cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Lalu Muhamad Jaelani
Contact Email
lmjaelani@its.ac.id
Phone
+62819634394
Journal Mail Official
lmjaelani@its.ac.id
Editorial Address
Departemen Teknik Geomatika, Institut Teknologi Sepuluh Nopember (ITS) Surabaya Phone 031-5929486, 031-5929487
Location
Kota surabaya,
Jawa timur
INDONESIA
Jurnal Penginderaan Jauh Indonesia
Published by Institut Teknologi Sepuluh Nopember Surabaya
ISSN : -     EISSN : 26570378     DOI : https://doi.org/10.12962/jpji
Core Subject : Science, Agriculture, Engineering,
Agriculture, Biological Sciences & Forestry Astronomy Computer Science & IT Earth & Planetary Sciences Engineering
Jurnal Penginderaan Jauh Indonesia disingkat JPJI (e-ISSN: 2657-0378) pertama kali terbit sejak 1 Februari 2019. JPJI adalah media komunikasi dan diseminasi hasil penelitian, kajian dan pemikiran terkait teori, sains, dan teknologi penginderaan jauh serta pemanfaatannya. Fokus jurnal mencakup penginderaan jauh untuk objek dipermukaan bumi, baik di darat, laut maupun atmosfer. JPJI diterbitkan oleh Institut Teknologi Sepuluh Nopember (ITS) bersama Masyarakat Ahli Penginderaan Jauh Indonesia (MAPIN/ISRS).
Arjuna Subject : Ilmu Bumi dan Planet (semua kategori) - Ilmu Bumi dan Planet (Lain-Lain)
Articles 5 Documents
 1 
Search results for , issue "Vol 1 No 1 (2019)" : 5 Documents clear
Multi-sensor Multi-temporal Relative Radiometric Normalization (RRN) Menggunakan Metode Weighted Regularized Generalized Canonical Correlation Analysis (WRGCCA) Denaro, Lino Garda; Syariz, Muhammad Aldila; Nabilah, Salwa; Heriza, Dewinta; Lin, Chao-Hung
Jurnal Penginderaan Jauh Indonesia Vol 1 No 1 (2019)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/jpji.v1i1.251

Abstract

Dalam perkembangan teknologi decade terakhir ini, data citra satelit multi-temporal sudah sangat berlimpah dan mulai sulit untuk dieksplorasi secara optimal. Pemanfaatan citra satelit multi-temporal dengan metode deteksi perubahan sangat berguna untuk memodelkan dan memprediksi perubahan spasial dengan rentang waktu tertentu. Pemanfaatan data-data multi-temporal sebelumnya akan menghasilkan model perubahan spasial dengan durasi yang lebih panjang. Apalagi jika permodelan dan prediksi ini dilakukan dengan sensor yang berbeda. Sehingga dapat menghasilkan deteksi perubahan dengan cakupan yang lebih luas dan multi-fungsi. Namun dalam pengaplikasikannya, perlu adanya koreksi radiometrik antara citra multi-temporal dan juga citra multi-sensor. Pengoreksian ini bisa dilakukan dengan pendekatan relatif yang dikenal dengan relatif radiometrik normalisasi (RRN) secara linear. Ide utama metode RRN ini adalah dengan memanfaatkan seleksi fitur invariant (piksel yang stabil) antara citra multi-temporal dengan cara transformasi linear. Metode WRGCCA (weighted regularized generalized canonical correlation analysis) diusulkan untuk digunakan sebagai seleksi fitur invariant atau PIFs (pseudo-invariant features) dengan perbedaan sensor dan temporal tertentu. Metode ini merupakan perkembangan dari metode MAD (multivariate alteration detection) yang berguna untuk mendeteksi perubahan spasial secara bi-temporal dan GCCA (generalized canonical correlation analysis) yang memanfaatkan citra multi-temporal sekaligus. Namun, masing-masing metode tersebut mempunyai keterbatasan dalam menyeleksi PIFs baik bi-temporal maupun multi-temporal. Oleh karena itu, dengan menambahkan fungsi pembobotan dan regularisasi dalam algoritma tersebut, metode yang diajukan, WRGCCA, dapat lebih baik dalam penyeleksian pseudo-invariant features yang lebih akurat.
Analisis Spasial Distribusi SSS Menggunakan Data Citra Landsat 8-OLI Sebagai Pedoman Dalam Mitigasi Korosi Laut (Studi Kasus: Perairan Teluk Kendari) Nurgiantoro; Hamdhana
Jurnal Penginderaan Jauh Indonesia Vol 1 No 1 (2019)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/jpji.v1i1.252

