Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pewilayahan obyek pada citra penginderaan jauh (inderaja) dapat dilakukan dengan pendekatan wilayah berdasarkan informasi spektral, spasial maupun pendekatan batas wilayah. Masing-masing metode memiliki kelebihan dan kelemahan yang bergantung kepada batas wilayah dan karakteristik citranya. Proyek mahasiswa ini mengembangkan metode untuk melakukan pewilayahan obyek pada citra yaitu: pewilayahan berdasarkan klasifikasi per piksel dengan metode klasifikasi kemiripan maksimum/maximum likelihood (pendekatan spektral), pewilayahan berdasarkan deteksi sisi dengan metode Canny, serta dengan menggunakan metode segmentasi watershed (pendekatan spasial). Kemudian hasil dari ketiga metode ini, ditambah dengan penggunaan smooth filter Nagao pada hasil klasifikasi, menjadi masukan untuk proses fusi informasi yang menggu+nakan mayoritas dari kontur yang didapat dari ketiga metode tersebut. Studi kasus dilakukan dengan menggunakan citra multispektral wilayah Kebun Raya Bogor.Dari pengujian didapat bahwa fusi informasi belum tentu menghasilkan akurasi yang lebih baik. Untuk 12 band pada pelatihan dan 5 band pada pengujian, memang didapat hasil yang lebih baik yaitu meningkat dari 79,02 % menjadi 80,72 % dan 64,47 % menjadi 65,94 %. Akan tetapi, bisa juga didapat tingkat akurasi yang lebih rendah seperti pada pelatihan, untuk 5 band (74,43 % menjadi 73,06 %) dan 3 band (81,03 % menjadi 75,85 %). Juga untuk pengujian, pada 12 band (63,63 % menjadi 62,12 %) dan 3 band (79,49 % menjadi 70,04 %). Hasil yang beragam ini dapat terjadi karena pada proses deteksi sisi dan segmentasi watershed tidak mendapatkan sisi yang cukup baik."

"Klasifikasi citra inderaja merupakan salah satu teknik yang penting dalam pembuatan peta suatu wilayah. Hasil dari klasifikasi citra inderaja berupa peta tematik (thematic map) dimana setiap titik (pixel) termasuk di dalam sebuah kelas. Karena adanya sensor noise dan keterbatasan algoritma, peta tematik yang diperoleh mengandung banyak noise yang berbentuk ?salt and pepper? (tidak periodik) sehingga menghasilkan batas antar wilayah yang tidak pasti.Metode Information Fusion yang dikerjakan dalam tugas akhir ini bertujuan untuk menghasilkan peta tematik dengan batas yang jelas antar wilayah dan wilayah yang homogen. Metode ini terdiri dari 2 langkah yaitu: pendeteksian sisi dari peta tematik hasil smooth filtering dan citra multispektral penerapan algoritma region growing ada peta tematik untuk menghasilkan batas wilayah yang jelas dan wilayah yang homogen yaitu satu wilayah terdiri dari satu kelas. Metode ini berjalan secara independen dari algoritma klasifikasi, dan bukan knowledge-based algorithm yaitu tidak menggunakan asumsi awal mengenai isi dari citra.Hasil dari analisa menunjukkan bahwa metode Information Fusion yang diajukan oleh Solaiman et al. [SOLA98] masih memiliki beberapa kelemahan diantaranya adalah tidak dapat mengatasi citra tematik yang memiliki wilayah sebesar 3 piksel atau kurang [SOMB99], tidak adanya usaha penghilangan gangguan sebelum dilakukan deteksi sisi, dan tidak adanya usaha perbaikan pada hasil fusi. Dalam Tugas Akhir ini diajukan perbaikan dari metode Information Fusion [SOLA98] yaitu dengan penambahan modifikasi smooth-filtering untuk menghilangkan gangguan dan memperjelas sisi, dan perbaikan hasil fusi."

