Article Per Year (5 Year)
p-Index From 2021 - 2026
3.515
P-Index
This Author published in this journals
All Journal Jurnal Planologi Sultan Agung TEKNIK Jurnal Geodesi Undip TELKOMNIKA (Telecommunication Computing Electronics and Control) Jurnal Kelautan Tropis Journal of Applied Geospatial Information Elipsoida : Jurnal Geodesi dan Geomatika JGISE-Journal of Geospatial Information Science and Engineering Jurnal Pasopati : Pengabdian Masyarakat dan Inovasi Pengembangan Teknologi Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian
Yudo Prasetyo
Departement Of Geodetic Engineering, Universitas Diponegoro, Jl. Prof. Sudarto, SH, Tembalang, Semarang, Indonesia 50275
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Earth & Planetary Sciences Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Physics Social Sciences Transportation Other

Published : 128 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 128 Documents
Search

 4   5   6   7   8 
ANALISIS PENURUNAN MUKA TANAH (PMT) MENGGUNAKAN METODE DIFFERENTIAL INTERFEROMETRY SYNTHETIC APERTURE RADAR (DINSAR) (Studi Kasus: Pesisir Kabupaten Demak) Atina Qothrunnada Salsabila; Yudo Prasetyo; firman Hadi
Jurnal Geodesi UNDIP Volume 10, Nomor 1, Tahun 2021
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAKMeningkatnya penggunaan air tanah yang disebabkan oleh banyaknya kawasan pabrik serta pembangunan yang berlangsung merupakan beberapa faktor yang menyebabkan topografi Kabupaten Demak semakin turun. Kondisi ini membuat banjir pasang di bagian barat Kabupaten Demak. Akibat terjadi banjir yang terus menerus, maka diperlukannya pemantauan khusus sebagai salah satu upaya mitigasi bencana. Pemanfaatan metode pengindraan jauh saat ini sudah memiliki banyak inovasi salah satunya yaitu untuk pemantauan Penurunan Muka Tanah (PMT). Penelitian ini menggunakan Citra Sentinel 1-A yang diakuisisi bulan Oktober 2018 dan Januari 2020. Data SLC digunakan untuk mengetahui nilai PMT dengan metode Differential Interferometric Synthetic Aperture Radar (DInSAR). Hasil dari penelitian ini adalah Peta PMT wilayah pesisir Kabupaten Demak. Nilai PMT terbesar berada di desa Morodemak, Jatigoro, Serangan, dan Wedung Kecamatan Bonang yang masing-masing sebesar ± 10 cm/tahun. Kecamatan Sayung memiliki nilai Kenaikan Muka Tanah (KMT) yang paling besar yaitu ± 10 cm/tahun karena adanya peninggian jalan untuk pembangunan jalan tol Demak-Semarang pada tahun 2020.
KLASIFIKASI TUTUPAN VEGETASI MENGGUNAKAN METODE DEKOMPOSISI POLARIMETRIK Panji Pratama Putra; Yudo Prasetyo; Haniah Haniah
Jurnal Geodesi UNDIP Volume 4, Nomor 4, Tahun 2015
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1300.902 KB)

Abstract

ABSTRAK Indonesia adalah negara yang memiliki wilayah yang sangat luas dan kekayaan alam yang berlimpah. Pembangunan di segala bidang dilaksanakan untuk memajukan negara, melindungi kekayaan alam, serta untuk meningkatkan kesejahteraan masyarakat. Pada proses pembangunan tersebut ada aspek penting yang tidak boleh diabaikan yaitu mengenai memahami banyaknya kawasan hutan dan perkiraan biomasa hutan yang ada di Indonesia. Disamping itu manfaat dari kawasan hutan sangat penting untuk keberlangsungan makhluk hidup yang ada di bumi.Penelitian penelitian ini memanfaatkan data ALOS PALSAR L-band level 1.5 dengan quad polarization. Pada penelitian ini proses yang dilakukan adalah dengan mengektrasi data tersebut kedalam matriks Sinclair yang kemudian akan dilakukan proses multilook dan speckle filtering untuk menghilangkan noise. Setelah proses tersebut dilakukan data tersebut di konversi kedalam matrik koherensi untuk mendapatkan informasi dari hasil klasifikasi yang menggunakan metode dekomposisi polarimetrik yang telah dijaelaskan oleh Cloude dan Pottier. Hasil klasifikasi kawasan hutan yang telah didapatkan proses berikutnya adalah memberikan informasi koordinat pada hasil klasifikasi tersebut agar data yang dihasilkan memiliki informasi koordinat yang sesuai dengan kondisi sebenarnya. Validasi yang dilakukan pada penelitian ini adalah dengan menyesuaikan tutupan lahan hasil klasifikasi dekomposisi polarimetrik dengan citra Landsat 8 untuk mendapatkan kesesuaian tutupan lahan agar didapatkan informasi sesuai dengan kondisi yang sebenarnya.Penelitian tugas akhir ini menghasilkan sebuah citra hasil klasifikasi dekomposisi polarimetrik dengan metode Cloude & Pottier. Hasil klasifikasi tersebut mengklasifikasikan kawasan perairan dan non-perairan (kawasan hutan dan pemukiman). Hasil dari klasifikasi dekomposisi polarimetrik ini juga menghasilkan luas kawasan tutupan vegetasi sebesar 52.793 ha, kawasan pemukiman sebesar 31.209 ha dan kawasan perairan sebesar 12.312 ha.. Selain itu klasifikasi tersebut diharapkan dapat dijadikan acuan sebagai bahan pertimbangan untuk mengembangkan pelestarian kawasan hutan guna keberlangsungan makhluk hidup di masa yang akan datang.Kata Kunci : Kawasan hutan, Cloude dan Pottier, Klasifikasi dekomposisi polarimetrik ABSTRACTIndonesia is an exceedingly wide country which having much a natural resources. Development in every field occurs to increase the country, protect the natural resource, and increase a society welfare. There are two crucial aspects in every process of the development, namely to recognize the forest area and estimate the forest biomass in Indonesia. Moreover, the benefit of the forest area is extremely crucial  for the survival of living things on Earth. This research utilized ALOS PALSAR L-band level 1.5 data with quad polarization. In this research, the process was performed by exctract the data into the matrix Sinclair and then do the multilook process and speckle filtering to remove noise. Once the process was performed, some data will process into coherency matrix to obtain the information from the result of classification using polarimetric decomposition that have been describe by Cloude and Pottier. The result of classification of vegetation cover that have been obtained the next process is to provide coordinate information on the result of classification that the data generated has coordinate information appropriate withcatual condition. Validation in this research is performed to adjust classification result polarimetric decomposition with landsat 8 to get the suitability of land cover in order to obtain information appropriate with actual conditionThis final research showed in an image of the polarimetric decomposition classification result used Cloude & Pottier method. The classification result produces a classification that separated water and non-water (forest and residence area). The total vegetation cover area according from classification polarimetric decomposition amounted to 52.793 ha, residence area amounted to 31.209 ha and waters area amounted to 12.312 ha. The result is expected to be reference to develop conservation of forest area for the survival of living things in the future.Keywords: Forest area, Cloude and Pottier, Polarimetic decomposition classification.*) Penulis Penanggungjawab
STUDI PEMETAAN HABITAT DASAR PERAIRAN LAUT DANGKAL BERDASARKAN ANALISIS DIGITAL MENGGUNAKAN CITRA PLEIADES MULTISPEKTRAL DI PERAIRAN PULAU MENJANGAN BESAR, KEPULAUAN KARIMUNJAWA, JAWA TENGAH Faisal Aldin; Yudo Prasetyo; Muhammad Helmi
Jurnal Geodesi UNDIP Volume 9, Nomor 1, Tahun 2020
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (880 KB)

