ANALISA DISTRIBUSI KEPADATAN PENDUDUK BERDASARKAN ANALISA SPEKTRAL MENGGUNAKAN CITRA LANDSAT 8 (STUDI KASUS: KOTA KEDIRI)
|
|
- Budi Budiman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL TEKNIK POMITS Vol. x, No. x, (xxxx) ISSN: xxx-xxxx (xxxx-xxxx Print) 1 ANALISA DISTRIBUSI KEPADATAN PENDUDUK BERDASARKAN ANALISA SPEKTRAL MENGGUNAKAN CITRA LANDSAT 8 (STUDI KASUS: KOTA KEDIRI) Fahrurrozi, Yanto Budisusanto Jurusan Teknik Geomatika, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi Sepuluh Nopember Kampus ITS Sukolilo, Surabaya Indonesia yanto_b@geodesy.its.ac.id Abstrak Informasi kependudukan sangat membantu di dalam menyusun perencanaan pembangunan. Hal ini terutama untuk kawasan perkotaan yang memiliki tingkat pertumbuhan penduduk yang tidak alami akibat urbanisasi. Kesenjangan pembangunan dan tingkat aktivitas ekonomi menjadi salah satu pemicu dinamika kependudukan tersebut. Kota Kediri merupakan kawasan kota di Jawa Timur dengan tingkat perekonomian yang tinggi sehingga masalah kependudukan menjadi salah satu fokus dalam pengambilan kebijakan. Teknologi penginderaan jauh dapat menjadi alternatif dalam analisis kependudukan kawasan ini. Dengan pemodelan statistik, hubungan jumlah penduduk dan variabel penginderaan jauh dari Citra Landsat 8 dapat diidentifikasi. Dalam penelitian ini, hubungan antara kepadatan penduduk dan variabel penginderaan jauh digambarkan melalui koefisien korelasi. Hasil korelasi ini kemudian digunakan untuk melihat pengaruh spektral saluran dan hasil transformasi indeks vegetasi terhadap kepadatan penduduk melalui persamaan regresi. Selain itu, untuk memperkuat model digunakan variabel spasial permukiman yang memiliki korelasi yang kuat dengan kepadatan penduduk. Model yang diperoleh dilakukan pengujian dengan melihat tingkat akurasi untuk mendapatkan model yang paling baik. Hasil persamaan regresi terbaik diperoleh dari persamaan dengan menggunakan variabel multispektral dari Landsat 8 dan variabel spasial permukiman sebagai variabel bebas. Namun, hasil yang diperoleh menunjukkan variabel spektral masih memerlukan faktor lain dalam memprediksi kepadatan penduduk. Pengaruh dari persamaan yang diperoleh hanya sebesar 79,7 persen terhadap kepadatan penduduk. Berdasarkan pola yang diperoleh, distribusi prediksi kepadatan penduduk menunjukkan pola yang mirip dengan kepadatan penduduk sebenarnya. Kawasan yang memiliki kepadatan penduduk lebih tinggi rata-rata berada di pusat Kota. Kata Kunci Kepadatan Penduduk, Penginderaan Jauh, Statistik, Landsat 8, Regresi. I. PENDAHULUAN Masalah kependudukan sangat sering terjadi, salah satunya adalah tidak meratanya penyebaran penduduk dan pertumbuhan penduduk. Dengan jumlah penduduk yang semakin besar dengan tidak diikuti peningkatan jumlah ruang akan menimbulkan banyak permasalahan seperti peningkatan harga lahan, permasalahan ruang terbuka hijau, lahan pertanian, dan permasalahan lingkungan. Di wilayah perkotaan, urbanisasi menjadi salah satu masalah kependudukan karena memicu pertumbuhan penduduk yang tidak alami. Oleh karena itu, wilayah perkotaan memerlukan suatu perencanaan untuk mengontrol kawasan dan mengatasi masalah kependudukan. Untuk wilayah perkotaan, informasi kependudukan lebih dilihat secara densitas atau kepadatan. Data kependudukan di Indonesia yang dipublikasikan saat ini hanya berasal dari Badan Pusat Statistik. Data tentang kepadatan penduduk yang disajikan Badan Pusat Statistik (BPS) sejauh ini dianggap belum lengkap, cenderung homogen, dan secara visual kurang mewakili keadaan yang sebenarnya. Bagi suatu daerah, kebutuhan informasi tentang kependudukan saat ini tidak cukup hanya sekedar data tekstual saja, lebih dari itu informasi spasial sangat diperlukan dalam suatu perencanaan. Informasi tentang kepadatan penduduk merupakan salah satu data yang memegang peranan penting dalam penentuan kebijakan [1]. Selain itu, metode sensus sendiri yang dilakukan memiliki beberapa kelemahan dari segi waktu, biaya, dan proses updating yang sulit dilakukan [2]. Dengan demikian, diperlukan teknik analisis kepadatan penduduk yang memiliki akurasi mendekati kepadatan sebenarnya [1]. Penggunaan penginderaan jauh dalam pendekatan pemodelan statistik bertujuan mencari alternatif untuk sensus penduduk. Para peneliti telah melakukan berbagai metode pemodelan statistik untuk estimasi populasi pada skala yang berbeda dengan berbagai jenis citra penginderaan jauh. Secara umum dalam penginderaan jauh, pemodelan hubungan kependudukan bisa dilakukan dengan urban area, tutupan lahan, unit hunian, karakteristik spektral, dan karakteristik fisik atau sosial-ekonomi [3]. Penelitian sebelumnya pernah dilakukan dengan memanfaatkan karakteristik spektral maupun tutupan lahan untuk estimasi populasi penduduk. Citra yang digunakan pada penelitian sebelumnya adalah citra satelit Landsat 7 ETM+ dan tipe di bawahnya. Satelit Landsat 7 ETM + saat ini mengalami kerusakan pada Scan Line Corrector-nya sehingga tidak dapat lagi berfungsi dengan baik secara ekstrim semenjak bulan Mei Oleh karena itu, penggunaan citra Landsat 8 dalam penelitian ini sangat tepat. Pengaruh antarvariabel statistik, dapat dilihat melalui model regresi yang dibentuk. Dalam penelitian ini Kawasan Kota Kediri dianggap cocok untuk penerapan metode pemodelan statistik untuk
2 JURNAL TEKNIK POMITS Vol. x, No. x, (xxxx) ISSN: xxx-xxxx (xxxx-xxxx Print) 2 estimasi kepadatan penduduk sehingga kawasan ini dipilih untuk lokasi studi penelitian. Kepadatan kawasan ini untuk tiap kelurahan menjadi perhatian dalam penelitian. Hubungan digambarkan melalui persamaan regresi dan melihat besar pengaruhnya terhadap kepadatan penduduk setiap kelurahan di Kota Kediri. A. Lokasi Penelitian II. METODOLOGI PENELITIAN Gambar. 1. Lokasi penelitian (Google Earth, 2014) Lokasi Penelitian ini mengambil wilayah Kota Kediri yang terletak di Jawa Timur. Secara astronomis Kota Kediri terletak di antara 111º3 00 BT-112º1 48 BT dan 7º45 50 LS- 7º51 30 LS. Secara administratif wilayah ini berada di tengah wilayah Kabupaten Kediri dengan batas wilayah utara Kecamatan Gampengrejo, Kecamatan Ngasem, dan Kecamatan Gurah, wilayah selatan berbatasan dengan Kecamatan Kandat dan Ngadiluwih, wilayah timur berbatasan dengan Kecamatan Wates dan Gurah, dan wilayah barat berbatasan dengan Kecamatan Semen dan Banyakan. Wilayah Kota Kediri terdiri dari tiga kecamatan, yaitu: Kecamatan Kota Kediri, Kecamatan Pesantren, dan Kecamatan Mojoroto. Sedangkan untuk jumlah kelurahan di Kota Kediri sebanyak 46 kelurahan yang terdiri dari 17 kelurahan di Kecamatan Kota Kediri, 14 kelurahan di Kecamatan Mojoroto, dan 15 Kecamatan di Kecamatan Pesantren. B. Metodologi Penelitian Penelitian ini menggunakan metode regresi linear dengan variabel spektral dan spasial dari citra yang digunakan dan data kependudukan Kota Kediri yang diolah menggunakan perangkat lunak. Berikut ini, tahapan proses penelitian yang sudah dilakukan: 1. Pengumpulan Data Data yang digunakan dalam penelitian ini terbagi menjadi dua jenis data, yaitu data spasial meliputi citra Landsat 8 tahun 2013 yang diunduh di website resmi United States Geology Survey (USGS), Peta Rupa Bumi Indonesia (RBI) Lembar dan Lembar hasil scanning, serta data non-spasial yang meliputi data jumlah penduduk Kota Kediri yang Gambar. 