cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Muhammad Aldila Syariz
Contact Email
aldilasyariz@its.ac.id
Phone
+6282131726693
Journal Mail Official
aldilasyariz@its.ac.id
Editorial Address
Geomatics Engineering's Building, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia
Location
Kota surabaya,
Jawa timur
INDONESIA
Geoid - Journal of Geodesy and Geomatics
Published by Institut Teknologi Sepuluh Nopember Surabaya
ISSN : 18582281     EISSN : 24423998     DOI : https://doi.org/10.12962/geoid.v20i1
Core Subject : Science, Agriculture, Social, Engineering,
Agriculture, Biological Sciences & Forestry Earth & Planetary Sciences Engineering Environmental Science
General topics of interest include: - Geodesy and geomatics development theory - Geodesy and geomatics applications - Natural Disaster - Land and Ocean Development - Natural Resources - Environment - Science and technology in Mapping and Surveying - Earth Sciences A further issue related to geodesy and geomatics engineering such as: - Optical Remote Sensing and Radar Remote Sensing - Cadastre and 3D Modeling - Geodynamics theory and application - Geospatial - Land Surveying - Geomarine - Photogrammetry
Arjuna Subject : Ilmu Bumi dan Planet (semua kategori) - Ilmu Bumi dan Planet (Lain-Lain)
Articles 14 Documents
 1   2 
Search results for , issue "Vol. 17 No. 2 (2022)" : 14 Documents clear
Penentuan Batas Pengelolaan Wilayah Laut antara Provinsi Kepulauan Riau dan Provinsi Kalimantan Barat menurut Undang-Undang Nomor 23 Tahun 2014 Sari, Anggun Aprilia; Khomsin, -; Pribadi , Cherie Bhekti
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.v17i2.1745

Abstract

Provinsi Kepualauan Riau merupakan daerah yang berbatasan dengan provinsi Kalimantan Barat. Posisi dari kedua daerah tersebut adalah berhadapan dan dipisahkan oleh laut. Menurut undang-undang No. 23 Tahun 2014 batas pengelolaan laut daerah adalah seluas 12 mil laut diukur dari garis pantai terluar sebuah pulau. Sehingga apabila diukur sejauh 12 mil laut dari masing-masing daerah terjadi tumpang tindih pengelolaan wilayah laut antara Provinsi Kepulauan Riau dan Provinsi Kalimantan Barat. Penetapan batas wilayah diatur dalam Peraturan Menteri Dalam Negeri No.141 Tahun 2017. Dalam peraturan ini dijelaskan untuk menentukan batas pengelolaan laut yang posisi kedua daerah berhadapan adalah dengan median line. Dari hasil penelitian yang dilakukan, didapatkan hasil luas pengelolaan laut Provinsi Kepulauan Riau adalah seluas 108530.11 km2 dan luas pengelolaan laut Provinsi Kalimantan Barat adalah seluas 14.407 km2.
Literatur Review: Penilaian Pajak Bumi dan Bangunan di Wilayah Perkotaan Deviantari, Udiana Wahyu; Kurniawan, Akbar
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.v17i2.1746

Abstract

Pajak bumi dan bangunan menawarkan bentuk perpajakan yang adil dan efisien untuk daerah perkotaan yang dapat berdampak pada investasi, dan memungkinkan pemerintah untuk mengidentifikasi kenaikan harga tanah dan properti. Sistem perpajakan yang dirancang dan dikelola memiliki kelemahan dalam menentukan penilaian pajak bumi dan bangunan. Studi ini akan membantu meningkatkan pajak bumi dan bangunan secara lebih efisien, terutama untuk daerah perkotaan. Makalah ini mengidentifikasi beberapa metode dalam menentukan pajak bumi dan bangunan di perkotaan. Data nilai tanah yang tersedia dapat membantu dalam mengidentifikasi secara empiris hubungan antara pajak dan pertumbuhan ekonomi. Metode ini dapat membantu pemerintah dalam menentukan pajak secara lebih adil, efisien, dan transparan.
Literatur Review: Perbandingan Berbagai Teknik Pemodelan Land Subsidence Kurniawan, Akbar; Deviantari , Udiana Wahyu
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.v17i2.1747

Abstract

Fenomena penurunan tanah atau Land Subsidence merupakan peristiwa yang dapat diidentifikasi dengan berbagai metode. Penting untuk dapat mengetahui terlebih dahulu hipotesa penyebab terjadinya penurunan tanah, diantaranya adalah disebabkan eksploitasi air bawah tanah, eksploitasi hidrokarbon, terjadinya konsolidasi tanah, akibat faktor geologi dan aktivitas tektonik Review artikel ini dilakukan dengan melakukan pencarian data pada database jurnal. Keyword yang digunakan pada pencarian artikel adalah “Land Subsidence Modeling”. Artikel yang didapatkan kemudian dibandingkan. Perbandingan dilakukan untuk mendapatkan inti dari artikel ilmiah tersebut terutama pada judul, data yang digunakan, metode pemodelan, metode pengamatan land subsidence, dan hasil penelitian. Indentifikasi Land Subsidence dapat dilakukan dengan menggunakan metode analisa kompaksi lapisan tanah dan batuan, analisa perubahan muka air bawah tanah, pengukuran GPS, Levelling dan time-series InSAR. Pemodelan terhadap fenomena Land Subsidence tidak cukup dengan hanya data geometrik dari pengukuran geodetik, tapi juga harus didukung data fisis yang berkaitan dengan penyebab Land Subsidence
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.

Page 2 of 2 | Total Record : 14

 1   2 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol. 21 No. 1 (2026) Vol. 20 No. 2 (2025) Vol. 20 No. 1 (2025) Vol. 19 No. 3 (2024) Vol. 19 No. 2 (2024) Vol. 19 No. 1 (2023) Vol. 18 No. 2 (2023) Vol. 18 No. 1 (2022) Vol. 17 No. 2 (2022) Vol. 17 No. 1 (2021) Vol. 16 No. 2 (2021) Vol. 16 No. 1 (2020) Vol. 15 No. 2 (2020) Vol. 15 No. 1 (2019) Vol. 14 No. 2 (2019) Vol. 14 No. 1 (2018) Vol. 13 No. 2 (2018) Vol. 13 No. 1 (2017) Vol. 12 No. 2 (2017) Vol. 12 No. 1 (2016) Vol. 11 No. 2 (2016) Vol. 11 No. 1 (2015) Vol. 10 No. 2 (2015) Vol. 10 No. 1 (2014) Vol. 9 No. 2 (2014) Vol. 9 No. 1 (2013) Vol. 8 No. 2 (2013) Vol. 8 No. 1 (2012) Vol. 7 No. 2 (2012) Vol. 7 No. 1 (2011) Vol. 6 No. 2 (2011) Vol. 6 No. 1 (2010) Vol. 5 No. 2 (2010) Vol. 5 No. 1 (2009) Vol. 4 No. 2 (2009) Vol. 4 No. 1 (2008) Vol. 3 No. 2 (2008) Vol. 2 No. 2 (2007) More Issue