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 semarang,
Jawa tengah
INDONESIA
Jurnal Geodesi Undip
Published by Universitas Diponegoro
ISSN : -     EISSN : -     DOI : -
Core Subject : Science,
Earth & Planetary Sciences
Jurnal Geodesi Undip adalah media publikasi, komunikasi dan pengembangan hasil karya ilmiah lulusan Program S1 Teknik Geodesi Fakultas Teknik Universitas Diponegoro.
Arjuna Subject : -
Articles 40 Documents
 1   2   3   4 
Search results for , issue "Volume 9, Nomor 1, Tahun 2020" : 40 Documents clear
ANALISIS PERKEMBANGAN RUANG TERBUKA HIJAU TERHADAP CAKUPAN AIR TANAH DI KOTA SEMARANG Ahmad Firdous Syifa; Sawitri Subiyanto; Fauzi Janu Amarrohman
Jurnal Geodesi UNDIP Volume 9, Nomor 1, Tahun 2020
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (783.588 KB)

Abstract

ABSTRAKRuang Terbuka Hijau (RTH) menurut Peraturan Daerah Kota Semarang  Nomor 7 Tahun 2010 Tentang Penataan Ruang Terbuka Hijau adalah area memanjang atau jalur dan atau mengelompok, yang penggunaannya lebih bersifat terbuka, tempat tumbuh tanaman, baik yang tumbuh secara alamiah maupun sengaja ditanam. Cakupan air tanah atau keseluruhan Muka Air Tanah (MAT) terkait erat oleh kependudukan di suatu wilayah. Tingkat pertumbuhan dan kepadatan penduduk yang tinggi tentunya dapat berimplikasi terhadap akses untuk memperoleh air bersih. Ruang terbuka hijau adalah salah satu faktor yang menjadi konsentrasi atas perubahan kedalaman air tanah dikarenakan RTH mempunyai manfaat salah satunya adalah sebagai daerah resapan air. Penelitian ini menggunakan metode  klasifikasi supervised classification untuk melihat perubahan RTH dan non-RTH yaitu daerah terbangun, badan air, jalan dan lahan kosong. Hasil perubahan RTH dan non-RTH dikorelasikan dengan perubahan MAT dengan menggunakan metode pemodelan Inverse Distance Weighted (IDW)  yang menghasilkan model perubahan MAT. Korelasi spasial perubahan MAT dan luasan RTH Pada tahun 2016 ke 2019 menunjukkan korelasi sebesar 0,09% untuk tingkat korelasi rendah, 0,18% untuk tingkat korelasi sedang, 0,23% untuk tingkat korelasi tinggi dan 0,29% untuk tingkat korelasi sangat tinggi. Tingkat korelasi perubahan kedalaman MAT dengan luasan RTH memiliki angka persentase total terlalu sedikit yaitu dibawah 5% dari jumlah total luas Kota Semarang, sehingga dapat disimpulkan bahwa perubahan kedalaman MAT dengan luasan RTH berkorelasi rendah. Kata Kunci : Cakupan Air Tanah, Inverse Distance Weighted (IDW), Korelasi Spasial, Ruang Terbuka Hijau, Supervised ClassificationABSTRACTGreen Open Space (RTH) according to Semarang City Regional Regulation No. 7 of 2010 concerning the Arrangement of Green Open Space is an elongated area or path and or grouped, the use of which is more open, place to grow plants, both those that grow naturally and intentionally planted. Groundwater coverage or the whole ground water level (MAT) is closely related to population in an area. High growth rates and population densities can certainly have implications for access to clean water. Green open space is one of the factors that is the concentration of changes in groundwater depth because green space has the benefit of one of which is as a water catchment area. This study uses the supervised classification method to see changes in green open space and non-green open space built area, water bodies, roads and vacant land. The results of changes in green space and non-green space are correlated with changes in MAT using the Inverse Distance Weighted (IDW) modeling method that results in a model of MAT changes. Spatial correlation method of overlapping changes in MAT and RTH area In 2016 to 2019 showed a correlations of 0.09% for low correlation, 0.18% for medium correlation, 0.23% for high correlation and 0.29% for very high correlation. The level of correlation of changes in MAT depth with the area of green space has a total percentage of numbers that is too little ie under 5% of the total area of the City of Semarang, so it can be concluded that the change in the depth of MAT with the area of green space correlation level is low.
ANALISIS PERBANDINGAN METODE PCA (PRINCIPAL COMPONENT ANALYSIS) DAN INDEKS MINERAL LEMPUNG UNTUK PEMODELAN SEBARAN KANDUNGAN BAHAN ORGANIK TANAH MENGGUNAKAN CITRA SATELIT LANDSAT DI KABUPATEN KENDAL Nailatul Muna; Yudo Prasetyo; Bandi Sasmito
Jurnal Geodesi UNDIP Volume 9, Nomor 1, Tahun 2020
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (883.402 KB)

