Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada skripsi ini, dibahas model SIS dengan intervensi perawatan medis berupa pengobatan ke rumah sakit untuk individu terinfeksi. Model ini digunakan untuk menggambarkan dinamika penyebaran penyakit tertentu secara spasial. Model epidemi SIS akan direkonstruksi dengan melibatkan dua faktor, yaitu faktor intervensi perawatan medis, dan faktor spasial. Sejumlah individu terinfeksi diberikan intervensi perawatan medis untukmempercepat waktu pemulihan. Hasil dari simulasi menunjukkan bahwa mobilitas manusia dapat mempengaruhi penyebaran penyakit secara spasial. Faktor spasial terlibat dalam model dengan pendekatan persamaan diferensial parsial. Dalam skripsi ini, dibahas hasil dan interpretasi dari titik keseimbangan, analisis kestabilan, dan Basic Reproduction Number (R0), dan metode beda hingga digunakan untuk mendekati solusi numerik model dalam beberapa skenario intervensi di lapangan.

---

In this thesis discussed the SIS model with medical treatment intervetion in the form of hospital treatment for infected individuals. This model is used to describe the dynamic of the spatial spread of certain diseases. The SIS epidemic model will be reconstructed by involving two factors, namely Medical Treatment Intervetion factors, and spatial factors. Some infected individuals are given medical treatment intervention to acceleratethe recovery time. Simulation results show that human mobility can affect the spread ofdisease spatially. Spatial factors are involved in to the models with PDE approached. In this thesis, the results and interpretation of equillibrium, system stability analysis, and R0 are discussed, and finite difference methods used to approaches numerical solutions of models in several intervention scenarios in the field."

"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"

"Model struktur umur untuk penyebaran penyakit menular akan disajikan dalam tesis ini. Model ini digunakan untuk memahami bagaimana penyakit menyebar di antara populasi tertentu, yaitu tergantung pada usia dan waktu. Model epidemi SIR akan digunakan sebagai model dasar untuk membangun model epidemi SIR yang terstruktur usia. Dalam model ini, intervensi perawatan medis untuk menyembuhkan manusia yang terinfeksi akan diberikan kepada individu yang terinfeksi dan sembuh populasi akan mendapatkan kekebalan permanen. Lebih jauh, kami berasumsi bahwa penyakitnya adalah mematikan dalam kelompok umur tertentu, sehingga akan ada tingkat kematian spesifik usia yang membuat total populasi tidak konstan. Sebuah studi analitik telah dilakukan untuk menghasilkan keseimbangan menunjuk dan memberi tahu bagaimana angka ambang yang disebut nomor reproduksi dasar akan mempengaruhi keseimbangan. Kami menemukan bahwa model ini memiliki dua keseimbangan; keseimbangan bebas penyakit dan keseimbangan endemik. Analisis numerik akan dilakukan untuk beberapa skenario membuat pemahaman yang lebih baik tentang hasil analisis

---

An age structure model for the spread of infectious diseases will be presented in this thesis. This model is used to understand how diseases spread among certain populations, viz depends on age and time. The SIR epidemic model will be used as a basic model for constructing age-structured SIR epidemic models. In this model, medical treatment interventions to cure infected humans will be given to infected individuals and the healed population will get permanent immunity. Furthermore, we assume that the disease is deadly in certain age groups, so there will be age-specific mortality rates that make the total population not constant. An analytic study has been carried out to produce pointing equilibrium and tells how threshold numbers called basic reproduction numbers will affect equilibrium. We find that this model has two balances; disease-free balance and endemic balance. Numerical analysis will be carried out for several scenarios making a better understanding of the results of the analysis"