Abstract

ABSTRAKPulau Menjangan Besar adalah salah satu pulau di Kepulauan Karimunjawa yang terkenal dengan wisata bawah laut terutama terumbu karang. Terumbu karang merupakan bagian dari habitat dasar perairan laut dangkal yang memiliki potensi sumber daya laut dan patut diperhitungkan sehingga pemetaan sebaran dan luasan habitat dasar perairan laut dangkal sangatlah dibutuhkan dalam pengembangan potensi sumber daya laut dan pesisir. Kurangnya informasi ilmiah terkait habitat dasar perairan laut dangkal terutama terumbu karang di Pulau Menjangan Besar membuat proses pemantauan keadaan habitat dasar perairan laut dangkal mengalami kesulitan.Tujuan dari penelitian ini adalah mengetahui kemampuan dan potensi citra satelit Pleiades-1A multispektral dalam pemetaan habitat dasar perairan laut dangkal dan mengetahui kelas dan pola spasial habitat dasar perairan laut dangkal berdasarkan hasil analisis citra satelit Pleiades-1A dan survei lapangan. Metodologi yang digunakan dalam penelitian ini adalah pemanfaatan teknologi pengindraan jauh menggunakan citra Pleiades-1A dengan algoritma Lyzenga. Metode algoritma Lyzenga digunakan untuk memetakan material penutup material penutup substrat dasar pada perairan laut dangkal.Berdasarkan hasil pengolahan dan klasifikasi citra  Pleiades-1A diperoleh hasil uji akurasi sebesar 88,33 %. Hasil tersebut menunjukan bahwa citra Pleiades-1A mampu mendeteksi kanampakan habitat dasar perairan laut dangkal secara baik. Berdasarkan hasil klasifikasi dalam pemetaan habitat dasar perairan laut dangkal menunjukan kenampakan 5 kelas yang terdiri dari kelas pasir sebesar 60%, kelas makroalga 17%, kelas terumbu karang 11%, kelas lamun 8% dan kelas pecahan karang 4%. Pola dari masing-masing kelas tersebar secara acak di daerah penelitian dan didominasi oleh kelas pasir. Kata Kunci : Algoritma Lyzenga, Citra Pleiades-1A, Habitat Dasar Perairan Laut Dangkal, Menjangan Besar ABSTRACTMenjangan Besar Island is one of the islands in the Karimunjawa Islands. The island is famous for underwater tourism especially coral reefs. Coral reefs are part of shallow sea bottom habitats that have considerable marine resource potential so that the mapping of the distribution and extent of shallow sea bottom habitats is very much needed in developing the potential of marine and coastal resources. Lack of scientific information related to shallow sea bottom habitats, especially coral reefs on the Menjangan Besar Island, has made it difficult to monitor the situation of shallow sea bottom habitats.The purpose of this study is to determine the ability and potential of multispectral Pleiades-1A satellite imagery in mapping shallow sea bottom habitats and determine the class and spatial patterns of shallow sea bottom habitats based on the results of Pleiades-1A satellite image analysis and field survey. The methodology used in this research is the use of remote sensing technology using Pleiades-1A imagery with Lyzenga algorithm. The Lyzenga algorithm method is used to map the covering material of shallow seabed cover material.Based on the results of processing and classification of Pleiades-1A images obtained an accuracy test results of 88.33%. These results indicate that the Pleiades-1A imagery is able to detect the appearance of shallow sea bottom habitats. Where the results of the classification in the mapping of shallow sea bottom habitats are divided into 5 classes consisting of 60% sand class, 17% macroalgae class, 11% coral reef class, 8% seagrass class and 4% coral fraction class. The patterns of each class are randomly distributed in the study area and are dominated by sand classes. Keyword : Lyzenga Algorithm, Menjangan Besar, Pleiades-1A Imagery, Shallow Sea Bottom Habitats
ANALISIS KOMPARASI MODEL 3 DIMENSI FOTOGRAMETRI RENTANG DEKAT TERHADAP CETAKAN 3 DIMENSI DENGAN ALAT CETAK RAISE3D N2 PLUS Billy Silaen; Yudo Prasetyo; Nurhadi Bashit
Jurnal Geodesi UNDIP Vol 8, No 1 (2019)
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (617.525 KB)

