Hasil Pencarian  ::  Simpan CSV :: Kembali

"Summary: This book focuses on the creation of space as an activity. The argument draws not only on aspects of movement in time, but also on a cultural and specifically social context influencing the creation of the spatial habitus. The book reconsiders existing theories of time and space in the field of urban planning and develops an updated account of spatial activity, experience and space-making. Recent developments in spatial practice, specifically related to new technologies, make this an important and timely task. Integrating spatial-temporal dynamics into the way we think about cities aids the implementation of sustainable forms of urban planning. The study is composed of two different case studies. One case is based on fieldwork tracking individual movement using GPS, the other case utilises data mined from Twitter. One of the key elements in the conclusion to this book is the definition of temporality as a status rather than a transition. It is argued that through repetitive practices as habitus, time has presence and agency in our everyday lives. This book is based on the work undertaken for a PhD at the Centre for Advanced Spatial Analysis and was and accepted as thesis by University College London in 2013"

"Kota Jakarta Selatan adalah salah satu kota yang memiliki kawasan bisnis terbesar yaitu Sudirman Central Business District (SCBD). Hal ini meningkatkan urbanisasi yang mendorong pertumbuhan ekonomi dan pertambahan jumlah penduduk. Sehingga Kota Jakarta Selatan mengalami peningkatan lahan terbangun yang mencapai 20% dalam 30 tahun terakhir. Oleh karena itu, Pemerintah Kota Jakarta Selatan berupaya membangunan kota yang berketahanan iklim, sehingga penting melakukan kajian terhadap fenomena iklim diperkotaan salah satunya dari Urban Heat Island (UHI). Penelitian ini bertujuan untuk menganalisis akurasi algoritma machine learning dalam memprediksi Urban Heat Island, menganalisis pola spasio-temporal Urban Heat Island dan menganalisis pengaruh karakteristik wilayah pada pola spasio-temporal Urban Heat Island di Kota Jakarta Selatan Tahun 2020-2024. Dengan menggunakan pendekatan machine learning, tiga algoritma dengan metode regresi digunakan untuk memprediksi Urban Heat Island. Data yang digunakan berupa data Landsat 8 OLI/TIRS dan survei lapangan untuk validasi. Hasil menunjukkan bahwa algoritma dengan akurasi terbaik adalah Random Forest (RF), yang menghasilkan Urban Heat Island dengan pola spasio-temporal yang mengelompok dan meningkat dalam periode tahun 2020-2024. Karakteristik wilayah diketahui memiliki pengaruh terhadap pola spasio-temporal Urban Heat Island. Karakteristik wilayah yang berpengaruh paling tinggi adalah kepadatan penduduk, dan yang berpengaruh paling rendah adalah kecerahan lahan.

---

South Jakarta City is one of the cities that has the largest business district, Sudirman Central Business District (SCBD). This increases urbanization which drives economic growth and population increase. So that South Jakarta City has experienced an increase in built-up land which has reached 20% in the last 30 years. Therefore, the South Jakarta City Government seeks to develop a climate resilient city, so it is important to conduct a study of urban climate phenomena, one of which is from the Urban Heat Island (UHI). This research aims to analyze the accuracy of machine learning algorithms in predicting Urban Heat Island, analyze the spatio-temporal pattern of Urban Heat Island and analyze the influence of regional characteristics on the spatio-temporal pattern of Urban Heat Island in South Jakarta City in 2020-2024. By using a machine learning approach, three algorithms with regression methods are used to predict Urban Heat Island. The data used are Landsat 8 OLI/TIRS data and field surveys for validation. The results show that the algorithm with the best accuracy is Random Forest (RF), which produces Urban Heat Island with a clustering and increasing spatio-temporal pattern in the period 2020-2024. Regional characteristics are known to have an influence on the spatio-temporal pattern of Urban Heat Island. The most influential regional characteristic is population density, and the least influential is land brightness."

