GEOMATIKA
Not a member yet
49 research outputs found
Sort by
PEMETAAN DISTRIBUSI TOTAL SUSPENDED SOLID DAN PERUBAHAN GARIS PANTAI DI SIDOARJO-PASURUAN DENGAN MENGGUNAKAN DATA PENGINDERAAN JAUH: (Mapping of Total Suspended Solid Distribution and Coastline Change in Sidoarjo-Pasuruan by Using Remote Sensing Data)
Get PDFPerairan Porong merupakan daerah muara sungai yang mengalami proses sedimentasi akibat bermuaranya air Sungai Porong ke Selat Madura yang membawa sedimen. Hal tersebut diduga akan menyebabkan terjadinya perubahan garis pantai yang ada di sekitarnya. Disamping itu, perubahan morfologi daratan seperti abrasi atau sedimentasi dipengaruhi oleh faktor oseanografi fisik seperti arus. Penelitian ini bertujuan untuk memahami pengaruh arus terhadap distribusi Total Suspended Solid (TSS) serta dampaknya terhadap perubahan garis pantai di Perairan Sidoarjo-Pasuruan. Data yang digunakan yaitu citra Landsat 7 (2002) dan Landsat 8 (2013 dan 2017) yang diperoleh dari United States Geological Survey serta data arus dari Copernicus Marine Environment Monitoring Service. Penginderaan jauh digunakan untuk menganalisa perubahan garis pantai dan distribusi TSS. Hasil penelitian menunjukkan arus, dengan kecepatan 0.02-0.1 m/s, di Perairan Sidoarjo-Pasuruan berpengaruh terhadap distribusi TSS dengan arah menuju Barat dan Barat Laut. Konsentrasi TSS yang tinggi di perairan dekat pantai menyebabkan terjadinya perubahan garis pantai yang ditandai dengan tingginya sedimentasi di lokasi tersebut. Lebih lanjut hasil menunjukkan bahwa perubahan garis pantai di Sidoarjo-Pasuruan tahun 2002-2013 sebesar 9,305 km dan 2013-2017 sebesar 3,226 km. Peningkatan konsentrasi TSS di Perairan Sidoarjo-Pasuruan sebanding dengan penambahan garis pantai. 
DETEKSI TIPE DAN PERUBAHAN GARIS PANTAI MENGGUNAKAN ANALISIS DIGITAL CITRA PENGINDERAAN JAUH Studi Kasus: Pesisir Pulau Flores Timur dan Pulau Adonara Barat: (Detecting Coastline Change and Typology using Digital Image Analysis, Case Study: Coastal area of East Flores and West Adonara)
Get PDFGaris pantai merupakan informasi batas wilayah antara darat dan laut. Informasi garis pantai sangat diperlukan dalam kegiatan di pesisir, terkhusus bagi negara Indonesia yang merupakan negara kepulauan. Pengukuran lapangan untuk mendapatkan informasi garis pantai akan menghabiskan biaya, waktu dan tenaga yang besar. Penginderaan jauh mampu menghasilkan informasi garis pantai secara efektif. Lokasi kajian dilakukan di Pesisir Pulau Flores Timur dan Pulau Adonara Barat yang memiliki tiga tipe pantai yaitu berbakau, berpasir, dan tebing berbatu. Penelitian ini bertujuan melakukan ekstraksi garis pantai berdasarkan tipenya melalui proses digital. Data yang digunakan Landsat-5, Landsat-8, dan Sentinel-2. Perbandingan band digunakan untuk menganalisi tipe (Green/SWIR dan Green/NIR) pada Landsat-5 yang selanjutnya dibandingkan dengan tipe pantai yang bersumber dari referensi serta mengektrak garis pantai (Green/NIRand Green/SWIR). Citra Landsat-8 dan Sentinel-2 digunakan melihat perubaan garis pantai selama 10 tahun. Hasil ekstraksi menunjukkan bahwa perbandingan band NIR dan Green menunjukkan hasil yang terbaik. Perubahan garis pantai akibat fenomena alam berupa erosi dan sedimentasi yang disebabkan oleh arus laut tidak berdampak signifikan kecuali di sekitar Selat Larantuka namun perubahan garis pantai akibat aktivitas manusia berupa pembangunan bandara memberikan perubahan sebesar 4,8 Ha. 
