Articles
<![CDATA[Application of Generalized Additive Model for Identification of Potential Fishing Zones Using Aqua and Terra MODIS Imagery Data ]]>
<![CDATA[Bandi Sasmito]]>;
<![CDATA[Nurhadi Bashit]]>;
<![CDATA[Bella Riskyta Arinda]]>;
<![CDATA[Abdi Sukmono]]>
<![CDATA[ Journal of Applied Geospatial Information Vol 6 No 1 (2022): Journal of Applied Geospatial Information (JAGI) ]]>
Publisher : <![CDATA[Politeknik Negeri Batam ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.30871/jagi.v6i1.3962
<![CDATA[Remote sensing applications can provide information on oceanographic conditions for identification of potential fishing zones by combining statistical approaches. Determination of fish catch zones needs to be studied on the relationship between oceanographic parameters and fish catches to improve the efficiency and effectiveness of fishing operations by fishermen. Based on this, identification of potential fishing zones needs to examine the relationship between fish catches and oceanographic parameters using the Generalized Additive Model (GAM) in the Java Sea. GAM analysis was carried out using fish catch data as response variables and oceanographic parameters such as sea surface temperature (SST) and chlorophyll-a image processing results from MODIS, SSS from CMES, and Depth data as predictor variables. The selection of the best model is determined by the highest percentage of CDE and the lowest AIC. GAM modeling results show that 60.3% of fish catches in the Java Sea are influenced by oceanographic factors and 39.7% by other factors. The oceanographic parameter that has the most influence on fish catches is the concentration of chlorophyll-a. GAM modeling results show that fish in the Java Sea tend to be found in sea that have chlorophyll-a concentrations of 0.2 mg/m3 – 0.5 mg/m3, SST 280C – 310C, salinity 31.8 PSU – 33 PSU, and a depth of 20 m. – 50 meters. Potential fishing zones were identified based on the results of the GAM modeling analysis. Potential fishing zones in the Java Sea from March 2021 to June 2021 have varying spatial distributions. The results of the most fishing potential zones were found on June 3, 2021, which were distributed the most in the sea around Pulau Laut, in the southern part of the island of Borneo, and the north on the island of Madura.]]>
<![CDATA[PEMANTAUAN TOTAL SUSPENDED SOLID (TSS) WADUK GAJAH MUNGKUR PERIODE 2013-2017 DENGAN CITRA SATELIT LANDSAT-8 ]]>
<![CDATA[Abdi Sukmono]]>
<![CDATA[ Elipsoida : Jurnal Geodesi dan Geomatika Vol 1, No 01 (2018): Volume 01 Issue 01 Year 2018 ]]>
Publisher : <![CDATA[Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (513.326 KB)
|
DOI: 10.14710/elipsoida.2018.2812
<![CDATA[Sedimentasi merupakan masalah utama bagi waduk di Indonesia. Salah satu waduk yang mengalami masalah serius terhadap sedimentasi adalah waduk Gajah Mungkur. Sedimentasi tinggi pada waduk Gajah Mungkur mengakibatkan pendangkalan yang menyebabkan waduk tidak dapat berfungsi secara optimal. Besarnya tingkat sedimentasi ini dapat dilihat dari nilai Total Suspended Solid (TSS). Pemantauan perkembangan TSS sangat dibutuhkan dalam penanganan sedimentasi waduk. Data ini dapat digunakan sebagai acuan dalam penentuan strategi dan area prioritas penanganan pendangkalan waduk. Perkembangan teknologi penginderaan jauh memungkinkan TSS dihitung menggunakan data citra satelit. Salah satunya citra satelit Landsat-8. Dalam penelitian ini digunakan citra satelit Landsat-8 untuk pemantauan TSS di waduk Gajah Mungkur periode 2013-2017. Algoritma TSS yang digunakan adalah algoritma Syarief Budiman. Untuk memastikan akurasi dari pengolahan TSS dari citra dilakukan uji akurasi menggunakan pengukuran TSS in situ sebanyak 26 titik sampel. Hasil dari penelitian ini menunjukkan nilai TSS kelas tinggi (50-100 mg/L) dan kelas sangat tinggi (>100 mg/L) mengalami kenaikan yang signifikan dari tahun 2013 ke tahun 2017. Kenaikan TSS terjadi terutama pada muara Sub Das Keduang dan Sub Das Wiroko. Hasil uji akurasi menunjukkan nilai koefisien determinasi sebesar 0, 92 dimana hasil ini menunjukkan bahwa metode algoritma citra ini cukup akurat untuk pemantauan TSS.]]>
