Claim Missing Document
Check
Articles

Found 21 Documents
Search

Prediction of The Spread of Acacia nilotica Invasive Species Using Generalized Linear Models Sahid Agustian Hudjimartsu; Yeni Herdiyeni; Lilik Budi Prasetyo; Agung Siswoyo
Jurnal Manajemen Hutan Tropika Vol. 23 No. 3 (2017)
Publisher : Institut Pertanian Bogor (IPB University)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (5203.584 KB)

Abstract

Acacia nilotica is an invasive species in the Baluran National Park. The spread of A. nilotica is a serious threat that can disrupt the function of savanna ecosystems in providing food for herbivores and eventually led to a decrease in wildlife populations of herbivorous. The growth of A. nilotica invasive species is influenced by some environmental factors. In order to prevent the spread of A. nilotica, a model can be formed to prodict the species distribution based on the environmental factors namely generalized linear models. This research used the data from Siswoyo’s research in 2014, which consisted of environmental data and distribution of A. nilotica. The results showed that there were five environmental variables that significantly affect on the spread of A. nilotica invasive species. The variables included elevation, surface temperature, normalized difference vegetation index, normalized difference moisture index, and the distance from the river, with p-value less than 0.05. The accuracy of the prediction model on the spread of A. nilotica using GLM was 97.22% and the Area Under Curve (AUC) value was 0.981. 
HEIGHT, DIAMETER AND TREE CANOPY COVER ESTIMATION BASED ON UNMANNED AERIAL VEHICLE (UAV) IMAGERY WITH VARIOUS ACQUISITION HEIGHT Muflihatul Maghfiroh Islami; Teddy Rusolono; Yudi Setiawan; Aswin Rahadian; Sahid Agustian Hudjimartsu; Lilik Budi Prasetyo
Media Konservasi Vol 26 No 1 (2021): MEDIA KONSERVASI VOL. 26 NO. 1 APRIL 2021
Publisher : Department of Forest Resources Conservation and Ecotourism - IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/medkon.26.1.17-27

Abstract

The forest inventory technique by applying remote sensing technology has become a new breakthrough in technological developments in forest inventory activities. Unmanned Aerial Vehicle (UAV) imagery with camera sensor is one of the inventory tools that produce data with high spatial resolution. The level of spatial resolution of the image is strongly influenced by the flying height of the UAV for a certain camera’s focus. In addition, flight height also affects the acquisition time and accuracy of inventory results, although there is still little research on this matter. The study aims to (a)evaluate the effect of various flying heights on the accuracy of tree height measurements through UAV imagery for every stand age class, (b).estimate the trees diameter and canopy cover for every stand age class. Stand height was estimated using Digital Surface Models (DSM), Digital Terrain Models (DTM) and Orthophoto. DSM and DTM were built by converting orthophoto to pointclouds using the PIX4Dmapper based on Structure From Motion (SFM) on the photogrammetric method to reconstruct topography automatically. Meanwhile, the tree cover canopy was estimated using the All Return Canopy Index (ARCI) formula. The results show that the flight height of 100 meters produces a stronger correlation than the flying height of 80 meters and 120 meters in estimating tree height, based on the high coefficient of determination (R2) and the low root mean square error (RMSE) value. In addition, tree canopy estimation analysis using ARCI has a maximum difference of 9.8% with orthophoto visual delineation. Key words: canopy height model (CHM), digital surface models (DSM), digital terrain models (DTM), forest inventory, UAV image
SPASIAL CLUSTERING POTENSI PETERNAKAN UNGGAS DENGAN METODE K-MEANS BERBASIS WEBGIS Eka Triyani; Sahid Agustian Hudjimartsu; Dewi Primasari
INFOTECH journal Vol. 8 No. 2 (2022)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v8i2.2627

Abstract

Kabupaten Bogor merupakan salah satu wilayah di Provinsi Jawa Barat yang memiliki banyak peternakan. Peternakan besar mencakup sapi perah dan sapi potong; peternakan kecil mencakup kambing dan domba; dan peternakan unggas mencakup diantaranya ayam pedaging, dan ayam petelur. Keberadaan peternakan di Kabupaten Bogor tersebar di banyak kecamatan, tetapi masyarakat kurang mendapatkan informasi terkait wilayah-wilayah dengan tingkat potensi peternakan ungags, khususnya yang jumlah produksinya tinggi/meningkat. Melihat situasi di Kabupaten Bogor dengan tingkat potensi yang semakin meningkat maka diperlukan Sistem Informasi Geografis berbasis WebGIS untuk membantu pencarian data informasi potensi peternakan unggas pada suatu wilayah. Adapun analisis potensi pada penelitian ini menggunakan K-Means clustering dengan menghasilkan 3 cluster dengan kategori potensi cukup, kurang, dan lebih. Pada tahun 2018, potensi lebih peternakan unggas berada di kecamatan Nanggung, sedangkan pada tahun 2019 terdapat potensi lebih peternakan unggas di 12 kecamatan.
ANALISIS DAERAH RAWAN KECELAKAAN LALU LINTAS MENGGUNAKAN CLUSTER ANALYSIS DI KOTA BOGOR BERBASIS WEBGIS Lulu Lutfi Latifah; Sahid Agustian Hudjimartsu; Iksal Yanuarsyah
Jurnal Ilmiah Teknologi Infomasi Terapan Vol. 8 No. 2 (2022)
Publisher : Universitas Widyatama

