Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Penutup lahan merupakan komponen penting dalam memahami interaksi aktivitas manusia dengan lingkungannya. Perubahan penutup lahan dapat dianalisis untuk memberikan informasi yang diperlukan untuk pemahaman yang tepat mengenai bagaimana suatu lahan digunakan di masa lalu, jenis perubahan yang terjadi pada lahan tersebut, dan apa yang diharapkan dari suatu lahan tersebut di masa depan. Kota Bogor dipilih sebagai wilayah penelitian karena beberapa tahun ke belakang mengalami pertumbuhan populasi dan urbanisasi. Hal ini berpengaruh pada pertumbuhan dan perkembangan kota yang menjadi alasan terjadinya perubahan penutup lahan. Dalam mendeteksi perubahan penutup lahan, terdapat berbagai pilihan metode yang dapat digunakan. Oleh karena itu, penelitian ini bertujuan untuk menganalisis perubahan penutup lahan yang terjadi di Kota Bogor sekaligus melihat metode klasifikasi yang paling efisien untuk dijadikan rekomendasi. Penelitian ini terdiri atas analisis spasial dan analisis statistik. Hasil penelitian ini menunjukkan bahwa perubahan penutup lahan yang terjadi di Kota Bogor pada tahun 2022 dari tahun 2013 didominasi oleh kelas Lahan Terbangun yang disebabkan oleh terjadinya urbanisasi di Kota Bogor. Informasi penutup lahan yang didapatkan dari hasil klasifikasi menggunakan berbagai metode berbasis objek dan berbasis piksel yang dianalisis kecepatan dan tingkat akurasinya. Dari proses analisis tersebut, didapatkan informasi bahwa metode klasifikasi yang dikatakan paling efisien merupakan metode berbasis piksel Random Forest karena memiliki kecepatan proses pengolahan yang cukup tinggi serta tingkat akurasi yang paling baik jika dibandingkan dengan metode-metode lainnya. ......Land cover is an important component in understanding the interaction of human activities with the environment. Land cover changes can be analyzed to provide the information necessary for a proper understanding of how land was used in the past, the types of changes that occurred to the land, and what to expect from the land in the future. Bogor City was chosen as the research area because in the past few years it has experienced population growth and urbanization. This affects the growth and development of the city which is the reason for changes in land cover. In detecting changes in land cover, there are various methods that can be used. Therefore, this study aims to analyze changes in land cover methods that have occurred in Bogor City as well as to see the most efficient classification to be used as a recommendation. This research consists of spatial analysis and statistical analysis. The results of this study indicate that changes in land cover that occurred in Bogor City in 2022 from 2013 were dominated by the Built-up Land class caused by urbanization in Bogor City. The land cover information obtained from the classification results uses various object-based and pixel-based methods that are analyzed for speed and accuracy. From the analysis process, information is obtained that the classification method which is said to be the most efficient is the Random Forest pixel-based method because it has high processing speed and the best level of accuracy when compared to other methods.

