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 839 Documents
 53   54   55   56   57 
ANALISIS ZONA KERAWANAN LONGSOR PADA JALUR KERETA API SEMARANG-PEKALONGAN (Studi Kasus: Stasiun Semarang Tawang – Stasiun Pekalongan) Fida Wulan Istiaji; Arief Laila Nugraha; Hani'ah hani'ah
Jurnal Geodesi UNDIP Volume 6, Nomor 3, Tahun 2017
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ABSTRAKSecara geografis jalur kereta api Semarang-Pekalongan terletak berbatasan dengan laut Jawa bagian utara, serta kondisi topografis wilayahnya yang terdiri dari daerah perbukitan, dataran rendah dan pesisir pantai. Hal tersebut menunjukkan adanya kemiringan dan tonjolan, dengan adanya perbedaan topografi tersebut mengakibatkan batuan pembentuk kulit bumi bagian atas menjadi lapuk, serta tanah yang lapuk dan banyak mengandung air menjadi labil dan mudah bergeser secara gravitasi. Daerah dengan topografi lebih tinggi berusaha mencari keseimbangan baru menuju daerah dengan topografi yang relatif lebih rendah, sehingga gerakan kulit bumi bagian atas dikenal sebagai gerakan tanah, oleh masyarakat disebut sebagai tanah longsor. Selain karena topografisnya, faktor kereta api dengan kecepatan tinggi sehingga menyebabkan permukaan tanah yang ada dibawahnya atau disekitarnya mengalami getaran terutama pada kawasan yang memiliki kecuraman dan curah hujang yang tingggi, hal tersebut dapat menyebabkan tanah longsor.Identifikasi zona kerawanan longsor pada penelitian ini melibatkan empat parameter yaitu peta geologi, peta curah hujan, peta kelerengan dan peta tutupan lahan. Semua parameter tersebut digabungkan dengan metode tumpang tindih (overlay) sehingga didapatkan peta zona kerawanan longsor yang kemudian di tampalkan dengan peta jalur kereta api Semarang-Pekalongan yang didalamnya sudah dibagi setiap segmen yaitu 1km. Pertampalan tersebut menghasilkan peta zona kerawanan longsor pada jalur kereta api Semarang-Pekalongan yang dikelaskan menjadi tiga kelas yaitu kerawanan longsor rendah, kerawanan longsor sedang dan kerawanan longsor tinggi. Metode yang digunakan dalam pengkelasan yaitu Natural Break (Jenk).Interval hasil klasifikasi tersebut yaitu kerawanan longsor rendah 0,5-1,2, kerawanan longsor sedang >1,2-1,9, dan kerawanan longsor tinggi >1,9-2,9. Zona kerawanan longsor pada jalur kereta api Semarang-Pekalongan memberikan hasil luasan kelas kerawanan rendah sebesar 168,867 Ha, kerawanan longsor sedang 644,906 Ha, dan kerawanan longsor tinggi 84,413 Ha. Kemudian, kelas kerawanan pada setiap segmen 1km yang mempunyai kelas kerawanan rendah sejumlah 20 segmen, kelas kerawanan sedang sejumlah 57 segmen dan kerawanan tinggi mempunyai 12 segmen. Presentase dari jumlah setiap segmen yaitu kerawanan rendah 22%, kerawanan sedang 64%  dan kerawanan tinggi 14%.Kata kunci : Jalur Rel Kereta Api, Natural Break (Jenk), Overlay, Tanah Longsor ABSTRACTGeographically Semarang-pekalongan railway is borderly located with the north java sea,  and its topographic territory which is an area composed of hills, lowlands and coasts. This shows the existence of slopes and bulges, with the topographic difference, this results rock that form the upper surface of the earth become weathered, and weathered land containing plenty of water become unstable and prone to shift gravitationally. Areas with higher topographic attempt to find a new balance towards areas with lower topographic, therefor the upper skin of the earth movement is known as land movement, and people know this as landslide. Apart from its topographic, the train factor with high speed causes the surface of land below or around it to experience vibrations especially areas that have stepness and high rainfall, this causes landslide to occur.Identifiying vulnerable landslide areas in this research involves four parameters based on catalog of drafting methodologies geo hazard book with GIS which is geological map, rainfall map,  slope map, and land cover map. All these parameters are combined with an overlay method so a map on landslide vulnerabality is obtained which is then patched with the Semarang-pekalongan railway map that is classsed into 3 class that are low landslide vulnerablity, mid landslide vulnarablity, and high landslide vulnerabality. The method used in classifiying is Natural Break (Jenk).The result of interval classification is low landslide vulnerablity 0.5-1.2, mid landslide vulnarablity >1,2-1,9, high landslide vulnerabality >1,9-2,9. Landslide vulnerbality zone on Semarang-pekalongan railway present area results of low vulnerablity class as big as 168,867 Ha, mid vulnerability 644,906 Ha, and high vulnerablity 84,413 Ha. Then, class of vulnerability every segment of 1km have low vulnerability 20 segment, class mid vulnerability have 57 segment and class of high vulnerability have 12 segment. Percent from every result of segment low vulnerability is 22%, mid vulnerability 64% and high vulnerability 14%. Key Words : Landslide, Overlay, Natural Break (Jenk), and  Railway.
APLIKASI SATELIT ALTIMETRI DALAM PENENTUAN SEA SURFACE TOPOGRAPHY (SST) MENGGUNAKAN DATA JASON-2 PERIODE 2011 (Studi Kasus : Laut Utara Jawa) Alvian Danu Wicaksono; Bambang Darmo Yuwono; Yudo Prasetyo
Jurnal Geodesi UNDIP Volume 4, Nomor 2, Tahun 2015
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (857.116 KB)

