Hasil Pencarian  ::  Simpan CSV :: Kembali

"Banjir merupakan bencana besar yang kerap kali melanda Indonesia. Jakarta sebagai Ibukota beberapa tahun sekali mengalami banjir besar ini. Salah satu wilayah yang mengalami dampak negatif bencana ini ialah Kampung Melayu, Jakarta Timur. Terletak dekat daerah aliran sungai Ciliwung, bencana banjir di Kampung Melayu tak terelakkan terjadi. Penelitian ini bertujuan untuk membuat sistem deteksi bencana banjir di Kampung Melayu dengan implementasi algoritma Random Forest. Temperatur, tekanan udara, intensitas curah hujan, intensitas radiasi sinar matahari dan kelembaban relatif dari Stasiun Cuaca Citeko digunakan sebagai dataset dengan data tambahan berupa tinggi muka air di Pos Air Bendung Katulampa, Pos Air Depok dan Pos Air Manggarai. Hasil prediksi berupa empat kelas klasifikasi status siaga banjir dari tiap pos. Selain menggunakan algoritma Random Forest, penelitian ini juga menggunakan algoritma Decision Tree sebagai pembanding untuk melihat kinerja terbaik dari keduanya. Kedua algoritma ini merupakan metode yang kerap kali digunakan untuk pemodelan data time -series. Random Forest mencapai akurasi sebesar 99,17% dan Decision Tree mencapai 98,90%. Hasil ini menunjukkan bahwa sistem deteksi bencana banjir di Kampung Melayu, Jakarta dapat bekerja lebih baik dengan pengimplementasian Random Forest.

---

Flooding is a severe disaster that happens frequently in Indonesia. Jakarta, as the capital city of Indonesia, experiences this big flood every few years. One of the areas which experienced the negative impact of this disaster was Kampung Melayu, East Jakarta. Located near the Ciliwung river basin, flooding in Kampung Melayu is inevitable. The research aims to create a flood detection system in Kampung Melayu with the implementation of the Random Forest algorithm. Temperature, air pressure, rainfall, solar radiation, and relative humidity from the Citeko Weather Station were used as datasets with the addition of water level at the Katulampa Dam Water Post, Depok Water Post, and Manggarai Water Post. Prediction results in the form of four classes of flood alert status classification from each water post. In addition to using the Random Forest algorithm, this research also uses the Decision Tree algorithm as a comparison to see the best performance of the two algorithms. Both algorithms are methods which often used for time – series data modelling. Random Forest achieved 99,17% accuracy and Decision Tree achieved 98,90%. These results show that the flood detection system in Kampung Melayu, Jakarta can work better with the implementation of Random Forest. "

"Secara geografis, Jakarta dibagi menjadi hulu dari 13 sungai dan terletak di daerah dataran rendah (Napier, 2021). Menurut laporan BPBD DKI Jakarta tahun 2018, terdapat 7.228 rumah tangga atau 11.450 orang yang terdampak banjir pada Selasa sore, 6 Februari 2018. Salah satu pendekatan pengurangan banjir yang mengurangi kerusakan akibat banjir adalah bendungan kering. Bendungan kering adalah daerah tangkapan yang dirancang untuk menampung kelebihan air selama banjir sambil memungkinkan air mengalir bebas dalam situasi normal. Ini adalah metode mitigasi banjir jangka pendek yang menahan air untuk durasi singkat sebelum melepaskannya secara bertahap untuk mencegah banjir di hilir. Analisis efektivitas bendungan kering dilakukan dengan analisis daerah aliran sungai menggunakan ArcGIS, curah hujan rancangan, analisis model hidrologi menggunakan HEC-HMS, dan analisis model tingkat air menggunakan HEC-RAS dengan dan tanpa bendungan untuk periode ulang 50 tahun, 100 tahun, dan banjir maksimum yang mungkin terjadi (PMF). Hasil perbandingan pengurangan banjir dan tingkat air dianalisis berdasarkan perubahan debit, tingkat air di Bendung Katulampa, dan tingkat peringatan di Bendung Katulampa. Debit dari pemodelan dikalibrasi dengan data aktual menggunakan analisis NSE, yang menghasilkan nilai 0,872; diklasifikasikan sebagai baik. Tingkat air dan tingkat peringatan untuk Tr 50 tahun di Bendung Katulampa berubah dari 2,59 m menjadi 1,98 m atau sebesar 24%, dan tingkat peringatan turun dari level 1 ke level 2. Namun, untuk Tr 100 tahun, tingkat peringatan tidak berubah karena tetap tercatat pada level 1, dan model PMF tidak dapat ditampung oleh bendungan karena melebihi elevasi maksimum.

