Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
[ABSTRAK
Dalam penelitian ini dilakukan kompilasi studi literatur kondisi oseanografi berupa suhu dan kedalaman yang sesuai dengan lokasi potensial fishing ground ikan tuna di Samudera Hindia Bagian Timur. Kompilasi studi literatur menghasilkan basis pengetahuan (knowledge based), disusun melalui analisis studi literatur dengan metode plot dan poligon untuk 4 spesies tuna (tuna mata besar, tuna madidihang, tuna albakora, dan tuna sirip biru selatan). Rancangan poligon menunjukkan bahwa tuna albakora potensial tertangkap pada kedalaman 8 - 250 m dengan suhu 16,00 - 26,36 0C, tuna madidihang 42,70 - 340,30 m dengan suhu 14,02 - 27,97 0C, tuna mata besar 48,63 - 466,51 m dengan suhu 8,79 - 29,13 0C, tuna sirip biru pada kedalaman 52 - 492 m dengan suhu 8,14 - 19,86 0C. Poligon divalidasi dengan mempergunakan data tangkapan tuna harian selama 3 hari pada lokasi berbeda berdasarkan koordinat lintang dan bujur. Data insitu suhu dan kedalaman diperoleh melalui Infrastructure Development of Space Oceanography (INDESO) dan Global Ocean Data Asimilation Experinment (GODAE) selama 1 bulan (Januari 2015). Proses interpolasi pada poligon dilakukan untuk mendapatkan kritera suhu dan kedalaman yang dipergunakan pada rancangan peta tematik 3D. Pada bagian akhir penelitian terdapat rekomendasi rancangan alur logika perancangan sistem informasi lokasi potensial fishing ground tuna untuk implementasi model 3D.

---

ABSTRACT
In this research, compilation of literature studies consisting of oceanographic conditions (temperature and depth) which appropriate with potential location of tuna fishing ground in Eastern Indian Ocean had been done. These compilation then were analyzed using plot and polygon methods for 4 tuna species (bigeye tuna, yellowfin tuna, albacore tuna and southern bluefin tuna). Based on polygon method, it showed that albacore tuna were potentially caught at depth of 8 - 250 m and at temperature of 16,00 - 26,36 0C, yellowfin tuna at 42,70 - 340,30 m and 14,02 - 27,97 0C, bigeye tuna at 48,63 - 466,51 m and 8,79 - 29,13 0C, southern Bluefin tuna at 52 - 492 m and 8,14 - 19,86 0C. These polygon were validated using tuna fishing capture information for 3 days at different location based on their coordinates (latitude and longitude). In situ data on temperature and depth were obtained from the Infrastructure Development of Space Oceanography (INDESO) and the Global Ocean Data Assimilation Experiment (GODAE) for one month (January 2015). Interpolation process had been done to obtain temperature and depth criteria that were used in 3D thematic mapping design. At the end of the research, there is a recommendation in designing of logical flow of information system on location that were potential for tuna fishing ground using 3D model implementation., In this research, compilation of literature studies consisting of oceanographic conditions (temperature and depth) which appropriate with potential location of tuna fishing ground in Eastern Indian Ocean had been done. These compilation then were analyzed using plot and polygon methods for 4 tuna species (bigeye tuna, yellowfin tuna, albacore tuna and southern bluefin tuna). Based on polygon method, it showed that albacore tuna were potentially caught at depth of 8 - 250 m and at temperature of 16,00 - 26,36 0C, yellowfin tuna at 42,70 - 340,30 m and 14,02 - 27,97 0C, bigeye tuna at 48,63 - 466,51 m and 8,79 - 29,13 0C, southern Bluefin tuna at 52 - 492 m and 8,14 - 19,86 0C. These polygon were validated using tuna fishing capture information for 3 days at different location based on their coordinates (latitude and longitude). In situ data on temperature and depth were obtained from the Infrastructure Development of Space Oceanography (INDESO) and the Global Ocean Data Assimilation Experiment (GODAE) for one month (January 2015). Interpolation process had been done to obtain temperature and depth criteria that were used in 3D thematic mapping design. At the end of the research, there is a recommendation in designing of logical flow of information system on location that were potential for tuna fishing ground using 3D model implementation.]

