Geographic Automata System

1. Pendahuluan

Pemodelan geografis berbasiskan Cellular Automata (CA) dan Multi Agent System (MAS) memiliki kekurangan:

  • Pada Cellular Automata, automata secara individual dapat menyebarkan informasi, tapi tidak bebas bergerak
  • Pada Multi Agent System, automata bergerak secara bebas dan mandiri, tetapi mengabaikan sifat-sifat ruang (space) dan keruangan (spasial).

Fungsionalitas geospasial merupakan hal penting dalam penggambaran model-model agent-automata. Dibutuhkan perumusan secara jelas dan baku untuk pembuatan simulasi sistem geografis. Teknik dan perangkat yang tepat dalam melakukan fungsi-fungsi geospasial juga diperlukan dalam mengolah obyek-obyek geografis.

Pembahasan pada makalah ini bersumber dari paper-paper karya Itzhak Benenson, Department of Geography, University of Tel Aviv, Israel dan Paul M. Torrens, Department of Geography University of Utah, USA. Pada bagian 2 dijelaskan landasan teori, terdiri dari Cellular Automata, Multi Agent System, dan Geographic Automata Systems. Bagian 3 membahas penerapan dan studi kasus. Bagian 4 ditutup dengan kesimpulan.

2. Landasan Teori

2.1. Cellular Automata

Automata merupakan bentuk jamak dari automaton. Automaton adalah suatu mekanisme pemrosesan secara diskrit, berdasarkan keadaan internal dari suatu obyek. Dalam automata, obyek (sel atau agent) memiliki keadaan dan aturan yang menentukan perubahan.

Berikut sifat-sifat dari Automaton:

  • Berganti keadaan menurut waktu
  • Sesuai seperangkat aturan
  • Berdasarkan keadaan internal dan eksternal
  • Dalam langkah yang berurutan

clip_image002

Gambar 1. (a) Sebuah automaton berganti keadaan antara 2 tahap sesuai input;(b) 2 jenis ketetanggaan dari cellular automata dalam ruang 2 dimensi.

Cellular Automata adalah penyusunan dari automaton pada suatu grid (terali, jaring), di mana tiap-tiap automaton dipengaruhi oleh automata di sel yang berdekatan. Bentuk pemisahan bersifat teratur, dengan demikian ketetanggaan menunjukkan kedekatan. Kelemahan utama dari Cellular Automata adalah sel automata tidak bisa berpindah secara mandiri.

clip_image004

Gambar 2. (a) Grid dan jaringan ketetanggaan; (b) Ketetanggaan Voronai (abu-abu), berdasarkan cakupan kepemilikan.

2.2. Multi Agent Systems

Agent merupakan suatu automata, sehingga memiliki seluruh kaidah dari automata. Namun terdapat perbedaan penting dari agent dibanding Cellular Automata, yaitu agent mengirim informasi secara mandiri dan dapat berpindah. Terdapat 4 jenis interaksi antar agent dalam kerangka MAS, yaitu:

  1. Kerjasama, menampakkan tujuan dan pengetahuan yang dimiliki ke agent lain. Pada interaksi kerjasama, dua agent tersebut memiliki tujuan yang sama.
  2. Koordinasi, menampakkan tujuan dan pengetahuan yang dimiliki ke agent lain. Pada interaksi koordinasi, dua agent tersebut memiliki tujuan yang berbeda.
  3. Persaingan longgar, menampakkan tujuan dan menyembunyikan pengetahuan yang dimiliki ke agent lain.
  4. Persaingan keras, tidak menampakkan tujuan maupun pengetahuan yang dimiliki ke agent lain.

clip_image006

Gambar 3. Skema agent sebagai pengolah input secara cerdas.

Sifat dari Agent sesuai dengan tingkah laku manusia, yang menunjukkan sebagai pembuat keputusan secara individu atau kelompok. Simulasi dengan Multi Agent System condong pada data non-spasial, seperti menunjukkan karakteristik sosio-ekonomik. Dengan demikian simulasi geografis menggunakan MAS, dimana data-data yang ada berupa spasial, membutuhkan perangkat khusus yang ditujukan sebagai aplikasi geografis.

