Mengambil Data Longlat dari Google Earth dan OpenStreetMap
Pada 2022 lalu, saya membuat suatu algoritma untuk bisa melakukan web
scraping dari Google Maps dengan mengandalkan library(RSelenium)
dan library(rvest) di R. Sampai saat ini, algoritma tersebut
menjadi andalan dalam mengambil data-data point of interest
(tempat-tempat keramaian) sebagai bahan analisa geomarketing di
kantor.
Proses kerjanya sederhana. Saya butuh input berupa:
- Nama kota atau area target.
- Keywords pencarian tempat.
Secara otomatis algoritma tersebut akan mencari tempat sesuai keywords di kota atau area tersebut sampai selesai.
Beberapa rekan yang tidak terlalu paham ngoding juga ingin melakukan web scraping dengan skala yang lebih kecil dan ringkas dari Google Maps. Misalkan mereka ingin mencari para pedagang bakso dari suatu kecamatan. Biasanya rekan-rekan saya ini langsung menggunakan layanan Apify. Salah satu keunggulannya adalah mereka tidak perlu ngoding. Namun, hasil yang didapatkan biasanya masih terbatas.
Nah kali ini saya akan memberikan cara alternatif bagaimana cara mengambil data POI dari Google Earth dan OpenStreetMap.
Cara yang hendak saya share ini bersifat semi otomatis. Maksudnya adalah ada beberapa hal yang harus kita kerjakan secara manual tapi ada beberapa hal yang bisa dipercepat dengan R.
Prinsip sederhananya adalah dengan mengekspor data Google Earth atau OpenStreetMap ke dalam format
.kmluntuk kemudian dibaca.
Berikut ini adalah tabel perbedaan data yang bisa diambil dari kedua situs tersebut:
Dari hasil oprekan saya, saya memiliki hipotesis sebagai berikut:
- Google Earth bisa digunakan untuk mendapatkan data POI yang bersifat umum dan bebas. Misalkan: mencari pedagang bakso, warung, mie ayam, dll.
- OpenStreetMap bisa digunakan untuk mendapatkan data POI berdasarkan list amenities yang sudah tersedia.
Oke, saya mulai yang pertama ya.
Google Earth
Profil Singkat
Google Earth adalah program perangkat lunak dan layanan peta berbasis web yang memungkinkan pengguna untuk menjelajahi dunia secara virtual melalui gambar satelit, peta, dan data geografis 3D. Diluncurkan oleh Google pada tahun 2001, awalnya bernama Earth Viewer 3D, Google Earth telah berkembang menjadi alat yang sangat populer untuk visualisasi bumi dan analisis geografis. Pengguna dapat terbang secara virtual ke lokasi mana pun di planet ini, melihat lanskap, bangunan 3D, dan fitur geografis lainnya dengan detail yang menakjubkan. Selain tampilan bumi, Google Earth juga menyediakan akses ke data astronomi untuk menjelajahi langit malam dan planet lain.
Fitur utama Google Earth termasuk citra satelit resolusi tinggi yang diperbarui secara berkala, yang memungkinkan pengguna melihat perubahan di permukaan bumi dari waktu ke waktu. Fitur 3D memungkinkan visualisasi lanskap dan bangunan dalam tiga dimensi, memberikan perspektif yang lebih realistis. Street View, yang terintegrasi dengan Google Earth, memungkinkan pengguna untuk melihat gambar panorama 360 derajat dari jalan-jalan di berbagai lokasi di seluruh dunia. Selain itu, Google Earth menyediakan fitur untuk mengukur jarak dan area, menambahkan anotasi, membuat tur virtual, dan mengakses data historis untuk melihat perubahan lingkungan dari waktu ke waktu.
Google Earth memiliki berbagai aplikasi praktis dan edukatif. Dalam pendidikan, alat ini digunakan untuk mempelajari geografi, lingkungan, dan budaya di seluruh dunia. Untuk perjalanan dan pariwisata, Google Earth membantu pengguna merencanakan rute perjalanan, mencari lokasi menarik, dan mendapatkan gambaran visual tentang tujuan mereka sebelum berkunjung. Profesional di bidang perencanaan kota, konservasi lingkungan, dan penelitian ilmiah juga memanfaatkan Google Earth untuk analisis spasial, pemantauan perubahan lahan, dan visualisasi data geografis. Dengan antarmuka yang intuitif dan akses ke data global yang luas, Google Earth terus menjadi alat yang berharga bagi berbagai kalangan untuk eksplorasi dan pemahaman tentang dunia kita.