Abstrak :
Penurunan luas RTH dan kerapatan vegetasinya dapat menimbulkan perubahan variabilitas unsur cuaca. Variabilitas unsur cuaca adalah perbedaan variabel unsur cuaca antara satu tempat dengan tempat lainnya. Unsur cuaca yang paling dipengaruhi oleh keberadaan vegetasi adalah suhu udara, kelembapan udara, serta kecepatan angin. Penelitian ini bertujuan untuk mengetahui distribusi spasial dari kerapatan vegetasi, suhu udara, kelembapan relatif, dan kecepatan angin di Kota Denpasar, serta menganalisis hubungan antara kerapatan vegetasi terhadap variabilitas unsur cuaca di Kota Denpasar. Kerapatan vegetasi didapatkan dari citra satelit Landsat 8 yang diolah dengan metode NDVI, sedangkan unsur cuaca didapatkan dari pengukuran langsung. Ditemukan bahwa kota Denpasar terbagi menjadi empat kelas kerapatan vegetasi dengan luasan: 43,8 km2 (34.3%) berkerapatan jarang; 48,8km2 (38,2%) berkerapatan sedang; 13,1 km2 (10,3%) berkerapatan rapat; dan 21,9km2 (17,2%) berkerapatan sangat rapat. Umumnya nilai suhu udara yang tinggi ditemukan di penggunaan lahan yang terbuka dengan kerapatan vegetasi jarang hingga sedang. Di wilayah penelitian ditemukan kecenderungan hubungan antara kelembapan dan kecepatan angin dengan garis pantai. Hubungan antara kerapatan vegetasi dengan suhu udara maupun kelembapan udara berkekuatan sedang, masing-masing di angka -0.473 dan 0.468. Hubungan antara kerapatan RTH dan kecepatan angin bersifat sangat lemah. ......The decrease in the area of green open space and the density of the vegetation can cause changes in the variability of weather elements. Variability of weather elements is the difference in variable weather elements from one place to another. The weather elements that are most affected by the presence of vegetation are air temperature, air humidity, and wind speed. This study aims to determine the spatial distribution of vegetation density, air temperature, relative humidity, and wind speed in Denpasar City, and to analyze the relationship between vegetation density and the variability of weather elements in Denpasar City. Vegetation density was obtained from Landsat 8 satellite imagery which was processed using the NDVI method, while the weather elements were obtained from direct measurements. It was found that the city of Denpasar is divided into four classes of vegetation density with an area of: 43.8 km2 (34.3%) sparse density; 48.8km2 (38.2%) medium density; 13.1 km2 (10.3%) is dense; and 21.9km2 (17.2%) is very dense. Generally, high air temperature values are found in open land use with sparse to moderate vegetation density. In the research area, it was found that there was a tendency for a relationship between humidity and wind speed with the coastline. The relationship between vegetation density and air temperature and air humidity is moderate, at -0.473 and 0.468, respectively. The relationship between green open space density and wind speed is very weak.

Abstrak :
Kecamatan Cisarua, Kabupaten Sumedang merupakan memiliki masalah kurangnya sumber air bersih walaupun memiliki banyak sumber mata air yang beragam. Hal tersebut dapat disebabkan oleh kurangnya pengetahuan warga akan air bersih dan kurangnya insfrastruktur untuk menyalurkan air bersih dari mata air ke permukiman warga. Oleh karena itu, penelitian ini ingin mengetahui sebaran mata air, menganalisis karakteristik mata air berdasarkan karakteristik fisik wilayah, dan wilayah pemanfaatannya di Kecamatan Cisarua, Kabupaten Sumedang. Variabel terikat dalam penelitian ini adalah karakteristik fisik wilayah dan variabel bebas dalam penelitian ini, yaitu karakteristik mata air (meliputi kualitas air dan debit) dan wilayah pemanfaatannya. Metode analisis deskriptif, spasial, dan statistik digunakan untuk mendapatkan hasil dan pembahasan dari penelitian ini. Hasil studi menunjukkan bahwa pola sebaran mata air di Kecamatan Cisarua, Kabupaten Sumedang ialah berkelompok (clustered). Terdapat mata air asin yang diakibatkan oleh pertemuan dua jenis batuan. Tidak semua karakteristik mata air di wilayah penelitian dapat dipengaruhi oleh kondisi fisik wilayahnya. Mata air di Kecamatan Cisarua memiliki pemanfaatan untuk irigasi pertanian dan kebutuhan rumah tangga. Total luas potensial pemanfaatan mata air sebesar 405,91 Ha, dari total luas wilayah Kecamatan Cisarua 1.315,25 Ha. Hal tersebut tidak sejalan dengan wilayah pemanfaatan aktualnya, yang hanya mencakup sebesar 11,74 Ha. ......Cisarua District in Sumedang Regency has a problem of lack of clean water sources even though it has many diverse springs. This can be caused by the lack of knowledge of residents about clean water and the lack of infrastructure to distribute clean water from springs to residential areas. Therefore, this study wanted to know the distribution of the springs, analyze the characteristics of the springs based on the physical characteristics of the area, and the area of spring utilization in Cisarua District, Sumedang. The dependent variable in this study is the physical characteristics of the area and the independent variables in this study are the characteristics of the springs (including water quality and discharge) and the area of utilization. Descriptive, spatial, and statistical analysis methods were used to obtain the results and discussion of this research. The results of the study show that the distribution pattern of springs in Cisarua District, Sumedang Regency is clustered. There are salt springs caused by the meeting of two types of rock. Not all of the characteristics of springs in the research area can be influenced by the physical conditions of the area. The springs in Cisarua District are used for agricultural irrigation and household needs. The total area of ​​potential utilization of the springs is 405.91 Ha, from the total area of ​​the Cisarua District of 1,315.25 Ha. This is not in line with the actual utilization area, which only covers 11.74 Ha.