2.3. Geographic Automata Systems

Geographic Automata Systems (GAS) dapat dilihat sebagai database dinamis dari obyek-obyek spasial dalam sistem geografis. Berdasarkan definisi per kata:

  • Geographic, obyek terletak secara nyata atau abstrak dalam ruang geografis.
  • Automata, obyek (sel atau agent) memiliki keadaan dan aturan yang menentukan perubahan.
  • Systems, sifat automata didefinisikan oleh hubungan atau keterkaitan, baik spasial maupun non-spasial, di antara mereka.

GAS merupakan perluasan dari Geograhic Information Systems (GIS). GIS adalah sistem informasi yang dirancang untuk bekerja dengan data yang tereferensi secara spasial atau koordinat-koordinat geografi. Terdapat 2 jenis model data dalam GIS, yaitu (i) Raster, berbentuk matriks atau piksel-piksel yang membentuk grid; (ii) Vektor, menggunakan titik-titik, garis-garis atau poligon. Hubungan dari GIS ke GAS dapat dilihat seperti berikut:

  • GIS –> informasi lokasi dan hubungan spasial antar elemen –> kumpulan dinamis dari automata geografis dalam ruang –> GAS.

Perbedaan antara GIS dan GAS seperti berikut:

  • Unsur-unsur GIS tidak mencakup seluruh jenis dari automata geografis, misalnya posisi pemilik rumah tidak penting dalam GIS ketimbang letak rumahnya. Sedangkan GAS mencakup keseluruhan jenis automata.
  • Obyek dalam GAS bersifat dinamis (misalnya pemilik kendaraan), sedang GIS tidak (misalnya koordinat).
  • GAS dapat menggambarkan “pemilik rumah di sebelah adalah tetangga saya”, sedangkan GIS tidak.

clip_image008

Gambar 4. a) Hubungan ketetanggaan dari geographic automata. Dua pemilik rumah adalah tetangga bila mereka terletak dalam kepemilikan obyek yang berdekatan; b) Menentukan pemilik tanah dengan melihat tanah yang dipunyai.

Sebagai contoh kasus, yaitu Badu tetangga dari Ahmad. Bila Badu ada di Mangga Dua dan Ahmad ada di Citayam, secara empiris mudah dibuktikan bahwa Badu adalah tetangga Ahmad karena rumahnya berdekatan. Namun dengan GIS, perlu dicari kaitan secara tidak langsung yang menimbulkan masalah dalam komputasi bila hubungan semakin kompleks.

Karakteristik internal dari Geographic Automata (GA) terdiri dari 4 bagian:

  1. Tipologi atau ontologi automata berdasarkan kemampuan untuk berpindah.
  2. Ruang di mana mereka berada.
  3. Hubungan spasial antar automata.
  4. Proses yang menentukan pergantian lokasi automata.

Simulasi dalam sistem geografis melibatkan 4 komponen tersebut. Sedangkan baik CA maupun MAS tidak menyediakan hal tersebut secara lengkap. Pemodelan geografis yang melibatkan obyek-obyek geografis secara besar-besaran, masing-masing diwujudkan dalam skala atomik (secara individu dan bebas), disebut juga geosimulation.

Definisi formal dari GAS dinyatakan sebagai G ~ (K; S, TS; L, ML; N, RN). Setiap obyek dari GA memiliki TS, ML, dan RN yang merupakan satu kesatuan, dikenal juga sebagai sebuah triplet. Berikut penjelasan ketujuh komponen tersebut:

