Teknik Geodesi dan Geomatika

Universitas Gadjah Mada

http://journal.geodesi.ugm.ac.id

Jurnal Geospasial Indonesia

PEMBUATAN PLUGIN ANALISIS LEAST-COST PATH

PADA QGIS UNTUK PENENTUAN JALUR TRASE JALAN
Rd Akhmad Faizal P Sa, Ir. Rochmad Muryamto, M.Eng.Scb
a

Alumni Jurusan Teknik Geodesi FT-UGM ()

Jln. Grafika No. 2 Yogyakarta, Telp. +062274-520226, Email: rd.akhmad.f@mail.ugm.ac.id
b
Staf Pengajar Jurusan Teknik Geodesi FT-UGM (Afiliasi)
Diterima: 20-04-2016; Dipublikasikan: 20-04-2016
ABSTRACT
Least-cost path analysis is a kind of spatial analysis in GIS that can be used to find the optimal path
with the lowest cost on raster surface (DeMers, 2002). Generally, least-cost path analysis in GIS software
uses isotropic accumulated-cost surface algorithms to accumulate costs between cells on raster surface,
however this algorithm has a weakness if applied to determine the road alignment path on DEM surface (Yu,
Lee, and Munro-Stsiuk, 2002). More precise least-cost path analysis algorithm to be applied in the
determination of road alignment path is anisotropic accumulated-cost surface (Collischonn and Pilar, 2000).
At this project, the least-cost path analysis function that utilizes anisotropic accumulated-cost surface
algorithm to accumulate the value of cost between cells and A-star algorithm for pathfinding will be
developed in the form of plugins in QGIS.
The plugin was created by using python programming language supported by GDAL module for
raster data encoding, OGR to create vector data, NumPy to manipulate raster structure as a matrix, and
PyQt to make the GUI. Coding process had performed on Eclipse integrated with QGIS. The programs
script was then inserted into the main file of Plugin Package in order to became a plugin in QGIS.
Futhermore, the plugin was tested based on ISO/IEC/IEEE 29119 standard. DEM and cost surfaces data
derived respectively from DEM TerraSAR-X and IGD Tutupan Lahan 25K (land cover) in the coverage area
of Lembang subdistricts were used as the data input. Three types of heuristic in A-star algorithms
(Manhattan, Diagonal, and Euclidean) was tested in order to see the possibility of paths difference.
The result in this project was a least-cost path analysis plugins in QGIS software that had been
successfully passed a tests based on ISO/IEC/IEEE 29119. Paths generated by this plugin used two models
of spatial data such as raster with an ASCII raster format and vector with a shapefile format. The path with
a shapefile format stores elevation, cost, slope, and distance information on the attribute table. The use of
three different types of heuristic result in three different paths. In addition, the results of plugin users
evaluation indicated that the plugin was reliable enough to be implemented on the determination of road
alignment path.
Keywords: least-cost path analysis, QGIS plugins, road alignment path, Python programming, anisotropic
accumulated-cost surface

I. PENDAHULUAN
I.1. Latar Belakang
Penentuan trase jalan merupakan tahapan
pertama yang harus dilakukan pada proses
perencanaan jalan untuk mencari jalur terbaik dari
lokasi asal ke lokasi tujuan. Dalam menentukan
trase jalan, beberapa faktor kriteria perlu
diperhatikan seperti faktor topografi, geologi, tata
guna lahan, dan lingkungan (Morlok E.K., 1988)
yang berdampak pada panjang jalur, kemiringan,
dan biaya (cost). Kriteria teknis tersebut dapat
dianalisis menggunakan analisis analisis spasial.

Salah satu metode analisis spasial yang

dapat diterapkan untuk kasus ini adalah metode
least-cost path. Metode ini memanfaatkan
algoritma pencarian jalur sehingga mampu
mencari
rute
paling
optimal
dengan
memperhatikan parameter pembobotan dari setiap
nilai piksel pada permukaan data raster (cost
surface). Seiring berkembangnya teknologi SIG
(Sistem Informasi Geografis), analisis least costpath sudah diterapkan pada beberapa perangkat
lunak SIG seperti ArcGIS, GRASS, dan IDRISI
sebagai
fungsi
geoprocessing
dengan
menggunakan pendekatan model data raster
(DeMers, 2002).