Abstrak :
Kemacetan lalu lintas merupakan masalah bagi setiap daerah di Indonesia maupun dunia, tak terkecuali Kota Bogor. Faktor penyebab kemacetan di Kota Bogor diduga berasal dari penggunaan lahan, geometri dan kinerja jalan, dan rute transportasi publik angkutan kota. Perubahan rute angkutan kota angkot yang dilakukan oleh Pemerintah Kota Bogor bertujuan untuk mengurangi kepadatan dan kemacetan, namun hal tersebut bukan merupakan suatu jaminan. Oleh karena itu, penelitian ini bertujuan untuk mengetahui pola spasial kepadatan dan kemacetan dengan rute angkot saat ini serta membangun suatu model untuk memprediksi kepadatan dan kemacetan jika digunakan rute angkot baru, berdasarkan atas variabel penggunaan lahan jumlah sekolah dan pasar/mall, geometri dan kinerja jalan volume kendaraan, kapasitas jalan, kecepatan rata-rata, tipe jalan, jumlah jalur, jumlah simpang bersinyal dan tidak bersinyal, dan rute angkot yang melewati suatu ruas jalan. Metode yang digunakan dalam pemodelan adalah regresi berganda dengan menggunakan satu variabel dummy, serta metode stepwise regression. Hasil dari pemodelan menunjukkan bahwa variabel yang berpengaruh terhadap kepadatan adalah kecepatan rata-rata, jumlah simpang bersinyal dan tak bersinyal, dan rute angkot dengan nilai R2 66,9. Sedangkan variabel yang berpengaruh dalam model kemacetan adalah volume kendaraan, kapasitas jalan, jumlah simpang bersinyal, dan rute angkot dengan nilai R2 81,4. Untuk melihat akurasi dalam memprediksi model kepadatan dan kemacetan digunakan validasi Mean Absolute Precentage Error MAPE. Hasilnya menunjukkan nilai 12,46 untuk kepadatan yang artinya bahwa model memiliki akurasi prediksi baik dan 5,62 untuk kemacetan yang artinya model memiliki akurasi prediksi tinggi. Dengan demikian pada penelitian ini penggunaan lahan sekolah dan pasar tidak sebagai faktor penyebab kepadatan dan kemacetan, sedangkan geometri dan kinerja jalan serta rute angkot sebagai faktor penyebab kemacetan.

---

Traffic congestion is a problem for every region in Indonesia and the world, Bogor City is no exception. Factors causing congestion in Bogor City are thought to come from land use, the geometry and performance of road, and public transport routes urban transport. The change of urban transport route angkot carried out by Bogor City Government aims to reduce traffic density and congestion, but it is not a guarantee. Therefore, this study aims to determine the spatial patterns of traffic density and congestion with current angkot routes and construct a model to predict traffic density and congestion when new angkot routes are used, based on land use variables number of schools and markets malls, geometry and performance of road vehicle volume, road capacity, average velocity, road type, number of lanes, number of signaled and non signal intersection, and an angkot route passing a road. The method used in modeling is multiple regression using one dummy variable, and stepwise regression method. The result of modeling shows that the variables affecting traffic density are velocity, number of signaled and non signal intersection, and angkot route with R2 value 66,9. While the influential variables in the traffic congestion model are vehicle volume, road capacity, number of signaled intersection, and angkot route with R2 value 81.4. To see accuracy in predicting model of traffic density and congestion, Mean Absolute Precentage Error MAPE validation is used. The results show a value of 12.46 for traffic density which means that the model has good prediction accuracy and 5.62 for traffic congestion which means the model has high prediction accuracy. Thus in this study the landuse of school and market is not a factor causing traffic density and congestion, while the geometry and performance of roads and public transportation routes as a factor causing congestion.