"Klasifikasi citra penginderaan jauh (inderaja) bertujuan untuk menghasilkan peta tematik, dimana tiap warna mewakili sebuah objek, misalkan hutan laut, sungai, sawah dan lain-lain. Makalah ini mempresentasikan disain dan implementasi perangkat lunak untuk mengklasifikasi citra inderaja multispektral. Metode berbasis unsupervised yang diusulkan ini adalah integrasi dari metode feature extraction, hierarchical (hirarki) clustering dan partitional (partisi) clustering. Feature extraction dimaksudkan untuk mendapatkan komponen utama citra multispektral tersebut sekaligus mengeliminir komponen yang redundan, sehingga akan mengurangi kompleksitas komputasi. Histogram komponen utama ini dianalisa untuk lemlah terkonsentrasinya pixel dalam feature space, sehingga proses split dapat menghasilkan cluster dengan cepat.Beberapa cluster yang sangat mirip akan digabungkan oleh proses merge. Pada tahap akhir proses partisi akan mendeteksi prototype tiap cluster dengan Fuzzy C-Mean (FCM). Uji coba perangkat lunak ini dilakukan pada citra Landsat TM dan GOES-8. Hasilnya diukur berdasarkan homogenitas eksekusi dan nilai label contingency. Tabel ini akan membuktikan keberhasilan klasifikasi terhadap 800 sampel dari Jawa Timur yang sebelumnya telah dikenali. Untuk bahan perbandingan sampel diuji coba dengan algortima ISMC (Improve Split and Merge Classification), yang berdasarkan penelitian sebelumnya telah telah terbukti lebih baik dari pada ISODATA. Secara umum, uji coba menunjukkan keunggulannya dibandingkan ISMC."

"Seiring dengan makin pesatnya pembangunan jaringan jalan di suatu wilayah harus diikuti pula dengan perubahan informasi yang sesuai dengan kondisi jaringan jalan yang ada. Untuk menunjang perubahan-perubahan yang terjadi perlu diterapkan teknologi Penginderaan Jauh (Inderaja) sebagai salah satu teknologi yang berkembang begitu pesat dewasa ini dan semakin diperlukan keberadaannya untuk berbagai aplikasi. Aplikasi penginderaan jauh sangat terkait dengan bidang spasial, dimana unsur spasial yang kita dapatkan selama ini dilakukan dengan menggunakan peta-peta lama disebabkan karena keterbatasan fasilitas dan kendala lainnya, tetapi dengan teknologi Penginderaan Jauh hal tersebut bukan menjadi kendala lagi dan informasi yang diperoleh dapat dimutakhirkan. Keberadaan teknologi Penginderaan Jauh ini diikuti pula dengan munculnya teknologi Sistem Informasi Geografis (SIG) yang membuka era baru dalam penyajian informasi dan analisa obyek-obyek spasial yang bergeoreferensi. Salah satu teknologi Penginderaan Jauh adalah pengenalan obyek melalui citra Landsat Thematic Mapper (LTM), dimana citra tersebut memiliki resolusi spasial (30x30) meter dan resolusi spektral 7 band. Dengan kombinasi citra (composite image) serta perbaikan kontras citra dilakukan klasifikasi obyek tutupan lahan secara terawasi (Supervised Classification), maka akan diperoleh citra terklasifikasi dan terkoreksi yang dapat digunakan untuk analisis perbaikan trase jaringan jalan serta pembuatan database informasi trase jalan dengan Sistem Informasi Geografis.

---

Geometric Improvement Of Trace Network Road with Remote Sensing and Geographic Information System. Together with a great development in road network at such district, it must be followed by changing information that should be suited to the condition at present. For supporting the information changes, the remote sensing technology could be applied. It is one of technology with a great increment and needed to various applications. The application of remote sensing technology is close related to spatial field which is used to be achieved from non digital because of limitation facilities and other obstacle. However with remote sensing technology, those can not be burdened anymore and the information achieved can be updated. The presence of remote sensing technology is followed by emerging of Geographic Information System technology which promises a new era in providing deep information and spatial object analysis. The object identification through Landsat Thematic Mapper (LTM) image with (30x30) meter spatial and 7 (seven) band spectral resolution. The composite image together with image contrast improvement are applied to supervised classification covered object for obtaining classified and corrected image that can be used to analyze network road improvement and create database information of trace network road using Geographic Information system."

