Article Per Year (5 Year)
p-Index From 2021 - 2026
2.495
P-Index
This Author published in this journals
All Journal IJOG : Indonesian Journal on Geoscience Journal of Degraded and Mining Lands Management Rekayasa Sipil Journal of Applied Geospatial Information JURNAL ILMIAH GEOMATIKA Elipsoida : Jurnal Geodesi dan Geomatika JGISE-Journal of Geospatial Information Science and Engineering Geoid - Journal of Geodesy and Geomatics
Harintaka Harintaka
Universitas Gadjah Mada
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Earth & Planetary Sciences Education Engineering Environmental Science Mathematics Physics

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 20 Documents
Search

 1   2 
Identifikasi Genangan Banjir di Wilayah DKI Jakarta Menggunakan Citra Satelit Sentinel-1 Ana Mardhiyana Alawiyah; Harintaka Harintaka
Jurnal Geospasial Indonesia Vol 4, No 2 (2021): December
Publisher : Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jgise.68353

Abstract

Provinsi DKI Jakarta merupakan wilayah dengan karakteristik topografi yang berada pada kemiringan lereng relatif landai dan terletak pada dataran rendah. Hal ini menyebabkan wilayah Jakarta menjadi semakin rentan tergenang air dan banjir pada musim hujan. Pada awal tahun 2020, Jakarta mengalami banjir yang diakibatkan oleh hujan lebat yang turun sejak 31 Desember 2019 hingga 1 Januari 2020. Untuk keperluan antisipasi dan mitigasi bencana terkait banjir tersebut diperlukan ketersediaan data tentang luas genangan banjir dan letaknya secara cepat. Salah satu teknologi yang potensial untuk diterapkan adalah menggunakan citra satelit Sentinel-1. Berdasarkan kondisi tersebut, telah dilakukan kajian untuk mendeteksi daerah terdampak genangan banjir dari citra satelit Sentinel-1. Adapun teknik yang digunakan adalah metode change detection dan thresholding. Pada kajian ini digunakan citra Sentinel-1 perekaman tahun 2019 dan 2020, DEMNAS, Global Surface Water dan batas administrasi wilayah DKI Jakarta. Adapun tahapan pelaksanaan kajian mencakup proses change detection dengan ratio image dari dua citra Sentinel-1 GRD sebelum dan saat banjir, perhitungan nilai optimum threshold untuk menentukan banjir dan tidak banjir, masking banjir, dan perhitungan luas genangan. Berdasarkan hasil kajian diperoleh luas total daerah yang terkena banjir sekitar 1.156,84 hektar, sedangkan luas area banjir dari data Pemprov DKI sekitar 12.896,35 hektar. Hasil validasi menggunakan data Pemprov DKI dengan membandingan antara citra Sentinel-1 tahun 2019 dan 2020, diperoleh hasil 61 lokasi atau sekitar 28,96% termasuk ke dalam hasil interpretasi kelas banjir dan terdapat 157 lokasi atau sekitar 71,04% termasuk ke dalam hasil interpretasi kelas tidak banjir.
Comparative Analysis of the Semantic Conditions of LoD3 3D Building Model Based on Aerial Photography and Terrestrial Photogrammetry Apriansyah, Muh; Harintaka, Harintaka
Journal of Applied Geospatial Information Vol 7 No 2 (2023): Journal of Applied Geospatial Information (JAGI)
Publisher : Politeknik Negeri Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30871/jagi.v7i2.6634

