Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Bencana Lumpur Sidoarjo terjadi pada tahun 2006 hingga saat ini. Mitigasi yang dilakukan dengan membuang ke badan perairan. Informasi pencemaran lumpur belum tersedia dalam bentuk informasi spatio temporal. Informasi tersebut berupa pengolahan citra dengan algoritma, untuk langkah mitigasi selanjutnya. Informasi tersebut diperlukan untuk memetakan dan mengukur adaptasi sosial masyarakat yang terkena dampak. Riset ini mengkalkulasi algoritma yang digunakan untuk pemetaan spatio temporal sebaran lumpur. Peta tersebut digunakan untuk mengsintesis adaptasi sosial yang dilakukan masyarakat. Citra Landsat 2005-2018 digunakan untuk mnghitung area dampak Lumpur Sidoarjo dengan menggunakan analisis citra Budhiman. Riset ini menganalisis dampak dan pola distribusi lumpur pada adaptasi sosial nelayan Kenjeran. Hasil riset dengan analisis algoritma menemukan konstanta pada kanal merah 20,772 dan sebaran Lumpur Sidoarjo terkonsentrasi di Selat Madura. Berdasarkan hasil wawancara mendalam, adaptasi sosial yang dilakukan masyarakat adalah mencari daerah tangkapan baru dan mengurangi intensitas tangkapan. Sehingga terdapat keterkaitan antara sebaran lumpur dan adaptasi sosial yang dilakukan masyarakat.

---

ABSTRACT
This research focuses on disaster mitigation of Sidoarjo Mudflow. This research aims to analyze and mapping mud flow pattern since 2005. It use Geographical Information System or spatial information as tools to describe and analyze major environmental problems. It examines data Landsat 7 and 8 Imagery between 2005 and 2018 for calculating the area of impact from Sidoarjo Mud Flow. It takes further analysis from Budhiman research which using Landsat Imagery to calculating sedimentation in Mahakam Rivers. This research extends Budhiman rsquo s study with different location, Madura Gulf. Moreover, addressing the environmental risk at Madura Gulf from Sidoarjo Mudflow in the last few years, this research analyzes the impact of mud flow distribution pattern in and social adaptation in retrospective view. Furthermore, the unavailability is making more difficult to calculate the impact and composing mitigation plans. Moreover, explores spatial information regarding changes from Sidoarjo Mud Flow to social adaptation, such as difficulties of catching fish and lack of water quality.

Abstrak :
Kebakaran hutan dan lahan adalah kejadian yang mengancam kehidupan dan mata pencaharian, mempengaruhi ekonomi nasional, dan memiliki potensi yang berdampak panjang pada manusia. Saat ini, 62 persen wilayah Kalimantan mengalami kerentanan kebakaran hebat, dengan kira-kira 10 persen dari wilayah tersebut memiliki kerentanan yang sangat tinggi. Untuk mengurangi dampak dari kebakaran hutan dan lahan terhadap kerusakan lingkungan dan manusia, analisis spasial dan temporal perlu dilakukan salah satunya menggunakan metode machine learning. Penelitian ini bertujuan untuk menganalisis pola spatio-temporal titik panas, hubungan antara titik panas dan unsur iklim, dan memproyeksikan potensi titik panas secara spatio-temporal di daerah Kalimantan Timur. Titik panas didapat dari database SiPongi selama periode 2013-2022 diklasifikasikan menggunakan emerging hotspot analysis. Data iklim dari model TerraClimate dengan resolusi 1/240 dinilai pada setiap pola titik panas yang ada dengan menghitung nilai korelasi dan determinasi pada setiap unsur, yaitu curah hujan, suhu maksimum, evapotranspirasi, kecepatan angin, dan kelembaban tanah. Forest-based forecast digunakan untuk melihat potensi titik panas menggunakan berdasar unsur iklim dan geografis lainnya di Kalimantan Timur. Pola sebaran titik panas di Kalimantan Timur secara spasial dari penelitian ini dapat diketahui memiliki pola yang terklasifikasikan atau mengelompok dengan karakteristiknya masing-masing. Hasil penelitian juga menunjukkan bahwa unsur iklim memiliki nilai yang berpengaruh terhadap penentuan lokasi titik panas. Proyeksi titik panas menggunakan machine learning algoritma random forest dalam penelitian ini dapat menunjukkan prakiraan titik panas dengan kesesuaian jumlah daerah potensi titik panas secara spatio-temporal ......Forest fires are events that threaten lives and livelihoods, affect national economies, and have the potential to have long-lasting impacts on people. Currently, 62 percent of Kalimantan is highly vulnerable to fires, with approximately 10 percent of the area experiencing very high vulnerability. To reduce the impact of forest fires on environmental and human damage, spatial and temporal analysis needs to be carried out, one of which is using machine learning methods. This study aims to analyze the spatio-temporal patterns of hotspots, the relationship between hotspots and climatic elements, and project hotspot potential spatio-temporally in the East Kalimantan region. Hot spots obtained from the Sipongi database for the period 2013-2022 are classified using emerging hotspot analysis. Climate data from the TerraClimate model with 1/240 resolution is assessed for each hotspot pattern by calculating the correlation and determination values for each element, namely rainfall, maximum temperature, evapotranspiration, wind speed, and soil moisture. Forest-based forecasts are used to see potential hotspots based on climate and other geographical elements in East Kalimantan. The spatial distribution pattern of hotspots in East Kalimantan from this study can be seen to have a pattern that is classified or grouped with their respective characteristics. The results also show that the climate element has a value that influences the location of hotspots. Hot spot projections using the machine learning random forest algorithm in this study can show hotspot predictions with the spatio-temporal suitability of the number of potential hot spot areas.

