Hasil Pencarian  ::  Simpan CSV :: Kembali

"Satelit ALOS (Advanced Land Observing Satellite) yang telah berhasil diluncurkan pada tanggal 24 Januari 2006, mempunyai 5 misi utama yaitu 1) Kartografi, 2) Pengamatan Regional, 3) Pemantauan Bencana Alam, 4) Penelitian Sumber Daya Alam, 5) Pengembangan Teknologi. Untuk dapat mencapai misi utama ALOS, satelit diperlengkapi dengan tiga buah sensor penginderaan jauh dan subsistem pendukung misi. Tiga buah sensor tersebut terdiri dari dua buah sensor optik yaitu sensor PRISM (Panchromatic Remote Sensing Instrument for Stereo Mapping) dan sensor AVNIR-2 (Advanced Visible and Near Infrared Radiometer type-2), sebuah sensor gelombang mikro atau radar yaitu PALSAR (Phased Array type L-band Syntetic Aperture Radar). Makalah ini menguraikan karakteristik teknis satelit ALOS dan ketiga buah sensor, subsistem pendukung misi, karakteristik data citra ALOS, produk data ALOS, aplikasi data ALOS, serta analisis pemanfaatan data ALOS untuk bermacam aplikasi. Metode pelaksanaan kajian adalah dengan mempelajari literatur/informasi/data yang diperoleh dari operator satelit, media internet, hasil-hasil penelitian yang berkembang dewasa ini dan melakukan analisis."

"Satelit LDCM (Landsat Data Continuity Mission) dijadwalkan diluncurkan pada tahun 2011 dari VAFB, CA dengan pesawat peluncur Atlas-V-401. Setelah meluncur di orbitnya, satelit tersebut akan dinamakan sebagai Landsat-8. Satelit LDCM (Landsat-8) dirancang diorbitkan pada orbit mendekati lingkaran sikron-matahari, pada ketinggian: 705 km, inklinasi: 98.2º, periode: 99 menit, waktu liput ulang: 16 hari. Satelit LDCM (Landsat-8) dirancang membawa Sensor pencitra OLI (Operational Land Imager) yang mempunyai kanal-kanal spektral yang menyerupai sensor ETM+(Enhanced Thermal Mapper plus) dari Landsat-7. Sensor pencitra OLI ini mempunyai kanal-kanal baru yaitu: kanal-1: 443 nm untuk aerosol garis pantai dan kanal 9: 1375 nm untuk deteksi cirrus; akan tetapi tidak mempunyai kanal inframerah termal. Sensor lainnya yaitu Thermal Infrared Sensor (TIRS) ditetapkan sebagai pilihan (optional), yang dapat menghasilkan kontinuitas data untuk kanal-kanal inframerah termal yang tidak dicitrakan oleh OLI. Tulisan ini menguraikan karakteristik teknis satelit LDCM (Landsat-8), karakteristik teknis sensor pencitra OLI dan karakteristik data citra, subsistem pendukung missi, aplikasi data satelit LDCM (Landsat-8) serta analisis pemanfaatan satelit masa depan: LDCM( Landsat-8). Metode kajian adalah dengan melakukan studi literatur/informasi/data yang diperoleh dari badan/lembaga pemilik satelit serta dari media internet, dan sumber-sumber referensi literatur lainnya/hasil-hasil penelitian yang berkembang dewasa ini, serta melakukan analisis"

"Gerakan tanah yang terjadi secara berulang dapat memicu terjadinya tanah longsor. Gempabumi yang kuat juga dapat memicu adanya tanah longsor (Meunier dkk., 2013). Penelitian ini bertujuan untuk menganalisa potensi gerakan tanah dan longsoran akibat gempa di wilayah Lombok Timur. Tingkat kerentanan gerakan tanah diperoleh dari hasil skoring menggunakan pendekatan model Puslittanak (2004), sedangkan sebaran longsor akibat gempa menggunakan nilai PGA (Peak Ground Acceleration) untuk analisis. Kemudian dilakukan overlay dengan peta-peta lainnya seperti stratigrafi, curah hujan, tataguna lahan, jenis tanah, dan kemiringan lereng. Dari penelitian ini dapat diketahui bahwa Kabupaten Lombok Timur termasuk dalam kawasan berpotensi tinggi terjadinya gerakan tanah. Longsoran yang terjadi akibat gempa tersebar di wilayah nilai PGA 167-379,2 gal.