<![CDATA[IDENTIFIKASI KEKERINGAN LAHAN SAWAH MENGGUNAKAN KOMBINASI LEAF WATER CONTENT INDEX DAN VEGETATION INDEX DENGAN CITRA LANDSAT-8 ]]>
<![CDATA[Abdi Sukmono]]>
<![CDATA[ Elipsoida : Jurnal Geodesi dan Geomatika Vol 1, No 02 (2018): Volume 01 Issue 02 Year 2018 ]]>
Publisher : <![CDATA[Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (573.216 KB)
|
DOI: 10.14710/elipsoida.2018.3703
<![CDATA[Kekeringan lahan sawah merupakan salah satu ancaman bagi produksi pertanian di Indonesia. Ancaman ini menjadi sangat serius ketika terjadi kemarau panjang yang merupakan efek dari El Nino. Kekeringan ini dapat mengakibatkan sawah menjadi puso atau gagal panen. Dampak kekeringan ini dapat diminimalkan dengan upaya identifikasi kekerigan lahan sawah secara dini. Berbagai teknik identifikasi kekeringan lahan sawah telah dikembangkan, salah satunya dengan teknologi citra satelit. Pada identifikasi kekeringan lahan sawah dengan data citra satelit dibutuhkan suatu algoritma khusus. Penelitian ini memanfaatkan kombinasi antara Leaf Water Content Index (LWCI) dan Enhanced Vegetation Index (EVI) untuk mendapatkan Rice Water Stress Index. Rice Water Stress Index ini digunakan untuk identifikasi kekeringan lahan sawah di wilayah Kabupaten Kendal tahun 2015. Identifikasi kekeringan lahan dapat dikelompokkan dalam empat kelas (Sangat sehat, Normal, Potensial kekeringan, dan Kekeringan). Hasil uji akurasi identifikasi kekeringan sawah dengan Rice Water Stress Index ini menghasilkan akurasi sebesar 87,5 %.]]>
<![CDATA[PEMANFAATAN INTERPRETASI HIBRIDA CITRA LANDSAT DALAM IDENTIFIKASI KERAPATAN BANGUNAN UNTUK PEMANTAUAN PERKEMBANGAN WILAYAH KOTA UNGARAN ]]>
<![CDATA[Abdi Sukmono]]>
<![CDATA[ Elipsoida : Jurnal Geodesi dan Geomatika Vol 2, No 01 (2019): Volume 02 Issue 01 Year 2019 ]]>
Publisher : <![CDATA[Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (913.249 KB)
|
DOI: 10.14710/elipsoida.2019.5009
<![CDATA[Kota Ungaran merupakan salah satu kota yang berkembang cukup pesat di wilayah Provinsi Jawa Tengah. Wilayah ini sangat berkembang sebagai perifer penyangga Kota Semarang. Perkembangan kota ungaran ini dapat dilihat dengan memantau perkembangan fisik Kota Ungaran, elemen fisik kota yang dapat dipantau salah satunya adalah kerapatan bangunan. Identifikasi kerapatan bangunan secara multitemporal dapat menunjukkan perkembangan wilayah suatu kota. Identifikasi kerapatan bangunan ini dapat menggunakan data citra satelit Landsat melalui metode interpretasi hibrida. Interpretasi hibrida merupakan kombinasi antara teknik interpretasi visual dan digital (tranformasi urban index). Interpretasi visual dilakukan dengan pemetaan lahan terbangun secara delianiasi blok. Sedangkan interpretasi digital dilakukan dengan teknik tranformasi urban index. Hasil interpretasi menunjukkan terjadinya peningkatan kerapatan bangunan periode 2009-2018. Kecepatan rata-rata perubahan luasan bangunan dari tahun 2009-2018 sebesar 43,83 Ha/pertahun. Arah perubahan kepadatan bangunan pada tahun 2009-2018 di Kecamatan Ungaran Timur dan Ungaran Barat mengarah dari timur ke barat, perubahan kepadatan bangunan banyak terjadi di daerah pusat kota sepanjang jalan utama dan daerah pinggiran perkotaan. Hasil identifikasi kerapatan bangunan dengan metode interpretasi hibrida ini dilakukan validasi dengan data pengukuran kerapatan bangunan lapangan. Hasil validasi menunjukkan ketelitian metode ini sebesar 89,78 %.]]>