Abstrak :
Schistosomiasis Japonicum merupakan penyakit parasit yang disebabkan oleh infeksi cacing Schistosoma, terdapat pada host siput Oncomelania Hupensis Linduensis. Penyakit Schistosomiasis atau demam keong di Indonesia bersifat endemik, untuk menghilangkan Schistosomiasis, mengendalikan populasi siput dianggap sebagai salah satu langkah pengendalian terpadu dalam mengendalikan penyakit Schistosomiasis. Telah diketahui dengan baik bahwa transmisi Schistosomiasis japonicum terkait erat dengan distribusi host perantara siput, yang bergantung pada karakteristik geografis dan faktor lingkungan. Penelitian ini dilakukan untuk membangun model analisis spasial penyebaran habitat siput dengan menggunakan data pengindraan jauh untuk mengekstraksi informasi indeks vegetasi NDVI , indeks kelembaban lahan TVDI , tutupan lahan, dengan data dukung kemiringan lahan, ketinggian, jarak dari sungai, jarak dari danau, temperature permukaan tanah, dan curah hujan. Penelitian yang dilakukan di Dataran Lindu dianalisis dengan stepwise regretion untuk mengidentifikasi faktor penentu ekologi kehidupan Oncomelania Hupensis Lindoensis. Hasilnya menunjukan bahwa TVDI, tutupan lahan, NDVI, dan LST merupakan variable yang paling signifikan dengan korelasi 85,9 dan tingkat keakurasian 87,03 . Dari analisis permodelan diketahui bahwa distribusi habitat Oncomelania hupensis menunjukan pola acak. Dengan mengetahui karakterisrtik sebaran habitat Oncomelania hupensis melalui analisis penginderaan jauh, diharapkan dapat dilakukan monitoring pergerakan habitat, sehingga langkah tersebut dapat digunakan untuk membantu pengendalian habitat dimaksud sebagai host penyakit schistosomiasis di Indonesia. ...... Schistosomiasis Japonicum is a parasitic disease caused by a worm infection of Schistosoma, found on the host Snail Oncomelania Hupensis Linduensis. Schistosomiasis or snail fever in Indonesia is endemic, to eliminate Schistosomiasis, controlling snail populations is considered as one of the integrated control measures in controlling Schistosomiasis disease. It is well known that the Schistosomiasis japonicum transmission is closely related to the distribution of hosted slug intermediaries, which depend on geographic characteristics and environmental factors. This research was conducted to build spatial analysis model of spreading of snail habitat by using remote sensing data to extract vegetation index information NDVI , land humidity index TVDI , land cover, with data of land inclination, altitude, distance from river, distance from lake , ground surface temperature, and rainfall. Research conducted in the Lindu Plains was analyzed by stepwise regretion to identify the ecological determinants of Oncomelania Hupensis Lindoensis life. The results show that TVDI, land cover, NDVI, and LST are the most significant variables with 85,9 correlation and 87,03 accuracy. From the modeling analysis it is known that Oncomelania hupensis habitat distribution shows random pattern. By knowing the characteristic of Oncomelania hupensis habitat distribution through remote sensing analysis, it is expected to monitor the movement of habitat, so that the step can be used to help control the habitat referred to as host of schistosomiasis disease in Indonesia.

