Halo ArcNesian! ini adalah Q&A untuk teman-teman ArcNesian yang pertanyaannya belum sempat terjawab ataupun yang belum sempat ikut webinarnya. Silahkan dibaca Q&A nya iya.

Aplikasi Esri profesional sejak akhir tahun 2019 telah terinstal di Bappeda dan sejauh ini digunakan untuk Musrenbang desa dan kecamatan dengan usulan berbasis spasial, mohon arahannya secara teknis agar aplikasi ini dapat dimanfaatkan untuk membantu penanganan COVID-19 di bappeda, apakah ada modul/tutorial dalam membuat dashboard COVID-19 pada tingkat Pemerintah Daerah?
Terkait support yang dilakukan oleh Esri Indonesia secara teknis bisa menggunakan tutorial kami pada link di berikut: tiny.cc/ManajemenPandemiCOVID19 

Boleh minta atau di share link dari beberapa app yang telah dijelaskan melalui Webinar ini?
Berikut link yang dapat diakses mengenai penjelasan webinar melalui Story Map Pembicara Esri Indonesia https://arcg.is/1Oiav4  

Selain kepadatan penduduk apakah ada indikator lain yang mempengarui kerentanan sosial terhadap bencana COVID-19?
Berdasarkan Perka BNPB No. 2/2012 yang dapat diakses melalui link dibawah ini. http://web.bnpb.go.id/jdih/download/get_file/136  terdapat parameter kepadatan penduduk, rasio umur rentan, rasio disabilitas, rasio kemiskinan dan rasio jenis kelamin. Di dalam perka itu juga disampaikan rumusnya.

Untuk update data yang dilakukan ke dashboard tersebut yang dilakukan setiap hari adakah kendala secara teknis yang dialami?
sampai saat ini belum ada kendala teknis yang dialami.

Pada WebGIS terdapat kerentanan sosial, maksudnya bagaimana?
Dengan adanya peta kerentanan sosial, diharapkan pemerintah dapat membuat suatu keputusan berdasarkan kerentanan sosial tersebut. di sinilah bagaimana GIS berperan dalam mempermudah membuat keputusan.

Apakah ESRI menyediakan data Spasial Nasional maupun Internasional mengenai COVID- 19 ini. mengingat, setiap kabupaten kota ada datanya, tetapi terkadang tidak singkron antar daerah, atau bahkan tidak singkron dengan data Nasional yg disediakan pemerintah pusat?
Kami di esri indonesia melakukan pengumpulan data di HUB kami, dan dapat diakses melalui beberapa link berikut: https://gis-kawalcovid19.hub.arcgis.com/  
https://bnpb-inacovid19.hub.arcgis.com/ 

Server ArcGIS nya setup sendiri atau diletakkan di mana?
Untuk Server ArcGIS Disaster Response Program tidak menggunakan Server ArcGIS, namun menggunakan ArcGIS Online yang infrastruktur berada di Cloud.

di https://radarcovid19.jatimprov.go.id/ dijelaskan hingga detail sampai pada lokasi rumah pasien positif. kenapa di aplikasi yang sudah dijelaskan tidak boleh sampai detail karena menyangkut privasi?
Dalam aplikasi SICOVID Sukoharjo tidak menampilkan data lokasi karena merupakan data pribadi yang menurut peraturan perundang-undangan tidak boleh disebarluaskan tanpa izin. UU Nomor 44 Tahun 2019 tentang Rumah Sakit dan UU Nomor 12 Tahun 2008 tentang Keterbukaan Informasi Publik serta UU ITE.

Seberapa efektif pembuatan sistem informasi ini dalam penanganan kasus covid-19?
Dalam hal pemetaan dan analisa spasial, akan sangat membantu pemetaan kasus COVID-19 dan memberikan gambaran lokasi mana saja yang mendapatkan penanganan lebih intens.

Untuk penerima bantuan sosial, data apa saja yang digunakan untuk menganalisis hingga mengaplikasikannya?
Data yang digunakan di Kecamatan dan untuk data yang digunakan per-desa bersumber dari: https://gis.dukcapil.kemendagri.go.id/peta_bantuan 

Selain upaya dalam bidang kesehatan, bagaimana Pemda memanfaatkan data dan aplikasi ini sebagai kajian dan pertimbangan untuk menentukan kebijakan dalam rangka menuju new normal khususnya pembangunan infrastruktur dan ekonomi?
Teknologi ArcGIS juga dapat digunakan untuk membantu analisa spasial dalam membantu pembangunan.

Bagaimana cara update database dan Apakah otomatis berubah data-data di dashboard dan hasil rekap datanya?
Untuk updating data harian, cukup update field/tabel atribut. Untuk SICOVID Sukoharjo, updating dilakukan menjadi 2 cara, manual langsung di arcgis online untuk data Per-Kecamatan, dan untuk data Per-desa dilakukan di ArcGIS Dekstop dengan melakukan Join atribut spasial - tabel excel. Lalu file spasial Kasus per-desa tersebut diunggah kembali ke arcgis online.

Apakah memungkinkan jika dibuatkan aplikasi berbasis Android/iOS untuk mengetahui pola pergerakan masyarakat secara realtime, seperti kerjasama dengan provider GSM atau lotadata untuk keperluan tracing, prediksi lokasi potensi COVID-19?
Terkait Disaster Response Program yang kami provide bersifat templates, jika ada kebutuhan di luar hal tersebut, maka dikembalikan ke user bagaimana akan men-develop dan jika membutuhkan bantuan esri, maka akan menjadi project tersendiri.

Untuk menggunakan ArcGIS online apakah ada template dasar yg sudah disediakan oleh esri atau penyedia layanan lainnya, seperti blog di situs blogspot agar lebih interaktif?
untuk organisasi non-profit dan pemerintahan dapat melakuakan request di https://esriindonesia.co.id/covid-19-assistance , salah satu fitur ArcGIS yang dapat dimanfaatkan oleh user adalah StoryMap yang mirip seperti blogspot.

bagaimana mengetahui validitas data sebelum dijadikan sebagai informasi pada ArcGIS online?
Jika konteksnya adalah keaslian atau tingkat akurasi data, maka menjadi tanggung jawab user sendiri bagaimana metode validitasnya. Jika konteksnya adalah teknologi ArcGIS bisa digunakan untuk membantu validitas dengan memberikan verifikasi data di setiap data masuk atau menggunakan attactment berupa foto yang bisa dipertanggung-jawabkan.

Apakah dari ArcGIS desktop hingga dashboard perlu konversi ekstensi database (misal xlx->shp -> cad), apa yang membedakan ArcGIS Online dan Web-AppBuilder for ArcGIS, Lalu untuk mengupdate data sebaran Covid-19 apakah hanya bisa 1 admin atau semua relawan bisa melakukan update data?
Untuk updating data harian cukup update field/tabel atribut. Untuk SICOVID Sukoharjo updating dilakukan menjadi 2 cara, manual langsung di ArcGIS online untuk data per-Kecamatan dan untuk data per-desa dilakukan melalui ArcGIS Dekstop dengan melakukan Join atribut spasial - tabel excel. Lalu file spasial Kasus Per-desa tersebut diunggah kembali ke ArcGIS online. tugas masing2 relawan berbeda, karena data dari DINKES struktur tabelnya belum sesuai dengan sistem di ArcGIS maka perlu diubah terlebih dahulu, dan saat updating di ArcGIS Online pun juga ada pembagian tugas.

Bagaimana konsep pemerintah daerah dan instansi lainnya yang berkolaborasi dengan tim GIS dalam menetapkan distribusi sarana cuci tangan sebagai pencegahan covid-19, berdasarkan hasil analisis menggunakan GIS, mulai dari jumlah dan lokasi persebaran sarana cuci tangan?
Kami dapat memberikan gambaran analisa GIS untuk persebaran sarana cuci tangan yang ditempatkan di zona yang sering menjadi perkumpulan orang, analisa bisa menggunakan buffer pada titik titik tersebut seperti terminal, bandara, pusat perdagangan, tempat pendidikan dll. kemudian bisa menggunakan survey123 untuk memantau kondisi sarana tersebut dengan pelaporan masyarakat jika ada sarana yang rusak atau belum mendapatkan distribusi.

Bagaimana cara embed arcgis experience sehingga menjadi 1 melalui laman website berikut http://corona.sukoharjokab.go.id/?
Untuk embed biasanya menyesuaikan provider website itu sendiri, Seperti pada wordpress dan blogger mempunyai cara yg berbeda, sedangkan untuk corona.sukoharjokab.go.id itu belum embeded, baru sebatas link saja.

Ikuti Webinar lainnya dari Esri Indonesia melalui website berikut:
https://esriindonesia.co.id/webinars 

Untuk mendapatkan materi video dari Webinar ini, silahkan akses link berikut:
https://www.youtube.com/watch?v=Gn1KLAyKVwA 

halo ArcNesian! ini adalah Q&A untuk temen-temen ArcNesian yang pertanyaannya belum sempat terjawab ataupun yang belum sempat ikut webinarnya. Silahkan dibacaa Q&A nya iya.

Bagaimana cara kita mendapatkan informasi webinar atau event lainnya dari Esri
Indonesia?
Informasi mengenai event, webinar, dan agenda-agenda lainnya dibagikan oleh kami
melalui beberapa media dari Esri Indonesia berikut:
Website       : https://esriindonesia.co.id/events-calendar 
Linkedin       : https://www.linkedin.com/company/esri-indonesia 
Twitter          : https://twitter.com/esriindonesia 
Instagram      : https://www.instagram.com/esriindonesia 

ArcGIS Pro versi berapa dan lisensi yang diperlukan untuk menggunakan tools deep learning?
Jenis dan tipe lisensi yang dibutuhkan adalah sebagai berikut:
• ArcGIS Pro Basic/Standard/Advance Version 2.5 or newer
• Image Analyst extension for ArcGIS Pro

Apakah Image Analyst extension for ArcGIS Pro termasuk ke dalam ArcGIS Pro secara default?
Tidak, Image Analyst extension for ArcGIS Pro merupakan komponen lisensi terpisah.

