Buletin GIS & GEOMATIK - jupem.gov.my · Jemaah Menteri berasaskan Kertas Kabinet No.243/385/65...

i

GIS & GEOMATIKBuletin

BIL 1/2017ISSN 1394 - 5505

JAWATANKUASA PEMETAAN DAN DATA SPATIAL NEGARA

Jemaah Menteri berasaskan Kertas Kabinet No.243/385/65 bertajuk National Mapping Malaysia telah meluluskan jawatan dan terma-terma rujukan “Surveyor-General Malaya and Singapore” sebagai Pengarah Pemetaan Negara Malaysia dan mengesahkan keanggotaan serta terma-terma rujukan Jawatankuasa Pemetaan Negara pada 31 Mac 1965. Cabutan para-para 2(b), 2(c) dan 2(d) daripada kertas kabinet tersebut mengenai keanggotaan dan terma-terma rujukannya adalah seperti berikut: “2(b) National Mapping Committee

That a National Mapping Committee be appointed to comprise the following:

i. Director of National Mapping ii. Director of Lands & Surveys, Sabah; iii. Director of Lands & Surveys Sarawak; iv. Representative of the Ministry of Defence; v. Representative of the Ministry of Rural Development (now substituted by the Ministry of Natural

Resources and Environment); vi. Assistant Director of Survey, FARELF

2(c) The terms of reference of the National Mapping Committee to be as follows:

i. to advise the Director of National Mapping on matters relating to mapping policy; ii. to advise the Director of National Mapping on mapping priorities.

2(d) That the Committee be empowered to appoint a Secretary and to co-opt persons who would be

required to assist the Committee,” Seterusnya pada 22 Januari 1997, Jemaah Menteri telah meluluskan pindaan terhadap nama, keanggotaan dan bidang-bidang rujukan Jawatankuasa Pemetaan Negara kepada Jawatankuasa Pemetaan dan Data Spatial Negara (JPDSN), bagi mencerminkan peranannya yang diperluaskan ke bidang data pemetaan berdigit. Keanggotaan JPDSN pada masa kini adalah terdiri daripada agensi-agensi seperti berikut:

Buletin GIS dan Geomatik ini yang diterbitkan dua kali setahun adalah merupakan salah satu aktiviti oleh Jawatankuasa Pemetaan dan Data Spatial Negara, sebagai salah satu media pendidikan dan penyebaran maklumat dalam mendidik masyarakat memanfaatkan maklumat spatial dalam pembangunan negara. Walau bagaimanapun, sebarang kandungan artikel-artikel adalah tanggungjawab penulis sepenuhnya dan bukan melambangkan pandangan penerbit.

PENDAHULUAN

1. Jabatan Ukur dan Pemetaan Malaysia 11. Jabatan Pertanian Sarawak 2. Jabatan Tanah dan Ukur Sabah 12. Agensi Remote Sensing Malaysia (ARSM) 3. Jabatan Tanah dan Survei Sarawak 13. Universiti Teknologi Malaysia 4. Wakil Kementerian Pertahanan 14. Universiti Teknologi MARA (co-opted) 5. Jabatan Mineral dan Geosains Malaysia 15. Universiti Sains Malaysia (co-opted) 6. Jabatan Perhutanan Semenanjung Malaysia 16. Jabatan Laut Sarawak (co-opted) 7. Jabatan Pertanian Semenanjung Malaysia 17. Jabatan Perhutanan Sarawak 8. Jabatan Perhutanan Sabah 18. PLANMalaysia Semenanjung Malaysia (co-opted) 9. Pusat Infrastruktur Data Geospatial Negara

(MaCGDI) (co-opted) 19. Jabatan Pengairan dan Saliran (JPS)

10. Jabatan Pertanian Sabah

PENDAHULUAN

Penaung

YBhg. Dato’ Sr Hasan bin JamilKetua Pengarah Ukur dan Pemetaan Malaysia

Penasihat

Sr Ahamad bin Zakaria, KMN, FRISMPengarah Ukur Bahagian(Dasar dan Penyelarasan Pemetaan)

Ketua Editor

Sr Dr. Zulkifli bin SidekPengarah Ukur Seksyen(Dasar Pemetaan)

Editor

Sr Zainal Abidin bin Mat Zain, AMNSr Mohd Riduan bin Mohamad @ IdrisSr Nur Akma binti SaharuddinShazlin binti OmarNoor Haslinda binti Mohamed YusopSiti Norazin binti Mat Razi

Susunan dan Rekabentuk Tn. Hj. Hanin bin Hashim, AMNNaiemah binti Dahari

Pencetak

Jabatan Ukur danPemetaan Malaysia,Jalan Sultan Yahya Petra,50578 Kuala Lumpur

Nota: Kandungan yang tersiar boleh diterbitkan semula dengan izin Urus Setia Jawatankuasa Pemetaan dan Data Spatial Negara.

Kandungan

Dari Meja Ketua Editor.............................................................................................................................................. i

Bus Rapid Transit has the Potential to Improve Traffic on the Federal Highway from Kuala Lumpur to KlangShamsul Ridzuan Bin Idris………………………….…........................................................................................... 1

Pemetaan Hot Spot GIS Dalam Kejadian Jenayah Kecurian Motosikal Di Bandaraya Alor Setar, Kedah Darul AmanRozaimi Majid, Narimah Samat.......................................…………….................................................................... 10

Man Versus Machine: The Dilemma Between Manual Or Automated Digitizing MapJonathan Lau Kah Hoe…………………………..………………………………………….......…………………........ 21

Laporan Bergambar:

Bengkel Kaedah Penulisan Kertas Kerja Yang Mantap Bagi Perolehan Dana PenyelidikanSr Mohd Riduan bin Mohamad @ Idris….……...………...………......................................................................... 28

Mesyuarat Ke-68 Jawatankuasa Pemetaan dan Data Spatial Negara (JPDSN)Sr Mohd Riduan bin Mohamad @ Idris….……...………...………........................................................................ 29

Mesyuarat Ke-14 Jawatankuasa Kebangsaan Nama Geografi (JKNG)Sr Zainal Abidin bin Mat Zain................................................................................................................................. 33

Bengkel Dan Demonstrasi Kajian Penggunaan Unmanned Aerial Vehicle (UAV) Bagi Kawasan Tanah TinggiSr Mohd Riduan bin Mohamad @ Idris............................................................……………………....................... 38

Kalendar GIS 2017.................................................................................................................................................. 40

Sumbangan Artikel/Call for Paper…………………………………………………………………………………….. 41

Sidang Pengarang

Dari Meja Ketua Editor

i

Assalamualaikum WBT dan Salam 1 Malaysia

Sidang Pengarang Buletin GIS dan Geomatik Bil.1/2017 terlebih dahulu mengucapkan selamat bersara kepada YBhg. Dato’ Sr Hasan bin Jamil, mantan Ketua Pengarah Ukur dan Pemetaan Malaysia (KPUP) yang telah bersara wajib daripada perkhidmatan awam pada 29 Jun 2017. Terima kasih diucapkan di atas segala sumbangan yang telah diberikan sepanjang perkhidmatannya bersama JUPEM dan juga sebagai Pengerusi JPDSN sebelum ini.

Tahun 2016 telah melabuhkan tirainya, 2017 membuka lembaran baru kepada kita semua sebagai kakitangan awam dan warga Jabatan Ukur dan Pemetaan Malaysia (JUPEM) dalam menempuhi cabaran melaksanakan tugasan seharian di dalam keadaan ketidaktentuan ekonomi pada masa kini. Dalam hubungan ini, pihak pengurusan JUPEM telah melihat bahawa perlaksanaan NBOS bersama beberapa agensi seperti Perbadanan Putrajaya dan Dewan Bandaraya Kota Kinabalu telah sedikit sebanyak menyumbang kepada penjimatan perbelanjaan dalam pembangunan data geospatial oleh agensi terlibat. Justeru itu, pada 16 Mei 2017 JUPEM telah menandatangani satu Nota Kerjasama dengan PLANMalaysia bagi tujuan perkongsian maklumat data geospatial.

Selari dengan perkembangan terkini di mana penggunaan meluas Unmanned Aerial Vehicle (UAV) dalam aktiviti pemetaan dan pemantauan, JUPEM telah menganjurkan Bengkel dan Demonstrasi Kajian Penggunaan UAV Bagi Kawasan Tanah Tinggi bertempat di Hotel Century Pines, Cameron Highlands, Pahang pada 29 dan 30 Mac 2017. Program ini telah dihadiri seramai 150 orang peserta dari pelbagai agensi serta turut melibatkan penyertaan 20 pengamal industri UAV yang telah mempersembahkan demonstrasi UAV masing-masing. Penganjuran program ini telah menyediakan satu platform kepada pegawai-pegawai daripada pelbagai agensi kerajaan untuk mendapatkan maklumat terkini berkenaan perkhidmatan dan teknologi UAV secara terus dan berpusat daripada pengamal-pengamal industri UAV.

Sebagaimana biasa, Buletin GIS dan Geomatik ini merupakan wadah yang disediakan untuk warga GIS dan Geomatik berkongsi maklumat dan teknologi terkini berkaitan aktiviti GIS dan Geomatik. Sehubungan itu, pihak sidang pengarang menyeru agar mana-mana pihak yang terlibat dalam bidang GIS dan Geomatik menyumbangkan sebarang bentuk hasil kajian atau aktiviti untuk dimuatkan dalam Buletin GIS dan Geomatik bagi edisi-edisi yang seterusnya.

1

BUS RAPID TRANSIT HAS THE POTENTIAL TO IMPROVE TRAFFIC ON THE FEDERAL HIGHWAY FROM KUALA LUMPUR TO KLANG

Shamsul Ridzuan Bin IdrisJabatan Ketua Pengarah Tanah dan Galian Persekutuan Putrajaya

[email protected]

ABSTRACT

Bus Rapid Transit has emerged as an economically beneficial mass rapid transit with significant potential in developing cities. Many other cities in Asia announced plans for introducing BRT corridors following popular beliefs that it can reduce congestion, benefit of ridership, improve air quality and demonstrates relatively low capital cost per mile of investment. Since 2009, people in the Klang Valley have been introduced to Bus Expressway Transit, free GO-KL City Bus and BRT Sunway. Despite the current bus development, the performance and potential impacts of BRT system have hardly been researched. Therefore, the main purpose of this article is to examine the potential impact of a BRT corridor to car traffic by using geographical information system, traffic modelling and spatial analysis. The impact from physical design of BRT on a highway corridor is that its exclusive lane greatly reduces the available road space for remaining vehicles on the highway. This impact on car traffic can be modelled where limited road space reduces mobility. When travelling time increases, certain percentage of vehicle traffic will disappear when road space is no longer available or restricted to them. This phenomenon is also known as ‘traffic evaporation’ which happens when drivers have to balance travel time against the available travel options (Goodwin et al 1998). The traffic modelling shows that BRT has the potential to reduce traffic as high as 40% on certain section of the highway. Overall, this article concluded that BRT system can help alleviate congestion and improve modal split between private and public transportation users.BRT can act as a ‘push and pull’ strategy to get people out of their personal car and offer it as a mode of travel. BRT can be a solid strategy in the National Key Result Area to reduce dependency to personal car travel and improve public modal shift back to a balance.

