Pembangunan Framework untuk Deteksi Perubahan dan Irisan Wilayah pada Data Spatiotemporal

PEMBANGUNAN FRAMEWORK UNTUK DETEKSI PERUBAHAN
DAN IRISAN WILAYAH PADA DATA SPATIOTEMPORAL

FAHRUL IRIANTO

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013

PEMBANGUNAN FRAMEWORK UNTUK DETEKSI PERUBAHAN
DAN IRISAN WILAYAH PADA DATA SPATIOTEMPORAL

FAHRUL IRIANTO

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer pada
Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013

ABSTRACT
FAHRUL IRIANTO. Framework Development for Change Detection and Intersection on
Spatiotemporal Data. Supervised by ANNISA.
Spatial data changes that occur at any time can provide information in the form of objects
which are subject to changes. Change of the objects proficiency level can be analyzed using the
spatiotemporal query. Spatiotemporal query requires spatial operator design and temporal operator
design rely heavily on the data, so that when used on different data will lead to changes in the
variables of these operators without the semantic changes. Therefore, it takes spatiotemporal
operator functions which are not dependent on the data. This study implements spatiotemporal
operator functions into a framework. Framework is very useful to facilitate developers in the
expansion and maintenance. In designing a framework, it takes some special parameters in order to
make the framework goes well. The parameters used in the design are the object id, object name,
object time, object area, centroid, and object geometry. In addition, spatiotemporal data are
needed in the form of data sets per time in order to use this framework. This study has

implemented spatiotemporal operator functions into a framework, but for different data further
research are still required.
Keyword: spatiotemporal framework, spatiotemporal, framework.

Penguji :
1. Imas Sukaesih Sitanggang, S.Si, M.Kom
2. Hari Agung Adrianto, S.Kom, M.Si

Judul Skripsi : Pembangunan Framework untuk Deteksi Perubahan dan Irisan Wilayah pada Data
Spatiotemporal
Nama
: Fahrul Irianto
NRP
: G64080084

Menyetujui:
Pembimbing

Annisa, S.Kom, M.Kom
NIP.19790731 200501 2 002

Mengetahui:
Ketua Departemen Ilmu Komputer

Dr. Ir. Agus Buono, M.Si, M.Kom
NIP. 19660702 199302 1 001

Tanggal Lulus :

KATA PENGANTAR
Puji dan syukur penulis panjatkan ke hadirat Allah Subhanahu wa Ta’ala yang telah
memberikan rahmat-Nya sehingga penulis dapat menyelesaikan tugas akhir yang berjudul
Pembangunan Framework untuk Deteksi dan Irisan Wilayah pada Data Spatiotemporal dengan
lancar dan baik. Penulis juga menyampaikan terima kasih kepada seluruh pihak yang telah
berperan dalam penelitian ini, yaitu:
1
Ayahanda Panji Purwono, Ibunda Budhi Rusdwiyanti, Putri Dwi Astuti, dan Marsha
Fransisca Andriasmi atas doa, kasih sayang, dukungan, serta motivasi kepada penulis untuk
penyelesaian penelitian ini.
2

Ibu Annisa, S.Kom, M.Kom, selaku dosen pembimbing yang telah memberi banyak ide,
saran, bantuan, serta dukungan sampai selesainya penelitian ini.

3

Ibu Imas Sukaesih Sitanggang, S.Si, M.Kom, dan Bapak Hari Agung Adrianto, S.Kom,
M.Si, selaku penguji yang telah memberi banyak masukan terhadap tugas akhir yang saya
kerjakan.

4

Rekan-rekan satu bimbingan Ulfa Khaira, Muti Relegi, Norma Agustina, Stefanus Eko
Susanto, dan Hutomo Triasmoro, terima kasih atas bantuan dan dukungannya.

5

Kakak Dhieka Avrilia Lantana, kakak Fani Wulandari, Kristian Edo Zulfamy, Hafiz
Furqonul Aziz, dan Shanty Nathalia Margaretha terima kasih atas saran, bantuan, serta
dukungan hingga sampai selesainya penelitian ini.

6

Sahabat-sahabat terbaik penulis Ivan Taufik, Misran, Virza Maradhika, Wina Novila,
Inessya Feronica, Anggi Maniur Hutasoit, Mudita Natania, Ryanda Rachmad, dan Dinie
Dianita Bakrie yang telah menemani hari-hari penulis sejak menjadi mahasiswa.

7

Rekan-rekan seperjuangan di Ilmu Komputer IPB angkatan 45 atas segala kebersamaan,
bantuan, dukungan, serta kenangan bagi penulis selama menjalani masa studi.

Penulis berharap penelitian ini dapat memberikan manfaat bagi semua pihak yang
membutuhkan.

Bogor, Maret 2013

Fahrul Irianto

RIWAYAT HIDUP

Penulis dilahirkan pada tanggal 21 Maret 1990 di Jakarta Selatan. Penulis merupakan anak
pertama dari dua bersaudara dari pasangan Panji Purwono dan Budhi Rusdwiyanti. Pada tahun
2008, penulis lulus dari SMA Negeri 113 Jakarta Timur. Pada tahun yang sama, penulis lulus
seleksi masuk IPB melalui jalur Undangan Seleksi Masuk IPB (USMI) dan diterima sebagai
mahasiswa pada Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam.
Selama aktif menjadi mahasiswa, penulis menjadi salah satu anggota Koperasi Mahasiswa
pada tahun 2009. Penulis juga menjadi pengurus Himpunan Mahasiswa Ilmu Komputer
(Himalkom) pada tahun 2010. Pada tahun 2011, penulis melaksanakan Praktik Kerja Lapangan
(PKL) di Bagian Sistem Informasi Geografi, Balai Pengelolaan Daerah Aliran Sungai Cimauk Citanduy.