Abstrak :
Pada masa Post-COVID-19 saat ini, terdapat keinginan dari setiap orang untuk kembali memenuhi kebutuhannya untuk bersosialisasi. Sejalan dengan hal tersebut, pemerintah dengan gencar melakukan pengadaan serta pengembangan ruang publik terbuka yang aman untuk bersosialisasi. Pada ruang publik yang memungkinkan setiap orang untuk mengekspresikan kebebasannya, fenomena transformasi dapat dibentuk oleh street music performer melalui pertunjukannya yang bertindak sebagai aktivitas sosial. Kemampuannya dalam mentransformasikan ruang publik dari keadaan physical space menuju social place untuk sementara waktu dianggap sebagai sebuah kapasitas yang dimiliki street music performance dalam menciptakan ruang liminal. Hal tersebut dicapai melalui proses social production serta interiorisasi ruang publik. Dalam melakukannya, mereka berupaya untuk membangun hubungan dengan suatu lingkungan serta menciptakan keterlibatan dengan orang-orang yang berada di dalamnya. Melalui penulisan skripsi ini, studi kasus terhadap salah satu public square akan dilakukan untuk mengamati bagaimana ruang liminal terbentuk berkat kehadiran street music performance pada proses yang berlangsung pada tidak adanya pertunjukan hingga sangat adanya pertunjukan. ......In the current Post-COVID-19 period, there is a desire among everyone to meet their needs to socialize again. In line with this, the government is aggressively procuring and developing open public spaces that are safe for socializing. In public spaces that allow everyone to express their freedom, the phenomenon of transformation can be formed by street music performers through their performances that act as social activities. Their ability to transform public space from a physical space to a social place is temporarily considered a capacity that street music performance has in creating liminal space. This is achieved through the process of social production and the interiorization of public space. In doing so, they seek to build relationships with an environment and create engagement with the people in it. Through the writing of this thesis, a case study of one public square will be conducted to observe how liminal space is formed with the presence of street music performance in the process that takes place in the absence of performances to the very existence of performances.

Abstrak :
Kawasan pesisir Indonesia juga merupakan kawasan pesisir yang memiliki keanekaragaman hayati laut terbesar di dunia. Hal tersebut menggambarkan bahwa potensi sumber daya laut di Indonesia sangat besar dan berlimpah. Salah satu potensi sumberdaya laut yang besar terletak di Teluk Benoa. Namun, dilakukannya kegiatan reklamasi Teluk Benoa menyebabkan degradasi kualitas perairan di teluk ini. Penelitian ini bertujuan untuk menganalisis distribusi spatio temporal nilai paramereter dan kualitas perairan di Teluk Benoa. Perhitungan status mutu perairan menggunakan metode Pollution Index dengan parameter suhu, TSS, salinitas, dan DO. Nilai setiap parameter didapatkan menggunakan Algoritma Ali El Battay (2014) untuk DO, Supriatna (2016) untuk salinitas, Cahyono (2017) untuk suhu, dan Budhiman (2004) untuk TSS. Citra dari satelit tersebut akan dilakukan uji akurasi dan validasi menggunakan metode RMSE dan NOF serta Pearson Product Moment berdasarkan komparasi dari hasil pengukuran di lapangan. Hasilnya pola distribusi nilai suhu dengan DO berbanding terbalik. Hal serupa juga terjadi pada Salinitas dengan TSS. Perhitungan kualitas perairan pada tahun 2014 menghasilkan pola distribusi yang cenderung homogen. Hal tersebut berubah signifikan pada tahun 2020 berbanding lurus dengan kerusakan lingkungan di Teluk Benoa. ......Indonesia's coastal area is also a coastal area that has the largest marine biodiversity in the world. This illustrates that the potential for marine resources in Indonesia is very large and abundant. One of the great marine resource potentials is located in Benoa Bay. However, the reclamation of Benoa Bay has caused degradation of the quality of the waters in this bay. This study aims to analyze the spatio-temporal distribution of parameter values and water quality in Benoa Bay. Calculation of water quality status using the Pollution Index method with parameters of temperature, TSS, salinity, and DO. The value of each parameter was obtained using the Ali El Battay Algorithm (2014) for DO, Supriatna (2016) for salinity, Cahyono (2017) for temperature, and Budhiman (2004) for TSS. The image from the satellite will be tested for accuracy and validation using the RMSE and NOF methods as well as the Pearson Product Moment based on the comparison of the measurement results in the field. The result is the distribution pattern of temperature values with DO is inversely proportional. The same thing happened to salinity with TSS. Water quality calculations in 2014 resulted in a distribution pattern that tended to be homogeneous. This will change significantly in 2020 in line with environmental damage in Benoa Bay.