Cara Mengambil Data
Pertama-tama, kita buka situs Google Earth >> Create New Project. Lalu kita buka peta yang ada. Kita bisa langsung mencari POI sesuai kebutuhan di area yang kita inginkan. Sebagai contoh, saya hendak mencari bakso di area sekitar Jakarta Timur.
Kita bisa memilih POI yang diinginkan dari search box. Lalu kita pilih Save to Project. Jika sudah memilih dan save, contohnya sebagai berikut:
Selain titik POI, kita juga bisa menambahkan path atau polygon dari peta tersebut.
Setelah itu, kita akan export menjadi format .kml berikut:
Dari data .kml itu, kita bisa ekstrak informasinya sebagai berikut:
library(dplyr)
library(sf)
file = "Untitled project.kml"
df_geo = st_read(file)
Reading layer `Untitled project' from data source
`/home/rstudio/ikanx101.github.io/_posts/geo marketing/post 8/Untitled project.kml'
using driver `LIBKML'
Simple feature collection with 5 features and 12 fields
Geometry type: POINT
Dimension: XYZ
Bounding box: xmin: 106.9073 ymin: -6.196725 xmax: 106.923 ymax: -6.180981
z_range: zmin: 0 zmax: 5.563955
Geodetic CRS: WGS 84
df_geo %>%
mutate(long = st_coordinates(.)[,1],
lat = st_coordinates(.)[,2]) |>
select(Name,long,lat) |>
as.data.frame() %>%
knitr::kable()
| Name | long | lat | geometry |
|---|---|---|---|
| No Name Places | 106.9124 | -6.187708 | POINT Z (106.9124 -6.187708… |
| Laka - Laka Mie Ayam & Bakso | 106.9230 | -6.190791 | POINT Z (106.923 -6.19079 0) |
| Bakso Rindu 5 | 106.9224 | -6.196725 | POINT Z (106.9224 -6.196725 0) |
| ” Bakso Sumo ” | 106.9135 | -6.180981 | POINT Z (106.9135 -6.180981 0) |
| Pondok Bakso Barokah Pak Sugeng | 106.9073 | -6.184579 | POINT Z (106.9073 -6.184579 0) |
Data yang kita dapatkan murni hanya Nama POI dan titik longlat saja.
OpenStreetMap
Profil Singkat
OpenStreetMap (OSM) adalah proyek kolaboratif daring untuk menciptakan peta dunia yang bebas dan terbuka. Dikenal sebagai “Wikipedia untuk peta,” OSM dibangun oleh komunitas pembuat peta yang menyumbangkan dan memelihara data tentang jalan, jalur setapak, rel kereta api, sungai, bangunan, dan banyak lagi di seluruh dunia. Data peta ini dibuat secara sukarela oleh orang-orang yang menggunakan survei lapangan, perangkat GPS, citra udara, dan sumber bebas lainnya. OpenStreetMap dilisensikan di bawah Lisensi Creative Commons Attribution-ShareAlike 2.0, yang berarti data peta bebas digunakan, didistribusikan, dan dimodifikasi, asalkan atribusi yang tepat diberikan kepada kontributor OpenStreetMap dan jika turunan peta didistribusikan dengan lisensi yang sama.
Salah satu karakteristik utama OpenStreetMap adalah sifatnya yang terbuka dan fleksibel. Data peta dapat diakses dan diunduh oleh siapa saja secara gratis dalam berbagai format data, memungkinkan pengguna untuk membuat peta khusus untuk berbagai keperluan. Berbeda dengan layanan peta komersial yang seringkali memiliki batasan dalam penggunaan data, OpenStreetMap memungkinkan penggunaan yang luas dalam pengembangan perangkat lunak, penelitian, pendidikan, dan aplikasi komersial. Komunitas OpenStreetMap yang aktif terus menerus memperbarui dan meningkatkan kualitas data peta, memastikan bahwa informasi yang tersedia selalu relevan dan akurat. Berbagai alat dan platform tersedia untuk berkontribusi pada OpenStreetMap, dari editor web sederhana hingga perangkat lunak GIS yang lebih canggih, sehingga siapa pun dapat terlibat dalam pemetaan.
