Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPerkembangan perkotaan yang pesat terjadi di negara berkembang terutama pada wilayah pinggiran kota. Dampaknya adalah terjadinya penjalaran yang merupakan fenomena perkotaan yang kompleks dan sulit diukur. Pemangku kebijakan memerlukan metode yang sederhana untuk mengontrol dan mengevaluasi penjalaran sebuah kota.Penelitian ini bertujuan untuk mengukur dan menilai tingkat penjalaran perkotaan menggunakan model Shannon Entropy dengan mempertimbangkan jarak terhadap pusat kota dan jaringan jalan. Penerapan Shannon?s Entropy di Bodetabek pada 1989-2014 menunjukkan bahwa pola penjalaran linier lebih dominan terjadi di Kabupaten Bogor, Bekasi dan Kota Bogor. Semakin besarnya indeks Shannon?s Entropy mengindikasikan keenderungan penjalaran perkotaan yang semakin acak. Pola penjalaran melompat (acak) terjadi di Kabupaten Tangerang yang ditandai indeks entropy yang tinggi. Penjalaran kota di Bodetabek dipengaruhi oleh karakterik fisik dan sosial wilayah terutama aspek kemiringan tanah dan perubahan jumlah penduduk.

---

ABSTRACT

Rapid urban development occurred in developing countries, particularly in the urban fringe area. The impact was related to the occurrence of urban sprawl which is highly complex urban phenomenon and difficult to measure. Related stakeholders require a simple method to estimate and evaluate the urban sprawl patterns.

This paper aims to measure and asses the level of urban sprawl based on Shannon?s Entropy considering on two aspect i.e. the distance to town center and road networks. Application of Shannon's Entropy in Bodetabek for 1989-2014 described that linear pattern of sprawling mostly happened in Bogor, Bekasi and Bogor city. With increasing of entropy index, this pattern tends to become more scattered in the future, even in Bogor regency the pattern becomes leapfrog characteristics for 2014. Tangerang Regency showed leapfrog pattern with high entropy index. Urban sprawl in Bodetabek driven by region?s physical and social characteristics mainly with slope and population growth."

"Pewilayahan obyek pada citra penginderaan jauh (inderaja) dapat dilakukan dengan pendekatan wilayah berdasarkan informasi spektral, spasial maupun pendekatan batas wilayah. Masing-masing metode memiliki kelebihan dan kelemahan yang bergantung kepada batas wilayah dan karakteristik citranya. Proyek mahasiswa ini mengembangkan metode untuk melakukan pewilayahan obyek pada citra yaitu: pewilayahan berdasarkan klasifikasi per piksel dengan metode klasifikasi kemiripan maksimum/maximum likelihood (pendekatan spektral), pewilayahan berdasarkan deteksi sisi dengan metode Canny, serta dengan menggunakan metode segmentasi watershed (pendekatan spasial). Kemudian hasil dari ketiga metode ini, ditambah dengan penggunaan smooth filter Nagao pada hasil klasifikasi, menjadi masukan untuk proses fusi informasi yang menggu+nakan mayoritas dari kontur yang didapat dari ketiga metode tersebut. Studi kasus dilakukan dengan menggunakan citra multispektral wilayah Kebun Raya Bogor.Dari pengujian didapat bahwa fusi informasi belum tentu menghasilkan akurasi yang lebih baik. Untuk 12 band pada pelatihan dan 5 band pada pengujian, memang didapat hasil yang lebih baik yaitu meningkat dari 79,02 % menjadi 80,72 % dan 64,47 % menjadi 65,94 %. Akan tetapi, bisa juga didapat tingkat akurasi yang lebih rendah seperti pada pelatihan, untuk 5 band (74,43 % menjadi 73,06 %) dan 3 band (81,03 % menjadi 75,85 %). Juga untuk pengujian, pada 12 band (63,63 % menjadi 62,12 %) dan 3 band (79,49 % menjadi 70,04 %). Hasil yang beragam ini dapat terjadi karena pada proses deteksi sisi dan segmentasi watershed tidak mendapatkan sisi yang cukup baik."