Bagaimana tingkat akurasi tree countingnya (%) dan bagaimana cara kita dapat mengetahui tingkat akurasi hasil object detection ini?
Tingkat akurasinya sangat bergantung kepada jenis model yang digunakan, training sample yang dibuat, dan parameter-parameter yang kita tentukan pada saat train model dan melakukan deteksi objek. Tingkat akurasi bisa dihitung dengan cara membandingkan hasil deteksi objek dengan fakta di lapangan (ground truth), presentasi benar dari total sampling menunjukkan tingkat (%) akurasinya.

Dapatkah pengguna mendapatkan informasi estimasi diameter atau luas kanopi setiap pohon?
Bisa, hasil tree counting workflow ini akan menghasilkan bounding box dimana pohon ditemukan. Yang harus dilakukan untuk menghitung luas kanopi tanaman nya adalah:
1. Menjalankan tool Feature to Point (Data Management) untuk mendapatkan titik pusat pohon
2. Menjalankan tool Buffer dengan estimasi rata-rata jari-jari pohon untuk mendapatkan luas kanopi.

Data apa sajakah yang dibutuhkan untuk melakukan tree counting dan building extraction workflow ini, Perlukah data surface model/DSM?
Data yang diperlukan adalah data citra/imagery dan data training sample. Workflow ini tidak membutuhkan data surface/DSM.

Apakah sumber data citra/imagery terbaik yang menghasilkan hasil deteksi objek dengan akurasi tinggi?
Data yang diperlukan sangat bergantung kepada objek yang akan dideteksi. Untuk objek berukuran kecil, semakin tinggi resolusinya maka hasilnya akan semakin baik. Sangat disarankan untuk menggunakan data orthomosaic dari UAV/Drone untuk mendeteksi pohon, benda, dan objek kecil lainnya.

Bagaimana aplikasi tree counting dan tree health monitoring di area reklamasi tambang dimana jenis tanamannya bervariatif, apakah sama konsep nya dengan industri forestry atau plantation?
Memproses tree counting untuk objek tanaman yang heterogen menggunakan konsep yang sama namun membutuhkan kejelian ekstra dalam pembuatan training sample. Skema training sample yang dibuat bisa dibedakan sesuai dengan jenis tanamannya. Kami pernah mengimplementasikannya dan memberikan hasil yang cukup baik setelah beberapa kali refinement training sample dan parameter yang digunakan pada saat train modelnya.

Pada umur tanaman berapakah idealnya kita bisa melakukan tree counting dengan ArcGIS Pro, Bagaimana jika tanamannya sudah rapat?
Tidak ada batasan usia tanaman yang dapat diproses dengan tools ini. Kami pernah melakukan uji coba pada tanaman berusia 1-2 bulan dan memberikan hasil yang cukup baik. Pada usia tanaman yang sudah besar, training sample sebaiknya dipastikan untuk mencover hanya di inti crown tanamannya saja.

Berapa banyak jumlah training sample yang harus dibuat?
Poin penting yang harus diperhatikan dalam pembuatan training sample adalah harus representatif. Banyaknya training sample bukan jaminan menghasilkan model yang baik jika training sample yang dibuat tidak akurat. Jumlah training sample yang dibutuhkan disesuaikan dengan keberagaman objek pohon/bangunan/objek lainnya. Idealnya semakin banyak training sample akan memberikan hasil yang semakin baik.

Bagaimana cara meningkatkan akurasi dari model yang kita buat dengan menggunakan Deep Learning di ArcGIS Pro?
Cara meningkatkan akurasi sangat bergantung kepada objek yang dideteksi dan model yang digunakan. Meningkatkan akurasi dapat dilakukan diantaranya dengan cara melakukan review atas training sample yang dibuat, menambahkan training sample, dan merubah konfigurasi parameter pada saat Train Model dan Detect Object.

Bagaimana cara mendapatkan ArcGIS Pro, misalnya versi trialnya & Versi berapa yang sebaiknya saya gunakan. Adakah panduan instalasinya?
Untuk general enquiry, silahkan mengakses: https://esriindonesia.co.id/general-enquiry
Untuk penggunaan non komersial, volunteering work, dan akademik, silahkan untuk dapat mengakses link berikut: https://esriindonesia.co.id/arcgis-for-personal-use  
Trial ArcGIS Pro dapat didapatkan untuk 21 hari melalui link berikut:
https://pro.arcgis.com/en/pro-app/get-started/notes-for-arcgis-trial-users.htm  
Versi yang mendukung deep learning workflow end-to-end adalah minimal versi 2.5.
Panduan instalasi dapat diakses melalui link berikut:
https://pro.arcgis.com/en/pro-app/get-started/install-and-sign-in-to-arcgis-pro.htm 

Apakah fitur deep learning bisa melakukan hyperparameter optimization. Bagaimana jika kita ingin mencoba berbagai deep learning framework lain?
Hyperparameter optimization saat ini belum tersedia di dalam platform ArcGIS by default. Sama hal nya dengan jika user ingin menggunakan deep learning framework lainnya, user dapat menginstall dan mengolahnya menggunakan IDE seperti jupyter notebook.

Dapatkah ArcGIS mendeteksi tanaman berusia sangat muda, object berukuran kecil, atau objek dengan kerapatan sangat tinggi?
Possibility untuk mendeteksi objek dengan metode object detection sangat berpengaruh kepada ukuran objek yang akan deteksi, resolusi imagery yang digunakan, dan berbagai parameter lainnya termasuk jumlah training sample, dan konfigurasi parameter pada toolbox deep learning. Jika user ingin mendeteksi tanaman A berusia 1 bulan dengan diameter tanaman 50 cm, user sebaiknya memiliki data imagery/citra dengan resolusi 5-10 cm. Jika data citra/imagery yang digunakan beresolusi rendah dibandingkan dengan objek yang di deteksi, maka akurasi hasil deteksinya rendah. Pendekatan lain jika user tidak memiliki resolusi yang cukup adalah dengan menggunakan Image Classification dengan Deep learning framework di ArcGIS Pro.

Apakah keunggulan dari ArcGIS Pro dibandingkan dengan ArcGIS Desktop lama/ArcMap?
ArcGIS Pro merupakan 64-bit application (ArcMap 32-bit) yang didesain untuk mendukung kegiatan pengolahan data, visualisasi, dan analisis lebih cepat. ArcGIS Pro mendukung 2D & 3D dalam satu windows, animation, dan chart. Referensi lebih lengkap keunggulan ArcGIS Pro dapat diakses pada link berikut:
https://www.esri.com/about/newsroom/arcuser/why-you-should-move-to-arcgis-pro/  
https://communityhub.esriuk.com/geoxchange/2018/2/21/top-10-things-you-can-do-better-in-arcgis-pro  
https://storymaps.arcgis.com/stories/d3ad639cbe104dccacd3e3aaad9b179a 

Bagaimana cara GeoAI untuk memprediksi kekurangan unsur hara, air dan potensi produksi?
Pendekatan yang dilakukan adalah melalui spectral analysis (nilai pembacaan spektrum pantulan cahaya pada band tertentu dari foto udata/satelit/uav) dengan menggunakan ArcGIS Pro Raster Function. Data dari spectral analysis tersebut akan dibandingkan dengan verifikasi dan pembacaan data di lapangan melalui sampling dan nilainya dibandingkan dengan nilai hasil pengolahan spectral analysis.

Untuk citra yang digunakan resolusi rendah apakah bisa digunakan digunakan untuk landcover?
Bisa, dengan menggunakan ArcGIS Pro Image Classification Tools yang saat ini juga mendukung deep learning workflow seperti Random Forest dan Support Vector Machine.

Apakah data citra yg diperoleh dari basemap/peta dasar imagery bisa digunakan untuk mendeteksi objek pohon atau bangunan dengan GeoAI?
Tidak cukup detail untuk tree counting, tetapi ada kemungkinan untuk dapat mendeteksi bangunan dan digunakan untuk proses image classification.

Bagaimanakah cara membuat training sample/training data/Latih dan apakah didapatkan secara otomatis?
Pembuatan Training sampe dapat dilakukan menggunakan “Label Object using Deep Learning” pada Tab Imagery di ArcGIS Pro. Diawali dengan pembuatan skema/kelas/jenis objek yang akan di deteksi, kemudian dilakukan digitasi objek. Training sample ini akan disimpan dalam format data spasial – polygon. Training sample harus dibuat secara manual terlebih dahulu sebagai feeding/umpan/input data untuk sistem dapat mengenali objek.

Dapatkah kita membangun model builder hingga automation script untuk memudahkan pengerjaan Deep Learning workflow untuk tree counting dan building extraction, dan apakah model builder tersebut dapat dijalankan di ArcMAP?
Pengguna dapat membangun model builder dari toolbox-toolbox deap learning untuk menyederhanakan workflow kerjanya. Juga dapat menggunakan custom script Arcpy yang bisa dibangun dengan python untuk kebutuhan otomisasi cukup dengan lisensi ArcGIS Pro + Image Analyst Extension. Model builder/script yang sudah dibuat tidak dapat dijalankan di ArcMAP karna desktop tersebut tidak mendukung deep learning capability.

Bagaimana cara menginstall deep learning frameworks yang diperlukan ArcGIS Pro?
Untuk menjalankan deep learning tools di ArcGIS Pro, user perlu menginstal deep learning frameworks yang dibutuhkan oleh ArcGIS Pro. Panduan instalasinya dapat diakses melalui link berikut:
https://pro.arcgis.com/en/pro-app/help/analysis/image-analyst/install-deep-learning-frameworks.htm

Apa model atau algoritma yang digunakan dalam tree counting dan building extraction ini?
Pada studi kasus ini kami menggunakan Single Shot Detector (SSD). Informasi detail mengenai model ini dapat diakses melalui link berikut:
https://developers.arcgis.com/python/guide/how-ssd-works/ 

Dapatkah kita menggunakan ArcGIS API for Python, Perlukah lisensi untuk menggunakan ArcGIS Python API, dan dapatkah kita menggunakan API ini di kaggle atau Google Colab?
ArcGIS API for Python tersedia untuk umum dan dapat diinstall melalui conda. API ini dapat digunakan tanpa lisensi apapun. Untuk mengakses data di ArcGIS Online atau ArcGIS Enterprise, diperlukan authentikasi/login. API ini juga dapat digunakan di semua Python IDE termasuk kaggle dan Google Colab.