<![CDATA[PEMANTAUAN KUALITAS PERAIRAN WADUK KEDUNG OMBO PERIODE 2013-2018 DENGAN CITRA LANDSAT-8 MULTITEMPORAL ]]>
<![CDATA[Abdi Sukmono]]>;
<![CDATA[Nurhadi Bashit]]>;
<![CDATA[Trevi Austin Rajagukguk]]>;
<![CDATA[Ertha Silalahi]]>
<![CDATA[ Elipsoida : Jurnal Geodesi dan Geomatika Vol 2, No 01 (2019): Volume 02 Issue 01 Year 2019 ]]>
Publisher : <![CDATA[Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (549.096 KB)
|
DOI: 10.14710/elipsoida.2019.5020
<![CDATA[Waduk Kedung Ombo adalah waduk yang terletak di perbatasan tiga kabupaten yaitu Kabupaten Grobongan, Kabupaten Boyolali, dan Kabupaten Sragen tepatnya di Kecamatan Geyer, Kabupaten Grobogan, Jawa tengah. Waduk Kedung Ombo mempunyai peran penting sebagai sumber perairan untuk berbagai keperluan. Namun seiring berjalannya waktu, Waduk Kedung Ombo mengalami penurunan kualitas dikarenakan permasalahan kondisi waduk serta permasalahan kawasan di sekitarnya. Permasalahan utama yang dialami Waduk Kedung Ombo adalah sedimentasi TSS yang tinggi dan berakibat juga adanya pencemaran kesuburan air pada peningkatan klorofil-a. Data Kementerian Lingkungan Hidup (2010) menyatakan bahwa Waduk Kedung Ombo mengalami penyusutan air hingga 42,67% dari volume air normal (723,16 juta m3). Data ini mempertegas Data Kementerian Pekerjaan Umum per Februari 2008 yang menyatakan volume ketersediaan air di Waduk Kedung Ombo hanya setengah dari yang direncanakan. Pemantauan tingkat kualitas perairan Waduk Kedung Ombo saat ini masih dilakukan dengan pengamatan sampel kualitas air secara uji laboratorium pada beberapa stasiun pengamatan. Teknik ini untuk bentangan wilayah yang cukup luas memerlukan waktu dan biaya yang cukup besar. Teknologi penginderaan jauh dapat memberikan solusi untuk pengamatan kualitas air pada bentangan daerah yang luas karena menggunakan citra satelit memiliki cara pemrosesan yang tidak rumit dan biaya yang cukup murah. Teknologi penginderaan jauh dapat mengindentifikasi dan menganalisis hasil perekaman karakteristik spektral air dengan parameter-parameter kualitas air. Dimana dengan menggunakan metode-metode yang tepat nantinya mampu menampilkan kualitas air Waduk Kedung Ombo sesuai dengan yang diharapkan. Salah satu data citra satelit yang mampu dimanfaatkan adalah citra satelit Landsat-8. Pengamatan citra satelit Landsat-8 dengan algoritma TSS dan klorofil-a mampu memberikan informasi tentang perubahan kualitas air. Hasil dari penelitian ini menunjukkan kualitas perairan Waduk Kedung Ombo periode 2013-2018 masih memenuhi baku mutu pencemaran. Ini ditunjukkan dari nilai parameter TSS masih di dominasi kelas memenuhi baku mutu selalu diatas 95% dari total perairan pada semua tahun dan dari parameter klorofil/kesuburan air masih didominasi kelas oligotrof selalu diatas 90 % dari total perairan pada semua tahun.]]>
<![CDATA[PEMBENTUKAN MODEL LEAF AREA INDEX (LAI) TANAMAN PADI PADA CITRA HYPERSPECTRAL BERBASIS SPEKTRAL IN SITU UNTUK PEMANTAUAN FASE TUMBUH PADI ]]>
<![CDATA[Abdi Sukmono]]>;
<![CDATA[Nurhadi Bashit]]>
<![CDATA[ Elipsoida : Jurnal Geodesi dan Geomatika Vol 2, No 02 (2019): Volume 02 Issue 02 Year 2019 ]]>
Publisher : <![CDATA[Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (915.541 KB)
|
DOI: 10.14710/elipsoida.2019.6444