Abstract

ABSTRAK                Indonesia merupakan negara kepulauan yang sebagian besar wilayahnya terdiri dari perairan. Luasnya wilayah perairan Indonesia memerlukan pengembangan penelitian lebih lanjut terkait kondisi fisis dan biologis perairan tersebut. Salah satu bentuk kajian fisis perairan Indonesia adalah pengamatan bentuk muka air laut (sea surface topography/SST). Sea Surface Topography (SST) merupakan tinggi permukaan air laut di atas geoid. Penelitian ini berfungsi untuk memperoleh fenomena laut secara temporal.Pada penelitian ini menggunakan data satelit altimetri dari dua penyedia data yaitu RADS dan AVISO dengan lokasi penelitian di perairan Semarang dengan jalur pass 51 dan 64 sedangkan  Surabaya pada jalur satelit pass 127 dan 140. Metode yang digunakan adalah mengolah data satelit altimetri Jason-2 tahun 2011 dengan analisis perbandingan akurasi, arus dan karakteristik sea surface topography menggunakan sofware BRAT 2.0..Hasil penelitian menunjukkan bahwa tingkat akurasi data pengolahan satelit altimetri RADS dan software BRAT adalah <  0,25 m berdasarkan uji statistik simpangan baku dan hasil nilai SST yang tertingi terjadi pada pass 064 terjadi pada cycle 110 sebesar  1,5752 m pada tanggal 27 Mei 2011 – 07 Juni 2011 sedangkan nilai SST terendah terjadi pada pass 051 dengan cycle 095  sebesar 0,544 m pada tanggal 30 Januari 2011 – 09 Februari 2011. Berdasarkan pengamatan dan analisis menerangkan bahwa arah arus bergerak ke arah Samudra Hindia ini dapat diketahui dengan nilai sea surface topography yang mengacu pada ketinggian geoid lebih tinggi di daerah Utara laut Jawa dari pada di Selatan laut Jawa.Kata Kunci : Aviso, BRAT, Jason-2, Radar Altimetry Database System (RADS), Sea Surface Topography (SST) ABSTRACTIndonesia can be classified as an archipelago nation in which most of its territory consisted of water. With this large number of water territory, Indonesia needs to develop an advanced research related to the physical and biological condition of the water territory. One of the physical study of Indonesian water territory is the observation of sea surface (Sea Surface Topography/SST). Sea Surface Topography (SST) can be defined as the high level of sea surface above the geoid. The purpose of this research is to get the sea phenomenon temporally                This research was using altimetry satellite data from two data provider RADS and AVISO with the research sites in Semarang satellite pass 51 and pass 64 and Surabaya satellite pass 127 and 140. The method used in this research is by processing altimetry satellite data Jason-2 2011 with the comparison analysis of the current and the characteristic of Sea Surface Topography using software BRAT 2.0.                The result of the research showed that the accuracy level of the processed data of altimetry satellite and software BRAT is < 0.25 m according to the statistic test of standard deviation and the result of SST point the highest happened on pass 064 in cycle 110 with the result of 1.5752 m on May 27th 2011 – June 07th 2011 and the lowest happened on pass 051 in cycle 095 with the result of 0.544 m on January 30th 2011 – February 09th 2011. The observation and the analysis showed that the current which moving towards the Indian Ocean can be known with Sea Surface Topography point that refers to the high level of geoid higher in the northern Java Sea rather than Southern Java SeaKeywords: Aviso, BRAT, Jason-2, Radar Altimetry Database System (RADS), Sea Surface Topography (SST)
STUDI SESAR LEMBANG MENGGUNAKAN CITRA SENTINEL-1A UNTUK PEMANTAUAN POTENSI BENCANA GEMPA BUMI Rifki Purnama Aji; Yudo Prasetyo; Moehammad Awaluddin
Jurnal Geodesi UNDIP Volume 7, Nomor 4, Tahun 2018
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1156.902 KB)

