Pelatihan Multi-Criteria Spatial Analysis dengan Metode Weighted Overlay untuk Analisis Kesesuaian Wilayah

Perencanaan wilayah membutuhkan kemampuan untuk memahami berbagai karakteristik suatu area secara terintegrasi. Dalam menentukan apakah suatu wilayah sesuai untuk permukiman, fasilitas publik, kawasan ekonomi, pertanian, infrastruktur, maupun fungsi lainnya, pemerintah dan organisasi tidak cukup hanya melihat satu indikator.

Kemiringan lahan, akses jalan, penggunaan lahan, kepadatan penduduk, risiko bencana, jarak terhadap fasilitas, kondisi lingkungan, hingga kebijakan tata ruang dapat menjadi faktor yang memengaruhi tingkat kesesuaian suatu wilayah.

Persoalannya, setiap faktor memiliki satuan, karakteristik, dan tingkat kepentingan yang berbeda. Karena itu, diperlukan metode yang dapat menggabungkan berbagai kriteria tersebut secara sistematis.

Salah satu pendekatan yang banyak digunakan dalam analisis spasial adalah Weighted Overlay sebagai bagian dari Multi-Criteria Spatial Analysis (MCSA).

Melalui Pelatihan Multi-Criteria Spatial Analysis dengan Metode Weighted Overlay untuk Analisis Kesesuaian Wilayah, peserta dapat memahami bagaimana data spasial dipersiapkan, kriteria ditentukan, nilai distandardisasi, bobot diberikan, kemudian seluruh kriteria digabungkan untuk menghasilkan peta kesesuaian.

Pendekatan ini sangat relevan bagi instansi pemerintah, Bappeda, perangkat daerah teknis, konsultan, praktisi GIS, maupun organisasi yang membutuhkan analisis berbasis lokasi.

Untuk memahami konsep MCSA secara lebih luas, pembahasan ini dapat dilanjutkan melalui Info Bimtek Multi-Criteria Spatial Analysis: Analisis Spasial Multikriteria untuk Perencanaan dan Pengambilan Keputusan Berbasis GIS sebagai artikel.

Mengenal Multi-Criteria Spatial Analysis

Multi-Criteria Spatial Analysis merupakan pendekatan untuk mengevaluasi lokasi atau wilayah menggunakan beberapa kriteria secara bersamaan.

Dalam analisis konvensional, seorang perencana mungkin hanya mempertimbangkan satu faktor. Misalnya, lokasi yang dekat dengan jalan dianggap sebagai lokasi potensial.

Namun, lokasi tersebut belum tentu sesuai jika:

• Berada pada wilayah rawan banjir.
• Tidak sesuai dengan tata ruang.
• Memiliki kemiringan sangat curam.
• Jauh dari masyarakat yang dilayani.
• Tidak tersedia lahan.
• Berada di kawasan dengan pembatas tertentu.

MCSA memungkinkan berbagai faktor tersebut dianalisis secara simultan.

Contoh sederhana:

Hasil akhirnya dapat berupa peta yang menunjukkan tingkat kesesuaian atau prioritas suatu wilayah.

Apa Itu Weighted Overlay?

Weighted Overlay merupakan metode untuk menggabungkan beberapa layer spasial berdasarkan skor dan bobot tertentu.

Setiap layer terlebih dahulu dikonversi ke skala yang sama. Setelah itu, masing-masing layer diberikan bobot sesuai tingkat kepentingannya.

Secara sederhana:

Skor Akhir = Σ (Skor Kriteria × Bobot Kriteria)

Misalnya terdapat empat kriteria:

• Akses jalan.
• Kemiringan.
• Penggunaan lahan.
• Risiko banjir.

Masing-masing memiliki bobot:

Nilai akhir setiap lokasi dihitung berdasarkan kontribusi masing-masing kriteria.

Wilayah dengan nilai akhir tinggi dapat dikategorikan sebagai wilayah yang lebih sesuai berdasarkan model yang digunakan.

Mengapa Weighted Overlay Penting dalam Analisis Wilayah?

Tanpa pembobotan, seluruh faktor dapat dianggap memiliki tingkat kepentingan yang sama.

Padahal, dalam kenyataan, prioritas setiap faktor dapat berbeda.