Abstract

Perkembangan teknologi model 3 dimensi berkembang pesat beberapa tahun belakangan ini, salah satunya adalah 3D Printing. Salah satu manfaat dari 3D printing adalah replikasi yang berguna untuk menduplikasi suatu objek. Pengolahan 3D printing memerlukan model 3D digital untuk di cetak menjadi replika objek tersebut, sehingga dibutuhkan suatu metode pembuatan model 3D digital yang baik yang siap cetak menjadi replika. Pada penelitian ini, menggunakan kamera non metrik seperti kamera DSLR untuk mengambil foto objek. Hasil foto dilakukan pengolahan dengan metode fotogrametri rentang dekat menggunakan software open source VisualSfM dalam pembuatan point cloud. Pembuatan model 3D siap cetak diolah dengan Meshlab dalam dan menggunakan Raise3D N2 Plus untuk mesin cetak 3D-nya. Hasil akhir penelitian menunjukkan perbandingan objek penelitian, model digital dan model cetak.  Kesesuaian bentuk antara objek, model digital dan cetak memperlihatkan hasil yang baik secara detil seperti lipatan lemak pada objek, namun pada model digital masih ada bagian kasar yang juga tercetak pada model cetak. Detil kecil pada lipatan diatas mata pada model cetak tidak terlihat. Kesesuaian warna model digital cukup baik dengan beberapa warna pada daerah kasar kurang sesuai serta warna model cetak hanya bisa satu warna. Akurasi jarak objek, model digital serta model cetak berada dalam satuan milimeter dimana jarak objek dengan model digital rata-rata 3,524 mm; objek dengan model cetak rata-rata 4,167mm; dan model digital dengan model cetak rata rata 3,226 mm.
ANALISIS PENGARUH FENOMENA EL NINO DAN LA NINA TERHADAP CURAH HUJAN TAHUN 1998 - 2016 MENGGUNAKAN INDIKATOR ONI (OCEANIC NINO INDEX) (Studi Kasus : Provinsi Jawa Barat) Farras Nabilah; Yudo Prasetyo; Abdi Sukmono
Jurnal Geodesi UNDIP Volume 6, Nomor 4, Tahun 2017
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (688.615 KB)

Abstract

ABSTRAKPerubahan iklim dalam rentang 10 tahun terakhir membawa perubahan yang sangat drastis di permukaan bumi. Beberapa pengaruh iklim ini salah satunya anomali suhu udara yang mencolok seperti fenomena El Nino dan La Nina atau yang lebih dikenal dengan fenomena ENSO (El Nino Southern Oscillation). Fenomena ENSO merupakan suatu kondisi permukaan laut di wilayah Samudera Pasifik mengalami kenaikan atau penurunan suhu permukaan laut sehingga menyebabkan adanya pergeseran musim di wilayah Indonesia. Pergeseran musim yang terjadi karena fenomena ENSO juga berpengaruh besar terhadap produksi pangan dan komoditas pertanian yang lain.Pada penelitian ini, metode pengolahan data penelitian menggunakan bahasa pemograman untuk mengolah data SST dan data curah hujan dari tahun 1998 sampai tahun 2016. Data yang digunakan berupa data suhu permukaan laut yang berasal dari satelit NOAA yaitu SST Reynolds (Sea Surface Temperature) serta data curah hujan harian yang berasal dari satelit TRMM. Pembuatan indeks ONI pada penelitian ini menggunakan data SST bulanan yang telah dikonversikan kemudian dikelompokkan kedalam masing-masing kelas. Masing-masing kelas mempunyai nilai kurang dari -0,5 yaitu keadaan La Nina, lebih dari 0,5 yaitu keadaan El Nino dan nilai diantara -0,5 sampai 0,5 yaitu keadaan normal. Pengujian data menggunakan analisis pola spasial curah hujan dan suhu permukaan laut yang dipengaruhi oleh fenomena El Nino dan La Nina.Hasil penelitian berupa peta sebaran SST dan curah hujan secara musiman untuk mengetahui pengaruh dari fenomena El Nino dan La Nina di wilayah Jawa Barat. Fenomena El Nino dan La Nina di Laut Jawa terjadi pada bulan Agustus sampai bulan Februari. Pada saat El Nino, nilai suhu permukaan laut (SST) 27ᵒC -28ᵒC dengan rata-rata 27,71ᵒC sedangkan untuk intensitas curah hujannya yaitu 1,0mm/hr-2,0mm/hr dengan rata-rata 1,63mm/hr. Pada saat La Nina, nilai suhu permukaan laut (SST) 29ᵒC-30ᵒC dengan rata-rata 29,06ᵒC sedangkan intensitas curah hujannya yaitu 9,0mm/hr-10mm/hr dengan rata-rata 9,74mm/hr. Korelasi antara curah hujan dan SST sebesar 0,413 yang menyatakan hubungan yang cukup kuat antar parameter. Sehingga dapat disimpulkan, kenaikan SST saat La Nina mempengaruhi kenaikan intensitas curah hujan sedangkan untuk penurunan SST saat El Nino mempengaruhi penurunan intensitas curah hujan.
ANALISIS PASANG SURUT AIR LAUT MENGGUNAKAN DATA IOC (Intergovermental Oceanographic Comission) UNTUK MENENTUKAN CHART DATUM DI PERAIRAN CILACAP Nuardi Dwi Pradipta; Yudo Prasetyo; Arwan Putra Wijaya
Jurnal Geodesi UNDIP Volume 4, Nomor 2, Tahun 2015
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (859.305 KB)

