Pengaruh Pansharpening Terhadap Indeks Lahan Terbangun NDBI Menggunakan Citra Satelit Landsat 8 di Kota Pontianak
|
|
- Hartanti Fanny Lesmana
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Nasional Penginderaan Jauh ke-4 Tahun 2017 Pengaruh Pansharpening Terhadap Indeks Lahan Terbangun NDBI Menggunakan Citra Satelit Landsat 8 di Kota Pontianak Effect of Pansharpening on Built-up Index NDBI Using Landsat 8 Satelitte Imagery in Pontianak City Trida Ridho Fari Ilmu Lingkungan, Universitas Gadjah Mada trfariz@gmail.com ABSTRAK - Salah satu metode untuk deteksi permukiman dengan menggunakan citra satelit adalah indeks lahan terbangun NDBI (Normalized Difference Build-up Index). Citra satelit yang digunakan adalah citra satelit Landsat 8 dimana memiliki kelebihan berupa banyaknya jumlah band, terutama keberadaan band NIR dan SWIR-1 sebagai pembangun transformasi indeks lahan terbangun NDBI. Namun citra satelit Landsat 8 memiliki kelemahan yaitu resolusi spasialnya yang hanya sebesar 30m. Solusi dari masalah resolusi spasial citra satelit Landsat 8 bisa diatasi dengan metode penajaman citra yaitu pansharpening. Tujuan dari penelitian ini adalah untuk mengetahui metode pansharpening terbaik yang dapat diterapkan pada indeks lahan terbangun NDBI. Metode pansharpening tersebut adalah metode Gram-Schmidt dan UNB. Hasil penelitian menunjukkan bahwa secara umum metode UNB lebih baik dari metode Gram-Schmidt. Namun pansharpening yang digunakan dalam penelitian ini yaitu Gram-Schmidt dan UNB mengurangi akurasi indeks lahan terbangun NDBI dalam memberikan informasi lahan terbangun suatu wilayah. Kata kunci: NDBI, Pansharpening, Citra Satelit Landsat 8 ABSTRACT - The one method for the detection of settlements using Landsat 8 satellite imagary is the NDBI (Normalized Difference Build-up Index). Satellite imagery is used Landsat 8 satellite imagery, which has advantages in the number of bands, especially the existence of NIR and SWIR-1 bands as the builders of NDBI. However, Landsat 8 satellite image has a weakness of spatial resolution of only 30m. The solution of the spatial resolution problem of Landsat 8 satellite imagery can be solved by the image sharpening method that is pansharpening. The purpose of this research is to know the best pansharpening method that can be applied to built-up land indices NDBI. The pansharpening methods are the Yun Zhang PANSHARP and Gram-Schmidt. The results show that in general UNB method is better than Gram-Schmidt method. However, the pansharpening used in this study, Gram-Schmidt and UNB, reduced the accuracy of NDBI index in providing the information of build up area. Keywords: NDBI, Pansharpening, Landsat 8 Satelitte Imagery 1. PENDAHULUAN Kota Pontianak adalah salah satu kota dengan masalah permukimannya. Jumlah permukiman kumuh di Kota Pontianak sebesar 84,28 Ha. Ditambah lagi kebutuhan akan rumah semakin meningkat akibat peningkatan jumlah penduduk. Jumlah penduduk di Kota Pontianak setiap tahunnya mengalami peningkatan yang cukup signifikan, dimana pada tahun 1990 jumlah penduduk keseluruhan mencapai jiwa, dan dalam kurun waktu 10 tahun, pada tahun 2000, meningkat menjadi jiwa atau dengan pertumbuhan sebesar 7,7%. Kemudian dalam kurun waktu 10 tahun kemudian yaitu pada tahun 2010 menjadi jiwa, atau mengalami pertumbuhan sebesar 19,42% (Bappeda Kota Pontianak, 2015). Dalam hal ini Kota Pontianak memiliki kebijakan untuk menuju permukiman yang layak huni. Dimana itu merupakan salah satu bagian dari Indonesia New Urban Agenda. Indonesia New Urban Agenda sendiri adalah implementasi dari Goal 11 Sustainable Development Goals (SDGs) yang ditetapkan PBB 2015 silam. Beberapa kebijakan dan strategi tersebut antara lain: Pengembangan kawasan perumahan dan permukiman pada kawasan prioritas, penerapan lingkungan hunian berimbang, pemantapan kelembagaan perumahan dan permukiman, penataan kawasan perumahan dan permukiman kumuh dan penentuan kawasan permukiman baru. Dalam penentuan kebijakan tentu membutuhkan data yang bisa dijadikan dasar perencanaan, manajemen dan evaluasi. Data geospasial yang mampu menunjukkan letak, memetakan kuantitas, memetakan densitas, menunjukkan perubahan dan sebagainya dinilai sebagai data penting dalam penentuan kebijakan masalah permukiman di Kota Pontianak. Data spasial yang dimaksud bisa berupa data citra penginderaan jauh. Dimana citra penginderaan jauh seperti foto udara dan citra satelit resolusi tinggi seperti WorldView, Pleiades dan 53
2 Pengaruh Pansharpening Terhadap Indeks Lahan Terbangun NDBI Menggunakan Citra Satelit Landsat 8 di Kota Pontianak. (Fari) sebagainya tidak hanya mampu mendeteksi wilayah permukiman tapi juga mampu menunjukkan kenampakan rumah sehingga bisa dijadikan dianalisis lebih lanjut untuk mengetahui kepadatan suatu permukiman. Dibalik kelebihannya data geospasial berupa citra penginderaan jauh resolusi tinggi adanya juga kekurangannya yaitu harganya yang sangat mahal. Teknologi penginderaan jauh menawarkan banyak metode yang dapat dipergunakan untuk mendeteksi wilayah permukiman tersebut secara efisien, tak terkecuali menggunakan citra satelit beresolusi menengah kebawah. Kelebihan citra satelit resolusi menengah kebawah seperti citra satelit Landsat 8 adalah banyaknya jumlah band sehingga memungkinkan untuk membuat komposisi dan indeks guna mempermudah ekstraksi informasi permukiman. Salah satu metode untuk deteksi permukiman dengan menggunakan citra satelit Landsat 8 adalah indeks lahan terbangun NDBI (Normalized Difference Build-up Index). Indeks lahan terbangun NDBI pernah diaplikasikan Zha dkk (2003) untuk memetakan lahan perkotaan di Kota Nanjing, Tiongkok. Hasil pemetaan menunjukkan akurasi sebesar 92,6 %. Suwarsono dan Khomarudin (2014) juga menggunakan indeks NDBI untuk deteksi wilayah permukiman di bentuk lahan vulkanik dengan tingkat akurasi sebesar 61,74%. Selain itu Fariz (2017) juga menggunakan NDBI untuk mengestimasi kepadatan permukiman di Kota Pontianak. Hasil estimasi memiliki korelasi sebesar 0,75 itu berarti hasil sampel akurasi yang ada antara data observasi lapangan dengan data estimasi kerapatan memiliki korelasi yang kuat, walaupun memiliki RMSE (Root Means Square Error) yang rendah yaitu sebesar 5,10. Berdasarkan kajian terhadap NDBI, dapat diketahui bahwa NDBI dapat memahami penutup lahan terutama lahan terbangun dengan baik. Tetapi NDBI yang dihasilkan hanya memiliki resolusi spasial 30m. Dalam hal ini ada teknik pengolahan data penginderaan jauh yang cukup bisa menjadi solusi dalam resolusi spasial yaitu pansharpening. Pansharpening adalah penajaman spasial citra satelit dengan cara fusi atau penggabungan antara citra multispektral dan pankromatik. Citra multispektral pada Landsat 8 memiliki resolusi spasial 30m sedangkan pankromatik sebesar 15m. Citra pankromatik pada Landsat 8 yang memiliki resolusi 15m memiliki kekurangan yaitu warnanya yang hanya hitam putih dan pansharpening bisa menghasilkan citra multispektral dengan resolusi spasial seperti citra pankromatik. 