Data Mobilitas: Google Mobility, Meta Movement, Telco Mobility
Pendahuluan
Pada pelajaran ini, Anda akan mempelajari secara praktis bagaimana mendapatkan, memahami, membersihkan, dan menyiapkan data mobilitas manusia dari tiga sumber strategis: Google Mobility, Meta Movement (Facebook Data for Good), dan Telco Mobility (dari operator seluler).
Data mobilitas ini sangat penting dalam analisis jaringan perbankan modern karena membantu Anda menjawab pertanyaan-pertanyaan strategis seperti:
- Di mana pusat pergerakan masyarakat harian?
- Jam berapa wilayah tertentu paling ramai?
- Jalur mana yang dilalui masyarakat yang berpotensi menjadi nasabah?
- Bagaimana pola mobilitas berubah saat hari libur, musim gajian, atau promosi bank?
Prasyarat & Alat
- Laptop dengan internet stabil
- QGIS atau ArcGIS Pro
- Spreadsheet editor (Excel/Google Sheets)
- Akun akses ke Meta Data for Good (opsional)
- Akses B2B ke Telco Mobility (jika bekerja dengan operator)
Langkah-langkah Utama
1. Memahami Kebutuhan Data Mobilitas untuk Analisis Perbankan
Anda harus mengenali kegunaan masing-masing jenis data sebelum mengunduhnya.
Instruksi Detail
- Tentukan tujuan analisis:
- Optimasi lokasi ATM → butuh jam keramaian + aliran pergerakan.
- Optimasi cabang baru → butuh intensitas mobilitas mingguan + pusat aktivitas.
- Analisis risiko wilayah → butuh anomali pergerakan.
- Buat daftar variabel yang diperlukan dari tiap sumber:
- Google Mobility → changes in movement/aktivitas
- Meta Movement → heatmap origin–destination (OD)
- Telco Mobility → fine-grained mobility cluster
(Visual Hint: Tabel perbandingan tiga sumber data dengan sorotan kolom “Kegunaan untuk Perbankan”)
Tip:
Mulai dari kebutuhan analisis, bukan dari sumber datanya, agar pekerjaan menjadi lebih fokus dan cepat.
2. Mengunduh Data Google Mobility (Gratis & Mudah Digunakan)
Instruksi Detail
- Buka Google COVID-19 Community Mobility Reports (Archive) melalui Google Search.
- Cari dataset untuk Indonesia (CSV global > filter negara).
- Unduh file CSV yang berisi perubahan persentase aktivitas pada lokasi:
- Retail & Recreation
- Grocery & Pharmacy
- Parks
- Transit Stations
- Workplaces
- Residential
- Simpan ke folder: /data_raw/google_mobility/.
(Visual Hint: Tampilan Google Mobility Archive dengan tombol download CSV disorot)
Peringatan:
Google Mobility bukan data aktual jumlah orang, tetapi perubahan (%). Gunakan untuk tren dan baseline, jangan untuk absolut.
3. Mengakses Data Meta Movement (Facebook Data for Good)
Instruksi Detail
- Kunjungi Meta Data for Good (via Google: “Meta Movement Range Maps”).
- Masuk dengan akun Facebook.
- Pilih dataset:
- Movement Range
- Co-location datasets
- Origin–Destination (OD) movement
- Pilih Indonesia dan unduh dalam format CSV/GeoJSON.
- Simpan ke folder /data_raw/meta_movement/.
(Visual Hint: Dashboard Meta Data for Good dengan peta heatmap mobilitas)
Tip Profesional:
Meta Movement memiliki data OD yang sangat berguna untuk membuat Flow Map dan prediksi jalur pergerakan masyarakat.
4. Mendapatkan Data Mobilitas dari Telco (Operator Seluler)
Ini adalah data paling akurat, tetapi biasanya berbayar & memerlukan kerja sama resmi.
Instruksi Detail
- Hubungi operator seperti Telkomsel, XL Axiata, atau Indosat (tim B2B/Enterprise).
- Jelaskan kebutuhan analisis:
- Pola mobilitas harian
- Origin–Destination movement
- Cluster lokasi ramai pada jam tertentu
- Minta format file:
- Biasanya GeoJSON, SHP, atau CSV grid (hex/grid)
- Setelah menerima dataset, simpan di folder: /data_raw/telco_mobility/.
(Visual Hint: Dataset heatmap grid dari operator seluler dalam bentuk peta hexagon)
Peringatan Keras:
Data Telco sangat besar (puluhan GB). Siapkan storage dan RAM memadai.
5. Menyiapkan Struktur Folder Data Mobilitas
Instruksi Detail
Gunakan struktur standar:
/data_raw/google_mobility/
/data_raw/meta_movement/
/data_raw/telco_mobility/
data_cleaned/mobility/
(Visual Hint: Tampilan Windows Explorer dengan folder mobility rapi)
Tips:
Pisahkan berdasarkan sumber agar mudah dilacak dan di-update.
6. Membersihkan & Menormalisasi Data Mobilitas di Spreadsheet / QGIS
Instruksi Detail
- Buka CSV Google/Meta di Excel/Sheets.
- Bersihkan:
- Hapus baris kosong
- Format kolom tanggal
- Periksa nilai abnormal
- Import ke QGIS: Layer → Add Layer → Add Delimited Text Layer.
- Untuk Meta atau Telco (GeoJSON/SHP), langsung impor ke QGIS.
- Normalisasi variabel:
- Dari % → buat baseline index (misal: 100 = normal).
- Untuk grid → agregasikan ke level Kecamatan/Kabupaten.
- Simpan ke /data_cleaned/mobility/.
(Visual Hint: QGIS dengan layer grid mobilitas ditampilkan)
Peringatan:
INKONSISTENSI CRS adalah penyebab error paling umum. Samakan ke EPSG:4326 atau 32748/49.
7. Menggabungkan Data Mobilitas dengan Data Perbankan (POI ATM/Cabang/Kompetitor)
Instruksi Detail
- Buka data ATM/cabang (SHP/CSV) di QGIS.
- Lakukan spatial join:
- ATM ke grid mobilitas
- Cabang ke polygon kecamatan
- Hitung metriks penting:
- Rata-rata mobilitas harian sekitar ATM
- Mobilitas puncak (peak hour)
- Korelasi mobilitas vs transaksi (jika ada data bank)
(Visual Hint: Spatial join window pada QGIS disorot)
Tip:
Gunakan “Join attributes by location (summary)” untuk mendapatkan rata-rata mobilitas di sekitar titik ATM.
Ringkasan Pelajaran
3 poin penting:
- Anda memahami karakteristik Google, Meta, dan Telco Mobility dan cara mengambil datanya.
- Anda tahu cara membersihkan, menormalisasi, dan menggabungkan data mobilitas dengan data jaringan bank.
- Anda memiliki workflow standar untuk menggunakan mobilitas sebagai indikator strategis dalam branch & ATM optimization.
Tugas Praktis
- Unduh Google Mobility dan Meta Movement untuk provinsi Anda.
- Import ke QGIS dan lakukan normalisasi sederhana.
- Buat satu peta heatmap mobilitas dan satu flow map OD (jika dataset Meta tersedia).
- Simpan hasil dalam folder /outputs/mobility_analysis/.