GIS IN BUSSINESS APLICATION

    A .     Sejarah GIS pada Bidang Bisnis

Teknologi informasi (TI) telah memiliki dampak yang kuat pada dunia bisnis sekitar tahun 1950. IT telah memfasilitasi transformasi bisnis sehingga terbentuk bisnis baru. Transformasi ini telah mencerminkan potensi TI baik dari segi biaya tabungan dan sebagai alat untuk pengambilan keputusan bisnis. Perkembangan baru seperti internet dan aplikasi mobile memiliki dampak yang penting pada bisnis.

Sistem Informasi Geografis (SIG) merupakan area aplikasi TI yang begitu signifikan. Aplikasi berbasis GIS pada saat ini sudah berkembang luas dalam bisnis, terutama peran GIS yang rata-rata digunakan untuk bidang spasial. Penggunaan teknologi informasi di bidang bisnis dimulai pada tahun 1950-an yang sebelumnya telah digunakan oleh instansi pemerintah seperti Biro Sensus Amerika Serikat. GIS berguna dalam kegiatan yang berhubungan dengan geografis di Amerika Utara.

GIS pada awalnya digunakan oleh pemerintah khususnya pada perencanaan transportasi di Chicago dan Sistem Informasi Geografis Kanada (CGIS) (Coppock &

Rhind, 1991). GIS semakin berkembang pada 1980-an ketika Konsep Sistem Pendukung Keputusan Spasial (SDSS) diperkenalkan (Armstrong, Densham,& Rushton, 1986). Pada akhir tahun 1980-an SDSS adalah daerah yang diakui dalam komunitas GIS. Seiring berjalannya waktu, aplikasi GIS semakin mendukung dalam bidang spasial dan berbagai bidang lainnya). GIS dapat digunakan dalam bidang akuntansi dan analisis keuangan. Saat ini GIS sudah digunakan dalam bisnis dan para pengguna bisnis. Vendor GIS juga mengakui memiliki potensi pasar aplikasi bisnis dan dapat berevolusi untuk memenuhi kebutuhan para pengguna bisnis serta memfasilitasi desain-desain bisnis.

Gambar 2.1

Aplikasi GIS dalam berbagai bidang di dunia bisnis

(Sumber : Gisforyourbussiness.blogspot.com)

Gambar 2.2

GIS sebagai alat target marketing dalam bisnis

(Sumber : Gisforyourbussiness.blogspot.com)

     B.   Aplikasi GIS dalam bidang Bisnis

            SIG dapat dilihat sebagai suatu bisnis, karena di dalamnya akan melibatkan layanan pengadaan perangkat, keras, perangkat lunak, pengembangan sistem serta layanan pengolahan dan atau analisis data. Kebutuhan akan data spasial yang dibutuhkan dalam berbagai sektor membuka bagi suatu perusahaan untuk membuka sebuah layanan baik jasa maupun penyediaan data.  Sebagai contoh, sebuah perusahaan yang bergerak dalam bidang pengadaan data spasial, membuat database tentang distribusi penggunaan lahan dan jaringan jalan yang dipakai untuk membangun tata ruang wilayah pengelolaan sumberdaya yang optimal, maka perusahaan tersebut dituntut untuk bertanggungjawab terhadap validitas data/informasi yang diproduksinya. Hal ini demikian karena dengan validitas data/informasi yang tidak teruji, akan berpengaruh terhadap aktifitas masyarakat. 

 Perusahaan penyedia data spasial dapat juga disebut dengan "spatial data broker", dimana data yang dikoleksi dapat dipakai oleh perusahaan atau orang yang memerlukannya, sehingga akan tercipta peluang bisnis. Masalah mendasar dalam menciptakan peluang bisnis ini adalah teknologi pengadaan data, organisasi atau manajemen perusahaan, serta faktor legalitas. Hubungan langsung antara produsen data spasial dengan pemakai data tersebut tidak semudah seperti dibayangkan orang. Yang perlu dibangun dalam pengadaan data spasial ini adalah ”kepercayaan konsumen” terhadap apa yang data spasial yang dia peroleh. Hal yang sangat berpengaruh adalah menyangkut efisiensi waktu, teknologi, ekonomis bagi pemakainya. 

Sudah merupakan hal yang wajar sampai pada akhir abad ke-20 ini, masyarakat pengguna informasi meningkat secara tajam. Pengguna informasi ini, memerlukan data dan atau informasi secara berkala dan data/informasi yang terbaru. Secara tidak langsung, baik dalam dunia pendidikan maupun dunia bisnis, dampak yang ditimbulkan oleh teknologi geomatika akan berpengaruh pula pada keadaan sosial dan ekonomi masyarakat sekitarnya.