Abstract

ABSTRAK Tanah yang baik merupakan tanah yang subur, yang dapat ditanami berbagai macam tumbuhan untuk memenuhi kebutuhan manusia. Tanah yang subur kaya akan unsur hara di dalamnya, salah satunya yaitu bahan organik. Bahan organik merupakan unsur yang dapat mengindikasikan kesuburan tanah. Oleh karena itu informasi tentang kandungan bahan organik suatu tanah sangat penting untuk diketahui terutama oleh masyarakat yang berada di sektor pertanian agar dapat meningkatkan produktivitas pertanianya.Dengan menggunakan sistem pengindraan jauh dapat diperoleh hasil dengan cakupan area yang luas dengan tidak membutuhkan waktu, tenaga dan biaya cukup banyak. Metode yang digunakan dalam penelitian ini adalah regresi linear antara transformasi PCA, indeks mineral lempung dan kelerengan dengan data analisis kandungan bahan organik di lapangan, sebagai faktor indikasi adanya kandungan bahan organik dalam tanah untuk mendapatkan model terbaik antara metode PCA dan indeks mineral lempung dengan nilai Standard error Estimate  (SEE) yang kecil, serta ketelitian model jika dibandingkan dengan hasil laboratorium.Hasil dari penelitian ini adalah suatu bentuk pemodelan statistik yaitu – 29,099 + 22,969 X1 + 0,937 X2, dimana X1 merupakan indeks mineral lempung dan X2 merupakan kelerengan, dengan tingkat akurasi sebesar 72,2% berdasarkan matriks konfusi antara hasil laboratorium dan hasil pengolahan. Persebaran kandungan bahan organik didominasi oleh kelas sangat tinggi yaitu sebesar 74,5 % seluas 75642,429 Ha yang berada di Kecamatan Weleri, Ringinarum, Pegandon, Kaliwungu Selatan, Boja, Limbangan, Singorojo, Patean, Sukorejo, Plantungan dan Pagerruyung. Kata Kunci : Bahan organik, Indeks mineral lempung, PCA, Penginderaan jauh, Regresi  ABSTRACT Good soil is fertile soil, which can be planted with a variety of plants to meet human needs. Fertile soil is rich in nutrients, one of which is organic material. Organic matter is an element that can indicate soil fertility. Therefore information about the organic matter content of a soil is very important to be known especially by people who are in the agricultural sector in order to increase agricultural productivity.By using a remote sensing system results can be obtained with a wide area coverage without requiring considerable time, effort and cost. The method used in this study is a linear regression between PCA transformation, clay mineral index and slope with data analysis of organic matter content in the field, as an indication factor for the presence of organic matter content in the soil to get the best model between PCA method and clay mineral index with Standard values small Estimate error (SEE), and model accuracy when compared with laboratory results.The results of this study are a form of statistical modeling namely – 29,099 + 22,969 X1 + 0,937 X2, where X1 is the clay mineral index and X2 is slope, with an accuracy rate of 72.2% based on a confusion matrix between laboratory results and processing results. The distribution of organic matter content is dominated by a very high class of 74.5% covering an area of 75642,429 hectares in Weleri, Ringinarum, Pegandon, South Kaliwungu, Boja, Limbangan, Singorojo, Patean, Sukorejo, Plantungan and Pagerruyung Districts.Keywords: clay mineral index, organic matter, PCA, regression, remote sensing
ANALISIS KERENTANAN SOSIAL DAN PENGARUHNYA TERHADAP MASALAH SOSIAL DENGAN GEOGRAPHICALLY WEIGHTED REGRESSION (GWR) (STUDI KASUS:KOTA SEMARANG) Ilmawan Muhammad Hida; Abdi Sukmono; Hana Sugiastu Firdaus
Jurnal Geodesi UNDIP Volume 9, Nomor 1, Tahun 2020
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (904.005 KB)