Abstrak :
Klasifikasi aksi multi-objek berdasarkan video RGB aerial merupakan tantangan kompleks yang dapat berguna untuk pengembangan sistem keamanan. Terdapat dua pendekatan jaringan saraf tiruan yang umum digunakan dalam sistem pengenal berbasis kerangka, Convolutional Neural Network (CNN) dan Graph Convolutional Network (GCN). Pendekatan CNN lebih efektif dalam mempelajari fitur spatio-temporal, lebih kuat terhadap noise dalam estimasi pose, dan dapat menangani skenario multi-objek dengan komputasi yang lebih ringan. Penelitian ini meliputi pengembangan pengenal aksi manusia dengan pendeteksi spatio-temporal berbasis kerangka menggunakan pendekatan 3D Convolutional Neural Network (3D-CNN). Pendeteksi spatio-temporal memungkinkan sistem untuk mengenali tiap-tiap aksi yang simultan dilakukan oleh multi-objek dalam satu rekaman video. Percobaan dilakukan menggunakan sejumlah pre-trained dataset dan menggunakan dataset video RGB aerial primer yang dilatih terhadap model pengenal aksi berbasis video frontal, dengan menerapkan metode transfer learning. Proses tranfer learning dilakukan dengan dataset khusus untuk menghasilkan model pelatihan yang memiliki akurasi tinggi. Pelatihan memberi keluaran berupa model jaringan saraf tiruan dengan nilai akurasinya. Pengujian dilakukan menggunakan data video untuk mengetahui ketepatan model. Dari model yang diperoleh, akan dilakukan analisis terhadap keberhasilan dan keakuratan metode dalam mengenali aksi manusia. ......Multi-object action recognition based on aerial RGB video is a complex challenge that can be useful for security system development. There are two commonly used artificial neural network approaches in skeleton-based recognition systems, Convolutional Neural Network (CNN) and Graph Convolutional Network (GCN). CNN approach is more effective in learning spatio-temporal features, more robust to noise in pose estimation, and can handle multi-object scenarios with lighter computation. This research involves developing a human action recognition with skeleton-based spatio-temporal detection using a 3D Convolutional Neural Network (3D-CNN) approach. Spatio-temporal detection allows the system to recognize each simultaneous action performed by multiple objects in a single video footage. Experiments were conducted using a number of pre-trained datasets and using a primary aerial RGB video dataset trained on a frontal video-based action recognition model, by applying the transfer learning method. The transfer learning process is performed with a specific dataset to produce a high-accuracy training model. The training outputs an artificial neural network model with its accuracy value. Testing is done using video data to determine the accuracy of the model. From the model obtained, the success and accuracy of the method in recognizing human actions will be analyzed.

Abstrak :
Pola pergerakan pemain sepakbola dapat menjadi kajian geografi yang berskala mikro. Tujuan penelitian ini adalah untuk mengetahui pola pergerakan pemain kunci dan keseluruhan tim pada sebuah pertandingan sepakbola. Pola pergerakan pemain sepakbola dapat dikaji dengan menggunakan heatmap. Pola pergerakan pemain kunci pada pertandingan Final Liga Champions 2015 Juventus Vs Barcelona akan mempengaruhi pola pergerakan keseluruhan pemain dalam pertandingan dengan pendekatan spatio-temporal. Hasil analisis heatmap menunjukan bahwa pola pergerakan pemain dapat berupa pola pergerakan yang terorganisir, acak, dan mengelompok pada area tertentu. Pola pergerakan pemain kunci yang terorganisir akan direspon dengan pola pergerakan tim yang mengelompok. Pola pergerakan tim yang mengelompok pada area tertentu akan direspon dengan pola pergerakan tim yang terorganisir oleh tim lawan. ...... Players Movement Pattern in Football Game became one of micro scale geographical study. The purpose of this research is to determine the movement pattern of key player and the whole team in a football match. Football player movement patterns can be analyze using the heatmap. Key player movement in Champions League Final 2015 Juventus Vs Barcelona affect the overall pattern of movement of players in the game with spatio-temporal approach. Movement patterns will affect the scheme of the team that is also influenced by factors such as passes and shots on goal. Key players movement pattern will affect the movement pattern of the two teams. The resulting pattern can be categorized as organized, random, and clustered movement patterns in certain areas. An organized key player movement pattern in his position will be responded with movement patterns clustered by team. Movement patterns of teams clustered in certain areas will be responded with organized movement patterns team by the opposing team.