Abstract

Badan Nasional Penanggulangan Bencana (BNPB) mencatat sebanyak 8.693 gempa bumi terjadi dan mengguncang wilayah Indonesia ditahun 2017. Tempat terjadinya gempa bumi alamiah hampir 95 persen terjadi di daerah sesar dan daerah batas antar lempeng. Pada wilayah Kota Bandung terdapat struktur sesar Lembang dengan panjang jalur sesar yang mencapai 30 km. Hasil monitoring BMKG menunjukkan adanya beberapa aktivitas seismik dengan kekuatan kecil. Sesar Lembang digolongkan sebagai sesar normal.Pada dasarnya penelitian ini menggunakan data citra SAR Sentinel-1A pada tahun 2015 sampai tahun 2017 yang diproses dengan menggunakan metode DInSAR untuk mendapatkan informasi nilai deformasi. Informasi nilai deformasi hasil pengolahan DInSAR digunakan sebagai dasar perhitungan potensi gempa bumi akibat aktivasi sesar menggunakan perhitungan besar laju geser dan locking depth.Hasil deformasi sesar Lembang berdasarkan metode DInSAR dengan citra Sentinel-1A diperoleh deformasi vertikal disisi utara sesar Lembang sebesar -0,0538 m/tahun hingga -0,1591 m/tahun, sedangkan deformasi di sisi selatan sesar Lembang sebesar -0,0538  m/tahun hingga 0,0066 m/tahun. Setelah dilakukan koreksi deformasi terhadap titik kuncian sesar diperoleh deformasi vertikal disisi utara sesar Lembang sebesar 0 m/tahun hingga -0,0909 m/tahun, sedangkan deformasi di sisi selatan sesar Lembang sebesar 0 m/tahun hingga 0,0339 m/tahun. Berdasarkan hasil deformasi tersebut dapat diperoleh laju geser (slip rate) dan locking depth setiap segmen dari sesar Lembang dimana segmen satu memiliki laju geser 3,5 mm/tahun dengan locking depth 5 km, segmen dua memiliki laju geser 4,5 mm/tahun dengan locking depth 5 km dan segmen tiga memiliki laju geser 2 mm/tahun dengan locking depth 10 km. Sehingga bisa diperkirakan dapat menghasilkan gempa bumi dengan kekuatan magnitude sebesar ± 6,630.
KAJIAN PEMODELAN DASAR LAUT MENGGUNAKAN SIDE SCAN SONAR DAN SINGLEBEAM ECHOSOUNDER Wisnu Wahyu Wijonarko; Bandi Sasmito; arief Laila Nugraha
Jurnal Geodesi UNDIP Volume 5, Nomor 2, Tahun 2016
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (947.062 KB)

