Hasil Pencarian  ::  Simpan CSV :: Kembali

"Peningkatan jumlah penduduk menyebabkan kebutuhan akan ruang sebagai tempat bermukim juga semakin meningkat. Perubahan penggunaan tanah non permukiman menjadi permukiman merupakan salah satu gejala perubahan penggunaan tanah. Tujuan dari penelitian ini adalah menganalisis perkembangan permukiman dan membuat simulasi melalui metode Markov Chain dan Cellular Automata di wilayah metropolitan Malang Raya periode 1989-2002 dan 2002-2016 dan prediksi tahun 2031. Dalam penelitian ini digunakan citra Landsat 4 TM, Landsat 7 ETM , dan Landsat 8 OLI multi temporal untuk mengidentifikasi penutup lahan. Daerah studi penelitian ini adalah wilayah metropolitan Malang atau dikenal dengan sebutan Malang Raya yang termasuk di dalamnya dua kota dan satu kabupaten. Analisis yang digunakan dalam penelitian ini adalah analisis deskriptif dan analisis spasial. Hasil penelitian ini menunjukkan bahwa perkembangan permukiman cenderung terus meningkat dari tahun 1989-2016 hingga prediksi pada tahun 2031. Meningkatnya perkembangan permukiman ditandai dengan meluasnya wilayah permukiman ke arah Utara, Selatan, dan Barat Laut dikarenakan adanya pusat kota dan jaringan jalan nasional yang mampu memicu meningkatnya aktivitas manusia.

---

The growing number of population increased the needs for settlement space. The change in land use for non ndash settlement to settlement space is one of the signs of change for land use. The purpose of this research is to analyze the housing development and create a simulation using Markov Chain and Cellular Automata method in metropolitan area of Malang Raya for the period of 1989 ndash 2002 and 2002 ndash 2016, and prediction for the year of 2031. In this research, Landsat 4 TM, Landsat 7 ETM , and multi temporal Landsat 8 OLI were used to identify the land cover. The focus area for this study research is metropolitan area of Malang or famously known as Malang Raya, which includes two cities and one district. The analysis used in this research are descriptive and spatial analysis. The results of this research show that settlement development tends to increase from year 1989 ndash 2016, up until the prediction of year 2031. The increased rate of settlement development is marked by the expansion of settlement area to the North, South, and North West, caused by the existence of city center as well as national road network, which triggers more human rsquo s activities."

"Investasi pada industri pertambangan akhir-akhir ini meningkat dengan pendanaan yang cukup besar pada setiap proyek seperti pembangunan pabrik smelter atau pemurnian pada bisnis proses hilir pertambangan nikel. Keakuratan estimasi biaya sangat penting dalam perencanaan bisnis maupun proyek khususnya dalam investasi di industri pertambangan. Pada proyek dengan skala investasi yang besar seperti pembangunan smelter atau pemurnian rawan sekali dengan masalah umum seperti turunnya nilai investasi karena rendahnya keuntungan investasi yang kurang menjanjikan. Hal itu bisa diwujudkan dengan pengetahuan tentang lokasi proyek yang menjadi dasar bagi estimasi biaya. Faktor lokasi biasanya digunakan untuk menyesuaikan perkiraan biaya estimasi berdasarkan lokasi proyek, dimana estimasi biaya dapat ditingkatkan dengan menggunakan beberapa metode yaitu model spasial untuk optimasi lokasi. Lokasi sangat berpengaruh dalam setiap pengerjaan konstruksi terutama tahapan persiapan, dan perencanaan dalam keseluruhan bisnis proses seperti industri pertambangan nikel. Salah satu fitur dari pendekatan ini adalah model spasial untuk optimasi lokasi dan indikator pengerjaan proyek dengan mempertimbangkan lokasi bisnis proses industri pertambangan nikel dengan proyek smelter atau pemurnian. Tujuan utama dari penelitian ini adalah untuk meningkatkan akurasi estimasi biaya investasi dan operasional pemeliharaan dengan menggunakan model spasial yang dapat mengoptimasikan faktor lokasi proyek. Metode spasial dalam pemilihan lokasi proyek dapat menjadi solusi praktis dan efektif untuk masalah peningkatan investasi operasional dan pemeliharaan dalam program hilirisasi sektor pertambangan dengan meningkatkan IRR sampai dengan 2,71% dan juga alternatif lokasi yang dapat dihasilkan dari hasil model spasial dengan akurasi estimasi kelas 3 pada perhitungan capex dan kelas 2 pada perhitungan opex