"Kebakaran hutan dan lahan adalah kejadian yang mengancam kehidupan dan mata pencaharian, mempengaruhi ekonomi nasional, dan memiliki potensi yang berdampak panjang pada manusia. Saat ini, 62 persen wilayah Kalimantan mengalami kerentanan kebakaran hebat, dengan kira-kira 10 persen dari wilayah tersebut memiliki kerentanan yang sangat tinggi. Untuk mengurangi dampak dari kebakaran hutan dan lahan terhadap kerusakan lingkungan dan manusia, analisis spasial dan temporal perlu dilakukan salah satunya menggunakan metode machine learning. Penelitian ini bertujuan untuk menganalisis pola spatio-temporal titik panas, hubungan antara titik panas dan unsur iklim, dan memproyeksikan potensi titik panas secara spatio-temporal di daerah Kalimantan Timur. Titik panas didapat dari database SiPongi selama periode 2013-2022 diklasifikasikan menggunakan emerging hotspot analysis. Data iklim dari model TerraClimate dengan resolusi 1/240 dinilai pada setiap pola titik panas yang ada dengan menghitung nilai korelasi dan determinasi pada setiap unsur, yaitu curah hujan, suhu maksimum, evapotranspirasi, kecepatan angin, dan kelembaban tanah. Forest-based forecast digunakan untuk melihat potensi titik panas menggunakan berdasar unsur iklim dan geografis lainnya di Kalimantan Timur. Pola sebaran titik panas di Kalimantan Timur secara spasial dari penelitian ini dapat diketahui memiliki pola yang terklasifikasikan atau mengelompok dengan karakteristiknya masing-masing. Hasil penelitian juga menunjukkan bahwa unsur iklim memiliki nilai yang berpengaruh terhadap penentuan lokasi titik panas. Proyeksi titik panas menggunakan machine learning algoritma random forest dalam penelitian ini dapat menunjukkan prakiraan titik panas dengan kesesuaian jumlah daerah potensi titik panas secara spatio-temporal

---

Forest fires are events that threaten lives and livelihoods, affect national economies, and have the potential to have long-lasting impacts on people. Currently, 62 percent of Kalimantan is highly vulnerable to fires, with approximately 10 percent of the area experiencing very high vulnerability. To reduce the impact of forest fires on environmental and human damage, spatial and temporal analysis needs to be carried out, one of which is using machine learning methods. This study aims to analyze the spatio-temporal patterns of hotspots, the relationship between hotspots and climatic elements, and project hotspot potential spatio-temporally in the East Kalimantan region. Hot spots obtained from the Sipongi database for the period 2013-2022 are classified using emerging hotspot analysis. Climate data from the TerraClimate model with 1/240 resolution is assessed for each hotspot pattern by calculating the correlation and determination values for each element, namely rainfall, maximum temperature, evapotranspiration, wind speed, and soil moisture. Forest-based forecasts are used to see potential hotspots based on climate and other geographical elements in East Kalimantan. The spatial distribution pattern of hotspots in East Kalimantan from this study can be seen to have a pattern that is classified or grouped with their respective characteristics. The results also show that the climate element has a value that influences the location of hotspots. Hot spot projections using the machine learning random forest algorithm in this study can show hotspot predictions with the spatio-temporal suitability of the number of potential hot spot areas."

"The purpose of this article is to examine the spatio-temporal aspect of the working force enganged in manufacturing, household and agricultural activities in India. The objectives are four-fold: (I) to measure the mean point shifts of workers employed in manufacturing, household and agricultural activities since 1951, (ii) to map analyse the spatial distribution of different types of working force, (iii) to measure, analyse and map the future probable trend of working force in India, and (iv) to assess the intensity of working force. "