Abstract

ABSTRAK Kota Semarang merupakan Ibu Kota Jawa Tengah dengan jumlah penduduk yang tinggi. Berdasarkan data BPS Jawa Tengah sebanyak 1.757.686 jiwa berada di Kota Semarang. Hal ini mempengaruhi banyaknya permasalahan sosial yang terjadi seperti kemiskinan dan kriminalitas dimana pada tahun 2018, sebanyak 73.600 jiwa masyarakat Kota Semarang masuk sebagai keluarga pra sejahtera. Kasus kriminalitas juga tinggi dengan jumlah 1.309 kasus, dengan hanya 40-50 persen diantaranya yang dapat terselesaikan. Kajian mengenai penentuan nilai kerentanan sosial diperlukan untuk mengetahui tingkat kerentanan suatu daerah dan pengaruhnya terhadap permasalahan sosial. Metode yang dapat digunakan yaitu Social Vulnerability Index (SVI) dan Geographically Weighted Regression (GWR). Social Vulnerability Index (SVI) dapat digunakan untuk memetakan kerentanan sosial, menggunakan faktor-faktor internal masyarakat. Pengaruh kerentanan sosial dengan permasalahan sosial dapat dimodelkan menggunakan Geographically Weighted Regression (GWR). Metode GWR menggunakan pembobotan spasial untuk menghilangkan efek heterogenitas spasial dalam analisis data geostatistik. Penelitian ini memodelkan hubungan antara kriminalitas dan kemiskinan sebagai variabel terikat dengan faktor kerentanan sebagai variabel bebas. Hasil penelitian ini menunjukkan bahwa Kota Semarang dapat diklasifikasikan menjadi empat kelas kerentanan yaitu tidak rentan, normal, rentan, dan sangat rentan dimana pada tahun 2015 Kecamatan Genuk, Gunungpati, Ngaliyan, Pedurungan, Tugu masuk kelas tidak rentan dan Semarang Timur masuk kelas sangat rentan. Banyumanik, Genuk, Ngaliyan, Pedurungan, Tembalang, dan Tugu pada tahun 2018 masuk kelas tidak rentan dan Candisari, Semarang Timur masuk kelas sangat rentan. Selain itu pola kerentanan berpola mengelompok dari kecamatan dengan kerentanan tinggi di pusat kota pada tahun 2015 (Moran’s I = 0,534) dan semakin menyebar ke arah timur kota pada tahun 2018 (Moran’s I = 0,323). Model GWR dalam pemodelan terhadap permasalahan sosial dapat digunakan, dimana model ini memiliki nilai determinasi lebih tinggi (R2 = 0,326) dan RSS lebih rendah (15,733) dari model global, dengan variabel yang signifikan hanya pada faktor kepadatan penduduk dengan nilai thitung = 2,065 ≥ t0,025;25,452 = 2,059. Pemodelan ini diharapkan dapat membantu dalam menekan tingkat kerentanan sosial dalam masyarakat. Kata Kunci : GWR, Kemiskinan, Kerentanan Sosial, Kriminalitas, SVI. ABSTRACT Semarang City is a capital of Central Java with a high population. Based on data from BPS Central Java about 1,757,686 people are in Semarang. This affects the number of social problems that occur such as poverty and crime, where in 2018, 73,600 people was a poor family. Crime cases were also high with 1,309 cases, where only 40-50 percent of them could be resolved. Studies on determining the value of social vulnerability are needed to determine the level of vulnerability of an area and its influence on social problems. The methods that can be used are Social Vulnerability Index (SVI) and Geographically Weighted Regression (GWR). Social Vulnerability Index (SVI) can be used to map social vulnerability, using internal faktors of the community. The effect of social vulnerability to social problems can be modeled using Geographically Weighted Regression (GWR). The GWR method uses spatial weighting to eliminate the effects of spatial heterogeneity in the analysis of geostatistical data. This study models the relationship between crime and poverty as a dependent variable with vulnerability as an independent variable. The results of this study prove that social vulnerability in Semarang City can be classified as a not vulnerable, normal, vulnerable, and very vulnerable class where in 2015 Genuk, Gunungpati, Ngaliyan, Pedurungan, Tugu belonged to not vulnerable class and East Semarang very vulnerable class. Banyumanik, Genuk, Ngaliyan, Pedurungan, Tembalang, and Tugu in 2018 belonged to vulnerable class and Candisari, East Semarang belonged to very vulnerable class. In addition, the pattern of vulnerability is clustered from districts with high vulnerability in the center of the city in 2015 (Moran’s I = 0.534) and increasingly spread towards the east of the city in 2018 (Moran’s I = 0.323). GWR model in modeling of social problems can be used, where this model has a higher determination value (R2 = 0.326) and RSS (15.733) lower than the global model, with significant variables only on the population density faktor with tcount = 2.065 ≥ t0, 025; 25,452 = 2,059. This modeling is expected to help in reducing the level of social vulnerability in society. Keywords: GWR, Crime, Poverty, Social Vulnerability, SVI.
ANALISIS KERUSAKAN TUTUPAN LAHAN AKIBAT BENCANA TSUNAMI SELAT SUNDA DI KAWASAN PESISIR PANTAI KECAMATAN CARITA DAN KECAMATAN LABUAN KABUPATEN PANDEGLANG Muhammad Alimsuardi; Andri Suprayogi; Fauzi Janu Amarrohman
Jurnal Geodesi UNDIP Volume 9, Nomor 1, Tahun 2020
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (699.648 KB)

Abstract

ABSTRAKIndonesia merupakan salah satu negara yang terletak pada titik temu empat lempeng utama bumi, keempat lempeng tersebut merupakan lempeng pasifik, lempeng eurasia, lempeng samudra hindia-australia, dan lempeng philipina. Bencana alam yang terjadi di Indonesia khususnya bencana alam kebumian, sangat dipengaruhi oleh posisi tektonik Indonesia tersebut. Bencana alam tsunami dapat mengakibatkan kerusakan dan kehancuran karena tsunami merupakan hasil langsung dari terjangan gelombang dan arus tsunami, sementara korban jiwa muncul karena tenggelam dalam gelombang tsunami. Penelitian ini bertujuan untuk mengetahui bagaimana tutupan lahan akibat bencana tsunami selat sunda di kawasan pesisir pantai Kabupaten Pandeglang tepatnya pada Kecamatan Carita dan Kecamatan Labuan dengan menggunakan metode digitasi on screen, serta dalam penelitian ini diketahui luasan wilayah yang terkena tsunami Selat Sunda dengan menggunakan pemodelan genangan tsunami dengan menggunakan persamaan Berryman dan Luas wilayah yang terdampak tsunami Selat Sunda dihitung menggunakan hasil dari pemodelan tsunami dan menggunakan fungsi cost distance pada ArcGIS. Hasil dari penelitian ini tutupan lahan yang terkena dampak tsunami paling besar pada Kecamatan Carita yaitu, kebun/perkebunan (24,11 Ha), Tutupan lahan yang terkena dampak tsunami pada Kecamatan Labuan yaitu,  kebun/perkebunan (57,68 Ha). Jumlah desa yang terkena dampak tsunami pada Kecamatan Carita sebanyak enam desa, desa yang terkena dampak tsunami paling besar adalah Desa Sukarame (13,59 Ha). Jumlah desa yang terkena dampak tsunami pada Kecamatan Labuan sebanyak lima desa, desa yang terkena dampak tsunami yang terbesar adalah yaitu Desa Sukamaju (33,51 Ha). Kata Kunci : Cost Distance, Digitasi on screen, Pemodelan Tsunami, Persamaan Berryman, Tsunami ABSTRACTIndonesia is one of the country which located at the meeting point of the four main plates of the earth which are the Pacific plate, the Eurasian plate, the Indian-Australian oceanic plate, and the Philippine plate. Natural disasters that occur in Indonesia, especially natural disasters  are strongly influenced by Indonesia's tectonic position. Tsunami  can cause damage and destruction because tsunami is a direct result from the lunge of tsunami waves and currents, while fatalities arise due to being submerged in tsunami strikes. This study aims to find out how land cover due to selat sunda tsunami in the coastal area of Pandeglang Regency precisely in Carita and Labuan Districts use on-screen digitization method, moreover  this study aims to find the extent of the area affected by selat sunda tsunami by using tsunami inundation modeling which is Berryman equation and the area affected by  selat sunda tsunami is calculated by using the results of tsunami modeling and  the cost distance function in ArcGIS. The results of this study show that the lands cover which are affected by tsunami in carita subdistrict are gardens / plantations (24.11 Ha), rice fields (2.70 Ha), buildings (4.91 Ha). Lands cover which are affected by  tsunami in Labuan subdistrict are gardens / plantations (57.68 Ha), waters (0.78 Ha), rice fields (4.67 Ha), and buildings (9.72 Ha). The number of villages which are affected by tsunami in Carita Subdistrict are six villages with total area (33.24 Ha) namely Sukarame Village (13.59 Ha), Carita Village (2.11 Ha), Pejamben Village (3.23 Ha), Sukajadi Village (5.14 Ha), Banjarmasin Village (2.85 Ha), and Sukanegara Village (6.31 Ha). The number of villages which are affected by  tsunami in Labuan Subdistrict are five villages with total area (75,68 Ha) namely, Sukamaju Village (33.51 Ha), Labuan Village (0.27 Ha), Teluk Village, (10.22 Ha), Caringin Village (14.35 Ha).Keywords       : Berryman Equation , Cost Distance, On screen digitizing, Tsunami, Tsunami Inundation Modeling
ANALISIS HAZE REMOVAL DENGAN METODE HAZE OPTIMIZED TRANSFORMATION (HOT) DAN METODE ADVANCE HAZE OPTIMIZED TRANSFORMATION (AHOT) PADA CITRA SPOT 7 DI WILAYAH KOTA SEMARANG Siti Rahayuningsih; Abdi Sukmono; Bandi Sasmito
Jurnal Geodesi UNDIP Volume 9, Nomor 1, Tahun 2020
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1257.558 KB)

