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 adm. jakarta timur,
Dki jakarta
INDONESIA
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital
Published by Lembaga Penerbangan dan Antariksa Nasional
ISSN : -     EISSN : -     DOI : -
Core Subject : Science,
Computer Science & IT
Arjuna Subject : -
Articles 5 Documents
 1 
Search results for , issue "Vol. 11 No. 1 Juni 2014" : 5 Documents clear
PERBANDINGAN KLASIFIKASI BERBASIS OBYEK DAN KLASIFIKASIBERBASIS PIKSEL PADA DATA CITRA SATELIT SYNTHETICAPERTURE RADAR UNTUK PEMETAAN LAHAN(COMPARISON OF OBJECT BASED AND PIXEL BASEDCLASSIFICATION ON SYNTHETIC APERTURE RADAR SATELLITEIMAGE DATA FOR LAND MAPPING) Ahmad Sutanto; Bambang Trisakti; Aniati Murni Arimurthy
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 11 No. 1 Juni 2014
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1671.092 KB)

Abstract

Pemanfaatan data penginderaan jauh untuk pemetaan lahan sudah lama berkembang. Di Indonesia yang beriklim tropis, awan menjadi masalah klasik dalam pemindaian permukaan bumi dengan menggunakan satelit penginderaan jauh sensor optik. Satelit dengan sensor Synthetic Aperture Radar (SAR) mempunyai kemampuan untuk menembus awan sehingga menjadi solusi permasalahan tutupan awan. Pada penelitian ini digunakan data ALOS PALSAR untuk mengkaji teknik klasifikasi berbasis obyek dan berbasis piksel. Data ALOS PALSAR dipilih karena mempunyai kemampuan pengenalan suatu obyek berdasarkan karakteristik hamburan baliknya (backscatter). Klasifikasi berbasis obyek menggunakan metode Statistical Region Merging (SRM) untuk proses segmentasi obyek, dan metode Support Vector Machine (SVM) untuk proses klasifikasi, sedangkan klasifikasi berbasis piksel menggunakan metode SVM. Pada tahap klasifikasi telah diujicobakan beberapa fitur Dekomposisi Target dan Dekomposisi Citra dari data ALOS PALSAR. Pengujian akurasi klasifikasi dilakukan dengan metode confusion matrix menggunakan data Region of Interest (ROI) dari data QuickBird. Implementasi klasifikasi berbasis obyek memberikan hasil lebih baik dari klasifikasi berbasis piksel dengan jumlah fitur optimal yakni 7 fitur, terdiri dari 3 fitur dekomposisi Freeman (Red, Green, Blue), Entropy, Alpha Angle, Anisotrophy dan Normalized Difference Polarization Index (NDPI). Akurasi keseluruhan mencapai 73,64% untuk hasil klasifikasi berbasis obyek dan 62,6% untuk klasifikasi berbasis piksel.Kata kunci : Klasifikasi berbasis obyek, SRM, SVM, Sensor SAR1
VALIDASI HOTSPOT MODIS DI WILAYAH SUMATERA DAN KALIMANTAN BERDASARKAN DATA PENGINDERAAN JAUH SPOT-4 TAHUN 2012 (MODIS HOTSPOT VALIDATION OVER SUMATERA AND KALIMANTAN BASED ON REMOTE SENSING DATA SPOT-4 IN 2012) Any Zubaidah; Yenni Vetrita; M. Rokhis Khomarudin
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 11 No. 1 Juni 2014
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1171.568 KB)