A modernised bus service is not new to the Klang Valley urban commuters. Starting from 2009, people in the Klang Valley have been introduced to five different Bus Expressway Transit (BET) routes which aim to increase ridership in all routes and reduce journey time of around 30 minutes. In a similar initiative, Land Public Transport Commission (SPAD) launched the free city bus initiative the GO-KL City Bus in 2012. It has zero-fare rate, 15 to 20 minutes frequency and serves 40,000 passengers in a city of 1.7 million people daily. The year 2015 saw Malaysia’s first ever Bus Rapid Transit (BRT) called as BRT Sunway operating in Subang Jaya with its intent of benefitting a population of 500,000. The BRT Sunway enjoys convenience features similar to those of a light rail transit (LRT) system, with the usage of 5.4km dedicated lanes, environmentally friendly electric buses as well as customer

2

friendly infrastructure. It has seven stations, one Park & Ride facility and terminal stations that serve as interchange stations.

The National Key Results Areas (NKRA) on urban public transport is focussing to revamp the current bus services and adding supply of new buses to the public. Clearly, our authority is not tackling the real issue in public transportation. Taking recent examples from BET and BRT Sunway, the ridership is neither improving nor sustaining. Recently, The Star newspaper reported that steep fare is discouraging public from using BRT Sunway. Our transport authority has always been providing supply rather than looking for factors that can encourage demand for public transportation. People will change to public transportation when the quality of a bus service improves in term of accessibility, mobility, reliability and offers more comfortable journey.

Henceforth, it is very important for us to understand the quality spectrum of tyre-based public transport (Figure 1) before introducing BRT or upgrading conventional bus services in Malaysia. The quality spectrum explains different type of bus service that is suitable for a certain route, town, city or population.

Figure 1: The quality spectrum of tyre-based public transport

Source: BRT Planning Guide, ITDP (2007)

Institute for Transportation and Development Policy (ITDP) defined BRT as a high-quality bus-based transit system that delivers fast, comfortable and cost-effective urban mobility through the provision of segregated right-of-way infrastructure, rapid and frequent operations, and excellence in marketing and customer service. The idea of a BRT system is simply providing exclusive lane for a bus to ply through one major route into the city. Often this is improperly done by making improvements to existing infrastructure, vehicles and scheduling of current bus services. The ultimate goal of BRT system is to approach the service quality of rail transit while still enjoying the cost savings andflexibility of a bus journey as introduced in Bogota, Columbia (Figure 2).

3

Figure 2: Bus Rapid Transit in Bogota, Colombia

Source: BRT Planning Guide, ITDP (2007)

As announced by the Prime Minister, BRT has been chosen as a key project for Government Transformation Programme (GTP) in 2014. However, this project only started in the third quarter of 2016 and expected to be completed by 2018. The new BRT line along the Federal Highway will run with a dedicated bus lane in the center. According to SPAD, the roads along Federal Highway will be widened to accommodate the new bus lanes. Once completed, the KL-Klang BRT line will be 34km long and will have 25 stations along the route. The 34km route will pass through three main roads, i.e. the Federal Highway, Jalan Syed Putra and Jalan Tun Sambanthan, and is expected to serve 1.58 million rakyat living in key residential nodes along the corridor. When completed, the KL-Klang BRT is expected to initially channel up to 400,000 passengers daily (Prime Minister’s Department, 2015).

My research in 2008 experimenting BRT along this highway highlighted the important impacts of cost, traffic and vehicle emission in 2007 and 2010. Although this was 10 years ago, it is still beneficial to use it as a basis to understand the concept and potential of BRT system. My study modelled the vehicle and traffic behaviour to assess the situation, predict and simulate vehicular road traffic. Data from JICA’s study in 1999, socio-economic data, trip behaviour, household preference and population data were used to generate trip done by every individual in each geographical region. Primary data on traffic used in this model called the Road Traffic Volume Malaysia (RTVM) was collected annually by Highway Planning Unit, Ministry of Works Malaysia.

Using variables such as RTVM, socio-economic data, trip behaviour, household preference and population data, the traffic model generated results for car trip by matching trip generated and attracted between all geographical regions and later quantified by number of vehicle on the road. Figure 3 shows trip done by car between district of Klang, Petaling and Kuala Lumpur for 2010 by origin and destination nodes. The results from traffic modelling predicted that 4,079,176 number of

4

car trips will be generated in 2007 and 4,312,059 car trips in 2010 (Idris, 2008). The numbers of car trips increase by 3.8% in 2007 and 5.4% in 2010. The latest RTVM for 2010 was not available at that time to validate this result. Now based on this model, we can generalise that car trips are increasing from year to year and that car trips between these three districts converge on the Federal Highway which magnifies the importance of the highway to car users.

Figure 4 shows the distribution of land use of different classes within five kilometers of BRT corridor. They are residential (41%), industry (13%), agriculture (13%), others (10%), institutional (9%), recreational (7%) and commercial (7%). Residential areas accounted about 41% from total land use classification and considered to be an important element to determine population forecast and household activities for the future. It is a common practice for transport planner to analyse land use pattern in making forecasting for urban sprawl along any transport corridor.

Figure 3: Origin and Destination for Car Trips for district of Klang, Petaling and Kuala Lumpur in 2010

Figure 4: Land use classification within five kilometers buffer from BRT Corridor

5

Figure 5 shows accessibility of service area that can be reached within five kilometers from a BRT station. Accessibility refers to how easy it is for individual to go to a certain location. The accessibility is measured by using road within certain distance to a BRT station in terms of travel time or distance on the network. Multiple rings buffer shows that impedance increases in 1,000 meters with each band from the potential BRT station. We look at impedance to examine the impact of accessibility to resident living near to a BRT system. In this case, assumption made was that people will be able to access the station within five kilometers either using public or private transportation. Evaluating accessibility helps answer question such as spatial coverage of people living within certain distance from a BRT station. It can determine suitability of a BRT station for mode integration and for maximising ridership in the future. In examining accessibility of service area for BRT line, I have selected five BRT stations for easy illustration to readers. BRT stations along the highway are located in Kuala Lumpur, Petaling Jaya, Subang Jaya, Shah Alam and Klang. In real scenario, we can have more than five stations when trying to evaluate accessibility and spatial coverage for people living near the BRT corridor.

Figure 6 shows proximity to bus stop measured from individual bus stop inside the service area calculated previously. Proximity to bus stop was used to measure population coverage within walking distance to and from bus stops in areas covered by bus services. Walking distance is calculated by applying buffer from each bus stop inside the service area. According to this analysis, the accessibility to bus stops changes with impedance where 74.1% of the populations were able to walk to a bus stop within 500 meters while 25.9% of the populations were located in distance of 1,000 meter from the bus stops. The buffer distance analysis uses Euclidean distance and assumes that all populations have equal walking distance and it ignored physical obstructions or paths taken to reach the bus stop.

Figure 5: Accessibility of Service Area within five kilometer from BRT Station

6

We acknowledge that Federal Highway is a busy highway because it is centrally connected to several traffic convergences and has always provides an easy connection to Kuala Lumpur Central Business District since the 1970s. The growth of car trips in Klang Valley is said to rise annually because the Government chose to do nothing on car ownership and banks always provide easy financing to own a car. In my study, the traffic model had projected the development of car traffic for the whole Klang Valley from 2005 until 2010. Central road arteries are getting congested as shown with link bandwidths in Figure 7. We can observe that car traffic starts to fill major highway as more traffics are originated from new urban areas. These new urban areas are located as far as twenty kilometers from the main corridor. Nearly all trips are generated from urban areas and concentrated towards the central part of Klang Valley.

Figure 6: Proximity to bus stop within walking distance

Figure 7: Result of car traffic modelling in year 2010 for the Klang Valley

7

Figure 8 shows the impact of BRT system to car traffic on the BRT corridor. The top image shows the severity of car traffic on the highway without a BRT system. Traffic modelling imitates human behaviour, senses the bottlenecks and creates route avoidance. We can observe that the model identified bottlenecks on the highway where it is usually located near road intersection which converges with Federal Highway. This is where most people travel between home and office every day. While bottom image shows that BRT can reduce number of car traffic as low as 23% and up to 40% on a BRT corridor. It can be said that this is a direct effect from introducing an exclusive lane for BRT system on the highway. Traffic modelling with a BRT system showed that a BRT can reduce traffic volume on the highway and ease the bottlenecks as shown in second images. Bottlenecks indicated in red were reduced significantly to 40% with introduction of BRT on the highway.

CONCLUSION

The most important characteristic of BRT systems is that it operates on an exclusive lane which separates them from mixed traffic. The use of exclusive lanes may result in overall reduction of private vehicle on the Federal Highway. Earlier empirical evidence on BRT projects suggested that giving exclusive road space to BRT will lead to reduce private vehicle use and potential traffic transfers to other areas (ITDP, 2007).

BRT is an alternative restraining measure which discourages car usage but at the same time offers mobility with better travelling speed. It gives alternative to car users instead of punitive option. As

Figure 8: Projected Impact to Car Traffic Volume on Federal Highway in 2010

8

a restraining measure, BRT may have possible impact to traffic on the selected corridor. Traffic on Federal Highway reduced with the introduction of dedicated lane for BRT. However, roads adjacent to Federal Highway begin to fill up with private cars avoiding the BRT corridor. This behaviour was explained by Goodwin et al. (1998) where a certain percentage of vehicle traffic will disappear when road space is no longer available or restricted to them. This phenomenon is known as ‘traffic evaporation’ which happens when drivers have to balance travel time against the available travel options. For short term solution, car users will have to choose different route to avoid highway with limited road space. However with increasing cost of fuels and associated costs of travel in the longer term, drivers are coerce to change their travel mode sooner or later.

We can adapt BRT as a ‘push and pull’ strategy to get people out of their personal car and offer it as a mode of travel. It can be a solid strategy in our National Key Result Area to reduce dependency to personal car travel and improve public modal shift back to a balance. Importantly, a successful public transport service should offer commuters saving of travel time, cost, accessibility and convenience for work and leisure. This ensures the viability of policy measures to shift people into public transportation. A high quality public transport system is the stimulus to encourage car owners to try for an alternative. Transport demand management measures are an effective tool to help further discourage private vehicle use. Such other measures include congestion charging, parking fees, vehicle ownership fees and day use restrictions.

BRT may have positive impact to air quality and at the same time reduce traffic on the corridor, reduce passenger travelling time, reduce Carbon Monoxide emission from private car, induce private car to shift to public transport and change the modal split. As a final point, BRT should be fully integrated with land use policies in order to ensure the growth of transit oriented development around BRT corridors. The location of shops, services and residences within walking distance from the stations can encourage accessibility that as the city grows, the BRT system will serve the mobility needs of the people in Klang Valley.

