Article Per Year (5 Year)
p-Index From 2020 - 2025
5.336
P-Index
This Author published in this journals
All Journal Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian Journal of Innovation Information Technology and Application (JINITA) GEOGRAPHIA: Jurnal Pendidikan dan Penelitian Geografi Jurnal Sains dan Teknologi Jurnal Ilmiah Multidisiplin (JUKIM) Gudang Jurnal Multidisiplin Ilmu Ulil Albab English and Tourism Studies
Heinrich Rakuasa
Universitas Indonesia
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Mathematics Mechanical Engineering Medicine & Pharmacology Nursing Public Health Social Sciences Veterinary Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
Analisis Spasial - Temporal Perubahan Tutupan Lahan di Kabupaten Maluku Barat Daya Heinrich Rakuasa
GEOGRAPHIA : Jurnal Pendidikan dan Penelitian Geografi Vol. 3 No. 2 (2022): Desember
Publisher : Jurusan Pendidikan Geografi Universitas Negeri Manado

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53682/gjppg.v3i2.5262

Abstract

Foreseeing future patterns of change and preventing or mitigating their negative impacts, it is important to understand how land cover changes. This study aims to examine changes in land cover in West Maluku Regency. To determine changes in land cover, the data used are Landsat 4-5 TM, Landsat 8 OLI, and SPOT 7 satellite images analyzed using SNI 7645:2010. The analysis includes pre-processing and land cover classification. Based on the research results, the three main MBD areas for built-up land are Moa Lakor District, Pulau Letti District, and Pulau Terselatan District. Due to Tiakur's status as the administrative center of Southwest Maluku Regency, Thakur District is the fastest-growing land development location.
ANALISIS SPASIAL DAYA DUKUNG LAHAN PERMUKIMAN DI KOTA TERNATE Philia Christi Latue; Heinrich Rakuasa
Jurnal Ilmiah Multidisiplin Vol. 2 No. 03 (2023): Mei : Jurnal Ilmiah Multidisiplin
Publisher : Asosiasi Dosen Muda Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56127/jukim.v2i03.601

Abstract

Pertumbuhan penduduk mengarah pada ketersediaan lahan permukiman. Tekanan populasi ini menyebabkan ketidakseimbangan dengan kemampuan lahan permukiman di Kota Ternate. Penelitian ini bertujuan untuk analisis spasial daya dukung lahan permukiman di Kota Ternate. Formula dalam menyusun daya dukung lahan permukiman diperlukan besaran luas lahan permukiman yang layak untuk bermukim dan standar luas kebutuhan lahan tiap penduduk. Standar luas kebutuhan penduduk per kapita menurut Standar Nasional Indonesia Nomor 03-1733-2004 tentang tata cara perencanaan lingkungan perumahan, standar luas kebutuhan ruang/kapita (m²/kapita) yaitu 26 m². Hasil penelitian ini menunjukan bahwa daya dukung lahan permukiman Kota Ternate di tahun 2023 sebesar 3.16 m²/kapita yang mengambarkan daya dukung lahan permukiman di Kota Ternate masih sangat tinggi dan masih mampu menampung penduduk untuk bermukim membangun rumah disana, maka dapat diartikan bahwa Kota Ternate memiliki kapasitas lahan permukiman yang masih relatif tinggi dibandingkan dengan jumlah penduduknya, sehingga masih terdapat ruang untuk pengembangan permukiman yang dapat diakomodasi oleh daya dukung lahan yang ada. Dengan adanya analisis spasial daya dukung lahan permukiman, diharapkan pembangunan kota Ternate dapat dilakukan secara berkelanjutan dan terencana dengan baik, sehingga dapat memberikan manfaat yang optimal bagi masyarakat Kota Ternate.
Analysis of Vegetation Index in Ambon City Using Sentinel-2 Satellite Image Data with Normalized Difference Vegetation Index (NDVI) Method based on Google Earth Engine Heinrich Rakuasa; Daniel Anthoni Sihasale
Journal of Innovation Information Technology and Application (JINITA) Vol 5 No 1 (2023): JINITA, June 2023
Publisher : Politeknik Negeri Cilacap

