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 25 Documents
 1   2   3 
Analisis Perubahan Vegetasi dengan Data Sentinel-2 menggunakan Google Earth Engine (Studi Kasus Provinsi Daerah Istimewa Yogyakarta) Julianto, Fandi Dwi; Putri, Dinda Pratiwi Dwi; Safi’i, Hafizh Humam
Jurnal Penginderaan Jauh Indonesia Vol 2 No 2 (2020)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/jpji.v2i2.262

Abstract

Daerah Istimewa Yogyakarta memiliki tingkat perubahan tutupan lahan vegetasi yang relatif cepat berbanding lurus dengan kenaikan jumlah penduduk yang dapat berdampak pada perubahan lingkungan dan ekosistem. Penginderaan jauh merupakan teknologi yang efektif dalam menentukan tutupan lahan. Teknologi tersebut dapat melakukan pemantauan perubahan lahan vegetasi secara berkala dari waktu ke waktu dan dengan berbagai skala. Penelitian ini bertujuan untuk mengetahui perubahan vegetasi di Provinsi DIY dengan metode transformasi indeks vegetasi menggunakan algoritma NVDI (Normalized Difference Vegetation Index). Pengolahan menggunakan Google Earth Engine yang merupakan platform berbasis cloud yang memudahkan dalam pemantauan perubahan vegetasi dengan cepat dan akurat dari tahun ke tahun. Citra satelit yang digunakan merupakan citra satelit resolusi menengah sentinel-2 level 2A dan level 1C yang dilakukan koreksi atmoferik menggunakan algoritma SIAC. Hasil pengolahan citra satelit tahun 2017-2020 menunjukan penurunan rata-rata nilai NDVI dengan nilai rata-rata tertinggi pada tahun 2018 sebesar 0,73 dan terendah pada tahun 2019 sebesar 0,59. Perubahan vegetasi didominasi oleh kelas vegetasi rapat yang beralih menjadi kelas vegetasi sedang.
Variasi Emisi Gas Nitrogen Dioksida saat Pembatasan Sosial Berskala Besar di Provinsi Jawa Barat dari Pengolahan Data Satelit Sentinel-5P Anggraini, Tania Septi; Artaningh, Febzi; Sihotang, Elstri; Agustan
Jurnal Penginderaan Jauh Indonesia Vol 2 No 2 (2020)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/jpji.v2i2.263

Abstract

Satelit Sentinel-5P yang diluncurkan oleh ESA (European Space Agency) pada tahun 2017 mempunyai misi untuk pengamatan atmosfer di bumi. Salah satu produk dari satelit Sentinel-5P adalah informasi sebaran tropospheric column density untuk beberapa gas termasuk gas Nitrogen dioksida (NO2). Gas NO2 identik sebagai hasil emisi dari aktivitas manusia seperti pabrik dan asap kendaraan. Pada tahun 2020 ini, pandemi COVID-19 terjadi di seluruh dunia termasuk Indonesia, sehingga untuk memutus mata rantai penyebarannya, pemerintah memberlakukan Pembatasan Sosial Berskala Besar (PSBB) yang salahsatunya diterapkan di Provinsi Jawa Barat. Data satelit Sentinel-5P diolah dan dianalisis dengan interpolasi kriging untuk melihat variasi perubahan emisi gas NO2 pada beberapa kota di Jawa Barat yang dijadikan sampel. Terlihat bahwa emisi gas NO2 rata-rata menurun selama pemberlakuan PSBB. Tetapi, seminggu sebelum hari raya Idul Fitri 1441 H, yaitu pada tanggal 18 Mei 2020 terlihat terjadi peningkatan emisi yang signifikan lebih tinggi sekitar 6 kali di 3 kota/kabupaten, yaitu Kota Bandung, Kabupaten Bandung dan Kabupaten Bogor. Kegiatan ini juga menunjukkan bahwa informasi harian yang diperoleh dari satelit Sentinel-5P dapat digunakan untuk operasional pemantauan gas di atmosfir.
Analisis Data Sentinel-2 Untuk Mendukung Pariwisata Kawasan Wakatobi Artaningh, Febzi; Anggraini, Tania Septi; Sihotang, Elstri; Sakti, Anjar Dimara; Agustan
Jurnal Penginderaan Jauh Indonesia Vol 2 No 2 (2020)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/jpji.v2i2.264

