MAJALAH ILMIAH GLOBE
Not a member yet
68 research outputs found
Sort by
IDENTIFIKASI PENURUNAN MUKA TANAH MELALUI ANALISIS CITRA SENTINEL 1A DENGAN MENGGUNAKAN METODE DIFFERENTIAL INTERFEROMETRIC SYNTHETIC APERTURE RADAR (DINSAR) DI TAMBAK PT IROHA SIDAT INDONESIA, BOMO, BANYUWANGI: (Land Subsidence Identification Through Sentinel 1A Image Analysis using Differential Interferometric Synthetic Aperture Radar (DInSAR) Method at PT Iroha Sidat Indonesia, Bomo, Banyuwangi)
Get PDFPT Iroha Sidat Indonesia (PT ISI) melakukan proses budidaya ikan sidat di Banyuwangi dan sangatbergantung pada penggunaan air tawar. Proses tersebut diduga memberikan pengaruh terhadap kondisipermukaan tanah di sekitar lokasi tambak PT ISI. Sebagai bagian dari kegiatan Aquaculture Improvement Program (AIP) yang bekerjasama dengan WWF Indonesia, dilakukan kajian untuk mengetahui pengaruhaktivitas sumur bor (pompa) terhadap Penurunan Muka Tanah (PMT) di tambak PT ISI. Kajian ini dilakukandengan metode DInSAR (Differential Interferometric Synthetic Aperture Radar), yaitu metode denganperpaduan dua citra radar dengan fase berbeda untuk memperoleh pergeseran tanah. DInSAR akanmemberikan hasil analisis deformasi hingga pada ketelitian sub-sentimeter. Analisis DInSAR dilakukanmenggunakan citra Sentinel 1A tahun 2014, 2016, 2017, 2018 dan 2019 dan proses pengolahan citradilakukan dengan menggunakan software SNAP v.7.0. Hasil pengolahan citra Sentinel 1A per-tahun menunjukkan adanyadeformasi vertikal yang terjadi di sekitar area tambak PT ISI. Hasil tersebut menunjukkanadanya variasi deformasi vertikal setiap tahunnya, dimana terjadi subsidence (penurunan) dan juga uplift(kenaikan). Nilai PMT yang terjadi dari tahun 2014 hingga 2019 berkisar antara (-0,001) – (-0,031)meter/tahun, sedangkan nilai kenaikan yaitu 0,016 meter/tahun. Hal ini dapat menjadi salah satu bahanpertimbangan oleh PT ISI untuk melakukan efisiensi dalam penggunaan air tanah. Dalam kajian juga ditemukan adanya proses penambangan pasir di sekitar tambak PT ISI, sehingga diperlukan kajian lebihdalam untuk mengetahui spesifikasi pengaruh terjadinya PMT yang diakibatkan oleh pompa dan penambangan pasi
IDENTIFICATION OF AGE CLASS AND VARIETIES OF RICE PLANT USING SPECTRORADIOMETRY AND CHLOROPHYLL CONTENT INDEX: (Identifikasi Kelas Umur dan Varietas Tanaman Padi Menggunakan Spektroradiometri dan Indeks Kandungan Klorofil)
Get PDFRice is the staple food for Indonesian society because more than 90% population eat rice every day. Estimation of the rice production can be monitored from the plant growth phase by utilizing remote sensing data. Spectroradiometry can be used to validate the remote sensing spectral because it has a wide wavelength range. Research objectives are to identify transplanting age class and varieties of rice plant based on spectroradiometry and its vegetation index, to analyze the relationship between spectroradiometry and chlorophyll content index (CCI). The results show that the transplanting date of 14 days, 21-32 days, and 56-68 days in three varieties (Inpari32; Padjadjaran Agritan; Siliwangi Agritan) are difficult to be distinguished at visible wavelength but it easy at infrared wavelength. The plant age class for the Siliwangi Agritan can be distinguished well on NDVI, SAVI, EVI while the Pajajaran Agritan is only on NDVI and EVI. All vegetation indexes, where the plant age of 14 days and 21-32 days for the Inpari32 are difficult to be distinguished between them, but easy to be distinguished with 56-68 days. This is due to the high sensitivity of chlorophyll to infrared wavelengths and the characteristics of rice plants itself (many tillers and plant height). Meanwhile, rice plants of every veriety are difficult to be distinguished, either on visible wavelength, infrared wavelength or on all vegetation indexes. Spectroradiometry has a high correlation with chlorophyll content index (CCI) (R2=0,88). This shows that the higher chlorophyll content in rice plants, the higher spectroradiometry for infrared wavelength. 