---

Continuous land movement can trigger landslides. In addition, landslides can also occur due to a strong earthquake (Meunier et.al, 2013). This study aims to analyse potential of land movement and landslides caused by an earthquake in the East Lombok region. The level of vulnerability to land movement is obtained from the scoring results using the Puslittanak (2004) model approach, while the distribution of coseismic landslides uses the PGA (Peak Ground Acceleration) value for analysis. Then it is overlaid with other maps such as rock type, rainfall, land use, soil type, and slope. From this research East Lombok Regency is included in an area with a high potential for land movement. Landslides that occurred as a result of the earthquake spread across the PGA value area of ​​167-379.2 gal."

"Tanaman adalah makhluk hidup yang dapat menyerap karbon pada suatu daerah melalui proses fotosintesis, sehingga keberadaannya diperlukan untuk menyerap emisi karbon. Mengestimasi nilai biomassa merupakan indikator penting karena memberikan prasyarat dasar mengenai estimasi kepadatan dan penyimpanan karbon dalam wilayah tersebut. Ketidak seimbangan antara emisi karbon dengan stok karbon akan terjadi apabila kegiatan manusia yang menghasilkan emisi karbon lebih tinggi dibandingkan dengan stok karbon pada daerah tersebut. Faktor yang memengaruhi tingkat emisi karbon pada daerah tersebut adalah tingkat kepadatan populasi, persentase wilayah urban, dan kepadatan jalan. Nilai karbon didapatkan dari model dengan perhitungan model menggunakan regresi linear. Sementara untuk mengetahui nilai biomassa diperlukan data diameter setinggi dada pada jenis jenis pohon perkotaan. Citra satelit untuk kemudian diolah menjadi data NDVI serta citra yang digunakan adalah Sentinel 2-A. Nilai Estimasi stok karbon dapat dilakukan dengan menggunakan perhitungan persamaan allometrik yang dapat menentukan nilai biomassa permukaan, setelah mendapatkan nilai biomassa permukaan dilakukan persamaan regresi terhadap nilai NDVI. Perhitungan antara nilai emisi karbon dengan nilai stok karbon kemudian dihitung selisihnya untuk mendapatkan wilayah yang kelebihan penyimpanan karbon atau kekurangan penyimpanan karbon. Hasil dari penelitian ini adalah komposisi antara karbon yang mampu disimpan oleh tanaman pada wilayah Kecamatan Kuta, Kuta Utara dan Kuta Selatan dengan emisi karbon yang terdapat di Kecamatan Kuta, Kuta Utara dan Kuta Selatan.

---

The Plant is an living creatures that can absorbs carbons on open air with their capability to photosynthesis, therefore its existence are surely needed to absorbs carbon emissions. Estimating biomass was one of the important indicator because it is an basic requirements about estimating the density of carbons storage on that region. The imbalance between carbon emissions and carbon stocks will happen if the human activity that produce carbon emissions were higher than carbon stocks on that region. Driving factors that interfere the size of carbon emissions on some regions are populations density, road density, and urban percentages. Carbons value were collected by model with calculations using linear regressions. In the other hand to determine biomass value required diameter breast height on tree species on the city. Satellite imagery is also required to produce NDVI data, satellite imagery that were used on this study was Sentinel 2-A. Estimations value of carbon stocks can be obtained by using allometric equation which can determine aboveground biomass, after obtaining the aboveground biomass the next step is making linear regressions against NDVI value. Calculations between carbon emissions value and carbon stocks value were calculated the difference for obtaining which region that had more carbon stocks and which region that hasn’t. the result of this study were composisions between carbons that can be absorbs by the plant in Kuta,North Kuta, and South Kuta District with the carbon emissions that happened on Kuta, North Kuta and South Kuta District."