DAFTAR ISI
Halaman
DAFTAR TABEL ............................................................................................................................ vi
DAFTAR GAMBAR ....................................................................................................................... vi
DAFTAR LAMPIRAN .................................................................................................................... vi
PENDAHULUAN............................................................................................................................. 1
Latar Belakang............................................................................................................................. 1
Tujuan Penelitian ......................................................................................................................... 1
Manfaat Penelitian ....................................................................................................................... 1
Ruang Lingkup ............................................................................................................................ 1

TINJAUAN PUSTAKA .................................................................................................................... 1
Data Spatiotemporal .................................................................................................................... 1
Framework MVC ......................................................................................................................... 2
Spatiotemporal Framework ......................................................................................................... 2
Object-Oriented Programming .................................................................................................... 3
Spatial Query ............................................................................................................................... 3
Perubahan Data Spatiotemporal .................................................................................................. 3
METODE PENELITIAN .................................................................................................................. 4
Studi Pustaka ............................................................................................................................... 4
Analisis Data ............................................................................................................................... 4
Perancangan Framework ............................................................................................................. 5
Perancangan Fungsi Tracking...................................................................................................... 5
Perancangan Fungsi Intersection ................................................................................................. 6
Implementasi (Coding) ................................................................................................................ 6
Pengujian ..................................................................................................................................... 6
Perangkat Keras dan Perangkat Lunak ........................................................................................ 7
HASIL DAN PEMBAHASAN ......................................................................................................... 7
Studi Pustaka ............................................................................................................................... 7
Analisis Data ............................................................................................................................... 7
Perancangan Framework ............................................................................................................. 8

Perancangan Fungsi Tracking...................................................................................................... 9
Perancangan Fungsi Intersection ............................................................................................... 10
Pengujian ................................................................................................................................... 10
Penggunaan Framework ............................................................................................................ 11
KESIMPULAN DAN SARAN ....................................................................................................... 11
Kesimpulan ................................................................................................................................ 11
Saran .......................................................................................................................................... 11
DAFTAR PUSTAKA ..................................................................................................................... 11
LAMPIRAN .................................................................................................................................... 13

v

DAFTAR TABEL
Halaman
1 Atribut sebelum dilakukan praprocess. .......................................................................................... 8
2 Atribut yang telah dilakukan praprocess. ...................................................................................... 8
3 Perubahan id objek kebun campuran. ............................................................................................. 9

DAFTAR GAMBAR
Halaman

1 Model data vektor (a) point, (b) line, (c) polygon. ....................................................................... 1
2 Model data raster. ......................................................................................................................... 2
3 Perubahan data spatiotemporal. ................................................................................................... 2
4 Model framework MVC (Model-View-Controller) (Gupta et al. 2010). ...................................... 2
5 Komponen data spatiotemporal (Mennis et al. 2000). ................................................................. 3
6 Ilustrasi dua relasi antara join dan spatial join. ............................................................................ 3
7 Tahapan penelitian. ...................................................................................................................... 4
8 Perancangan framework MVC. .................................................................................................... 5
9 Tracking kondisi satu. .................................................................................................................. 6
10 Tracking kondisi dua. ................................................................................................................... 6
11 Tracking kondisi tiga. ................................................................................................................... 6
12 Tracking kondisi empat. ............................................................................................................... 6
13 Tracking kondisi lima................................................................................................................... 6
14 Guna lahan tahun 1994. ................................................................................................................ 7
15 Guna lahan tahun 2001. ................................................................................................................ 7
16 Objek mengalami split ............................................................................................................... 10
17 Input data tracking ..................................................................................................................... 10
18 Hasil dari proses tracking ........................................................................................................... 10
19 Input data fungsi intersection ..................................................................................................... 11
20 Dataset spatiotemporal .............................................................................................................. 11

DAFTAR LAMPIRAN
Halaman
1 Data guna lahan tahun 1994 ......................................................................................................... 14
2 Penjelasan atribut tabel gun lahan, ............................................................................................... 16

vi

1

PENDAHULUAN
Latar Belakang
Data Spatiotemporal merupakan data
spasial yang mengalami perubahan setiap
waktunya. Perubahan data spasial dalam suatu
rentang waktu dapat memberikan analisis
berupa objek-objek yang mengalami evolusi.
Analisis data spatiotemporal memerlukan
perancangan operator spasial dan operator
temporal. Penelitian Sheftian (2011) telah

melakukan implementasi operator spasial
pada sistem informasi geografis dengan studi
kasus wilayah kota Bogor. Namun, pada
umumnya,
perancangan
operator
spatiotemporal sangat bergantung pada data.
Akibatnya, penggunaan data yang berbeda
memerlukan adanya perubahan variabel dari
operator-operator tersebut tanpa mengubah
semantiknya.
Penelitian Rao et al. (2011) telah
mendefinisikan empat model algoritme untuk
menganalisis data yang bersifat spatiotemporal, yaitu berupa algoritme tracking,
menemukan intersection antara dua objek,
algoritme mining spatiotemporal, dan
algoritme preprocess. Keempat algoritme ini
dapat dikembangkan untuk membentuk
sebuah framework yang berisi template dari
fungsi-fungsi
analisis
spatiotemporal.
Framework berguna agar memudahkan user
atau peneliti lain dalam membuat sistem
analisis spatiotemporal. Selain itu framework
ini
diharapkan
dapat
memudahkan
pengembang dalam melakukan perluasan dan
perawatan sistem.
Penelitian ini akan mengimplementasikan
model algoritme ke dalam bentuk framework.
Model algoritme yang digunakan dalam
pembuatan fungsi, yaitu algoritme deteksi
perubahan pada suatu wilayah (tracking) dan
algoritme menemukan dua buah objek yang
mengalami irisan (intersection). Untuk
membangun framework digunakan metode
berupa framework MVC (Model, View,
Controller). Framework MVC digunakan
karena memiliki kemudahan dalam membagi
pekerjaan ke dalam beberapa bagian, yaitu
bagian data (model), bagian tampilan (view),
dan bagian proses (controller). Pemisahan ini
mempemudah pengembang dalam melakukan
perluasan dan perawatan sistem.
Tujuan Penelitian
Tujuan dari penelitian ini adalah :

1
2

Membangun framework untuk operator
query spatiotemporal.
Mengimplementasikan
algoritme
tracking, dan algoritme pendeteksi
intersection ke dalam sebuah framework.

Manfaat Penelitian
1

2

Penelitian ini diharapkan dapat membantu
peneliti lain dalam membangun sistem
analisis spatiotemporal.
Penelitian ini diharapkan dapat membantu
peneliti lain dalam mengembangkan
sebuah framework.

Ruang Lingkup
Ruang lingkup penelitian ini adalah
mengimplementasikan dua algoritme dari
empat algoritme yang diberikan pada
penelitian Rao et al. (2011) ke dalam sebuah
framework. Algoritme yang digunakan adalah
algoritme tracking dan algoritme pendeteksi
intersection.

