Geoid (E-Journal)
Not a member yet
504 research outputs found
Sort by
Deformasi Permukaan pada Manifestasi Gunung Lumpur di Wilayah Cekungan Jawa Timur dari Pengolahan Data SAR menggunakan Metode PS-InSAR
No full textPenelitian ini menyajikan hasil pengolahan data SAR dengan metode Permanent Scatterer Interferometric SAR (PS-InSAR) yang bertujuan untuk menganalisa pola dan nilai deformasi muka tanah akibat manifestasi gunung lumpur di wilayah Cekungan Jawa Timur. Dengan menggunakan metode PS-InSAR pada pengolahan data time series untuk citra SAR L-band ALOS PALSAR 1 tahun 2007-2009 dan C-band Sentinel 1A tahun 2015-2019, besarnya deformasi yang didapat dapat sampai ketelitian satuan milimeter. Hasil yang diperoleh menunjukkan bahwa untuk pengolahan tahun 2007-2009 tidak dapat dijadikan informasi deformasi karena kurangnya ketersediaan jumlah citra sebagai syarat pengolahan metode PS-InSAR, sedangkan hasil pengolahan tahun 2015-2019 menunjukkan pola dan nilai deformasi yang berbeda pada tiap lokasi. Pada Gunung Lumpur Sidoarjo terjadi penurunan muka tanah rata-rata sebesar 5,46 mm/th. Gunung Lumpur Gununganyar mengalami kenaikan muka tanah rata-rata sebesar 1,71 mm/th dan penurunan muka tanah sebesar 7,08 mm/th. Gunung Lumpur Kalanganyar mengalami kenaikan muka tanah rata-rata sebesar 0,99 mm/th. Gunung Lumpur Wringinanom mengalami kenaikan muka tanah rata-rata sebesar 3,37 mm/th, dan Gunung Lumpur Bujhel Tasek Bini dan Laki mayoritas mengalami kenaikan muka tanah rata-rata 2,88 mm/th. Hasil analisis penelitian ini dapat dimanfaatkan sebagai bahan pertimbangan dalam kegiatan pembangunan atau konstruksi pada wilayah di sekitar manifestasi gunung lumpur di Provinsi Jawa Timur.This study presents the results of the Permanent Scatterer Interferometric SAR (PS-InSAR) processing technique, which aims to analyze the pattern and value of surface deformation due to mud volcano manifestations. Using the PS-InSAR method, the deformation identified from processing time-series data on the ALOS PALSAR 1 L-band SAR Image in 2007-2009 and C-band Sentinel 1A 2015-2019 can reach the accuracy of millimeters. The results also showed that the 2007-2009 data processing could not be used as deformation information. It is because the minimum number of images required for the PS-InSAR method was not fulfilled. The 2015-2019 data processing illustrates the deformation patterns and values on the mud volcano manifestation locations. The Sidoarjo Mud Volcano experience uplift with an average value of 5.46 mm/year. The Gununganyar Mud Volcano experienced average uplift of 1.71 mm/year and a subsidence of 7.08 mm/year. The majority of the Kalanganyar Mud Volcano experienced average subsidence of 0.99 mm/year. The Wringianom Mud Volcano experienced average subsidence of 3.37 mm/year, and the majority of Bujhel Tasek Bini and Pria Mud Volcano has average subsidence of 2.88 mm/year. This study's results can be useful for consideration in development activities or construction around the mud volcanoes manifestation in East Java Province
Hubungan Dual Polametric SAR Band – C dan Landsat 8 untuk Identifikasi Potensi Kekeringan
No full textKekeringan merupakan salah satu bencana krusial dan kompleks yang dapat menimbulkan kerugian material dan immaterial. Kekeringan di indonesia dikategorikan beberapa jenis meliputi Kekeringan Pertanian, Kekeringan Meterologis, dan kekeringan Hidrologi. Kekeringan pertanian merupakan kondisi dimana adanya penurunan kandungan air di dalam tanah. Kondisi tersebut akan berdampak pada tumbuhan dan atau tutupan lahan sehingga diperlukan tindakan preventif. Tindakan preventif dilakukan dengan cepat, efektif dan efisien sehingga pendekatan dengan pola dinamis sangat diperlukan. Pendekatan pola dinamis dilakukan dengan dengan metode yang dapat dilakukan setiap waktu. Penggunaan penginderaan jauh sensor aktif dapat menjadi solusi melalui pemantaaun setiap waktu secara dinamis. Salah satunya yaitu satelit dengan sensor radar, yaitu Sentinel 1. Sentinel 1A memiliki gelombang band C. Polarisasi pada citra Sentinel 1 memiliki bentuk dual-pol yang terdiri dari VV dan VH atau HH dan HV. Kombinasi polariasi memiliki potensi untuk digunakan identifikasi kekeringan. Metode yang dapat digunakan yaitu Radar Vegetation Index. Radar Vegetation Index dikembangkan dari algoritma NDVI. Klasifikasi kekeringan RVI dikembangkan dari analisis regresi hasil NDVI Landsat 8 dengan hasil RVI. Penelitian ini bertujuan untuk mengkaji pemanfaatan data SAR untuk identifikasi kekeringan dengan menghubungkan Dual Polametric SAR Band – C dan Landsat 8. Hasil penelitian bahwa NDVI memiliki Koefesien determinasi dengan RVI sebesar 0.2981.