<![CDATA[Leaf Area Index (LAI) atau indeks kerapatan daun pada tanaman padi sangat erat kaitannya dengan fase pertumbuhan tanaman. Dalam manajemen pertanian pemantauan fase pertumbuhan ini sangat penting untuk mengetahui luas lahan siap panen pada beberapa waktu ke depan. Teknologi penginderaan jauh dengan sensor hyperspectral dapat membantu untuk melakukan pemetaan distribusi kerapatan daun tanaman padi dalam wilayah yang luas secara efektif dan efisien . Dalam estimasi indeks kerapatan daun tanaman padi dengan citra hyperspectral diperlukan algoritma khusus untuk medapatkan akurasi yang baik.Dalam penelitian ini digunakan beberapa indeks vegetasi seperti Renormalized Difrerence Vegetation Index (RDVI), Multiple Simple Ratio (MSR), Modified Soil Adjusted Vegetation Index (MSAVI) dan bentuk modifikasi dari Trianggle Vegetation Index (MTVI 1 dan MTVI 2) untuk estimasi kerapatan daun tanaman padi. Pemodelan dilakukan menggunakan metode regresi dari data pengukuran spectral in situ dan kerapatan daun in situ. Selain itu dalam penelitian ini juga digunakan metode pendekatan model dengan Multiple Linear Regression (MLR) dan Partial Least Square Regression (PLSR).Hasil dari penelitian ini menunjukkan bahwa RDVI , MTVI 1 dan PLSR 44 Band pada PC no 07 cukup efektif untuk estimasi kerapatan daun tanaman padi. Model hubungan korelasi RDVI dengan kerapan daun mempunyai Koefisien determinasi (R2) sebesar 0.903 dan RMSE 0.62 LAI unit. ,untuk MTVI 1 mempunyai koefisien determinasi (R2) sebesar 0.886 dan RMSE 0.68 SPAD unit. Kemudian untuk PLSR 44 band mempunyai koefisien determinasi (R2) sebesar 0.938 dan RMSE sebesar 0.29 LAI unit. Hasil Validasi model dengan citra Airborne HyMap menghasilkan R2 sebesar 0.905 untuk RDVI , 0.89 untuk MTVI 1 dan 0.97 untuk PLSR 44 band.]]>
<![CDATA[KAJIAN PERKEMBANGAN LAHAN TERBANGUN KOTA PEKALONGAN MENGGUNAKAN METODE URBAN INDEX (UI) ]]>
<![CDATA[Nurhadi Bashit]]>;
<![CDATA[Yudo Prasetyo]]>;
<![CDATA[Abdi Sukmono]]>
<![CDATA[ Elipsoida : Jurnal Geodesi dan Geomatika Vol 2, No 02 (2019): Volume 02 Issue 02 Year 2019 ]]>
Publisher : <![CDATA[Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (671.164 KB)
|
DOI: 10.14710/elipsoida.2019.6440
<![CDATA[Indonesia merupakan negara berkembang yang mengalami peningkatan pembangunan di wilayah perkotaan sehingga dapat dilihat berdasarkan perubahan fisik perkotaan. Perkembangan pembangunan dapat menyebabkan perubahan penggunaan lahan dari lahan kosong menjadi lahan terbangun. Perubahan lahan terbangun merupakan hal yang umum terjadi di perkotaan karena pertumbuhan jumlah penduduk. Peningkatan lahan terbangun dan menurunnya lahan terbuka hijau dapat menyebabkan dampak perubahan fungsi lahan. Perubahan fungsi lahan memberikan dampak pada perubahan tatanan lingkungan berupa menurunnya kualitas lingkungan, degradasi lingkungan/kerusakan lingkungan serta berkurangnya sumber daya alam maupun perubahan tata guna lahan jika pembangunan dilakukan secara tidak teratur. Berdasarkan permasalahan tersebut, artikel ini melakukan kajian mengenai perkembangan lahan terbangun Kota Pekalongan. Perkembangan lahan dilakukan pemantauan untuk mendeteksi perkembangan lahan terbangun pada setiap kecamatan dan penyebabnya. Pemantauan lahan terbangun pada artikel ini menggunakan metode pengindraan jauh dari data citra satelit. Metode pengindraan jauh memiliki kelebihan dibandingkan pemetaan secara konvensional (survei lapangan) karena data citra satelit memperlihatkan kondisi permukaan bumi tanpa mendatangi keseluruhan lokasi sehingga mempercepat pemetaan suatu wilayah. Klasifikasi lahan terbangun Kota Pekalongan dilakukan secara otomatis menggunakan metode Urban Index (UI). Transformasi UI menggunakan saluran Near Infrared (NIR) dan Short Wave Infrared II (SWIR-II). Klasifikasi dilakukan secara multitemporal sehingga dapat dilakukan kajian mengenai lahan terbangun di Kota Pekalongan setiap 2 tahun dari tahun 2013 hingga 2019. Penelitian ini menghasilkan klasifikasi lahan terbangun dengan luas pada tahun 2013 sebesar 2.030,708 ha, tahun 2015 sebesar 2.054,752 ha, tahun 2017 sebesar 2.227,835 ha, tahun 2019 sebesar 2.503,603 ha. Perkembangan lahan terbangun Kota Pekalongan tersebesar terdapat di Kecamatan Pekalongan Utara sebesar 175,525 ha yang disebabkan karena pembangunan pusat perbelanjaan, perkantoran, pemukiman dan jaring jalan.]]>