2. Diagram alir pengolahan diperoleh dari Dinas Kependudukan dan Pencatatan Sipil Kota Kediri. 2. Koreksi Geometrik Koreksi geometrik menggunakan titik-titik kontrol yang diperoleh dari peta vektor (hasil digitasi peta RBI). Pasangan koordinat antara titik kontrol lapangan (GCP) dengan koordinat estimasi, diperoleh selisih pada sepanjang sumbu x (timur) dan sumbu y (utara). Berdasarkan hasil selisih tersebut, diperoleh besarnya nilai kesalahan melalui perhitungan Root Mean Square Error (RMSE) [4]. Koreksi geometrik dikatakan berhasil dengan ketentuan nilai Root Mean Square Error (RMSE) kurang dari atau sama dengan satu piksel [5]. 3. Koreksi Radiometrik Koreksi radiometrik pada penelitian ini digunakan untuk mendapatkan nilai reflektan band multispektral, nilai suhu permukaan dari Citra Landsat 8 TIRS. Untuk mendapatkan nilai reflektan, digunakan formula berikut ini: ρρρρ = MMMMQQQQQQQQ + AAAA ρλ = Nilai reflektan tanpa koreksi sudut sinar matahari
3 JURNAL TEKNIK POMITS Vol. x, No. x, (xxxx) ISSN: xxx-xxxx (xxxx-xxxx Print) 3 Mρ = Faktor pengali re-skala reflektan Qcal = Nilai spektral saluran Aρ = Faktor re-skala additive Untuk memperoleh nilai reflektan dengan koreksi sudut sinar matahari digunakan formula sebagai berikut: ρρρρ = ρρρρ cos(θ SZ ) = ρρρρ ssssss(θ SE ) ρλ' = Nilai reflektan tanpa koreksi sudut sinar matahari ρλ = Nilai reflektan θ SZ = sudut elevasi matahari lokal θ SE = sudut zenith matahari lokal (θ SZ = 90 - θ SE) Untuk mendapatkan nilai temperatur, citra dikonversi terlebih dahulu ke nilai radians kemudian baru dikonversi ke suhu permukaan. Berikut ini formula yang digunakan untuk konversi nilai spektral ke nilai radians: LLλλ = M L Qcal + A L Lλ = Spektral radians, M L = Faktor re-skala multiplikatif saluran, A L = Faktor re-skala additif radians saluran Qcal = Nilai spektral saluran atau band citra Sedangkan untuk konversi nilai radians ke nilai temperatur digunakan formula berikut ini: KK 2 TT = llll( KK LLLL + 1) T = temperature dalam satuan celsius, K 1 dan K 2= konstanta konversi suhu band citra 4. Pemotongan citra Citra yang sudah terkoreksi selanjutnya dipotong dengan menggunakan batas administrasi wilayah dari Peta Rupa Bumi Indonesia. Pemotongan dilakukan dengan menggunakan metode clip raster dari perangkat lunak. 5. Kombinasi Band Citra yang sudah dipotong dikombinasi dengan menggunakan kombinasi band red-green-blue (RGB) 764. Kombinasi band tersebut merupakan salah satu kombinasi false color citra Landsat Klasifikasi Citra Metode klasifikasi yang digunakan adalah klasifikasi terbimbing maximum likelihood. Klasifikasi terbimbing maximum likelihood mengasumsikan bahwa statistik untuk masing-masing kelas di masingmasing band berdistribusi normal dan menghitung probabilitas bahwa suatu piksel diberikan untuk kelas tertentu [5]. Hasil klasifikasi tutupan lahan terdiri dari permukiman, vegetasi, air, tanah kosong, dan komersil (industri). Citra diklasifikasi dengan tujuan untuk memperoleh jenis tutupan lahan permukiman. Kemudian kelas permukiman diekstraksi untuk tiap kawasan kelurahan dan dihitung luas permukiman tiap kelurahan. Hasil luas yang diperoleh ditabulasi dengan software pengolah statistik. 7. Transformasi Citra Citra yang sudah terpotong, selanjutnya ditransformasi ke indeks vegetasi. Berikut ini indeks vegetasi yang digunakan dalam penelitian : Tabel 1. Indeks vegetasi (Li dan Weng, 2005) ndeks Formula Vegetasi 8. Perhitungan variabel Variabel yang digunakan dalam penelitian meliputi kepadatan penduduk tiap kelurahan (PD) dan kuadrat kepadatan penduduk (SPD) sebagai variabel terikat, dan variabel bebas yang terdiri dari nilai rata-rata spektral tiap saluran citra dan hasil transformasi indeks vegetasi pada setiap kelurahan, dan nilai rata-rata temperatur pada setiap kelurahan. Perhitungan nilai rata-rata spektral dan temperatur dilakukan dengan menggunakan zonal statistik tiap area kelurahan. 9. Eksplorasi Data Masing-masing variabel yang diperoleh dieksplorasi menggunakan koefisien korelasi Pearson dan diagram pencar. Hasil korelasi digunakan sebagai acuan dalam pembentukan model (model development). 10. Pembentukan Model Persamaan Regresi Persamaan regresi dibentuk berdasarkan hasil eksplorasi data. Pemilihan model yang paling sesuai dilihat dari besarnya nilai koefisien korelasi yang memperlihatkan kuatnya hubungan variabel bebas terhadap variabel terikat [2]. Model regresi sederhana memiliki bentuk umum sebagai berikut: YY = ββ 0 + ββ 1 XX + εε Y = Variabel terikat X = Variabel bebas = Konstanta persamaan β 0 β 1 SAVI RDVI TNDVI RVI SVI SSSSSSSS = (1+LL)(NNNNNN RRRRRR) NNNNNN+RRRRRR+LL RRRRRRRR = NNNNNN RRRRRR NNNNNN+RRRRRR = Koefisiean variabel bebas Untuk melihat kontribusi atau pengaruh variabel bebas terhadap variabel terikat dapat digunakan coefficient of determination (koefisien determinasi) atau R-square (R 2 ) dengan formula sebagai berikut [7]: RR 2 = (yy ii ӯ) 2 (yy ii Ỹ ii ) 2 (yy ii ӯ) 2 [0,1] y i = Variabel terikat ӯ = Rata-rata (mean) dari total y i Ỹ = Hasil estimasi y i, L= 0.5 TTTTTTTTTT = NNNNNN RRRRRR NNNNNN+RRRRRR RRRRRR = NNNNNN/RRRRRR SSSSSS = NNNNNN RRRRRR
4 JURNAL TEKNIK POMITS Vol. x, No. x, (xxxx) ISSN: xxx-xxxx (xxxx-xxxx Print) Pengujian Akurasi Model terbaik berdasarkan nilai R-square yang diperoleh dan diterapkan untuk mendapatkan distribusi kepadatan penduduk. Untuk melihat akurasi model untuk diterapkan dilakukan pengujian dengan menghitung kesalahan relatif (relative error). Untuk kasus individu, kesalahan relatif dapat dihitung dengan menggunakan formula sebagai berikut [2]: YYYY YYYY KKKK = 100 YYYY KR = Kesalahan relatif Yo = Kepadatan penduduk awal Ye = Kepadatan penduduk estimasi setelah nilai kesalahan relatif dari masing-masing hasil estimasi didapatkan, kemudian dihitung nilai rata-rata kesalahan relatif masing- masing estimasi (mean absolute percentage error (MAPE)). MAPE sangat berguna untuk tujuan pelaporan, karena dinyatakan dalam persentase generik yang akan dimengerti oleh berbagai pengguna [8]. Berikut ini formula perhitungan MAPE: MMMMMMMM = KKKK nn Dimana n merupakan jumlah data. III. HASIL A. Koreksi Geometrik Data citra yang digunakan dalam penelitian ini adalah data Citra Landsat 8 yang diakuisisi bulan Oktober Citra ini memiliki