Drought is a disastrous and complex disaster that can cause material and immaterial losses. The drought in Indonesia is categorized by several types including Agricultural Drought, Meteorological Drought, and Hydrological Drought. Agricultural drought is a condition where there is a decrease in water content in the soil. These conditions will have an impact on vegetation and / or land cover so preventive action is needed. Preventive action is carried out quickly, effectively and efficiently so that an approach with a dynamic pattern is needed. The dynamic pattern approach is done by a method that can be done any time. The use of Active Sensor remote sensing can perform monitoring at any time and dynamically. One of the satellites with radar sensors is Sentinel 1A. Sentinel 1A has a C band wave. Polarization in the Sentinel-1 image has a dual-pol form consisting of VV and VH or HH and HV. The Polarization combination has the potential to measure drought. The method that can be used is the Vegetation Radar Index. The radar vegetation index is developed from the NDVI algorithm. The RVI Drought Classification is made by maintaining the relationship between the NDVI Landsat 8 results and the RVI results. This study aims to examine the use of SAR data for drought identification with the relationship between Dual Polametric SAR Band - C and Landsat 8. The results explain that NDVI has a coefficient of determination with an RVI of 0.2981
Penerapan Metode Analytical Hierarchy Process (AHP) dalam Pemetaan Potensi Banjir Berbasis Sistem Informasi Geografis (Studi Kasus: Kota Malang, Jawa Timur)
No full textBanjir merupakan bencana alam yang paling sering terjadi di Indonesia. Menurut catatan Badan Nasional Penanggulangan Bencana (BNPB), telah terjadi 1080 bencana banjir di Indonesia sepanjang tahun 2020. Pada tanggal 18 Januari 2021, Kota Malang diguyur hujan dengan intensitas tinggi sehingga terjadi bencana banjir dan tanah longsor yang menyebabkan satu orang hilang dan 260 rumah terendam banjir. Dengan adanya bencana tersebut maka diperlukan analisis terhadap penyebab terjadinya banjir serta melakukan pencegahan dan mitigasi dengan pemetaan potensi banjir. Penelitian ini menggunakan metode pembobotan Analytical Hierarchy Process (AHP) dengan narasumber pegawai BAPPEDA Kota Malang, pegawai DPUPRPKP Kota Malang, dan pegawai BPBD Kota Malang. Parameter yang digunakan antara lain ketinggian lahan, kemiringan lereng, jenis tanah, tutupan lahan, histori banjir, curah hujan, dan kerapatan sungai. Hasil dari penelitian ini didapatkan bahwa curah hujan memiliki pengaruh lebih besar terhadap banjir dengan bobot sebesar 50%, diikuti dengan parameter lain yaitu kemiringan lereng 15%, tutupan lahan 11%, kerapatan sungai 10%, histori banjir 7%, ketinggian lahan 4%, dan jenis tanah 3%. Kemudian didapatkan tiga kelas potensi banjir yaitu potensi tinggi sebesar 3,04 km2, potensi sedang sebesar 90,42 km2, dan potensi rendah sebesar 9,41 km2. Wilayah yang berpotensi tinggi terhadap banjir adalah Kelurahan Kelurahan Arjosari, Purwodadi, Pandanwangi, Purwantoro, Sawojajar, Bunulrejo, Blimbing, Jatimulyo, Tlogomas, Lowokwaru, Dinoyo, Ketawanggede, dan Penanggungan
Analisa Pendangkalan Jalur Pelayaran Menggunakan Pemodelan Hidrodinamika 3D (Studi Kasus : Perairan Pelabuhan PT Petrokimia Gresik)
No full textPT Petrokimia Gresik memiliki fasilitas penunjang produktivitas berupa pelabuhan terminal untuk kepentingan sendiri. Pelabuhan tersebut diharapkan selalu dalam keadaan yang baik dan selalu aman untuk digunakan lalu lintas pelayaran kapal-kapal yang melewati. Namun, kinerja pelabuhan sangat tergantung dari kedalaman alur pelayaran dan kolam labuhnya. Salah satu dari penyebab terjadinya pendangkalan pada pelabuhan adalah adanya sedimentasi yang terjadi secara terusmenerus dan pengendapan di suatu lokasi. Pada saat terjadi surut material akan terkikis, sedangkan pada saat pasang