Abstract

ABSTRAK Pengetahuan mengenai topografi dasar laut bermula dari pemetaan-pemetaan yang sudah lama dilakukan pada jaman dahulu. Mengingat jangkauan dan kemampuan yang terbatas pada penerapan visual lingkungan bawah air, sonar telah menjadi solusi pilihan untuk pengamatan dasar laut sejak dimulai pada tahun 1950-an. Hasil pencitraan side scan sonar disajikan dalam bentuk 2 dimensi (2D). Namun pada perkembangannya banyak gambar 2D side scan sonar yang bisa diubah menjadi representasi 3D.Model 3D dasar laut dilakukan dari hasil citra side scan sonar dan data singlebeam echosounder sebagai data kedalaman. Lokasi penelitian yang diambil berada di wilayah utara perairan kota semarang. Data yang digunakan meliputi raw data side scan sonar, singlebeam echosounder, multibeam echosounder, pasut dan sound velocity profiler. Hasil perpaduan dari side scan sonar-singlebeam echosounder akan dibandingkan dengan data dari multibeam echosounder.Model 3D dasar laut yang dihasilkan oleh perpaduan SSS-SBES memiliki topografi yang relatif datar dengan kedalaman antara 9 meter sampai dengan 12 meter dan objek dapat teridentifikasi secara baik. Perbandingan koordinat objek antara SSS-SBES dengan MBES memiliki selisih jarak yaitu : SPM: 5,512 meter; P1: 3,178 meter; P2: 7,392 meter; P3: 8,362 meter; dan P4: 6,853 meter. perbedaan nilai kedalaman masing-masing sebesar P1: -0,9 meter; P2: -0,8 meter; P3: -1,3 meter; dan P4: -1,1 meter. Pada SSS-SBES nilai kedalamanya hanya didpatkan sepanjang lajur survei sehingga tidak mampu memberikan nilai kedalaman yang pasti diluar garis survei. perhitungan kedalaman menggunakan IHO-SP44, perhitungan menggunakan titik sample 94% titik sample memenuhi orde 1a dan pada perhitungan menggunakan sample lajur profil didapatkan sebesar 78,6% memenuhi orde 1a.Kata Kunci : 3D dasar laut,  Side scan sonar, Singlebeam echosounder  ABSTRACT Knowledge of the topography of the ocean floor begins with mappings that have been long established in antiquity. Given the range and capabilities are limited to a visual application of underwater environments, sonar has become the choice of solution for the observation of the ocean floor since it began in the 1950s. Side scan sonar imaging results are presented in the form of two-dimensional (2D). But the growth of many 2D side scan sonar images that can be converted into a 3D representation.3D model of the ocean floor carried out from the side scan sonar imagery and data singlebeam echosounder as depth data. The location of research is in the north of waters semarang city. Data used included is raw data is side scan sonar, echosounder singlebeam, multibeam echosounder, tide and sound velocity profiler. Results blend of side-scan sonar singlebeam echosounder will be compared with data from multibeam echosounder.3D model of the ocean floor produced by SBES-SSS fusion has a relatively flat topography with a depth of 9 meters to 12 meters and objects can be identified properly. Comparison of the object coordinates between SSS-SBES with MBES have separation distances are: SPM: 5.512 meters; P1: 3,178 meters; P2: 7,392 meters; P3: 8.362 meters; and P4: 6.853 meters. Differences in depth value respectively by P1: -0.9 meters; P2: -0.8 meters; P3: -1.3 meters; and P4: -1.1 meters. In SSS-SBES value of depth only lanes along the survey and is unable to give a definite depth value outside the survey line. Depth calculation using the IHO-SP44, calculations using sample points of 318 sample points earned as much as 299 points, or 94% of sample points fulfill the order 1a and on calculations using a sample of 14 lanes lanes profile obtained 11 columns profiles or by 78.6% fulfill the order 1a.Keywords : 3D Seabed Surface, Side scan sonar, Singlebeam echosounder *) Penulis Penanggung Jawab
STUDI PEMETAAN HABITAT DASAR PERAIRAN LAUT DANGKAL BERDASARKAN ANALISIS DIGITAL MENGGUNAKAN CITRA PLEIADES MULTISPEKTRAL DI PERAIRAN PULAU MENJANGAN BESAR, KEPULAUAN KARIMUNJAWA, JAWA TENGAH Faisal Aldin; Yudo Prasetyo; Muhammad Helmi
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 (880 KB)

