Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kota Padang Panjang merupakan salah satu Kota di Provinsi Sumatera Barat yang memiliki lokasi strategis. Oleh karena itu Kota Padang Panjang mengalami perkembangan wilayah yang cukup pesat. Hal tersebut mengakibatkan perubahan tutupan lahan yang luas dari vegetasi menjadi non-vegetasi, yang memicu pengingkatan suhu permukaan. Tujuan penelitian ini adalah menganalisis perubahan kerapatan vegetasi dan suhu permukaan pada tutupan lahan dan mengkaji hubungan antar keduanya. Metode yang digunakan adalah metode pengindraan jauh yang terdiri dari NDVI, LST, dan Raster Correlation. Kemudian dilakukan uji akurasi dengan metode Khat Kappa dan diperkuat dengan survei lapang untuk validasi tutupan lahan dan suhu. Hasil dari penelitian ini adalah kerapatan vegetasi dan suhu permukaan tahun 2011-2021 mengalami perubahan seiring berubahnya tutupan lahan. Terjadi penurunan luas lahan bervegetasi sejak tahun 2011 – 2021 yang berubah menjadi lahan terbangun. Hal ini berkaitan dengan suhu permukaan yang terus mengalami kenaikan. Nilai korelasi kerapatan vegetasi dengan suhu permukaan berbanding terbalik, artinya apabila kerapatan vegetasi menurun maka suhu permukaan akan meningkat, begitupun sebaliknya.

---

Padang Panjang City is one of the cities in West Sumatra Province which has a strategic location. Therefore, the city of Padang Panjang has experienced a fairly rapid regional development. This results in extensive land cover changes from vegetation to non-vegetation, which triggers an increase in land surface temperature. The purpose of this study was to analyze changes in vegetation density and surface temperature on land cover and examine the relationship between them. The method used is remote sensing method which consists of NDVI, LST, and Raster Correlation. Then the accuracy test was carried out using the Khat Kappa method and strengthened by a field survey to validate land cover and temperature. The result of this research is that the vegetation density and surface temperature in 2011-2021 have changed along with the change in land cover. There has been a decrease in the area of vegetated land since 2011 – 2021 which has turned into built-up land. This is related to the surface temperature that continues to increase. The correlation value of vegetation density with surface temperature is inversely proportional, meaning that if the vegetation density decreases, the surface temperature will increase, and vice versa."

"Komoditas kelapa sawit merupakan tanaman perkebunan utama di Kabupaten Penajam Paser Utara. Berdasarkan perubahan penggunaan lahan yang terjadi selama tahun 2009–2020, menunjukkan bahwa perkebunan kelapa sawit selalu mengalami peningkatan luas lahan. Besarnya pertumbuhan areal perkebunan kelapa sawit dalam beberapa tahun terakhir, menyebabkan terjadinya alih fungsi lahan. Alih fungsi lahan tersebut terjadi karena kelapa sawit merupakan tanaman perkebunan unggulan yang berperan penting bagi perekonomian di Indonesia. Penelitian ini bertujuan untuk menganalisis perubahan penggunaan lahan terutama lahan perkebunan kelapa sawit, dan memprediksi lahan perkebunan kelapa sawit pada tahun 2031, serta mengidentifikasi wilayah kesesuaian lahan perkebunan kelapa sawit. Model Cellular Automata-Markov Chain digunakan untuk melihat perubahan penggunaan lahan yang terjadi dan prediksi penggunaan lahan pada tahun 2031. Metode overlay digunakan untuk mengetahui wilayah kesesuaian lahan perkebunan kelapa sawit, dengan memasukkan variabel karakteristik lahan dan faktor pembatas ke dalam model kesesuaian lahan. Penggunaan lahan dari tahun 2009, 2014, dan 2020 selalu didominasi oleh lahan hutan belukar, kebun campuran, dan perkebunan kelapa sawit. Pada tahun 2031 lahan perkebunan kelapa sawit diprediksi mengalami peningkatan luas lahan yang tersebar secara mengelompok pada wilayah penelitian. Hasil kesesuaian lahan menunjukkan bahwa lahan yang sangat sesuai untuk perkebunan kelapa sawit berada pada wilayah dengan topografi yang relatif landai, memiliki curah hujan yang optimal, serta kadar C-organik tanah yang tergolong sedang sampai tinggi.

