Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRACTDalam era globalisasi informasi yang akurat mengenai jumlah panen sangat penting dalam mengantisipasi kebutuhan pangan yang meningkat yaitu dengan menggunakan teknologi penginderaan jauh. Penggunaan Citra Sentinel-2A yang memiliki resolusi spasial 10 meter dapat diterapkan untuk mengetahui umur padi dari awal tanam hingga akhir panen serta mengestimasi produktivitas padi. Penelitian ini bertujuan untuk menganalisis pola sebaran varietas padi dan menganalisis perbandingan hasil estimasi produktivitas padi di Kecamatan Compreng Kabupaten Subang dan Kecamatan Tarogong Kaler Kabupaten Garut dengan Citra Sentinel-2A disertai metode algoritma NDVI. Berdasarkan hasil survei lapangan dan pengolahan data, diketahui pola sebaran varietas padi di Kecamatan Compreng adalah clustered dan di Kecamatan Tarogong Kaler adalah random. Kecamatan Compreng Kabupaten Subang memiliki produktivitas padi lebih kecil dibandingkan Kecamatan Tarogong Kaler Kabupaten Garut, baik dari hasil estimasi maupun hasil UPT kecamatan setempat. 

---

ABSTRACTIn the era of globalization, accurate information about the number of productivity is very important in anticipating increasing food needs, using remote sensing technology. The use of Sentinel-2A Imagery which has a spatial resolution of 10 meters can help  determine the lifespan of rice paddies starting from the beginning of planting to the end of the harvest and also help estimate the productivity of rice paddies. This study aims to analyze the distribution/spatial pattern of rice varieties and comparisons between estimated rice productivity in the Compreng Subdistrict, Subang Regency and Tarogong Kaler Subdistrict, Garut Regency using Sentinel-2A Imagery along with NDVI algorithms. Based on the results of field surveys and data processing, it is known that spatial patterns of rice varieties in Compreng Subdistrict are clustered and in Tarogong Kaler Subdistrict are random. Compreng Subdistrict, Subang Regency has smaller rice productivity than Tarogong Kaler Subdistrict, Garut Regency, both from the estimation results and the results of the UPT in subdistrict. "

"

Kabupaten Subang merupakan penghasil padi ketiga terbanyak di Jawa Barat. Sekitar 41 % dari total luas wilayah kabupaten merupakan area persawahan. Penelitian ini dilakukan untuk mengetahui bagaimana pola spasial jumlah produksi lahan sawah dengan menggunakan citra satelit Sentinel-1A berdasarkan topografi dan hubungan antara produksi lahan sawah dengan karakteristik wilayah di Kabupaten Subang. Data citra Sentinel-1A yang digunakan dalam penelitian ini adalah citra Bulan Januari-Juni tahun 2018 dan 2019. Penelitian ini menggunakan Google Earth Engine untuk mengolah data citra Sentinel-1. Klasifikasi masa panen dan bukan panen menggunakan metode maximum likelihood. Karakteristik wilayah yang dianalisis dalam penelitian ini yaitu wilayah ketinggian, jenis tanah, dan ketersediaan air. Hasil penelitian ini menunjukkan bahwa perhitungan produksi padi dengan Citra Sentinel-1 memiliki nilai R² sebesar 0,58. Namun, nilainya akan semakin kecil pada wilayah yang tinggi dan bergelombang. Nilai R² pada wilayah ketinggian <100 mdpl sebesar 0,57, sementara nilai R² pada ketinggian 500-1.000 mdpl sebesar 0,09. Hal ini menunjukkan bahwa Sentinel-1 lebih baik digunakan untuk menghitung produksi pada wilayah datar dan rendah. Produksi padi di pada wilayah ketinggian rendah dan datar lebih banyak daripada produksi di wilayah tinggi dan berbukit. Produksi padi terbanyak ada pada Bulan April-Mei. Jenis tanah yang memiliki produksi paling banyak adalah jenis Typic Epiaquepts. Ketersediaan air juga mempengaruhi besarnya produksi padi.

