RESUME KELOMPOK 27 (PERENCANAAN KOTA MELALUI SENTIMEN ANALISIS TWITTER DATA)

PENDAHULUAN

   Menganalisis acara olahraga Olimpiade London mengingat acara hari vs hari perbandingan (sebelum atau sesudah acara) dan kelompok pengguna yang berbeda (penduduk vs pengunjung), serta mengintegrasikan analisis sentimen dan ekstraksi topik.

STUDI KASUS

     Bagaimana kita dapat mengindentifikasi karakteristik dari tweeting perilaku dalam hal pola spatiotemporal dan sentimen antara penduduk dan pengunjung.

     Apakah ada perubahan terdeteksi dalam tata ruang dan temporal, dan sentimen dari tweets selama Olimpiade london dibandingkan dengan hari-hari sebelum dan setelah.

   Topik yang terkait dengan perencanaan kota dalam konteks acara olahraga besar dapat diidentifikasi melalui analisis semantuk posting media sosial.

LOKASI PENELITIAN

     Daerah penelitian untuk analisis ini adalah Greater London, yang memiliki ekspansi 3458 km 2. Data Twitter diperoleh dengan menggunakan Aplikasi Twitter Streaming Pemrograman Interface (Twitter INC, 2017) untuk tahun 2012, dan terdiri dari konten Tweet dan atribut seperti nama pengguna,lokasi pengguna, dan waktu pesan.

KESIMPULAN

     Melalui analisis spatiotemporal dan sentimen dari tweets, kita bisa mengidentifikasi pola-pola yang signifikan dalam hal dua kelompok pengguna kami didefinisikan serta untuk hari-hari sebelum, selama dan setelah acara. Mengenai pemanfaatan untuk tujuan perencanaan, kita dapat menyatakan bahwa dapat memberikan informasi berharga tentang perilaku spatiotemporal dan sentimen warga atau pengunjung tentang peristiwa yang direncanakan besar. Studi kasus ini juga menggambarkan potensi pemanfaatan data media sosial untuk analisis sentimen dan pemodelan topik untuk memberikan umpan balik umum mengenai peristiwa  yang direncanakan secara besar.

RESUME KELOMPOK 28 (UNDERSTANDING THE SPATIAL PATTERN OF URBAN CRIME: A DEVELOPING COUNTRY’S PERSPECTIVE)

PENDAHULUAN

   Kejahatan cyber saat ini menjadi salah satu yang banyak mendapatkan perhatian, dilihat dari perspektif negara berkembang. Contoh pada daerah perkotaan di negara-negara berkembang seperti Nigeria. Kabupaten Badarawa-Malali, adalah sebuah distrik perkotaan di Kaduna. Ibukota negara bagian Kaduna yang juga berfungsi sebagai ibukota regional Utara Nigeria. Kota ini merupakan pusat politik, transportasi dan perdagangan yang penting dan menampung populasi yang beragam dalam hal kelas sosial ekonomi dan ras. Pengaturan fisik kota adalah pemukiman campuran - formal dengan perencanaan fisik gaya barat dan pemukiman informal yang biasanya muncul dengan sedikit atau tanpa perencanaan terpusat. Deliniasi Kota Metropolis Keduna, Nigeria:

METODE

  Penelitian ini diperoleh data primer menggunakan tiga metode yaitu Mapping exercise, Block Environmental Inventory (BEI) dan mengumpulkan data korban kejahatan yang telah terjadi.

1. Mapping exercise kerja lapangan dilakukan untuk memetakan daerah penelitian menggunakan kertas maps yang dihasilkan dari citra satelit resolusi tinggi. Batas-batas setiap properti ditandai pada peta kertas dan unique reference number (URN) ditugaskan untuk masing-masing properti teridentifikasi.
2. Block Environmental Inventory (BEI) Pertama, URN ditugaskan untuk properti dari kegiatan pemetaan dimasukkan sebagai RefNo dan semua item lainnya pada bentuk BEI dicatat sesuai. Catatan yang dimasukkan ke dalam spreadsheet dan kemudian bergabung dengan data spasial yang dihasilkan dari kegiatan pemetaan.
3. Survey Data korban kejahatan yang telah terjadi Sebuah wawancara kuesioner terstruktur dirancang untuk mengumpulkan data tentang insiden kejahatan (a), dan (b) variabel demografis. Setiap kuesioner memiliki GUCI properti responden yang berkorespondensi dengan yang dihasilkan selama kegiatan pemetaan. Hal ini memungkinkan geocoding dari data survei.