Abstract

Pariwisata memiliki peran dalam meningkatkan ekonomi suatu kawasan, sehingga perlu dilakukan perencanaan, pengelolaan dan pemantauan kawasan pariwisata yang berkelanjutan. Metode penginderaan jauh berbasis satelit terbukti handal untuk mendapatkan informasi suatu kawasan secara efektif dan teratur. Satelit Sentinel-2 memantau perubahan tutupan lahan secara berkala sehingga dapat digunakan untuk analisis daya dukung lingkungan untuk kepariwisataan. Pengolahan data Sentinel-2 yang terdiri dari beberapa citra (scene) pada dua waktu pengamatan dilakukan dengan strategi mosaic dan komposit warna. Keunikan pesisir Kawasan Wakatobi dianalisis dengan metode indeks vegetasi dikombinasikan dengan data pasut. Terdapat beberapa objek yang terindikasi mengalami perubahan spektrum dan wilayah yang mengalami perubahan berkisar 30,55 km2 dalam tempo 5 bulan. Objek menarik tersebut berpotensi untuk mendukung wisata di Kawasan Wakatobi.
Pemantauan Konsentrasi Gas SO2 di Sekitar Gunung Sinabung Menggunakan Citra Satelit Sentinel-5 Precursor Sihotang, Elstri; Artaningh, Febzi; Anggraini, Tania Septi; Sakti, Anjar Dimara; Agustan
Jurnal Penginderaan Jauh Indonesia Vol 2 No 2 (2020)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/jpji.v2i2.265

Abstract

Gunung Sinabung adalah gunung tipe A yang sampai saat ini masih aktif. Gunung Sinabung terletak di salah satu kabupaten di Provinsi Sumatra Utara, yaitu Kabupaten Karo. Erupsi Gunung Sinabung tidak hanya berdampak pada suatu wilayah saja, akan tetapi juga pada wilayah yang ada di sekitar gunung tersebut. Salah satu zat yang disemburkan oleh gunungapi pada saat erupsi adalah gas SO2. Gas SO2 merupakan parameter penting untuk menentukan kualitas udara. Gas SO2 yang terdapat pada atmosfer melalui proses natural dan proses antropogenik. Data gas SO2 didapatkan dengan memanfaatkan hasil rekaman Sentinel-5P. Data Sentinel-5P diolah dan dianalisis untuk dapat mengetahui konsentrasi gas SO2 di wilayah sekitar Gunung Sinabung dan juga perubahan konsentrasigas SO2 di beberapa daerah yang dijadikan sampel. Secara umumkonsentrasi gas SO2 tertinggi berada pada kawah Gunung Sinabung,akan tetapi pada tanggal 22 Juli 2019 konsentrasi gas SO2 padaKabupaten Deli Serdang lebih tinggi sekitar 75% dari konsentrasigas SO2 di daerah kawah. Penelitian ini juga dapat menunjukkanbahwa data Sentinel-5P dapat digunakan untuk memantau gas diatmosfir.
Klasifikasi Penutup/Penggunaan Lahan Data Landsat-8 OLI Menggunakan Metode Random Forest Zulfajri; Danoedoro, Projo; Murti, Sigit Heru
Jurnal Penginderaan Jauh Indonesia Vol 3 No 1 (2021)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/jpji.v3i1.266

Abstract

Informasi penggunaan dan tutupan lahan terbaru sangat diperlukan dalam perencanaan pembangunan wilayah dan pemantauan lingkungan. Salah satu cara untuk memperoleh informasi tersebut yaitu melalui pengolahan data citra satelit penginderaan jauh. Citra Landsat-8 OLI merupakan salah citra satelit penginderaan jauh yang mempunyai resolusi spasial multispektral 30 m dan resolusi temporal 16 hari. Penelitian ini bertujuan untuk melakukan klasifikasi tutupan lahan di sebagian wilayah Kabupaten Pidie menggunakan metode random forest berdasarkan citra Landsat-8 OLI dan menghitung nilai akurasi dari hasil klasifikasi tersebut. Ekstraksi informasi tutupan lahan dilakukan dengan menggunakan metode random forest dengan proporsi 70% untuk data training dan 30% untuk data testing. Kemudian uji akurasi dari hasil klasifikasi yang dilakukan menggunakan metode confusion matrix. Hasil pemetaan tutupan lahan di sebagian wilayah Kabupaten Pidie menunjukkan bawah kelas tutupan lahan sawah mendominasi daerah penelitian dengan luas sebesar 22.598,20 ha (29,22% dari total luas daerah penelitian). Hasil klasifikasi tutupan lahan menghasilkan nilai akurasi keseluruhan sebesar 89,53% dan nilai kappa 0,91.
ANALISIS BANJIR DAN TANAH LONGSOR TERKAIT PERUBAHAN TUTUPAN LAHAN DAN INDEKS VEGETASI DI KOTA BATU MENGGUNAKAN CITRA SATELIT MULTI-TEMPORAL Mahmud, Fahrin Ajie; Kurniawan, Akbar
Jurnal Penginderaan Jauh Indonesia Vol 4 No 1 (2025)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/jpji.v4i1.3209