54 Gambar 1. Hasil perbandingan metode pansharpening (Mercovich, 2015) Ada beberapa metode dalam pansharpening seperti Brovey, Ehlers, modified hue-intensity-saturation (Mod-HIS), high pass filtering (HPF), UNB, Gram-Schmidt dan sebagainya. Mercovich (2015) pernah melakukan evaluasi terhadap hasil pansharpening pada citra satelit WorldView-2, dan dari hasil perhitungan menunjukkan bahwa UNB dan Gram-Schmidt memiliki kemampuan yang cukup baik dalam segi spektral maupun spasial seperti ditunjukkan pada Gambar 1. Metode Pansharpening Gram Schmidt memiliki nilai korelasi tertinggi untuk digunakan sebagai indeks vegetasi NDVI dibandingkan dengan metode Ehlers fusion (EF), modified hue-intensity-saturation (Mod- HIS), high pass filtering (HPF), Brovey transform (BT), dan wavelet-based principal component analysis (W- PC), berdasarkan penelitian Jawak dan Luis (2013) yang mengevaluasi metode Pansharpening menggunakan citra satelit WorldView-2. Sedangkan metode Pansharpening UNB atau Yun Zhang PANSHARP secara
3 Seminar Nasional Penginderaan Jauh ke-4 Tahun 2017 konsisten dapat menghasilkan gambar warna beresolusi tinggi yang memiliki detail yang sama seperti input gambar pankromatik resolusi tinggi dan warna yang sama dengan input gambar beresolusi rendah. (Adhamkhiabani, 2014). Oleh karena itu penelitian ini bertujuan untuk mengetahui kemampuan metode pansharpening pada indeks lahan terbangun NDBI. Metode pansharpening yang digunakan adalah Gram-Schmidt dan UNB atau Yun Zhang PANSHARP karena menurut pengetahuan peneliti kedua metode pansharpening tersebut adalah yang terbaik. Hasil dari pengaplikasiaan metode pansharpening pada indeks lahan terbangun NDBI diharapkan peneliti sebagai solusi dalam menyediakan data penginderaan jauh yang dapat memberikan informasi lahan terbangun seperti permukiman dengan baik dari segi kualitas maupun kuantitas namun efisien dari segi waktu dan biaya. 2. METODE Obyek pada penelitian ini adalah lahan terbangun di Kota Pontianak. Kota Pontianak adalah ibukota dari Provinsi Kalimantan Barat yang secara astronomis terletak pada 0 02' 24" LU 0 01' 37" LS dan ' 25" ' 04" BT. Kota Pontianak dibelah oleh Sungai Kapuas yang merupakan sungai terpanjang di Indonesia dan Sungai Landak. Data-data yang digunakan dalam penelitian ini antara lain: citra satelit Landsat 8 OLI perekaman 21 Agustus 2014 dan foto udara wilayah Kota Pontianak resolusi spasial 15cm dengan tahun perekaman Data-data tersebut diolah sesuai urutan berdasarkan penelitian Jawak dan Luis (2013). 2.1 Pra-pengolahan Citra Satelit Pra pengolahan citra satelit dalam penelitian ini adalah koreksi radiometri. Koreksi radimetri berupa kalibrasi nilai spektral ke nilai ToA (Top of Atmosphere) Planetary Reflectance. Rumus kalibrasi ke nilai ToA Planetary Reflectantance (USGS, 2013) adalah sebagai berikut: ρλ' = ( ) = ( )...(1) dimana: ρλ' : ToA Planetary Reflectantance dengan koreksi sudut matahari Mp : Nilai Reflektan Multi Band Qcal : Nilai piksel Ap : Nilai Reflektan Add Band ΘSZ : Sudut zenithal matahari dalam derajat ΘSE : Sudut elevasi matahari dalam derajat Hasil koreksi radiometrik tersebut hanya hingga sensor reflectance saja, untuk meminimalisir gangguan dari spektral lain dan supaya mendapatkan spektral asli dari objek maka dilakukan koreksi atmosferik. Koreksi atmosferik yang digunakan adalah DOS (Dark of Substraction) guna mendapatkan nilai reflektan terendah yaitu sebesar Pansharpening dan Transformasi Indeks Lahan Terbangun NDBI Sesuai yang sudah dipaparkan dilatar belakang bahwa metode pansharpening yang digunakan adalah metode Gram-Schmidt dan UNB. Metode Gram-Schmidt atau juga dikenal dengan SFIM (Smoothing Filtered based Intensity Modulation) digunakan pada perangkat lunak ENVI juga IDRISI, sedangkan metode UNB atau Yun Zhang PANSHARP digunakan pada peranagkat lunak PCI Geomatica. Setelah melakukan pansharpening, selanjutnya adalah melakukan transfromasi citra berupa indeks lahan terbangun NDBI. Nilai NDBI dalam penelitin ini didapat dengan mengadopsi metode perhitungan dari (Zha dkk,2003), yaitu NDBI= (SWIR-1-NIR)/(SWIR-1+NIR)...(2) dimana: NDBI : Indeks lahan terbangun NDBI SWIR-1 : Kanal Shortwave Infared NIR : Kanal Near Infared 55
4 Pengaruh Pansharpening Terhadap Indeks Lahan Terbangun NDBI Menggunakan Citra Satelit Landsat 8 di Kota Pontianak. (Fari) Berdasarkan perhitungan NDBI dari Zha (2003), band yang digunakan dalam transformasi NDBI adalah band SWIR-1 (Shortwave Infrared) atau inframerah pendek dan band NIR (Near Infrared) atau inframerah dekat. Pada citra satelit Landsat 8, band SWIR-1 berada pada band 6 sedangkan band NIR berada pada band Uji Akurasi Hasil Pansharpening dan Indeks Lahan Terbangun NDBI Uji akurasi dalam penelitian ini hanya menggunakan analisis korelasi dan penghitungan nilai RMSE. Ada beberapa hasil yang diuji akurasinya dalam penelitian ini. Yang pertama adalah uji akurasi antar band multispektral dan band hasil pansharpening. Band yang digunakan hanya band sebagai pembangun transformasi NDBI yaitu band NIR dan band SWIR-1. Yang kedua adalah uji akurasi antara indeks lahan terbangun NDBI dengan indeks lahan terbangun NDBI hasil pansharpening. Dan terakhir adalah uji akurasi yang hanya uji korelasi antara indeks lahan terbangun NDBI hasil pansharpening dengan informasi kerapatan lahan terbangun dilapangan yang diwakili oleh foto udara Kota Pontianak resolusi spasial 15cm. Analisis korelasi dimaksudkan untuk mengetahui derajat hubungan antara variabel Y yang merupakan nilai band hasil pansharpening dengan variabel X yang merupakan band asli (tanpa pansharpening). Analisis regresi digunakan untuk mengetahui besarnya pengaruh yang diakibatkan adanya perubahan pada setiap variabel X. Hubungan pengaruh kedua data ditentukan oleh nilai korelasi (R) dan koefisien determinasi (R2) yang dihasilkan. 