"ABSTRAKPerkembangan perkotaan yang pesat terjadi di negara berkembang terutama pada wilayah pinggiran kota. Dampaknya adalah terjadinya penjalaran yang merupakan fenomena perkotaan yang kompleks dan sulit diukur. Pemangku kebijakan memerlukan metode yang sederhana untuk mengontrol dan mengevaluasi penjalaran sebuah kota.Penelitian ini bertujuan untuk mengukur dan menilai tingkat penjalaran perkotaan menggunakan model Shannon Entropy dengan mempertimbangkan jarak terhadap pusat kota dan jaringan jalan. Penerapan Shannon?s Entropy di Bodetabek pada 1989-2014 menunjukkan bahwa pola penjalaran linier lebih dominan terjadi di Kabupaten Bogor, Bekasi dan Kota Bogor. Semakin besarnya indeks Shannon?s Entropy mengindikasikan keenderungan penjalaran perkotaan yang semakin acak. Pola penjalaran melompat (acak) terjadi di Kabupaten Tangerang yang ditandai indeks entropy yang tinggi. Penjalaran kota di Bodetabek dipengaruhi oleh karakterik fisik dan sosial wilayah terutama aspek kemiringan tanah dan perubahan jumlah penduduk.

---

ABSTRACT

Rapid urban development occurred in developing countries, particularly in the urban fringe area. The impact was related to the occurrence of urban sprawl which is highly complex urban phenomenon and difficult to measure. Related stakeholders require a simple method to estimate and evaluate the urban sprawl patterns.

This paper aims to measure and asses the level of urban sprawl based on Shannon?s Entropy considering on two aspect i.e. the distance to town center and road networks. Application of Shannon's Entropy in Bodetabek for 1989-2014 described that linear pattern of sprawling mostly happened in Bogor, Bekasi and Bogor city. With increasing of entropy index, this pattern tends to become more scattered in the future, even in Bogor regency the pattern becomes leapfrog characteristics for 2014. Tangerang Regency showed leapfrog pattern with high entropy index. Urban sprawl in Bodetabek driven by region?s physical and social characteristics mainly with slope and population growth."

"ABSTRAKKabupaten Bandung sebagai salah satu kabupaten dengan penduduk terbanyak di Indonesia memiliki sumber daya alam yang beragam dengan segala pemanfaatannya sehingga jenis tutupan lahan yang ada pun berbeda-beda. Pemantauan terhadap penggunaan lahan perlu dilakukan untuk mencegah penyalahgunaan lahan dan penanggulangan akan bencana alam. Metode untuk pemantauan dapat dilakukan dengan klasifikasi jenis tutupan lahan menggunakan teknik penginderaan jarak jauh seperti penggabungan data satelit aktif dan pasif. Pada penelitian ini menggunakan citra satelit aktif (ALOS-2/PALSAR-2) dan satelit pasif (Landsat 8) untuk mendapatkan citra yang mudah untuk diinterpretasi dan terbebas dari gangguan atmosfer. Salah satu metode klasifikasi yang dapat dilakukan adalah maximum likelihood, yaitu metode yang menggunakan data acuan (training sample) serta kemungkinan suatu piksel terkelompok dalam suatu kelas. Penggunaan citra gabungan dengan metode maximum likelihood menghasilkan keakurasian citra lebih dari 60% dan lebih tinggi dari citra ALOS-2/PALSAR-2 yang diklasifikasikan tanpa Landsat 8 (40%)

---

ABSTRAKBandung regency is one of the biggest regency in Indonesia with large number of population which has nature resources with different utilization that cause land cover diversity. Land cover monitoring is necessary to prevent any land misuses and nature disasters. A way to monitor land cover is to classify the land cover uses remote sensing technique such as joint data of active and passive. This research is analyzing active satellite image (ALOS-2/PALSAR-2) and pasive satellite image (Landsat 8) that are being used to produce an image which is easy to interpret with less atmospheric disruption. One of the methods that can be used is maximum likelihood. Maximum likelihood is a supervised classification method which uses reference data (training sample) and probability of a pixel is clustered in a spesific class. The use of joint processing data with maximun likelihood method results in accuracy greater than 60% and is better than accuracy of ALOS-2/PALSAR-2?s image itself (40%)."