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (758.064 KB) | DOI: 10.33197/jitter.vol8.iss2.2022.760

Abstract

Kecelakaan lalu lintas merupakan suatu permasalahan yang sering terjadi di berbagai wilayah di Indonesia terutama di Kota Bogor. Berdasarkan data kecelakaan lalu lintas yang di peroleh dari Unit Laka Lantas Polresta Kota Bogor mengalami pergerakan yang fluktuatif. Pemanfaatan data kecelakaan juga masih kurang optimal. Hal ini menyebabkan sulitnya untuk mengetahui daerah yang memiliki tingkat kerawanan. Untuk mengatasi masalah tersebut pada Penelitian ini dibuat suatu analisis untuk menentukan daerah rawan kecelakaan lalu lintas dengan memanfaatkan Sistem Informasi Geografis untuk memetakan sebaran lokasi. Metode yang digunakan untuk menganalisis daerah rawan kecelakaan adalah menggunakan Algoritma K-Means Cluster. Hasil penelitian yang dilakukan menyatakan bahwa tingkat kerawanan paling banyak terjadi dari tahun 2014-2019 berada di kecamatan tanah sareal di ruas jalan K.H. Sholeh Iskandar. Selain itu beberapa kejadian laka terjadi di jalan tikungan, persimpangan jalan, jalur keluar-masuk kendaraan. Hasil dari penelitian ini adalah peta daerah rawan kecelakaan lalu lintas yang ditampilkan dalam bentuk WebGIS.
ANALISIS PERHITUNGAN INDIVIDU POHON MANGROVE PADA CITRA UNMANNED AERIAL VEHICLE (UAV) MENGGUNAKAN METODE LOCAL MAXIMA Trisna Mukti; Sahid Agustian Hudjimartsu; Erwin Hermawan
INFOTECH journal Vol. 9 No. 2 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v9i2.6480

Abstract

Hutan mangrove merupakan komunitas tumbuhan pantai yang didominasi oleh beberapa jenis pohon mangrove, manfaat pohon mangrove yakni sebagai penghasil keperluan rumah tangga, penghasil keperluan industri dan penghasil bibit serta bahan baku suatu obat. Indonesia memiliki hutan mangrove yang luas mencapai 3.364.076 Ha, dengan luasnya area akan butuh waktu lama dan sumber daya cukup besar untuk dilakukan monitoring terhadap pengelolaan atau pendataan jumlah pohon sebagai inventarisasi, dibuatnya pengelolaan hutan bertujuan untuk memperoleh manfaat yang besar serta serbaguna dan untuk kemakmuran masyarakat Perhitungan jumlah pohon secara manual dinilai tidak efisien karena perlu menghitung satu persatu pada area tersebut, sehingga memerlukan banyak tenaga dan biaya. pesawat tanpa awak atau UAV (Unmanned Aerial Vehicle) merupakan salah satu teknologi untuk mendapatkan data citra atau data spasial. Teknologi UAV ini dapat menghasilkan foto udara dengan waktu yang cepat, dan biaya yang lebih murah. Tujuan dari penelitian ini Mengetahui hasil analisis dari otomatisasi pendeteksian pohon mangrove dengan metode Local Maxima. Hasil deteksi pohon menunjukkan pada ketinggian minimum 5 meter sebanyak 3929 pohon (ukuran window size 3.5) dengan hasil overall accuracy 0.780 dan 3390 pohon (ukuran window size 4) memperoleh overall accuracy 0.689. Sedangkan, pada minimum ketinggian 4 meter terdapat sebanyak 4134 pohon (ukuran window size 3.5) pohon dengan nilai overall accuracy 0.791 dan 3543 (ukuran window size 4) pohon terdeteksi memperoleh nilai overall accuracy 0.692.
Machine Learning XGBoost Method for Detecting Mangrove Cover Using Unmanned Aerial Vehicle Imagery Minati Minati; Iksal Yanuarsyah; Sahid Agustian Hudjimartsu
Jambura Geoscience Review Vol 5, No 2 (2023): Jambura Geoscience Review (JGEOSREV)
Publisher : Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34312/jgeosrev.v5i2.20782

