Putri Ika Wardani

J1D111012

ANALISIS JARINGAN TRANSPORTASI DENGAN MENGGUNAKAN

PENGINDERAAN JAUH DAN SIG
Ajay D. Nagne*, Dr. Bharti W.Gawali**
*Research Student, **Associate Professor
,

* ** Department of Computer Science & Information Technology, Dr.Babasaheb Ambedkar

Marathwada University Aurangabad, (M.S), INDIA (431004)

ABSTRAK
Dengan teknologi munculnya Remote Sensing (RS) dan Sistem Informasi
Geografis (SIG), sebuah analisis jaringan transportasi (jalan) dalam lingkungan ini
sekarang telah menjadi praktik umum dibanyak area aplikasi. Tapi masalah utama
dalam analisis jaringan transportasi adalah kurang kualitas dan kebijakan
pemeliharaan

yang

cukup. Hal

ini

karena

kurangnya

dana

untuk

infrastruktur. Permintaan ini untuk informasi membutuhkan pendekatan baru data

yang terkait untuk jaringan transportasi dapat diidentifikasi, dikumpulkan,
disimpan, diambil, dikelola, dianalisis, dikomunikasikan dan disajikan, untuk
keputusan sistem pendukung organisasi. Adopsi teknologi yang baru muncul
seperti Sistem Informasi Geografis (SIG) dapat membantu meningkatkan proses
pengambilan keputusan dalam hal ini untuk daerah lebih baik menggunakan dana
yang terbatas. Makalah ini mengulas aplikasi SIG teknologi untuk analisis
jaringan transportasi.
Kata kunci - SIG, Analisis Jaringan, Penginderaan Jauh, Transportasi

I.

PENDAHULUAN
Penginderaan Jauh adalah proses akuisisi data atau informasi dari objek atau

target, yaitu terletak di permukaan bumi. Untuk ini, sensor digunakan yang
ditempatkan pada satelit. Terpencil penginderaan adalah ilmu untuk memperoleh,
mengolah, dan menafsirkan gambar dan data terkait yang diperoleh dari tanah
berbasis, udara atau ruang-ditanggung instrumen yang merekam interaksi antara
materi (target) dan radiasi elektromagnetik [1]. dan Sistem Informasi Geografis
(SIG) teknologi yang lebih berguna dalam fungsi manajemen dan keputusan
sistem pendukung yang lebih bermanfaat dalam proses perencanaan urbanisasi.
Penginderaan Jauh (RS) dan Sistem Informasi Geografis (SIG) aplikasi yang
dapat mendukung berbagai berbagai perencanaan, analisis dan sistem pendukung
keputusan operasi yang dapat membuat efek yang luar biasa untuk pengembangan
dan pertumbuhan daerah perkotaan. Alih-alih menemukan solusi optimal untuk
masalah perkotaan, berani pendekatan harus dikembangkan pada penggunaan
masalah heuristik, sehingga mampu mendukung persyaratan dinamis urbanisasi.
Menurut bahwa ketika entitas spasial terkait dengan atribut non-spasial; bisa
berguna untuk mencapai infrastruktur yang berkelanjutan perencanaan atau
strategi. Ini merupakan faktor kunci untuk menerapkan teknologi SIG sebagai alat
dalam mendukung analisis jaringan transportasi atau perencanaan. Dalam SIG
platform, database jaringan transportasi biasanya diperpanjang oleh terintegrasi
dengan atribut dan data spasial [2] [3].
Sebagai jalan adalah satu-satunya sarana transportasi tersedia untuk
permukiman perkotaan, memainkan peran penting dalam pengembangan
komprehensif masyarakat. Ini bertindak sebagai jalur kehidupan perekonomian
perkotaan dan masyarakat. Jaringan transportasi perkotaan sangat sektor utama
untuk pertumbuhan urbanisasi. Itu Pertumbuhan perkotaan mencakup semua
aspek pembangunan termasuk permukiman, pendidikan, industri, perdagangan
dan fasilitas lainnya dan ini semua tergantung fasilitas pada jaringan transportasi
yang baik [3].
Dalam perencanaan transportasi dengan menggunakan SIG aplikasi, alat
pemetaan untuk data primer dapat menjadi Toposheets serta satelit dan udara
gambar. Berbagai aplikasi SIG dapat digunakan untuk identifikasi wilayah