TINJAUAN PUSTAKA
Data Spatiotemporal
Data spatiotemporal adalah gabungan dari
data spasial dan data temporal. Data spasial
merupakan data yang berhubungan dengan
ruang (space) dan biasanya untuk mengelola
data geografis yang memiliki referensi
kebumian (Guting 1994). Model data spasial
dapat berupa vektor atau pun raster. Gambar 1
menunjukkan model vektor yang dibagi ke
dalam tiga jenis, yaitu model polygon, line
dan point, sedangkan Gambar 2 menunjukkan
model raster. Model polygon untuk
merepresentasikan wilayah atau area misalnya
tanah, propinsi, danau, dan sebagainya. Model
line digunakan untuk merepresentasikan
sungai atau jalan, sedangkan model point
digunakan untuk merepresentasikan suatu
objek seperti pusat kota. Model data raster
yaitu menampilkan data spasial ke dalam
bentuk matrik–matrik yang telah berbentuk
grid secara continue. Objek spasial yang
terdiri atas kumpulan piksel-piksel dapat
disebut dataset.

(a)

(b)

(c)

Gambar 1 Model data vektor (a) point,
(b) line, (c) polygon.

1

2

Gambar 2 Model data raster.
Data temporal adalah data yang
berhubungan dengan waktu. Pada data
temporal terdapat dua aspek waktu yang dapat
digunakan yakni valid time dan transaction
time. Valid time merupakan waktu kejadian
yang merujuk kepada waktu kejadian
sebenarnya pada dunia nyata (Jensen 1999),
sedangkan transaction time adalah waktu
penyimpanan kejadian dalam database
(Jensen 1999).

MVC (Model-View-Controller) adalah
sebuah design pattern yang dibangun dengan
membuat tiga bagian komponen utama yang
dimana pada setiap bagian komponen tersebut
memiliki fungsinya masing-masing (Gupta et
al. 2010). Gambar 4 merupakan design
pattern bentuk MVC yang dimana terdapat
tiga bagian, yaitu controller servlet, Java
Beans, dan View JSP. Controller servlet
merupakan bagian controller yang bertugas
memproses permintaan dari user, Java Beans
merupakan bagian model yang bertugas untuk
memanipulasi database, sedangkan View JSP
merupakan bagian view yang bertugas
menampilkan user interface kepada user.
Keuntungan
dari
menggunakan
framework MVC yaitu dapat memisahkan
fungsi ke dalam beberapa modul sehingga bila
terjadi perubahan pada suatu sistem maka
hanya mengubah bagian komponen yang
bersangkutan dengan sistem tersebut.

Data spatiotemporal dimaksudkan untuk
menangani aplikasi di dunia nyata yang
mengalami perubahan spasial setiap waktunya
(Peleksi et al 2005). Gambar 3 menunjukkan
perubahan objek spasial dari tahun 1994
sampai tahun 2001. Data spatiotemporal akan
mengalamai perubahan dari waktu ke waktu
hingga waktu ke-n. Nilai n adalah akhir dari
segala proses (Rahim 2006).

Gambar 4 Model framework MVC (ModelView-Controller) (Gupta et al.
2010).
1994

2001

Gambar 3 Perubahan data spatiotemporal.
Framework MVC
Framework MVC merupakan sebuah
framework yang mempunyai design pattern
berupa
MVC
(Model-View-Controller).
Framework sendiri merupakan kerangka kerja
yang berisi sekumpulan kode library yang
dibuat untuk memfasilitasi pengembangan
sistem aplikasi dengan membuat bagianbagian fungsi atau abstrak dari suatu bahasa
pemrograman. Framework dapat meningkatkan produktifitas kinerja dari suatu software
dan membuat programmer lebih efisien dalam
membuat software (Riehle 2000).

Spatiotemporal Framework
Spatiotemporal Framework dirancang
untuk
mempermudah
manusia
dalam
menganalisis
data
spatiotemporal.
Perancangan spatio-temporal framework ini
memerlukan beberapa komponen yang
mendasari terbentuknya atribut spatiotemporal. Tujuan dari adanya spatiotemporal
framework ini adalah memberikan suatu
fungsi spatiotemporal berupa template yang
dapat memudahkan user dalam membuat
sistem analisis spatiotemporal.
Data spatiotemporal memiliki atributatribut yang terlibat berdasarkan fenomena
yang terjadi pada data spatiotemporal. Atribut
tersebut berupa theme, location, time, dan
object. Theme, location, dan time merupakan
bagian data komponen, sedangkan object
2

3

merupakan bagian komponen yang memiliki
knowledge (Mennis et al. 2000). Gambar 5
merupakan contoh dari pyramid framework
yang merepresentasikan ruang kebumian
dimana keterkaitan ketiga atribut berupa
location, theme, dan time dapat memberikan
sebuah objek yang memiliki knowledge.

Nama

Pekerjaan

Lokasi

Spatial
Join

Join
Nama

Alamat

Lokasi

Gambar 6 Ilustrasi dua relasi antara join dan
spatial join.
Kueri pada data spasial menggunakan
kueri yang berhubungan dengan tipe data
spasial berupa point, line, atau data poligon
yang membentuk data spasial. Kueri spasial
memiliki beberapa operasi spasial yang di
antaranya yaitu:
1
Gambar 5 Komponen data spatiotemporal
(Mennis et al. 2000).
Object-Oriented Programming
Object-oriented programming merupakan
suatu konsep paradigma pemrograman dimana
data atau fungsi-fungsi dibuat ke dalam suatu
objek atau kelas-kelas (Capretz 2003). Setiap
objek nantinya dapat berinteraksi dengan
objek lainnya. Perbedaan antara objectoriented programming dengan structural
programming adalah pada saat melakukan
pemrograman.
Structural
programming
memiliki fungsi dan data menjadi satu
kesatuan,
sedangkan
object-oriented
programming membagi fungsi ke dalam
kelas-kelas atau objek-objek. Object-oriented
programming
mempunyai
keuntungan
dibandingkan structural programming, yaitu
dapat
memberikan kemudahan dalam
mengubah program bila terjadi maintenance.
Hal
ini
dikarenakan
object-oriented
programming membagi fungsi ke dalam
kelas-kelas atau objek-objek.
Spatial Query
Spatial query merupakan suatu ekspresi
untuk melakukan pencarian informasi berupa
lokasi atau wilayah tertentu yang memiliki
atribut berupa tipe data spasial (Shekhar dan
Chawla 2003). Perbedaan kueri spasial
dengan kueri relasional terletak pada
penggunaan fungsinya. Gambar 6 merupakan
contoh perbedaan antara kueri relasional
dengan kueri spasial.