Abstract

3D modeling of buildings is an important method in mapping and modeling the built environment. In this study, we analyzed the differences between the semantic state of actual buildings and 3D models of LoD3 buildings generated using aerial and terrestrial photogrammetric methods. We also evaluated the accuracy of the visual representation as well as the suitability of the building geometry and texture. Our method involves collecting aerial and terrestrial photographic data and processing it using SFM (structure from motion) technology. The photogrammetric data was then processed using image matching algorithms and 3D reconstruction techniques to generate 3D models of LoD3 buildings. The actual semantic state of the building was identified through field surveys and reference data collection. The 3D building model was successfully modeled from 1201 photos and 19 ground control points. The results of the evaluation of the geometry accuracy test, dimensions and semantic completeness of the 3D model, the use of aerial photographs and terrestrial photogrammetry in LoD3 3D modeling are assessed from the results of the automatic 3D modeling process using SfM (Structure from Motion) technology that produces 3D building models in Level of Detail (LoD) 3 with Root Mean Square Error values <0.5 meters and has semantic completeness of the building in accordance with the original object based on the City Geography Markup Language (CityGML) standard. The facade formed from the modeling almost follows the original model such as doors, windows, hallways, etc.
ANALISIS PENURUNAN MUKA TANAH MENGGUNAKAN CITRA SENTINEL 1A DENGAN METODE DINSAR TAHUN 2019-2021 (STUDI KASUS : PEMBANGUNAN JALAN TOL SEMARANG DEMAK) chotimah, Saffira noor; Prasetyo, Yudo; Firdaus, Hana Sugiastu; Harintaka, Harintaka
Elipsoida : Jurnal Geodesi dan Geomatika Vol 5, No 2 (2022): Volume 05 Issue 02 Year 2022
Publisher : Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/elipsoida.2022.16744

Abstract

Kabupaten Demak dan Kota Semarang adalah daerah yang berada di pesisir Pulau Jawa yang padat dan pusat ekonomi yang berkembang secara pesat. Pada wilayah ini sering terjadi bencana sistematik berupa banjir rob dan penurunan muka tanah. Pembangunan jalan tol berfungsi untuk memperlancar kegiatan ekonomi di wilayah tersebut. Pemantauan secara berkelanjutan diperlukan untuk mengetahui dampak yang timbul seiring berjalannya waktu akibat fenomena penurunan muka tanah. Metode DInSAR dimanfaatkan dalam penelitian ini untuk memantau fenomena tersebut karena merupakan sebuah metode quick assement yang murah, cepat, mencangkup area yang luas dan tepat secara akurasi.Data yang digunakan terdiri dari 6 citra satelit Sentinel 1A mode IW yang diakuisisi tahun 2019-2021. Metode DInSAR menggunakan DEM SRTM 1 arcsec sebagai referensi topografi. Hasil penelitian sebelumnya berupa survei GNSS digunakan sebagai data pembanding dari hasil pengolahan DInSAR karena dianggap lebih teliti dalam hal akurasi. Data DInSAR dan GNSS di uji menggunakan uji Kolmogorov-Smirnov untuk mengetahui signifikansi kedua data tersebut.Hasil penurunan muka tanah Kabupaten Demak dan Kota Semarang yang didapatkan dari metode DInSAR rata-rata sebesar 4,13 0,80 cm/tahun. Penurunan rata-rata terbesar terjadi di Kecamatan Genuk sebesar 7,94 0,85 cm/tahun sedangkan penurunan rata-rata terendah terjadi di Kecamatan Wonosalam sebesar 1,38 0,53 cm/tahun. Hasil uji Kolmogorov-Smirnov adalah 0,4 dimana nilai tersebut melebihi batas 0,05 sehingga dapat disimpulkan bahwa kedua data tidak berbeda secara signifikan. Kata kunci :  Demak, Dinsar, jalan tol, penurunan muka tanah, Semarang. Uji Kolmogorov-smirnov
EKSTRAKSI OTOMATIS TAPAK BANGUNAN (BUILDING FOOTPRINT) PADA ORTOFOTO MENGGUNAKAN SEGMENT ANYTHING MODEL (SAM) Baroroh, Anisa; Harintaka, Harintaka
Elipsoida : Jurnal Geodesi dan Geomatika Vol 8, No 1 (2025): Volume 08 Issue 01 Year 2025
Publisher : Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/elipsoida.2025.25145