tingkat konsentrasi awan yang rendah jika dibandingkan Citra Landsat 8 pada bulan-bulain lain di tahun Pemilihan citra berdasarkan tahun yang sama dengan data kependudukan yang digunakan. Citra yang diperoleh kemudian dikoreksi secara geometrik dengan menggunakan metode image to map. Koreksi geometrik dilakukan dengan memilih 15 titik GCP yang tersebar pada kawasan penelitian. Hasil yang diperoleh menunjukkan nilai total Root Mean Square Error (RMSE) sebesar 0,414 piksel. Hasil ini dianggap sudah cukup baik karena memenuhi kriteria kurang dari atau sama dengan satu piksel [5]. B. Klasifikasi Citra Hasil klasifikasi tutupan lahan terdiri dari permukiman, vegetasi, air, tanah kosong, dan komersil (industri). Tutupan lahan yang diperoleh diuji dengan menggunakan confusion matrix terhadap training sample. Hasil pengujian secara keseluruhan menghasilkan akurasi klasifikasi (overall accuracy) sebesar atau persen. Hasil ini menunjukkan klasifikasi sudah cukup baik karena melebihi 85 persen secara keseluruhan [9][10]. Koefisien kappa yang diperoleh sebesar Nilai ini dianggap sudah cukup baik karena sudah melebihi 0.75 [11] C. Eksplorasi Data Eksplorasi data digunakan sebagai pertimbangan dalam pembuatan model yang sesuai. Eksplorasi data menggunakan statistik deskriptif dan analisa korelasi. Analisa korelasi dilakukan dengan menggunakan diagram pencar dan koefisien korelasi Pearson. Koefisien korelasi Pearson digunakan untuk menggambarkan hubungan antara kepadatan penduduk dengan variabel remote sensing [2]. Berikut ini hasil perhitungan koefisien korelasi Pearson: Tabel 2. Nilai koefisien korelasi Pearson variabel multispektral dan thermal Variabel Bebas Koefisien Korelasi Pearson PD SPD Band 1 (B1) Band 2 (B2) Band 3 (B3) Band 4 (B4) Band 5 (B5) Band 6 (B6) Band 7 (B7) Band 9 (B8) Band 10 (B10) Band 11 (B11) Tabel 3. Nilai koefisien korelasi variabel indeks vegetasi dan spasial permukiman Variabel Bebas Koefisien Korelasi Pearson PD SPD SAVI RDVI TNDVI SVI RVI Permukiman (P) Hasil korelasi tersebut menunjukkan bahwa variabel spasial SVI memiliki korelasi paling kuat terhadap kepadatan penduduk (PD) sebesar 80 persen dan korelasi terhadap akar kuadrat kepadatan penduduk sebesar 84 persen, sedangkan dari indeks vegetasi SAVI, RDVI, dan TNDVI memiliki korelasi yang tidak terlalu berbeda dengan permukiman dan SVI. Diantara band atau saluran citra Landsat 8, korelasi terkuat ditunjukkan oleh band 5 dengan besar korelasi koefisien 78,9 persen terhadap kepadatan penduduk (PD) dan 83 persen terhadap akar kuadrat kepadatan penduduk (SPD). D. Analisa Model Regresi Model regresi yang diperoleh memperlihatkan tiga model terbaik untuk kepadatan penduduk (PD) dan akar kuadrat kepadatan penduduk (SPD). Untuk SPD analisa residual dilakukan setelah ditransformasikan ke kepadatan penduduk. Model regresi terbaik untuk kepadatan penduduk Kota Kediri dapat dilihat pada tabel 5.
5 JURNAL TEKNIK POMITS Vol. x, No. x, (xxxx) ISSN: xxx-xxxx (xxxx-xxxx Print) 5 Model terbaik diperoleh dari besar rata-rata kesalahan relative (MAPE) terkecil yaitu pada persamaan 4 dengan Berikut ini hasil analisis varians persamaan 4: Tabel 5 menunjukkan nilai F sebesar 18,163 dengan nilai pengaruh sebesar 79,7% terhadap square root population density (SPD). Berikut ini diagram residu persamaan atau model 4: Residual Tabel 4. Model Regresi Kepadatan Penduduk No PD R 2 MAPE Diagram residu persamaan 4, menunjukkan kesalahan terbesar pada data Kelurahan Setono Gedong (D09). Kelurahan ini merupakan kelurahan paling padat di Kota Kediri. Dilihat dari tutupan lahan dan lokasinya, kawasan ini berada di jantung kota dengan tingkat aktivitas ekonomi yang sangat tinggi. Kawasan permukiman bercampur dengan kawasan komersil (pertokoan, gedung perkantoran). Untuk melihat kelayakan model, dilakukan analisis varians (ANOVA) dengan melihat uji F persaman secara keseluruhan. Uji F disajikan dalam tabel ANOVA yang merupakan salah satu output pembentukan persamaan regresi. Tabel 5. Tabel ANOVA Source of Variation PD = *B *B *B *RDVI *SVI *P PD = *B *B *B *B *B *SVI *SAVI *P PD = *B *B *B *B *B *SVI *RDVI *P SPD = *B *B *B *B *B *SVI *RDVI *P SPD = *B *B *B *B *B *SVI *SAVI *P SPD = *B *B *B *B *B *SVI *RDVI SPD = *B *B *B *B *B *B *B *B *P Sum of Squares MODEL 4 Degree of Freedom Mean Square F Sig. 1 Regression Residual Total SPD Desa Gambar 4. Diagram residu persamaan 4 signikansi (α) kurang dari Dibanding nilai F table sebesar 3,04, nilai F yang diperoleh jauh lebih besar dengan derajat kebebasan untuk SSR sebesar 8 dan untuk SSE sebesar 37. Dengan demikian, model persamaan dapat digunakan karena dapat mempengaruhi kepadatan penduduk secara signifikan. E. Analisa Hasil Estimasi Kepadatan Penduduk Berdasarkan model terbaik yang dibentuk, maka diperoleh hasil kepadatan penduduk dengan distribusi seperti yang ditunjukkan dalam diagram berikut: Kelurahan Gambar 5. Distribusi hasil estimasi kepadatan penduduk Sedangkan kepadatan penduduk sebenarnya ditampilkan dalam diagram berikut: Kelurahan Gambar 6. Distribusi kepadatan penduduk
6 JURNAL TEKNIK POMITS Vol. x, No. x, (xxxx) ISSN: xxx-xxxx (xxxx-xxxx Print) 6 Berdasarkan diagram, distribusi kepadatan penduduk menunjukkan pola distribusi yang mirip. Distribusi kepadatan penduduk berdasarkan model regresi menunjukkan rata-rata kelurahan yang sangat padat berada pada kawasan Kecamatan Kota. Kelurahan yang paling padat ditunjukkan oleh Kelurahan Jagalan dan kelurahan dengan kepadatan penduduk terendah ditunjukkan oleh Kelurahan Gayam. Hasil estimasi kepadatan penduduk direlasikan dengan peta administrasi kelurahan sehingga dihasilkan Peta Estimasi Ditribusi Kepadatan Penduduk Kota Kediri Tahun IV. KESIMPULAN DAN SARAN Berdasarkan hasil penelitian, hubungan yang diperoleh dari besarnya koefisien korelasi menunjukkan hubungan yang kuat antara kepadatan penduduk dengan beberapa indeks vegetasi yang digunakan dalam penelitian dan spasial permukiman. Sedangkan dilihat dari saluran citra Landsat 8, hubungan kuat ditunjukkan Band 5. Namun, hubungan ini belum menunjukkan besarnya pengaruh variabel tersebut terhadap kepadatan penduduk. Model terbaik yang diperoleh menunjukkan karakteristik spektral dari Citra Landsat 8 masih membutuhkan faktor lain dalam pemodelan statistik untuk estimasi kepadatan penduduk. Hasil maksimal yang diperoleh tidak memberikan pengaruh lebih dari 80% dengan rata-rata kesalahan relatif (MAPE) sebesar 23,257%. Hasil penerapan model terbaik yang diperoleh, distribusi kepadatan penduduk menunjukkan pola yang mirip dengan kepadatan penduduk sebenarnya. Sama seperti distribusi kepadatan penduduk sebenarnya, distribusi kepadatan penduduk berdasarkan model regresi menunjukkan rata-rata kelurahan yang sangat padat berada pada kawasan Kecamatan Kota. Dalam penelitian diberikan saran untuk menambahkan faktor atau variabel lain dalam pemodelan kepadatan penduduk agar diperoleh hasil estimasi dengan tingkat akurasi yang lebih baik. Selain itu, untuk memperkuat validasi diperlukan pengujian statistik terhadap model regresi. V. DAFTAR PUSTAKA [1] Wikantika, K., Rahman, F. M., & Hernandi, A. (2005). Analisis Distribusi Kepadatan Penduduk dengan Citra Satelit. Pertemuan IlmiahTahunan MAPIN XIV Pemanfaatan Efektif Penginderaan Jauh Untuk Peningkatan Kesejahteraan Bangsa (pp ). Surabaya: MAPIN. [2] Li, G., & Weng, Q. (2005, Agustus). Using Landsat ETM Imagery to Measure Population Density in Indianapolis, Indiana, USA. Photogrammetric Engineering & Remote Sensing, 71(8), [3] Wu, S.