OpenStreetMap memiliki dampak yang signifikan di berbagai bidang. Dalam konteks kemanusiaan, OSM telah memainkan peran penting dalam membantu upaya bantuan bencana, menyediakan peta yang sangat rinci dan terbaru di daerah-daerah yang terkena dampak di mana data peta komersial mungkin tidak tersedia atau tidak mutakhir. Dalam pengembangan, OSM digunakan untuk perencanaan kota, manajemen sumber daya alam, dan proyek infrastruktur. Bisnis dan organisasi juga memanfaatkan OpenStreetMap untuk berbagai aplikasi, termasuk navigasi, analisis lokasi, dan visualisasi data. Dengan sifatnya yang terbuka, komunitas yang kuat, dan fleksibilitas penggunaan, OpenStreetMap terus menjadi sumber daya peta global yang berharga dan semakin penting.
Categories of Amenities in OpenStreetMap:
1. Food and Drink:
restaurant: Restaurants of various cuisines and types.cafe: Coffee shops, cafes.bar: Bars, pubs.fast_food: Fast food restaurants.food_court: Areas with multiple food vendors.ice_cream: Ice cream parlors.pub: Traditional pubs.biergarten: Beer gardens.wine_bar: Wine bars.juice_bar: Juice bars.nightclub: Nightclubs, discos.
2. Accommodation:
hotel: Hotels.motel: Motels.hostel: Hostels, youth hostels.guest_house: Guest houses.bed_and_breakfast: Bed and Breakfasts (B&Bs).chalet: Chalets.alpine_hut: Alpine huts, mountain huts.camp_site: Camp sites, campgrounds.caravan_site: Caravan sites, RV parks.
3. Shops and Commerce (Often also tagged with shop=*):
bank: Banks.atm: Automated Teller Machines (ATMs).bureau_de_change: Currency exchange bureaus.vending_machine: Vending machines (often specified withvending=*for type of product).car_wash: Car washes.dry_cleaning: Dry cleaners.laundry: Laundromats, self-service laundries.marketplace: Marketplaces.kiosk: Kiosks.convenience: Convenience stores.supermarket: Supermarkets.department_store: Department stores.greengrocer: Greengrocers (fruit and vegetable shops).bakery: Bakeries.butcher: Butchers.florist: Florists.gift_shop: Gift shops.jewelry: Jewelry stores.newsagent: Newsagents.clothes: Clothing stores.shoes: Shoe stores.books: Bookstores.electronics: Electronics stores.hardware: Hardware stores.furniture: Furniture stores.garden_centre: Garden centers.sports: Sports shops.toys: Toy stores.car_repair: Car repair shops.bicycle_repair_shop: Bicycle repair shops.computer_repair: Computer repair shops.mobile_phone_shop: Mobile phone shops.photo_shop: Photo shops.stationery: Stationery shops.travel_agency: Travel agencies.
4. Financial Services:
bank: Banks (already mentioned above, but significant).atm: ATMs (already mentioned above, but significant).bureau_de_change: Currency exchange (already mentioned above).
5. Transportation:
bus_station: Bus stations.bus_stop: Bus stops.taxi: Taxi ranks, taxi stands.fuel: Fuel stations (gas stations, petrol stations).charging_station: Electric vehicle charging stations.car_rental: Car rental agencies.bicycle_rental: Bicycle rental agencies.ferry_terminal: Ferry terminals.parking: Parking areas (surface parking, parking garages - often further detailed withparking=*key).parking_entrance: Entrances to parking areas.car_sharing: Car sharing locations.bicycle_parking: Bicycle parking.airport: Airports (though often tagged asaeroway=aerodromeandamenity=airport).railway_station: Railway stations (train stations - often tagged asrailway=stationandamenity=railway_station).tram_stop: Tram stops.subway_entrance: Subway/Metro entrances.