Abstract

The mangrove ecosystem can be understood as a unique and different type of ecosystem that can benefit the surrounding ecosystem from the socio-economic and ecological perspective. The purpose of this study is to classify mangrove cover in Tanjung Lapin Beach, about 18.3 hectares, North Rupat District Bengkalis Regency, Riau Province, by applying machine learning XGBoost methods of UAV images by producing interpretations of mangrove cover in the research area. The use of machine learning with a high level of accuracy resulting from the XGBoost method is expected to help the availability of spatial data in identifying better mangrove forest cover. The data obtained from the orthomosaic results from the 3,500 tiles image is used as a reference for making sample points for the analysis process using the XGBoost method, with 224 sample points of mangrove objects visually recognized as training data. Regarding training data, the XGBoost method's iteration result obtained 99% overall accuracy and Kappa accuracy of about 0.98. It means the analysis process continues to the mangrove object cover detection stage. Based on the detection results, it was obtained about 11.9 hectares of mangrove forest cover (64% of the total study area). It has 68 sample points as test data used as an accuracy test tool from the detection results of mangrove objects, where an overall accuracy of 87% and kappa accuracy of 0.82 were obtained. This shows the successful use of the XGBoost method in identifying the mangrove's cover.
ANALISIS PERHITUNGAN INDIVIDU PADA POHON PINUS MENGGUNAKAN METODE LOCAL MAXIMA DARI CITRA UAV (UNMANNED AERIAL VEHICLE) Sinta Lestari; Erwin Hermawan; Sahid Agustian Hudjimartsu
INFOTECH journal Vol. 9 No. 2 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v9i2.7101

Abstract

Salah satu sentra utama populasi hutan pinus Jawa Barat berada di Sukabumi yang terletak di beberapa kecamatan, diantaranya: Kec. Sagaranten, Kec. Bojong lopang, Kec. Jampang dan Kec. Pelabuhan Ratu yang pengelolaannya dilakukan di sejumlah kawasan hutan produksi. Teknologi yang efektif untuk melakukan monitoring pada sektor pekebunan adalah teknologi penginderaan jauh (remote sensing), seperti pesawat tanpa awak/drone atau UAV. Tujuan dari penelitian ini adalah mengidentifikasi hasil perhitungan pohon pinus dari citra UAV menggunakan metode local maxima dan ratiogreen, serta menganalisa akurasi dari hasil perhitungan pohon pinus. Hasil penelitian pada kelas minimum 4 meter identifikasi jumlah pohon dengan metode local maxima terdapat 4.166 pohon. Sedangkan dengan mengkombinasi antara local maxima dan ratiogreen menghasilkan identifikasi sebanyak 4.011 pohon. Pada kelas minimum 3 meter, identifikasi jumlah pohon dengan metode local maximaterdapat 4.731 pohon, sedangkan dengan mengkombinasi antara local maxima dan teknik ratiogreen menghasilkan identifikasi sebanyak 4.540 pohon.
Optimasi Parameter Algoritma DBSCAN untuk Mendeteksi Titik Panas Kebakaran Hutan dan Lahan Putri Yulidsf Utami; Sahid Agustian Hudjimartsu; Tiara Aurilia Viona; Hulwana Sharfina
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 3 (2023): Volume 9 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i3.61714

