Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Ruang
Septyana, Dita
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Engineering Environmental Science Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
TINGKAT KAPASITAS MASYARAKAT PASCA BENCANA GEMPA BUMI DI KOTA PALU (STUDI KASUS: KECAMATAN PALU BARAT) Maghfirah, Fitriah Fajar; Septyana, Dita; Sy Monti, Sri Rezeki
JURNAL RUANG / ISSN : 2085-6962 Vol 16 No 2 (2022): JURNAL RUANG
Publisher : Jurusan Teknik Arsitektur, Fakultas Teknik Universitas Tadulako Kampus Bumi Tadulako Tondo Jl. Sukarno-Hatta Km.9, Palu 94118 e-mail :Jurusan Arsitektur, Fakultas Teknik Universitas Tadulako Kampus Bumi Tadulako Tondo Jl. Sukarno-Hatta Km.9, Palu 941

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22487/ruang.v16i2 September.35

Abstract

Kecamatan Palu Barat merupakan salah satu kecamatan di Kota Palu yang menjadi pusat kegiatan sosial, pelayanan dan perdagangan. Kecamatan Palu Barat juga menjadi pusat pengembangan sarana dan prasarana yang ada di Kota Palu. Kecamatan ini bukan merupakan wilayah yang memiliki jumlah penduduk terbanyak di Kota Palu, akan tetapi menjadi kecamatan terdampak dan mengalami kerusakan terparah saat kejadian gempa bumi 28 September 2018, hingga menimbulkan kerugian materiil dan jumlah korban jiwa yang tidak sedikit. Penelitian ini bertujuan untuk mengetahui tingkat kapasitas adaptasi masyarakat terhadap bencana gempa bumi sebagai upaya dalam mitigasi bencana di Kecamatan Palu Barat.Penelitian ini menggunakan analisis skoring dan deskriptif dalam mensintesis hasil analisis dengan metode kuantitatif. Kapasitas adaptasi masyarakat dilihat dari 4 (empat) faktor yaitu dukungan finansial, kemampuan masyarakat, komunitas pendukung, serta teknologi dan informasi. Hasil analisis menunjukkan bahwa kapasitas adaptasi di Kecamatan Palu Barat berada pada tingkat sedang. Hal ini menunjukkan bahwa untuk bertahan tinggal di Kecamatan Palu Barat dan menghadapi bencana gempa bumi yang akan datang sewaktu-waktu, setiap keluarga memiliki kemampuan yang kuat atau telah berupaya beradaptasi semaksimal mungkin sesuai dengan kemampuan masing-masing rumah tangga meskipun belum optimal. Hasil dari penelitian ini diharapkan dapat menjadi masukan bagi pemerintah dan masyarakat sebagai upaya mitigasi bencana untuk mereka yang melakukan aktivitas di daerah rawan bencana gempa bumi agar dapat meminimalisir resiko bencana gempa bumi di Kecamatan Palu Barat
Penerapan GeoAI Berbasis Mask R-CNN untuk Deteksi Kendaraan pada Citra Orthophoto Kawasan Perkotaan Septyana, Dita; Andresi, Budi; Agustina, Nadine Sandra
JURNAL RUANG / ISSN : 2085-6962 Vol 20 No 1 (2026): JURNAL RUANG
Publisher : Jurusan Teknik Arsitektur, Fakultas Teknik Universitas Tadulako Kampus Bumi Tadulako Tondo Jl. Sukarno-Hatta Km.9, Palu 94118 e-mail :Jurusan Arsitektur, Fakultas Teknik Universitas Tadulako Kampus Bumi Tadulako Tondo Jl. Sukarno-Hatta Km.9, Palu 941

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22487/ruang.v20i1.333

Abstract

GeoAI technology, which integrates artificial intelligence with spatial analysis, offers a novel approach to extracting urban object information from high-resolution imagery. This study applies Mask R-CNN with a ResNet-50 backbone architecture to detect vehicle objects in orthophoto imagery derived from the processing of 100 UAV photographs over an urban area in Switzerland. A total of 80 vehicle objects were annotated and partitioned into training (70%), validation (15%), and testing (15%) datasets. Model evaluation was conducted using a multi-threshold Intersection over Union (IoU) approach at values of ≥0.5, ≥0.75, and ≥0.95, and analyzed through a confusion matrix alongside Precision, Recall, F1-score, and Mean Average Precision (mAP) metrics. The results demonstrate that the model achieved Precision and Recall scores of 1.00 at IoU ≥0.5; however, performance declined at stricter thresholds, with an aggregate mAP of 0.56, indicating moderate overall performance. These findings suggest that the model is effective for macro-spatial analytical needs such as vehicle count estimation and distribution mapping, yet remains insufficiently stable for applications requiring high geometric precision. Conceptually, this study underscores the importance of multi-threshold evaluation in the application of deep learning for urban spatial analysis, while demonstrating the potential of GeoAI integration in data-driven urban planning.
Co-Authors Agustina, Nadine Sandra Budi Andresi Fitriah Fajar Maghfirah Sy Monti, Sri Rezeki