"Unmet need KB di Indonesia belum mencapai target khususnya di Pulau Kalimantan. Penurunan unmet need KB dapat mencegah kematian ibu. Adanya desentralisasi menuntut pemerintah daerah membuat kebijakan kesehatan seperti program KB. Analisis spatio-temporal dibutuhkan untuk menyelidiki unmet need KB yang berguna untuk memantau program KB. Tujuan penelitian ini adalah mengetahui pola spasial dan faktor faktor yang mempengaruhi unmet need KB tahun 2018-2021 di tingkat Kabupaten/Kota di Pulau Kalimantan, Indonesia. Studi ekologi dilakukan pada 56 Kabupaten/kota di Pulau Kalimantan pada tahun 2018-2021. Data berbentuk agregat dan bersumber dari Laporan Pengendalian dan Pelayanan Kontrasepsi BKKBN, Buku Publikasi Badan Pusat Statistik (BPS) dan Website Dewan Jaminan Sosial Sistem Informasi Terpadu. Analisis data dengan menggunakan Geographically Temporal Weighted Regression. Hasil penelitian menunjukkan Bulungan, Malinau, Nunukan, Tana Tidung, Kota Tarakan, Bontang, Kutai Kartanegara, dan Kutai Timur konsisten berada pada klaster I (High-high) pada tahun 2018-2021. Pemodelan unmet need KB yang didapatkan pada tingkat Kabupaten/kota di Pulau Kalimantan selama 2018-2021 adalah kemiskinan, pendapatan, non cakupan JKN, rasio praktik bidan mandiri, rasio faskes KB pemerintah, rasio faskes KB swasta, rasio penyuluh KB dengan nilai adjusted R square sebesar 46,06%. Kemiskinan berpengaruh dalam meningkatkan unmet need KB di 43 Kabupaten/Kota (76,8%) di Pulau Kalimantan, Indonesia selama 2018-2021. Non cakupan JKN berpengaruh dalam meningkatkan unmet need KB di 35 Kabupaten/kota (62,5%) di Pulau Kalimantan, Indonesia selama 2018-2021. Rasio praktik bidan mandiri, rasio faskes KB pemerintah dan rasio faskes KB swasta berpengaruh terhadap unmet need KB tetapi belum dapat menurunkan unmet need KB di Pulau Kalimantan, Indonesia selama 2018- 2021. Rasio penyuluh KB berpengaruh dalam menurunkan unmet need KB di 22 Kabupaten/kota (39,3%) di Pulau Kalimantan, Indonesia selama 2018-2021. Berdasarkan hasil penelitian tersebut direkomendasikan kepada SKPD-KB di Kabupaten/kota untuk memprioritaskan program KB pada penduduk miskin dalam menurunkan unmet need KB dengan mendekatkan program KB seperti pelayanan KB dan penyuluhan KB khususnya pada Kabupaten/kota yang konsisten tergolong kemiskinan tertinggi selama 2018-2021, yaitu Kapuas Hulu, Melawi, Kayong Utara, Paser, Kutai Barat, Kutai Timur, Mahakam Ulu dan Bulungan.

---

Unmet need for family planning in Indonesia has not yet reached the target, especially on the island of Kalimantan. Reducing the unmet need for family planning can prevent maternal deaths. Decentralization requires local governments to create health policies such as family planning programs. Spatio-temporal analysis is needed to investigate unmet need for family planning which is useful for monitoring family planning programs. The aim of this research is to determine the spatial patterns and factors that influence the unmet need for family planning in 2018-2021 at the district/city level on the island of Kalimantan, Indonesia. Ecological studies were carried out in 56 districts/cities on Kalimantan Island in 2018-2021. Aggregate data is used and comes from the BKKBN Contraception Control and Services Report, the Central Statistics Agency (BPS) Publication Book and the Social Security Council's Integrated Information System Website. Data analysis using Geographically Temporal Weighted Regression. Poverty has an influence in increasing the unmet need for family planning in 43 districts/cities (76.8%) on Kalimantan Island, Indonesia during 2018-2021. Non-coverage of JKN has an influence in increasing the unmet need for family planning in 35 regencies/cities (62.5%) on Kalimantan Island, Indonesia during 2018-2021. The ratio of independent midwife practices, the ratio of government family planning health facilities and the ratio of private family planning health facilities have an influence on the unmet need for family planning but have not been able to reduce the unmet need for family planning on the island of Kalimantan, Indonesia during 2018-2021. The ratio of family planning instructors has an influence in reducing the unmet need for family planning in 22 districts/cities (39.3%) on Kalimantan Island, Indonesia during 2018-2021. Based on the results, it is recommended for SKPD-KB in districts/cities to prioritize family planning programs for the poor in reducing the unmet need for family planning by bringing family planning programs closer together such as family planning services and family planning counseling, especially in districts/cities which consistently have the highest poverty level during 2018-2021 namely Kapuas Hulu, Melawi, North Kayong, Paser, West Kutai, East Kutai, Mahakam Ulu and Bulungan."