Misalnya untuk pembangunan fasilitas kesehatan, aksesibilitas dan kepadatan penduduk mungkin lebih penting dibandingkan faktor tertentu lainnya.

Sementara untuk pertanian, jenis tanah dan ketersediaan air mungkin memiliki bobot yang lebih tinggi.

Weighted Overlay memberikan fleksibilitas untuk membangun model sesuai tujuan analisis.

Tujuan Pelatihan Weighted Overlay

Pelatihan ini dapat dirancang untuk memberikan kompetensi praktis kepada peserta dalam membangun analisis kesesuaian wilayah.

Tujuan utamanya meliputi:

1. Memahami konsep MCSA.
2. Memahami prinsip Weighted Overlay.
3. Menentukan kriteria spasial.
4. Menyiapkan data raster dan vektor.
5. Melakukan standardisasi data.
6. Menentukan skor kriteria.
7. Menentukan bobot.
8. Mengolah raster menggunakan GIS.
9. Melakukan weighted overlay.
10. Membuat peta kesesuaian.
11. Menganalisis hasil.
12. Melakukan validasi.

Tahapan Analisis Kesesuaian Wilayah

Analisis Weighted Overlay sebaiknya dilakukan secara sistematis.

Alur sederhananya:

Tujuan Analisis → Data → Kriteria → Standardisasi → Pembobotan → Weighted Overlay → Klasifikasi → Validasi

Setiap tahap memiliki peran penting.

Kesalahan pada tahap awal dapat memengaruhi hasil akhir.

Menentukan Tujuan Analisis

Sebelum menentukan kriteria, tujuan harus dirumuskan.

Contohnya:

• Menentukan lokasi permukiman.
• Menentukan lokasi fasilitas kesehatan.
• Menentukan lokasi sekolah.
• Menentukan lokasi kawasan industri.
• Menentukan wilayah pertanian potensial.
• Menentukan lokasi infrastruktur.
• Menentukan wilayah prioritas pembangunan.

Tujuan tersebut menentukan jenis data yang diperlukan.

Menentukan Kriteria

Setelah tujuan ditentukan, kriteria yang relevan dipilih.

Sebagai contoh, untuk analisis kesesuaian permukiman:

• Kemiringan.
• Jarak jalan.
• Risiko banjir.
• Penggunaan lahan.
• Jarak sungai.
• Kedekatan fasilitas publik.
• Ketersediaan lahan.

Sementara untuk pertanian:

• Jenis tanah.
• Kemiringan.
• Curah hujan.
• Elevasi.
• Ketersediaan air.
• Penggunaan lahan.

Pemilihan kriteria harus berdasarkan hubungan logis dengan tujuan analisis.

Pengumpulan Data Spasial

Data merupakan fondasi utama MCSA.

Beberapa sumber data dapat berasal dari:

• Instansi pemerintah.
• Pemerintah daerah.
• Bappeda.
• Dinas teknis.
• Survei lapangan.
• Data penginderaan jauh.
• Database internal.
• Sumber geospasial resmi.

Untuk informasi geospasial nasional, peserta dapat mengenal sumber resmi dari Badan Informasi Geospasial (BIG).

Data statistik dapat dipadukan dengan informasi dari Badan Pusat Statistik (BPS).

Sementara untuk informasi kebencanaan, salah satu sumber pemerintah adalah Badan Nasional Penanggulangan Bencana (BNPB).

Persiapan Data Sebelum Weighted Overlay

Data yang diperoleh dari berbagai sumber biasanya memiliki format berbeda.

Sebelum dianalisis, data perlu melalui proses preprocessing.

Tahap tersebut dapat mencakup:

• Pemeriksaan CRS.
• Reprojection.
• Clip.
• Cleaning.
• Validasi geometri.
• Pemeriksaan atribut.
• Penyamaan extent.
• Penyamaan resolusi raster.
• Konversi data vektor ke raster jika diperlukan.

Khusus untuk weighted overlay berbasis raster, resolusi dan extent menjadi hal yang sangat penting.

Mengapa Standardisasi Diperlukan?

Setiap data memiliki satuan yang berbeda.

Contohnya:

• Jarak = meter.
• Elevasi = meter.
• Kepadatan penduduk = jiwa/km².
• Curah hujan = mm/tahun.
• Kemiringan = persen.

Data tersebut tidak dapat langsung dijumlahkan.