Dapatkah kita mendeteksi tumbuhan sehat atau rusak tanpa terjun ke lapangan dan Bagaimana kita mengukur tingkat akurasinya?
Kita dapat menentukannya dengan pendekatan raster analysis dapat melalui NDVI, VARI, atau index lainnya yang juga tersedia di ArcGIS Pro. Tingkat akurasi bisa dihitung dengan cara membandingkan hasil VARI dengan fakta di lapangan (ground truth), presentasi benar dari total sampling menunjukkan tingkat (%) akurasinya.

Bagaimanakah proses iterasi untuk memperbaiki model jika hasil deteksi awal belum baik?
Kita dapat melakukan pengulangan proses ini:
• Koreksi atau penambahan training sample.
• Merubah parameter pada toolbox Train Deep Learning Model atau Detect object using Deep Learning.
• Mencoba menggunakan model lainnya.

Bagaimana cara saya berganti perangkat komputer/laptop supaya ArcGIS Pro tetap dapat digunakan?
Install ArcGIS Pro pada perangkat baru >> login menggunakan akun yang telah dikonfigurasi lisensi ArcGIS Pro.

Metode Image Classification apakah yang dapat menciptakan hasil yang baik dan menggunakan deep learning framework?
Bisa dengan menggunakan ArcGIS Pro Image Classification Tools yang saat ini juga mendukung deep learning workflow seperti Random Forest dan Support Vector Machine.

Apakah hasil dari building extraction bisa digunakan untuk menentukan ketinggian bangunan?
Bisa dengan informasi/data surface model. Jika menggunakan data UAV/Drone dapat mengkonfigurasikan drone data processing untuk memberikan surface model/DSM.

Apakah data Citra Satelit Resolusi Tinggi atau CSRT - 0,5m cukup baik untuk digunakan dengan deep learning workflow?
Resolusinya tidak cukup tinggi untuk tree counting, tetapi dapat digunakan untuk building extraction atau mendeteksi objek lain yang lebih besar.

Dari manakah kita menentukan kondisi tanaman Need Inspection (merah), Moderate (kuning), dan Healthy (hijau) dari hasil analisis raster VARI?
Kita dapat menentukannya dengan mengganti simbologi layer menggunakan nilai VARI. Kemudian kita dapat mengelompokkan nilainya menjadi beberapa kelas. Nilai VARI yang rendah menunjukkan pohon yang membutuhkan inspeksi, tinggi menunjukkan pohon yang sehat.

Bagaimana mekanisme model mengenali objek, apakah membedakan warna & dapatkah kita memperbaikinya secara manual saat terjadi kesalahan identifikasi?
Deep learning framework tidak hanya mendeteksi objek berdasarkan warna, akan tetapi juga berdasarkan bentuk , ukuran, aspek rasio, dan berbagai properti lain dari objeknya.

Bagaimana jika data imagery/citra yang digunakan berasal dari gabungan beberapa image yang diambil pada waktu yang berbeda?
Sebaiknya sebelum memulai proses deep learning add raster tersebut ke dalam Mosaic Dataset, kemudian atur warnanya supaya seragam melalui konfigurasi Color Balance.
https://pro.arcgis.com/en/pro-app/tool-reference/data-management/color-balance-mosaic-dataset.htm 

Adakah studi kasus deep learning object detection untuk objek tanaman laut?
Studi kasus deteksi tanaman laut dapat diakses disini:
https://learn.arcgis.com/en/projects/predict-seagrass-habitats-with-machine-learning/ 

Dapatkah kita mengintegrasikan workflow ini dengan library lain nya seperti tensorflow dan keras, dapatkah kita mendeteksinya tetap menggunakan ArcGIS Pro?
Untuk menggunakan library lain, dapat menggunakan workflow berikut:
• Membuat training sample di ArcGIS Pro.
• Export training data dengan tools “Export Training Data For Deep Learning” di ArcGIS Pro dengan Meta Data Format yang sesuai kebutuhan model/library yang digunakan.
• Gunakan image Chips hasil proses sebumnya dan Train model di Jupyter Notebook menggunakan model yang ingin digunakan.
• Konfigurasikan emd file misalnya seperti berikut (contoh *.emd file ada pada pada link yang dapat diakses berikut: https://pro.arcgis.com/en/pro-app/help/analysis/image-analyst/deep-learning-in-arcgis-pro.htm  agar kita dapat menggunakan fitur model yang telah dibangun sebelumnya.
• Run tool “Detect Object using Deep Learning” di ArcGIS Pro

Dapatkah kita menggunakan model/classifier/emd/dlpk yang telah dibuat pada citra/image daerah lainnya & dapatkah kita gunakan untuk mendeteksi objek yang berbeda?
Kita dapat menggunakan model yang sama pada area yang berbeda selama objek memiliki karakteristik yang sama. model yang telah dibuat tidak dapat digunakan untuk mendeteksi objek yang berbeda.

Pada pembuatan skema training sample, berapa jenis objek atau skema yang dapat kita buat?
Jenis objek/skema dapat berjumlah dua atau lebih. Misalnya 1.bangunan, 2.pohon 3. jalan, 4. kolam dst. Tanpa ada batas maksimal.

Apakah deep learning framework ini sama seperti workflow image classification?
Berbeda, jika image classification bertujuan untuk mendeteksi objek, object detection akan mendeteksi objek dan posisinya dalam bentuk bounding box.

Apakah spesifikasi laptop yang disarankan untuk dapat menjalankan deep learning workflow ini?
Spesifikasi yang disarankan adalah sebagai berikut:
• CPU - Recommended: 4 cores, Optimal: 10 cores
• RAM – Recommended: 8GB, Optimal: 16GB or more
• Display properties - 24-bit color depth
• Screen resolution - 1024x768 or higher at normal size
• Storage - Minimum: 32 GB of free space, Recommended: 32 GB or more of free space on a solid-state drive (SSD)
• DirectX - Recommended: DirectX 11, feature level 11.0, Shader Model 5.0
• Dedicated (not shared) graphics memory - Recommended: 4 GB or more
• Windows 10 Home, Pro, and Enterprise (64 bit)

Dapatkah kita menghitung prediksi tonase produksi pada perkebunan tebu?
Perhitungan pohon dapat dilakukan pada usia muda, kemudian dapat di prediksi dengan menganalisis pattern/pola produksi setiap batangnya berdasarkan historical data.

Apakah deep learning framework dapat digunakan juga untuk mendeteksi standing crop seperti padi?
Object detection memiliki kemampuan yang mendekati visual interpretation manusia, sulitnya kita melihat dengan mata setiap helai tanaman padi dari foto udara, maka deep learning juga saat ini akan kesulitan untuk mendeteksinya. Tanaman padi disarankan menggunakan image classification workflow dan bukan object detection.

Dapatkah kita menggunakan Training sample/model/detector yang sama untuk mendeteksi objek sama pada waktu yang berbeda?
Model yang telah dibuat dapat digunakan selama objek yang dideteksi masih memiliki bentuk dan karakter yang sama. Tetapi Training sample selama posisi imagery/citra akurat maka dapat selalu digunakan kedepannya.

Adakah referense web course yang disediakan oleh esri?
Silahkan mengakses esri training pada link berikut: https://www.esri.com/training/ 

Format raster apa saja yang di dukung oleh workflow ini, apakah ecw dapat digunakan?
ECW dan berbagai format data raster lainnya dapat digunakan pada workflow ini. detail daftar format yang didukung dapat diakses pada link berikut:
https://pro.arcgis.com/en/pro-app/help/data/imagery/supported-raster-dataset-file-formats.htm 

Adakah studi kasus perubahan iklim atau kualitas lingkungan dengan menggunakan ArcGIS Pro?
Studi kasus terkait iklim dapat diakses pada link berikut:
https://learn.arcgis.com/en/paths/climate-change/  
https://learn.arcgis.com/en/projects/explore-future-climate-projections/ 

Berapa lama processing time yang diperlukan untuk studi kasus tree counting dan building extraction ini?
Dua studi kasus ini menggunakan data imagery/citra dengan ukuran yang relatif sama membutuhkan waktu 40-50 menit dengan spesifikasi laptop:
• CPU - 4 cores multithread
• RAM - 16GB
• GPU - NVIDIA GeForce GTX 1050 4GB GDDR5 VRAM

Dapatkah ArcGIS Pro digunakan untuk deteksi kawasan banjir?
Mendeteksi kawasan banjir bisa dilakukan salah satunya dengan metode image classification dari data landsat 8 imagery menggunakan kombinasi band 3 (green), dan band 6 (SWIR).

Dapatkah mendeteksi pohon dengan data lidar?
Menggunakan data orthomosaic resolusi tinggi dari drone sudah cukup, data LiDAR dapat diproses untuk tree counting jika pohon yang ingin dideteksi seragam dan memiliki ketinggian yang berbeda dengan tanaman sekitarnya. Dengan mengkonversi menjadi raster berdasarkan elevation, data ini dapat dijadikan input data untuk deep learning.

Apakah deep learning di ArcGIS Pro dapat digunakan untuk permodelan pergerakan penduduk (travel behavior)?
ArcGIS Pro dapat digunakan untuk banyak advance spatial dan pattern analysis, diantaranya dapat menggunakan Analyzing Patterns toolset pada link berikut:
https://pro.arcgis.com/en/pro-app/tool-reference/spatial-statistics/an-overview-of-the-analyzing-pat... 

Bagaimana menentukan berapa persen tingkat akurasi yang mencukupi untuk objek yang kita deteksi?
Cukup tidaknya akurasi dari deteksi yang kita lakukan berdasarkan assesment yang kita lakukan, Apakah angka tersebut cukup untuk mencapai target deteksi kita.