Abstract

ABSTRAKPulau Menjangan Besar adalah salah satu pulau di Kepulauan Karimunjawa yang terkenal dengan wisata bawah laut terutama terumbu karang. Terumbu karang merupakan bagian dari habitat dasar perairan laut dangkal yang memiliki potensi sumber daya laut dan patut diperhitungkan sehingga pemetaan sebaran dan luasan habitat dasar perairan laut dangkal sangatlah dibutuhkan dalam pengembangan potensi sumber daya laut dan pesisir. Kurangnya informasi ilmiah terkait habitat dasar perairan laut dangkal terutama terumbu karang di Pulau Menjangan Besar membuat proses pemantauan keadaan habitat dasar perairan laut dangkal mengalami kesulitan.Tujuan dari penelitian ini adalah mengetahui kemampuan dan potensi citra satelit Pleiades-1A multispektral dalam pemetaan habitat dasar perairan laut dangkal dan mengetahui kelas dan pola spasial habitat dasar perairan laut dangkal berdasarkan hasil analisis citra satelit Pleiades-1A dan survei lapangan. Metodologi yang digunakan dalam penelitian ini adalah pemanfaatan teknologi pengindraan jauh menggunakan citra Pleiades-1A dengan algoritma Lyzenga. Metode algoritma Lyzenga digunakan untuk memetakan material penutup material penutup substrat dasar pada perairan laut dangkal.Berdasarkan hasil pengolahan dan klasifikasi citra  Pleiades-1A diperoleh hasil uji akurasi sebesar 88,33 %. Hasil tersebut menunjukan bahwa citra Pleiades-1A mampu mendeteksi kanampakan habitat dasar perairan laut dangkal secara baik. Berdasarkan hasil klasifikasi dalam pemetaan habitat dasar perairan laut dangkal menunjukan kenampakan 5 kelas yang terdiri dari kelas pasir sebesar 60%, kelas makroalga 17%, kelas terumbu karang 11%, kelas lamun 8% dan kelas pecahan karang 4%. Pola dari masing-masing kelas tersebar secara acak di daerah penelitian dan didominasi oleh kelas pasir. Kata Kunci : Algoritma Lyzenga, Citra Pleiades-1A, Habitat Dasar Perairan Laut Dangkal, Menjangan Besar ABSTRACTMenjangan Besar Island is one of the islands in the Karimunjawa Islands. The island is famous for underwater tourism especially coral reefs. Coral reefs are part of shallow sea bottom habitats that have considerable marine resource potential so that the mapping of the distribution and extent of shallow sea bottom habitats is very much needed in developing the potential of marine and coastal resources. Lack of scientific information related to shallow sea bottom habitats, especially coral reefs on the Menjangan Besar Island, has made it difficult to monitor the situation of shallow sea bottom habitats.The purpose of this study is to determine the ability and potential of multispectral Pleiades-1A satellite imagery in mapping shallow sea bottom habitats and determine the class and spatial patterns of shallow sea bottom habitats based on the results of Pleiades-1A satellite image analysis and field survey. The methodology used in this research is the use of remote sensing technology using Pleiades-1A imagery with Lyzenga algorithm. The Lyzenga algorithm method is used to map the covering material of shallow seabed cover material.Based on the results of processing and classification of Pleiades-1A images obtained an accuracy test results of 88.33%. These results indicate that the Pleiades-1A imagery is able to detect the appearance of shallow sea bottom habitats. Where the results of the classification in the mapping of shallow sea bottom habitats are divided into 5 classes consisting of 60% sand class, 17% macroalgae class, 11% coral reef class, 8% seagrass class and 4% coral fraction class. The patterns of each class are randomly distributed in the study area and are dominated by sand classes. Keyword : Lyzenga Algorithm, Menjangan Besar, Pleiades-1A Imagery, Shallow Sea Bottom Habitats
Aplikasi SIG Berbasis Desktop Untuk Sebaran Lokasi Usaha Pertambangan di Kabupaten Wonogiri Annisaa Cahyaningsih; Arief Laila Nugraha; Hani&#039;ah .
Jurnal Geodesi UNDIP Volume 3, Nomor 1, Tahun 2014
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (743.624 KB)

Abstract

An accurate and up-to-date information or data concerning with mining trade in a certain area, is urgently needed by the local government because, based on such information, steps for making decisions about mining trade management policy could be facilitated. In addition, such an information will also be very helpful for businessmen as well practitioners interested or involving actively in the management of mining trade.To get the information of the distribution of mining trade locations GIS mapping is done by using GPS navigation and supported by the attributes data of mining trade such as a kind of mining trade permit, the locations, the type of mineral, the name of the owner, and so on. Next is making database from spatial and attribute data using MapInfo 10.0 software and presented in the form of application using Visual Basic 6.0 software. From the three methods mention above, it can be obtained the complete information about the distribution of mining trade locations.The result obtained from the analysis of mining trade in Wonogiri Regency there are 91 mining trade, 16 Mining Permit (IUP) and 75 Mining Permit for the Society (IPR) which is spread in 14 districts. The final result which is presented is in the form of desktop GIS application that can be used by the user in order to get the complete data of mining trade easily.Keywords:         Mining Trade, GIS (Geographics Information System) , GIS Application 
IDENTIFIKASI DAN ESTIMASI TINGKAT PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN TEKNOLOGI LiDAR (Studi Kasus : Air Upas, Kabupaten Ketapang) Tsana’a Alifia Nauthika; Andri Suprayogi; Bambang Sudarsono
Jurnal Geodesi UNDIP Volume 6, Nomor 4, Tahun 2017
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (610.685 KB)

