Journal Information
ISSN / EISSN : 1858-2281 / 2442-3998
Total articles ≅ 247
Current Coverage
DOAJ
Archived in
SHERPA/ROMEO
Filter:

Latest articles in this journal

Nia Kurniadin, Feri Fadlin
Abstract:
Informasi perubahan garis pantai sangat penting dalam berbagai kajian pesisir, misalnya; rencana pengelolaan kawasan pesisir, perwilayahan/zonasi bahaya, studi abrasi-akresi, serta analisis dan pemodelan morfodinamika pantai. Salah satu penyebab ternjadinya perubahan morfologi garis pantai adalah oleh fenomena tingginya gelombang akibat terjadinya tsunami. Teluk Palu mengalami terpaan gelombang Tsunami yang terjadi pada 28 September 2018. Pesisir pantai sepanjang teluk palu mengalami berubahan yang cukup signifikan akibat adanya dampak Tsunami tersebut. Dalam penelitian ini, pemanfaatan teknologi penginderaan jauh secara temporal dan spasial digunakan dalam identifikasi perubahan garis pantai. Metode yang digunakan adalah interpretasi terhadap Normalized Difference Water Index (NDWI) pada citra Sentinel-2 untuk mengidentifikasi garis pantai serta menganalisis besarnya perubahan yang terjadi. Hasil analisis perubahan garis pantai yang terjadi akibat Tsunami setelah dilakukan tumpang susun terhadap data sebelum dan setelah terjadi Tsunami diperoleh panjang garis pantai sebelum Tsunami 42,633 km dan setelah Tsunami 40,718 km dimana terjadi perubahan pajang garis pantai 1,915 km, serta luas abrasi 1,021 km2.Coastline change information is very important in various coastal studies, for example; coastal area management plans, hazard zoning, abrasion-accretion studies, as well as coastal morphodynamical analysis and modeling. One of the causes of coastline morphology change is the phenomenon of high waves due to the tsunami. Tsunami waves has exposed Palu Bay on September 28, 2018. The coast along the Palu bay experienced significant changes due to the impact of the Tsunami. In this study, temporally and spatially remote sensing technology are used to identify coastline changes. The Normalized Difference Water Index (NDWI) method used to interpret Sentinel-2 image to identify and analyze the coastline changes that happened. An analysis of the results of coastline changes that occurred as a result of the Tsunami after overlapping the data before and after the Tsunami were obtained that the length of the coastline before the Tsunami was 42.633 km and after the Tsunami was 40.718 km where there was a change in coastline length of 1.915 km, and an area 1.021 km2 of abrasion.
Nurwatik Nurwatik, Eka Diah Nur Safitri, Astrid Calista
Abstract:
Pesisir Barat merupakan salah satu Kabupaten di Provinsi Lampung yang berbatasan dengan Samudra Hindia. Posisi wilayah yang berada diantara pertemuan dua lempeng tektonik, yaitu lempeng Eurasia dan lempeng Indo-Australia mengkibatkan Kabupaten Pesisir Barat sering mengalami dampak gempa. Sesuai laporan dari BMKG, bencana gempa yang cukup besar telah terjadi pada hari Jum’at tanggal 02 Agustus 2019 jam 19:03:25 WIB dengan magnitude 6.9 SR. Pusat Gempa bumi terletak di laut selatan Pesisir Barat pada koordinat 7.32°LS-104.75°BT dengan kedalaman dangkal sekitar 48 km. Selain guncangan, gempa juga dapat mengakibatkan perubahan (deformasi) pada permukaan tanah. Penelitian ini menggunakan metode penginderaan jauh aktif untuk mengamati deformasi yaitu DInSAR (Differential Interferometry Synthetic Aperture Radar) yang merupakan teknik berbasis radar untuk mengeksploitasi informasi pada fase dua periode citra. Pengamatan deformasi dilakukan menggunakan dua data Sentinel-1A yang diakuisisi pada tanggal 01 Juni 2019 sebagai master, citra 29 Oktober 2019 sebagai slave, dan DEM SRTM 30 meter sebagai informasi topografi di wilayah tersebut. Hasil metode DInSAR menunjukkan deformasi vertikal yang diproyeksikan sepanjang LOS (Line Of Sight) di Kabupaten Pesisir Barat dengan nilai yang bervariasi pada rentang -12 cm sampai +22 cm. Dari proses kalkulasi statistik, dapat diketahui bahwa mayoritas permukaan tanah pada studi lokasi mengalami pengangkatan (uplift) sebesar 1,1 cm sampai 8,1 cm selama periode pengamatan. Fenomena tersebut selaras dengan aktivitas tektonik dan formasi geologi yang menyusun dataran Pesisir Barat, yaitu batuan gunungapi kuarter dan simpangaur. Pesisir Barat is one of the regencies in Lampung Province which adjacent to the Indian Ocean. The location where is between the junction of two tectonic plates, the Eurasian plate and the Indo-Australian plate, causes