---

Oil palm is the main plantation crop in North Penajam Paser Regency. Based on changes in land use that occurred during 2009-2020, it shows that oil palm plantations always experience an increase in land area. The significant growth of oil palm plantation areas in recent years has led to land conversion. This land conversion occurs because oil palm is a leading plantation crop that plays a vital role in the Indonesian economy. This study aims to analyze land-use changes, especially oil palm plantations, and predict oil palm plantation land in 2031 and identify areas of suitability for oil palm plantations. The Cellular Automata-Markov Chain model is used to see land-use changes that occur and predict land use in 2031. The overlay method determines land suitability for oil palm plantations by entering land characteristics and limiting factors into the land suitability model. Land use from 2009, 2014, and 2020 has always been dominated by forests, mixed gardens, and oil palm plantations. In 2031, oil palm plantations are predicted to experience an increase in land area spread in groups in the research area. Land suitability results show that land suitable for oil palm plantations is in an area with a relatively sloping topography, has optimal rainfall, and has moderate to high soil C-organic content.

"

"Kecamatan Baleendah merupakan salah satu kecamatan di Kabupaten Bandung dimana merupakan salah satu wilayah yang memiliki kejadian bencana banjir tertinggi di Indonesia. Sebagai usaha untuk mengurangi dampak dari bencana banjir dibutuhkan adanya upaya mitigasi baik yang dilakukan sebelum terjadinya bencana, saat bencana, bahkan setelah bencana terjadi, salah satunya adalah menentukan lokasi evakuasi banjir. Penelitian ini bertujuan untuk menentukan lokasi evakuasi banjir yang sesuai. Adanya pemetaan lokasi evakuasi ini sebagai upaya pelaksanaan Tindakan mitigasi sebelum bencana terjadi, sehingga diharapkan dapat membantu masyarakat untuk evakuasi ketika bencana banjir terjadi. Penelitian ini menggunakan metode Simple Additive Weighting (SAW) dengan variabel fisik seperti kerawanan banjir, landuse, jarak dari sungai, jarak dari jalan dan jarak dari permukiman. Analisis tersebut menghasilkan 7 lokasi alternatif terbaik sebagai lokasi evakuasi ketika bencana banjir terjadi dari lokasi dengan klasifikasi kelayakan ‘Layak’ dan ‘Sangat Layak’ yang berada di Desa Malakasari, Desa Rancamanyar dan Kelurahan Baleendah dimana sebagian besar lokasi terbaik tersebut berada di Kelurahan Baleendah.

---

Baleendah District is one of the districts in Bandung Regency, one of the areas with the highest incidence of floods in Indonesia. To reduce the impact of flood disasters, it requires a mitigation effort. The mitigation efforts did before a disaster occurs, during a disaster, and even after a disaster occurs. One of which is determining the location of flood evacuation. The mapping of evacuation locations is an effort to implement mitigation measures before a disaster occurs, hoping that it can help the community evacuate when a flood occurs.

The study aims to determine a suitable flood evacuation location. This study uses the Simple Additive Weighting (SAW) method with physical variables such as flood hazard, land use, rainfall, distance from rivers, distance from roads, and settlements.

The research found seven best alternative locations as evacuation locations when a flood disaster occurred from areas with the feasibility classification of 'Feasible' and 'Very Appropriate' in Malakasari, Rancamanyar, and Baleendah Villages, where most of the best locations were in Baleendah Village."