Abstract

Natural disasters pose significant threats to communities, often resulting from natural factors and human activities, such as landslides and floods. In 2023, Indonesia experienced 5,400 disasters, with 99.35% being hydrometeorological events. Batu City, East Java, has seen an increase in disasters, particularly landslides and floods, indicating ecosystem disturbances due to land-use changes. This study employs multi-temporal satellite imagery data (Landsat-8 and Sentinel-2) from 2013 to 2023 to analyze land cover changes and vegetation indices. The maximum likelihood supervised classification method and the Normalized Difference Vegetation Index (NDVI) were utilized to map land cover and vegetation distribution. Results reveal significant land cover changes, with non-vegetated areas increasing by 189.291 hectares and vegetated areas decreasing by 177.477 hectares. These changes contribute to the rising incidence of landslides and floods, particularly in residential and agricultural areas. Spatio-temporal analysis demonstrates a correlation between land cover changes, vegetation indices, and disaster frequency, underscoring the importance of sustainable land management in mitigating disaster risks.
KLASIFIKASI TUTUPAN LAHAN TAHUN 2021 DENGAN METODE RANDOM FOREST (RF) DAN SUPPORT VECTOR MACHINE (SVM) (STUDI KASUS: KOTA MATARAM) Raihan, Muhammad Anis; Hidayat, Husnul; Handayani, Hepi Hapsari
Jurnal Penginderaan Jauh Indonesia Vol 4 No 1 (2025)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/jpji.v4i1.3369

Abstract

Land cover is all types of features that exist on the earth's surface on certain land, either artificial or natural. Information related to monitoring and processing satellite image data to obtain land cover classification can be done in various ways, one of which is machine learning methods. This study aims to apply machine learning methods in monitoring land cover using Landsat-8 imagery, to obtain a technique that has high accuracy and is suitable for monitoring land cover. This study uses machine learning methods, namely Support Vector Machine (SVM) and Random Forest (RF). The classification of land cover in this study consists of five classes, namely, built-up areas, water bodies, vacant land, agriculture, and vegetation, where the determination of this land cover class is based on the type of land cover that exists on the RTRW Map of Mataram City in 2011-2031. match the image used. This study shows that the method with the best accuracy is the Support Vector Machine (SVM) method with overall accuracy and kappa accuracy values of 0.9101 and 0.8748. However, there is a misclassification caused by several factors such as the reflectance value of each pixel which is almost the same, the cropping period, and other factors. These factors need to be considered because they affect the land cover classification results.
ANALISIS KETELITIAN KLASIFIKASI PENUTUPAN LAHAN MENGGUNAKAN METODE DIGITIZE ON SCREEN DAN DEEP LEARNING SERIES CONVOLUTIONAL NEURAL NETWORK (CNN) BERDASARKAN CITRA LANDSAT-8 OLI (STUDI KASUS: PROVINSI KALIMANTAN TIMUR) Sukojo, Bangun Muljo; Ramadaningtyas, Niken
Jurnal Penginderaan Jauh Indonesia Vol 4 No 1 (2025)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/jpji.v4i1.3370