Abstract

ABSTRAK  Pengaruh atmosfer yang ada di Indonesia menjadi permasalahan di banyak wilayah di Indonesia dimana salah satunya adalah Kota Semarang di Jawa Tengah. Kota merupakan salah satu wilayah di Indonesia yang memiliki curah hujan beragam, dari ringan hingga sedang. Hal tersebut sama halnya dengan liputan awan yang selalu ada diatas wilayahnya. Awan dan kabut (haze) merupakan bagian dari kondisi atmosferik yang mempengaruhi kualitas citra. Data yang terhalang oleh awan akan memiliki nilai 0 atau tidak  memiliki data sehingga tidak bisa digunakan untuk pemetaan. Data dengan kandungan haze masih dapat direduksi dan akan menghasilkan citra pasif yang memiliki data untuk digunakan. Penelitian ini menggunakan metode Haze Optimized Transformation  (HOT) dan metode Advance Haze Optimized Transformation (AHOT) dimana kedua metode ini menggunakan korelasi atau hubungan dari kanal biru dan kanal merah.Metode HOT menghasilkan deteksi haze dan digunakan untuk melakukan haze removal memakai metode DOS (Dark Object Substraction) dan metode AHOT untuk haze removal memakai metode VCP (Virtual Cloud Point). Citra hasil haze removal metode HOT-DOS memiliki tampilan yang lebih gelap dibandingkan citra hasil metode AHOT-VCP. Berdasarkan perbandingan panjang objek dilapangan dan objek di citra didapatkan nilai RMSE sebesar 1.067 pada citra bersih, 4.067 citra hazy, 2.403 pada citra hasil HOT (DOS) dan 1.762 pada citra hasil AHOT(VCP). Hasil uji hipotesis metode HOT dan AHOT didapatkan t hitung lebih dari t tabel sehingga ada perubahan pada citra hasil haze removal pada tingkat kepercayaan 95%. Klasifikasi NDVI pada citra sebelum dan sesudah dilakukan haze removal mengalami perubahan berdasarkan pada kelas klasifikasi NDVI yang dihasilkan.  Kata Kunci: AHOT, Awan, Haze, HOT , NDVI ABSTRACT The effect of atmosphere in Indonesia is a problem in many regions, one of which is Semarang in Central Java. This city is one of regions in Indonesia which has a variety of rainfall, from mild to moderate. This is the same as the coverage of clouds that are always above the area. Clouds and haze are part of atmospheric conditions that affect image quality. Data that is blocked by the cloud will have 0 value or no data so it cannot be used for mapping. Data with haze can still be reduced and will produce a passive image that has data to use. This research uses the Haze Optimized Transformation (HOT) method and the Advanced Haze Optimized Transformation (AHOT) method where both of these methods use correlations or relationships of the blue and red channels.HOT method produces haze detection and is used to perform haze removal using the DOS (Dark Object Substraction) method and AHOT is used to perform haze removal using the VCP (Virtual Cloud Point) method. The HOT-DOS haze removal image has a darker appearance than the AHOT-VCP method image. The comparison between the length of the actual object and the object in the image obtained RMSE value of 1.067 on the clean image, 4.067 on hazy image, 2.403 on the HOT image (DOS) and 1.762 on the AHOT image (VCP). The results of the HOT and AHOT hypothesis test methods obtained t count more than t tables so it is obtained that there is a change in the image of the haze removal at a 95% confidence level. NDVI classification on the image before and after haze removal is changed based on the class of NDVI classification.
PERANCANGAN APLIKASI WISATA DAN CITY TOURISM BERBASIS WEBGIS GUNA MENINGKATKAN DAYA SAING WISATA KOTA (STUDI KASUS: KOTA SEMARANG) Archita Permata Santynawan; Bambang Sudarsono; Hana Sugiastu Firdaus
Jurnal Geodesi UNDIP Volume 9, Nomor 1, Tahun 2020
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1133.736 KB)