  1. K: jenis dari GA, yang terbagi menjadi 2, yaitu (i) Tetap (F, Fixed), berupa obyek yang tidak berpindah, misal: rumah, jalan, jembatan; (ii) Bergerak (D, Non Fixed), berupa obyek yang berpindah, misal: pemilik tanah, pejalan kaki, kendaraan.
  2. S: kumpulan dari keadaan (set of states). Keadaan dari suatu obyek bergantung tidak hanya GA yang bersifat tetap, tapi juga tidak-tetap. Dalam simulasi sistem perkotaan, penting untuk menggambarkan orang dipengaruhi dan mempengaruhi lingkungan.
  3. TS: aturan pergantian keadaan (transition rules).
  4. L: Lokasi dari GA (location). Penerjemahan secara geografis dari obyek dalam dunia nyata atau keadaan sebenarnya. Hal ini merupakan titik temu antara GIS dan GAS.
  5. ML: Aturan perpindahan (movement rules).
  6. N: Tetangga dari GA (neighbors). Sifat dinamis dari GA menyebabkan hubungan spasial antar GA dapat berbeda menurut ruang dan waktu. Aturan ketetanggaan GA Bergerak lebih tepat dilakukan secara tidak langsung. Misal: kasus Ahmad dan Badu
  7. RN: Aturan hubungan (relation rules).

clip_image010

Gambar 5. Jenis-jenis automata, Bergerak dan Tetap, dengan penunjukkan secara langsung atau melalui perantara.

Dalam menunjukkan lokasi, GAS memiliki 2 jenis acuan:

  1. Direct, yaitu menunjuk langsung obyek yang bersangkutan.
  2. Pointing, yaitu menunjuk berdasarkan obyek yang lain.

Sebagai contoh dari Automaton Gt+1, bila: Gt ~ (St, Lt, Rt), maka Gt+1 ditentukan oleh:

  • TS: (St, Lt, Rt) à St+1
  • ML: (St, Lt, Rt) à Lt+1
  • NR: (St, Lt, Rt) à Rt+1

Sifat dasar dari GAS yang dinamis, melibatkan pula dimensi temporal dari database GIS. GAS sebagai basis dari obyek yang tetap dan tidak tetap, ditunjuk secara langsung atau tidak langsung. Triplet dari aturan transisi S, L, dan R pada waktu t + 1 berdasarkan nilai masing-masing pada waktu t.

Terdapat 2 pendekatan waktu dalam pengubahan automata:

  1. Synchronous, menggunakan pewaktuan eksternal dalam pemberian perintah pada tiap-tiap automaton.
  2. Asynchronous, tiap-tiap automaton memiliki pewaktuan internal.

3. Penerapan dan Studi Kasus

3.1. Model dan OBEUS

Penerapan GAS tidak terlepas dalam kaitan pemodelan bidang geografis. Model adalah abstraksi atau ringkasan, penyederhanaan dari dunia nyata atau keadaan sebenarnya. Tingkatan dari model terbagi 3, yaitu (i) Konsep atau Gagasan; (ii) Logikal; (iii) Fisik. Keuntungan dari model yaitu:

  • Menyederhanakan sistem yang rumit.
  • Gambaran dari keseluruhan bagian sistem.
  • Tidak terikat dengan hal-hal yang bersifat fisik.

clip_image012

Gambar 6. Model merupakan penyederhanaan dunia nyata.

Untuk menjadikan gagasan dari GAS dapat diwujudkan, perlu diterjemahkan ke dalam bentuk perangkat lunak. Saat ini telah dikembangkan Object Based Environment for Urban Simulation (OBEUS), yang secara langsung menerapkan formulasi GAS. Penggunaan OBEUS melibatkan Database Relasional dan Entity-Relational data Model (ERM), menggunakan paradigma Pemrograman Berorientasi Obyek (OOP). Proses dan keluaran dari OBEUS memanfaatkan latar belakang GIS / Database secara intensif.

clip_image014

Gambar 7. (a) Bentuk tampilan OBEUS dalam pemodelan dunia Nyata; (b) Tampilan OBEUS dalam menampilkan bentuk abstrak.

3.2. Geospatial Exoskeletons for Automata in Agent-Based Models

Formalisasi GAS dapat digunakan dalam pemodelan berbasis agent, dengan membungkus agent-agent dalam kerangka (exoskeleton) geospasial yang memberikan kecerdasan tiruan untuk aksi-aksi dan interaksi mereka. Agent automata yang dibangun menjadi obyek GA, dan sistem yang terbentuk dapat dianggap sebagai perwujudan GAS. Memperkenalkan agent-agent secara geografis melalui cara ini menghasilkan wawasan yang baik terhadap proses dalam kaitan ruang dan waktu, bahkan dalam sistem yang sederhana seperti pergerakan saat kerumunan.