"ABSTRAKPenggunaan lahan di Jawa Barat khususnya di kabupaten Bandung mengalami perubahan yang signifikan yang disebabkan oleh meningkatnya jumlah pembangunan dan pemukiman. Indonesia merupakan salah satu negara yang rawan bencana, bencana alam ini mengakibatkan wilayahnya menjadi cepat berubah. Memantau penggunaan lahan dan tutupan lahan penting untuk memitigasi jika terjadi bencana alam. Untuk mendapatkan informasi klasifikasi tutupan dan penggunaan lahan dapat memanfaatkan teknologi penginderaan jauh. Penelitian ini menggunakan data satelit ALOS-2/ PALSAR-2 untuk membandingkan klasifikasi penggunaan dan tutupan lahan dengan dua metode yaitu Minimum Distance dan Maximum Likelihood. Metode Minimum Distance menggunakan teknik jarak minimal menggunakan vektor rata-rata endmember sedangkan Metode Maximum Likelihood selain rata-rata, juga memperhitungkan informasi variansi pada variable yang diukur. Hasil analisis menunjukan klasifikasi penggunaan dan tutupan lahan yang baik adalah metode Maximum Likelihood dengan hasil akurasi sebesar 68,6233% pada tahun 2014 dan 64,7608% pada tahun 2016. Sedangkan Metode Minimum Distance memiliki akurasi hanya sebesar 48,2307% pada tahun 2014 dan 43,4902% pada tahun 2016

---

ABSTRAKLand use in West Java, especially in Bandung regency, changes significantly caused by rapid development and sattlement. Since Indonesia is one of the country that is prone to disaster, natural disasters often occur and impact the land changes rapidly. The monitoring land use and land cover classification is important to mitigate any disasters if occured. To obtain land use and land cover classification profile, remote sensing technology can be used. In this research we use ALOS-2/PALSAR-2 satellite data to derive land use and land cover classification maps using two methods, i.e. Minimum Distance and Maximum Likehood. Minimum Distance uses minimum distance technique to measure endmember average vector while Maximum Likehood calculates variance information of measuring variable as well as the average. The analysis results showed that Maximum Likehood method is better for land use and land cover classification in Bandung regency with accuracy of 68,6233% in 2014 and 64,7608% in 2016 respectively while Minimum Distance method resulted in 48,2307% in 2014 and 43,4902% in 2016 respectively."

"Tahun 2008 Kabupaten Kebumen dilanda kekeringan. Masyarakat kesulitan air bersih dan air irigasi menyusul menurunnya debit sumber air. Penggunaan data penginderaan jauh dan Sistem Informasi Geografis (SIG) dapat digunakan untuk mengidentifikasi potensi daerah rawan kekeringan. Transformasi citra satelit Landsat TM untuk mendapatkan indeks kecerahan, indeks ke basahan, dan indeks vegetasi digunakan untuk mengetahui kondisi permukaan dalam hubungannya dengan kekeringan. Indeks kecerahan dan indeks kebasahan diperoleh dari modifikasi tasseled cap, sedangkan indeks vegetasi diperoleh dari nilai normalized difference vegetation index (NDVI). Parameter lain seperti kondisi akuifer, curah hujan serta jenis penggunaan lahan pertanian kering merupakan faktor dalam mengidentifikasi kekeringan. Data-data tersebut dilakukan sesuai dengan deskripsi zona wilayahnya guna mendapatkan kajian wilayah dalam hubungannya dengan kekeringan. Hasil dari penelitian ini mengidentifikasikan bahwa sebagian kecamatan di Kabupaten Kebumen yang meliputi Karanggayam, Karangsambun g, Sadang, Alian, Puring, Klirong, Buluspesantren, Ambal, dan Mirit terdeteksi memiliki potensi kekeringan.

---

Kebumen regency was drought in year 2008, community clean water shortages and irrigation water following a decline in water resources. The use of remote sensing data and GIS can be used to identify the potential for drought-prone areas. Transformation of Landsat TM satellite imagery to obtain the brightness index, wetness index and vegetation index used to determine surface conditions in relation to drought. Brightness index and wetness index derived from the tasseled cap modifications, while the vegetation index derived from normalized difference vegetation index (NDVI) values. Other parameters such as aquifer conditions, rainfall and other types of dry agricultural land use was a factor in identifying drought. The data are performed in accord ance with the zone description in order to get the study area in relation to regional drought. The result of the research is identified area the district of Karangsambung, Karanggayam, Sadang, Alian, Puring, Klirong, Buluspesantren, Ambal and Mirit potential drought."