Hasil Pencarian  ::  Simpan CSV :: Kembali

"PTFI, sebagai perusahaan tambang emas dan tembaga, saat ini mengoperasikan tambang terbuka Grasberg dan tambang bawah tanah DOZ (Deep Ore Zone) dengan target produksi harian 240 ribu ton bijih. Hanya 3% dari total bijih yang diolah di pabrik berubah menjadi konsentrat dan sisanya menjadi limbah tambang (tailing). Tailing PTFI dibuang ke Sungai Aghawagon – Ajkwa menuju ModADA (Modified Ajkwa Deposition Area). Diperlukan status mutu air sungai untuk mengetahui pengaruh tailing terhadap kualitas air Sungai Ajkwa karena sampai saat ini, air sungai dan air sumur masih digunakan sebagai sumber air bersih bagi penduduk Kabupaten Mimika. Penelitian ini bertujuan untuk mengetahui status mutu air Sungai Ajkwa dan beban pencemaran selama periode 2008-2012. Metode analisa yang digunakan dalam penelitian ini adalah metode STORET. Nilai TSS Sungai Ajkwa di setiap stasiun berkisar antara 8-983.000 mg/L dan melampaui baku mutu PP No.82 Tahun 2001 untuk semua kelas air. Parameter lainnya yang tidak memenuhi baku mutu adalah nitrit, sulfat, tembaga, kadmium, mangan, selenium, dan seng. Ada tiga parameter yang berkontribusi paling besar dalam pencemaran Sungai Ajkwa, yaitu TSS (± 99%), mangan (93,14-95,7%), dan sulfat (86,89-93,17%). Tingginya nilai parameter-parameter tersebut berpengaruh pada status mutu air Sungai Ajkwa saat ini, sehingga Sungai Ajkwa tidak dapat dikategorikan ke dalam semua kelas air. Banyaknya sedimen akibat tingginya TSS di Sungai Ajkwa juga menyebabkan pendangkalan sungai dan saat ini ketinggian muka air Sungai Ajkwa berkisar antara 50–1.500 cm. Berdasarkan beban cemaran tertinggi, kemampuan self purifikasi Sungai Ajkwa terbaik terjadi pada tahun 2009–2010 sebesar 26,141% untuk parameter TSS, tahun 2011–2012 sebesar 32,909% untuk parameter sulfat, dan tahun 2010–2011 sebesar 20,520% untuk parameter mangan.

---

PTFI, as gold and copper mining company, currently operates the Grasberg open pit and underground DOZ (Deep Ore Zone) mine with a daily production target of 240 thousand tons of ore. Only 3% of the total ore processed at the plant turned into a concentrate and the rest are considered as mine waste (tailings). Freeport tailings are discharged into the Aghawagon-Ajkwa river towards ModADA (Modified Ajkwa Deposition Area). Water quality status is required to determine the effect of tailings towards water quality in Ajkwa river because until now, the river and well are still used as a source of clean water for the people of Mimika. This study aims to determine the status of water quality and pollution load Ajkwa during the 2008-2012 period. The analytical methods used in this study is the STORET method. Ajkwa TSS values at each station ranged between 8-983000 mg/L and exceeded the PP No.82 of 2001 quality standard for all classes of water. Other parameters that do not meet the quality standard is nitrite, sulfate, copper, cadmium, manganese, selenium, and zinc. There are three parameters that contribute the most in Ajkwa pollution, which are TSS (± 99%), manganese (93.14 to 95.7%), and sulfate (86.89 to 93.17%). The high values of these parameters affect the water quality status in Ajkwa today, therefore Ajkwa can not be categorized into all classes of water. Amount of sediment due to high TSS in Ajkwa also cause silting river and the current water level in Ajkwa ranged from 50-1500 cm. Based on the highest contaminant loads, the ability of self-purification at best in Ajkwa occurred in 2009-2010 amounted to 26.141% for TSS parameters, in 2011-2012 amounted to 32.909% for the parameter sulfate, and the years 2010-2011 amounted to 20.520% for manganese parameter."