3. HASIL DAN PEMBAHASAN 3.1 Perbandingan Band NIR dan SWIR-1 dengan Hasil Pansharpening Penelitian ini hanya menggunakan citra satelit Landsat 8 dengan liputan area lahan terbangun saja. Hal ini dilakukan agar peneliti benar-benar bisa mengetahui kemampuan pansharpaening pada indeks lahan terbangun NDBI. Untuk itu citra satelit Landsat 8 dipotong dahulu menggunakan deliniasi tutupan lahan berupa lahan terbangun. Gambar 2. Diagram Scatter Hasil Pansharpening Pada band NIR Dari hasil perbandingan band NIR dengan hasil pansharpening (Gambar 2) menunjukkan bahwa pada band NIR metode UNB lebih baik daripada metode Gram-Schmidt. Metode UNB memiliki korelasi sebesar 0,307 sedangkan metode Gram-Schmidt hanya 0,119. Metode UNB juga memiliki koefisien determinasi sebesar 0,09, lebih besar dari metode Gram-Schmidt yang memiliki koefisien determinasi sebesar 0,01. Untuk nilai RMSE, metode UNB jauh memiliki nilai yang lebih baik yaitu 0,28 sedangkan metode Gram- Schmidt hanya 1,50. Pada uji akurasi metode RMSE, semakin nilai RMSE mendekati 0, maka semakin bagus akurasinya. Sedangkan pada nilai korelasi (R) dan koefesien determinasi (R 2 ) semakin nilainya mendekati 1 berati semakin baik akurasinya. Metode UNB memang memiliki nilai korelasi yang lebih baik dari metode Gram- Schmidt. Tetapi nilainya jauh dari 1. Sehingga bisa dikatakan bahwa tidak terdapat hubungan yang kuat antara band NIR dengan band NIR hasil pansharpening baik menggunakan metode UNB ataupun metode Gram-Schmidt (Gambar 3). 56
5 Seminar Nasional Penginderaan Jauh ke-4 Tahun 2017 Gambar 3. Diagram Scatter Hasil Pansharpening Pada band SWIR-1 Dari hasil perbandingan band SWIR-1 dengan hasil pansharpening metode Gram-Schmidt memiliki korelasi sebesar 0,244 sedangkan metode UNB hanya 0,177. Metode Gram-Schmidt juga memiliki koefisien determinasi sebesar 0,06, lebih besar dari metode UNB yang memiliki koefesien determinasi sebesar 0,003. Tetapi untuk nilai RMSE, metode UNB justru memiliki nilai yang lebih baik yaitu 0,20 sedangkan metode Gram-Schmidt hanya 0,33. Berbeda dengan band NIR, pada band SWIR-1 metode Gram-Schmidt memiliki nilai korelasi dan koefesien determinasi lebih baik dari metode UNB. Tetapi nilai korelasinya sangat jauh dari 1, sehingga bisa dikatakan bahwa tidak terdapat hubungan yang kuat antara band SWIR-1 dengan band SWIR-1 hasil pansharpening baik menggunakan metode UNB ataupun metode Gram-Schmidt. Untuk RMSE, metode UNB memiliki nilai lebih baik daripada metode Gram-Schmidt sama seperti pada band NIR. Rahaman (2017) melakukan uji statistik antara band multispektral dengan band pankromatik pada citra satelit Landsat 8 wilayah bagian selatan Provinsi Alberta, Kanada. Uji statistik antara band multispektral tampak (Blue, Green, Red) dengan band pankromatik memiliki nilai korelasi tertinggi dengan koefesien determinasi antara 0.90 sampai Untuk band NIR tidak ada tumpang tindih dalam hal resolusi spektral sehingga memiliki korelasi yang cukup rendah dengan nilai koefisien determinasi sebesar 0,53. Begitu juga dengan band SWIR-1 dan band SWIR-2 tidak ada tumpang tindih dalam hal resolusi spektral tetapi memiliki korelasi yang tinggi dengan nilai koefisien determinasi antara 0,70 sampai 0,90. Perbedaan dalam mengidentifikasi obyek yang membuat tidak ada tumpang tindih dalam hal resolusi spektral pada band NIR dan SWIR-1 dengan band pankromatik. Hal ini yang membuat terjadi perbedaan nilai reflectance dimana pada band asli, nilai reflectance tertinggi adalah 1,5 sedangkan hasil pansharpening baik metode Gram-Schimdt maupun metode UNB memiliki nilai 2,0 sampai 4,0 bahkan mencapai 9,0 untuk metode Gram-Schimdt pada band NIR. 3.2 Perbandingan NDBI Hasil Pansharpening Indeks lahan terbangun NDBI dikembangkan oleh Zha, dkk. (2003) menggunakan analogi dari indeks vegetasi NDVI (Normallised Difference Vegetation Index). Nilai NDBI mempunyai rentang nilai yang sama dengan NDBI, yaitu -1 sampai 1. Dimana nilai piksel semakin mendekati 1 maka semakin menunjukkan bahwa obyek yang ditunjukkan oleh piksel tersebut adalah lahan terbangun. Danoedoro (2012) membandingkan secara visual beberapa transformasi citra seperti UI (Urban Index), NDVI (Normallised Difference Vegetation Index), NDBI (Normallised Difference Built Index) dan Built-up Area yang merupakan pengurangan nilai NDBI dengan NDVI pada Kota Semarang. Citra UI kurang bagus dalam menyajikan perbedaan lahan terbangun dengan non lahan terbangun, sedangkan NDBI bagus dalam menyajikan perbedaan lahan terbangun dan non terbangun meskipun peraairan bewarna cerah. Sedangkan NDVI sama seperti NDBI tetapi dengan kecenderungan terbalik dan citra Built-up Area kurang tajam dibandingkan NDBI dan justru menunjukkan perairan yang cerah sehingga bisa dikacaukan dengan bangunan perkotaan. 57