Abstract

ABSTRAK Pasang surut air laut adalah perubahan ketinggian air laut yang disebabkan oleh adanya gaya tarik-menarik antara bumi dengan benda luar angkasa.Bulan dan Matahari memiliki pengaruh terbesar terhadap fenomena pasang surut air laut. Mean Sea Level (MSL) merupakan acuan tinggi untuk penentuan ketinggian di daratan. MSL diperolehdengan melakukan  pengamatan pasang surut air laut dalam periode waktu tertentu, sedangkan acuan tinggi dilaut berbeda dengan acuan tinggi di daratan. Chart datum (surutan peta) merupakan permukaan terendah air laut yang digunakan sebagai bidang referensi sebagai acuan tinggi dalam pembuatan peta dilaut.Untuk mengetahui pengaruh panjang data pengamatan terhadap ketelitian MSL maka pada penelitian ini dilakukan pembagian ke dalam 3 data yaitu data pasang surut 1 bulan, 3bulan, 6 bulan dan 1 tahun.Data pasang surut hasil pengamatan dari masing-masing panjang data dianalisis menggunakan program worltides danworldcurrents 2010 untuk mendapatkan 9 komponen pasang surut (O1, P1, K1, M2, N2, S2, K2, M4 MS4). 9 Komponen pasang surut digunakan untuk menentukan nilai chart datum dari lima model chart datum yaitu LPLW (Lowest Possible Low Water), ISWL ( Indiana Springs Water Level), MSLW (Mean Springs Water Low), DISHIDROS TNI-AL (Dinas Hidro-Oseanografi Tentara Nasional Indonesia Angkatan Laut) dan IHO (International Hidrographic Organization).Empat model chart datum LPLW, ISWL, MSL, dan DISHIDROS dicari kedudukan vertikalnya tehadap model chart datum IHO.Hasil dari penelitian ini adalah nilai  model chart datum yang sesuai dengan perairan Cilacap. Model yang sesuai untuk perairan Cilacap berdasarkan penelitian ini adalah model chart datum DISHIDROS dengan kedudukan vertikal terendah terhadap IHO yaitu 0.0116 (m).Kata kunci: Pasang surut, Chart Datum, MSL, IOC, worltides danworldcurrents 2010 ABSTRACT The tidal seas is the changing of sea water height caused by the attractive force happen between the earth and the space objects.The moon and the sun have the biggest influence on the tidal seas phenomenon. Mean Sea Level is the height reference to determine the land height. In order to get the MSL, doing the tide observation in a certain period of time is needed. Meanwhile, the height reference of the sea is quite different from the height reference of the land. The Chart datum (lowtide rate) is the lowest surface of the sea used as the referential part to the height reference of map making in the sea. In order to find out the influence of the observation data length toward the MSL accuracy, the observation is divided into 3 data, 1-month tidal data, 3-months tidal data, 6-months and a year tidal data. Those result observation data, later be analyzed using world tides & world currents 2010 program to get 9 tidal components (O1, P1, K1, M2, N2, S2, K2, M4, MS4). These 9 components is used to determine the chart datum number of five chart datum model, which are LPLW (Lowest Possible Low Water), ISWL (Indiana Springs Water Level), MSLW (Mean Springs Water Low), DISHIDROS TNI-AL (DinasHidro-OseanografiTentaraNasional Indonesia AngkatanLaut) and IHO (International Hidrographic Organization). It is necessary to find out the vertical figure of these four chart datum models LPLW, ISWL, MSL, DISHIDROS, toward the chart datum model IHO.The observation result is the chart datum model number which is appropriate for Cilacap waters. Based on the observation, the appropriate model for Cilacap waters is the chart datum model DISHIDROS whose the lowest vertical figure toward the IHO is 0.0116(m). Key words:Tide, Chart datum, MSL, IOC, world tides & world currents 2010
APLIKASI FOTOGRAMMETRI RENTANG DEKAT UNTUK PEMODELAN 3D GEDUNG A LAWANG SEWU David Jefferson Baris; Yudo Prasetyo; Bandi Sasmito
Jurnal Geodesi UNDIP Volume 4, Nomor 3, Tahun 2015
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (717.647 KB)