Reference:Goodwin, P., C. Hass-Klau, and S. Cairns. (1998), “Evidence on the Effects of Road Capacity Reduction on Traffic Levels”. Traffic Engineering Control July: 348-54 Idris, S.R. (2008), “Modelling Impact of Bus Rapid Transit on Air Quality: A Case Study of Klang Valley, Malaysia”. ITC, NetherlandInstitute for Transportation & Development Policy (2007), “Bus Rapid Transit Planning Guide.” Retrieved 1 September 2007, from http://itdp.org/brt_guide.html.Japan International Cooperation Agency (1999), A Study on Integrated Urban Transportation Strategies for Environmental Improvement in Kuala Lumpur. Kuala Lumpur, Federal Territory Development and Klang Valley Planning Division.Ministry of Work Malaysia. (2007), “Road Traffic Volume Malaysia 2006.”Melizarani T. Selva, “Steep fares keep passengers away”, Metro, the Star, published 29 April 2016, http://www.thestar.com.my/metro/community/2016/04/29/steep-fares-keep-passengers-away-lukewarm-response-to-brt-service-even-during-peak-hours/Prime Minister’s Department (2015), “Government Transformation Programme (GTP) 2014 Annual Report”, PutrajayaPrime Minister’s Department (2016), “National Transformation Programme (NTP) 2015 Annual Report”, Putrajaya

9

PEMETAAN HOT SPOT GIS DALAM KEJADIAN JENAYAH KECURIAN MOTOSIKAL DI BANDARAYA ALOR SETAR, KEDAH DARUL AMAN

Rozaimi MajidUnit Perancangan Bandar dan Wilayah, Jabatan Kejuruteraan Awam,Politeknik Sultan Abdul Halim Mu’adzam Shah, Bandar Darulaman,

06000 Jitra, Kedah, [email protected]

Narimah SamatBahagian Geografi, Pusat Pengajian Ilmu Kemanusiaan,

Universiti Sains Malaysia, 11800 USM, Pulau Pinang, [email protected]

ABSTRAK Jenayah melibatkan nyawa atau harta benda berlaku di mana-mana di dunia ini. Jenayah harta benda terutamanya kes kehilangan motosikal merupakan salah satu jenayah yang menyumbang kepada kadar jenayah yang tinggi terutamanya di bandar besar seperti Alor Setar. Walau bagaimanapun tiada mekanisma yang jelas dalam menganalisa kejadian kecurian motosikal. Oleh yang demikian, kajian ini bertujuan mengenal pasti kawasan hot spot kejadian jenayah kecurian motosikal yang tinggi berlaku di Bandaraya Alor Setar menerusi aplikasi GIS. Analisis spatial dijalankan dengan berpandukan taburan lokasi jenayah kecurian motosikal dan kawasan hot spot. Dalam kajian ini data kejadian jenayah dan data guna tanah diperolehi daripada Majlis Bandaraya Alor Setar (MBAS). Sebanyak 197 lokasi kejadian pada tahun 2014 telah dipetakan untuk tujuan analisis. Hasil analisis menunjukkan kawasan kajian mempunyai tujuh lokasi hot spot. Tahap signifikan 99.9% (>=3.291) mempunyai keluasan yang paling tinggi iaitu 16.12 hektar. Selain daripada itu, lokasi F mempunyai saiz kelompokan hot spot yang paling besar iaitu 14 hektar (gabungan tahap signifikan 95%, 99%, dan 99.9%) dan merupakan lokasi yang paling panas kejadian kecurian motosikal. Oleh itu, keputusan ini menunjukkan kawasan kajian tidak selamat dan terdedah kepada jenayah kecurian motosikal. Hasil kajian ini adalah penting kepada pihak berkuasa untuk membuat perancangan dan perlaksanaan sebagai usaha membendung dan membenteras jenayah kecurian motosikal.

Kata-kunci: GIS, hot spot, jenayah kecurian motosikal

1.0 PENGENALAN

Proses globalisasi mencetuskan pelbagai isu dan cabaran baru kepada masyarakat mahupun negara, khususnya negara sedang membangun seperti Malaysia. Antara cabaran tersebut ialah

10

aspek keselamatan yang menjadi ancaman kepada individu ataupun komuniti bandar kesan daripada perkembangan proses pembandaran. Bagi Maslow (1954) berpendapat, aspek keselamatan perlu dititik beratkan bagi mencapai kualiti hidup yang baik. Sungguhpun begitu, perlakuan kejadian jenayah yang sering berlaku di kawasan bandar telah menimbulkan permasalahan daripada aspek keselamatan. Ia wujud atas desakan hidup yang semakin meningkat dan pertambahan pesat penduduk yang menjadi pendorong kepada peningkatan perlakuan jenayah (Palen, 2008).

Senario kejadian jenayah di Malaysia telah menunjukkan peningkatan. Ini berdasarkan kepada statistik Polis DiRaja Malaysia (PDRM) dalam Shamsuddin dan A. Hussin (2013), indeks jenayah telah meningkat dengan ketara dari tahun 1980 hingga tahun 2009. Menurut Sidhu (2005), kadar jenayah di Malaysia adalah semakin teruk dengan peningkatan lebih daripada 300% sejak tahun 1991. Dalam pada itu, PDRM telah mengkelaskan jenayah indeks kepada 14 jenis jenayah yang berlaku dengan lazim dan signifikan. Jenayah indeks terbahagi kepada dua iaitu kecurian harta benda, dan jenayah kekerasan. Jenayah harta benda menyumbang kepada 82% daripada semua jenayah indeks yang dilaporkan pada tahun 2008. Kecurian motosikal, pecah rumah, dan kecurian kereta pula secara kolektifnya menyumbang kepada lebih kurang 70% daripada semua jenayah kecurian harta benda dan 56% daripada keseluruhan jenayah indeks yang dilapor (PEMANDU, 2010).

Berdasarkan kepada statistik Sistem Pemantauan Bandar Selamat (SPBS), 2015 oleh Majlis Bandaraya Alor Setar (MBAS) menunjukkan Daerah Kota Setar telah direkodkan mempunyai kejadian jenayah kecurian motosikal yang paling tinggi dan konsisten pada tahun 2012 hingga 2014. Selain daripada itu, Daerah Kota Setar, Kuala Muda, Kulim dan Kubang Pasu merupakan empat daerah penyumbang utama indeks jenayah kes kecurian motosikal di Kedah iaitu sebanyak 41.19% atau 3,913 kes daripada keseluruhan 9,500 kes yang dicatatkan sehingga November 2012 (Berita Wilayah - BERNAMA, 19 Disember 2012). Kesimpulannya Bandaraya Alor Setar adalah tidak selamat kepada pemilik-pemilik motosikal untuk parkir dan berurusan di situ. Persoalannya ialah dimanakah kawasan hot spot atau kawasan kejadian jenayah kecurian motosikal yang paling tinggi itu? Inilah yang akan dilakukan oleh kajian ini dengan menggunakan Sistem Maklumat Geografi (GIS). Objektif kajian ini ialah mengenal pasti kawasan hot spot atau kawasan kejadian jenayah kecurian motosikal yang paling tinggi di Bandaraya Alor Setar.

2.0 PEMETAAN HOT SPOT GIS DAN KONSEP HOT SPOT DALAM ANALISIS JENAYAH

Pada awal 1900-an, masyarakat mula menyedari tentang kelebihan menggunakan peta-pin bersaiz-dinding yang terperinci berkaitan taburan aktiviti jenayah (Akpinar dan Usul, 2015). Bagi Canter (n.d), peta-pin merupakan satu kaedah yang digunakan oleh penganalisis jenayah untuk menentukan lokasi yang mengandungi penumpuan kejadian jenayah yang tinggi. Lokasi jenayah adalah diwakili oleh pin dan diletakkan pada peta berskala yang mengandungi semua jalan di sesuatu

11

kawasan. Pada masa sekarang dengan kecanggihan teknologi maklumat, GIS dilihat mempunyai keupayaan dalam menganalisis dan memetakan kejadian jenayah (Akpinar dan Usul, 2015).Kepentingan utama pemetaan jenayah adalah bergantung kepada analisis sama ada lokasi kejadian diwakilkan sebagai titik dalam peta, dipersembahkan bertaburan secara rawak di seluruh ruang atau menunjukkan corak sistematik dalam bentuk kelompok atau berselerak (Anselin, Cohen, Cook, Gorr dan Tita, 2000). Dalam pada itu, Canter (n.d) menjelaskan bahawa terdapat perhubungan antara lokasi titik tertentu kepada ciri-ciri geografi yang lain seperti kejadian jenayah jalanan dengan perhentian bas atau pusat membeli-belah. Sebenarnya pengkaji-pengkaji tersebut telah menyokong hukum geografi Tobler. Menurut Tobler (1970), semua perkara adalah berkaitan dengan perkara yang lain, tetapi perkara-perkara yang berdekatan adalah lebih berkaitan daripada perkara-perkara yang jauh. Kajian yang dijalankan oleh Gupta, Rajitha, Basu dan Mittal (2012) di bandar Jhunjhunun, Rajasthan, India, mendapati faktor masyarakat yang buta huruf dan tidak berkerja merupakan penyebab utama dalam kejadian jenayah seperti penculikan, rogol, dan rompakan pada tahun 2006. Kajian tersebut telah membuktikan bahawa hukum geografi Tobler itu adalah benar. Analisis hot spot adalah taburan kejadian jenayah yang digunakan kepada kawasan yang mempunyai tahap kejadian jenayah yang tinggi (Bumpus, 2012). Chainey (2013) mendefinisikan hot spot sebagai kawasan tumpuan jenayah yang tinggi berbanding dengan taburan jenayah di seluruh kawasan kajian. Bagi Hart dan Zandbergen (2009) pula, hot spot adalah kawasan-kawasan atau lokasi yang mempunyai kepadatan kejadian jenayah yang menunjukkan corak bukan rawak dalam ruang atau masa. Begitu juga Ainsworth (2001) dalam Ferreira, Joao dan Martins (2012) dimana hot spot jenayah boleh difahami sebagai lokasi atau kawasan kecil yang mempunyai sempadan yang dikenal pasti dengan jelas di mana terdapat kepadatan kejadian jenayah yang melebihi daripada normal.

Dalam membantu menentukan kejadian jenayah dan menentukan hot spot, GIS digunakan dengan meluas. Chainey dan Ratcliffe (2005), merujuk kepada komponen data GIS dalam analisis data jenayah kepada bentuk taburan titik atau poligon jenayah pada kawasan hot spot jenayah itu. GIS juga digunakan untuk menjawab soalan di manakah kepadatan tertinggi jenayah (Ahmed dan Salihu, 2013). Bumpus (2012) menjelaskan bahawa GIS dan data jenayah biasanya digunakan untuk memetakan dan menunjukkan corak secara visual, melihat pengelompokan, dan meneroka perhubungan atau sebab-sebab berlakunya jenayah.

