📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 5 dokumenPERANCANGAN APLIKASI PEMODELAN RISIKO PAPARAN PANAS BERBASISKAN DATA SPASIAL DAN DATA SOSIAL- EKONOMI
Peningkatan suhu permukaan di wilayah perkotaan akibat urbanisasi dan perubahan tutupan lahan berpotensi meningkatkan risiko paparan panas yang berdampak pada kesehatan dan kualitas hidup masyarakat. Analisis risiko paparan panas umumnya melibatkan berbagai tahapan pengolahan data spasial yang dilakukan secara manual sehingga memerlukan waktu yang relatif lama dan rentan terhadap kesalahan. Penelitian ini bertujuan mengembangkan Thermato (THERMal Risk Mapping and Analysis TOol), yaitu aplikasi pemodelan risiko paparan panas berbasiskan data spasial berupa plugin Quantum Geographic Information System (QGIS) yang mampu mengotomasi proses analisis risiko paparan panas melalui integrasi parameter Land Surface Temperature (LST), Normalized Difference Vegetation Index (NDVI), Normalized Difference Built-up Index (NDBI), dan kepadatan penduduk dalam satu alur kerja terstruktur. Pengembangan produk dilakukan menggunakan metode Waterfall serta memanfaatkan bahasa pemrograman Python, API PyQGIS, dan standar QGIS Plugin Architecture. Model risiko dibangun menggunakan metode Weighted Linear Combination (WLC) dengan mengintegrasikan komponen bahaya (hazard), paparan (exposure), dan kerentanan (vulnerability) berbasiskan data spasial untuk menghasilkan indeks risiko paparan panas. Hasil pengembangan menunjukkan bahwa Thermato berhasil diimplementasikan sebagai plugin QGIS yang mampu melakukan validasi data, penyamaan resolusi raster, pembobotan parameter, klasifikasi risiko, pembentukan data vektor, dan pembuatan laporan analisis secara otomatis. Pengujian komparatif menunjukkan tingkat kesesuaian sebesar 92,62% pada Risk Continuous Raster serta 95,48% pada Risk Classified Raster dan Risk Vector dibandingkan dengan alur kerja manual. Selain itu, waktu pemrosesan berhasil dikurangi dari ratarata 113,33 menit menjadi 8,67 menit sehingga meningkatkan efisiensi analisis secara signifikan sebesar sekitar 1.307%. Hasil evaluasi pengguna juga menunjukkan tanggapan positif terhadap kemudahan penggunaan, kejelasan alur kerja, dan kualitas keluaran yang dihasilkan. Dengan demikian, Thermato dapat menjadi aplikasi pemodelan risiko paparan panas berbasis data spasial yang efektif untuk mendukung analisis dan pemetaan risiko paparan panas secara lebih cepat, konsisten, dan terstandarisasi dalam lingkungan Sistem Informasi Geografis.
PERANCANGAN APLIKASI PEMODELAN RISIKO PAPARAN PANAS BERBASISKAN DATA SPASIAL DAN DATA SOSIOEKONOMI.
