Hasil Pencarian  ::  Simpan CSV :: Kembali

"Jumlah penduduk yang selalu bertambah mengakibatkan kebutuhan akan tempat tinggal dan fasilitas pendukung juga meningkat. Bertambahnya tempat tinggal dan fasilitas-fasilitas pendukung hidup mengakibatkan terjadinya perubahan penutup lahan. Adanya pembangunan Bandara Internasional Jawa Barat (BIJB) dan pertambahan jumlah penduduk mengakibatkan perubahan penutup lahan yang terjadi di Kabupaten Majalengka. Perubahan penutup lahan dapat di analisis menggunakan data citra satelit dengan teknologi penginderaan jauh dan sistem informasi geografi. Model prediksi perubahan penutup lahan dapat di analisis dengan menggunakan metode cellular automata markov chain. Penelitian ini menggunakan teknik pansharpening dan algoritma machine learning random forest untuk melihat perubahan penutup lahan tahun 2014, 2018, 2022. Metode cellular automata markov chain dengan sepuluh driving factor (ketinggian lahan, kemiringan lereng, jarak dari jalan, jarak dari sungai, jarak dari pusat pemerintahan, jarak dari fasilitas kesehatan, jarak dari fasilitas pendidikan, jarak dari pusat perdagangan dan bisnis, jarak dari bangunan eksisting, dan kepadatan penduduk) digunakan untuk melakukan analisis model prediksi penutup lahan tahun 2016 dan 2030 di Kabupaten Majalengka. Hasil klasifikasi penutup lahan selama periode 2014 sampai 2022 menunjukkan peningkatan luas penutup lahan pada lahan terbuka dan lahan terbangun, sedangkan vegetasi alami mengalami penurunan luas. Pada model prediksi penutup lahan tahun 2030, terjadi peningkatan luas pada penutup lahan pada vegetasi budidaya, lahan terbuka, dan lahan terbangun berturut-turut yaitu 136,172 Km2, 57,768 Km2, dan 30,774 Km2 sedangkan vegetasi alami mengalami penurunan luas menjadi 225,241 Km2 pada tahun 2030. Peningkatan luas lahan terbangun terjadi pada daerah pusat pemerintahan, BIJB, dan daerah perbatasan dengan kabupaten Indramayu, Kabupaten Cirebon, Kabupaten Sumedang, dan Kabupaten Kuningan. Model prediksi penutup lahan tahun 2030 memiliki keseuaian dengan tingkat moderate atau substansial dengan peta pola ruang tahun 2011-2031. Luas lahan terbangun pada tahun 2030 memiliki luas tertinggi pada masing-masing potensi bencana banjir, gempa bumi, dan tanah longsor yaitu berturut-turut memiliki tingkat potensi sedang, rendah, dan tinggi pada data BNPB dan memiliki luas tertinggi pada masing-masing bencana banjir, gempa bumi, dan tanah longsor yaitu berturut-turut memiliki tingkat potensi rendah, rendah, dan tinggi berdasarkan data Bappedalitbang Kabupaten Majalengka.

---

The ever-increasing population has resulted in the need for housing and supporting facilities also increasing. The increase in housing and living support facilities has resulted in changes in land cover. The construction of the West Java International Airport (BIJB) and the increase in the population have resulted in land cover changes occurring in the Majalengka Regency. Land cover changes can be analyzed using satellite image data, remote sensing technology, and geographic information systems. The prediction model for land cover changes can be analyzed using the cellular automata Markov chain method. This research uses pansharpening techniques and random forest machine-learning algorithms to see changes in land cover in 2014, 2018, and 2022. The cellular automata Markov chain method with ten driving factors (height of land, slope, distance from road, distance from river, distance from center government, distance from health facilities, distance from educational facilities, distance from trade and business centers, distance from existing buildings, and population density) has used to conduct a prediction model analysis of land cover in 2016 and 2030 in Majalengka Regency. The results of land cover classification for the period 2014 to 2022 show an increase in the area of land cover on open land and built-up land, while the area of natural vegetation has decreased in this area. In the 2030 land cover prediction model, there is an increase in the area of land cover in cultivated vegetation, open land, and built-up land, respectively 136,172 Km2, 57,768 Km2, and 30,774 Km2, while the area of natural vegetation decreases to 225,241 Km2 in 2030. The increase in the built-up land area occurred in the central government area, BIJB, and border areas with Indramayu Regency, Cirebon City, Sumedang Regency, and Kuningan Regency. The 2030 land cover prediction model is in moderate or substantial agreement with the 2011-2031 spatial pattern map. The built-up land area in 2030 has the highest area for each potential flood, earthquake, and landslide disaster, respectively, medium, low, and high potential levels in BNPB data; and has the highest area for each flood and earthquake, and landslides disaster, respectively, have low, low, and high potential levels based on data from the Majalengka Regency Bappedalitbang."