-s., Qiu, X., & Wang, L. (2005). Population Estimation Methods in GIS and Remote Sensing: A Review. GIScience and Remote Sensing, 42 (1), [4] Danoedoro, P. (2012). Pengantar Penginderaan Jauh Digital. Yogyakarta: Andi Yogyakarta. [5] Purwadhi, F. S. ( 2001). Interpretasi Citra Digital. Jakarta: PT. Grasindo. [6] Richards, J. A., & Jia, X. (2006). Remote Sensing Digital Image Analysis an Introduction, Fourth Edition. Berlin: Springer-Verlag. [7] Sá, J. P. (2007). Applied Statistics Using SPSS, STATISTICA, MATLAB and R. Berlin: Springer. [8] Swanson, D. A., Tayman, J., & Bryan, T. M. (2011). Mape-R: A Rescaled Measure of Accuracy for Cross- Sectional Subnational Population Forecasts. J Pop Research, 28, [9] Anderson, J. R. (1971). Land Use Classification Schemes Used in Selected Recent Geographic Applications of Remote Sensing. 37(4), [10] Anderson, J. R., Hardy, E. E., Roach, J. T., & Witme, R. E. (1976). A Land Use And Land Cover Classification System For Use With Remote Sensor Data. [11] Mather, P. M. (2004). Computer Processing of Remotely-Sensed Images: An Introduction, Third Edition. New York: Jonh Wiley and Sons. VI. LAMPIRAN A. Peta Distribusi Kepadatan Penduduk Kota Kediri Tahun 2013 B. Peta Hasil Estimasi Distribusi Kepadatan Penduduk Kota Kediri Tahun 2013
KAJIAN CITRA RESOLUSI TINGGI WORLDVIEW-2
KAJIAN CITRA RESOLUSI TINGGI WORLDVIEW-2 SEBAGAI PENUNJANG DATA DASAR UNTUK RENCANA DETAIL TATA RUANG KOTA (RDTRK) Heri Setiawan, Yanto Budisusanto Program Studi Teknik Geomatika, FTSP, ITS-Sukolilo, Surabaya,
Lebih terperinciJURNAL TEKNIK POMITS Vol. X, No. X, (Juni, 2013) ISSN:
JURNAL TEKNIK POMITS Vol. X, No. X, (Juni, 2013) ISSN: 2301-9271 1 Kajian Updating Peta Menggunakan Data Dasar Citra Satelit Worldview-2 dan Kota Surabaya Skala 1:5000 (Studi Kasus: dan Anyar) Cherie Bhekti
Lebih terperinciJurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember
Mahasiswa : Cherie Bhekti Pribadi (3509100060) Dosen Pembimbing : Dr. Ing. Ir. Teguh Hariyanto, MSc Udiana Wahyu D, ST. MT Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi
Lebih terperinciBAB III METODE PENELITIAN
11 BAB III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian ini dilaksanakan selama dua bulan yaitu bulan Juli-Agustus 2010 dengan pemilihan lokasi di Kota Denpasar. Pengolahan data dilakukan di Laboratorium
Lebih terperinciIII. BAHAN DAN METODE
III. BAHAN DAN METODE 3.1 Lokasi dan Waktu Penelitian Penelitian dilaksanakan di daerah Daerah Aliran Sungai (DAS) Cipunagara dan sekitarnya, Jawa Barat (Gambar 1). DAS Cipunagara berada dibawah pengelolaan
Lebih terperinciMETODOLOGI. Gambar 4. Peta Lokasi Penelitian
22 METODOLOGI Tempat dan Waktu Penelitian Penelitian dilakukan di Kota Sukabumi, Jawa Barat pada 7 wilayah kecamatan dengan waktu penelitian pada bulan Juni sampai November 2009. Pada lokasi penelitian
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian ini. Proses persiapan data ini berpengaruh pada hasil akhir penelitian. Persiapan yang dilakukan meliputi
Lebih terperinciJURNAL TEKNIK POMITS Vol. x, No. x, (2014) ISSN: xxxx-xxxx (xxxx-x Print) 1
JURNAL TEKNIK POMITS Vol. x,. x, (2014) ISSN: xxxx-xxxx (xxxx-x Print) 1 Pemanfaatan Data Penginderaan Jauh untuk Identifikasi Kerusakan Hutan di Daerah Aliran Sungai (DAS) (Studi Kasus : Sub DAS Brantas
Lebih terperinciJURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print)
ANALISA RELASI PERUBAHAN TUTUPAN LAHAN DAN SUHU PERMUKAAN TANAH DI KOTA SURABAYA MENGGUNAKAN CITRA SATELIT MULTISPEKTRAL TAHUN 1994 2012 Dionysius Bryan S, Bangun Mulyo Sukotjo, Udiana Wahyu D Jurusan
Lebih terperinciAnalisa Ketelitian Geometric Citra Pleiades Sebagai Penunjang Peta Dasar RDTR (Studi Kasus: Wilayah Kabupaten Bangkalan, Jawa Timur)
A411 Analisa Ketelitian Geometric Citra Pleiades Sebagai Penunjang Peta Dasar RDTR (Studi Kasus: Wilayah Kabupaten Bangkalan, Jawa Timur) Wahyu Teo Parmadi dan Bangun Muljo Sukojo Jurusan Teknik Geomatika,
Lebih terperinciEVALUASI TUTUPAN LAHAN DARI CITRA RESOLUSI TINGGI DENGAN METODE KLASIFIKASI DIGITAL BERORIENTASI OBJEK (Studi Kasus: Kota Banda Aceh, NAD)
EVALUASI TUTUPAN LAHAN DARI CITRA RESOLUSI TINGGI DENGAN METODE KLASIFIKASI DIGITAL BERORIENTASI OBJEK (Studi Kasus: Kota Banda Aceh, NAD) Dosen Pembimbing: Dr.Ing.Ir. Teguh Hariyanto, MSc Oleh: Bayu Nasa
Lebih terperinciAnita Dwijayanti, Teguh Hariyanto Jurusan Teknik Geomatika FTSP-ITS, Kampus ITS Sukolilo, Surabaya,
Evaluasi Tutupan Lahan Terhadap Rencana Detil Tata Ruang Kota (RDTRK) Surabaya Pada Citra Resolusi Tinggi Dengan EVALUASI TUTUPAN LAHAN PERMUKIMAN TERHADAP RENCANA DETIL TATA RUANG KOTA (RDTRK) SURABAYA
Lebih terperinciEvaluasi Kesesuaian Tutupan Lahan Menggunakan Citra ALOS AVNIR-2 Tahun 2009 Dengan Peta RTRW Kabupaten Sidoarjo Tahun 2007
JURNAL TEKNIK POMITS Vol. x, No. x, (Oktober, 2013) ISSN: 2301-9271 Evaluasi Kesesuaian Tutupan Lahan Menggunakan Citra ALOS AVNIR-2 Tahun 2009 Dengan Peta RTRW Kabupaten Sidoarjo Tahun 2007 Latri Wartika
Lebih terperinciSTUDI KONSENTRASI KLOROFIL-A BERDASARKAN TEKNIK PENGINDERAAN JAUH
Studi Konsentrasi Klorofil - a Alifah raini/feny Arafah/Fourry Handoko STUDI KONSENTRASI KLOROFIL-A BERDASARKAN TEKNIK PENGINDERAAN JAUH Alifah raini 1) ; Feny Arafah 1) ; Fourry Handoko 2) 1) Program
Lebih terperinciBAB III PELAKSANAAN PENELITIAN
BAB III PELAKSANAAN PENELITIAN Pada bab ini akan dijelaskan mengenai alat dan bahan yang digunakan dalam penelitian ini serta tahapan-tahapan yang dilakukan dalam mengklasifikasi tata guna lahan dari hasil
Lebih terperinciIV. METODOLOGI 4.1. Waktu dan Lokasi
31 IV. METODOLOGI 4.1. Waktu dan Lokasi Waktu yang dibutuhkan untuk melaksanakan penelitian ini adalah dimulai dari bulan April 2009 sampai dengan November 2009 yang secara umum terbagi terbagi menjadi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian dilakukan dari bulan Juli sampai September 2011 di Kabupaten Sidoarjo, Jawa Timur. Pengolahan data dilakukan di Laboratorium Analisis Lingkungan
Lebih terperinciIII. METODOLOGI. Gambar 1. Peta Administrasi Kota Palembang.