Dalam kasus pergerakan kerumunan, jenis dari agent geospasial dibagi menjadi 5 (class dalam Object Oriented Programming) , yaitu:

  1. World, lingkungan dalam simulasi.
  2. FixedObjects, obyek tidak bergerak, dapat mempengaruhi obyek bergerak.
  3. MobileObjects, obyek bergerak.
  4. Goals, susunan kejadian, daftar dari aksi-aksi yang akan dijalankan.
  5. Probes function, mengumpulkan data-data simulasi, yang berupa atribut-atribut, sistem (fenomena sintetis), dan entitas model (keadaan dan aksi).

Setelah terbentuk model-model geospasial, ditentukan fungsionalitas dari model-model tersebut. Sifat-sifat geografis dari model disesuaikan dengan tingkah laku geospasial manusia. Berikut 4 jenis fungsionalitas dari model:

  1. Tingkah laku geospasial berbeda-beda sesuai karakter per agent. Orang berpindah dan bergerak secara individual, dengan bermacam-macam karakteristik geospasial dan geotemporal.
  2. Agent dianggap menentukan arah secara geografis dan menggunakan penunjuk arah (waypoint) dalam membangun pengertian ‘bagaimana untuk ke sana’.
  3. Membungkus agent dengan pengenalan spasial, sebagai bagian dari kecerdasan tiruan, sehingga membentuk kerucut pandang (vision cone) terpusat dalam menentukan langkah ke depan.
  4. Berdasarkan fakta bahwa aktivitas masyarakat tersusun dari penggunaan ruang dan waktu. Model mengatur arah sesuai ruang-waktu sebagai mode-mode kejadian di seputar tujuan-tujuan kegiatan mereka.

clip_image016

Gambar 8. Data kecepatan diambil dari tangkapan gerak dari pergerakan aktor sebenarnya (a) Time t; (b) Time t + 1 detik.

Sebagai contoh dari simulasi model adalah evakuasi dari agent yang terkurung dalam infrastruktur perkotaan. Simulasi ini berdasarkan sifat-sifat fisik dari evakuasi dalam kerumunan. Berikut kondisi yang dibuat:

  • Agent-agent dibuat dalam posisi acak dengan sifat-sifat yang telah ditentukan. Data-data pergerakan menentukan posisi bebas, batas kecepatan (atas dan bawah), dan percepatan yang terjadi. Mereka bergerak dari posisi awal menuju tujuan akhir, di mana hanya terdapat 1 pintu ke luar.
  • Algoritma A* digunakan untuk mencari rute terpendek mencari jalan keluar. Agent mengikuti rute ini kecuali ditentukan lain dari sifat di atas.
  • Agent yang lebih awal ke pintu keluar dapat mengungsi dengan bebas, tetapi segera terbentuk kerumunan yang membentuk halangan sehingga terjadi kemacetan.
  • Fungsi-fungsi penangkap melaporkan posisi tiap agent, berupa ruang-waktu GIS, dibatasi ruang-waktu path, sebagai grafik dan geometri.

clip_image018

Gambar 9. Simulasi dari evakuasi agent.

Simulasi dari kejadian pada gambar di atas dapat dilihat dari 4 bagian berikut:

  1. Kondisi awal.
  2. Agent terdekat dengan pintu dapat ke luar dengan cepat (t = 3 detik).
  3. Terjadi kepadatan untuk agent yang datang belakangan; terbangun tekanan sebagaimana kerumunan semakin padat (t = 33 detik). Karakteristik berdesak-desakan membuat kebingungan evakuasi (t = 66 detik).
  4. Setelah tekanan dari kerumunan berkurang, proses evakuasi berjalan lebih efisien (t = 133 detik).

clip_image020

Gambar 10. Grafik hasil simulasi evakuasi agent.