www.jgi.ac.id | 1

Jurnal Geospasial Indonesia

Teknik Geodesi dan Geomatika

Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id

Terdapat dua jenis algoritma yang

digunakan untuk mengakumulasi cost pada
analisis least-cost path, yaitu isotropic
accumulated-cost surface dan anisotropic
accumulated-cost surface (Yu, Lee, dan MunroStsiuk, 2002). Perangkat lunak ArcGIS, sebagai
salah satu perangkat lunak paling umum
digunakan untuk kebutuhan analisis spasial,
menggunakan algoritma isotropic-accumulated
cost surface dalam penerapan analisis least-cost
path. Algoritma ini memiliki kelemahan karena
menganggap jarak antar titik tengah sel (sel fokal)
dengan sel-sel sebelahnya adalah sama dengan
resolusi spasial dari DEM sehingga tidak
memperhitungkan pengaruh kemiringan lereng
dengan jarak antara sel fokal (Collischonn dan
Pilar, 2000). Pada kasus tertentu, ketika jalur
harus berhadapan dengan permukaan medan yang
kompleks, kemiringan di setiap arah sel berbeda
dan perbedaan ini akan sangat berpengaruh
apabila analisis least-cost path diterapkan untuk
perencanaan jalan (Yu, Lee, dan Munro-Stsiuk,
2002).
Collischonn dan Pilar (2000) menyatakan
bahwa jalur yang lebih tepat untuk desain jalan
dapat dihasilkan dengan penggunaan anisotropic
accumulated-cost surface untuk perhitungan
akumulasi nilai cost pada cost surface karena
algoritma tersebut mempertimbangkan jarak antar
sel fokal dan bobot kemiringan lereng. Namun
demikian, penggunaan algoritma anisotropicaccumulated cost surface untuk keperluan analisis
least-cost path belum diterapkan pada beberapa
perangkat lunak SIG. Sebagai solusi dari
permasalahan tersebut, maka perlu dibuat
program aplikasi yang terintegrasi dengan
perangkat
lunak
SIG
untuk
mengimplementasikan algoritma anisotropic
accumulated-cost surface pada fungsi least-cost
path.
QGIS (Quantum GIS) merupakan
perangkat lunak opensource yang memfasilitasi
pengguna untuk mengembangkan kemampuan
perangkat lunak dengan cara membuat plugin.
Selain itu, pada perangkat lunak QGIS masih
belum tersedia fungsi yang dapat melakukan
analisis least-cost path, sehingga pembuatan
fungsi analisis least-cost path perlu direalisasikan
dalam bentuk plugin pada QGIS.

I.3. Landasan Teori

I.2. Tujuan Kegiatan

I.3.3. Pola konektivitas grid

Tujuan dari kegiatan aplikatif ini adalah

untuk membuat plugin analisis least-cost path
pada perangkat lunak QGIS untuk penentuan jalur
trase jalan dengan menggunakan algoritma
anisotropic accumulated-cost surface dan A* (AStar) untuk pencarian jalur.

Pola konektivitas adalah pola yang

digunakan untuk menentukan konektivitas antara
suatu sel ke sel terdekatnya pada data raster. Pada
analisis least-cost path, pola ini digunakan untuk
menentukan cara berpindah dari sel asal ke sel
yang dituju pada saat mengakumulasi cost.

Berikut ini adalah landasan teori yang

menjadi acuan dilaksanakannya kegiatan aplikatif
ini.
I.3.1. Perencanaan Trase Jalan
Trase jalan adalah rangkaian garis lurus
yang menghubungkan titik-titik dari rencana
lokasi jalan yang nantinya akan digunakan
sebagai sumbu jalan. Trase jalan ditentukan
dengan menghubungkan titik-titik yang harus
dihubungkan dan mengindari titik-titik yang harus
dihindari (rulling point) (Wibowo, 2000).
Peta berguna untuk menentukan arah trase
dengan
memperhatikan
kondisi
medan
berdasarkan garis kontur. Skala peta yang
digunakan biasanya adalah 1: 10.000 sampai 1:
25.000 (Soegiharto, 1989). Kondisi medan yang
akan dilalui jalan sebisa mungkin dibuat datar
atau memiliki kemiringan minimal. Menurut Bina
Marga dalam Tata Cara Perencanaan Geometrik
Jalan Antar Kota (TPJAK) No. 038/T/BM/1997,
medan diklasifikasikan berdasarkan kondisi
sebagian besar kemiringan medan yang diukur
tegak lurus garis kontur. Klasifikasi medan
dibedakan seperti pada Tabel 1.
Tabel 1. Klasifikasi Medan (Sumber : Bina
Marga TPGJAK No. 038/ T /BM/1997)

I.3.2. Analisis least-cost path

Analisis least-cost path merupakan salah
satu jenis analisis spasial yang berguna untuk
mencari jalur optimal dengan biaya atau cost
terendah antar dua titik pada permukaan raster
(DeMers, 2002). Permukaan raster yang
dimaksud adalah cost surface dimana nilai piksel
pada masing-masing sel berperan sebagai cost,
dan dengan menggunakan algoritma pencarian
jalur (pathfinding), seluruh cost pada permukaan
raster akan diakumulasi dan jalur akan terbentuk
pada
total
akumulasi
terkecil
yang
menghubungkan lokasi asal dan tujuan pada
permukaan cost surface.

www.jgi.ac.id | 2

Teknik Geodesi dan Geomatika

Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id

Jurnal Geospasial Indonesia

Gambar 1 merupakan salah satu jenis

pola konektivitas (pola queen 8 sel) menurut Yu,
Lee, and Munro-Stsiuk (2002).