2

3

4

Update operation: operasi ini merupakan
operasi standar seperti memodifikasi,
membuat, dan seterusnya.
Selection operation: operasi memiliki dua
tipe, yaitu point query dan regional
query. Point query digunakan untuk
mencari objek berbentuk point pada data
spasial. Regional query digunakan untuk
mencari objek spasial berupa point yang
mengalami irisan dengan objek berbentuk
poligon.
Spatial join: sama seperti operator join
pada database relasional yaitu mencari
hubungan topologi objek spasial di antara
dua tabel. Hubungan topologi di antara
dua objek di antaranya yaitu disjoint,
meet, overlap, equal, dan intersect.
Spatial aggregate: operasi ini biasanya
digunakan untuk mencari jarak terdekat
antara objek X dan objek Y. Contohnya
adalah mencari rumah sakit terdekat
dengan sekolah.

Perubahan Data Spatiotemporal
Perubahan data spatiotemporal setiap
waktunya dapat mengakibatkan berubahnya
morfologi, topologi dan atribut dari objek
spatiotemporal (Peleksi et al 2005).
Perubahan pada data spatiotemporal dapat
terbagi menjadi delapan bagian, yaitu:
1

2

Change
in
geometry,
merupakan
perubahan geometri pada objek yang
mempunyai bentuk poligon yang berbeda
dari objek yang sebelumnya.
Change
in
topology,
merupakan
perubahan topologi yang terjadi pada
objek. Contohnya adalah perubahan

3

4

3

4

5

6

7

8

penggunaan luas lahan dari sawah
menjadi perumahan.
Change
in
attribute,
merupakan
perubahan atribut yang terjadi pada objek.
Contohnya adalah perubahan luas area
pada suatu guna lahan.
No change, terjadi bila objek tidak
mengalami perubahan dari segi geometri,
topologi, maupun atribut.
Change in geometry and topology,
merupakan perubahan objek yang terjadi
pada bentuk geometri dan topologi objek.
Change in geometry and attribute,
merupakan perubahan objek yang terjadi
pada bentuk geometri dan atribut objek.
Change in topology and attribute,
merupakan perubahan yang terjadi pada
topologi dan atribut objek.
Change in topology, attribute, and
geometry, objek mengalami perubahan
dari bentuk topologi, atribut, dan
geometri.

Mulai

Analisis
Data

Perancangan
Framework

Perancangan
Fungsi
Intersection

Input
Kueri

Studi pustaka juga dapat membantu
peneliti dalam menyusun kerangka penelitian
yang berkaitan dengan topik dari masalah
yang sedang diteliti. Kerangka tersebut
nantinya dapat membantu peneliti dalam
menentukan hipotesis penelitian.

Pengujian

Hasil
Kueri

Studi Pustaka
Studi pustaka dilakukan untuk menemukan
informasi dari topik masalah yang sedang atau
akan diteliti. Informasi tersebut berupa
pencarian literatur yang di antaranya dari
internet, jurnal, buku, dan arikel yang
membahas framework spatiotemporal. Studi
kepustakaan merupakan langkah awal yang
penting dalam mencari data sekunder. Studi
kepustakaan dapat mendukung peneliti untuk
mengetahui
ilmu-ilmu
yang
sedang
berkembang.

Perancangan
Fungsi Tracking

Implementasi

METODE PENELITIAN
Metode yang dilakukan pada penelitian ini
dibagi menjadi beberapa tahap yaitu studi
pustaka,
analisis
data.
perancangan
framework, perancangan fungsi tracking dan
fungsi intersection, implementasi, dan
pengujian. Metode penelitian ditunjukkan
pada Gambar 7.

Studi
Pustaka

Gambar 7 Tahapan penelitian.
Analisis Data
Pada penelitian ini data yang digunakan
berupa data poligon guna lahan yang berada
pada wilayah Indonesia tahun 1994 dan 2001
yang didapatkan dari Departemen Ilmu Tanah,
Fakultas Pertanian, IPB. Lampiran 1
merupakan data tabel guna lahan tahun 1994
sebelum melakukan praprocessing. Pada data
yang telah didapatkan pada Lampiran 1
kemudian dilakukan praprocessing untuk
mendapatkan atribut-atribut mana saja yang
digunakan untuk memenuhi kebutuhan sistem.
Ada pun atribut-atribut yang digunakan pada
data spatiotemporal yaitu landuse, id objek,
area, geom, dan waktu. Pada Lampiran 2
merupakan penjelasan atribut pada data
spatiotemporal.

4

5

Perancangan Framework
Perancangan framework dilakukan dengan
menggunakan
konsep
Model,
View,
Controller (MVC). Gambar 8 menunjukkan
proses kerja dari framework MVC. Bagian
controller memproses data yang diminta oleh
user, dalam hal ini berupa proses algoritme
intersection dan tracking. Selanjutnya, bagian
controller mengakses bagian model untuk
mendapatkan data yang telah mengalami

proses intersection dan tracking, bagian model
hanya berisi kueri-kueri yang berhubungan
dengan database. Setelah kueri pada database
dilakukan, bagian model akan mengembalikan
hasil kueri ke bagian controller. Selanjutnya,
bagian controller akan mengakses bagian
view. Bagian ini akan menampilkan user
interface beserta hasil proses yang telah
dilakukan.

Controller
Spatiotemporal
Topology
B
R
O
W
S
E
R

Intersect()
Tracking()

Model
Spatiotemporal
Query
QueryIntersect()
QueryTracking()

Database

View (HTML)
View

Gambar 8 Perancangan framework MVC.
Perancangan Fungsi Tracking
Pada tahap ini dilakukan implementasi
algoritme tracking ke dalam sebuah fungsi,
yang nantinya fungsi tersebut dipanggil.
Algoritme tracking yang digunakan pada
penelitian ini adalah dari algoritme yang
digunakan pada penelitian Rao et al. (2011).
Algoritme ini melakukan pencarian ke dalam
suatu
dataset
spatiotemporal
dengan
memberikan input starting time dan ending
time yang berada pada sistem.
Pada proses algoritme tracking diperlukan
empat variabel untuk menentukan kasus-kasus
yang akan terjadi. Ada pun empat variabel
tersebut adalah data awal, data akhir, starting
time, dan ending time. Data awal merupakan
data pada database sewaktu pertama kali data
dibuat. Data akhir merupakan waktu terakhir
data dalam suatu database. Data dari tahun
1994 sampai dengan tahun 2001 akan
mendapatkan nilai data awal = 1994 dan data

akhir = 2001. Selanjutnya starting time
merupakan waktu awal yang ditentukan oleh
user kepada sistem dan ending time
merupakan waktu akhir yang ditentukan oleh
user pada sebuah sistem. Pada algoritme
tracking terjadi lima kondisi untuk
menjalankan proses algoritme tersebut. Lima
kondisi tersebut yaitu:
Kondisi satu:
Gambar 9 menunjukkan proses algoritme
tracking yang terjadi pada saat kondisi satu,
yaitu ketika Tmin < Obj.st < Obj.et < Tmax.
Gambar 9 Tmin menunjukkan starting time,
Tmax menunjukkan ending time, Obj.st
menunjukkan data awal, dan Obj.et
menunjukkan data akhir. Obj.st akan
memproses terus menerus hingga nilai Obj.st
sama dengan Obj.et jika pada algoritme
tracking terjadi pada kondisi satu. Proses yang
dilakukan berupa pencarian perubahan nilai
dari suatu objek setiap waktunya.