---

Geographically, Jakarta becomes the headwaters of 13 rivers and is located in the lowlands area. (Napier, 2021). According to the DKI Jakarta BPBD report 2018, there were 7,228 households or 11,450 people affected by the floods on Tuesday afternoon, 6th February 2018. One of flood reduction approaches that reduce the damage caused by flooding is dry dam. Dry dams are catchment areas designed to hold surplus water during flooding while allowing water to flow freely under normal situations. This is a short-term flood mitigation method that holds water for short duration before gradually releasing it to prevent downstream flooding. The analysis of effectiveness of dry dams conducted by watershed analysis on ArcGIS, design rainfall, hydrological model analysis on HEC HMS, and water level model analysis on HEC-RAS with and without dams for 50, 100 years, and probable maximum flood (PMF) return period. The comparison between result in flood reduction and water level would be analyzed as the changes in discharge, water level at Katulampa Weir, and warning level at Katulampa Weir. The discharge from modelling calibrated to the actual data by NSE analysis, which resulted in 0.872; classified as good. The water level and warning level were resulted for Tr 50 years at Katulampa Weir changed from 2.59 m to 1.98 m by 24% and so the warning level from level 1 to level 2. However, for TR 100 years the warning level did not change as it was recorded at level 1 and the PMF model could not be accommodated by the dams as it exceeded the maximum elevation."

"Indonesia seringkali mengalami bencana alam, pada tahun 2008 Indonesia termasuk dalam 10 besar negara di dunia yang selalu mengalami bencana. Bencana terbesar yang terjadi adalah bencana hidrologi yang berhubungan dengan banjir, yaitu sekitar 34%. Ini mengindikasikan bahwa kejadian banjir perlu ditangani secara seksama oleh berbagai pihak. Pendekatan yang digunakan adalah secara nonstruktur dengan mengembangkan sistem peringatan dini banjir, menggunakan pemdektan pemodelan hidrologi dan hidraulik untuk menentukan karakteristik aliran banjir. Input yang dipakai dalam model menggunakan beberapa sumber data, seperti data pengamatan lapangan dengan sistem pengiriman data secara telemetri, data radar, satelit, dan data prakiraan hujan dari berbagai Numerical Weather Prediction (NWP) serta prakiraan muka air laut dengan menggunakan Astronomical Tide dan South China Sea Model. Penggunaan beberapa sumber data dimaksudkan untuk memperpanjang lead time yang dihasilkan oleh model. Sistem peringatan dini banjir Jakarta (J-FEWS) telah dioperasikan secara perdana untuk kejadian banjir pada akhir tahun 2012 dan awal tahun 2013. Hasil yang diperoleh menunjukkan bahwa sistem berjalan dengan baik meskipun hasil prakiraan masih memerlukan perbaikan, terutama data curah hujan yang digunakan (baik data pengamatan maupun data prakiraan). Penggunaan hujan prakiraan dapat menghasilkan lead time yang lebih panjang, tetapi akurasi prakiraan model menjadi berkurang."

"Banjir merupakan bencana besar yang kerap kali melanda Indonesia. Jakarta sebagai Ibukota beberapa tahun sekali mengalami banjir besar ini. Salah satu wilayah yang mengalami dampak negatif bencana ini ialah Kampung Melayu, Jakarta Timur. Terletak dekat daerah aliran sungai Ciliwung, bencana banjir di Kampung Melayu tak terelakkan terjadi. Penelitian ini bertujuan untuk membuat sistem deteksi bencana banjir di Kampung Melayu dengan implementasi algoritma Random Forest. Temperatur, tekanan udara, intensitas curah hujan, intensitas radiasi sinar matahari dan kelembaban relatif dari Stasiun Cuaca Citeko digunakan sebagai dataset dengan data tambahan berupa tinggi muka air di Pos Air Bendung Katulampa, Pos Air Depok dan Pos Air Manggarai. Hasil prediksi berupa empat kelas klasifikasi status siaga banjir dari tiap pos. Selain menggunakan algoritma Random Forest, penelitian ini juga menggunakan algoritma Decision Tree sebagai pembanding untuk melihat kinerja terbaik dari keduanya. Kedua algoritma ini merupakan metode yang kerap kali digunakan untuk pemodelan data time -series. Random Forest mencapai akurasi sebesar 99,17% dan Decision Tree mencapai 98,90%. Hasil ini menunjukkan bahwa sistem deteksi bencana banjir di Kampung Melayu, Jakarta dapat bekerja lebih baik dengan pengimplementasian Random Forest.