III. METODOLOGI 3.1 Waktu dan Tempat Penelitian dilaksanakan pada bulan Juli-Oktober 2010. Lokasi penelitian di Kota Palembang dan Laboratorium Analisis Spasial Lingkungan, Departemen Konservasi Sumberdaya
Lebih terperinciJURNAL TEKNIK POMITS Vol. X, No. X, (2013) ISSN: ( Print) 1 II. METODOLOGI PENELITIAN
JURNAL TEKNIK POMITS Vol. X,. X, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Studi Identifikasi Perubahan Obyek dengan Memanfaatkan Citra Resolusi Tinggi (Studi Kasus Unit Pengembangan Rungkut Surabaya)
Lebih terperinciIII. METODOLOGI. Gambar 2. Peta Orientasi Wilayah Penelitian. Kota Yogyakarta. Kota Medan. Kota Banjarmasin
III. METODOLOGI 3.1. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan mulai dari bulan Maret sampai bulan November 2009. Objek penelitian difokuskan pada wilayah Kota Banjarmasin, Yogyakarta, dan
Lebih terperinciMetode Klasifikasi Digital untuk Citra Satelit Beresolusi Tinggi WorldView-2 pada Unit Pengembangan Kertajaya dan Dharmahusada Surabaya
JURNAL TEKNIK POMITS Vol. X, No. X, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Metode Klasifikasi Digital untuk Citra Satelit Beresolusi Tinggi WorldView-2 pada Unit Pengembangan Kertajaya dan Dharmahusada
Lebih terperinciAninda Nurry M.F., Ira Mutiara Anjasmara Jurusan Teknik Geomatika FTSP-ITS, Kampus ITS Sukolilo, Surabaya,
KAJIAN PERUBAHAN TUTUPAN LAHAN DAERAH ALIRAN SUNGAI BRANTAS BAGIAN HILIR MENGGUNAKAN CITRA SATELIT MULTI TEMPORAL (STUDI KASUS: KALI PORONG, KABUPATEN SIDOARJO) Aninda Nurry M.F., Ira Mutiara Anjasmara
Lebih terperinciANALISIS PERUBAHAN SUHU PERMUKAAN TANAH DENGAN MENGGUNAKAN CITRA SATELIT TERRA DAN AQUA MODIS (STUDI KASUS : DAERAH KABUPATEN MALANG DAN SURABAYA)
ANALISIS PERUBAHAN SUHU PERMUKAAN TANAH DENGAN MENGGUNAKAN CITRA SATELIT TERRA DAN AQUA MODIS (STUDI KASUS : DAERAH KABUPATEN MALANG DAN SURABAYA) Oleh : Dawamul Arifin 3508 100 055 Jurusan Teknik Geomatika
Lebih terperinciIII. BAHAN DAN METODE
10 III. BAHAN DAN METODE 3.1. Tempat Dan Waktu Penelitian Penelitian dilakukan di laboratorium dan di lapang. Pengolahan citra dilakukan di Bagian Penginderaan Jauh dan Informasi Spasial dan penentuan
Lebih terperinciMODEL SIG-BINARY LOGISTIC REGRESSION UNTUK PREDIKSI PERUBAHAN PENGGUNAAN LAHAN (STUDI KASUS DI DAERAH PINGGIRAN KOTA YOGYAKARTA) TESIS
MODEL SIG-BINARY LOGISTIC REGRESSION UNTUK PREDIKSI PERUBAHAN PENGGUNAAN LAHAN (STUDI KASUS DI DAERAH PINGGIRAN KOTA YOGYAKARTA) TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister
Lebih terperinciBAB IV PENGOLAHAN DATA
BAB IV PENGOLAHAN DATA 4.1 Koreksi Geometrik Langkah awal yang harus dilakukan pada penelitian ini adalah melakukan koreksi geometrik pada citra Radarsat. Hal ini perlu dilakukan karena citra tersebut
Lebih terperinciPENGGUNAAN CITRA RESOLUSI TINGGI SEBAGAI DATA DASAR UNTUK RENCANA TATA RUANG KOTA (Studi Kasus : Kecamatan Rungkut, Surabaya)
JURNAL TEKNIK POMITS Vol. x, No. x (JUNI, 2014) ISSN: xxxx-xxxx 1 PENGGUNAAN CITRA RESOLUSI TINGGI SEBAGAI DATA DASAR UNTUK RENCANA TATA RUANG KOTA (Studi Kasus : Kecamatan Rungkut, Suraba) Heri Setiawan
Lebih terperinciMETODE PENELITIAN Kerangka Pemikiran
17 METODE PENELITIAN Kerangka Pemikiran Penggunaan lahan masa lalu dan penggunaan lahan masa kini sangat dipengaruhi oleh berbagai aspek yang saling berhubungan antara lain peningkatan jumlah penduduk
Lebih terperinciAnalisis Ketelitian Geometric Citra Pleiades 1A untuk Pembuatan Peta Dasar Lahan Pertanian (Studi Kasus: Kecamatan Socah, Kabupaten Bangkalan)
JURNAL TEKNIK ITS Vol. 5, 2, (2016) ISSN: 2337-3539 (2301-9271 Print) A375 Analisis Ketelitian Geometric Citra untuk Pembuatan Peta Dasar Lahan Pertanian (Studi Kasus: Kecamatan Socah, Kabupaten Bangkalan)
Lebih terperinciKOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN
KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN Rahayu *), Danang Surya Candra **) *) Universitas Jendral Soedirman
Lebih terperinciBAB II TINJAUAN PUSTAKA...
DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN... ii PERNYATAAN... iii INTISARI... iv ABSTRACT... v KATA PENGANTAR... vi DAFTAR ISI... viii DAFTAR TABEL... xi DAFTAR GAMBAR... xiii DAFTAR LAMPIRAN...
Lebih terperinciAnalisis Ketelitian Geometric Citra Pleiades 1B untuk Pembuatan Peta Desa (Studi Kasus: Kelurahan Wonorejo, Surabaya)
Analisis Ketelitian Geometric Citra Pleiades 1B untuk Pembuatan Peta Desa (Studi Kasus: Kelurahan Wonorejo, Surabaya) Iva Nurwauziyah, Bangun Muljo Sukojo, Husnul Hidayat Jurusan Teknik Geomatika, Fakultas
Lebih terperinciJurnal Geodesi Undip Januari 2016
ANALISIS PENGGUNAAN NDVI DAN BSI UNTUK IDENTIFIKASI TUTUPAN LAHAN PADA CITRA LANDSAT 8 (Studi Kasus : Wilayah Kota Semarang, Jawa Tengah) Dafid Januar, Andri Suprayogi, Yudo Prasetyo *) Program Studi Teknik
Lebih terperinciBAB III PEMBAHASAN. 3.1 Data. Data yang digunakan dalam penelitian ini berupa :
3.1 Data BAB III PEMBAHASAN Data yang digunakan dalam penelitian ini berupa : 1. Citra Landsat-5 TM, path 122 row 065, wilayah Jawa Barat yang direkam pada 2 Juli 2005 (sumber: LAPAN). Band yang digunakan
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1 Hasil Segmentasi Dari beberapa kombinasi scale parameter yang digunakan untuk mendapatkan segmentasi terbaik, untuk mengklasifikasikan citra pada penelitian ini hanya mengambil
Lebih terperinciBAB II TEORI DASAR. Beberapa definisi tentang tutupan lahan antara lain:
BAB II TEORI DASAR 2.1 Tutupan Lahan Tutupan Lahan atau juga yang biasa disebut dengan Land Cover memiliki berbagai pengertian, bahkan banyak yang memiliki anggapan bahwa tutupan lahan ini sama dengan
Lebih terperinciStudi Banding antara Metode Minimum Distance dan Gaussian Maximum Likelihood Sebagai Pengklasifikasi Citra Multispektral
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 2, 26-35, Agustus 2004, ISSN : 40-858 Studi Banding antara Metode Minimum Distance dan Gaussian Maximum Likelihood Sebagai Pengklasifikasi Citra Multispektral
Lebih terperinciAnalisa Perubahan Tutupan Lahan di Waduk Riam Kanan dan Sekitarnya Menggunakan Sistem Informasi Geografis(SIG) dan data citra Landsat
Analisa Perubahan Tutupan Lahan di Waduk Riam Kanan dan Sekitarnya Menggunakan Sistem Informasi Geografis(SIG) dan data citra Landsat Rully Sasmitha dan Nurlina Abstrak: Telah dilakukan penelitian untuk
Lebih terperinciBAB III PENGOLAHAN DATA. Pada bab ini akan dibahas tentang aplikasi dan pelaksanaan penelitian yang dilakukan dalam tugas akhir ini.