Pada hal pemasaran,ketersediaan jumlah data spasial akan meningkat. Data demografi penting untuk analisis bisnis dan data tersebut saat ini tersedia seluruh negara bagian barat.Saat ini bidang pemasaran telah menunjukkan minatnya dalam menggunakan GIS, hal ini tercermin didalam Asosiasi Pemasaran di Negara Amerika. GIS telah dilihat sebagai komponen penting dari sistem informasi pemasaran. Namun terdapat sedikit hambatan dalam penggunaan GIS dalam bidang-bidang pemasaran. Pada aplikasi GIS dalam bisnis, ketersediaan data sudah dipastikan dapat membantu kegiatan pemasaran. Data tersebut menyediakan lokasi geografis yang dapat memfasilitasi kegiatan bisnis.

Gambar 2.3

Titik-titik lokasi perdagangan dan jasa dengan menggunakan GIS

(Sumber : Gisforyourbussiness.blogspot.com)

Secara umum, budaya organisasi merupakan faktor penting dalam penggunaan hal teknologi. Aplikasi GIS sangat relevan dalam berbagai sektor, mulai dari aplikasi teknik yang dapat memberikan solusi teknis yang mudah diterima, dalam hal bisnis GIS digunakan untuk beberapa pemasaran. Tak sedikit para pengguna bisnis yang belum terlalu memahami GIS, karena dominan para pengguna GIS ini adalah dalam bidang tata ruang sehingga dalam sektor bisnis cenderung kurang memahami bagaimana penggunaannya. Akibatnya, tak jarang minat para manajemen bisnis bersedia untuk menggunakan aplikasi GIS. Sebaliknya, pemerintah daerah menyarankan agar para pebisnis menggunakan aplikasi GIS yang dapat memberikan kemudahan dalam melakukan kegiatan bisnisnya.

Seiring dengan kemajuan SIG tersebut, aplikasi GIS dalam industri perbankan semakin penting karena minimal terdapat dua sisi keuntungan (benefit) yang dapat diperoleh dengan menggunakan aplikasi GIS yaitu benefit untuk nasabah maupun untuk Bank. Berikut beberapa keuntungan yang diperoleh terutama pada perbankan adalah :

Ø  Dapat memasukkan dan mengupdate informasi potensi bisnis pada wilayah kerjanya.

Ø  Memudahkan untuk monitor jaringan ATM.

Ø  Dapat digunakan untuk memetakan kinerja perusahaan pada tiap-tiap unit kerja.

Ø  Monitor peta kekuatan dan kinerja pekerja pada tiap-tiap unit kerja

Ø  Mengetahui kekuatan masing-masing produk

Ø  Untuk memudahkan menentukan lokasi ATM atau kantor cabang baru

Ø  Penentuan harga/appraisal untuk agunan

Ø  Analisis competitor

Contoh informasi potensi bisnis yang dapat digunakan untuk internal perusahaan (bank) pada GIS antara lain adalah:

v  Mengetahui informasi jumlah penduduk yang potensial di wilayah kerja bank berdasarkan masing-masing jenis produk yang dijual di bank tersebut.

v  Mengetahui Jumlah kantor/perusahaan di wilayah tersebut.

v  Monitoring ATM

ATM dapat dihubungkan dengan jaringan ATM, sehingga dapat digunakan untuk memantau jumlah ketersediaan uang dalam mesin ATM. Untuk penentuan lokasi pendirian kantor cabang atau pemasangan ATM baru, GIS dapat mengetahui jarak terhadap fasilitas bank terdekat dan dapat disesuaikan dengan potensi yang ada.

Perkembangan yang sangat pesat dalam bidang Geographic Information System (GIS) turut mempercepat perkembangan teknologi informasi yang diaplikasikan dalam dunia perbankan. Hal ini pada akhirnya akan memudahkan nasabah dalam bertransaksi serta memperoleh informasi perbankan secara terintegrasi. Pada intinya, GIS merupakan aplikasi teknologi yang canggih dan telah berkembang secara paralel dalam dunia bisnis secara internasional. Aplikasi GIS sangat membantu dalam memberikan keputusan, terutama dapat meningkatkan potensi yang lebih luas dalam dunia bisnis. GIS memiliki peran penting dalam skala bisnis yang lebih luas. Aplikasi GIS terbukti memberikan kemudahan dalam pelayanan bisnis seperti e-commerce serta layanan berbasis lokasi memiliki unsur spasial. 