jaringan jalan dan perubahan deteksi di jalan. Hal ini juga dapat digunakan untuk
mendeteksi jarak antara satu tempat ke tempat lain. Itu tidak hanya mendeteksi
jarak tetapi juga digunakan untuk menunjukkan jalur terpendek antara dua atau
lebih dari tempat. Aplikasi ini SIG dapat digunakan dalam lalu lintas kontrol
untuk menghasilkan mekanisme kontrol lalu lintas yang menyediakan rute
tercepat.
Perencanaan tradisional tidak cukup dalam transportasi perkotaan.
Pendekatan baru harus digunakan untuk menyajikan atau mengidentifikasi isu-isu
serius pada merencanakan atau menganalisa jaringan transportasi perkotaan di
cara ilmiah. Karya penelitian yang ada dibidang analisis dan perencanaan terbatas.
Sekarang

baru

metode

dan

pendekatan

baru

yang

diperlukan

untuk

menggabungkan parameter sosial ekonomi, lokal sistem transportasi dan aspek

biaya transportasi. Klasifikasi Anderson mengenai penggunaan lahan dan tutupan
lahan juga termasuk kategori transportasi. Tapi kelompok transportasi ini dapat
ditemukan dalam banyak kategori lainnya. Tapi di mana kategori ini datang,
adalah tergantung pada apa skala sedang dipetakan, sehingga biasanya mereka
dianggap sebagai bagian dari penggunaan lahan di mana mereka terjadi.
Transportasi kategori datang ke Tingkat III [4].
Di negara-negara maju penggunaan foto dan gambar penginderaan jauh
telah menjadi praktek umum perencanaan perkotaan. Tapi di India, perencanaan
perkotaan telah terbatas pada foto udara. Sekarang digunakan untuk menghasilkan
peta tematik dan basis peta untuk perencanaan kota, karena sangat secepat
mempertimbangkan waktu dan membutuhkan biaya yang lebih sedikit. Karena
menggunakan gambar ini, kita dapat melakukan perencanaan di daerah Lahan
Land Cover, Deteksi perubahan, Transportasi, manajemen jaringan air,
Pengendalian Pencemaran dan banyak lagi.
Table 1. Informasi gambar sensor Penginderaan Jauh

Ada berbagai jenis Kamera dan sensor yang dapat menghasilkan warna
hitam dan putih, warna atau warna gambar inframerah. Resolusi gambar dari 15 m
ke 80 m dapat berguna untuk aplikasi lahan yang luas menggunakan dan tutupan
lahan urban sprawl. Untuk ini Tujuan LISS-I sensor gambar yang digunakan dan
itu resolusi 72m. IRS-1C & 1D sensor dapat menghasilkan gambar dengan
resolusi spasial 5,8 juta, sensor menghasilkan gambar Pankromatik (hitam &
Sensor putih), dan LISS-IV menghasilkan sama gambar resolusi dengan warna
inframerah. Karena resolusi, itu lebih berguna dibidang tanah menggunakan
tutupan lahan dari daerah perkotaan dan juga untuk analisis jaringan transportasi.
Untuk perencanaan transportasi dan analisis gambar dari LISS-IV, Cartosat-1 dan
Cartosat-2 lebih berguna daripada yang lain karena menghasilkan gambar dengan
resolusi 5,8 m, 2,5 m dan 1.0m masing-masing yang ditunjukkan dalam table 1
tersebut. Gambar sensor Ikonos dan Quickbird berguna untuk menghasilkan Peta
kadaster dan dapat memberikan informasi rinci untuk perencanaan kota [5].
II.

