Hasil Pencarian  ::  Simpan CSV :: Kembali

"

Kajian interaksi spasial museum masih jarang dilakukan. Padahal informasi ini sangat penting untuk melihat efektifitas dari museum. Sulitnya pengumpulan data secara survey langsung menjadi salah satu kendala. Dengan berkembangnya teknologi media sosial seperti Instagram, interaksi pengunjung pada objek-objek spesifik seperti museum dapat diketahui. Sehingga kajian representasi museum pada media sosial Instagram dan pola interaksi spasial museum terhadap penggunaan lahan lainnya berdasarkan pengunjung yang menandai lokasi (geotagged) pada Instagram di Jakarta adalah tujuan dari penelitian ini. Lokus penelitian ini adalah Museum Nasional Indonesia, Museum Kebangkitan Nasional, Museum Sumpah Pemuda, Museum Perumusan Naskah Proklamasi, dan Museum Basoeki Abdullah. Metode yang digunakan adalah analisis spasial dengan metode statistik deskriptif dan analisis asal-tujuan. Hasil analisis distribusi spasial foto menunjukkan karakteristik dan lokasi yang merepresentasikan museum. Sedangkan berdasarkan pola bangkitan perjalanan diperoleh tipe perjalanan homebased (homebased dan first destination) dan non-homebased (school-based). Pola interaksi spasial menunjukkan interaksi spasial museum dengan 10 jenis penggunaan lahan, dengan penggunaan lahan terbanyak adalah rumah.

 

---

Studies of spatial interactions of museums are still rarely conducted. Though this information is very important to see the effectiveness of the museum. The difficulty of collecting survey data directly is one obstacle. With the development of social media technologies such as Instagram, visitor interaction on specific objects such as museums can be known. So the study of museum representation on Instagram social media and the museum's spatial interaction patterns with other land uses based on visitors who mark geotagged locations on Instagram in Jakarta is the aim of this research. Locations of this research are the Indonesian National Museum, the Kebangkitan Nasional Museum, the Sumpah Pemuda Museum, the Perumusan Naskah Proklamasi Museum, and the Basoeki Abdullah Museum. The method used is spatial analysis with descriptive statistical methods and origin-destination analysis. The analysis of the spatial distribution of photographs shows the characteristics and locations that represent the museum. Whereas based on trip generation patterns, homebased (homebased and first destination) and non-homebased (school-based) travel types are obtained. Spatial interaction patterns show the museum's spatial interactions with 10 types of land use, with the most land use being houses.

 

"

"ABSTRAKKedinamisan wilayah pesisir dapat diamati dengan mengamati parameter berupa perubahan garis pantai baik akibat abrasi maupun akresi. Kabupaten Karawang yang terletak di Provinsi Jawa Barat merupakan kabupaten yang langsung berbatasan dengan Laut Jawa sehingga menyebabkan di sepanjang pesisir utara Kabupaten Karawang menjadi rentan akan fenomena perubahan garis pantai. Abrasi yang terjadi telah mengakibatkan hilangnya wilayah daratan seperti permukiman serta tambak penduduk yang merugikan warga setempat. Sama seperti abrasi, akresi juga dapat merugikan masyarakat sekitar karena akibatnya yang menimbulkan pendangkalan muara sungai sehingga menghambat lalu lintas kapal dan perahu. Tiga faktor oseanografis penting yang mempengaruhi perubahan garis pantai adalah arus, gelombang, dan pasang surut. Selain itu, faktor topografi pantai dan penggunaan lahan juga turut dipertimbangkan. Dilakukan analisis mengenai ada atau tidak terdapatnya pengaruh topografi pantai terhadap abrasi dan akresi yang terjadi, serta bagaimana pengaruh penggunaan lahan terhadap perubahan garis pantai. Dengan memodelkan prediksi perubahan garis pantai yang akan terjadi di masa depan, langkah preventif dapat dilakukan guna mencegah dampak negatif yang merugikan warga setempat dari fenomena ini. Model prediksi perubahan garis pantai didapatkan dari informasi laju perubahan di setiap garis transek yang tersebar di sepanjang garis pantai Kabupaten Karawang. Laju perubahan didapatkan dari data perubahan garis pantai yang diolah dengan mengekstraksi citra satelit Landsat 8 OLI/TIRS tahun 2018, Landsat 7 ETM+ tahun 2008, dan Landsat 5 TM tahun 1998. Analisis perubahan garis pantai dikaji dalam pendekatan per segmen. Dalam melihat hubungan antara topografi pantai dengan abrasi dan akresi, digunakan analisis regresi linier sederhana. Hasil menunjukkan bahwa topografi pantai yang landai cenderung terjadi akresi. Sebaliknya, abrasi lebih mudah terjadi di wilayah dengan topografi pantai yang lebih curam. Untuk penggunaan lahan, adanya alih fungsi lahan menjadi permukiman dan tambak akan mempercepat proses abrasi. Sedangkan ekosistem mangrove mendukung terjadinya fenomena akresi. Model prediksi abrasi diprediksi terjadi paling besar di bagian tengah Kabupaten Karawang. Sedangkan untuk akresi, bagian paling Timur Kabupaten Karawang diprediksi menjadi wilayah dengan luasan akresi terbesar."