"Pertumbuhan dan perkembangan suatu wilayah tidak merata, melainkan terfokus pada wilayah-wilayah yang memiliki sektor strategis atau berfungsi sebagai pusat pertumbuhan. Kecamatan Pagedangan, terletak dekat dengan BSD, yang merupakan sektor strategis atau pusat pertumbuhan, memiliki potensi besar untuk berkembang. Pertumbuhan pesat di wilayah ini juga berdampak pada peningkatan populasi, dengan laju pertumbuhan penduduk sebesar 0,04% pada tahun 2021-2022, meningkatkan kebutuhan akan lahan. Namun, di sisi lain, lahan untuk permukiman akan semakin berkurang, dan beberapa wilayah di Kecamatan Pagedangan juga termasuk kedalam wilayah rawan banjir. Penelitian ini bertujuan untuk menganalisis secara spasial dan temporal perkembangan permukiman pada tahun 2015, 2019, dan 2023 di Kecamatan Pagedangan. Selain itu, penelitian ini memprediksi perkembangan permukiman pada tahun 2031 menggunakan model Cellular Automata – Markov Chain, serta menganalisis kesesuaian hasil prediksi lahan permukiman tahun 2031 dengan Rencana Tata Ruang Wilayah (RTRW) tahun 2031 di Kecamatan Pagedangan, Kabupaten Tangerang. Variabel yang digunakan melibatkan lereng, jarak dari jalan,jarak dari sungai, jarak dari POI, dan jarak dari wilayah rawan banjir. Metode Cellular Automata-Markov Chain digunakan untuk memprediksi penutup lahan permukiman pada tahun 2031, dengan koefisien KAPPA sebesar 0,65 dan nilai area under the ROC curve (AUC) sebesar 0,75, menunjukkan keakuratan klasifikasi. Hasil menunjukkan bahwa lahan permukiman di Kecamatan Pagedangan mengalami perkembangan, dengan peningkatan 12,12% pada tahun 2015-2019 dan 13,41% pada tahun 2019-2023. Prediksi menunjukkan kenaikan hanya sebesar 13% pada tahun 2031. Hasil kesesuaian antara prediksi permukiman tahun 2031 dengan RTRW tahun 2031 sebesar  51,75%  dari total luas kawasan permukiman pada RTRW tahun 2031. Selanjutnya wilayah yang tidak sesuai permukiman masuk wilayah industri sebesar 47 % dari total luas kasawan industri pada RTRW. Kemudian wilayah permukiman pada RTRW yang tidak sesuai dengan permukiman pada hasil prediksi tahun 2031 sebesar 48% dari total luas kawasan permukiman pada RTRW tahun 2031.

---

The growth and development of a region are not uniform but rather focused on areas with strategic sectors or functioning as growth centers. Pagedangan District, located near BSD, a strategic sector or growth center, has significant potential for development. The rapid growth in this area also impacts population increase, with a population growth rate of 0.04% in 2021-2022, leading to an increased demand for land. However, on the flip side, land for settlements will diminish, and some areas in Pagedangan District are prone to flooding. This research aims to spatially and temporally analyze the development of settlements in 2015, 2019, and 2023 in Pagedangan District. Additionally, the study predicts the development of settlements in 2031 using the Cellular Automata – Markov Chain model. It also analyzes the compatibility of the predicted land cover in 2031 with the Regional Spatial Plan (RTRW) for 2031 in Pagedangan District, Tangerang Regency. Variables involved include slope, distance from roads, distance from rivers, distance from Points of Interest (POI), and distance from flood-prone areas. The Cellular Automata-Markov Chain method is employed to predict land cover in 2031, with a KAPPA coefficient of 0.65 and an area under the ROC curve (AUC) value of 0.75, indicating classification accuracy. Results show that residential land in Pagedangan District has experienced development, increasing by 12.12% from 2015 to 2019 and 13.41% from 2019 to 2023. The prediction suggests a marginal increase of only 13% in 2031. An analysis of population, land requirements in 2031. The compatibility between the predicted settlement in 2031 and the RTRW for 2031 is 51.75% of the total area designated for settlements in the RTRW for 2031. Subsequently, areas incompatible with settlements are allocated to industrial use, constituting 47% of the total industrial area designated in the RTRW. Furthermore, settlement areas in the RTRW incompatible with the predictions for 2031 account for 48% of the total settlement area designated in the RTRW for 2031."