"Klasifikasi aksi multi-objek berdasarkan video RGB aerial merupakan tantangan kompleks yang dapat berguna untuk pengembangan sistem keamanan. Terdapat dua pendekatan jaringan saraf tiruan yang umum digunakan dalam sistem pengenal berbasis kerangka, Convolutional Neural Network (CNN) dan Graph Convolutional Network (GCN). Pendekatan CNN lebih efektif dalam mempelajari fitur spatio-temporal, lebih kuat terhadap noise dalam estimasi pose, dan dapat menangani skenario multi-objek dengan komputasi yang lebih ringan. Penelitian ini meliputi pengembangan pengenal aksi manusia dengan pendeteksi spatio-temporal berbasis kerangka menggunakan pendekatan 3D Convolutional Neural Network (3D-CNN). Pendeteksi spatio-temporal memungkinkan sistem untuk mengenali tiap-tiap aksi yang simultan dilakukan oleh multi-objek dalam satu rekaman video. Percobaan dilakukan menggunakan sejumlah pre-trained dataset dan menggunakan dataset video RGB aerial primer yang dilatih terhadap model pengenal aksi berbasis video frontal, dengan menerapkan metode transfer learning. Proses tranfer learning dilakukan dengan dataset khusus untuk menghasilkan model pelatihan yang memiliki akurasi tinggi. Pelatihan memberi keluaran berupa model jaringan saraf tiruan dengan nilai akurasinya. Pengujian dilakukan menggunakan data video untuk mengetahui ketepatan model. Dari model yang diperoleh, akan dilakukan analisis terhadap keberhasilan dan keakuratan metode dalam mengenali aksi manusia.

---

Multi-object action recognition based on aerial RGB video is a complex challenge that can be useful for security system development. There are two commonly used artificial neural network approaches in skeleton-based recognition systems, Convolutional Neural Network (CNN) and Graph Convolutional Network (GCN). CNN approach is more effective in learning spatio-temporal features, more robust to noise in pose estimation, and can handle multi-object scenarios with lighter computation. This research involves developing a human action recognition with skeleton-based spatio-temporal detection using a 3D Convolutional Neural Network (3D-CNN) approach. Spatio-temporal detection allows the system to recognize each simultaneous action performed by multiple objects in a single video footage. Experiments were conducted using a number of pre-trained datasets and using a primary aerial RGB video dataset trained on a frontal video-based action recognition model, by applying the transfer learning method. The transfer learning process is performed with a specific dataset to produce a high-accuracy training model. The training outputs an artificial neural network model with its accuracy value. Testing is done using video data to determine the accuracy of the model. From the model obtained, the success and accuracy of the method in recognizing human actions will be analyzed."

"ABSTRAKJawa Barat merupakan provinsi dengan jumlah penduduk yang paling banyak di Indonesia. Banyaknya jumlah penduduk di Jawa Barat menimbulkan banyaknya pula permasalahan salah satunya adalah diare. Pada tahun 2016, insiden diare di Jawa Barat sebesar 1.261.159 kasus, tertinggi di Indonesia. Spasial atau pemetaan dianggap perlu untuk memudahkan dalam mengetahui wilayah persebaran faktor risiko dan karakteristik wilayah terhadap kejadian diare, namun belum banyak dilakukan. Tujuan penelitian ini adalah mengidentifikasi sebaran dan menganalisis korelasi antara kejadian diare dan faktor risikonya di Jawa Barat Tahun 2010-2016. Penelitian ini menggunakan desain studi ekologi, sehingga menggunakan total populasi sebagai unit analisisnya yaitu 27 kabupaten/kota di Jawa Barat tahun 2010-2016. Hasil penelitian menunjukkan proporsi diare paling tinggi 761/10.000 penduduk dengan PHBS rendah ada di Kota Sukabumi tahun 2010. Cakupan akses air minum terlindung Kabupaten Karawang selalu rendah. Sedangkan cakupan akses jamban sehat berfluktuasi. Jumlah penduduk miskin cenderung mengalami penurunan, namun kepadatan penduduk semakin tinggi. Kejadian diare lebih banyak terjadi pada dataran rendah Kab. Karawang dibandingkan dataran sedang dan dataran tinggi Kab. Purwakarta dan Kab. Bandung Barat . Berdasarkan hasil pemetaan, daerah yang kerawanan diarenya tinggi ada di Kota Cimahi dan Kota Tasikmalaya. Kemudian, untuk analisis korelasi menunjukkan hanya cakupan Perilaku Hidup Bersih dan Sehat PHBS yang berkorelasi dengan kejadian diare p-value = 0,001 dan r = - 0,246 . Perlunya menyusun prioritas upaya pengendalian diare sesuai dengan karakteristik wilayah tiap kabupaten/kota dan khususnya di daerah-daerah dengan tingkat kerawanan diare yang tinggi seperti Kota Cimahi dan Kota Tasikmalaya.