---

Subang Regency is the third largest rice producer in West Java. Around 41 % of the total area of the regency is paddy fields. The study was conducted to find out how the spatial pattern of total rice field production using Sentinel-1A satellite imagery based on topography and the relationship between rice field production with regional characteristics in Subang Regency. Sentinel-1A image data used in this study are January-June 2018 and 2019 images. This study uses the Google Earth Engine (GEE) to process Sentinel-1 image data. Classification of harvest and non-harvest periods using the maximum likelihood method. The characteristics of the area analyzed in this study are the height, soil type, and water availability. The results of this study indicate that the calculation of rice production with Sentinel-1 Citra has an R² value of 0.58. The value of R² in altitude area <100 meters below sea level is 0,57, while the value of R² in the altitude area of 500-1.000 meters below sea level is 0,09. However, the value will be smaller in high and bumpy areas. The study concluded that Sentinel-1 is better used to calculate production in the flat and low regions. Rice production in low and flat altitude areas is more than production in high and hilly areas. The most rice production is in April-May. The type of soil that has the most production is Typic Epiaquepts. Water availability also affects the amount of rice production.

"

"Kebutuhan manusia untuk dapat berinteraksi dengan lebih baik dan lebih mudah ketika berhadapan dengan sistem yang terdiri dari mesin-mesin serta kebutuhan akan sistem keamanan yang lebih baik telah menjadi salah satu pemicu mengapa teknologi speech recognition terus dikembangkan.Sistem pengolahan sinyal yang dipakai di dalam sistem pengenalan suara telah banyak dikembangkan, cara-cara pengolahan sinyal inilah yang akan menghasilkan sebuah hasil akhir yang merupakan sebuah parameter bagi sistem pengenalan suara tersebut, disebut juga dengan front ends.Beberapa front ends yang dikenal saat ini diantaranya adalah Linear Predictive Coefficients (LPC), Linear Predictive Cepstral Coefficients (LPCC), dan Cepstral Transform Coefficients (CC), yang masing-masing datang dengan keunggulan dan kekurangannya masing-masing.Penulisan skripsi ini bertujuan untuk memberikan pengenalan lebih baik terhadap kinerja ketiga front ends tersebut berikut analisa faktor-faktor lain yang dapat mempengaruhi kinerja ketiganya.Hasil akhir yang didapatkan dalam penulisan skripsi ini juga menunjukkan keunggulan metode pengolahan sinyal menggunakan transformasi fourier dibandingkan metode pengolahan sinyal menggunakan teknik prediksi linear, serta adanya keunggulan dan kekurangan yang terdapat pada masing-masing metode LPC dan LPCC apabila keduanya dibandingkan."

"Padi merupakan komoditas tanaman pangan yang menghasilkan beras. Pemanfaatan teknologi penginderaan jauh dalam estimasi produksi padi dapat memberikan informasi yang cepat dan hemat biaya. Penelitian ini menggunakan citra Planet Fusion dengan resolusi spasial 3 meter dan bebas awan untuk menganalisis fenologi dan produktivitas padi berbasis indeks vegetasi. Tiga indeks vegetasi, yaitu NDVI, GNDVI, dan EVI, dievaluasi dengan mengambil nilai indeks dari citra Planet Fusion. Estimasi produktivitas padi akan ditentukan menggunakan indeks-indeks tersebut, yang kemudian akan dianalisis hubungan spasial kondisi fisik di Desa Wargasetra. Hasil menunjukkan bahwa ketiga indeks vegetasi memiliki nilai RMSE yang kecil (berkisar antara 0,21–0,25), menunjukkan tingginya akurasi data citra multispektral Planet Fusion. Secara spasial, pola tanam padi berubah dinamis berdasarkan ketinggian, di mana padi di lahan sawah yang lebih tinggi ditanam atau dipanen lebih awal mengikuti arah aliran air. Indeks vegetasi GNDVI sesuai untuk pemetaan distribusi umur tanaman padi dengan rerata r2 = 0,892. Produktivitas padi di Desa Wargasetra dapat diestimasi dengan indeks vegetasi NDVI, yang dimana sesuai untuk digunakan estimasi produktivitas panen padi, dengan nilai r2 = 0,678 dan RMSE = 0,057. Analisis regresi berganda menunjukkan korelasi produktivitas padi sebesar 0,776 dengan jenis tanah dan jarak dari sungai. Jenis tanah Aluvial Eutrik dan Kambisol Eutrik memiliki produktivitas padi tertinggi. Lahan sawah di ketinggian 50–100 mdpl memiliki rata-rata produktivitas padi yang lebih tinggi, sementara produktivitas cenderung menurun saat menjauh dari aliran sungai.