Grafik simulasi yang terjadi seperti gambar di atas. Terbagi menjadi 2 bagian:

  1. Path sesuai ruang-waktu untuk seluruh agent. Pergerakan spasial ditunjukkan dalam (x, z), dan pergerakan temporal dalam y.
  2. Pergerakan yang terjadi yaitu:
  • Agent 1 bergerak mudah dan cepat (relatif lurus dan datar dalam profil ruang-waktu).
  • Agent 2 menghadapi kepadatan dalam 2/3 perjalanan.
  • Agent 3 melakukan evakuasi dengan lambat.
  • Agent 4 menemui evakuasi yang sulit (berliku-liku dan curam).

Sebagai kesimpulan, simulasi telah memperlihatkan bagaimana model dan analisa tingkah laku spasial dalam suatu lingkungan. Skema ini dapat berguna untuk menggali dan menciptakan teori dalam mempelajari pengenalan spasial, sosialitas, tingkah laku kolektif dan interaksi dalam lingkungan manusia.

3.3. Geosimulation and Its Application to Urban Growth Modeling

Formalisasi GAS dapat berfungsi sebagai kerangka kerja baru dalam menggambarkan dinamika ruang-waktu secara geografis, misalnya pembuatan model simulasi pertumbuhan perkotaan. Model ini disebut juga geosimulation, yaitu pemodelan dengan karakteristik yang menangani kuantitas besar dari entitas geografis, masing-masing dalam skala atomik yang memadai (secara individual dan independen). Pertukaran dari dan antara entitas melalui hubungan antar elemen secara dinamis dan interaktif.

Berdasarkan ruang dan geografi, geosimulation dapat didefinisikan dalam 3 hal:

  • Tiap unit geografis spasial bersifat tetap dengan fungsionalitas yang independen.
  • Entitas bersifat individual (independen dan autonomous) dalam lingkup geospasial.
  • Model dirancang sebagai event-driven (menurut pewaktuan internal).

Pemodelan berbasis GAS untuk membuat model pertumbuhan perkotaan, melibatkan variabel-variabel keadaan, aturan pergantian keadaan, dan ketetanggaan. Dibutuhkan tambahan khusus terkait fungsionalitas geografis yaitu: i) Tipologi dari GA (jenis automata); ii) Aturan pergantian ketetanggaan; iii) Kaidah lokasi dinamis; iv) Aturan pergerakan. Formulasi akhir model adalah suatu tipologi tetap dan bergerak dari GA, masing-masing digambarkan dalam ruang dan waktu, berupa gabungan dari fungsionalitas yang ada.

Tipologi dari GA dalam geosimulation menggambarkan 2 jenis GA, yaitu:

  1. GA Tetap, berupa bentang darat (landscape) dan elemen infrastruktur. Ruang dalam simulasi digolongkan dalam daratan hingga dikembangkan menjadi infrastruktur. GA Tetap dirancang juga sebagai gerbang (gateways), sebagai pintu masuk pertumbuhan atau populasi, yang terdiri dari 2 jenis: a) Seed gateways, sebagai pertumbuhan exogenous (perpindahan menuju kota); b) Run-time gateways, sebagai pertumbuhan endogenous (pertumbuhan dalam kota).
  2. GA Bergerak, merupakan agen perubahan dalam simulasi. Dirancang untuk menirukan pengembang (developer) dan penghuni (settler), dengan 3 kegiatan: a) Mengembara di daratan sesuai sifat yang diberikan; b) Mengubah daratan dari non-urban ke urban; c) Menempatkan populasi.

Variabel keadaan mewujudkan karakteristik minimal dari sistem perkotaan dalam simulasi, yang berisi: i) Tanda GA sebagai gateway / tidak; ii) Kondisi dari pengembangan daratan; iii) Keadaan dari penghuni. Hasil akhir dari urbanisasi adalah pemukiman pada GA Tetap beserta besar populasi (variabel population count). Karena GA Tetap berukuran sama dalam simulasi, hal ini diartikan sebagai tingkat kepadatan.