akan terbawa material yang mengendap. Lokasi pelabuhan yang berada di selat dan muara sungai yang mengakibatkan kondisi topografi dengan elevasi yang rendah pada pesisir pantai dan pelabuhan yang dikhawatirkan mempengaruhi kegiatan bersandar kapal. Salah satu langkah yang digunakan untuk mengatasi pendangkalan yaitu dengan dilakukan proses pengerukan terhadap sedimen yang mengendap di daerah tersebut. Oleh sebab itu, agar proses pengerukan berjalan efektif diperlukan pengetahuan tentang hidrodinamika air laut dan transpor sedimen di daerah perairan tersebut. Simulasi model numerik dapat digunakan menjadi cara yang efisien dan ekonomis. Pada vi penelitian ini akan dilakukan pemodelan hidrodinamika secara numerik dengan menunjukkan gambaran tentang pola arus laut dan penyebaran sedimentasi di Perairan Pelabuhan PT Petrokimia Gresik dengan menggunakan perangkat lunak pemodelan hidrodinamika 3D. Berdasarkan hasil pemodelan dihasilkan mengalami pertambahan kedalaman sebesar 0,640 m dengan dominan 0,080 m serta mengalami rata-rata perubahan kedalaman sebesar 0,055 m dan memiliki kecepatan perubahan kedalaman hingga sebesar 0,030 m/hari dengan memiliki rata-rata kecepatan perubahan kedalaman sebesar 0,002 m/hari. Maka, jika diakumuluasikan dalam sebulan mendapatkan kecepatan perubahan kedalaman sebesar 0,060 m
Pemodelan Deformasi Gunung Sinabung Untuk Memprediksi Posisi Pusat Tekanan Magma Dengan Model Yokoyama Menggunakan Data Citra SAR Metode PS-InSAR
No full textIndonesia merupakan negara tektovulkanik dengan terdapat 129 gunung api aktif. Keberadaan gunung api tentunya berdampak positif, seperti daerah sekitar gunung menjadi subur dan berdampak negatif karena sering terjadinya bencana. Salah satu gunung aktif di Indonesia adalah Gunung Sinabung. Adanya aktivitas magma pada gunung api aktif mengakibatkan perubahan bentuk baik akibat pergerakan dan pergeseran tanah pada permukaan gunung api yang disebut deformasi. Deformasi dapat diketahui metode terestrial dengan menggunakan theodolit, Sipat darat dan metode ekstra-tersrial dengan pengamatan GPS dan pengolahan data citra SAR dengan metode pengolahan InSAR, D-InSAR, MT-InSAR yang meliputi, PS-InSAR dan SBAS. Penelitian ini dilakukan untuk mengetahui deformasi yang terjadi pada gunungapi Sinabung menggunakan metode PS-InSAR dilanjutkan memodekakan posisi sumbertekan magma dengan model Yokoyama. Model Yokoyama mengasumsikan kerak bumi tersusun atas ruangan yang elastis, dan sumber tekanannya adalah sebuah ruang kecil berbentuk spherical dengan tekanan hidrostatik yang bersifat searah dan perluasannya bersifat radial. Data SAR yang digunakan, terdiri dari terdiri dari 7 citra akusisi ascending dan 8 citra akusis descending pada tanggal akuisisi 1 Oktober hingga 31 Desember 2020. Dengan melakukan pengolahan citra secara ascending dan descending, LOS velocity rate dapat ditranformasikan ke nilai pergeseran horizontal dan vertikal. Hasil pengolahan PS-InSAR menunjukkan LOS velocity rate berkisar 394,1 mm/tahun sampai 320,7 mm/tahun arah ascending dan secara descending menunjukkan LOS velocity rate berkisar -277,5 mm/tahun sampai 31.5,8 mm/tahun. Setelah melakukan decomposition LOS velocity rate, diperoleh nilai displacement titik PS pada arah horizontal dan vertikal pada titik PS1 adalah (0,288; -0,037) meter , titik PS2 adalah (0,004; 0,010) meter dan titik PS3 adalah (0,041, -0,084) meter. Sehingga diperoleh posisi pusat tekanan magma menggunkan nilai pergeseran horizontal pada gunung sinabung berdasarkan model yokoyama terletak pada koordinat 03°10’02,64”LU dan 98°24’26,64”BT pada kedalaman 11850 meter. Sementara, Posisi pusat tekanan magma menggunkan nilai pergeseran vertikal terletak pada koordinat 03°09’54,72,64”LU dan 98°24’18,36”BT pada kedalaman 11250 meter
Identifikasi Sebaran Spasial Genangan Banjir Memanfaatkan Citra Sentinel-1 dan Google Earth Engine (Studi Kasus: Banjir Kalimantan Selatan)
