Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKKota Depok yang mempunyai luas wilayah sekitar 20.029 ha, tidak terlepas dari fenomena dinamika perubahan lahan akibat pertambahan penduduk terus menerus. Apabila proses ini dibiarkan maka akan terjadi pergeseran penggunaan lahan yang semakin tidak terkendali. Prediksi penggunaan lahan menjadi salah satu alternatif sebagai antisipasi pengendalian penggunaan lahan yang berlebihan dimasa yang akan datang . Penelitian ini bertujuan untuk melakukan pemodelan untuk memprediksi perubahan penggunaan lahan di Kota Depok tahun 2030 menggunakan aplikasi Cellular Automata-Markov dengan metode Jaringan Syaraf Tiruan, lalu membandingkannya dengan Rencana Tata Ruang Wilayah RTRW kota Depok sebagai salah satu instrumen perencanaan. Hasil penelitian menunjukan perubahan penggunaan lahan dari tahun 1998 ndash; 2013. Penambahan luas penggunaan lahan terjadi pada permukiman sebesar 7254 ha Kecamatan Limo dan Sukmajaya , pertanian/tegalan/ladang sebesar 3327, semak/tanah terbuka dan badan air masing ndash; masing 395 ha dan 451 ha Penurunan secara besar terjadi pada kebun/vegetasi dan sawah yaitu sebesar 9707 ha dan 1350 ha. Prediksi penggunaan lahan menunjukan penambahan luas penggunaan lahan terjadi pada kebun Kecamatan Tapos sebesar 1813 ha, permukiman sebesar 391 ha Kecamatan Beji, Pancoran Mas, Sukmajaya , dan sawah sebesar 864 ha. Penurunan secara besar terjadi pada pertanian yaitu sebesar 1971 ha dan semak/tanah terbuka sebesar 1079 ha. Prediksi perubahan penggunaan lahan di Kota Depok untuk tahun 2030 pada memiliki nilai Kappa sebesar 0.68 akurasi 68 . Setelah dibandingkan dengan RTRW setidaknya terdapat kemiripan sebesar 13.700 ha atau 68 luas total Kota Depok. Setidaknya sekitar 12516 ha permukiman kepadatan tinggi, 1549 ha untuk Ruang Terbuka Hijau, dan 80 ha untuk Daerah Resapan Air.

---

ABSTRACTDepok city which has an area of about 20,029 ha, is inseparable from the phenomenon of the dynamics of land use change due to the continuous population growth. If the process is allowed then there will be a huge shift and uncontrolled in land use . Land use prediction is one of the alternatives in anticipation of excessive land use control in the future. This study aims to model the prediction of land use change in Depok City by 2030 using Cellular Automata Markov application with Artificial Neural Network method and compare it with Spatial Planning RTRW of Depok as one of the planning instruments. The results of the study show the land use change from 1998 to 2013. The increase of land use occurred in settlements of 7254 ha Limo and Sukmajaya SubDistrct , agriculture of 3327ha, shrubs open land and water bodies of 395 ha and 451 ha. The large decrease occurred in the garden vegetation and rice fields that amounted to 9707 ha and 1350 ha. Land use prediction shows the increase of land use occurred in the vegetation Tapos Sub District of 1813 ha, settlements of 391 ha Beji, Pancoran Mas, Sukmajaya Sub District , and rice field of 864 ha. A large decrease occurred in agriculture that amounted to 1971 ha and shrub open land of 1079 ha. The prediction of land use change in Depok for 2030 has a Kappa value of 0.68 68 accuracy . After comparison with RTRW, there is at least 13,700 ha or 68 of total Depok City. At least around 12516 ha of high density settlements, 1549 ha for the Green Open Space, and 80 ha for the Water Catchment Area."

"This book constitutes the refereed proceedings of the 10th International Conference on Cellular Automata for Research and Industry, ACRI 2012, held in Santorini Island, Greece, in September 2012. The 88 revised papers were carefully selected from numerous submissions. In order to give a perspective in which both theoretical and applicational aspects of cellular automata contribute to the growth of the area, this book mirrors the structure of the conference, grouping the 88 papers into two main parts. The first part collects papers presented as part of the main conference and organized according to six main topics: theoretical results on cellular automata; cellular automata dynamics, control and synchronization; cellular automata and networks; modeling and simulation with cellular automata; cellular automata-based hardware and architectures; codes, pseudorandom number generators and cryptography with cellular automata. The second part of the volume is dedicated to contributions presented during the ACRI 2012 workshops on theoretical advances, specifically asynchronous cellular automata, and challenging application contexts for cellular automata: crowds and CA, traffic and CA, and the satellite Workshop on cellular automata of cancer growth and invasion."

"Cellular automata dapat digunakan untuk memodelkan arus lalulintas kendaraan di jalan raya. Karena karakteristik cellular automata dimana perubahan status sel-selnya dapat dilakukan secara bersamaan maka simulasi arus lalulintas kendaraan dengan cellular automata dapat diimplementasikan pada lingkungan paralel. Dalam tugas akhir ini penulis mengimplementasikan pemodelan arus lalulintas dengan cellular automata untuk simulasi arus lalulintas kendaraan di jalan raya. Pemodelan arus lalulintas yang diimplementasikan mencakup model binarystate, model multi-speed dan model two-lane. Hasil implementasi menunjukkan bahwa cellular automata dapat digunakan untuk membuat simulasi arus lalulintas di jalan raya dan dapat mensimulasikan beberapa keadaan jalan seperti lampu lalulintas dan adanya jalur masuk dan keluar kendaraan pada ruas jalan.Dalam tugas akhir ini penulis juga mengimplementasikan simulasi arus lalulintas dengan cellular automata ini pada lingkungan paralel. Lingkungan paralel yang digunakan adalah sistem distributed memory yang semua prosesornya memiliki kekuatan komputasi yang sama. Pembagian komputasi pada task-task dilakukan dengan pendekatan domain decomposisition dan proses komunikasi antar task dilakukan untuk sinkronisasi boundary. Hasil percobaan simulasi menunjukkan bahwa percepatan komputasi paralel terjadi untuk panjang jalan dan jumlah prosesor diatas batas tertentu. Hasil percobaan simulasi juga menunjukkan bahwa percepatan komputasi paralel yang dihasilkan dipengaruhi oleh jumlah prosesor yang digunakan, panjang jalan yang disimulasikan dan tingkat kerumitan model yang digunakan."