ANALISIS SPASIAL PENGGUNAAN LAHAN DAN KESESUAIAN TERHADAP RENCANA TATA RUANG WILAYAH DI KECAMATAN KEJAJAR, KABUPATEN WONOSOBO: (Spatial Analysis of Landuse Change and Its Conformity to the Regional Spatial Plan of Kejajar Sub District, Wonosobo Regency)
Get PDFPertumbuhan penduduk yang tinggi di Indonesia berakibat pada kebutuhan ruang yang memicu terjadinya perubahan lahan untuk memenuhi kebutuhan lahan untuk berbagai macam peruntukan. Hal ini juga terjadi di Kabupaten Wonosobo, khususnya Kecamatan Kejajar, dimana perubahan penggunaan lahan diindikasikan terjadi untuk memenuhi kebutuhan lahan untuk perkebunan sayur. Perubahan lahan yang terjadi diindikasikan menyebabkan ketidaksesuaian penggunaan lahan terhadap Rencana Tata Ruang Wilayah (RTRW). Kesesuaian penggunaan lahan wilayah Kabupaten Wonosobo mengacu pada Peraturan Daerah Kabupaten Wonosobo No. 2 Tahun 2011 tentang Rencana Tata Ruang Wilayah (RTRW) Kabupaten Wonosobo Tahun 2011-2031. Penelitian ini bertujuan untuk menganalisis perubahan penggunaan lahan tahun 2015 dan 2018 dan kesesuaian penggunaan lahan tahun 2018 terhadap RTRW di wilayah Kecamatan Kejajar, Kabupaten Wonosobo. Klasifikasi penggunaan lahan dilakukan menggunakan pendekatan interpretasi visualpada data citra satelit SPOT-7 tahun 2015 dan SPOT-6 tahun 2018. Analisis spasial temporal berbasis SIG dilakukan untuk mengidentifikasi perubahan penggunaan lahan tahun 2015 dan 2018. Sedangkan spatial overlay analysis dilakukan untuk mengevaluasi kesesuaian penggunaan lahan tahun 2018 terhadap RTRW. Berdasarkan analisis perubahan penggunaan lahan secara keseluruhan, luas perubahan penggunaan lahan adalah 241,413 ha dengan persentase sebesar 3,27%. Setiap desa memiliki perubahan penggunaan lahan yang bervariasi dan tidak terlalu signifikan. Berdasarkan analisis kesesuaian penggunaan lahan tahun 2018 terhadap Rencana Tata Ruang Wilayah (RTRW), lahan yang sesuai adalah 6.830,050 ha, dengan persentase kesesuaian sebesar 92,56%. Sedangkan penggunaan lahan seluas 549,007 ha tidak sesuai dengan RTRW, dengan persentase ketidaksesuaian sebesar 7,44%
ANALISIS SPASIAL KERAWANAN BANJIR DI DAS MEMPAWAH: (Spatial Analysis of Flood Vulnerability in Mempawah Watershed)
Get PDFBanjir di Daerah Aliran Sungai (DAS) Mempawah masih menjadi bencana lingkungan yang sampai kini belum teratasi. Hal ini diantaranya disebabkan oleh belum tersedianya informasi spasial kerawanan banjir di wilayah tersebut yang mengacu pada kondisi DAS sebagai dasar untuk menentukan prioritas strategi dalam mitigasi banjir dan perencanaan pengelolaan dan pemanfaatan DAS yang berkelanjutan. Tujuan penelitian ini adalah memetakan kerawanan banjir di DAS Mempawah khususnya di wilayah Kabupaten Mempawah dan Kabupaten Landak dengan menggunakan analisis spasial berbasis Sistem Informasi Geografis (SIG) dengan overlay, scoring, dan weighting. Parameter penelitian terdiri atas curah hujan, elevasi lahan, kemiringan lereng, tipe tanah, tutupan/penggunaan lahan dan kerapatan jaringan sungai. Hasil penelitian menunjukkan bahwa tingkat kerawanan banjir DAS Mempawah pada Kabupaten Mempawah termasuk pada klasifikasi tidak rawan hingga kerawanan tinggi, sedangkan tingkat kerawanan banjir pada DAS Mempawah di Kabupaten Landak termasuk ke dalam klasifikasi kerawanan rendah hingga kerawanan tinggi. Kejadian banjir di DAS Mempawah ini dipengaruhi oleh faktor curah hujan, topografi yang landai, penurunan kapasitas jaringan sungai, dan penggunaan lahan. Pengelolaan DAS Mempawah dapat dilakukan diantaranya dengan (1) menjaga debit limpasan air melalui pemanfaatan daerah rawa sebagai tempat parkir debit limpasan air dan menjaga hutan atau melakukan penghijauan; (2) melakukan kegiatan penanganan dan perawatan sungai di DAS Mempawah untuk menjaga kapasitas sungai; (3) menyusun pengaturan penggunaan lahan yang menyesuaikan dengan adanya risiko rawan banjir; dan (4) pengelolaan DAS terpadu. 
