lectures – EARTH,SPACE & BEYOND

ArcGIS Geoprocessing Environment

June 6, 2017May 6, 2017 by S.T. PradopoNo Comments

Lingkungan ini digunakan untuk melakukan analisis spasial, pemodelan dan otomatisasi alur kerja. Lingkungan geoprocessing tersusun dari sederetan alat yang disusun dalam toolbox.Sebuah tool dalam ArcGIS pada dasarnya akan menjalankan satu operasi atau analisis ArcGIS dan menghasilkan geodataset baru. Sebuah tool dapat diakses melalui dialog box, model builder, atau skrip. ModelBuilder adalah GUI yang digunakan untuk membuat model, memberikan alternatif cara dalam implementasi alat-alat geoprocessing.Proses dalam ModelBuilder tersusun dari input data, alat yang akan diaplikasikan pada data, dan output data. Keluaran dari satu tool dapat digunakan sebagai input dari alat lain, memungkinkan kita untuk membangun urutan proses untuk memodelkan hubungan spasial.ModelBuilder dapat membangun model yang sederhana sampai sangat kompleks. Melalui penggunaan ulangan, umpan balik, dan pencabangan, Modelbuilder memungkinkan untuk mengaplikasikan sejumlah tools pada sumber data tertentu dan memulai kembali prosesnya dengan data yang dihasilkan oleh proses tersebut menggunakan tools yang sama. Sebagai hasilnya, akan terwujud sebuah model proses dinamik. ...

Hubungan antara Ruang dan ABM

May 6, 2017May 6, 2017 by S.T. PradopoNo Comments

Dalam beberapa model ABM, hubungan spasial menjadi bagian integral dalam pembuatan keputusan para agen. Hal ini dapat trjadi karena alasan-alasan sebagai berikut :satu atau lebih perilaku agen berhubungan dengan pergerakan.Contoh: air bergerak dari tempat tinggi ke tempat rendah, polutan tersebar karena gerakan angin, satwa liar bergerak untuk mencari makan.agen sering membuat keputusan dalam ruang. Maksudnya, lokasi agen dan lingkungannya berpengaruh dalam pembuatan keputusan, demikian halnya dengan lokasi agen lain yang berkorelasi.Contoh: orang berlari mencari tempat berlindung atau pintu keluar saat gempa dengan mengikuti arah orang-orang di sekitarnya, burung terbang ke arah yang sama untuk menghindari predator, orang berlindung dari penembakan di balik dinding satu-satunya gedung yang ada disekitarnya.agen dapat merubah komposisi spasial dari fitur-fitur yang ada di lansekap.Contoh: Ungulata bergerak menuju daerah penyenggutan baru karena rumput yang ada di areal penyenggutan lama telah habis mereka makan, aktivitas perambahan dapat mengubah komposisi tutupan lahan suatu lansekap.keputusan agen mungkin berubah karena ada perubahan pada lingkungan.Contoh: orang pindah rumah ke daerah pegunungan karena...

Sejarah Agent-Based Modeling

May 6, 2017May 6, 2017 by S.T. PradopoNo Comments

Banyak peneliti melacak balik sejarah ABM berbasis komputasi. Hasilnya, para peneliti percaya bahwa jejak pertama ABM yang dapat ditelusuri adalah cellular automata (CA) oleh Stanislaw Ulam (Wolfram, 2001). CA adalah model sederhana yang bergerak berdasarkan waktu dimana sekelompok besar "organ" yang identik disebar dalam grid bujursangkar yang seragam. Masing-masing organ berada pada satu kotak. Setiap organ secara independen dapat memilih satu atau dua warna dalam satu waktu. Organ-organ ini berjalan dengan aturan sederhana yang dapat diprogram yang merupakan fungsi dari warna tetangganya yang berdekatan. Tujuannya adalah menentukan apakah dalam dunia yang sederhana seperti ini dapat tercipta organ yang dapat mereplikasi dirinya sendiri. Jawabannya: Ya. Dari sistem yang sederhana ini, permodelan kemudian berkembang menjadi lebih kompleks. Grid dibuat tidak seragam sehingga kotak yang berbeda dapat memiliki organ yang memiliki aturan yang berbeda. Sekarang semuanya sudah berkembang sangat jauh sehingga CA sudah dianggap tidak cukup layak digunakan sebagai model berbasis agen. Beberapa tonggak sejarah yang tercatat:Thomas Schelling (1971), pionir penggunaan ABM dalam...

Pertimbangan Sebelum Membangun ABM

May 6, 2017May 6, 2017 by S.T. Pradopo2 Comments

Membuat model ABM (atau model BA), bisa menjadi sangat rumit. Tipe model ini membutuhkan pemahaman yang mendalam terhadap suatu fenomena dan umumnya melibatkan data yang detail. Dibawah ini adalah beberapa pertimbangan-pertimbangan yang disarankan sebelum memformulasikan model ABM.Tentukan tujuan dari modelapa pertanyaan fundamental yang ingin dijawab dengan model?bagaimana model dapat dianggap berhasil?apa metode kuantitatif yang digunakan untuk mengukur keberhasilan model?Tentukan agen-agennyaFitur apa yang digunakan untuk menggambarkan agen? point, poligon, raster layers, network, atau non spasial?apakah akan menggunakan banyak tipe agen?identifikasi setiap agen individualapakah model akan menggambarkan semua fenomena sebagai agen atau dalam hubungannya dengan teknik modeling lain?tentukan field atau properti setiap agenfield apa yang harus dimonitor oleh individu agen dalam rangka membuat keputusanfield apa yang mungkin mempengaruhi bagaimana agen saling berinteraksitentukan action masing-masing agenapa action yang dilakukan setiap agenapakah pergerakan termasuk action dalam modelbagaimana action mempengaruhi fieldbagaimana action mempengaruhi lingkungantentukan bagaimana cara agen membuat keputusan apakah secara sadar atau tidak sadar.kondisi agen, dapat berupa kondisi fisik, mental atau lainnyainteraksi satu agen...

Karakteristik “Agen” dan “Lingkungan” dalam ABM

May 5, 2017May 6, 2017 by S.T. PradopoNo Comments

Sifat-sifat agen dalam ABM :mewakili pengambil keputusan.menunjukkan adaptasi dan variabilitas dalam setiap situasi.umumnya adalah komponen individu yang spesifiktidak selalu terpisah dari individu lainnya.individu dapat saling membaur satu sama lain.dapat memiliki dan berbagi informasi satu sama lain dalam batasan tertentusecara umum hanya menggunakan sejumlah informasi yang terbatas dan menggunakannya dalam waktu terbatas untuk setiap keputusan (bounded rationality) (Simon, 1957). Tidak ada agen yang tau segala hal dari semua waktu. hanya menggunakan informasi yang bersifat lokal (North and Macal, 2007). Perlu dicatat bahwa sifat lokalitas ini tidak berarti bahwa individu hanya menggunakan informasi dari lingkungan sekitar yang secara fisik berhubungan dengannya tetapi juga informasi yang mungkin didapat dari saluran-saluran virtual secara langsung (telepon, email, website, instant messaging, dll).agen beradaptasi dan belajar dari pengalaman sepanjang waktu. Adaptasi dan pembelajaran ini dapat bersifat mendalam (menghasilkan strategi dan perilaku yang benar-benar baru) atau dangkal (hanya menyesuaikan hal-hal tertentu untuk menghasilkan tindakan selanjutnya).Catatan khusus: Pada saat tertentu agen tidak menunjukkan perubahan, adaptasi dan proses pembelajaran. Ini...