Gambar 2.4

Penentuan lokasi ATM Banking

(Sumber : Gisforyourbussiness.blogspot.com)

APLIKASI PCD PADA HUTAN DAN VEGETASI

A.   APLIKASI PENGOLAHAN CITRA DIGITAL PADA HUTAN DAN VEGETASI

Pengolahan Citra merupakan salahsatu cabang ilmu dari informatika. Pengolahan citra berkutat pada usaha untuk melakukan tranformasi suatu citra/gambar menjadi citra lain dengan menggunakan teknik tertentu. Pengolahan citra merupakan bidang yang bersifat multidisiplin, yang terdiri dari banyak aspek, antara lain fisika,elektronika, matematika, seni dan teknologi komputer. Pengolahan citra (image processing) memiliki hubungan yang sangat erat dengan disiplin ilmu yang lain. Jika sebuah ilmu disiplin ilmu dinyatakan dengan bentuk proses suatu input menjadioutput, maka pengolahan citra memiliki input berupa citra serta output juga berupa citra.

            Pengolahan citra digital juga bermanfaat pada ilmu perencanaan wilayah dan kota. Khususnya pada aplikasi penggunaan lahan yang berupa vegetasi.  Identifikasi obyek dengan menggunakan teknologi penginderaan jauh dilaksanakan dengan beberapa pendekatan antara lain; karakteristik spektral citra, visualisasi, floristik, geografi dan phsygonomik (Hartono, 1998). Khususnya pada sistem satelit (citra satelit) lebih banyak didasarkan atas karakteristik spektral. Obyek yang berbeda akan memberikan pantulan spektral yang berbeda pula, bahkan obyek yang sama dengan kondisi dan kerapatan yang berbeda akan memberikan nilai spektral yang berbeda (Swain, 1978).Indeks vegetasi merupakan nilai yang diperoleh dari gabungan beberapa spektral band spesifik dari citra penginderaan jauh. Gelombang indeks vegetasi diperoleh dari energi yang dipancarkan oleh vegetasi pada citra penginderaan jauh untuk menunjukkan ukuran kehidupan dan jumlah dari suatu tanaman. Tanaman memancarkan dan menyerap gelombang yang unik sehingga keadan ini dapat di hubungakan dengan pancaran gelombang dari objek-objek yang lain sehingga dapat di bedakan antara vegetasi dan objek selain vegetasi (Horning, 2004).

Dalam pengklasifikasian citra secara digital, mempunyai tujuan khusus untuk mengkategorikan secara otomatis setiap pixel yang mempunyai informasi spektral yang sama dengan mengikutkan pengenalan pola spektral, pengenalan pola spasial dan pengenalan pola temporal yang akhirnya membentuk kelas atau tema keruangan (spasial) tertentu. 

Dari sekian banyak satelit penginderaan jauh, yang sering digunakan untuk pemetaan tutupan lahan adalah landsat (Land Satelite). Salah satu sensor dari landsat adalah Thematic Mapper (TM). Karakterisitik landsat terdiri dri panjang gelombang, IFOV, lebar sapuan, dan resolusi spasial. Panjang gelombang landsat TM terdiri dari kanal 1 sampai kanal 7. Sensor TM masing-masing kanal mempunyai fungsi sebagai berikut (Lillesand dan Kiefer, 1990) :

1. Kanal 1 dirancang untuk pemetaan perairan daerah pesisir, penetrasi ke dalam tubuh air dan untuk mendukung analisis sifat khas penggunaan lahan, tanah dan vegetasi.
2. Kanal 2 terutama dirancang untuk mengindera puncak pantulan vegetasi pada sektrum hijau yang terletak antara dua kanal spectral serapan klorofil. Respon pada kanal ini dimaksudkan untuk menekankan perbedaan vegetasi dan penilaian kesuburan.
3. Kanal 3 merupakan kanal terpenting untuk memisahkan vegetasi. Kanal ini berada dalam salah satu bagian serapan klorofil dan memperkuat kontras kenampakan antara vegetasi serta menajamkan kontras antara kelas vegetasi (membedakan antara lahan tebuka dengan lahan bervegetasi).
4. Kanal 4 dipilih karena respon yang tinggi terhadap sejumlah biomassa vegetasi yang terdapat pada daerah yang dikaji. Respon yang tinggi ini akan membantu identifikasi tanaman dan memperkuat kontras tanaman-tanah dan lahan-air.
5. Kanal 5 adalah kanal yang digunakan dalam penentuan jenis tanaman, kandungan air pada tanaman dan kondisi kelmbaban tanah.
6. Kanal 6 digunakan untuk pemisahan formasi batuan
7. Kanal 7 merupakan saluran infra merah panas dan bermanfaat dalam klasifikasi vegetasi, analisis gangguan vegetasi, emisahan kelembabab tanah dan gejala-gejala lain yang berhubungan dengan panas.