5

6

Obj.st

Obj.et

Tmin

Tmax

Kasus 1

Gambar 9 Tracking kondisi satu.
Kondisi dua:
Gambar 10 menunjukkan proses algoritme
tracking yang terjadi pada saat kondisi dua,
yaitu ketika Obj.st < Tmin < Obj.et < Tmax.
Gambar 10 menunjukkan fungsi akan
memproses dari Tmin atau waktu starting
time hingga nilai Tmin sama dengan nilai
Obj.et jika algoritme tracking terjadi pada
kondisi dua.
Obj.st

Obj.et
Tmin

Tmax

Kasus 2

Gambar 10 Tracking kondisi dua.
Kondisi tiga:
Gambar 11 menunjukkan proses algoritme
tracking yang terjadi pada saat kondisi tiga,
yaitu ketika Tmin < Obj.st < Tmax < Obj.et.
Gambar 11 menunjukkan fungsi akan
memproses Obj.st hingga nilai Obj.st sama
dengan nilai Tmax jika algoritme tracking
terjadi pada kondisi tiga.
Obj.st
Tmin

Obj.et
Tmax

Kasus 3

Gambar 11 Tracking kondisi tiga.
Kondisi empat:
Gambar 12 menunjukkan proses algoritme
tracking yang terjadi pada saat kondisi empat,
yaitu ketika Obj.st < Obj.et < Tmin < Tmax.
Gambar 12 menunjukkan jika algoritme
tracking terjadi pada kondisi empat, data yang
dicari tidak ada di dalam database.
Obj.st

Obj.et
Tmin

Tmax

Kasus 4

Gambar 12 Tracking kondisi empat.

Selanjutnya dilakukan kueri spasial untuk
mengetahui perubahan luas objek yang terjadi
pada data spatiotemporal yang memiliki nilai
geom. Kueri spasial yang digunakan untuk
mengetahui perubahan luas dari suatu objek
setiap tahunnya menggunakan operator spasial
ST_Intersect. Operator ini berfungsi untuk
mendeteksi apakah objek yang ditentukan
pada saat ini memiliki area yang sama pada
waktu sebelumnya.
Perancangan Fungsi Intersection
Pada tahap ini perancangan fungsi yang
dilakukan
tidak
jauh
beda
dengan
perancangan fungsi tracking. Perancangan
fungsi ini akan mendeteksi apakah terjadi
irisan atau tidak pada objek satu tahun
pertama dengan objek kedua tahun kedua. Jika
terjadi irisan, fungsi akan menampilkan
objek–objek yang terjadi irisan, namun jika
kedua objek tidak terjadi irisan, fungsi akan
memberikan informasi bahwa pada objek
yang ditentukan tidak terjadi irisan.
Tahap ini sebenarnya telah dilakukan pada
penelitian Sheftian (2011), yang telah
mengimplementasikan kueri intersection pada
wilayah kota Bogor untuk memilih lokasi
sekolah, pelayanan kesehatan, masjid, sentral
bisnis, wisata, dan pemerintahan. Namun pada
penelitian tersebut data yang digunakan masih
berupa data spasial. Pada perancangan ini
pertama kali waktu dan id objek ditentukan,
kemudian dilakukan proses kueri spasial.
Kueri spasial yang digunakan berupa kueri
ST_Intersect untuk mendeteksi objek–objek
yang mengalami irisan.
Implementasi (Coding)
Tahap ini merupakan tahap coding yang
menggunakan bahasa pemrograman PHP.
Tahap ini merupakan tahap pembuatan fungsi
tracking dan fungsi intersection yang
disimpan ke dalam suatu file, fungsi tersebut
nantinya dipanggil di file yang berbeda yaitu
file utama atau main file.

Kondisi lima:

Pengujian

Gambar 13 menunjukkan proses algoritme
tracking yang terjadi pada saat kondisi empat,
yaitu ketika Tmin < Tmax < Obj.st < Obj.et.
Sama halnya dengan kondisi empat, jika pada
algoritme tracking terjadi pada kondisi lima,
data yang dicari tidak ada di dalam database.

Pengujian dilakukan dengan memberikan
input kueri ke dalam sistem. Input kueri
tersebut terdiri atas nama objek, id objek,
starting time, end time. Selain itu nama objek,
id objek harus sesuai dengan objek yang
berada di data history.

Obj.st
Tmin

Tmax

Obj.et
Kasus 5

Gambar 13 Tracking kondisi lima.
6

7

Perangkat Keras dan Perangkat Lunak
Beberapa perangkat keras dan perangkat
lunak yang digunakan pada penelitian ini
yaitu:
Perangkat keras :




Processor Intel Pentium Dual Core
Memory 2 GB RAM
Mouse dan keyboard

Perangkat lunak :







Sistem operasi: Microsoft Windows 7
XAMPP 1.7
DBMS PostgreSQL
Bahasa pemrograman PHP
Notepad++
Web Browser Google Chrome

HASIL DAN PEMBAHASAN
Studi Pustaka
Studi pustaka dilakukan untuk memahami
serta mendapatkan informasi yang terkait
hubungannya dengan pembuatan fungsi
framework spatiotemporal. Pada penelitian ini
data yang didapatkan berupa data guna lahan
berupa data poligon di wilayah Indonesia
tahun 1994 dan tahun 2001. Data guna lahan
pada tahun 1994 dapat dilihat pada Gambar
14, sedangkan data pada tahun 2001 dapat
dilihat pada Gambar 15.
Ada pun atribut yang diberikan pada
Lampiran 1 berupa id, landuse, area,
perimeter, hectares, luas, dan titik x,y. Pada
tahap ini algoritme yang digunakan berupa
algoritme tracking dan algoritme intersection
yang digunakan pada penelitian Rio et al.
(2011).

Gambar 14 Guna lahan tahun 1994.