Pesisir Barat become frequently affected by earthquakes. According to the report from BMKG, a quite large earthquake occurred on Friday August 2, 2019 at 19:03:25 WIB with a magnitude of 6.9 SR. The epicenter of the earthquake is located in the southern sea of Pesisir Barat at coordinates 7.32°S ; 104.75°E with a shallow depth of about 48 km. Apart from shocks, earthquakes can also cause changes (deformations) to the ground surface. This research purposes an active remote sensing method that can be used to observe deformation is DInSAR (Differential Interferometry Synthetic Aperture Radar), which is a radar-based technique to exploit information in the two-period phase of the image. Deformation observations were carried out using two Sentinel-1A data acquired on June 1, 2019 as a master, October 29, 2019 imagery as a slave, and DEM SRTM 30 meters as topographic information in it’s area. The results of the DInSAR method show that vertical deformation which is projected along the LOS (Line Of Sight) in Pesisir Barat Regency with varying values in the range from -12 cm to +22 cm. From the statistical calculation process, it can be seen that the majority of the land surface in the study location experienced an uplift of 1.1 cm to 8.1 cm during the observation period. This phenomenon is consistent with the tectonic activity and geological formations that form the Pesisir Barat plains, namely quaternary volcanic rocks and simpangaur.
Hikmah Fajar Assidiq, Catur Aries Rokhmana
Abstract:
Kekeringan merupakan salah satu bencana krusial dan kompleks yang dapat menimbulkan kerugian material dan immaterial. Kekeringan di indonesia dikategorikan beberapa jenis meliputi Kekeringan Pertanian, Kekeringan Meterologis, dan kekeringan Hidrologi. Kekeringan pertanian merupakan kondisi dimana adanya penurunan kandungan air di dalam tanah. Kondisi tersebut akan berdampak pada tumbuhan dan atau tutupan lahan sehingga diperlukan tindakan preventif. Tindakan preventif dilakukan dengan cepat, efektif dan efisien sehingga pendekatan dengan pola dinamis sangat diperlukan. Pendekatan pola dinamis dilakukan dengan dengan metode yang dapat dilakukan setiap waktu. Penggunaan penginderaan jauh sensor aktif dapat menjadi solusi melalui pemantaaun setiap waktu secara dinamis. Salah satunya yaitu satelit dengan sensor radar, yaitu Sentinel 1. Sentinel 1A memiliki gelombang band C. Polarisasi pada citra Sentinel 1 memiliki bentuk dual-pol yang terdiri dari VV dan VH atau HH dan HV. Kombinasi polariasi memiliki potensi untuk digunakan identifikasi kekeringan. Metode yang dapat digunakan yaitu Radar Vegetation Index. Radar Vegetation Index dikembangkan dari algoritma NDVI. Klasifikasi kekeringan RVI dikembangkan dari analisis regresi hasil NDVI Landsat 8 dengan hasil RVI. Penelitian ini bertujuan untuk mengkaji pemanfaatan data SAR untuk identifikasi kekeringan dengan menghubungkan Dual Polametric SAR Band – C dan Landsat 8. Hasil penelitian bahwa NDVI memiliki Koefesien determinasi dengan RVI sebesar 0.2981.Drought is a disastrous and complex disaster that can cause material and immaterial losses. The drought in Indonesia is categorized by several types including Agricultural Drought, Meteorological Drought, and Hydrological Drought. Agricultural drought is a condition where there is a decrease in water content in the soil. These conditions will have an impact on vegetation and / or land cover so preventive action is needed. Preventive action is carried out quickly, effectively and efficiently so that an approach with a dynamic pattern is needed. The dynamic pattern approach is done by a method that can be done any time. The use of Active Sensor remote sensing can perform monitoring at any time and dynamically. One of the satellites with radar sensors is Sentinel 1A. Sentinel 1A has a C band wave. Polarization in the Sentinel-1 image has a dual-pol form consisting of VV and VH or HH and HV. The Polarization combination has the potential to measure drought. The method that can be used is the Vegetation Radar Index. The radar vegetation index is developed from the NDVI algorithm. The RVI Drought Classification is made by maintaining the relationship between the NDVI Landsat 8 results and the RVI results. This study aims to examine the use of SAR data for drought identification with the relationship between Dual Polametric SAR Band - C and Landsat 8. The results explain that NDVI has a coefficient of determination with an RVI of 0.2981.