Abstract

Kebutuhan peta dasar skala besar khususnya di Indonesia semakin meningkat seiring berkembangnya waktu. Salah satu fitur geospasial penting adalah bangunan. Penggunaan teknologi UAV mampu menghasilkan produk ortofoto resolusi tinggi yang dapat membantu pemetaan skala besar. Kumpulan data bangunan yang diturunkan dari data ortofoto dapat memberikan informasi untuk pemantauan dan perencanaan suatu daerah, khususnya di daerah yang tidak memiliki peta perencanaan rinci atau data kadaster. Pada umumnya, ekstraksi objek tapak bangunan dilakukan dengan digitasi manual. Namun, perkembangan terbaru menunjukkan teknologi otomatisasi dengan deep learning memiliki keunggulan lebih baik dari sisi kinerja yang lebih singkat. Teknik deep learning yang terbaru saat ini adalah SAM (Segment Anything Model). SAM merupakan pendekatan baru yang dikembangkan oleh Meta AI untuk segmentasi yang telah dilatih pada dataset sangat besar sehingga tidak memerlukan pelatihan ulang (Kirillov et al., 2023). Penelitian ini memanfaatkan SAM untuk ekstraksi tapak bangunan khususnya wilayah Indonesia. Karakteristik bangunan yang sangat bervariasi menjadi tantangan algoritma SAM dalam mengekstraksi tapak bangunan. Selain SAM, penggunaan metode regularisasi diterapkan untuk memperbaiki bentuk bangunan hasil segmentasi yang tidak teratur dan tegas. Hasil uji akurasi precision, recall, f1-score, dan IoU secara keseluruhan menunjukkan rata-rata nilainya diatas 87 %. Hasil tersebut menunjukkan bahwa SAM mampu melakukan ekstraksi tapak bangunan dengan baik.
Kajian Keandalan True Orthophoto Untuk Pemetaan Skala Besar 1 : 5.000 Damayanti , Andita Putri; Harintaka, Harintaka
GEOID Vol. 16 No. 2 (2021)
Publisher : Departemen Teknik Geomatika ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/geoid.v16i2.1681