Abstract

ABSTRAK Data penginderaan jauh (inderaja) telah banyak digunakan untuk identifikasi dan pemantauan kondisi penggunaan lahan pertanian. Salah satu teknologi penginderaan jauh yang tengah berkembang sangat pesat ialah LiDAR. Kelapa sawit merupakan salah satu komoditas utama dalam bidang perkebunan di Indonesia. Sebagai komoditas unggulan, maka diperlukannya monitoring lahan secara akurat dan berkala untuk mengontrol produktivitas kelapa sawit. Untuk mengidentifikasi dan mengestimasi tingkat produktivitas kelapa sawit pada Kecamatan Air Upas dengan nomor lembar 17E, diterapkan menggunakan metode perhitungan pohon secara otomatis dan manual. Pada penelitian ini orthophoto menggunakan metode template matching untuk perhitungan ekstraksi otomatis pohon kelapa sawit dan perhitungan jumlah pohon manual dilakukan digitasi. Data LiDAR dilakukan pembuatan DEM, DSM dan CHM yang digunakan untuk menentukan tinggi masing-masing pohon kelapa sawit. Umur tanaman dapat diketahui berdasarkan hasil identifikasi tinggi pohon.Hasil ekstraksi otomatis identifikasi pohon kelapa sawit berjumlah 23.178 pohon dan hasil digitasi manual berjumlah 24.260 pohon. Hal ini berarti presentasi perhitungan tercapai >80% yaitu mencapai 95,53%. Perbedaan posisi antara kedua metode didapat nilai RMSe absis (X) sebesar 0,64 meter dan nilai RMSe ordinat (Y) sebesar 0,73 meter. Berdasarkan hasil identifikasi pohon, tinggi pohon yang paling dominan pada area Kecamatan Air Upas dengan nomor lembar 17E seluas ± 178,1 ha adalah berkisar antara 6,7 meter sampai dengan 8,4 meter dan estimasi umur pohon kelapa sawit yang paling dominan pada area studi penelitian adalah umur 10  tahun sebanyak 4.759 pohon, umur 11 tahun sebanyak 4.841 pohon dan umur 12 tahun sebanyak 4.684 pohon. Besarnya nilai kesalahan (RMSe) perbedaan antara titik manual dan titik otomastis pada tinggi pohon sebesar 0,76 meter. Estimasi tingkat produktivitas kelapa sawit berdasarkan umur untuk masing-masing kelas lahan adalah sebesar 5.545,6 ton untuk kelas lahan S1 (sangat sesuai); sebesar 4.970,3 ton untuk kelas lahan S2 (sesuai) dan sebesar 4.726,6 ton untuk kelas lahan S3 (kurang sesuai). Tinggi rendahnya produktivitas tanaman kelapa sawit sangat dipengaruhi oleh komposisi umur tanaman dan kesesuaian kondisi lahan.
ANALISIS DAYA TAMPUNG FASILITAS PENDIDIKAN TERHADAP JUMLAH PENDUDUK USIA SEKOLAH BERBASIS SISTEM INFORMASI GEOGRAFIS widya Prajna; Sutomo Kahar; Arwan Putra Wijaya
Jurnal Geodesi UNDIP Volume 4, Nomor 3, Tahun 2015
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (706.594 KB)