Karena itu, diperlukan proses standardisasi.

Salah satu metode sederhana adalah mengubah nilai menjadi skala 0–100.

Skema skor dapat berbeda berdasarkan tujuan dan metodologi yang digunakan.

Reclassification dalam Weighted Overlay

Reclassification digunakan untuk mengubah nilai asli menjadi kelas kesesuaian.

Misalnya layer slope memiliki nilai 0 hingga 60 derajat.

Untuk pembangunan tertentu, dapat dibuat klasifikasi:

Klasifikasi tersebut merupakan contoh.

Dalam proyek sebenarnya, interval harus disesuaikan dengan tujuan, standar teknis, karakteristik wilayah, dan metodologi yang digunakan.

Menentukan Bobot Kriteria

Setelah seluruh layer memiliki skor yang seragam, bobot ditentukan.

Misalnya untuk kesesuaian lokasi fasilitas publik:

Bobot tersebut hanya contoh model.

Bobot dapat diperoleh melalui:

• Expert judgment.
• AHP.
• Diskusi teknis.
• Kebijakan instansi.
• Literatur.
• Pendekatan statistik tertentu.

Yang penting, proses pembobotan harus terdokumentasi dan dapat dijelaskan.

Praktik Weighted Overlay Menggunakan GIS

Dalam praktik, workflow dapat dilakukan menggunakan perangkat lunak GIS seperti QGIS atau ArcGIS.

Tahapannya secara umum:

1. Memasukkan seluruh data.
2. Menyamakan CRS.
3. Menentukan wilayah studi.
4. Menghasilkan layer turunan.
5. Melakukan reclassification.
6. Menentukan bobot.
7. Menggabungkan layer.
8. Menghasilkan skor akhir.
9. Mengklasifikasikan hasil.
10. Membuat layout peta.

Untuk peserta pelatihan, praktik langsung dapat menggunakan studi kasus yang mendekati kebutuhan instansi.

Analisis Kesesuaian Wilayah untuk Permukiman

Permukiman merupakan salah satu contoh penerapan Weighted Overlay.

Kriteria yang dapat digunakan:

• Kemiringan.
• Jarak jalan.
• Risiko banjir.
• Penggunaan lahan.
• Jarak sungai.
• Ketersediaan lahan.
• Kedekatan fasilitas publik.

Contoh model:

Hasil akhir dapat dikategorikan menjadi:

• Sangat sesuai.
• Sesuai.
• Cukup sesuai.
• Kurang sesuai.
• Tidak sesuai.

Analisis Kesesuaian Wilayah untuk Fasilitas Kesehatan

Untuk puskesmas atau fasilitas kesehatan, pendekatan dapat menggunakan:

• Kepadatan penduduk.
• Jarak permukiman.
• Akses jalan.
• Jarak fasilitas kesehatan eksisting.
• Risiko bencana.
• Ketersediaan lahan.
• Tata ruang.

Tujuan utamanya adalah mencari lokasi yang dapat memberikan cakupan pelayanan optimal.

Wilayah dengan populasi besar tetapi akses terhadap fasilitas kesehatan rendah dapat memperoleh nilai prioritas lebih tinggi.

Analisis Kesesuaian Wilayah untuk Sekolah

Penentuan lokasi sekolah juga dapat dilakukan menggunakan weighted overlay.

Kriteria:

• Kepadatan penduduk usia sekolah.
• Jarak sekolah eksisting.
• Akses jalan.
• Ketersediaan lahan.
• Proyeksi pertumbuhan penduduk.
• Tata ruang.

Hasil analisis dapat membantu pemerintah mengidentifikasi wilayah yang berpotensi mengalami kekurangan pelayanan pendidikan.

Analisis Kesesuaian Wilayah untuk Infrastruktur

Untuk infrastruktur, kriteria dapat disesuaikan dengan jenis pembangunan.

Contohnya:

• Jalan.
• Jembatan.
• Drainase.
• Fasilitas air.
• Infrastruktur kawasan.

Kriteria dapat meliputi:

• Kepadatan penduduk.
• Aksesibilitas.
• Kondisi existing.
• Risiko bencana.
• Topografi.
• Tata ruang.
• Kebutuhan pelayanan.

MCSA dapat digunakan untuk membandingkan beberapa alternatif wilayah.