(,) = 22 + ( )2 (
(tan1 (

180

0+
2

) ) +

(4)

= 1, 3, 6, 8 (Gambar 1)

Gambar 1. Pola konektivitas grid jenis queen

pada data raster
I.3.4. Algoritma Accumulated-Cost Surface
Cost surface adalah grid raster dimana
nilai dalam setiap sel diasumsikan sebagai
besarnya biaya (cost) berdasarkan kriteria
tertentu, sedangkan accumulated-cost surface
adalah cost surface yang seluruh cost-nya sudah
terakumulasi (Douglas, 1994). Pada analisis least
cost-path, terdapat dua cara atau algoritma untuk
mengakumulasi seluruh cost pada permukaan cost
surface, yaitu dengan menggunakan algoritma
isotropic dan anisotropic (Yu, Lee, and MunroStsiuk, 2002).
Persamaan yang digunakan pada
algoritma isotropic adalah persamaan (1) untuk
kasus perpindahan secara tegak lurus dan
persamaan (2) untuk kasus perpindahan secara
diagonal.
(,) =

(0+ )
2

(1)

= 2, 4, 5, 7 (Gambar 1)
(,) =

(0+ )
2

2 +

(2)

= 1, 3, 6, 8 (Gambar 1)
Dalam hal ini :
0
: nilai cost pada sel piksel awal (sel fokal)

: nilai cost pada sel piksel yang dituju

: ukuran sel (resolusi spasial)

: nilai cost yang sudah terakumulasi

Dalam hal ini :

: cost yang sudah terakumulasi

0
: cost pada sel piksel awal (sel fokal)

: cost pada sel piksel yang dituju

: nilai elevasi pada sel yang dituju

: nilai elevasi pada sel asal (sel fokal)

: ukuran sel (resolusi spasial)

: 3.141592653589793

: nilai bobot

Collischonn
dan
Pilar
(2000)
menyatakan bahwa jalur yang lebih tepat untuk
desain jalan dapat dihasilkan dengan penggunaan
algoritma anisotropic accumulated-cost surface
untuk perhitungan akumulasi nilai cost pada cost
surface
karena
algoritma
anisotropic
accumulated-cost surface memperhitungkan jarak
antar sel fokal dan bobot kemiringan lereng.
I.3.5. Algoritma A-Star (A*)
Algoritma A* (A-Star) adalah salah satu
algoritma pencarian jalur yang merupakan bentuk
penyempurnaan
dari
algoritma
Dijkstra.
Perbedaan Algoritma A* dengan Djikstra adalah
bahwa pada algoritma A*, heuristik digunakan
untuk mengestimasi jarak dari lokasi yang sedang
ditempati ke lokasi tujuan, sehingga arah dari
pergerakan jalur akan diperhitungkan pada
algoritma ini. Terdapat tiga jenis heuristik pada
algoritma A* (Kagstrom, 2006), yaitu (1) Jarak
Manhattan, (2) Jarak Diagonal, dan (3) Jarak
Euclidean. Gambar 2 merupakan ilustrasi bentuk
ketiga heuristik dari lokasi asal atau yang sedang
ditempati ke lokasi akhir.

Persamaan yang digunakan pada

algoritma anisotropic adalah persamaan (3) untuk
kasus perpindahan secara tegak lurus dan
persamaan (4) untuk kasus perpindahan secara
diagonal.
(,) = 2 + ( )2 (

(tan1 ( ) ) ) +

180

= 2, 4, 5, 7 (Gambar 1)

0+
2

(3)

Gambar 2. Ilustrasi heuristik jenis Manhattan

(merah), Digonal (hijau), Euclidian (biru)
(Kagstrom, 2006)

www.jgi.ac.id | 3

Teknik Geodesi dan Geomatika

Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id

Jurnal Geospasial Indonesia

Jarak
heuristik
dapat
dihitung
menggunakan persamaan (5) untuk heuristik jenis
Manhattan dan persamaan (6) untuk heuristik
jenis Euclidean.

: nilai sudut kemiringan dalam satuan derajat

: nilai cost yang sudah terakumulasi
: nilai cost pada sel piksel awal (sel fokal)
: nilai cost pada sel piksel yang dituju
: nilai bobot

= +

(5)

= 2 + 2

(6)

II. METODOLOGI

Dalam hal ini :

: jarak dari sel yang dituju ke sel akhir

(heuristik)

: nilai translasi pada sumbu-x dari sel asal ke

sel tujuan

: nilai translasi pada sumbu-y dari sel asal ke

sel tujuan

Sedangkan heuristik jenis Diagonal

dapat dihitung menggunakan persamaan (7)
apabila lebih besar dari dan persamaan (8)
apabila lebih kecil dari .
= (2 ) + ( )

(7)

= (2 ) + ( )

(8)

Dalam hal ini :

: jarak dari sel yang dituju ke sel akhir

(heuristik)

: nilai translasi pada sumbu-x dari sel asal ke

sel tujuan

: nilai translasi pada sumbu-y dari sel asal ke

sel tujuan

180

; dengan nilai = 3.141592653589793

Kegiatan aplikatif ini terbagi menjadi

dua fokus utama, yaitu pembuatan plugin analisis
least-cost path pada perangkat lunak QGIS dan
pengujian plugin. Pembuatan plugin analisis
least-cost path dilakukan dengan menggunakan
bahasa pemrograman python yang didukung
dengan bantuan modul GDAL untuk membaca
data raster, OGR untuk membuat data vektor,
NumPy untuk memanipulasi struktur raster dalam
bentuk matriks, dan PyQt untuk membuat GUI.
Kemudian plugin tersebut diuji menggunakan
lima jenis metode pengujian yang mengacu pada
ISO/IEC/IEEE 29119.
Lokasi yang digunakan untuk menguji
plugin berada pada wilayah Kecamatan Lembang,
Kabupaten Bandung Barat, Provinsi Jawa Barat
dengan cakupan koordinat 107 39 21.80 BT
sampai 107 44 40.30 BT dan 6 48 48.25 LS
sampai 6 53 11.26 LS seperti yang
diilustrasikan pada Gambar 3.