---

Flooding is a severe disaster that happens frequently in Indonesia. Jakarta, as the capital city of Indonesia, experiences this big flood every few years. One of the areas which experienced the negative impact of this disaster was Kampung Melayu, East Jakarta. Located near the Ciliwung river basin, flooding in Kampung Melayu is inevitable. The research aims to create a flood detection system in Kampung Melayu with the implementation of the Random Forest algorithm. Temperature, air pressure, rainfall, solar radiation, and relative humidity from the Citeko Weather Station were used as datasets with the addition of water level at the Katulampa Dam Water Post, Depok Water Post, and Manggarai Water Post. Prediction results in the form of four classes of flood alert status classification from each water post. In addition to using the Random Forest algorithm, this research also uses the Decision Tree algorithm as a comparison to see the best performance of the two algorithms. Both algorithms are methods which often used for time – series data modelling. Random Forest achieved 99,17% accuracy and Decision Tree achieved 98,90%. These results show that the flood detection system in Kampung Melayu, Jakarta can work better with the implementation of Random Forest.

"

"Banjir di Jakarta merupakan masalah yang kompleks yang dipengaruhi oleh kombinasi faktor geografis, sosial, ekonomi, dan lingkungan. Studi ini berfokus pada prediksi banjir dengan membandingkan data stasiun darat Automatic Rain Gauge (ARG) dan data satelit Climate Hazards Group InfraRed Precipitation (CHIRPS) menggunakan Adaptive Neurofuzzy Inference System (ANFIS) yang terintegrasi dengan Principal Component Analysis (PCA). Dataset mencakup pengukuran curah hujan dari ARG dan CHIRPS, serta data ketinggian air dari tahun 2014 hingga 2020. ARG menyediakan data curah hujan lokal yang akurat, sementara CHIRPS menawarkan cakupan curah hujan regional yang luas. Teknik praproses seperti imputasi rata-rata, normalisasi data, dan metode interquartile range (IQR) digunakan untuk meningkatkan kualitas data. Model ANFIS-PCA, yang mengintegrasikan logika fuzzy dan pelatihan jaringan saraf tiruan, diterapkan dengan pembagian data 80:20 untuk pelatihan dan validasi. Ketika dilatih dengan data stasiun darat ARG dan pengukuran ketinggian air, model ANFIS-PCA menunjukkan akurasi yang superior, dengan root mean square error (RMSE) sebesar 0,13, mean absolute error (MAE) sebesar 0,12, dan R² sebesar 0,82. Sebaliknya, model ANFIS tanpa PCA menghasilkan kesalahan yang lebih tinggi, dengan RMSE 6,3, MAE 6,2, dan R² 0,74. Pelatihan dengan data satelit CHIRPS menghasilkan kesalahan yang jauh lebih tinggi (RMSE 30,14, MAE 24,05, R² 0,42). Sedangkan hasil ANFIS – PCA menghasilkan akurasi yang lebih bagus (RMSE 4,8, MAE 2,0 dan R² 0,55) . Hasil penelitian menunjukkan bahwa ANFIS-PCA memiliki kinerja yang lebih baik dibandingkan model ANFIS tanpa PCA, terutama ketika dilatih dengan data dari stasiun darat. Integrasi PCA berhasil mengurangi dimensi data, meningkatkan efisiensi komputasi dan akurasi model. Selain itu hasil ini juga menegaskan keunggulan pengukuran curah hujan data ground station untuk prediksi banjir, mempunyai angka presisi yang lebih tinggi dan kerentanan yang lebih rendah terhadap kesalahan dibandingkan data satelit. Sementara itu data satelit CHIRPS menawarkan cakupan spasial yang lebih luas.

