Hasil Pencarian  ::  Simpan CSV :: Kembali

"Padi mempunyai peran penting dalam menjamin ketahanan pangan di Indonesia, sehingga penelitian terkait lahan sawah sangat penting. Identifikasi lahan sawah dari data penginderaan jauh dengan akurasi yang tinggi di wilayah tropik Indonesia merupakan tantangan penelitian. Metode yang paling akurat untuk identifikasi lahan sawah adalah dengan menggunakan pendekatan fenologi dan integrasi data multi-sumber. Namun, pendekatan ini tidak mempertimbangkan karakteristik spektral dan temporal yang rinci. Penelitian ini mengusulkan penggabungan semua fitur spektral dan fitur temporal yang rinci dengan mempertimbangkan periode musim tanam padi dari data sensor optik Sentinel-2 dan sensor SAR Sentinel-1 dengan tujuan mendapatkan klasifikasi lahan sawah dengan akurasi tinggi. Metode identifikasi lahan sawah dalam penelitian ini meliputi pengolahan awal, ekstraksi fitur temporal dengan kuantil rinci, seleksi fitur spektro-temporal dengan menggunakan Leave-One-Out (LOO), fusi fitur dan klasifikasi dengan algoritma machine learning. Hasil penelitian menunjukkan bahwa klasifikasi lahan sawah terbaik adalah dengan menggunakan periode tanam pada musim hujan. Fitur spektral dan temporal (spektro-temporal) terbaik untuk data optik adalah kuantil 30% dan 90% dari Short Wave Infra-Red-1 (SWIR1), RedEdge-4 (RE4), RedEdge-1 (RE1), dan RedEdge-2 (RE2). Fitur spektro-temporal terbaik untuk data SAR adalah kuantil 10% dan 90% dari hamburan balik polarisasi vertical transmit - horizontal receive (VH). Hasil fitur yang dipilih menggambarkan fenologi pertumbuhan padi selama penggenangan, maksimum vegetatif dan bera (pasca panen). Penggabungan fitur spektro-temporal dari data optik dan SAR meningkatkan akurasi klasifikasi menjadi 95,06±0,50%.

---

Rice plays an important role in ensuring food security in Indonesia. Therefore, paddy fields related research is important. Identifying paddy fields with high accuracy using remote sensing is a challenging in Indonesia. The most accurate method for paddy fields identification is using phenological approach and multi-source data integration. However, these approaches do not consider the comprehensive spectral and temporal characteristic data in tropical regions. This research proposed the fusion of all spectral and detailed statistical temporal features considering the period of the paddy growing season from Sentinel-2 optical and Sentinel-1 SAR data to achieve a high accuracy paddy fields classification. The paddy fields identification method in this research starts with preprocessing, temporal feature extraction using detail quantile, spektro-temporal fetaure selection using Leave-One-Out (LOO), feature fusion, and then applied machine learning classification algorithm. The results show that the best paddy fields classification is using the planting period during the rainy season. The best spectral and temporal (spectro-temporal) features for optical data are the 30% and 90% quantiles of Short Wave Infra-Red 1 (SWIR1), RedEdge-4 (RE4), RedEdge-1 (RE1), and RedEdge-2 (RE2). The best spectro-temporal features for SAR data are the 10% and 90% quantiles of VH backscatter. The selected feature results describe the phenology of paddy growth during flooding, maximum vegetative and bare land (post-harvest). The spectro-temporal features fusion of optical and SAR data increased the classification accuracy to 95,06±0,50%."