6 Pengaruh Pansharpening Terhadap Indeks Lahan Terbangun NDBI Menggunakan Citra Satelit Landsat 8 di Kota Pontianak. (Fari) Gambar 4. Diagram Scatter Hasil Pansharpening Pada NDBI Nilai NDBI hasil pansharpening metode Gram-Schmidt memiliki nilai terendah -0,30 dan nilai tertinggi -0,23. NDBI hasil pansharpening metode Gram-Schmidt memiliki korelasi sebesar 0,59 dengan koefisien determinasi sebesar 0,35. Sedangkan nilai RMSE sebesar 0,15 yang berarti selisih nilai NDBI hasil pansharpening metode Gram-Schmidt dengan NDBI yang asli adalah sebesar 0,15. Sedangkan NDBI hasil pansharpening metode UNB memiliki nilai terendah -0,35 dan nilai tertinggi 0,32. NDBI hasil pansharpening metode UNB memiliki korelasi sebesar 0,69 dengan koefisien determinasi sebesar 0,48. Sedangkan nilai RMSE sebesar 0,07 yang berarti selisih nilai NDBI hasil pansharpening metode UNB dengan NDBI yang asli adalah sebesar 0,07. Rentang nilai NDBI hasil pansharpening metode Gram-Schmidt memiliki rentang yang sangat kecil bahkan nilai maksimalnya kurang dari 0. Berbeda dengan rentang nilai NDBI hasil pansharpening metode UNB memiliki rentang yang hampir sama dengan NDBI tanpa pansharpening. Korelasi NDBI hasil pansharpening metode UNB juga memiliki nilai yang baik, dimana nilai korelasi sebesar 0,69 yang berarti memiliki hubungan yang kuat antara NDBI hasil pansharpening metode UNB dengan NDBI tanpa pansharpening. Selain itu nilai RMSE NDBI hasil pansharpening metode UNB lebih kecil dari NDBI hasil pansharpening metode Gram-Schmidt. Gambar 5. Diagram Scatter NDBI dan Kondisi Lahan Terbangun Pada Foto Udara Selanjutnya citra NDBI hasil pansharpening dibandingkan dengan kondisi kerapatan bangunan dilapangan yang diwakilkan dengan foto udara. Foto udara yang memiliki resolusi spasial 15cm mampu menunjukkan kenampakan rumah dengan sangat baik. Uji akurasi menggunakan analisis statistik berupa korelasi dan regresi. Dimana variabel X adalah citra NDBI hasil pansharpening sedangkan variabel Y adalah 58
7 Seminar Nasional Penginderaan Jauh ke-4 Tahun 2017 luas lahan terbangun pada luasan piksel citra hasil pansharpening. Dimana citra hasil pansharpening memiliki ukuran piksel 15x15 meter. Lahan terbangun yang termasuk dalam hitungan antara lain rumah dan lahan dengan tutupan aspal,semen dan paving. Dari hasil analisis statistik, citra NDBI memiliki korelasi yang kuat dengan kondisi lahan terbangun di lapangan yang diwakilkan oleh foto udara, dengan nilai korelasi sebesar 0,67 dengan koefisien determinasi sebesar 0,45. Citra NDBI hasil pansharpening metode Gram-Schmidt memiliki nilai korelasi sebesar 0,39 dengan koefesien determinasi sebear 0,15 sedangkan citra NDBI hasil pansharpening metode UNB memiliki nilai korelasi sebesar 0,57 dengan koefesien determinasi sebesar 0,32. Citra NDBI hasil pansharpening dengan metode UNB memilki hubungan yang lebih kuat dengan kondisi lahan terbangun di lapangan yang ditunjukkan dengan nilai korelasi sebesar 0,57 dibandingkan dengan citra NDBI hasil pansharpening dengan metode Gram-Schmidt. Gambar 6. Perbandingan Kenampakan Permukiman Pada Foto Udara dan NDBI Pansharpening Pada Gambar 6 tersaji kenampakan citra NDBI, hasil pansharpening Gram-Schmidt, UNB dan kenampakan pada foto udara. Terlihat bahwa rentang warna pansharpening metode UNB lebih mirip dengan NDBI yang asli dibandingkan dengan pansharpening metode UNB. Jika membandingkan antara foto udara dengan citra NDBI, terlihat bahwa nilai tertinggi NDBI terdapat pada permukiman yang rapat tanpa ada tutupan lahan vegetasi. Selain kerapatan lahan terbangun yang menjadi faktor yang membuat semakin tingginya nilai NDBI adalah bahan atap bangunan tersebut. Bahan atap berupa metal (seng dan alumunium) dan asebestos memiiki nilai NDBI yang lebih tinggi daripada bangunan dengan atap tanah liat. Untuk Kota Pontianak sendiri sebagian besar bangunan menggunakan atap dari seng baik permukiman, kompleks perumahan dan bangunan kantor, diperkirakan sekitar 90% rumah di Kota Pontianak beratap seng. (Khayan dkk, 2002). Kebiasaan masyarakat di Kota Pontianak yang mengkonsumsi air hujan lah yang menjadi salah satu alasan penggunaan atap seng pada bangunan. Air sumur yang jelek membuat masyarakat menampung air hujan sebagai konsumsi dalam kasus ini atap seng membuat air yang mengalir dari atap ke talang air lalu kepenampungan air tetap jernih berbeda dengan atap tanah liat. Secara umum metode pansharpening UNB yang dikembangkan oleh Yun Zhang dari New Brunswick University memiliki keunggulan dari metode Gram-Schmidt. Metode UNB unggul dari semua uji akurasi 59
8 Pengaruh Pansharpening Terhadap Indeks Lahan Terbangun NDBI Menggunakan Citra Satelit Landsat 8 di Kota Pontianak. (Fari) kecuali pada uji akurasi dengan membandingkan band SWIR-1 dengan band SWIR-1 hasil pansharpening, itu pun hanya pada hasil analisis statistik. Walaupun secara umum metode pansharpening UNB unggul dari metode Gram-Schmidt, bukan berarti metode UNB sangat sesuai diaplikasikan pada indeks lahan terbangun NDBI. Hal ini mengingat uji akurasi NDBI hasil pansharpening UNB menunjukkan nilai yang cukup. Selain itu, pada Gambar 7 tersaji perbandingan visual citra satelit Landsat 8 komposit 654 dengan panshapening dan tanpa pansharpening. Disitu terlihat bahwa hanya digunakan sebagai citra komposit, metode UNB memiliki kemiripan dengan citra satelit Landsat komposit 654 alami (tanpa pansharpening) daripada metode Gram-Schmidt. Metode Gram-Schmidt tidak hanya menunjukkan warna sungai yang berbeda tetapi juga menunjukkan beberapa piksel yang bewarna putih sangat terang yang tidak terlihat pada citra satelit Landsat komposit 654 alami. Pengaplikasian metode pansharpening pada indeks lahan terbangun tidak serta merta terbatas hanya menggunakan metode Gram-Schmidt dan UNB dan indeks lahan terbangun NDBI. Karena masih banyak metode pansharpening yang ada seperti Ehlers, Modified Intensity-Hue-Saturation (M-IHS), High Pass Filter (HPF), dan lain-lain. Gambar 7. Perbandingan Citra Satelit Landsat 8 Komposit 654 Pansharpening dan Tanpa Begitu juga dengan indeks lahan terbangun yang juga banyak jenisnya selain NDBI seperti Urban Index (UI), built-up area extraction method (BAEM) dan lain-lain. Untuk BAEM misalnya yang digunakan Bhatti dan Tripathi (2014) untuk identifikasi wilayah permukiman di Kota Lahore, Pakistan. BAEM sendiri adalah kombinasi dari NDBI, NDBI dan MNDWI, hasil dari model ini memiliki nilai akurasi lebih besar dari NDBI yang hanya sebesar 71,5% dan 80,5% untuk BAEM. BAEM yang menggunakan band tampak (red, green, blue) diasumsi oleh peneliti membuat nilai indeks lahan terbangun dengan pansharpening memiliki hubungan 60