PEMANFAATAN DATA PENGINDERAAN JAUH UNTUK ANALISIS PERUBAHAN PENGGUNAAN DAN TUTUPAN LAHAN DI SUB DAS BIYONGA, KABUPATEN GORONTALO: (Utilization Of Remote Sensing Data For Analysis Of Land Use And Land Cover Changes In Biyonga Sub-Watershed, Gorontalo Regency)
Get PDFJumlah penduduk yang semakin meningkat dapat menyebabkan kerusakan respon hidrologi dan degradasi lahan. Dalam kurun waktu 10 tahun terjadi peningkatan penduduk sebesar 0,96% di wilayah Sub DAS Biyonga. Penelitian ini menganalisis data penginderaan jauh untuk memperoleh informasi perubahan penggunaan dan tutupan lahan dengan uji akurasi menggunakan Google Earth di Sub DAS Biyonga. Penelitian menggunakan citra Landsat 8 OLI/TIRS untuk tahun 2015 dan 2020, citra Landsat 7 ETM untuk tahun 2010. Penggunaan lahan yang teridentifikasi berdasarkan analisis citra menggunakan metode Maximum Likelihood terdiri dari 8 kategori berdasarkan SNI 7645-1-2014 yaitu hutan lahan tinggi primer kerapatan tinggi, hutan lahan rendah primer kerapatan sedang, ladang, sawah, bangunan permukiman, lahan terbuka diusahakan, semak/belukar dan danau. Selanjutnya klasifikasi penggunaan lahan di uji akurasi, di mana titik sampel acak sebanyak 103 titik dikonversi ke Keyhole Markup Language (KML) dan dianalisa menggunakan Google Earth. Hasil penelitian menunjukkan interpretasi citra dilakukan dengan sangat baik seperti ditunjukkan pada akurasi keseluruhan tahun 2010, 2015 dan 2020 sebesar 88,34%, 87,40% dan 85,40%. Akurasi kappa tahun 2010, 2015 dan 2020 sebesar 85,70%, 84,50% dan 82,43%. Berdasarkan kategori kesesuaian akurasi hasil uji masuk kriteria hampir sempurna dan menandakan persentasi dari data yang reliable mencapai 80-100% dengan citra Google Earth. Hasil analisis perubahan penggunaan lahan di Sub DAS Biyonga periode 2010-2020 menunjukkan perubahan yang signifikan. Ladang, lahan terbuka diusahakan, dan hutan lahan rendah primer kerapatan sedang memiliki peningkatan luas masing-masing 10,68%, 6,11% dan 4,18%. Adapun hutan lahan tinggi primer kerapatan tinggi, sawah dan danau mengalami penurunan luas masing-masing 27,69%, 1,19% dan 1,18%
PEMODELAN DISTRIBUSI SPASIAL KASUS POSITIF COVID-19 MENGGUNAKAN ALGORITMA GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) Studi Kasus Provinsi DKI Jakarta: (Modeling Spatially Distribution of COVID-19 using Geographically Weighted Regression (GWR) Case Study DKI Jakarta Province)
Get PDFWabah novel corona virus 2019 (Covid-19) yang pertama kali ditemukan di Wuhan, China menjadi
sebuah pandemi global yang berdampak sangat signifikan terhadap seluruh aspek kehidupan. Kasus positif
Covid-19 di Indonesia pertama kali terkonfirmasi pada tanggal 2 Maret 2020 di Provinsi DKI Jakarta yang
kemudian ditetapkan sebagai episentrum transmisi Covid-19 di Indonesia. Berbagai penelitian dilakukan untuk
melakukan upaya mitigasi, mengetahui dampak dan penyebab, hingga investigasi berberapa faktor yang
sangat terkait dengan transmisi Covid-19. Distribusi kasus positif Covid-19 sangat terkait dengan lokasi,
sehingga salah satu algoritma yang tepat untuk melakukan investigasi adalah model Geographically Weighted
Regression (GWR). Model GWR merupakan pengembangan dari model regresi global dimana nilai bobot
variabel prediktor dihitung pada setiap lokasi pengamatan. Penelitian ini bertujuan untuk memodelkan
distribusi spasial kasus positif Covid-19 menggunakan model GWR dengan fungsi Kernel Adaptif Bisquare.