Dengan menggunakan nilai heuristik,

maka cost pada algoritma A* dapat dihitung
dengan menggunakan persamaan (9).
= +
(9)
Dalam hal ini :

: total nilai cost pada lokasi yang dituju

: nilai cost perpindahan dari sel asal ke sel

yang dituju

: jarak dari sel asal ke sel yang dituju

(heuristik)

Pada kegiatan aplikatif ini, nilai dicari

menggunakan
persamaan
anisotropic
accumulated-cost surface sehingga apabila
persamaan (2) dan persamaan (3) disubtitusi ke
persamaan (9), maka didapat persamaan (10).
= (, ) (

0+
2

) + +

Gambar 3. Cakupan wilayah pengujian plugin

pada citra dari Google Earth (Poligon berwarna
Jingga)
Adapun tahapan pelaksanaan kegiatan
aplikatif ini disajikan dalam diagram alir pada
Gambar 4.

(10)

Dalam hal ini :

: total nilai cost pada lokasi yang dituju

: heuristik yang dibutuhkan untuk berpindah

dari sel asal ke sel yang dituju
(, ) : jarak miring

www.jgi.ac.id | 4

Jurnal Geospasial Indonesia

Teknik Geodesi dan Geomatika

Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
2. Satu paket OSGeo Development Kit meliputi
perangkat lunak QGIS Desktop 2.10.1 Pisa +
Plugin Builder 2.10, OSGeo4W Shell, Perangkat
lunak QT Designer with QGIS 2.10.1 custom
widgets, dan Python 2.7 + PyQGIS Libraries
(Modul GDAL, NumPy, dan PyQt)
3. Perangkat lunak Eclipse IDE 4.4.2 Luna +
PyDev
4. Perangkat lunak ArcGIS Desktop 10.3
Bahan yang digunakan pada kegiatan
aplikatif berguna untuk menguji plugin dan
visualisasi jalur hasil eksekusi plugin. Bahan
tersebut bersumber dari situs geoportal BIG
(www.portal.ina-sdi.or.id) meliputi :
1. DEM TerraSAR X (raster) menggunakan
format Geotiff dengan resolusi spasial 10 meter.
2. IGD Tutupan lahan 25K (vektor) menggunakan
format shapefile dengan ketelitian skala
1:25000.
2. IGD Transportasi 25K (vektor) menggunakan
format shapefile dengan ketelitian skala
1:25000.
Ketiga data di atas berada pada cakupan
wilayah seperti yang diilustrasikan pada Gambar
3. Gambar 5 merupakan visualisasi dari ketiga
data di atas.
1

2
1

Gambar 4. Diagram alir kegiatan pembuatan

plugin analisis least-cost path pada QGIS
II.1. Persiapan alat dan bahan
Peralatan yang digunakan dalam
pembuatan plugin terdiri dari perangkat keras dan
perangkat lunak meliputi:
1. Laptop ASUS N550JV dengan OS Windows 8
PRO 64-bit

Gambar 5. Data DEM TerraSAR-X (1), data IGD

Tutupan Lahan 25K (2), dan data IGD
II.2. Pelaksanaan
Transportasi 25K (3)
II.2.1. Pembuatan cost surface
Pada tahap ini, data IGD Tutupan lahan
25K (vektor) dikonversi menjadi model data
raster dengan resolusi spasial, cakupan (koordinat
origin, jumlah kolom, dan jumlah baris), dan
sistem referensi koordinat yang sama dengan data
DEM TerraSAR X. Selain itu, nilai piksel dari data
raster tutupan lahan juga harus merepresentasikan
cost seperti pada Tabel 2.

www.jgi.ac.id | 5

Jurnal Geospasial Indonesia

Teknik Geodesi dan Geomatika

Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id

Tabel 2. Tabel nilai cost untuk masing-masing

jenis tutupan lahan

Prosedur pembuatan data cost surface

dilakukan pada perangkat lunak ArcGIS Desktop
menggunakan fungsi polygon to raster dan
reclassify.
II.2.2. Mengintegrasikan QGIS IDE dengan
Eclipse
Pengintegrasian QGIS IDE pada
perangkat lunak Eclipse dilakukan dengan tujuan
untuk memberikan kemampuan tambahan pada
Eclipse agar dapat melakukan pemrograman
python dengan memanfaatkan modul yang
tersimpan pada QGIS IDE. Modul pada pustaka
PyQGIS yang akan dimanfaatkan dalam
pembuatan plugin adalah GDAL\OGR dan
NumPy.
II.2.3. Pembuatan program standalone analisis
least-cost path
Pembuatan
program
standalone
dikerjakan menggunakan perangkat lunak Eclipse
dan dilakukan sebelum program diintegrasikan
dengan interface pada perangkat lunak QGIS
dengan tujuan untuk memudahkan debugging
apabila ditemukan bug pada algoritma program
yang sudah dirancang. Adapun algoritma yang
dirancang untuk program analisis least-cost path
disajikan dalam diagram alir pada Gambar 6.