Norma Aji Cemara Mannani, Eko Yuli Handoko
Abstract:
Global Navigation Satellite System (GNSS) semakin dikembangkan sebagai sistem penginderaan jauh atmosfer, salah satunya melalui perhitungan Zenith Tropospheric Delay (ZTD). Seiring dengan pengembangan stasiun CORS, maka mendorong dilakukannya penelitian mengenai ZTD dengan data yang kontinyu dan resolusi spasial yang baik karena letak stasiun CORS tersebar merata. Penelitian ini bertujuan menganalisis karakteristik variasi spasial dan temporal dari salah satu komponen ZTD, yaitu Zenith Wet Delay (ZWD). Studi kasus penelitian ini adalah Provinsi Jawa Timur dengan menggunakan 16 stasiun CORS. Selain data CORS, digunakan pula data meteorologi dari empat stasiun milik BMKG di Jawa Timur yang digunakan sebagai data pembanding. Perhitungan nilai ZTD dan ZWD menggunakan perangkat lunak GIPSY 6.4. Nilai ZWD divisualisasikan dengan gridding metode krigging dengan ukuran grid 0,25˚ × 0,25˚. Terdapat pola penurunan pada nilai trend ZWD rata-rata sebesar sekitar 1,628 mm/tahun. Karakteristik variasi spasial dan temporal dari nilai ZWD dipengaruhi beberapa faktor, di antaranya angin monsun Asia dan Australia yang menyebabkan adanya musim, fenomena global seperti El Nino dan La Nina, intensitas curah hujan, kondisi meteorologi lokal seperti suhu dan kelembaban, cuaca, dan topografi dari stasiun.Global Navigation Satellite System (GNSS) are being developed as an atmospheric remote sensing system through the calculation of ZTD. The development of CORS station encourages research investigations about Zenith Tropospheric Delay (ZTD) with continuous data and good spatial resolution. This research studies about characteristics of spatial and temporal variation from ZWD in East Jawa. The case study in East Jawa Province Using 16 CORS Station. Meteorological data from four BMKG’s stations are used as comparison data. ZTD and ZWD value from CORS data are calculated using GIPSY 6.4 Software. ZWD values are gridded using the kriging method with the size of the grids is 0,25 x 0,25. ZWD value comparison from CORS and meteorology data have a strong correlation with coefficient value is 0,712. The mean ZWD trend is decreasing by about 1,628 mm/yr. Characteristics of spatial and temporal variations of the ZWD value influenced by monsoon Asia-Australian which cause dry and rainy seasons, global phenomena such as El Nino and La Nina, rainfall, local meteorological conditions such as temperature and humidity, weather, and topography of the stations.
