Geoid (E-Journal)
Not a member yet
504 research outputs found
Sort by
Studi Pemodelan Pola Arus dan Kedalaman Sungai Mahakam di Bawah Jembatan Mahakam Kembar Sebagai Upaya untuk Meningkatkan Keselamatan Pelayaran
Get PDFSurvei Batimetri adalah kegiatan survei lapangan untuk mendapatkan kondisi topografi dasar perairan, data kedalaman, data pasang surut, maupun lokasi obyek yang membahayakan pelayaran. Survei batimetri pada penelitian ini berlokasi di Sungai Mahakam untuk mengetahui kondisi topografi dasar perairan dan data hidrografi lainnya. Kecelakaan sering terjadi di jalur lalu lintas sungai Mahakam (di bawah jembatan Mahakam Kembar). Selama tahun 2019 sampai 2021, kapal tongkang menabrak jembatan Mahakam Samarinda sebanyak 4 kali di pilar sisi jembatan Mahakam yang lama. Permasalahan tersebut melatarbelakangi penelitian ini untuk mengetahui kedalaman dan arus sungai sebagai salah satu faktor penyebab kecelakaan. Metode yang digunakan adalah metode lapangan dan permodelan arus sungai. Metode lapangan dilakukan untuk memperoleh data primer berupa data kedalaman, pasang surut serta data arus yang dibutuhkan untuk membuat permodelan pola arus sungai. Permodelan arus sungai menggunakan software HEC-RAS dengan menggabungkan data debit rata-rata, kondisi topografi dan objek jembatan yang berpengaruh. Asumsi aliran sungai Mahakam adalah aliran sungai tak tunak (unsteady flow) dengan debit hulu dan debit hilir sama. Hasil dari penelitian ini, kedalaman di sekitar bawah jembatan berkisar antara -42 sampai -10 m. Hasil pemodelan pola arus melingkar di bawah jembatan dengan kecepatan 0,330 - 0,420 m/s. Kecepatan dan debit rata-rata dari sungai Mahakam berkisar 0,339 m/s dengan debit sebesar 1070,84 m3/s. Hasil simulasi permodelan menunjukkan di pondasi tengah jembatan Mahakam lama dan jembatan Mahakam baru memiliki nilai kecepatan arus yang lebih tinggi daripada sekitarnya. Kecepatan arus ini yang dapat menyebabkan kapal hilang haluan. Pada tiang pondasi tengah jembatan Mahakam lama, daerah dekat fender pengaman jembatan, tersimulasikan arus yang memutar. Pada kasus kecelakaan kapal, pondasi jembatan yang ditabrak berada disisi pengaman fender dan pondasi tengah. Kejadian tersebut bisa disebabkan karena arus memutar tersebut
Analisis Permasalahan Risiko Bencana Cuaca Ekstrim Kota Cirebon
Get PDFKota Cirebon, seperti hal nya kota-kota di daerah peisisir di Indonesia yang juga dekat dengan daerah pegunungan, rentan terhadap ancaman bencana cuaca ekstrim yang semakin sering terjadi akibat perubahan iklim global. Penelitian ini bertujuan untuk melakukan analisis mendalam terhadap risiko bencana cuaca ekstrim di Kota Cirebon, mulai dari ancamannya hingga hal-hal yang dapat meningkatkan risiko bencananya. Metode yang digunakan adalah metode kuantitatif dengan melalui pengumpulan data historis, pemodelan statistik, dan analisis geospasial untuk mengevaluasi pola dan dampak dari bencana tersebut. Hasil penelitian ini diharapkan dapat memberikan pemahaman yang lebih baik tentang karakteristik bencana cuaca ekstrim dan memberikan rekomendasi untuk mitigasi bencana di masa depan
Analisis Pembuatan Kontur Peta Rupa Bumi Indonesia dengan Wahana LiDAR (Light Detection and Ranging) (Studi Kasus: Penajam, Kalimantan Timur)
Get PDFData ketinggian Digital Elevation Model (DEM) terdiri atas Digital Surface Model (DSM) dan Digital Terrain Model (DTM). DSM adalah informasi yang menggambarkan model permukaan bumi beserta seluruh objek yang berada di atasnya. Sedangkan DTM menggambarkan model permukaan bumi tanpa objek yang berada di atasnya di wilayah darat. DTM dibentuk dari kelas ground dan dilakukan hydro-flattening yaitu dengan meratakan area permukaan air. dengan kata lain, DTM merupakan kumpulan titik data sampel yang terus mewakili distribusi spasial dari berbagai jenis informasi di medan. Contoh sumber data yang dapat dugunakan dalam pembuatan DTM adalah data LiDAR. DTM kemudian dapat digunakan dalam pembuatan kontur peta. Ketelitian