Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Journal of Degraded and Mining Lands Management MAJALAH ILMIAH GLOBE
Nanin Anggraini
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Earth & Planetary Sciences Education

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

Found 2 Documents
Search

 1 
Land changes detection on Rote Island using harmonic modelling method Atriyon Julzarika; Nanin Anggraini; K Kayat; Mutiaraning Pertiwi
Journal of Degraded and Mining Lands Management Vol 6, No 3 (2019)
Publisher : Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15243/jdmlm.2019.063.1719

Abstract

Rote Island is one of the islands in East Nusa Tenggara. In this island, land changes occur significantly. This land changes can be detected by Landsat images. These images are obtained from the big data engine. The big data engine used is the Google Earth Engine. This study aimed to detect land changes with harmonic modelling using multitemporal Landsat images from the big data engine. Harmonic modelling is used in monitoring changes in Normalized Difference Vegetation Index values in a multitemporal manner from Landsat images. Processing is done using the Geomatics approach. Land changes on Rote Island generally occur on coastal and savanna. Land changes on land generally have vertical deformation on its movement and horizontal on the savanna. The land changes accuracy result is 95% in 1,96σ. This method can be used for rapid mapping of land changes monitoring.
PEMETAAN MANGROVE MENGGUNAKAN ALGORITMA MULTIVARIATE RANDOM FOREST: Studi Kasus di Segara Anakan, Cilacap Muhammad Rizki Nandika; A.A. Md. Ananda Putra Suardana; Nanin Anggraini
Majalah Ilmiah Globe Vol. 25 No. 1 (2023): GLOBE VOL 25 NO 1 TAHUN 2023
Publisher : Badan Informasi Geospasial

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

Abstract

Potensi pengembangan dan pemanfaatan Artificial Intelligence (AI) dan Machine Learning (ML) terus meningkat untuk dimanfaatkan dalam pemrosesan data penginderaan jauh pada periode waktu terakhir. Teknologi penginderaan jauh telah terbukti dapat diandalkan untuk mendeteksi sebaran tutupan mangrove. Salah satu metode berbasis ML yang digunakan untuk melakukan deteksi sebaran tutupan mangrove adalah metode Random Forest. Penelitian ini berfokus pada pengujian akurasi klasifikasi Random Forest dalam mengidentifikasi mangrove di Segara Anakan, Cilacap. Seluruh pemrosesan data dan analisis dilakukan menggunakan platform berbasis cloud, Google Earth Engine. Data yang digunakan yaitu citra satelit Sentinel-2A akuisisi tanggal 1 Januari - 31 Desember 2020. Metode klasifikasi menggunakan algoritma RF dengan 12 kombinasi band dan indeks yang berbeda: biru, hijau, merah, red edge, NIR, SWIR-1, SWIR-2, NDVI, MNDWI, SR, GCVI, MMRI. Hasil penelitian menunjukkan bahwa hasil klasifikasi menggunakan 12 parameter mampu mengidentifikasi mangrove dengan nilai akurasi yang tinggi (OA = 0,892; kappa = 0,782). Hasil penelitian ini menunjukkan bahwa MMRI menjadi parameter yang diketahui memiliki kemampuan yang paling baik dalam memisahkan objek mangrove dan non-mangrove, diikuti selanjutnya oleh SWIR-2.
Co-Authors A.A. Md. Ananda Putra Suardana Atriyon Julzarika K Kayat Muhammad Rizki Nandika Mutiaraning Pertiwi