Analisis Constraint

Weighted Overlay tidak selalu cukup.

Beberapa wilayah harus dikeluarkan dari analisis karena merupakan area pembatas.

Contoh:

• Badan air.
• Kawasan tertentu yang dilindungi.
• Area dengan risiko ekstrem.
• Infrastruktur tertentu.
• Area dengan fungsi ruang yang tidak sesuai.
• Lokasi yang secara hukum atau kebijakan tidak dapat digunakan.

Area tersebut dapat dibuat sebagai constraint layer.

Konsepnya:

Weighted Overlay + Constraint = Kandidat Lokasi yang Lebih Realistis

Contoh Kasus Analisis Lokasi Fasilitas Publik

Misalnya pemerintah daerah ingin menentukan lokasi fasilitas pelayanan masyarakat baru.

Terdapat lima kriteria:

1. Kepadatan penduduk.
2. Jarak jalan.
3. Ketersediaan lahan.
4. Risiko banjir.
5. Jarak fasilitas eksisting.

Tahap Pertama: Data

Semua data dikumpulkan dan dipersiapkan.

Tahap Kedua: Standardisasi

Setiap kriteria dikonversi menjadi skor 0–100.

Tahap Ketiga: Pembobotan

Bobot ditetapkan berdasarkan tingkat kepentingan.

Tahap Keempat: Overlay

Seluruh layer digabungkan.

Tahap Kelima: Klasifikasi

Hasil dibagi menjadi lima kelas.

Tahap Keenam: Validasi

Wilayah dengan skor tinggi diperiksa lebih lanjut.

Dengan pendekatan tersebut, pemerintah memperoleh peta kandidat lokasi yang dapat digunakan untuk analisis lanjutan.

Contoh Perhitungan Sederhana

Misalnya satu lokasi memiliki skor:

• Akses jalan = 90.
• Kepadatan penduduk = 80.
• Ketersediaan lahan = 70.
• Risiko = 80.
• Jarak fasilitas eksisting = 60.

Dengan bobot:

• Akses jalan = 30%.
• Kepadatan penduduk = 25%.
• Ketersediaan lahan = 20%.
• Risiko = 15%.
• Jarak fasilitas = 10%.

Maka konsep perhitungannya:

(90 × 0,30) + (80 × 0,25) + (70 × 0,20) + (80 × 0,15) + (60 × 0,10)

Hasilnya menjadi nilai kesesuaian lokasi yang kemudian dapat dibandingkan dengan lokasi lainnya.

Perhitungan seperti ini dapat dilakukan secara otomatis menggunakan fungsi raster GIS sehingga analisis dapat diterapkan pada seluruh wilayah kajian.

Keunggulan Weighted Overlay

Weighted Overlay memiliki beberapa keunggulan.

Menggabungkan Banyak Faktor

Berbagai variabel dapat dianalisis secara simultan.

Transparan

Kriteria dan bobot dapat didokumentasikan.

Mudah Divisualisasikan

Hasil dapat ditampilkan dalam bentuk peta.

Dapat Dibandingkan

Beberapa skenario pembobotan dapat dibandingkan.

Mendukung Perencanaan

Hasilnya dapat digunakan untuk mengidentifikasi area prioritas.

Keterbatasan Weighted Overlay

Meskipun bermanfaat, Weighted Overlay memiliki keterbatasan.

Hasil sangat dipengaruhi oleh:

• Kualitas data.
• Pemilihan kriteria.
• Metode standardisasi.
• Bobot.
• Resolusi raster.
• Asumsi model.

Karena itu, hasil tidak boleh dianggap sebagai kebenaran absolut.

Weighted Overlay merupakan alat bantu analisis dan pengambilan keputusan, bukan pengganti kajian teknis dan kebijakan.

Sensitivity Analysis

Salah satu cara meningkatkan kualitas analisis adalah melakukan sensitivity analysis.

Contohnya, model pertama memberikan bobot:

• Jalan 30%.
• Penduduk 25%.
• Lahan 20%.
• Risiko 15%.
• Fasilitas 10%.

Kemudian model kedua mengubah bobot menjadi:

• Jalan 20%.
• Penduduk 30%.
• Lahan 20%.
• Risiko 20%.
• Fasilitas 10%.

Hasil kedua model dibandingkan.