"Penelitian ini bertujuan menelaah penerapan sistem informasi manajemen yang efektif dalam menunjang peningkatan pelayanan konsumen di Perusahaan Daerah Air Minum Kotamadya Bandung. Kajiannya diorientasikan untuk memperoleh temuan dari sistem informasi manajemen yang saat ini diterapkan dalam mekanisme pelayanan konsumen, sehingga dapat dikemukakan pemikiran konseptual untuk mewujudkan sistem informasi manajemen yang lebih efektif dalam menunjang peningkatan pelayanan konsumen. Penelitian dilakukan atas dasar survei deskriptif analitis, yakni untuk mengidentifikasi kondisi sebenarnya, sehingga dapat menggambarkan faktual mengenai tingkat efektivitas sistem informasi manajemen yang ada dalam upaya meningkatkan pelayanan konsumen di PDAM Kotamadya Bandung. Sistem Informasi Manajemen sebagai independent variable, secara operasional diukur dari indikator: komponen fisik; fungsi pengolahan data; fungsi keluaran informasi bagi pemakai; jaringan kerja informasi; pemenuhan kebutuhan informasi pada fungsi operasional, kegiatan manajemen, dan jenis pengambilan keputusan; serta struktur sistem informasi berdasarkan fungsi organisasi dan pengendalian manajemen. Sedang pelayanan konsumen sebagai dependent variable, diukur dari penilaian atas kualitas pelayanan, menurut dimensi: tangible; reliability; responsiveness; assurance; dan empathy. Penentuan sampel berpedoman pada Nomogram Harry King, dengan tingkat kepercayaan 90% besarnya sampel adalah 7,5% dari populasi, sehingga sampel Pegawai: 7,5% x 925= 69 responden. Sedangkan sampel konsumen diambil secara area sampling dan setiap wilayah diambil 30 sehingga besarnya sampel konsumen 120 responden. Jawaban responden dibuat tabulasi distribusi frekuensi guna mencari nilai persentase untuk diinterpretasikan secara kualitatif. Berdasarkan hasil analisis diperoleh kesimpulan tingkat efektivitas sistem informasi manajemen dalam mendukung peningkatan pelayanan konsumen di PDAM Kotamadya Bandung, secara umum ternyata masih termasuk dalam klasifikasi kurang baik. Sehingga perlu pembenahan disain berbagai subsistem fungsional untuk mewujudkan efektivitas jaringan informasi guna memperlancar setiap tahap dan bagian kegiatan dalam proses pelayanan konsumen. Hal tersebut dibuktikan pula dengan penilaian konsumen terhadap kualitas pelayanan PDAM Kotamadya Bandung yang secara umum masih dinilai termasuk dalam klasifikasi kurang baik."

"Menyimpan berkas tetap yang berukuran besar seperti teks terjemahan AlQuran, GBHN, KUHP, dan yang sejenisnya sangat makan tempat (storage). Mengubah berkas tetap ini ke dalam bentuk kode merupakan alternative lain untuk memampatan data. Permasalahannya, bagaimana mendapatkan kode yang optimal. Dalam tugas akhir ini, penulis menggunakan struktur pohon Seimbang (Balance Tree), pohon Alfabet (Alphabetic Tree), dan pohon optimal Alfabet (Optimal Alphabetic Tree). Penelitian ini dibagi lagi menjadi dua kelompok. Percobaan yang pertama kode dibuat berdasarkan karakler, sedangkan percobaan kedua berdasarkakn kata. Hasil dari percobaan kedua selalu lebih baik dari percobaan pertama dimana jumlah storage cost yang dibutuhkan lebih kecil. Namun percobaan kedua mempunyai kendala, yaitu tidak dapat mengakases data masukan yang berukuran > 30 kbyte disebabkan keterbatasan mesin yang dipergunakan. Dari seluruh metoda yang diuji, struktur pohon Optimal Alfabet merupakan metoda yang terbaik. Ini dapat dilihat dari nilai ratio pemampatan yang dihasilkana yang dapat mencapai < 50% dari berkas sumbernya. Kedua metode yang lain ratio pemampatannya berkisar antara 70 % s/ d > l00%."