Abstract

Pembangunan kewilayahan yang merata di Indonesia masih terkendala dengan tidak tersedianya peta dasar skala besar sebagai bahan utama dalam penyusunan Rencana Detail Tata Ruang (RDTR). Data orthophoto dapat digunakan sebagai alternatif sumber data dalam penyediaan peta dasar skala besar. Penelitian ini bertujuan untuk mengkaji keandalan data true orthophoto hasil dense image matching dibandingkan dengan ground orthophoto bagi pembuatan unsur peta dasar skala besar di Indonesia. Area penelitian mengambil sampel wilayah urban, wilayah lahan terbuka dan wilayah bervegetasi. Tahap penelitian meliputi persiapan, pembentukan true orthophoto, dan analisis perbandingan antara unsur tutupan lahan pada true orthophoto dengan unsur tutupan lahan pada ground orthophoto. Berdasarkan hasil penelitian,true orthophoto memiliki kelemahan pada visualisasinya. Tingkat kecerahan dan kejelasan objek tutupan lahannya masih lebih rendah dibandingkan dengan data ground orthophoto. Kelemahan true orthophoto pada wilayah urban adalah banyaknya variasi rona piksel pada objek yang mengaburkan batas tutupan lahan, dominasi rona piksel objek yang menghilangkan objek lainnya dan adanya efek gergaji (sawtooth effect) pada bangunan tinggi. Untuk wilayah lahan terbuka dan wilayah bervegetasi terdapat kumpulan piksel yang berwarna abu-abu hingga kehitaman pada objek tutupan lahan. Perbedaan gelap terang piksel pada objek tutupan lahan dapat mempersulit identifikasi batas tutupan lahan. Secara geometri, data true orthophoto dapat digunakan untuk pembuatan peta dasar skala besar 1 : 5.000, hal ini ditunjukkan dengan hasil uji ketelitian geometrik horisontal (CE90) pada wilayah penelitian yang masuk ke dalam ketelitian peta RBI 1 : 5.000 kelas duaPembangunan kewilayahan yang merata di Indonesia masih terkendala dengan tidak tersedianya peta dasar skala besar sebagai bahan utama dalam penyusunan Rencana Detail Tata Ruang (RDTR). Data orthophoto dapat digunakan sebagai alternatif sumber data dalam penyediaan peta dasar skala besar. Penelitian ini bertujuan untuk mengkaji keandalan data true orthophoto hasil dense image matching dibandingkan dengan ground orthophoto bagi pembuatan unsur peta dasar skala besar di Indonesia. Area penelitian mengambil sampel wilayah urban, wilayah lahan terbuka dan wilayah bervegetasi. Tahap penelitian meliputi persiapan, pembentukan true orthophoto, dan analisis perbandingan antara unsur tutupan lahan pada true orthophoto dengan unsur tutupan lahan pada ground orthophoto. Berdasarkan hasil penelitian,true orthophoto memiliki kelemahan pada visualisasinya. Tingkat kecerahan dan kejelasan objek tutupan lahannya masih lebih rendah dibandingkan dengan data ground orthophoto. Kelemahan true orthophoto pada wilayah urban adalah banyaknya variasi rona piksel pada objek yang mengaburkan batas tutupan lahan, dominasi rona piksel objek yang menghilangkan objek lainnya dan adanya efek gergaji (sawtooth effect) pada bangunan tinggi. Untuk wilayah lahan terbuka dan wilayah bervegetasi terdapat kumpulan piksel yang berwarna abu-abu hingga kehitaman pada objek tutupan lahan. Perbedaan gelap terang piksel pada objek tutupan lahan dapat mempersulit identifikasi batas tutupan lahan. Secara geometri, data true orthophoto dapat digunakan untuk pembuatan peta dasar skala besar 1 : 5.000, hal ini ditunjukkan dengan hasil uji ketelitian geometrik horisontal (CE90) pada wilayah penelitian yang masuk ke dalam ketelitian peta RBI 1 : 5.000 kelas dua. The unavailability of a large scale base map creates a challenge to entirely develop equal territorial in Indonesia as the primary material for preparing Detailed Spatial Plan (DSP). The orthophoto data is used as an alternative source of data in the provision of large-scale maps. This study aims to examine the results of true orthophoto of dense image matching for producing the large-scale topographical elements of 1: 5,000. The findings are compared with ground orthophoto data in the same territory. The samples were urban areas, open land areas, and vegetated areas. The research consists of preparation, generate true orthophoto, and comparative analysis of research findings with ground orthophoto. The true orthophoto of dense image matching results has weaknesses in its visualization. The level of brightness and clarity of the land is lower than the ground orthophoto. The weakness of true orthophoto in urban areas is many hue variations of pixels on objects that obscure the land boundaries, the dominance of object pixel hue that removes other objects, and the sawtooth effect on the high buildings. Thus, there is a gray collection of black pixels on the land object for open land and vegetated areas. The difference in dark and light pixels of land objects complicates the identification of land boundaries. Geometrically, true orthophoto data of dense image matching used as primary data for making large-scale base maps of 1: 5.000 is indicated by the horizontal geometric accuracy test (CE90) in the research area that includes the second class topographical map accuracy of 1:5.000.
Analisis Kehandalan Ekstraksi Garis Tepi Bangunan dari Data Foto Udara Menggunakan Pendekatan Deep Learning Berbasis Mask R-CNN Kristal, Agri; Harintaka, Harintaka
GEOID Vol. 17 No. 2 (2022)
Publisher : Departemen Teknik Geomatika ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/geoid.v17i2.1748