Apakah deep learning tools di arcgis pro men-support image augmentation dan custom loss function?
Saat ini yg didukung ArcGIS Pro adalah image segmentation, object detection, dan image instance. Untuk melakukan image augmentation untuk data spatial bisa menggunakan sumber berikut ini: https://github.com/afruehstueck/tileGAN
Karena library yang dikembangkan oleh esri arcgis.learn ditujukan untuk mempermudah user melakukan deep learning workflow, maka untuk menyederhanakan workflow custom loss function tidak disediakan dan secara default menggunakan loss function yang paling mutakhir, contohnya pada model RetinaNet kami sudah menerapkan Focal Loss yg merupakan enhancement dari cross entropy loss yang dapat diakses pada link berikut:
https://developers.arcgis.com/python/guide/how-retinanet-works 

Mungkinkah menghitung jumlah buah pada pohon melalui citra satelit dengan menggunakan Deep Learning?
Tantangan dalam mendeteksi buah adalah, ukurannya yang kecil, dan objek nya itu sendiri yang sering tertutup dahan/daun di atasnya. Secara resolusi imagery, untuk dapat menghasilkan imagery beresolusi sangat tinggi sangat susah dan berbiaya tinggi. Hal ini membuat perhitungan produksi dari setiap pohonnya banyak yang masih menggunakan pendekatan statistik.

Adakah tools di ArcGIS Pro yang dapat digunakan untuk mengoreksi data imagery/citra?
Koreksi data citra/imagery di ArcGIS Pro dapat dilakukan dengan memanipulasi raster dengan area lain. Untuk lebih lengkapnya dapat diakses pada link berikut:
https://pro.arcgis.com/en/pro-app/help/analysis/image-analyst/pixel-editor-in-arcgis-pro.htm 

Bagaimana kondisi/akurasi geometris citra/imagery yang akan diproses? Apakah proses koreksi geometrisnya dilakukan terpisah dengan proses deep learning ini?
Koreksi geometri dilakukan sebelum deep learning workflow dimulai supaya hasil deteksinya juga merepresentasikan lokai yang sesuai/akurat.

Apakah akurasi model dengan training sample citra resolusi tinggi sama ketika di implementasi dengan citra resolusi rendah?
Kedua image/citra tersebut tidak dapat dibandingkan karena memiliki tingkat resolusi yang berbeda. training sample hingga model yang dibuat dengan deteksi objek yang dilakukan harus konsisten dengan menggunakan spesifikasi imagery/citra yang sama.

Dapatkah kita menggunakan deep learning workflow ini untuk mendeteksi tebing karst? Dapatkah juga digunakan untuk membedakan area sawah dengan tambah?
Keduanya sangat mungkin dilakukan. Kita harus menggunakan data citra/imagery serta kombinasi band yang sensitif mendeteksi objek tersebut. Khusus mendeteksi sawah dan tambak, sebaiknya menggunakan image classification workflow dengan deep learning menggunakan kombinasi band yang sensitif terhadap vegetasi dan air.

Do you know of any ESRI partners in the US or other English speaking places that have a similar webinar series, I can't find anything online other than the link I posted earlier. I'm looking to learn more?
For events and webiars about GeoAI, I suggest you to join wirh this GeoAI group on Social Media Linkedin: https://www.linkedin.com/groups/13843505/  
You can also access all Esri Global events here: https://www.esri.com/en-us/about/events/index/overview  and here https://events.esri.com/info/index.cfm#/  

Ikuti Webinar lainnya dari Esri Indonesia melalui website berikut:
https://esriindonesia.co.id/webinars
Untuk mendapatkan materi video dari Webinar ini, silahkan akses link berikut:
https://www.youtube.com/watch?v=LCr0zHmUOuU

Halo Arcnesian! Pada blog post kali ini, saya akan membagikan sedikit pemaparan tentang LocateXT. Arcnesian mungkin sering bertemu atau berurusan dengan data lokasi yang tidak terstruktur, dan merasa kebingungan/kewalahan mengolah data tersebut. ArcGIS, dalam hal ini, memiliki solusi untuk mengatasi hal tersebut, yaitu LocateXT. 

LocateXT merupakan suatu extension tambahan dari ArcGIS yang memungkinkan pengguna dapat menggunakan tools Extract Locations, yang bertujuan untuk mengekstraksi data lokasi dari suatu file atau data spasial yang tidak terstruktur sehingga menghasilkan fitur titik yang mewakili lokasi tersebut. 

Data tidak terstruktur adalah teks atau dokumen apa pun seperti halaman web, laporan, email, konten media sosial, dan lain sebagainya. Dokumen Microsoft Office (Word, PowerPoint, dan Excel), dokumen Adobe PDF, file teks, dan sebagainya semuanya dapat diproses. Tools Extract Locations dapat memproses satu file atau beberapa file dalam satu folder sekaligus. Pengguna juga dapat men-drag teks dari email atau halaman web pada panel untuk dianalisis.

Setiap titik pada kelas fitur keluaran memiliki konten dalam atribut tabel yang menunjukkan file tempat lokasi spasial ditemukan. Teks yang melingkupi lokasi spasial diekstraksi dari dokumen asli dan disimpan dalam bentuk atribut untuk menyediakan konteks bagi lokasi tersebut. Tanggal dan kata kunci yang terkait dengan lokasi juga dapat diekstraksi. Tools Extract Locations tidak secara otomatis mengenali teks yang mewakili alamat sebagai lokasi spasial, sehingga locator tidak dapat digunakan untuk menghasilkan titik yang mewakili lokasi tersebut. Kapabilitas yang disediakan pada tools Extract Locations juga tersedia dalam geoprocessing tools, yaitu Extract Locations From Document dan Extract Locations From Text .

Berikut ini saya akan mencontohkan bagaimana kapabilitas ekstensi LocateXT ini dapat bekerja. Pada kesempatan ini, saya menggunakan ArcGIS Pro dan data titik-titik lokasi baseline pulau-pulau terluar di wilayah teritorial Indonesia berdasarkan Peraturan Pemerintah Republik Indonesia No. 38 Tahun 2002 (format PDF) yang diunduh dari situs United Nations sebagai data sampel untuk diekstraksi koordinatnya.

Tahapan langkah kerjanya adalah sebagai berikut:

1. Unduh file yang mengandung koordinat lokasi titik-titik lokasi baseline agar tersimpan pada penyimpanan lokal

    anda. File yang diunduh (untuk kasus ini) dalam format PDF. 

2. Selanjutnya, jalankan ArcGIS Pro yang sudah terpasang ekstensi LocateXT. Pada jendela ArcGIS Pro, buat project

     baru dengan nama dan lokasi penyimpanan sesuai keinginan.

3. Proses ekstraksi koordinat dapat dilakukan dengan dua cara. Cara pertama adalah menggunakan tools Extract

    Locations pada menu Add Data.                                             

• Pada tab Map, pilih opsi Add Data -> Extract Locations. 
• Jendela Extract Locations seperti berikut akan muncul.
• Pada opsi Output, beri nama dan tentukan lokasi penyimpanan untuk fitur hasil ekstraksi koordinat. Selanjutnya pada opsi Input, drop file PDF yang sebelumnya sudah diunduh, atau klik opsi Browse untuk memilih file tersebut. 
• Selanjutnya klik Extract. File akan diproses beberapa saat untuk diekstraksi data koordinatnya. 
• Hasil ekstraksi koordinat akan muncul pada jendela ArcGIS Pro.

4. Cara kedua adalah dengan menggunakan Geoprocessing tools. 

• Pada tab Analysis, pilih Tools. 
• Jendela Geoprocessing akan muncul. Lakukan pencarian tools dengan menuliskan 'extract location' pada kolom Find Tools. Akan muncul hasil pencarian berupa tools Extract Locations From Document dan Extract Locations From Text.
• Karena data yang digunakan berbentuk PDF, maka kita memilih opsi Extract Locations From Document. 
• Pada jendela Extract Locations From Document, pilih file yang ingin diekstraksi koordinatnya pada kolom Input File. Kemudian beri nama untuk feature layer hasil dari proses ekstraksi pada Output Feature Class dan tentukan lokasi penyimpanannya. Lakukan pengaturan-pengaturan lain jika diperlukan, misalnya menentukan seperti apa format koordinat hasil ekstraksinya. 
• Klik Run untuk menjalankan proses ekstraksi. 
• Hasil dari proses ekstraksi koordinat berupa titik-titik lokasi baseline akan muncul pada jendela ArcGIS Pro. Tidak ada perbedaan hasil antara ekstraksi yang dilakukan dengan Extract Locations maupun yang dilakukan dengan tools Extract Locations From Document. 

Demikian bahasan mengenai LocateXT pada blog post ini. Informasi lebih lanjut terkait extension ini dapat diakses pada artikel What is LocateXT—ArcGIS Help | Documentation. 

Ditulis oleh: Pachira Eizza Paramitha, Technical Track - FLP SH 2020.

Halo Arcnesian! Hal yang akan dibahas pada artikel ini mungkin akan cukup berbeda dengan artikel lainnya. Karena yang akan saya bahas sekarang bukan terkait dengan proses pembuatan peta atau hal-hal yang terkait langsung dengan teknis GIS. Saya terinspirasi membuat artikel ini setelah online project workshop yang melibatkan kawan-kawan Spatial Heroes Program 2020 bersama GeoSoftware Community pada tanggal 2 dan 4 Juni 2020 lalu.

Acara ini meliputi webinar dan online workshop yang diselenggarakan oleh GeoSoftware Community dengan Esri Indonesia sebagai salah satu dari narasumber dan fasilitator. Pada 2 Juni 2020, setelah webinar yang diikuti oleh kurang lebih 700 peserta, tidak sedikit peserta yang menyampaikan keluhan terkait kendala teknis via chat Zoom. Hal ini membuat tim Esri Indonesia yang khususnya yang bertanggung jawab sebagai Human Relation di online workshop ini memutuskan untuk membuat form online untuk diisi oleh peserta yang mengalami kendala.