---

Flooding in Jakarta is a complex issue influenced by a combination of geographical, social, economic, and environmental factors. This study focuses on flood prediction by comparing ground station data from Automatic Rain Gauges (ARG) and satellite data from the Climate Hazards Group InfraRed Precipitation (CHIRPS) using the Adaptive Neuro-Fuzzy Inference System (ANFIS) integrated with Principal Component Analysis (PCA). The dataset includes rainfall measurements from ARG and CHIRPS, as well as water level data from 2014 to 2020. ARG provides accurate local rainfall data, while CHIRPS offers broad regional precipitation coverage. Preprocessing techniques such as mean imputation, data normalization, and the interquartile range (IQR) method were employed to enhance data quality.

The ANFIS-PCA model, which integrates fuzzy logic and neural network training, was implemented using an 80:20 data split for training and validation. When trained with ARG ground station data and water level measurements, the ANFIS-PCA model demonstrated superior accuracy, achieving a root mean square error (RMSE) of 0.13, mean absolute error (MAE) of 0.12, and R² of 0.82. In contrast, the ANFIS model without PCA yielded higher errors, with RMSE of 6.3, MAE of 6.2, and R² of 0.74. Training with CHIRPS satellite data resulted in significantly higher errors (RMSE 30.14, MAE 24.05, R² 0.42). Meanwhile, the ANFIS-PCA model trained on combined datasets showed improved performance, achieving RMSE of 4.8, MAE of 2.0, and R² of 0.55.

The results indicate that the ANFIS-PCA model outperforms the ANFIS model without PCA, particularly when trained with ground station data. The integration of PCA successfully reduced data dimensionality, improving computational efficiency and model accuracy. Furthermore, the findings reaffirm the superiority of ground-based measurements for flood prediction due to their higher precision and lower susceptibility to errors compared to satellite-derived data, while CHIRPS satellite data offers wider spatial coverage."

"Wilayah pesisir adalah salah satu wilayah yang sangat rentan bencana. Salah satu bencana yang perlu mendapat perhatian serius di daerah pesisir termasuk di kota Jakarta adalah bencana yang disebabkan oleh banjir pantai. Permasalahan utama adalah saat ini belum tersedia sistem peringatan dini banjir pantai di Jakarta. Tujuan penelitian ini adalah membangun model sistem peringatan dini banjir pantai dengan memperhitungkan berbagai faktor dan menganalisis tingkat penerimaan masyarakat pada pengembangan sistem peringatan dini banjir pantai di daerah pesisir Jakarta. Metode yang digunakan adalah Mix Method (Kuantitatif dan Kualitatif). Pengembangan model dilakukan dengan memperhitungkan faktor meteorologi, klimatologi, oseanografi dan hidrologi dan juga melakukan analisis pada penerimaan masyarakat dengan deskripsi statistik, tabulasi silang dan analisis jalur. Hasil penelitian menunjukkan perbandingan tinggi muka laut pada saat kejadian banjir pantai antara model dan data observasi pada tanggal 29 Mei – 8 Juni 2016, 3 Januari – 13 Januari 2017 dan 28 November – 8 Desember 2017 menunjukkan korelasi yang baik yaitu nilai r masing - masing, 0,98, 0,99, dan 0,96. Hasil simulasi pada tanggal 5 Desember 2017 menunjukkan peta genangan dengan dampak terparah ada di wilayah Tanjung Priok, Marunda, Kalibaru dan Kamal Muara. Hasil analisis penerimaan masyarakat memperlihatkan adanya hubungan antara pengetahuan dan persepsi pada sikap masyarakat merespon model peringatan dini banjir pantai. Berdasarkan hasil penelitian dapat disimpulkan bahwa model yang dibangun dalam penelitian dapat digunakan sebagai sistem peringatan dini dalam mitigasi banjir pantai bagi masyarakat di pesisir Jakarta.