Variabel prediktor yang ditentukan melalui studi literatur adalah tingkat kepadatan penduduk, jumlah fasilitas
kesehatan, dan kelompok usia rentan. Pemilihan rentang kelompok usia rentan dilakukan menggunakan
algoritma Lasso-Cross Validation (Lasso-CV). Hasil model GWR menunjukkan koefisien determinasi sebesar
0,908 yang artinya 90,8% kasus positif Covid-19 di DKI Jakarta dipengaruhi oleh variabel yang digunakan,
sedangkan 9,2% kasus positif Covid-19 dipengaruhi oleh faktor lain di luar penelitian. Wilayah dengan
koefisien determinasi tertinggi terdapat pada wilayah Jakarta Utara bagian barat, Jakarta Barat bagian utara,
dan Jakarta Timur, sedangkan nilai koefisien determinasi terendah terdapat pada wilayah Jakarta Pusat
PENILAIAN KERENTANAN AIR PERMUKAAN TERHADAP PENCEMARAN MENGGUNAKAN DATA PENGINDERAAN JAUH DAN TEKNIK GIS
Get PDFAir permukaan menjadi salah satu sumber daya alam yang paling rentan mengalami pencemaran akibat adanya tekanan dari faktor alami dan aktivitas antropogenik yang kompleks. Hal tersebut menimbulkan kekhawatiran kelangkaan air tawar di masa depan. Oleh karena itu, evaluasi kualitas air secara kontinu diperlukan untuk melestarikan sumber daya air tersebut. Penelitian ini bertujuan untuk menganalisis kerentanan air permukaan terhadap pencemaran di Daerah Aliran Sungai (DAS) Cimanuk menggunakan metode overlay dalam Sistem Informasi Geografis (SIG) dengan parameter penggunaan lahan, kemiringan lereng, dan rata-rata curah hujan tahunan. Peta penggunaan lahan didapatkan dari citra Sentinel-2B, kemiringan lereng dari Shuttle Radar Topography Mission (SRTM) dan data curah hujan rata-rata tahunan berasal dari hasil pemantauan BMKG. Hasil analisis menunjukkan bahwa wilayah penelitian memiliki tingkat kerentanan air permukaan terhadap pencemaran rendah (3,72%), sedang (59,24%), dan tinggi (37,04%). Hasil ini memberikan gambaran bahwa sebagian besar wilayah di DAS Cimanuk memiliki tingkat kerentanan sedang dan tinggi dengan faktor yang paling berpengaruh adalah adanya perubahan penggunaan lahan. Informasi ini dapat digunakan sebagai dasar penentuan titik pemantauan kualitas air di DAS Cimanuk yang efisien
MODEL KLASIFIKASI UNTUK PREDIKSI FASE PERTUMBUHAN PADI DENGAN MACHINE LEARNING BERDASARKAN CITRA SATELIT: (Classification Model for Paddy Growth Phase Prediction with Machine Learning Based on Satellite Imagery)
Get PDFPadi memegang peranan penting bagi masyarakat Indonesia. Rumah Tangga Usaha Pertanian (RTUP) padi sebesar 64,85% dari RTUP sub sektor tanaman pangan tahun 2018. Data padi yang akurat dapat membantu pemerintah dalam menyusun perencanaan, mengeksekusi program, dan membuat keputusan yang tepat. Tujuan penelitian kami yaitu membangun model klasifikasi untuk prediksi fase pertumbuhan padi sebagai upaya dalam mendukung keakuratan data padi. Pemodelan multi kelas dilakukan dengan teknik machine learning yaitu Random Forest dan Support Vector Machine. Penelitian ini menggunakan citra Landsat-8 dan Sentinel-2 sebagai fitur yang disupervisi oleh data Kerangka Sampling Area (KSA) dari BPS sebagai variabel target. Sebanyak 1239 fitur statistik temporal turunan dari 18 indeks spektral Sentinel-2 dan 15 indeks spektral Landsat-8 diseleksi dengan plot korelasi dan teknik stepwise. Ketidakseimbangan data ditangani dengan teknik sampling SMOTE+TL. Pada klasifikasi tahap 1, performa model dalam memprediksi sawah padi, sawah bukan padi, dan bukan sawah mencapai akurasi 0,95 dan Matthews Correlation Coefficient (MCC) 0,84. Pada klasifikasi tahap 2, performa model dalam memprediksi fase pertumbuhan padi mencapai akurasi 0,87 dan MCC 0,73. Hasil menunjukan kombinasi citra Landsat-8 dan Sentinel-2, seleksi fitur temporal, serta pemilihan metode klasifikasi mampu meningkatkan performa model