DAFTAR PUSTAKA

Fitur garis lebih penting dalam peta, karena itu merupakan fitur peta besar.
Di sana banyak perangkat lunak SIG yang menyediakan fasilitas fitur baris
generalisasi. Operasi geometris yang terlibat dalam generalisasi ini seperti seleksi,
menggabungkan, simbolisasi, penghapusan dll. Tapi ada ada definisi yang tepat
untuk generalisasi. Dalam ArcSIG 2005, alat pointremove menggunakan DouglasPeucker (DP) algoritma. Algoritma ini adalah yang paling populer algoritma, yang
digunakan dalam berbagai aplikasi seperti Road, sungai, garis pantai generalisasi
[6] [7]. Operasi berikut ini diperlukan untuk menggeneralisasi jaringan jalan.
1. Klasifikasi:. Ini mengidentifikasi obyek dan membuat kelompok sesuai
dengan sifat. Untuk seleksi lebih mudah dan jalan yang lebih akurat
tergantung pada klasifikasi baik. Itu meminimalkan kompleksitas.
Contohnya lebar jalan.
2. Seleksi:. Pilih kelas jalan tertentu di skala sasaran.
3. Eliminasi:. Menghilangkan jalan pendek dari panjang tertentu..
4. Penyederhanaan: dipilih jalan dapat disederhanakan untuk mengurangi
detail. Contohnya menghapus bend-bend asing jalan.
5. Pengelompokkan: Ini adalah pendekatan editing manual. Ini mengurangi
kepadatan jaringan dan menyederhanakan distribusi dan pola jaringan. Ini
mengurangi perlambatan jaringan.
6. Simbolisasi: Untuk mewakili fitur pada peta, tanda grafis yang digunakan.
Contohnya nama jalan, nomor jalan.
Ada banyak aplikasi seperti Google Earth, yang dapat menunjukkan rute antara
dua dipilih tempat dengan hanya menggunakan jalan-jalan utama. Juga rute-rute
ini tidak mempertimbangkan kendala seperti kerusakan jalan, kecelakaan, dan
banjir. Untuk mengatasi masalah ini, Software ArcSIG bisa digunakan. Data yang
dikumpulkan dari Google Earth dan geo dirujuk dalam Erdas dan mewakili
menggunakan aplikasi ArcSIG. Itu aplikasi dapat menunjukkan jalur terpendek
antara dua poin dengan semua pro dan kontra dari jalan-jalan. Itu Arc View
digunakan untuk membangun topologi sementara melakukan analisis jaringan
pada tema garis. Sebelum menggunakan gambar raster berbasis di SIG aplikasi
diperlukan untuk menjadi geo-referenced. Tapi bisa ada beberapa gambar kecil;
mereka dapat terpasang untuk membentuk satu gambar sehingga dapat digunakan

untuk analisis lebih lanjut. Di ArcSIG geo-the Database harus dibuat, database ini
adalah lebih lanjut dibagi menjadi dataset. Dataset yang sub dibagi ke dalam kelas
fitur yang terdiri dari dua kelas titik dan jalan. Sekarang data dan gambar yang
ditambahkan ke dalam ArcMAP untuk mengedit dan menggambar jalan jaringan
dan untuk menemukan titik [8]. Hal ini juga mungkin untuk menunjukkan fasilitas
yang paling dekat dari setiap lokasi tertentu. Yang paling dekat fasilitas sarana
berhenti terdekat rumah sakit, hotel, bus dll Aplikasi dapat digunakan untuk
menunjukkan rute bus kota [9]. Dalam SIG dengan menggunakan resolusi tinggi
penginderaan jauh Ikonos dan data jaminan untuk membuat peta tematik yang
digunakan dalam aplikasi ArcSIG. The Arc View digunakan untuk membangun
topologi sementara melakukan analisis jaringan pada tema line. Seperti semua
program SIG, Arc View menempel fitur grafis untuk database yang berisi atribut
informasi [10].
Untuk penerapan SIG dalam jaringan jalan analisis mengambil data primer
dari survei India (peta skala 1:2000). Selanjutnya peta itu dipindai untuk
digitalisasi. Untuk Geo referensi yang Global positioning system (GPS) perangkat
yang digunakan untuk memilih jumlah titik kontrol dan mereka koordinat
diperoleh. Atribut dan label yang ditambahkan sementara peta didigitalkan dengan
menggunakan ArcSIG software. Rute bus dianalisis. Setelah digitalisasi data
primer, analisis jaringan Tugas dilakukan. Tugas ini dilakukan dengan
menggunakan Software ArcSIG. Ini membantu dalam penelusuran kekalahan dan
juga dalam menciptakan jalur terpendek antara dua atau lebih banyak tempat.
Dalam setiap bus penerima GPS dan Modem GSM dengan antarmuka
mikrokontroler adalah ditempatkan dan perangkat ini digunakan untuk mengirim
pesan untuk mengontrol stasiun dan modem atau sel telepon menerima dan
memberikan masukan ke komputer. Aplikasi ini dikembangkan di Jawa untuk
menyimpan dan memproses data ke dalam database. Kemudian koordinat dari
database ditempatkan pada peta dengan menggunakan Visual Dasar untuk
menunjukkan posisi masing-masing bus pada peta [11].
Dalam arsitektur sistem lain dibagi menjadi dua bagian yaitu Data spasial
dan non-spasial. Untuk analisis data spasial, data diambil dari Maharashtra Negara
Penginderaan Jauh dan Aplikasi Pusat (MRSAC Nagpur) dan Survey of India Peta