Bella Esti Ajeng Syahputri, Ira Mutiara Anjasmara, Amien Widodo
Abstract:
Penelitian ini menyajikan hasil pengolahan data SAR dengan metode Permanent Scatterer Interferometric SAR (PS-InSAR) yang bertujuan untuk menganalisa pola dan nilai deformasi muka tanah akibat manifestasi gunung lumpur di wilayah Cekungan Jawa Timur. Dengan menggunakan metode PS-InSAR pada pengolahan data time series untuk citra SAR L-band ALOS PALSAR 1 tahun 2007-2009 dan C-band Sentinel 1A tahun 2015-2019, besarnya deformasi yang didapat dapat sampai ketelitian satuan milimeter. Hasil yang diperoleh menunjukkan bahwa untuk pengolahan tahun 2007-2009 tidak dapat dijadikan informasi deformasi karena kurangnya ketersediaan jumlah citra sebagai syarat pengolahan metode PS-InSAR, sedangkan hasil pengolahan tahun 2015-2019 menunjukkan pola dan nilai deformasi yang berbeda pada tiap lokasi. Pada Gunung Lumpur Sidoarjo terjadi penurunan muka tanah rata-rata sebesar 5,46 mm/th. Gunung Lumpur Gununganyar mengalami kenaikan muka tanah rata-rata sebesar 1,71 mm/th dan penurunan muka tanah sebesar 7,08 mm/th. Gunung Lumpur Kalanganyar mengalami kenaikan muka tanah rata-rata sebesar 0,99 mm/th. Gunung Lumpur Wringinanom mengalami kenaikan muka tanah rata-rata sebesar 3,37 mm/th, dan Gunung Lumpur Bujhel Tasek Bini dan Laki mayoritas mengalami kenaikan muka tanah rata-rata 2,88 mm/th. Hasil analisis penelitian ini dapat dimanfaatkan sebagai bahan pertimbangan dalam kegiatan pembangunan atau konstruksi pada wilayah di sekitar manifestasi gunung lumpur di Provinsi Jawa Timur.This study presents the results of the Permanent Scatterer Interferometric SAR (PS-InSAR) processing technique, which aims to analyze the pattern and value of surface deformation due to mud volcano manifestations. Using the PS-InSAR method, the deformation identified from processing time-series data on the ALOS PALSAR 1 L-band SAR Image in 2007-2009 and C-band Sentinel 1A 2015-2019 can reach the accuracy of millimeters. The results also showed that the 2007-2009 data processing could not be used as deformation information. It is because the minimum number of images required for the PS-InSAR method was not fulfilled. The 2015-2019 data processing illustrates the deformation patterns and values on the mud volcano manifestation locations. The Sidoarjo Mud Volcano experience uplift with an average value of 5.46 mm/year. The Gununganyar Mud Volcano experienced average uplift of 1.71 mm/year and a subsidence of 7.08 mm/year. The majority of the Kalanganyar Mud Volcano experienced average subsidence of 0.99 mm/year. The Wringianom Mud Volcano experienced average subsidence of 3.37 mm/year, and the majority of Bujhel Tasek Bini and Pria Mud Volcano has average subsidence of 2.88 mm/year. This study's results can be useful for consideration in development activities or construction around the mud volcanoes manifestation in East Java Province.
Muhammad Iqbal Taftazani, Afradon Aditya Setyawan, Ananda Taufiq Akbar, Annisa Farida Hayuningsih, Dhany Yudi Prasteyo, Wulan Ratna Mayangsari
Abstract:
Batas daerah antara Kota Yogyakarta dan Kabupaten Sleman telah ditetapkan dan ditegaskan dalam Peranturan Menteri Dalam Negeri No 72 Tahun 2007, selanjutnya disebut sebagai Permendagri No 72/2007. Permendagri ini mengatur tentang batas daerah Kota Yogyakarta dan kabupaten Sleman dalam rangkaian koordinat titik pilar. Dalam batas daerah antara Kota Yogyakarta dan Kabupaten Sleman, terdapat 66 pilar batas yang terdiri dari tiga jenis pilar batas. Ketiga jenis pilar tersebut yaitu Pilar Acuan Batas Utama (PABU), Pilar Batas Utama (PBU), dan Pilar Batas (PBA). Telah dilakukan pengamatan secara visual terhadap 66 pilar batas yang berada di sepanjang garis batas Kota Yogyakarta dan Kabupaten Sleman. Artikel ini bermaksud untuk menyajikan hasil pengamatan secara visual pada pilar batas sebagai penanda (acuan) batas antara Kota Yogyakarta dan Kabupaten Sleman dengan tujuan untuk membantu pihak yang berkepentingan, dalam hal ini Pemerintah Kota Yogyakarta, dan Pemerintah Kabupaten Sleman dalam pemeliharaan batas antara kedua daerah. Dari hasil pengamatan secara visual ini didapati beberapa hal yang kedepannya perlu menjadi perhatian semua pihak yang berkepentingan terhadap batas ini, antara lain adanya pilar batas yang hilang, pilar batas yang sudah rusak, pilar batas yang terhalang tajuk, dan bermacam kondisi lainnya. Namun demikian masih terdapat juga pilar batas yang kondisinya cukup terawat dengan baik.The regional boundary between Yogyakarta City and Sleman Regency has been defined and confirmed in the Regulation of the Minister of Home Affairs No 72/2007, hereinafter referred to as Permendagri No 72/2007. This Permendagri regulates the regional boundaries of Yogyakarta City and Sleman Regency in terms of coordinating pillar points. Within the regional boundary between Yogyakarta City and Sleman Regency, 66 boundary pillars are consisting of three types of boundary