"Aktivitas produksi dan ekspor komoditas kelapa sawit terus mengalami ekspansi dan peningkatan. Indonesia memiliki perkebunan kelapa sawit dengan luas mencapai 12.761.586 Hektar. menjadikan Indonesia sebagai salah satu penghasil CPO (Crude Palm Oil) terbesar di dunia. Keberhasilan produksi dari kelapa sawit tidak terlepas dari kegiatan perencanaan dan pengawasan sehingga diperlukan pemantauan secara cepat dan efektif. Penelitian ini dilakukan dengan tujuan untuk mengetahui karakteristik dan pola persebaran umur kelapa sawit berdasarkan nilai backscatter pada citra radar Sentinel-1. Data berupa citra radar Sentinel-1 digunakakan untuk dapat melakukan estimasi terhadap umur kelapa sawit berdasarkan nilai backscatter menggunakan pendekatan machine learning. Hasil pemodelan menunjukan bahwa tren nilai backscatter terhadap umur kelapa sawit memiliki karakter berbanding lurus dengan umur kelapa sawit. Estimasi umur kelapa sawit berdasarkan nilai backscatter pada Sentinel-1 GRD menghasilkan 3 kelas umur kelapa sawit dengan tingkat overall accuracy sebesar 93.3% pada anlisis yang dilakukan secara Single Time, sedangkan pada analisis time series diperoleh nilai overall accuracy sebesar 94.5% Hasil menunjukkan bahwa kelas umur dewasa memiliki nilai z score sebesar - 4.190963 dengan pola persebaran clustered (mengelompok), kelas umur taruna dengan z score -8.388942 berpola clustered (mengelompok), dan kelas umur remaja dengan perolehan nilai z score 7.801667 dengan pola persebaran dispersed (seragam).

---

Production and export activities of palm oil commodities continue to expand and increase. Indonesia has oil palm plantations with an area of 12,761,586 hectares. making Indonesia one of the largest CPO (Crude Palm Oil) producers in the world. The success of production from oil palm cannot be separated from planning and monitoring activities so that it is necessary to monitor quickly and effectively. This study was conducted with the aim of knowing the characteristics and patterns of age distribution of oil palms based on the backscatter value on Sentinel-1 radar images. Data in the form of Sentinel-1 radar images are used to estimate the age of oil palms based on the backscatter value using a machine learning approach. The modeling results show that the trend of the backscatter value of the age of the oil palm has a character that is directly proportional to the age of the oil palm. Oil palm age estimation based on the backscatter value on Sentinel-1 GRD resulted in 3 oil palm age classes with an overall accuracy rate of 93.3% in the Single Time analysis, while the time series analysis obtained an overall accuracy value of 94.5%. adults have a z score of -4.190963 with a clustered distribution pattern, the cadet age class with a z score of -8.388942 with a clustered pattern, and the adolescent age class with a z score of 7.801667 with a dispersed distribution pattern (uniform)."