"Kebakaran hutan dan lahan merupakan bencana yang memiliki dampak negatif dalam berbagai sektor. Identifikasi area bekas terbakar diperlukan dengan cepat untuk mengendalikan kebakaran hutan dan lahan. Penginderaan jauh merupakan teknologi yang umum digunakan untuk identifikasi area bekas terbakar, namun tidak banyak penelitian terkait kombinasi data penginderaan jauh optis dan SAR untuk identifikasi area bekas terbakar. Di samping itu, data penginderaan jauh SAR memiliki keunggulan sebagai teknologi yang dapat digunakan dalam berbagai kondisi cuaca. Penelitian ini bertujuan untuk mengevaluasi model area bekas terbakar menggunakan integrasi convolutional neural network (CNN) sebagai feature extractor dan random forest (RF) sebagai pengklasifikasi dengan pendekatan feature learning pada data Sentinel-1 dan Sentinel-2. Penelitian ini menguji lima skema yaitu: (1) hanya menggunakan data penginderaan jauh optis; (2) hanya menggunakan data penginderaan jauh SAR; (3) kombinasi data penginderaan jauh optis dan SAR hanya pada polarisasi VH; (4) kombinasi data penginderaan jauh optis dan SAR hanya pada polarisasi VV; serta (5) kombinasi data penginderaan jauh optis dan SAR dual polarisasi VH dan VV. Pengujian juga dilakukan terhadap pengklasifikasi CNN, pengklasifikasi RF, dan pengklasifikasi neural network (NN). Berdasarkan hasil overall accuracy pada lokasi penelitian, metode integrasi CNN dan RF memberikan hasil terbaik pada lima skema yang diujikan dengan overall accuracy tertinggi mencapai 92%. Hal ini menunjukan potensi metode integrasi CNN dan RF untuk digunakan dalam mengidentifikasi area bekas terbakar. Hasil estimasi luas area bekas terbakar pada lokasi penelitian dengan metode integrasi CNN dan RF pada model terbaik diperoleh seluas 57.899,91 hektar

---

Forest and land fires are disasters that have large impacts in various sectors. Burned area identification is needed to control forest and land fires. Remote sensing is used as common technology for rapid burned area identification. However, there are not many studies related to the combination of optical and SAR remote sensing data for burned area. In addition, SAR remote sensing data has the advantage of being a technology that can be used in various weather conditions. This study aims to evaluate burned area model using the integration of Convolutional Neural Network (CNN) as a feature extractor and Random Forest (RF) as classifiers on Sentinel-1 and Sentinel-2 data. This study tests five schemes: (1) using optical remote sensing data; (2) using SAR remote sensing data; (3) combination of optical and SAR data with VH polarization only; (4) combination of optical and SAR data with VV polarization only; and (5) combination of optical and SAR data with dual VH + VV polarization. The studies were also carried out on CNN classifier, RF classifier, and neural network (NN) classifier. Based on the results of the overall accuracy at the research site, the integration of CNN and RF method gave the best results in the five schemes tested with the highest overall accuracy reaching 92%. This shows the potential of the CNN and RF integration method to be used in identifying burned areas. The estimation result of the burned area at the research site using the best model of CNN and RF integration method is ​​57,899.91 hectares"

"Pulau Sumatera memiliki potensi panas bumi terbesar di Indonesia yang tersebar di sepanjang zona subduksi antara lempeng Hindia-Australia dan lempeng Eurasia, salah satunya adalah lapangan geothermal ldquo;A rdquo;. Secara umum, litologi di wilayah penelitian didominasi oleh batuan vulkanik yang berumur kuarter dengan manifestasi berupa fumarol dan mata air panas. Struktur geologi berupa patahan dan pendugaan intrusi batuan yang diidentifikasi sebagai heat source menjadi target dalam penelitian ini. Metode penginderaan jauh dengan analisis Fault Fracture Density FFD dilakukan untuk mengidentifikasi gejala struktur patahan di permukaan yang berasosiasi dengan manifestasi dan metode gravitasi dengan analisis First Horizontal Derivative FHD dan Second Vertical Derrivative SVD dilakukan untuk mengidentifikasi patahan di bawah permukaan. Hasil dari penelitian ini menunjukkan bahwa kemunculan manifestasi berada pada zona FFD tinggi dengan kerapatan sebesar 4 km/km2. Analisis data FHD dan SVD dapat mengkonfirmasi patahan berarah Barat Daya-Timur Laut, Barat Laut-Tenggara, dan struktur kaldera dengan jenis patahan keseluruhan berupa patahan normal. Hasil inversi 3D gravitasi mengidentifikasi batuan clay cap memiliki densitas 2.015 gr/cc sampai 2.24 gr/cc, batuan reservoir memiliki densitas 2.3 gr/cc sampai 2.4 gr/cc dan batuan heat source memiliki densitas 2.5 gr/cc sampai 2/8 gr/cc. Zona upflow terletak di bagian Barat wilayah penelitian dengan suhu reservoir berkisar antara 200°C-220°C.