Gambar 6. Diagram alir program analisis leastcost path

www.jgi.ac.id | 6

Jurnal Geospasial Indonesia

Diagram alir pada Gambar 6 merupakan

algoritma yang digunakan dalam pembuatan
program pada kegiatan aplikatif ini. Algoritma
tersebut mengacu pada algoritma pencarian jalur
A* (A-Star) dengan nilai f yang dihitung
menggunakan persamaan (10).

Teknik Geodesi dan Geomatika

Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
Tabel 3. Daftar jenis Widget untuk setiap data
masukan dan keluaran

II.2.4. Pengujian sintaks program standalone pada

Eclipse
Pengujian pada tahap ini bertujuan untuk
mendeteksi bug atau kesalahan sintaks yang
disebabkan oleh kesalahan penulisan program
standalone (Syntax Testing). Teknik pengujian
yang dilakukan mengacu pada ISO/IEC/IEEE
29119 (2013) dengan cara mengeksekusi program
standalone pada perangkat lunak Eclipse.
Apabila terdapat bug pada program
standalone, maka program akan di-debug dengan
cara memeriksa dan merevisi kesalahan penulisan
program. Setelah bug pada program standalone
sudah terkoreksi, maka program sudah teruji
sintaksnya dan dapat diintegrasikan dengan
interface pada perangkat lunak QGIS dalam
bentuk plugin.

Berdasarkan Tabel 3, maka sketsa dari

interface untuk plugin analisis least-cost path
yang akan dibuat adalah seperti pada Gambar 7.

II.2.5. Pembuatan Plugin Package

Pada kegiatan aplikatif ini, proses
pembuatan Plugin Package dilakukan dengan
menggunakan bantuan Plugin Builder 2.10 pada
perangkat lunak QGIS. Hasil dari proses ini
adalah berupa satu folder yang terdiri dari
beberapa file yang merupakan struktur file standar
plugin pada QGIS.
Setelah Plugin Package tersusun dalam
satu folder dan disimpan pada direktori
~/.qgis2/Python/plugins/plugin, maka plugin
dapat diakses melalui interface pada QGIS,
namun hasilnya masih berupa jendela kosong
karena Graphic User Interface belum dibuat dan
program standalone analisis least-cost path belum
diintegrasikan.
II.2.6. Pembuatan Graphic User Interface
Pembuatan Plugin Package pada tahap
sebelumnya (sub-bab II.2.5) menghasilkan file
LeastCostPath_base.ui yang merupakan file XML
untuk interface. Pada kegiatan aplikatif ini, file
LeastCostPath_base.ui akan diolah menggunakan
perangkat lunak Qt Designer dengan tujuan untuk
mempermudah proses pembuatan GUI.
Berdasarkan diagram alir pada Gambar
6, program yang dibuat terdiri dari tiga jenis data
masukan, lima jenis parameter masukan, dan tiga
jenis data keluaran. Tabel 3 merupakan daftar dari
data dan parameter masukan dan keluaran tersebut
beserta tipe atau format data dan jenis widget yang
digunakan untuk menentukan data dan parameter
tersebut.

Gambar 7. Sketsa Graphic User Interface (GUI)

plugin analisis least-cost path pada QGIS
II.2.7. Pengintegrasian program
dengan Graphic User Interface

standalone

File
leastcostpath_ui.py
yang
menyimpan objek-objek interface hasil olahan Qt
Designer dalam bahasa python dengan bantuan
modul PyQt disesuaikan dengan setiap fungsi
masukan dan keluaran dari program standalone
yang disimpan pada file utama LeastCostPath.py.
Hasil dari tahap ini adalah berupa plugin pada
QGIS interface yang dapat bekerja seperti
program standalone. Setelah tahap ini dilakukan,
maka plugin analisis least-cost path dapat
dijalankan dan bekerja pada perangkat lunak
QGIS.
II.2.8. Pengujian plugin pada QGIS
Tujuan dari pengujian plugin analisis
least-cost path pada tahap ini adalah untuk
menguji apakah plugin dapat melakukan analisis
least-cost path dengan benar. Teknik pengujian
yang dilakukan pada tahap ini mengacu pada
ISO/IEC/IEEE 29119 (2013) meliputi :
1. Functional testing yang bertujuan untuk
menguji apakah plugin berhasil berfungsi pada
QGIS
2. Error guessing yang bertujuan untuk menguji
apakah plugin berhasil melakukan error

www.jgi.ac.id | 7

Jurnal Geospasial Indonesia

handling terhadap kondisi apabila data dan

parameter yang ditentukan oleh pengguna salah
atau dikosongkan.
3. Comparison testing yang bertujuan untuk
menguji validasi proses perhitungan program
dengan cara membandingkan hasil hitungan
program dengan hasil hitungan manual
menggunakan Microsoft Excel.
Ketiga pengujian di atas dilakukan dengan
cara mengeksekusi plugin analisis least-cost path
pada DEM surface dan cost surface. Analisis
least-cost path dilakukan tiga kali untuk melihat
kemungkinan perbedaan jalur yang terbentuk
menggunakan tiga jenis heuristik yang berbeda.
Koordinat lokasi awal dan koordinat lokasi akhir
yang akan digunakan pada pengujian ini berada
pada bagian jalur jalan alteri (Jalur Lembang)
yang didapat dari data IGD Transportasi 25K.
Berikut ini adalah koordinat titik awal dan akhir
pengujian program dengan menggunakan sistem
koordinat WGS 1998 UTM Zona 48 S :
1.