"The Indonesian spatiotemporal cloud cover distribution was quantified with the aid of GMS, Landsat and SPOT data. Iterative interactive factorial analyses grouped pixels with similar profiles into 18 classes for all land areas. For each class, statistics of Landsat and SPOT images, grouped by class, were used to verify, calibrate and improve class profiles. This led to quantified temporal profiles of probability of acquiring remotely sensed data with 10, 20, and 30 percent cloud cover, for any Indonesian land area."

"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."

"Kebakaran hutan dan lahan merupakan bencana alam yang terjadi berulang hampir setiap tahun di Indonesia, dan mengakibatkan kerugian ekonomi yang besar maupun bagi lingkungan. Penggunaan data satelit penginderaan jauh dalam menurunkan informasi fire hotspot dapat digunakan untuk melakukan pemantauan kebakaran lahan gambut (peat) dan tanah mineral (non-peat) di Indonesia. Sistem pemantauan harian sangat diperlukan untuk membantu pemangku kepentingan di lapangan dalam mengambil tindakan mitigasi bencana. Tujuan penelitian ini adalah membangun sebuah model filtering dan clustering untuk deteksi dini kebakaran hutan dan lahan di Indonesia dengan data sensor Visible Infrared Imaging Radiometer Suite (VIIRS) dari satelit Suomi NPP dan NOAA-20 menggunakan metode Euclidean distance. Model filtering dan clustering digunakan untuk menyederhanakan jumlah fire hotspot yang sangat bermanfaat bagi kepentingan di lapangan ketika terjadi kebakaran hutan dan lahan. Model filtering dilakukan dengan cara membangun peta hotspot per tahun dengan kejadian pengulangan melebihi suatu ambang batas, dan peta tersebut akan digunakan sebagai filter dari data fire hotspot yang dihasilkan. Model clustering dilakukan dengan menggunakan menghitung jarak Euclidean antar titik fire hotspot yang dihasilkan, jika jaraknya memenuhi 1,5 kali ukuran piksel maka titik fire hotspot tersebut akan dikelompokkan menjadi satu cluster. Nilai akurasi dievaluasi berdasarkan estimasi luas kebakaran, peta burned area, dan peta lahan gambut dari setiap kejadian kebakaran yang dilaporkan petugas lapangan. Hasil pengolahan dan analisis menunjukkan bahwa akurasi efektif pada data VIIRS yaitu pada jarak 1,5 km atau empat kali ukuran pikselnya dari pusat kebakaran. Akurasi deteksi secara umum untuk cluster hotspot (cluster-HS) dan titik hotspot (titik-HS) masing-masing sebesar 52% dan 53%. Untuk wilayah yang luasnya lebih dari 14 ha, akurasinya menjadi sangat baik yaitu sampai dengan sebesar 83%. Analisis dengan pemilahan lahan gambut dan tanah mineral menunjukkan cluster-HS berkinerja lebih baik di lahan gambut dengan akurasi sebesar 62% dibandingkan di lahan tanah mineral sebesar 57%. Tanpa mengurangi ketepatan pengamatan titik api, penelitian ini menunjukkan bahwa model dapat diandalkan untuk membantu pemangku kepentingan di lapangan dalam mengambil tindakan. Oleh karena itu, model ini dapat diimplementasikan ke dalam pemantauan hotspot harian di Indonesia.