Respon yang diterima berjumlah lebih dari 50 keluhan yang dapat diklasifikasikan ke 4 butir permasalahan. Tim Human Relation sedikit kewalahan untuk merespon satu per satu keluhan yang disampaikan secara pribadi melalui alamat email peserta, dengan catatan apabila kendala belum terselesaikan dipersilakan untuk menghubungi panitia Human Relation via WhatsApp. Semua respon yang terkait dengan kendala telah didiskusikan, yang kemudian dijadikan template untuk dikirim ke masing-masing email peserta yang mengalami kendala.

Walaupun bukan tergolong pekerjaan yang sangat berat, hal ini tentunya cukup menyita waktu, mengingat semua jenis keluhan harus ditanggapi secara manual dan mengingat jumlah peserta online workshop yang tidak sedikit. Berkaca dari pengalaman tersebut, mungkin untuk kegiatan serupa, dapat dibuat template FAQ (Frequently Asked Questions) yang berisi kemungkinan kendala teknis yang akan terjadi selama proses online workshop dan diblast ke masing-masing peserta tanpa menunggu adanya keluhan terlebih dahulu. Dengan adanya panduan FAQ, hal ini tentunya dapat membuat fasilitator online workshop dapat menggunakan waktu menjadi lebih efisien, karena keluhan yang masuk diharapkan kendala yang bersifat unik dan belum dibahas di template FAQ. Kendala unik ini diharapkan dapat menjadi masukan untuk tim teknis kedepannya.

Dengan dilakukan broadcast FAQ seperti contoh di atas, diharapkan peserta yang mengalami kendala dapat mengatasi masalah sedini mungkin dan juga para fasilitator diharapkan dapat lebih fokus pada proses keberjalanan online workshop atau melakukan pekerjaan lainnya. Semoga bermanfaat!

Silvi Rindiana

Spatial Heroes - Future Leaders Program 2020 Esri Indonesia 

Dalam pertumbuhan tanaman, air merupakan faktor penting setelah matahari. Namun, karena matahari tidak bisa diatur kadar pencahayaannya, maka air menjadi faktor yang penting untuk dikelola dengan baik secara kuantitas (volume, water level, water table) dan kualitas (pH air, dsb). Contoh dalam kasus ini terkait denga level air di perkebunan kelapa sawit. Level air di perkebunan kelapa sawit harus dijaga ketinggiannya agar tidak mengalami kekurangan atau kelebihan air. Kekurangan atau kelebihan air akan berdampak buruk bagi perkembangan kelapa sawit. Hal tersebut dapat menyebabkan kendala pertumbuhan kelapa sawit hingga menyebabkan kematian serta penurunan muka air tanah yang tidak terkendali, lahan gambut mengering hingga mengakibatkan kebakaran lahan.

Untuk itu diperlukan fungsi sistem tata air (water management) dengan pembuatan drainase (main drain, secondary drain, field drain) dan pemantauan muka air tanah. Water management digunakan untuk menjaga muka air tanah yang dibutuhkan tanaman (sistem irigasi) dan membuang air berlebih (drainase). Water management merupakan hal yang penting, terlebih pada musim yang berbeda (musim kemarau dan musim hujan), dimana kondisi level muka air tanah pun berbeda. Pada musim hujan diharapkan adanya fungsi drainase yang efektif dan pada musim kering diharapkan tidak terjadinya kekurangan air dengan cara mempertahankan level air.

Dalam monitoring water management, dilakukan pemasangan alat ukur staff gauges untuk pemantauan pada drainase dan piezometer, alat untuk mengukur tinggi eskalasi muka air tanah yang digunakan untuk pemantauan di dalam blok. Sejauh ini, hasil monitoring water management masih dilakukan secara manual (paper-based work). Untuk memudahkan pengerjaan, dapat dilakukan dengan menggunakan salah satu aplikasi ArcGIS yakni Survey123, sehingga kegiatan ini dapat dilakukan dengan lebih mudah dan efisien serta dapat diintegrasikan dengan data, informasi, atau sistem lain yang dimiliki organisasi atau perusahaan tersebut.

Apa itu Survey123 for ArcGIS?

Survey123 for ArcGIS adalah solusi pengumpulan data menggunakan formulir yang dapat diatur sesuai dengan kebutuhan sehingga memudahkan dalam pembuatan, pembukaan akses terhadap pengguna serta analisis terhadap hasil data tersebut.
Dalam pembuatannya, Survey123 for ArcGIS terbagi menjadi dua, yaitu:

1. Default Template: Menggunakan website Survey123 for ArcGIS, dimana pembuatan formulir dapat dilakukan lebih mudah dan sederhana.
2. Customized Template: Menggunakan aplikasi Survey123 Connect, dimana pembuatan formulir dapat dilakukan secara spesifik sesuai kebutuhan dan keinginan pengguna dengan menggunakan XLSForm spreadsheet.

Setelah pembuatan formulir selesai, pengguna dapat mengatur aksesibilitas formulir tersebut, baik secara umum atau organisasi, dengan member organisasi yang terdaftar. Hal ini tentunya dapat mengurangi adanya kemungkinan kesalahan dalam pengumpulan yang dilakukan oleh pihak-pihak yang tidak bertanggung jawab. Namun, aksesibilitas ini hanya sebatas untuk mengumpulkan data saja, sehingga konten yang terdapat pada formulir tersebut tidak dapat diubah. Dan yang terakhir, terkait analisis data dalam hal ini pengguna dapat melakukan analisis dengan lebih komprehensif sehingga akan memudahkan dalam penyelesaian masalah atau pengambilan keputusan.

Jadi, apa yang membuat Survey123 menjadi lebih menarik untuk digunakan?

1. Dapat mempermudah pengerjaan dan digitalisasi hasil monitoring water management dengan lebih efektif serta efisien
2. Dapat dengan mudah dilakukan integrasi terhadap data atau informasi yang berkaitan
3. Dapat melakukan penyajian data dalam bentuk ArcGIS for Dashboard, sehingga lebih informatif dan mudah diakses

Hands-On

Untuk memulai menggunakan Survey123, maka yang pertama kali diperlukan adalah informasi terkait data yang dibutuhkan agar memudahkan kita membuat konten pada formulir. Dalam hal ini, karena monitoring water management ini merupakan kegiatan yang sudah pernah dilakukan dan biasa dilakukan dengan formulir kertas, maka dapat menggunakan formulir yang ada tersebut untuk diimplementasikan ke dalam Survey123.

Berikut formulir water management monitoring yang terdiri atas dua formulir, yakni water management monitoring untuk piezometer dan water management monitoring untuk staff gauges.

Gambar 01. Formulir Water Management Monitoring untuk Piezometer

Gambar 02. Formulir Water Management Monitoring untuk Piezometer

Setelah itu, maka kita dapat membuka akses Survey123. Sebelum memulai, pastikan bahwa akun ArcGIS kalian memiliki akses untuk menggunakan Survey123 tersebut.

Untuk membantu pekerja yang terimbas dalam penanggulangan #COVID19 : #Esri memberikan akses pembelajaran gratis #ArcGIS Online dan lebih dari 20 apps sampai 31 Agustus 2020, termasuk ArcGIS Pro, dan beberapa course dalam Learn ArcGIS dan #Esri Academy. Untuk mendapatkan akses silahkan mendaftar di https://bit.ly/2y4Ukjj sebelum 30 Juni.

Berikut merupakan beberapa catatan dan penjelasan singkat terkait dengan pembuatan formulir Survey123 menggunakan web designer:

Namun perlu disampaikan bahwa catatan dibawah bukan tutorial step-by-step pembuatan formulir Survey123, melainkan catatan singkat yang dirasa penting oleh penulis dalam pembuatan formulir Survey123. Untuk penjelasan lebih lengkap silahkan cek Sumber Pembelajaran pada bagian bawah artikel ini.

(Note 01) Berikut merupakan tampilan awal Survey123. Untuk memulai membuat formulir Survey123, maka kita bisa memilih Create a New Survey. Untuk melihat formulir lain yang sebelumnya telah kita buat berada di bagian bawah.

(Note 01)

(Note 02) Berikut merupakan tampilan yang akan keluar setelah kita memilih Create a New Survey. Akan ada dua pilihan untuk menggunakan web designer atau Survey123 Connect. Pada percobaan kali ini silahkan untuk memilih Using the web designer.

(Note 03) Lalu silahkan mengisi keterangan terkait formulir yang akan dibuat.

• Name: Nama formulir
• Tags: Tagar untuk memudahkan dalam pencarian atau identitas formulir
• Summary: Penjelasan singkat terkait konten formulir

(Note 02) pada bagian kanan dan (Note 03) pada bagian kiri.

(Note 04) Berikut merupakan tampilan awal formulir setelah dibawah.

1. Pada bagian atas, Overview, Design, Collaborate, Analyze, Data, Settings, merupakan tab yang digunakan selama pembuatan, pembagian akses dana analisis data. Selama pembuatan kita akan fokus dengan tab Design, namun ketika formulir sudah dipublikasi maka kita bisa mengatur pembagian akses dalam tab Collaborate. Tab Overview, Analyze dan Data digunakan setelah adanya data yang dimasukan ke dalam formulir tersebut.
2. Pada bagian sebelah kiri adalah panel yang digunakan untuk memasukan berbagai jenis pertanyaan yang diperlukan. Untuk memasukkan pertanyaan ini, maka bisa dilakukan drop and down dari berbagai macam tipe pertanyaan pada sebelah kanan.
3. Pada bagian sebelah kanan adalah berbagai macam tipe pertanyaan untuk ditanyakan dalam formulir, mulai dari yang berupa Text, Number, Choice, dan lain sebagainya. Hal yang membedakan pada Survey123 adalah fitur Map, dimana kita bisa memasukan lokasi saat kita mengambil formulir atau lokasi tertentu yang diinginkan.

(Note 04)

(Note 05) Berikut merupakan tampilan pada tab Edit dimana pada tab ini kita bisa melakukan berbagai macam edit terkait tipe pertanyaan yang kita ajukan.

Terkait dengan deskripsi formulir yang sedang dibuat, dapat dimasukan penjelasan beserta link ataupun gambar. Selain itu juga dapat diatur format huruf serta paragrafnya.

Dalam hal ini kita bisa mengatur kalimat pertanyaan yang diajukan serta deskripsi singkat / hint terkait pertanyaan tersebut.