Abstract

ABSTRAKKota Semarang memiliki potensi yang besar dalam bidang pariwisata, namun dalam keberjalanannya pengembangan dan pemanfaatan potensi-potensi wisata di Kota Semarang dirasa belum maksimal. Kegiatan city tour yang biasa dilakukan oleh wisatawan sejauh ini hanya didukung pemerintah Kota Semarang melalui bus wisata seperti Si Kenang, Si Denok, dan Si Kuncung yang memiliki rute terbatas, maka untuk menunjang hal tersebut diperlukan adanya suatu aplikasi WebGIS wisata dan city tourism yang berisikan informasi mengenai objek-objek wisata di Kota Semarang, informasi fasilitas umum dan rute baru yang disarankan guna meningkatkan daya saing wisata Kota Semarang. Penelitian ini dilaksanakan dengan pembuatan basis data yang berisikan data objek wisata, data fasilitas umum dan data rute city tour hasil analisis proximity shortest path dan pembuatan peta dasar menggunakan Leaflet Javasctipt library yang kemudian ditempelkan ke aplikasi WebGIS wisata dan city tourism Kota Semarang. Hasil yang didapat dari penelitian ini adalah Aplikasi WebGIS wisata dan city tourism Kota Semarang dengan nama Melanglang Semarang yang memuat informasi tempat-tempat wisata di Kota Semarang sejumlah 37 objek wisata yang tergolong dalam 5 kategori yang tersebar di 12 kecamatan Kota Semarang beserta fasilitas-fasilitas umum di sekitar objek-objek wisata tersebut dengan total jumlah fasilitas 1532 dengan sebaran data fasilitas perbankan sebanyak 103 data, data fasilitas perbelanjaan sebanyak 107 data, data fasilitas peribadatan sebanyak 933 data, data fasilitas kantor polisi sebanyak 14 data, data fasilitas halte BRT sebanyak 148 data, data fasilitas transportasi sebanyak 3 data, data fasilitas bengkel sebanyak 16 data, data fasilitas SPBU sebanyak 24 data, data fasilitas kesehatan sebanyak 105 data dan data penginapan sebanyak 79 data. serta menampilkan saran 12 rute city tour di Kota Semarang dengan 5 tema yang dikelompokkan sesuai lokasinya. Pengujian usabilitas dari aplikasi ini mendapatkan hasil skor persentase rata-rata sebanyak 82,3% sehingga website ini masuk dalam kategori ‘Sangat Memuaskan‘. Kata Kunci: leafletjs, pariwisata, Semarang, tur keliling kota, WebGIS.ABSTRACTSemarang City has a great potential in tourism, but Semarang’s tourism are felt that they has not being developed and the utilized enough up to its real potential. City tour is one of the most often done by tourists on their journey while travelling, but in Semarang this activity are only supported by the city government by the city tour busses like Si Kenang, Si Denok, and Si Kuncung that have limited route focuses on the downtown area of Semarang, so to support tourists city tour activities this tourism map and city tour WebGIS application that contains information about the destinations, information about the public facilities, and new routes recommended by the researcher is needed to increase the Semarang’s tourism competitiveness in comparison to other cities in Indonesia. This research is done by making the database containing destinations coordinate data, public facilities coordinate data and city tour route data created from shortest path proximity analysis and creating the basic map application using Leaflet Javascript library that embedded into the Semarang City tourism and city tourism WebGIS application. The result of this research is Semarang tourism and city tour WebGIS application called Melanglang Semarang containing information about 37 tourism destinations in Semarang categorized into 5 category and distributed into 12 district in Semarang City with the information of public facilities located near them with the total number of 1532 public facilities with the distribution of 103 banks data, 107 market data, 933 worshipping place data, 14 police station data, 148 BRT Stop data, 3 transportation data, 16 machine shop, 24 gas station data, 105 health facilities data, and 79 lodging data. and also this application will show user 12 suggested new city tour routes classified within 5 themes grouped according to its location to go around in Semarang. The usability test done for this application get the average result of 82,3% so that this website is considered to the category ‘Very Satisfying’. Keywords: city tour, leafletjs, Semarang, tourism,WebGIS.
ANALISIS PENGARUH PERUBAHAN TUTUPAN LAHAN DAERAH ALIRAN SUNGAI TAHUN 2013 DAN 2018 TERHADAP PENINGKATAN DEBIT PUNCAK SUNGAI KALIGARANG Febrina Mutiara Rosita Pane; Andri Suprayogi; LM Sabri
Jurnal Geodesi UNDIP Volume 9, Nomor 1, Tahun 2020
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (564.546 KB)