---

Investments in the mining industry have recently increased with substantial funding for every project such as the construction of a smelter plant or a refinery in the downstream nickel mining process business. The accuracy of cost estimation is very important in business and project planning, especially in investment in the mining industry. Projects with a large investment scale such as smelter construction or refineries are prone to common problems such as a decrease in investment value due to the low return on investment that is less promising. This can be realized with knowledge of the project location which forms the basis for cost estimation. The location factor is usually used to adjust the estimated cost estimates based on the project location, where the cost estimate can be improved by using several methods, namely spatial models for location optimization. Location is very influential in every construction work, especially the preparation and planning stages in the entire business process such as the nickel mining industry. One of the features of this approach is the spatial model for location optimization and project work indicators by considering the business location of the nickel mining industry with smelter or refining projects. The main objective of this research is to improve the accuracy of the estimated investment and maintenance costs by using a spatial model that can optimize the project location factors. The spatial method in project site selection can be a practical and effective solution to the problem of increasing operational and maintenance investment in the downstream mining sector program by increasing the IRR up to 2.71% and also alternative locations that can be generated from the results of the spatial model with an estimated class 3 accuracy in capex calculation and class 2 on opex calculation."

"Angka kematian bayi (AKB) didefinisikan sebagai jumlah kematian bayi di bawah usia satu tahun per 1000 kelahiran hidup pada satu tahun tertentu. Angka kematian bayi merupakan salah satu indikator penting yang dapat mencerminkan derajat kesehatan suatu masyarakat. Target angka kematian bayi pada Sustainable Development Goals (SDGs) yang berlaku sejak tahun 2015 sampai tahun 2030 adalah 12 kematian per 1000 kelahiran hidup. Berdasarkan hasil long form sensus penduduk BPS, AKB di Indonesia tahun 2022 adalah 17 kematian per 1000 kelahiran hidup, angka tersebut masih tergolong tinggi apabila dibandingkan dengan beberapa negara di ASEAN. Angka kematian bayi dipengaruhi oleh beberapa variabel. Analisis mengenai variabel-variabel yang memengaruhi AKB dapat dilakukan dengan analisis regresi linier klasik. Namun, nilai pengamatan seperti AKB dan variabel-variabel yang memengaruhinya memuat informasi lokasi (spasial), sehingga seringkali terjadi ketergantungan spasial antar pengamatan yang mengakibatkan asumsi saling bebas pada model regresi linier tidak terpenuhi. Oleh karena itu, pemodelan dapat dilakukan dengan menggunakan model regresi spasial yang memperhatikan keterkaitan antar lokasi. Tujuan dari penelitian ini adalah menganalisis ketergantungan spasial pada data AKB di  Pulau Jawa dan memodelkan AKB di Pulau Jawa tahun 2022 menggunakan General Nesting Spatial Model (GNSM) untuk menganalisis variabel-variabel yang memengaruhinya. Hasil uji autokorelasi spasial menggunakan uji Moran’s I menyimpulkan bahwa terdapat autokorelasi spasial pada variabel terikat (AKB), variabel bebas, dan pada residual model regresi linier. Berdasarkan nilai AIC dan, diperoleh kesimpulan General Nesting Spatial Model (GNSM) lebih baik dalam memodelkan Angka Kematian Bayi (AKB) di Pulau Jawa tahun 2022 dibandingkan Spatial Durbin Model (SDM) dan General Spatial Model(GSM).