"ABSTRAKTeluk Palabuhanratu merupakan salah satu lokasi di Indonesia dengansumber daya lobster yang tinggi. Namun, sampai sekarang studi spasial tentang identifikasi wilayah potensi penangkapan lobster belum pernah dilakukan. Studi ini bertujuan untuk mengembangkan model spasial untuk melihat hubungan kondisi oseanografi dengan hasil tangkapan lobster, memprediksi hasil tangkapan lobster, serta memprediksi wilayah potensi penangkapan lobster di Teluk Palabuhanratu. Variabel yang digunakan dalam studi ini adalah informasi oseanografi yang dapat diekstrak dari data penginderaan jauh dengan teknik penggabungan data penginderaan jauh dan survei lapangan maka nilai klorofil-a, salinitas, total suspended solid, dan suhu permukaan laut diketahui. Data penginderaan jauh yang digunakan adalah citra multispektral Landsat 8 yang diakses dan diolah menggunakan aplikasi online berbasis cloud computing yaitu Google Earth Engine. Regresi linear berganda antara variabel klorofil-a, salinitas, TSS dan SPL denganhasil tangkapan lobster digunakan untuk membangun model prediksi hasil tangkapan lobster serta melihat hubungan antar variabel. Selanjutnya, analisis ekstraksi informasi citra digunakan untuk melihat wilayah potensi penangkapan lobster. Hasil dari penelitian ini adalah terjadi hubungan simultan yang signifikan antara semua variabel terhadap hasil tangkapan lobster. Model prediksi hasil tangkapan lobster yang dihasilkan adalah Y= -56,155- (0,298*Chl)+(0,569*Salinitas)+(0,046*TSS)+(1,443*SPL) dengan nilai R2 sebesar 0,764. Dari penelitian ini diketahui wilayah potensi penangkapan lobster pada musim basah menyebar dengan cukup merata pada pesisir Teluk Palabuhanratu dengan luas wilayah sebesar 57,645 km2 dan wilayah potensi penangkapan lobster pada musim kering berada pada daerah perairan Kecamatan Cisolok dan Simpenan dengan luas wilayah sebesar 23,447 km2. Secara keseluruhan, wilayah potensi penangkapan lobster yang memiliki potensi tinggi dikedua musim terdapat padaperairan Kecamatan Cisolok dan Simpenan.

---

ABSTRACTPalabuhanratu Bay is one of the locations in Indonesia with high lobsterresources. However, until now spatial studies on identifying lobster fishing potential areas have never been done. This study aims to develop a spatial model to evaluate the relationship between oceanographic conditions with lobster catches, predict lobster catches, as well as predict lobster fishing potential areas in Palabuhanratu Bay. The variables used in this study are oceanography information extracted from remote sensing data and field survey which is chlorophyll-a, salinity, total suspended solid, and sea surface temperature. The remote sensing data used is multispectral imagery from Landsat 8 that is accessed and processed using a cloud computing-based online application, Google Earth Engine. To build the prediction model, multiple linear regression algorithm is tested between the lobster catches and the chlorophyll-a, salinity, TSS and SPL variables. Next, information extraction of images analysis is used to see the lobster fishing potential areas. The results of this study are a significant simultaneous relationship between all variables on lobster catches. The prediction model of the resulting lobster catches is Y= -56,155- (0,298*Chl)+(0,569*SSS)+(0,046*TSS)+(1,443*SST) with an R2 value of 0.764. From this study it is known that the lobster fishing potential area in the wet season is spread evenly on the entire coast of Palabuhanratu Bay with an area of 57,645 km2 and the lobster fishing potential area in the dry season is in the Cisolok and Simpenan waters with an area of 23,447 km2. Overall, the lobster fishing potential area that have high potential in both seasons are in Cisolok and Simpenan waters."