9 Seminar Nasional Penginderaan Jauh ke-4 Tahun 2017 yang kuat. Hal ini berdasarkan hasil uji statistik antara band multispektral tampak (Blue, Green, Red) dengan band pankromatik yang dilakukan oleh Rahaman (2017) dimana hasilnya nilai korelasi yang tinggi dengan koefisien determinasi antara 0.90 sampai 0.98 berbeda dengan band inframerah baik dekat maupun pendek yang koefisien determinasinya 0,53 pada NIR, 0,70 pada band SWIR-1 dan 0,90 pada band SWIR-2. Penelitian terkait pengaplikasian pansharpening pada indeks lahan terbangun dengan metode yang lain diharapkan dapat menjadi solusi penyediaan data penginderaan jauh untuk informasi terkait lahan terbangun yang memiliki kualitas yang baik tetapi efisien dalam biaya. 4. KESIMPULAN Secara umum metode pansharpening UNB yang dikembangkan oleh Yun Zhang dari New Brunswick University memiliki keunggulan dari metode Gram-Schmidt. Metode UNB unggul dari semua uji akurasi kecuali pada uji akurasi dengan membandingkan band SWIR-1 dengan band SWIR-1 hasil pansharpening, itu pun hanya pada hasil analisis statistik. Walaupun secara umum metode pansharpening UNB unggul dari metode Gram-Schmidt, bukan berarti metode UNB sangat sesuai diaplikasikan pada indeks lahan terbangun NDBI. Hal ini mengingat uji akurasi NDBI hasil pansharpening UNB menunjukkan nilai yang cukup. Peneliti dapat memberikan kesimpulan bahwa pansharpening metode Gram-Schmidt dan UNB tidak terlalu cocok diterapkan pada indeks lahan terbangun NDBI. Pansharpening yang digunakan dalam penelitian ini yaitu Gram-Schmidt dan UNB mengurangi akurasi indeks lahan terbangun NDBI dalam memberikan informasi lahan terbangun suatu wilayah. Sehingga pansharpening metode UNB dan Gram-Schmidt yang diaplikasikan pada indeks lahan terbangun NDBI belum bisa memberikan solusi dalam penyediaan data penginderaan jauh untuk studi lahan terbangun yang efisien dari segi waktu dan biaya. 5. UCAPAN TERIMA KASIH Ucapan terima kasih diberikan kepada Ibu Ely Nurhidayati dari Politeknik Negeri Pontianak dalam penyediaan data spasial. 6. DAFTAR PUSTAKA Adhamkhiabani, Adham, S., Zhang, Yun dan Fathollahi, dan Fatemeh. (2014). Influence of image compression on the quality of UNB pan-sharpened imagery: a case study with security video image frames. Proceedings Volume 9100, Image Sensing Technologies: Materials, Devices, Systems, and Applications; 91000X (2014). BAPPEDA Kota Pontianak. (2015). Habis MDGs Terbitlah Target : Era Baru Mewujudkan Permukiman Layak Huni dan Berkelanjutan di Kota Pontianak. pontianakkota.go.id/berita-45-habis-mdgs-terbitlah-target era-baru-mewujudkan-permukiman-layak-huni-dan-berkelanjutan-di-kota-pontianak.html. Diakses: 19/04/17. Bhatti, Saleem, S., Tripathi, dan Kumar, N. (2014). Built-up area extraction using Landsat 8 OLI imagery. GIScience and Remote Sensing, 2014 Vol. 51, No. 4, Danoedoro, Projo. (2012). Pengantar Penginderaan Jauh Digital. Yogyakarta: Penerbit Andi. Fariz dan Ridho, T. (2017). OBIA Classification and Built-up Land Indices NDBI For Estimation Of Settlement Density In Pontianak City. Jurnal Geografi Vol 14, No 2 (2017): July Jawak, Shridhar, D., dan Luis Alvarinho J. (2013). A Comprehensive Evaluation of PAN-Sharpening Algorithms Coupled with Resampling Methods for Image Synthesis of Very High Resolution Remotely Sensed Satellite Data. Advances in Remote Sensing, 2013, 2, Mercovich, dan Ryan A. (2015). Evaluation techniques and metrics for assessment of Pan+MSI fusion (Pansharpening). Algorithms and Technologies for Multispectral, Hyperspectral, and Ultraspectral Imagery XXI. Khayan, Sudarmadji, Sutomo, dan Heru, A. (2002). Hubungan Waktu Penampungan Air Hujan Dengan Penurunan Keracunan Pb Pada Masyarakat Kota Pontianak. Gama Sains IV (2) Juli Khan, R. R., K.,. Hassan, Q. K., dan Ahmed, M. R. (2017). Pan-Sharpening of Landsat-8 Images and Its Application in Calculating Vegetation Greenness and Canopy Water Contents. Suwarsono dan Khomarudin, M. R. (2014). Deteksi Wilayah Permukiman Pada Bentuklahn Vulkanik Menggunakan Citra Landsat-8 OLI Berdasarkan Parameter Normalized Difference Build-up Index (NDBI). Prosiding Seminar Nasional Penginderaan Jauh
10 Pengaruh Pansharpening Terhadap Indeks Lahan Terbangun NDBI Menggunakan Citra Satelit Landsat 8 di Kota Pontianak. (Fari) U.S. Geological Survey. (2013). Landsat Processing Details. usgs.gov/landsat8_using_product.php Diakses: 01/04/17. Zha, Y., Gao, J., dan Ni, S. (2003). Use of normalized difference built-up index in automatically mapping urban areas from TM imagery. International Journal of Remote Sensing. 24(3), pp
KOREKSI 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 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 terperinciPEMETAAN LAHAN TERBANGUN PERKOTAAN MENGGUNAKAN PENDEKATAN NDBI DAN SEGMENTASI SEMI-AUTOMATIK
PEMETAAN LAHAN TERBANGUN PERKOTAAN MENGGUNAKAN PENDEKATAN NDBI DAN SEGMENTASI SEMI-AUTOMATIK Iswari Nur Hidayati1, Suharyadi2, Projo Danoedoro2 1 Program Doktor pada Program Studi Geografi UGM 2 Fakultas
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 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 terperinciEVALUASI METODE FUSI CITRA MULTI RESOLUSI MENGGUNAKAN ALGORITMA WANG BOVIK DAN OBJECT BASED IMAGE ANALYSIS (OBIA)
EVALUASI METODE FUSI CITRA MULTI RESOLUSI MENGGUNAKAN ALGORITMA WANG BOVIK DAN OBJECT BASED IMAGE ANALYSIS (OBIA) Sanjiwana Arjasakusuma 1,3*, Yanuar Adji N. 2, Isti Fadatul K. 2 dan Pramaditya W. 3 1
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 4 Subset citra QuickBird (uint16).
5 Lingkungan Pengembangan Perangkat lunak yang digunakan pada penelitian ini adalah compiler Matlab versi 7.0.1. dengan sistem operasi Microsoft Window XP. Langkah persiapan citra menggunakan perangkat
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tanaman kelapa sawit (Elaeis guineensis Jacq.) merupakan tanaman perkebunan utama di Indonesia. Kelapa sawit menjadi komoditas penting dikarenakan mampu memiliki rendemen
Lebih terperinciRANCANG BANGUN APLIKASI FUSI CITRA (IMAGE FUSION) DARI DATA PENGINDERAAN JAUH MENGGUNAKAN METODE PANSHARPENING TUGAS AKHIR
RANCANG BANGUN APLIKASI FUSI CITRA (IMAGE FUSION) DARI DATA PENGINDERAAN JAUH MENGGUNAKAN METODE PANSHARPENING TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan studi Program
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 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 terperinciImage Fusion: Trik Mengatasi Keterbatasan Citra
Image Fusion: Trik Mengatasi Keterbatasan itra Hartanto Sanjaya Pemanfaatan cita satelit sebagai bahan kajian sumberdaya alam terus berkembang, sejalan dengan semakin majunya teknologi pemrosesan dan adanya