Abstract

Pencegahan terjadinya kebakaran hutan dan lahan dapat dilakukan dengan menyediakan informasi terkait titik panas dan karakteristik wilayah yang berpotensi munculnya titik panas. Tujuan penelitian ini untuk mengelompokkan data titik panas menjadi beberapa cluster berdasarkan density menggunakan algoritma DBSCAN. Untuk mendapatkan hasil cluster terbaik dilakukan optimasi parameter DBSCAN yaitu nilai epsilon dan minpts. terbaik Berdasarkan beberapa kali hasil iterasi terbentuk nilai epsilon 10 dan minpts minimal titik dalam satu cluster adalah 5. Nilai ini merupakan nilai terbaik dikarenakan membentuk cluster minim noise. Cluster terbentuk berdasarkan nilai LST dan NBR. Berdasarkan hasil penelitian cluster terbanyak yaitu pada tahun 2019 dan tahun 2022 terbentuk 3 cluster. Cluster 0 merupakan cluster yang memiliki nilai LST tinggi atau suhu permukaan tinggi dan memiliki nilai NBR tinggi atau luas terbakar tinggi. Cluster1 merupakan cluster yang memiliki nilai LST tinggi atau suhu permukaan tinggi dan memiliki nilai NBR sedang atau luas terbakar sedang. Sedangkan Cluster2 merupakan cluster yang memiliki nilai LST sedang atau suhu permukaan sedang dan memiliki nilai NBR sedang atau luas terbakar sedang. Kombinasi nilai LST dan NBR menunjukkan area tersebut pernah mengalami kebakaran hutan dan lahan. Evaluasi performa clustering algoritma DBSCAN dilakukan menggunakan Silhouette coefficient. Hasil evaluasi tahun 2017 nilai Silhouette coefficient yaitu 0,773 termasuk strong structure. Tahun 2018 nilai Silhouette coefficient yaitu 0,722 termasuk strong structure. Tahun 2019 terbentuk 3 cluster nilai Silhouette coefficient cluster 0  yaitu 0,875, nilai Silhouette coefficient cluster 1 yaitu 0,802 nilai Silhouette coefficient cluster 2 yaitu 0,876 termasuk pada kategori strong structure. Tahun 2020 terbentuk 2 cluster nilai Silhouette coefficient cluster 0  yaitu 0,637, nilai Silhouette coefficient cluster 1 yaitu 0,649 termasuk pada kategori Medium Structure. Tahun 2021 nilai Silhouette coefficient yaitu 0,714 termasuk strong structure. Tahun 2022 nilai  cluster 0 Silhouette coefficient yaitu 0,802, nilai Silhouette coefficient  cluster 1yaitu 0,811, dan nilai Silhouette coefficient cluster 2 yaitu 0,712 termasuk pada kategori strong structure.
ANALISIS PERHITUNGAN INDIVIDU PADA POHON PINUS MENGGUNAKAN METODE LOCAL MAXIMA DARI CITRA UAV (UNMANNED AERIAL VEHICLE) Lestari, Sinta; Erwin Hermawan; Sahid Agustian Hudjimartsu
INFOTECH journal Vol. 9 No. 2 (2023)
Publisher : Universitas Majalengka

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31949/infotech.v9i2.7101

Abstract

Salah satu sentra utama populasi hutan pinus Jawa Barat berada di Sukabumi yang terletak di beberapa kecamatan, diantaranya: Kec. Sagaranten, Kec. Bojong lopang, Kec. Jampang dan Kec. Pelabuhan Ratu yang pengelolaannya dilakukan di sejumlah kawasan hutan produksi. Teknologi yang efektif untuk melakukan monitoring pada sektor pekebunan adalah teknologi penginderaan jauh (remote sensing), seperti pesawat tanpa awak/drone atau UAV. Tujuan dari penelitian ini adalah mengidentifikasi hasil perhitungan pohon pinus dari citra UAV menggunakan metode local maxima dan ratiogreen, serta menganalisa akurasi dari hasil perhitungan pohon pinus. Hasil penelitian pada kelas minimum 4 meter identifikasi jumlah pohon dengan metode local maxima terdapat 4.166 pohon. Sedangkan dengan mengkombinasi antara local maxima dan ratiogreen menghasilkan identifikasi sebanyak 4.011 pohon. Pada kelas minimum 3 meter, identifikasi jumlah pohon dengan metode local maximaterdapat 4.731 pohon, sedangkan dengan mengkombinasi antara local maxima dan teknik ratiogreen menghasilkan identifikasi sebanyak 4.540 pohon.
IDENTIFIKASI PERHITUNGAN POHON KELAPA SAWIT OTOMATIS DENGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Yana Armanto, Devi; Agustian Hudjimartsu, Sahid; Hermawan, Erwin
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9525

Abstract

Perkebunan sawit di Indonesia dengan lahan yang sangat luas merupakan sumber pendapatan negara yang potensial, namun proses perhitungan pohon sawit menjadi tantangan tersendiri jika dilakukan secara manual, sehingga membutuhkan waktu yang cukup lama. oleh karena itu diperlukan solusi agar proses perhitungan pohon sawit dapat dilakukan secara efisien namun tetap akurat dengan menggunakan metode Convolutional Neural Network dengan YOLO lahan sawit dapat di deteksi secara otomatis dari foto udara. Sampel yang dideteksi berupa foto udara yang diambil menggunakan drone di lahan perkebunan pohon kelapa sawit yang berlokasi di Kecamatan Padang Ratu. Hasil penelitian menunjukan bahwa dari beberapa sampel yang telah diuji menunjukan hasil yang cukup baik. Pada sampel 4 didapatkan hasil perhitungan otomatis sebanyak 50 pohon kelapa sawit dengan referensi sebanyak 56 pohon kelapa sawit, serta memiliki nilai kesalahan komisi 0, nilai kesalahan omisi 0,95 dan akurasi 0,95. Dari semua sampel keseluruhan akurasi yakni sebesar 0,88.