kontur pada peta RBI diatur dalam Peraturan Kepala Badan Informasi Geospasial No. 6 tahun 2018 serta Peraturan Kepala Badan Informasi Geospasial No. 1 Tahun 2020. Data yang digunakan dalam penelitian ini yaitu data LiDAR. Pengolahan data tersebut menggunakan metode yaitu Slope Based Filtering (SBF). Setelah dilakukan proses pengolahan data pada data LiDAR kemudian didapatkan hasil berupa kontur. Dimana Kemudian setelah terbentuk kontur dari masing-masing data, dilakukan pengujian ketelitian berdasarkan PERKA BIG No. 6 Tahun 2018 dan PERKA BIG No. 1 Tahun 2020. Hasil dari penelitian ini yaitu uji LE90 pengolahan data LiDAR sebesar 0.523 m. Berdasarkan Perka BIG No. 6 Tahun 2018 dan PERKA BIG No. 1 Tahun 2020 pada ketelitian peta skala 1:5000, hasil pengolahan data LiDAR masuk kelas 1. Berdasarkan hasil kontur yang dihasilkan, Kontur hasil dari LiDAR memiliki kerapatan yang terbilang baik. Hal ini dikarenakan pada hasil dari LiDAR memiliki nilai RMS Error yang rendah
Analisis Suhu Permukaan Lahan Menggunakan Data Penginderaan Jauh Seri Waktu
Get PDFThe research site is Tanjung Redeb Sub-district, Berau Regency, East Kalimantan. Tanjung Redeb Sub-district is experiencing a rapid urban development process. As a result, human demand for land use, especially built-up land, is increasing and affecting the amount of vegetation. The decreasing amount of vegetation leads to an increase in land surface temperature. The aim of this study is to determine the land surface temperature in the time series from 2014 to 2022 and to determine the relationship with changes in land cover. The analysis process is carried out using a remote sensing data approach through several extractions, namely the use of guided classification with random forest algorithms, NDVI (Normalised Difference Vegetation Index) and LST (Land Surface Temperature). The results of this study show that the land surface temperature of Tanjung Redeb District is dominated by temperatures of 21.4C-24.6C. While the results of the correlation test between vegetation index and land surface temperature obtained a value of -0.57154 (has a moderate relationship) with a correlation value marked (-) which shows the relationship that occurs in the opposite direction, the higher the vegetation index value, the lower the temperature and the R square (R2) of 0.417, the R2 value can prove that vegetation density has an influence of 41.7% on land surface temperature and the rest is influenced by other factors
Perancangan dan Implementasi Prototipe Sensor Termal Geomarine CTD 1.0 berbasis Arduino untuk Observasi In-situ Lake Surface Water Temperature (LSWT)
Get PDFParameter suhu permukaan air danau atau Lake Water Surface Temperature (LSWT) merupakan salah satu indikator penting dalam pemantauan lingkungan perairan seperti sebagai parameter perubahan iklim dan kerusakan lingkungan akibat aktivitas manusia. Berbagai metode dalam penentuan LSWT telah diterapkan namun yang paling representatif adalah pengambilan secara in-situ menggunakan instrumen salah satunya Conductivity, Temperature, Depth (CTD). Faktor ketidakjangkauan harga dari alat tersebut secara komersil menjadi pertimbangan utama dalam penelitian ini. Prototipe yang dihasilkan terdiri atas sensor konduktivitas listrik (prinsip anoda-katoda) dan sensor temperatur dengan basis microcontroller Arduino Mega. Dengan mempertimbangkan studi kasus LSWT, maka penelitian ini dibatasi pada penggunaan sensor temperatur. Proses uji korelasi dan validasi juga telah dilakukan dengan mengacu pada instrumen CTD komersil yang telah diketaui tingkat akurasinya. Pengambilan data lapangan tersebut dilaksanakan di Waduk Selorejo, Kabupaten Malang. Nilai temperatur antara prototipe dan CTD komersil memiliki rata-rata selisih absolut sebesar 0,12°C. Hasil uji korelasi menunjukkan bahwa tingkat hubungan bacaan protipe dengan data validasi berkorelasi kuat (95,9%). Selain itu pada uji validasi menggunakan nilai Root Mean Square Error (RMSE) menunjukkan bahwa hasil bacaan sensor temperatur pada prototipe memiliki penyimpangan sebesar 0,308°C sehingga dapat dikategorikan rendah. Oleh karena itu, prototipe ini dapat digunakan untuk aplikasi in-situ LSWT. Namun demikian, pengembangan produk dari prototipe ini tetap dibutuhkan untuk memaksimalkan potensi dan mengurangi ketergantungan terhadap instrumen lainnya