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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dinamika kebumian memang menarik untuk dipelajari, dikenali dan dikaji. Kajian yang sering dilakukan terutama oleh bidang ilmu kebumian antara lain kajian tentang
Lebih terperinciPEMETAAN KERUSAKAN MANGROVE MENGGUNAKAN CITRA LANDSAT OLI DI DELTA MAHAKAM, KALIMATAN TIMUR
PEMETAAN KERUSAKAN MANGROVE MENGGUNAKAN CITRA LANDSAT OLI DI DELTA MAHAKAM, KALIMATAN TIMUR Ratri Ma rifatun Nisaa, Nurul Khakhim Prodi Kartografi dan Penginderaan Jauh, Fakultas Geografi UGM E-mail: ratri.marifatun@gmail.com
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Lahan merupakan bentang permukaan bumi yang dapat bermanfaat bagi manusia baik yang sudah dikelola maupun belum. Untuk itu peran lahan cukup penting dalam kehidupan
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 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 terperinciPEMANFAATAN CITRA LANDSAT 8 UNTUK IDENTIFIKASI NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) DI KECAMATAN SILAT HILIR KABUPATEN KAPUAS HULU
PEMANFAATAN CITRA LANDSAT 8 UNTUK IDENTIFIKASI NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) DI KECAMATAN SILAT HILIR KABUPATEN KAPUAS HULU Ajun Purwanto Program Sudi Pendidikan Geografi Fakultas Ilmu
Lebih terperinciAdenan Yandra Nofrizal Mahasiswa Jurusan Geografi Universitas Negeri Padang Abstrak
NORMALIZED DIFFERENCE BUILT-UPINDEX (NDBI) SEBAGAI PARAMETER IDENTIFIKASI PERKEMBANGAN PERMUKIMAN KUMUH PADA KAWASAN PESISIR DI KELURAHAN KALANG KAWAL, KECAMATAN GUNUNG KIJANG, KABUPATEN BINTAN Adenan
Lebih terperinciLAPORAN PRAKTIKUM PENGINDERAAN JAUH KOMPOSIT BAND CITRA LANDSAT DENGAN ENVI. Oleh: Nama : Deasy Rosyida Rahmayunita NRP :
LAPORAN PRAKTIKUM PENGINDERAAN JAUH KOMPOSIT BAND CITRA LANDSAT DENGAN ENVI Oleh: Nama : Deasy Rosyida Rahmayunita NRP : 3513100016 Dosen Pembimbing: Nama : Prof.Dr.Ir. Bangun Muljo Sukojo, DEA, DESS NIP
Lebih terperinciBAB II. TINJAUAN PUSTAKA
DAFTAR ISI Halaman HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii KATA PENGANTAR... iv DAFTAR ISI... vi DAFTAR TABEL... ix DAFTAR GAMBAR... x DAFTAR LAMPIRAN... xii ABSTRACT... xiii
Lebih terperinciPEMETAAN MANGROVE DENGAN TEKNIK IMAGE FUSION CITRA SPOT DAN QUICKBIRD DI PULAU LOS KOTA TANJUNGPINANG PROVINSI KEPULAUAN RIAU
PEMETAAN MANGROVE DENGAN TEKNIK IMAGE FUSION CITRA SPOT DAN QUICKBIRD DI PULAU LOS KOTA TANJUNGPINANG PROVINSI KEPULAUAN RIAU Reygian Freila Chevalda 1), Yales Veva Jaya, S.Pi, M.Si 2), dan Dony Apdillah,
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 terperinciAnalisa Kondisi Ekosistem Mangrove Menggunakan Data Citra Satelit Multitemporal dan Multilevel (Studi Kasus: Pesisir Utara Surabaya)
A554 Analisa Kondisi Ekosistem Mangrove Menggunakan Data Citra Satelit Multitemporal dan Multilevel (Studi Kasus: Pesisir Utara Surabaya) Deni Ratnasari dan Bangun Muljo Sukojo Departemen Teknik Geomatika,
Lebih terperinciABSTRAK. Kata kunci: Ruang Terbuka Hijau, Penginderaan Jauh, Citra Landsat 8, Indeks Vegetasi (NDVI, MSAVI2 dan WDRVI) vii
ABSTRAK Ruang Terbuka Hijau kota adalah bagian dari ruang-ruang terbuka (open space) suatu wilayah perkotaan yang diisi oleh tumbuhan dan berbagai jenis Vegetasi lainnya. Keanekaragaman suatu Vegetasi
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan pembangunan pada suatu negara dapat dijadikan sebagai tolak ukur kualitas dari pemerintahan suatu negara. Pembangunan wilayah pada suatu negara dapat
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 terperinciSarono Sigit Heru Murti B.S
ESTIMASI PRODUKSI PADI DENGAN MENGGUNAKAN NDVI (NORMALIZED DIFFERENCE VEGETATION INDEXS) PADA LAHAN SAWAH HASIL SEGMENTASI CITRA ALOS DI KABUPATEN KARANGANYAR Sarono sarono34@gmail.com Sigit Heru Murti
Lebih terperinciMETODE PENAJAMAN (PANSHARPEN) CITRA LANDSAT 8
METODE PENAJAMAN (PANSHARPEN) CITRA LANDSAT 8 Dianovita *), Fadilah Muchsin *) *) Pusat Teknologi Data Penginderaan Jauh, LAPAN e-mail: dianovita2001@yahoo.com Abstract Many sharpening method has been
Lebih terperinciBangunan Berdasarkan Citra Landsat 5 TM dan Sentinel 2A MSI (Kasus: Kota Salatiga) Anggito Venuary S
Interpretasi Hibrida Untuk Identifikasi Perubahan Lahan Terbangun dan Kepadatan Bangunan Berdasarkan Citra Landsat 5 TM dan Sentinel 2A MSI (Kasus: Kota Salatiga) Anggito Venuary S anggitovenuary@outlook.com
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 terperinciCitra Satelit IKONOS
Citra Satelit IKONOS Satelit IKONOS adalah satelit inderaja komersiil pertama yang dioperasikan dengan tingkat ketelitian 1 meter untuk model pankromatik dan 4 meter untuk model multispektral yang merupakan
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 terperinciBAB I PENDAHULUAN 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Berdasarkan Undang-Undang Nomor 41 Tahun 1999, bahwa mangrove merupakan ekosistem hutan, dengan definisi hutan adalah suatu ekosistem hamparan lahan berisi sumber daya
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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Indonesia merupakan negara agraris dimana sebagian besar penduduknya bekerja sebagai petani. Berdasarkan sensus penduduk tahun 2010, jumlah penduduk yang bermata pencaharian
Lebih terperinciPERUBAHAN DELTA DI MUARA SUNGAI PORONG, SIDOARJO PASCA PEMBUANGAN LUMPUR LAPINDO
PERUBAHAN DELTA DI MUARA SUNGAI PORONG, SIDOARJO PASCA PEMBUANGAN LUMPUR LAPINDO Ima Nurmalia Permatasari 1, Viv Dj. Prasita 2 1) Mahasiswa Jurusan Oseanografi, Universitas Hang Tuah 2) Dosen Jurusan Oseanografi,
Lebih terperinciKARAKTERISTIK CITRA SATELIT Uftori Wasit 1
KARAKTERISTIK CITRA SATELIT Uftori Wasit 1 1. Pendahuluan Penginderaan jarak jauh merupakan salah satu teknologi penunjang pengelolaan sumber daya alam yang paling banyak digunakan saat ini. Teknologi
Lebih terperinciPENAJAMAN INFORMASI OBYEK PERMUKAAN BUMI DENGAN FUSI CITRA PENG1NDERAAN JAUH BERDASARKAN WAVELET
PENAJAMAN INFORMASI OBYEK PERMUKAAN BUMI DENGAN FUSI CITRA PENG1NDERAAN JAUH BERDASARKAN WAVELET Mohammad Natsir Peneliti Pusat Data Penginderaan Jauh, LAPAN ABSTRACT There are different cases that high