"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."

"Eutrofikasi di Teluk Jakarta sudah terjadi selama kurun waktu 20 tahun belakangan. Pencemaran ini berdampak pada dinamika produksi ikan di ZPI Nelayan Kecil Muara Angke yang diamati sejak tahun 2019—2023. Dari masalah tersebut, penelitian ini berusaha mengidentifikasi dinamika spatio-temporal eutrofikasi menggunakan metode penginderaan jauh, serta mengaitkannya dengan produksi ikan di ZPI Nelayan Kecil Muara Angke. Pola eutrofikasi di ZPI Nelayan Kecil Muara Angke secara konsisten diidentifikasi di kawasan PIK, Muara Angke, dan dermaga peti kemas Pelindo II, disertai dengan tingginya konsentrasi klorofil-a di pesisir hingga bagian tengah zona penangkapan ini. Hubungan antara eutrofikasi dan produksi ikan berdasarkan nilai koefisien r = -0,032 dan p-value = 0,856. Hasil interpretasi keduanya menunjukkan bahwa hubungan eutrofikasi dan produksi ikan berbanding terbalik, tergolong lemah, dan tidak memiliki hubungan.

---

Eutrophication in Jakarta Bay has been happening recently for 20 years. This water pollution has impacted to fish production dynamics in Muara Angke small-scale fishermen’s fishing ground which has been observed from 2019—2023. Based on this issue, this research attempted to identify dynamics spatio-temporal eutrophication utilized remote sensing method and correlate it with fish production in Muara Angke small scale fishermen’s fishing ground. Eutrophication pattern in this zone consistently identified from west to east, at PIK district, Muara Angke harbor, and Pelindo II container dock, respectively. And it also followed by the increased chlorophyll-a concentration nearby the coastline to the middle zone of fishing ground. Correlation or r coefficient between eutrophication and fish production is -0,032 and 0,856 for the p-value. Interpretation from both value shows that correlation between eutrophication and fish production inversely proportional and classified as a weak correlation. While, based on p-value, both variables are not related at all. "

"ABSTRAKKolera adalah penyakit diare akut yang disebabkan oleh bakteri Vibrio cholerae. Penyakitkolera pada suatu populasi dapat dikendalikan dengan memberikan vaksinasi berupavaksin kolera oral. Pada penulisan skripsi ini, dibentuk model matematika pengaruhvaksinasi pada upaya pengendalian penyebaran penyakit kolera. Model yang dibangunadalah sistem persamaan diferensial tidak linier 5 dimensi. Dari analisis model, diperolehtitik keseimbangan bebas penyakit kolera dan titik keseimbangan endemik. DigunakanBasic reproduction number pada model untuk menunjukkan apakah penyakit koleradalam populasi akan menghilang, tidak menyebar tetapi bertahan dalam populasi, atau penyakit kolera akan menyebar. Simulasi numerik pada model dilakukan untukmemberikan interpretasi hasil analisis model lebih lanjut.

---

ABSTRACTCholera is a severe diarrhoea disease caused by Vibrio cholerae bacteria. Cholera diseasein a population can be controlled by giving oral cholera vaccine as vaccination. Here inthis undergraduate thesis, mathematical model of vaccination effect in controlling thespread of cholera is constructed. The model which is constructed is a five dimensionalnon linear ordinary differential equation. From model analysis, cholera disease freeequilibrium and endemic equilibrium is obtained. Basic reproduction number is usedin the model to show whether the cholera disease in population will disappear, remainsin population but not spreading, or the disease will spread. Numerical simulation in themodel is done to give further interpretation of model analysis result."

"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."