No full textHujan dengan intensitas sedang hingga tinggi menyebabkan banjir pada pertengahan bulan Januari 2021 di Provinsi Kalimantan Selatan. Banjir di Provinsi Kalimantan Selatan pada Januari 2021 membawa dampak korban jiwa maupun materi. Dalam rangka mengurangi kerugian materi yang lebih besar, perlu dilakukan identifikasi wilayah yang mengalami banjir. Dalam penelitian ini daerah sebaran genangan banjir diidentifikasi menggunakan metode change detection dan threshold atau ambang batas. Data diperoleh dari hasil pengolahan menggunakan Google Earth Engine (GEE) berupa peta genangan banjir yang dievaluasi dengan peta hasil pengolahan Badan Perencanaan Pembangunan Daerah (BPPD) Provinsi Kalimantan Selatan. Metode change detection dilakukan pada citra dengan cara membagi nilai piksel citra saat banjir dibagi dengan sebelum banjir. Ekstraksi area genangan kemudian dilakukan dengan nilai threshold sebesar 1,10. Pengolahan dilakukan secara komputasi cloud menggunakan Google Earth Engine (GEE). Luas genangan banjir yang dihasilkan pada tanggal 20 Januari 2021 adalah seluas 226.905 hektar. Hasil tersebut dievaluasi terhadap data genangan banjir oleh Badan Perencanaan Pembangunan Daerah (BPPD) memiliki overall accuracy sebesar 97%
Kajian Keandalan True Orthophoto Untuk Pemetaan Skala Besar 1 : 5.000
No full textPembangunan kewilayahan yang merata di Indonesia masih terkendala dengan tidak tersedianya peta dasar skala besar sebagai bahan utama dalam penyusunan Rencana Detail Tata Ruang (RDTR). Data orthophoto dapat digunakan sebagai alternatif sumber data dalam penyediaan peta dasar skala besar. Penelitian ini bertujuan untuk mengkaji keandalan data true orthophoto hasil dense image matching dibandingkan dengan ground orthophoto bagi pembuatan unsur peta dasar skala besar di Indonesia. Area penelitian mengambil sampel wilayah urban, wilayah lahan terbuka dan wilayah bervegetasi. Tahap penelitian meliputi persiapan, pembentukan true orthophoto, dan analisis perbandingan antara unsur tutupan lahan pada true orthophoto dengan unsur tutupan lahan pada ground orthophoto. Berdasarkan hasil penelitian,true orthophoto memiliki kelemahan pada visualisasinya. Tingkat kecerahan dan kejelasan objek tutupan lahannya masih lebih rendah dibandingkan dengan data ground orthophoto. Kelemahan true orthophoto pada wilayah urban adalah banyaknya variasi rona piksel pada objek yang mengaburkan batas tutupan lahan, dominasi rona piksel objek yang menghilangkan objek lainnya dan adanya efek gergaji (sawtooth effect) pada bangunan tinggi. Untuk wilayah lahan terbuka dan wilayah bervegetasi terdapat kumpulan piksel yang berwarna abu-abu hingga kehitaman pada objek tutupan lahan. Perbedaan gelap terang piksel pada objek tutupan lahan dapat mempersulit identifikasi batas tutupan lahan. Secara geometri, data true orthophoto dapat digunakan untuk pembuatan peta dasar skala besar 1 : 5.000, hal ini ditunjukkan dengan hasil uji ketelitian geometrik horisontal (CE90) pada wilayah penelitian yang masuk ke dalam ketelitian peta RBI 1 : 5.000 kelas duaPembangunan kewilayahan yang merata di Indonesia masih terkendala dengan tidak tersedianya peta dasar skala besar sebagai bahan utama dalam penyusunan Rencana Detail Tata Ruang (RDTR). Data orthophoto dapat digunakan sebagai alternatif sumber data dalam penyediaan peta dasar skala besar. Penelitian ini bertujuan untuk mengkaji keandalan data true orthophoto hasil dense image matching dibandingkan dengan ground orthophoto bagi pembuatan unsur peta dasar skala besar di Indonesia. Area penelitian mengambil sampel wilayah urban, wilayah lahan terbuka dan wilayah bervegetasi. Tahap penelitian meliputi persiapan, pembentukan true orthophoto, dan analisis perbandingan antara unsur tutupan lahan pada true orthophoto dengan unsur tutupan lahan pada ground orthophoto. Berdasarkan hasil penelitian,true orthophoto memiliki kelemahan pada visualisasinya. Tingkat