Abstrak :
Berdasarkan pantauan satelit NOAA Provinsi Jambi merupakan salah satu daerah rawan kebakaran hutan di Pulau Sumatera, dimana hasil pantauan satelit NOAA yang dinyatakan dalam bentuk koordinat titik panas (hotspot) menunjukkan bahwa pada setiap tahun Provinsi Jambi mengalami kebakaran hutan. Variabilitas Curah Hujan sangat berperan menyebabkan kekeringan terutama pada daerah rawan kebakaran hutan di Provinsi Jambi. Kekeringan menyebabkan hutan sebagai bahan bakar menjadi semakin mudah terbakar tergantung dari faktor-faktor lain yang mempengaruhinya, antara lain, Tutupan Lahan, Sebaran Kedalaman Gambut, Ketinggian Wilayah, Kelerengan Wilayah dan Jaringan Jalan sebagai akses untuk melakukan pembakaran. Dalam penelitian ini dilakukan uji statistik homogenitas untuk mengetahui normalitas data, uji Mann Kendall untuk melihat tren, analisis tren, analisis korelasi, dan analisis spasial deskriftif untuk mengetahui pola spasial hubungan antara indeks kekeringan dan hotspot serta faktor-faktor yang menentukan pola spasial hubungan antara indeks kekeringan dan hotspot dengan menggunakan polygon thiessen sebagai unit analisisnya. Analisis tren menunjukkan bahwa kondisi kekeringan dan munculnya hotspot di Provinsi Jambi pada umumnya merupakan kejadian yang saling beriringan dan terjadi secara berulang dalam beberapa tahun berikutnya, dimana indeks kekeringan SPI akan turun dan hotspot akan naik secara signifikan apabila diiringi dengan kejadian El-nino. Hasil analisis korelasi dengan selang kepercayaan 95% menunjukkan bahwa terdapat pola hubungan yang kuat antara indeks kekeringan (SPI) musiman sebesar -0,718 dan tahunan sebesar -0,586. Sedangkan faktor lain kurang berpengaruh memicu kebakaran seperti ketinggian tempat mempunyai tingkat hubungan lemah 0.14, tutupan lahan sebesar 0.344, kelerengan wilayah sebesar 0,19 lahan gambut sebesar 0.588, sedangkan faktor kerapatan jaringan jalan tidak berpengaruh memicu hotspot. Selanjutnya analisis spasial deskripsi menunjukkan bahwa jumlah hotspot sering terjadi pada pertanian lahan kering, sawah dan hutan mangrove sekunder pada lereng 2-25% dan menurun pada lereng >25%, dan pada ketinggian wilayah yang rendah antara 0-100 m dpl, semakin tinggi dari permukaan laut jumlah hotspot semakin berkurang. Kejadian hotspot di wilayah Provinsi Jambi juga sering terjadi pada lahan non gambut, khusus lahan gambut semakin tebal lahan gambut semakin sering terjadi hotspot. ...... Based on NOAA satelite observations of Jambi Province is one of the areas prone to forest fires in Sumatra, where the results of NOAA satellite observations are expressed in terms of the coordinates of hot spots (hotspots) shows that in every year of Jambi suffered forest fires. Rainfall variability was instrumental cause drought, especially in areas prone to forest fires in Jambi Province. Dryness causes the forest as fuel becomes increasingly combustible depends on other factors that influence it, among others, land cover, distribution of Peat Depth, Region Altitude, Regional Slope and the density of road network as some access to arson. This research use a statistical test of homogenity to determine the normality of the data, Mann Kendall to see trends, trend analysis, correlation analysis, and descriptive spatial analysis to determine the spatial pattern of the relationship between drought index and hotspots as well as the factors that determine the spatial pattern of the relationship between drought index and hotspots using Thiessen polygons as the unit of analysis. Trend analysis showed that the drought conditions and the emergence of hotspots in Jambi province is generally an event that coexist and occur repeatedly in the next few years, in which SPI drought index is going down and the hotspot will increase significantly when accompanied by of El-nino events. Results of correlation analysis with 95% confidence interval indicates that there is a strong relationship between the pattern of drought index (SPI) of 0.718 annually and seasonally of 0.586. While others are less influential factors such as altitude triggers fire has a weak relationship level 0.14, land cover by 0.344, a slope of 0.19 peatland area by 0.588, while the road network density factor does not affect triggering hotspot. Further description of the spatial analysis showed that the number of hotspots events occurs in dry land farming, paddy areas and secondary mangrove forests on the slopes of 2-25% and decreased on the slopes of >25%, and at a low altitude region between 0-100 m above sea level, the higher of sea surface diminishing number of hotspots. Genesis hotspots in Jambi province is also common in non-peatland forest, peatland special thicker peat hotspots are becoming more frequently occured.