Abstract

Kebutuhan peta dasar skala besar khususnya skala 1:5.000 terus meningkat dari waktu ke waktu. Pada umumnya ekstraksi fitur unsur Peta Rupa Bumi Indonesia (RBI) salah satunya adalah bangunan dilakukan dengan dijitasi atau stereoplotting unsur secara manual baik dari data citra satelit maupun data foto udara. Namun hal itu memiliki kelemahan yaitu membutuhkan waktu yang lama tergantung pada kepadatan dan jumlah bangunan pada area yang akan dipetakan. Di sisi lain Pemerintah Indonesia menjadikan percepatan penyelenggaraan Peta RBI skala 1:5000 menjadi salah satu prioritas utama dalam kegiatan kebijakan satu peta. Deteksi dan ekstraksi garis tepi bangunan secara otomatis menggunakan teknologi computer vision dari citra optis dan data point cloud LiDAR telah populer beberapa tahun terakhir. Salah satu teknologi yang dikembangkan adalah dengan pendekatan deep learning. Ekstraksi garis bangunan dengan pendekatan deep learning memiliki kelemahan yaitu poligon garis tepi bangunan yang dihasilkan tidak teratur. Penelitian ini bertujuan untuk mengetahui akurasi hasil regularisasi poligon dari ekstraksi garis tepi bangunan secara otomatis menggunakan metode deep learning berbasis Mask Region-base Convolutional Neural Networks (Mask R-CNN) dari data foto udara. Hasil penelitian menunjukkan pada area bangunan dengan kepadatan tinggi dan bentuk yang teratur (AoI 1) memiliki nilai indeks Intersection over Union (IoU) sebesar 87,8% sedangkan pada area dengan kepadatan tinggi dengan bentuk atap bangunan yang tidak teratur (AoI 2) memiliki nilai indeks IoU sebesar 82,6%. Kemudian juga dilakukan perhitungan akurasi posisi pada 25 sampel titik sudut bangunan dengan hasil CE90 pada AoI 1 sebesar 1,183 m dan pada AoI 2 sebesar 1,303 m. Secara geometri data garis tepi bangunan hasil regularisasi tersebut sudah dapat digunakan sebagai unsur bangunan Peta RBI skala 1:5.000 karena dari hasil perhitungaan uji ketelitian geometrik horisontal (CE90) menunjukkan bahwa data tersebut masuk dalam ketelitian Peta RBI 1:5.000 kelas satu.
Pembuatan Model 3D Bangunan LoD3 Dengan Pemanfaatan Foto Udara dan Fotogrametri Terrestris Apriansyah, Muh; Harintaka, Harintaka
GEOID Vol. 18 No. 2 (2023)
Publisher : Departemen Teknik Geomatika ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/geoid.v18i2.1774