---

ABSTRACT West Java is the most populous province in Indonesia. The number of residents in West Java in effect is one of them is diarrhea. By 2016, the incidence of diarrhea in West Java is 1,261,159 cases, the highest in Indonesia. Spatial or mapping needs to be done to determine the areas and factors associated with the occurrence of diarrhea, but not yet done. The purpose of this study is the distribution and analysis between the incidence of diarrhea and risk factors in West Java Year 2010 2016. This study uses the design of ecological studies, using the total population as an analysis unit that is 27 districts cities in West Java 2010 2016. The results showed the highest proportion of diarrhea 761 10,000 population with low sanitation and hygiene behavior in Sukabumi City in 2010. The coverage of protected drinking water access Kabupaten Karawang is always low. While the view of access to healthy latrines fluctuate. The number of poor people usually goes down, but the higher the population density. The incidence of diarrhea is more prevalent in lowland Karawang district than the medium and highland plains Purwakarta and West Bandung districts . Based on the mapping results, the diarrhea area is high in Cimahi and Kota Tasikmalaya. Then, for free analysis, only PHBS points were correlated with the incidence of diarrhea p value 0.001 and r 0.266 . The need to prioritize the handling of diarrhea in accordance with typical areas and areas with high diarrhea levels such as Cimahi City and Tasikmalaya City.."

"Coronavirus Disease (COVID-19) adalah penyakit baru yang melanda dunia tahun 2020.Penyakit ini diperkirakan berasal dari Wuhan, China (Rothan HA, 2020). WHOmenetapkan COVID-19 sebagai pandemi karena penyakit ini telah berhasil menginfeksilebih dari 190 negara di dunia. DKI Jakarta adalah Ibu Kota di Indonesia yang turutmenjadi salah satu Provinsi dengan kasus konfirmasi positif COVID-19 tertinggi sampaiakhir Juli 2020. Penelitian ini bertujuan untuk memodelkan rate kasus COVID-19 pada15 kecamatan Jakarta dengan intensitas tertinggi. Alasan dipilihnya 15 kecamatan denganintensitas tertinggi untuk menjadi area penelitian karena lebih dari 63,43% kasuskonfirmasi COVID-19 dilaporkan dari 15 kecamatan, yakni Kecamatan Gambir,Menteng, Sawah Besar, Kemayoran, Taman Sari, Senen, Tanah Abang, Johar Baru,Tambora, Grogol Petamburan, Cempaka Putih, Pademangan, Setia Budi, Matraman, danPalmerah. Rate kasus COVID-19 pada area ini kemudian dibuat model GSTAR, modelini merupakan salah satu pemodelan dalam time seriesstokastik yang mempertimbangkanindeks spasial atau lokasi dan waktu (Budi, 2019). Matriks bobot biner, matriks bobotseragam, dan matriks bobot jarak pada penelitian ini dibentuk sebagai matriks dependensispasial antar lokasi atau disebut matriks bobot W. Hasil identifikasi STACF dan STPACFuntuk semua matriks pembobot spasial didapatkan model yang sama, yaitu GSTAR(3,1).Pendugaan parameter model GSTAR(3,1) dilakukan untuk setiap matriks pembobottersebut. Model GSTAR(3,1) yang terbaik diperoleh berdasarkan matriks pembobotjarak, dengan RMSE terkecil yaitu 0.1271.