HASIL

     Teknik Grid Tematik Mapping (GTM) dianggap pada ini tahap dalam menciptakan hotspot kejahatan peta menggunakan ukuran-sel grid 55m persegi. Sebuah hitungan insiden dilaporkan dalam setiap sel jaringan diambil untuk masing-masing dari enam jenis kejahatan dan peta hotspot diproduksi.

   Sebuah analisis visual peta ini menunjukkan bahwa, kejahatan cenderung untuk berkonsentrasi dalam grid-sel tertentu tetapi tidak pada orang lain dan berbagai jenis kejahatan menunjukkan pola spasial yang berbeda. Ini setuju dengan pengetahuan umum yang ada tentang pola spasial kejahatan perkotaan.

KESIMPILAN

    Mengetahui lokasi yang tepat dari mana kejahatan terjadi adalah titik awal untuk mengidentifikasi hotspot. Penelitian ini tidak hanya memperoleh lokasi insiden kejahatan. Namun juga dapat menghasilkan GIS-database yang menghubungkan dengan atribut yang terkait dari tempat-tempat tersebut. Proses itu memakan waktu dan diperlukan kombinasi kerja lapangan yang luas, melibatkan beberapa pencacah terlatih, dan beberapa perhitungan GIS intensif. Volume data belum pernah terjadi sebelumnya dan akan membentuk dasar untuk apa yang kita harapkan akan menjadi beberapa studi yang paling rinci kejahatan perkotaan di negara berkembang. Dari sini kita akan mencari penjelasan tentang hubungan-tingkat mikro antara kejahatan perkotaan dan fitur dari kedua lingkungan sosial dan fisik dalam pengaturan negara berkembang.

RESUME KELOMPOK 30 (ANALISIS KEPUTUSAN MULTI-KRITERIA BERBASIS GIS UNTUK KERENTANAN KEBAKARAN HUTAN)

Daerah penelitian Bale Mountains National Park terletak di bagian tenggara dari Ethiopia, yang dibatasi oleh garis lintang 6° 0' 00" N - 6° 57' 28" N dan bujur 39°15' 00 E - 40° 42' 25" E.

Metode

Analisis kerentanan resiko kebakaran hutan menggunakan data dan kedekatan fisiografi faktor, seperti

• ketinggian
• kemiringan
• aspek
• jenis vegetasi
• kedekatan dengan pemukiman dan
• jarak dari jalan

 Hasil

Hasil sensitivitas api :

• Padang rumput memiliki risiko pengapian tertinggi, yang menyumbang 48.603 ha (7,1%) di daerah penelitian ini.
• Semak adalah daerah yang mudah terbakar tertinggi kedua, dengan tingkat 81.805 ha (12%), diikuti oleh
• Afro-alpine vegetasi (22.827 ha, 3,4%),
• cemara hutan (55.298 ha, 8,1%) dan
• hutan lembab (236.976 ha, 34,8 %).
• tipe vegetasi, suhu dan kelembaban berkorelasi dengan faktor ketinggian

Tingkat kerentanan kebakaran hutan dan tingkat yang sesuai kerentanan resiko kebakaran. Dari total luas 6,80,592 ha

• 3,4% jatuh dalam kategori risiko kebakaran kerentanan 'sangat tinggi’
• 24% di bawah risiko tinggi,
• 37,3% risiko sedang dan
• 0,15% risiko rendah.

Validasi peta keluaran diuji oleh overlay poin tempat api mengungkapkan bahwa kawasan yang terbakar terletak di daerah yang sangat tinggi . Daerah di bawah tingkat kebakaran hutan kerentanan sangat tinggi, tinggi dan sedang adalah wilayah di mana api tidak sengaja disebabkan oleh aktivitas manusia.