"Kecamatan Palabuhanratu merupakan wilayah yang rawan terhadap bencana gempabumi dan tsunami sehingga perlu adanya upaya-upaya mitigasi bencana gempabumi dan tsunami. Penelitian ini bertujuan untuk mendapatkan jalur evakuasi efektif di Kecamatan Palabuhanratu. Untuk mendapatkan hasil tersebut dilakukan analisis bahaya tsunami menggunakan pemodelan tsunami dengan perangkat lunak COMCOT berdasarkan skenario terburuk potensi momen magnitudo 8,8 untuk Megathrust segmen Selat Sunda - Banten, melakukan analisis penduduk terdampak bahaya tsunami menggunakan data People in Pixel, melakukan analisis jalur evakuasi dan wilayah jangkauan tempat evakuasi menggunakan metode Network Analysis pada perangkat lunak SIG, serta mensintesa kepadatan jalur di Kecamatan Palabuhanratu menggunakan simulai agent-based model pada aplikasi Netlogo 6.3.0. Hasil analisis bahaya tsunami diketahui bahwa terdapat 5 desa yang terkena dampak tsunami dengan ketinggian maksimum tsunami mencapai 18,3 meter, waktu tiba gelombang tsunami tercepat 21 menit, dan jarak tsunami terjauh di daratan (inundasi) mencapai 1735 m. Estimasi penduduk yang terdampak tsunami tingkat bahaya tinggi sebesar 86,8 %, tingkat bahaya sedang 6,8 % dan tingkat bahaya rendah 6,5 % dari total penduduk yang terdampak bahaya tsunami. Penelitian ini berhasil menentukan 54 jalur evakuasi pada 4 desa di Kecamatan Palabuhanratu dengan mempertimbangkan kondisi jalan yang ada dan diketahui bahwa lokasi tempat evakuasi existing tidak dapat menjangkau seluruh area bahaya tsunami. Hasil dari simulasi berbasis agen pada Desa Citepus, Kelurahan Palabuhanratu dan Desa Jayanti memiliki tingkat kepadatan relatif tinggi pada saat proses evakuasi. Persentase penduduk selamat yang relatif tinggi membuktikan bahwa jalur evakuasi yang ditentukan pada penelitian ini sudah efektif.

---

Palabuhanratu Sub-district is an area that is prone to earthquakes and tsunamis, so there is a need for earthquake and tsunami mitigation efforts. This study aims to obtain an adequate evacuation route in Palabuhanratu District. To obtain these results, a tsunami hazard analysis was carried out using tsunami modeling with COMCOT software based on the worst scenario possible moment of magnitude 8.8 for the Sunda-Banten Strait Megathrust segment, analyzing the population affected by the tsunami hazard using People in Pixel data, exploring evacuation routes and areas. Coverage of evacuation sites using the Network Analysis method in GIS software and synthesizing the density of lanes in Palabuhanratu District using an agent-based model simulation in the Netlogo 6.3.0 application. The tsunami hazard analysis results found that five villages were affected by the tsunami with a maximum tsunami height of 18.3 meters, the fastest tsunami wave arrival time was 21 minutes, and the farthest distance of a tsunami on land (inundation) reached 1735 m. It is estimated that the population affected by the high-hazard tsunami is 86.8%, the medium hazard level is 6.8%, and the low-hazard level is 6.5% of the total population affected by the tsunami hazard. This research successfully determined 54 evacuation routes in 4 villages in Palabuhanratu District by considering the existing road conditions. It is known that the current evacuation sites cannot reach all tsunami hazard areas. The results of the agent-based simulation in 3 villages, namely Citepus Village, Jayanti Village, and Palabuhanratu Village, had relatively high levels of density during the evacuation process. The relatively high percentage of survivors proves that the evacuation routes determined in this study are effective."