PEMODELAN POTENSI BENCANA BANJIR DI DAERAH PERKOTAAN MENGGUNAKAN SIG Studi Kasus: Kota Bengkulu: (Modeling of Flood Hazard Potential in Urban Areas using GIS, Case Study: Bengkulu City)
Get PDF
Kota Bengkulu merupakan salah satu wilayah yang rawan terjadi banjir akibat luapan Air Bengkulu (Sungai Bengkulu). Penyebab utamanya adalah kerusakan Daerah Aliran Sungai (DAS) Air Bengkulu, serta luapan air sungai ketika musim penghujan tiba. Penelitian ini bertujuan untuk memetakan wilayah yang rawan terhadap bencana banjir dan mengetahui seberapa besar tingkat kerawanan banjir yang dapat terjadi di daerah penelitian Kota Bengkulu berdasarkan Sistem Informasi Geografis (SIG). Penelitian ini menggunakan metode overlay dengan scoring antara parameter-parameter penggunaan lahan, ketinggian lahan, kemiringan lereng, tipe tanah, jarak dari sungai dan curah hujan. Analisis terhadap pembobotan menghasilkan tiga variabel yang menjadi penentu tingkat kerawanan banjir yaitu penggunaan lahan, ketinggian lahan dan jarak dari sungai. Hasil penelitian menunjukkan wilayah yang sangat rawan bencana banjir tersebar di hampir seluruh daerah penelitian dengan rincian 1.726,91 ha (48,8%) berkategori sangat rawan, 1.804,11 ha (50,9%) cukup rawan dan 10,64 ha (0,3%) tidak rawan. Wilayah yang tergolong sangat rawan bencana banjir merupakan wilayah yang memiliki ketinggian lahan yang rendah dan penggunaan lahan yang cenderung sedikit vegetasi, karena sebagian besar wilayahnya adalah wilayah terbangun, terbuka tanpa vegetasi dan dekat dengan sungai. Kelurahan yang termasuk dalam kategori ini adalah Kelurahan Rawa Makmur, Beringin Raya, Tanjung Agung dan Tanjung Jaya. 
PEMIKIRAN SISTEM PEMBAGIAN LEMBAR PETA DAN PENOMORAN LEMBAR PETA DASAR SKALA BESAR DI INDONESIA
No full textoai:ojs2.localhost:8081:article/1Sistem pembagian dan penomoran lembar Peta Rupabumi Indonesia dilakukan secara terstruktur dan sistematis. Terstruktur karena disusun berdasarkan suatu pola tertentu yang melibatkan peta dengan skala yang berbeda. Sistematis karena penyusunan lembar peta dan penomorannya disusun menggunakan suatu sistem dimana antar lembar peta disusun secara teratur dan saling berkaitan, baik pada lembar peta di skala yang sama maupun pada skala yang berbeda. Secara nasional sistem pembagian lembar peta dan penomoran lembar peta di Indonesia baru terstandar hingga skala 1:10.000. Paper ini akan menjelaskan sistem penomoran lembar Peta RBI, mulai dari skala kecil hingga menengah, dan menjelaskan usulan pembagian dan penomoran lembar peta untuk peta skala besar. Pembagian lembar peta RBI dari skala kecil hingga skala menengah mengikuti SNI Penyajian Peta Rupabumi, sedangkan untuk grid muka peta skala besar dilakukan dengan menyusun ukuran grid dan menyusun sistem penomoran lembar peta. Penyusunan grid muka peta dan penomorannya disusun secara runut dari skala 1:10.000 hingga 1:1.000. Pembagian grid 1:5000 hingga 1:1.000 dilakukan dengan membagi empat bagian dari skala diatasnya, sedangkan sistem penomoran disusun secara runtun dari skala 1:250.000 hingga 1:10.000 berkesesuaian dengan sistem penomoran lembar peta yang sudah ada, untuk penomoran grid di skala 1:5.000 hingga 1:1.000 searah jarum jam dari 1 hingga 4. Telah diperoleh sistem pembagian lembar peta skala besar mulai 1:5000, 1:2500, dan 1:1000 yang terstruktur dan sistem penomoran yang sistematis dari mulai skala kecil hingga skala besar.
