📚 Eksplorasi & Komparasi Topik Dokumen

Pencarian topik

Reset

Hasil Dokumen

Ditemukan: 8 dokumen

PEMBANGUNAN DASHBOARD GENERALISASI PENYAJIAN GARIS PANTAI

Kebijakan Satu Peta (KSP) mengamanatkan tersedianya peta dasar multiskala yang konsisten di seluruh wilayah Indonesia. Proses generalisasi kartografi diperlukan untuk menurunkan peta dari skala besar ke skala lebih kecil, namun keragaman morfologi garis pantai Indonesia, meliputi bentuk memanjang (elongated), bentuk lebar (broad), bentuk bergerigi (rugged), bentuk halus (smooth) yang relatif lurus, hingga bentuk ortogonal (orthogonal), menuntut pendekatan yang adaptif, bukan seragam. Capstone ini membangun sebuah dashboard penyajian generalisasi garis pantai yang mengintegrasikan segmentasi morfologi otomatis berbasis model deep learning BendSeqLSTM, otomatisasi generalisasi adaptif per tipe morfologi, serta antarmuka visualisasi dan pengunduhan hasil. Model BendSeqLSTM mengklasifikasikan segmen garis pantai menggunakan jaringan BiLSTM, sehingga setiap segmen memperoleh parameter generalisasi yang tepat sesuai karakteristiknya. Produk akhir berupa model deep learning segmentasi morfologi garis pantai, plugin generalisasi garis pantai, dan dashboard visualisasi dan distribusi produk.

2026
👤 Penulis: Ahmad Nawi
🏷️ Kartografi Digital 🏷️ Deep Learning 🏷️ Visualisasi Geografis

PEMBANGUNAN DASHBOARD GENERALISASI PENYAJIAN GARIS PANTAI

Kebijakan Satu Peta (KSP) mengamanatkan tersedianya peta dasar multiskala yang konsisten di seluruh wilayah Indonesia. Proses generalisasi kartografi diperlukan untuk menurunkan peta dari skala besar ke skala lebih kecil, namun keragaman morfologi garis pantai Indonesia, meliputi bentuk memanjang (elongated), bentuk lebar (broad), bentuk bergerigi (rugged), bentuk halus (smooth) yang relatif lurus, hingga bentuk ortogonal (orthogonal), menuntut pendekatan yang adaptif, bukan seragam. Capstone ini membangun sebuah dashboard penyajian generalisasi garis pantai yang mengintegrasikan segmentasi morfologi otomatis berbasis model deep learning BendSeqLSTM, otomatisasi generalisasi adaptif per tipe morfologi, serta antarmuka visualisasi dan pengunduhan hasil. Model BendSeqLSTM mengklasifikasikan segmen garis pantai menggunakan jaringan BiLSTM, sehingga setiap segmen memperoleh parameter generalisasi yang tepat sesuai karakteristiknya. Produk akhir berupa model deep learning segmentasi morfologi garis pantai, plugin generalisasi garis pantai, dan dashboard visualisasi dan distribusi produk.

2026
👤 Penulis: Jovanna Gilda Simanjuntak
🏷️ Kartografi Digital 🏷️ Analisis Morfologi Geografis 🏷️ Deep Learning

PEMBANGUNAN DASHBOARD GENERALISASI PENYAJIAN GARIS PANTAI

Kebijakan Satu Peta (KSP) mengamanatkan tersedianya peta dasar multiskala yang konsisten di seluruh wilayah Indonesia. Proses generalisasi kartografi diperlukan untuk menurunkan peta dari skala besar ke skala lebih kecil, namun keragaman morfologi garis pantai Indonesia, meliputi bentuk memanjang (elongated), bentuk lebar (broad), bentuk bergerigi (rugged), bentuk halus (smooth) yang relatif lurus, hingga bentuk ortogonal (orthogonal), menuntut pendekatan yang adaptif, bukan seragam. Capstone ini membangun sebuah dashboard penyajian generalisasi garis pantai yang mengintegrasikan segmentasi morfologi otomatis berbasis model deep learning BendSeqLSTM, otomatisasi generalisasi adaptif per tipe morfologi, serta antarmuka visualisasi dan pengunduhan hasil. Model BendSeqLSTM mengklasifikasikan segmen garis pantai menggunakan jaringan BiLSTM, sehingga setiap segmen memperoleh parameter generalisasi yang tepat sesuai karakteristiknya. Produk akhir berupa model deep learning segmentasi morfologi garis pantai, plugin generalisasi garis pantai, dan dashboard visualisasi dan distribusi produk.