"

Pertumbuhan penduduk yang terjadi di D.I Yogyakarta meningkatkan jumlah limbah yang dibuang sehingga mempengaruhi kualitas air sungai. Selain itu, pertumbuhan populasi juga berkontribusi pada perubahan penutup lahan di daerah aliran sungai yang kemudian akan berdampak pada kualitas air sungai. Tujuan penelitan ini adalah untuk menganalisis variabilitas spasial dan temporal kualitas air pada Sungai Code di Provinsi D.I Yogyakarta, selain itu mengetahui tren perubahan penutup lahan di Daerah Tangkapan Air (DTA) Sungai Code serta hubungannya dengan perubahan kualitas air sungai, dan mengidentifikasi serta menganalisis parameter kualitas air dominan yang  mempengaruhi variabilitas kualitas air Sungai Code secara keseluruhan. Data yang di analisis adalah data sekunder yang berasal dari Pemerintah Provinsi D.I Yogyakarta yang terbatas pada periode pemantauan 2011-2017. Metodologi yang dilakukan adalah analisis deskriptif untuk menganalisis variasi spasial dan temporal kualitas air secara visual, kemudian melakukan klasifikasi penutup lahan untuk Daerah Tangkapan Air (DTA) Sungai Code dengan software ArcGIS 10.3 serta menganalisis hubungan perubahannya dengan perubahan kualitas air Sungai Code, dan menganalisis variabilitas data kualitas air dengan Cluster analysis (CA) & Principal Component Analysis (PCA) menggunakan software IBM SPSS. Hasil penelitian menunjukan terdapat parameter yang konsentrasinya mediannya memiliki tren positif untuk variasi spasial dari hulu ke hilir, diantaranya: suhu, TDS, BOD, COD, Nitrat, Nitrit, Seng, Tembaga, Timbal, Bakteri koli tinja, selain itu terdapat juga parameter yang konsentrasi mediannya memiliki tren positif untuk variasi temporal dari tahun 2011-2017, diantaranya: pH, TDS, Nitrat, Nitrit, Deterjen, Seng, Warna. Terdapat juga parameter-parameter yang perlu diperhatikan karena konsentrasinya sebagian besar sudah melebihi baku mutu kelas 3 dan/atau kelas 4 yang ditetapkan dalam Pergub DIY No. 20 Tahun 2008 tentang Baku Mutu Air, diantaranya: BOD, Nitrit, Tembaga, Bakteri koli tinja. Hasil korelasi penutup lahan dan kualitas air mendapatkan bahwa penutup lahan vegetasi alami dapat memberikan dampak positif terhadap perubahan kualitas air Sungai Code, sedangkan penutup lahan agrikultur dan area bangunan cenderung memberikan dampak negatif terhadap perubahan kualitas air Sungai Code. Untuk CA, paramater kualitas air Sungai Code berhasil dikelompokan menjadi 4 cluster, diantaranya: kelompok pencemar nuterien, kelompok pencemar logam, kelompok pencemar materi organik dan kelompok pencemar grey water. Analisis komponen utama (PCA) menghasilkan empat komponen utama (PC1, PC2, PC3, PC4) yang mempunyai variansi secara berturut-turut 22,815%, 17,631%, 16,016%, 12,806% dan menjelaskan total 69,268% variabilitas data kualitas air Sungai Code. PC1 diinterpretasikan sebagai pencemar materi organik Sungai Code. PC2 diinterpretasikan sebagai pencemar nutrien dan kontaminasi tinja pada Sungai Code yang dapat berasal dari limbah dan air limpasan agrikultur. PC3 diinterpretasikan sebagai pencemar logam Sungai Code yang dapat berasal dari air limpasan urban dan limbah domestik. PC4 dapat diinterpretasikan sebagai dampak pencemaran grey water pada Sungai Code.