Abstract

Indikator kebakaran hutan dan lahan dapat ditunjukkan dengan adanya hotspot dan asap kebakaran. Saat ini informasi hotspot sebagai indikator kebakaran hutan/ lahan sudah digunakan dengan baik oleh masyarakat, namun masih diragukan akurasi dari informasi tersebut. Oleh karena itu informasi tentang hotspot yang tervalidasi sangat dibutuhkan dalam upaya penanggulangan kebakaran hutan/lahan secara tepat. Penelitian ini bertujuan untuk menguji akurasi titik hotspot dari beberapa sumber data, yaitu IndoFire Map Service (Indofire) dan Fire Information for Resource Management System (FIRMS). Validasi dilakukan dengan membandingkan data hotspot dengan kenampakan citra yang resolusinya lebih tinggi, yaitu SPOT-4. Hasil penelitian menunjukkan bahwa persentase hasil akurasi hostpot FIRMS sebesar 64% dengan tingkat Commision error dan Ommision error masing-masing 18%. Sedangkan persentase hasil akurasi hostpot Indofire ditemukan sebesar 42% dengan tingkat Commision error 20% dan Ommision error 38%. Analisis lebih lanjut di lahan gambut, telah diperoleh nilai akurasi hotspot Firms sebesar 66% dengan commision error 19% dan ommision error 15%, sedangkan hotspot Indofire ditemukan sebesar 46% dengan commision error 19% dan ommision error sekitar 35%. Nilai akurasi hotspot yang bersumber dari FIRMS lebih tinggi dibandingkan dengan hotspot Indofire. Hal ini dapat disebabkan oleh penggunaan semua tingkat kepercayaan hotspot (confidence level) mulai dari 5 hingga 100% yang berbeda dengan Indofire (confidence level>80%). Tingginya nilai ommision error disebabkan oleh kabut asap tebal dan awan yang tidak bisa dideteksi oleh algoritma MODIS. Disamping itu, tingginya nilai ommision error disebabkan oleh kebakaran asap kecil yang dideteksi di SPOT-4 dan juga kebakaran yang baru terjadi yang ditandai oleh asap yang belum menyebar luas, namun hotspot tidak terpantau oleh satelit. Berdasarkan hasil penelitian ini dapat disimpulkan bahwa penggunaan semua confidence level hotspot perlu dipertimbangkan untuk digunakan khususnya pada lahan gambut dibandingkan hanya menggunakan yang lebih besar dari 80% saja.Kata kunci: Hotspot, MODIS, Confidence level, Indofire, FIRMS-NASA, Penginderaan jauh
UJICOBA MODEL PEMETAAN LAHAN SAWAH BERBASIS PERUBAHAN PENUTUP LAHAN CITRA LANDSAT MOSAIK TAHUNAN DI JAWA BARAT (THE TESTING OF RICE FIELD MAPPING MODEL BASED ON LAND COVER CHANGES ON ANNUAL MOSAICED LANDSAT IMAGES IN WEST JAVA) I Made Parsa
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 11 No. 1 Juni 2014
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1440.56 KB)

Abstract

Perubahan penutup lahan dari bera, air dan vegetasi ataupun sebaliknya dapat dijadikan dasar untuk pemetaan lahan sawah yaitu dengan menggunakan pendekatan teori probabilitas, yaitu peluang suatu lahan dapat dikatakan sebagai lahan sawah jika terdeteksi/terjadi perubahan penutup lahan dari air, bera dan vegetasi atau sebaliknya pada citra multiwaktu. Hasil kajian awal yang telah dilakukan untuk wilayah Tanggamus-Lampung menunjukkan bahwa pendekatan teori probabilitas ini menghasilkan ketelitian pemetaan mencapai 91,2%. Berdasarkan hasil tersebut telah dilakukan uji coba model ini untuk wilayah yang lebih luas yaitu beberapa kabupaten di Jawa bagian barat. Data yang digunakan dalam penelitian ini adalah citra Landsat multiwaktu tahun 2000-2009. Metode pengolahan data meliputi: 1. Klasifikasi dijital tidak terselia penutup lahan secara global untuk memetakan lahan bera, vegetasi dan air dari citra multiwaktu, 2. Penggabungan masing-masing kelas lahan multiwaktu sehingga diperoleh tiga informasi spasial lahan bera, vegetasi dan air 2000-2009. Analisis untuk mengetahui daerah yang mengalami perubahan penutup lahan dilakukan dengan operasi tumpang-tindih ketiga informasi spasial tersebut. Pengujian hasil dilakukan dengan confusion matrix (matrik kesalahan) dengan referensi luas baku lahan sawah skala 1:5.000 tahun 2010. Hasil pengujian menunjukkan bahwa ketelitian pemetaan rata-rata dari metode probabilitas ini mencapai 65,5%.Kata kunci: Probabilitas, Perubahan penutup lahan, Multiwaktu
ANALISIS MATHEMATIK FRAKTAL UNTUK KLASIFIKASI MENGGUNAKAN CITRA PENGINDERAAN JAUH SPOT-4 (FRACTAL MATHEMATIC ANALYSIS FOR CLASSIFICATION USING SPOT-4 REMOTE SENSING IMAGE) Muchlisin Arief
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 11 No. 1 Juni 2014
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1222.333 KB)