B.   Penggunan Citra Landsat Thematic Mapper Untuk Penelitian tentang Hutan dan Vegetasi

            Citra landsat TM dianggap sebagai landsat yang tepat untuk penelitian tentang vegetasi karena memiliki spasial dan resolusi spektral yang bagus yang disajikan oleh sensor ini. Banyaknya saluran pada Landsat Thematic Mapper yang beroperasi pada saluran yang peka terhadap respon spektral vegetasi sangat menguntungkan dalam penelitian atau studi tentang vegetasi. Dengan bantuan transformasi matematis yang berupa indeks vegetasi maka nilai spektral vegetasi dapat ditonjolkan, sedangkan nilai spektral diluar vegetasi dapat dihilangkan atau dieleminiasi, sehingga memungkinkan untuk dilakukan studi tentang kerapatan vegetasi, Leaf Area Index (LAI), biomassa, umur tegakan, konsentrasi klorofil, dan juga kandungan nitrogen (Danoedoro, 1993).

C. Pemantauan Penggundulan Hutan dan Degradasi Hutan Menggunakan Penginderaan Jarak Jauh dan GIS: Studi Kasus Ranchi di Jharkhand (India)

            Area yang dipilih untuk diteliti adalah penelitian tutupan lahan kota Ranchi, ibukota Jharkhand negara, India dan sekitarnya yang memiliki batas wilayah 85º15'- 85º29 'E untuk 23º14'-23º29' N. Daerah penelitian memiliki iklim sub-tropis. Suhu berkisar 20-37 ° C selama musim panas dan 3-22 ° C selama musim dingin. Pola curah hujan monsunal mencakup periode dari pertengahan Juni sampai pertengahan Oktober dengan curah hujan tahunan rata-rata sekitar 1.530 mm. Jenis tutupan lahan utama yang mendominasi daerah adalah yaitu. lahan pertanian, lahan bangunan gedung tinggi tanpa vegetasi, hutan lebat terbuka, semak lebat, perkebunan dan badan air yang terdiri dari waduk, danau, sungai dan anak sungainya dan banyak kolam. Medan pertanian meliputi segabian besar bagian dari wilayah studi dan tersebar di seluruh daerah penelitian. Beberapa kawasan perkebunan kayu putih dari ukuran yang berbeda terdapat dalam wilayah studi. Alam vegetasi terdiri dari hutan lebat Sal dan terbuka yang berada pada tepian. Data satelit yang digunakan ditunjukkan pada gambar 1 berikut .

Gambar 1

Komposit Warna kota Ranchi menunjukkan IRS 1C LISS-III tahun 2008

            Dengan Menggunakan perangkat lunak Erdas EMAGINE 9.1, data dimuat ke komputer. Radiometrik dan koreksi diterapkan untuk menghapus radiometrik cacat dan meningkatkan dampak visual satelit Data. Perbaikan geometrik data dilakukan dengan bantuan scan Survey of India (SOI) toposheets untuk menetapkan koordinat geografis untuk menjaga pixel gambar. Klasifikasi pemantauan citra adalah metode untuk mendefinisikan analis daerah yang kecil, yang disebut tempat pelatihan, pada gambar yang mewakili masing-masing tutupan lahan yang diinginkan kategori. Deliniasi daerah pelatihan perwakilan dari jenis penutup paling efektif bila seorang analis citra memiliki pengetahuan tentang geografi daerah dan berpengalaman mengenai sifat spektral kelas penutup. Analis gambar akan melatih software untuk mengenali nilai-nilai spektral atau tanda terkait dengan lokasi pelatihan. Setelah tanda untuk setiap kategori tutupan lahan yang telah ditetapkan, maka software kemudian menggunakan tanda ini untuk mengklasifikasikan Sisanya (gambar 2 dan gambar 3). daerah yang dihitung dengan menggunakan software ARCGIS 9.3 dan perubahan dibandingkan untuk kedua gambar.