2.

Titik awal :
a. Easting : 799927.140 m E
b. Northing : 9237972.130 m S
Titik akhir :
a. Easting : 793776.030 m E
b. Northing : 9244309.160 m S

Klasifikasi sudut kemiringan yang

digunakan dalam pembobotan mengacu pada
pengklasifikasian medan berdasarkan TPGJAK
Bina Marga (Tabel 1) dengan satuan sudut dalam
derajat. Sudut dalam satuan derajat untuk
kemiringan 3% adalah 1.35 derajat dan untuk
kemiringan 25% adalah 11.25 derajat. Tabel 4
merupakan pengklasifikasian nilai bobot
kemiringan yang akan digunakan untuk
pengujian.
Tabel 4. Klasifikasi bobot kemiringan untuk
pengujian

Data bobot kemiringan di atas ditulis

dalam format .csv dengan bentuk penulisan
sebagai berikut :
nomor, batas bawah rentang kemiringan, batas atas rentang
kemiringan , bobot
1,-1.35,1.35,0
2,1.35,11.25,5
3,-11.25,-1.35,5
4,11.25, 90,95
5,-90,-11.25,95

Teknik Geodesi dan Geomatika

Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
II.2.9. Penilaian jalur hasil eksekusi plugin
analisis least-cost path
Pada tahap ini, jalur trase jalan yang
terbentuk dari hasil pengujian plugin analisis
least-cost path akan dinilai secara visual dan
numeris. Proses analisis secara visual dilakukan
dengan cara melihat bagaimana jalur yang
terbentuk menghindari tutupan lahan dengan
bobot yang tinggi dan kemiringan topografi yang
terjal (dilihat dari garis kontur dan hillshade data
DEM). Proses analisis secara numeris dilakukan
dengan cara membandingkan jumlah satuan
kriteria dari berbagai aspek spasial yang dilewati
masing-masing jalur meliputi :
1. Panjang jalur (meter)
2. Total cost tutupan lahan yang dilalui jalur
3. Jumlah penggal jalan atau edge yang memiliki
kemiringan lebih besar dari 25% (>11.25
atau < -11.25)
Kriteria-kriteria di atas ditentukan
berdasarkan faktor kriteria perencanaan jalur trase
jalan menurut Morlok E.K. (1988) dan
pengklasifikasian medan berdasarkan TPGJAK
Bina Marga (Tabel I.1) dimana kemiringan lebih
besar dari 25% dikategorikan sebagai jenis medan
pegunungan yang harus dihindari. Proses
penilaian dilakukan menggunakan analisis dan
query spasial ArcGIS Desktop.
II.2.10. Evaluasi plugin analisis least-cost path
kepada pengguna
Pada tahap ini, plugin analisis least-cost
path yang sudah dibuat akan dievaluasi kepada
pengguna. Plugin analisis least-cost path perlu
diunggah terlebih dahulu pada qgis repository
dengan tujuan agar pengguna dapat menginstal
plugin langsung dari repository secara online
menggunakan perintah Manage and install
plugins.. pada QGIS.
Kuesioner disebar kepada 10 evaluator
yang berasal dari kalangan akademisi, pegawai
pemerintahan, dan pegawai swasta dari
perusahaan atau instansi terkait perencanaan tata
ruang, konstruksi, pemetaan, dan informasi
teknologi. Metode pengujian yang dilakukan pada
tahap ini mengacu pada standar pengujian
perangkat lunak ISO/IEC/IEEE 29119 (2013).
Kuesioner tersebut berisi pertanyaan
mengenai tanggapan pengguna atau evaluator
terhadap plugin analisis least-cost path beserta
fungsi-fungsi didalamnya yang mengacu pada
komponen faktor kualitas yang diuji pada
pengujian experience-based testing meliputi
interopabilitas,
portabilitas,
usabilitas,
fleksibilitas, efisiensi, dan kehandalan atau
reliabilitas (WG26 Team, 2013).

www.jgi.ac.id | 8

Teknik Geodesi dan Geomatika

Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id

Jurnal Geospasial Indonesia

III. HASIL DAN PEMBAHASAN

III.3. Tampilan GUI plugin analisis least-cost

path

III.1. Cost surface (raster)

Data masukan berupa IGD Tutupan
Lahan 25K (vektor) yang sudah diolah menjadi
data raster merupakan data cost surface (raster)
sebagai bahan yang akan digunakan dalam
pengujian plugin. Gambar 8 merupakan ilustrasi
dari data cost surface.

Tampilan plugin didesain mengikuti

sketsa pada Gambar 10. Plugin analisis least-cost
path pada QGIS dapat diakses dengan dua cara,
yaitu :
1. Dengan cara memilih menu :
Plugins Least Cost Path PATH
Generate..
2. Dengan cara meng-click icon ( ) pada
Toolbar
Gambar 10 merupakan ilustrasi dari kedua
cara di atas pada QGIS.

Cara 2

Gambar 8. Cost surface Lembang beserta

keterangan nilai cost untuk masing-masing jenis
tutupan lahan
III.2. Hasil pengujian
standalone pada Eclipse

sintaks

program

Gambar 10. Ilustrasi cara mengakses plugin

analisis least-cost path pada QGIS
Gambar 11 merupakan tampilan dari GUI
plugin analisis least-cost path.