Oleh yang demikian, penggunaan GIS adalah untuk memudahkan pemetaan jenayah terutamanya dalam menganalisis kawasan hot spot, trend dan coraknya. Ia juga merupakan komponen utama dalam analisis jenayah dan strategi kepolisan (Gupta et. al., 2012). Ketepatan dalam mengenal pasti kawasan hot spot ini akan memberi faedah yang signifikan kepada pasukan polis dalam pengesanan dan kawalan jenayah (Hsinchun, Wingyan, Yi, Michael, Jennifer, Gang, Rong dan Atabakhsh, 2003). Menurut M. Ansari & Kale (2014) terdapat beberapa teknik yang

12

berbeza mengikut kaedah yang juga berbeza dalam pengesanan hot spot seperti Kernel Density Estimation (KDE), Kriging, Anselin Local Moran’s I, Getis-Ord Gi*. Teknik-teknik pengesanan hot spot ini terkandung dalam aplikasi GIS dan setiap teknik-teknik tersebut berbeza mengikut kaedah atau pendekatan kajian. Ia juga berbeza dalam pengesanan hot spot kerana ia sebenarnya merupakan statistik spatial dalam GIS.

3.0 METODOLOGI

3.1 Kawasan Kajian

Rajah 1 : Kawasan kajian dalam daerah Kota SetarSumber : MBAS, 2015

Bandaraya Alor Setar merupakan ibu negeri Kedah Darul Aman dan terletak di utara Semenanjung Malaysia, (Draf Rancangan Kawasan Khas (DRKK) Pusat Bandar Alor Setar 2008-2016, 2009). Ia terletak pada koordinat 6O 7’ U, 100O 22’ T. Empat (4) buah Daerah yang bersempadanan dengan Daerah Kota Setar iaitu Daerah Pendang dan Yan bagi sempadan selatan, dan Daerah Padang Terap di sempadan timur, dan Daerah Kubang Pasu bagi sempadan utara. Bandaraya Alor Setar terletak 93 kilometer di utara Butterworth, Pulau Pinang dan 45 kilometer di selatan sempadan antarabangsa Malaysia-Thailand. Bagi tujuan kajian ini, pusat bandar Alor Setar sahaja telah diambil sebagai kawasan kajian. Kawasan kajian ini adalah juga merupakan kawasan liputan Rancangan Kawasan Khas (RKK) Pusat Bandar Alor Setar. RKK Pusat Bandar Alor Setar meliputi kawasan bersempadanan dengan Sungai Anak Bukit di barat, Stadium Darulaman di utara, landasan keretapi di timur, dan Kompleks Hijau Kuning dan Sungai Kedah di selatan. Kawasan liputannya adalah seluas 353.76 hektar daripada keseluruhan kawasan Daerah Kota Setar yang berkeluasan 424 km2 seperti Rajah 1.

13

3.2 Sumber Data Spatial dan Atribut

Dalam mencapai objektif kajian maka data peta dan data atribut telah dikenal pasti sumber perolehannya. Secara ringkasnya, sumber perolehan data bagi kajian ini boleh dirujuk pada Jadual 1.

Jadual 1 : Jenis-Jenis Data Spatial dan Sumber Perolehan

Bil. Jenis Data Spatial Status Digital Sumber1 Peta guna tanah sedia ada Telah didigit

MBAS2 Peta lokasi kejadian jenayah kecurian motosikal

Tidak

Peta guna tanah sedia ada merupakan peta asas utama yang diperlukan sebagai data spatial utama yang diperolehi daripada pihak MBAS (rujuk Rajah 2). Dengan mempunyai data-data guna tanah ini maka paparan guna tanah semasa yang dikelaskan mengikut komponen jenis gunatanah dan keluasan akan mudah diperolehi hasil daripada janaan aplikasi dalam ArcGIS 10.1. Peta guna tanah ini telah ditransformasi kepada unjuran GDM 2000 Kedah dan Perlis. Tujuan dilakukan transformasi ini adalah untuk mendapatkan satu koordinat yang sama bagi peta negeri Kedah yang didaftarkan dalam unjuran GDM 2000 Kedah dan Perlis.

Peta lokasi kejadian jenayah kecurian motosikal diperlukan untuk mengenal pasti kawasan hot spot kejadian kes kecurian motosikal. Peta jenayah ini diperolehi daripada Sistem Pemantauan Bandar Selamat (SPBS). Ianya khas direka bentuk untuk mengintegrasi data jenayah dari Sistem Laporan Polis (PRS), Program Bandar Selamat (PBS) dan maklumat guna tanah dengan menggunakan platform GIS bagi memantau keberkesanan pelaksanaan langkah PBS dalam membenteras jenayah jalanan di kawasan Pihak Berkuasa Tempatan (PBT). Peta ini hanya dapat dilihat secara melalui laman web https://cmshosta.bandarselamat.townplan.gov.my/, dan hanya pengguna tertentu sahaja yang boleh akses kepada SPBS ini. Untuk kajian ini, peta ini diperolehi daripada MBAS dengan ditanda lokasi kejadian pada helaian peta kosong kawasan kajian. Seterusnya ia didigitkan dalam format data titik pada kawasan kajian dengan menggunakan perisian ArcGIS 10.1. Data titik kejadian ini hanya diambil untuk tahun 2014 sahaja sebagai data sampel kajian seperti Rajah 3.

14

4.0 ANALISIS DAN DAPATAN KAJIAN

Kawasan atau pemetaan hot spot di dalam kajian ini adalah merupakan kejadian jenayah kecurian motosikal yang paling kerap berlaku. Untuk mengenal pasti kawasan hot spot tersebut, teknik analisis spatial Getis-Ord Gi* digunakan. Teknik ini adalah satu teknik analisis jenayah yang diperkenalkan oleh Chainey (n.d). Pada peringkat awal pengesanan kawasan hot spot maka satu lapisan poligon grid yang bersaiz 50m2 terlebih dahulu telah dibina. Saiz ini dipilih berdasarkan kepada keluasan minimum kawasan parkir motosikal berkelompok yang dikeluarkan oleh Jabatan Perancangan Bandar dan Desa (2011) iaitu 47m2 dan dibulatkan menjadi 50m2. Lapisan poligon grid ini dibina dengan menutup penuh peta kawasan kajian dan mempunyai sebanyak 4,560 unit grid ataupun sel. Lapisan ini kemudiannya ditindankan dengan peta titik kejadian jenayah kecurian motosikal menggunakan spatial joint.

Hasilnya adalah titik-titik yang terkandung dalam satu-satu sel poligon grid dimana bilangan titik minimum ialah 0 dan maksimum ialah 12. Seterusnya dilakukan proses select by location antara dua lapisan peta iaitu lapisan peta titik kejadian jenayah kecurian motosikal, dan hasil peta poligon grid spatial joint. Manakala pilihan peta pada lapisan sumber (source layer) ialah peta kawasan kajian. Ini menjadikan peta poligon grid hanyalah meliputi kawasan kajian sahaja dan memberi hasil bilangan sel-sel yang terlibat adalah 1,652 sel sahaja seperti Rajah 4. Bagi Jadual 2 pula menunjukkan ringkasan antara bilangan titik-titik dalam setiap sel yang terlibat.

Rajah 2 : Guna tanah sedia ada kawasanpusat Bandaraya Alor Setar

Sumber : MBAS, 2015

Rajah 3 : Titik kejadian jenayah kecurianmotosikal tahun 2014

Sumber : MBAS, 2015

15

Bil.Bilangan

TitikBilangan

Sel

Jumlah Titik Dalam

Setiap Sel1 0 1,542 0

2 1 72 72

3 2 19 38

4 3 5 15

5 4 8 32

6 5 4 20

7 8 1 8

8 12 1 12

Jumlah 1,652 197

Jadual 2 : Ringkasan bilangan titik dalam sel

Rajah 4 : Peta poligon grid 50m2 dan titik kejadian jenayah kecurian motosikal

Seterusnya proses mendapatkan hot spot secara statistikal signifikan dilakukan dengan menggunakan teknik Getis-Ord Gi*. Dalam menu Getis-Ord Gi* terdapat satu parameter iaitu Distance Band or Threshold Distance yang perlu diisi dengan nilai yang bersesuaian, walaupun ianya hanyalah pilihan sahaja. Ianya bertujuan untuk memastikan kesemua sel sekeliling dan berjiran diambilkira iaitu jarak kepada sel-sel dalam arah pepejuru daripada setiap sel yang dikaji (Chainey, n.d). Penentuan nilai parameter Distance Band or Threshold Distance ini adalah menggunakan formula Teorem Pythagoras. Secara geometrinya, Teorem Pythagoras mengaitkan ketiga-tiga sisi dalam segitiga bersudut tegak (90O). Menurut teorem ini, kuasadua bagi hipotenus (garis sendeng) segitiga bersudut tegak adalah sama dengan hasil tambah kuasadua bagi dua sisi yang lain. Ia juga boleh diwakilkan dalam bentuk rumus iaitu a2 = b2 + c2 (Kailani dan Zubir, n.d). Oleh itu, bagi mendapatkan hipotenus maka formula 𝑐𝑐 = √𝑎𝑎2 + 𝑏𝑏2 (Persamaan 1.1) digunakan. Menurut Chainey (n.d) nilai sisi bagi a dan b ialah nilai saiz poligon grid yang telah dibina dan nilai hipotenus (c) adalah nilai bagi parameter Distance Band or Threshold Distance. Oleh kerana itu, berdasarkan formula pada Persamaan 1.1 maka nilai parameter dikira dan diperolehi nilai 70.71. Nilai ini telah diisi dalam kekotak Distance Band or Threshold Distance di menu Getis-Ord Gi*.

16

Proses ini telah menghasilkan kawasan hot spot dan cold spot kejadian jenayah kerana mempunyai nilai skor Z dalam jadual atribut. Nilai skor Z positif (nilai tinggi) menunjukkan kawasan hot spot, manakala skor Z negatif (nilai rendah) pula menunjukkan sebaliknya iaitu kawasan cold spot. Statistik menunjukkan bahawa skor Z minimum ialah -0.592 dan skor Z maksimum ialah 12.654. Seterusnya, kajian ini melanjutkan proses analisis dengan menjadikan pemetaan kawasan hot spot ini secara statistikal signifikan seperti kajian oleh Chainey (n.d). Ia dilakukan dengan merapikan kesan-kesan poligon grid yang berada diluar sempadan kawasan kajian terlebih dahulu melalui proses tindanan Identity dan seterusnya telah digabungkan atribut yang sama tahap signifikan kepada satu kumpulan yang sama melalui proses Dissolve. Dengan itu maka terhasillah kawasan hot spot dan cold spot kejadian jenayah kawasan kajian seperti yang ditunjukkan pada paparan peta di Rajah 5, manakala Jadual 3 pula menunjukkan keluasan kawasan hot spot dan cold spot mengikut tahap signifikan.