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35970/jinita.v5i1.1869

Abstract

Rapid urban development and increasing human activities in the city can affect the decline in the Vegetation Index in Ambon City. The research aims to analyze the vegetation index using sentinel-2 satellite image data with the Normalized Difference Vegetation Index (NDVI) method based on Google Earth Engine (GEE) in Ambon City in 2023. This research uses Sentinel-2 Satellite Image data which is analyzed using Google Earth Engine with the Normalized Difference Vegetation Index (NDVI) method. The results showed that the vegetation index value in Ambon City in 2023 was the lowest value of -0.672381 and the highest value of 0.949297. The vegetation index value is then divided into four classes, namely No Vegetation which has an area of 4,448.99 ha or 13.67%, Low Vegetation areas have an area of 1,611.06 ha or 4.95%, Moderate Vegetation areas have an area of 2,895.12 ha or 8.89% and High Vegetation areas have an area of 23,597.35 ha or 72.49%. Analysis of the vegetation index in Ambon City is very important to maintain environmental balance and a healthy and sustainable environment.
Model Dinamika Spasial Perubahan Tutupan Lahan dan Daya Dukung Lahan Permukiman Kota Ambon Tahun 2031 Juan Steiven Imanuel Septory; Philia Chisti Latue; Heinrich Rakuasa
GEOGRAPHIA : Jurnal Pendidikan dan Penelitian Geografi Vol. 4 No. 1 (2023): Juni
Publisher : Jurusan Pendidikan Geografi Universitas Negeri Manado

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53682/gjppg.v4i1.5801

Abstract

The rate of population growth that continues to increase in Ambon city with the availability of suitable land is relatively constant, resulting in inconsistencies between land requirements and available land. This study aims to analyze land cover changes in Ambon City in 2013, 2018, 2023 and predict land cover in 2031 using the Cellular Automata Markov Chain (CAMC) and the carrying capacity index of residential areas. The driving factors used in this study were elevation, slope, distance from the coastline, distance from the main road, distance from the river, distance from the center of economic activity and distance from protected areas. Based on the predictions of the Cellular Automata Markov Chain model in 2031, the built-up land cover has increased in area to 4,958.33 ha or 49,583,268 m2, with a predicted population of Ambon City in 2031 of 2,445,961 people. The calculation of the carrying capacity of residential land in 2031 in Ambon City results in the carrying capacity index of residential land of 1.27 m²/capita, meaning that if DDPm > 1 indicates the carrying capacity of residential land is high and still able to accommodate residents to live and build houses in the area. In other words, Ambon City can still accommodate an increase in settlements of 1.27 m²/capita.
Pemanfaatan Data Penginderaan Jauh dan Sistim Informasi Geografis Untuk Identifikasi Perkembangan Lahan Terbangun pada Wilayah Rawan Gempa Bumi di Kota Ambon Philia Christi Latue; Heinrich Rakuasa
INSOLOGI: Jurnal Sains dan Teknologi Vol. 2 No. 3 (2023): Juni 2023
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/insologi.v2i3.1899

Abstract

Earthquakes are natural disasters that often occur in Indonesia, including in Ambon City which is located in an earthquake-prone area. This research aims to identify the development of built-up land in earthquake-prone areas in Ambon City by utilizing remote sensing data and geographic information systems. This research uses data on built-up land in Ambon City in 2019 and 2023 as well as earthquake hazard maps. The results show that built-up land in Ambon City in 2013-2023 experienced a significant increase in area from 4,718.17 ha in 2013 increasing in area in 2023 to 6,762.57 ha. The area of built-up land located in earthquake-prone areas in Ambon City has a relationship that is directly proportional to the year of development of built-up land. So that as the year increases, the area of built-up land located in earthquake-prone areas also increases. The results of this research are expected to serve as a basis for developing policies and mitigation strategies aimed at the sustainability of the Ambon City area amid the existing earthquake threat.
Pemetaan Daerah Potensi Longsor di Kecamatan Leihitu Barat, Kabupaten Maluku Tengah, Menggunakan Metode Slope Morphology (SMORPH) Philia Christi Latue; Daniel Anthoni Sihasale; Heinrich Rakuasa
INSOLOGI: Jurnal Sains dan Teknologi Vol. 2 No. 3 (2023): Juni 2023
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/insologi.v2i3.1912

Abstract

Landslide prone area mapping is an important step in mitigation and natural disaster management efforts in West Leihitu Sub-district, Central Maluku Regency. This research aims to map landslide prone areas in West Leihitu District, Central Maluku Regency, using Slope Morphology (SMORPH) method. This research uses DEMNAS data. The Slope Morphology (SMORPH) method was used in this research to overlay the slope map and slope shape to produce a map of landslide prone areas in West Leihitu Sub-district. The results showed that very low landslide potential class has an area of 465.40 ha (4.47%), low landslide potential class has an area of 4,232.96 ha or 40.63%, medium landslide potential class has an area of 2,524.30 ha or 24.23% and high landslide potential class has an area of 3196.19 ha or 30.68%. The results of this research are expected to be useful for the government and community in West Leihitu Sub-district, Central Maluku Regency in mitigating landslides in the future.
Pemetaan Daerah Rawan Banjir di Desa Lokki Kecamatan Huamual Kabupaten Seram Bagian Barat Abdul Muin; Heinrich Rakuasa
Gudang Jurnal Multidisiplin Ilmu Vol. 1 No. 2 (2023): GJMI - AGUSTUS
Publisher : PT. Gudang Pustaka Cendekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/gjmi.v1i2.22