2026
👤 Penulis: Rachel Patricia Sibarani
🏷️ Kartografi Digital 🏷️ Generalisasi Garis Pantai 🏷️ Deep Learning

PEMBANGUNAN DASHBOARD PENYAJIAN GENERALISASI GARIS PANTAI

Kebijakan Satu Peta (KSP) mengamanatkan tersedianya peta dasar multiskala yang konsisten di seluruh wilayah Indonesia. Proses generalisasi kartografi diperlukan untuk menurunkan peta dari skala besar ke skala lebih kecil, namun keragaman morfologi garis pantai Indonesia, meliputi bentuk memanjang (elongated), bentuk lebar (broad), bentuk bergerigi (rugged), bentuk halus (smooth) yang relatif lurus, hingga bentuk ortogonal (orthogonal), menuntut pendekatan yang adaptif, bukan seragam. Capstone ini membangun sebuah dashboard penyajian generalisasi garis pantai yang mengintegrasikan segmentasi morfologi otomatis berbasis model deep learning BendSeqLSTM, otomatisasi generalisasi adaptif per tipe morfologi, serta antarmuka visualisasi dan pengunduhan hasil. Model BendSeqLSTM mengklasifikasikan segmen garis pantai menggunakan jaringan BiLSTM, sehingga setiap segmen memperoleh parameter generalisasi yang tepat sesuai karakteristiknya. Produk akhir berupa model deep learning segmentasi morfologi garis pantai, plugin generalisasi garis pantai, dan dashboard visualisasi dan distribusi produk.

2026
👤 Penulis: Haekal Ibrahim Hakiem
🏷️ Kartografi Digital 🏷️ Deep Learning 🏷️ Visualisasi Geografis

PEMBANGUNAN DASHBOARD GENERALISASI PENYAJIAN GARIS PANTAI

Kebijakan Satu Peta (KSP) mengamanatkan tersedianya peta dasar multiskala yang konsisten di seluruh wilayah Indonesia. Proses generalisasi kartografi diperlukan untuk menurunkan peta dari skala besar ke skala lebih kecil, namun keragaman morfologi garis pantai Indonesia, meliputi bentuk memanjang (elongated), bentuk lebar (broad), bentuk bergerigi (rugged), bentuk halus (smooth) yang relatif lurus, hingga bentuk ortogonal (orthogonal), menuntut pendekatan yang adaptif, bukan seragam. Capstone ini membangun sebuah dashboard penyajian generalisasi garis pantai yang mengintegrasikan segmentasi morfologi otomatis berbasis model deep learning BendSeqLSTM, otomatisasi generalisasi adaptif per tipe morfologi, serta antarmuka visualisasi dan pengunduhan hasil. Model BendSeqLSTM mengklasifikasikan segmen garis pantai menggunakan jaringan BiLSTM, sehingga setiap segmen memperoleh parameter generalisasi yang tepat sesuai karakteristiknya. Produk akhir berupa model deep learning segmentasi morfologi garis pantai, plugin generalisasi garis pantai, dan dashboard visualisasi dan distribusi produk.

2026
👤 Penulis: Adinda Rizka Ramadhani
🏷️ Kartografi Digital 🏷️ Deep Learning 🏷️ Generalisasi Garis Pantai

STUDI FOTOGRAMETRI BAWAH AIR DENGAN MENGGUNAKAN KAMERA DIGITAL NON-METRIK YANG DILENGKAPI BINGKAI KEDAP AIR

Pendokumentasian aset dalam bentuk model tiga dimensi sangat bermanfaat untuk keperluan pemeliharaan dan perbaikan aset yang memiliki bentuk yang kompleks. Salah satu metode untuk melakukan pemodelan pada objek adalah dengan fotogrametri rentang dekat. Dengan fotogrametri rentang dekat, maka faktor seperti kesulitan pengoperasian dan harga bisa diminimalisir dengan penggunaan kamera digital non-metrik yang dijual ada di pasaran. Terjadi masalah jika pemodelan dilakukan di bawah air karena kondisi kesegarisan akan lebih sulit diwujudkan karena pengaruh bingkai kedap air dan juga media air. Penelitian ini menunjukkan pengaruh bingkai kedap air dan media air terhadap parameter interior kamera. Selain itu ditunjukkan juga bahwa dengan menggunakan perangkat lunak Australis 6 dan Photomodeler Scanner untuk proses pemodelan tiga dimensi pada objek bawah air dapat menghasilkan model tiga dimensi yang berkualitas dengan ketelitian hingga 0.8 mm. Ketelitian yang lebih baik dapat dapat diperoleh jika titik kontrol terdistribusi lebih merata.