---

Sumatra Island has the largest geothermal potential in Indonesia spread along the subduction zone between the Indies Australian plate and the Eurasian plate. ldquo A rdquo geothermal field is one of them. In general, lithology in the study area is dominated by quaternary volcanic rocks and it has some manifestations such as fumaroles and hot springs. This study is focus on identify the structure and intrusion that identified as a heat source.

Remote sensing methods with Fault Fracture Density FFD analysis were performed to identify symptoms of surface fractures associated with manifestations and gravity methods with First Horizontal Derivative FHD and Second Vertical Derivative SVD analyzes performed to identify subsurface fractures.

The results of this study indicate that the appearance of manifestation is in the high FFD zone with a density of 4 km km2. Analysis of FHD and SVD data can confirm the Southwest Northeast, Northwest Southeast fault, and caldera structure with the overall fracture type are normal fault.

The result of gravity 3D inversion identifies clay cap rock has density 2,015 gr cc to 2,24 gr cc, reservoir rock has density 2,3 gr cc to 2,4 gr cc and heat source rock has density 2.5 gr cc to 2 8 gr cc . The upflow zone is located in the west of the research area with reservoir temperatures ranging from 200°C 220°C."

"Tahun 2008 Kabupaten Kebumen dilanda kekeringan. Masyarakat kesulitan air bersih dan air irigasi menyusul menurunnya debit sumber air. Penggunaan data penginderaan jauh dan Sistem Informasi Geografis (SIG) dapat digunakan untuk mengidentifikasi potensi daerah rawan kekeringan. Transformasi citra satelit Landsat TM untuk mendapatkan indeks kecerahan, indeks ke basahan, dan indeks vegetasi digunakan untuk mengetahui kondisi permukaan dalam hubungannya dengan kekeringan. Indeks kecerahan dan indeks kebasahan diperoleh dari modifikasi tasseled cap, sedangkan indeks vegetasi diperoleh dari nilai normalized difference vegetation index (NDVI). Parameter lain seperti kondisi akuifer, curah hujan serta jenis penggunaan lahan pertanian kering merupakan faktor dalam mengidentifikasi kekeringan. Data-data tersebut dilakukan sesuai dengan deskripsi zona wilayahnya guna mendapatkan kajian wilayah dalam hubungannya dengan kekeringan. Hasil dari penelitian ini mengidentifikasikan bahwa sebagian kecamatan di Kabupaten Kebumen yang meliputi Karanggayam, Karangsambun g, Sadang, Alian, Puring, Klirong, Buluspesantren, Ambal, dan Mirit terdeteksi memiliki potensi kekeringan.

---

Kebumen regency was drought in year 2008, community clean water shortages and irrigation water following a decline in water resources. The use of remote sensing data and GIS can be used to identify the potential for drought-prone areas. Transformation of Landsat TM satellite imagery to obtain the brightness index, wetness index and vegetation index used to determine surface conditions in relation to drought. Brightness index and wetness index derived from the tasseled cap modifications, while the vegetation index derived from normalized difference vegetation index (NDVI) values. Other parameters such as aquifer conditions, rainfall and other types of dry agricultural land use was a factor in identifying drought. The data are performed in accord ance with the zone description in order to get the study area in relation to regional drought. The result of the research is identified area the district of Karangsambung, Karanggayam, Sadang, Alian, Puring, Klirong, Buluspesantren, Ambal and Mirit potential drought."

"Beras merupakan bahan pangan pokok dengan tingkat kebutuhan tinggi di kawasan Asia Tenggara, termasuk Indonesia yang menjadi produsen padi terbesar di kawasan ini. Sektor pertanian, khususnya produksi padi, berperan penting dalam mendukung misi Sustainable Development Goals (SDGs) untuk mencapai ketahanan pangan. Namun, tantangan seperti alih fungsi lahan dan perubahan iklim mengancam keberlanjutan produksi padi, termasuk di Kabupaten Indramayu, salah satu lumbung padi utama di Jawa Barat. Untuk mendukung pengelolaan lahan pertanian yang berkelanjutan, pemetaan padi berbasis pengindraan jauh menjadi solusi yang efisien, memanfaatkan teknologi satelit seperti Sentinel-2 dan Landsat-8. Penelitian ini bertujuan untuk memetakan distribusi padi di Kabupaten Indramayu dengan mengintegrasikan metode Convolutional Neural Network (CNN) untuk ekstraksi fitur spektral-temporal dan algoritma Extreme Gradient Boosting (XGBoost) untuk klasifikasi. Hasil penelitian menunjukkan bahwa skema fitur terbaik, yaitu kombinasi data Raw Spectral Bands dengan NDVI, menghasilkan tingkat Overall Accuracy tertinggi sebesar 98,90%. Selain itu, metrik evaluasi lainnya seperti Recall, Precision, dan F1-Score juga menunjukkan hasil tertinggi, masing-masing sebesar 98,90%, yang mencerminkan kemampuan model yang konsisten dalam membedakan area padi dan non-padi. Model CNN-XGBoost menunjukkan kinerja yang lebih baik dibandingkan model CNN murni, dengan akurasi yang lebih tinggi dan hasil evaluasi yang lebih optimal. Dengan memanfaatkan data multispektral dan multitemporal dari kedua satelit, penelitian ini memberikan kontribusi signifikan dalam mendukung pengambilan keputusan berbasis data untuk pengelolaan pertanian yang berkelanjutan, sekaligus memperkuat upaya ketahanan pangan nasional.