"Ancaman perubahan iklim semakin nyata dengan meningkatnya emisi gas rumah kaca termasuk emisi karbon. Peningkatan itu disebabkan aktivitas manusia yang dapat dilihat dari pola penggunaan tanah. Provinsi DKI Jakarta sebagai wilayah perkotaan dengan penduduk yang besar memiliki intensitas aktivitas manusia yang tinggi. Tingginya aktivitas manusia tersebut menjadi alasan DKI Jakarta perlu untuk memenuhi target pengurangan emisi pada sektor energi sebagai bagian dari Paris Agreement. Tujuan penelitian ini adalah membuat dan menganalisis model spasial emisi karbon sektor energi berdasarkan reflektansi permukaan pada penggunaan tanah yang terekam Sentinel 2 melalui pendekatan multi-indeks. Penelitian dilakukan di wilayah daratan Provinsi DKI Jakarta dengan menggunakan data geospasial resmi yang tersedia dan penginderaan jauh untuk ekstraksi informasi terkait penggunaan tanah serta inventarisasi emisi gas rumah kaca dari konsumsi energi tahun 2020 sebagai referensi. Pengolahan data dilakukan dengan menggunakan machine learning classifier yang tersedia pada Google Earth Engine untuk klasifikasi terbimbing Sentinel 2 dan ditentukan kesesuaian nilai emisinya atas dasar berbagai faktor. Perhitungan gas rumah kaca terdiri dari emisi bangunan dan emisi transportasi yang melibatkan konsumsi energi stasioner maupun bergerak dan faktor emisi. Analisis regresi linier berganda digunakan sebagai model akhir yang mengaitkan emisi karbon dari konsumsi energi dengan karakter berbagai kanal dan indeks pada penggunaan tanah. Hasil penelitian menunjukkan bahwa tutupan awan citra, parameter algoritma, dan dataset berpengaruh pada identifikasi penggunaan tanah dan algoritma terbaik adalah Random Forest dengan akurasi umum 0,62. Reflektansi permukaan red edge 1 dan 2 serta SWIR 1 dan 2 baik untuk klasifikasi. Penggunaan tanah yang paling banyak menghasilkan emisi pada model adalah industri dengan koefisien 0,078. Nilai R kuadrat dari model mencapai 0,65 mengindikasikan pengaruh prediksi variabel sebesar 65%. Membagikan pengaruh setiap kelas penggunaan tanah sebagai variabel moderator dan reflektansi Sentinel 2 terhadap emisi karbon dalam bentuk model yang berbeda dapat digunakan untuk melakukan estimasi emisi karbon

---

The threat of climate change is becoming more evident with the increase in greenhouse gas emissions, including carbon emissions. The increase was due to human activities which can be seen from the pattern of land use. DKI Jakarta Province as an urban area with a large population has a high intensity of human activity. The high level of human activity is the reason DKI Jakarta needs to meet the emission reduction target in the energy sector as part of the Paris Agreement. The purpose of this study was to create and analyze a spatial model of energy sector carbon emissions based on surface reflectance on land use recorded by Sentinel 2 through a multi-index approach. The study was conducted in the mainland area of ​​DKI Jakarta Province using available official geospatial data and remote sensing for the extraction of information related to land use as well as greenhouse gas emissions inventory data from energy consumption in 2020 as a reference. Data processing is carried out using machine learning classifiers available on Google Earth Engine for supervised classification on Sentinel 2 and the suitability of the emission values is determined ​​based on various factors. The greenhouse gas calculation consists of building emissions and transportation emissions involving stationary and mobile energy consumption and emission factors. Multiple linear regression analysis was used as the final model that relates carbon emissions from energy consumption with the character of various bands and indices on land use. The results showed that the image cloud cover, algorithm parameters, and datasets affect the identification of land use and the best algorithm is Random Forest with an overall accuracy of 0.62. The surface reflectance of red edge 1 and 2 as well as SWIR 1 and 2 is good for classification. The land use that produces the most emissions in the model is industry with a coefficient of 0.078. The R squared value of the model reaches 0.65 indicating the predictive effect of the variable is 65%. Sorting the effect of each land use class as moderator variable and Sentinel 2 reflectance on carbon emissions in different models can be used to estimate carbon emissions."

