Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Banjir yang terjadi di Jakarta tidak hanya dapat dipengaruhi oleh faktor curah hujan, sistem tata kota, dan drainase saja, tetapi juga dapat melibatkan faktor penurunan muka tanah (PMT). PMT di Jakarta dimungkinkan karena Jakarta berdiri di atas lapisan sedimen dan adanya pengambilan air tanah dalam jumlah yang sangat besar. Penelitian ini akan mengolah data ALOS/PALSAR untuk menentukan tingkat PMT di wilayah Jakarta dan hubungannya dengan daerah rawan banjir. Metode Differensial Interferometri (DInSAR) dilakukan pada dua data PALSAR untuk wilayah yang sama dengan waktu akuisisi yang berbeda, yaitu tahun 2007 dan 2008. Pengolahan DInSAR akan dihasilkan citra yang mengandung informasi PMT yang dapat diterjemahkan. Untuk memperkuat analisa terhadap daerah perubahan, diterapkan algoritma Log Ratio terhadap dua citra tersebut. Citra hasil Log Ratio kemudian ditumpangkan (overlay) dengan citra DInSAR dan peta genangan Jakarta tahun 2009, sehingga didapat hubungan antara PMT dengan banjir dan peta kerawanan banjir Jakarta berdasarkan PMT. Diperoleh hasil PMT daerah banjir berkisar pada rata-rata 10,57 cm, dengan nilai minimum 5,25 cm dan maksimum 22,5 cm. Semakin besar nilai PMT, genangan yang terjadi juga cenderung semakin tinggi. Kecuali pada beberapa wilayah yang memiliki kondisi khusus, seperti adanya waduk, pemecahan aliran sungai, sistem pompa air dan pintu air. Akurasi citra hasil DInSAR cukup baik dengan selisih 0,03 cm (0,18%) hingga 0,55 cm (3,37%) dibanding pengukuran GPS. Hasil ini dapat menjadi bahan rekomendasi kepada Pemerintah Daerah DKI Jakarta untuk meminimalisir risiko potensi terjadinya PMT dan banjir, sekaligus menjadi bahan perencanaan tata kota Jakarta untuk ke depannya. ......Floods that occurred in Jakarta is not only be influenced by factors of rainfall, urban planning systems, and drainage alone, but also may involve land subsidence (LS). LS in Jakarta possible because Jakarta is standing on top of layers of sediments and the presence of ground water consumption in very large quantities. In this research, we will process ALOS / PALSAR data to determine the level of LS in the Jakarta area and its relation to flood prone areas. Differential interferometry method (DInSAR) was performed on two PALSAR data for the same region with different acquisition times, i.e. in 2007 and 2008, and respectively. DInSAR processing will generate image containing information that can be translated into LS. To find the elevation changing area, Log Ratio algorithm is applied to two images as an additional analysis. The Log Ratio image is superimposed with the image of DInSAR result and Jakarta inundation map of 2009, in order to get the relationship between the LS with the flood and flood vulnerability map of Jakarta based on LS. It is found that land on the flood area subsided in average 10.57 cm, with a minimum value of 5.25 cm and a maximum of 22.5 cm. The greater the value of LS, inundation area also tend to widen, except in a few areas that have special conditions, such as reservoirs, river flow solution, water pump system and floodgates. Accuracy of DInSAR result image is quite high, with the difference of 0.03 cm (0,18%) to 0.55 cm (3.37%) compared to GPS measurements. These results can be recommended to the local government of Jakarta to minimize the potential risk of LS and floods, as well as the subject of city planning for the future.