"Zonasi estuari belum bisa dipastikan karena air laut yang berubah secara dinamis seiring dengan perubahan musim. Musim yang berubah-ubah dapat mempengaruhi nilai salinitas karena nilai salinitas rentan terpengaruh oleh curah hujan dan aliran sungai. (Supriatna et al., (2016). Wilayah estuari memiliki tingkat produktivitas yang tinggi, sekaligus sebagai tempat berkembang biak nya habitat ikan, maka perlu pengetahuan mengenai batas estuari. Penelitian ini bertujuan untuk menganalisis zona Estuari di Jawa bagian barat meliputi Estuari Cisadane, Estuari Ciujung, Estuari Tegalpapak, Estuari Binuangeun, dan Estuari Cimandiri berdasarkan salinitas permukaan perairan dan menganalisis perbedaan zona estuari berdasarkan aspek oseanografis dan aspek Daerah Aliran Sungai. Variabel yang digunakan dalam penelitian ini adalah salinitas, curah hujan, arus permukaan air laut, Total Suspended Solid (TSS), batimetri, gelombang laut, luas DAS dan tutupan lahan. Metode penelitian menggunakan Algoritma Cimandiri dengan mengolah Citra Landsat 8 OLI tahun 2022, 2023, dan 2024. Analisis data yang digunakan ialah analisis spasial untuk mendapatkan zonasi estuari berdasarkan bulan basah dan bulan kering, serta analisis statistik deskriptif untuk menganalisis sebaran salinitas berdasarkan aspek oseanografis yang terdiri dari arus laut, TSS, batimetri dan gelombang laut. Sedangkan aspek Daerah Aliran Sungai (DAS) terdiri dari luas DAS dan tutupan lahan DAS. Hasil dari penelitian ini adalah zonasi estuari berdasarkan salinitas permukaan perairan yang diamati berdasarkan bulan basah dan bulan kering terbagi menjadi 2 kelas zona estuari yaitu zona Mexo-mesohaline dan Mexo-polyhaline. Luas Estuari di Jawa bagian barat mendapat pengaruh dari aspek oseanografis dan aspek Daerah Aliran Sungai. Aspek oseanografis memiliki pengaruh yang kuat dibandingkan dengan aspek Daerah Aliran Sungai.

---

The zonation of the estuary is uncertain because seawater changes dynamically with seasonal changes. Changing seasons can affect salinity values because salinity values are susceptible to being affected by rainfall and river flow. (Supriatna et al., 2016). The estuary area has a high level of productivity, as well as a breeding ground for fish habitat, so knowledge of the estuary boundaries is needed. This study aims to analyse Estuary zones in western Java including the Cisadane Estuary, Ciujung Estuary, Tegalpapak Estuary, Binuangeun Estuary, and Cimandiri Estuary based on the salinity of surface waters and analyse the differences in estuary zones based on oceanographic aspects and watershed aspects. The variables used in this study were salinity, rainfall, sea surface currents, Total Suspended Solid (TSS), bathymetry, sea waves, watershed area and land cover. The research method used Cimandiri Algorithm by processing Landsat 8 OLI images in 2022, 2023, and 2024. The data analysis used was spatial analysis to obtain estuary zoning based on wet months and dry months, and descriptive statistical analysis to analyse salinity distribution based on oceanographic aspects consisting of ocean currents, TSS, bathymetry and ocean waves. While the watershed aspect consists of watershed area and watershed land cover. The results of this study are the estuary zoning based on surface water salinity observed during wet and dry months, divided into 2 estuary zone classes, namely the Mexo-mesohaline zone and the Mexo-polyhaline zone. Estuary area in western Java is influenced by oceanographic aspects and watershed aspects. Oceanographic aspects have a strong relationship compared to watershed aspects."

"Dalam satu dekade terakhir, Kota Depok mengalami pertumbuhan yang signifikan. Lahan terbangun di perkotaan memiliki peran penting dalam memengaruhi kenaikan suhu global melalui apa yang dikenal sebagai efek pulau panas perkotaan atau Urban Heat Island effect. Efek UHI bukan hanya menjadi masalah kenyamanan lokal, tetapi juga memiliki dampak jangka panjang pada kenaikan suhu global. Suhu yang lebih tinggi di perkotaan dapat mengakibatkan peningkatan konsumsi energi untuk pendinginan, penurunan kualitas udara, dan dampak pada kesehatan manusia. Local Climate Zone (LCZ) adalah konsep yang digunakan untuk mengklasifikasikan karakteristik morfologi permukaan di area urban dan peri-urban. Setiap LCZ memiliki karakteristik unik dalam hal geometri, bahan bangunan, dan vegetasi yang dapat mempengaruhi distribusi suhu dan dinamika iklim lokal. Hasilnya didapati bahwa morfologi Kota Depok didominasi oleh kelas open low rise (LCZ 6) merepresentasikan area pemukiman penduduk. Karakteristik suhu permukaan tanah Kota Depok secara umum berkisar antara 37,5°C – 54°C, pada tahun 2023 dengan suhu kelas bangunan lebih tinggi dibandingkan kelas tutupan lahan alami. Pola spasial fenomena UHI di Kota Depok secara umum lebih banyak terjadi di area pemukiman penduduk dengan karakteristik bangunan rendah (LCZ3).