Gambar 15 Guna lahan tahun 2001.
Analisis Data
Data yang digunakan memiliki atribut id.
landuse, area, perimeter, hectares, luas, dan
titik x,y. Atribut id menunjukkan id objek dari
masing–masing nama objek sehingga setiap
nama objek yang berbeda memiliki id objek
yang berbeda pula. Selanjutnya atribut
landuse menginformasikan nama objek, ada
pun nama objek yang diberikan yaitu tegalan,
sawah, permukiman, lahan tebuka, kebun teh,
kebun campuran, hutan semak/belukar, dan
hutan lebat. Atribut area, hectares, dan
luas_m2 menunjukkan luas dari masing–
masing landuse dengan satuan yang berbeda,
sedangkan titik x,y merupakan titik centroid.
Titik
centroid
digunakan
untuk
memperlihatkan perubahan yang terjadi pada
spatiotemporal.
Data
yang
didapatkan
kemudian
dimasukan ke dalam DBMS PostgreSQL
dengan menggunakan PostGIS sehingga
mendapatkan nilai geom dan id geom.
Selanjutnya pada data yang telah dimasukan
ke PostgreSQL siap dilakukan prapocessing.
Atribut pada tabel terdiri atas gid, id, landuse,
area, perimeter, hectares, luas_m2, kode,
x_easting, y_northing, dan geom. Data harus
dipilih mana atribut yang diperlukan dan
atribut yang tidak diperlukan, dalam hal ini
atribut hectares, dan atribut luas_m2 dihapus
karena memiliki data yang sama, yaitu luas
namun dengan satuan yang berbeda.
Kemudian, atribut kode juga mengalami
penghapusan karena atribut kode hanya
merupakan singkatan dari nama objek yaitu
landuse. Data yang telah melakukan
praprocessing dapat dilihat pada Tabel 1.
Tabel 1 menunjukkan pada landuse yang
sama memiliki nilai id yang sama sehingga
menyebabkan data tidak mempunyai keunikan
7

8

untuk nilai landuse yang sama. Oleh karena
itu, dilakukan perubahan pada nilai atribut id
yang memiliki nilai landuse yang sama
sehingga untuk setiap landuse yang sama
memiliki id yang berbeda. Data yang
dihasilkan diberikan pada Tabel 2.
Tabel 2 telah menunjukkan keunikan dari
masing-masing data dengan memiliki dua
primary key. Primary key pada Tabel 2 yakni
berupa atribut id dan atribut landuse. Atribut
id digunakan untuk memberikan nilai ciri dari
setiap nama landuse yang sama, sedangkan

atribut landuse digunakan untuk menentukan
nama lahan dari suatu objek data spasial.
Setelah data yang diproses seperti pada
Tabel 2 maka proses selanjutnya yaitu
melakukan
perancangan
framework.
Perancangan framework dilakukan dengan
membuat sebuah fungsi-fungsi yang nantinya
fungsi tersebut dapat digunakan pada data
spatiotemporal
yang
berbeda.
Dalam
perancangan framework terdapat dua fungsi
yang digunakan, yaitu fungsi deteksi
perubahan luas area dan fungsi deteksi irisan
pada dua objek data spatiotemporal.

Tabel 1 Atribut sebelum dilakukan praprocess.
gid
1
2
3
4
5

id
1
1
2
2
3

landuse
HSB
HSB
PK
PK
HL

area
78730
200417
62291
91167
205670

Perimeter
1047
2093
916
1095
3540

X
72055
718578
711982
716119
712781

Y
9260423
9261209
9260202
9258701
9256361

Geom
0106..
0106..
0106..
0106..
0106..

Tabel 2 Atribut yang telah dilakukan praprocess.
gid
1
2
3
4
5

id
1
2
1
2
1

landuse
HSB
HSB
PK
PK
HL

area
78730
200417
62291
91167
205670

Perimeter
1047
2093
916
1095
3540

Perancangan Framework
Pada tahap ini dilakukan perancangan
framework dengan menggunakan konsep
MVC. Pada konsep ini terdiri atas tiga bagian,
yaitu bagian model, bagian view dan bagian
controller. Bagian berikut adalah contoh kode
program pada bagian controller yang dimana
berfungsi sebagai penghubung antara bagian
view dengan bagian model:
class Controller {
public $load;
public $model;
function __construct()
{
$this->load = new Load();
$this->model=new Model();
}
Variabel load menunjukkan penghubung
untuk bagian view sedangkan variabel model
menunjukkan penghubung untuk bagian
model. Bagian controller juga berisi fungsifungsi untuk menangani permintaan dari
bagian view. Bagian fungsi berikut merupakan

X
72055
718578
711982
716119
712781

Y
9260423
9261209
9260202
9258701
9256361

Geom
0106..
0106..
0106..
0106..
0106..

contoh kode program fungsi tracking pada
data yang dimasukan melalui bagian view:
function
tracking($object_name,
$object
_id,
$start_time,
$end_time) {
include('data.php');
if(($t[0]>=$start_time)and($
t[0]=$start_time)
and
($t[1]
tracking_data
($object[$i],$object[$a],
$object_name,$object_id,
$number,$t[$a]);
}
Bagian model menampilkan kueri-kueri
yang berhubungan dengan database. Pada
bagian model ini terdapat fungsi yang
digunakan untuk mengakses koneksi ke
database. Setelah melakukan koneksi pada
database, maka akan dilakukan kueri untuk
mendapatkan data yang mengalami intersect
dan proses tracking. Bagian berikut
merupakan contoh kode program yang
menunjukkan kueri tracking data, yang
bertujuan mendapatkan perubahan area dari
setiap objek:
pg_query($this->dbconn,
"SELECT a.id, a.landuse,
a.area, b.id, b.landuse,
b.area FROM $object1 a INNER
JOIN $object2 b ON
ST_Intersects
(a.geom,b.geom)
WHERE
a.landuse=$object_name'
AND a.id = '$object_id' AND
b.landuse= '$object_name'");
Kueri tersebut akan menampilkan atribut
id dan atribut landuse dari tabel tahun
pertama dan tahun berikutnya. Kemudian
pada
kedua
tabel
dilakukan
fungsi
ST_Intersect. Fungsi tersebut digunakan untuk
mengidentifikasi apakah objek saat ini
memiliki kesamaan pada objek sebelumnya.
Bagian view hanya menampilkan kodekode program untuk bagian tampilan. Selain
itu bagian view juga memberikan input untuk
memanggil bagian controller. Bagian berikut
menunjukkan proses pemanggilan class
controller dengan memanggil fungsi tracking
dan chance detection pada bagian controller:
$insert = new Controller();
$insert>tracking($object_nam
e,$object_id, $start_time,
$end_time);
$insert>chance_detection
($object_name, $object_id,
$start_time, $end_time);
Perancangan Fungsi Tracking
Perancangan fungsi tracking dilakukan
dengan memproses dataset pada range waktu

yang diberikan input dari user. Tabel 3
merupakan contoh output yang dihasilkan
dengan menggunakan fungsi tracking.
Perancangan fungsi tracking ini dapat
menentukan
perubahan
objek
setiap
waktunya.
Tabel 3 Perubahan id objek kebun campuran.