Abstrak :
ABSTRAK
DAS Cisadane Bagian Hulu luasnya 85.161,098 ha, wilayah terbagi atas dua DAS besar yaitu DAS Cianten 42.324 ha dan DAS Cisadane Hulu 42.837 ha yang tebagi lagi menjadi 5 Sub, yaitu : Ciampea, Ciapus, Cianten, Ciaruteun, dan Cisadane Hulu Pada Periode tahun 2005-2015. Tujuan penelitian ini menganalisis penutupan dan perubahan lahan di Hulu DAS Cisadane pada perioede 2005, 2010 dan 2015 menggunakan citra landsat 5 dan 8 untuk mengetahui alih fungsi lahan kemudian dihubungkan dengan data banjir BNPB 2013 dan data curah hujan BMKG tahun 2013. Untuk mengetahui sebaran curah hujan menggunakan Metode Polygon Thiessen curah hujan dihitung dengan berdasarkan pengaruh tiap tiap stasiun pengamatan. Cara yang digunakan dalam metode ini adalah dengan menghubungkan semua stasiun yang ada lalu membagi dua sama panjang garis penghubung dari dua stasiun pengamatan ini dan ditarik garis tegak lurus di titik pembagi. perubahan penggunaan lahan di Bagian Hulu DAS Cisadane terhadap banjir bandang. Pada periode tahun 2005-2010 di Bagian Hulu DAS Cisadane telah terjadi perubahan penggunaan lahan meningkatnya luas area terbangun dan pertanian lahan kering, namun sebaliknya terjadi pengurangan pertanian lahan basah, tubuh air dan tanah terbuka. Sedangkan pada periode 2010-2015 telah terjadi perubahan penggunaan lahan yaitu meningkatnya luas area terbangun, hutan, pertanian lahan basah dan tanah terbuka, namun sebaliknya terjadi pengurangan pertanian lahan kering dan tubuh air.

---

ABSTRACT
The Size of the upper Cisadane watershed was 85,161,098 ha. This upper watershed was divided into two big watersheds Cianten 42.324 ha and Cisadane Hulu 42.837 ha, also five sub watersheds, namely Ciampea, Ciapus, Cianten, Ciaruteun and Cisadane Hulu in between 2005 2015. The objectives of this research were to analyze the land cover and landuse change in the upper area of Cisadane Watershed in 2005, 2010 and 2015 using landsat images 5 and 8 to determine the land conversion to be linked to the BNPB 2013 flood data and BMKG 2013 precipitation data. Thiessen Polygon Method was used to calculated the precipitation distribution based on the impact in each observation station. This method used to connect all the available observation station than divided equally the length of the connecting line between two observation stations and drag a perpendicular line to the dividing point of the land use change in upper area of Cisadane Watershed to flash floods. Between 2005 2010 the land use change in the upper Cisadane Watershed already occurred, higher developing area and dryland farming, but in the contrary, lessen numbers in wet agriculture, water bodies and open land. In the periods of 2010 2015 the land use change numbers for developing area forest, wet agriculture, and open land has increased, but in the opposites decreasing occurs for dryland agriculture and water bodies.