<![CDATA[ANALISA PERUBAHAN KERAPATAN VEGETASI PADA DAS BLORONG MENGGUNAKAN METODE FOREST CANOPY DENSITY (FCD) DARI CITRA LANDSAT 8 ]]>
<![CDATA[Abdi Sukmono]]>;
<![CDATA[Ardyan Satria Pratama]]>;
<![CDATA[LM Sabri]]>
<![CDATA[ Elipsoida : Jurnal Geodesi dan Geomatika Vol 3, No 01 (2020): Volume 03 Issue 01 Year 2020 ]]>
Publisher : <![CDATA[Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (451.434 KB)
|
DOI: 10.14710/elipsoida.2020.8051
<![CDATA[Kabupaten Kendal terletak di Provinsi Jawa Tengah yang berbatasan langsung dengan Kota Semarang ibukota dari Provinsi Jawa Tengah. Perubahan penggunaaan lahan di Kabupaten Kendal terjadi akibat berubahnya penggunaan suatu kawasan yang awalnya merupakan pertanian menjadi sebuah kawasan industri yang mendorong terbentuknya kawasan industri dan pemukiman dan didukung oleh kenyataan bahwa Kabupaten Kendal berbatasan langsung dengan Kota Semarang yang bisa dibilang merupakan Kota Industri.Penelitian ini bertujuan untuk meneliti perubahan kerapatan vegetasi dari DAS Blorong dengan menggunakan algoritma FCD yang menggunakan bahan berupa citra satelit Landsat 8. Perubahan nilai kerapatan vegetasi nantinya akan terlihat dengan membandingkan hasil pengolahan citra satelit yang dilakukan. Penelitian ini menggunakan temporal waktu tahun 2013, 2016, dan 2019.Berdasarkan hasil pengolahan kerapatan vegetasi di DAS Blorong terjadi perubahan luas kerapatan vegetasi untuk tahun 2013 menuju 2019 pada rentang kelas 0% - 8,712018424 % sebesar 27,84563922 (Ha), pada kelas 8,712018425% - 44,5208566% sebesar 73,71226492 (Ha), untuk kelas 44,52085661% – 80,32969478% sebesar - 4539,318892 (Ha), dan untuk kelas dengan rentang nilai tutupan pohon 80,32969479% – 100% sebesar -4640,875046 (Ha).]]>
<![CDATA[Pembuatan Sistem Informasi Geografis Potensi Dan Aset Desa Untuk Menunjang Pembangunan Desa Dumpil Kecamatan Dukuhseti Kabupaten Pati ]]>
<![CDATA[Abdi Sukmono]]>;
<![CDATA[Besar Tirto Husodo]]>;
<![CDATA[Dyah Wijaningsih]]>
<![CDATA[ Jurnal Pasopati : Pengabdian Masyarakat dan Inovasi Pengembangan Teknologi Vol 1, No 1 (2019) ]]>
Publisher : <![CDATA[Fakultas Teknik Universitas Diponegoro ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
<![CDATA[Pemerintah Desa sebagai unit pemerintahan terkecil di Indonesia memiliki perananan yang sangat penting dalam Pembangunan Nasional. Seiring dengan muncunya Undang-Undang No 6 Tahun 2014 tentang Desa, memberikan akses yang cukup besar pada desa untuk melaksanakan pembangunan. Selain itu sebagai wujud pelaksanaan UU Desa, pemerintah saat ini juga telah memberikan perhatian yang cukup tinggi terhadap desa dengan memberikan Dana Desa untuk peningkatan infrastruktur desa. Pembangunan desa ini diharapkan dapat meningkatkan kesejahteraan masyarakat desa. Pelaksanaan pembangunan infrastruktur pedesaan sangat membutuhkan informasi spasial untuk menunjang perencaaan pembangunan yang baik. Sesuai amanah UU Desa Pasal 17 ayat 2 disebutkan tentang informasi spasial berwujud peta desa yang menunjukkan batas wilayah desa. Peta Desa ini dapat dituangkan dalam bentuk Peta cetak maupun sistem informasi geografis secara online. Untuk memperkuat kebijakan tersebut, Spesifikasi teknis peta desa telah dikeluarkan oleh Badan Informasi Gespasial melalui Perka No 3 Tahun 2016 tentang spesifikasi teknis penyajian peta desa. Namun dalam pelaksanaannya dengan jumlah SDM Informasi Geospasial di Tingkat Daerah yang masih terbatas, belum tentu semua pemerintah daerah telah menyusun Peta Desa. Pemerintah Desa Dumpil sebagai Pelaksana Pemerintahan Desa di Kabupaten Pati menyadari pentingnya informasi spasial dalam perencanaan pembangunan dan publikasi potensi desa. Akan tetapi