(SOI) (skala 1:50.000) sebagai peta dasar. Setelah digitalisasi data baris ini,
updation itu dilakukan pada IRS satelit Pankromatik (PAN) dan Pencitraan Linear
diri dipindai sensor (LISS). Itu Data PAN yang geo-referenced survei dari India
peta. Untuk memvalidasi status jalan yang sebenarnya Survei tanah dilakukan.
Data non-spasial atribut yang diperlukan harus terpasang ke spasial lapisan data.
Aplikasi ini dirancang dan dikembangkan dengan menggunakan Power Builder
sebagai front end alat dan untuk entri data dan penyimpanan atribut a MS SQL
digunakan sebagai alat Back End. Sebuah ESRI Arc View digunakan untuk
menyesuaikan antarmuka SIG [12].
Para ArcSIG9.2 digunakan untuk memperbaiki peta topografi dan citra
satelit diperoleh dari Google Earth. Untuk digitalisasi boundary poligon yang
digunakan dan untuk jalan polyline digunakan di ArcSIG. Total panjang di
kilometer dan daerah di kilometer persegi itu dihitung dalam ArcSIG.
Konektivitas jalan diuji dengan menggunakan Indeks Beta, yang dikembangkan
oleh Kansky (1963) dan diadopsi oleh Vinod et al. (2003). Di sini node adalah
jumlah persimpangan jalan dan busur koneksi (garis lurus) antara node dan garis
lurus. Indeks Beta ini digunakan untuk menentukan Tingkat konektivitas dari
jalan [13]. Ada beberapa algoritma yang lebih untuk konektivitas seperti Alpha
Index, Indeks Gamma dan Beta Index. Indeks Alpha adalah rasio jumlah
sebenarnya sirkuit dengan jumlah sirkuit maksimum [14] [15].
Indeks Gamma didefinisikan sebagai rasio dari jumlah sebenarnya dari tepi
ke maksimum yang mungkin jumlah sisi dalam jaringan [14] [15]. Indeks Shimbel
adalah penjumlahan dari semua terpendek path jarak antara semua poin (vertex &
node) di zona pasti atau sirkuit [15].
The Shortest Waktu Jarak (STD) adalah metode untuk mengevaluasi
jaringan jalan aksesibilitas. Hal ini mengacu pada total waktu dari satu node ke
node lain dalam jaringan jalan dengan pengeluaran rute waktu singkat. Semakin
rendah nilai STD bahwa node telah menunjukkan bahwa node aksesibilitas lebih
tinggi. Metode kedua adalah Rata-Rata Tertimbang Waktu Perjalanan (WATT); itu
mewakili pentingnya node di jalan jaringan. The WATT nilai berhubungan dengan
node posisi di jaringan jalan. Hal ini dapat juga dihitung dengan kepadatan
penduduk atau ekonomi indeks. Menggunakan ESRI ArcSIG dan Korporasi

Microsoft. Net framework yang digunakan untuk membangun tertimbang dan

normalisasi indeks untuk menghargai aksesibilitas node jalan [16].
Aplikasi untuk mengidentifikasi optimal rute dari satu tujuan ke banyak
tujuan dengan tujuan untuk meminimalkan jarak perjalanan dan waktu perjalanan
berguna untuk transportasi negara departemen. Nilai-nilai impedansi yang
diperlukan ketika analisis jaringan dilakukan pada setiap jalan dalam jaringan.
Untuk penentuan rute optimal sudut pandang nilai impedansi sangat penting
karena memberikan prioritas untuk jalan. Ada berbagai jenis impedansi, tapi
waktu sesingkat sudut pandang kecepatan impedansi lebih penting. Ini berarti
bahwa ada batas kecepatan untuk berbeda jenis jalan. Dan di persimpangan jalan,
giliran impedansi berguna, seperti u turn, kanan berbelok, belok kiri
diperbolehkan atau tidak [17]. Dalam Arc SIG, Analisis jaringan menggunakan
nilai impedansi mengidentifikasi jenis jalan seperti salah satu cara atau dua cara.
Ada teknik lain untuk mendigitalkan kertas peta; peta ini dipindai menggunakan
kamera video antarmuka dengan kartu grabber bingkai. Menggunakan Bingkai
Software Grabber di peta ditangkap dan disimpan dalam format jpeg. The
Autodesk produk MAP untuk SIG digunakan untuk mengubah raster ke bentuk
digital, dengan menggunakan titik ini, garis dan poligon dapat didigitalkan. MAP
utilitas juga memiliki inbuilt utilitas database; juga ada pilihan di dalamnya
disebut sebagai link Jalur Nama (LPN). Ini menetapkan hubungan antara database
dan file grafis. Tapi tidak ada pilihan untuk menemukan jalan minimum antara
dua titik, tetapi menggunakan algoritma Moore seseorang dapat menulis program
dalam bahasa C atau bahasa pemrograman lain [18].
III.