"Pembangunan serta perkembangan kota di Indonesia terus berlangsung, menyebabkan peningkatan akan kebutuhan lahan terutama lahan untuk pemukiman. Peningkatan kebutuhan lahan menyebabkan perubahan tutupan lahan yang akan mempengaruhi suhu permukaan daratan di daerah tersebut, contohnya di Kota Malang Raya dimana suhu di perkotaan cenderung lebih tinggi dibandingkan daerah sekitarnya. Penelitian ini bertujuan untuk mengetahui pola spasial suhu permukaan daratan di Kota Malang Raya, kaitannya dengan ketinggian, tutupan lahan, kerapatan vegetasi dan kerapatan bangunan yang dilakukan dengan penginderaan jauh menggunakan Citra Landsat pada perekaman tahun 1996, 2001, 2013 dan 2016. Hasil penelitian menunjukan suhu permukaan daratan tertinggi berada di pusat Kota Malang dan Kota Batu sebagai pusat wilayah terbangun dengan kerapatan bangunan tinggi dan kerapatan vegetasi yang rendah. Suhu permukaan daratan tertinggi >27O C berada pada wilayah ketinggian.

---

The construction and cities development in Indonesia still continues, that leads to increase land needs especially lands for living. The increased of landcover needs caused the lands changed which will affect the land surface 39 s temperature in the area, for example in the cities of Malang Raya that temperatures in urban areas tend to be higher than the surrounding area.

This research aims to know the spatial pattern of land surfaces temperature in the cities of Malang Raya, relation to land cover, vegetation density and built up density. Landsat Imagery do use on a recording in 1996, 2001, 2013 and 2016 as well as in relation to the difference in height in this region.

Research results showed the highest land surface temperature is in the centre of Malang and Batu city as the center of the build up area with high dencity of buildings low vegetation. The highest land surface temperature 27C is also located in the region of"

"Pembangunan bendungan di badan sungai akan menyebabkan fluktuasi debit aliran sungai yang dapat mengubah masuknya nutrien ke muara dan akan memengaruhi konsentrasi klorofil-a. Tujuan penelitian ini untuk mengetahui perbedaan setelah berfungsinya Waduk Jatigede di Kabupaten Sumedang terhadap kondisi klorofil-a di perairan sekitar Muara Cimanuk. Citra Landsat 8 multi temporal sebelum dan sesudah berfungsinya Waduk Jatigede digunakan untuk mengidentifikasi besaran konsentrasi klorofil-a dengan algoritma yang dikembangkan oleh Wibowo et.al 1993 . Daerah studi penelitian ini dibagi menjadi 3 bagian yaitu wilayah barat Muara Cimanuk, wilayah timur Muara Cimanuk, dan wilayah perairan antara dua Muara Cimanuk. Penelitian ini menggunakan Trend Surface Analysis untuk menjelaskan pola persebaran klorofil-a. Hasil penelitian ini menunjukkan bahwa adanya pola persebaran klorofil-a yang berbeda sebelum dan setelah berfungsinya Waduk Jatigede. Faktor debit aliran sungai memengaruhi luasan sebaran konsentrasi klorofil-a 0.5 - 1 mg/m3 yang cenderung berkurang di perairan yang dekat dengan daratan.

---

The damming of river would impact river flow discharges fluctuations which could change nutrients entry into estuatries then affects chlorophyll a Chl a concentration. The purpose of this study is to investigate the effect of Jatigede Dam in Sumedang District rsquo s establishment to the Chl a concentration in the water areas around mouth of Cimanuk River. In this study, we used multi temporal Landsat 8 before and after the functioning of the Jatigede Dam to identify Chl a concentration using algorithm by Wibowo et.al 1993 . This research area was divided into 3 sections, western Cimanuk Estuary region, eastern Cimanuk Estuary region, and the waters between the two estuary. This study used Trend Surface Analysis to explain the distribution of Chl a. The results indicate that there is a different pattern of Chl a before and after the functioning of the Jatigede Dam. The river flow discharge affects the distribution area of Chl a 0.5 1 mg m3 which tend to decrease in the water nearby to land."