Pendokumentasian Pilar Batas Daerah Kota Yogyakarta dan Kabupaten Sleman
No full textBatas daerah antara Kota Yogyakarta dan Kabupaten Sleman telah ditetapkan dan ditegaskan dalam Peranturan Menteri Dalam Negeri No 72 Tahun 2007, selanjutnya disebut sebagai Permendagri No 72/2007. Permendagri ini mengatur tentang batas daerah Kota Yogyakarta dan kabupaten Sleman dalam rangkaian koordinat titik pilar. Dalam batas daerah antara Kota Yogyakarta dan Kabupaten Sleman, terdapat 66 pilar batas yang terdiri dari tiga jenis pilar batas. Ketiga jenis pilar tersebut yaitu Pilar Acuan Batas Utama (PABU), Pilar Batas Utama (PBU), dan Pilar Batas (PBA). Telah dilakukan pengamatan secara visual terhadap 66 pilar batas yang berada di sepanjang garis batas Kota Yogyakarta dan Kabupaten Sleman. Artikel ini bermaksud untuk menyajikan hasil pengamatan secara visual pada pilar batas sebagai penanda (acuan) batas antara Kota Yogyakarta dan Kabupaten Sleman dengan tujuan untuk membantu pihak yang berkepentingan, dalam hal ini Pemerintah Kota Yogyakarta, dan Pemerintah Kabupaten Sleman dalam pemeliharaan batas antara kedua daerah. Dari hasil pengamatan secara visual ini didapati beberapa hal yang kedepannya perlu menjadi perhatian semua pihak yang berkepentingan terhadap batas ini, antara lain adanya pilar batas yang hilang, pilar batas yang sudah rusak, pilar batas yang terhalang tajuk, dan bermacam kondisi lainnya. Namun demikian masih terdapat juga pilar batas yang kondisinya cukup terawat dengan baik.The regional boundary between Yogyakarta City and Sleman Regency has been defined and confirmed in the Regulation of the Minister of Home Affairs No 72/2007, hereinafter referred to as Permendagri No 72/2007. This Permendagri regulates the regional boundaries of Yogyakarta City and Sleman Regency in terms of coordinating pillar points. Within the regional boundary between Yogyakarta City and Sleman Regency, 66 boundary pillars are consisting of three types of boundary pillars. The three types of pillars are the Main Boundary Reference Pillar (PABU), the Main Boundary Pillar (PBU), and the Boundary Pillar (PBA). Visual observations have been made to the 66 boundary pillars along the boundary lines of Yogyakarta City and Sleman Regency. This article intends to present a visual observation of the boundary pillar as a marker (reference) for the boundary between Yogyakarta City and Sleman Regency to assist interested parties, in this case, the Yogyakarta City Government and the Sleman Regency Government in maintaining the boundary between the two regions. From the results of this visual observation, several things need to be the attention of all parties with an interest in this limit, including missing boundary pillars, damaged boundary pillars, boundary pillars that are blocked by the canopy, and various other conditions. However, there are also boundary pillars that are in a quite good condition
Analisis Perbandingan Polarisasi VV dan VH Citra SAR Sentinel-1 untuk Identifikasi Area Genangan Banjir di Kec. Masamba, Kab. Luwu Utara Dengan Metode Water-S1