BAB III PENGOLAHAN DATA Pada bab ini akan dibahas tentang aplikasi dan pelaksanaan penelitian yang dilakukan dalam tugas akhir ini. 3.1 Lokasi Area Studi Dalam tugas akhir ini daerah Kabupaten Bandung
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Lokasi penelitian di DAS Citarum Hulu Jawa Barat dengan luasan sebesar + 230.802 ha. Penelitian dilaksanakan pada bulan Juni sampai dengan
Lebih terperinciBAB III METODA. Gambar 3.1 Intensitas total yang diterima sensor radar (dimodifikasi dari GlobeSAR, 2002)
BAB III METODA 3.1 Penginderaan Jauh Pertanian Pada penginderaan jauh pertanian, total intensitas yang diterima sensor radar (radar backscattering) merupakan energi elektromagnetik yang terpantul dari
Lebih terperinciPENGARUH FENOMENA LA-NINA TERHADAP SUHU PERMUKAAN LAUT DI PERAIRAN KABUPATEN MALANG
Pengaruh Fenomena La-Nina terhadap SPL Feny Arafah PENGARUH FENOMENA LA-NINA TERHADAP SUHU PERMUKAAN LAUT DI PERAIRAN KABUPATEN MALANG 1) Feny Arafah 1) Dosen Prodi. Teknik Geodesi Fakultas Teknik Sipil
Lebih terperinciIII METODOLOGI. 3.1 Lokasi dan Waktu Penelitian
III METODOLOGI 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan selama 9 bulan (Maret - November 2009), dan obyek penelitian difokuskan pada tiga kota, yaitu Kota Padang, Denpasar, dan Makassar.
Lebih terperinciPemetaan Tingkat Kekeringan Berdasarkan Parameter Indeks TVDI Data Citra Satelit Landsat-8 (Studi Kasus: Provinsi Jawa Timur)
Pemetaan Tingkat Kekeringan Berdasarkan Parameter Indeks TVDI Data Citra Satelit Landsat-8 (Studi Kasus: Provinsi Jawa Timur) Diah Witarsih dan Bangun Muljo Sukojo Jurusan Teknik Geomatika, Fakultas Teknik
Lebih terperinciAnalisa Kelayakan Penggunaan Citra Satelit WorldView-2 untuk Updating Peta Skala 1:1.000 (Studi Kasus :Surabaya Pusat)
1 Analisa Kelayakan Penggunaan Citra Satelit WorldView-2 untuk Updating Peta Skala 1:1.000 (Studi Kasus :Surabaya Pusat) Qurrata A yun, Agung Budi C. 1), Udiana Wahyu D. 2) Jurusan Teknik Geomatika, Fakultas
Lebih terperinciOleh : Hernandi Kustandyo ( ) Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember
Oleh : Hernandi Kustandyo (3508100001) Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember Ekosistem mangrove adalah salah satu obyek yang bisa diidentifikasi
Lebih terperinciIII. METODE PENELITIAN. Penelitian dilaksanakan di Taman Hutan Raya Wan Abdul Rachman (Tahura
III. METODE PENELITIAN A. Lokasi dan Waktu Penelitian Penelitian dilaksanakan di Taman Hutan Raya Wan Abdul Rachman (Tahura WAR). Berdasarkan administrasi pemerintahan Provinsi Lampung kawasan ini berada
Lebih terperinciIII. METODE PENELITIAN. berlokasi di kawasan Taman Nasional Way Kambas. Taman Nasional Way
13 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian dilaksanakan dari bulan Juni sampai dengan September 2012 yang berlokasi di kawasan Taman Nasional Way Kambas. Taman Nasional Way Kambas
Lebih terperinciEVALUASI PERKEMBANGAN DAN PERSEBARAN PEMBANGUNAN APARTEMEN SESUAI DENGAN RTRW SURABAYA TAHUN 2013 (Studi Kasus : Wilayah Barat Kota Surabaya)
JURNAL TEKNIK POMITS Vol. X, No. X, ( 2013) ISSN: 2301-9271 EVALUASI PERKEMBANGAN DAN PERSEBARAN PEMBANGUNAN APARTEMEN SESUAI DENGAN RTRW SURABAYA TAHUN 2013 (Studi Kasus : Wilayah Barat Kota Surabaya)
Lebih terperinciq Tujuan dari kegiatan ini diperolehnya peta penggunaan lahan yang up-to date Alat dan Bahan :
MAKSUD DAN TUJUAN q Maksud dari kegiatan ini adalah memperoleh informasi yang upto date dari citra satelit untuk mendapatkan peta penggunaan lahan sedetail mungkin sebagai salah satu paramater dalam analisis
Lebih terperinciSIDANG TUGAS AKHIR RG
SIDANG TUGAS AKHIR RG 091536 KAJIAN KETELITIAN PLANIMETRIS CITRA RESOLUSI TINGGI PADA GOOGLE EARTH UNTUK PEMBUATAN PETA DASAR SKALA 1: 10000 KECAMATAN BANJAR TIMUR KOTA BANJARMASIN NOORLAILA HAYATI 3507100044
Lebih terperinci5. PEMBAHASAN 5.1 Koreksi Radiometrik
5. PEMBAHASAN Penginderaan jauh mempunyai peran penting dalam inventarisasi sumberdaya alam. Berbagai kekurangan dan kelebihan yang dimiliki penginderaan jauh mampu memberikan informasi yang cepat khususnya
Lebih terperinciPemetaan Potensi Batuan Kapur Menggunakan Citra Satelit Landsat 8 di Kabupaten Tuban
A630 Pemetaan Potensi Batuan Kapur Menggunakan Citra Satelit Landsat 8 di Kabupaten Tuban Dhiyaulhaq Al Majid dan Bangun Muljo Sukojo Departemen Teknik Geomatika, Fakultas Teknik Sipil dan Perencanaan,
Lebih terperinci3 METODE. Lokasi dan Waktu Penelitian
8 3 METODE Lokasi dan Waktu Penelitian Lokasi penelitian adalah Kabupaten Bogor Jawa Barat yang secara geografis terletak pada 6º18 6º47 10 LS dan 106º23 45-107º 13 30 BT. Lokasi ini dipilih karena Kabupaten
Lebih terperinciJURNAL TEKNIK POMITS Vol. X, No. X, (Apr, 2013) ISSN:
JURNAL TEKNIK POMITS Vol. X, No. X, (Apr, 2013) ISSN: 2301-9271 1 Studi Perubahan Tutupan Lahan DAS Ciliwung Dengan Metode Klasifikasi Terbimbing Citra Landsat 7 ETM+ Multitemporal Tahun 2001 &2008 (Studi
Lebih terperinciJURNAL TEKNIK POMITS Vol. X, No. X, (XXXX) ISSN: XXXX-XXXX (XXXX-XXXX Print) 1
JURNAL TEKNIK POMITS Vol. X, No. X, (XXXX) ISSN: XXXX-XXXX (XXXX-XXXX Print) 1 Analisa Perubahan Tutupan Lahan Daerah Aliran Sungai Brantas Bagian Hilir Menggunakan Citra Satelit Multitemporal (Studi Kasus:
Lebih terperinciTUGAS AKHIR JURUSAN TEKNIK GEOMATIKA FAKULTAS TEKNIK SIPIL DAN PERENCANAAN INSTITUT TEKNOLOGI SEPULUIH NOPEMBER SURABAYA
JURUSAN TEKNIK GEOMATIKA FAKULTAS TEKNIK SIPIL DAN PERENCANAAN INSTITUT TEKNOLOGI SEPULUIH NOPEMBER SURABAYA TUGAS AKHIR STUDI PERUBAHAN GARIS PANTAI KAWASAN PESISIR SURABAYA DAN MADURA PASCA PEMBANGUNAN
Lebih terperinciSeminar Nasional Penginderaan Jauh ke-4 Tahun Staf Pengajar Jurusan Teknik Geodesi FT-UNPAK.