---

In the last decade, Depok City has experienced significant growth. Built-up land in cities has an important role in influencing global temperature rise through what is known as the urban heat island effect. The UHI effect is not only a local comfort issue but has a long-term impact on global temperature rise. Higher temperatures in cities can result in increased energy consumption for cooling, reduced air quality, and impacts on human health. Local Climate Zone (LCZ) is a concept that classifies surface morphological characteristics in urban and peri-urban areas. Each LCZ has unique geometry, building materials, and vegetation characteristics that can influence temperature distribution and local climate dynamics. The results found that the morphology of Depok City is dominated by the open low-rise class (LCZ 6) representing residential areas. The characteristics of the land surface temperature of Depok City generally range between 37.5°C – 54°C, in 2023 with the building class temperature being higher than the natural land cover class. The spatial pattern of the UHI phenomenon in Depok City generally occurs more often in residential areas with low-rise building characteristics (LCZ3)."

"Perubahan tutupan lahan dipengaruhi oleh dinamika aktivitas manusia dari waktu ke waktu. Pertumbuhan penduduk perkotaan dan pedesaan terus melampaui perluasan lahan, sehingga mengakibatkan perubahan tutupan lahan dan cenderung mengurangi rasio lahan terbuka hijau terhadap lahan terbangun. Tujuan penelitian untuk menganalisis hubungan perubahan tutupan lahan dan indeks vegetasi selama periode 2017-2022. Data yang digunakan adalah citra Landsat 8 pada bulan Juli 2017 dan November 2022. Klasifikasi tutupan lahan digunakan software ENVI dengan titik uji sejumlah 50 sampel. Klasifikasi indeks vegetasi dipilih NDVI. Hasil penelitian menunjukkan bahwa perubahan tutupan didominasi oleh lahan terbangun sebesar 60,87% dengan peningkatan 17,05% Sementara perubahan indeks vegetasi didominasi oleh vegetasi rapat. Pola perubahan tutupan lahan didominasi oleh perubahan vegetasi rapat menjadi lahan terbangun, sedangkan indeks vegetasi didominasi oleh vegetasi rapat menjadi vegetasi rapat dengan penurunan sebesar 7%.

---

Land cover changes are influenced by the dynamics of human activities over time. Urban and rural population growth continues to exceed land expansion, resulting in changes in land cover and tending to reduce the ratio of green open land to built-up land. The purpose of this study was to analyze the relationship between land cover changes and vegetation index during the period 2017-2022. The data used were Landsat 8 images in July 2017 and November 2022. Land cover classification used ENVI software with 50 sample test points. The vegetation index classification was selected NDVI. The results showed that cover changes were dominated by built-up land of 60.87% with an increase of 17.05%. While changes in the vegetation index were dominated by dense vegetation. The pattern of land cover change was dominated by changes from dense vegetation to built-up land, while the vegetation index was dominated by dense vegetation to dense vegetation with a decrease of 7%."