---

Rice is a staple food with high demand in Southeast Asia, including Indonesia, which is the largest rice producer in the region. The agricultural sector, particularly rice production, plays a crucial role in supporting the Sustainable Development Goals (SDGs) for achieving food security. However, challenges such as land conversion and climate change threaten the sustainability of rice production, including in Indramayu Regency, one of the main rice granaries in West Java. To support sustainable agricultural land management, rice mapping based on remote sensing provides an efficient solution, utilizing satellite technologies such as Sentinel-2 and Landsat-8. This study aims to map the distribution of rice in Indramayu Regency by integrating the Convolutional Neural Network (CNN) method for spectral-temporal feature extraction and the Extreme Gradient Boosting (XGBoost) algorithm for classification. The results show that the best feature scheme, a combination of Raw Spectral Bands and NDVI, achieves the highest Overall Accuracy of 98.90%. Additionally, other evaluation metrics such as Recall, Precision, and F1-Score also show the highest values, each at 98.90%, reflecting the model's consistent ability to distinguish between rice and non-rice areas. The CNN-XGBoost model outperforms the pure CNN model, with higher accuracy and better evaluation results. By utilizing multispectral and multitemporal data from both satellites, this study significantly contributes to data-driven decision-making for sustainable agricultural management, while strengthening national food security efforts."

"Pemetaan prospek geothermal di daerah ldquo;Sigma rdquo; dilakukan dengan pendekatan analisis data penginderaan jauh PJ dan diintegrasikan dengan data Geosains berupa Geokimia dan magnetotelluric MT . Hasil penelitian menunjukkan bahwa arah umum kelurusan yang berasosiasi dengan struktur geologi di daerah geothermal ldquo;Sigma rdquo; adalah NW-SE dengan sub-ordinate N-S dan NE-SW. Struktur N-S merupakan stuktur paling awal, mengontrol vulkanisme di kompleks G. Maria. Sedangkan struktur NE-SW yang bersifat ekstensional berkaitan dengan munculnya manifestasi di daerah S. Apas, dan struktur paling akhir berarah NW-SE yang merupakan hasil pergerakan transpressional, berperan sebagai boundary dalam sistem geothermal daerah ldquo;Sigma rdquo;. Berdasarkan analisis geokimia, manifestasi mata air panas dan mud pool di sekitar S. Apas merupakan manifestasi outflow dengan zona upflow diperkirakan berada di Tenggara puncak G.Maria. Estimasi temperatur reservoir berdasarkan geothermometer Na-K-Ca adalah 186 C. Berdasarkan model inversi 3D MT lapisan claycap resistivitas le; 20 ?m tersebar di bagian Tenggara puncak G. Maria, dengan TOR top of reservoir pada kedalaman sekitar 800 m. Posisi reservoir berada di atas suatu bentukan dome yang diinterpertasikan sebagai heat source. Sistem geothermal daerah ldquo;Sigma rdquo; adalah sistem Vulkanik-Hidrothermal berumur Kuarter dengan temperatur sedang. Litologi penyusun komponen sistem geothermal adalah produk G. Maria, berupa piroklastik dan lava. Daerah prospek geothermal daerah ldquo;Sigma rdquo; berada di Tenggara puncak G. Maria dengan luas sekitar 8 km2.

