Integrasi Chatgpt Open AI Dengan Arcgis Pro Dalam Pembuatan Peta Buffering
DOI:
https://doi.org/10.31004/joecy.v5i3.5158Keywords:
Chat GPT, ArcGIS, artificial intelligence, Open AI, VektorAbstract
ChatGPT adalah teknologi artificial intelligence (AI) bisa memberikan jawaban dari pertanyaan apa pun hanya dalam beberapa detik. Integrasi ChatGPT OpenAI dengan ArcGIS Online menghadirkan peluang luar biasa meningkatkan pengalaman GIS bagi penggunanya dan mempercepat alur kerja analisis spasial. Belum banyak penelitian analisis spasial menggunakan Integrasi ChatGPT OpenAI. Tujuan penelitian ini adalah 1) Mengetahui kemampuan Integrasi chatGPT open Ai dengan ArcGIS dalam mengolah data vector seperti data buffing, 2) mengetahui kecepatan dan kemudahan alur kerja analisis spasial Integrasi chatGPT open Ai dengan ArcGIS dengan menggolah data vector pada metode buffering. Metode penelitian ini dilakukan dengan membandingkan, pengolahan data vector dengan metode buffering menggunakan ArcGIS secara pengolahan biasa dan Integrasi chatGPT open Ai dengan ArcGIS. Berdasarkan hasil uji pengolahan peta buffering sungai daerah penelitian diperoleh keseimpulan: 1) Integrasi chatGPT open Ai dengan ArcGIS mampu dalam mengolah data vector metode buffering, 2) Integrasi chatGPT open Ai dengan ArcGIS berhasil dilakukan selama 2 detik dengan 2 langkah kerja. Sedangkan cara manual berhasil diselesaikan dalam waktu 4 detik dengan 10 langkah kerja. Sehingga Integrasi chatGPT open Ai dengan ArcGIS terbukti lebih cepat dan efektif. ChatGPT memberikan informasi kemudahan alur kerja analisis spasial secara cepat dan ringkas. Namun informasi yang disampaikan tidak semua dapat diaplikasikan langsung kedalam proses analisis spasial secara teknis. Perlu pemahaman yang mendalam dan improvisasi terhadap perintah prompt dan script. Metode ini cocok dilakukan untuk para expert dibidang analysis spasial.
References
Agus Haryanto, Winih Sekaringtyas Ramadhani, E. R. A. (2021). Penerapan “Semi Urban Safe And Healthy Farm” Dengan Skema Simantri Untuk Mendukung Ketahanan Pangan Yang Berkelanjutan Di Kelurahan Pinang Jaya Tim. In Frontiers in Neuroscience (Vol. 14, Issue 1).
Chu, T., Starek, M. J., Brewer, M. J., Murray, S. C., & Pruter, L. S. (2017). Assessing lodging severity over an experimental maize (Zea mays L.) field using UAS images. Remote Sensing, 9(9). https://doi.org/10.3390/rs9090923
Duffy, J. P., Anderson, K., Fawcett, D., Curtis, R. J., & Maclean, I. M. D. (2021). Drones provide spatial and volumetric data to deliver new insights into microclimate modelling. Landscape Ecology, 36(3), 685–702. https://doi.org/10.1007/s10980-020-01180-9
Kebede, T., Keneni, Y. G., Senbeta, A. F., & Sime, G. (2023). Effect of bioslurry and chemical fertilizer on the agronomic performances of maize. Heliyon, 9(1). https://doi.org/10.1016/j.heliyon.2023.e13000
Khaira, U., Suratno, T., Aryani, R., Saputra, E., & Mauladi, M. (2021). Pembuatan sistem informasi geografis dan virtual tour ruang terbuka hijau Kota Jambi sebagai media promosi wisata. Transformasi: Jurnal Pengabdian Masyarakat, 17(1), 38–48. https://doi.org/10.20414/transformasi.v17i1.2777
Mooney, P., Cui, W., Guan, B., & Juhász, L. (2023). Towards Understanding the Spatial Literacy of ChatGPT -- Taking a Geographic Information Systems (GIS) Exam. https://doi.org/10.1145/3615886.3627745
Mulia, H. A. P. dan A. P. (2021). Penggunaan Teknologi Uav Pada Pemetaan Pantai Dengan Pendekatan Berbasis Objek Geografis. Jurnal Syntax Admiration, 2(2), 1–13.
O’Grady, M. J., Langton, D., & O’Hare, G. M. P. (2019). Edge computing: A tractable model for smart agriculture? Artificial Intelligence in Agriculture, 3, 42–51. https://doi.org/10.1016/j.aiia.2019.12.001
Roumeliotis, K. I., & Tselikas, N. D. (2023). ChatGPT and Open-AI Models: A Preliminary Review. Future Internet, 15(6). https://doi.org/10.3390/fi15060192
Sammartano, V., Liuzzo, L., & Freni, G. (2019). Identification of potential locations for run-of-river hydropower plants using a GIS-based procedure. Energies, 12(18), 1–20. https://doi.org/10.3390/en12183446
Talaviya, T., Shah, D., Patel, N., Yagnik, H., & Shah, M. (2020). Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides. Artificial Intelligence in Agriculture, 4, 58–73. https://doi.org/10.1016/j.aiia.2020.04.002
Tao, R., & Xu, J. (2023). Mapping with ChatGPT. ISPRS International Journal of Geo-Information, 12(7), 1–13. https://doi.org/10.3390/ijgi12070284
Yuan, M. (1996). Temporal GIS and spatio-temporal modeling. … GIS and Environment Modeling, Santa Fe, NM, Figure 2, 1–12. http://loi.sscc.ru/gis/data_model/may.html
Zhao, B., Jin, W., Del Ser, J., & Yang, G. (2023). ChatAgri: Exploring potentials of ChatGPT on cross-linguistic agricultural text classification. Neurocomputing, 557(August), 126708. https://doi.org/10.1016/j.neucom.2023.126708
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Olivia Elfatma, Ade Utari Triwijayani, Heri Setyawan, Yuliana Debora Anggraini

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.