Abstract

Curah hujan yang tinggi yang terjadi tiga bulan terakhir menyebabkan terjadinya banjir dibeberapa desa di Kecamatan Huamual termasuk Desa Lokki. Pemetaan Daerah Rawan Banjir di Desa Lokki sangat diperlukan untuk memberikan informasi sebagai langkah awal upaya mitigasi bencana banjir ke depannya. Penelitian ini bertujuan untuk menganalisis secara spasial tingkat kerentanan banjir dan permukiman yang terdampak di Desa Lokki. Metode yang digunakan yaitu pembobotan dan skoring atau weighted scoring dilakukan setelah proses klasifikasi nilai dalam tiap variabel. Variabel yang mempengaruhi terjadinnya banjir pada penelitian ini terdiri dari ketinggian lahan, kemiringan lereng, tutupan lahan, jarak dari sungai, geologi dan curah hujan. Penentuan bobot dan skor pada penelitian ini bersifat expertise judgment yaitu mengambil pendapat para ahli atau penelitian sebelumnya. Hasil pembobotan kemudian dilakukan dioverlay untuk mendapatkan peta kerawanan banjir. Hasil penelitian menunjukkan bahwa tingkat kerawanan banjir didominasi oleh tingkat kerawanan rendah seluas 8.400.47 ha, kerewanan sedang seluas 1.573.78 ha dan kerawanan tinggi seluas 1.125.27 ha. Hasil pemodelan dan observasi di lapangan menunjukkan bahwa luas permukiman yang terdampak banjir yaitu 201.87 ha. Hasil penelitian diharapkan dapat dijadikan dasar dalam upaya mitigasi bencana banjir ke depannya guna meminimalisir kerugian, baik korban jiwa maupun kerusakan fisik di Desa Lokki kedepannya.
Pemanfaat Geographic Artificial Intelligence (Geo-AI) Untuk Identifikasi Daerah Rawan Banjir Di Kota Ambon Abdul Muin; Heinrich Rakuasa
Gudang Jurnal Multidisiplin Ilmu Vol. 1 No. 2 (2023): GJMI - AGUSTUS
Publisher : PT. Gudang Pustaka Cendekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/gjmi.v1i2.24

Abstract

Penelitian ini bertujuan untuk menerapkan Geographic Artificial Intelligence (Geo-AI) dalam identifikasi daerah rawan banjir di Kota Ambon. Geo-AI merupakan kombinasi teknologi kecerdasan buatan dengan data geospasial, termasuk citra satelit dan data cuaca, yang memungkinkan analisis yang lebih akurat dan efisien dalam mengidentifikasi daerah rawan banjir. Melalui Google Earth Engine, data citra satelit dan data geospasial lainnya diolah dan dianalisis menggunakan algoritma kecerdasan buatan untuk mengidentifikasi pola banjir dan daerah yang rentan tergenang air. Penelitian menggunakan data JRC Global Surface Water Mapping Layers, v1.4, data NASA SRTM Digital Elevation 30m, data USGS Landsat 8 Level 2, Collection 2, Tier 1. Pegolahan dan analisis data penelitian sepenuhnya di lakukan di Geogle Earth Engine. Hasil penelitian menunjukan bahwa daerah berpontensi banjir memiliki luas 12.991.33 ha dan daerah yang tidak berpotensi banjir yaitu seluas 18.924,24 ha. Daerah potensi rawan banjir kemudian diklasifikasi berdasarkan batas administrasi dimana Kecamatan Teluk Ambon memiliki daerah yang berpotensi tergenang banjir seluas 5.149.37 ha, Kecamatan Nusaniwe seluas 2.034.23 ha, Kecamatan Serimau seluas 1.914.18 ha, Kecamatan Leitimur Selatan seluas 1.180.13 ha dan Kecamatan Teluk Ambon Baguala seluas 2.713.42 ha. Peta daerah potensi banjir di Kota Ambon kemudian dioverlay dengan data sebaran permukiman di Kota Ambon dan diketahui bahwa permukiman penduduk yang diprediksi berada pada daerah yang berpotensi banjir seluas 3.400.65 ha. Dengan analisis yang lebih akurat, sistem peringatan dini yang efektif, dan pengetahuan yang ditingkatkan, penelitian ini dapat berkontribusi dalam mitigasi risiko banjir, melindungi masyarakat dan lingkungan dari dampak banjir, serta menciptakan kota yang lebih aman dan berkelanjutan
Identifikasi Daerah Rawan Longsor Di DAS Wai Batu Gajah, Kota Ambon Menggunakan Metode Slope Morphology Dan Indeks Storie Susan E Manakane; Philia Christi Latue; Heinrich Rakuasa
Gudang Jurnal Multidisiplin Ilmu Vol. 1 No. 1 (2023): GJMI - JULI
Publisher : PT. Gudang Pustaka Cendekia