6. Healthcare:
hospital: Hospitals.clinic: Clinics.doctors: Doctor’s offices, general practitioners, specialists.dentist: Dentists.pharmacy: Pharmacies, chemists.veterinary: Veterinary clinics, vets.baby_hatch: Baby hatches (places for safe infant surrender).blood_donation: Blood donation centers.first_aid: First aid stations.nursing_home: Nursing homes, care homes.
7. Education and Culture:
school: Schools (primary, secondary, etc.).kindergarten: Kindergartens, preschools.university: Universities, colleges.library: Libraries.museum: Museums.gallery: Art galleries.theatre: Theatres.cinema: Cinemas, movie theaters.planetarium: Planetariums.aquarium: Aquariums.zoo: Zoos.community_centre: Community centers.events_venue: Event venues, conference centers.music_venue: Music venues, concert halls.conference_centre: Conference centers.exhibition_centre: Exhibition centers.
8. Public Services:
post_office: Post offices.townhall: Town halls, city halls.police: Police stations.fire_station: Fire stations.courthouse: Courthouses.prison: Prisons, jails.recycling: Recycling centers, recycling bins (often further specified withrecycling_type=*andrecycling:*=*for materials accepted).waste_disposal: Waste disposal sites, rubbish dumps.public_building: General public buildings (often further specified withbuilding=*orgovernment=*).
9. Leisure and Sports:
park: Parks (often tagged asleisure=parkandamenity=park).playground: Playgrounds.sports_centre: Sports centers, sports complexes.swimming_pool: Swimming pools.gymnasium: Gymnasiums.stadium: Stadiums.pitch: Sports pitches (football, basketball, etc. - often specified withsport=*).golf_course: Golf courses.miniature_golf: Miniature golf courses.water_park: Water parks.ice_rink: Ice rinks.marina: Marinas.beach_resort: Beach resorts.dive_centre: Dive centers.
10. Religious Facilities:
place_of_worship: General place of worship (often further specified withreligion=*anddenomination=*).church: Churches.cathedral: Cathedrals.chapel: Chapels.mosque: Mosques.synagogue: Synagogues.temple: Temples (Buddhist, Hindu, etc.).shrine: Shrines.
11. Toilets and Public Conveniences:
toilets: Public toilets, restrooms.drinking_water: Drinking water fountains, water taps.shower: Public showers.
12. Other Amenities:
grave_yard: Graveyards, cemeteries.crematorium: Crematoriums.funeral_home: Funeral homes, mortuaries.shelter: Shelters (bus shelters, emergency shelters, etc. - often specified withshelter_type=*).clock: Public clocks.telephone: Public telephones, payphones.internet_cafe: Internet cafes, cybercafes.social_centre: Social centers.coworking_space: Coworking spaces.library: Libraries (also under Education, but can be seen as a general amenity).childcare: Childcare facilities.compressed_air: Compressed air stations (e.g., for bikes).bbq: Barbecue areas.wastebasket: Waste baskets, litter bins.mailboxes: Mailboxes, post boxes.feeding_place: Animal feeding places.bicycle_wash: Bicycle wash stations.lounger: Public loungers, deckchairs.shower: Public showers.water_well: Water wells.
Cara Mengambil Data
Kunjungi situs https://overpass-turbo.eu/. Kita bisa mengambil data dari OSM berdasarkan query. Cara membuat query-nya mudah karena kita bisa menggunakan wizard.
Sebagai contoh, saya akan mencari SPBU atau fuel di daerah Bekasi.
Kemudian kita akan export ke format .kml.