Abstract

ABSTRAKFotogrammetri rentang dekat merupakan salah satu bidang penerapan fotogrammetri. Fotogrammetri rentang dekat dapat digunakan untuk perekaman objek yang berjarak kurang dari 100 meter. Fotogrammetri rentang dekat biasanya digunakan dalam pemodelan 3D bangunan, kendaraan atau jembatan.Pada penelitian ini, metode fotogrammetri rentang dekat digunakan untuk pemodelan 3D Gedung A Lawang Sewu dengan kamera digital non metrik. Kamera yang digunakan harus melalui proses kalibrasi untuk mengetahui parameter internal kamera. Proses kalibrasi dan pengolahan data dalam tugas akhir ini menggunakan perangkat lunak PhotoModeler Scanner v.7 2013.  Tahap pemodelan bangunan terdiri dari marking dan referencing, proses hitungan dan pembuatan model 3D, transformasi koordinat 3D dan visualisasi model 3D. Data yang digunakan adalah data foto yang diambil secara keseluruhan mengelilingi Gedung A Lawang Sewu.Hasil akhir dalam penelitian ini adalah model 3 dimensi Gedung A Lawang Sewu. Pengujian hasil pengolahan model 3D dilakukan dengan analisis perbandingan selisih jarak dan uji statistik dengan tingkat kepercayaan 95%. Pelaksanaan uji statistik yang dilakukan pada penelitian ini menunjukkan bahwa tidak terdapat perbedaan yang signifikan antara pengukuran ETS.Kata Kunci : Fotogrammetri Rentang Dekat, Lawang Sewu, Kamera Digital Non Metrik, Pemodelan Bangunan Bersejarah, PhotoModeler Scanner V.7 2013. ABSTRACT [Close Range Photogrammetry Application for 3D Modelling of Lawang Sewu Building A]            Close range photogrammetry is a one of photogrammetry applications. It can be used for the object measurement that is less than 100 meters. It also usualy used in 3D modeling of buildings, vehicles or bridges etc. In this final task, close range photogrammetry method was used for 3D modeling of Lawang Sewu Building A using non-metric digital camera. Initially, the camera must through of calibration process to determine the camera internal parameters. The process of calibration and data processing in this final task are using PhotoModeler Scanner v.7 2013 software. Phase of buildings modeling contain of marking and referencing, calculating and 3D modeling, transformation of 3D coordinate and visualization of 3D models. The data used are the photos that taken all around Lawang Sewu building A. The final results in this research are 3D model of Lawang Sewu Building A. Testing of the results in 3D modelling processing were done by comparing the 3D model distance referenced to Electronic Total Station measurement and statistics test with level of trust 95%. The statistics test in this research shows that there are no significant difference between ETS measurement.Keyword: Close range photogrammetry, Lawang Sewu, Modeling Historic Building, Non-Metric Digital Camera, PhotoModeler Scanner V.7.2013.     *) Penulis Pananggung jawab
ANALISIS KONDISI RESAPAN AIR TERHADAP PERUBAHAN KAWASAN TERBANGUN MENGGUNAKAN METODE INDEX-BASED BUILT-UP INDEX (IBI) DAN URBAN INDEX (UI) KOTA PEKALONGAN Widi Wicaksono; Yudo Prasetyo; Nurhadi Bashit
Jurnal Geodesi UNDIP Volume 8, Nomor 4, Tahun 2019
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (610.663 KB)