---

The geothermal prospectivity mapping in ldquo Sigma rdquo area is conducted by remote sensing data analysis approach, integrated with geoscience data which are geochemistry and magnetotelluric MT . The results shows that the general trend of the lineament associated with the geological structure in the geothermal region Sigma is NW SE with sub ordinate N S and NE SW. The structure of the N S is the earliest, controlling volcanism process in the Mount Maria complex. While the NE SW structure is extensional in relation to the emergence of manifestations in the S. Apas region, and the most recent NW SE trending structure which is the result of transpressional movement, acting as a boundary in the geothermal system of the Sigma area. Based on geochemistry analysis, the manifestation of hot springs and mud pools around S. Apas is an outflow manifestation with an estimated upflow zone located in the southeastern peak of Mount Maria. Estimated reservoir temperature based on Na K Ca geothermometer is 186 C. Based on the 3D MT inversion model, claycap layer resistivity le 20 m is spread over the southeastern peak of Mount Maria, with TOR top of reservoir at around 800 m depth. The reservoir position is above a dome that is interpreted as heat source. The geothermal system in ldquo Sigma rdquo area is a Quarternary Hydrothermal Volcanic System with medium temperature. The lithology composed this geothermal system is the product of Mount Maria, which are the pyroclastic and lava. The geothermal prospect area located in the Southeast of Mount Maria peak with an area of about 8 km2."

"Pemilihan ciri merupakan subyek penting dalam pengenalan pola. Tulisan ini merupakan hasil kajian metode pemilihanfitur atau ciri transformasi komponen utama pada data penginderaan jauh. Pada aplikasi penginderaan jauh dengansensor optik seperti Landsat TM, yang sensornya terdiri dari 7 panjang gelombang, akan diperoleh 7 citra fitur (multiband). Adanya kendala awan pada citra optik, telah menyebabkan adanya upaya penggunaan citra radar. Padainterpretasi citra radar, diperlukan analisis ciri tekstur yang merupakan hasil transformasi dari model tekstur terhadapdata aslinya. Untuk tujuan penyimpanan dan pemrosesan data, diusahakan hanya menggunakan sejumlah data yangterbatas, tetapi menghasilkan klasifikasi yang optimal. Pemilihan fitur merupakan suatu metode yang bertujuan untukmendapatkan subset fitur yang optimal. Pada tulisan ini memperkenalkan metode pemilihan fitur transformasikomponen utama yang diujicobakan terhadap dua data uji, yaitu citra optik (data citra daerah Jawa Tengah) dan citraradar (data citra daerah Sumatera Selatan) yang semuanya merupakan data skala kecil yaitu tiap-tiap data kurang dari 20ciri. Akurasi klasifikasi rata-rata yang didapat dengan metode transformasi komponen utama untuk kedua data ujisecara berturut-turut adalah sebagai berikut: pada data citra daerah Jawa Tengah sebesar 91,86% dan pada data citradaerah Sumatera Selatan sebesar 86,58%."

"Panas Bumi merupakan salah satu sumber energi alternatif yang memiliki potensi cukup baik di Indonesia. Tujuan dari penelitian adalah dua hal yaitu: mengetahui apakah kondisi reservoir panas bumi sesuai dengan standar pemanfaatan energi panas bumi, dan mengetahui apakah permeabilitas cukup baik untuk aliran fluida panas bumi. Penelitian dilakukan di wilayah Gou, Kabupaten Ngada, Provinsi Nusa Tenggara Timur Metode pengolahan data yang akan digunakan terfokus pada analisa geokimia air dan penginderaan jauh. Berdasarkan kondisi kerapatan kelurusan yang merupakan hasil analisa penginderaan jauh, wilayah penelitian memiliki zona permeabilitas yang baik. . Berdasarkan kondisi suhu permukaan dengan metode LST dan indeks vegetasi dengan metode NDVI yang merupakan hasil analisa penginderaan jauh, wilayah penelitian memiliki rentang suhu 6˚ C sampai 37˚ C, dengan tingkatan indeks vegetasi dari vegetasi rendah sampai vegetasi sedang. Berdasarkan kondisi fluida hidrotermal hasil analisa geokimia air menjelaskan bahwa tipe air panas bumi pada wilayah penelitian merupakan air sulfat-klorida dan air bikarbonat. Sumber air panas diinterpretasikan dari satu reservoir dengan zonasi terbagi menjadi zona upflow dan outflow. Kondisi kematangan dan kesetimbangan air pada wilayah penelitian merupakan immature waters dengan perkiraan mengalami pengenceran dengan air meteorik. Hasil analisa baik untuk penginderaan jauh ataupun geokimia air menunjukkan bahwa prospek pada wilayah penelitian cukup baik dan dapat dilakukan investigasi atau eksplorasi lebih lanjut.