---

Rice crop is a significant food-crop commodity worldwide. Remote sensing technology is applied to obtain rapid and cost-effective information on rice crop production. This study analyzed the phenology and productivity of rice crop in Desa Wargasetra using Planet Fusion imagery, with a spatial resolution of 3-meter and cloud-free. The analysis was based on three vegetation indices, such as NDVI, GNDVI, and EVI, obtained from Planet Fusion imagery. The evaluation of these indices allowed for estimating rice productivity and its spatial relationship with physical conditions in Desa Wargasetra. The results demonstrated that Planet Fusion's multispectral imagery data is accurate, with a small RMSE value (ranging from 0.21 to 0.25) for the three vegetation indices. The rice crops phenology pattern changed dynamically based on altitude, with rice in higher area planted or harvested earlier following the direction of water flow. The GNDVI vegetation index is suitable for mapping the age distribution of rice plants, with an average r2 of 0.892. The NDVI vegetation index is suitable for estimating rice harvest productivity in Desa Wargasetra, with an r2 of 0.678 and an RMSE of 0.057. Multiple regression dummy variable analysis revealed a correlation between rice productivity, soil type, and distance from the river. Eutric Alluvial and Eutric Cambisol soil types had the highest rice productivity. Paddy fields at 50–100 meters above sea level had higher average rice productivity, while productivity will be decreased if they are far from the river."

"Kebutuhan masyarakat terhadap pemahaman intensitas curah hujan serta distribusi secara spasial dan temporal penting terhadap kewaspadaan kebencanaan. Pengamatan curah hujan yang real-time yang disertai prakiraan dapat menjadi dasar yang kuat untuk membangun sistem peringatan dini, khususnya banjir bandang, di mana dapat diamati dari curah hujan yang sangat tinggi dengan rentang waktu pendek. Sistem pengamatan permukaan untuk unsur curah hujan secara otomatis sudah diterapkan di Indonesia menggunakan tipping bucket. Citra satelit Himawari 9 dapat memberikan gambaran curah hujan secara spasial. Informasi peringatan dini potensi membutuhkan sistem pengiriman dan penerimaan data yang andal menggunakan basis pengiriman data melalui internet dengan berbagai protokol MQTT. Tujuan penelitian ini adalah untuk merancang sistem akuisisi data monitoring curah hujan realtime dari penakar hujan otomatis serta merancang sisem peringatan dini cuaca dengan penimbang citra satelit dalam bentuk website. Penelitian ini mampu memonitor curah hujan secara realtime per sepuluh menit dengan ketersediaan data 94,45% dan dapat meningkat hingga 99,0% dan dapat memberikan peringatan dini dengan tingkat kepercayaan sangat tinggi sebesar 73,59% dan tingkat kepercayaan tinggi sebesar 20,77%. Terdapat peringatan dini dengan tingkat kepercayaan rendah sebesar 4,45% yang diakibatkan oleh hujan lokal dengan skala spasial kurang dari 5x5 km2. Peringatan dini yang dihasilkan ditampilkan dalam antarmuka website.

---

The community's need to understand rainfall intensity and its spatial and temporal distribution is important for disaster awareness. Real-time rainfall observations accompanied by forecasts can be a strong basis for building an early warning system, especially for flash floods, where very high rainfall can be observed over a short time span. An automatic surface observation system for rainfall elements has been implemented in Indonesia using a tipping bucket. Himawari 9 satellite imagery can provide a spatial overview of rainfall. Potential early warning information requires a reliable data sending and receiving system using a data transmission base via the internet with various MQTT protocols. The aim of this research is to design a real-time rainfall monitoring data acquisition system from an automatic rain gauge and design a weather early warning system by weighing satellite images in the form of a website. This research is able to monitor rainfall in real time every ten minutes with data availability of 94.45% and can increase to 99.0% and can provide early warning with a very high level of confidence of 73.59% and a high level of confidence of 20.77% . There is an early warning with a low confidence level of 4.45% which is caused by local rain with a spatial scale of less than 5x5 km2. The resulting early warning is displayed in the website interface."