Pembuatan Peta Penutup Lahan Menggunakan Klasifikasi Terbimbing Metode Maximum Likelilhood Pada Citra Landsat 8 (Studi Kasus: Kabupaten Indramayu, Provinsi Jawa Barat) Making Land Cover Map Using Supervised
Lebih terperinciIII. METODE PENELITIAN. Kegiatan penelitian dilaksanakan pada bulan Oktober 2013 hingga Maret 2014.
33 III. METODE PENELITIAN A. Waktu dan Tempat Kegiatan penelitian dilaksanakan pada bulan Oktober 2013 hingga Maret 2014. Adapun penelitian dilaksanakan di pesisir Kabupaten Lampung Timur. Berikut ini
Lebih terperinciPENGGUNAAN CITRA SATELIT RESOLUSI TINGGI UNTUK PEMBUATAN PETA DASAR SKALA 1:5.000 KECAMATAN NGADIROJO, KABUPATEN PACITAN
JURNAL TEKNIK ITS Vol. 4, No. 1, (2015) ISSN: 2337-3539 (2301-9271 Print) A-399 PENGGUNAAN CITRA SATELIT RESOLUSI TINGGI UNTUK PEMBUATAN PETA DASAR SKALA 1:5.000 KECAMATAN NGADIROJO, KABUPATEN PACITAN
Lebih terperinciKOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN
KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN Rahayu *), Danang Surya Candra **) *) Universitas Jendral Soedirman
Lebih terperinciPerbandingan Pengaruh Koreksi Radiometrik Citra Landsat 8 Terhadap Indeks Vegetasi Pada Tanaman Padi
Perbandingan Pengaruh Koreksi Radiometrik Citra Landsat 8 Terhadap Indeks Vegetasi Pada Tanaman Padi Vivi Diannita Sari, Muhammad Taufik, Lalu Muhamad Jaelani Program Magister Teknik Geomatika FTSP ITS,
Lebih terperinciAplikasi Penginderaan Jauh Untuk Monitoring Perubahan Ruang Terbuka Hijau (Studi Kasus : Wilayah Barat Kabupaten Pasuruan)
Aplikasi Penginderaan Jauh Untuk Monitoring Perubahan Ruang Terbuka Hijau (Studi Kasus : Wilayah Barat Kabupaten Pasuruan) Ardiawan Jati, Hepi Hapsari H, Udiana Wahyu D Jurusan Teknik Geomatika, Fakultas
Lebih terperinciJURNAL TEKNIK ITS Vol. 6, No. 2, (2017) ISSN: ( Print) A-572
JURNAL TEKNIK ITS Vol., No., (01) ISSN: 33-353 (301-1 Print) A-5 Analisa Kondisi Ekosistem Mangrove Menggunakan Data Citra Satelit Multitemporal dan Multilevel (Studi Kasus: Pesisir Utara Surabaya) Deni
Lebih terperinciPEMANFAATAN TEKNOLOGI PENGINDERAAN JAUH UNTUK MONITORING DENSIFIKASI BANGUNAN DI DAERAH PERKOTAAN MAGELANG
PEMANFAATAN TEKNOLOGI PENGINDERAAN JAUH UNTUK MONITORING DENSIFIKASI BANGUNAN DI DAERAH PERKOTAAN MAGELANG Vembri Satya Nugraha vembrisatyanugraha@gmail.com Zuharnen zuharnen@ugm.ac.id Abstract This study
Lebih terperinciIII. METODOLOGI 3.1 Waktu Penelitian 3.2 Lokasi Penelitian
III. METODOLOGI 3.1 Waktu Penelitian Penelitian ini dilakukan dari bulan Februari sampai September 2011. Kegiatan penelitian ini meliputi tahap prapenelitian (persiapan, survei), Inventarisasi (pengumpulan
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1 Hasil Hasil penelitian tugas akhir ini berupa empat model matematika pendugaan stok karbon. Model matematika I merupakan model yang dibentuk dari persamaan regresi linear
Lebih terperinciLatar Belakang. Penggunaan penginderaan jauh dapat mencakup suatu areal yang luas dalam waktu bersamaan.
SIDANG TUGAS AKHIR PEMANFAATAN CITRA RESOLUSI TINGGI UNTUK MENGIDENTIFIKASI PERUBAHAN OBYEK BANGUNAN (STUDI KASUS UPDATING RENCANA DETAIL TATA RUANG KOTA UNIT PENGEMBANGAN RUNGKUT SURABAYA) Oleh Dewi Nur
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 21 Pengertian Regresi Linier Pengertian Regresi secara umum adalah sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih Analisis
Lebih terperinciEvaluasi Indeks Urban Pada Citra Landsat Multitemporal Dalam Ekstraksi Kepadatan Bangunan
Sukristiyanti et al. / Jurnal Riset Geologi dan Pertambangan Jilid 17 No.1 ( 2007) 1-10 1 Evaluasi Indeks Urban Pada Citra Landsat Multitemporal Dalam Ekstraksi Kepadatan Bangunan SUKRISTIYANTI a, R. SUHARYADI
Lebih terperinciStudi Perhitungan Jumlah Pohon Kelapa Sawit Menggunakan Metode Klasifikasi Berbasis Obyek
1 Studi Perhitungan Jumlah Pohon Kelapa Sawit Menggunakan Metode Klasifikasi Berbasis Obyek Hepi Hapsari Handayani, Maria Regina Caeli Jurusan Teknik Geomatika, Fakultas Teknik Sipil dan Perencanaan, Institut
Lebih terperinciSistem Informasi Pertanahan untuk Evaluasi Bidang Tanah (Studi Kasus : Perumahan Bumi Marina Emas Kelurahan Keputih Kecamatan Sukolilo Surabaya)
Sistem Informasi Pertanahan untuk Evaluasi Bidang Tanah (Studi Kasus : Perumahan Bumi Marina Emas Kelurahan Keputih Kecamatan Sukolilo Surabaya) Mitha Asyita R. 1), Muhammad Taufik 2), Jurusan Teknik Geomatika,
Lebih terperincimenunjukkan nilai keakuratan yang cukup baik karena nilai tersebut lebih kecil dari limit maksimum kesalahan rata-rata yaitu 0,5 piksel.
Lampiran 1. Praproses Citra 1. Perbaikan Citra Satelit Landsat Perbaikan ini dilakukan untuk menutupi citra satelit landsat yang rusak dengan data citra yang lainnya, pada penelitian ini dilakukan penggabungan
Lebih terperinciStudi Perubahan Fisik Kawasan Pesisir Surabaya dan Madura Pasca Pembangunan Jembatan Suramadu Menggunakan Citra Satelit
Studi Perubahan Fisik Kawasan Pesisir Surabaya dan Madura Pasca Pembangunan Jembatan Suramadu Menggunakan Citra Satelit Mifta Nur Rohmah 1), Dr. Ir. Muhammad Taufik 2) Jurusan Teknik Geomatika, Fakultas
Lebih terperinciIII. METODE PENELITIAN
14 III. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian ini dilakukan sejak bulan April 2009 sampai November 2009 di Laboratorium Penginderaan Jauh dan Interpretasi Citra, Departemen Ilmu
Lebih terperinciJURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)
A703 Analisa Ketelitian Geometrik Citra Pleiades 1A dan Worldview-2 untuk Pembuatan Peta Dasar Rencana Detail Tata Ruang Perkotaan (Studi Kasus: Surabaya Pusat) Ricko Buana Surya, Bangun Muljo Sukojo,
Lebih terperinciKAJIAN KETELITIAN KOREKSI GEOMETRIK DATA SPOT-4 NADIR LEVEL 2 A STUDI KASUS: NUSA TENGGARA TIMUR
Majalah Sains dan Teknologi Dirgantara Vol. 3 No. 3 September 2008:132-137 KAJIAN KETELITIAN KOREKSI GEOMETRIK DATA SPOT-4 NADIR LEVEL 2 A STUDI KASUS: NUSA TENGGARA TIMUR Muchlisin Arief, Kustiyo, Surlan
Lebih terperinciPerumusan Masalah Bagaimana kondisi perubahan tutupan lahan yang terjadi di daerah aliran sungai Ciliwung dengan cara membandingkan citra satelit
Latar Belakang Meningkatnya pembangunan di Cisarua, Bogor seringkali menimbulkan dampak tidak baik terhadap lingkungan. Salah satu contohnya adalah pembangunan yang terjadi di Daerah Aliran Sungai Ciliwung.
