Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Sejak sepuluh tahun terakhir hutan mangrove di Karawang telah menjadi percontohan bagi pengelolaan mangrove di Jawa Barat. Namun beberapa wilayah mengalami kerusakan dan penurunan luas. Skripsi ini membahas perubahan luasan mangrove serta kaitannya dengan sosial ekonomi di pesisir Kabupaten Karawang tahun 2009 dan 2019 menggunakan citra landsat. Variabel sosial ekonomi yang digunakan antara lain mata pencaharian utama (mp), lokasi lahan usaha (llu), pemanfaatan lahan (pl), persepsi terhadap hutan mangrove (phm). Penelitian ini adalah penelitian kuantitatif dengan desain deskriptif. Metode penelitian yang digunakan antara lain supervised classification untuk klasifikasi tutupan mangrove, overlay untuk analisis perubahan lahan, dan uji chi square untuk analisis hubungan sosial ekonomi dengan perubahan tutupan mangrove. Hasil penelitian menunjukkan bahwa perubahan tutupan mangrove tahun 2014-2019 bertambah sebanyak 448,75 ha. Sedangkan perubahan tutupan mangrove tahun 2009-2019 bertambah sebesar 565,11 ha. Secara umum, wilayah tutupan mangrove bertambah, namun ada beberapa wilayah yang luasan tutupan mangrovenya berkurang atau menghilang. Ada hubungan antara karakteristik sosial ekonomi dengan perubahan tutupan mangrove yang berkurang dengan hubungan kuat. Namun, tidak ada hubungan antara karakteristik sosial ekonomi dengan perubahan tutupan mangrove yang bertambah. Hal ini dikarenakan area tutupan mangrove yang bertambah terjadi karena adanya pelestarian hutan mangrove oleh pemerintah, POKMAS, dan perusahaan setempat dan tidak ada hubungannya dengan sosial ekonomi masyarakat.

---

Since the last ten years, mangrove forests in Karawang have become a model for mangrove management in West Java. But some areas experienced extensive damage and decline. This thesis discusses the changes in the extent of mangroves and their relation to the socio-economy on the coast of Karawang Regency in 2009 and 2019 using Landsat imagery. Socioeconomic variables used include main livelihood, location of business land, land use, perception of mangrove forests. This is quantitative research with a descriptive design. The research methods used include supervised classification for the classification of mangrove cover, overlays for land change analysis, and cross tables for analysis of changes in mangrove cover with social economy. The results showed that changes in 2014-2019 increased by 448,75 ha. While changes in mangrove cover in 2009-2019 increased by 565,11 ha. In general, mangrove cover areas have increased, but there are some areas where mangrove cover areas have decreased or disappeared. Socioeconomic characteristics affect the change in mangrove cover that is reduced. As for changes in mangrove cover that increases, there is no effect of socioeconomic characteristics on changes in mangrove cover that increases. This is due to the increased area of mangrove cover that occurs due to the preservation of mangrove forests by the government, POKMAS, and local companies.

Abstrak :
Penelitian analisis perubahan penggunaan lahan telah dilakukan menggunakan metode penginderaan jauh (inderaja) dan sistem informasi geografis (SIG). Identifikasi peta perubahan penggunaan lahan dilakukan dengan menggunakan proses tumpang susun peta penggunaan lahan tahun 1990 (hasil digitasi skala 1:50.000) dan peta penggunaan lahan tahun 1997 hasil interpretasi citra Landsat TM (Thematic Mapper) tahun 1997 dengan koordinat UTM (Universal Transverse Mercator). Perbaikan kontras citra melalui perataan histogram dilakukan dengan teknik klasifikasi terawasi yang terbagi menjadi 7 (tujuh) klas (sawah, perkampungan, tegalan, industri, tambak, lapangan olah raga dan semak). Analisis perubahan penggunaan lahan dan tingkat pencemaran air sungai BOD (Biological Oxygen Demand), COD (Chemical Oxygen Demand) dan TSS (Total Suspended Solid) dilakukan dalam sistim informasi geografis hingga diperoleh database dengan format link spasial dan tabular. Perubahan penggunaan lahan dianalisis berdasarkan pembagian segmen mengacu arah kontur sepanjang Kali Surabaya. Hasil analisis memperlihatkan perubahan penggunaan lahan pada tahun 1990-1997 yakni sawah berkurang 5,72 %, perkampungan bertambah 15,16 %, tegalan bertambah 0,54 %, tambak berkurang 9,67 %, industri bertambah 36,67 % dan semak berkurang 26,67 %. Hasil analisis tingkat pencemaran air dengan regresi linier berganda menunjukkan BOD (koefisien determinan 56 %) dan TSS (koefisien determinan 65 %) masih dipengaruhi oleh perubahan penggunaan lahan, tidak demikian halnya dengan COD (koefisien determinan 24 %).