---

Coronavirus Disease (COVID-19) is a new disease that hit the world in 2020. This disease

is thought to have originated in Wuhan, China (Rothan HA, 2020). WHO has designated

COVID-19 as a pandemic because this disease has successfully infected more than 190

countries in world. DKI Jakarta is the capital city in Indonesia which is also one of the

provinces with the highest positive confirmed cases of COVID-19 until the end of July

2020. This study aims to model the level of COVID-19 cases in 15 sub-districts of DKI

Jakarta with the highest intensity. The reason for choosing 15 sub-districts with the

highest intensity to be the research area was because more than 63.43% of confirmed

COVID-19 cases were reported from 15 sub-districts, that is Gambir, Menteng, Sawah

Besar, Kemayoran, Taman Sari, Senen, Tanah Abang, Johar Baru Districts , Tambora,

Grogol Petamburan, Cempaka Putih, Pademangan, Setia Budi, Matraman, and Palmerah.

Rate of COVID-19 cases in this area is then made a GSTAR model, this model is one of

the models in a stochastic time series that considers spatial index or location and time

(Budi, 2019). The binary weight matrix, uniform weight matrix, and distance weight

matrix in this study were formed as a spatial dependency matrix between locations or

called the W weight matrix. The results of STACF and STPACF services for all spatial

weighting matrices obtained the same model, that is GSTAR (3,1). Estimation of

parameters of the GSTAR model (3,1) is carried out for each weighting matrix. The best

GSTAR (3,1) model is based on a distance weighted matrix, with an RMSE of 0.1271"

"Kawasan pesisir Indonesia juga merupakan kawasan pesisir yang memiliki keanekaragaman hayati laut terbesar di dunia. Hal tersebut menggambarkan bahwa potensi sumber daya laut di Indonesia sangat besar dan berlimpah. Salah satu potensi sumberdaya laut yang besar terletak di Teluk Benoa. Namun, dilakukannya kegiatan reklamasi Teluk Benoa menyebabkan degradasi kualitas perairan di teluk ini. Penelitian ini bertujuan untuk menganalisis distribusi spatio temporal nilai paramereter dan kualitas perairan di Teluk Benoa. Perhitungan status mutu perairan menggunakan metode Pollution Index dengan parameter suhu, TSS, salinitas, dan DO. Nilai setiap parameter didapatkan menggunakan Algoritma Ali El Battay (2014) untuk DO, Supriatna (2016) untuk salinitas, Cahyono (2017) untuk suhu, dan Budhiman (2004) untuk TSS. Citra dari satelit tersebut akan dilakukan uji akurasi dan validasi menggunakan metode RMSE dan NOF serta Pearson Product Moment berdasarkan komparasi dari hasil pengukuran di lapangan. Hasilnya pola distribusi nilai suhu dengan DO berbanding terbalik. Hal serupa juga terjadi pada Salinitas dengan TSS. Perhitungan kualitas perairan pada tahun 2014 menghasilkan pola distribusi yang cenderung homogen. Hal tersebut berubah signifikan pada tahun 2020 berbanding lurus dengan kerusakan lingkungan di Teluk Benoa.

---

Indonesia's coastal area is also a coastal area that has the largest marine biodiversity in the world. This illustrates that the potential for marine resources in Indonesia is very large and abundant. One of the great marine resource potentials is located in Benoa Bay. However, the reclamation of Benoa Bay has caused degradation of the quality of the waters in this bay. This study aims to analyze the spatio-temporal distribution of parameter values and water quality in Benoa Bay. Calculation of water quality status using the Pollution Index method with parameters of temperature, TSS, salinity, and DO. The value of each parameter was obtained using the Ali El Battay Algorithm (2014) for DO, Supriatna (2016) for salinity, Cahyono (2017) for temperature, and Budhiman (2004) for TSS. The image from the satellite will be tested for accuracy and validation using the RMSE and NOF methods as well as the Pearson Product Moment based on the comparison of the measurement results in the field. The result is the distribution pattern of temperature values with DO is inversely proportional. The same thing happened to salinity with TSS. Water quality calculations in 2014 resulted in a distribution pattern that tended to be homogeneous. This will change significantly in 2020 in line with environmental damage in Benoa Bay."

"An introduction to the principles of urban design theory and practice. It enables the students and lecturers to practically apply principles of urban design to their projects. It focuses on sustainable design and practice. It is suitable for those on urban design courses and for professionals who want to update and refresh their knowledge."