research saya tsb. Satu paper membahas framework, satu membahas tehnik, satu lagi membahas result. Dia kayaknya semangat banget memberdayakan saya untuk memproduksi paper, hehe… Tapi nggak apa-apa, saya juga emang kepengen nulis paper, kok. Kemaren² saya “nyuekin” himbauan dia untuk bikin paper kan karena emang belum ada bahan yg bisa ditulis. Nah, sekarang bahannya udah ada, apalagi yg menghalangi?

Yang saya kerjakan ini belum selesai. Saya masih harus membuat optimization model. Saya berencana membuatnya dengan Perl dan PostgreSQL, dan saya janji ke Dr. Ahmad akan menyelesaikannya dalam waktu seminggu. Mudah-mudahan bisa terlaksana.

Comments are closed.