TEKNIK ANALISA
Banyak Teknik telah dilakukan di Jaringan Transportasi dan untuk

mencirikan cara yang berbeda yang ada [19]. Berikut ini adalah Teknik Analisis
Jaringan
1. Konektivitas
2. Sirkuit
3. Aksesibilitas

3.1. Konektivitas
Dalam analisis transportasi ada banyak penelitian yang telah dilakukan, dan
sebagian besar penelitian berfokus pada analisis jalur seperti menemukan
terpendek jalan, fasilitas terdekat. Juga beberapa pekerjaan telah dilakukan pada
aksesibilitas jaringan juga konektivitas jaringan. Ada banyak berbagai jenis
metode dan setiap metode memiliki rumus sendiri untuk tujuan yang berbeda,
yang dipilih metode ditunjukkan pada table.2 [13] [14] [15] [19] [20] [21] [22].
Metode yang harus digunakan untuk analisis jaringan tergantung pada objektivitas
penelitian. Jenis-jenis metode yang digunakan untuk membandingkan dua atau
lebih dari dua jaringan bersama-sama. Perbandingan seperti jaringan yang
memiliki lebih aksesibilitas dan konektivitas. Untuk memahami struktur
perkotaan, tidak hanya membutuhkan pemahaman dari penggunaan lahan yang
sederhana tetapi juga harus memahami konektivitas jaringan, aksesibilitas,
kepadatan dan pola.
Dalam analisis Transportasi Jaringan konektivitas jangka disebut sebagai
kuantitas terhubung antara node dalam jaringan tertentu, sehingga ekstrak struktur
jaringan transportasi [20]. Ekstraksi ini jauh lebih berguna Informasi untuk
penilaian transportasi jaringan. Ada banyak kategori di bidang analisis jaringan,
tetapi di antara mereka Konektivitas kategori yang lebih berguna dan memiliki
berbagai jenis Index, indeks masing-masing memiliki arti tersendiri. Itu paling
mendasar properti dari Jaringan transportasi diukur oleh Alpha Indeks, Indeks
Beta dan Gamma Index. Untuk ekstraksi indeks konektivitas membutuhkan jalan
jaringan (line), sambungan (node). Indeks-indeks ini dapat berguna untuk sistem
deteksi perubahan dalam jaringan struktur dan juga untuk analisis lalu lintas [19]
[20]. Sebuah Index Alpha untuk konektivitas adalah rasio sirkuit dengan jumlah
maksimum yang mungkin sirkuit dalam jaringan. Ini memberikan nilai yang
mungkin 0,0-1,0, nilai yang lebih tinggi dari indeks, lebih tinggi tingkat
konektivitas dalam jaringan. Jika nilai dari 0 persen - itu menunjukkan tidak ada
sirkuit untuk 100 persen - sebuah jaringan interkoneksi yang lengkap [19] [21].
Indeks Beta Tindakan konektivitas terkait tidak ada itu. dari tepi ke no. node.
Sekarang lebih berguna untuk jaringan sederhana di mana tidak ada sirkuit

terlibat. Jika nilai 0,0 itu berarti ada hanya node tanpa busur apapun. Nilainya
berkisar dari 0,0-1,0 dan lebih besar, di mana jaringan baik terhubung [21].
Indeks Gamma adalah Rasio ada sebenarnya. dari tepi ke maksimum
mungkin tidak ada. dari tepi di jaringan. Nilai-nilai dari 0.0 - menunjukkan tidak
ada hubungan antara node, 1,0 - maksimum no. koneksi dengan link langsung ke
semua node. Jaringan Density langkah-langkah itu Jaringan Pembangunan.
Adalah jauh lebih berguna untuk membandingkan 2 atau wilayah beberapa atau
sub-wilayah. Hal ini dapat juga digunakan dalam sistem deteksi perubahan,
sehingga dapat mengidentifikasi bahwa setiap perkembangan baru yang terjadi
atau tidak. Hasil ini adalah kilometer per persegi kilometer.
Eta Index digunakan untuk Tindakan rata-rata panjang tepi dalam jaringan.
Dan digunakan sebagai ukuran kecepatan dalam jaringan lalu lintas. Hal ini
membutuhkan penjumlahan dari semua tepi dalam jaringan dan nomor dari tepi
dalam jaringan. Jika link baru ditambahkan, sehingga akan menurun dalam indeks
eta, sebagai rata-rata per link penurunan [22]. Pi Index adalah hubungan antara
panjang total grafik dan diameternya. Hal ini lebih berlaku untuk perkotaan
jaringan transportasi. Diberi label sebagai Pi karena yang kesamaan dengan PI
nyata ( = 3.14) nilai. Jika nilai tinggi sehingga menunjukkan bahwa jaringan
adalah jaringan maju. Ini adalah ukuran dari jarak per unit diameter dan indikator
bentuk sebuah jaringan [22]. Theta Index digunakan untuk mengukur fungsi dari
vertex, yaitu jumlah rata-rata lalu lintas per persimpangan. Jika beban pada
jaringan tinggi maka nilai indeks Theta juga tinggi.
Tabel 2. Indeks konektovitas

