Claim Missing Document
Check
Articles

Found 4 Documents
Search

Perbandingan Metode Koreksi Topografi Pada Citra Satelit Landsat 8 Di Wilayah Gunung Telomoyo, Jawa Tengah Widhaningtyas, Tantri Utami; Putra, Akbar Cahyadhi Pratama; Fariz, Trida Ridho
Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian Vol 17, No 2 (2020): July
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/jg.v17i2.22863

Abstract

Kondisi topografi mempengaruhi perbedaan besarnya energi sinar matahari yang ditangkap, dipantulkan balik dan diterima sensor penginderaan jauh. Hal ini membuat perlu dilakukan koreksi radiometri topografi pada proses pra pengolahan citra. Metode koreksi topografi terhitung banyak sedangkan penelitian terkait koreksi topografi ternilai cukup jarang dilakukan di Indoensia. Tujuan penelitan ini adalah membandingkan metode koreksi topografi. Adapun wilayah studi dalam penelitian ini adalah wilayah Gunung Telomoyo.Data yang digunakan dalam penelitian ini adalah citra satelit Landsat 8 dan DEMNAS. Adapun metode koreksi topografi yang diujikan dalam penelitian ini adalah metode koreksi topografi C Correction dan SCS+C.Hasil dari penelitian menunjukkan bahwa data DEMNAS dapat digunakan sebagai sumber data untuk koreksi radiometrik topografi. Metode koreksi topografi yang paling baik pada penelitian ini adalah metode SCS+C dilihat dari kenampakan visual dan memiliki nilai standar deviasi terendah dibandingkan dengan metode C Correction. Sehingga untuk wilayah dengan dominasi tutupan lahan hutan maka metode SCS+C bisa direkomendasikan. Koreksi topografi berguna dalam peningkatan akurasi perhitungan biomassa dan estimasi karbon di dataran tinggi menggunakan data penginderaan jauh.
Pemetaan Ekosistem Mangrove di Kabupaten Kubu Raya Menggunakan Machine Learning pada Google Earth Engine Fariz, Trida Ridho; Permana, Pawit Indra; Daeni, Fitri; Putra, Akbar Cahyadhi Pratama
Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian Vol 18, No 2 (2021): In progress [July 2021]
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/jg.v18i2.30231

Abstract

Penyediaan data distribusi mangrove serta perubahannya membutuhkan waktu pemrosesan yang lama jika dilakukan dengan interpretasi citra secara konvensional, apalagi jika dilakukan pada area yang luas seperti Kabupaten Kubu Raya. Hadirnya platform yang bernama Google Earth Engine (GEE) bisa menjadi solusi permasalahan tersebut. GEE mempunyai akses data yang besar, mampu mengolah data berbasis cloud serta memiliki banyak algoritma machine learning. Oleh karena itu penelitian ini mencoba memetakan mangrove di Kabupaten Kubu Raya menggunakan machine learning yang tersedia di GEE, selain itu kami juga membahas beberapa future work terkait pemetaan mangrove di Kabupaten Kubu Raya menggunakan GEE. Machine learning yang digunakan dalam penelitian ini antara lain: CART, Random Forest, GMO Max Entropy, Voting SVM, Margin SVM. Hasil penelitian ini menunjukkan bahwa machine learning yang terbaik dalam memetakan mangrove di Kabupaten Kubu Raya adalah CART. Random Forest juga menjadi machine learning dengan akurasi tertinggi setelah CART, baik keduanya merupakan machine learning berbasis logika atau juga disebut machine learning berbasis pohon keputusan. Dari beberapa studi juga mendukung bahwa machine learning ini sangat cocok digunakan untuk pemetaan penutup lahan. Hasil pemetaan mangrove ini memiliki akurasi kappa yang baik walaupun masih terdapat misklasifikasi sehingga perlu dilakukan sentuhan manual seperti interpretasi visual. Penelitian ini masih terdapat banyak keterbatasan sehingga perlu dikembangkan penelitian dengan menggunakan input data yang lebih beragam dan pengujian hyperparamater antar machine learning.
PEMETAAN LAHAN KRITIS UNTUK KAJIAN PENATAAN RUANG DI KABUPATEN TABANAN Putra, Akbar Cahyadhi Pratama; Widhaningtyas, Tantri Utami; Fariz, Trida Ridho
Plano Madani : Jurnal Perencanaan Wilayah dan Kota Vol 13 No 2 (2024)
Publisher : Jurusan Teknik Perencanaan Wilayah dan Kota, Fakultas Sains dan Teknologi, Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/jpm.v13i2.40000

Abstract

Tabanan Regency is one of the areas with a fairly rapid level of development through an increasing tourism and trade sector. Topographically, Tabanan Regency is also an area with a diverse topography. These two conditions make this area a potential critical land phenomenon. This study aims to map critical land in Tabanan Regency using spatial analysis based on GIS (Geographical Information System) and remote sensing and analyze the linkages of critical land with existing land use and analysis of spatial planning studies of the Spatial Planning of Tabanan Regency. The analysis used uses the overlay method of several thematic map parameters. To determine the value of each parameter using the scoring method. The results of the analysis show that in Tabanan Regency 60408.66 Ha or 71% is non-critical land, while 104.46 Ha or <1% is very critical land. The distribution of land use that has very critical land conditions is mostly dominated by existing land use settlements. In terms of spatial planning, the Spatial Planning zones of residential areas also fall into the category of very critical land conditions. It is necessary to regulate residential area zones to pay attention to the function of water catchment.
Mapping the Dynamics of Mangrove Density in Alas Purwo National Park using the ARVI Index Putra, Akbar Cahyadhi Pratama; Nurul Khakhim; Tantri Utami Widhaningtyas
Journal of Environmental and Science Education Vol. 4 No. 1 (2024): Journal of Environmental and Science Education : April 2024
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/jese.v4i1.5721

Abstract

This study aims to compare the sensor/Top-of-Atmospheric (TOA) reflectance correction method and surface reflectance correction in the ARVI (Atmospherically Resistant Vegetation Index) vegetation index transformation application. The resulting comparison of the two has a correlation that is not much different, sensor reflectance correction (R = 0.9723) and surface reflectance correction (R = 0.9781) are both able to represent mangrove forest canopy density well. The model accuracy resulting from the surface reflectance correction RMSE 1.408 and MAPE 0.48%, is higher than that of the sensor correction (TOA) which has an RMSE value of 2.184 and MAPE 1.34%. For advanced remote sensing analysis, it is better to perform radiometric correction of surface reflectance because the reflectance value used for analysis is the true reflectance value. The condition of mangroves in Grajagan Bay in Alas Purwo National Park is very well preserved, this is shown by the mangrove canopy density >50% increased by 49.11 Ha in a period of 7 years from 2016 to 2023.