Abstract

Fraktal adalah seperangkat matematika yang biasanya menampilkan pola kemiripan dirinya sendiri. Fraktal memiliki dua karakteristik dasar yang cocok untuk pemodelan topografi permukaan bumi, yaitu: kesamaan diri dan keacakan. Aplikasi geometri fraktal dalam penginderaan jauh sangat bergantung pada estimasi dimensi fraktal non integer (D). Dimensi fraktal dihitung menggunakan model Luas Permukaan Prisma Segitiga. Dimensi fraktal digunakan untuk mengamati pengulangan spasial suatu permukaan. Pada penelitian ini, dimensi fraktal digunakan untuk mengamati ketinggian relatif suatu bangunan/obyek dipermukaan di wilayah perkotaan. Pada makalah ini dijelaskan analisis dimensi fraktal non integer untuk menentukan ketinggian relatif suatu obyek terhadap lainnya, kemudian dilakukan pengelompokan ketinggian obyek dilakukan dengan metode thresholding. Hasil analisis menunjukkan bahwa dimensi fraktal dari obyek homogen lebih kecil dari pada obyek/permukaan yang heterogen (permukaan kasar). Berdasarkan dimensi fraktalnya, obyek/bangunan di kota Jakarta (seluas 1600 ha) dapat dibagi dalam 3 klas, yaitu sangat tinggi, tinggi dan agak tinggi dan terdapat bangunan sangat tinggi seluas kurang lebih 178 ha dengan windows 9 x 9 dan kurang lebih 30 ha dengan windows 17 x 17. Bagaimanapun juga, penelitian ini merupakan tahap awal dalam mengkuantifikasi interpretasi struktur dan kompleksitas spasial citra penginderaan jauh menggunakan Dimensi Fraktal. Oleh karena itu, penelitian perlu ditindak lanjuti untuk membandingkannya dengan pengukuran dilapangan dan menggunakan data satelit dengan resolusi sangat tinggi (seperti IKONOS)Kata kunci: Dimensi Fraktal, Klasifikasi, Pengambangan, SPOT-4
ESTIMASI LIMPASAN PERMUKAAN DARI DATA SATELIT UNTUK MENDUKUNG PERINGATAN DINI BAHAYA BANJIR DI WILAYAH JABODETABEK (SATELLITE BASED SURFACE RUNOFF ESTIMATION FOR SUPPORTING THE FLOOD EARLY WARNING SYSTEM IN JABODETABEK) Parwati Sofan; Nur Febrianti; Indah Prasasti
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 11 No. 1 Juni 2014
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1780.113 KB)

Abstract

Estimasi limpasan permukaan berdasarkan kondisi kelembaban tanah di wilayah Jakarta dan sekitarnya pada periode kejadian banjir, bulan Januari – Februari 2013 telah dilakukan berdasarkan data satelit penginderaan jauh Landsat dan Tropical Rainfall Measurement Mission. Data Landsat digunakan untuk menggambarkan jenis penutup/penggunaan lahan yang merupakan salah satu karakteristik daerah aliran sungai. Pada studi ini, data TRMM mampu merepresentasikan kondisi curah hujan wilayah sebesar 62.5%. Metode Curve Number-Soil Conservation Service (CN-SCS) digunakan untuk mengestimasi limpasan permukaan. Hasil estimasi limpasan permukaan ditunjukkan dalam bentuk satuan hidrograf, sehingga dapat diketahui kapan terjadinya banjir. Kondisi kelembaban tanah yang basah memberikan hasil hidrograf yang paling baik dimana pada studi ini diketahui bahwa puncak hidrograf terjadi pada tanggal 17 Januari 2013 yang bertepatan dengan kejadian banjir di wilayah Jakarta dan sekitarnya. Model hidrograf limpasan permukaan pada kondisi kelembaban tanah basah sangat berpotensi digunakan sebagai alat peringatan dini bahaya banjir. Secara spasial, akurasi keseluruhan wilayah Jakarta yang diidentifikasi banjir terhadap peta banjir yang dirilis oleh Badan Penanggulangan Bencana Nasional adalah sebesar 43 %, dengan produser’s accuracy sebesar 96 %, dan user’s accuracy 42 %.Kata Kunci: Banjir, TRMM, Landsat, CN-SCS, Limpasan permukaan, Jabodetabek

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2014 2014


Reset
Filter By Issues
All Issue Vol 18 No. 1 Juni 2021 Vol. 17 Nr. 2 Desember 2020 Vol 17 No. 1 Juni 2020 Vol. 16 No. 2 Desember 2019 Vol. 16 No. 1 Juni 2019 Vol. 15 No. 2 Desember 2018 Vol. 15 No. 1 Juni 2018 Vol. 14 No. 2 Desember 2017 Vol. 14 No. 1 Juni 2017 Vol. 13 No. 2 Desember 2016 Vol. 13 No. 1 Juni 2016 Vol. 12 No. 2 Desember 2015 Vol. 12 No. 1 Juni 2015 Vol 11 No.2 Desember 2014 Vol. 11 No. 1 Juni 2014 Vol. 10 No.2 Desember 2013 Vol. 10 No. 1 Juni 2013 Vol. 9 No. 2 Desember 2012 Vol 9 No.1 Juni 2012 Vol 8 (2011) Vol 6, (2009) Vol 5, (2008) Vol 4, No.1 Juni (2007) Vol.3, No.1 Juni (2006) Vol 1, No.1 Juni (2004) More Issue