---

Infant mortality rate (IMR) is defined as the number of deaths of infants under one year of age per 1000 live births in a given year. Infant mortality rate is one of the important indicators that can reflect the health level of a community. The infant mortality target in the Sustainable Development Goals (SDGs) that apply since 2015 to 2030 is 12 deaths per 1000 live births. Based on the results of the BPS long form population census, the IMR in Indonesia in 2022 is 17 deaths per 1000 live births, which is still relatively high compared to several countries in ASEAN. Infant mortality rates are influenced by several variables. Analysis of the variables that influence IMR can be done with classical linear regression analysis. However, observation values such as IMR and the variables that affect it contain location (spatial) information, so there is often spatial dependence between observations which results in the assumption of mutual independence in linear regression models not being met. Therefore, modeling can be done using spatial regression model that considers the interrelationships between locations. The purpose of this study is to analyze the spatial dependence of IMR data in Java Island and model IMR in Java Island in 2022 using the General Nesting Spatial Model (GNSM) to analyze the variables that affect it. The results of the spatial autocorrelation test using Moran's I test concluded that there is spatial autocorrelation in the dependent variable (IMR), independent variables, and in the residuals of the linear regression model. Based on the AIC and  values, it is concluded that General Nesting Spatial Model (GNSM) is better in modeling the Infant Mortality Rate (IMR) in Java Island in 2022 than Spatial Durbin Model (SDM) and General Spatial Model (GSM)."

"Kegiatan penambangan emas di Pongkor sejak Tahun 1990 berdampak terhadap degradasi lingkungan dan sosial. Pengelolaan lanskap menjadi kunci dalam menghadapi tantangan tersebut. Adanya kebijakan pengembangan Kemiri Sunan reutealis trisperma Blanco Airy Shaw sebagai tanaman energi dapat menjadi solusi. Penelitian ini bertujuan untuk menganalisis spasial lanskap berkelanjutan bagi tanaman tersebut di wilayah ini dan sekitarnya. Metode yang digunakan adalah analisis multi kriteria untuk menentukan kecocokan lahan, pemodelan spasial dinamis menggunakan Markov chain-Celullar automata untuk mengetahui ketersediaan lahan dimasa depan, dan wawancara langsung pada masyarakat untuk mengetahui pemanfaatan dan proyeksi lahan. Hasil penelitian menunjukkan kesesuaian lahan terutama dipengaruhi topografi dan jenis tanah, sedangkan ketersediaan lahan tidak begitu luas pada lahan terbuka namun meningkat jika dikembangkan pada lahan pertanian. Hasil wawancara menunjukkan adanya kesediaan masyarakat untuk pengembangan tanaman. Lanskap berkelanjutan untuk kemiri sunan di wilayah kerja pertambangan pongkor berada di lokasi pasca tambang dan sekitar pembuangan tailing. Lahan terbuka dan lahan pertanian milik pribadi dapat dialihfungsikan apabila ada mitra usaha atau dukungan pemerintah untuk kepastian pemasaran hasil produksi.

---

Gold mining activities in Pongkor, Indonesia since 1990 have effect on environmental and social degradation. Landscape management is key to addressing these challenges. Policy of Kemiri Sunan reutealis trisperma Blanco Airy Shaw development as energy crop can be a solution. This study aims to sustainable landscapes spatial analyze for this crop in this area and its surrounding. Method used is multi criteria analysis to determine land suitability, spatial dynamic modeling using Markov chain Cellular automata to identify future land availability, and direct interviews to know land utilization and projection by local people.

Results show that land suitability is mainly influenced by topography and soil types, while land availability is not so wide on bare land but increases if developed on agricultural land. Interview results indicate community 39 s willingness to develop. Sustainable landscape for kemiri sunan at pongkor mine site is located in post mining location and around tailings disposal. Private bare land and agricultural land can be converted if there is a business partner or government support for production marketing certainty."

"Survei umumnya ditujukan untuk melakukan pendugaan parameter populasi seperti total maupun rata-rata nilai suatu domain area dengan jumlah sampel yang besar. Salah satu pendekatan dalam menduga parameter populasi dihasilkan melalui metode pendugaan langsung. Namun, pendugaan langsung seringkali kurang presisi saat ukuran sampel suatu area berukuran kecil. Selain itu, terdapat permasalahan ketika pendugaan langsung tersebut digunakan untuk suatu area dengan ukuran sampel yang kecil, yaitu akan menimbulkan standard error yang besar. Permasalahan ini kemudian diatasi dengan mengembangkan metode pendugaan parameter yang dikenal dengan metode pendugaan area kecil Small Area Estimation, SAE. Dalam skripsi ini, akan dijelaskan prosedur untuk mencari dugaan rata-rata nilai populasi pada area kecil dengan metode Spatial Empirical Best Linear Unbiased Prediction SEBLUP yang mengikuti model Simultaneously Autoregressive SAR . Secara umum, prosedur ini diawali dengan mendefinisikan model tingkat area. Kemudian, model tingkat area tersebut diperluas dengan menambahkan pengaruh spasial ke dalam pengaruh acak area. Model spasial tingkat area tersebut yang selanjutnya digunakan sebagai dasar untuk melakukan pendugaan rata-rata nilai populasi pada area kecil.