"Kabupaten Jember dan Banyuwangi merupakan sentra produksi padi di Jawa Timur. Perhitungan luas tanam, luas panen, dan produksi padi sawah secara konvensional telah dilakukan oleh berbagai instansi di Indonesia. Namun hasil perhitungan tersebut dipublikasi setahun kemudian. Pengumpulan data yang akurat dan dalam waktu yang relatif singkat serta bersifat kuantitatif maupun spasial dapat dilakukan dengan metode penginderaan jauh. Penelitian ini bertujuan mengetahui kemampuan MODIS untuk mengestimasi luas panen dan produksi padi. Metode menggunakan citra MODIS MSAVI2 16 harian dari bulan Januari 2014 hingga Januari 2016 yang kemudian dianalisis regresi linier berganda untuk mengidentifikasi piksel yang merupakan vegetasi padi. Hasilnya menunjukan distribusi spasial padi terlihat pada grup piksel F, P, dan S pada citra. Dari fenologi padi pada citra juga terlihat ketiga grup tersebut memiliki masa tanam yang relatif sama. Hasil perhitungan ini telah divalidasi dengan data BPS dan memiliki kesalahan perhitungan sebesar 33% untuk luas panen dan 30% untuk produksi padi. Besarnya standar eror estimasi ini disebabkan MODIS memiliki resolusi 1 pikselnya 250 m × 250 m atau sekitar 6,25 hektar. Sehingga sawah yang menempati kurang dari setengah piksel atau kurang dari 6,25 hektar akan teridentifikasi sebagai vegetasi lain dan terbuang dari klasifikasi sawah.

---

Jember and Banyuwangi are regencies with the highest rice production in East Java. Calculation of planting area, harvested area, and rice production have conventionally been carried out by various agencies in Indonesia. But the results can be seen a year later. Accurate data collection and in a relatively short time and both quantitatively and spatially can be done using remote sensing methods. This study aimed to study the ability of MODIS to estimate harvested area and production of rice. The method of using MODIS imagery MSAVI2 16 days composite from January 2014 to January 2016 were analyzed multiple linear regression to identify the pixels that constitute the vegetation of rice.

The result shows the spatial distribution of rice looks at the pixel group F, P and S in the image. Phenology of rice in the image is also shown relatively the same planting season. Calculation result has been validated by the BPS and has an error of 33% under estimate for harvested area and 30% under estimate for rice production. The magnitude of the estimated standard error caused MODIS has a pixel resolution of 250 m × 250 m or about 6,25 hectars. As a result the fields that occupy less than half the pixels or less than 6,25 hectares will be identified as other vegetation and eliminated from the classification of paddy."

"ABSTRAKPenelitian mengenai validasi lapangan persebaran spasial lamun menggunakan teknologi penginderaan jauh di perairan pantai barat Pulau Rote, Kabupaten Rote Ndao, Nusa Tenggara Timur perlu dilakukan untuk memberikan informasi dan data ilmiah mengenai padang lamun di Perairan Pantai Barat Pulau Rote. Penelitian tersebut bertujuan untuk mengetahui komposisi jenis lamun, persentase tutupan padang lamun, dan persebaran spasial lamun. Penelitian ini telah dilakukan pada 31 Oktober--5 November 2016. Metode penelitian yang digunakan antara lain purposive sampling, metode transek garis kuadrat, dan pengolahan citra landsat 8 OLI. Hasil penelitian menunjukkan bahwa komposisi jenis lamun terdiri atas tujuh jenis dari enam marga. Persentase tutupan lamun tertinggi 76,22 di stasiun kedua dan terendah 66,67 di stasiun ketiga. Hasil klasifikasi citra terhadap validasi lapangan memiliki nilai uji akurasi 73 .