---

The coastal area is one of the areas that are very vulnerable to disasters. One of the catastrophes that need serious attention in coastal areas, including in Jakarta, is a disaster caused by coastal flooding. The main problem is that currently, there is no coastal flood early warning system in Jakarta. This research aims to build a model of coastal flood early warning system by taking into account various factors and analyzing the level of public acceptance on the coastal flood early warning system in development in the coastal areas of Jakarta. The method used is the Mix Method (Quantitative and Qualitative). Model development is carried out by considering meteorological, climatological, oceanographic, and hydrological factors and conducting analysis on public acceptance with statistical descriptions, cross - tabulation, and path analysis. The results show the comparison of sea level between the model and the observation data at the time of coastal flooding on 29 May - 8 June 2016, 3 January - 13 January 2017 and 28 November - 8 December 2017 showed a good correlation, namely the respective r values, 0,98, 0,99, and 0,96. The simulation results on 5 December 2017 depict inundation maps with the worst impacts in the Tanjung Priok, Marunda, Kalibaru, and Kamal Muara areas. The public acceptance analysis results show that there is a relationship between knowledge and perceptions of people's attitudes in responding to the coastal flood early warning model. From the results of the study, it can be concluded that the model built in the study can be used as an early warning system in coastal flood mitigation for communities on the coast of Jakarta."

"Abstrak Berbahasa Indonesia/Berbahasa Lain (Selain Bahasa Inggris): Banjir rob merupakan salah satu ancaman bagi wilayah pesisir terutama pesisir utara Pulau Jawa. Wilayah pesisir Kabupaten Tangerang sendiri memiliki riwayat tentang kejadian banjir rob yang setiap tahun terjadi. Tingkat bahaya banjir rob dapat diukur berdasarkan karakteristik banjir yang meliputi tinggi banjir, lama banjir, dan frekuensi banjir. Tingkat kerentanan didapatkan berdasarkan tingkat bahaya banjir rob dan kondisi fisik, sosial, dan ekonomi suatu wilayah. Kondisi tersebut meliputi kepadatan bangunan, kepadatan penduduk, persentase penduduk usia balita, persentase penduduk usia tua, persentase penduduk wanita, dan persentase lahan produktif. Dalam menentukan tingkat bahaya banjir digunakan metode overlay dan metode rata-rata setimbang untuk menentukan tingkat bahaya pada setiap desa/kelurahan. Kemudian tingkat kerentanan diperoleh dengan metode pengelompokan K-Means Clustering. Kabupaten Tangerang didominasi oleh tingkat bahaya kelas tidak bahaya dengan luas 9.727 hektar atau 75 % dari luas total wilayah pesisir Kabupaten Tangerang. Tingkat bahaya tinggi dapat diindikasikan dengan wilayah dengan adanya sungai yang ada di dekat laut beserta ketinggian yang rendah. Berdasarkan analisis menggunakan K-Means Clustering, kerentanan wilayah terhadap banjir rob pada wilayah pesisir Kabupaten Tangerang didominasi oleh tingkat kerentanan kelas rendah dengan jumlah 15 desa/kelurahan atau 65 % dari jumlah total desa/kelurahan pada wilayah pesisir Kabupaten Tangerang.

---

Tidal flood is one of the threats to the coastal areas, especially the north coast of Java. The coastal area of ​​Tangerang Regency itself has a history of tidal flood events that occur every year. The level of tidal flood hazard can be measured based on the flood characteristic which includes flood height, flood duration, and flood frequency. The level of vulnerability is obtained based on the level of tidal flood hazard and the physical, social and economic conditions of it’s area. These conditions include building density, population density, percentage of under-five population, percentage of old-age population, percentage of female population, and percentage of productive land area. In determining the level of flood hazard, an overlay method and a balanced average formula are used to determine the level of hazard in each village. Then the level of vulnerability is obtained by the K-Means Clustering clustering method. The level of tidal flood hazard in the coastal area of ​​Tangerang Regency is dominated by the level of tidal flood hazard with a non-hazard class. Based on the analysis using K-Means Clustering, the vulnerability of the area to tidal floods in the coastal area of Tangerang Regency is dominated by the level of low-class vulnerability with 15 villages 65 % of the total number of village in the coastal area of ​​Tangerang Regency.

