Penerapan Data Science dan AI dalam Geographic Information System (GIS)

Kecerdasan buatan dan data science kini telah digunakan secara luas di berbagai bidang, termasuk dalam sistem informasi geografis atau geographic information system (GIS). Teknologi ini telah banyak membantu organisasi dan perusahaan dalam melakukan tugas-tugas mereka, misalnya dalam mendeteksi objek dan membuat prediksi.

Nah, pada tanggal 14 Juni 2024, BINUS Online kembali mengadakan acara BOLD Series Industrial Sharing dengan tajuk ‘Powerful Analytics Using Spatial Data Science.’ Pada webinar kali ini, narasumbernya adalah An Nisaa Citra Hasanah, seorang solution engineer dari Esri Indonesia.

Webinar ini membahas berbagai materi yang menarik. Namun, artikel ini akan fokus menyampaikan kembali materi terkait penggunaan AI dan data science dalam GIS, terutama pada perangkat lunak ArcGIS. Berikut ini rangkumannya.

Pola Penggunaan GeoAI

GeoAI merupakan gabungan dari deep learning, machine learning, dan AI dengan GIS untuk menghasilkan spatial data science. Berikut adalah beberapa pola penggunaan GeoAI:

Object Detection

Teknologi ini memungkinkan kita untuk mendeteksi objek dari foto yang memiliki data lokasi. Dengan demikian, objek yang terdeteksi dapat divisualisasikan di peta sehingga memberikan informasi yang lebih jelas dan bermanfaat.

Land Cover Mapping

Setelah mendeteksi objek, biasanya dilakukan pemetaan, misalnya untuk mendeteksi penggunaan lahan. Dengan menggunakan teknologi ini, pemetaan dapat dilakukan lebih cepat dan akurat dibandingkan metode manual.

Computer Vision

Sumber data dalam computer vision dapat berasal dari video. Teknologi ini memungkinkan deteksi objek dan analisis kondisi objek dalam video. Misalnya, computer vision digunakan untuk mendeteksi tingkat kematangan buah.

NLP/Text Analysis

Teknologi ini dapat digunakan untuk menganalisis teks tidak terstruktur untuk melihat data lokasi. Misalnya, mendeteksi postingan di media sosial untuk menemukan peristiwa yang terjadi di suatu daerah.

Predictive Analytics

Dengan GeoAI atau spatial data science, analisis prediktif dapat dikaitkan dengan data lokasi. Hal ini berbeda dengan data science biasa yang umumnya tidak menggunakan parameter lokasi.

Machine Learning di ArcGIS

Di ArcGIS, machine learning diterapkan melalui beberapa metode berikut:

Classification

Pengklasifikasian dapat dilakukan menggunakan metode seperti Pixel and Object Based, Image Segmentation, Maximum Likelihood, Random Trees, dan Support Vector Machine.

Clustering

Jenis metode clustering yang digunakan meliputi Multivariate Clustering, Spatially Constrained Multivariate Clustering, Hot Spot Analysis, Density-Based Clustering, Space Time Pattern Mining, serta Cluster and Outlier Analysis.

Prediction

Untuk memprediksi variabel seperti curah hujan atau harga, bisa menggunakan Areal Interpolation, Empirical Bayesian Kriging, Ordinary Least Squares Regression, EBK Regression Prediction, Geographically Weighted Regression, dan Exploratory Regression.

Contoh Penerapan Deep Learning pada Geographic Information System

Berikut adalah beberapa contoh penerapan deep learning pada geographic information system:

• • Klasifikasi permukaan kedap air seperti bangunan, rumah, dan jalan.
  • Klasifikasi piksel dan objek.
  • Deteksi pohon kelapa, atap bangunan, serta daerah terdampak bencana.

• Instance segmentation

• Klasifikasi gambar.

Deep Learning di ArcGIS

Proses deep learning di ArcGIS melibatkan beberapa tahapan berikut:

Data Preparation

Data preparation biasanya dilakukan dengan memberi label untuk membantu mesin agar bisa mendeteksi objek dengan lebih baik. Setelah itu, sampel objek dilatih dan diekspor setelah kualitasnya dinilai baik.

Training

Setelah persiapan data, tahap training dilakukan dengan berbagai model seperti object detection, object classification, pixel classification, dan instance segmentation.

Inferencing

Jika model sudah dibuat dan setelah di-review dinyatakan bagus, tahap selanjutnya adalah inferencing. Pada tahap ini, dilakukan pengetesan atau implementasi model yang telah dibuat ke semua area sumber data. Data yang digunakan bukan lagi berupa sampel, melainkan data sebenarnya dalam lingkungan produksi.

Secara garis besar, workflow atau alur kerja deep learning di ArcGIS adalah sebagai berikut:

Label Training Sample → Prepare Data for Training → Train Deep Learning Model → Inference

Kasus Penggunaan Umum AI dan Geographic Information System

Ada banyak contoh kasus penggunaan AI dan GIS yang mudah dijumpai, misalnya:

• Computer Vision: Menggunakan imagery, CCTV, satelit, dan kamera.
• Natural Language Processing (NLP): Menganalisis data dari Twitter, berita, Telegram, dan WhatsApp.
• Advanced Analytics: Mengolah data dari database, file, data warehouse, dan pendekatan statistik.

Contoh Penerapan GeoAI

Berikut adalah beberapa contoh solusi dan penggunaan GeoAI untuk mempermudah pekerjaan:

• Menilai kerusakan akibat gempa bumi dengan cepat menggunakan GeoAI.
• Mengekstrak demand potensial melalui machine learning dan citra.
• Mendeteksi kebakaran hutan dan menganalisis area yang terbakar.
• Pemeliharaan jalan dan manajemen lalu lintas, misalnya menghitung kendaraan yang lewat dan mendeteksi titik-titik jalan yang rusak.
• Prediksi risiko kecelakaan, misalnya mendeteksi kapan dan di mana kecelakaan sering terjadi.

Demikian ulasan singkat tentang penerapan data science dan AI dalam geographic information system (GIS). Dengan memanfaatkan teknologi ini, analisis data spasial menjadi lebih cepat, mudah, dan akurat, sehingga memberikan banyak manfaat bagi organisasi atau perusahaan yang mengimplementasikannya.