"Perkembangan urbanisasi dan industrialisasi di DAS Ciliwung akan meningkatkan perubahan tutupan lahan tidak kedap air menjadi tutupan lahan kedap air. Hal ini dapat mengakibatkan berbagai masalah lingkungan salah satunya degradasi kualitas air yang berdampak pada kesehatan manusia dan ekosistem air. Penelitian ini bertujuan untuk mengembangkan model korelasi-regresi antara tutupan lahan kedap air di DAS Ciliwung dengan status kualitas air sungai Ciliwung. Model korelasi-regresi tersebut dapat digunakan untuk memprediksi perubahan status kualitas air sungai Ciliwung akibat perubahan tutupan lahan kedap air. Penilaian status kualitas air dilakukan dengan menggunakan metode STORET, NSF-WQI, dan CCME-WQI di tahun 2005-2016. Lokasi pemantauan kualitas air Sungai Ciliwung yaitu Attaawun, Katulampa, Kedung Halang, Pondok Rajeg, Jembatan Panus, Kelapa Dua, Condet, Kalibata, MT Haryono, dan Manggarai. Data peta diolah menggunakan Software ArcGIS. Metode analisis menggunakan analisis korelasi pearson dan regresi linear antara persentase tutupan lahan kedap air dan indeks kualitas air. Kesimpulan dari penelitian ini adalah tutupan lahan kedap air secara signifikan cukup kuat berkorelasi negatif dengan indeks kualitas air, persamaan regresi yang mewakili hubungan antara tutupan lahan kedap air X dan indeks kualitas air STORET, NSF-WQI, CCME-WQI Y adalah persamaan regresi linier masing-masing sebagai berikut STORET : Y=-16.88-0.51 X, NSF-WQI : Y=57.97-0.23 X, dan CCME-WQI : Y=65.88-0.84 X.

---

Urbanization and industrialization lead to the change of land cover from pervious into impervious. This can impact environmental problems such as water quality degradation that affects human health and water ecosystems. The study aimed to develop a regression correlation model between impervious cover in Ciliwung watershed and water quality indices in Ciliwung river. The correlation regression model can be used to predict changes in the status of Ciliwung river water quality due to impervious cover changes.

Methods of assessing the indices of water quality are CCME WQI, NSF WQI, and STORET within the period of 2005 2016. Monitoring locations from the most upstream to downstream are Atta rsquo awun, Katulampa, Kedung Halang, Pondok Rajeg, Panus Bridge, Kelapa Dua, Condet, Kalibata, MT Haryono and Manggarai. Map data is processed using ArcGIS Software. The analysis Method using Pearson Correlation test and linear regression between percentage of impervious cover and water quality indices.

The conclusion of this research is significantly a strong inverse relationship between impervious cover and water quality indices in Ciliwung river. The regression equation representing relationship between impervious cover X and water quality indices STORET, NSF WQI, and CCME WQI Y are the linear regression equation as follows STORET Y 16.88 0.51 X, NSF WQI Y 57.97 0.23 X, and CCME WQI Y 65.88 0.84 X."

"Penelitian ini memprediksi kualitas air Sungai Ciliwung berdasarkan parameter pH hasil pemantauan Online Monitoring menggunakan dua model Deep Learning yaitu Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM). Parameter input adalah pH dengan tiga skenario kombinasi yaitu waktu ganjil (t, t-1, t-3, t-5), genap (t, t+2, t-4, t-6) dan waktu berurutan (t, t-1, t-2, t-3) dengan target pH pada t+1, t+2 dan t+3. Parameter model adalah Optimizer dengan Adaptive Moment (Adam) sebagai Optimizer, aktivasi menggunakan Rectified Linear Unit (ReLU) dengan jumlah Epoch 500, dan Loss menggunakan Mean Squared Error (MSE). Kriteria Evaluasi menggunakan Coefficient of Determination (R2 ), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Mean Absolute Percentage Error (MAPE). Hasil pemodelan menunjukkan selisih terendah antara pH riil dengan pH prediksi adalah 0 dan tertinggi 0,79. Pada model CNN, dari 9 nilai R2 ada 7 yang mendekati nilai 1, artinya persamaan regresi sesuai antara nilai variabel dependen dengan variabel independen, dan 2 mendekati nilai 0 yang artinya persamaan regresi tidak sesuai antara nilai variabel dependen dengan variabel independen. Selanjutnya, dari 9 nilai MAPE terdapat 5 nilai yang menunjukkan model prediksi baik, sisanya berada dalam rentang model prediksi cukup. Pada model LSTM, ada 8 dari 9 R2 yang memiliki nilai mendekati 1 dan hanya 1 yang mendekati 0. Selanjutnya, 6 dari 9 MAPE berada dalam rentang model prediksi baik, sisanya berada dalam rentang model prediksi cukup. Dari hasil penelitian diketahui bahwa semakin jauh titik prediksi yang di tuju maka relasi antara pH riil dengan pH prediksi semakin lemah. Ini ditunjukan oleh nilai R2 semakin kecil pada t+3 untuk semua parameter input. Dari hasil di atas disimpul bahwa Model LSTM dan CNN dapat digunakan untuk memprediksi kualitas air sungai Ciliwung berdasarkan parameter pH karena mayoritas nilai R2 mendekati 1, MAPE sebagian besar berada dalam model prediksi kelompok baik. Di antara dua model yang digunakan, model LSTM lebih baik dari pada model CNN karena memiliki nilai R2 yang mendekati 1 dan MAPE pada model prediksi baik lebih banyak.