Abstract

ABSTRAKPertumbuhan penduduk di Indonesia mengalami peningkatan terutama di kota-kota besar setiap tahunnya. Hal ini menyebabkan lahan kosong yang ada di lingkungan perkotaan berubah menjadi bangunan sebagai bentuk dinamika pertumbuhan kota. Kota Pekalongan merupakan salah satu kota besar yang memiliki potensi perubahan penggunaan kawasan terbangun yang pesat. Kawasan terbangun dengan intensitas yang semakin tinggi dapat menimbulkan terganggunya kondisi sumber daya air karena berkurangnya daerah resapan air. Menurut BPBD Kota Pekalongan, hampir seluruh daerah yang ada di Kota Pekalongan merupakan wilayah daerah rawan banjir. Kawasan resapan air memiliki peran penting dalam menjaga lingkungan perkotaan karena menjaga kestabilan siklus air.Penelitian ini menggunakan metode Index-based Built-up Index (IBI) dan Urban Index (UI) untuk mendapatkan informasi kawasan terbangun. Daerah resapan air didapatkan menggunakan metode scoring  dari beberapa parameter, antara lain kelerengan, curah hujan, jenis tanah,  jarak sungai dan tutupan lahan. Data yang digunakan adalah citra Landsat 8 OLI. Analisis kondisi resapan air dilakukan secara spasial dan deskriptif kemudian dilakukan analisis persebaran kawasan terbangun, persebaran kondisi resapan air, korelasi spasial terhadap kawasan terbangun.Hasil penelitian ini adalah peta kondisi resapan air Kota Pekalongan. Pengolahan kawasan terbangun metode IBI tahun 2019 menghasilkan luas sebesar 2.673,855 ha dan metode UI seluas 2.503,603 ha dengan akurasi yaitu 89,39% dan 87,88%. Kondisi resapan air dibagi dalam 5 kelas antara lain baik, normal alami, mulai kritis, cukup kritis dan kritis.  Kondisi resapan air kelas baik memiliki luas 64,854 ha (1,40%), normal alami seluas 435,753 ha (9,41%), mulai kritis seluas 1.944,726 (42,01%), cukup kritis seluas 1.453,620 ha (31,40%) dan kritis seluas 730,701 ha (15,78%) yang memiliki tingkat kesesuaian sebesar 77,27% dari data survei lapangan. Korelasi spasial kondisi resapan air terhadap perubahan kawasan terbangun tahun 2017-2019 memiliki kelas tingkat korelasi sangat rendah seluas 75,420 ha (2,82%), korelasi rendah seluas 48,600 ha (1,82%), korelasi sedang seluas 1.578,830 ha (59,35 %), korelasi tinggi seluas 738,540 ha (27,62%) dan korelasi sangat tinggi seluas 224,460 ha (8,39%). Korelasi kondisi resapan air terhadap perubahan kawasan terbangun yang dominan yaitu kelas sedang. Sehingga dapat disimpulkan perubahan kondisi resapan air memiliki korelasi terhadap pertumbuhan kawasan terbangun.Kata Kunci   : Index-based Built-up Index, Kawasan Terbangun, Kondisi Resapan Air, Urban Index, Scoring ABSTRACTPopulation growth in Indonesia continues to increase, especially in big cities. This causes the vacant land in the urban environment to change into buildings as a form of city growth dynamics. Pekalongan City is one of the big cities that has the potential to rapidly change the use of the built area. The built area with higher intensity can result in disruption of water resource conditions due to reduced water catchment areas. According to BPBD of Pekalongan City, almost all areas in Pekalongan City are flood-prone areas. Water catchment areas have an important role in protecting the urban environment because they maintain the stability of the water cycle.This research uses Index-based Built-up Index (IBI) and Urban Index (UI) methods to obtain information on the built area. The water catchment area is obtained using the scoring method of several parameters, including slope, rainfall, soil type, river distance and land cover. The data used is Landsat 8 OLI imagery. Analysis of water catchment conditions is carried out spatially and descriptively then an analysis of the distribution of built up areas, distribution of water catchment conditions, spatial correlation with the built up area.The results of this study are maps water catchment conditions  of Pekalongan City. The processing area built by the IBI method in 2019 has an area of 2,673,855 ha and the UI method is 2,503,603 ha with an accuracy of 89.39% and 87.88%. Water catchment conditions is divided into 5 classes, including good, natural normal, getting critical, quite critical and critical. Good grade water catchment condition has an area of 64,854 ha (1.40%), natural normal area of 435.753 ha (9.41%), getting critical area of 1,944.726 (42.01%), quite critical of 1,453.620 ha (31.40%) and critical area of 730.701 ha (15.78%) which has a suitability level of 77.27% from data survey. Spatial correlation of water catchment conditions on changes in the built area in 2017-2019 has a class of very low correlation level of 75,420 ha (2.82%), low correlation of 48,600 ha (1.82%), moderate correlation of 1,578.830 ha (59.35%), high correlation area of 738,540 ha (27.62%) and very high correlation area of 224.460 ha (8.39%). The dominant correlation of water catchment conditions to changes in the built area is moderate class. So it can be concluded that changes in water catchment conditions have a correlation to the growth of the built area.Keywords       : Index-based Built-up Index, Built Area, Urban Index, Scoring, Water Infiltration Conditions