---

ABSTRACTResearch on field validation of seagrass spatial distribution using remote sensing technology in west coast of Rote Island, Rote Ndao Regency, East Nusa Tenggara, to provide information and scientific data regarding the seagrass pastures in the waters of the West coast of Rote Island. Such research aims to find out the composition of the type of seagrass, coverage percentage seagrass, and seagrass spatial distribution. This research has been conducted on October 31st November 5th 2016. Research methods used purposive sampling, the method is quadrat line transect, and processing landsat 8 OLI. The results showed that the composition of the type of seagrass consisting of seven species in six genus. The highest coverage percentage of seagrass 76,22 in the second stations and the lowest coverage percentage of seagrass 66,67 in the third stations. Image classification results toward validation field has a value of test accuracy 73."

"Padi merupakan komoditas tanaman pangan yang menghasilkan beras. Pemanfaatan teknologi penginderaan jauh dalam estimasi produksi padi dapat memberikan informasi yang cepat dan hemat biaya. Penelitian ini menggunakan citra Planet Fusion dengan resolusi spasial 3 meter dan bebas awan untuk menganalisis fenologi dan produktivitas padi berbasis indeks vegetasi. Tiga indeks vegetasi, yaitu NDVI, GNDVI, dan EVI, dievaluasi dengan mengambil nilai indeks dari citra Planet Fusion. Estimasi produktivitas padi akan ditentukan menggunakan indeks-indeks tersebut, yang kemudian akan dianalisis hubungan spasial kondisi fisik di Desa Wargasetra. Hasil menunjukkan bahwa ketiga indeks vegetasi memiliki nilai RMSE yang kecil (berkisar antara 0,21–0,25), menunjukkan tingginya akurasi data citra multispektral Planet Fusion. Secara spasial, pola tanam padi berubah dinamis berdasarkan ketinggian, di mana padi di lahan sawah yang lebih tinggi ditanam atau dipanen lebih awal mengikuti arah aliran air. Indeks vegetasi GNDVI sesuai untuk pemetaan distribusi umur tanaman padi dengan rerata r2 = 0,892. Produktivitas padi di Desa Wargasetra dapat diestimasi dengan indeks vegetasi NDVI, yang dimana sesuai untuk digunakan estimasi produktivitas panen padi, dengan nilai r2 = 0,678 dan RMSE = 0,057. Analisis regresi berganda menunjukkan korelasi produktivitas padi sebesar 0,776 dengan jenis tanah dan jarak dari sungai. Jenis tanah Aluvial Eutrik dan Kambisol Eutrik memiliki produktivitas padi tertinggi. Lahan sawah di ketinggian 50–100 mdpl memiliki rata-rata produktivitas padi yang lebih tinggi, sementara produktivitas cenderung menurun saat menjauh dari aliran sungai.

---

Rice crop is a significant food-crop commodity worldwide. Remote sensing technology is applied to obtain rapid and cost-effective information on rice crop production. This study analyzed the phenology and productivity of rice crop in Desa Wargasetra using Planet Fusion imagery, with a spatial resolution of 3-meter and cloud-free. The analysis was based on three vegetation indices, such as NDVI, GNDVI, and EVI, obtained from Planet Fusion imagery. The evaluation of these indices allowed for estimating rice productivity and its spatial relationship with physical conditions in Desa Wargasetra. The results demonstrated that Planet Fusion's multispectral imagery data is accurate, with a small RMSE value (ranging from 0.21 to 0.25) for the three vegetation indices. The rice crops phenology pattern changed dynamically based on altitude, with rice in higher area planted or harvested earlier following the direction of water flow. The GNDVI vegetation index is suitable for mapping the age distribution of rice plants, with an average r2 of 0.892. The NDVI vegetation index is suitable for estimating rice harvest productivity in Desa Wargasetra, with an r2 of 0.678 and an RMSE of 0.057. Multiple regression dummy variable analysis revealed a correlation between rice productivity, soil type, and distance from the river. Eutric Alluvial and Eutric Cambisol soil types had the highest rice productivity. Paddy fields at 50–100 meters above sea level had higher average rice productivity, while productivity will be decreased if they are far from the river."