pillars. The three types of pillars are the Main Boundary Reference Pillar (PABU), the Main Boundary Pillar (PBU), and the Boundary Pillar (PBA). Visual observations have been made to the 66 boundary pillars along the boundary lines of Yogyakarta City and Sleman Regency. This article intends to present a visual observation of the boundary pillar as a marker (reference) for the boundary between Yogyakarta City and Sleman Regency to assist interested parties, in this case, the Yogyakarta City Government and the Sleman Regency Government in maintaining the boundary between the two regions. From the results of this visual observation, several things need to be the attention of all parties with an interest in this limit, including missing boundary pillars, damaged boundary pillars, boundary pillars that are blocked by the canopy, and various other conditions. However, there are also boundary pillars that are in a quite good condition.
Tika Christy Novianti
Abstract:
Pemanfaatan citra satelit resolusi tinggi dalam pemetaan kawasan perkotaan telah sangat banyak digunakan dalam berbagai aplikasi, salah satunya untuk ekstraksi bangunan. Terdapat dua pendekatan yang dapat digunakan untuk ekstraksi bangunan dengan menggunakan metode penginderaan jauh yaitu metode klasifikasi berbasis piksel dan metode klasifikasi berbasis objek. Akan tetapi metode klasifikasi berbasis piksel memiliki kelemahan yaitu mengabaikan aspek spasial sehingga dapat mengurangi akurasi dari hasil klasifikasi dan rentan terjadi gangguan salt and pepper yang berdampak pada hasil akurasi. Hal tersebut menyebabkan digunakan klasifikasi berbasis objek dengan metode segmentasi citra menggunakan algoritma multiresolusi pada penelitian ini. Metode segmentasi dengan algoritma multiresolusi memiliki keunggulan yaitu dapat menggabungkan informasi spektral dan spasial dimana objek geografis dipisahkan tidak hanya berdasarkan aspek spektral namun berdasarkan aspek spasial seperti ukuran, pola, dan tekstur. Variasi ketinggian bangunan dan kerapatan yang tinggi di wilayah perkotaan menjadi permasalahan yang ditemukan dalam melakukan ekstraksi bangunan. Untuk mengatasi permasalahan tersebut, dilakukan penambahan data ketinggian berupa data NDSM yang diturunkan dari data LiDAR. Lokasi penelitian terbagi menjadi 3 Area of Interest (AOI) dengan kriteria untuk setiap AOI ditentukan berdasarkan kerapatan bangunan. Hasil dari klasifikasi berbasis objek sebelum penambahan data NDSM memberikan hasil akurasi sebesar 58.16 % untuk AOI 1, 58.92 % untuk AOI 2, dan 71.43 % untuk AOI 3, sedangkan setelah penambahan data NDSM nilai akurasi yang diperoleh sebesar 69.35% untuk AOI 1, 81.90% untuk AOI 2, dan 97.37% untuk AOI 3. Hasil dari penelitian ini menunjukkan bahwa terdapat perbedaan hasil klasifikasi sebelum dan sesudah penambahan data NDSM. Penambahan data NDSM dalam proses klasifikasi berbasis objek untuk ekstraksi bangunan dapat membantu dalam memisahkan objek bangunan dan non-bangunan serta dapat meningkatkan akurasi dari hasil klasifikasi.Utilization of high resolution satellite imagery for mapping in urban areas has been very widely used in various application, one of them for building extraction. Two common approaches for building extraction using remote sensing method are pixel-based classification method and object-based classification method. However, pixel-based classification method has the disadvantage of ignoring the spatial elements so as to reduce the accuracy of classification results also the susceptible of salt and pepper noise affects the accuracy of classification results. It is led to use object-based classification techniques with segmentation methods and multiresolution algorithm in this research. Segmentation methods with multiresolution algorithms has the advantage of being able to combine spectral and spatial information where geographic objects are distinguished not only on the spectral aspect but also spatial aspects such as shapes, patterns, and textures. Various heights of buildings and high density in the urban area become the next challenge in building extraction. In order to overcome these problems, the addition of height data NDSM derived from LiDAR data. The research location is divided into 3 Areas of Interest (AOI) with the criteria for each AOI being determined based on building density. The result of object-based classification before addition of NDSM data gives an accuracy result of 58.16% for AOI 1, 58.92 % for AOI 2, and 71.43 % for AOI 3, while after addition NDSM data the accuracy value obtained from the classification were 69.35 % in AOI 1, 81.90 % in AOI 2, and 97.37% in AOI 3. The result of classification shown the differences in classification results before and after the addition of NDSM data. Ancillary data NDSM in object based image classification for building extraction can distinguish between building and non-building class, also improve the accuracy of the classification results.