Abstract

ABSTRAKDAS Kaligarang adalah Daerah Aliran Sungai yang melintasi Kota Semarang, Kabupaten Semarang dan Kabupaten Kendal. DAS tersebut memiliki peran yang penting dalam pengairan ketiga wilayah tersebut. DAS ini adalah sistem pengairan utama yang akan mengontrol kondisi pengairan baik saat hujan maupun kemarau. Sistem pengairan utama harus memiliki sistem yang baik agar pengairan di daerah tersebut lancar. Kriteria sistem pengairan yang baik yaitu wilayah DAS yang memiliki daerah resapan air yang cukup untuk mengontrol air limpasan ketika hujan. DAS Kaligarang saat ini termasuk sebagai DAS kritis diakibatkan area tutupan lahan yang banyak beralih fungsi sehingga menyebabkan berkurangnya daerah resapan air dan sedimentasi semakin tahun semakin banyak, sehingga sering terjadi banjir. Penelitian ini dilakukan untuk mengetahui adanya pengaruh perubahan tutupan lahan terhadap peningkatan debit maksimum Daerah Aliran Sungai Kaligarang. Klasifikasi tutupan lahan dilakukan mengacu dengan klasifikasi penutup lahan USGS dengan 8 kelas tutupan lahan. Perhitungan debit dilakukan dengan menggunakan Metode Rasionalitas yang menggunakan perbandingan antara laju masukan koefisien run off , luas dengan laju intensitas hujan. Perhitungan dilakukan per sub DAS yang dibuat dengan pendekatan digitasi trace dan mengacu dengan sistem penamaan dari BBWS Pemali Juana. Hasil penelitian menunjukkan bahwa dari tahun 2013 – 2018 pertambahan luas lahan terbesar terjadi pada kelas tutupan pemukiman sebesar 977,676 Ha dan kelas tutupan lahan yang mengalami penurunan luas terbesar adalah kelas semak sebesar 1177,439 Ha. Pada tahun 2013 – 2018 nilai koefisien run off 0,456. Perubahan nilai koefisien run off ini mengkibatkan naiknya debit puncak DAS Kaligarang sebesar 122,87 m3/detik.Kata Kunci :DAS, Debit Maksimum ,Koefisien run off, Tutupan Lahan ABSTRACTKaligarang watershed is a watershed that crosses Semarang City, Semarang Regency and Kendal Regency. The watershed has an important role in the irrigation of the three regions. This watershed is the main irrigation system that will control irrigation conditions both during rain and drought. The main irrigation system must have a good system so that irrigation in the area runs smoothly. Criteria for a good irrigation system is a watershed area that has enough water catchment areas to control runoff water when it rains. The Kaligarang watershed is currently classified as a critical watershed due to land cover areas that have changed functions a lot, causing more water catchment areas and sedimentation to decrease, so that floods often occur. This study was conducted to determine the effect of changes in land cover on increasing the maximum discharge of the Kaligarang Watershed. Land cover classification is carried out in accordance with the USGS land cover classification with 8 land cover classes. Discharge calculation is done by using the Rationality Method which uses a comparison between the run-off coefficient input rate, area and rainfall intensity rate. Calculations are performed in sub-watershed that made using the trace digitization approach and referring to the naming system of BBWS Pemali Juana. The results showed that from 2013 to 2018 the largest increase in land area occurred in the settlement cover class of 977,676 Ha and the land cover class that experienced the largest area decline was bush class of 1177,439 Ha. In 2013 - 2018 the run off coefficient was 0.456. This change in the run-off coefficient results in an increase in the peak discharge of the Kaligarang watershed by 122.87 m3 / sec.Keyword : Watershed, Maximum Discharge, Run off coefficient, Land Cover
PEMODELAN PERUBAHAN PENGGUNAAN LAHAN DENGAN ARTIFICIAL NEURAL NETWORK (ANN) DI KOTA SEMARANG Rahmah, Azizah Nur; Subiyanto, Sawitri; Amarrohman, Fauzi Janu
Jurnal Geodesi Undip Volume 9, Nomor 1, Tahun 2020
Publisher : Jurusan Teknik Geodesi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (784.068 KB)

Abstract

ABSTRAKPertumbuhan dan perkembangan yang terjadi di Kota Semarang menyebabkan terjadinya alih fungsi lahan dan meningkatnya kebutuhan akan lahan. Penelitian ini bertujuan untuk mengetahui perubahan penggunaan lahan, memprediksi penggunaan lahan di Kota Semarang menggunakan model Artificial Neural Network (ANN) dan Cellular Automata (CA), serta menentukan kesesuaian prediksi terhadap Peta Rencana Tata Ruang Wilayah (RTRW) Kota Semarang tahun 2011-2031. Data yang digunakan untuk penelitian adalah citra Quickbird tahun 2010, citra SPOT 6 tahun 2014 dan 2018, serta Peta RTRW Kota Semarang. Metode digitasi dipakai untuk mendapat peta penggunaan lahan, overlay intersect untuk menganalisis perubahan penggunaan lahan dan ANN untuk melakukan pemodelan dan prediksi. Variabel yang digunakan pada proses pemodelan yaitu jarak ke jalan, jarak ke sungai, jarak ke permukiman dan kepadatan penduduk. Hasil penelitian menunjukkan perubahan penggunaan lahan Kota Semarang tahun 2010-2018 mengalami penurunan luas pada perkebunan sebesar 64,45% atau 2546,839 Ha, dan pertumbuhan lahan terbangun sebesar 25,65% atau 1039,292 Ha. Pemodelan perubahan penggunaan lahan dengan ANN menunjukan hasil model yang baik, dibuktikan dengan validasi model. Validasi model dilakukan dengan metode kappa dan analisis spasial yaitu menghitung perbedaan titik centroid dan perbedaan luas. Hasil validasi menunjukan nilai Indeks Kappa sebesar 0,95, nilai RMS sebesar 2,58 m dan 85% luas antara kedua peta sesuai. Adapun kelas penggunaan lahan yang berpeluang besar untuk berubah menjadi penggunaan lahan lain adalah perkebunan sebesar (0,67). Hasil kesesuaian prediksi penggunaan lahan tahun 2026 terhadap peta RTRW Kota Semarang tahun 2011-2031 menunjukkan kesesuaian lahan sebesar 69,30% sesuai dan 30,70% tidak sesuai. Dengan tingkat kepercayaan > 60% atau 0,61 hasil kesesuaian dinyatakan baik dan sesuai. Kata Kunci: ANN dan CA, Perubahan Penggunaan Lahan, Prediksi Penggunaan Lahan, RTRW, SIG. ABSTRACT Growth and development that occured in the Semarang City led to the land use change and increased demand for land. This study aims to determine land use change, to project the future land-use in Semarang city using an Artificial Neural Network (ANN) model and Cellular Automata (CA), and also to determine the suitability between prediction result with the Semarang City Spatial Plan (RTRW) map in 2011-2031. The data used for research are Quickbird imagery in 2010, SPOT 6 imagery in 2014 and 2018, and Semarang City RTRW Map. The digitization method is used to obtain land use maps, intersect overlays to analyze land use changes and ANN to do modeling and predictions. The variables used in the modeling process are the distance to the road, distance to the river, distance to residential and population density. The results showed changes in land use in Semarang City in 2010-2018 experienced a deacrease in plantatation area of 64,45% or 2546,839 Ha, and an increase in bult up area by 25,65% or 1039,292 Ha. Modeling land use change with ANN shows good model results, proven by model validation. Model validation is carried out by the kappa method and spatial analysis that is calculating the difference in centroid points and area differences. The validation results show the Kappa Index value is 0.95, the RMS value is 2.58 m and 85% of the area between two maps is appropriate. The land use class which has a great opportunity to change to another land use is plantation (0.67). The results of the suitability of land use predictions in 2026 against the Semarang City RTRW map in 2011-2031 show that land suitability of 69.30% is suitable and 30.70% is not suitable. With a confidence level >60% or 0,61 the comformity result is declared as good and appropriate. Keywords: ANN and CA , Land Use Change, Land Use Prediction, RTRW, GIS.
ANALISIS PERUBAHAN LAJU EROSI PERIODE TAHUN 2013 DAN TAHUN 2018 BERBASIS DATA PENGINDRAAN JAUH DAN SISTEM INFORMASI GEOGRAFIS (STUDI KASUS : DAS GARANG) Ahmad Shofiyul Huda; Arief Laila Nugraha; Nurhadi Bashit
Jurnal Geodesi UNDIP Volume 9, Nomor 1, Tahun 2020
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (729.736 KB)