"Interaksi antara unsur antropogenik dan alam menjadi salah satu pemicu terhadap terjadinya perubahan tren suhu yang dapat berdampak pada perubahan iklim. Perubahan yang masif pada penggunaan lahan pada wilayah perkotaan terutama gedung, jalan raya, dan ruang terbuka hijau sangat terkait dengan Suhu Permukaan Daratan (SPD). Kota Depok sebagai wilayah urban menjadi salah satu wilayah yang berada pada kawasan metropolitan. Hal ini memicu tekanan migrasi penduduk yang signifikan sehingga meningkatkan kebutuhan akan lahan terbangun yang menyebabkan tingkat kepadatan penduduk semakin meningkat. Penelitian ini bertujuan untuk melihat hubungan dan pengaruh dari variasi spasio-temporal perubahan penggunaan lahan dan kepadatan penduduk terhadap SPD. Metode spasio-temporal digunakan untuk mengetahui keterkaitan antar variabel. Sementara itu, uji korelasi yang digunakan adalah uji korelasi Pearson. Variabel yang diuji adalah tingkat kepadatan penduduk serta jenis penggunaan lahan terhadap SPD. Data yang digunakan dalam penelitian ini adalah citra satelit landsat 5 TM, Landsat 8 OLI/TIRS, penggunaan lahan, data penduduk, dan peta administrasi.  Hasil dari penelitian ini adalah ada keterkaitan dan pengaruh antara perubahan penggunaan lahan terutama peningkatan lahan terbangun dan kepadatan penduduk serta penurunan sebaran vegetasi terhadap Suhu Permukaan Kota Depok pada tahun 2012-2019.

---

The interaction between anthropogenic and natural elements is one of the triggers for changes in temperature trends which can have an impact on climate change. Massive changes in land use in urban areas, especially buildings, roads and green open spaces, are closely related to Land Surface Temperature (SPD). Depok City as an urban area is located in the metropolitan area. This triggers significant population migration pressure, thereby increasing the need for built-up land, which causes population density to increase. This research aims to examine the relationship and influence of spatio-temporal variations in changes in land use and population density on SPD. The spatio-temporal method is used to determine the relationship between variables. Meanwhile, the correlation test used is the Pearson correlation test. The variables tested were the level of population density and the type of land use for SPD. The data used in this research are Landsat 5 TM, Landsat 8 OLI/TIRS satellite images, landuse, population data, and administrative maps. The results of this research are that there is a connection and influence between changes in land use, especially the increase in built-up land and population density as well as a decrease in vegetation distribution on the Surface Temperature of Depok City in 2012-2019."

"Kota Metropolitan Bandung Raya mengalami perkembangan cukup pesat yang menyebabkan berkurangya lahan bervegetasi. Selain itu, perbedaan curah hujan pada setiap musim di tahun 2014 ndash; 2016 dapat mempengaruhi tingkat kehijauan vegetasi. Minimnya lahan bervegetasi menunjukan tingkat kehijauan yang rendah sehingga dapat memicu kenaikan suhu permukaan daratan. Pengolahan citra Landsat 8/OLI dengan menggunakan algoritma Land Surface Temperature LST untuk mengetahui suhu permukaan daratan dan Nomalized Difference Index Vegetation NDVI untuk kehijauan vegetasi. Data curah hujan harian selama 15 hari sebelum waktu perekaman citra dikaji untuk menunjukan variasi kehijauan vegetasi dan suhu permukaan daratan. Analisis dilakukan dengan menggunakan metode overlay peta dan perhitungan statistik. Hasil penelitian menunjukan variasi suhu permukaan daratan di bagian utara merupakan wilayah suhu rendah. Pada bagian tengah merupakan wilayah dengan suhu tinggi, sementara di bagian selatan merupakan wilayah suhu yang lebih rendah. Suhu permukaan daratan yang diperoleh paling rendah ialah 0,5 dan paling tinggi >35 C dengan nilai NDVI.

---

Metropolitan Bandung Raya experienced a rapid growth that caused the decreasing of vegetated land. In addition, rainfall differences in each season in 2014 2016 can affect the greenness of vegetation. The lack of vegetated land shows a low greenishness that can trigger an increase in surface temperatures. Landsat 8 OLI image processing using Land Surface Temperature LST algorithm to determine surface temperature of the land and Nomalized Difference Index Vegetation NDVI for green vegetation. Daily rainfall data for 15 days before the image recording time is examined to show variations of green vegetation and surface temperatures. The analysis is done by using map overlay and statistical calculation.

The results showed that the temperature of the mainland surface in the north is the low temperature region. In the middle is a region with high temperatures, while in the southern part is the region of lower temperatures. The lowest surface temperature of the land obtained is 0,5 and at most 35 C with NDVI value."