---

This research predicts the water quality of the Ciliwung River based on pH parameters from Online Monitoring using two Deep Learning models, namely Convolutional Neural Network (CNN) and Long Short-Term Memory (LSTM). The input parameter is pH with three combination scenarios, namely odd times (t, t-1, t-3, t-5), even (t, t+2, t-4, t-6) and sequential times (t, t -1, t-2, t-3) with pH targets at t+1, t+2 and t+3. The model parameters are Optimizer with Adaptive Moment (Adam) as Optimizer, activation uses Rectified Linear Unit (ReLU) with a number of Epochs of 500, and Loss uses Mean Squared Error (MSE). Evaluation criteria use Coefficient of Determination (R2), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), and Mean Absolute Percentage Error (MAPE). The modeling results show that the lowest difference between real pH and predicted pH is 0 and the highest is 0.79. In the CNN model, of the 9 R2 values there are 7 that are close to 1, meaning that the regression equation matches the value of the dependent variable and the independent variable, and 2 are close to 0, which means that the regression equation does not match the value of the dependent variable and the independent variable. Furthermore, of the 9 MAPE values, there are 5 values that indicate a good prediction model, the rest are in the range of a sufficient prediction model. In the LSTM model, there are 8 out of 9 R2 which have values close to 1 and only 1 which is close to 0. Furthermore, 6 out of 9 MAPEs are in the good prediction model range, the rest are in the fair prediction model range. From the research results, it is known that the further away the prediction point is, the weaker the relationship between real pH and predicted pH. This is shown by the R2 value getting smaller at t+3 for all input parameters. From the results above, it can be concluded that the LSTM and CNN models can be used to predict the water quality of the Ciliwung River based on the pH parameter because the majority of R2 values are close to 1, the MAPE is mostly in the good group prediction model. Between the two models used, the LSTM model is better than the CNN model because it has an R2 value that is close to 1 and the MAPE in the good prediction model is higher."

"Dewasa ini, rekayasa terhadap alam merupakan hal yang tidak dapat dihindari. Kebutuhan akan lahan seringkali memaksa manusia untuk merekayasa bentuk asli sungai menjadi seperti yang diinginkan manusia. Tindakan tersebut misalnya mengurangi lebar pada satu segmen sungai (kontraksi dimensi sungai). Kondisi yang demikian terjadi di Sungai Sugutamu, tepatnya di Perumahan Lembah Griya, Kota Depok. Dengan adanya perubahan pada geometri sungai, maka struktur hidrolika sungai juga ikut berubah.Selain berpengaruh terhadap kondisi fisik sungai, perubahan geometri turut mempengaruhi kualitas air sungai, terutama kualitas fisik air sungai. Hal ini ditandai dengan perubahan tingkat kekeruhan, laju sedimentasi, konsentrasi oksigen, dan seterusnya.Tujuan utama dari penelitian ini untuk memprofilkan perubahan kualitas fisik air sungai dengan parameter yang diujikan adalah konsentrasi Oksigen Terlarut (DO) dan Zat Padat Tersuspensi (TSS) yang terkandung dalam aliran air Sungai Sugutamu akibat adanya kontraksi penampang di Perumahan Lembah Griya Depok.

---

Nowadays, modification to environment to fit human intention can?t be avoided. The needed of an open field sometimes force people to change the natural shape of the river to what they need. One of those changes was reducing the river width in one of its segment (dimensional contraction of the river), which in this case, was occurred in Sugutamu river in Lembah Griya, Depok. This dimensional change, affect the hydraulic properties of the river.

Beside of that the change of channel dimension, also affecting the quality of water. This change was characterized by the change of water turbidity, sedimentation rate, oxygen concentration, and many more.

This thesis was made to profiling the change in Dissolved Oxygen and Total Suspended Solid properties in Sugutamu River, which was caused by contraction in Perumahan Lembah Griya Depok."