Abstrak :
Pertumbuhan ekonomi dan bonus demografi mendorong tingginya laju urbanisasi di Indonesia. Namun, penerimaan pajak bumi dan bangunan di wilayah perkotaan masih rendah dibandingkan negara-negara G20. Rendahnya kinerja sektor pajak bumi dan bangunan di wilayah perkotaan salah satunya disebabkan oleh terbatasnya kapasitas Pemerintah Daerah dalam menetapkan nilai bangunan yang menjadi dasar perhitungan pajak. Penetapan nilai bangunan yang masih menggunakan metode pengukuran langsung di lapangan tidak dapat mengimbangi perkem-bangan kota sehingga basis data pajak tidak dapat menggambarkan realitas wilayah urban dan penerimaan pajak menjadi rendah. Sehubungan dengan itu, teknologi pemetaan dengan LiDAR dapat dijadikan salah satu terobosan untuk meningkatkan kinerja pajak Pemerintah Daerah karena dapat mengestimasi harga suatu bangunan secara cepat. Penelitian ini bertujuan untuk menge-tahui bagaimana perbedaan harga bangunan berdsarkan basis data paka dengan hasil pemetaan dan di mana perbedaan tersebut terjadi. Berdasarkan pemetaan LiDAR, di wilayah perumahan kerapatan tinggi, luas bangunan saat ini secara rata-rata 1,66 kali lebih luas daripada luas bangunan yang terdaftar dalam basis data pajak Pemerintah Kota Depok. Sementara, luas bangunan di wilayah perumahan kerapatan sedang dan wilayah perdagangan dan jasa mas-ing-masing 1,35 dan 1,08 kali lebih luas. Dengan melakukan appraisal menggunakan model 3D LiDAR berdasarkan biaya membangun suatu bangunan per meter persegi, harga bangunan di wilayah penelitian diketahui jauh lebih tinggi daripada harga bangunan dalam basis data pajak Pemerintah Kota Depok. Harga bangunan di wilayah permukiman kerapatan tinggi 9 kali lebih tinggi, perumahan kerapatan sedang 6 kali lebih tinggi, sedangkan di wilayah perdagangan dan jasa 3 kali lebih tinggi. ......Economic growth and its demographic benefits have enhanced the high rate of urbanization in Indonesia, although property tax revenues are still low compared to G20 countries. This low performance is partly due to the limited capacity of local governments, regarding the determination of building values for tax calculations. To improve local government tax performance, LIDAR mapping is capable of being used for quickly estimating the price of a building. Therefore, this study aimed to determine the patterns by which the spatial differences in building price values influence the tax databases and LiDAR mapping results. Based on this mapping process, the present building site size in high-density housing areas was on average 1.66-times larger than those in the Depok City Government tax database. Meanwhile, the sites in medium-density housing and trade/service areas were 1.35- and 1.08-times wider, respectively. Using a LiDAR 3D model, the observed level of construction was much higher in the highly-urbanized area compared to the price in the Depok City Government tax database. This was based on the construction cost of a building per square meter. Regarding these results, the building prices in high- and medium-density areas, as well as the trade/service area, were nine, six, and three-times higher, respectively.

Abstrak :
Pertumbuhan Jakarta meluas secara spasial membentuk wilayah Jabodetabek. Seiring dengan pertumbuhan kota, ruang hijau digantikan dengan gedung dan jalan menghasilkan fenomena Urban Heat Island. Penelitian ini bertujuan untuk menganalisis distribusi spasial UHI, pola hubungan antara LST, NDVI dan NDBI serta memodelkan prediksi UHI dengan metode Long Short Term Memory (LSTM). LSTM adalah variasi RNN yang memiliki prinsip kerja dengan menyimpan informasi terhadap pola-pola data. Hasilnya distribusi spasial UHI arahnya cenderung kearah timur dan selatan Jakarta. Karakteristik wilayah terdampak fenomena UHI berada pada daerah pusat industri, pengembangan pemukiman, perekonomian, transportasi, pelayanan, serta perdagangan. Profil LST bervariasi berdasarkan jarak dan ketinggian elevasi. Fenomena UHI mampu menghangatkan suatu wilayah sebesar 10C dibandingkan suhu normalnya. Pola spasial UHI berpola random akibat mengikuti pola jaringan jalan yang menyebar secara tidak teratur. Hasil pembangunan model sistem prediksi UHI bulan Januari tahun 2021 – Oktober tahun 2022 didapatkan nilai indeks positive 4,3 – 7,1 ini menunjukan suhu di wilayah Jakarta lebih panas dibandingkan Bogor. Pada uji nilai akurasi didapatkan RMSE sebesar 1,65 dan MAE sebesar 2,73 ......akarta’s growth expanded spatially to the Jabodetabek area. As cities grow, green spaces replaced with buildings and roads, resulting in a temperature difference phenomenon known as Urban Heat Island. This study aims to analyze the occurrence of UHI, synthesize the relationship between LST, NDVI, and NDBI, and model temperature prediction using Long Short-Term Memory (LSTM) method. LSTM is a variation of RNN which has a working principle by storing information and data patterns. The result is that the spatial distribution of UHI tends to be towards east and south Jakarta. The characteristics of the area affected by UHI are areas that centers of industry, settlements, economy, transportation, services, and trade. The LST profile varies with distance and elevation. UHI phenomenon can warm an area by 1°C compared to the average temperature. The spatial pattern of UHI is random as a result of following a road network pattern that spreads irregularly. The results of the development of the UHI prediction system model for January 2021 - October 2022 obtained a positive index value of 4.30C – 7.10C, this shows that temperature in Jakarta always hotter than temperature in Bogor. Accuracy value test, RMSE was 1.65, and the MAE was 2.73.