Bil.Peratus Tahap

Signifikan

Nilai Signifikan

Skor Z

Keluasan (Hektar)

1Tidak

siginfikan (Cold spot)

<1.645 322.20

2 90% >=1.645 0

3 95% >=1.960 7.44

4 99% >=2.576 8.00

5 99.9% >=3.291 16.12

Jumlah 353.76

Jadual 3 : Keluasan kawasan hot spot mengikut tahap signifikan

Rajah 5 : Kawasan hot spot dan cold spotjenayah kecurian motosikal

5.0 PERBINCANGAN DAN RUMUSAN

Hasil dapatan kajian menunjukkan tujuh lokasi hot spot telah dikenal pasti wujud di dalam kawasan kajian. Setiap lokasi hot spot itu mempunyai tahap signifikan yang berbeza-beza seperti yang ditunjukkan pada Rajah 5. Berdasarkan rajah itu, kawasan kajian hanya mempunyai tiga tahap signifikan sahaja iaitu 95%, 99%, dan 99.9%. Berdasarkan Jadual 3 adalah jelas menunjukkan bahawa peratus signifikan 99.9% merupakan kawasan kelompok kejadian jenayah yang mempunyai keluasan yang paling tinggi kawasan hot spot iaitu 16.12 hektar, berbanding dengan peratus-peratus

17

signifikan yang lain. Dengan itu bolehlah difahamkan bahawa dalam 100, hanya 0.1 perkara yang normal berlaku tetapi 99.9 perkara yang tidak normal telah berlaku (kejadian kecurian motosikal) dalam kawasan kajian. Oleh itu, adalah jelas menunjukkan bahawa kawasan kajian terdedah kepada kecurian motosikal dan tidak selamat untuk parkir motosikal.

Selain daripada itu, keluasan liputan hot spot juga boleh diperolehi mengikut lokasi-lokasi hot spot. Setiap lokasi itu telah ditandai sebagai A, B, C, D, E, F dan G seperti Rajah 6, dan keluasan liputan hot spot pula ditunjukkan pada Jadual 4.

Bil. Lokasi Peratus Tahap Signifikan

Kelua-san (Hektar)

1 A 95%, 99%, dan 99.9%

4.42

2 B 95%, 99%, dan 99.9%

2.00

3 C 95% 1.00

4 D 95% dan 99% 4.25

5 E 99.9% 3.64

6 F 95%, 99%, dan 99.9%

14.00

7 G 95% dan 99% 2.25

Jumlah 31.56

Rajah 6 : Lokasi hot spot kejadian jenayah kecurian motosikal

Jadual 4 : Tahap signifikan mengikut lokasi

Berdasarkan Jadual 4, terdapat tiga lokasi (lokasi A, B, dan F) yang mempunyai tiga tahap signifikan hot spot (95%, 99%, dan 99.9%). Ini menjadikan kawasan ini paling terdedah kepada kecurian motosikal dan tidak selamat untuk parkir motosikal. Selain daripada itu, lokasi E yang mempunyai tahap signifikan 99.9% adalah juga sangat kritikal dengan kejadian kecurian motosikal dan menjadikan ia turut tidak selamat. Lain-lain lokasi pula mempunyai tahap signifikan rendah iaitu lokasi D dan G (95% dan 99%), manakala lokasi C (95%). Secara keseluruhannya pula dengan merujuk kepada Rajah 6, lokasi F merupakan yang paling panas kejadian kecurian motosikal kerana ia mempunyai saiz kelompokan hot spot yang paling besar iaitu 14 hektar.

Oleh itu, dapatlah dirumuskan bahawa kawasan kajian terdedah kepada kecurian motosikal dan tidak selamat untuk parkir motosikal. Selain daripada itu, rumusan lain ialah hasil dapatan ini

18

merupakan satu pendekatan baru yang tidak dilakukan oleh Chainey (n.d) dan inilah perbezaan antara kajian beliau dengan kajian ini. Ini kerana adalah sukar untuk mengukur tahap peratus siginifikan dengan hanya melalui visual sahaja tanpa ada petunjuk yang lain pada peta hot spot. Oleh itu, aspek keluasan didapati bersesuaian sebagai parameter petunjuk untuk menunjukkan masalah kejadian jenayah kecurian motosikal di kawasan kajian adalah kritikal.

6.0 KESIMPULAN

Teknologi GIS membantu dalam memudahkan proses membuat keputusan berdasarkan keupayaan analisisnya dengan data spatial. Analisis statistik spatial sesuai digunakan untuk mengenal pasti lokasi yang mengandungi hot spot dengan kejadian jenayah. Berdasarkan kelompokan yang dikenal pasti strategi pencegahan jenayah yang berkesan boleh dirangka. Perancangan dalam strategi pencegahan jenayah dapat dijalankan secara berkesan dengan menggunakan kaedah saintifik seperti yang dilakukan oleh Chainey (n.d).

Untuk mengesan kawasan hot spot di kawasan kajian, teknik analisis spatial Getis-Ord Gi* telah digunakan. Teknik ini amat sesuai kerana berupaya memberi tahap nilai statistikal signifikan hot spot, dan juga secara tidak langsung kawasan cold spot. Hasil analisis menunjukkan tahap signifikan hot spot>=3.291 (tahap tertinggi) adalah yang paling tinggi keluasannya. Ini menjadikan kawasan kajian tidak selamat dan terdedah dengan kejadian jenayah kecurian motosikal. Oleh itu, hasil daripada kajian ini membantu PBT untuk mengenal pasti kawasan hot spot yang paling serius dengan kejadian kecurian motosikal dan seterusnya mencari kaedah penyelesaiannya.

PENGHARGAAN

Setinggi-tinggi penghargaan kepada Majlis Bandaraya Alor Setar (MBAS); Bahagian Geografi, Pusat Pengajian Ilmu Kemanusiaan (PPIK), Universiti Sains Malaysia (USM); Institut Pengajian Siswazah (IPS), USM; Jabatan Pendidikan Politeknik (JPP), Kementerian Pendidikan Tinggi (KPT).

RUJUKAN

Ahmed, M. & Salihu, R.S. (2013). Spatiotemporal Pattern of Crime Using Geographic Information System (GIS) Approach in

Dala L.G.A of Kano State, Nigeria. American Journal of Engineering Research (AJER). Volume-2, Issue-3.

Ainsworth, P. (2001), Offender Profiling and Crime Analysis, UK, Devon, William Publishing.

Akpinar, E. & Usul, N. (2015). Geographic Information Systems Technologies in Crime Analysis and Crime Mapping. Diperolehi

pada 26 September 2015 daripada http://www.researchgate.net/publication/228585055_Geographic_ Information_Systems_

Technologies_in_Crime_Analysis_ and_Crime_Mapping.

Anselin, L., Cohen, J., Cook, D., Gorr, W. & Tita, G. (2000). Spatial Analyses of Crime. Diperolehi pada 16 September 2015

19

daripada https://www.ncjrs.gov/ criminal_justice2000/vol_4/04e.pdf.

BERNAMA. (2012). Kecurian Motosikal Penyumbang Utama Indeks Jenayah Di Kedah. Berita Wilayah. Diperolehi pada 20

Ogos 2015, daripada http://www.bernama.com/bernama/state_news/bm/news.php?id=916603&cat =ut.

Bumpus, S.J. (2012). Analysing And Visualising Areal Crime Data. A Case Study of Residential Burglary in San Francisco,

USA. Dissertation master, Universidade Nova de Lisboa.

Canter, P.R. (n.d). Geographic Information Systems And Crime Analysis In Baltimore County, Maryland. Diperolehi pada 30

September 2015 daripada http://www.popcenter.org/library/crimeprevention/volume_08/06-canter.pdf.

Chainey, S. & Ratcliffe, J. (2005). GIS And Crime Mapping. Chichester: Wiley Press.

Chainey, S. (2013). Examining The Influence Of Cell Size And Bandwidth Size On Kernel Density Estimation Crime Hotspot

Maps For Predicting Spatial Patterns Of Crime. Diperolehi pada 8 Oktober 2015 daripada http://popups.ulg.ac.be/0770-7576/

index.php?id=422&file=1.

Chainey, S. (n.d). Advanced Hotspot Analysis: Spatial Significance Mapping Using Gi*. Diperolehi pada 14 September 2015

daripada https://www.ucl.ac.uk/ jdi/events/int-CIA-conf/ICIAC11_Slides/ICIAC11_3D_SChainey.

Ferreira, J., Joao, P. & Martins, J. (2012). GIS for Crime Analysis - Geography for Predictive Models. The Electronic Journal

Information Systems Evaluation. Volume 15, Issue 1 2012.

Gupta, R., Rajitha, K., Basu, S. & Mittal, S.K. (2012). Application of GIS in Crime Analysis: A Gateway to Safe City. Diperolehi

pada 9 Oktober 2015 daripada http:// www.indiageospatialforum.org/2012/ proceedings/ppt/Prof%20Gupta, %20Development.

pdf.

Hart, T. & Zandbergen, P. (2009). Kernel Density Estimation And Hotspot Mapping: Examining The Influence Of Interpolation

Method, Grid Cell Size, And Bandwidth On Crime Forecasting. Diperolehi pada 9 Oktober 2015 daripada http:// www.

emeraldinsight.com/doi/pdfplus/10.1108/ PIJPSM-04-2013-0039.

Hsinchun, C., Wingyan, C., Yi, Q., Michael, C., Jennifer, J.X., Gang, W., Rong, Z. & Atabakhsh, H. (2003). Crime Data Mining:

An Overview and Case Studies. Diperolehi pada 14 Oktober 2015 daripada http://www.business.hku.hk/~mchau/ papers/

CrimeDataMining.pdf.

Jabatan Perancangan Bandar dan Desa (JPBD) Semenanjung Malaysia. (2011). Garis Panduan Perancangan Tempat Letak

Kenderaan. Diperolehi pada 21 Ogos 2015, daripada http://www.townplan.gov.my/download/GPTLK.pdf.

Kailani, I. & Zubir, M.F. (n.d). Penerapan Unsur Sejarah Dalam Matematik KBSM Bagi Topik Teorem Pythagoras. Diperolehi

pada 4 Disember 2015, daripada http://eprints.utm.my/10257/2/Mohd_Fazli_Bin_Zubir.pdf.

M. Ansari, S. & Kale, K.V. (2014). Methods for Crime Analysis Using GIS. International Journal of Scientific & Engineering

Research. Volume 5, Issue 12.

Maslow, A.H. (1954). Motivation and Personality. New York: Harper and Row.

Palen, J.J. (2008). The Urban World. Edisi kelapan. New York: McGraw Hill.

PEMANDU - Unit Pengurusan Prestasi dan Pelaksanaan. (2010). Pelan Hala Tuju Program Transformasi Kerajaan (GTP).

Jabatan Perdana Menteri.

Shamsuddin, S. & A. Hussin, N. (2013). Safe City Concept And Crime Prevention Through Environmental Design (CPTED)

For Urban Sustainability In Malaysian Cities. American Transactions On Engineering & Applied Sciences.

Sistem Pemantauan Bandar Selamat (SPBS). (2015). Majlis Bandaraya Alor Setar (MBAS).

Tobler, W.R. (1970). A Computer Movie Simulating Urban Growth In The Detroit Region. Economic Geography, Volume 46.

