Hasil Pencarian  ::  Simpan CSV :: Kembali

"Keamanan (security), keselamatan (safety), dan keberlanjutan (sustainability) adalah konsep-konsep yang sudah lama diperbincangkan dalam isu-isu pemanfaatan orbit Bumi untuk mecegah kerusakan. Namun, tantangan lingkungan orbit Bumi yang semakin padat dan rumit membuat skenario kehilangan fungsional maupun aset antariksa itu sendiri semakin besar dan perlu dimitigasi. Pendekatan ketahanan (resilience) kemudian banyak dikembangkan oleh sejumlah negara dalam menjawab tantangan tersebut. Indonesia pun menghadapi tantangan yang sama meskipun aset antariksanya masih relatif sedikit. Kendati demikian, berbeda dengan negara lainnya, Indonesia telah memiliki konsep ketahanan nasional yang lebih luas sehingga pengembangan dan pengejawantahan konsep ketahanan antariksa yang sesuai dengan Indonesia diperlukan. Penelitian tesis ini membahas pengembangan konsep ketahanan antariksa (space resilience) dan menggali keterkaitannya dengan kebijakan dan praktik di Indonesia dalam konteks ketahanan nasional. Metode kajian yang digunakan mencakup wawancara dengan berbagai instansi dan pakar-pakar terkait; studi literatur; telaah media; dan telaah arsip. Tesis ini menemukan pengembangan konsep ketahanan antariksa yang terpadu dengan ketahanan nasional berpotensi besar untuk dilakukan berdasarkan pengalaman pemanfaatan orbit Bumi. Pola-pola ancaman berupa gangguan, serangan, dan peristiwa merusak yang terjadi di orbit Bumi sangat berkaitan dengan ketahanan nasional Indonesia di permukaan Bumi. Secara praktis, penyegaran ulang konsep Wawasan Nusantara sebagai geopolitik Indonesia dapat menjadi titik fokus dalam pengenalan ketahanan antariksa di Indonesia.

---

Security, safety, and sustainability are concepts that have long been discussed in the issues of using the Earth's orbit to prevent damage. However, the challenges of the increasingly congested and complicated Earth orbit environment make the scenario of functional loss and the space asset itself getting bigger and needs to be mitigated. The resilience approach has been developed by a number of countries in response to these challenges. Indonesia also faces the same challenges even though its space assets are still relatively small. However, unlike other countries, Indonesia already has a broader concept of national resilience so that the development and implementation of the concept of space resilience that is suitable for Indonesia is needed. This thesis research discusses the development of the concept of space resilience and explores its relationship to policies and practices in Indonesia in the context of national resilience. The study methods used include interviews with various agencies and related experts; study of literature; media review; and archives review. This thesis finds that the development of the concept of space resilience that is integrated with national resilience has great potential to be carried out based on the experience of utilizing Earth's orbit. Threat patterns in the form of disturbances, attacks, and destructive events that occur in Earth's orbit are closely related to Indonesia's national security on the Earth's surface. Practically speaking, refreshing the concept of Wawasan Nusantara as Indonesian geopolitics can be a focal point in the introduction of space resilience in Indonesia."