Andita Putri Damayanti, Harintaka Harintaka
Abstract:
Pembangunan kewilayahan yang merata di Indonesia masih terkendala dengan tidak tersedianya peta dasar skala besar sebagai bahan utama dalam penyusunan Rencana Detail Tata Ruang (RDTR). Data orthophoto dapat digunakan sebagai alternatif sumber data dalam penyediaan peta dasar skala besar. Penelitian ini bertujuan untuk mengkaji keandalan data true orthophoto hasil dense image matching dibandingkan dengan ground orthophoto bagi pembuatan unsur peta dasar skala besar di Indonesia. Area penelitian mengambil sampel wilayah urban, wilayah lahan terbuka dan wilayah bervegetasi. Tahap penelitian meliputi persiapan, pembentukan true orthophoto, dan analisis perbandingan antara unsur tutupan lahan pada true orthophoto dengan unsur tutupan lahan pada ground orthophoto. Berdasarkan hasil penelitian,true orthophoto memiliki kelemahan pada visualisasinya. Tingkat kecerahan dan kejelasan objek tutupan lahannya masih lebih rendah dibandingkan dengan data ground orthophoto. Kelemahan true orthophoto pada wilayah urban adalah banyaknya variasi rona piksel pada objek yang mengaburkan batas tutupan lahan, dominasi rona piksel objek yang menghilangkan objek lainnya dan adanya efek gergaji (sawtooth effect) pada bangunan tinggi. Untuk wilayah lahan terbuka dan wilayah bervegetasi terdapat kumpulan piksel yang berwarna abu-abu hingga kehitaman pada objek tutupan lahan. Perbedaan gelap terang piksel pada objek tutupan lahan dapat mempersulit identifikasi batas tutupan lahan. Secara geometri, data true orthophoto dapat digunakan untuk pembuatan peta dasar skala besar 1 : 5.000, hal ini ditunjukkan dengan hasil uji ketelitian geometrik horisontal (CE90) pada wilayah penelitian yang masuk ke dalam ketelitian peta RBI 1 : 5.000 kelas duaPembangunan kewilayahan yang merata di Indonesia masih terkendala dengan tidak tersedianya peta dasar skala besar sebagai bahan utama dalam penyusunan Rencana Detail Tata Ruang (RDTR). Data orthophoto dapat digunakan sebagai alternatif sumber data dalam penyediaan peta dasar skala besar. Penelitian ini bertujuan untuk mengkaji keandalan data true orthophoto hasil dense image matching dibandingkan dengan ground orthophoto bagi pembuatan unsur peta dasar skala besar di Indonesia. Area penelitian mengambil sampel wilayah urban, wilayah lahan terbuka dan wilayah bervegetasi. Tahap penelitian meliputi persiapan, pembentukan true orthophoto, dan analisis perbandingan antara unsur tutupan lahan pada true orthophoto dengan unsur tutupan lahan pada ground orthophoto. Berdasarkan hasil penelitian,true orthophoto memiliki kelemahan pada visualisasinya. Tingkat kecerahan dan kejelasan objek tutupan lahannya masih lebih rendah dibandingkan dengan data ground orthophoto. Kelemahan true orthophoto pada wilayah urban adalah banyaknya variasi rona piksel pada objek yang mengaburkan batas tutupan lahan, dominasi rona piksel objek yang menghilangkan objek lainnya dan adanya efek gergaji (sawtooth effect) pada bangunan tinggi. Untuk wilayah lahan terbuka dan wilayah bervegetasi terdapat kumpulan piksel yang berwarna abu-abu hingga kehitaman pada objek tutupan lahan. Perbedaan gelap terang piksel pada objek tutupan lahan dapat mempersulit identifikasi batas tutupan lahan. Secara geometri, data true orthophoto dapat digunakan untuk pembuatan peta dasar skala besar 1 : 5.000, hal ini ditunjukkan dengan hasil uji ketelitian geometrik horisontal (CE90) pada wilayah penelitian yang masuk ke dalam ketelitian peta RBI 1 : 5.000 kelas dua.The unavailability of a large scale base map creates a challenge to entirely develop equal territorial in Indonesia as the primary material for preparing Detailed Spatial Plan (DSP). The orthophoto data is used as an alternative source of data in the provision of large-scale maps. This study aims to examine the results of true orthophoto of dense image matching for producing the large-scale topographical elements of 1: 5,000. The