Lebih terperinciISSN Jalan Udayana, Singaraja-Bali address: Jl. Prof Dr Soemantri Brodjonogoro 1-Bandar Lampung
ISSN 0216-8138 73 SIMULASI FUSI CITRA IKONOS-2 PANKROMATIK DENGAN LANDSAT-7 MULTISPEKTRAL MENGGUNAKAN METODE PAN-SHARPEN UNTUK MENINGKATKAN KUALITAS CITRA DALAM UPAYA PEMANTAUAN KAWASAN HIJAU (Studi Kasus
Lebih terperinciIDENTIFIKASI LAHAN TAMBANG TIMAH MENGGUNAKAN METODE KLASIFIKASI TERBIMBING MAXIMUM LIKELIHOOD PADA CITRA LANDSAT 8
IDENTIFIKASI LAHAN TAMBANG TIMAH MENGGUNAKAN METODE KLASIFIKASI TERBIMBING MAXIMUM LIKELIHOOD PADA CITRA LANDSAT 8 (Identification of Tin Mining Area Using Maximum Likelihood Supervised Classification
Lebih terperinciBAB I PENDAHULUAN - 1 -
BAB I PENDAHULUAN 1.1 Latar Belakang Penduduk merupakan salah satu faktor yang dapat mempengaruhi pembangunan di suatu negara. Karena pada dasarnya suatu pembangunan ditujukan untuk dan oleh penduduk itu
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian mengenai analisis data Landsat 7 untuk estimasi umur tanaman kelapa sawit mengambil daerah studi kasus di areal perkebunan PTPN VIII
Lebih terperinciMODIFIKASI ALGORITMA AVHRR UNTUK ESTIMASI SUHU PERMUKAAN LAUT (SPL) CITRA AQUA MODIS
MODIFIKASI ALGORITMA AVHRR UNTUK ESTIMASI SUHU PERMUKAAN LAUT (SPL) CITRA Briliana Hendra P, Bangun Muljo Sukojo, Lalu Muhamad Jaelani Teknik Geomatika-ITS, Surabaya, 60111, Indonesia Email : gm0704@geodesy.its.ac.id
Lebih terperinciANALISIS KOREKSI GEOMETRIK MENGGUNAKAN METODE DIRECT GEOREFERENCING PADA CITRA SATELIT ALOS DAN FORMOSAT-2
ANALISIS KOREKSI GEOMETRIK MENGGUNAKAN METODE DIRECT GEOREFERENCING PADA CITRA SATELIT ALOS DAN Suzyantie Lisa Dewi, Eko uli Handoko ST,MT, Hepi Hapsari Handayani ST, Msc Program Studi Teknik Geomatika,
Lebih terperinciMODIFIKASI ALGORITMA AVHRR UNTUK ESTIMASI SUHU PERMUKAAN LAUT (SPL) CITRA SATELIT TERRA MODIS
MODIFIKASI ALGORITMA AVHRR UNTUK ESTIMASI SUHU PERMUKAAN LAUT (SPL) CITRA SATELIT TERRA MODIS Feny Arafah, Bangun Muljo Sukojo, Lalu Muhamad Jaelani Program Studi Teknik Geomatika, FTSP-ITS, Surabaya,
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN Latar Belakang Kegiatan pembangunan membawa perubahan dalam berbagai aspek kehidupan manusia dan lingkungan di sekitarnya. Kegiatan pembangunan meningkatkan kebutuhan manusia akan lahan.
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1. METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah metode survey dengan menyebarkan kuesioner secara acak kepada responden. Penelitian ini dilaksanakan
Lebih terperinciJurnal Geodesi Undip Oktober 2015
IDENTIFIKASI LAHAN SAWAH MENGGUNAKAN NDVI DAN PCA PADA CITRA LANDSAT 8 (Studi Kasus: Kabupaten Demak, Jawa Tengah) Ardiansyah, Sawitri Subiyanto, Abdi Sukmono *) Program Studi Teknik Geodesi Fakultas Teknik,
Lebih terperinciStella Swastika Putri Projo Danoedoro Abstract
Pemetaan Fraksi Penutup Lahan Kota Yogyakarta Menggunakan Teknik NMESMA Pada Citra Landsat 8 OLI Stella Swastika Putri stella.swastika.p@mail.ugm.ac.id Projo Danoedoro projo.danoedoro@geo.ugm.ac.id Abstract
Lebih terperinciBAB III METODE PENELITIAN
14 BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Kegiatan penelitian dilaksanakan pada bulan Mei sampai dengan September dengan mengambil lokasi penelitian di wilayah Kecamatan Cikalong, Tasikmalaya (Gambar
Lebih terperinciJurnal Geodesi Undip Oktober 2016
ANALISIS FENOMENA PULAU BAHANG (URBAN HEAT ISLAND) DI KOTA SEMARANG BERDASARKAN HUBUNGAN ANTARA PERUBAHAN TUTUPAN LAHAN DENGAN SUHU PERMUKAAN MENGGUNAKAN CITRA MULTI TEMPORAL LANDSAT Almira Delarizka,
Lebih terperinciJURNAL TEKNIK POMITS Vol. X, No. X, (Mei, 2013) ISSN:
Analisa Penggunaan Lahan Daerah Pengembangan Potensi Panas Bumi di Kecamatan Sempol, Bondowoso Melisa Amalia Mahardianti 1), M. Taufik 2), Widya Utama 3) Jurusan Teknik Geomatika, Fakultas Teknik Sipil
Lebih terperinciBAB III BAHAN DAN METODE
BAB III BAHAN DAN METODE 3.1 Waktu dan Lokasi Waktu penelitian dilaksanakan mulai bulan Mei sampai dengan Juni 2013 dengan lokasi penelitian meliputi wilayah Pesisir Utara dan Selatan Provinsi Jawa Barat.
Lebih terperinciPENGARUH JUMLAH DAN SEBARAN GCP PADA PROSES REKTIFIKASI CITRA WORLDVIEW II
PENGARUH JUMLAH DAN SEBARAN GCP PADA PROSES REKTIFIKASI CITRA WORLDVIEW II PENGARUH JUMLAH DAN SEBARAN GCP PADA PROSES REKTIFIKASI CITRA WORLDVIEW II INFLUENCE OF THE NUMBER AND DISTRIBUTION GCP FOR RECTIFICATION
Lebih terperinciBAB III DATA DAN METODOLOGI PENELITIAN
BAB III DATA DAN METODOLOGI PENELITIAN 3.1 Data Ada 3 data utama yang digunakan dalam penelitian ini. Data yang pertama adalah data citra satelit Landsat 7 ETM+ untuk daerah cekungan Bandung. Data yang
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN 5.1 Pengolahan Awal Citra (Pre-Image Processing) Pengolahan awal citra (Pre Image Proccesing) merupakan suatu kegiatan memperbaiki dan mengoreksi citra yang memiliki kesalahan
Lebih terperinciPemanfaatan Data Landsat-8 dan MODIS untuk Identifikasi Daerah Bekas Terbakar Menggunakan Metode NDVI (Studi Kasus: Kawasan Gunung Bromo)
Pemanfaatan Data Landsat-8 dan MODIS untuk Identifikasi Daerah Bekas Terbakar Menggunakan Metode NDVI (Studi Kasus: Kawasan Gunung Bromo) Nurul Aini Dan Bangun Muljo Sukojo Jurusan Teknik Geomatika, Fakultas
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
4.1 Koreksi Geometrik BAB IV HASIL DAN PEMBAHASAN Koreksi geometrik citra adalah proses memberikan sistem referensi dari suatu citra satelit. Dalam penelitian ini sistem koordinat yang digunakan adalah
Lebih terperinciJURNAL TEKNIK ITS Vol. X, No. X, (2016) ISSN: ( Print) 1
JURNAL TEKNIK ITS Vol. X, No. X, (2016) ISSN: 2337-3539 (2301-9271 Print) 1 Validasi Algoritma Estimasi konsentrasi Klorofil-a dan Padatan Tersuspensi Menggunakan Citra Terra dan Aqua Modis dengan Data
Lebih terperinciBAB III METODOLOGI 3.1 Waktu dan Tempat 3.2 Alat dan Data 3.3 Tahapan Pelaksanaan
15 BAB III METODOLOGI 3.1 Waktu dan Tempat Penelitian ini dilaksanakan mulai bulan Juli sampai dengan April 2011 dengan daerah penelitian di Kabupaten Bogor, Kabupaten Sukabumi, dan Kabupaten Cianjur,
Lebih terperinci