Jika wilayah prioritas tetap relatif sama, model dapat dianggap lebih stabil terhadap perubahan bobot.

Validasi Hasil Analisis

Validasi merupakan tahap penting.

Wilayah dengan skor tinggi perlu diperiksa menggunakan:

• Survei lapangan.
• Citra terbaru.
• Data aset.
• Data tata ruang.
• Data kepemilikan lahan.
• Informasi perangkat daerah.

Validasi membantu mengidentifikasi kondisi yang tidak tertangkap oleh model.

Integrasi dengan Tata Ruang

Peta kesesuaian harus dibandingkan dengan tata ruang.

Misalnya suatu area memiliki skor kesesuaian tinggi untuk pembangunan fasilitas.

Namun, apabila area tersebut berada pada fungsi ruang yang tidak sesuai, maka lokasi tersebut tidak dapat langsung direkomendasikan.

Workflow yang lebih baik:

Weighted Overlay → Peta Kesesuaian → Overlay Tata Ruang → Seleksi Kandidat → Validasi

Pendekatan ini membuat hasil analisis lebih relevan dengan kebutuhan perencanaan.

Integrasi dengan Data Statistik

MCSA dapat dikombinasikan dengan data statistik.

Misalnya:

• Data penduduk.
• Kemiskinan.
• Pengangguran.
• Pertumbuhan ekonomi.
• Produksi pertanian.
• Jumlah fasilitas.

Data statistik tersebut dapat dikaitkan dengan wilayah geografis.

Hasilnya adalah informasi yang tidak hanya menunjukkan berapa besar masalah, tetapi juga di mana masalah tersebut terjadi.

Manfaat Pelatihan bagi Pemerintah Daerah

Pelatihan ini dapat memberikan manfaat bagi pemerintah daerah dalam:

• Meningkatkan kompetensi GIS.
• Memperkuat analisis perencanaan.
• Mengembangkan peta kesesuaian.
• Menentukan wilayah prioritas.
• Membandingkan alternatif lokasi.
• Mendukung perencanaan berbasis data.
• Mengintegrasikan data antarperangkat daerah.

Materi Pelatihan

Materi dapat disusun mulai dari konsep hingga praktik.

Output yang Diharapkan

Peserta dapat diarahkan untuk menghasilkan:

• Layer kriteria.
• Dataset hasil standardisasi.
• Matriks pembobotan.
• Model Weighted Overlay.
• Peta kesesuaian.
• Peta prioritas.
• Layout peta.
• Dokumentasi workflow.

Siapa yang Cocok Mengikuti Pelatihan?

Program ini cocok bagi:

• ASN.
• Bappeda.
• Dinas PUPR.
• Dinas Pertanian.
• Dinas Kesehatan.
• Dinas Pendidikan.
• Dinas Lingkungan Hidup.
• Dinas Perumahan dan Kawasan Permukiman.
• BPBD.
• Diskominfo.
• Pemerintah provinsi.
• Pemerintah kabupaten/kota.
• BUMN.
• BUMD.
• Konsultan.
• Surveyor.
• Praktisi GIS.
• Akademisi.

Tantangan Implementasi Weighted Overlay

Beberapa tantangan yang perlu diperhatikan antara lain:

Kualitas Data

Data yang tidak akurat dapat menghasilkan peta yang menyesatkan.

Penentuan Bobot

Bobot perlu memiliki dasar metodologis.

Resolusi Data

Perbedaan resolusi dapat memengaruhi hasil raster.

Data Tidak Konsisten

Perbedaan tahun dan definisi data perlu diperhatikan.

Validasi

Model harus diuji dengan kondisi aktual.

Pengembangan Weighted Overlay dengan GeoAI

Perkembangan GeoAI dapat membantu menyediakan data input yang lebih kaya.

Misalnya:

Citra Satelit → Klasifikasi GeoAI → Tutupan Lahan → Standardisasi → Weighted Overlay

AI juga dapat digunakan untuk mendeteksi:

• Bangunan.
• Jalan.
• Area terbangun.
• Perubahan penggunaan lahan.
• Vegetasi.

Hasilnya dapat digunakan sebagai salah satu variabel dalam MCSA.

Pengembangan Analisis dengan Drone

Untuk kebutuhan dengan tingkat detail tinggi, data drone dapat digunakan.