Abstrak :
Perkembangan fisik suatu kota merupakan hasil dari pertumbuhan penduduk dan segala aktivitas di wilayah perkotaan yang dicirikan dengan adanya perubahan penggunaan lahan dalam skala yang luas didorong oleh pembangunan infrastruktur dan perkembangan sosial ekonomi yang memiliki dampak negatif terhadap keberlanjutan lingkungan. Prediksi perkembangan fisik kota di Kecamatan Slawi dan Adiwerna Kabupaten Tegal dihasilkan melalui pemodelan dengan metode Cellular Automata-Markov Chain (CA-MC) menggunakan citra satelit resolusi tinggi . Penelitian ini menggunakan data citra satelit resolusi tinggi Worldview-2 tahun 2011 dan 2021 dan Geoeye-1 tahun 2017. Variabel pendorong yang digunakan untuk memprediksi perkembangan fisik kota diantaranya yaitu jarak dari jalan arteri, jarak dari jalan kolektor, jarak dari pintu tol, jarak dari pusat kota, dan jarak dari pusat kegiatan ekonomi.. Hasil penelitian menunjukan pada periode 2021-2032, tren alih fungsi lahan pertanian ke lahan terbangun, terutama lahan perumahan diprediksi akan terus terjadi. Perkembangan fisik kota pada kecamatan dengan dua fungsi berbeda akan berpengaruh pada perbedaan proses perembetan kenampakan fisik kota yang terjadi. Perkembangan fisik kota di Kecamatan Slawi cenderung mendekati pusat kota dengan arah perubahan penggunaan lahan perumahan dengan proses perembetan kenampakan fisik kota yang liner atau memanjang mengikuti jalan kolektor. Sedangkan perkembangan fisik kota di Kecamatan Adiwerna berupa perkembangan industri, perdagangan dan jasa dimana terjadi perembetan secara meloncat (leap frog). Hasil kesesuaian prediksi perkembangan fisik kota dengan Pola Ruang, terdapat prediksi penggunaan lahan yang tidak sesuai peruntukan kawasan. Hasil penelitian ini dapat dijadikan acuan dalam penyusunan RDTR Kecamatan Slawi dan Adiwerna yang membutuhkan peta detail skala 1 : 10.000 sebagai skala minimal dalam penyusunan RDTR. ......The physical development of a city is the result of population growth and all activities in urban areas characterized by extensive changes in land use driven by infrastructure development and socio-economic growth, which have negative impacts on environmental sustainability. The prediction of the physical development of the cities in Slawi and Adiwerna sub-districts in Tegal Regency is achieved through modeling using the Cellular Automata-Markov Chain (CA-MC) method, utilizing high-resolution satellite imagery. This research utilizes high-resolution satellite imagery, such as Worldview-2 from 2011 and 2021, and Geoeye-1 from 2017. The driving variables used to predict the city's physical development include distance from arterial roads, distance from collector roads, distance from toll gates, distance from the city center, and distance from economic activity centers. The results of the study show that during the period 2021-2032, the trend of converting agricultural land to built-up areas, especially residential areas, is predicted to continue. The physical development of the city in sub-districts with different functions will affect the differences in the process of physical appearance propagation that occurs. The physical development of the city in Slawi sub-district tends to approach the city center, with changes in land use mainly focused on residential areas and the propagation process following collector roads. On the other hand, the physical development of the city in Adiwerna sub-district involves the development of industries, trade and services, with leap-frogging propagation.The results of the prediction of the city's physical development compared to the Spatial Pattern show instances of land use prediction that do not match the designated zones. These research findings can be used as references in the formulation of Spatial Plans for Slawi and Adiwerna sub-districts, requiring detailed maps at a minimum scale of 1:10,000 for the Urban Planning.