Abstract

Land cover is dynamic due to human needs or natural events that can occur in a planned or unplanned manner. Dit. IPSDH-KLHK uses remote sensing satellite imagery data to generate land cover data using a visual interpretation method (manual interpretation). Object identification is done by digitizing on screen. Along with the development of the times and current technology, several studies have emerged regarding the classification of land cover and its accuracy test using the latest technology, one of which uses deep learning. In this study, the accuracy of the digitize on screen classification results and land cover classification using deep learning was carried out along with the accuracy test. The test for the accuracy of land cover classification as a result of digitizing on screen was carried out using the centroid method. Validation was carried out using high resolution satellite imagery, namely google earth pro according to the temporal acquisition of Landsat 8 imagery used, namely July 2019-June 2020 by spreading 360 samples randomly. The results show that East Kalimantan Province has 21 land cover classes with an overall accuracy value of 87.22% in the very good category and in the tolerance category. Land cover classification using deep learning is carried out using segmented Landsat-8 OLI images. Sampling was carried out with a segment picker for 20 land cover classes without the Mixed Dry Land Agriculture class. The classification results show overlapping because one land cover class is also classified into other classes and not all image areas are classified. The accuracy test was carried out with the same location of the sample point as the test sample for the digitize on screen method. The accuracy value of the deep learning method using 188 samples in classified areas resulted in an accuracy of 70.21% for 21 land cover classes. This is due to the many land cover classes with almost similar interpretation keys. The interpretation key of 21 land cover classes is more suitable for the digitize on screen method.
IDENTIFIKASI SEBARAN TINGKAT BAHAYA EROSI DI DAS BRANTAS (WILAYAH ADMINISTRASI KOTA SURABAYA) TAHUN 2022 Sianturi, Ignatius Bennito; Pribadi, Cherie Bhekti
Jurnal Penginderaan Jauh Indonesia Vol 4 No 1 (2025)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/jpji.v4i1.3449

Abstract

Erosion is a critical environmental degradation event that has profound implications for agricultural productivity, ecosystem stability, and sustainable development. This study aims to quantify the rate of soil erosion in various agro-ecological zones and to evaluate the effectiveness of soil conservation practices. Given that soil conservation processes require predicting the rate of erosion that occurs, erosion rate modeling was conducted. The commonly used modeling of erosion rate values is often limited to modeling the rate of erosion caused by water, such as sheet erosion, gully erosion, and several other erosions. High and uncontrolled erosion rates can lead to the loss of soil fertility and the accumulation of thick sediment in river flows, which can cause disasters such as floods and others. In this study, the determination of erosion hazards was conducted using the RUSLE (Revised Universal Soil Loss Equation) method in the Brantas River Basin (Administrative Boundary of Surabaya City). From the obtained erosion rate values, it was found that the Brantas River Basin area (Surabaya City area) on average has a “light” hazard level.
Analisis Multtemporal Konsentrasi SO2 di Atas Semeru Berbasis Data Citra Satelit Sentinel-5P dengan Platform Google Earth Engine Ramadhanni, Rizky Fitria; Jaelani, Lalu Muhamad
Jurnal Penginderaan Jauh Indonesia Vol 4 No 2 (2025)
Publisher : Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/jpji.v4i2.6286

Abstract

Gunung Semeru merupakan salah satu gunung api aktif di Indonesia yang secara periodik mengalami erupsi dan melepaskan gas berbahaya seperti Sulfur Dioksida (SO2) ke atmosfer. Gas ini berpengaruh besar terhadap kualitas udara, kesehatan, dan lingkungan, sehingga perlu dipantau secara berkala. Penelitian ini bertujuan untuk menganalisis tren dan sebaran konsentrasi SO2 di atas Gunung Semeru secara multitemporal dari tahun 2019 hingga 2024 menggunakan citra satelit Sentinel-5P dengan platform Google Earth Engine (GEE). Metode yang digunakan meliputi pemrosesan data citra level-3 (OFFL), konversi satuan ke µg/m³, visualisasi spasial dalam bentuk peta dan grafik, serta validasi dengan data sekunder seperti erupsi PVMBG, Google Trends, dan data arah angin. Hasil menunjukkan pola peningkatan konsentrasi SO2 yang konsisten dengan aktivitas erupsi besar pada tahun 2020, 2021, dan 2023, serta persebaran spasial yang dipengaruhi oleh arah angin dominan. Selain itu, dibangun pula aplikasi interaktif berbasis GEE yang dapat digunakan untuk monitoring publik dan instansi. Kesimpulan dari penelitian ini adalah bahwa pemanfaatan citra Sentinel-5P melalui GEE terbukti efektif dalam mendeteksi dan memvisualisasikan konsentrasi SO2 secara spasial-temporal, serta memiliki potensi besar sebagai alat mitigasi bencana berbasis teknologi penginderaan jauh.

Page 2 of 3 | Total Record : 25

 1   2   3 

Filter by Year

2019 2026


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)