Abstrak :
Banjir yang terjadi di Jakarta hanya dapat dipengaruhi oleh faktor curah hujan, sistem tata kota, dan drainase saja, tetapi juga dapat melibatkan faktor penurunan muka tanah (PMT). PMT di Jakarta dimungkinkan karena Jakarta berdiri di atas lapisan sedimen dan adanya pengambilan air tanah dalam jumlah yang sangat besar. Penelitian ini akan mengolah data ALOS/PALSAR untuk menentukan tingkat PMT di wilayah Jakarta dan hubungannya dengan daerah rawan banjir. Metode Differensial Interferometri (DInSAR) dilakukan pada dua data PALSAR untuk wilayah yang sama dengan waktu akuisisi yang berbeda, yaitu tahun 2007 dan 2008. Pengolahan DInSAR akan dihasilkan citra yang mengandung informasi PMT yang dapat diterjemahkan. Untuk memperkuat analisa terhadap daerah perubahan, diterapkan algoritma Log Ratio terhadap dua citra tersebut. Citra hasil Log Ratio kemudian ditumpangkan (overlay) dengan citra DInSAR dan peta genangan Jakarta tahun 2009, sehingga didapat hubungan antara PMT dengan banjir dan peta kerawanan banjir Jakarta berdasarkan PMT. Diperoleh hasil PMT daerah banjir berkisar pada rata-rata 10,57 cm, dengan nilai minimum 5,25 cm dan maksimum 22,5 cm. Semakin besar nilai PMT, genangan yang terjadi juga cenderung semakin tinggi. Kecuali pada beberapa wilayah yang memiliki kondisi khusus, seperti adanya waduk, pemecahan aliran sungai, sistem pompa air dan pintu air. Akurasi citra hasil DInSAR cukup baik dengan selisih 0,03 cm (0,18%) hingga 0,55 cm (3,37%) dibanding pengukuran GPS. Hasil ini dapat menjadi bahan rekomendasi kepada Pemerintah Daerah DKI Jakarta untuk meminimalisir risiko potensi terjadinya PMT dan banjir, sekaligus menjadi bahan perencanaan tata kota Jakarta untuk ke depannya. ......Floods that occurred in Jakarta is not only be influenced by factors of rainfall, urban planning systems, and drainage alone, but also may involve land subsidence (LS). LS in Jakarta possible because Jakarta is standing on top of layers of sediments and the presence of ground water consumption in very large quantities. In this research, we will process ALOS / PALSAR data to determine the level of LS in the Jakarta area and its relation to flood prone areas. Differential interferometry method (DInSAR) was performed on two PALSAR data for the same region with different acquisition times, i.e. in 2007 and 2008, and respectively. DInSAR processing will generate image containing information that can be translated into LS. To find the elevation changing area, Log Ratio algorithm is applied to two images as an additional analysis. The Log Ratio image is superimposed with the image of DInSAR result and Jakarta inundation map of 2009, in order to get the relationship between the LS with the flood and flood vulnerability map of Jakarta based on LS. It is found that land on the flood area subsided in average 10.57 cm, with a minimum value of 5.25 cm and a maximum of 22.5 cm. The greater the value of LS, inundation area also tend to widen, except in a few areas that have special conditions, such as reservoirs, river flow solution, water pump system and floodgates. Accuracy of DInSAR result image is quite high, with the difference of 0.03 cm (0,18%) to 0.55 cm (3.37%) compared to GPS measurements. These results can be recommended to the local government of Jakarta to minimize the potential risk of LS and floods, as well as the subject of city planning for the future.

Abstrak :
ABSTRAK
Terumbu karang adalah salah satu ekosistem laut yang paling penting dan paling rentan di dunia. Terumbu karang dapat rusak yang diakibatkan oleh faktor lingkungan dan aktivitas manusia, seperti kegiatan pariwisata. Kepulauan Bangka Belitung adalah salah satu provinsi di Indonesia yang memiliki potensi besar terumbu karang, yang kemungkinan besar mengalami kerusakan. Penelitian ini bertujuan untuk menganalisis perubahan terumbu karang yang terjadi di pulau-pulau tujuan wisata, Kabupaten Belitung, baik yang disebabkan oleh faktor alam maupun non alam secara spasial dan temporal serta menganalisis faktor penyebab utama dari perubahan luasan terumbu karang dari tahun 2005 hingga 2018. Penelitian ini menggunakan citra satelit landsat seperti Landsat 5 TM untuk tahun 2005, Landsat 7 ETM untuk tahun 2011, dan Landsat 8 OLI/TIRS untuk 2018. Dalam studi ini, perubahan terumbu karang ditentukan oleh pengolahan data citra satelit. Kemudian, metode overlay digunakan untuk menganalisis perubahan. Ada perubahan terumbu karang yang signifikan terjadi dari tahun 2005-2018, yaitu pengurangan luas terumbu karang dari semula seluas 5,05 km2, menjadi seluas 1,98 km2 atau berkurang seluas 3,93 km2. Dari 3,93 km2 luas terumbu karang yang berkurang atau rusak tersebut, seluas 1,34 km2, atau sekitar 34.04 disebabkan oleh faktor non alam atau dengan kata lain sekitar 65.96 kerusakan diakibatkan oleh faktor alam.

---

ABSTRACT
Coral reefs are one of the most important and the most vulnerable marine ecosystem in the world. The coral reefs can be damaged, because of environmental factors and human activities, such as tourism activities. Bangka Belitung islands is one of the provinces in Indonesia that have a huge potential of coral reefs, which are likely being damaged. This study aims to analyse the changing of coral reefs that occurred caused by natural and non natural factors in the islands of tourist destinations in Belitung Regency spatially and temporally from 2005 to 2018. This study used landsat satellite imageries such as Landsat 5 TM for 2005, Landsat 7 ETM for 2011, and Landsat 8 OLI TIRS for 2018. In this study, the changes of coral reefs will be determined by image data processing. Then, overlay methods are used to analyse the changes. There are significant coral reef changes in 2005 2018. The coral reef areas decreased from 5.05 km2 to 1.98 km2 or decreased about 3.93 km2. Out of 3.93 km2 decreased area, approximately 1.34 km2 or about 34.04 is caused by non natural factors. In other words, about 65.96 of damaged coral reef area is caused by natural factors.