"

"ABSTRAKSistem deteksi intrusi merupakan sistem peringatan ketika ada percobaan serangan pada jaringan komputer, dengan memberikan informasi log aktivitas mencurigakan yang dapat dianalisis dan ditindaklanjuti dalam bentuk respon untuk melindungi sistem dari ancaman sebelum menyebabkan dampak lebih besar. Secara teknis, penentuan prioritas penanganan intrusi berdasarkan pada severity yang ditentukan oleh sistem atau denganskor kerentanan. Namun ada hal lain yang menjadi isu, yaitu urgensi dari sektor strategis sebagai pertahanan nasional dalam pengamanan fasilitas, jaringan, aset berbasis informasi dan fisik yang diatur oleh suatu negara dengan menetapkan sektor strategis sebagai sektor prioritas yang wajib dilindungi saat terjadi insiden sebelum berdampak lebih besar.Pada penelitian ini, kami melakukan evaluasi beberapa metode penentuan prioritas yang diimplementasikan pada model respon yang digunakan, yaitu berdasarkan konsep manajemen waktu 4 kuadran yang telah digunakan oleh peneliti sebelumnya dengan data pengujian berupa data intrusi berbasis snort. Metode penentuan respon yang dievaluasi antara lain metode severity berdasarkan sistem deteksi intrusi berbasis snort yang disebut snort priority, rating threshold yaitu skor kerentanan, dan metode perhitungan indikator & kriteria (critical & urgent). Seiring dengan urgensi dari sektor strategis, maka pada pengujiannya metode indikator & kriteria dititik beratkan pada target yang terdaftar sebagai sektor strategis.Penelitian ini menyimpulkan bahwa metode indikator dan kriteria sebagai faktor penentu prioritas lebih detil sehingga cukup efektif untuk diterapkan dengan model respon pada data pengujian. Selain itu, dengan metode snort priority dan rating threshold penentuan prioritas tidak memperhatikan apakah target intrusi merupakan sektor strategis atau bukan karena prioritas berdasarkan pada dampak yang telah didefinisikan oleh sistem. Namun dengan metode perhitungan indikator dan kriteria, faktor penting yang melibatkan target sektor strategis dapat didefinisikan sebagai salah satu indikator prioritas untuk menentukan kriteria critical sehingga penanganan intrusi dapat diprioritaskan lebih tinggi.

---

ABSTRACTThe intrusion detection system is a warning system when there is an attempted attack on a computer network. It provides suspicious activity log information that can be analyzed and acted on in the form of a response to protect the system from threats before causing a more significant impact. Technically, determining the priority of intrusion handling is based on severity determined by the system or vulnerability scoring. However, some issues become internal issues. A country regulates the urgency of the critical sector as a national defense in securing information-based and physical facilities, networks, and assets by establishing the critical sector as a priority sector that must be protected when an incident occurs before it has a more significant impact.In this study, we evaluated some priority determination methods implemented in the response model used, based on the 4-quadrant time management concept used by previous researchers with test data in the form of snort-based intrusion data. The response determination methods evaluated include severity based on a snort-based intrusion detection system called snort priority, rating threshold, i.e., vulnerability score, and the purpose of calculating indicators & criteria (critical & urgent). Along with the urgency of the critical sector, the testing of indicator methods and criteria has emphasized on the targets listed as critical sectors.This study concludes that indicator methods and criteria as determinants of priorities are more detailed so that they are effective enough to apply with response models in test data. Besides, the snort priority method and the threshold rating determination of priorities do not pay attention to whether the intrusion target is a critical sector or not because of the priority based on the impact that has been defined by the system. But with the method of calculating indicators and criteria, important factors involving critical sector targets can be identified as one of the priority indicators to determine critical criteria so that intrusion will be handling prioritized."

"[Daerah Aliran Sungai Ciliwung adalah salah satu DAS kritis di Indonesia karena mengalami banjir setiap tahun termasuk di wilayah koridor Cililitan sampai Kampung Melayu yang mengakibatkan kerugian harta benda Salah satu adaptasinya adalah asuransi banjir. Namun sampai saat ini belum ada data pembagian zona premi wilayah yang sesuai dengan fakta wilayah. Disisi lain kriteria penetapan premi dari OJK ditentukan oleh dua variabel yaitu kejadian banjir dan kedalaman banjir padahal penilaian tingkat risiko juga dapat dipengaruhi oleh faktor lain. Tujuan penelitian ini adalah 1 untuk mengkaji pengaruh variabel penelitian sebagai kriteria tambahan penentu premi yang diperoleh dari hasil overlay antara zonasi premi menurut kriteria dari OJK dan zonasi setiap variabel tambahan penentu premi 2 untuk mengetahui persebaran zona premi asuransi banjir secara realita yang diperoleh dari hasil analisis spasial variabel penelitian terhadap premi. Hasil penelitian ini adalah 1. Ada dua variabel yang sangat berhubungan kuat terhadap premi asuransi banjir yaitu lama surut dan kerugian harta benda yang menjadi kriteria tambahan dalam zonasi premi asuransi banjir lini harta benda terbaru 2 di DAS Ciliwung koridor Cililitan-Kampung Melayu seluruh wilayah penelitian memiliki semua kelas zona dimana sebagian daerah di Kelurahan Bidara Cina RW 09 dan Kelurahan Bukit Duri RW 06 berubah menjadi zona sedang menurut kriteria zonasi premi terbaru.