findings are compared with ground orthophoto data in the same territory. The samples were urban areas, open land areas, and vegetated areas. The research consists of preparation, generate true orthophoto, and comparative analysis of research findings with ground orthophoto. The true orthophoto of dense image matching results has weaknesses in its visualization. The level of brightness and clarity of the land is lower than the ground orthophoto. The weakness of true orthophoto in urban areas is many hue variations of pixels on objects that obscure the land boundaries, the dominance of object pixel hue that removes other objects, and the sawtooth effect on the high buildings. Thus, there is a gray collection of black pixels on the land object for open land and vegetated areas. The difference in dark and light pixels of land objects complicates the identification of land boundaries. Geometrically, true orthophoto data of dense image matching used as primary data for making large-scale base maps of 1: 5.000 is indicated by the horizontal geometric accuracy test (CE90) in the research area that includes the second class topographical map accuracy of 1:5.000.
Hanif Ilmawan, Purnama Budi Santosa
Abstract:
Penyajian data statistik mengalami perkembangan seiring dengan kemajuan teknologi. Data statistik tidak hanya disajikan dalam bentuk tabel dan grafik saja, tetapi juga divisualisasikan menggunakan peta. Bahkan saat ini juga digunakan peta interaktif berbasis online untuk lebih memudahkan pengguna dalam mengakses dan mengeksplorasi data yang ada. Hal ini merupakan salah satu bentuk pelaksanaan dari Pasal 20 UU No. 16 Tahun 1997 yang mengatur bahwa penyelenggara kegiatan statistik wajib memberikan kesempatan yang sama kepada masyarakat untuk mengetahui dan memperoleh manfaat dari data statistik yang tersedia. Salah satu perangkat lunak yang dapat dimanfaatkan untuk melakukan visualisasi data statistik adalah StatPlanet Plus. Perangkat lunak ini bersifat free (versi offline dan non komersial). StatPlanet Plus mampu menghasilkan peta interaktif dengan menggunakan bahasa pemrograman Flash. Penyajian data statisik menggunakan peta interaktif dapat membantu pengguna untuk memahami data dan mengungkap wawasan baru (Di Biase, 1990; Roberts, 2008). Peta interaktif juga berfungsi sebagai media komunikasi pemilik data dengan pengguna data (Roth, 2013). Hasil dari kegiatan ini adalah sebuah purwarupa peta interaktif untuk visualisasi data statistik Kabupaten Banyumas. Peta interaktif ini dapat menjadi alternatif bagi Badan Pusat Statistik Kabupaten Banyumas dalam melakukan publikasi data statistik, sehingga memudahkan masyarakat umum dalam mengakses data statistik. The development of technology affects the way people in presenting statistical data. Statistical data are not only presented in the form of table, chart, and diagram, but also visualized by using map. Moreover, interactive map is now used to make data access and exploration become far easier. This is an implementation of Law of the Republic of Indonesia Number 16 of 1997 which states that the conductor of statistical activities has to give a same opportunity for people to get benefits from available statistical data. One of softwares that can be used to visualize the statistical data is StatPlanet Plus. This software is free for offline and non commercial use. StatPlanet Plus can make an interactive map by using Flash script.Presenting statistical data using interactive map can help users to understand data and discover new insights (Di Biase, 1990; Roberts, 2008). Interactive map also used as a media for data owner to communicate with data users (Roth, 2013). The result of this study is a prototype of interactive map for visualizing the statistical data of Banyumas Regency. This interactive map is an alternative for Badan Pusat Statistik of Banyumas Regency to publish statistical data, so it will facilitate people to access the statistical data.