2026
👤 Penulis: INDRA BUDI RAHMANTO (NIM : 15108055); pembimbing : Dr. Deni Suwardhi, ST., MT ; Dr. Ir. Agung Budi H
🏷️ Kartografi Digital 🏷️ Analisis Kamera Fotogrametri 🏷️ Hidrologi

ANALISIS PARAMETER ORIENTASI LUAR PADA KAMERA NON-METRIK DENGAN MEMANFAATKAN SISTEM RTK-GPS

Fotogrametri dalam pengolahannya sangat dibatasi oleh kemampuan perangkat lunak untuk memecahkan parameter yang ada, baik parameter koordinat objek maupun parameter orientasi kamera. Parameter orientasi kamera terdiri dari parameter orientasi dalam dan juga parameter orientasi luar yang terdiri dari posisi dan juga rotasi kamera. Dengan bantuan dari sistem RTK-GPS, parameter posisi bisa dihilangkan dan perhitungan bundle adjustment diharapkan menjadi efisien. Akan tetapi terdapat offset antara antena GPS dan kamera. Pengukuran offset kamera dilakukan terlebih dahulu dengan menggunakan metode Fotogrametri Rentang Dekat (FRD). Dengan adanya data offset ini, pemotretan dilakukan, dan gedung Teknik Lingkungan merupakan objek penelitian kali ini. Titik kontrol pun diukur pada objek dengan menggunakan Electronic Total Station (ETS), dan digunakan juga sebagai check point hasil bundle adjustment. Pengolahan dilakukan dengan menggunakan Australis 6.0, namum gagal dalam melakukan proses bundle adjustment, sehingga pengolahan selanjutnya dilakukan dengan menggunakan ERDAS IMAGINE 9.2. Kebenaran dari hasil pengolahan ERDAS IMAGINE 9.2 dibuktikan dengan membandingkan dengan hasil pengolahan Agisoft PhotoScan 0.8. Hasil dari penelitian ini adalah lebih efisiennya perhitungan, dengan berkurangnya jumlah titik kontrol yang dibutuhkan di lapangan.

2026
👤 Penulis: BUDI HERI NUGROHO (NIM 15107068); Pembimbing: Dr. Deni Suwardhi, ST.,MT dan Dr. Ir. Agung Budi Harto
🏷️ Kartografi Digital 🏷️ Georeferensiasi 🏷️ Pengolahan Gambar

KAJIAN PERUBAHAN GARIS PANTAI DAN DAMPAKNYA TERHADAP TITIK TITIK DASAR BATAS LAUT DI PULAU SIBERUT

Menurut Peraturan Pemerintah No 38 Tahun 2002 dan perubahannya Peraturan Pemerintah No 37 Tahun 2008 tentang Daftar koordinat geografis titik-titik garis pangkal (Titik dasar) Kepulauan Indonesia, garis pangkal merupakan acuan awal pada penentuan titik dasar. Indikasi awal perubahan garis pangkal dapat diamati dari ketidaksesuaian posisi garis pangkal dengan titik dasar. Penelitian Tesis ini akan mengkaji perubahan garis pangkal dengan melakukan ekstraksi garis pantai menggunakan metode Normalized Difference Water Index (NDWI). Data yang digunakan citra satelit SPOT 7 dengan multitemporal. Metode NDWI digunakan untuk memisahkan perairan dan daratan sehingga didapatkan batas yang jelas sebagai representasi dari garis pantai sesaat. Perubahan Garis pangkal dihitung menggunakan metode Digital Shoreline Analysis System (DSAS) menggunakan hasil ekstraksi data multitemporal. Hasil yang diperoleh dari penelitian ini bahwa citra SPOT 7 mampu melakukan deteksi perubahan garis pantai di Pulai Siberut. Pada tahun 2016 hingga 2021 laju perubahan posisi garis pantai akibat abrasi ratarata 3,35 m/tahun dan akresi rata-rata 4,7 m/tahun.

2024
👤 Penulis: Farid Mutaqien
🏷️ Geologi 🏷️ Analisis Perubahan Geografis 🏷️ Kartografi Digital
💬