1
2
3
4

Area m2
1994
342357
908531
68233
2147392

5
6
7

1277549
2574123
6540205

8

2005723

Id 1994

Id 2001
6
4
6
1
7
13
11
10
14
5
12

Area m2
2001
623370
962993
623370
117264
431356
1826485
4656161
850142
431730
582935
304870

Pada Tabel 3 dapat dilihat perubahan
perubahan id objek beserta luas areanya pada
daerah kebun campuran. Objek id 2 yang
memiliki area 908 531 meter persegi pada
tahun 1994 berubah menjadi objek id 4
dengan luas area 962 993 meter persegi pada
tahun 2001. Selanjutnya objek bernilai id 4
dengan luas area 2 147 392 meter persegi
pada tahun 1994 berubah menjadi objek
bernilai id 1 dengan luas area 117 264 meter
persegi.
Objek bernilai id 7 dengan luas area 431
356 meter pesegi pada tahun 2001. Perubahan
yang terjadi pada objek bernilai id 4
dikarenakan objek tersebut mengalami split
sehingga objek terbelah menjadi beberapa
bagian seperti Gambar 16 bagian berwarna
putih menunjukkan objek tahun 1994 dan
bagian berwarna hitam menunjukkan objek
tahun 2001. Hal ini terjadi pula pada objek
bernilai id 7 dan objek bernilai id 8.
Dalam mencari perubahan luas objek
setiap waktunya dibutuhkan sebuah kueri
spasial untuk melakukan proses tracking.
Algoritme yang digunakan pada proses
tracking yaitu pertama–tama melakukan
pengkuerian dengan mencari objek dan id
pada dataset tahun 1994, misalnya mencari
objek kebun campuran dengan id objek
bernilai
empat.
Kemudian
dilakukan
pengkuerian pada dataset tahun 2001 dengan
melakukan pencarian nilai objek, misalnya
mencari objek kebun campuran. Setelah kedua
dataset tersebut dikuerikan maka untuk
melihat
perubahan
data
diperlukan
9

10

pengkuerian dengan menggunakan fungsi
intersection sehingga dapat ditentukan
perubahan yang terjadi pada objek yang
berbeda.

Objek 2
Nama objek : Hutan semak/belukar
Id objek : 8
Tahun : 2001
maka hasil yang akan diperoleh
menampilkan output sebagai berikut :

akan

Terdapat intersection pada objek hutan
semak/belukar id 5 dengan objek hutan
semak/belukar id 8
Pengujian

Kebun campuran
pada tahun 1994
Kebun campuran
pada tahun 2001

Pengujian dilakukan oleh sistem, dimana
user memberikan input. Ada pun pengujian
terbagi menjadi dua, yakni pengujian pada
fungsi tracking dan fungsi intersection.
Pengujian fungsi tracking dapat dilihat pada
Gambar 17 ketika user memberikan input ke
dalam sistem. Kemudian hasil yang diberikan
dapat dilihat pada Gambar 18.

Gambar 16 Objek mengalami split.
Perancangan Fungsi Intersection
Pada tahap ini dilakukan proses kueri
apakah pada objek terjadi intersection atau
tidak, hal ini untuk membuktikan apakah
objek yang sekarang masih terkait dengan
objek pada waktu sebelumnya. Pada algoritme
ini user memilih nama objek dan id objek dari
tahun yang tiap tahun yang berbeda, setelah
data yang dipilih diberikan input ke sistem
maka data akan diproses melalui pengkuerian.
Algoritme yang digunakan pada kueri tersebut
yaitu dimulai dengan melakukan pengkuerian
pada sebuah objek dalam dataset tahun 1994,
misalnya mencari objek hutan/semak belukar
bernilai
id
5.
Kemudian
dilakukan
pengkuerian pada dataset tahun 2001 dengan
mencari sebuah objek, misalnya mencari
objek hutan semak/belukar bernilai id 8.
Untuk melihat data tersebut mengalami
intersection atau tidak, dapat menggunakan
fungsi ST_Intersects.
Setelah hasil pengkuerian didapat, maka
fungsi akan memeroses hasil kueri yang telah
diberikan
sebelumnya.
Sehingga
bila
diberikan input objek seperti di bawah ini:
Objek 1

Gambar 17 Input data tracking.

Gambar 18 Hasil dari proses tracking.
Pengujian fungsi intersection, dapat dilihat
pada Gambar 19.

Nama objek : Hutan semak/belukar
Id objek : 5
Tahun : 1994

10

11

KESIMPULAN DAN SARAN
Kesimpulan

Gambar 19 Input data fungsi intersection.
Hasil yang diberikan pada Gambar 19
akan menampilkan informasi berupa:
“Terdapat intersection pada objek Hutan
semak/belukar id 5 dengan objek Hutan
semak/belukar id 8”.
Penggunaan Framework
Framework dapat digunakan pada data
yang berbeda. Namun, untuk menggunakan
framework tersebut diperlukan beberapa
persyaratan yaitu data berupa dataset per
waktu, seperti pada Gambar 20. Gambar 20
menunjukkan setiap waktu t1, t2, hingga tn
memiliki dataset berupa nilai atribut yang
berbeda-beda. Selain itu diperlukan beberapa
atribut seperti nama objek, id objek, waktu
objek, titik centroid, area, perimeter, dan
geom. Atribut-atribut tersebut digunakan
untuk memperlihatkan perubahan yang terjadi
pada objek setiap waktunya. Keterhubungan
atribut dengan framework yang dibuat yaitu
atribut nama objek dan id objek digunakan
untuk memproses fungsi yang berada pada
bagian controller, sedangkan pada bagian
model membutuhkan atribut titik centroid,
luas area, waktu objek, perimeter dan geom.
S
p
a
c
e

Objek
1994

t1

Objek Objek
2001 2005

t2

tn

nama objek,
id objek,
waktu objek,
centroid,
area,
perimeter
geom
Gambar 20 Dataset spatiotemporal.