Get PDFPeristiwa banjir merupakan salah satu peristiwa yang sering terjadi di berbagai wilayah Indonesia, salah satunya Kecamatan Masamba, Kabupaten Luwu Utara. Pemanfaatan teknologi penginderaan jauh berupa citra satelit dapat digunakan dalam melakukan identifikasi genangan banjir sebagai upaya melakukan pemantauan kejadian banjir yang terjadi di suatu wilayah. Citra SAR merupakan salah satu citra yang dapat dimanfaatkan dikarenakan citra jenis ini dapat memperoleh data dalam kondisi cuaca apapun, dimana salah satunya adalah citra Sentinel-1. Pada penelitian ini akan dilakukan identifikasi genangan banjir menggunakan dua jenis polarisasi citra satelit Sentinel-1 yaitu VV (Vertikal-Vertikal) dan VH (Vertikal-Horizontal), dimana pada umumnya dalam identifikasi banjir hanya menggunakan salah satu diantara dua jenis polarisasi tersebut. Metode yang akan digunakan yaitu Water-S1 dimana metode ini merupakan metode identifikasi air permukaan secara otomatis. Untuk menguji akurasi hasil identifikasi banjir, dalam penelitian ini akan menggunakan peta dampak genangan banjir ICube SERTIT pada peristiwa banjir Masamba tahun 2020. Hasil akhir yang diperoleh pada penelitian ini adalah area yang teridentifikasi sebagai genangan banjir adalah 649,469 ha (VH) dan 336,567 ha (VV). Nilai akurasi keseluruhan identifikasi genangan banjir pada polarisasi VV sebesar 90 % dengan nilai koefisien kappa 0,8 dan pada polarisasi VH diperoleh sebesar 96% dan nilai koefisien kappa 0,92. Berdasarkan hasil tersebut diketahui bahwa citra SAR Sentinel-1 Polarisasi VH lebih baik untuk digunakan dalam mengidentifikasi area genangan banjir pada studi area
Kajian Terhadap Aspek Geospasial Kabupaten dan Kota yang Bercirikan Kepulauan di Indonesia
No full textIndonesia adalah salah satu negara kepulauan (archipelagic state) yang memiliki kondisi geografis sangat strategis. Luas wilayah perairan Indonesia terbagi menjadi perairan kepulauan dan perairan pedalaman yang memiliki luas 3.092.085 km2, laut teritorial memiliki luas 282.583 km2, untuk zona ekonomi eksklusif seluas 2.936.345 km2 dan luas landas kontinen Indonesia yaitu 2.749.001 km2. Dengan demikian Indonesia memiliki total wilayah laut seluas 3.223.137 km2 dan luas daratan sebesar 1.890.739 km2. Jumlah pulau yang ada di Indonesia dan sudah terverifikasi pada tahun 2017 tercatat sebanyak 16.056 pulau. Pulau-pulau dan ruang laut tersebut merupakan satu kesatuan yang tidak luput dari pengelolaan dan tanggung jawab pemerintah Indonesia. Meskipun demikian, jumlah dan posisi pulau serta jarak antar pulau seringkali menjadi kendala dalam pembangunan sehingga menyebabkan tidak meratanya pembangunan yang ada di Indonesia khususnya pada daerah pulau-pulau kecil dan pulau-pulau terluar. Hal ini memerlukan perhatian dan langkah khusus agar isu ketidakmerataan pembangunan bisa diatasi, salah satunya dengan memberi kewenangan kepada pemerintah daerah dalam melakukan pengelolaan. Undang-Undang No 23/2014 pasal 14 menyatakan bahwa “daerah kabupaten/kota yang memiliki hasil laut mendapatkan pembagian hasil laut yang berada dalam batas wilayah 4 mil laut yang diukur dari garis pantai ke arah laut lepas atau kearah perairan kepulauan”. Hal ini menegaskan bahwakewenangan pengelolaan pulau-pulau dan wilayah laut diserahkan kepada pemerintah daerah kabupaten/kota. Pada proses pengelolaannya, daerah yang memiliki wilayah laut luas dengan banyak pulau tentunya berbeda dengan daerah yang tidak memiliki wilayah laut dan pulau-pulau. Karena kompleksitasnya, perlu dilakukan pengelolaan khusus untuk daerah yang memiliki laut dan pulau-pulau yang diistilahkan dengan “Bercirikan Kepulauan”. Penelitian ini bertujuan untuk mengidentifikasi daerah kabupaten/kota yang bercirikan kepulauan berdasarkan aspek geospasialnya. Analisis dilakukan mulai dari 1) menentukan batas daerah laut 2) menghitung luas wilayah laut dan daratan 3) mengitung jumlah pulau dan gugusan pulau yang ada disetiap kabupaten/kota. Hasil yang diperoleh dari penelitian ini yaitu kabupaten/kota yang memenuhi syarat secara geospasial sebagai daerah kepulauan yaitu sebanyak 66 kabupaten/kota
Analisis Efektivitas Metode Digitasi On-Screen dan Object-Based Image Analysis (OBIA) Melalui Foto Udara dalam Pemetaan Bidang Tanah Kawasan Permukiman (Studi Kasus di Desa Ciwaruga, Kecamatan Parongpong, Kabupaten Bandung Barat)