ABSTRACT
Map indexing and numbering system of Peta Rupabumi Indonesia (RBI) have been developed in a structured and systematic way. Structured because it is organized based on a certain pattern involving maps of different scales. Systematic because the compilation of the map sheet and its numbering are arranged using a system in which the map sheets are arranged regularly and interconnected both on map sheets of the same scale and of different scales. Nationally, map indexing and numbering system in Indonesia are only standardized up to scale 1: 10.000. This paper will explain the numbering system of the RBI Map sheets from small to medium scale, and propose of map indexing and numbering for large-scale maps. Division of RBI map sheets from small to medium scale follows SNI Penyajian Peta Rupabumi. For large-scale map sheets it is constructed by compiling grid map sheet and numbering system. The grid map sheet and numbering system are arranged in a sequence from a scale of 1: 10,000 to 1: 1,000. Grid map sheets for 1: 5000 to 1: 1,000 are divided by four parts of a grid from higher scale. While the numbering system is arranged in a sequence from scale 1: 250,000 to 1: 10,000 according to the existing map sheet numbering system, a new numbering system for 1: 5,000 to 1: 1,000 is proposed clockwise from 1 to 4. A large-scale map of 1: 5000, 1: 2500, and 1: 1000 map indexing has been structured in new way and systematic map numbering system has been obtained from small to large scale
DESAIN KONFIGURASI JARING GPS UNTUK PEMANTAUAN DEFORMASI SESAR SERMO: (GPS Network Configuration Design for Deformation Monitoring of Sermo Fault)
Get PDFJaring pemantauan deformasi Sesar Sermo telah dibangun menyebar sepanjang jalur sesar sebanyak 15 titik. Namun demikian, pada saat pengukuran lapangan dengan menggunakan GPS secara simultan masih terdapat kendala dalam hal ketersediaan alat GPS. Penyediaan alat dalam jumlah banyak tidak mudah untuk dilakukan serta membutuhkan biaya yang besar. Oleh karena itu diperlukan pembuatan desain jaring pemantauan deformasi yang efisien namun tetap sensitif terhadap deformasi yang terjadi. Berdasarkan permasalahan tersebut, maka penelitian ini bertujuan untuk untuk mendesain konfigurasi jaring pemantauan deformasi Sesar Sermo yang optimum berdasarkan kriteria sensitivitas jaringan. Desain jaringan dilakukan terhadap dua jaring yang berbeda, yaitu jaring GPS makro yang terdiri atas 5 titik, dan jaring GPS makro dan mikro yang terdiri atas 15 titik. Jaring didesain untuk dapat mendeteksi pergeseran sebesar 5 mm dan 10 mm.Selanjutnya analisis sensitivitas jaring dilakukan dengan uji pergeseran. Hasil penelitian menunjukkan bahwa jaring GPS makro (terdiri 10 baseline) belum cukup sensitif untuk mendeteksi pergeseran sebesar 5 mm. Namun untuk mendeteksi deformasi 10 mm, cukup digunakan 4 baseline dengan kontribusi yang paling signifikan terhadap sensitivitas jaring. Demikian juga jaring GPS makro dan mikro belum cukup sensitif untuk mendeteksi pergeseran 5 mm pada satu sisi blok sesar. Untuk bisa mendeteksi pergeseran 10 mm cukup dengan 26 baseline. Dengan demikian pengukuran tidak perlu dilakukan secara simultan di semua titik. Pengukuran dapat didesain dalam beberapa sesi sehingga jumlah alat GPS yang diperlukan dapat dikurangidan biaya dapat direduks
PENGUKURAN GAYABERAT MENGGUNAKAN GRAVIMETER ABSOLUT A-10
Get PDFPengukuran gayaberat absolut merupakan pengukuran nilai gayaberat dengan mengamati percepatan vertikal benda jatuh bebas. Pada tahun 2017, Badan Informasi Geospasial (BIG) melakukan pengukuran gayaberat absolut di beberapa pilar Gayaberat Utama (GBU) di Indonesia dengan menggunakan gravimeter A-10. Tujuan penulisan makalah ini adalah memaparkan teknik pengukuran dan pengolahan data gayaberat absolut di GBU yang merupakan bagian dari Jaring Kontrol Gayaberat (JKG) dengan menggunakan gravimeter A-10. Titik-titik yang akan dijadikan pembahasan dalam naskah ini adalah GBU018 di Jakarta dan GBU035 di Makassar. Pengukuran di tiap titik dilakukan sebanyak 10 set dengan jumlah drop untuk setiap set sebanyak 120. Hasil yang diperoleh adalah nilai gayaberat absolut (Β΅gal) beserta ketidakpastiannya. Nilai gayaberat (g) hasil pengolahan di lapangan (on-site) untuk GBU018 adalah 978140735,73 Β± 11,17 Β΅gal, sedangkan untuk GBU035 adalah 978117560,92 Β± 7,16 Β΅gal. Nilai-nilai tersebut diperoleh setelah dilakukan koreksi gradien gayaberat. Koreksi tersebut diperoleh dari pengamatan gradien menggunakan gravimeter relatif dengan besaran -296,30 Β΅gal/m untuk GBU018 dan -324,14 Β΅gal/m untuk GBU035.