Abstrak :
Bintang teratur merupakan daftar dari garis non-null yang berpotongan pada satu titik dan spread antara dua garis yang berdampingan memiliki nilai yang sama. Poligon teratur dikonstruksi dari bintang teratur dan quadrance antara titik tengah dengan setiap titik sudutnya memiliki nilai yang sama, serta quadrance antara titik-titik sudutnya memiliki nilai yang sama. Dalam skripsi ini dibahas bintang teratur orde-3, 4, 5, dan 6 serta poligon teratur orde-3, 4, 5, dan 6 di setiap orde dari bintang teratur memiliki sifat dan syarat keberadaannya di bidang. ......Regular star is a list of non null lines that intersect at one point and spreads between two adjacent lines have the same value. Regular polygons constructed from regular stars and quadrance between midpoints with each vertex having the same value, also the quadrance between vertices have the same value. In this undergraduate, it is discussed regular stars of order 3, 4, 5, and 6 and regular polygons of order 3, 4, 5, and 6 in every order of regular stars has the character and conditions of existence in the plane.

Abstrak :
Tanah longsor di Kabupaten Kebumen dipengaruhi oleh beberapa faktor dan sebagai pemicunya adalah hujan lebat. Curah hujan yang dinilai mempengaruhi terjadinya tanah longsor adalah curah hujan kumulatif sepuluh harian sebelum tanah longsor (CH H -10), curah hujan kumulatif lima harian sebelum tanah longsor (CH H -5), curah hujan kumulatif tiga harian sebelum tanah longsor (CH H -3), dan curah hujan saat terjadinya kejadian tanah longsor (CH H). Sebanyak 247 kejadian tanah longsor di Kabupaten Kebumen selama 2010-2016, dianalisis secara spasial-temporal dengan basis pewilayahan curah hujan menggunakan metode Poligon Thiessen. Hasil penelitian menunjukkan bahwa karakteristik curah hujan pemicu tanah longsor di Kabupaten Kebumen dengan CH H -10 adalah 101-200 mm, CH H -5 adalah 81-160 mm, CH H -3 adalah 71-140 mm, dan CH H adalah 51-100 mm; terutama curah hujan yang paling berpengaruh di kondisi fisik Kabupaten Kebumen adalah CH H -10.

---

Landslides in Kebumen are influenced by several factors and as the trigger is a heavy rain. Rainfall affecting landslides are cumulative rainfall ten days before landslide (CH H -10), cumulative rainfall five days before landslide (CH H -5), cumulative rainfall three days before landslide (CH H -3), and the current rainfall of landslide occurrences (CH H). A total of 247 occurrences of landslides in Kebumen during 2010-2016 are analyzed by spatial-temporal with rainfall zoning base using Thiessen Polygon method. The results show that characteristics of rainfall triggered landslides in Kebumen with CH H -10 is 101-200 mm, CH H -5 is 81-160 mm, CH H -3 is 71-140 mm, and CH H is 51-100 mm; especially the most influential rainfall in physical conditions are CH H -10.