Gambar 2

Klasifikasi Gambar Komposit Warna untuk kota Ranchi, tahun 1996.

Gambar 3

Klasifikasi Gambar Komposit Warna untuk kota Ranchi, tahun 2008

            Dalam gambar di bawah diklasifikasikan tutupan hutan lebat diwakili oleh warna hijau tua dan hutan rusak diwakili oleh warna hijau muda. Gambar 4 dan Gambar 5 adalah hasil klasifikasi gambar . Software ARC GIS 9.3 yang digunakan untuk perhitungan daerah hutan lebat dan hutan terdegradasi yang dihasilkan dari Pendekatan pemantauan klasifikasi.

 Gambar4

(a) Tahun 1996 Gambar NDVI untuk kota Ranchi, (b) Tahun 2008 Gambar NDVI untuk kota Ranchi

Total Area Hutan di Kota Ranchi

Total Area Hutan Tahun 1996 (Ha)	Total Area Hutan Tahun 2008 (Ha)
5248,52	4683,5

b        Berdasarkan hasil klasifikasi citra, dapat diketahui jumlah total hutan di Kota Ranchi pada tahun 2008 berkurang sebanyak 565,2 Ha. Hal ini disebabkan karena semakin banyaknya aktivitas permukiman yang semakin meluas dengan mengalihfungsikan area hutan dan vegetasi.

OBJECT BASED IMAGE ANALYSIS

 A.   Pengertian OBIA

Objek-Based Image Analysis (OBIA dan juga Geografis Objek-Based Image Analysis (GEOBIA) adalah ilmu yang mempelajari geoinformation (informasi bumi) dalam bentuk penginderaan jarak jauh atau SIG (sistem informasi geografi). Citra adalah hasil dari proses penginderaan jarak jauh, yang mana akan menjadi lebih bermakna melalui penafsiran benda pada gambar, karakteristik spasial, spektral dan skala waktu.

Dua proses utama di dalam OBIA adalah segmentasi dan klasifikasi.  Segmentasi citra dapat digambarkan dengan basis data per-pixel. Namun, kelompok piksel OBIA dapat menjadikan objek secara homogen. Benda-benda ini dapat memiliki berbagai bentuk dan skala perbandingan yang berbeda. Benda juga memiliki statistik yang terkait dengan yang dapat digunakan untuk mengklasifikasikan suatu objek. Statistik dapat mencakup geometri, konteks dan tekstur objek pada gambar. Aplikasinya adalah seorang peneliti dapat mendefinisikan statistik dalam proses klasifikasi untuk menghasilkan data tutupan lahan di suatu wilayah.

B.   Penginderaan Jarak Jauh dan Konsep Pengolahan Gambar Dan Keterbatasan

Analisis digital data penginderaan jarak jauh berkembang dari konsep interpretasi citra secara manual. Meskipun awalnya dikembangkan berdasarkan foto udara, protokol ini juga berlaku untuk citra satelit digital. Banyak metode analisis citra digital terutama didasarkan hanya pada nada atau warna, yang diwakili sebagai Jumlah digital (misalnya, nilai brightness) pada masing-masing piksel gambar digital (untuk gambaran secara jelas lihat literatur terbaru

GEOBIA terutama diterapkan resolusi sangat tinggi (VHR) gambar, di mana objek gambar biasanya terdiri dari banyak piksel; dan di mana itu mungkin untuk visual memvalidasi gambar benda tersebut (yaitu H-resolusi). Penggunaan GEOBIA, bagaimanapun, tidak terbatas pada gambar dengan Sel resolusi kecil. Jika legenda model adegan umum, yaitu tingkat hirarki yang lebih tinggi dari legenda diterapkan, maka ukuran benda scene akan meningkat dan situasi L-resolusi dapat berubah menjadi situasi H-resolusi. 

Gambar. 2. Salah-warna citra digital hutan yang mati dan menunjukkan objek yang dipilih mewakili pohon mati (abu-abu) dan host terkait (magenta), dan menggambarkan tiga gambar umum resolusi spasial: 30 m, 4 m dan 1 m.