Peningkatan suhu permukaan di wilayah perkotaan akibat urbanisasi dan perubahan tutupan lahan berpotensi meningkatkan risiko paparan panas yang berdampak pada kesehatan dan kualitas hidup masyarakat. Analisis risiko paparan panas umumnya melibatkan berbagai tahapan pengolahan data spasial yang dilakukan secara manual sehingga memerlukan waktu yang relatif lama dan rentan terhadap kesalahan. Penelitian ini bertujuan mengembangkan Thermato (THERMal Risk Mapping and Analysis TOol), yaitu aplikasi pemodelan risiko paparan panas berbasiskan data spasial berupa plugin Quantum Geographic Information System (QGIS) yang mampu mengotomasi proses analisis risiko paparan panas melalui integrasi parameter Land Surface Temperature (LST), Normalized Difference Vegetation Index (NDVI), Normalized Difference Built-up Index (NDBI), dan kepadatan penduduk dalam satu alur kerja terstruktur. Pengembangan produk dilakukan menggunakan metode Waterfall serta memanfaatkan bahasa pemrograman Python, API PyQGIS, dan standar QGIS Plugin Architecture. Model risiko dibangun menggunakan metode Weighted Linear Combination (WLC) dengan mengintegrasikan komponen bahaya (hazard), paparan (exposure), dan kerentanan (vulnerability) berbasiskan data spasial untuk menghasilkan indeks risiko paparan panas. Hasil pengembangan menunjukkan bahwa Thermato berhasil diimplementasikan sebagai plugin QGIS yang mampu melakukan validasi data, penyamaan resolusi raster, pembobotan parameter, klasifikasi risiko, pembentukan data vektor, dan pembuatan laporan analisis secara otomatis. Pengujian komparatif menunjukkan tingkat kesesuaian sebesar 92,62% pada Risk Continuous Raster serta 95,48% pada Risk Classified Raster dan Risk Vector dibandingkan dengan alur kerja manual. Selain itu, waktu pemrosesan berhasil dikurangi dari ratarata 113,33 menit menjadi 8,67 menit sehingga meningkatkan efisiensi analisis secara signifikan sebesar sekitar 1.307%. Hasil evaluasi pengguna juga menunjukkan tanggapan positif terhadap kemudahan penggunaan, kejelasan alur kerja, dan kualitas keluaran yang dihasilkan. Dengan demikian, Thermato dapat menjadi aplikasi pemodelan risiko paparan panas berbasis data spasial yang efektif untuk mendukung analisis dan pemetaan risiko paparan panas secara lebih cepat, konsisten, dan terstandarisasi dalam lingkungan Sistem Informasi Geografis.
PERANCANGAN APLIKASI PEMODELAN RISIKO PAPARAN PANAS BERBASISKAN DATA SPASIAL DAN DATA SOSIAL- EKONOMI
Peningkatan suhu permukaan di wilayah perkotaan akibat urbanisasi dan perubahan tutupan lahan berpotensi meningkatkan risiko paparan panas yang berdampak pada kesehatan dan kualitas hidup masyarakat. Analisis risiko paparan panas umumnya melibatkan berbagai tahapan pengolahan data spasial yang dilakukan secara manual sehingga memerlukan waktu yang relatif lama dan rentan terhadap kesalahan. Penelitian ini bertujuan mengembangkan Thermato (THERMal Risk Mapping and Analysis TOol), yaitu aplikasi pemodelan risiko paparan panas berbasiskan data spasial berupa plugin Quantum Geographic Information System (QGIS) yang mampu mengotomasi proses analisis risiko paparan panas melalui integrasi parameter Land Surface Temperature (LST), Normalized Difference Vegetation Index (NDVI), Normalized Difference Built-up Index (NDBI), dan kepadatan penduduk dalam satu alur kerja terstruktur. Pengembangan produk dilakukan menggunakan metode Waterfall serta memanfaatkan bahasa pemrograman Python, API PyQGIS, dan standar QGIS Plugin Architecture. Model risiko dibangun menggunakan metode Weighted Linear Combination (WLC) dengan mengintegrasikan komponen bahaya (hazard), paparan (exposure), dan kerentanan (vulnerability) berbasiskan data spasial untuk menghasilkan indeks risiko paparan panas. Hasil pengembangan menunjukkan bahwa Thermato berhasil diimplementasikan sebagai plugin QGIS yang mampu melakukan validasi data, penyamaan resolusi raster, pembobotan parameter, klasifikasi risiko, pembentukan data vektor, dan pembuatan laporan analisis secara otomatis. Pengujian komparatif menunjukkan tingkat kesesuaian sebesar 92,62% pada Risk Continuous Raster serta 95,48% pada Risk Classified Raster dan Risk Vector dibandingkan dengan alur kerja manual. Selain itu, waktu pemrosesan berhasil dikurangi dari ratarata 113,33 menit menjadi 8,67 menit sehingga meningkatkan efisiensi analisis secara signifikan sebesar sekitar 1.307%. Hasil evaluasi pengguna juga menunjukkan tanggapan positif terhadap kemudahan penggunaan, kejelasan alur kerja, dan kualitas keluaran yang dihasilkan. Dengan demikian, Thermato dapat menjadi aplikasi pemodelan risiko paparan panas berbasis data spasial yang efektif untuk mendukung analisis dan pemetaan risiko paparan panas secara lebih cepat, konsisten, dan terstandarisasi dalam lingkungan Sistem Informasi Geografis.