Aturan pergantian keadaaan berfungsi sebagai aturan dalam perubahan pada variabel keadaan (bersifat dinamis sesuai ruang dan waktu) dan perpindahan dari GA Bergerak. Dispersal function digunakan dalam mendistribusikan populasi antara GA Tetap yang terbentuk, dalam radius ketetanggaan yang kecil (8 sel Moore). Dispersal function bekerja dengan menyebarkan sejumlah persentase populasi dalam ketetanggaan ke sel tujuan, dalam 2 arah:

  • Pertumbuhan dalam penyebaran antar tetangga.
  • Pengurangan bila rata-rata populasi dalam ketetanggaan di bawah nilai dari sel tujuan.

Kaidah-kaidah dalam georeferencing menunjukkan ciri-ciri penting dari model (misalnya seed gateways) dan mencatat perpindahan dari GA Bergerak. Koordinat dari tiap-tiap entitas dalam notasi bidang Kartesian (x, y). Pada GA Tetap koordinat tidak berubah, sedangkan pada GA Bergerak koordinat berubah sesuai pergeseran posisi. Indirect georeferencing dilakukan dengan mempertahankan pointer terhadap seed gateway di mana entitas tersebut berasal.

Aturan pergerakan merupakan inti dari model, dirancang meniru dari situasi tersebar (sprawl) dari kota-kota di Amerika. Terdapat beberapa bentuk pergerakan:

  • Compact development, bentuk awal pengembangan dari evolusi sistem kota, di mana ruang bernilai rendah, terdiri dari Immediate (segera) dan Nearby (sekitar).
  • Linear form development, berkisar pada jaringan penghubung, terdiri dari: Irregular, bila pengembangan terbatas oleh alam maupun politik; Road-like, berupa pengembangan jalan atau sarana transportasi, yang dibangun ketika entitas GA berpindah.
  • Scattered development, berkembang pada batas luar dari kota, yaitu berupa Leapfrog, di mana GA Bergerak selaku pengembang dapat melewati pusat kota dan tinggal di luar batas kota.
  • Gabungan dari aturan-aturan pergerakan di atas.

clip_image022

Gambar 11. Bentuk-bentuk pergerakan; a) Immediate movement; b) Irregular movement; c) Road-like movement; d) Leap-frog movement.

Ketetanggaan menunjukkan wilayah dari perbedaan pengaruh bagi pengembang dan penghuni. Terdapat tambahan action-at-a-distance (aksi dari jauh), di mana pengaruh GA melewati batas filter yang ada (dalam kasus perpindahan road-like dan leapfrog). Aturan ketetanggaan menggunakan pendekatan sederhana yaitu GA Bergerak memilih dari berbagai bentuk aturan yang tersedia dan selanjutnya digunakan sebagai aturan perpindahan yang berlaku pada saat dan waktu yang ada.

clip_image024

Gambar 12. Diagram konseptual dari model pertumbuhan perkotaan.

Dalam pertumbuhan model waktu bersifat diskrit, GA bergerak dalam paket-paket atau gabungan perubahan (simulasi tahun). Waktu adalah event-driven, setiap paket perubahan (1 tahun) dapat berupa ratusan transisi atau perpindahan, berdasarkan pewaktuan internal masing-masing. Setiap proses memiliki siklus yang berbeda, seperti: a) Tumbuh dan binasa dalam GA Tetap berjalan lebih lambat ketimbang aturan perpindahan; b) Kejadian pengembangan dan pemukiman lebih pendek ketimbang transisi ketetanggaan. Model bekerja dalam keadaan terbatas. Berbagai perubahan dan aturan dalam model dibuat dalam batas-batas yang telah diketahui, yang didasarkan pada keadaan yang sebenarnya.

Sebagai contoh simulasi pertumbuhan perkotaan, dibuat 1 kota yang bersifat dominan dan disertai 2 kota yang saling bersaing. Digunakan 2 jenis skenario:

  • Umum (general growth), di mana pertumbuhan kota bersifat alamiah.
  • Cerdas (smart growth), di mana terdapat penekanan pertumbuhan kota pada kelompok-kelompok atau Polisentris yang tersusun rapi.

clip_image026

Gambar 13. Simulasi dari pertumbuhan perkotaan skenario umum.