No full textesa Ciwaruga berada di wilayah suburban yang berpotensi mengakibatkan perubahan penggunaan dan kepemilikan tanah kawasan permukiman secara cepat. Kondisi ini berdampak pada upaya pemantauan kepemilikan bidang tanah permukiman yang perlu dilakukan pembaruan data bidang tanah. Proses untuk memetakan dan mengetahui letak, batas, dan luas suatu bidang tanah kawasan permukiman di atas peta tidak terlepas dari beberapa kendala. Khususnya pemetaan dengan metode direct techniques seperti terestrial ataupun survei satelit memiliki keterbatasan dan kendala dari segi teknis, waktu, biaya, dan sumber daya manusia. Kendala tersebut dapat diatasi dengan metode pemetaan indirect techniques dengan data foto udara. Metode ini dapat memetakan dan memperbarui data bidang tanah dengan lebih cepat untuk cakupan wilayah yang lebih luas. Terdapat dua metode untuk pemetaan bidang tanah menggunakan data foto udara yaitu metode digitasi on-screen dan metode object-based image analysis (OBIA). Melalui penelitian ini, akan dikaji analisis efektivitas kedua metode dalam memetakan bidang tanah kawasan permukiman menggunakan data foto udara. Analisis ini menggunakan pengujian toleransi ketelitian planimetrik luas dan jarak berdasarkan peraturan Badan Pertanahan Nasional. Toleransi kesalahan luas adalah +- 0.5 luas sebenarnya, dan toleransi kesalahan jarak adalah <= 0.3 mm pada skala peta. Berdasarkan pengujian dan perbandingan ketelitian luas dan jarak, jumlah bidang, dan bentuk bidang yang dihasilkan, dapat dikatakan bahwa pemetaan dengan metode digitasi on-screen lebih unggul dari metode object-based image analysis (OBIA). Dari penelitian ini dapat disimpulkan bahwa peta bidang tanah hasil digitasi on-screen dapat dipertimbangkan menjadi peta bidang dalam sertifikat tanah, karena memenuhi toleransi kesalahan planimetrik luas dan jarak berdasarkan peraturan Badan Pertanahan Nasional
Digital Terrain Model LiDAR untuk Perhitungan Volume dan Analisis Kerawanan Banjir di Wilayah Lumpur Sidoarjo
No full textPada 29 Mei 2006, terjadi semburan lumpur panas di Kabupaten Sidoarjo, Jawa Timur yang terus meluas hingga saat ini. Hal ini mengancam keselamatan penduduk di sekitar wilayah tersebut karena potensi lumpur meluap melebihi batas tanggul penahan. Untuk mencegah situasi tersebut, diperlukan analisis volume dan tingkat kerawanan lumpur Sidoarjo. Analisis dilakukan menggunakan data Digital Terrain Model (DTM) dari hasil pengolahan data Light Detection and Ranging (LiDAR) wilayah lumpur Sidoarjo yang memiliki akurasi Root Mean Square Error (RMSE) sebesar 0,195 m dan tingkat kepercayaan LE90 0,322 m untuk standar BIG, serta akurasi vertikal kelas 20 cm dengan tingkat kepercayaan 95% untuk standar ASPRS. Volume lumpur dihitung berdasarkan jenisnya menggunakan metode prismoidal, didapatkan total volume lumpur di dalam tanggul penahan adalah 29.633.305,17 m3, dengan volume Air Berlumpur sebesar 9.987.931,57 m3, Lumpur Mulai Mengering sebesar 4.719.359,92 m3, Lumpur Kering sebesar 6.993.143,74 m3, dan Lumpur Basah sebesar 7.932.869,94m3. Dalam analisis kerawanan, dua parameter yang digunakan adalah kemiringan lereng dan tutupan lahan. Berdasarkan parameter kemiringan lereng, wilayah lumpur Sidoarjo memiliki kelas Datar sebesar 7.672.441 m2 yang memenuhi 59,291% dari luasan total wilayah penelitian. Sedangkan berdasarkan parameter tutupan lahan, wilayah lumpur Sidoarjo dengan kelas Tinggi untuk klasifikasi Lahan Terbangun, Jalan, Jalur Kereta, Sungai, Danau, dan Lumpur memiliki luas 7.648.611 m2, serta kelas Sedang untuk klasifikasi Pertanian, Sawah, Tambak, Kebun, Rawa, dan Lahan Kosong memiliki luas 5.320.286 m2. Hasil analisis kerawanan menunjukkan adanya dua kelas kerawanan, yaitu kelas Sedang dengan luas 1.371.472 m2 atau 10,599% dari total luas wilayah penelitian, dan kelas Tinggi dengan luas 11.568.748 m2 atau 89,401% dari total luas wilayah penelitian. Berdasarkan informasi dari DTM, volume lumpur, dan Peta Kerawanan ini, dapat diprediksi bahwa arah aliran banjir lumpur Sidoarjo kemungkinan besar menuju ke arah timur laut dari tanggul pembatas lumpur, terutama menuju Kecamatan Tanggulangin, Kabupaten Sidoarjo