Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : DoubleClick : Journal of Computer and Information Technology

Automated Extraction of Shoreline in Tuban Regency, East Java from Google Earth Imagery by Integrating Canny Edge Detector Luhur Moekti Prayogo; Sarono Sarono
DoubleClick: Journal of Computer and Information Technology Vol 5, No 2 (2022): Perkembangan dan Transformasi Teknologi Digital
Publisher : Universitas PGRI Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25273/doubleclick.v5i2.11056

Abstract

Garis pantai merupakan wilayah yang menjadi pembatas antara daratan dengan lautan serta mengalami perubahan morfologi dari waktu ke waktu. Wilayah ini memiliki kondisi yang sangat dinamis dimana berbagai komponen (udara, bebatuan, air) saling berhubungan. Analisis garis pantai multitemporal menjadi salah satu parameter penting untuk monitoring kawasan pantai. Informasi tersebut dapat digunakan untuk pemodelan morfodinamik, pengelolaan kawasan pesisir dan studi erosi dan akresi. Penelitian ini bertujuan untuk menganalisis perubahan garis pantai di Pesisir Utara Kabupaten Tuban, Jawa Timur menggunakan Algoritma Canny dan Citra Google Earth tahun 2000 hingga 2020. Algoritma Canny dipilih karena sudah teruji menghasilkan tepi yang tajam dan baik dibandingkan dengan algoritma deteksi tepi yang lain. Dari penelitian ini dapat disimpulkan bahwa di Pesisir Utara Kabupaten Tuban, berdasarkan sampel tahun yang diambil, garis pantai wilayah tersebut mengalami erosi sebesar 0,297 - 1,566 meter/ lima tahun. Tepi yang dihasilkan dengan algoritma Canny sangat membantu dalam proses interpretasi garis pantai dan membuat analisis menjadi lebih cepat. Kedepannya, perlu adanya elaborasi lebih mendalam mengenai penggunaan citra Google Earth dalam analisis garis pantai, khususnya pada koreksi geometriknya (Georeference). Hal ini penting untuk dilakukan karena akan mempengaruhi hasil analisis terutama posisi garis pantainya. Kata kunci: Garis Pantai, Teknik Deteksi Tepi, Algoritma Canny, Google Earth, Tuban
Platform Google Earth Engine Untuk Pemetaan Suhu Permukaan Daratan Dari Data Series Modis Luhur Moekti Prayogo
DoubleClick: Journal of Computer and Information Technology Vol 5, No 1 (2021): Peran Penting Digitalisasi Di tengah Pandemi Covid-19
Publisher : Universitas PGRI Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25273/doubleclick.v5i1.8604

Abstract

Urban Heat Island (UHI) merupakan faktor yang mempengaruhi suhu permukaan bumi. Fenomena UHI menyebabkan suhu permukaan daratan kota lebih tinggi karena faktor antropogenik. Indentifikasi suhu permukaan daratan yang disebabkan oleh UHI dapat dilakukan dengan teknik penginderaan jauh berbasis cloud. Penelitian ini bertujuan untuk memetakan suhu permukaan daratan wilayah pesisir utara Surabaya dan sekitarnya dengan citra multi temporal MODIS tahun 2001-2020 menggunakan Platform Google Earth Engine. Lokasi tersebut dipilih karena diduga mengalami peningkatan suhu akibat aktivitas pembangunan yang umumnya juga terjadi di seluruh wilayah Indonesia. Dari penelitian ini dapat disimpulkan bahwa terjadi peningkatan panas yang cukup signifikan dari tahun ke tahun. Di pesisir utara Surabaya, Jawa Timur, pada tahun 2001 suhu permukaan pada kisaran 30oC terletak dibagian utara. Pada tahun 2011 suhu meningkat dan menyebar ke wilayah bagian selatan. Kemudian suhu paling tinggi ditunjukkan pada tahun 2020, dimana hampir keseluruhan wilayah memiliki panas diatas 28oC. Dari penelitian ini dapat diketahui bahwa penggunaan platform Google Earth Engine efektif untuk pemetaan suhu permukaan daratan. Perlu adanya penelitian lanjutan mengenai penggunaan data yang diukur langsung di lapangan dan citra resolusi spasial lebih tinggi agar mengetahui akurasi yang dihasilkan dari platform Google Earth Engine.
Land Cover Classification Assessment Using Decision Trees and Maximum Likelihood Classification Algorithms on Landsat 8 Data Luhur Moekti Prayogo; Bimo Aji Widyantoro; Amir Yarkhasy Yuliardi; Muhammad Hanif; Perdana Ixbal Spanton; Marita Ika Joesidawati
DoubleClick: Journal of Computer and Information Technology Vol 6, No 2 (2023): Perkembangan Teknologi Informasi
Publisher : Universitas PGRI Madiun

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25273/doubleclick.v6i2.10606

Abstract

Classification technique on remote sensing images is an effort taken to identify the class of each pixel based on the spectral characteristics of various channels. Traditional classifications such as Maximum Likelihood are based on statistical parameters such as standard deviation and mean, which have a probability model of each pixel in each class. While the object-based classification method, one of which is the Decision Trees, is based on rules for each class with mathematical functions. This study compares the Decision Trees and Maximum Likelihood algorithms for land cover classification in the Surabaya and Bangkalan areas using Landsat 8 data. This research begins with creating Regions of Interest (ROIs) and Rules on images with greater than and less than functions for Decision Trees. The ROIs test was carried out using the Separability Index and matching each class using the Confusion Matrix. The experimental results show that the accuracy value resulting from the Confusion Matrix calculation is 90.48%, with a Kappa Coefficient Value of 0.87. The Decision Trees method produces land cover nigher to the actual condition than the Maximum Likelihood method. The difference in the class distribution of the two ways is not significant. This study is limited because the validation uses manual interpretation results. Future research is expected to use the large-scale classification results from the relevant agencies to verify the classification results and use field data, larger samples of ROIs, and the use of high-resolution imagery in order to improve the classification results.