"Laut Natuna merupakan perairan di Indonesia yang sering kali beresiko terhadap ancaman keamanan maritim, sehingga mendapat perhatian khusus oleh instansi penegak hukum di laut. Saat ini, teknologi penginderaan jauh Syntetic Aperture Radar (SAR) banyak digunakan oleh instansi sebagai upaya mempermudah pelaksanaan pengawasan terhadap kapal yang melintas. Penelitian ini bertujuan untuk menganalisis zona prioritas pengawasan di Laut Natuna dan perairan di sekitarnya dengan menggunakan data sebaran kapal yang terdeteksi oleh SAR Sentinel-1, data kerentanan maritim, serta jarak patroli instansi. Sebaran kapal dan kerentanan maritim dilakukan analisis Kernel Density untuk mengetahui sebaran serta kerapatannya, sementara untuk jarak patroli dilakukan buffer area  untuk melihat keterjangkauannya. Ketiga variabel dianalisis menggunakan metode Spatial Multi-Criteria Analysis (SMCA) dengan pembobotan Equal Weight (EW) untuk mendapatkan hasil zona prioritas pengawasan maritim di Laut Natuna dan perairan di sekitarnya. Hasil penelitian ini mengungkapkan ketika suatu perairan memiliki aktivitas kapal yang padat, kejadian kerentanan maritim dengan frekuensi tinggi, serta jangkauan patroli yang sempit, maka perairan tersebut masuk ke dalam kategori prioritas pengawasan maritim sangat tinggi. Selain mengetahui kondisi keamanan maritim pada suatu perairan, hasil ini juga dapat memberikan gambaran tentang perencanaan fasilitas serta infrastruktur pengawasan yang memadai di perairan yang masuk ke dalam zona prioritas pengawasan maritim sangat tinggi.

---

Natuna sea is a sea in Indonesia that is constantly at risk of maritime security threats, therefore receives vigilance by law enforcement agencies. Currently, Synthetic Aperture Radar (SAR) is widely used by agencies as one of the attempts to facilitate monitoring of passing ships. This research aims to analyze priority monitoring zones in the Natuna Sea and surrounding waters using ship distribution data detected by SAR Sentinel-1, maritime vulnerability data, and agency patrol distances. Kernel Density analysis is carried out to determine the distribution and density of the distribution of ships and maritime vulnerability, meanwhile for patrol distances a buffer area is used to see its reachability. The three variables were analyzed using the Spatial Multi-Criteria Analysis (SMCA) method to obtain maritime monitoring priority zone. The research results reveal that when a sea area has dense ship activity, high frequency of maritime vulnerability incidents, and a narrow patrol range, the sea will fall into the very high maritime surveillance priority. By knowing the maritime surveillance priority zone in a particular seas, this information can also provide an overview of the planning of adequate monitoring facilities and infrastructure in waters with the very high maritime surveillance priority zone."

"Tanaman karet menjadi komoditas perkebunan yang sangat penting di Kabupaten Sukabumi khusunya di perkebunan PTPN VIII Cibungur, karena hasil produk olahannya memiliki banyak manfaat dalam kehidupan masyarakat di sekitarnya. Maka perlu dilakukan adanya pemantauan mengenai kesehatan tanaman karet guna menjaga kualitas dan hasil produksi karet. Penelitian ini dilakukan untuk mengetahui persebaran kesehatan tanaman karet dan menganalisis hubungan kesehatan tanaman karet dengan menerapkan teknik pengindraan jauh. Teknik penginderaan jauh dalam penelitian ini menggunakan multispectral UAV. Analisis penelitian dilakukan dengan identifikasi kondisi tanaman menggunakan indeks vegetasi tanaman yaitu metode Normalized Difference Vegetation Index (NDVI). Data yang digunakan adalah data citra ortofoto NIR dan Red yang diperoleh dari perekaman langsung dengan mengggunakan multispketral UAV. Didapatkan bahwa secara keseluruhan kesehatan tanaman karet di kawasan perkebunan karet PTPN VIII Cibungur didominasi oleh tingkat kesehatan baik dengan persentase sebersar 56%, tanaman yang memiliki tingkat kesehatan buruk hanya 3% dari total luas perkebunan karet. Hasil sebaran tanaman karet menunjukan bahwa tanaman dengan kondisi sangat baik berada dibagian barat dan timur lokasi penelitian. Kesehatan tanaman karet dipengaruhi oleh beberapa faktor, seperti kondisi curah hujan, jenis tanah dan lereng.