Abstract

Foto udara maupun fotogrametri terrestris yang merupakan teknologi dari fotogrametri dapat digunakan untuk pemodelan 3D. Untuk menampilkan sebuah informasi secara visual yang mengutamakan nilai estetika dan bentuk ojeknya. Fotogrametri telah lama digunakan untuk dokumentasi bangunan dan benda cagar budaya. Teknik ini memungkinkan untuk membuat model 3D dari foto 2D, dan dengan demikian sangat berguna dalam visualisasi detail arsitektur suatu bangunan atau gedung. Pada penelitian ini, dilakukan pemodelan bangunan 3D di wilayah Asrama Putri Ratnaninngsih Kinanti Universitas Gadjah Mada menggunakan metode kombinasi foto udara dan fotogrametri terrestris dengan memanfaatkan teknologi SfM (structure from motion). Point cloud diperoleh dari pengolahan foto udara dan fotogrametri terrestris. Kamera yang terpasang pada wahana udara yang digunakan untuk mengakuisisi data foto memungkinkan untuk mengakuisisi bagian bangunan seperti atap dan detail bangunan atau bagian gedung yang tidak memungkinkan menggunakan fotogrametri terrestris. Point cloud yang diperoleh dari hasil pengolahan SfM digunakan untuk melakukan pemodelan 3D dengan melakukan digitasi manual setiap elemen bangunan seperti jendela,pintu, lorong dan elemen bangunan lainya sesuai batasan tepi pada point cloud. Model 3D bangunan yang berhasil dimodelkan dari 1201 foto dan 19 buah sebaran titik kontrol tanah, apabila dilihat secara visual serupa dengan model dan bentuk obyek yang sebenarnya. Fasad yang terbentuk dari pemodelan hampir mengikuti model aslinya seperti pintu, jendela, lorong, dan teralis dapat terlihat pada model 3D. Metode yang diterapkan dalam penelitian ini memberikan hasil yang baik. Model 3D yang dihasilkan dari penelitian ini memiliki ketelitian posisi geometri sebesar 8,843 cm dan ketelitian tinggi (H) 5,377 cm, ketelitian dimensi sebesar 11,120 cm dengan kelengkapaan semantik bangunan yang sesuai dengan bangunan aslinya. Proses pemodelan 3D secara otomastis menggunakan teknologi SfM (Structure from Motion) tersebut menghasilkan model bangunan 3D dalam Level of Detail (LoD) 3 dengan nilai Root Mean Square Error < 0,5 meter berdasarkan standar City Geography Markup Language (CityGML).
Pembuatan Model Prediksi Lahan Terbangun di Kabupaten Kulon Progo dengan Citra Satelit Penginderaan Jauh Wibowo, Rifqi Alghifari; Harintaka, Harintaka
GEOID Vol. 19 No. 1 (2023)
Publisher : Departemen Teknik Geomatika ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/geoid.v19i1.1786

Abstract

Perubahan tutupan lahan terbangun pada kota atau kabupaten menjadi suatu hal umum yang sering terjadi dan terus berkembang di kawasan yang cepat tumbuh. Perkembangan lahan terbangun tersebut dapat diprediksi dengan melakukan pembuatan model prediksi dengan menggunakan teknologi penginderaan jauh dan sistem informasi geografis. Pada kajian ini, dilakukan pemodelan prediksi tutupan lahan di wilayah Kabupaten Kulon Progo pada tahun 2023 dengan menggunakan metode Cellular Automata (CA). Model prediksi tersebut disusun dengan hasil klasifikasi tutupan lahan pada tahun 2017 dan 2020 dengan menggunakan algoritma Support Vector Machine (SVM) dan variabel spasial berupa jangkauan jalan terhadap lahan terbangun. Model prediksi lahan terbangun yang berhasil dimodelkan memiliki pola persebaran dimana kelas daerah bervegetasi banyak mendominasi di Kapanewon Kokap, Girimulyo, Samigaluh, dan Kalibawang. Untuk Kapanewon lain lebih didominasi oleh tutupan lahan pertanian dan lahan terbangun. Berkaitan dengan itu, luasan tutupan lahan untuk masing-masing kelas meliputi lahan terbangun dengan 7.353,84 ha, badan air dengan 440,59 ha, daerah bervegetasi dengan 29.273,71 Ha, lahan pertanian dengan 17.665,76 ha, dan lahan terbuka dengan 2.920,24 ha. Di samping itu, untuk nilai akurasi tutupan lahan terbangun pada model prediksi memiliki nilai producer’s accuracy dan user’s accuracy secara berturut-turut sebesar 89% dan 76%. Adapun secara keseluruhan model prediksi ini mendapatkan nilai overall accuracy dan Indeks Kappa berturut-turut sebesar 81% dan 0,75. Berdasarkan nilai tersebut, model prediksi memiliki nilai akurasi yang cukup baik dan dapat digunakan sebagai salah satu alternatif untuk menjadi acuan dalam melihat potensi perubahan yang terjadi di masa yang akan datang.
Uneven Land Subsidence Patterns Along Java's Northern Urban Corridor (Pantura Route) from 2.5D SBAS InSAR Approach Janur, Afif; Harintaka, Harintaka; Suhadha, Argo Galih
Indonesian Journal on Geoscience Vol. 12 No. 2 (2025)
Publisher : Geological Agency