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

Abstract

Penelitian ini bertujuan untuk mengidentifikasi daerah rawan longsor di DAS Wai Batu Gajah, Kota Ambon, menggunakan metode Slope Morphology dan Indeks Storie. Metode Slope Morphology berfokus pada analisis morfologi lereng, sementara metode Indeks Storie menggabungkan berbagai faktor seperti morfologi, kelembaban tanah, dan curah hujan. Data topografi dan hidrologi digunakan untuk analisis. Hasil penelitian menunjukkan kedua metode dapat mengidentifikasi daerah rawan longsor. Metode Slope Morphology memberikan gambaran umum namun kurang mempertimbangkan faktor penting lainnya. Metode Indeks Storie memberikan hasil yang lebih mendalam dan akurat. Hasil penelitian ini diharapkan menjadi dasar untuk langkah-langkah konkret dalam upaya mengurangi risiko longsor melalui kolaborasi pemerintah daerah, pemangku kepentingan, dan partisipasi aktif masyarakat. Dengan demikian, penelitian ini dapat berperan penting dalam meningkatkan kesadaran dan kesiapsiagaan terhadap risiko longsor, serta membantu dalam mitigasi bencana longsor kedepannya.
Pemanfaatan Geogle Earth Engine Untuk Identifikasi Perubahan Suhu Permukaan Daratan Kabupaten Buru Selatan Berbasis Cloud Computing Fekry Salim Hehanussa; Dyah Respati Suryo Sumunar; Heinrich Rakuasa
Gudang Jurnal Multidisiplin Ilmu Vol. 1 No. 1 (2023): GJMI - JULI
Publisher : PT. Gudang Pustaka Cendekia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59435/gjmi.v1i1.27

Abstract

Perubahan suhu permukaan daratan menjadi isu kritis dalam menghadapi perubahan iklim global. Kabupaten Buru Selatan, sebagai salah satu wilayah yang rawan terhadap dampak perubahan iklim, membutuhkan penanganan yang tepat untuk mengidentifikasi dan memahami perubahan suhu permukaan daratan secara efisien. Penelitian ini menggunakan Google Earth Engine sebagai platform cloud computing untuk mengidentifikasi perubahan suhu permukaan daratan di Kabupaten Buru Selatan. Data citra satelit MODIS digunakan untuk analisis perubahan suhu permukaan pad tahun 2018 dan 2023. Pendekatan pemrosesan citra berbasis cloud computing memungkinkan analisis data yang cepat dan akurat tanpa memerlukan spesifikasi leptop atau komputer yang tinggi. Hasil penelitian menunjukan bahwa pada tahun 2018 suhu permukaan daratan Kabupaten Buru Selatan dimana suhu terendah yaitu 13, 027℃ dan tertinggi yaitu 29, 138℃ dan mengalami peningkatan suhu ditahun 2023 yaitu 14,143℃ pada suhu terendah dan 33,955℃ pada suhu permukaan tertinggi. Hasil penelitian menunjukan bahwa terjadi peningkatan suhu permukaan daratan di Kabupaten Buru Selatan. Suhu permukaan di di Kabupaten Buru Selatan mengalami peningkatan yang sangat singnifikan di Kecamatan Leksula, Namrole dan Kecamatan Waesama, hal ini disebabkan oleh meningkatnya ekspansi lahan permukiman disana Hasil penelitian ini diharapkan dapat membantu dalam upaya mengatasi dampak perubahan iklim di Kabupaten Buru Selatan dan memberikan kontribusi pada pemahaman global tentang perubahan iklim yang terjadi.
Co-Authors Abdul Muin Ahmad Jaelani Anelia P Wlary Daniel A Sihasale Daniel Anthoni Sihasale Dyah Respati Suryo Sumunar Fekry Salim Hehanussa Glendy Somae Glendy Somae Juan Steiven Imanuel Septory Kamiludin Kamiludin Marhelin C Mehdila Muhamad Rinaldi Muhamad Rinaldi Nadhi Sugandhi Nadhi Sugandhi Philia Chisti Latue Philia Christi Latue Ramdhani Ramdhani Rudy Parluhutan Tambunan Stewart Pertuack Susan E. Manakane Susan E. Manakane, Susan E. Tambunan, Mangapul Parlindungan Wulan Abdul Wahab Yamres Pakniany Zainudin Zainudin