Dari data .kml itu, kita bisa ekstrak informasinya sebagai berikut:
file = "export (1).kml"
df_geo = st_read(file)
Reading layer `overpass-turbo.eu export' from data source
`/home/rstudio/ikanx101.github.io/_posts/geo marketing/post 8/export (1).kml'
using driver `LIBKML'
Simple feature collection with 61 features and 66 fields
Geometry type: GEOMETRY
Dimension: XY
Bounding box: xmin: 106.9645 ymin: -6.279567 xmax: 107.0891 ymax: -6.17642
Geodetic CRS: WGS 84
df_geo %>%
mutate(centro = st_centroid(geometry)) %>%
mutate(long = st_coordinates(centro)[,1],
lat = st_coordinates(centro)[,2]) |>
select(Name,amenity,operator,opening_hours,addr_street,addr_city,long,lat) |>
as.data.frame() %>%
filter(!is.na(addr_city)) %>%
knitr::kable()
| Name | amenity | operator | opening_hours | addr_street | addr_city | long | lat | geometry |
|---|---|---|---|---|---|---|---|---|
| Pertamina 34-17135 | fuel | PT Pertamina | NA | Jalan KH. Agus Salim | Kota Bekasi | 107.0074 | -6.235709 | POLYGON ((107.0072 -6.23571… |
| SPBU 34-17106 | fuel | PT Pertamina | 24/7 | Jalan Ir. H. Juanda | Bekasi | 107.0010 | -6.238025 | POLYGON ((107.0009 -6.23786… |
| SPBU 34-17124 | fuel | Pertamina | NA | Jalan Cut Meutia | Bekasi | 107.0007 | -6.261125 | POLYGON ((107.0004 -6.2616,… |
| SPBU 34-17119 | fuel | Pertamina | NA | Jalan H. Mulyadi Joyomartono | Bekasi | 107.0232 | -6.253157 | POLYGON ((107.0232 -6.25295… |
| Pertamina | fuel | Pertamina | 24/7 | Jalan Ahmad Yani | Bekasi | 106.9940 | -6.258159 | POLYGON ((106.9939 -6.25827… |
| Shell Ahmad Yani-1 BKS | fuel | Shell PLC | Mo-Su 06:00-22:00 | Jalan Ahmad Yani | Kota Bekasi | 106.9927 | -6.248567 | POLYGON ((106.9926 -6.24862… |
| SPBU Pertamina 31.171.01 | fuel | Pertamina | 24/7 | Jalan Ahmad Yani | Bekasi | 106.9922 | -6.250967 | POLYGON ((106.9921 -6.25114… |
| SPBU 34-17541 | fuel | Pertamina | NA | Jalan Inspeksi Kalimalang | Bekasi | 107.0620 | -6.276099 | POLYGON ((107.0616 -6.27543… |
| SPBU 34-17127 | fuel | Pertamina | 24/7 | Jalan Inspeksi Kalimalang | Bekasi | 107.0146 | -6.259038 | POLYGON ((107.0143 -6.25918… |
| SPBU 34-17114 | fuel | Pertamina | 24/7 | Jalan Cut Meutia | Bekasi | 106.9987 | -6.261935 | POLYGON ((106.999 -6.261729… |
| SPBU 34-17102 | fuel | Pertamina | NA | Jalan Siliwangi | Bekasi | 106.9952 | -6.260636 | POLYGON ((106.9951 -6.26038… |
| Pertamina | fuel | Pertamina | NA | Jalan Pekayon Raya | Bekasi | 106.9884 | -6.256914 | POLYGON ((106.9883 -6.25697… |
| Pertamina 34-17105 | fuel | NA | NA | Jalan Pekayon Raya | Kota Bekasi | 106.9728 | -6.278952 | POLYGON ((106.9727 -6.27903… |
| Pertamina 34.17145 | fuel | Pertamina | 24/7 | Jalan Siliwangi | Bekasi | 106.9937 | -6.270774 | POLYGON ((106.9939 -6.27069… |
| SPBG PGN Pondok Ungu | fuel | NA | NA | Jalan Sultan Agung | Kota Bekasi | 106.9755 | -6.200910 | POLYGON ((106.9755 -6.20079… |
| Pertamina 34-17139 | fuel | NA | NA | Jalan Perjuangan | Kota Bekasi | 107.0182 | -6.221434 | POLYGON ((107.0181 -6.22129… |
| Pertamina 34-17148 | fuel | NA | NA | Jalan Raya Ujung Harapan | Kabupaten Bekasi | 107.0067 | -6.189275 | POLYGON ((107.0066 -6.18916… |
| Pertamina 34-17117 | fuel | NA | NA | Jalan Sultan Agung | Bekasi | 106.9774 | -6.208956 | POLYGON ((106.9773 -6.20888… |
| Pertamina 31.171.05 | fuel | NA | NA | Jalan Sultan Agung | Kota Bekasi | 106.9765 | -6.201685 | POLYGON ((106.9764 -6.20158… |
| SPBU VIVO Bekasi | fuel | PT VIVO ENERGI INDONESIA | Mo-Su 07:00-22:00 | Jalan Jenderal Sudirman | Kota Bekasi | 106.9872 | -6.231345 | POLYGON ((106.9872 -6.23113… |