3.2. Sirkuit
Sirkuit adalah sangat penting di analisis transportasi karena beberapa sistem
menggunakan sirkuit untuk menutupi sebanyak mungkin dalam wilayah satu arah.
Sirkuit adalah rasio jaringan Jarak Euclidean. Dalam transportasi kaleng jarak
diukur dengan menggunakan SIG dalam tiga bentuk: Jaringan jarak, jarak
Euclidean, dan Manhattan jarak. Manhattan jarak tidak umum digunakan dalam
penelitian transportasi. Jarak Euclidean adalah jarak antara maskapai sumber ke
tujuan. Jarak jaringan adalah representasi sebenarnya gerakan dari sumber ke
tujuan; ini jarak lebih banyak diukur dengan menggunakan jalur terpendek.
3.2.1. Indeks Detour
Hal ini didefinisikan sebagai rasio jalan terpendek jarak ke Euclidean
(lurus) jarak antara sumber ke titik tujuan [19] [22]. Itu Mengukur
efisiensi dari koneksi di jaringan. Jika nilai 1 berarti jaringan lebih
spasial efisien, tapi jaringan yang memiliki Detour Indeks nilai 1
sangat jarang. Dengan menggunakan Detour Index adalah mungkin
untuk menilai seluruh kota, namun ketika itu diterapkan pada
kekalahan individu maka jauh lebih berguna. Formula: DI = (1)
Dimana d = jarak Lurus (km)
3.3. Aksebilitas

Analisis ini melibatkan Transportasi spasial dan aspek sosial ekonomi

dengan data detail, dan melibatkan sejumlah besar perhitungan. Aksesibilitas
analisa adalah itu koleksi, manipulasi, dan analisis spasial dan non- data spasial
[23] [24]. 3.3.1 Indeks Shimbel Ini mengukur aksesibilitas yang merupakan
penjumlahan panjang dari semua jalur terpendek jarak antara semua titik (vertex
& node) dalam zona pasti atau sirkuit [15] [19] [20] [22] [23]. Formula:
A i = (2) Dimana A i = Derajat node dij = konektivitas antara node i dan
node j (baik 1 atau 0) n = jumlah node
IV.

ANALISA KENDARAAN
Dihampir setiap bidang output remote penginderaan merupakan masukan

SIG. SIG tidak hanya mengambil input dari RS tetapi juga mengambil masukan
dari peta discan atau toposheet. Ada banyak area aplikasi di RS dan SIG tetapi
majorly ini dikategorikan dalam Manajemen Sumber Daya Alam, Urbanisasi,
Pertanian dan Keamanan Nasional. Tapi dalam hal ini makalah metodologi yang
bersangkutan dengan hanya perkotaan angkutan analisis. Itu lengkap Proses
metodologi digambar sebagai sebuah diagram alur adalah ditunjukkan pada
Gambar 1 [10].
Pada fase pertama metodologi akuisisi data disukai harus dilakukan. Data
seperti lembaran topografi seperti 1:50.000 atau citra satelit dengan resolusi yang
baik atau udara foto. Jika Toposheets yang ada maka seharusnya dapat memindai
dengan resolusi didefinisikan disarankan. Itu harus mendigitalkan dengan tingkat
zoom yang ditetapkan, sehingga semua fitur dapat didigitalkan di sejumlah
lapisan. Pada tahap berikutnya melakukan survei GPS untuk titik kontrol tanah
maksimum (GCP) dari setiap Area of Interest (AOI) di jalan-jalan yang dikenal /
tempat-tempat penting. Jika ada terdaftar lain gambar maka gambar untuk
pendaftaran gambar harus dilakukan. Dan jika batas administratif ada, maka harus
klip area yang dipilih sesuai untuk batas administrasi. Banyak kali kita wilayah
yang dipilih tidak pada toposheet tunggal / gambar kemudian Mosaik itu. Hal ini
menyebabkan resolusi koreksi panjang plus atau minus 5 m.