"Penelitian ini bertujuan untuk melakukan optimisasi proses hyperspectral unmixing dengan menggunakan norm L2,1 untuk menerapkan properti collaborative sparse pada semua piksel yang ada dalam dataset dan menggunakan regularisasi total variation untuk meningkatkan kualitas citra yang dihasilkan. Performa algoritma L2,1-TV akan dibandingkan dengan algoritma yang sudah ada yaitu SUnSAL, CLSUnSAL, dan SUnSAL-TV. Hasil eksperimen menggunakan data sintesis (DS, FR1, FR2, FR3) dan data asli (Urban) menunjukkan bahwa algoritma yang dikembangkan memiliki hasil yang lebih baik dibandingkan algoritma yang sudah ada secara kualitatif dan kuantitatif terutama pada tingkat SNR yang lebih rendah. Penelitian menggunakan dataset DS menunjukkan algoritma L2,1-TV memiliki kenaikan nilai SRE sebesar 262.42%, 92.93%, dan 74.71% serta penurunan nilai RMSE sebesar 74.23%, 67.39%, dan 14.29% pada ketiga tingkat SNR dibandingkan algoritma lainnya. Untuk dataset FR1, L2,1-TV memiliki kenaikan nilai SRE sebesar 52.81% serta penurunan nilai RMSE sebesar 46.01% pada SNR 20 dB namun memiliki nilai SRE dan RMSE yang lebih buruk pada SNR 30 dB dan 40 dB yaitu sebesar 3.59% dan 7% untuk SRE serta 9.43% dan 2.86% untuk RMSE. Untuk dataset FR2, L2,1-TV memiliki kenaikan nilai SRE sebesar 102.76% dan 1.84% pada SNR 20 dB dan 40 dB serta penurunan nilai RMSE sebesar 52.78% pada SNR 20 dB namun memiliki nilai SRE yang lebih buruk pada tingkat SNR 30 dB berupa 4.96% serta RMSE yang lebih buruk pada SNR 30 dB dan 40 dB berupa 9.8% dan 3.57%. Untuk dataset FR3, L2,1-TV memiliki kenaikan nilai SRE sebesar 96.44%, 0.97% dan 5.42% pada ketiga tingkat SNR serta penurunan nilai RMSE sebesar 61.33% dan 3.13% untuk SNR 20 dB dan 40 dB. Pada SNR 30 dB, L2,1-TV memiliki nilai RMSE yang sama dengan algoritma lainnya. Untuk dataset Urban, algoritma L2,1-TV memiliki kenaikan nilai SRE sebesar 2.6% dan penurunan nilai RMSE sebesar 1.15% dibandingkan algoritma lainnya.

---

In this study, we construct an algorithm to optimize the hyperspectral unmixing problem using L2,1 norm and Total Variation regularization to reduce error. Specifically, our research aims to improve the unmixing results by applying L2,1 norm to impose collaborative sparsity on all pixels in the data set and adding Total Variation regularization to improve the smoothness of resulting image. We compared our algorithm performance to existing algorithm such as SUnSAL, CLSUnSAL, and SUnSAL-TV. Our experimental results with both synthetic and real hyperspectral data show improvement in RMSE and SRE compared to other methods especially on lower SNR. On our experiment using DS dataset, L2,1-TV algorithm showed improvement in SRE by 262.42%, 92.93%, and 74.21% as well as RMSE by 74.23%, 67.39%, dan 14.29% for SNR level 20 dB, 30 dB, and 40 dB respectively compared to other methods. On experiment using FR1 dataset, L2,1 algorithm showed improvement in both SRE and RMSE by 52.81% and 46.01% respectively for SNR level 20 dB compared to other methods but have worse results in SNR level 30 dB and 40 dB. On experiment using FR2 dataset, L2,1-TV algorithm showed improvement in SRE by 102.76% and 1.84% for SNR level 20 dB and 40 dB respectively but have worse result in SNR level 30 dB by 4.96%. L2,1-TV also showed improvement in RMSE by 52.78% for SNR level 20 dB but have worse result in SNR level 30 dB and 40 dB by 9.8% and 3.57% respectively. On experiment using FR3 dataset, L2,1-TV algorithm showed improvement in SRE by 96.44%, 0.97%, and 5.42% for SNR level 20 dB, 30 dB, and 40 dB respectively. L2,1-TV algorithm also showed improvement in RMSE by 61.33% and 3.13% for SNR level 20 dB and 40 dB respectively as well as having the same RMSE value for SNR level 30 dB compared to other methods. On experiment using real data, L2,1-TV algorithm showed improvement in both SRE and RMSE by 2.6% and 1.15% respectively compared to other methods."

"Lively, engaging introduction to geomorphology and earth surface processes, written by one of the world's leading experts in the field"