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 terperinci09 - Penginderaan Jauh dan Pengolahan Citra Dijital. by: Ahmad Syauqi Ahsan
09 - Penginderaan Jauh dan Pengolahan Citra Dijital by: Ahmad Syauqi Ahsan Remote Sensing (Penginderaan Jauh) is the measurement or acquisition of information of some property of an object or phenomena
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 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 terperinciJURNAL GEOGRAFI Media Pengembangan Ilmu dan Profesi Kegeografian
JURNAL GEOGRAFI Media Pengembangan Ilmu dan Profesi Kegeografian http://journal.unnes.ac.id/sju/index.php/ujet ESTIMASI PRODUKTIVITAS PADI MENGGUNAKAN TEKNIK PENGINDERAAN JAUH DALAM MENDUKUNG PROGRAM SWASEMBADA
Lebih terperinciIndeks Vegetasi Bentuk komputasi nilai-nilai indeks vegetasi matematis dapat dinyatakan sebagai berikut :
Indeks Vegetasi Bentuk komputasi nilai-nilai indeks vegetasi matematis dapat dinyatakan sebagai berikut : NDVI=(band4 band3)/(band4+band3).18 Nilai-nilai indeks vegetasi di deteksi oleh instrument pada
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 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 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 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 terperinciPEDOMAN PEMANTAUAN PERUBAHAN LUAS PERMUKAAN AIR DANAU MENGGUNAKAN DATA SATELIT PENGINDERAAN JAUH
2015 PUSAT PEMANFAATAN PENGINDERAAN JAUH LAPAN Danau Rawa Pening, Provinsi Jawa Tengah PEDOMAN PEMANTAUAN PERUBAHAN LUAS PERMUKAAN AIR DANAU MENGGUNAKAN DATA SATELIT PENGINDERAAN JAUH LI1020010101 PEDOMAN
Lebih terperinciANALISIS PANSHARPENING CITRA SPOT 5
ANALISIS PANSHARPENING CITRA SPOT 5 Sukentyas Estuti Siwi *) dan Hendayani Yusuf *) *) Pusat Teknologi dan Data Penginderaan Jauh, LAPAN e-mail: sukentyas.estuti@lapan.go.id Abstract Image fusion can be
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Hasil sensus jumlah penduduk di Indonesia, dengan luas wilayah kurang lebih 1.904.569 km 2 menunjukkan adanya peningkatan jumlah penduduk, dari tahun 2010 jumlah penduduknya
Lebih terperinciProsiding Seminar Nasional Aplikasi Teknologi Prasarana Wilayah (ATPW), Surabaya, 11 Juni 2015, ISSN
ANALISIS PARAMETER KUALITAS AIR LAUT DI PERAIRAN KABUPATEN SUMENEP UNTUK PEMBUATAN PETA SEBARAN POTENSI IKAN PELAGIS (Studi Kasus : Total Suspended Solid (TSS)) Feny Arafah, Muhammad Taufik, Lalu Muhamad
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 I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dewasa ini perkembangan fisik penggunaan lahan terutama di daerah perkotaan relatif cepat dibandingkan dengan daerah perdesaan. Maksud perkembangan fisik adalah penggunaan
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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penginderaan jauh yaitu berbagai teknik yang dikembangkan untuk perolehan dan analisis informasi tentang bumi. Informasi tersebut berbentuk radiasi elektromagnetik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kandungan air kanopi (Canopy Water Content) sangat erat kaitannya dalam kajian untuk mengetahui kondisi vegetasi maupun kondisi ekosistem terestrial pada umumnya. Pada
Lebih terperinciix
DAFTAR ISI viii ix x DAFTAR TABEL Tabel 1.1. Emisivitas dari permukaan benda yang berbeda pada panjang gelombang 8 14 μm. 12 Tabel 1.2. Kesalahan suhu yang disebabkan oleh emisivitas objek pada suhu 288
Lebih terperinciSudaryanto dan Melania Swetika Rini*
PENENTUAN RUANG TERBUKA HIJAU (RTH) DENGAN INDEX VEGETASI NDVI BERBASIS CITRA ALOS AVNIR -2 DAN SISTEM INFORMASI GEOGRAFI DI KOTA YOGYAKARTA DAN SEKITARNYA Sudaryanto dan Melania Swetika Rini* Abstrak:
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penginderaan jauh merupakan ilmu pengetahuan, teknologi, dan seni perolehan informasi objek di permukaan Bumi melalui hasil rekamannya (Sutanto,2013). Objek di permukaan
Lebih terperinciCLOUD MASKING DATA SPOT-6 DENGAN MENGGUNAKAN PENDEKATAN NILAI REFLEKTANSI DAN GEOMETRI
CLOUD MASKING DATA SPOT-6 DENGAN MENGGUNAKAN PENDEKATAN NILAI REFLEKTANSI DAN GEOMETRI Danang Surya Candra *), Kustiyo *), Hedy Ismaya *) *) Pusat Teknologi dan Data Penginderaan Jauh, LAPAN e-mail: thedananx@yahoo.com
Lebih terperinciLatar belakang. Kerusakan hutan. Perlu usaha: Perlindungan Pemantauan 22/06/2012
Deteksi Kesehatan Hutan Menggunakan Data Penginderaan Jauh di Hutan Lahan Kering SIGIT NUGROHO Latar belakang Kerusakan hutan Perlu usaha: Perlindungan Pemantauan Efisien waktu Efektif Hemat biaya Mudah
Lebih terperinciDAFTAR TABEL. No. Tabel Judul Tabel No. Hal.
DAFTAR ISI Halaman Judul... No Hal. Intisari... i ABSTRACT... iv KATA PENGANTAR... v DAFTAR ISI... vii DAFTAR TABEL... ix DAFTAR GAMBAR... x DAFTAR LAMPIRAN... xi BAB I... 1 1.1. Latar Belakang... 1 1.2.
Lebih terperinciAplikasi Object-Based Image Analysis (OBIA) untuk Deteksi Perubahan Penggunaan Lahan Menggunakan Citra ALOS AVNIR-2
Aplikasi Object-Based Image Analysis (OBIA) untuk Deteksi Perubahan Penggunaan Lahan Menggunakan Citra ALOS AVNIR-2 Tunjung S. Wibowo tjswibowo@gmail.com R. Suharyadi suharyadir@ugm.ac.id Abstract The
Lebih terperinciAnalisis Indeks Vegetasi Menggunakan Citra Satelit FORMOSAT-2 Di Daerah Perkotaan (Studi Kasus: Surabaya Timur)
JURNAL TEKNIK POMITS Vol. X, No. X, (Apr, 2013) ISSN: 2301-9271 1 Analisis Indeks Vegetasi Menggunakan Citra Satelit FORMOSAT-2 Di Daerah Perkotaan (Studi Kasus: Surabaya Timur) Agneszia Anggi Ashazy dan
Lebih terperinciLAMPIRAN 1 HASIL KEGIATAN PKPP 2012
LAMPIRAN 1 HASIL KEGIATAN PKPP 2012 JUDUL KEGIATAN: PENGUATAN KAPASITAS DAERAH DAN SINERGITAS PEMANFAATAN DATA INDERAJA UNTUK EKSTRAKSI INFORMASI KUALITAS DANAU BAGI KESESUAIAN BUDIDAYA PERIKANAN DARAT
Lebih terperinciKATA PENGANTAR Aplikasi Penginderaan Jauh dalam Mendeteksi Kebakaran Hutan Menggunakan Citra Satelit Landsat
KATA PENGANTAR Puji syukur penulis panjatkan kehadirat Ida Sang Hyang Widhi Wasa/Tuhan Yang Maha Esa, karena atas berkat dan rahmat-nya, penulis dapat menyelesaikan tugas akhir dengan judul Aplikasi Penginderaan
Lebih terperinciPEMANFAATAN CITRA SATELIT ALOS HASIL METODE PAN SHARPENING UNTUK PEMETAAN RUANG TERBUKA HIJAU WILAYAH PERKOTAAN PATI