"ABSTRAKKadar kolesterol yang tinggi dalam darah dapat memicu timbulnya penyakit jantung koroner. Berdasarkan data yang diperoleh dari Kementerian Kesehatan Republik Indonesia, penyakit jantung koroner merupakan penyebab kematian tertinggi kedua setelah stroke dengan persentase 12.9% pada tahun 2014. Selain kolesterol tinggi, kondisi stres yang tinggi juga dapat memicu berbagai penyakit seperti gangguan pencernaan, kecemasan, dan gangguan jantung. Sehingga pemeriksaan kesehatan sedini mungkin baik dengan metode alternatif maupun pemeriksaan secara medis perlu dilakukan.Penelitian ini membahas mengenai deteksi kolesterol dan stres melalui pengamatan citra iris. Endapan lemak yang telah terbentuk di jaringan kornea menghasilkan keburaman di area terluar iris. Tanda ini merupakan indikasi dari ketidakseimbangan tubuh sebagai tanda kolesterol berlebih. Sedangkan tidak terbentuknya endapan lemakmengindikasikan kondisi kolesterol tidak tinggi. Sehingga dari pengamatan karakteristik iris ini, dapat dideteksi kondisi kolesterol tinggi dan kolesterol tidak tinggi. Lingkaran-lingkaran yang terbentuk pada iris atau yang disebut dengan cincin saraf mengindikasikan adanya ketegangan saraf berlebih. Cincin saraf terbentuk karena adanya iritabilitas, insomnia, ketidakseimbangan mental dan emosi seseorang. Sehingga tanda ini dapat mengindikasikan kondisi stres seseorang berupa bergejala stres atau tidak bergejala.Deteksi kolesterol dan stres ini dibuat menggunakan metode Morphology Reconstruction untuk mengubah karakteristik penyakit lain pada ROI yang sama, Gray Level Co-occurence Matrix (GLCM) sebagai metode ekstraksi ciri, dan Backpropagation Neural Network (BNN) sebagai metode klasifikasi. Ciri yang digunakan dalam penelitian ini adalah entropy, contrast, correlation, energy, homogeneity, variance, dan difference variance. Dari hasil perancangan dengan jumlah citra pelatihan masing-masing sebesar 59 untuk deteksi kolesterol dan 53 untuk deteksi stres, diperoleh tingkat akurasi pengujian mencapai 96.49% untuk deteksi kolesterol dan 85.96% untuk deteksi stres dengan jumlah citra uji sebesar 57 citra.

---

ABSTRACTHigh cholesterol levels in the blood can trigger coronary heart disease. Based on data obtained from the Ministry of Health of the Republic of Indonesia, coronary heart disease is the second highest cause of death with a percentage of 12.9% in 2014. Besides high cholesterol, high stress conditions can also trigger various diseases such as digestive disorders, anxiety, and heart problems. So people need to do healthexaminations as early as possible.This study discusses the detection of cholesterol and stress through observation of iris images. Fat deposits that have formed in the corneal tissue produce blur in the outer area of the iris. This sign is an indication of body imbalance as a sign of excess cholesterol. While the formation of fat deposits does not indicate the condition of cholesterol, it is identified as not high cholesterol. So from observing the characteristics of this iris, high cholesterol and not high cholesterol conditions can be detected. The circles that form on the iris or called as nerve ring indicate excessive nervous tension. The nerve ring is formed due to irritability, insomnia, mental and emotional imbalance in a person. So this sign can indicate a person's stress condition in the form of symptomatic stress or asymptomatic.This cholesterol and stress detection is made using the Morphology Reconstruction method to change the characteristics of other diseases on the same Region of Interest, Gray Level Co-occurrence Matrix (GLCM) as a feature extraction method, and Backpropagation Neural Network (BNN) as a classification method. The characteristics used in this study are entropy, contrast, correlation, energy, homogeneity, variance, and difference variance. From the results of the design with the number of training images respectively 59 images for cholesterol detection and 53 images for stress detection, the accuracy of the test is 96.49% for cholesterol detection and 85.96% for stress detection with the number of testing images is 57 images."