keterbatasan pengetahuan dasar penyusunan informasi geospasial menjadi salah satu permasalahan utama. Menilik hal tersebut, Universitas Diponegoro sebagai salah satu universitas yang berkomitmen dalam pengembangan masyarakat desa berusaha menjembatani permasalahan tersebut melalui program pengabdian kepada masyarakat untuk menmbuat Sistem Informasi Geografis (SIG). Hasil Program pengabdian kepada masyarakat ini berupa Sistem Informasi Geografis (SIG) Potensi dan Aset Desa Dumpil yang dapat diakses secara online dan diintegrasikan dalam website Desa Dumpil. Keberadaan SIG Potensi dan Aset Desa ini mampu menjadi sarana rujukan perencanaan pembangunan dan publikasi potensi Desa Dumpil.]]>
<![CDATA[Analysis Comparison of Algorithms for Determination Concentration of Chlorophyll-a in Traditional and Intensive Milkfish Ponds Using LANDSAT 8 Images ]]>
<![CDATA[Nurhadi Bashit]]>;
<![CDATA[Abdi Sukmono]]>;
<![CDATA[Baskoro Agum Gumelar]]>
<![CDATA[ Jurnal Geospasial Indonesia Vol 1, No 2 (2018): December ]]>
Publisher : <![CDATA[Universitas Gadjah Mada ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.22146/jgise.40276
<![CDATA[Indonesia is an Archipelago Country because the Country of Indonesia consists of many islands stretching from Sabang in the west to the island of Merauke on the east. The Archipelago Country also comes from the old name of the Indonesian Country called Nusantara, because Nusantara is a country that consists of many islands. Indonesia is an Archipelago Country which means it has potential resources in the coastal areas, one of which is found on the northern coast of Java. The coastal area is an important area to be reviewed, one of which is the use of coastal resources by paying attention to the condition of the ecosystem that remains stable. Opportunities for coastal area utilization in the field of fisheries are in the form of fishing activities or fish farming, especially pond cultivation activities. Based on data from the Department of Marine and Fisheries of the Province of Central Java in 2010, pond cultivation is one of the potential resources on the coast. This potential is supported by the government to increase fish production in order to increase the consumption of fish in the community. Therefore, it is necessary to choose the most effective method of pond cultivation between traditional methods and intensive methods to optimize fish production. One indicator of effectiveness between the two methods can be seen from the phytoplankton distribution. Phytoplankton contains chlorophyll-a in the body and is a natural food from fish. Phytoplankton provides important ecological functions for the aquatic life cycle by serving as the basis of food webs in water. Phytoplankton also functions as the main food item in freshwater fish culture and seawater fish cultivation. Therefore, it is necessary to know the chlorophyll-a concentration in the ponds of traditional and intensive methods to determine the concentration chlorophyll-a of the two pond methods. One method used to determine the concentration of chlorophyll-a using remote sensing technology. Remote sensing technology can be used to determine the concentration of chlorophyll-a using the Wouthuyzen, Wibowo, Pentury, Much Jisin Arief and Lestari Laksmi algorithms. The results showed that the Pentury algorithm was relatively better to determine the concentration of chlorophyll-a in shallow waters (ponds). The lowest concentration of chlorophyll-a in traditional ponds is 0.47068 mg/m3, the highest concentration is 1.95017 mg/m3 and the average concentration is 1.12893 mg/m3, while in intensive ponds the lowest concentration is 0.36713 mg/m3, the concentration the highest is 3.17063 mg/m3 and the average concentration is 1.53556 mg/m3.]]>