PROGRAM STUDI TEKNIK GEOMATIKA FAKULTAS TEKNIK SIPIL DAN PERENCANAAN INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA PEMANFAATAN CITRA SATELIT ALOS HASIL METODE PAN SHARPENING Aji Syarifah Dwi Nurhayati Dosen
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 terperinciStudi Akurasi Citra Landsat 8 dan Citra MODIS untuk Pemetaan Area Terbakar (Studi Kasus: Provinsi Riau)
A758 Studi Akurasi Citra Landsat 8 dan Citra MODIS untuk Pemetaan Area Terbakar (Studi Kasus: Provinsi Riau) Agita Setya Herwanda, Bangun Muljo Sukojo Jurusan Teknik Geomatika, Fakultas Teknik Sipil dan
Lebih terperinci& Kota TUGAS AKHIR. Oleh Wahyu Prabowo
ANALISISS NILAII BACKSCATTERING CITRA RADARS SAT UNTUK IDENTIFIKASI PADI (Studi Kasus : Kabupaten & Kota Bogor, Jawa Barat) TUGAS AKHIR Karya tulis sebagai salah satu syarat untuk memperoleh gelar Sarjana
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 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 terperinciPEMANFAATAN CITRA ASTER DIGITAL UNTUK ESTIMASI DAN PEMETAAN EROSI TANAH DI DAERAH ALIRAN SUNGAI OYO. Risma Fadhilla Arsy
PEMANFAATAN CITRA ASTER DIGITAL UNTUK ESTIMASI DAN PEMETAAN EROSI TANAH DI DAERAH ALIRAN SUNGAI OYO Risma Fadhilla Arsy Abstrak : Penelitian di Daerah Aliran Sungai Oyo ini bertujuan mengesktrak parameter
Lebih terperinciPetunjuk teknis penggunaan software pengolahan citra Landsat-8
Petunjuk teknis penggunaan software pengolahan citra Landsat-8 Pusat Teknologi dan Data Penginderaan Jauh Lembaga dan Penerbangan Nasional (LAPAN) Desember 2014 1 Petunjuk Penggunaan Software Pengolahan
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 terperinciEVALUASI METODE PENAJAMAN CITRA MULTISPEKTRAL DENGAN MEMANFAATKAN KANAL PANKROMATIK
EVALUASI METODE PENAJAMAN CITRA MULTISPEKTRAL DENGAN MEMANFAATKAN KANAL PANKROMATIK Dianovita Pusat Data Penginderaan Jauh LAPAN Jl. Lapan No.70 Pekayon Pasar Rebo Jakarta Timur 13710 Telp: +62-21-8710786
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pemanfaatan penggunaan lahan akhir-akhir ini semakin mengalami peningkatan. Kecenderungan peningkatan penggunaan lahan dalam sektor permukiman dan industri mengakibatkan
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 terperinciStaf Pengajar Fakultas Geografi Universitas Gadjah Mada, 2
ANALISIS PAN-SHARPENING UNTUK MENINGKATKAN KUALITAS SPASIAL CITRA PENGINDERAAN JAUH DALAM KLASIFIKASI TATA GUNA TANAH Iswari Nur Hidayati 1, Eni Susanti 2, Westi Utami 3 Abstract: Pan-sharpened transformation
Lebih terperinciBAB I PENDAHULUAN PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN I. PENDAHULUAN 1.1 Latar Belakang Hutan mangrove merupakan komunitas vegetasi pantai tropis, yang didominasi oleh beberapa spesies pohon mangrove yang mampu tumbuh dan berkembang pada
Lebih terperinciRIZKY ANDIANTO NRP
ANALISA INDEKS VEGETASI UNTUK IDENTIFIKASI TINGKAT KERAPATAN VEGETASI HUTAN GAMBUT MENGGUNAKAN CITRA AIRBORNE HYPERSPECTRAL HYMAP ( Studi kasus : Daerah Hutan Gambut Kabupaten Katingan dan Kabupaten Pulang
Lebih terperinciKAJIAN PEMROSESAN CITRA DIGITAL ASTER MULTITEMPORAL UNTUK DETEKSI TELAGA DAN TERKAIT PERMUKIMAN DI KAWASAN KARST KABUPATEN GUNUNGKIDUL
KAJIAN PEMROSESAN CITRA DIGITAL ASTER MULTITEMPORAL UNTUK DETEKSI TELAGA DAN TERKAIT PERMUKIMAN DI KAWASAN KARST KABUPATEN GUNUNGKIDUL Luthfiyah luth_luthfiyah@yahoo.co.id Nurul Khakhim nrl khakhim@yahoo.com
Lebih terperinciAPLIKASI CITRA SPOT 7 UNTUK ESTIMASI PRODUKSI HIJAUAN RUMPUT PAKAN DI TAMAN NASIONAL BALURAN JAWA TIMUR (Kasus Padang Rumput Bekol)
APLIKASI CITRA SPOT 7 UNTUK ESTIMASI PRODUKSI HIJAUAN RUMPUT PAKAN DI TAMAN NASIONAL BALURAN JAWA TIMUR (Kasus Padang Rumput Bekol) Habib Sidiq Anggoro sidiqanggoro@gmail.com Sigit Heru Murti B S sigit@geo.ugm.ac.id
Lebih terperinciLampiran 1. Peta klasifikasi penutup lahan Kodya Bogor tahun 1997
LAMPIRAN Lampiran 1. Peta klasifikasi penutup lahan Kodya Bogor tahun 1997 17 Lampiran 2. Peta klasifikasi penutup lahan Kodya Bogor tahun 2006 18 Lampiran 3. Peta sebaran suhu permukaan Kodya Bogor tahun
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian tugas akhir ini. Proses ini sangat berpengaruh terhadap hasil akhir penellitan. Pada tahap ini dilakukan
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 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 terperinciKajian Nilai Indeks Vegetasi Di Daerah Perkotaan Menggunakan Citra FORMOSAT-2 Studi Kasus: Surabaya Timur L/O/G/O
Sidang Tugas Akhir Kajian Nilai Indeks Vegetasi Di Daerah Perkotaan Menggunakan Citra FORMOSAT-2 Studi Kasus: Surabaya Timur Agneszia Anggi Ashazy 3509100061 L/O/G/O PENDAHULUAN Latar Belakang Carolita
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 terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Kawasan perkotaan adalah kawasan yang mempunyai kegiatan utama bukan pertanian, dengan susunan fungsi kawasan sebagai tempat permukiman perkotaan, dengan susunan fungsi
Lebih terperinciANALISA KESEHATAN VEGETASI MANGROVE BERDASARKAN NILAI NDVI (NORMALIZED DIFFERENCE VEGETATION INDEX ) MENGGUNAKAN CITRA ALOS
ANALISA KESEHATAN VEGETASI MANGROVE BERDASARKAN NILAI NDVI (NORMALIZED DIFFERENCE VEGETATION INDEX ) MENGGUNAKAN CITRA ALOS Oleh : Tyas Eka Kusumaningrum 3509 100 001 LATAR BELAKANG Kawasan Pesisir Kota
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 I PENDAHULUAN. Bab ini berisi tentang latar belakang, tujuan, dan sistematika penulisan. BAB II KAJIAN LITERATUR
BAB I PENDAHULUAN 1.1 Latar Belakang Citra yang direkam oleh satelit, memanfaatkan variasi daya, gelombang bunyi atau energi elektromagnetik. Selain itu juga dipengaruhi oleh cuaca dan keadaan atmosfer
Lebih terperinciABSTRAK. Kata Kunci: kebakaran hutan, penginderaan jauh, satelit Landsat, brightness temperature
ABSTRAK Indonesia sebagai negara kepulauan memiliki hamparan hutan yang luas tidak terlepas dengan adanya masalah-masalah lingkungan yang dihasilkan, khususnya kebakaran hutan. Salah satu teknologi yang
Lebih terperinciGeo Image 5 (2) (2016) Geo Image.
Geo Image 5 (2) (2016) Geo Image http://journal.unnes.ac.id/sju/index.php/geoimage ESTIMASI PRODUKTIVITAS PADI MENGGUNAKAN TEKNIKPENGINDERAAN JAUH DALAM MENDUKUNG PROGRAM SWASEMBADA PANGAN Ahmad Yazidun
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 terperinci