| Pertamina | fuel | PT Pertamina | NA | Jalan Ir. Haji Juanda | Bekasi | 106.9944 | -6.233747 | POLYGON ((106.9942 -6.23368… |
| Pertamina 34-1714000 | fuel | NA | NA | Jalan Kaliabang | Bekasi | 107.0032 | -6.203581 | POLYGON ((107.003 -6.203479… |
| Pertamina 34-17136 | fuel | NA | NA | Jalan Prima Harapan Regensi | Kota Bekasi | 107.0175 | -6.206860 | POLYGON ((107.0174 -6.20671… |
| Pertamina 34-17137 | fuel | NA | NA | Jalan Pangeran Jayakarta | Kota Bekasi | 106.9868 | -6.226928 | POLYGON ((106.9868 -6.22677… |
| Pertamina 34-17107 | fuel | NA | NA | Jalan Perjuangan | Kota Bekasi | 107.0155 | -6.221922 | POLYGON ((107.0153 -6.22166… |
| BP Grand Galaxy | fuel | NA | Mo-Su 06:00-22:00 | Jalan Pulau Ribung | Kota Bekasi | 106.9745 | -6.267371 | POLYGON ((106.9744 -6.26738… |
| SPBU VIVO Pekayon | fuel | PT VIVO ENERGI INDONESIA | Mo-Su 07:00-22:00 | Jalan Pekayon Raya | Kota Bekasi | 106.9755 | -6.276426 | POLYGON ((106.9755 -6.27626… |
| Pertamina 34-17123 | fuel | NA | NA | Jalan Harapan Indah Raya | Bekasi | 106.9775 | -6.185499 | POLYGON ((106.9778 -6.18532… |
| SPBU VIVO Margajaya | fuel | PT VIVO ENERGI INDONESIA | Mo-Su 07:00-22:00 | Jalan Ahmad Yani | Kota Bekasi | 106.9923 | -6.250150 | POLYGON ((106.9922 -6.25006… |
| Shell Cut Mutia-2 BEKASI | fuel | Shell PLC | Mo-Su 06:00-22:00 | Jalan Cut Mutia | Kota Bekasi | 107.0026 | -6.260578 | POLYGON ((107.0024 -6.26060… |
| Shell Noer Ali-2 | fuel | Shell PLC | Mo-Su 05:00-22:00 | Jalan K. H. Noer Ali | Kota Bekasi | 106.9713 | -6.249905 | POLYGON ((106.9712 -6.24984… |
| SPBU VIVO Tambun | fuel | PT VIVO ENERGI INDONESIA | Mo-Su 07:00-22:00 | Jalan Hasanuddin | Kabupaten Bekasi | 107.0745 | -6.265532 | POLYGON ((107.0745 -6.26571… |
| Shell Cut Meutia-1 BKS | fuel | Shell PLC | Mo-Su 06:00-22:00 | Jalan Siliwangi | Kota Bekasi | 106.9930 | -6.272263 | POLYGON ((106.993 -6.272365… |
| SPBU 34-17511 | fuel | Pertamina | NA | Jalan Akses Tol | Bekasi | 107.0868 | -6.279319 | POINT (107.0868 -6.279319) |
| SPBU 34-13908 | fuel | PT Pertamina | NA | NA | DKI Jakarta | 106.9673 | -6.189540 | POINT (106.9673 -6.18954) |
Kita bisa dapatkan berbagai macam data dari OSM. Masih banyak data yang tidak saya tampilkan dari tabel di atas, seperti:
df_geo %>% glimpse()
Rows: 61
Columns: 67
$ Name <chr> NA, "SPBU 34-17129", "Pertamina 34-17135", "SPBU …
$ description <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ timestamp <dttm> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
$ begin <dttm> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
$ end <dttm> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
$ altitudeMode <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ tessellate <int> -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -…
$ extrude <int> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
$ visibility <int> -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -…
$ drawOrder <int> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ icon <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ X_id <chr> "way/307278964", "way/319318385", "way/319318386"…
$ amenity <chr> "fuel", "fuel", "fuel", "fuel", "fuel", "fuel", "…
$ operator <chr> "PT Pertamina", "PT Pertamina", "PT Pertamina", "…
$ fuel_diesel <chr> NA, "yes", "yes", "yes", "yes", "yes", NA, "yes",…
$ fuel_octane_80 <chr> NA, "yes", "yes", NA, "yes", NA, NA, NA, NA, NA, …
$ fuel_octane_91 <chr> NA, "yes", "yes", NA, NA, NA, NA, NA, NA, NA, NA,…
$ fuel_octane_92 <chr> NA, "yes", "yes", "yes", "yes", "yes", NA, "yes",…
$ fuel_octane_95 <chr> NA, "yes", "yes", NA, NA, "yes", NA, NA, NA, "yes…