Abstrak :
ABSTRAK
Ketersediaan data wilayah Indonesia dengan nilai tutupan awal minimal harus ditingkatkan untuk memenuhi kebutuhan pengguna. Pemrograman permintaan (programming request) data citra satelit area tertentu dapat dimanfaatkan untuk memperoleh data citra dengan nilai tutupan awan minimal. Persentase tutupan awan citra hasil perekaman dapat diminimalisir dengan rekomendasi waktu perekaman yang tepat. Rekomendasi waktu perekaman dihasilkan dari cloud coverassesment, dimana untuk melakukan cloud cover assesmentterlebih dahulu harus dilakukan deteksi awan pada citra satelit. Deteksi awan adalah proses memberi label pada setiap piksel dari suatu citra satelit yang menunjukkan piksel tersebut sesuai dengan awan atau tidak. Citra satelit SPOT-6/7 tidak memiliki kanal termal untuk mendeteksi awan yang memiliki suhu rendah. Metode Multi-Temporal Cloud Detection (MTCD) dapat digunakan untuk melakukan deteksi awan pada citra satelit SPOT-6/7.

Abstrak :
Banjir di perkotaan merupakan bencana yang signifikan karena banyaknya penduduk yang terkena dampaknya. Dalam kebanyakan kasus, banjir terjadi bersamaan dengan hujan lebat, sehingga jika diamati dari satelit yang menggunakan sensor optik, daerah tersebut tertutup awan. Penelitan ini mengusulkan framework baru untuk klasifikasi banjir daerah perkotaan menggunakan sensor satelit penginderaan jauh Synthetic Aperture Radar (SAR) yang mempunyai kemampuan menembus awan. Framework ini dikembangkan untuk mengklasifikasi daerah banjir dengan mempertahankan variasi temporalnya. Studi kasus yang digunakan adalah wilayah Jakarta menggunakan metode 3D CNN multi-sensor pada data Sentinel-1 (S-1) multi-temporal dan curah hujan rata-rata Climate Hazard Infrared Precipitation Sensor (CHIRPS). Data terdiri atas 24 scene S-1 dengan polarisasi ganda VV dan VH antara bulan Maret 2019-Februari 2020 yang terdiri dari 20 citra co-polarized dan cross-polarized yang terdiri dari 2 citra co-event, 18 citra pre-event, dan 4 citra post-event sebagai testing data dan data curah hujan dari CHIRPS. Training dilakukan dengan menggunakan hyperparameter 150 epoch, batch size sebesar 100, learning rate sebesar 0,001 dan komposisi data set training/testing digunakan 80/20. Hasil pengujian 3D CNN memberikan rata-rata overall accuracy sebesar 70,3% dengan waktu pemrosesan 113 detik untuk setiap epoch. Dengan hasil tersebut metode 3D CNN diharapkan mampu membantu mengestimasi luas area banjir yang akurat dan mengidentifikasi daerah yang berpotensi mengalami banjir dalam rangka deteksi dini/pencegahan banjir kota-kota lain di masa mendatang. ......Urban flooding is a significant catastrophe due to its widespread impact on the population. Typically, floods occur concurrently with heavy rainfall, rendering the affected area obscured by clouds when observed through optical sensors on satellites. To address this issue, a novel approach is proposed in this study, aiming to classify flooded urban areas using a remote sensing synthetic aperture radar (SAR) sensor on a satellite. Unlike optical sensors, SAR has the ability to penetrate clouds. The framework was developed by employing the 3D Convolutional Neural Network (CNN) method to preserve the temporal variability, which processed multi-temporal SAR data from Sentinel-1 (S-1) and average rainfall data from the Climate Hazards Infrared Precipitation Sensor (CHIRPS). The dataset used in this research comprised 24 S-1 scenes with Dual VV and VH polarization, covering the period between March 2019 and February 2020 divided into 2 co-event images, 18 pre-event images, and 4 post-event images, along with rainfall data from CHIRPS. The training phase employed hyperparameters of 150 epochs, batch size of 100, and learning rate at 0,001, with training/testing data split of 80/20. The 3D CNN achieved an average overall accuracy of 70.3%, with maximum accuracy at 71,4% and each epoch taking 113 seconds on average to process. These results demonstrate the potential of the 3D CNN method to accurately estimate the extent of flooding and identify areas at risk of flooding, thereby aiding early detection and flood prevention efforts in other cities in the future.