Selain itu juga bisa diatur terkait pertanyaan yang bersifat wajib untuk diisi.

Untuk beberapa pilihan dengan banyak opsi, maka dapat dilakukan dengan mudah tanpa perlu satu persatu menulis opsi dengan menggunakan Batch Edit.

Dalam formulir yang sebelumnya dicantumkan pada Gambar 01 dan Gambar 02, terdapat dua formulir yang bebeda. Namun dengan menggunakan rule pada Survey123, maka kita dapat dengan mudah menggabungkan dua formulir yang berbeda dalam satu formulir, sehingga akan menyebabkan pekerjaan yang dilakukan lebih efisien.

Dan yang terakhir tentunya fitur Map yang membedakan Survey123 dimana dalam hal ini dapat ditentukan jenis drawing tools yang diinginkan, apakah bentuk Point untuk plotting data, ataukah bentuk Line atau Area untuk digitasi data.

Setelah selesai memasukan pertanyaan yang diperlukan, maka dapat dilakukan pengaturan terhadap tampilan formulir pada tab Appearence. Pengaturan ini dapat dilakukan dengan mudah memilih tema atau jika dapat dilakukan secara custom dengan mengatur masing-masing warna pada elemen yang ditampilkan.

Dan untuk tab Settings digunakan untuk mengatur Thank You screen.

Setelah seluruh pembuatan selesai, maka terdapat tiga opsi dibawah yang dapat dilakukan yakni Save, Preview dan Publish. Save digunakan untuk menyimpan formulir dalam bentuk aslinya, sehingga akan memudahkan untuk editing konten formulit tersebut. Preview digunakan untuk melihat interface formulir tersebut dalam berbagai macam platform. Publish digunakan untuk publikasi formulir tersebut agar dapat digunakan.

Untuk membantu penulis menjelaskan terkait pembagian akses dan analisis data pada Survey123, bantu untuk mengisi dummy data Monitoring Water Management Form pada link dibawah ini!

Water Management Monitoring Form

Sumber Pembelajaran:

1. Survey123 for ArcGIS Product Overview
2. Introduction to Survey123 for ArcGIS
3.  Survey123 for ArcGIS: An Introduction

   Hello Arcnesian! Pada blog kali ini, saya akan membagikan cara untuk menginstall dan mulai menggunakan R-ArcGIS Bridge. Arcnesian semua mungkin ada yang sudah familiar, ada juga yang belum dengan bahasa pemrograman R. Mungkin untuk Arcnesian yang sering berkutat dengan pengolahan big data dan statistik, mungkin akan sedikit memiliki exposure terhadap bahasa pemrograman R. Ini dikarenakan, R memang diciptakan dengan tujuan untuk membantu para usernya untuk melakukan analisis yang bentuknya statistik!

   Kenapa mempelajari R, dan R-ArcGIS bridge ini akan berguna untuk kita? Karena R ini tidak cuma menawarkan tentang analisis statistika saja, tapi juga menawarkan beberapa fungsi lain seperti yang paling umum adalah pembuatan grafik dari hasil analisis kita. Melalui Komunitas R dan Repository yang terus berkembang, R juga memiliki ribuan package yang dapat ditawarkan kepada para usernya untuk melakukan berbagai macam analisis yang terus diupdate seiring berjalannnya waktu.

1. Aplikasi yang dibutuhkan

   R-ArcGIS Bridge bekerja dengan cara menyambungkan kapabilitas ArcGIS dengan R. Data yang akan di gunakan untuk analisis secara mudah dapat di pindah, digunakan dan dioperasikan secara mudah. Analisa Statistik yang dibutuhkan juga dapat dilakukan di dalam IDE R berupa RStudio, atau juga bahkan di bentuk kedalam sebuah geoprocessing toolbox di dalam ArcGIS Pro.

R-ArcGIS Bridge dapat diinstall dengan berbagai cara. Tapi pada dasarnya untuk menginstall R-ArcGIS anda membutuhkan:

1. ArcGIS 10.3.1 atau lebih baru, atau ArcGIS Pro 1.1 atau lebih baru (link)
2. R Statistical Computing Software versi 3.3.2 atau lebih (link)
3. RStudio (link)

2. Instalasi R-ArcGIS Bridge melalui Github

   Melalui (link) github ini, instalasi R-ArcGIS Bridge dapat dengan mudah dilakukan dan sudah dilengkapi dengan dokumen dokumen dan petunjuk yang dibutuhkan untuk memasang R-ArcGIS bridgenya.

Karena kita akan menggunakan R-ArcGIS Bridge ini di dalam ArcGIS Pro, berikut adalah Langkah dalam instalasinya:

1. Dalam Project Pane, cari folder connection yang memiliki Python toolbox, klik kanan pada Toolbox > Add Toolbox kemudian cari lokasi dari python toolbox yang sudah di download dari link github diatas.
2. Double klik atau run “Install R bindings”. Jika sudah selesai, anda dapat mengecek keadaan bridgenya dengan menggunakan “Print R Version” dan “R Installation Details”.

3. Instalasi R-ArcGIS Bridge dari ArcGIS Pro

   Jika kedua Langkah tersebut telah selesai, kita juga bisa memastikan jika R-ArcGIS Bridge sudah terinstall di ArcGIS Pro kita dengan pilihan Project > Option > Geoprocessing lalu cek di bagian R-ArcGIS Suppport. ArcGIS Pro kita kan secara otomatis mendeteksi versi R yang sudah terinstall di computer kita. Lalu, jika ‘arcgisbinding’ package belum terinstall, kita bisa memilih pilihan di bawah dropdown nya lalu pilih “install package from the internet”.

4. Menggunakan R-ArcGIS Syntax yang Paling Umum

   Jika R-ArcGIS Bridge sudah dipastikan terpasang di dalam ArcGIS Pro kita, kita bisa mulai membuka RStudio, kemudian memanggil beberapa command untuk menghubungkan R workspace kita dengan RStudio. 

   Kedua command diatas adalah syntax yang harus dilakukan untuk membuat koneksi antara RStudio dan ArcGIS Pro kita. Kita bisa memasukkan syntax tersebut di dalam Source atau script kita ke dalam dua line yang berbeda, lalu blok kedua line tersebut dan klik “run”.

   Untuk mulai mulai mengoperasikan data di dalam RStudio, data yang kita akan gunakan harus di buka terlebih dahulu. Dalam RStudio, kita bisa melakukan pemanggilan data dengan mengggunakan syntax:

   Dalam syntax diatas, kita akan meng assign “dataset” sebagai variable yang mengandung data yang terdapat dalam path (alamat lengkap keberadaan data kita). Setelah kita run, variable dataset akan muncul di jendela environment kita. Namun, dataset ini masih berbentuk data frame dari ArcGIS. Untuk bisa mengolah datanya, kita perlu mengubah data frame ini kedalam bentuk sp object.

   Sp object sendiri adalah spatial object yang dapat dikenali oleh program R. sp object bisa berbentuk apa saja sesuai dengan data frame dari ArcGISnya, points, lines, polygons, pixels, rings dan bahkan grids. Untuk mengkonversikan data frame object ke dalam sp object dan sebaliknya kita bisa menggunakan syntax:

   Untuk memudahkan kita dalam mengolah data data ArcGIS di dalam RStudio, berikut adalah beberapa syntax yang paling populer digunakan untuk data management sederhana.

 
   Jika kita sudah selesai melakukan analisis di dalam R workspace kita, dan kita ingin mengembalikan data nya ke dalam data yang bisa dibuka oleh ArcGIS kita bisa menggunakan syntax:

   Syntax diatas menunjukkan bahwa di dalam complete path tersebut, kita akan menulis arcgis.df. Jika dataframe ini mengandung attribute spasial, ia akan secara otomatis tertulis kedalam feature layer. Namun jika tidak ada attribute spasial tertera, datanya akan di tulis ke dalam sebuah tabel.

   Demikian penjelasan tentang pengenalan R, cara instalasi dan cara menggunakan syntax syntax sederhana untuk mengoperasikan R-ArcGIS Bridge. Semoga membantu dan selamat mencoba! 

Ditulis oleh: Arga Rana Ruseno - Technical Track, FLP SH 2020

Hi ArcNesian!

Dalam postingan kali ini, ArcMin akan membahas mengenai integrasi Python dan ArcGIS Pro untuk otomasi alur kerja Tools Geoprocessing. ArcNesian bisa meningkatkan produktivitas dengan membuat skrip Python untuk mengotomatiskan tugas Geoprosesing ArcGIS. Di sini, ArcNesian akan belajar cara bekerja dengan ArcPy, site package yang dikembangkan Esri yang mengintegrasikan skrip Python ke dalam ArcGIS Desktop dan Pro.

Python sendiri merupakan salah satu bahasa pemrograman yang paling banyak digunakan dalam Data Science dengan komunitas pengguna yang sangat aktif terus melakukan pengembangan kemampuan bahasa ini dengan membuat Libraries, Modules, dan Application Programming Interface (API) baru hampir setiap hari. Dengan ekosistem sebesar itu, merupakan tantangan bagi analis untuk mengetahui Libraries mana yang harus dipelajari, diandalkan, dan tetap mengikuti perkembangan terbaru.

Banyak dari ArcNesian yang sudah tahu ArcGIS Pro, kan? ArcGIS Pro sendiri bisa dikatakan sebagai “workstation” untuk Spatial Data Science, loh. Dengan menggabungkan Exploratory Data Analysis, Visualisasi, ArcPy, ArcGIS API for Python, Machine Learning, Deep Learning, serta Notebooks, ArcGIS Pro adalah sistem holistik untuk menyelesaikan permasalahan dalam Data Science. Hal ini tentunya menarik karena Tools tersebut sangat banyak diperbincangkan saat ini dan tentunya diaplikasikan untuk menyelesaikan permasalahan kompleks berkaitan informasi spasial.                                                                                                                      

Lalu, bagaimana cara memanfaatkan integrasi Python dengan ArcGIS Pro?