---

Surveys are generally intended to predict population parameters such as the total or mean value of a domain area with a large sample size. One approach in estimating population parameters is obtained through direct estimation methods. However, direct estimation are often less precise when the sample size of an area is small. In addition, there is a problem when the direct estimation is used for an area with a small sample size, which will cause a large standard error. This problem was then addressed by developing a method of parameter estimation known as the Small Area Estimation SAE method. In this mini thesis, we will describe the procedure to find the mean population value in a small area using Spatial Empirical Best Linear Unbiased Prediction SEBLUP method which follows Simultaneously Autoregressive SAR model. In general, this procedure begins with defining an area level model. Then, the area level model is expanded by adding spatial effects into the random effects of the area. The spatial model of the area level is then used as the basis for estimating the mean population value in a small area."

"Padi merupakan sumber makanan terpenting di Indonesia. Jumlah konsumsi beras nasional mengalami pertumbuhan dengan rata-rata 6,29% per tahun (2011-2015). Perkiraan dalam produksi beras relatif tidak dapat diandalkan karena waktu tanam yang tidak merata di beberapa daerah dan metode konvensional diterapkan untuk memperkirakan produksi beras. Penelitian bertujuan untuk menganalisis karakteristik fase tumbuh dan varietas tanaman padi serta membangun model untuk memperkirakan fase pertumbuhan tanaman padi berdasarkan indeks vegetasi. Platform penginderaan jauh melalui udara, khususnya Unmanned Aerial Vehicle (UAV) digunakan untuk memetakan lahan sawah di Kabupaten Bekasi. Beberapa indeks vegetasi yang berasal dari band RGB (red, green, blue), yaitu Normalized Green Red Difference Index (NGRDI), Excess Green Vegetation Index (ExG), dan Visible Atmospherically Resistant Index (VARI) digunakan dalam penelitian. Model regresi digunakan untuk mendapatkan model paling optimal dalam memperkirakan fase pertumbuhan tanaman padi. Hasil penelitian menunjukan karakteristik fase pertumbuhan tanaman padi memiliki pola nilai yang meningkat dari fase vegetatif menuju fase reproduktif dan nilai menurun ketika fase pematangan; varietas padi memiliki karakteristik yang paling bervariasi melalui analisis NGRDI terutama pada varietas IR 42; dan ExG merupakan indeks paling optimal dalam pemodelan fase tumbuh padi (R2 = 0,837).

---

Paddy is the most important food sources in Indonesia. The amount of national rice consumption increased 6.29% per year (2011-2015). Estimates in rice production are relatively unreliable because of inappropriate planting times in several areas and conventional method applied to estimate the rice production. The study aims to analyze the growth phase characteristics and varieties of rice plant and develop a model to estimate the growth phase of rice plant based on the vegetation indices. An airborne remote sensing platform, specifically the Unmanned Aerial Vehicle (UAV) is used to map the rice field in Bekasi Regency. Several vegetation indices derived from RGB (red, green, blue) bands, namely Normalized Green Red Difference Index (NGRDI), Excess Green Vegetation Index (ExG), and Visible Atmospherically Resistant Index (VARI) used in the study. Regression model is used to obtain the most optimal model for estimating the growth phase of rice plant. The results showed the characteristics of the rice growth phase had a pattern of values which increased from the vegetative phase to the reproductive phase and the value decreased when the maturation phase; rice varieties have the most varied characteristics through NGRDI analysis especially on IR 42 varieties; and ExG is the most optimal indices in modeling the growth phase of rice (R2 = 0.837)."