Abstrak :
El-Nino tahun 2019 menyebabkan penurunan curah hujan hingga kekeringan lahan yang menyebabkan puso di lahan pertanian. Penelitian ini bertujuan memodelkan kekeringan meteorologi, vegetasi, dan hidrologi di daerah terdampak kekeringan yaitu di Kabupaten Kebumen, Jawa Tengah. Kedua, memodifikasi model kekeringan dari Indeks Rawan Kekeringan (IRK) menjadi Indeks Rawan Kekeringan Regional (IRKR). Ketiga menganalisis spasial IRKR Kebumen dan membandingkannya degan hasil produksi padi. Tiga jenis kekeringan diekstraksi dari indeks penginderaan jauh yaitu Standardized Precipitation Index-3 (SPI-3), Vegetation Health Index (VHI), dan Soil Moisture Index (SMI) berbasis cloud computation Gooogle Earth Engine (GEE). Data yang digunakan adalah CHIRPS tahun 1981-2020, Landsat-8 tahun 2019 dan 2020, dan Citra Satelit Resolusi Tinggi (CSRT) Maxar 2019 dan 2020. Metodologi untuk mengkombinasikan tiga jenis kekeringan yaitu Multiple Criteria Analysis (MCA). Kekeringan meteorologi, vegetasi, dan hidrologi merepresentasikan kekeringan dari aspek curah hujan, stress vegetasi, dan kandungan air tanah dan permukaan. Model IRKR memodifikasi model IRK dalam hal data input, proses pengolahan, dan pembobotan variabel untuk level pemetaan kabupaten/kota dengan akurasi 84,6%. El-Nino menyebabkan kekeringan lebih luas mencapai 10.997 Ha di periode Nov-Des-Jan 2019 daripada 2020. Kekeringan mendominasi wilayah pesisir dengan bentuk lahan fluvio-marine pada sawah tadah hujan. Kekeringan menyebabkan penurunan luas panen tetapi tidak mempengaruhi hasil produksi padi. ......The 2019 El-Nino caused a decrease in rainfall to land drought which caused puso in agricultural land. This study aims to model meteorological drought, vegetation, and hydrology in drought areas, namely in Kebumen Regency, Central Java. Second, modifying the drought model from the Drought Hazard Index (IRK) to the Regional Drought Hazard Index (IRKR). The third is to analyze the spatial IRKR of Kebumen and compare it with the yield of rice production. Three types of drought were extracted from the remote sensing index, namely Standardized Precipitation Index-3 (SPI-3), Vegetation Health Index (VHI), and Soil Moisture Index (SMI) based on cloud computing Gooogle Earth Engine (GEE). The data used are CHIRPS 1981-2020, Landsat-8 in 2019 and 2020, and Maxar High Resolution Satellite Imagery (CSRT) 2019 and 2020. The methodology for combining three types of drought is Multiple Criteria Analysis (MCA). Meteorological, vegetation, and hydrological droughts represent drought in terms of rainfall, vegetation stress, and soil and surface water content. The IRKR model modifies the IRK model in terms of data input, processing, and weighting variables for the district/city mapping level with an accuracy of 84.6%. El-Nino caused a wider drought reaching 10,997 Ha in the period Nov-Dec-Jan 2019 than 2020. Drought dominates coastal areas with fluvio-marine landforms in rainfed rice fields. Drought causes a decrease in harvested area but does not affect rice production.