Drone dapat menghasilkan:

• Orthomosaic.
• DSM.
• DTM.
• Model 3D.
• Data topografi.

Data tersebut dapat menjadi input analisis kesesuaian pada skala lokal.

Peran MCSA dalam Pengambilan Keputusan

MCSA dapat membantu pengambil keputusan:

• Mengidentifikasi lokasi potensial.
• Membandingkan alternatif.
• Melihat faktor dominan.
• Mengidentifikasi wilayah prioritas.
• Menyusun skenario.
• Mendukung diskusi lintas perangkat daerah.

Namun, keputusan final tetap harus mempertimbangkan aspek:

• Regulasi.
• Tata ruang.
• Anggaran.
• Lingkungan.
• Sosial.
• Ekonomi.
• Teknis.
• Status lahan.

Tips Membuat Model Weighted Overlay yang Baik

Beberapa prinsip yang dapat diterapkan:

1. Tentukan tujuan secara jelas.
2. Pilih kriteria yang relevan.
3. Gunakan data berkualitas.
4. Pastikan CRS konsisten.
5. Samakan resolusi raster.
6. Gunakan metode standardisasi yang jelas.
7. Dokumentasikan sumber data.
8. Tentukan bobot secara transparan.
9. Pisahkan faktor dan constraint.
10. Lakukan sensitivity analysis.
11. Validasi hasil.
12. Dokumentasikan workflow.

FAQ

Apa itu Pelatihan Multi-Criteria Spatial Analysis dengan Weighted Overlay?

Pelatihan ini membahas metode analisis spasial yang menggabungkan berbagai kriteria menggunakan skor dan bobot untuk menghasilkan peta kesesuaian atau prioritas wilayah.

Apa perbedaan MCSA dan Weighted Overlay?

MCSA merupakan pendekatan analisis multikriteria secara umum, sedangkan Weighted Overlay merupakan salah satu metode untuk menggabungkan berbagai kriteria spasial berdasarkan bobot.

Apakah Weighted Overlay dapat digunakan untuk perencanaan pemerintah?

Ya. Weighted Overlay dapat digunakan untuk membantu analisis lokasi fasilitas publik, infrastruktur, kawasan pengembangan, pertanian, permukiman, mitigasi bencana, dan berbagai kebutuhan perencanaan lainnya.

Apakah hasil Weighted Overlay dapat langsung dijadikan keputusan pembangunan?

Tidak secara tunggal. Hasilnya merupakan informasi pendukung yang perlu divalidasi dan dikombinasikan dengan tata ruang, regulasi, survei lapangan, aspek teknis, status lahan, anggaran, dan pertimbangan lainnya.

Kesimpulan

Pelatihan Multi-Criteria Spatial Analysis dengan Metode Weighted Overlay untuk Analisis Kesesuaian Wilayah memberikan kemampuan penting dalam mengubah berbagai data spasial menjadi informasi yang dapat mendukung perencanaan dan pengambilan keputusan.

Melalui proses penentuan kriteria, standardisasi, pembobotan, weighted overlay, klasifikasi, hingga validasi, peserta dapat memahami bagaimana membangun model kesesuaian wilayah secara sistematis.

Metode ini dapat diterapkan pada berbagai kebutuhan, mulai dari penentuan lokasi fasilitas publik, perencanaan permukiman, pembangunan infrastruktur, pengembangan kawasan ekonomi, pertanian, hingga analisis prioritas pembangunan daerah.

Keunggulan utama pendekatan ini adalah kemampuannya menggabungkan banyak faktor sekaligus dalam satu model spasial. Namun, kualitas hasil tetap bergantung pada kualitas data, relevansi kriteria, metode pembobotan, resolusi data, serta proses validasi.

Karena itu, Weighted Overlay sebaiknya digunakan sebagai alat bantu pengambilan keputusan berbasis data spasial, bukan sebagai satu-satunya dasar dalam menetapkan suatu kebijakan.

Untuk memahami pendekatan MCSA secara lebih komprehensif, pelajari juga Info Bimtek Multi-Criteria Spatial Analysis: Analisis Spasial Multikriteria untuk Perencanaan dan Pengambilan Keputusan Berbasis GIS sebagai materi utama.

Daftar sekarang dan jadwalkan pelatihan terbaik untuk instansi Anda!

0822-8654-5726

www.studigis.com