Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 2 dokumen yang sesuai dengan query
cover
Idfan Nasywan
"Kota Jakarta Selatan mengalami kenaikan suhu setiap tahunya dan terjadi fenomena UHI. Keberadaan ruang terbuka hijau (RTH) publik merupakah salah satu upaya dalam mitigasi UHI. Akan tetapi, ketersediaan RTH di Kota Jakarta Selatan masih terbatas dan belum memenuhi standar. Intesitas pendinginan RTH disebut greenspace cool island intensity (GCII). Penelitian ini bertujuan untuk menganalisis karakteristik RTH publik dan disitribusi spasial GCII serta menganalisis hubungan karakteristik RTH publik dengan GCII. Karakteristik RTH dalam penelitian ini yaitu luas, landscapa shape index (LSI) dan leaf area index (LAI). Metode untuk memperoleh nilai GCII yaitu turning point. GCII diperoleh dengan menggunakan citra Landsat 8 OLI/TIRS tahun 2023. Hasil penelitian menunjukkan bahwa karakteristik RTH publik di Kota Jakarta Selatan didominasi oleh tipe RTH publik dengan luas yang kecil, bentuk tidak beraturan, dan jenis vegetasi rumput dengan pohon. Nilai GCII memiliki rentang nilai mulai dari 0,51oC-2,79oC dan rata-rata 1,43oC. RTH publik di Kota Jakarta selatan memberikan efek pendinginan dengan radius 90 hingga 420 meter dan rata-rata 187 meter. Luas, LAI, dan tutupan vegetasi di area sekitar RTH publik memiliki hubungan yang signifikan dan berkorelasi positif terhadap GCII. Sedangkan tutupan lahan terbangun disekitarnya memiliki hubungan yang signifikan dan berkorelasi negatif. LSI tidak memiliki korelasi dengan GCII.

 


South Jakarta City experiences an increase in temperature every year, and the UHI phenomenon occurs. The existence of public green open space (RTH) is one of the efforts to mitigate UHI. However, the availability of green spaces in South Jakarta City is still limited and has not met standards. The cooling intensity of RTH is called greenspace cool island intensity (GCII). This study aims to analyze the characteristics of public green spaces, the spatial distribution of GCII, and the relationship between public green space characteristics and GCII. The characteristics of public green space in this study are area, landscape shape index (LSI), and leaf area index (LAI). The method to obtain the GCII value is the turning point. GCII was obtained using a Landsat 8 OLI/TIRS image in 2023. The results showed that the characteristics of public green spaces in South Jakarta City are dominated by types of public green spaces with small areas, irregular shapes, and vegetation types of grass with trees. The GCII value has a range of values ranging from 0.51 oC to 2.79 oC and an average of 1.43 oC. Public green spaces in southern Jakarta City provide a cooling effect with a radius of 90 to 420 meters and an average of 187 meters. Area, LAI, and vegetation cover around public green spaces have a significant and positively correlated relationship to GCII. While the surrounding built-up land cover has a significant and negatively correlated relationship. LSI has no correlation with GCII.

"
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2024
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Farras Fadhilah
"Kota Jakarta Selatan adalah salah satu kota yang memiliki kawasan bisnis terbesar yaitu Sudirman Central Business District (SCBD). Hal ini meningkatkan urbanisasi yang mendorong pertumbuhan ekonomi dan pertambahan jumlah penduduk. Sehingga Kota Jakarta Selatan mengalami peningkatan lahan terbangun yang mencapai 20% dalam 30 tahun terakhir. Oleh karena itu, Pemerintah Kota Jakarta Selatan berupaya membangunan kota yang berketahanan iklim, sehingga penting melakukan kajian terhadap fenomena iklim diperkotaan salah satunya dari Urban Heat Island (UHI). Penelitian ini bertujuan untuk menganalisis akurasi algoritma machine learning dalam memprediksi Urban Heat Island, menganalisis pola spasio-temporal Urban Heat Island dan menganalisis pengaruh karakteristik wilayah pada pola spasio-temporal Urban Heat Island di Kota Jakarta Selatan Tahun 2020-2024. Dengan menggunakan pendekatan machine learning, tiga algoritma dengan metode regresi digunakan untuk memprediksi Urban Heat Island. Data yang digunakan berupa data Landsat 8 OLI/TIRS dan survei lapangan untuk validasi. Hasil menunjukkan bahwa algoritma dengan akurasi terbaik adalah Random Forest (RF), yang menghasilkan Urban Heat Island dengan pola spasio-temporal yang mengelompok dan meningkat dalam periode tahun 2020-2024. Karakteristik wilayah diketahui memiliki pengaruh terhadap pola spasio-temporal Urban Heat Island. Karakteristik wilayah yang berpengaruh paling tinggi adalah kepadatan penduduk, dan yang berpengaruh paling rendah adalah kecerahan lahan.

South Jakarta City is one of the cities that has the largest business district, Sudirman Central Business District (SCBD). This increases urbanization which drives economic growth and population increase. So that South Jakarta City has experienced an increase in built-up land which has reached 20% in the last 30 years. Therefore, the South Jakarta City Government seeks to develop a climate resilient city, so it is important to conduct a study of urban climate phenomena, one of which is from the Urban Heat Island (UHI). This research aims to analyze the accuracy of machine learning algorithms in predicting Urban Heat Island, analyze the spatio-temporal pattern of Urban Heat Island and analyze the influence of regional characteristics on the spatio-temporal pattern of Urban Heat Island in South Jakarta City in 2020-2024. By using a machine learning approach, three algorithms with regression methods are used to predict Urban Heat Island. The data used are Landsat 8 OLI/TIRS data and field surveys for validation. The results show that the algorithm with the best accuracy is Random Forest (RF), which produces Urban Heat Island with a clustering and increasing spatio-temporal pattern in the period 2020-2024. Regional characteristics are known to have an influence on the spatio-temporal pattern of Urban Heat Island. The most influential regional characteristic is population density, and the least influential is land brightness."
Depok: Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, 2025
S-pdf
UI - Skripsi Membership  Universitas Indonesia Library