Abstract

ABSTRAK Sebagai salah satu kota metropolitan Semarang boleh dikatakan cukup padat, pada tahun 2011 kepadatan penduduknya sebesar 4.133 jiwa per km2, sedikit mengalami kenaikan dibandingkan dengan keadaan tahun 2010. Dikarenakan tingginya nilai kepadatan penduduk tersebut maka perlu ditunjang dengan sarana-sarana penunjang kegiatan penduduknya terutama di bidang pendidikan.Pada penelitian ini untuk analisis lokasi sekolah terhadap kawasan pemukiman menggunakan service area analyst, sedangkan analisis daya tampung dilakukan dengan menghitung nilai APK, APM, TPS, dan Ketertampungan yang kemudian disajikan secara spasial dalam bentuk peta. Penelitian ini mengambil 5 kecamatan di Kota Semarang saja, yaitu Candisari, Gayamsari, Semarang Selatan, Semarang Tengah, dan Semarang Timur. Fasilitas pendidikan yang diteliti adalah tingkat SMP dan SMA.                Dari penelitian ini didapatkan hasil bahwa lokasi sekolah yang ada baik di tingkat SMP dan SMA sudah dapat menjangkau kawasan pemukiman yang ada. Sesuai dengan Permendiknas No. 24 Tahun 2007 yang menyatakan lokasi sekolah harus dapat dijangkau dari kawasan pemukiman dengan jarak 6 km. Untuk tingkat SMP, di kecamatan Candisari terdapat sebesar 13,12% penduduk usia 13-15 tahun  yang tidak tertampung  dan kecamatan Gayamsari terdapat sebesar 11,95% penduduk usia 13-15 tahun yang tidak tertampung. Sedangkan di tingkat SMA hanya kecamatan Candisari terdapat sebesar 12,16% penduduk usia 16-18 tahun tahun yang tidak dapat tertampung. Kata kunci: Lokasi Sekolah, Pemukiman, Semarang, Service Area Analyst.ABSTRACTAs one of a metropolitan city, Semarang has a high density population. In 2011, the population density is 4.133 population per km2, this amount is higher than in 2010. Because of the high density population, it is necessary that the  public facility have to match it’s necessity, especially in education.                In this reasearch, the school location to residence area analysis was analyzed using service area analyst method. Meanwhile the school capacity analysis was  done by calculating APK, APM, TPS, and Accomodated that than it is presented spatially in the form of a map. This study took 5 subdistricts of Semarang City, there are Candisari, Gayamsari, Semarang Selatan, Semarang Tengah, and Semarang Timur. The  education facility objects are junior high schools, and senior high schools.This study showed that the location of existing schools at both the junior high schools and senior high schools have reached residence area. In accordance with the Ministerial Regulation No. 24 of 2007 that the school should be reachable from the residence area within a distance of 6 km. For the junior high school level, in Candisari subdistrict there are 13.12% population aged 13-15 are not accommodated and in Gayamsari subdistrict 11.95% of the population aged 13-15 are not accommodated. While in senior high school level only in Candisari subdistrict 12.16% of the population aged 16-18 years who can’t be accommodated. Keywords: School Location, Resident, Semarang, Service Area Analyst.   *) Penulis Penanggung Jawab
ANALISIS KONFIGURASI OPTIMUM KERANGKA GCP UNTUK SURVEI PEMETAAN LUASAN BESAR MENGGUNAKAN UNMANNED AERIAL VEHICLE (UAV) Fajriah Lita Pamungkasari; Yudo Prasetyo; Abdi Sukmono
Jurnal Geodesi UNDIP Vol 8, No 1 (2019)
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (945.83 KB)

Abstract

Teknik fotogrametri yang sedang berkembang sekarang ini menjadikan Unmanned Aerial Vehicle (UAV) sebagai salah satu platform yang semakin populer untuk pekerjaan pemetaan karena kelebihannya dalam kemampuan akuisisi foto udara dengan resolusi spasial yang tinggi. Penggunaan Ground Control Point (GCP) tidak lepas dari pekerjaan fotogrametri agar produk foto udara memiliki akurasi tingkat survei. Untuk itu spesifikasi yang jelas mengenai konfigurasi GCP masih perlu diteliti untuk mendapatkan solusi yang efisien untuk meminimalisir waktu, biaya dan tenaga yang digunakan. Maka dari itu penelitian ini bertujuan untuk menganalisis penggunaan GCP yang optimal untuk survei pemetaan luasan besar. Digunakan 4 set data survei udara luasan besar dengan bentuk area meluas dan memanjang hasil akuisisi dari UAV. Ortorektifikasi foto udara dilakukan dengan konfigurasi GCP berdasarkan variasi jarak dan geometri jaringan. Pengolahan dilakukan hingga didapatkan nilai ketelitian dari laporan proses rektifikasi. Selanjutnya, ketelitian planimetrik dideskripsikan dalam akurasi relatif dan absolut. Analisis hasil variasi jarak dan geometri jaringan dilakukan dengan akurasi relatif sedangkan akurasi absolut digunakan untuk analisis skala untuk mengetahui konfigurasi yang optimal. Hasil dari uji akurasi berdasarkan 11 variasi jarak antar GCP menunjukkan bahwa semakin jauh interval GCP menghasilkan ketelitian yang semakin buruk, dengan perbedaan nilai ketelitian yang tidak signifikan dari jarak 0,86 km sampai 2,84 km, hingga terjadi peningkatan signifikan pada model dengan jarak 3,52 km sampai 7,69 km. Sedangkan, hasil dari uji akurasi berdasarkan geometri jaringan menghasilkan ketelitian yang beragam pada 27 model untuk masing-masing jenis geometri. Pembandingan dilakukan antar model dengan geometri yang berbeda maupun antar geometri yang sama serta pada geometri dengan dan tanpa titik pusat. Hasil dari penelitian ini dapat digunakan sebagai referensi dalam penggunaan konfigurasi GCP yang optimal untuk pekerjaan pemetaan luasan besar menggunakan UAV.
PEMANFAATAN NILAI WILLINGNESS TO PAY UNTUK PEMBUATAN PETA ZONA NILAI EKONOMI KAWASAN MENGGUNAKAN TRAVEL COST METHOD DAN CONTINGENT VALUATION METHOD DENGAN SISTEM INFORMASI GEOGRAFIS (Studi Kasus : Kawasan Tamansari Yogyakarta) Ardhian Setiawan Saputra; Sawitri Subiyanto; Arwan Putra Wijaya
Jurnal Geodesi UNDIP Volume 5, Nomor 4, Tahun 2016
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (613.758 KB)