ABSTRACT
Absolute gravity measurement is measuring the gravity value by observing the vertical acceleration of a free-falling body. In 2017, the Geospatial Information Agency of Indonesia (BIG) effectuated an absolute gravity campaign over some points in Indonesia by using an A-10 gravimeter. The objective of this writing is to describe the measurement and processing steps taken in absolute gravity survey over some gravity network benchmarks. Some of those points were GBU018 (Jakarta) and GBU035 (Makassar). Each point was measured for 120 drops, with 10 sets. The obtained results were both gravity values and their uncertainties (Β΅gal). The gravity values (g) as obtained on-site were 978140735.73 Β± 11.17 Β΅gal for GBU018 and 978117560.92 Β± 7.16 Β΅gal for GBU035. Those values were generated after gravity gradient correction had been applied. Moreover, the correction values were obtained by using a relative gravimeter with a magnitude of -296.30 Β΅gal/m for GBU018 and -324.14 Β΅gal/m for GBU035
PEMANFAATAN METODE SPLIT-WINDOWS ALGORITHM (SWA) PADA LANDSAT 8 MENGGUNAKAN DATA UAP AIR MODIS TERRA
Get PDFMetode Split-Windows Algorithm (SWA) memiliki metode yang bervariasi untuk pengolahan suhu permukaan (Land Surface Temperature/LST). Salah satunya pada pengolahan citra Landsat 8 OLI/TIRS (The Operational Land Imager and the Thermal Infrared Scanner) karena menggunakan dua saluran yaitu 10 (10,60 - 11,19 Β΅m) dan band 11 (11,50 - 12,51 Β΅m). Metode SWA pada penelitian ini menggunakan data primer yaitu parameter uap air untuk meningkatkan akurasi pengolahan suhu permukaan. Data parameter uap air diperoleh dari citra MODIS untuk mengetahui nilai rataβrata uap air (W) dan citra emisivitas diperoleh dari citra Landsat 8 OLI/TIRS dengan saluran tampak. Perolehan data tersebut dilakukan dengan bantuan Microsoft Excel, berbeda dengan penelitian sebelumnya yang menggunakan aplikasi MODTRAN (MODerate resolution atmospheric TRANsmission). Tujuan dari pengolahan suhu permukaan dengan metode SWA menggunakan data parameter uap air untuk mengetahui akurasi antara hasil pengolahan citra dengan nilai suhu permukaan di lapangan. Hasil pengolahan data suhu permukaan melalui metode SWA menunjukkan perbedaan nilai yang kecil (<1Β°K) terhadap kondisi suhu di lapangan. Selain itu terdapat pola keselarasan antara penggunaan Microsoft Excel untuk perolehan data dengan aplikasi MODTRAN sehingga proses perolehan data parameter uap air telah sesuai. Aplikasi SPSS digunakan untuk mengetahui tingkat hubungan dan akurasi dari hasil pengolahan suhu permukaan metode SWA terhadap hasil survey lapangan dan menunjukkan nilai korelasi sebesar -0,962. Perolehan dan pengolahan data suhu permukaan dengan metode SWA akan optimal jika nilai transmitted atmospheric yang digunakan merupakan wilayah untuk daerah tropis.