"Identifikasi jenis material atap bangunan sangat dilakukan untuk bermacam pemanfaatan dari pemodelan cuaca mikro hingga analisis resiko bencana. Penelitian identifikasi jenis material atap bangunan telah dilakukan dengan menggunakan data hiperspektral, data lapangan, laboratorium serta data satelit penginderaan jauh masih memerlukan peningkatan akurasi. Penelitian ini bertujuan untuk mengembangkan metode spektroskopi reflektansi menggunakan kombinasi kanal spektral pada fusi data satelit penginderaan jauh resolusi resolusi spasial sangat tinggi (50 cm) dengan menerapkan koreksi spekular, masking vegetasi serta machine learning Random Forest untuk meningkatkan akurasi identifikasi jenis material atap bangunan. Metode yang dikembangkan menghasilkan akurasi untuk material aluminium, asbes, keramik, beton, genteng pasir besi dengan akurasi total 97.48% dengan nilai Kappa 0,958. Fusi data Pleiades dan Landsat-8 dilakukan untuk memperoleh data SWIR dengan panjang gelombang 2107–2294 nm dan resolusi spasial 50 cm untuk analisis spektral, sehingga identifikasi jenis material atap bangunan asbes dapat diidentifikasi dengan akurasi 95%. Koreksi spekular dan masking vegetasi meningkatkan akurasi identifikasi jenis material atap bangunan 8-12% sebagai perbaikan koreksi radiometrik dalam pengolahan data resolusi sangat tinggi.

---

Identification of the type of building roof material is widely used for various application from micro weather modeling to disaster risk analysis. Research on the identification of the type of building roof material has been carried out using hyperspectral data, field data, laboratories and remote sensing satellite data still requires increased accuracy. This study aims to develop method spectroscopy reflectance using a spectral channel combination on remote sensing satellite data fusion with very high spatial resolution (50 cm) by applying specular correction, vegetation masking and Random Forest machine learning to improve the accuracy of identifying the type of building roof material. The developed method produces accuracy for aluminum, asbestos, ceramic, concrete, iron sand tiles with a total accuracy of 97.48% with a Kappa value of 0.958. Pleiades and Landsat-8 data fusion was carried out to obtain SWIR data with a wavelength of 2107–2294 nm and a spatial resolution of 50 cm for spectral analysis, so that the identification of the type of asbestos roof material can be identified with an accuracy of 95%. Specular correction and vegetation masking increase the accuracy of identifying the type of building roof material by 8-12% as an improvement in radiometric correction in very high spatial resolution (50 cm) data processing."