Abstract

ABSTRAK Daerah Aliran Sungai (DAS) Garang terletak di wilayah Kota Semarang dan Kabupaten Semarang serta sebagian kecil Kabupaten Kendal. DAS Garang terletak tidak jauh dari pusat kegiatan manusia yang berjarak 2,2km dari pusat kota Semarang, berjarak 1,5km dari Ungaran sebagai ibukota dan sekitar 10 km dari pusat Kawasan Industri Kendal. DAS Garang merupakan salah satu DAS yang mengalami kerusakan lingkungan. Dampak adanya kerusakan lingkungan ini salah satunya adalah terjadinya erosi yang dapat mengakibatkan bencana banjir dan longsor. Pengelolaan DAS merupakan cara untuk mengantisipasi kerusakan lingkungan. Kajian pemetaan daerah rawan erosi di dalam DAS merupakan salah satu langkah dasar yang diperlukan untuk pengelolaan DAS yang baik. Oleh karena itu, penelitian ini bermaksud untuk mengetahui laju erosi pada periode tahun 2013 dan tahun 2018 di area DAS Garang dan mengetahui faktor penyebab laju erosi. Metode yang digunakan  adalah Revised Universal Soil Loss Equation (RUSLE) dengan menggunakan data curah hujan, Digital Elevation Model (DEM), data jenis tanah, citra landsat 8, dan data administrasi.Hasil dari analisis diperoleh laju erosi pada tahun 2013 yaitu sebesar 200,343 ton/ha/tahun dan laju erosi pada tahun 2018 sebesar 277,647 ton/ha/tahun. Faktor perubahan tutupan lahan memiliki pengaruh yang besar dibandingkan faktor perubahan curah hujan. Kata Kunci : DAS Garang, Erosi, Tutupan Lahan, RUSLE.  ABSTRACT The majority of the Garang watershed is located in the city of Semarang and the regency of Semarang and a small portion of the regency of Kendal. It is a watershed that is located not far from the center of human activity, such as the center of Semarang, which is 2.2 km away, Ungaran as the regency is 1.5 km, and about 10 km from the Kendal industrial center. Garang watershed is one of the watersheds that have experienced environmental damage. One of the impacts of environmental damage is erosion which can lead to floods and landslides. To anticipate the decline in environmental quality, a good watershed management is needed The study of mapping erosion-prone areas in watersheds is one of the basic steps needed for good watershed management. Therefore, this study intends to determine the rate of erosion that occurs from 2013 and 2018 in the Garang watershed area and know the factors that cause the rate of erosion. The method used is Revised Universal Soil Loss Equation (RUSLE) using rainfall data, Digital Elevation Model (DEM), soil type data, Landsat 8 imagery, and administrative data. The results of the analysis the erosion rate in 2013 amounted to 200.343 tons / ha / year and in 2018 amounted to 277.647 tons / ha / year. Land cover change factor has a greater influence compared to other factors supporting erosion.
ANALISIS MODEL PERUBAHAN PENGGUNAAN LAHAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DI KOTA SALATIGA Iva Kusniawati; Sawitri Subiyanto; Fauzi Janu Amarrohman
Jurnal Geodesi UNDIP Volume 9, Nomor 1, Tahun 2020
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (692.216 KB)