$ fuel_octane_98 <chr> NA, "yes", "yes", NA, "yes", NA, NA, NA, NA, "yes…
$ opening_hours <chr> NA, "sunrise-sunset", NA, "24/7", NA, NA, "06:00-…
$ shop <chr> NA, "convenience", "no", "convenience", NA, NA, N…
$ addr_city <chr> NA, NA, "Kota Bekasi", "Bekasi", NA, "Bekasi", NA…
$ addr_street <chr> NA, NA, "Jalan KH. Agus Salim", "Jalan Ir. H. Jua…
$ brand <chr> NA, NA, "Pertamina", NA, "Pertamina", NA, NA, NA,…
$ brand_wikidata <chr> NA, NA, "Q1641044", NA, "Q1641044", NA, NA, NA, N…
$ fuel_biodiesel <chr> NA, NA, "yes", NA, "yes", NA, NA, NA, NA, NA, NA,…
$ addr_housenumber <chr> NA, NA, NA, "100", NA, NA, NA, NA, NA, "1", "1", …
$ atm <chr> NA, NA, NA, "yes", NA, "yes", NA, NA, "yes", NA, …
$ fuel_octane_88 <chr> NA, NA, NA, "yes", NA, NA, NA, "yes", "yes", NA, …
$ phone <chr> NA, NA, NA, "+62 21 884 2821", "+62 8835 4533", N…
$ toilets <chr> NA, NA, NA, "yes", NA, "yes", NA, "yes", "yes", N…
$ addr_postcode <chr> NA, NA, NA, NA, "17113", NA, NA, NA, NA, "17141",…
$ brand_wikipedia <chr> NA, NA, NA, NA, "en:Pertamina", NA, NA, NA, NA, N…
$ building <chr> NA, NA, NA, NA, "yes", NA, NA, "yes", NA, "roof",…
$ fuel_octane_90 <chr> NA, NA, NA, NA, "yes", "yes", NA, NA, NA, NA, NA,…
$ self_service <chr> NA, NA, NA, NA, "no", "no", NA, NA, NA, "no", NA,…
$ ref <chr> NA, NA, NA, NA, NA, NA, NA, NA, "34-17141", NA, N…
$ addr_district <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, "Bekasi Selat…
$ addr_province <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, "Jawa Barat",…
$ addr_subdistrict <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, "Marga Jaya",…
$ fuel_GTL_diesel <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, "yes", NA, NA…
$ layer <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, "1", NA, NA, …
$ payment_cash <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, "yes", NA, NA…
$ payment_credit_cards <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, "yes", NA, NA…
$ payment_debit_cards <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, "yes", NA, NA…
$ payment_mastercard <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, "yes", NA, NA…
$ payment_visa <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, "yes", NA, NA…
$ fuel_diesel_1 <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, "dex", NA…
$ fuel_lpg <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, "yes", NA…
$ compressed_air <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ fuel_cng <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ wikidata <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ wikipedia <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ roof <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ tenant <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ payment_qris <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ covered <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ fuel_1_25 <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ fuel_1_50 <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ fuel_HGV_diesel <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ fuel_biogas <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ fuel_electricity <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ fuel_octane_100 <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ addr_full <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ source <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ geometry <POLYGON [°]> POLYGON ((106.9654 -6.23383..., POLYGON (…
Bagaimana? Mudah kan?
if you find this article helpful, support this blog by clicking the ads.