Dalam tutorial ini, ArcNesian akan membuat otomasi beberapa proses seperti Join, Buffer, Union menggunakan Tutorial Data yang dikompilasi dan dimodifikasi dari OpenStreetMap Indonesia. Pertama, dibuat skrip untuk Buffer Feature Class “Jalan” berdasar nilai jarak dari tabel “TabelBuffer” sehingga juga butuh proses join. Kedua, kita akan melakukan Select Layer titik-titik “MenaraListrik” yang berada di area Buffer yang sudah dibuat untuk memodifikasi nilai kolomnya sebagai area prioritas. Terakhir, ArcNesian akan mempelajari bagaimana cara membuat skrip tool berdasar skrip yang sudah dibuat.

Ikuti langkah-langkah di bawah setelah mempelajari datanya ya!

Menjalankan Analisis di PyCharm

Banyak tugas yang melibatkan analisis atau manajemen data GIS dalam ArcGIS Pro membutuhkan penggunaan beberapa alat Geoprocessing. Membuat skrip yang menjalankan alat ini menawarkan banyak manfaat. Skrip ArcNesian dapat dikembangkan dan dijalankan di jendela Python di ArcGIS Pro atau dengan editor Python eksternal seperti PyCharm.

1. Konfigurasi Project Baru di PyCharm

Buat project baru di PyCharm lalu beralih ke File > Settings > Project: Scripts > Project Interpreter. Pada dialog box, klik tombol   untuk memilih Add, lalu klik System Interpreter.

Pilih folder C:\Program Files\ArcGIS\Pro\bin\Python\envs\arcgispro-py3\python.exe untuk menentukan interpreter yang terinstall Bersama ArcGIS Pro sehingga kita dapat menggunakan ArcPy.

Kalau ArcNesian tidak melihat folder ArcGIS di folder Program Files, ArcGIS mungkin telah diinstal di folder Users. Jelajahi path berikut sebagai gantinya:

C:\Users\<Your_Username>\AppData\Local\Programs\ArcGIS\Pro\bin\Python\envs\arcgispro-py3\python.exe.

(Pada beberapa sistem, folder AppData disembunyikan; untuk membuka folder, pada toolbar, klik tombol Show Or Hide Hidden Files And Folders).

2. Mengatur Geoprocessing Environment pada Skrip Python

Buka skrip BufferJalan.py untuk mempelajarinya. Setiap ArcNesian akan menjalankan skrip apapun untuk analisis dengan ArcPy, dibutuhkan pengaturan geoprocessing environment sebagai berikut (perhatikan baris 2-4).

Dengan pertama lakukan Import Modul ArcPy terlebih dahulu, kita dapat mendefinisikan apakah skrip dapat melakukan Overwrite Output dengan arcpy.env.overwriteOutput. Kemudian, ArcNesian juga perlu definisikan workspace dengan menuliskan Geodatabase yang digunakan dengan arcpy.env.workspace.

3. Menjalankan Skrip Python

Dari menu Run, pilih Run  lalu BufferJalan.py pada Dialog Box.

Buka ArcGIS Pro untuk cek apakah Buffer sudah berhasil dibuat di geodatabase.

Menggunakan Geoprocessing Tool dengan Python di ArcGIS Pro

Setelah ArcNesian sudah bisa mengembangkan alur kerja Python, langkah selanjutnya adalah mengakses data GIS yang dimiliki ArcNesian. ArcNesian akan memodifikasi nilai data di kolom “Priority” untuk Feature Class MenaraListrik yang berada di area BufferJalan.

1. Membuka Python Window

Dari tab Analysis, pada grup Geoprocessing, klik tombol Python . Setelah itu, definisikan workspace seperti pada langkah di atas yaitu dengan arcpy.env.workspace.

2. Melakukan Select Layer by Location

Pada Geoprocessing Pane, cari “Select Layer by Location”. Klik icon   pada Tool select Layer tersebut dan drag menuju Python window.

Kemudian, isi parameternya sehingga kode menjadi seperti berikut: arcpy.management.SelectLayerByLocation(‘MenaraListrik’, ‘INTERSECT’, ‘BufferJalan’) lalu tekan Enter untuk menjalankannya.

3. Memodifikasi Nilai pada Kolom Tabel Feature Class

Modifikasi dilakukan dengan menggunakan Cursor Object. Cursor object memungkinkan kita untuk mengakses baris dalam sebuah tabel. Cursor dapat digunakan untuk membaca dan menulis atribut serta nilai geometri. Ketik kode berikut dan jalankan:

with arcpy.da.UpdateCursor("MenaraListrik", "priority") as cursor:

    for row in cursor:

        row[0] = "YES"

        cursor.updateRow(row)

Pastikan bahwa untuk feature class MenaraListrik, titik yang berada di area Buffer kini memiliki tulisan YES pada kolom priority.

Membuat Script Tool di ArcGIS Pro dari skrip Python

ArcNesian telah membuat skrip Python dan kemudian ingin membuatnya mudah dalam penggunaan parameter input berbeda sambil menciptakan user experience untuk individu yang tidak mengetahui Python. ArcNesian juga ingin memiliki cara untuk membaginya dengan orang lain, baik di workplace masing-masing atau melalui ArcGIS Online. Cara yang baik untuk membuat antarmuka pengguna dan membuatnya mudah untuk dibagikan adalah dengan Script Tool.

1. Membuat Skrip Python

Buka skrip BufferTool.py untuk mempelajarinya. Jika sebelumnya input dan output ditulis secara eksplisit, kali ini diganti dengan arcpy.GetParameterAsText() dengan index diisi di dalam kurung. Index ini berguna ketika membuat script tool untuk membedakan variabel.

2. Membuat Script Tool dalam Toolbox di ArcGIS Pro

Script Tool dibuat di dalam Toolbox dan dapat dijalankan dengan cara yang sama seperti alat Geoprocessing. Buka Catalog pane, klik kanan pada Toolboxes dan pilih New Toolbox. Pilih nama “BufferMenaraListrik” untuk toolbox baru dan klik Save.

Setelah itu, klik kanan Toolbox BufferMenaraListrik pada Catalog pane, arahkan pada tulisan New, dan pilih Script. Ketik nama Script Tool “BufferMenaraListrik”.

Klik Parameters di bawah General pada dialog box New Script tersebut. Kali ini ArcNesian definisikan variabel, baik input maupun output serta tipe datanya, yang bersesuaian dengan index yang ditentukan dalam skrip Python lalu klik OK. Script Tool berhasil dibuat!

Dengan menggunakan Python dan diintegrasikan dengan ArcGIS Pro, pekerjaan ArcNesian bisa menjadi jauh lebih efektif, bukan? Semoga semakin tertarik untuk mengeksplor kapabilitas ArcGIS Pro yang keren ini ya, ArcNesian!

Sekian penjelasan yang bisa ArcMin sampaikan melalui posting kali ini.

Jika ada pertanyaan lebih lanjut mengenai artikel ini atau produk Esri, silahkan menghubungi Tim Support Esri Indonesia melalui e-mail support@esriindonesia.co.id.

(Artikel ini dibuat oleh Dzulfiqar Naufal Fawwaz dari Esri Indonesia Future Leaders Program)

1. Membuka akun ArcGIS Online, kemudian sign in terlebih dahulu, dengan cara memasukkan username dan      password >> sign in

2. Membuka Hub, dengan cara pilih ikon >> pilih Hub

3. Membuat situs web baru, dengan cara pilih situs >> pilih baru

4. Membuat nama situs web. Misalnya, nama situs web yang digunakan adalah HUB COVID-19 >> pilih buat    situs

5. Tampilan situs web akan muncul seperti di bawah ini

MENGATUR HEADER

6. Mengatur tampilan header, dengan cara pilih header ­>> penampilan >> standar (60 px)

7.Memberi nama instansi pada header. Misalnya, dengan cara pilih  header  >>  merek  >>  Nama  >> beri Nama: HUB COVID-19

8. Mengganti warna background header, dengan cara piih Tema >>  pilih wana latar dan warna teks sesuai yang Anda inginkan

MENGATUR ISI KONTEN WEBGIS

9. Mengubah gambar pada spanduk, dengan cara pilih ikon >>  pilih Unggah  >>  pilih Telusuri Gambar  >>  pilih gambar yang Anda inginkan  >>  open

10. Mempercantik tampilan spanduk, dengan cara pilih warna latar belakang yang Anda inginkan >>  atur transparansi gambar yang Anda inginkan

11. Mengubah Judul pada spanduk, dengan cara pilih ikon   >>  beri Judul  >>  beri SubJudul

12. Menambahkan konten baru pada situs web, dengan cara pilih Tata Letak >>  drag and drop Baris di bawah spanduk

13. Menambahkan konten baru pada situs web, dengan cara pilih Tata Letak >>  drag and drop Teks ke Baris Kosong

14. Menambahkan judul konten baru mengenai Sekilas Informasi Terkait Covid-19, dengan cara menuliskannya pada kolom teks

15. Mengganti background Teks, dengan cara pilih ikon  >>  ganti warna latar belakang dan warna teks sesuai yang Anda inginkan

16. Menambahkan konten baru pada situs web, dengan cara pilih Tata Letak >>  drag and drop Baris

17. Menambahkan konten baru pada situs web, dengan cara pilih Tata Letak >>  drag and drop Teks ke Baris Kosong

18. Menuliskan isi konten Anda

19. Mengganti background Teks, dengan cara pilih ikon  >>  ganti warna latar belakang dan warna teks sesuai yang Anda inginkan

MENAMBAHKAN DATA STATISTIK RINGKASAN

20. Menambahkan konten baru pada situs web, dengan cara pilih Tata Letak >>  drag and drop Baris

21. Menambahkan konten baru pada situs web, dengan cara pilih Tata Letak >>  drag and drop Statistik Ringkasan ke Baris Kosong

22. Mengatur tampilan statistik ringkasan, dengan cara pilih ikon  >>  tambahkan item  >>  cari perkembangan covid-19 Indonesia  >>  pilih Dunia (Publik) >>  pilih Data

23. Menampilkan data jumlah kasus positif covid-19, dengan cara pilih kolom statistik: kasus terkonfirmasi >>  tipe statistik: jumlah  >>  beri nama judul menjadi Jumlah Pasien Positif