Gambar 9 merupakan tampilan console

peragkat lunak Eclipse ketika program standalone
analisis least-cost path dieksekusi beserta data
dan parameter masukan yang digunakan. Pada
Gambar 9, informasi waktu proses adalah waktu
yang dibutuhkan program untuk melakukan
proses pencarian jalur dalam satuan detik.

Gambar 11. Graphic User Interface plugin

analisis least-cost path pada QGIS
Gambar 9. Tampilan console program
standalone pada Eclipse setelah proses pencarian
jalur berhasil
Ditampilkannya informasi waktu proses
pencarian jalur pada console menunjukkan bahwa
program berhasil melakukan pencarian jalur tanpa
adanya kesalahan sintaks atau bug yang
disebabkan oleh kesalahan penulisan skrip.

III.4. Hasil pengujian plugin pada QGIS

III.4.1. Functional testing
Ketika data masukan, parameter masukan,
dan data keluaran sudah ditentukan dengan benar,
maka proses pencarian jalur dapat dimulai dengan
meng-click tombol OK (
) pada GUI plugin
(Gambar 11). Gambar 12 merupakan tampilan
dari indikator proses running pada QGIS.

www.jgi.ac.id | 9

Jurnal Geospasial Indonesia

Teknik Geodesi dan Geomatika

Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
Hasil
perhitungan manual yang
dilakukan pada kegiatan aplikatif ini memiliki
nilai yang sama dengan hasil perhitungan plugin
yang diperoleh dari proses identify. Hasil
pengujian ini menunjukkan bahwa plugin berhasil
dibuat dengan benar sesuai algoritma yang
digunakan.
III.5. Jalur hasil eksekusi plugin analisis leastcost path

Gambar 12. Tampilan pesan indikator proses

running pada interface QGIS
Munculnya indikator proses running
seperti pada Gambar 12 menunjukkan plugin
berhasil dijalankan pada QGIS.

III.5.1. Struktur data jalur (path)

Gambar 15 merupakan salah satu contoh
jalur yang diperoleh beserta perbedaan detil antara
jalur dengan model raster dan vektor.

III.4.2. Error guessing

Pesan error akan muncul pada message
bar apabila data\parameter masukan dan keluaran
yang dimasukan salah seperti yang diilustrasikan
pada Gambar 13.

Gambar 15. Jalur hasil analisis least-cost path

(A) dan detil perbedaan jalur dengan model
raster dan vektor (B)

Gambar 13. Tampilan pesan error pada QGIS

Pesan error ditampilkan dalam bentuk
message bar dengan level CRITICAL. Berhasil
ditampilkannya error message ketika terjadi
kesalahan masukan data menunjukkan bahwa
plugin berhasil melakukan error handling.
III.4.3. Comparison testing
Gambar 14 merupakan ilustrasi dari tiga
sampel pada raster accumulated cost yang diuji
ketelitiannya. Masing-masing sampel pengujian
terdiri dari 25 sel yang menyimpan nilai piksel
berupa nilai f yang dihitung menggunakan
persamaan 10.

Gambar 14. Tiga sampel pengujian pada raster

accumulated cost

Jalur atau path yang disimpan dengan format

shapefile memiliki tabel atribut yang menyimpan
parameter-parameter persamaan 10 pada masingmasing edge meliputi elevasi (H) pada kedua node
yang dihubungkan, nilai cost (C) pada kedua node
yang dihubungkan, kemiringan edge () dalam
satuan derajat, dan jarak miring edge (D).
Id yang berperan sebagai primary key
diurutkan dari edge yang dibatasi dengan node
akhir sampai edge yang dibatasi dengan node
awal.
III.5.2. Struktur data jalur (path)
Gambar 16, 17, dan 18 merupakan
tampilan jalur trase jalan yang diperoleh dari hasil
analisis least-cost path dengan menggunakan tiga
jenis heuristik yang berbeda.

Gambar 16. Jalur (vektor) jenis Manhattan

www.jgi.ac.id | 10

Jurnal Geospasial Indonesia

Teknik Geodesi dan Geomatika

Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
dengan kemiringan landai
diilustrasikan pada Gambar 20.

seperti

yang

Gambar 17. Jalur (vektor) jenis Euclidean

Gambar III.20. Geometri jalur trase jalan hasil

analisis least-cost path (merah) yang mengikuti
alur garis kontur

Gambar 18. Jalur (vektor) jenis Diagonal

Berdasarkan Gambar 16, 17, dan 18,
jalur yang terbentuk dari ketiga jenis heuristik
terlihat sama. Perbedaan di antara ketiganya dapat
terditeksi apabila dilakukan analisis symmetrical
difference. Gambar 19 merupakan lokasi-lokasi
terdeteksinya perbedaan antar jalur.