---

Geothermal is one of the alternative energy sources that has quite good potential in Indonesia. The purpose of the study is two things, namely: knowing whether the conditions of the geothermal reservoir are in accordance with geothermal energy utilization standards, and knowing whether the permeability is good enough for geothermal fluid flow. The research was conducted in the Gou area, Ngada Regency, East Nusa Tenggara Province The data processing method to be used focused on water geochemical analysis and remote sensing. Based on the straightness density conditions which are the results of remote sensing analysis, the research area has a good permeability zone. . Based on surface temperature conditions with the LST method and vegetation index with the NDVI method which is the result of remote sensing analysis, the study area has a temperature range of 6 ° C to 37 ° C, with a vegetation index level from low vegetation to medium vegetation. Based on the condition of the hydrothermal fluid, the results of geochemical analysis of water explain that the type of geothermal water in the study area is sulfate-chloride water and bicarbonate water. Hot springs are interpreted from one reservoir with zoning divided into upflow and outflow zones. The condition of maturity and water equilibrium in the study area is immature waters with estimates of dilution with meteoric water. The results of analysis for both remote sensing and water geochemistry show that the prospects in the research area are quite good and can be investigated or further explored."

"Pertumbuhan ekonomi yang pesat dapat berpengaruh pada perkembangan area pertambangan, sehingga diperlukan eksplorasi mineral berkelanjutan sebagai solusi permasalahan tersebut dengan menggunakan penginderaan jauh sebagai langkah awal eksplorasi. Penelitian ini bertujuan untuk mengidentifikasi zona alterasi pada daerah Bojong dan sekitarnya, zona alterasi tersebut ditentukan berdasarkan persebaran mineral penciri alterasi hidrotermal seperti klorit, alunit, epidot, serisit, illit, dan muskovit. Metode yang digunakan merupakan Principal Component Analysis (PCA) dan Band Ratio (BR), hasil analisis metode penginderaan jauh diverifikasi dengan studi lapangan dan analisis petrografi. Hasil penelitian ini berdasarkan integerasi metode PCA dan BR serta validasi studi lapangan menunjukkan bahwa zona alterasi hidrotermal yang ditemukan merupakan alterasi propilitik serta ditemukan mineral alterasi yang dapat ditambang berupa mineral zeolit. Zona alterasi hidrotermal dan persebaran mineral alterasi pada daerah penelitian teridentifikasi berada tersebar pada bagian selatan dan tenggara.

---

Rapid economic growth can affect the development of mining areas, so suistainable mineral exploration is needed as a solution to problems by using remote sensing as the first step in exploration. This study aims to identify alteration zones in the Bojong area and its surroundings, the alteration zones are determined based on the distribution of minerals characteristic of hydrothermal alteration such as chlorite, alunite, epidote, sericite, illite, and muscovite. The methods used are Principal Component Analysis (PCA) and Band Ratio (BR), the results of the analysis of remote sensing methods are validated by field studies and petrographic analysis. The results of this study based on the integration of the PCA and BR methods as well as the verification of filed studies show that the hydrothermal alteration zones found are porphylitic alteration and the alteration minerals found to be minable are zeolite minerals. The hydrothermal alteration zone and the distribution of alteration minerals in the identified research area are scattered in the south and southeast."

