1. Bahas MapObject VS ArcObject!
MapObject Vs ArcObject
MapObject dan ArcObject merupakan 2 hal komponen dalam membangun sebuah informasi bebasis informasi pemetaan. MapObject merupakan komponen yang akan diintegrasikan dengan software Visual Basic, dimana MapObject ini diinstal setelah software Visual Basic terinstal.
ArcObject atau Object Model merupakan kerangka dalam membangun ArcGis.
Berikut fungsi dari MapObject dan ArcObject
Mapobject dan Arcview adalah contoh software yang dikembangkan oleh vendor bernama ESRI, fungsi Mapobject sebagai penghubung atau conector ke Arcview agar program Visual Basic dapat terintegrasi dengan komponen MapObject pada Stand Alone Personal Computer berbasis Dekstop. MapObject merupakan komponen yang sangat penting yang berfungsi untuk membaca file map dengan format *.map, *.shp, dll.
Catatan : Esri tidak lagi menjual MapObject.
ArcObjects adalah seperangkat platform independen, komponen model data berbasis geografis yang ditulis dalam C++. ArcObjects menawarkan solusi layanan untuk mendukung dan membangun Sistem Informasi Geografis (SIG) dimana ArcObject merupakan dasar dari keluarga ArcGIS produk berevolusi secara progresif untuk memenuhi kebutuhan pengembang GIS dan pengguna.
2. Aplikasi GIS pada bidang HPT (Hama dan Penyakit Tumbuhan)
Serangan organisme pengganggu tanaman dapat menyebabkan target pertanian menurun. Kini prediksi serangan organisme pengganggu tanaman dapat diakses melalui Internet. Organisme pengganggu tanaman (OPT), seperti gulma, hama, dan mikroorganisme patogenik merupakan musuh bebuyutan para petani.
Organisme-organisme itu dapat menyebabkan tanaman rentan terserang penyakit dan menurunkan kualitas tanaman. Oleh karena itu, untuk menghasilkan tanaman berkualitas, diperlukan upaya pengendalian OPT yang menyeluruh. Menurut Edi Suwardiwijaya, fungsional pengendali OPT dari Balai Besar Peramalan Organisme Pengganggu Tumbuhan (BB-POPT) Departemen Pertanian, berbagai upaya pengendalian hama terpadu (PHT) untuk mencegah serangan OPT terus dikembangkan hingga saat ini. Secara operasional, penerapan PHT mencakup upaya preemtif dan responsif.
Upaya preemtif ialah pengendalian hama berdasarkan informasi dan pengalaman status OPT waktu sebelumnya. Upaya tersebut mencakup penentuan pola tanam, varietas, waktu tanam, keserentakan tanam, pemupukan, pengairan, jarak tanam, dan penyiangan. Tujuan upaya preemtif ialah membudidayakan tanaman sehat. Di samping upaya preemtif, dilakukan pula upaya responsif, yaitu pengendalian berdasarkan informasi status OPT dan faktor yang berpengaruh terhadap berlangsungnya musim saat itu.
Beberapa bentuk upaya responsif, antara lain penggunaan musuh alami, pestisida alami, pestisida kimia, serta pengendalian mekanis. Upaya itu kerap mempertimbangkan biaya pengendalian yang perlu dilakukan. Edi mengatakan untuk menerapkan tindakan operasional tersebut diperlukan informasi berupa model prediksi kejadian serangan atau peramalan OPT di suatu daerah. Peramalan itu mencakup suatu kegiatan yang diarahkan untuk mendeteksi dan memprediksi serangan OPT. Tidak hanya itu, peramalan juga bertujuan untuk memprediksi kemungkinan penyebaran dan akibat yang ditimbulkan serangan OPT dalam ruang dan waktu tertentu.
Menurut Peneliti dari Pusat Teknologi Inventarisasi Sumber Daya Alam (PTISDA) BPPT, Hartanto Sanjaya, jaringan komputer Neonet didukung 16 prosesor dengan memori 16 gigabyte. Sedangkan kapasitas hardisk untuk menyimpan data sebesar 9 terabyte.
· Model Runtun Waktu
Agar ramalan yang dibuat cukup akurat, perlu dilakukan peningkatan mutu (upgrading) informasi hasil ramalan, deskripsi, dan pengembangan model peramalan. Kegiatan itu dilakukan oleh BB-POPT. Edi menerangkan metode peramalan tersebut menggunakan model runtun waktu, yaitu menyelidiki pola dalam deret data historis atau data masa lalu dan mengekstrapolasikannya ke masa depan. Metode tersebut hanya menggunakan satu variabel, yaitu serangan OPT pada masa lampau. Asumsi yang digunakan dalam penerapan model runtun waktu itu mengganggap kejadian serangan OPT pada masa lalu akan terus berulang setiap tahunnya. Cara membaca data peta sebaran OPT secara nasional terbilang cukup mudah. Mula-mula kursor diarahkan ke menu komoditas untuk memilih padi, jagung, atau kedelai. Setelah itu pengguna bisa memilih enam jenis OPT yang tersedia, misalkan penggerek batang, wereng cokelat, tikus, tungro, BLB, dan blas. Proses selanjutnya, pengguna mengatur keterangan yang akan ditampilan di peta berupa grid, kota, jalan, sungai, dan provinsi.
Kursor kemudian diarahkan ke menu pembesar, pengecil, penggeser, dan penampil keseluruhan peta. Untuk mengetahui detail ramalan OPT di peta sebaiknya pengguna memilih menu pembesar. Selanjutnya, kursor diarahkan ke suatu provinsi untuk mengetahui perkiraan luas daerah yang terserang OPT. Sebagai contoh, ketika pengguna mengeklik Provinsi DKI Jakarta, saat itu pula bisa diketahui informasi mengenai luas tanaman padi yang rentan terserang OPT jenis penggerek batang.
Kelemahan lain dari sistem informasi itu ialah pada data sebaran OPT belum dilengkapi petunjuk cara pengendalian yang harus dilakukan para petani. Misalnya, apabila terjadi serangan BLB, apa yang harus dilakukan petani untuk dapat mengatasi persoalan itu. Metode peramalan dengan model yang menggunakan satu variabel itu juga dinilai memiliki akurasi rendah. Menurut Hartanto, selama ini data serangan OPT diperoleh secara manual dari pemantauan petugas pengendali OPT di lapangan. Padahal, selama ini jumlah petugas yang tersedia tidak sebanding dengan luasnya lahan pertanian yang dipantau. Dampaknya, kebanyakan data akhirnya didasarkan pada perkiraan-perkiraan. Contoh lain di bidang pertanian adalah digunakannya SIG untuk pengelolaan kebun kelapa sawit yang di dalamnya termasuk pengendalian hama dan penyakit tumbuhan. Berikut skemanya.
Peta Sebaran Lahan Pertanian dan Sebaran OPT
Peta Sebaran Ramalan Serangan OPT