---

Application of Remote Sensing and Geographic Information System Methods for Land Using Difference. Land using difference analysis has been done using remote sensing and Geographic Information System (GIS) methods. Identification of land using difference was conducted using map overlaying process of 1990s (digitized scalling 1:50.000) and 1997s land using map (interpreted from Landsat TM (Thematic Mapper) Image 1997) with UTM (Universal Transverse Mercator) coordinate. Image enhancement was done through histogram equalization with supervised classification devided into 7 classes: rice field, settlement, dry field, industry, pond, sport field and bush. Land using difference and river pollution BOD (Biological Oxygen Demand), COD (Chemical Oxygen Demand) and TSS (Total Suspended Solid) analysis were done through GIS to get database in spasial link and tabular format. Land using difference was done based on division segment of Kali Surabaya contour as reference. The result shows that there were changes on land using from 1990 until 1997 that rice field reduced by 5.72 %; settlement increased by 15,16 %; dry field increased by 0.54 %; industry increased by 36.67 % and bush reduced by 26.67 %. Water pollution analysis results which was done using multiple linier regression show both BOD (determinant coefficient 56 %) and TSS (determinant coefficient 65 %) are affected by difference in land using, but COD (determinant coefficient 24 %) is not affected.

Abstrak :
Dalam rangka melakukan pengendalian alih fungsi lahan pertanian diperlukan kuantifikasi luas dan sebaran lahan sawah, dimana salah satu metode yang efisien dalam pemetaan lahan baku sawah di wilayah tropis adalah dengan melakukan proses klasifikasi lahan baku sawah menggunakan data multitemporal dari citra Synthetic Aperture Radar (SAR). Tujuan utama dari penelitian ini adalah untuk melakukan kajian spasiotemporal perubahan lahan sawah di Kabupaten Indramayu berdasarkan lahan baku sawah tahunan yang diperoleh dari hasil pemanfaatan algoritma Deep Learning, yaitu Long Short-Term Memory (LSTM) untuk melakukan klasifikasi biner sawah dan non-sawah pada data SAR multitemporal dari satelit Sentinel-1. Akurasi hasil dari klasifikasi LSTM dievaluasi terhadap hasil observasi lapangan tahun 2021 sebagai tolok ukurnya, dengan metode klasifikasi tersupervisi lainnya, yaitu Support Vector Machine dan Random Forest, sebagai pembanding. Model LSTM yang didapatkan dalam penelitian ini selanjutnya dipakai untuk melakukan proses klasifikasi data lahan baku sawah tahunan. Hasil penelitian menunjukkan bahwa algoritma LSTM memberikan akurasi klasifikasi tertinggi dibandingkan algoritma SVM dan RF. Kajian spasiotemporal tutupan lahan sawah pada kurun waktu tahun 2017 hingga 2021 menunjukkan bahwa terjadi fluktuasi luasan dan sebaran lahan sawah tiap tahun, dengan tingkat perubahan terbesar pada Kecamatan Tukdana dan Kecamatan Kandanghaur. Berdasarkan kajian literatur sekunder, penambahan lahan sawah yang terkonsentrasi di Kecamatan Tukdana diperkirakan merupakan akibat dari penjarahan lahan perkebunan tebu oleh warga, sedangkan pengurangan lahan sawah yang terkonsentrasi di Kecamatan Kandanghaur diperkirakan merupakan akibat banjir rob yang berkepanjangan. ......In order to manage the conversion of agricultural land, it is necessary to quantify the area and distribution of rice fields, where one of the efficient methods in mapping raw rice fields in the tropics is to carry out the process of classifying raw rice fields using multitemporal data from Synthetic Aperture Radar (SAR) images. The main objective of this research is to conduct a spatiotemporal study of changes in paddy fields in Indramayu Regency based on annual rice field map obtained from the use of the Deep Learning algorithm, namely Long Short-Term Memory (LSTM) to perform a binary classification of rice fields and non-rice fields on the data. Multitemporal SAR from the Sentinel-1 satellite. The accuracy of the results of the LSTM classification is evaluated against the results of field observations in 2021 as a benchmark, with other supervised classification methods, namely Support Vector Machine and Random Forest, for comparison. The LSTM model obtained in this study is then used to carry out the process of classifying the annual raw land data for rice fields. The results showed that the LSTM algorithm gave the highest classification accuracy compared to the SVM and RF algorithms. The spatiotemporal study of paddy field cover in the period 2017 to 2021 shows that there are fluctuations in the area and distribution of paddy fields every year, with the largest changes in Tukdana and Kandanghaur sub-districts. Based on a secondary literature review, the addition of rice fields concentrated in Tukdana District is estimated to be the result of looting of sugarcane plantations by residents, while the reduction of rice fields concentrated in Kandanghaur District is estimated to be the result of prolonged tidal flooding.