PERANCANGAN APLIKASI PEMODELAN RISIKO PAPARAN PANAS BERBASISKAN DATA SPASIAL DAN DATA SOSIAL- EKONOMI
Peningkatan suhu permukaan di wilayah perkotaan akibat urbanisasi dan perubahan tutupan lahan berpotensi meningkatkan risiko paparan panas yang berdampak pada kesehatan dan kualitas hidup masyarakat. Analisis risiko paparan panas umumnya melibatkan berbagai tahapan pengolahan data spasial yang dilakukan secara manual sehingga memerlukan waktu yang relatif lama dan rentan terhadap kesalahan. Penelitian ini bertujuan mengembangkan Thermato (THERMal Risk Mapping and Analysis TOol), yaitu aplikasi pemodelan risiko paparan panas berbasiskan data spasial berupa plugin Quantum Geographic Information System (QGIS) yang mampu mengotomasi proses analisis risiko paparan panas melalui integrasi parameter Land Surface Temperature (LST), Normalized Difference Vegetation Index (NDVI), Normalized Difference Built-up Index (NDBI), dan kepadatan penduduk dalam satu alur kerja terstruktur. Pengembangan produk dilakukan menggunakan metode Waterfall serta memanfaatkan bahasa pemrograman Python, API PyQGIS, dan standar QGIS Plugin Architecture. Model risiko dibangun menggunakan metode Weighted Linear Combination (WLC) dengan mengintegrasikan komponen bahaya (hazard), paparan (exposure), dan kerentanan (vulnerability) berbasiskan data spasial untuk menghasilkan indeks risiko paparan panas. Hasil pengembangan menunjukkan bahwa Thermato berhasil diimplementasikan sebagai plugin QGIS yang mampu melakukan validasi data, penyamaan resolusi raster, pembobotan parameter, klasifikasi risiko, pembentukan data vektor, dan pembuatan laporan analisis secara otomatis. Pengujian komparatif menunjukkan tingkat kesesuaian sebesar 92,62% pada Risk Continuous Raster serta 95,48% pada Risk Classified Raster dan Risk Vector dibandingkan dengan alur kerja manual. Selain itu, waktu pemrosesan berhasil dikurangi dari ratarata 113,33 menit menjadi 8,67 menit sehingga meningkatkan efisiensi analisis secara signifikan sebesar sekitar 1.307%. Hasil evaluasi pengguna juga menunjukkan tanggapan positif terhadap kemudahan penggunaan, kejelasan alur kerja, dan kualitas keluaran yang dihasilkan. Dengan demikian, Thermato dapat menjadi aplikasi pemodelan risiko paparan panas berbasis data spasial yang efektif untuk mendukung analisis dan pemetaan risiko paparan panas secara lebih cepat, konsisten, dan terstandarisasi dalam lingkungan Sistem Informasi Geografis.
PEMBANGUNAN SISTEM BASIS DATA SPASIAL EKOREGION INDONESIA
Undang – Undang No. 32 tahun 2009 tentang Perlindungan dan Pengelolaan Lingkungan Hidup telah mengamanatkan untuk melakukan inventarisasi lingkungan hidup dan penentuan wilayah ekoregion. Wilayah ekoregion ditentukan berdasarkan kesamaan karakteristik bentang alam, daerah aliran sungai, iklim, flora dan fauna, sosial budaya, ekonomi, kelembagaan masyarakat, dan hasil inventarisasi lingkungan hidup. Wilayah ekoregion yang berbasiskan data spasial dan data inventarisasi lingkungan hidup sebagai data atribut memerlukan suatu sistem dengan standarisasi tertentu yang dapat mengelola data ini secara sistematis. Sistem Informasi Geografis (SIG) yang memiliki kemampuan dalam menyimpan, mengelola, menganalisis, dan menyajikan data spasial serta data atribut memiliki peranan dalam mengelola data spasial dari wilayah ekoregion berikut dengan data atributnya. Salah satu unsur penting dalam SIG untuk pengelolaan data spasial dan atribut yaitu sistem basis data spasial. Peneletian tugas akhir ini membuat open standard dalam membangun sistem basis data spasial ekoregion. Sistem basis data ini diharapkan dapat menyimpan dan mengelola data spasial dan data atribut wilayah ekoregion dengan rapi dan sistematis. Hasil dari penelitian ini adalah tersusunnya open standard sistem basis data spasial ekoregion Indonesia dengan menggunakan perangkat lunak PostgreSQL / PostGIS.