Penelitian ini telah dapat mengimplementasikan algoritme tracking dan algoritme
intersection ke dalam sebuah fungsi di dalam
framework. Untuk menggunakan framework
dengan data yang berbeda diperlukan
beberapa persyaratan yang di antaranya
berupa dataset per waktu dan beberapa atribut
yang diperlukan seperti nama objek, id objek,
waktu objek, titik centroid, area, perimeter
dan geom. Penggunaan fungsi tracking dan
fungsi intersection pada data spatiotemporal
juga telah dapat memperlihatkan perubahan
sebuah objek setiap waktunya. Selain itu
fungsi tersebut dapat mendeteksi apakah
kedua objek dapat mengalami intersection
atau tidak pada kedua objek dalam waktu
yang berbeda.
Saran
Pada penelitian ini fungsi
yang
diiimplementasikan adalah algoritme tracking
dan algoritme intersection sehingga masih
perlu dilakukan pembuatan fungsi untuk
algoritme yang lain, yaitu algoritme
pendeteksi overlap, disjoint, equal, touches,
dan masih banyak lagi. Selain itu, fungsi yang
telah diimplementasikan dalam penelitian ini
belum digunakan pada data spatiotemporal
lain.

DAFTAR PUSTAKA
Capretz LF. 2003. A brief history of the
object-oriented
approach.
Software
Engineering Notes 28(2):1-10.
Gupta P, Govil MC. 2010. MVC design
pattern for the multi framework distributed
applications using XML, spring and struts
framework. International Journal on
Computer Science and Engineering
2(4):1047-1051
Guting RH. 1994. An introduce to spatial
database system. Special Issue on Spatial
Database Systems of the VLDB Journal
3(4):1-32.
Guting RH, Schneider M. 2005. Moving
Objects Databases. San Francisco:
Morgan Kaufmann Publisher
Jensen CS. 1999. Temporal Database
Management. http://people.cs.aau.dk/~csj/
Thesis/ [23 Nov 2012].
Mennis J, Peuquet DJ, dan Qian L. 2000. A
conceptual framework for Incorporating
11

12

cognitive principles into geographical
database representation. International
Journal of Geographical Information
System 14(6): 501-520.
Peleksi N, Thedoulidis B, Kopanakis I,
Theodoridis Y. 2005. Literature review of
spatio-temporal database models. The
Knowledge Engineering 19:235-274.
Rahim MS. 2006. The development of
spatiotemporal data model for dynamic
visualization of virtual geographical
information system [tesis]. Johor: Fakultas
Sains Komputer dan Sistem Maklumat,
Universitas Teknologi Malaysia.
Rao KV, Govardhan A, dan Rao KVC. 2011.
An
object-oriented
modeling
and
implementation
of
spatio-temporal
knowledge
discovery
system.
Internasional Journal of Computer
Science and Information Technology
3(2):61-76.
Riehle D. 2000. Framework Design: A Role
Modelling Approach. Zurich: Swiss
Federal Institute of Technology Zurich
Sheftian
B. 2011. Implementasi Spatial
Query pada Sistem Informasi Geografis
(SIG) Studi Kasus Wilayah Kota Bogor
[skripsi]. Bogor: Fakultas Matematika dan
Ilmu, Institut Pertanian Bogor.
Shekhar S, Chawla S. 2003. Spatial Database:
a Tour. New Jersey:Prentice Hall.

12

13

LAMPIRAN

13

14

Lampiran 1 Data guna lahan tahun 1994.
ID

LANDUSE_94

AREA

PERIMETER

HECTARES

LUAS__M2_

KODE

X_EASTING

Y_NORTHING

1

Hutan semak/belukar

78370,904

1047,773

7,837

78371

HSB

720555,96036

9260423,23454

2

Hutan semak/belukar

260513,115

2163,895

26,051

260513

HSB

718576,89893

9261175,11548

3

Hutan semak/belukar

555947,461

5901,060

55,595

555947

HSB

707149,15133

9265889,44320

4

Hutan semak/belukar

456367,183

3027,892

45,637

456367

HSB

719642,85070

9260613,13187

5

Hutan semak/belukar

2079242,832

8876,152

207,924

2079243

HSB

716428,83338

9263047,19042

6

Hutan semak/belukar

1690148,149

10788,773

169,015

1690148

HSB

715559,42492

9265677,87603

1

Lahan terbuka

356606,158

2768,830

35,661

356606

LT

711966,57633

9266410,81082

2

Lahan terbuka

87819,561

1423,308

8,782

87820

LT

708061,09446

9265748,21245

1

Permukiman

184492,987

1952,010

18,449

184493

PK

708922,02477

9265338,19520

2

Permukiman

45787,025

796,923

4,579

45787

PK

711332,76408

9261845,52539

3

Permukiman

94961,628

1437,321

9,496

94962

PK

711022,51074

9258903,68741

4

Permukiman

687252,154

5065,282

68,725

687252

PK

709823,83995

9260657,45896

5

Permukiman

319079,224

2732,308

31,908

319079

PK

707185,86458

9261299,43585

6

Permukiman

15696,509

483,345

1,570

15697

PK

708702,09829

9262017,07382

7

Permukiman

12458,147

441,475

1,246

12458

PK

708538,57797

9262161,31904

8

Permukiman

299441,333

2347,697

29,944

299441

PK

707932,47352

9261927,58543

1

Sawah

53250,783

1044,277

5,325

53251

SW

702924,97467

9266747,64150

2

Sawah

83566,776

1453,307

8,357

83567

SW

703188,15495

9265495,64077

3

Sawah

55376,900

870,158

5,538

55377

SW

703444,68117

9266639,80153

1

Tegalan

1235271,394

8039,514

123,527

1235271

TG

713917,58670

9264990,37796

2

Tegalan

69593,188

977,392

6,959

69593

TG

709657,37938

9262033,65710

14

15

ID

LANDUSE_94

AREA

PERIMETER

HECTARES

LUAS__M2_

KODE

X_EASTING

Y_NORTHING

3

Tegalan

145034,699

1526,583

14,503

145035

TG

711417,29170

9264789,46120

4

Tegalan

289244,067

2300,659

28,924

289244

TG

717046,84757

9260138,96362

5

Tegalan

235105,801

2468,938

23,511

235106

TG

709375,48012

9265510,40935

6

Tegalan

191026,784

2060,610

19,103

191027

TG

706773,91495

9262932,67866

7

Tegalan

517753,538

3125,146

51,775

517754

TG

717497,66281

9262129,72191

1

Kebun campuran

342357,021

3493,296

34,236

342357

KC

711111,24563

9258209,26475

2

Kebun campuran

908531,727

4516,187

90,853

908532

KC

715408,29996

9257405,09657

3

Kebun campuran

68233,190

1213,384

6,823

68233

KC

710551,13469

9259136,33939

4

Kebun campura