cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota salatiga,
Jawa tengah
INDONESIA
Indonesian Journal of Computing and Modeling
Published by Universitas Kristen Satya Wacana
ISSN : -     EISSN : 25989421     DOI : -
Core Subject : Science, Education, Agriculture,
Agriculture, Biological Sciences & Forestry Computer Science & IT Earth & Planetary Sciences Education Mathematics
Fokus publikasi ICM mencakup : penemuan dan/atau penerapan metode baru, pengembangan algoritma optimal, kompleksitas algoritma dan pemanfataan model matematika atau statistika untuk eksplorasi dan analisis data. Makalah yang diterima dan dilanjutkan untuk proses review adalah makalah hasil penelitian teoritik, hasil penelitian lapangan, penelitian skala laboratorium, integrasi penelitian dalam proses pembelajaran atau bagian dalam suatu kegiatan penelitian yang multitahun.
Arjuna Subject : -
Articles 6 Documents
 1 
Search results for , issue "Vol 3 No 1 (2020)" : 6 Documents clear
ANALISIS INDEKS VEGETASI AREA TERDAMPAK BANJIR BANDANG DI KABUPATEN JAYAPURA MENGGUNAKAN METODE CLUSTERING PADA CITRA LANDSAT 8 Josua Josen Alexander Limbong; Herman Huki Ratu; Patrick Simbolon; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

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

Abstract

Bencana Banjir memang tidak akan pernah berakhir menjadi persoalan manusia, penyebab dari bencana banjir sendiri dapat diakibatkan oleh peristiwa alam atau aktifitas dan kegiatan dari manusia sendiri. Pada Tanggal 16 Maret 2019 telah terjadi bencana alam Banjir bandang yang sangat dahsyat yang terjadi Di Kabupaten Jayapura Tepatnya di daerah Sentani sehingga mengakibatkan banyak korban jiwa dan kerusakan yang terjadi akibat bencana alam tersebut. Oleh sebab itu penelitian ini dilakukan untuk mengetahui perubahan indeks vegetasi yang diakibatkan oleh bencana banjir bandang tersebut. Oleh karena itu dibutuhkan informasi secara visual berupa citra satelit untuk menampilkan informasi mengenai bencana alam banjir bandang yang terjadi di Kabupaten Jayapura. Penelitian ini menggunakan metode clustering dan pendekatan menggunakan NDVI (Normalized Difference Build-up Index). Hasil yang didapatkan dari penelitian ini adalah mendapatkan hasil dari nilai indeks vegetasi kemudian dari nilai tersebut dapat dibandingkan perbedaan indeks vegetasi sebelum dan sesudah terkena dampak Banjir Bandang.
Analisis Perbandingan Area Kebakaran Padang Rumput Berbasis Citra Landsat-8 Pada Sumba Tengah Menggunakan Metode Unsupervised Classification Antar Maramba Jawa; Ravensca Matatula; Stanny Dewanty Rehatta; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

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

Abstract

Data statistik tahun 2019 menunjukan hingga saat ini luas padang rumput di kawasan Sumba Tengah cenderung mengalami penurunan dikarenakan seringnya terjadi kebakaran pada lokasi tersebut. Data ini menjadi pendorong akan kebutuhan informasi yang tepat dan cepat terkait tata letak dan perubahan tata letak padang rumput untuk tetap menjaga ketahanan lingkungan sekitar. Teknologi penginderaan jarak jauh telah menjadi tool yang baik dalam pemecahan masalah ini. Melalui klasifikasi citra satelit penginderaan jarak jauh, perubahan lokasi kebakaran dapat dianalisis dengan baik. Berdasarkan hal tersebut penelitian ini akan menganalisis perubahan padang rumput pasca kebakaran pada daerah Sumba Tengah khususnya sebagai wilayah penelitian pada index vegetasi citra satelit lansat 8 dengan memakai Unsupervised Classification. Tujuan dari penelitian ini adalah melakukan klasifikasi untuk memperkirakan luas dan sebaran perubahan padang rumput di Sumba Tengah.Hasil penelitian Kabupaten Sumba Tengah November 2019 memiliki lebih banyak lahan hijau (vegetasi tinggi) dibandingkan dengan nilai NDVI pada citra landsat Kabupaten Sumba Tengah Maret 2020. Sedangkan presentase NDVI November 2019 dan Maret 2020 penurunan yang cukup besar terjadi pada lahan hijau atau padang rumput dengan nilai vegetasi 0.492 ke 0.415 Analisis menunjukkan adanya perbedaan nilai vegetasi pada klasifikasi lahan hijau atau padang rumput menunjukkan terjadinya kebakaran, sehingga naiknya nilai vegetasi klasifikasi lahan kering.
Analisis Resiko Longsor berbasis Citra Landsat-8 menggunakan Interpolasi Spasial Novem Berlian Uly; Murry Albert Agustin Lobo; Mikhael Dio Eclesi; Sri Yulianto Joko Prasetyo
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