Abstrak :
Gerakan tanah adalah suatu peristiwa bencana alam dimana terjadinya perpindahan blok massa batuan, tanah, atau campuran keduanya yang disebabkan oleh rendahnya kestabilan yang dimiliki oleh massa tersebut. Kabupaten Bandung Barat termasuk ke dalam salah satu Kabupaten dengan potensi gerakan tanah tertinggi di Provinsi Jawa Barat, hal ini menjadi penyebab utama terjadinya bencana longsor. Salah satu upaya dalam mengatasi bencana gerakan tanah ini adalah dengan memetakan zona- zona yang memiliki kerentanan terjadinya bencanan gerakan tanah. Peta zona kerentanan gerakan tanah merupakan peta yang memanfaatkan data inventarisasi longsor untuk memetakan zona-zona kerentanan gerakan tanah. Secara umum pembuatan peta ini di Indonesia masih banyak menggunakan data titik, sedangkan penggunaan data berbasis titik dianggap kurang representatif karena produk dari longsoran akan berbentuk area melainkan titik. Maka dari itu pada penelitian ini akan digunakan data berbasis poligon. Penelitian ini menggunakan metode Weight of Evidence (WOE) untuk memetakan zonasi kerentanan gerakan tanah di Kabupaten Bandung Barat. Untuk mengetahui resolusi optimal dilakukan pengujian dengan 4 resolusi piksel. Hasil dari kedua model menunjukkan kelayakan untuk digunakan dengan resolusi optimal pada data poligon di piksel 40 dan data titik pada 30 untuk success rate dan 40 untuk success rate. ......Ground movement is a natural disaster event in which mass blocks of rock, soil, or a mixture of the two move due to the low stability of the mass. West Bandung Regency is one of the regencies with the highest potential for ground movement in West Java Province, this is the main cause of landslides. One of the efforts to overcome this land movement disaster is to map the zones that are vulnerable to land movement disasters. The land movement vulnerability zone map is a map that utilizes landslide inventory data to map land movement vulnerability zones. In general, making these maps in Indonesia still mostly uses point data, while the use of point-based data is considered less representative because the product of landslides will be in the form of areas but points. Therefore, in this research, polygon-based data will be used. This research uses the Weight of Evidence (WOE) method to map the zoning of land movement vulnerability in West Bandung Regency. To find out the optimal resolution, testing was carried out with 4 pixel resolutions. The results of both models show the feasibility of being used with optimal resolution for polygon data at 40 pixels and point data at 30 for success rate and 40 for success rate.

Abstrak :
Longsor merupakan bencana terbesar ketiga yang terjadi di Indonesia, termasuk di Kabupaten Probolinggo. Menganalisis pola keterpaparan wilayah terhadap bencana longsor akibat hujan lebat yang memicu longsor di Kabupaten Probolinggo merupakan tujuan dari penelitian ini. Data curah hujan harian tahun 1990-2015 digunakan untuk mendapatkan wilayah frekuensi curah hujan lebat (>50mm/hari, >100mm/tiga hari dan >150mm/lima hari) berbasis metode interpolasi poligon thiessen. Wilayah potensi longsor diperoleh dengan menggunakan model SINMAP yang diverifikasi dengan data kejadian longsor tahun 2015-2016. Analisis spasial deskriptif menggunakan teknik overlay menunjukan bahwa seluas 50,30% (85.358 Ha) wilayah di Kabupaten Probolinggo memiliki potensi longsor terutama di Kecamatan Krucil, tanah Andisol, wilayah lereng 15-40%, dan wilayah curah hujan 1500-2000mm/tahun. Keterpaparan wilayah terhadap bencana longsor akibat hujan lebat di Kabupaten Probolinggo memiliki pola semakin tinggi potensi longsor dan frekuensi curah hujan lebat suatu wilayah maka tingkat keterpaparan wilayah terhadap bencana longsor akibat hujan lebat akan semakin tinggi. ...... Landslide is the third largest disaster occurred in Indonesia, including in Probolinggo District. Analyze the place exposure patterns toward landslide disaster due to heavy rainfall which triggering the landslide in Probolinggo District is the purpose of this study. Daily rainfall data in 1990-2015 are used to obtain the frequency of heavy rainfall regions (> 50 mm/day, >100mm/three days and >150mm/five days) using the interpolation method based on Thiessen Polygon. The potential landslide region are obtained by using SINMAP models which is verified by the landslide location data from 2015 to 2016. Descriptive spatial analysis using the overlay technique showed that 50,30% (85.358 Ha) area in Probolinggo District has the potential of landslide, especially in Sub District Krucil, Andisol Soil region, the slopes of 15-40% region, and the rainfall of 1500-2000mm/year region. The place exposure patterns toward landslide disaster due to heavy rainfall in Probolinggo District is in the region which has the higher potential of landslides and heavy rainfall frequency, the level of place exposure to landslides disaster due to heavy rainfall will be higher.