Gambar 1. Metode transpormasi analisa

Dengan menggunakan SIG tampilan software semua data spasial dan atribut
tentang - jalan, jalan jenis, bus berhenti dukungan infrastruktur dan penggunaan
lahan, batas administratif / konstitusional dll juga melakukan analisis jaringan
pada itu, dengan menggunakan aturan topologi ArcSIG kesalahan dapat dihapus,
sehingga keakuratan data akan baik dan dapat digunakan untuk diproses lebih
lanjut. Itu analisis jaringan lebih penting karena setelah melakukan ini, data yang
dapat digunakan dalam beberapa wilayah aplikasi seperti jalan, analisis tour
terpendek, Indeks perhitungan dll Setelah deteksi jaringan (Jalan) dengan bantuan
aplikasi SIG, masih ini Data tidak sempurna untuk analisis jaringan, untuk itu
Tujuan proses generalisasi jalan harus dilakukan. Setelah proses Generalisasi
tersebut aturan topologi harus diterapkan dalam ArcSIG yang lingkungan. Setelah
berhasil menyelesaikan aturan topologi semua kesalahan dapat dihapus. Sekarang

Jaringan ini sangat cocok untuk analisis. Dengan menggunakan lapisan ini data set
jaringan dan persimpangan harus dibuat. Ini akan memberikan jumlah tepi dan
jumlah vertex dalam jaringan yang dipilih. Setelah bangsal adalah mungkin untuk
menghitung Jaringan Indeks analisis. Ada banyak RS dan SIG perangkat lunak,
tetapi di antara mereka sebuah ArcSIG jauh lebih kuat daripada yang lain. Hal ini
juga menyediakan alat analisis jaringan untuk menemukan jalan terpendek.
Output dari penelitian ini dapat memberikan jawaban dengan akurasi grafis yang
paling sering diajukan pertanyaan. Juga dapat memberikan hasil dengan spasial
dan informasi non spasial.
V.

KESIMPULAN
Kota-kota yang lebih besar memiliki jalan lebih terhubung jaringan,

sehingga mereka lebih mudah diakses. Antara banyak analisis jaringan indeks
Indeks Alpha, Indeks Gamma, Indeks Beta adalah lebih berguna. Beta Indeks
memberikan rasio konektivitas, dengan menghitung Indeks ini adalah mungkin
untuk mengidentifikasi di mana daerah konektivitas kurang, sehingga perencana
kota dapat merencanakan sesuai dengan itu. Hal ini juga memungkinkan untuk
menghitung Zone (atau lingkungan) kepadatan jaringan bijaksana dari setiap
perkotaan daerah. Hal ini lebih berguna untuk membandingkan beberapa Zona
(Bangsal) kota untuk mengidentifikasi perkembangan masing-masing zona.
Dalam konteks perencanaan kota, jalan jaringan dengan nilai tinggi indeks
gamma baik diatur dalam hal redundansi memilih jalan. Kekuatan konektivitas
dalam jaringan jalan tidak akurat ditunjukkan oleh Indeks Alpha, tetapi indeks
gamma diatasi dengan kerugian ini.
DAFTAR PUSTAKA
1. Emilio Chuvieco and Alfredo Huete, Fundamental of Satellite Remote
Sensing (CRC Press, Taylor and Francis Group, 2010).
2. Michael Batty and Paul J. Densham, Decision Support, SIG, And Urban
Planning, January 1996 (http://www.acturban.org/biennial/doc_planners
/decission_SIG_planning.htm).