ESTIMASI NILAI DAN KORELASI BIOMASSA TERHADAP NILAI NDVI BERBASIS METODE POLARIMETRIK SAR PADA CITRA QUAD-POL ALOS PALSAR TAHUN 2007 Narendra Sava Hanung; Yudo Prasetyo; Andri Suprayogi
Jurnal Geodesi UNDIP Volume 5, Nomor 1, Tahun 2016
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (874.7 KB)

Abstract

ABSTRAKSalah satu cara menahan kenaikan suhu permukaan bumi adalah mengurangi emisi Gas Rumah Kaca (GRK). Melalui fotosintesis, CO2 diserap dan diubah oleh tumbuhan menjadi karbon organik dalam bentuk biomassa. Kandungan karbon absolut dalam biomassa pada waktu tertentu dikenal dengan istilah stok karbon (carbon stock). Adanya program REDD+ memungkinkan negara berkembang untuk mendapat insentif dari penyerapan karbon. Oleh karena itu perlu adanya perhitungan biomassa yang efisien dan akurat sehingga dapat mengetahui stok karbon dalam suatu area yang luas.Salah satu cara untuk mengestimasi nilai biomassa adalah dengan metode penginderaan jauh. Dengan metode penginderaan jauh estimasi nilai biomassa dapat dilakukan tanpa harus ke lapangan langsung sehingga lebih menghemat biaya, tenaga, dan waktu.  Metode penginderaan jauh yang digunakan dalam penelitian ini yaitu dengan metode polarimetrik SAR dengan memanfaatkan citra ALOS PALSAR Kabupaten Subang tahun 2007.Tujuan dari penelitian ini adalah untuk mengetahui jumlah biomassa dengan metode polarimetrik SAR, menganalisis perbandingan nilai biomassa di Kabupaten Subang dengan penelitian sebelumnya, menganalisis hubungan antara nilai biomassa dengan nilai NDVI, dan untuk menganalisis peta estimasi nilai biomassa dan tutupan lahan di Kabupaten Subang tahun 2007.Hasil dari penelitian ini menunjukkan bahwa nilai biomassa masing-masing tutupan lahan sebagai berikut. Untuk tutupan lahan hutan adalah 466,061 ton/ha. Untuk tutupan lahan hutan jarang adalah 244,122 ton/ha. Untuk tutupan lahan perkebunan adalah 183,587 ton/ha. Untuk tutupan lahan pemukiman adalah 108,949 ton/ha. Untuk tutupan lahan perairan adalah 7,137 ton/ha. Hasil regresi linear antara nilai NDVI dengan nilai biomassa yaitu y=240,99x + 26,668 dan nilai R2=0,7181. Hasil klasifikasi tutupan lahan citra ALOS PALSAR dengan metode Scattering Model-Based Unsupervised Classification memberikan nilai overall accuracy dari matriks konfusi yaitu 49% nilai koefisien kappa bernilai 40%.Kata Kunci : Biomassa, Polarimetrik SAR, NDVI, ALOS PALSAR. ABSTRACTOne way to hold the temperature rise of the earth's surface is to reduce greenhouse effect emissions. Through photosynthesis, the CO2 is absorbed and converted by plants into organic carbon in the form of biomass. Absolute carbon content in the biomass at a certain time is known as the carbon stock. The existence of the REDD+ program enables develop countries to have the incentive of carbon absorption. Therefore it is necessary for calculating the biomass which is efficient and effective so it is able to determine the carbon stock in a large area.One way to estimate the value of the biomass is by remote sensing method. The remote sensing method can estimate the value of the biomass without having to pitch directly to savings, energy and time. The Remote sensing method which was used in this study is the polarimetric SAR method using ALOS PALSAR at Subang in 2007.The aim of this study was to determine the amount of biomass with the polarimetric SAR method, analyzing the comparative the biomass value in Subang with previous studies, analyzing the relationship between the biomass value with the NDVI value and  analyzing the distribution maps the biomass value and land cover in Subang in 2007.The results from this study showed the value of the biomass of each land cover like these. They are forest cover is 466.061 tons/ha, sparse woods cover is 244.122 tons/ha, plantation cover is 183.587 tons/ha, residential cover is 108.949 tons/ha and waters cover is 7.137 tons/ha. The result of linear regression between NDVI values with biomass value is y = 240.99x + 26.668 and the value of R2 = 0.7181. The Result of land cover classification ALOS PALSAR by using Scattering Model-Based Unsupervised Classification method have given overall accuracy value from confusion matrix is 49% and kappa coefficient value is 40%.Key words: Biomass, Polarimetric SAR, NDVI, ALOS PALSAR *) Penulis, PenanggungJawab
PEMODELAN DAN PEMETAAN BIOMASSA ATAS PERMUKAAN (ABOVEGROUND BIOMASS) TANAMAN KARET (HEVEA BRASILIENSIS) DENGAN L-BAND BERDASARKAN PENGAMATAN ALOS PALSAR-2 (STUDI KASUS: AFDELING SETRO, KAB. SEMARANG) Ahmad Iqbal Maulana Lubis; Yudo Prasetyo; Bandi Sasmito
Jurnal Geodesi UNDIP Volume 9, Nomor 2, Tahun 2020
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (436.286 KB)