24. Mengatur tampilan statistik ringkasan, dengan cara pilih ikon   >>  tambahkan item  >>  cari perkembangan covid-19 Indonesia  >>  pilih Dunia (Publik) >>  pilih Data

25. Menampilkan data jumlah kasus sembuh covid-19, dengan cara pilih kolom statistik: pasien sembuh >> tipe statistik: jumlah  >>  beri nama judul menjadi Jumlah Pasien Sembuh

26. Mengatur tampilan statistik ringkasan, dengan cara pilih ikon >>  tambahkan item  >>  cari perkembangan covid-19 Indonesia  >>  pilih Dunia (Publik) >>  pilih Data

27. Menampilkan data jumlah kasus positif covid-19, dengan cara pilih kolom statistik: pasien meninggal >> tipe statistik: jumlah  >> beri nama judul menjadi Jumlah Pasien Meninggal

28. Mengatur tampilan background, dengan cara pilih ikon  >>  atur warna yang Anda inginkan

MENAMBAHKAN DASHBOARD

29. Menambahkan konten baru pada situs web, dengan cara pilih Tata Letak >>  drag and drop Baris

30. Menambahkan konten baru pada situs web, dengan cara pilih Tata Letak >>  drag and drop Aplikasi ke Baris Kosong

31. Mengatur tampilan aplikasi, dengan cara pilih aplikasi >>  pilih dashboard yang akan disajikan  >>  pilih

32. Mengatur tampilan background, dengan cara pilih ikon  >>  atur warna yang Anda inginkan

MENAMBAHKAN WEBAPP

33. Menambahkan konten baru pada situs web, dengan cara pilih Tata Letak >>  drag and drop Teks ke Baris Kosong

34. Menambahkan konten baru pada situs web, dengan cara pilih Tata Letak >>  drag and drop Aplikasi ke Baris Kosong

35. Mengatur tampilan aplikasi, dengan cara pilih aplikasi >>  pilih webapp yang akan disajikan  >>  pilih

36. Mengatur tampilan background, dengan cara pilih ikon  >>  atur warna yang Anda inginkan

MENAMBAHKAN KONTEN MEDIA SOSIAL

37. Menambahkan konten baru pada situs web, dengan cara pilih Tata Letak >>  drag and drop Baris

38. Menambahkan konten baru pada situs web, dengan cara pilih Tata Letak >>  drag and drop Media Sosial ke Baris Kosong

39. Mengatur tampilan Media sosial, dengan cara pilih ikon  >>  bukan akun Twitter BNPB Indonesia  >>  coppy address  >>  paste address pada kolom URL Postingan Media Sosial

40. Mengatur tampilan Media sosial, dengan cara pilih ikon  >>  bukan akun Twitter Kemenkes RI  >>  coppy address  >>  paste address pada kolom URL Postingan Media Sosial

41. Mengatur tampilan Media sosial, dengan cara pilih ikon  >>  bukan akun Twitter WHO Indonesia  >>  coppy address  >>  paste address pada kolom URL Postingan Media Sosial

42. Mengatur tampilan background, dengan cara pilih ikon >> atur warna yang Anda inginkan

MENYIMPAN HASIL WEBGIS

43. Menyimpan hasil WebGIS, dengan cara pilih simpan

44. Menampilkan hasil WebGIS, dengan cara pilih tampilkan

45. Selamat Anda telah berhasil membuat WebGIS

Contoh WebGIS dapat Anda akses di link bawah ini:

https://hub-covid-19-ugm-gis.hub.arcgis.com/

Tutorial membuat dashboard dan WebApp dapat Anda akses di pdf terlampir.

Semoga Bermanfaat

Halo, Arcnesian!

Kita tentu sudah tidak asing lagi dengan citra satelit dan beragam aplikasinya, salah satunya untuk membuat aplikasi berbasis web menggunakan Web AppBuilder. Pada kesempatan kali ini, saya akan membahas custom widget yang berfokus citra satelit, yaitu Web AppBuilder for Image Services (WABIS), mulai dari cara instalasi hingga kemampuan yang ditawarkan.

WABIS merupakan kumpulan widget yang memungkinkan pengguna untuk mengatur, menganalisa, dan melakukan visualisasi citra. WABIS dapat digunakan dengan mudah tanpa perlu pemrograman, bekerja dengan melengkapi framework  Web Appbuilder, dan dengan mudah diintegrasikan dengan GIS dan widget penyedia citra lain.

Beberapa contoh penggunaan widget ini dapat dilihat pada demo pada aplikasi image service Landsat-8: Landsat Viewer App dan Landsat Explorer.

Menarik dan powerful untuk digunakan, bukan?

Untuk menggunakan WABIS, Anda akan memerlukan:

• Akun ArcGIS Online
• Web AppBuilder for ArcGIS 2.4 Developer Edition
• Web Map (ArcGIS Online) berisi citra-citra yang Anda perlukan. Anda bisa menambahkannya dari Living Atlas.
• Koneksi internet

INSTALASI

1. Lakukan instalasi dan setting AppBuilder for ArcGIS 2.4 Developer Edition. Anda dapat mengacu pada panduan ini.
2. Unduh file zip WAB-Image-Services-Widgets-WABIS-2.0-Beta dari repositori WABIS.
3. Ekstrak file zip WAB-Image-Services-Widgets-WABIS-2.0-Beta ke komputer Anda. Kemudian, navigasikan ke folder hasil ekstraksi berisi tema/theme (…/WAB-Image-Services-Widgets-WABIS-2.0-Beta/ WAB-Image-Services-Widgets-WABIS-2.0-Beta /theme).
4. Copy folder tema FoldableWrapperTheme ke dalam folder theme di direktori instalasi Web Appbuilder (…/WebAppBuilderForArcGIS/client/stemapp/themes).
5. Navigasikan kembali folder hasil ekstraksi WAB Image Services Widgets dan buka folder imagery_widget.
6. Copy semua folder yang ada di dalam folder imagery_widget ke dalam folder widget pada direktori instalasi Web Appbuilder (…/WebAppBuilderForArcGIS/client/stemapp/themes).
7. Buka Web AppBuilder. Apabila Web Appbuilder telah berjalan sebelumnya, tutup kemudian buka kembali.

Widget WABIS telah siap untuk digunakan. WABIS memiliki satu tema bawaan yaitu Foldable Wrapper Theme, yang dapat mencocokkan size widget. Anda juga dapat menggunakan widget ini untuk tema-tema lainnya juga. Pada blog ini, saya menggunakan Launchpad Theme. Informasi lebih lanjut dan tutorial pembuatan Web App menggunakan WABIS dapat diakses melalui dokumentasi WABIS.

WIDGETS

 1. IS Image Selector

Widget ini dapat digunakan untuk mencari layer citra berdasarkan field yang ditentukan pada saat konfigurasi widget. Misalnya, mencari layer berdasarkan tanggal atau nilai tutupan awan (cloud cover) tertentu. Dapat pula digunakan untuk menentukan layer primer dan layer sekunder (untuk keperluan membandingkan atau analisis).

2. IS Layers

Pada widget ini, Anda bisa menentukan dan mengganti layar utama dan kedua (primary and secondary) pada aplikasi. 

Untuk menambahkan/memilih waktu pada layer, gunakan IS Image Selector dan tekan tombol panah ke bawah.

Apabila melakukan suatu analisis, widget ini juga bisa digunakan untuk menambahkan layer analisis tersebut ke daftar layar secondary.

3. IS Change Detection

Change detection merupakan widget untuk melakukan analisis perbandingan antara layer primary dan secondary. Misalnya, Anda ingin membandingkan kondisi suatu hutan sebelum dan setelah kebakaran. Hasil perbandingan ditambahkan sebagai layer baru ("Result"). Layer ini dapat ditambahkan ke daftar image service yang tersedia dengan menggunakan IS Layers.

4. IS Compare

Widget ini berfungsi untuk membandingkan citra dengan secondary layer dengan cara swipe. Secondary layer daoat dipilih melalui IS Layer. Anda juga dapat memilih tipe swipe dan transparansi layer.

5. IS Display Order

Widget ini ditujukan untuk mengatur mosaik citra dengan menentukan citra mana yang ditampilkan seandainya ada citra yang tumpang tindih.

6. IS Display Parameters

Widget ini memungkinkan Anda untuk mengatur interpolasi dan kompresi dari citra pada layer utama.

7. IS Renderer

IS Renderer dapat digunakan untuk me-render citra berdasarkan setting yang sudah ditetapkan. Setting ini berupa service function akan mengatur penggunaan band atau rasio sesuai tujuan. IS Renderer dapat digunakan untuk memilih komposit warna atau indeks seperti NDVI.

8. IS Image Date

Widget ini dapat digunakan untuk menunjukkan tanggal pengambilan citra pada layer primary ataupun secondaryang tampak pada aplikasi.

9. IS Scatterplot

Widget ini mengambil nilai dua band dari layer citra (image service) dan mem-plotnya pada grafik x-y.  Anda dapat

• Memilih area pada peta dengan menggambar dan memilih titik pada grafik,
• Mengetahui nilai piksel pada area/piksel dengan menklik titik pada grafik, 
• Melakukan pengaturan bagi tambahan area of interest yang akan dibuatkan grafik.

Sebagai tambahan, apabila kedua band yang dipilih sama, widget ini akan mem-plot frekuensi dari band tersebut.

10. IS Profile

Widget ini menampilkan spectral profile atau index profile (NDVI, NDVI Moisture Index, atau Urban Index) bagi layer utama terpilih.

11. IS Export

IIS Export dapat digunakan untuk menyimpan (save) citra paling atas yang terlihat ke daftar konten di Portal, atau mengekspor (export) citra tersebut secara lokal sebagai TIFF.

Demikian bahasan mengenai WABIS pada kesempatan ini. Informasi lebih lanjut dapat diakses pada Repositori WABIS: GitHub - Esri/WAB-Image-Services-Widgets: Web AppBuilder widgets for Image Services (WABIS) 

Ditulis oleh

Nadira Nanda P. Wijanarko - Technical Track Esri Indonesia Future Leaders Program 2020