kecerahan dan kejelasan objek tutupan lahannya masih lebih rendah dibandingkan dengan data ground orthophoto. Kelemahan true orthophoto pada wilayah urban adalah banyaknya variasi rona piksel pada objek yang mengaburkan batas tutupan lahan, dominasi rona piksel objek yang menghilangkan objek lainnya dan adanya efek gergaji (sawtooth effect) pada bangunan tinggi. Untuk wilayah lahan terbuka dan wilayah bervegetasi terdapat kumpulan piksel yang berwarna abu-abu hingga kehitaman pada objek tutupan lahan. Perbedaan gelap terang piksel pada objek tutupan lahan dapat mempersulit identifikasi batas tutupan lahan. Secara geometri, data true orthophoto dapat digunakan untuk pembuatan peta dasar skala besar 1 : 5.000, hal ini ditunjukkan dengan hasil uji ketelitian geometrik horisontal (CE90) pada wilayah penelitian yang masuk ke dalam ketelitian peta RBI 1 : 5.000 kelas dua.
The unavailability of a large scale base map creates a challenge to entirely develop equal territorial in Indonesia as the primary material for preparing Detailed Spatial Plan (DSP). The orthophoto data is used as an alternative source of data in the provision of large-scale maps. This study aims to examine the results of true orthophoto of dense image matching for producing the large-scale topographical elements of 1: 5,000. The findings are compared with ground orthophoto data in the same territory. The samples were urban areas, open land areas, and vegetated areas. The research consists of preparation, generate true orthophoto, and comparative analysis of research findings with ground orthophoto. The true orthophoto of dense image matching results has weaknesses in its visualization. The level of brightness and clarity of the land is lower than the ground orthophoto. The weakness of true orthophoto in urban areas is many hue variations of pixels on objects that obscure the land boundaries, the dominance of object pixel hue that removes other objects, and the sawtooth effect on the high buildings. Thus, there is a gray collection of black pixels on the land object for open land and vegetated areas. The difference in dark and light pixels of land objects complicates the identification of land boundaries. Geometrically, true orthophoto data of dense image matching used as primary data for making large-scale base maps of 1: 5.000 is indicated by the horizontal geometric accuracy test (CE90) in the research area that includes the second class topographical map accuracy of 1:5.000
Analisis Variasi Temporal-Spasial Nilai Zenith Tropospheric Delay Menggunakan Data CORS di Provinsi Jawa Timur
No full textGlobal Navigation Satellite System (GNSS) semakin dikembangkan sebagai sistem penginderaan jauh atmosfer, salah satunya melalui perhitungan Zenith Tropospheric Delay (ZTD). Seiring dengan pengembangan stasiun CORS, maka mendorong dilakukannya penelitian mengenai ZTD dengan data yang kontinyu dan resolusi spasial yang baik karena letak stasiun CORS tersebar merata. Penelitian ini bertujuan menganalisis karakteristik variasi spasial dan temporal dari salah satu komponen ZTD, yaitu Zenith Wet Delay (ZWD). Studi kasus penelitian ini adalah Provinsi Jawa Timur dengan menggunakan 16 stasiun CORS. Selain data CORS, digunakan pula data meteorologi dari empat stasiun milik BMKG di Jawa Timur yang digunakan sebagai data pembanding. Perhitungan nilai ZTD dan ZWD menggunakan perangkat lunak GIPSY 6.4. Nilai ZWD divisualisasikan dengan gridding metode krigging dengan ukuran grid 0,25 × 0,25 . Terdapat pola penurunan pada nilai trend ZWD rata-rata sebesar sekitar 1,628 mm/tahun. Karakteristik variasi spasial dan temporal dari nilai ZWD dipengaruhi beberapa faktor, di antaranya angin monsun Asia dan Australia yang menyebabkan adanya musim, fenomena global seperti El Nino dan La Nina, intensitas curah hujan, kondisi meteorologi lokal seperti suhu dan kelembaban, cuaca, dan topografi dari stasiun.