"Kelembaban tanah merupakan jumlah kadar air dalam tanah yang terletak di atas water table yang berfungsi secara biologis untuk mengontrol pertumbuhan tanaman dan memengaruhi daur ulang ekologis. Dalam penelitian ini, kelembaban tanah yang diteliti berada di Universitas Indonesia Kota Depok dengan kondisi penggunaan lahan yang bervariasi dan kompleks dengan tujuan untuk melihat pola sebaran kelembaban tanah, serta hubungannya dengan penggunaan lahan. Metode yang digunakan yaitu analisis deskriptif keruangan, dan analisis regresi. Hasil penelitian menunjukkan bahwa nilai kelembaban atau jumlah kadar air dalam tanah pada tahun 2020, 2021, dan 2023 di Universitas Indonesia menunjukkan pola distribusi yang bervariasi dan berbeda. Pada bulan April tahun 2020-2021 distribusi kelembaban tanah sangat kering dengan pola yang meluas diarea sekitar lahan terbangun, dan mengalami peningkatan kelembaban di bulan Mei tahun 2020-2021. Selain itu, didapatkan nilai r = 0,92 yang menandakan bahwa penggunaan lahan sangat signifikan memiliki hubungan berpengaruh nyata dengan kelembaban tanah (soil moisture index). Maka peneliti menyimpulkan bahwa terdapat hubungan antara penggunaan lahan dengan kelembaban tanah di Universitas Indonesia.

---

Soil moisture is the amount of water content in the soil that lies above the water table which functions biologically to control plant growth and affect ecological recycling. In this study, the soil moisture studied was at the University of Indonesia, Depok City, with varied and complex land use conditions to see the pattern of distribution of soil moisture, as well as its association with land use. The method used is a spatial descriptive analysis and regression analysis. The results of the study show that the value of moisture or the amount of water content in the soil in 2020, 2021, and 2023 at the University of Indonesia shows a varied and different distribution pattern. In April 2020-2021 the distribution of soil moisture was very dry with an expanding pattern in the area around built-up land and experienced an increase in humidity in May 2020-2021. In addition, the value of r = 0.92 was obtained which indicated that land use had a very significant relationship with soil moisture index (soil moisture index). So the researchers concluded that there was a relationship between land use and soil moisture at the University of Indonesia."

"Struktur tata ruang kota digambarkan sebagai abstrak atau digeneralisasi definisi distribusi ruang geografis. Umumnya perkembangan suatu kota paling mudah untuk dilihat dengan memperhatikan kondisi fisik yang berkaitan dengan Penggunaan lahan atau bangunan dalam suatu kota. Berdasarkan Rencana Tata Ruang Wilayah Nasional Tahun 2012-2032 Kota Balikpapan ditetapkan sebagai Pusat Kegiatan Nasional yang memiliki berbagai potensi di sektor industri, perdagangan, jasa, dan pariwisata. Penelitian ini bertujuan untuk melihat perkembangan struktur ruang Kota Balikpapan pada tahun 1932, 1991, 2020, dan 2032. Metode yang digunakan dalam mengidentifikasi struktur ruang kota yang terbentuk adalah overlay data Penggunaan lahan dan kepadatan penduduk. Tahun yang digunakan untuk mengidentifikasi struktur ruang Kota Balikpapan adalah tahun 1932, 1991 dan 2020. Kemudian, untuk memprediksi perubahan Penggunaan lahan yang terjadi pada tahun 2032 menggunakan metode Cellular Automata-Markov Chain dengan driving factor jarak dari jalan, jarak dari lahan terbangun, jarak dari POI, lereng dan ketinggian. Hasil dari penelitian ini adalah struktur ruang Kota Balikpapan pada tahun 1932 memusat pada wilayah selatan Kota Balikpapan, sedangkan pada tahun 1991 struktur ruang Kota Balikpapan mengalami perkembangan kearah timur dan muncul pusat kegiatan kota baru dengan dibangunnya perkantoran pemerintahan di Kecamatan Balikpapan Selatan, lalu pada tahun 2020 struktur ruang Kota Balikpapan berkembang kearah utara kota dan berubahnya lokasi pusat dan sub pusat kegiatan kota. Hasil prediksi Penggunaan lahan tahun 2032 menunjukkan peningkatan pada lahan terbangun dan menjadikan lahan terbangun sebagai Penggunaan lahan yang mendominasi di Kota Balikpapan. Strukur ruang Kota Balikpapan pada tahun 2032 berdasarkan hasil prediksi perubahan Penggunaan lahan pekembangan terjadi pada kawasan permukiman-permukiman.