Perbedaan antara jalur yang diperoleh

dari hasil analisis least-cost path menggunakan
tiga jenis heuristik yang berbeda juga
menghasilkan nilai satuan kriteria yang berbeda.
Tabel III.5 merupakan hasil penilaian secara
numeris yang menunjukan panjang jalur dan
jumlah penggal jalan dengan kemiringan jalur
yang lebih besar dari 25%.
Tabel III.5. Tabel hasil penilaian kriteria panjang
jalur dan kemiringan jalur

Tabel III.6 merupakan hasil penilaian

secara numeris yang menunjukan kriteria jenis
tutupan lahan yang dilalui jalur beserta jumlah
nilai dalam cost untuk masing-masing jenis
tutupan lahan.
Tabel III.6. Tabel hasil penilaian kriteria cost
jenis tutupan lahan
Gambar 19. Lokasi-lokasi terditeksinya
perbedaan jalur antara ketiga jenis penggunaan
heuristik
Perbedaan
jalur
antara
ketiga
penggunaan jenis heuristik yang berbeda
disebabkan karena perbedaan persamaan yang
digunakan dalam menghitung heuristik.
III.5.3. Hasil penilaian jalur secara visual dan
numeris
Berdasarkan Gambar 16, Gambar 17,
dan Gambar 18, jalur yang terbentuk dari hasil
analisis least-cost path cenderung mengikuti alur
kontur sehingga berada pada permukaan topografi

III.6. Halaman repository plugin analisis leastcost path

Plugin analisis least-cost path yang
dikembangkan pada kegiatan aplikatif ini sudah
tersimpan pada QGIS python plugin repository
sehingga pengguna dapat menginstal plugin
secara daring melalui menu manage and install...

www.jgi.ac.id | 11

Jurnal Geospasial Indonesia

Gambar 21 merupakan tampilan dari

halaman repository plugin analisis least-cost path
pada perangkat lunak QGIS.

Teknik Geodesi dan Geomatika

Universitas Gadjah Mada
http://journal.geodesi.ugm.ac.id
dapat memberikan beberapa saran, sebagai
berikut :
1. Penentuan lokasi awal dan akhir sebaiknya
dilakukan secara on click atau tanpa harus
memasukan angka koordinat.
2. Bug yang terjadi ketika proses pencarian jalur
dilakukan menggunakan data raster dengan
cakupan luas sebaiknya diperbaiki.
IV. Daftar pustaka

Gambar 21. Tampilan halaman repository plugin

pada QGIS
Gambar 22 merupakan tampilan dari
halaman repository plugin analisis least-cost path
pada www.plugins.qgis.org/plugins/LeastCostPat
hs.

Collischon, W., and Pilar, J. V., 2000, A Direction

Dependent Least-Costs Path Algorithm for
Roads and Canals . International Journal of
Geographical Information Science, Vol. 14,
hal. 397406.
DeMers, M. N., 2002, GIS Modeling in Raster. John
Wiley & Sons, Inc, New York, USA.
Direktorat Jendral Bina Marga, 1997. Tata Cara
Peraturan Perencanaan Geometrik Jalan
Antar Kota No.038/1997, Penerbit Direktorat
Jendral Bina Marga, Departemen Pekerjaan
Umum.
Douglas, D. H., 1994, Least-Cost Path in GIS Using
An Accumulated-Cost Surface and Slope
Lines. Cartographica, Vol. 31, hal. 3751.
Kagstrom, S., 2006, Shortest Paths, A* and
Bresenham's Algorithm, Department of
Systems and Software Engineering, Blekinge
Institute of Technology, Ronneby, Sweden.

Gambar 22. Tampilan halaman repository plugin

pada www.plugins.qgis.org
IV. KESIMPULAN DAN DARAN
IV.1. Kesimpulan
Berdasarkan hasil yang diperoleh dari
kegiatan aplikatif ini, dapat diambil beberapa
kesimpulan sebagai berikut :
1. Kegiatan aplikatif ini menghasilkan plugin
analisis least-cost path menggunakan algoritma
anisotropic accumulated-cost surface dan A*
(A-Star) pada perangkat lunak QGIS untuk
penentuan jalur trase jalan.
2. Jalur yang diperoleh dari hasil analisis leastcost path menggunakan tiga jenis heuristik yang
berbeda menunjukan hasil yang berbeda di
beberapa bagian jalur trase jalan mengingat
persamaan yang digunakannya berbeda.

Lawhead, Joel., 2013, Learning Geospatial Analysis

With Python, Packt Publishing Ltd,
Birmingham, UK.
Morlok, E.K.,
1988, Pengantar Teknik dan
Perencanaan Transportasi, Erlangga, Jakarta.
Soegiharto, 1989, Peranan Peta Ortofoto Untuk
Pemilihan Trase Jalan. Media Teknik,
No.ISSN 0216 3012.
WG26 Team, 2013, ISO/IEC/IEEE 29119 : Software
Testing,
http://softwaretestingstandard.org/
Diakses pada: 29 Desember 2015.
Wibowo S. Sony dkk, 2000, Pengantar Rekayasa
Jalan, Sub Jurusan Rekayasa Transportasi,
Jurusan Teknik Sipil Institut Teknologi
Bandung, Bandung.
Yu C., Lee J., and Munro-Stasiuk M J., 2003,
Extensions to Least-Cost Path Algorithms For
Roadway Planning, International Journal of
Geographical Information Science, Vol. 17,
No. 4, hal. 361376.

IV.2. Saran
Dari pelaksanaan kegiatan pembuatan
plugin analisis least-cost path pada QGIS, penulis

www.jgi.ac.id | 12