---

In Indonesia, forest and land fires are frequent natural catastrophes that do significant damage to the environment and economy. The use of remote sensing satellite data to derive fire hotspot information can be used to monitor peat and non-peat land fires in Indonesia. A daily monitoring system is very necessary to assist stakeholders in the field in taking disaster mitigation actions. The aim of this research is to build a filtering and clustering model for early detection of forest and land fires in Indonesia using Visible Infrared Imaging Radiometer Suite (VIIRS) sensor data from the Suomi NPP and NOAA-20 satellites using the Euclidean distance method. The filtering and clustering model is used to simplify the number of fire hotspots which is very useful for interests in the field when forest and land fires occur. The filtering model is carried out by building a persistent hotspot map per year with repeated events exceeding a threshold, and this map will be used as a filter for the resulting fire hotspot data. The clustering model is carried out by calculating the Euclidean distance between the resulting fire hotspot points. If the distance is 1.5 times the pixel size, the fire hotspot points will be grouped into one cluster. Accuracy values ​​are evaluated based on estimates of fire area, burned area maps, and peatland maps for each fire incident reported by field officers. The results of processing and analysis show that the effective accuracy of VIIRS data is at a distance of 1.5 km or four times the pixel size from the center of the fire. The general detection accuracy for hotspot clusters (cluster-HS) and hotspot points (point-HS) is 52% and 53%, respectively. For areas larger than 14 ha, the accuracy is very good, namely up to 83%. Analysis by separating peat and non-peat land shows that the HS-cluster performs better on peat land with an accuracy of 62% compared to 57% on non-peat land. Without reducing the accuracy of hotspot observations, this research shows that the model can be relied on to assist stakeholders in the field in taking action. Therefore, this model can be implemented into daily hotspot monitoring in Indonesia."

"[ABSTRAKPenelitian ini bertujuan untuk menganalisis implementasi Inpres nomor 6tahun 2012 yang dilakukan oleh Lapan. Tesis ini menggunakan pendekatan postpositivis dengan analisis deskriptif. Hasil dari penelitian ini menunjukkan bahwaLapan melihat Inpres nomor 6 tahun 2012 sebagai perluasan kewenangan dalampengelolaan dan pengolahan data penginderaan jauh. Dalam pelaksanaan Inpresnomor 6 tahun 2012, masih perlu dilakukan koordinasi antara Lapan dan BIGsebagai pelaksana. Dalam konteks sumberdaya, fasilitas cukup memadai dengandiadakannya upgrading stasiun bumi dan fasilitas penerima dan penyimpanan data.Dari segi SDM masih perlu ditingkatkan, karena masih kurangnya tenaga peneliti danoperasional. Pelaksanaan Inpres ini masih belum optimal karena tidak didukung olehanggaran yang memadai.

---

ABSTRACTThis research analyzed on how Lapan implemented Presidential Decree No.6of 2012. This study using post positivist approach with descriptive analysis. Result ofthis study indicate that Lapan see the Presidential Decree No.6 of 2012 as anextension of authority in the management and processing of remote sensing data.There is still need more coordination between Lapan and BIG as the executor ofPresidential Decree No.6 of 2012. In the context of resources, the facility is quiteadequate since the upgrading of ground station and receivers and data storagefacilities. In terms of human resources, there is still need improvement because thelack of researchers and operational person. The Presidential Decree No.6 of 2012 isstill not optimal because the policy is not supported by adequate budget, This research analyzed on how Lapan implemented Presidential Decree No.6of 2012. This study using post positivist approach with descriptive analysis. Result ofthis study indicate that Lapan see the Presidential Decree No.6 of 2012 as anextension of authority in the management and processing of remote sensing data.There is still need more coordination between Lapan and BIG as the executor ofPresidential Decree No.6 of 2012. In the context of resources, the facility is quiteadequate since the upgrading of ground station and receivers and data storagefacilities. In terms of human resources, there is still need improvement because thelack of researchers and operational person. The Presidential Decree No.6 of 2012 isstill not optimal because the policy is not supported by adequate budget]"

"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."