"Melihat inovasi penginderaan jauh dalam estimasi stok karbon kelapa sawit untuk inventarisasi stok karbon, diperlukan pembangunan model demi mengetahui distribusi stok karbon kelapa sawit melalui penginderaan jauh. Variabel yang digunakan yaitu nilai piksel dari indeks vegetasi NDVI, GNDVI, EVI, ARVI, SAVI pada citra satelit Sentinel 2-B dan Landsat 8. Data stok karbon lapangan diperoleh dengan persamaan allometrik biomassa dari tinggi dan keliling batang. Model terpilih yaitu ARVI pada Sentinel 2-B dan Landsat 8 dengan memiliki nilai korelasi dan determenansi tertinggi. Model terpilih yang dijadikan distribusi spasial estimasi stok karbon mempunyai rentang estimasi stok karbon berupa <110 kg/piksel, 110 – 150 kg/piksel, 150 – 190 kg/piksel, dan 190 – 240 kg/piksel pada Sentinel 2-B dan <900 kg/piksel, 900 – 1100 kg/piksel, 1100 – 1300 kg/piksel dan 1300 – 1500 kg/piksel pada Landsat 8 yang terdistribusi spasial di kelompok umur 17, 18, 19, dan 20 tahun dari berbagai bagian timur dan tenggara, kerapatan vegetasi, dan aspek kondisi lingkungan Kecamatan Kemang dan Ranca Bungur. Berdasarkan perbandingan, nilai piksel indeks vegetasi berbanding lurus dengan kelompok umur dimana semakin tua maka semakin tinggi, sama dengan kerapatan vegetasi di area, semakin banyak jumlah vegetasi maka semakin tinggi juga nilai piksel dari indeks vegetasi. Landsat 8 terpilih karena memiliki nilai korelasi lebih besar terhadap kerapatan vegetasi, hasil akhir yaitu estimasi stok karbon kelapa sawit umur 17 tahun dengan luas 267,56 Ha ialah 3.421,74 ton, 18 tahun 369,12 Ha ialah 5150,52 ton, 19 tahun 316,41 Ha ialah 4.271,86 ton, dan 20 tahun 55,54 Ha ialah 761,67 ton. Jumlah total estimasi stok karbon pada wilayah penelitian adalah 13.605,79 ton.

---

Seeing the innovation of remote sensing in the estimation of oil palm carbon stock for carbon stock inventory, it is necessary to develop a model to determine the distribution of oil palm carbon stock through remote sensing. The variable used is the pixel value of the vegetation index NDVI, GNDVI, EVI, ARVI, SAVI on the Sentinel 2-B and Landsat 8 satellite images. Field carbon stock data were obtained by using allometric equations of biomass from stem height and circumference. The selected model is ARVI on Sentinel 2-B and Landsat 8 with the highest correlation and determination values. The selected model which is used as a spatial distribution of carbon stock estimates has a range of carbon stock estimates in the form of <110 kg/pixel, 110 – 150 kg/pixel, 150 – 190 kg/pixel, and 190 – 240 kg/pixel on Sentinel 2-B and <900 kg/pixel, 900 – 1100 kg/pixel, 1100 – 1300 kg/pixel and 1300 – 1500 kg/pixel on Landsat 8 which are spatially distributed in the 17, 18, 19, and 20 year age groups from different parts of the east and southeast, density vegetation, and aspects of environmental conditions in the Districts of Kemang and Ranca Bungur. Based on the comparison, the pixel value of the vegetation index is directly proportional to the age group where the older it is, the higher it is, equal to the density of vegetation in the area, the more the number of vegetation, the higher the pixel value of the vegetation index. Landsat 8 was chosen because it has a greater correlation value with vegetation density, the final result is the estimated carbon stock of oil palm aged 17 years with an area of 267.56 Ha is 3,421.74 tons, 18 years 369.12 Ha is 5150.52 tons, 19 years 316.41 Ha is 4,271.86 tons, and 20 years 55.54 Ha is 761.67 tons. Total estimated carbon stock is 13,605.79 tons."

"Urban features change very rapidly due to quick urbanization, especially for developing countries. It creates a problem for city planners and administrators as terrestrial method of surveying and mapping always lags behind to prove recent and accurate data on urban features. No wonder that remote sensing technology is called for in this respect. In adopting remote sensing technology, however, there is a problem whether it will be better to use airborne or spaceborne remote sensing. The main objective set in this stage is to study the interpretability of both systems using manual and digital methods. In the manual interpretation, the smallest area feature which is recognizable is 8x ground resolution for air photo, 5px for color composite Landsat image and 1px for SPOT image of extremely good example. For linear features, it is 0.3 ground resolution, 0.6px, and 0.5px respectively."