---

Rubber plants are very important plantation commodities in Sukabumi Regency, especially in the PTPN VIII Cibungur plantation, because the processed products have many benefits in the lives of the surrounding community. So it is necessary to monitor the health of rubber plants in order to maintain the quality and yield of rubber production. This research was conducted to determine the distribution of rubber plant health and to analyze the relationship between rubber plant health by applying remote sensing techniques. The remote sensing technique in this study uses a multispectral UAV. Research analysis was carried out by identifying plant conditions using a plant vegetation index, namely the Normalized Difference Vegetation Index (NDVI) method. The data used are NIR and Red orthophoto image data obtained from direct recording using a multispectral UAV. It was found that the overall health of rubber plants in the rubber plantation area of PTPN VIII Cibungur was dominated by good health with a percentage of 56%, plants with poor health were only 3% of the total area of rubber plantations. The results of the distribution of rubber plants showed that plants with very good conditions were located in the western and eastern parts of the study site. The health of rubber plants is influenced by several factors, such as rainfall conditions, soil types and slopes."

"Aktivitas produksi dan ekspor komoditas kelapa sawit terus mengalami ekspansi dan peningkatan. Indonesia memiliki perkebunan kelapa sawit dengan luas mencapai 12.761.586 Hektar. menjadikan Indonesia sebagai salah satu penghasil CPO (Crude Palm Oil) terbesar di dunia. Keberhasilan produksi dari kelapa sawit tidak terlepas dari kegiatan perencanaan dan pengawasan sehingga diperlukan pemantauan secara cepat dan efektif. Penelitian ini dilakukan dengan tujuan untuk mengetahui karakteristik dan pola persebaran umur kelapa sawit berdasarkan nilai backscatter pada citra radar Sentinel-1. Data berupa citra radar Sentinel-1 digunakakan untuk dapat melakukan estimasi terhadap umur kelapa sawit berdasarkan nilai backscatter menggunakan pendekatan machine learning. Hasil pemodelan menunjukan bahwa tren nilai backscatter terhadap umur kelapa sawit memiliki karakter berbanding lurus dengan umur kelapa sawit. Estimasi umur kelapa sawit berdasarkan nilai backscatter pada Sentinel-1 GRD menghasilkan 3 kelas umur kelapa sawit dengan tingkat overall accuracy sebesar 93.3% pada anlisis yang dilakukan secara Single Time, sedangkan pada analisis time series diperoleh nilai overall accuracy sebesar 94.5% Hasil menunjukkan bahwa kelas umur dewasa memiliki nilai z score sebesar -4.190963 dengan pola persebaran clustered (mengelompok), kelas umur taruna dengan z score -8.388942 berpola clustered (mengelompok), dan kelas umur remaja dengan perolehan nilai z score 7.801667 dengan pola persebaran dispersed (seragam).

---

Production and export activities of palm oil commodities continue to expand and increase. Indonesia has oil palm plantations with an area of ​​12,761,586 hectares. making Indonesia one of the largest CPO (Crude Palm Oil) producers in the world. The success of production from oil palm cannot be separated from planning and monitoring activities so that it is necessary to monitor quickly and effectively. This research was conducted with the aim of knowing the characteristics and patterns of age distribution of oil palms based on the backscatter value on Sentinel-1 radar images. Data in the form of Sentinel-1 radar images are used to estimate the age of oil palms based on the backscatter value using a machine learning approach. The modeling results show that the trend of the backscatter value of the age of the oil palm has a character that is directly proportional to the age of the oil palm. Oil palm age estimation based on the backscatter value on Sentinel-1 GRD resulted in 3 oil palm age classes with an overall accuracy rate of 93.3% in the Single Time analysis, while the time series analysis obtained an overall accuracy value of 94.5%. adults have a z score of -4.190963 with a clustered distribution pattern, the cadet age class with a z score of -8.388942 with a clustered pattern, and the adolescent age class with a z score of 7.801667 with a dispersed distribution pattern."