20

Jonathan Lau Kah HoeDepartment of Geography

University of Malaya, [email protected]

ABSTRACT

This technical paper is to demonstrate the potential of automated digitising map method compared to manual digitising map method. An alternative method (automated digitising) providing fast and effective output for the use of mapping industrials and minimum error due to optical/colour illusion, fatigue/lack of concentration and etc (human factor). The algorithm used in image classification is Maximum Likelihood Classification (MLC) on ENVI 4.4 remote sensing software and Arc-Map 9.2 geographic information systems software is used for the purpose of geo-visualization and geo-data-base managements vector/shape-file format topology. Keywords: Automated Digitising Map, Maximum Likelihood Classification, Remote Sensing, Geographic Information System

1.0 INTRODUCTION

A brief introduction of manual and automated digitizing map methods, firstly start with manual or conventional method is using skills GIS operatives or technician to digitizing mono (single) or stereo (double) of raster image formats (TIF, PNG or JPEG) acquired from satellite, plane or unmanned aerial vehicle (UAV/Drone) to vector or shape-file format, which is GIS ready formats for the purpose of mapping in Geographic Information Systems software’s such as Arc-Map, Grass GIS, Saga GIS, DIVA GIS and etc. Secondly is the automated or alternative method by applying computer/machine algorithm for classification raster image into identifying topology in GIS ready formats. The main aim of this technical paper is to demonstrate the potential application of computer/machine algorithm of images classification (Maximum Likelihood Classification) by providing simple, clean, efficiently and effectively outputs/products for the mapping services and industrials in this information age.

MAN VERSUS MACHINE: THE DILEMMA BETWEEN MANUAL OR AUTOMATED DIGITIZING MAP

21

2.0 MATERIAL AND METHODS

2.1 DATA

Data used in this research is satellite images derived from Landsat 8 OLI (Operation Land Imager) and TIRS (Thermal Infrared Sensor) satellite. Satellite image entity ID or Landsat Scene Identifier is LC81260572013105LGN01 show in Figure 1.

Satellite image coordinates are latitude of 4.33894 N and longitude of 103.20783 E, which locate between Pahang and Terengganu, Malaysia. Acquisition date of the image is 15 April 2013. Additions metadata can be access into USGS Earth-Explorer websites: (http://earthexplorer.usgs.gov/metadata/4923/LC81260572013105LGN01/).

2.2 SOFTWARE

This research used two main softwares which are ENVI 4.4 and Arc-Map 9.2.

Firstly is the ENVI (Environment for Visualizing Images) version 4.4 developed by ITT Visual Information Solutions is used to visualize raster image (satellite image) and image classification into vector GIS (Geographic Information Systems) formats in this research.

Second is Arc-Map version 9.2 developed by ESRI Inc (Environmental Systems Research Institute) is used to geo-visualization vector format and geo-data-base management as final output results in this research.

Figure 1: Satellite image of LC81260572013105LGN01Source: http://earthexplorer.usgs.gov/

22

2.3 METHODS

Figure 2: Methodology flow diagrams

Figure 2 shows methodology flow diagrams in this research, which is start from the input of satellite image (LC81260572013105LGN01) downloaded from Earth-Explorer websites will be used in (ENVI 4.4) software for image classification processes.

The process starts with ROI (Region of Interest) sampling, which is group into three class of ROI; first are “GRASS” (green colour), second are “WATER” (blue colour) and third are “LAND” (red colour) show in Figure 3 & 4.

Figure 3: ROI sampling data

23

Next steps are supervised classification by applying Maximum Likelihood Classification (MSC) algorithm with ROIs sampling. The functions of MSC is assigning each ROIs or class in normal distributed and calculated probability of each pixel in the image are classified into specific ROIs based on highest probability/maximum likelihood. MSC equation applies in ENVI shown in Equation 1 below (Richards, 1999):

……………………. (Eq. 1)

Figure 4: ROI sampling polygon in image

Where: i is classx is n-dimensional datap(W i) is probability of class Wi in image|Si| is determinant covariance matrix of data in Wi∑i -1 is inverse matrixmi is vector

Finally is the conversion of MSC image in raster format shows in Figure 5 to vector/shape-file format for geo-visualization in Arc-map 9.3 or as output.

Figure 5: MSC image

24

3.0 RESULTS

Figure 6: Shape-file topology

Arc-Map 9.2 software is used to project/geo-visualization shape-file topology of three classifications class (GRASS is green; LAND is red and WATER is blue) as depicted in figure 6. 4.0 DISCUSSION

Figure 7: Colour illusionSource: http://brainden.com/images/red-green-big.gif

25

In Figure 7, how many colour in this image and what do our eye visual? If our answer is 4 colours (red, white, green and dark red colours) and not 3 colours is identify in this image (red, green and white colours), meaning that colour illusion have tricks ours brain and causing error in classification colours.

Based on the above statement, GIS operatives / technician (human) can be misleading to errors in mono or stereo digitised map works. Besides that, manual digitising map required long hours of concentration; which depends on scale of the map (1: 20,000 to 1: 2,000,000) & number of sheets. This cause tiredness and lack of concentration on GIS operatives, which affect the outcome/results of digitised maps.

Researcher has proposed alternative suggestions of automated digitizing map using ENVI or others similar softwares. Colour illusion will not white misleading for the output or outcome due to the binary natural of computer (machines) algorithms, which categorised each individual pixel in defined class or classification. For example, white colour is code as 0 (band or class), red colour is code as 1 and green colour is code as 3 (or 01 for computer algorithm sense). Furthermore, alternative method (automated) will not effect by tiredness, concentration or bored and etc.

4.1 LIMITATIONS

Limitations in these technical papers are listed below:i. Apply both supervised and unsupervised classification algorithm (hybrid methods) for better image classification. ii. Classification algorithm using ENVI producing uneven or organic shape in vector format such as building or roads topology. This can be solve in Arc-map 9.2 by simplifying or smoothing vector topology manually (edit vertex or point by point) or Arc-tool box (python scripts) by generalisation of smooth polygon. iii. Validate more than one classification methods by comparing between Maximum Likelihood Classifications (MLC) with Neural Network Classification (Neural Net) and more for comparison results (output). iv. Error in classification (cloud is class as land) and needed to include more ROIs class in future research. 5.0 CONCLUSIONS

In conclusion, an alternative method (automated digitising) compared to conventional method (manual digitizing) is capable of producing constant seamless update of digitised map in vector/shape-file (GIS) formats for GIS specialist, town planner, architect, researchers in different fields, government, public and etc. In this information age (digital age), constant update of digitised

26

map is significant important because of new buildings, new roads, new event and etc are constantly especially in urban/city.

ACKNOWLEDGMENTS

This research was supported and make possible by the guidance, insight and expertise related in the fields of Geographic Information Systems, Remote Sensing and Geomantic from Sr Ahmad Sanusi Bin Che Cob (Director of Survey Geospatial Research and GIS Product Section, National Geospatial Database Division, Department of Survey and Mapping Malaysia), Dr. Nisfariza Binti Mohd Noor (Senior Lecture of Department of Geography, University of Malaya), Saripul Hissam Bin Saidon (Assistant Director of Aerial Photography in Photogrammetry Section, Peninsular Topography Mapping Division, Department of Survey and Mapping Malaysia).

Author would like to thank and gratitude to Sr Abdul Halim Bin Tuiran (Director of Survey Photogrammetry Section, JUPEM), Sr Mohamad Nizar Bin Damis (Assistant Director of Survey, JUPEM), Lam Chee Siong (Assistant Director of Survey Digitization Stereo, JUPEM), Mohd Asmazi Bin Mohd Yazid (Assistant Surveyor, JUPEM), Masmuhallim Bin Nah Rawai (Assistant Surveyor, JUPEM), Wan Noor Hidayah Binti Rozali (Assistant Surveyor, JUPEM), Lai Weng Choong (Assistant Surveyor, JUPEM), Lucia Binti Duakim (Assistant Director of Survey Triangulation Air Scan and Print, JUPEM), Arshad Bin Mohd Isa (Assistant Surveyor), Sairul Anwar Bin Shahsudin (Assistant Surveyor, JUPEM), Zahari Bin Mamat (Assistant Surveyor, JUPEM), Halina Bte Osman (Assistant Surveyor, JUPEM), Ameer Johany Bin Ahmad (Assistant Surveyor, JUPEM), Marzuki Bin Sukar (Assistant Surveyor, JUPEM), Shahrul Nizam Bin Mohamad Jarali (Assistant Surveyor, JUPEM), Mohd Asri Bin Zakaria (Assistant Surveyor, JUPEM), Noor Effa Rizan Binti Abdol Razak (Assistant Surveyor, JUPEM), Azman Bin Shaari (Assistant Surveyor, JUPEM), Khairul Azlan Bin Ibrahim (Assistant Surveyor, JUPEM) and Mohd Riduan Bin Mat Zali (Assistant Surveyor, JUPEM) for sharing their wisdom in this research.

Author thank Rohani Binti Taib (Financial Administrative Assistant, JUPEM) providing name for the purpose of borrowing research related books in Department of Survey and Mapping Malaysia Library.

REFERENCES

Canty, M. J. (2007). Image analysis, classification and change detection in remote sensing: With algorithms for ENVI/IDL (2nd

ed.). Boca Raton, FL: CRC/Taylor & Francis.

Gruen, A., Kuebler, O., & Agouris, P. (1995). Automatic extraction of man-made objects from aerial and space images. Basel:

Birkhauser Verlag.

Richards, J.A., 1999, Remote Sensing Digital Image Analysis, Springer-Verlag, Berlin, p. 240.

27

LAPORAN BERGAMBAR

BENGKEL KAEDAH PENULISAN KERTAS KERJA YANG MANTAP BAGI PEROLEHAN DANA PENYELIDIKAN

Sr Mohd Riduan bin Mohamad @ IdrisBahagian Dasar dan Penyelarasan Pemetaan

Jabatan Ukur dan Pemetaan Malaysia

Jawatankuasa Teknikal Penyelidikan Geoinformasi / Geomatik Kebangsaan (JTPGGK) yang merupakan satu Jawatankuasa Teknikal di bawah Jawatankuasa Pemetaan dan Data Spatial Negara (JPDSN). Jawatankuasa ini adalah bertujuan untuk memudahkan pengurusan dan penyelarasan perkara-perkara yang berkaitan dengan penyelidikan dalam bidang geoinformasi / geomatik negara. Sehubungan dengan itu, bagi memberi pendedahan kepada ahli-ahli JTPGKK, satu bengkel bertajuk “Bengkel Kaedah Penulisan Kertas Kerja Yang Mantap Bagi Perolehan Dana Penyelidikan” telah diadakan pada 15 Februari 2017 (Rabu) bertempat di Bilik Persidangan Tingkat 15, Wisma JUPEM. Bengkel selama satu (1) hari ini telah dihadiri oleh seramai 33 orang peserta yang terdiri daripada pegawai pelbagai agensi kerajaan dan Institusi Pengajian Tinggi Awam (IPTA). Pembentangan dalam bengkel ini telah disampaikan oleh Dr. Muhamad Razali bin Mispan daripada Institut Penyelidikan Dan Kemajuan Pertanian Malaysia (MARDI) yang juga merupakan Panel Penilai Dana Penyelidikan Kementerian Sains, Teknologi dan Inovasi (MOSTI).