Abstract

ABSTRAKMeningkatnya emisi Gas Rumah Kaca (GRK) secara global menimbulkan risiko terjadinya pemanasan global dan perubahan iklim yang ganas (Marland dan Andres, 2017). Program penurunan emisi dari deforestasi dan degradasi hutan, plus konservasi, pengelolaan hutan lestari, dan peningkatan stok karbon hutan merupakan salah satu program yang memungkinkan negara-negara berkembang untuk melindungi hutan dan mendapatkan insentif dari penyerapan karbon atau mengurangi emisi dari kebakaran hutan dan kerusakan lain sehingga perlu adanya perhitungan biomassa yang efisien dan efektif. Pada tingkat masyarakat lokal, masyarakat mendapatkan informasi mengenai potensi sumber energi biomassa dan kapasitas serapan karbon yang ada di daerah mereka. Penelitian ini difokuskan untuk mengestimasi biomassa atas permukaan tersebut. Biomassa atas permukaan adalah semua material hidup di atas permukaan termasuk bagian batang, tunggul, cabang, kulit kayu, biji dan daun dari vegetasi.Metode yang digunakan dalam penelitian ini adalah pengambilan sampel tanpa pemanenan dan estimasi dengan hamburan balik radar dengan data utama mosaik Palsar-2. Kemudian mencari korelasi antara hamburan balik radar dengan nilai biomassa atas permukaan atau aboveground biomass (AGB) yang diperoleh dari metode pengambilan sampel tanpa pemanenan, setelahnya dilakukan ekstrapolasi berdasarkan model prediksi yang terbentuk dari korelasi hamburan balik radar dan nilai AGB pada setiap plot sampel.AGB dalam wilayah penelitian berada di antara 0,980 ton/ha hingga 6.421,832 ton/ha, dengan nilai rerata 210,976 ton/ha. Kapasitas AGB di wilayah Afdeling Setro per tahun 2019 yaitu sebesar 216,436 ton/ha. AGB terbesar berada sub-wilayah Rempong dengan jumlah AGB 22.709 ton dan terkecil berada pada sub-wilayah Tempel dengan jumlah AGB 1.679 ton. RMSE yang diperoleh dari perbandingan hasil prediksi  dengan test dataset adalah sekitar 32,812 ton/ha dengan korelasi 82%. Berdasarkan hasil uji statistik didapat bahwa Palsar-2 HH memiliki kemampuan lebih baik dalam mendefinisikan AGB tanaman karet dengan koefisien determinasi (R2) untuk tahun 2017 dan 2018 berturut adalah 0,032 dan 0,111. Namun dengan menggunakan variabel turunan hamburan balik radar yaitu rasio HH dan HV, rerata HH dan HV, dan rasio dua tahun HH dan HV, dan regresi linier berganda, perbaikan diperoleh pada koefisien determinasi (R2) meningkat hingga 0,673. Kata Kunci : Biomassa atas permukaan, Palsar-2, Hamburan balik radar, Regresi linier berganda ABSTRACTThe increasement of greenhouse gases emission globally affects the global warming and climate change risk The increasement of greenhouse gases emission globally affects the global warming and climate change risk (Marland dan Andres, 2017). Huge carbon content in plantation forest potentially increase the climate change and severe global warming, so that important to know carbon capacity from the area. It needs biomass calculation which efficient and effective. At local community level, they’ll get information about their biomass energy potential and carbon absoprtion capacity in their area. This research focuses on modeling and mapping the aboveground biomass. Aboveground biomass is all the living material above the gorund, including trunk, branches, tree bark, seed, and leaves from the vegetation.Method used in this research is non-destructive sampling and estimation by radar backscatter with Palsar-2 mosaic as primary data. And then correlate the radar backscatter and aboveground biomass (AGB) value through non-destructive sampling, after that extrapolation applied based on prediction model formed by the correlation between radar backscatter and AGB value in each plots.Aboveground biomass in the research area was estimated to range from 0,980 to 6.421,832 ton/ha, with an average of 210,976 ton/ha. AGB capacity at the unit of Setro as of 2019 is 216,436 ton/ha. The highest AGB value concerned at sub-region of Kalikopeng with total AGB 16.812,363 ton and the lowest AGB value concerned at sub-region of Tempel with total AGB 1.679 ton. RMSE resulted from comparing the prediction results and the test dataset is about 32,812 ton/ha with 82% correlation. Based on statistical test, it is found HH polarisation is better in defiining AGB of rubber trees with determination coefficient (R2) for 2017 and 2018 respectively are 0,032 dan 0,111. But with using derived radar backscatter consisted of ratio of HH and HV, mean of HH and HV, and the dual-date ratio of HH and HV, and Multivariate Linear Regression is applied, improvement obtained as the determination coefficient (R2) increases up to 0,673.
Co-Authors Abdi Sukmono, Abdi Adito Maulana ADYVICTURA TINAMBUNAN Agree Isnasatrianto Ahmad Iqbal Maulana Lubis Aji, Bernardinus Joko Prakosta Santu Alfian Adi Atmaja Alfonsus Bima Samudra Alvatara Partogi Hutagalung Alvian Danu Wicaksono An Nisa Tri Rahmawati Anang Ikhwandito Andri Suprayogi Anggoro Pratomo Adi Annisa Apriliani Annisa Octaviana ARDI SETYO PRATOMO Ari Setiani Arief Laila Nugraha Ariescha Eko Yuniarto Arif Rahman Arwan Putra Wijaya Aryasatya, Muhammad Farhan Atina Qothrunnada Salsabila Azeriansyah, Reyhan Bahtiar Ibnu Lonita Bambang Darmo Yuwono Bambang Sudarsono Bandi Sasmito Bashit, Nurhadi Bernard Ray Barus Bilal Fadhlurrohman Billy Silaen Bram Ferdinand Saragih chotimah, Saffira noor Dafid Januar Dani Nur Martiana Daud Panji Permana David Jefferson Baris Dede Handoko Delima Canny Valentine Simarmata Deviana Putri Sunarernanda Dicky Nur Krisnha Dinoto, Tjiong, Susilo Dita Ariani Dita Rizki Amliana Dito Seno Aji DIYANAH DIYANAH Dzulvikar, Azfa Ahmad Emeralda Amirul Ariefa Fadlila Ananingtyas, Fadlila Faisal Aldin Faiz Mahbubi Faizal Ibnu Adrian Fajriah Lita Pamungkasari Farras Nabilah Fatimah Putri Utami Fauzi Janu Amarrohman, Fauzi Janu Firman Hadi Fitrah Trikusuma Franstein Kevin J.B Galuh Puteri Saraswati Gantra S.D Hutahaean Gusmiarti, Neni Indah Hadi, Firman Hana Sugiastu Firdaus Hana Sugiastu Firdaus, Hana Sugiastu Hani'ah, Hani'ah Haniah Haniah Hanif Arafah Mustofa Hanum Fadhil Baihaqi Hanum Fadhil Baihaqi Harintaka Harintaka Hestiningsih Hestiningsih Ikhtifari, Muh. Nurshauma Imanuel Sitepu Indah Purwanti Irfan Baharudin Jamilah, Mutiara Kurnia Wisnu Aziz Lanjar Cahyo Pambudi Laode M Sabri Lukman Jundi Fakhri Islam Luluk Dita Shafitri Maliha, Arnetta Tia Nur Marissa Isabella Panggabean Marissa Isabella Panggabean Maylani Daraputri Mazazatu Rosyada Moehammad Awaluddin Muhammad Adnan Yusuf, Muhammad Adnan Muhammad Arizar Hidayat Muhammad Helmi Muhammad Nur Khafidlin Muna, Nailatul Nabila Rahmawati Nanang Noviantoro Prasetyo Narendra Sava Hanung Naryoko Naryoko Naufal Dwiakram NIRTANTO, ILHAAM CAHYA Nizma Humaidah Noviar Afrizal Wahyuananto Nuardi Dwi Pradipta Nurhadi Bashit Panji Pratama Putra Pran Shiska, Pran Qudriyah, Riska Amirotul Rahmawati, Nabila Ramadhani, Sekar Melati Rendi Aulia Retno Kusumaningrum Rifki Purnama Aji Rina Emelyana Riska Pratiwi Riza Ashar Rizqika, Salsabilla Nurul Sabri, LM Sawitri Subiyanto Setyo Ardy Gunawan Sintauli Manullang Sukamta Sukamta Sukamta Sukmawati Nur Endah Supriadi Sanjaya Purba Syachril Warasambi Mispaki Syaharini, Jay She Tegar Dio Arsadya Rahadian Tengku Oki Al Akbar Theresia Niken Kurnianingsih Thoriq Fajar Setiawan, Thoriq Fajar Ulifatus Sa'diyah Ulinnuha, Ilham Virgus - Arisondang Wahyuddin, Yasser Widi Wicaksono WIWIT PURWANTI Yonanda Simarsoit YULIA SAVIRA RACHMA Zainab Ramadhanis Zia Ul Maksum Zuraidha, Riza Nur