insight of location intelligence · namun jika dilihat dari presentasi terhadap jumlah penduduk...
TRANSCRIPT
Insight of Location IntelligenceOleh NikmaRegional ManagerInternational Department of SuperMap Software Co., LtdAsia and Oceania Centre
OUTLINE
Apa itu Sistem Informasi Geografis?
Apa itu Location Intelligence?
Challenges
Solusi Teknologi : SuperMap Software
Ide solusi aplikatif
Sistem Informasi Geografis
Marble et al (1983)
“SIG merupakan sistem penanganan data keruangan.”
Bernhardsen (2002)
“Pengertian SIG menurut Bernhardsen adalah sistem komputer yang difunakan untukmemanipulasi data geografi. Sistem ini diimplementasikan dengan perangkat keras dan perangkat lunak komputer yang berfungsi untuk akuisisi dan verifiksi data, kompilasi data, penyimpanan data, perubahan dan pembaharuan data, manajemen dan pertukaran data, manipulasi data, pemanggilan dan presentasi data serta analisa data.”
Kang-Tsung Chang (2002)
“Pengertian SIG menurut Kang-Tsung Chang adalah a computer system for capturing, storing,quering, analyzing, and displaying geographic data.”
BANDINGKAN
Persebaran Kemiskinan DKI Jakarta 2018
Berdasarkan data dari BPS tahun 2018,Provinsi DKI Jakarta memiliki angkakemiskinan dengan presentasi yang cukuptinggi pada masing-masing kota. Dari enamKota/kabupaten yang ada di DKI Jakarta,jumlah penduduk miskin tertinggi berada diKota Jakarta Utara sekitar 95 juta jiwa.Namun jika dilihat dari presentasi terhadapjumlah penduduk dalam satuKota/Kabupaten, Kepulauan Seribu memilikipresentasi tertinggi di angka 11.98% darijumlah penduduk di Kepulauan Seribu.Berikut adalah tabel dengan presentase danjumlah yang mewakili untuk Provinsi DKIJakarta.
Persebaran Kemiskinan DKI Jakarta 2018
Definisi Location Intelligence?
Geospatial Data
Business Intelligence
Trends
John Snow’s 1854 Cholera Map
TRENDSHistory Spatial dan
non-Spatial
Visualisasi
DECISIONSAnalysis
SIG
LocationIntelligence
Data Insight
Industri ?
CHALLENGES
Lack of Data
Massive Data
Performance
Awareness
SOLUSI TEKNOLOGI
CLOUD NATIVE
ARTIFICIALINTELLIGENCE
3D GIS
BIG DATA
CROSS PLATFORM
Bus Interchange
Service
Data CatalogService
Distributed Analysis Service
Streaming Data Service
OGCService
SpatialProcessing
Service
Spatial Analysis Service
Third Party Service
3DService
MapService
DataService
Geometric Service`
Network Analysis Service
NauticalChart
Service
Strong FunctionsHigh-performanceDistributedStable and Reliable
Geoprocessing Service
Machine Learning
Service
Data Science Service
Never-stopped Service Engine
Visualisasi Data
CLICK TO PLAY
Data Streaming Visualization
Total Track Point
Total Current Queries
Total Number of Track Points
BIG DATA untuk Data Masif
CLICK TO PLAY
90
78
60
54
49
40
50
60
70
80
90
100
3 4 5 6 7
Tim
e (m
in)
(Nodes)
Union
Korelasi Linear Kinerja Komputasi dan Nodes Terdistribusi
Overlay Analysis of 100 millino and 20 million（Spark Worker：4CPU Cores, 16G）
Edge Computing-Client Side
Cloud Computing
Cloud/Data centerTerminal
FogComputing
Edge Computing
Terminal
Terminal
Slow Responses Speed
Quick ResponsesSpeed
Data Insight & Dashboard
BIG DATA Maintenance & IT Indicator Performance
Model Training
SuperMap iDesktopX
Data Science Service
Sample Data
Multiple Iteration
SuperMap iServer
Model Application
Reasoning/Predicting
Machine Learning Service
User Data
Ideas
BIG DATA CENTER
Data Sosial Ekonomi
Data Penyakit
Data Boundary Desa
Data PopulasiData Persebaran
Rumah Sakit
• Trends berdasarkan lokasi.• Pertumbuhan ekonomi berdasarkan
lokasi, strata dan populasi.• Tingkat persebaran penyakit
tertentu berdasarkan populasi, status penduduk, tingkat ekonomi, ketersediaan fasilitas rumah sakit
• Penentuan pemerataan fasiitaskesehatan.
• Prediksi penyakit di lingkungantertentu.
• Prediksi penyebab penyakitberdasarkan kondisi daerah ( missal: kurang air bersih, pemukiman tidaklayak di bantaran sungai, dekatdengan TPA, area banjir, area kurangcahaya matahari, etc)
Data Topografi dan tematik
Data utilitas air bersih
City Planning
BIG DATA CENTER
Data Batas Wilayah
Data Sosial Ekonomi
Data PersebaranKantor Polisi
Data PersebaranRumah Sakit
• Trends berdasarkan lokasi.• Tingkat pertumbuhan Kriminal dari
waktu ke waktu• Tingkat kriminal berdasarkan
keramaian, persebaran kantor polisidan persebaran CCTV
• Tingkat korban berdasarkan data criminal dan persebaran RumahSakit
• Wilayah rawan criminal berdasarkankeramaian, social ekonomi, dan area terpantau.
• Penambahan penjagaan dan kesiagaan di area rawan
• Kebijakan persebaran fasilitasRumah Sakit berdasarkan jumlahkorban
• Penambahan atau pemguranganalat pemantauan
• Pencarian Jalur efektif
Data Pergerakan keramaian
Data kriminal
Data PersebaranCCTV
Data Network Jalan