---

Population growth that occurred in D.I Yogyakarta increased the amount of waste discharged so that it affected river water quality. In addition, population growth also contributes to changes in land cover in watersheds which will then have an impact on river water quality. The purpose of this research is to analyze the spatial and temporal variability of water quality in the River Code, in addition to knowing trends in land cover changes in the Code watershed and its relationship to changes in river water quality, and analyzing dominant water quality parameters that affect Code River water quality variability as a whole. This research using secondary data from the Provinsi D.I Yogyakarta, which limited to the 2011-2017 monitoring period. The methodology used is descriptive analysis to analyze spatial and temporal variations in water quality, then classify land cover in Code watershed with ArcGIS 10.3 software and analyze the relationship of changes with changes in Code River water quality, analyze variability of water quality data with Cluster analysis (CA) & Principal Component Analysis (PCA) using IBM SPSS software. The results showed there are parameters whose median concentration has a positive trend for spatial variations from upstream to downstream, including: temperature, TDS, BOD, COD, Nitrate, Nitrite, Zinc, Copper, Lead, Fecal Coli Bacteria. There are also concentration parameters the median has a positive trend for temporal variations from 2011-2017, including: pH, TDS, Nitrate, Nitrite, Detergent, Zinc, Color. There are also parameters that need to be considered because most of the concentrations have exceeded the grade 3 and / or grade 4 water quality standards stipulated in Pergub DIY No. 20 Tahun 2008, including: BOD, Nitrite, Copper, fecal coli bacteria. The correlation results between land cover and water quality found that natural vegetation land cover can have a positive impact on changes in Code River water quality, while agricultural and building areas land cover tend to have a negative impact on changes in Code River water quality. For CA, the Code River water quality parameters were grouped into 4 clusters, including: the nutrient polluter group, the metal polluter group, the organic material polluter group and the gray water polluter group. Principal component analysis (PCA) produced four main components (PC1, PC2, PC3, PC4) which had variances respectively 22.815%, 17.631%, 16.016%, 12.806% and explained a total of 69.268% variability of Code River water quality data. PC1 is interpreted as organic matter pollutans in Code River. PC2 is interpreted as nutrients pollutants and fecal contamination in the Code River which may come from agricultural waste and runoff. PC3 is interpreted as a Code River metal pollutant that may come from urban runoff water and domestic waste. PC4 may interpreted as the impact of gray water pollution on the Code River.

"

"Kecamatan Cileungsi, Kabupaten Bogor merupakan salah satu kecamatan yang dilintasi oleh proyek pembangunan jalan Tol Cimanggis-Cibitung. Adanya pembangunan jalan tol tersebut diasumsikan memiliki dampak terhadap perkembangan urban sprawl yang dilihat dari perubahan penutup lahan permukiman tidak terencana dan membuat terjadinya alih fungsi lahan. Agar terkendali, prediksi urban sprawl perlu dilakukan melalui prediksi perkembangan permukiman yang disesuaikan dengan rencana pada RTRW. Penelitian ini menggunakan citra Maxar dan Airbus yang diperoleh dari Google Earth untuk membuat klasifikasi penutup lahan dengan metode Support Vector Machines (SVM) supervised classification. Prediksi penutup lahan hingga tahun 2037 dilakukan berbasis Cellular Automata Markov Chain (CA-MC) pada perangkat IDRISI Selva 17 yang didasari oleh faktor penentu. Hasil menunjukkan bahwa wilayah sekitar lokasi jalan tol, mengalami perubahan penutup lahan dari permukiman, lahan terbuka, dan vegetasi pertanian menjadi vegetasi non pertanian. Penutup lahan permukiman meningkat perkembangannya secara signifikan ke bagian selatan dan timur Kecamatan Cileungsi mengikuti jaringan jalan, termasuk dengan permukiman yang tidak terencana pada RTRW, yang menandakan proses urban sprawl terjadi secara perembetan memanjang atau ribbon development.

---

Cileungsi District, Bogor Regency is one of the districts crossed by the Cimanggis-Cibitung toll road construction project. The construction of the toll road indicates that it has had an impact on the development of urban sprawl as seen from unplanned organizational land cover changes and resulting land conversion. In order to be under control, predictions of urban sprawl need to be done through predictions of organizational development that are adjusted to plans in the RTRW. This research uses Maxar and Airbus images obtained from Google Earth to create land cover classifications using the Support Vector Machines (SVM) supervised classification method. Land cover predictions until 2037 are carried out based on Cellular Automata Markov Chain (CA-MC) on the IDRISI Selva 17 device which is based on determining factors. The results show that the area around the toll road location experienced changes in land cover from organization, open land, and agricultural vegetation to non-agricultural vegetation. Organizational land cover increases its development significantly to the southern and eastern parts of Cileungsi District following the road network, including unplanned organization in the RTRW, which indicates that the urban sprawl process occurs in a ribbon development."