3. Dr.K.M.Lakshmana Rao and K.Jayasree, Rural Infrastructure Planning

with emphasis on road network connectivity by Coplanar Concurrent
Theory, Map India Conference 2003.
4. James r. Anderson, Ernest E. Hardy, John T. Roach, and Richard E.
Witmer ,A Land Use and Land Cover Classification System for Use with
Remote Sensor Data, Geological Survey Professional Paper 964 (1976).
5. Ravindra Kumar Verma, Sangeeta Kumari and R. K. Tiwary, Application
Of Remote Sensing And SIG Technique For Efficient Urban Planning In
India,
(http://www.researchgate.net/publication/234097016_Application_of_Rem
ote_Sensing_and_SIG_Technique_for_Efficient_Urban_Planning_in_Indi
a).
6. S. Kazemi and S. Lim, Deriving Multi-Scale GEODATA from TOPO250K

Road

Network

Data,

(http://www.gmat.unsw.edu.au/snap/publications/kazemi_etal2006a.pdf).
7. Alistair Edwardes and William Mackaness, Intelligent Generalisation Of
Urban

Road

Networks,

(http://www.geos.ed.ac.uk/homes/wam/EdwardesMack2000b.pdf).
8. Gopala Raju SSSV, Durga Rani K and Balaji KVGD, Analysis of road
network in Visakhapatnam city using geographical information systems,
Indian Society for Education and Environment (iSee) International Journal
May 2012.
9. Dr. Praveen Kumar, Dhanunjaya Reddy and Varun Singh, Intelligent
transport system using SIG, Map India Conference 2003.
10. R.Nijagunappa, Sulochana Shekhar, B. Gurugnanam, P.L.N. Raju And
Prabir De, Road Network Analysis Of Dehradun City Using High
Resolution Satellite Data And SIG, Journal Of The Indian Society Of
Remote Sensing, Vol. 35, No. 3, 2007.
11. Tharini.J, Kavitha.C and Pavithra K, A SIG Based, Bus Travel Guidance
System

For

Chenai

City,

(http://www.SIGdevelopment.net/application/Utility/transport/mi08_147pf
.htm).

12. V.S. Karandikar, Amit Prakash, P.S. Bindu, Prashant Nayak, SIG based
Road Information and Management System: A decision support tool for
Public Works Department, Government of Maharashtra, Map India
Conference 2003.
13. Andrew Adesola Obafemi, Olatunde Sunday Eludoyin and Dozie Richard
Opara, Road Network Assessment in Trans-Amadi, Port Harcourt in
Nigeria Using SIG, International Journal for Traffic and Transport
Engineering, 2011.
14. GAVU Emmanuel Kofi, Network based indicators for prioritizing the
location of a new urban transport connection: Case study Istanbul, Turkey,
February,

2010.

(http://www.itc.nl/library/papers_2010/msc

/upm/gavu.pdf).
15. K.Lee and K.H.Chi, Uses of High-Resolution Imagery for Urban
Transportation Application: Quantitative Indices Extraction Approaches,
(http://www.isprs.org/proceedings/XXXV/congress/comm7/papers/199.pd
f).
16. Hu Weiping and Wu Chi, Urban Road Network Accessibility Evaluation
Method Based on SIG Spatial Analysis Techniques, The International
Archives of the Photogrammetry, Remote Sensing and Spatial Information
Sciences, Vol. 38, Part II.
17. Mukti Advani, B.Srirama and S.K.Pathan, Improvement in Transit Service
using SIG Case study of Bhavnagar State Transport Depot, Proceedings
ESRI National Conference 2005 NOIDA, India.
18. Anjaneyulu, M.V.L.R, Prahallada Reddy and Nagaraj B.N., Development
of Spatial Information System for Transportation Planning of Calicut
Urban Area, Map Asia Conference 2003.
19. David Levinson, Network Structure and City Size, PLoS ONE Journal |
Volume 7 | Issue 1 | e29721, January 2012.
20. Kiwon Lee, Integrated Approach of Spatial Metrics by Graph-based Road
Network on Remotely Sensed Imagery for Urban Transportation Planning,
(http://www.isprs.org/proceedings/2005/ISRSE/html/papers/227.pdf).

21. R.V.Vinod, B. Sukumar and Ahalya Sukumar, Transport Network Analysis

of Kasaragod Taluk, Kerala Using SIG, Indian Cartographer, 2003.
22. Dr. Cesar Ducruet and Dr. Jean-Paul Rodrigue, Graph Theory: Measures
and

IndicesAuthors,

(http://people.hofstra.edu/geotrans/eng/methods/tg_methods.html).
23. Paulo Morgado and Nuno Costa, Geographic networks analysis A graphbased model for analyses the roads networks impact on land cover,
Proceedings of 7VCT, Lisbon, Portugal, 11-13 October 2011.
24. Suxia Liu and Xuan Zhu, Accessibility Analyst: an integrated SIG tool for
accessibility analysis in urban transportation planning, Environment and
Planning B: Planning and Design