"Secara keseluruhan, penelitian ini bertujuan untuk menganalisis capaian Kebijakan Satu Peta (KSP) Nasional dalam jangka waktu implementasi pada tahun 2016 sampai 2020 serta melihat dampaknya terhadap penguatan keamanan nasional Indonesia. Pemerintah merumuskan KSP atau One Map Policy dikarenakan pemetaan dan pendataan informasi geospasial (IGT) yang sudah ada masih terjadi tumpang tindih dan belum dimanfaatkan secara optimal dalam perumusan dan pelaksanaan kebijakan khususnya dalam rangka memperkuat keamanan nasional Indonesia. KSP yang diimplementasikan secara elektronik pada tahun 2016 menjadi momentum bagi penguatan keamanan nasional Indonesia. Penelitian ini menggunakan metode kualitatif yang dipadukan dengan penelitian kepustakaan dan wawancara mendalam dengan para pemangku kepentingan yang melaksanakan KSP. Ruang lingkup penyelidikan dibatasi pada peta tematik wilayah pertahanan militer yang dibuat dengan perbandingan skala 1:1.000.000 untuk menganalisis aspek militer dan peta tematik Rencana Pembangunan Jangka Menengah Nasional (RPJMN) 2015 sampai 2019 dengan perbandingan skala 1: 250.000 untuk menganalisis aspek ekonomi pada penguatan keamanan nasional. Hasil penelitian ini menemukan bahwa pemetaan dan pengumpulan data informasi geospasial telah dilakukan sebelum dan setelah kemerdekaan Indonesia untuk keperluan transportasi, eksplorasi sumber daya alam, kepentingan ekonomi dan militer. Keberhasilan implementasi KSP ialah telah berhasil menyatukan 85 peta tematik dari berbagai kementerian/lembaga menjadi satu standar, satu database, satu referensi ke dalam satu geoportal nasional. Pada peta tematik wilayah pertahanan telah terimplementasi dan memperjelas batas darat dan laut nasional. Untuk hasil peta tematik RPJMN 2015 sampai 2019 telah terimplementasi dan memberikan informasi proyek pembangunan yang dilakukan pemerintah ke dalam satu peta elektronik geoportal nasional. KSP diperbaharui dengan Perpres No. 23 Tahun 2021 tentang Perubahan Perpres No. 9 Tahun 2016 tentang Percepatan Pelaksanaan KSP pada tingkat ketelitian skala 1:50.000.

---

This study aims to analyze the implementation of the National One Map Policy (KSP) during 2016-2020 and its impact on strengthening Indonesia's national security. The government formulated the KSP or One Map Policy, because the existing mapping and data collection of geospatial information (IGT) was overlapped and has not been optimum yet on its policy’s formulation and implementation, especially in the context of strengthening Indonesia's national security. KSP which was implemented electronically in 2016 became one of the momentums for strengthening Indonesia's national security. This study used qualitative methods combined with library research and in-depth interviews with stakeholders who formulated and implemented KSP. The scope of the investigation was limited to the thematic map of the military defense area made with a ratio of 1: 1,000,000 to analyze the strengthening of military aspects and the thematic map of the 2015 to 2019 National Medium Term Development Plan (RPJMN) with a scale of 1: 250,000 to analyze economic aspects in strengthening national security. The results of this study found that mapping and data collection of geospatial information had been carried out before and after Indonesia's independence for transportation, natural resource exploration, economic and military purposes. The implementation of KSP achieved the goal by integrating 85 thematic maps from various ministries/agencies with same standard, database, and reference into one national geoportal. On the defense area’s thematic map, it implemented and helped to clarify the national land and sea boundaries and for the thematic map of the 2015 - 2019 RPJMN, it implemented and provided information on development projects carried out by the government into one National Geoportal electronic map. The amendment of KSP was amended with Presidential Regulation Number 23 of 2021 concerning amendments to Presidential Regulation Number 9 of 2016 focusing on the acceleration of KSP implementation at a scale of accuracy of 1:50,000."