Hasil dari simulasi pertumbuhan umum dapat terlihat dari gambar 13. Daerah berwarna biru muda atau putih menunjukkan kepadatan, di mana lebih tinggi dari daerah berwarna biru gelap atau hitam. Tahapan dari proses adalah sebagai berikut: a) Pintu masuk awal, t =0; b) Pembentukan sub-pusat, t = 186; c) Penggabungan pedalaman, t = 222; d) Pengembangan linier, t = 251; e) Penghubung pemukiman, t = 260; f) Sub-pusat terbangun penuh, dengan melewati daerah pori-pori, t = 291. Pada pertumbuhan umum, kepadatan populasi terlihat jelas pada kota dominan, dan terjadi pecahan urbanisasi dengan kepadatan rendah pada kota-kota pesaing. Terlihat pemisahan sosiospasial dalam skala besar dan luas antara kota dominan dan kota sekitarnya.

clip_image028

Gambar 14. Evolusi dari simulasi pertumbuhan perkotaan secara polisentris. Daerah kuning muda / putih menunjukkan kepadatan, yang lebih tinggi dari kuning tua / hitam.

Hasil dari simulasi pertumbuhan cerdas / polisentris terlihat dari gambar 14. Pada tiap tahap, dari A s/d F, merupakan gambaran hasil pada waktu-waktu tertentu (t = 3 s/d t = 350). Pertumbuhan secara cerdas menunjukkan struktur spasial yang terpadu, sehubungan penyebaran inti kepadatan. Pertumbuhan kota dominan diikuti pula dengan kota-kota pesaing, sehingga tidak terjadi perbedaan besar dari sosiospasial antara kota-kota tersebut. Menunjukkan pula skenario polisentris mengakomodasi penyebaran secara seimbang.

Sebagai kesimpulan, kerangka kerja baru dalam geosimulation berdasarkan Geographic Automata System dapat digunakan dalam menggambarkan simulasi perkotaan. Kerangka kerja ini dapat dikembangkan untuk analisa perkotaan maupun berbagai permasalahan geografis lainnya.

4. Kesimpulan

GAS, yang menyatukan CA dan MAS, sebagai alat bantu GIS dalam menggambarkan simulasi spasial obyek-obyek geografis yang bersifat dinamis. Formulasi GAS juga membuat standarisasi antara model-model automata dan sistem lain seperti GIS, termasuk pula dalam simulasi geografis skala besar seperti geosimulation. Gagasan dalam GAS yang menggabungkan manusia sebagai obyek, menyediakan kerangka kerja umum dalam melukiskan dan memodelkan seluruh komponen dalam sistem perkotaan.

Penerapan GAS lebih lanjut memerlukan 3 langkah tambahan:

  • Transformasi kerangka kerja GAS dalam bentuk perangkat lunak, yang telah dimulai dengan OBEUS.
  • Formulasi lebih lanjur GAS dalam bahasa simulasi.
  • Pengembangan aplikasi-aplikasi berbasis GAS.

Referensi

  1. Paul M. Torrens. Geospatial Exoskeletons for Automata in Agent-Based Models. Arizona State University, Tempe, AZ. 2007.
  2. Paul M. Torrens. Geosimulation and its Application to Urban Growth Modeling. In: Complex Artificial Environments, J. Portugali (Eds), London: Springer-Verlag, pp. 119-134. 2006.
  3. Paul M. Torrens. Simulating Sprawl. Annals of the Association of American Geographers, 96(2), pp. 248–275. 2006.
  4. Itzhak Benenson, Paul M. Torrens. Geographic Automata Systems. International Journal of Geographical Information Science, Vol. 19, No. 4, 385–412. April 2005.
  5. Itzhak Benenson, Paul M. Torrens. Geographic Automata Systems: A New Paradigm for Integrating GIS dan Geographic Simulation. 2003.

3 Komentar »

  1. bacon said

    dia batek

  2. tutik said

    maaf za…. sebagian kata2nya saya ambil untuk tugas kuliah…eh,,,kok ga ada source codenya sich????

  3. Terima kasih buat artikelnya. Sangat bermanfat. Apalagi bagi saya yang sedang mengambil tugas akhir dengan judul yang berkaitan dengan Simulasi Multi Agen.
    Thanks a lot!🙂

RSS feed for comments on this post · TrackBack URI

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s