Bengkel ini telah memberikan pendedahan kepada para peserta berkenaan kaedah penyediaan kertas kerja yang mantap merangkumi komponen-komponen penting dalam penulisan

seperti objektif dan carta perbatuan. Selain itu, para peserta juga turut diberi penekanan tentang aspek yang perlu diambil kira dalam pemberian dana penyelidikan di mana perlu wujudnya kombinasi yang baik di dalam pasukan projek dengan penglibatan wakil-wakil daripada universiti, agensi penyelidikan dan agensi pelaksana.

Dr. Razali bin Mispan memberi pembentangan berkenaan Kaedah Penulisan Kertas Kerja Yang Mantap

Antara peserta-peserta yang terlibat menyertai bengkel

28

LAPORAN BERGAMBAR

MESYUARAT KE-68JAWATANKUASA PEMETAAN DAN DATA SPATIAL NEGARA (JPDSN)

Oleh :Sr Mohd Riduan bin Mohamad @ Idris

Bahagian Dasar dan Penyelarasan PemetaanJabatan Ukur dan Pemetaan Malaysia

Jawatankuasa Pemetaan dan Data Spatial Negara (JPDSN) telah mengadakan Mesyuarat Ke-68 pada 13 – 14 Mac 2017 di Bilik Persidangan Tingkat 15, Wisma JUPEM, Kuala Lumpur. Mesyuarat ini telah dipengerusikan oleh YBhg. Dato’ Sr Hasan bin Jamil, Ketua Pengarah Ukur dan Pemetaan Malaysia dan dihadiri oleh 50 ahli JPDSN dari seluruh negara yang terdiri daripada dari pelbagai Jabatan Kerajaan dan Institusi Pengajian Tinggi Awam (IPTA).

Mesyuarat telah dimulakan dengan ucapan daripada YBhg. Dato’ Pengerusi di mana beliau melahirkan penghargaan dan ucapan terima kasih kepada YBhg. Datuk Sr Ahmad Fauzi bin Nordin, mantan KPUP JUPEM di atas segala sumbangan dan jasa yang diberikan dalam menjayakan JPDSN.

29

YBhg. Dato’ Pengerusi seterusnya menyampaikan beberapa perkara untuk makluman semua ahli mesyuarat yang antara lainnya adalah sepertri berikut:

a. International Forum on Policy and Legal Framework for Geospatial Information Management’ dan ‘5th UN-GGIM-AP Plenary Meeting

JUPEM telah menganjurkan satu program antarabangsa di bawah payung United Nations iaitu ‘International Forum on Policy and Legal Framework for Geospatial Information Management’ dan ‘5th United Nations Global Geospatial Information Management for Asia and the Pacific (UN-GGIM-AP) Plenary Meeting’. Program ini telah diadakan pada 16 hingga 20 Oktober 2016 di Hotel Parkroyal, Kuala Lumpur. Seramai 495 orang peserta dari 29 buah negara telah menyertai program ini di mana 152 orang daripadanya adalah merupakan peserta luar negara.

Satu deklarasi yang dinamakan ‘Kuala Lumpur Declaration on Policy and Legal Frameworks for Geospatial Information’ telah dihasilkan bagi membantu dalam menggubal polisi berkaitan maklumat geospatial.

b. 3D City Modelling

JUPEM telah pun membangunkan 3D City Modelling bagi kawasan Wilayah Persekutuan Kuala Lumpur dan Putrajaya hasil daripada perkhidmatan kutipan dan prosesan data ukur bawaan udara dan terestrial serta pembangunan aplikasi.

Pada tahun 2017, JUPEM akan mengkontrakkan projek ini bagi fasa kedua yang meliputi kawasan Lembah Klang sehingga Seremban (termasuk Greater KL). Pengkontrakkan projek ini akan melibatkan kerja-kerja perkhidmatan tawanan dan prosesan data ukur bawaan udara dan terestrial sebahagian kawasan Greater KL sehingga Seremban dengan keluasan lebih 2,500 kilometer persegi.

Ahli Mesyuarat Mendengar Ucapan YBhg. Dato’ Pengerusi

30

c. Data DTM

JUPEM telah diluluskan projek perolehan data Synthetic Aperture Radar (SAR) bagi seluruh daratan dan pulau di Semenanjung Malaysia untuk pelaksanaan pada tahun 2016 dan 2017. JUPEM juga sedang melaksanakan projek LiDAR bagi Lembangan Sungai Kelantan dan Terengganu. Data-data ini akan digunakan bagi membantu Jabatan Pengairan dan Saliran (JPS) dalam melaksanakan flood modelling.

d. Atlas Kebangsaan Malaysia

Penerbitan Atlas Kebangsaan Malaysia telah dilancarkan oleh YB Menteri NRE pada 13 Oktober 2016.

Selanjutnya, mesyuarat telah mendengar pembentangan laporan daripada pelbagai Jawatankuasa di bawah JPDSN seperti berikut: a. Jawatankuasa Teknikal Pengurusan Sumber Tanah dan Alam Sekitar (JTPSTAS)b. Jawatankuasa Teknikal Pembangunan Sumber Manusia (JTPSM)c. Jawatankuasa Teknikal Standard dan Penukaran Data (JTSPD)d. Jawatankuasa Teknikal Dasar dan Isu-Isu Institusi (JTDII)e. Jawatankuasa Teknikal Pemetaan Utiliti (JTPU)f. Jawatankuasa Teknikal Atlas Kebangsaan (JTAK)g. Jawatankuasa Teknikal Penyelidikan Geoinformasi/Geomatik Kebangsaan (JTPGGK)h. Kumpulan Kerja Geodetik (KKG)i. Laporan Aktiviti-Aktiviti Pemetaan Jabatan/Agensi

31

Ahli Mesyuarat memberikan pandangan dan idea ke arah perkembangan pembangunan maklumat geospatial negara

Ahli Mesyuarat Yang Menghadiri Mesyuarat JPDSN ke-68

Mesyuarat Ke-68 ini telah menjadi satu landasan dalam menyelesaikan dan menyelaras perkara-perkara yang berkaitan dengan pembangunan serta pengurusan aktiviti pemetaan dan spatial oleh pelbagai agensi dan jabatan yang berkaitan. Dengan adanya mesyuarat ini, pelbagai perkara berbangkit diperingkat jawatankuasa kecil dan jabatan dapat dibincangkan dan seterusnya diselesaikan dalam memastikan ianya dapat menyumbang kepada perkembangan sosio-ekonomi negara ke peringkat yang lebih tinggi.

32

LAPORAN BERGAMBAR

MESYUARAT KE-14JAWATANKUASA KEBANGSAAN NAMA GEOGRAFI (JKNG)

Oleh :Sr Zainal Abidin bin Mat Zain

Seksyen Dasar PemetaanJabatan Ukur dan Pemetaan Malaysia

Mesyuarat Ke-14 Jawatankuasa Kebangsaan Nama Geografi (JKNG) telah diadakan bertempat di Bilik Persidangan, Jabatan Ukur dan Pemetaan Malaysia (JUPEM) pada 22 Mac 2017. Mesyuarat yang telah dipengerusikan oleh YBhg. Dato’ Sr Hasan bin Jamil, Ketua Pengarah Ukur dan Pemetaan Malaysia selaku Pengerusi JKNG, telah dihadiri oleh wakil Setiausaha Kerajaan Negeri dan Jabatan/Agensi Kerajaan Persekutuan yang menganggotai jawatankuasa ini iaitu seramai 37 orang.

Dalam ucapan pembukaannya, YBhg. Dato’ Sr Hasan bin Jamil mengucapkan ribuan terima kasih kepada mantan Pengerusi JKNG terdahulu, YBhg. Datuk Sr Ahmad Fauzi bin Nordin yang telah bersara pada 4 November 2016 di atas sumbangan yang telah diberikan dalam menjayakan dan menggerakkan Jawatankuasa ini.

YBhg. Dato’ Sr Hasan bin Jamil selaku Pengerusi JKNG sedang mempengerusikan Mesyuarat Ke-14 JKNG yang diadakan di

Bilik Persidangan, Jabatan Ukur dan Pemetaan Malaysia (JUPEM)

33

YBhg. Dato’ Pengerusi memaklumkan bahawa Mesyuarat United Nations Group of Experts on Geographical Names (UNGEGN), Asia South East (ASE) Division telah diadakan pada 17 Oktober 2016 di Hotel Parkroyal Kuala Lumpur. Mesyuarat ini telah dihadiri oleh wakil-wakil dari 6 buah negara anggota iaitu Brunei Darussalam, Indonesia, Malaysia, Filipina, Singapura dan juga Vietnam. Semasa mesyuarat berkenaan, setiap negara telah membentangkan laporan negara masing-masing dan terdapat beberapa resolusi yang dicapai. Di samping mesyuarat tersebut, satu persidangan ‘United Nations Global Geospatial Information Management’ (UN-GGIM) juga telah diadakan dan telah dihadiri seramai 495 orang peserta daripada dalam dan juga luar negara.

YBhg. Dato’ Pengerusi turut memaklumkan berkenaan artikel bertajuk ‘Claim Them Before They’re Gone’ yang telah diterbitkan oleh akhbar New Straits Times bertarikh 6 Februari 2017. Artikel ini mendapat perhatian daripada YB Menteri NRE dan JUPEM telah diminta untuk memberikan taklimat kepada beliau mengenai perkara ini.

Selanjutnya, YBhg. Dato’ Pengerusi memohon supaya Jawatankuasa Negeri Nama Geografi (JNNG) perlu memastikan nama-nama geografi dapat disahkan dan seterusnya nama-nama geografi tersebut akan diterbitkan di dalam Peta Topografi, Maklumat Kadaster, Carta Hidrografi dan penerbitan rasmi yang lain seperti papan tanda dan sebagainya bagi menunjukkan kawasan tersebut berada di dalam Malaysia. Berikutan itu, YBhg. Dato’ Pengerusi berharap pengemaskinian Pangkalan Data Nama Geografi dan Gazetir Kebangsaan (PDNG) Fasa II dan Fasa III dapat diselesaikan dan nama-nama geografi dapat disahkan.

Artikel ‘Claim Them Before They’re Gone’ yang telah diterbitkan oleh akhbar New Straits Times bertarikh 6 Februari 2017

34

Akhir sekali, YBhg. Dato’ Pengerusi juga mengucapkan berbanyak terima kasih kepada semua yang telah membantu untuk memastikan jawatankuasa ini dapat bergerak serta mencapai objektif yang antaranya menyelaras nama-nama geografi supaya dapat digunapakai oleh semua agensi.