Abstract

ABSTRAK Perkembangan perkotaan yang pesat dapat dilihat dari peningkatan jumlah penduduk dan mobilitas penduduk, sehingga kebutuhan akan lahan terbangun juga semakin meningkat. Penelitian ini bertujuan untuk mengetahui perubahan penggunaan lahan dan memprediksi perubahan penggunaan lahan di masa yang akan datang dengan mengintegrasikan model cellular automata dan artificial neural network serta menguji tingkat validitas dari model prediksi. Variabel yang digunakan sebagai faktor pendorong terjadinya perubahan lahan adalah jarak ke pemukiman, jarak ke jalan, dan jarak ke sungai, serta data kepadatan penduduk. Penelitian ini menitik beratkan pada penggunaan lahan industri, pemukiman, dan lahan pertanian. Data yang digunakan dalam penelitian ini antara lain peta penggunaan lahan tahun 2008 dan 2013 dari penelitian terdahulu, peta penggunaan lahan tahun 2018 hasil digitasi dan validasi lapangan. Data jaringan jalan, data jaringan drainase, dan data kepadatan penduduk digunakan sebagai data untuk faktor pendorong pemodelan. Hasil penelitian ini menunjukkan perubahan penggunaan lahan tahun 2008−2018 didominasi oleh perubahan penggunaan lahan dari lahan pertanian menjadi lahan non pertanian. Lahan pertanian mengalami penurunan sebesar 211,51 ha, pemukiman mengalami peningkatan sebesar 96,39 ha, dan industri mengalami peningkatan sebesar 77,51 ha. Validasi pemodelan menggunakan dua metode, yaitu kappa dan analisis spasial yang menghitung perbedaan titik centroid dan analisis perbedaan luas. Hasil validasi pemodelan memiliki Indeks Kappa sebesar 0,972, nilai RMS sebesar 3,234 m, dan 96% luas antara peta prediksi dengan peta hasil digitasi dikatakan sesuai, sehingga pemodelan ini tergolong mempunyai kemiripan yang sangat baik terhadap kondisi eksisting penggunaan lahan tahun 2018.   Kata Kunci: ANN dan CA, Kota Salatiga, Perubahan Penggunaan Lahan, SIG ABSTRACT Rapid urban development can be seen from the increase in population and population mobility, so that the need for built-up land is also increasing. This study aims to determine changes in land use and predict future land use changes by integrating cellular automata and artificial neural network models and testing the validity of predictive models. The variables used as driving factors for land changes are distance to settlements, distance to roads, and distance to rivers, as well as population density data. This research focuses on the use of industrial land, settlement, and agricultural land. Data used in this study include land use maps for 2008 and 2013 from previous studies, land use maps for 2018 resulting from digitization and field validation. Road network data, drainage network data, and population density data are used as data for modeling driving factors. The results of this study indicate that changes in land use in 2008-2018 are dominated by changes in land use from agricultural land to non-agricultural land. Agricultural land decreased by 211.51 ha, settlement increased by 96.39 ha, and industry increased by 77.51 ha. Model validation uses two methods, namely kappa and spatial analysis which compute centroid point differences and area difference analysis. The results of modeling validation have a Kappa Index of 0.972, an RMS value of 3.234 m, and 96% of the area between the prediction map and the digitization map are said to be appropriate, so that this model is classified as having very good similarities to the existing conditions of land use in 2018.

Page 2 of 4 | Total Record : 40

 1   2   3   4 

Filter by Year

2020 2020


Reset
Filter By Issues
All Issue Vol 13, No 2 (2024): Jurnal Geodesi Undip Vol 13, No 1 (2024): Jurnal Geodesi Undip Vol 12, No 4 (2023): Jurnal Geodesi Undip Vol 12, No 3 (2023): Jurnal Geodesi Undip Vol 12, No 2 (2023): Jurnal Geodesi Undip Vol 12, No 1 (2023): Jurnal Geodesi Undip Vol 11, No 4 (2022): Jurnal Geodesi Undip Vol 11, No 3 (2022): Jurnal Geodesi Undip Vol 11, No 2 (2022): Jurnal Geodesi Undip Vol 11, No 1 (2022): Jurnal Geodesi Undip Vol 10, No 4 (2021): Jurnal Geodesi Undip Vol 10, No 3 (2021): Jurnal Geodesi Undip Volume 10, Nomor 2, Tahun 2021 Volume 10, Nomor 1, Tahun 2021 Volume 9, Nomor 4, Tahun 2020 Volume 9, Nomor 3, Tahun 2020 Volume 9, Nomor 2, Tahun 2020 Volume 9, Nomor 1, Tahun 2020 Volume 8, Nomor 4, Tahun 2019 Volume 8, Nomor 3, Tahun 2019 Volume 8, Nomor 2, Tahun 2019 Vol 8, No 1 (2019) Volume 7, Nomor 4, Tahun 2018 Volume 7, Nomor 3, Tahun 2018 Volume 7, Nomor 2, Tahun 2018 Volume 7, Nomor 1, Tahun 2018 Volume 6, Nomor 4, Tahun 2017 Volume 6, Nomor 3, Tahun 2017 Volume 6, Nomor 2, Tahun 2017 Volume 6, Nomor 1, Tahun 2017 Volume 5, Nomor 4, Tahun 2016 Volume 5, Nomor 3, Tahun 2016 Volume 5, Nomor 2, Tahun 2016 Volume 5, Nomor 1, Tahun 2016 Volume 4, Nomor 4, Tahun 2015 Volume 4, Nomor 3, Tahun 2015 Volume 4, Nomor 2, Tahun 2015 Volume 4, Nomor 1, Tahun 2015 Volume 3, Nomor 4, Tahun 2014 Volume 3, Nomor 3, Tahun 2014 Volume 3, Nomor 2, Tahun 2014 Volume 3, Nomor 1, Tahun 2014 Volume 2, Nomor 4, Tahun 2013 Volume 2, Nomor 3, Tahun 2013 Volume 2, Nomor 2, Tahun 2013 Volume 2, Nomor 1, Tahun 2013 Volume 1, Nomor 1, Tahun 2012 More Issue