"ABSTRAKDaerah penelitian lapangan HN ini berada pada Sub Cekungan Jambi yang secara regional termasuk wilayah Cekungan Sumatera Selatan. Fokus penelitian ini berada pada lapisan L formasi Air Benakat yang merupakan reservoir pada lapangan HN ini. Dikarenakan tingginya water cut dari beberapa sumur produksi, sehingga dibutuhkan evaluasi baru untuk mengetahui arah penyebaran reservoir yang baik dan mengetahui besar geometri reservoir lapisan L. Salah satu metodeyang dapat dilakukan adalah dengan melakukan pemodelan. Pemodelan fasies menggunakan metode TGS (Truncated Gaussian Simulation) sedangkan Pemodelan properti menggunakan metode SGS (Sequential Gaussian Simulation).Pembuatan model properti, secara umum akan mengikuti model fasies yang telah dibentuk, dengan melihat karakteristik batuan reservoar yaitu porositas, permeabilitas, Net to Gross (NTG), dan Saturasi Air (Sw). Dari hasil pemodelan properti ini dilakukan prediksi cadangan hidrokarbon pada lapisan L5. Dari hasilpenelitian ini menunjukkan lapangan “HN” berada pada lingkungan pengendapan Shallow Marine Delta Front dengan pembagian fasies menjadi Mouthbar dan Interdistributary Channel dan karakter reservoir yang baik yaitu porositas 22%, permeabilitas 31.42 mD, serta saturasi air 40%. Daerah yang direkomendasikan berada pada bagian selatan lapangan “HN”, dimana dari hasil perhitungan cadangan diprediksikan memiliki minyak 13 MMSTB dan gas 2 BCF.

---

ABSTRACTHN field study is located at Jambi Sub Basin which is regionally located at South Sumatera Basin. This study focuses on L layer Air Benakat Formation which is areservoir at HN Field. Because of high water cut from some of production wells, it needs a new evaluation to know the distribution and the geometry of reservoirlayer L. One of the methods that can be use is modeling. Facies modeling using TGS (Truncated Gaussian Simulation) method while property modeling usingSGS (Sequential Gaussian Simulation) method. Property modeling follows the facies model schema by looking the rock characteristics such as porosity, permeability, Net to Gross (NTG), and Water Saturation (Sw). Calculation reserve is predicted from property modeling for layer L. The result from this study indicates that “HN” Field locates at Shallow Marine Delta Front Deposition whichare consist of facies Mouthbar and Interdistributary Channel and a good reservoir characterictic which are 22% porosity, 31,42 mD permebility and 40% WaterSaturation. Recommendation area is located in South of “HN” Field, which is from volume calculation of hydrocarbon is predicted still have 13 MMSTB oildan 2 BCF gas"

"ABSTRAKMicro-milling adalah pemesinan milling dalam skala mikro, dimana terdapat beberapa kesulitan dalam konversi dari skala makro ke skala mikro. Produk berskala mikro belakangan menjadi kebutuhan di bidang kesehatan, energi, manufaktur, bahkan pertahanan Pada umumnya untuk pemesinan pada micro-milling digunakan mata pahat dengan diameter kurang dari 600 μm sampai dengan 100 μm.Penelitian yang dilakukan adalah pembuatan tekstur permukaan (micro-texture) produk mikro berbasis dari citra 2D. Proses dilakukan dengan melakukan rekayasa terhadap suatu citra dimana nilai intensitas warna menjadi nilai level ketinggian. Pada perancangan tool path, dilakukan proses gouging avoidance untuk menhindari terjadinya over cut pada saat pemesinan. Nilai intensitas tersebut yang dijadikan kumpulan CL-Point yang selanjutnya akan dikonversi menjadi NC-File untuk dilakukan pemesinan.Pemesinan menggunakan benda kerja berbahan material aluminium A1100 dengan ukuran 3 x 3 x 3 mm. Dengan tingkat kekerasan 28 HRC, ini menjadi pertimbangan dalam penentuan kedalaman pemakanan (Depth of Cut) dan kecepatan pemakanan (Feed rate). Sebagai masukan data yang menjadi CL-File digunakan citra berukuran resolusi 150 x 127 piksel dan 300 x 254 piksel. Dengan metode rekayasa citra telah dapat dihasilkan 2 micro-texture part berbeda dengan menggunakan metode ini.

---

abstractNowadays, micro products become more demanding in several aspects such as health, energy, manufacturing, even military. One of ways to produce micro products is by using micro-milling process. Micro-milling is machining in micro scale. In general, micro-milling uses cutting tool with diameter less than 600 μm. In some micro products, texturing of the part surface maybe needed. This research conducted the manufacture of micro-texture of micro part based on 2D image. The color intensity values of 2D image were converted or mapped into the contour of the texture of micro product in Cartesian domain. Then, toolpaths are generated based on the contour values with gouging avoidance. The CL-point of generated toolpaths were then post processed into NC-point also known as NC-file. The workpieces used for this micro-texturing are using Aluminium A1100 material size of 3 x 3 x 3 mm dimension. The hardness of this material is 28 HRC, which is for determine the dept of cut and feed rate. The toolpaths generated on different size of image resolution 150 x 127 pixels and 300 x 254 pixels. Two different workpieces were successfully produced using the above developed method."