Abstract

Salinitas (sea surface salinity, SSS) secara intuitif merupakan jumlah garam dalam larutan air laut dengan unit psu. Garam adalah bagian dari SSS yang mampu direkam oleh sensor satelit. Studi ini bertujuan memaparkan cara mengekstraksi data spektral Landsat 8 untuk menentukan distribusi SSS perairan Teluk Kendari, distribusi dan polanya dijadikan sebagai pedoman mitigasi korosi air laut terhadap material bangunan pantai. Dalam penelitian ini, SSS diekstraksi menggunakan rasio-kanal dengan panjang gelombang 450-510 nm dan 530-590 nm, temporal 5 tahun (2014-2018). Hasilnya menunjukkan rataan SSS estimasi 2014-2018 adalah 8,583 psu, 8,612 psu, 8.627 psu, 8,273 psu, dan 8,372 psu. Di laut terbuka, kisaran salinitas umumnya bernilai 33-37 psu dan ini sangat konstan. Limpasan sungai dan curah hujan yang tinggi merupakan faktor utama rendahnya SSS perairan Teluk Kendari.
Estimasi Konsentrasi Klorofil-a menggunakan Refined Neural Network (Studi Kasus: Perairan Danau Kasumigaura) Syariz, Muhammad Aldila; Denaro, Lino Garda; Nabilaha, Salwa; Heriza, Dewinta; Jaelani, Lalu Muhamad; Lin, Chao-Hung
Jurnal Penginderaan Jauh Indonesia Vol 1 No 1 (2019)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/jpji.v1i1.253

Abstract

Klorofil-a menjadi salah satu bagian penting dalam merepresentasikan tingkat kesahatan suatu perairan. Beberapa peneliti menggunakan metode neural network untuk mengestimasi konsentrasi klorofil-a di wilayah perairan. Namun, dikarenakan oleh tidak mumpuninya jumlah sampel data pada beberapa stasiun, keakuratan hasil estimasi menjadi kurang dapat dipercaya. Inverse distance weighting (IDW) akan digunakan dalam penelitian untuk menginterpolasi konsentrasi klorofil-a di wilayah perairan non stasiun sehingga dapat memperkaya data sampel. Data sampel non stasiun ini selanjutnya digunakan dalam proses training pada neural network; dan selanjutnya, data sampel pada stasiun akan digunakan dalam proses network refinement sehingga tingkat akurasi dalam mengestimasi konsentrasi klorofil-a menjadi meningkat. Citra MERIS akan digunakan dalam penelitian ini. Berdasarkan hasil analisa statistik, nilai RMSE sebelum dan sesudah network refinement menurun dari 6,7872 mg m-3 menjadi 6,5606 mg m-3.
Pengaruh Perubahan Tutupan Lahan Terhadap Emisi GRK pada Wilayah Cepat Tumbuh di Kota Semarang Dewa, Dimas Danar; Sejati, Anang Wahyu
Jurnal Penginderaan Jauh Indonesia Vol 1 No 1 (2019)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/jpji.v1i1.254

Abstract

Artikel ini bertujuan menyampaikan hasil studi yang berupa perhitungan emisi gas rumah kaca (GRK) dari faktor perubahan tutupan lahan. Metode yang digunakan adalah spatio-temporal dengan penginderaan jauh yang didukung teknik klasifikasi Support Vector Machine dari Deztsaka Tools. Hasil yang diperoleh adalah perubahan tutupan lahan paling signifikan terjadi pada kelas tutupan lahan hutan dimana mengalami penurunan sebesar 1515,29 Ha (21%). Cadangan karbon pada kawasan cepat tumbuh mengalami penurunan sebesar 90.741,06 ton (68,58%) dan sebesar 22% kawasan melepaskan emisi GRK dengan jumlah lebih dari 1000 ton. Fenomea ini membutuhkan perhatian serius karena perubahan tutupan lahan sangat signifikan berpengaruh, sehingga upaya pengendalian melalui kebijakan penataan ruang mutlak diperlukan.
Aplikasi Citra WorldView-2 Untuk Pemetaan Batimetri Di Pulau Kemujan Taman Nasional Karimunjawa Rahman, Waskito; Wicaksono, Pramaditya
Jurnal Penginderaan Jauh Indonesia Vol 1 No 1 (2019)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/jpji.v1i1.255

Abstract

Citra penginderaan jauh telah berkembang dan menyediakan peluang untuk dapat menyediakan informasi kedalaman di perairan dangkal melalui pemodelan empiris, dengan memanfaatkan energi yang dipantulkan oleh objek di dasar perairan dan direkam oleh sensor penginderaan jauh. Tujuan penelitian ini adalah memetakan batimetri di Pulau Kemujan menggunakan pemodelan empiris penginderaan jauh. Penelitian ini menggunakan citra WorldView-2 sebagian Pulau Kemujan dengan empat saluran multispektral, yaitu band biru, hijau, merah dan inframerah dekat, yang dikombinasikan menjadi 12 band rasio dan diintegrasikan dengan data kedalaman hasil pengukuran lapangan sebanyak 369 titik sampel untuk uji akurasi dan 120 titik sampel untuk pemodelan batimetri pada rentang kedalaman 0-7 m. Hasil pemodelan menunjukkan bahwa model empiris batimetri terbaik adalah rasio band hijau dan band biru dengan nilai R² sebesar 0,632 dan standard error of estimate (SE) sebesar 1,2 m. Penelitian ini menunjukkan bahwa band biru yang dikombinasikan dengan band lain memiliki kontribusi yang signifikan dalam pemodelan batimetri.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2019 2019


Reset
Filter By Issues
All Issue Vol 5 No 1 (2026) Vol 4 No 2 (2025) Vol 4 No 1 (2025) Vol 3 No 1 (2021) Vol 2 No 2 (2020) Vol 2 No 1 (2020) Vol 1 No 2 (2019) Vol 1 No 1 (2019)