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

Abstract

Sebagai Negara kepulauan, Indonesia sering menghadapi bencana yang diakibatkan oleh terjadinya perubahan iklim dan cuaca, atau sering disebut bencana hidrometeorologi. Kondisi dan keadan alam yang memungkinkan terjadi bencana disebut sebagai potensi bencana. Cuaca ekstrim dengan curah hujan yang tinggi memungkinkan terjadinya longsor pada kondisi tanah labil serta kemiringan lereng yang curam. Resiko yang diakibatkan longsor dapat berupa resiko ekonomi maupun resiko sosial. Resiko yang ditimbulkan oleh bencana merupakan potensi kerugian pada suatu kawasan dan kurun waktu tertentu. Bentuk resiko bencana dapa berupa gangguan kegiatan masyarakat, hilangnya rasa aman, masyarakat mengungsi, kerusakan atau kehilangan harta, jiwa terancam, luka, sakit dan kematian. Kabupaten Banjarnegara sebagai salah satu daerah yang memiliki potensi resiko tanah longsor. Berdasarkan karakteristik tersebut maka perlu dilakukan analisis resiko tanah longsor untuk memberikan informasi resiko tanah longsor. Pada Penelitian ini dilakukan analisis resiko longsor berbasis Citra Landsat-8 menggunakan metode Interpolasi Spasial. Data curah hujan yang digunakan adalah Data Curah Hujan BMKG Kabupaten Banjarnegara Tahun 2015. Hasil dari penelitian ini menunjukkan bahwa Terdapat 7 Kecamatan yang memiliki tingkat resiko tanah longsor yang sangat tinggi yaitu Susukan, Purworejo Klampok, Mandiraja, Purwonegoro, Bawang dan Wanadadi.
ANALISIS RUANG TERBUKA HIJAU PADA KOTA SURABAYA MENGGUNAKAN CITRA LANDSAT 8 DAN METODE MAXIMUM LIKELIHOOD Stevanus Dwi Istiavan Mau; Antonius Mbay Ndapamury; Vinsensius Aprila Kore Dima; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

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

Abstract

RTH atau dikenal dengan ruang terbuka hijau merupakan suatu kelompok tanaman yang berada pada pemukiman rumah dan di tengah kota baik itu pohon serta tanaman yang ada pada rumah Surabaya sendiri mempunyai geografis yang ada pada 07.09’00”-07’21’00” Lintang selatan serta 112’36’-112’54’. Pada dasarnya luas dari surabaya memiliki daratan luas 326,81km2 serta lautan 190,39 km2. Surabaya bisa di bilang kota yang sangat padat dimana pada tahun sebelum nya hingga saat ini pembangunan terus berjalan dan meyebabkan kekurangan ruang terbuka hijau. Dalam menganalisis RTH di butuhkan suatu metode dalam melakukan analisis RTH, metode yang di pakai dalam penelitian ini menggunakan maxium likelihood yang berfungsi sebagai integrasi antara klasifikasi penutup lahan, NDVI serta Citra Landsat 8. Hasil dari penelitian ini adalah menampilkan ruang terbuka hijau dan pengelolaan ndvi dari tahun 2016 dan 2019 dimana terdapat pembangunan lahan yang menutupi ruang terbuka hijau pada Kota Surabaya. Manfaat dari penelitian ini sendiri bagaimana kita lebih mengenal fungsi dari RTH tersebut bagi masyarakat dan kota itu sendiri.
Identifikasi Perubahan Tutupan Vegetasi dan Curah Hujan Kabupaten Semarang Menggunakan Citra Saltelit Lansat 8 Triloka Mahesti; Elvira Umar; Ardian Ariadi; Sri Yulianto Joko Prasetyo; Charitas Fibriani
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