"Pertambahan populasi yang terjadi di DI Yogyakarta mempengaruhi kualitas air sungai yang ada. Pertambahan populasi juga berkontribusi terhadap perubahan penggunaan lahan yang terjadi terutama pada area sekitar sungai yang juga berpengaruh terhadap kualitas sungai. Perubahan penggunaan lahan pada daerah sekitar sungai dapat dianalisis berdasarkan daerah tangkapan air dan zona riparian sungai. Tujuan penelitian ini adalah untuk mengetahui kualitas air di Sungai Winongo secara spasial dan temporal, mengetahui perubahan tutupan lahan pada daerah tangkapan air dan zona riparian sungai, serta mengetahui hubungan dari perubahan tata guna lahan dengan kualitas air sungai. Parameter sungai yang dianalisis yaitu suhu, pH, TDS, TSS, BOD, COD, DO, nitrat, sulfida, detergen, minyak dan lemak, fecal coliform, dan total coliform. Daerah sungai yang dianalisis dibagi menjadi tiga, hulu, tengah, dan hilir. Data yang dianalisis merupakan data sekunder yang berasal dari Pemerintah Provinsi DIY dari tahun 2011-2018. Metode yang digunakan untuk menganalisis kualitas air adalah analisis deskriptif dengan menggunakan boxplot, untuk klasifikasi penggunaan lahan menggunakan software ArcGIS 10.3 dengan metode maximum likelihood, delineasi daerah tangkapan air dengan menggunakn tool watershed, dan delineasi riparian dengan menggunakan tool buffer. Analisis korelasi menggunakan korelasi Pearson dengan nilai signifikansi <0,10. Hasil yang diperoleh parameter pencemar sungai Winongo yaitu: TSS, BOD, COD, sulfida, minyak dan lemak, fecal coliform, dan total coliform. Tutupan lahan di hulu didominasi oleh hutan, tengah oleh permukiman, dan hilir oleh pertanian. Analisis hubungan antara parameter air dengan perubahan tutupan lahan lebih baik dijelaskan pada skala zona riparian 100 m.

---

Population growth that occurs in DI Yogyakarta affects the quality of water river. It also contributes to changes in land use that occur especially in area around the river which also affects the quality of the river. Changes in land use in the area around the river can be analyzed based on the catchment area and riparian zone. The purpose of this study was to determine water quality in the Winongo River spatially and temporally, determine land cover changes in water catchment areas and riparian zones, and to determine the relationship between land use changes and river water quality. Water parameters analyzed were temperature, pH, TDS, TSS, BOD, COD, DO, nitrate, sulfide, detergent, oil and grease, fecal coliform, and total coliform. The analyzed river area is divided into three, upstream, middle, and downstream. The data analyzed is secondary data originating from the DIY Provincial Government from 2011-2018. The method used to analyze water quality is descriptive analysis using a boxplot, for land use classification using ArcGIS 10.3 software with the maximum likelihood method, delineation of water catchment areas using the watershed tool, and riparian delineation using the buffer tool. Correlation analysis using Pearson correlation with a significance value <0.10. The results obtained were pollutant parameters of the Winongo river are: TSS, BOD, COD, sulfide, oil and grease, fecal coliform, and total coliform. Upstream land cover is dominated by forests, in the middle by urban areas, and downstream by agriculture. Analysis of the relationship between water parameters and land cover changes is better explained in riparian zone 100 m."

"Tanah longsor merupakan bencana alam yang paling sering terjadi di Indonesia dan mengakibatkan kerugian baik harta maupun jiwa Risiko kelongsoran dapat disebabkan oleh berbagai macam faktor. Karena itu perlu dilakukan penyelidikan faktor-faktor apa saja yang dapat mempengaruhi risiko kelongsoran agar dapat dilakukan pencegahan bahaya kelongsoran terkait dengan kepadatan bangunan. Mengingat begitu luasnya daerah yang diteliti sehingga penggunaan Sistem Informasi Geografis diharapkan mampu untuk menjawab tantangan untuk menganalisis risiko untuk kelongsoran dengan menggunakan data-data spasial. Analisis yang dilakukan adalah untuk mempelajari data-data keruangan. Metode yang digunakan adalh studi kasus pada bantaran Sungai Clliwung. Pengolahan data dilakukan dengan menggunakan alat bantu Sistem Informasi Geografis. Diharapkan dengan hasil penelitian analisis pengaruh kepadatan bangunan terhadap risiko kelongsoran di bantaran sungai Ciliwung pada akhirnya dapat dikembangkan untuk penelitian dengan cakupan daerah yang lebih luas lagi.

---

Landslides is one of the most frequently natural disaster that happen in Indonesia. It cost not only property lost but lives too. Landslides risk can be effected by many factor. That is why need to be investigated what factor could effeect landslides risk so it can be prevented to happen that hook with building density. Because the area that been investigated is so large, the use of of Geografic Information System is so important to answer the challenge risk analysis for landslides with using spatial data. Analysis method is to study spatial data. The case study is in flood plain in Ciliwung river. Data tabulation is with the help of tool Geografic Information System. With this result of investigation analysis of building density effect to landslide risk in flood plain in Ciliwung River can be developed for next research for the bigger area."