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.17014/ijog.12.2.281-300

Abstract

Land subsidence is a phenomenon that occurs in many parts of the world, particularly in coastal plains and river delta areas, including the north coast of Java, commonly known as ‘pantura’. By utilizing satellite time series data, land subsidence along the north coast of Java was detected using The Small Baseline Subset (SBAS) method. Additionally, combining data from different Sentinel-1 orbit directions (ascending-descending) enables the production of a more accurate 2.5D model. This research aims to calculate the rate of land subsidence on the north coast of Java from 2020 to 2023 using the 2.5D model, and to compare the results with CORS processing results. Recent identification of land subsidence highlights that residential areas and rice fields are highly vulnerable to potential subsidence. The 2.5D model in the up-down (UD) direction shows the highest land subsidence occurred in Demak Regency at 146.45 mm/year, Semarang City at 144.34 mm/year, and Pekalongan Regency at 137.94 mm/year. An accuracy assessment was performed using twelve CORS stations, showing RMSE values ranging from millimeters to centimeters: vertical ascending at 16.5 mm, vertical descending at 18.6 mm, UD at 8.8 mm, and East ̶ West (EW) at 26.3 mm.
Change Detection of Topographic Features using Iteratively Reweighted Multivariate Alteration Detection and Random Forest Classification for Partial Updating of Indonesian Topographic Map Purwati, Endang; Harintaka, Harintaka
Geoid Vol. 20 No. 2 (2025)
Publisher : Departemen Teknik Geomatika ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/geoid.v20i2.6364

Abstract

The current demand for geospatial information is increasingly urgent across various sectors, making the provision of base maps a top priority that is currently being accelerated. However, a major challenges faced today is the outdated nature of the Indonesian Topographic Map (Peta Rupabumi Indonesia/RBI), many of which were produced several years ago and are now considered obsolete. Updating the data is essential to ensure the validity of geospatial information in accordance with current conditions. At present, the detection of change in topographic feature is still largely conducted manually, thereby necessitating the exploration of methods to accelerate partial map updating processes. This study implements a change detection approach using Iteratively Reweighted Multivariate Alteration Detection (iMAD) method, in combination with Random Forest (RF) and Rule-based Classification. The iMAD technique is relatively insensitive to radiometric differences between acquisition times and simultaneously considers all spectral bands. Its iterative process improves accuracy, making it suitable for change detection in partial mas updates. Random Forest Classification supports the interpretation of iMAD results by providing information on changes in land cover types. The iMAD results indicate that the majority of detected changes fall under the ambiguous category (49,18%), followed by unchanged pixels (24,78%), significant changes (20,91%), and agricultural changes (5,13%). Overall accuracy of Random Forest Classification reached 90,45 % in 2019 and 93,20 % in 2023. The Kappa coefficient was 0,8920 and 0,8936 for 2019 and 2023, respectively. The final change detection results, after applying rule-based classification show that 19,70% of the study area experienced change, while 80,30% remained unchanged. Therefore, this approach presents an effective and efficient alternative for conducting partial updates of the Indonesian Topographic Map (RBI).
Co-Authors Agri Kristal Ana Mardhiyana Alawiyah Andita Putri Damayanti Apriansyah, Muh Atriyon Julzarika Azeriansyah, Reyhan Baroroh, Anisa chotimah, Saffira noor Damayanti , Andita Putri Danang Setiaji Djurdjani Djurdjani, Djurdjani Eli Juniati, Eli Endang Purwati RN Erlyna Nour Arrofiqoh Hana Sugiastu Firdaus, Hana Sugiastu Handoko Dwi Julian Iradaf Mandaya Janur, Afif Kristal, Agri Luki Subehi Muh Apriansyah Mukti, Fanny Zafira Ratna Sari Dewi Rifqi Alghifari Wibowo S Subaryono Sekar Pranadita, Sekar Suhadha, Argo Galih Trias Aditya Wibowo, Rifqi Alghifari Yudo Prasetyo