Global Navigation Satellite System (GNSS) are being developed as an atmospheric remote sensing system through the calculation of ZTD. The development of CORS station encourages research investigations about Zenith Tropospheric Delay (ZTD) with continuous data and good spatial resolution. This research studies about characteristics of spatial and temporal variation from ZWD in East Jawa. The case study in East Jawa Province Using 16 CORS Station. Meteorological data from four BMKG’s stations are used as comparison data. ZTD and ZWD value from CORS data are calculated using GIPSY 6.4 Software. ZWD values are gridded using the kriging method with the size of the grids is 0,25 x 0,25. ZWD value comparison from CORS and meteorology data have a strong correlation with coefficient value is 0,712. The mean ZWD trend is decreasing by about 1,628 mm/yr. Characteristics of spatial and temporal variations of the ZWD value influenced by monsoon Asia-Australian which cause dry and rainy seasons, global phenomena such as El Nino and La Nina, rainfall, local meteorological conditions such as temperature and humidity, weather, and topography of the stations
Integrasi Lidar dan Citra Satelit Quickbird untuk Ekstraksi Bangunan Menggunakan Metode Klasifikasi Berbasis Objek
No full textPemanfaatan citra satelit resolusi tinggi dalam pemetaan kawasan perkotaan telah sangat banyak digunakan dalam berbagai aplikasi, salah satunya untuk ekstraksi bangunan. Terdapat dua pendekatan yang dapat digunakan untuk ekstraksi bangunan dengan menggunakan metode penginderaan jauh yaitu metode klasifikasi berbasis piksel dan metode klasifikasi berbasis objek. Akan tetapi metode klasifikasi berbasis piksel memiliki kelemahan yaitu mengabaikan aspek spasial sehingga dapat mengurangi akurasi dari hasil klasifikasi dan rentan terjadi gangguan salt and pepper yang berdampak pada hasil akurasi. Hal tersebut menyebabkan digunakan klasifikasi berbasis objek dengan metode segmentasi citra menggunakan algoritma multiresolusi pada penelitian ini. Metode segmentasi dengan algoritma multiresolusi memiliki keunggulan yaitu dapat menggabungkan informasi spektral dan spasial dimana objek geografis dipisahkan tidak hanya berdasarkan aspek spektral namun berdasarkan aspek spasial seperti ukuran, pola, dan tekstur. Variasi ketinggian bangunan dan kerapatan yang tinggi di wilayah perkotaan menjadi permasalahan yang ditemukan dalam melakukan ekstraksi bangunan. Untuk mengatasi permasalahan tersebut, dilakukan penambahan data ketinggian berupa data NDSM yang diturunkan dari data LiDAR. Lokasi penelitian terbagi menjadi 3 Area of Interest (AOI) dengan kriteria untuk setiap AOI ditentukan berdasarkan kerapatan bangunan. Hasil dari klasifikasi berbasis objek sebelum penambahan data NDSM memberikan hasil akurasi sebesar 58.16 % untuk AOI 1, 58.92 % untuk AOI 2, dan 71.43 % untuk AOI 3, sedangkan setelah penambahan data NDSM nilai akurasi yang diperoleh sebesar 69.35% untuk AOI 1, 81.90% untuk AOI 2, dan 97.37% untuk AOI 3. Hasil dari penelitian ini menunjukkan bahwa terdapat perbedaan hasil klasifikasi sebelum dan sesudah penambahan data NDSM. Penambahan data NDSM dalam proses klasifikasi berbasis objek untuk ekstraksi bangunan dapat membantu dalam memisahkan objek bangunan dan non-bangunan serta dapat meningkatkan akurasi dari hasil klasifikasi.