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

Abstract

Perubahan iklim dunia yang dipengaruhi pemanasan global saat ini menjadi masalah yang genting. Dalam mengatasi masalah pemanasan global, Indonesia turut serta berperan aktif dengan berkomitmen menurunkan GRK hingga tahun 2030. Keikutsertaan pemerintah Indonesia juga harus didukung oleh pemerintah daerah salah satunya adalah Kabupaten Semarang untuk menurunkan GRK dengan penambahan vegetasi. Penelitian ini bertujuan untuk mengidentifikasi perubahan tutupan vegetasi Kabupaten Semarang dari tahun 2015 hingga 2019 dengan menggunakan metode NDVI, EVI, SAVI dan Supervised Classification serta clustering curah hujan menggunakan metode Spatial Interpolation karena perubahan indeks vegetasi tidak lepas dari curah hujan. Penelitian ini menghasilkan nilai NDVI, EVI, SAVI dan Supervised Classification mengalami kenaikan dari tahun 2015 ke tahun 2016 dengan kenaikan nilai NDVI 0.059728, EVI 0.658, SAVI 0.089514 dan supervised classification 4,64% atau 39.368,7 ha, serta mengalami penurunan berangsur dari tahun 2016 hingga 2019 dengan penurunan nilai NDVI -0,072276, EVI -9,57828, SAVI -0,108413 dan supervised classification -19,05% atau -194.762,7 ha. Clustering curah hujan menunjukkan 4 kecamatan yaitu Getasan, Tengaran, Susukan dan Kaliwungu memiliki curah hujan sangat rendah, 4 kecamatan yaitu Banyubiru, Pabelan, Bancak dan Suruh memiliki curah hujan sedang, 6 kecamatan yaitu Ambarawa, Jambu, Bawen, Tuntang Bringin dan Pringapus memiliki curah hujan tinggi serta 5 kecamatan yaitu Bandungan, Sumowono, Bergas, Ungaran Barat dan Ungaran Timur memiliki curah hujan sangat tinggi. Curah hujan berada pada rentang 5mm-10mm/hari yang menurut BMKG memiliki klasifikasi curah hujan rendah. Penelitian ini dapat dimanfaatkan sebagai rekomendasi pemerintah Kabupaten Semarang dalam pengelolaan vegetasi dan pertimbangan dalam penyusunan RAD
Pemetaan Potensi Bencana di Jawa Tengah Menggunakan Google Maps API dan KML dengan Metode K-Means Muhammad Fahmi Haryono Adi; Yerymia Alfa Susetyo
Indonesian Journal of Computing and Modeling Vol 3 No 1 (2020)
Publisher : Pusat Studi Sistem Informasi dan Pemodelan Mitigasi Tropika

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

Abstract

Sistem Informasi Geografis (SIG) merupakan sistem informasi berbasis komputer yang digunakan untuk mengolah, dan menghasilkan data geografis untuk pengambilan keputusan dalam suatu perencanaan. Indonesia memiliki iklim dengan curah hujan tinggi dan kemarau yang panjang akan menambah potensi terjadinya bencana seperti banjir, tanah longsor, dan kekeringan. Penelitian ini bertujuan untuk pemetaan potensi bencana di Jawa Tengah menggunakan Google Maps API dan KML dengan metode K-Means. Pengolahan data bencana alam dilakukan menggunakan metode K-Means, karena metode ini mampu menjadi solusi atas penanggulangan bencana alam. Penelitian ini membahas tentang pengelompokan jumlah data bencana yang terjadi di Jawa Tengah. Data yang digunakan dalam penelitan ini dengan pengumpulan data peta wilayah Kota dan Kabupaten di Jawa Tengah menggunakan Google Maps API dan pengumpulan data titik koordinat. Keyhole Markup Language (KML) adalah format (XML) untuk visualisasi data geospatial. Dengan menggunakan Google Maps API dan KML dapat menghasilkan suatu peta yang memberikan informasi secara lengkap dan tepat, karena sistem yang berbasis web akan lebih mudah dan cepat diakses oleh pengguna dari berbagai tempat hanya dengan menggunakan web-browser.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2020 2020


Reset
Filter By Issues
All Issue Vol 4 No 1 (2021) Vol 3 No 2 (2020) Vol 3 No 1 (2020) Vol 2 No 2 (2019) Vol 2 No 1 (2019) Vol 1 No 2 (2018) Vol 1 No 1 (2018)