Abstract

ABSTRAK Kota Jogjakarta adalah salah satu kota di Indonesia yang  mempunyai  banyak  tempat  wisata  yang  menarik  untuk  di  kunjungi. Tamansari adalah salah satu tempat wisata yang ada di Kota Jogjakarta yang selain mempunyai potensi akan keindahannya juga menjadi salah satu Daerah Tujuan Wisata (DTW). Berdasarkan hal tersebut maka diperlukan suatu peta Zona Nilai Ekonomi Kawasan (ZNEK) untuk mengetahui nilai ekonomi berdasarkan metode TCM (Travel Cost Method) dan CVM (Contingent Valuation Method) pada kawasan tersebut.Metode penarikan responden yang digunakan dalam penelitian tugas akhir ini adalah non probability sampling dengan teknik sampling insidental yaitu untuk responden yang secara kebetulan ditemui dilokasi wawancara. Metode pengolahan data yang digunakan adalah analisis regresi linear berganda dan perhitungannya menggunakan perangkat lunak Maple 17.Dalam penelitian tugas akhir ini diperoleh hasil berupa peta Zona Nilai Ekonomi Kawasan yang memiliki surplus konsumen domestik sebesar Rp 2.734.791,-, surplus konsumen mancanegara sebesar Rp 237.615.621,- dan  nilai WTP sebesar Rp 43.833,- untuk CVM sehingga diperoleh nilai ekonomi total Tamansari Domestik sebesar Rp 1.112.139.115.700,- dan Tamansari Mancanegara sebesar Rp 15.963.237.947.900,- (nilai surplus konsumen per individu dikalikan dengan jumlah pengunjung tahun 2015). Kata kunci : Tamansari, Travel Cost Method, Contingent Valuation Method, Zona Nilai Ekonomi Kawasan, Maple 17. ABSTRACT Jogjakarta is a city in Indonesia which has a lot of interesting tourism place to be visited.Tamansari is one of tourism places in Jogjakarta which does not only have potential in their beauty, but also became one tourist destination areas. Based on this thing, region economic value zone map (ZNEK) is needed to figure out economic value based on TCM (Travel Cost Method) and CVM (Contingent Valuation Method) in that region.The respondent withdrawal method used in this final project is non probability sampling with incidental sampling technique which is for the respondents who are accidentally met at the location. The data processing method is multiple linear regression analysis and calculated using Maple 17 software.In this final project research, the result was region economic value zone map which had consumer surplus domestic of Rp 2.734.791,-, consumer surplus foreign tourist of Rp 237.615.621,- and   WTP value of Rp 43.833,- for CVM, so that it was obtained that the total economic value of Tamansari domestic was Rp 1.112.139.115.700,- and total economic value of Tamansari foreign tourist was Rp 15.963.237.947.900,-   (consumer surplus value per individual multiplied by number of visitors on 2015). Keywords : Tamansari, Travel Cost Method, Contingent Valuation Method, Zone Economic Value Zone, Maple 17. *) Penulis, PenanggungJawab

Page 55 of 84 | Total Record : 839

 53   54   55   56   57 

Filter by Year

2012 2024


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