Utilization of high resolution satellite imagery for mapping in urban areas has been very widely used in various application, one of them for building extraction. Two common approaches for building extraction using remote sensing method are pixel-based classification method and object-based classification method. However, pixel-based classification method has the disadvantage of ignoring the spatial elements so as to reduce the accuracy of classification results also the susceptible of salt and pepper noise affects the accuracy of classification results. It is led to use object-based classification techniques with segmentation methods and multiresolution algorithm in this research. Segmentation methods with multiresolution algorithms has the advantage of being able to combine spectral and spatial information where geographic objects are distinguished not only on the spectral aspect but also spatial aspects such as shapes, patterns, and textures. Various heights of buildings and high density in the urban area become the next challenge in building extraction. In order to overcome these problems, the addition of height data NDSM derived from LiDAR data. The research location is divided into 3 Areas of Interest (AOI) with the criteria for each AOI being determined based on building density. The result of object-based classification before addition of NDSM data gives an accuracy result of 58.16% for AOI 1, 58.92 % for AOI 2, and 71.43 % for AOI 3, while after addition NDSM data the accuracy value obtained from the classification were 69.35 % in AOI 1, 81.90 % in AOI 2, and 97.37% in AOI 3. The result of classification shown the differences in classification results before and after the addition of NDSM data. Ancillary data NDSM in object based image classification for building extraction can distinguish between building and non-building class, also improve the accuracy of the classification results.  
Analisis Perubahan Morfologi Garis Pantai Akibat Tsunami di Teluk Palu Menggunakan Data Citra Sentinel-2
No full textInformasi perubahan garis pantai sangat penting dalam berbagai kajian pesisir, misalnya; rencana pengelolaan kawasan pesisir, perwilayahan/zonasi bahaya, studi abrasi-akresi, serta analisis dan pemodelan morfodinamika pantai. Salah satu penyebab ternjadinya perubahan morfologi garis pantai adalah oleh fenomena tingginya gelombang akibat terjadinya tsunami. Teluk Palu mengalami terpaan gelombang Tsunami yang terjadi pada 28 September 2018. Pesisir pantai sepanjang teluk palu mengalami berubahan yang cukup signifikan akibat adanya dampak Tsunami tersebut. Dalam penelitian ini, pemanfaatan teknologi penginderaan jauh secara temporal dan spasial digunakan dalam identifikasi perubahan garis pantai. Metode yang digunakan adalah interpretasi terhadap Normalized Difference Water Index (NDWI) pada citra Sentinel-2 untuk mengidentifikasi garis pantai serta menganalisis besarnya perubahan yang terjadi. Hasil analisis perubahan garis pantai yang terjadi akibat Tsunami setelah dilakukan tumpang susun terhadap data sebelum dan setelah terjadi Tsunami diperoleh panjang garis pantai sebelum Tsunami 42,633 km dan setelah Tsunami 40,718 km dimana terjadi perubahan pajang garis pantai 1,915 km, serta luas abrasi 1,021 km2.
Coastline change information is very important in various coastal studies, for example; coastal area management plans, hazard zoning, abrasion-accretion studies, as well as coastal morphodynamical analysis and modeling. One of the causes of coastline morphology change is the phenomenon of high waves due to the tsunami. Tsunami waves has exposed Palu Bay on September 28, 2018. The coast along the Palu bay experienced significant changes due to the impact of the Tsunami. In this study, temporally and spatially remote sensing technology are used to identify coastline changes. The Normalized Difference Water Index (NDWI) method used to interpret Sentinel-2 image to identify and analyze the coastline changes that happened. An analysis of the results of coastline changes that occurred as a result of the Tsunami after overlapping the data before and after the Tsunami were obtained that the length of the coastline before the Tsunami was 42.633 km and after the Tsunami was 40.718 km where there was a change in coastline length of 1.915 km, and an area 1.021 km2 of abrasion