Sumber: Geographic Object-Based Image Analysis – Towards a New Paradigm

C.    Konsep Object Based Image Analysis (OBIA)

Adapun konsep dalam memahami materi OBIA atau GEOBIA. Konsep tersebut akan dijelaskan pada poin sebagaimana berikut:

     Interpretasi manusia dan persepsi sebagai prinsip untuk GEOBIA

Dalam upaya untuk lebih memahami dan mengembangkan lebih eksplisit Kerangka GEOBIA, Hay dan Castilla (2008) memberikan nomor penyewa atau prinsip-prinsip dasar pedoman. Mereka menggambarkan GEOBIA sebagai menunjukkan kemampuan inti berikut: (i) data bumi (Geo) sentris, (ii) metode analisis yang multi-sumber yang mampu, (iii) deliniasi berbasis geo-objek adalah prasyarat, (iv) metodenya yang kontekstual, sehingga informasi sekitarnya dan atribut, dan (v) itu sangat disesuaikan atau adaptif memungkinkan untuk penyertaan semantik manusia dan jaringan hirarkis. Lang (2008) juga menjelaskan pilihan prinsip GEOBIA membimbing untuk konten adegan kompleks sehingga realitas dicitrakan terbaik digambarkan, dan isi maksimum (masing-masing) dipahami, diekstrak dan disampaikan kepada pengguna (termasuk peneliti). 

Gambar. 3. GEOBIA secara ideal melalui alur kerja yang

menggambarkan sifat iteratif dari objek bangunan dan

 klasifikasi proses yang menggabungkan konsep Science.

Sumber: Geographic Object-Based Image Analysis – Towards a New Paradigm

Pada Gambar. 3 tersebut mencontohkan alur kerja yang kompleks dari segmen untuk gambar benda. Yang terakhir adalah makna kelompok yang berkaitan dengan konteks tertentu atau tujuan. Bayangkan adanya batas yang menyetarakan dua tegakan hutan, seperti sebuah sungai. Batas ini juga akan perlu spasial dan spektral yang berbeda dalam kaitannya dengan resolusi spasial gambar agar proses segmentasi menghasilkan objek baru.

Gambar. 4. Pixels dan gambar-benda sebagai pembawa informasi: ukuran konstan, konstan bentuk dan lokasi implisit berhadapan dengan daerah

yang unik / garis turunan informasi dan deskriptor statistik interior

Sumber: Geographic Object-Based Image Analysis – Towards a New Paradigm

Informasi seperti misalnya data kartografi, segmentasi pengamatan bumi Data sangat sering diikuti oleh objektifikasi. Langkah akhirnya mengarah ke definisi objek yang bermakna. Namun, konsep inti adalah bahwa benda-benda adalah pembawa informasi utama pada seperti yang dicontohkan pada Gambar. 4

Dalam GEOBIA kami juga dapat mengatasi dengan kategori tutupan lahan yang dipahami, namun tidak mudah diekstrak hanya berdasarkan disebut heterogenitas internal yang (model kelas komposit, misalnya kebun). Ini arahan bagi GEOBIA ke GIScience dari mana konsep lain bidang terus menerus, benda-benda diskrit, dan benda-benda lapangan (Yuan, 2001).

Gambar. 5. ilustrasi konseptual dari representasi multi-skala lanskap dicitrakan menurut prinsip-prinsip teori hierarki. 

Sumber: Geographic Object-Based Image Analysis – Towards a New Paradigm

Perhatikan bahwa dalam GEOBIA, tingkat hirarki yang lebih tinggi biasanya sesuai dengan peningkatan rata-rata objek ukuran. Benda memiliki kedua kecenderungan diri integratif bagian-bagian dan menonjolkan diri secara agregat dan dengan demikian memiliki karakteristik dasar holons (Lang, 2004).

Gambar. 7. Prinsip alur kerja berulang di GEOBIA

Sumber: Geographic Object-Based Image Analysis – Towards a New Paradigm

D.            Kesimpulan

Dapat disimpulkan pada pembahasan ini bahwa Objek-Based Image Analysis (OBIA dan juga Geografis Objek-Based Image Analysis (GEOBIA) adalah ilmu yang mempelajari geoinformation (informasi bumi) dalam bentuk penginderaan jarak jauh atau SIG (sistem informasi geografi). OBIA dapat digunakan dalam berbagai bidang ilmu, baik secara spasial maupun social ekonomi.

Dalam studi kasus yang dibahas yaitu peluang dan batasan analisis citra berbasis objek untuk mendeteksi ketahanan kota dan permukaan vegetasi menggunakan warna asli foto udara Kota Cambridge, Inggris, digunakan ArcGIS sebagai perangkat dalam pengolahan data dan analisis untuk interpretasi ini. Dilakukan beberapa tahapan dalam penganalisisan foto udara ini yaitu, interpretasi foto udara, semi otomatis berbasis pendekatan objek klasifikasi, dan ketepatan penilaian.