Abstrak :
DAS Cisadane termasuk dalam DAS prioritas dengan status untuk dipulihkan. Perkembangan penduduk dan perubahan penggunaan tanah di daerah tersebut menjadi salah satu permasalahan terhadap kebutuhan akan sumber daya air akibat berkurangnya wilayah resapan air, sehingga identifikasi wilayah resapan diperlukan untuk menjaga dan memperbaiki fungsi resapan air. Pemetaan potensi resapan air dilakukan dengan model RTkHL-DAS dan SCS-CN menggunakan data jenis tanah, curah hujan, lereng dan penutup lahan yang diperoleh dari peta analog dan data penginderaan jauh (CHIRPS, Landsat 8 dan DEMNAS). Model dari RTkHL-DAS dilakukan modifikasi untuk membuat model terbaru yaitu model I dengan perubahan data penutup lahan menjadi NDVI dan Model II dengan mengubah jenis tanah menjadi SMI dan penambahan kriteria densitas drainase pada model I, serta dilakukan pembobotan hasil normalisasi bobot penelitian terdahulu. Kedua model diproses dengan metode multi-kriteria dengan teknik weight overlay untuk menghasilkan kelas potensi resapan air. Hasil menunjukkan resapan air model Model RTkHL-DAS dengan menggunakan menghasilkan kelas baik (65,6%), Normal Alami (4,6%), mulai kritis (5,7%), agak kritis (22,1%) dan kritis (2%). Model SCS-CN dengan nilai CN dari 20-40 (23%), 60-80 (52,10%) dan 80-100 (24,90%). Berdasarkan hubungannya dengan fluktuasi muka air tanah, kedua model memiliki hubungan dengan perubahan fluktuasi muka air tanah dengan masing-masing kelas yang dihasilkan dari tiap model. Model I menghasilkan 4 kelas potensi resapan air yaitu sangat tinggi (1,9%), tinggi (40,8%), sedang (55,8%), dan rendah (1,5%), memiliki keunggulan dalam mendeteksi variasi kelas pada kondisi dominan hutan/vegetasi. Sedangkan Model II menghasilkan kelas sangat tinggi (0,3%), tinggi (53,4%), sedang (44,6%), dan rendah (1,7%). Memiliki keunggulan dalam mendeteksi variasi kelas pada kondisi dominan permukiman/sawah yang diperkuat dengan hubungan fluktuasi muka air tanah di wilayah tengah-hilir terhadap luas kelas potensi resapan air di mana Model II mengungguli Model I. ......The Cisadane watershed is included in the priority watershed with status for restoration. Population development and changes in land use in the area are one of the problems with the need for water resources due to reduced water catchment areas, so the identification of recharge areas is needed to maintain and improve the function of water catchments. The mapping of recharge potential was carried out using the RTkHL-DAS and SCS-CN models using data on soil types, rainfall, slopes, and land cover obtained from analog maps and remote sensing data (CHIRPS, Landsat 8, and DEMNAS). The model from the RTkHL-DAS was modified to create the latest model, namely model I by changing the land cover data to NDVI and Model II by changing the soil type to SMI and adding drainage density criteria from model I, as well as weighting the results of the normalization of the weights of previous studies. Both models were processed using a multi-criteria method with a weight overlay technique to produce a class of water infiltration potential. The results show that the water infiltration of the RTkHL-DAS model using the good class (65.6%), Natural Normal (4.6%), critical (5.7%), moderately critical (22.1%), and critical ( 2%). SCS-CN model with CN values from 20-40 (23%), 60-80 (52.10%) and 80-100 (24.90%). Based on its relationship with groundwater level fluctuations, both models have a relationship with changes in groundwater level fluctuations with each class resulting from each model. Model I produces 4 classes of water infiltration potential, namely very high (1.9%), high (40.8%), moderate (55.8%), and low (1.5%). Effective in detecting classes in dominant conditions of forest/plantation. While Model II produces very high (0.3%), high (53.4%), medium (44.6%), and low (1.7%). It has the advantage of detecting class variations in the dominant conditions of settlements/rice fields which is strengthened by the relationship between groundwater level fluctuations in the middle-downstream region to the class area of water infiltration potential where Model II outperforms Model I.