ABSTRACT
Split Windows Algorithm (SWA) has varied methods to process Land Surface Temperature (LST). One method is in processing Landsat 8 OLI/TIRA (The Operational Land Imager and the Thermal Infrared Scanner) using two channels; band 10 (10,60 - 11,19 Β΅m) and band 11 (11,50 - 12,51 Β΅m). The SWA method in this study used primary data of water vapor parameter to increase accuracy in LST processing. Water-vapor parameter data was obtained from the MODIS image to find out the average value of water vapor (W) and the emissivity image was obtained from Landsat 8 OLI/TIRS with visible channels. The data was generated using Microsoft Excel, different from previous research which used MODTRAN (MODerate resolution atmospheric TRANsmission) application. The purpose of LST processing with SWA method was to use water-vapor parameter to determine the accuracy of image processing results compared to surface temperature in the field. Processing of thermal imaging via SWA methods showed a slight different value (<1Β°K) from temperature value in the field. Also, the patterns were are aligned when using Microsoft Excel and MODTRAN application, meaning that manufacturing data parameters for water vapor were already in place. The SPSS application was used to find out correlattion and accuracy of the SWA method treatment on the field survey result and showed the correlation value of -0,962. Intake and processing of LST data by SWA methods would be optimal if the transmitted atmospheric value used was for tropical regions
STUDI PERBANDINGAN KONSENTRASI KLOROFIL-A DI SEMENANJUNG BLAMBANGAN KABUPATEN BANYUWANGI MENGGUNAKAN DATA CITRA SATELIT AQUA MODIS
Get PDFPemetaan kandungan klorofil-a di pesisir pantai banyak dilakukan dengan tujuan untuk mendapatkan gambaran tingkat kesuburan dari lingkungan perairan yang dimaksud. Tingkat kesuburan yang diharapkan dapat memberikan gambaran populasi dari perikanan tangkap yang dibutuhkan oleh masyarakat pesisir dalam meningkatkan kesejahteraan hidupnya. Penginderaan jauh sebagai salah satu teknologi yang baru telah memberikan banyak manfaat untuk pendeteksian dan pemetaan konsentrasi klorofil-a skala global. Tujuan dari penelitian ini untuk mendapatkan gambaran kandungan klorofil-a pada dua area yang berbeda yaitu di daerah Semenanjung Blambangan dan daerah Teluk Blambangan. Metode yang dikembangkan dari penelitian ini adalah penggunaan algoritma penginderaan jauh dan teknik regresi guna mendapatkan model matematis yang optimal untuk digunakan dalam peramalan kandungan klorofil-a di masa yang akan datang. Dari penelitian ini diperoleh model matematis yang paling sesuai untuk kondisi Teluk Blambangan yaitu pada panjang gelombang sinar hijau dengan nilai 531 nanometer (nm), di mana korelasi yang terbesar adalah Chlor-a = 21228*(Rrs_531)-42,371 dengan nilai R2 sebesar 0,7951 yang didapatkan dari panjang gelombang sinar hijau yaitu Rrs_531 dari citra satelit Aqua Modis Level-2. Fenomena ini dapat disimpulkan bahwa kandungan klorofil-a di semenanjung Blambangan pada bulan Agustus 2017 cukup signifikan di mana diperoleh rata-rata konsentrasi dari klorofil-a sebesar 18,45 ppt(mg/ mΒ³) sehingga dapat diprediksikan bahwa populasi ikan yang ada di perairan tersebut juga meningkat pada bulan tersebut. Hasil akhir yang didapatkan berupa peta tematis kandungan klorofil-a untuk algoritma model linier, di samping itu persamaan matematis yang dihasilkan diharapkan dapat digunakan oleh para peneliti lainnya untuk mendapatkan model yang lebih akurat yang dapat menggambarkan kondisi riil di lapangan.
ABSTRACT
The mapping of the chlorophyll-a content in the coast is mostly done with the aim to get a picture of the fertility level of the intended aquatic environment. Fertility levels are expected to provide a population picture of capture fisheries needed by coastal communities to improve their welfare. Remote sensing as one of the new technologies has provided many benefits for the detection and mapping of global-scale concentration of chlorophyll-a. The objective of this research was to capture chlorophyll-a content at two different areas: Blambangan Peninsula. The method developed from this research was remote sensing algorithms and regression techniques in order to obtain the optimal mathematical model for use in forecasting the content of the chlorophyll-a in the future. From this research, the mathematical model that showed the best fits and has the biggest correlation was Chlor-a = 21228*(Rrs_531) β 42,371 with R2 value 0,7951 which was obtained from the green light wavelength that is Rrs_531 from Aqua Modis Level-2 satellite imagery. This phenomenon can be concluded that the chlorophyll-a content on the coast of Blambangan Peninsula in August 2017 was quite significant with the average concentration of chlorophyll-a of 18.45 ppt (mg/mΒ³) so that it could be predicted that the fish population in these waters also increased in that month. The final result was a thematic map of chlorophyll-a content for a linear model algorithm, and the resulting mathematical equation was hoped to be used by other researchers to get a more accurate model which described real add condition