"Indonesia memiliki potensi panasbumi terbesar di dunia karena letak Indonesia yang berada pada jalur gunungapi aktif atau disebut juga sebagai zona ring of fire. Salah satu lapangan panasbumi yang berada di Indonesia adalah lapangan panasbumi Ulubelu, yang terletak di Kabupaten Tanggamus, Provinsi Lampung. Kegiatan eksplorasi merupakan salah satu cara yang dilakukan untuk memanfaatkan sumberdaya panasbumi. Penelitian ini dilakukan untuk memetakan zona yang memiliki potensi panasbumi menggunakan metode penginderaan jauh yang berfokus pada analisis terhadap temperatur permukaan (LST) dan densitas kelurusan (FFD). Metode penginderaan jauh tersebut kemudian akan diintegrasikan menggunakan metode geokimia berupa data manifestasi daerah penelitian. emperatur permukaan tertinggi pada daerah penelitian sebesar 35.55˚C dan arah kelurusan dominan berorientasi baratlaut – tenggara (NW – SE) dengan nilai densitas kelurusan tertinggi sebesar 2,016.02 kilometer. Aliran fluida mengalir dari zona uplow yaitu dari arah utara daerah penelitian menuju zona outflow yang berada di bagian selatan. Arah aliran fluida dilakukan dengan melihat tipe air, jenis manifestasi, dan elevasi daerah penelitian. Berdasarkan hasil penelitian, didapatkan tiga (3) zona yang memiliki potensi panasbumi, yaitu zona UBL-1, UBL-2, dan UBL-3. Zona UBL-1 merupakan area yang memiliki potensi panasbumi terbesar, sedangkan Zona UBL-3 merupakan zona dengan potensi panasbumi terkecil. Hal tersebut dilihat berdasarkan karakteristik temperatur permukaan, kerapatan struktur, keberadaan manifestasi, arah aliran fluida, serta luas area yang dimiliki. Indonesia memiliki potensi panasbumi terbesar di dunia karena letak Indonesia yang berada pada jalur gunungapi aktif atau disebut juga sebagai zona ring of fire. Salah satu lapangan panasbumi yang berada di Indonesia adalah lapangan panasbumi Ulubelu, yang terletak di Kabupaten Tanggamus, Provinsi Lampung. Kegiatan eksplorasi merupakan salah satu cara yang dilakukan untuk memanfaatkan sumberdaya panasbumi. Penelitian ini dilakukan untuk memetakan zona yang memiliki potensi panasbumi menggunakan metode penginderaan jauh yang berfokus pada analisis terhadap temperatur permukaan (LST) dan densitas kelurusan (FFD). Metode penginderaan jauh tersebut kemudian akan diintegrasikan menggunakan metode geokimia berupa data manifestasi daerah penelitian. emperatur permukaan tertinggi pada daerah penelitian sebesar 35.55˚C dan arah kelurusan dominan berorientasi baratlaut – tenggara (NW – SE) dengan nilai densitas kelurusan tertinggi sebesar 2,016.02 kilometer. Aliran fluida mengalir dari zona uplow yaitu dari arah utara daerah penelitian menuju zona outflow yang berada di bagian selatan. Arah aliran fluida dilakukan dengan melihat tipe air, jenis manifestasi, dan elevasi daerah penelitian. Berdasarkan hasil penelitian, didapatkan tiga (3) zona yang memiliki potensi panasbumi, yaitu zona UBL-1, UBL-2, dan UBL-3. Zona UBL-1 merupakan area yang memiliki potensi panasbumi terbesar, sedangkan Zona UBL-3 merupakan zona dengan potensi panasbumi terkecil. Hal tersebut dilihat berdasarkan karakteristik temperatur permukaan, kerapatan struktur, keberadaan manifestasi, arah aliran fluida, serta luas area yang dimiliki.

---

Indonesia has the largest geothermal potential in the world due to its location in the active volcanic belt or also known as the ring of fire zone. One of the geothermal fields in Indonesia is the Ulubelu geothermal field, located in Tanggamus Regency, Lampung Province. Exploration activities are one of the ways to utilize geothermal resources. This research is conducted to map the zones that have geothermal potential using remote sensing methods that focus on the analysis of surface temperature (LST) and straightness density (FFD). The remote sensing method will then be integrated using geochemical methods in the form of manifestation data of the research area. The highest surface temperature in the research area is 35.55˚C and the dominant alignment direction is oriented northwest - southeast (NW - SE) with the highest alignment density value of 2,016.02 kilometers. The fluid flow flows from the upflow zone in the north of the study area to the outflow zone in the south. The direction of fluid flow is done by looking at the type of water, the type of manifestation, and the elevation of the research area. Based on the results of the research, three (3) zones were found to have geothermal potential, namely zones UBL-1, UBL-2, and UBL-3. Zone UBL-1 is the area with the largest geothermal potential, while Zone UBL-3 is the zone with the smallest geothermal potential. This is based on the characteristics of surface temperature, structure density, manifestation presence, fluid flow direction, and area."