---

Ciliwung River Basin is one of the critical watershed in Indonesia due to flooding everyyear including in the area of the corridor Cililitan to Kampung Melayu cause in property loss. One adaptation is flood insurance But until now there has been no data zoning premiums in accordance with the facts territory region. On the other hand criteria for setting premiums from OJK is determined by two variables the incidence of flooding and flood depth whereas assessment of the level of risk may also be influenced by other factors. The purpose of this study were 1 to assess the effect of variables in this research as additional criteria determinant of the premium obtained from overlay the zoning premiums according to the criteria of the OJK and the zoning of additional variables determinant of the premium 2 to determine the distribution zone insurance premiums flooding in reality obtained from spatial analysis variable premium Results of this study were 1. There are two variables are correlated strongly to the insurance premium of flooding that is low tide period and loss of property the additional criteria in the new zoning insurance premiums flood line of property 2 in Ciliwung corridor Cililitan ndash Kampung Melayu the whole area of research has all classes of the zone where most of the area in the Bidara Cina RW 09 and Bukit Duri RW 06 changed into a moderate zone according to the new premium zoning criteria., Ciliwung River Basin is one of the critical watershed in Indonesia due to flooding everyyear including in the area of the corridor Cililitan to Kampung Melayu cause in property loss One adaptation is flood insurance But until now there has been no data zoning premiums in accordance with the facts territory region On the other hand criteria for setting premiums from OJK is determined by two variables the incidence of flooding and flood depth whereas assessment of the level of risk may also be influenced by other factors The purpose of this study were 1 to assess the effect of variables in this research as additional criteria determinant of the premium obtained from overlay the zoning premiums according to the criteria of the OJK and the zoning of additional variables determinant of the premium 2 to determine the distribution zone insurance premiums flooding in reality obtained from spatial analysis variable premium Results of this study were 1 There are two variables are correlated strongly to the insurance premium of flooding that is low tide period and loss of property the additional criteria in the new zoning insurance premiums flood line of property 2 in Ciliwung corridor Cililitan ndash Kampung Melayu the whole area of research has all classes of the zone where most of the area in the Bidara Cina RW 09 and Bukit Duri RW 06 changed into a moderate zone according to the new premium zoning criteria ]"

"Gempa bumi, salah satu bencana alam yang sering terjadi di Indonesia dan sering memakan banyak korban jiwa. Sistem peringatan dini terbukti efektif untuk mengurangi jumlah korban jiwa akibat gempa bumi ataupun bencana susulan lainya. Perangkat Internet-of-things berbasis seluler dapat digunakan sebagai perangkat peringatan dini untuk mendeteksi gempa bumi.Ketika banyak perangkat pendeteksi kejadian secara bersamaan melakukan transmisi ke jaringan seluler maka akan terjadi bursty transmission yang mengakibatkan kongesti pada jaringan seluler. Kongesti yang terjadi mengakibatkan peningkatan delay dan penuruan success probability pada prosedur random access jaringan seluler yang dapat mengurangi efektifitas sistem deteksi dini. Pengaturan preamble pada access class dapat digunakan untuk mengurangi dampak kongesti yang terjadi.

---

Earthquakes, one of the natural disasters that often occur in Indonesia and often take many lives. The early warning system has proven to be effective in reducing the number of casualties due to earthquakes or other aftershocks. Cellular-based Internet-of-things devices can be used as early warning devices to detect earthquakes. When multiple incident detection devices are simultaneously transmitting to the cellular network, bursty transmission will occur, resulting in congestion on the cellular network. The congestion that occurs results in an increase in delay and a decrease in success probability in random access cellular network procedures which can reduce the effectiveness of the early detection system. Preamble settings on access classes can be used to reduce the impact of congestion that occurs."