---

The urban spatial structure is described as an abstract or generalized definition of the distribution of geographic space. Generally, the development of a city is easiest to see by paying attention to the physical conditions related to the use of land or buildings in a city. Based on the 2012-2032 National Spatial Plan, Balikpapan City is designated as a National Activity Center which has various potentials in the industrial, trade, service and tourism sectors. This study aims to see the development of the spatial structure of Balikpapan City in 1932, 1991, 2020, and 2032. The method used in identifying the urban spatial structure that is formed is the overlay of land use and population density data. The years used to identify the spatial structure of Balikpapan City are 1932, 1991 and 2020. Then, to predict changes in land use that will occur in 2032 using the Cellular Automata-Markov Chain method with a driving factor of distance from the road, distance from built-up land, distance from POI, slope and elevation. The results of this study are the spatial structure of Balikpapan City in 1932 centered on the southern area of ​​Balikpapan City, while in 1991 the spatial structure of Balikpapan City experienced development towards the east and a new city center emerged with the construction of government offices in South Balikpapan District, then in 2020 The spatial structure of the city of Balikpapan develops towards the north of the city and changes in the location of the center and sub-center of city activities. The results of the prediction of land use in 2032 show an increase in built-up land and make built-up land the dominant land use in Balikpapan City. The spatial structure of Balikpapan City in 2032 is based on the prediction of changes in land use development that occurs in residential areas. "

"Pemantauan luas dan kondisi tutupan vegetasi yang selalu diperbaharui dan informatif sangat diperlukan terutama di DKI Jakarta yang merupakan kota metropolitan yang dinamis, sehingga perlu dilakukan penelitian mengenai perhitungan perubahan luas dan kondisi tutupan vegetasi. Salah satu caranya menggunakan penginderaan jauh dengan memanfaatkan Citra Landsat dan Google Imagery. Penelitian ini mencoba membangun sebuah model untuk menghitung persentase tutupan vegetasi atau Percent Of Vegetation Cover (PVC) pada tiap pixel Landsat menggunakan pendekatan multi-indeks. Model persentase tutupan vegetasi dibangun dari beberapa variabel prediktor seperti NDVI, SAVI, EVI dan LST yang dikorelasikan dengan persentase tutupan vegetasi dari Google Imagery menggunakan uji regresi linear berganda, hasilnya akan menunjukkan korelasi dan menghasilkan model persamaan multi-indeks untuk menghitung PVC. Hasil menunjukkan bahwa dari 2001-2021 seluruh variabel predictor secara bersamaan mempengaruhi persentase tutupan vegetasi antara 55 hingga 67%. Hasil perubahan persentase tutupan vegetasi menunjukkan dari tahun 2001-2021 terjadi penurunan PVC >20% (Vegetasi Buruk, Sedang, Baik dan Sangat Baik) dan kenaikan PVC <20% (Vegetasi Sangat Buruk). Perubahan PVC tersebut paling signifikan terjadi di Cengkareng, Kemayoran, Cilandak, Cakung dan Cilincing. Perubahan tersebut disebabkan oleh dua faktor yaitu kebutuhan akan lahan dan kebijakan pemerintah daerah.

---

Monitoring the area and condition of vegetation cover that is always updated and informative is very necessary, especially in DKI Jakarta, which is a dynamic metropolitan city, so it is necessary to do research on the calculation of changes in area and conditions of vegetation cover. One way to use remote sensing is by utilizing Landsat Imagery and Google Imagery. This study tries to build a model to calculate the percentage of vegetation cover or Percent Of Vegetation Cover (PVC) at each Landsat pixel using a multi-index approach. The vegetation cover percentage model is built from several predictor variables such as NDVI, SAVI, EVI and LST which are correlated with the vegetation cover percentage from Google Imagery using multiple linear regression tests, the results will show the correlation and produce a multi-index equation model to calculate PVC. The results show that from 2001-2021 all predictor variables simultaneously affect the percentage of vegetation cover between 55 to 67%. The results of changes in the percentage of vegetation cover show that from 2001-2021 there was a decrease in PVC >20% (Poor, Medium, Good and Very Good Vegetation) and an increase in PVC <20% (Vegetation Very Bad). The most significant changes in PVC occurred in Cengkareng, Kemayoran, Cilandak, Cakung and Cilincing. These changes are caused by two factors, namely the need for land and local government policies. "