Mukti Fatimah, I Made Andi Arsana
Abstract:
Indonesia sebagai negara kepulauan berhak menetapkan perairan pedalaman dengan menarik garis penutup mulut sungai, garis penutup teluk, dan garis penutup pelabuhan berdasarkan UNCLOS 1982 pasal 9, 10, dan 11. Melalui koordinasi di bawah Kementerian Koordinator Bidang Kemaritiman dan Investasi, hingga tahun 2018 Indonesia telah melakukan identifikasi penutupan teluk-teluk. Identifikasi terhadap garis penutup mulut sungai dan pelabuhan belum dilakukan karena belum memiliki standard dalam metode penarikannya. Berdasarkan pasal 9 UNCLOS 1982, jika sungai mengalir langsung ke laut, maka garis dasar ditarik lurus melewati mulut sungai di antara tepi sungai pada garis air rendah. Dalam pasal tersebut kriteria sungai yang mengalir langsung ke laut dan titik acuan penarikan garis mulut sungai masih belum dijelaskan secara terperinci, sehingga masih sulit diikuti secara teknis. Identifikasi tipe mulut sungai diperlukan untuk menentukan apakah sungai mengalir langsung ke laut ataukah melalui estuari terlebih dahulu. Jika sungai mengalir langsung ke laut, maka prinsip pasal 9 UNCLOS 1982 dapat digunakan. Jika sungai tidak mengalir langsung ke laut, namun melalui estuari, maka prinsip pasal 9 UNCLOS 1982 tidak dapat digunakan, sehingga diperlukan pendekatan metode teknis lain yang lebih relevan. Penelitian ini bertujuan untuk menentukan metode penarikan garis penutup mulut sungai untuk penetapan perairan pedalaman. Penelitian ini menggunakan metode studi literatur dari dokumen perundang- undangan, dokumen konvensi, dan dokumen teknis terkait. Hasil yang diperoleh adalah rekomendasi metode yang dapat digunakan untuk penarikan garis penutup mulut sungai. Penarikan garis penutup mulut sungai dilakukan dengan empat langkah utama, yaitu 1) identifikasi tipe mulut sungai 2) menentukan metode penarikan garis penutup mulut sungai 3) menentukan titik acuan garis penutup mulut sungai 4) menarik garis penutup mulut sungai.Indonesia as an archipelagic country has the right to delimitate internal waters by drawing mouth of river closing lines, bay closing lines and port closing lines based on article 9, 10, and 11 UNCLOS 1982. Under the coordination of the Coordinating Ministry for Maritime Affairs and Investment, until 2018 Indonesia has identified the bay closing line. The identification of mouth of ruver closing lines and port closing lines has not been carried out because it does not have a standard in the method. According to article 9 UNCLOS 1982, If a river flows directly into the sea, the baseline shall be a straight line across the mouth of the river between points on the low-water line of its banks. In this article, the criteria for rivers flowing directly into the sea and the reference point for drawing the mouth of river closing line are still not clearly explained, so they are still technically difficult to follow.Identification of the river mouth type is needed to determine whether a river flows directly into the sea or through an estuary. If a river flows directly into the sea, the principles of article 9 UNCLOS 1982 can be used. If a river does not flow directly into the sea, but through an estuary, then the principles of article 9 UNCLOS 1982 cannot be used, so that another, more relevant technical method approach is needed. This study aims to determine the method of drawing a mouth of river closing line for internal waters delemitation. This research uses literature study method from legislation documents, convention documents, and related technical documents. The result of this study is a recommended method that can be used to draw river closing line. Drawing the mouth of river closing line is carried out in four main steps, 1) identification of the river mouth type 2) determining the method of drawing the mouth of river closing line 3) determining the reference point for mouth of river closing line 4) drawing mouth of river closing line.
Back to Top Top