Laporan Jawatankuasa Teknikal Nama Geografi Kebangsaan (JTNGK)

Antara agenda mesyuarat pada kali ini adalah pembentangan laporan ringkas daripada JTNGK yang telah mengadakan mesyuarat Ke-18 pada 14 Julai 2016 di Bilik Persidangan, Tingkat 15, Wisma JUPEM, Kuala Lumpur. Selain daripada itu, ringkasan bagi laporan Jawatankuasa Negeri Nama Geografi (JNNG) turut dibentangkan. Berikut merupakan antara topik/aktiviti yang dibincangkan dalam mesyuarat tersebut:

• Pengesahan Nama-Nama Geografi Negeri• Pembangunan PDNG Fasa III• Dokumen Toponymic Guidelines For Map and Other Editors for International Use• Keperluan Pewartaan• Penyediaan Pelan Warta Daerah Baru Di Negeri Perak

Para peserta mesyuarat memberikan penumpuan sepenuhnya serta meluahkan pendapat dan idea semasa mesyuarat

35

Selain daripada itu, tiga (3) Kumpulan Kerja yang membantu JTNGK dalam menggerakkan aktivitinya turut melaporkan kemajuan kerja masing-masing. Kumpulan-kumpulan kerja yang dimaksudkan adalah seperti berikut:

i. Kumpulan Kerja Dasar dan Pengemaskinian Nama Geografi (KKDPNG) Pengerusi: Jabatan Ukur dan Pemetaan Malaysia (JUPEM)

ii. Kumpulan Kerja Pangkalan Data Nama Geografi dan Gazetir Kebangsaan (KKPDNG) Pengerusi: Pusat Infrastruktur Data Geospatial Negara (MaCGDI)

iii. Kumpulan Kerja Nama Pulau dan Entiti Geografi (KKNPEG) Pengerusi: Pusat Hidrografi Nasional (PHN)

Kumpulan-Kumpulan Kerja tersebut telah melaporkan aktiviti-aktiviti yang telah dijalankan dalam tempoh mesyuarat yang lalu sehingga ke mesyuarat kali ini. YBhg. Dato’ Pengerusi turut memaklumkan bahawa agensi-agensi daripada negeri boleh di jemput untuk mesyuarat Kumpulan Kerja sekiranya terdapat keperluan melibatkan isu-isu yang berkaitan.

Kesimpulan

Secara keseluruhannya, mesyurat ini telah menjadi satu landasan dalam memastikan nama-nama geografi diselaraskan dan seterusnya membantu dalam pembangunan negara. Perkara ini selaras dengan tujuan penubuhan jawatankuasa iaitu untuk menyelaraskan kegiatan penentuan nama geografi di Malaysia. Jawatankuasa ini juga sedang melihat dari segi perundangan dan sebagainya untuk memastikan nama-nama ini dapat diwartakan mengikut perundangan sedia ada. Walaupun mesyuarat ini diadakan sekali dalam setahun, terdapat juga jawatankuasa teknikal, jawatankuasa di peringkat negeri dan kumpulan-kumpulan kerja yang akan sentiasa mengadakan perbincangan untuk memastikan matlamat jawatankuasa ini tercapai.

Pembentangan laporan daripada Pengerusi Kumpulan Kerja Dasar dan Pengemaskinian Nama Geografi (atas kiri),Pengerusi Kumpulan Kerja Pangkalan Data Nama Geografidan Gazetir Kebangsaan (atas kanan) dan wakil

Kumpulan Kerja Nama Pulau dan Entiti Geografi (bawah)

36

LAPORAN BERGAMBAR

BENGKEL DAN DEMONSTRASI KAJIAN PENGGUNAAN UNMANNED AERIAL VEHICLE (UAV) BAGI KAWASAN TANAH TINGGI

Sr Mohd Riduan bin Mohamad @ IdrisBahagian Dasar dan Penyelarasan Pemetaan

Jabatan Ukur dan Pemetaan Malaysia

Jabatan Ukur dan Pemetaan Malaysia (JUPEM) sebagai urus setia kepada Jawatankuasa Penyelaras Penggunaan Pengimejan Udara di Kalangan Agensi-Agensi di bawah NRE telah menganjurkan satu Bengkel dan Demonstrasi Kajian Penggunaan Unmanned Aerial Vehicle (UAV) Bagi Kawasan Tanah Tinggi bertempat di Hotel Century Pines, Cameron Highlands, Pahang pada 29 dan 30 Mac 2017. Bengkel dan demonstrasi ini telah dirasmikan oleh YBhg. Dato’ Sr Hasan bin Jamil, Ketua Pengarah Ukur dan Pemetaan Malaysia.

Penganjuran bengkel dan demonstrasi ini adalah bertujuan untuk memberikan peluang kepada pengamal-pengamal drone untuk berkongsi Kajian Penggunaan Unmanned Aerial Vehicle (UAV) & Keberkesanannya bagi Kawasan Tanah Tinggi. Penganjuran program ini adalah sebahagian daripada inisiatif yang dijalankan untuk menggalakkan lagi amalan terbaik dari aspek-aspek pengurusan, teknologi dan perkhidmatan terkini UAV di Negara ini disamping mentransformasikan

bidang pemetaan dan pengawasan ke tahap yang lebih efisien. Selain itu, penganjuran program ini juga telah menyediakan platform kepada pegawai-pegawai daripada pelbagai agensi kerajaan untuk mendapatkan maklumat terkini berkenaan perkhidmatan dan teknologi UAV secara terus dan berpusat daripada pengamal-pengamal industri UAV.

YBhg. Dato’ Sr Hasan bin Jamil , Ketua Pengarah Ukur dan Pemetaan Malaysia Merasmikan Bengkel dan Demonstrasi UAV

37

Penganjuran program ini telah mendapat sambutan yang menggalakan di mana seramai 150 orang peserta daripada pelbagai agensi kerajaan dan swasta telah menyertai bengkel ini manakala seramai 20 pengamal industri UAV telah menyertai demonstrasi yang telah diadakan selama dua (2) hari tersebut.

Pelajar-Pelajar Sekolah Teruja Melihat Persembahan Demonstrasi UAV

Peserta-Peserta Yang Terlibat Dalam Demonstrasi UAV

3840

TARIKH TAJUK LOKASI PENGANJUR TALIAN PERTANYAAN

8 Februari 2017

Mesyuarat Kumpulan Kerja Dasar Pengemaskinian Nama Geografi (KKDPNG) - Mesyuarat Kajian Semula Buku Garis Panduan Nama Geografi

Bilik Mesyuarat Batimetri, Pusat

Hidrografi Nasional,

Pelabuhan Klang, Selangor

Bahagian Dasar dan

Penyelarasan Pemetaan,

JUPEM

Sr Zainal Abidin bin Mat Zain Tel : + 603-2617 0631 Fax : + 603-2697 0140 E-mail : [email protected]

14 Februari 2017

Mesyuarat Jawatankuasa Teknikal Penyelidikan Geoinformasi/Geomatik Kebangsaan (JTPGGK) Bil. 1/2017

Bilik Persidangan, Tingkat 15, Wisma

JUPEM

Bahagian Dasar dan


JUPEM

Sr Zulkifli bin Sidek Tel : + 603-2617 0831 Fax : + 603-2697 0140 E-mail : [email protected]

16 Februari 2017

Mesyuarat Jawatankuasa Penyelarasan Penggunaan Drone Bagi Agensi-Agensi di Bawah NRE (JPPDNRE) Bil. 1/2017

Bilik Mesyuarat Amber, Aras 5, Wisma Sumber

Asli, NRE

Bahagian Dasar dan


JUPEM


27 Februari 2017

Mesyuarat Jawatankuasa Teknikal Dasar dan Isu-Isu Institusi (JTDII) Bil.1/2017


JUPEM

Bahagian Dasar dan


JUPEM


14 Mac 2017

Mesyuarat Ke-68 Jawatankuasa Pemetaan dan Data Spatial Negara (JPDSN)


JUPEM

Bahagian Dasar dan


JUPEM


23 Mac 2017

Mesyuarat Ke-14 Jawatankuasa Kebangsaan Nama Geografi (JKNG)


JUPEM

Bahagian Dasar dan


JUPEM


29-30 Mac 2017

Seminar dan Demonstrasi Penggunaan Unmanned Aerial Vehicle (UAV) di Kawasan Tanah Tinggi

Century Pines Resort & Hotel Tanah Rata,

Cameron Highlands, Pahang

Bahagian Dasar dan

Penyelarasan Pemetaan, JUPEM & Bahagian

Geospatial Pertahanan


23-25 Mei 2017

Mesyuarat Kumpulan Kerja Dasar Pengemaskinian Nama Geografi (KKDPNG) - Mesyuarat Penyediaan Standard Operating Procedure (SOP) Pengemaskinian Pangkalan Data Nama Geografi (PDNG) Fasa III

Bilik Mesyuarat, Bahagian Teknologi

Maklumat dan Komunikasi Negeri,

Paras 24, KOMTAR, George

Town, Pulau Pinang

Bahagian Dasar dan


JUPEM


Julai 2017

Mesyuarat Jawatankuasa Teknikal Nama Geografi Kebangsaan (JTNGK) Bil. 1/2017


JUPEM

Bahagian Dasar dan


JUPEM


KALENDAR GIS & GEOMATIK 2017

3941

SUMBANGAN ARTIKEL/ CALL FOR PAPER Buletin GIS & Geomatik diterbitkan dua (2) kali setahun oleh Jawatankuasa Pemetaan dan Data Spatial Negara. Sidang Pengarang amat mengalu-alukan sumbangan sama ada berbentuk artikel atau laporan bergambar mengenai perkembangan Sistem Maklumat Geografi di Agensi Kerajaan, Badan Berkanun dan Institusi Pengajian Tinggi. Panduan Untuk Penulis 1. Manuskrip boleh ditulis dalam Bahasa Malaysia atau Bahasa Inggeris. 2. Setiap artikel yang mempunyai abstrak mestilah condong (italic). 3. Format manuskrip adalah seperti berikut: Jenis huruf : Arial Saiz huruf bagi tajuk : 12 (Huruf Besar) Saiz huruf artikel : 10 Saiz huruf rujukan/references : 8 Langkau (isi kandungan) : 1.5 Margin : Atas, bawah, kiri dan kanan = 2.5cm Justifikasi teks : Justify allignment Maklumat penulis : Nama penuh, alamat lengkap jabatan/ institusi dan e-mel. Satu ‘column’ setiap muka surat 4. Sumbangan hendaklah dikemukakan dalam bentuk softcopy dalam format Microsoft Word. Semua imej grafik hendaklah dibekalkan secara berasingan dalam format .tif atau .jpg dengan resolusi 150 dpi dan ke atas. 5. Segala pertanyaan dan sumbangan bolehlah dikemukakan kepada: Ketua Editor Buletin GIS & Geomatik Seksyen Dasar Pemetaan

Bahagian Dasar dan Penyelarasan Pemetaan Jabatan Ukur dan Pemetaan Malaysia Tingkat 14, Wisma JUPEM Jalan Sultan Yahya Petra 50578 Kuala Lumpur Tel: 03-26170800 Fax: 03-26970140 E-mel: [email protected], [email protected]

Laman web: http://www.jupem.gov.my

Buletin GIS & GEOMATIK - jupem.gov.my · Jemaah Menteri berasaskan Kertas Kabinet No.243/385/65...

Documents

Transcript of Buletin GIS & GEOMATIK - jupem.gov.my · Jemaah Menteri berasaskan Kertas Kabinet No.243/385/65...