📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 5 dokumenPROSPEK PANASBUMI DENGAN MENGGUNAKAN TEKNIK PENGINDERAAN JAUH (STUDI KASUS : KAWASAN PATUHA)
Penginderaan jauh memegang peranan penting dalam pemetaan sumber daya energi panas bumi dengan mendeteksi anomali temperatur permukaan dari citra termal. Teknik ini dapat digunakan sebagai survei pendahuluan dalam eksplorasi. Penginderaan jauh menyimpan radiasi energi dalam berbagai panjang gelombang. Daerah Patuha, Jawa Barat, dijadikan objek dari penelitian ini. Kenampakan panasbumi di daerah ini yang menunjukkan adanya potensi panasbumi adalah berupa manifestasi panas, solfatar, fumarol, tanah beruap panas, sinter silika dan alterasi hidrotermal. Data temperatur permukaan yang digunakan adalah citra Landsat ETM+ 2000, 2001, 2002 dan 2003 terutama pada band 6/ band termal. Interpretasi temperatur permukaan diamati dengan memperhatikan aspek warna dan rona dari permukaan. Selanjutnya dilakukan integrasi data temperatur tersebut dengan data dan peta lainnya yang terkait dengan studi area. Hal ini dilakukan untuk mendapatkan informasi yang lebih pasti tentang potensi panas seperti manifestasi permukaan, analisis geologi, dan fenomena gunung vulkanik.
IDENTIFIKASI TERUMBU KARANG DENGAN CITRA SATELIT QUICKBIRD (STUDI KASUS : WILAYAH PESISIR SADAI, KABUPATEN BANGKA SELATAN, PROVINSI KEPULAUAN BANGKA BELITUNG)
Penggunaan metode penginderaan jauh dalam pemantaun terumbu karang dapat menghemat waktu dan juga biaya dalam pemantauan potensi terumbu karang di suatu daerah. Dalam penelitian ini dilakukan pemetaan persebaran terumbu karang dengan menggunakan metode penginderaan jauh tersebut di daerah studi yakni daerah Kecamatan Sadai, Provinsi Kepulauan Bangka Belitung dengan menggunakan citra QuickBird untuk tahun 2006. Untuk mendapatkan klasifikasi terumbu karang dengan substrat-substrat lainnya dibutuhkan beberapa metode pengkoreksian seperti koreksi kolom air dan juga teknik klasifikasi dari substrat-substrat tersebut yakni teknik klasifikasi Benthic. Selanjutnya hasil dari klasifikasi Benthic tersebut dilakukan perbandingan dengan citra pengolahan dari algoritma Lyzenga yang akhirnya menunjukan keberadaan dari terumbu karang. Hal ini dilakukan untuk mengetahui terumbu karang pada hasil klasifikasi Benthic tersebut berwarna apa. Karena metode pengklasifikasian tersebut hanya memilah beberapa bentuk objek yang memiliki karakteristik pixel yang sama tanpa informasi penjelasan tentang objek tersebut, dan benda benda tersebut dikategorikan kedalam satu bentuk klasifikasi. Sehingga peneliti melakukan pengolahan citra dengan algoritma lyzenga tersebut untuk mendapatkan informasi dari warna-warna hasil klasifikasi yang diberikan oleh klasifikasi benthic tersebut.
ANALISIS DISTRIBUSI KEPADATAN PENDUDUK MENGGUNAKAN CITRA QUICKBIRD DENGAN METODE PEMBOBOTAN LAND USE DENSITY
Data kependudukan di Indonesia yang disajikan oleh BPS (Badan Pusat Statistik) diperoleh melalui sensus penduduk. Namun data kependudukan ini hanya bersifat tekstual dan belum mewakili keadaan sebenarnya. Mengingat kependudukan merupakan aspek penting dalam pertumbuhan pembangunan di Indonesia, maka pemerintah memerlukan informasi yang jelas mengenai data kependudukan. Penelitian ini mencoba untuk memanfaatkan teknologi penginderaan jauh untuk mengatasi permasalahan tersebut. Pada penalitian ini digunakan teknologi penginderaan jauh dengan memanfaatkan citra Satelit Quickbird, yaitu citra dengan resolusi yang sangat tinggi sehingga bisa digunakan untuk mengidentifikasi objek kecil seperti perumahan. Dengan menggunakan metode pembobotan land use density, maka tipe perumahan yang diidentifikasi dapat digunakan untuk menggambarkan distribusi penduduk dalam bentuk peta distribusi kepadatan penduduk yang mewakili keadaan yang sebenarnya.
ANALISIS KERAPATAN VEGETASI MENGGUNAKAN FOREST CANOPY DENSITY (FCD) DAN RADAR BACKSCATTERING JERS-1 SAR
Abstrak: Memasuki abad 21, pembangunan kehutanan Indonesia dihadapkan pada permasalahan yang makin kompleks. Salah satu permasalahan yang dihadapi adalah masalah deforestasi hutan dengan laju yang tinggi. Berdasarkan pertimbangan di atas, diperlukan suatu pemikiran yang serius mengenai pengelolaan vegetasi di masa kini dan masa yang akan datang. Penelitian ini mencoba menerapkan teknologi Penginderaan Jauh untuk menganalisis kerapatan vegetasi daerah Kabupaten Bandung Selatan menggunakan Citra Landsat TM dan Citra JERS-1 SAR. Citra Landsat TM diolah menggunakan metode prosentase tutupan tajuk (Forest Canopy Density) dan Citra JERS-1 SAR diolah menjadi Peta Backscatter. Hasil penelitian ini berupa korelasi antara metode FCD dengan Radar Backscatter dalam menganalisis kerapatan vegetasi.
IDENTIFIKASI MARINE DEBRIS DI PESISIR INDRAMAYU MENGGUNAKAN UNMANNED AERIAL VEHICLE (UAV) DENGAN METODE SUPERVISED LEARNING
Marine debris sudah menjadi isu global terkait dengan dampaknya yang besar terhadap ekosistem, manusia, ekonomi, estetika pantai, dan sebagainya. Melihat tingginya pencemaran marine debris dari waktu ke waktu, diperlukan penanganan yang tepat sasaran guna meminimalisir dampak yang ditimbulkan. Kemajuan teknologi pengindraan jauh memberikan solusi yang efektif untuk pemantauan lingkungan, termasuk pemantauan marine debris di wilayah pesisir. Pada penelitian ini dilakukan identifikasi marine debris yang dominan dengan menggunakan Unmanned Aerial Vehicle (UAV) dan transek langsung di Pesisir Laut Moi-Moi dan Pantai Junti. Pengambilan foto udara dilakukan masing-masing sebanyak 5 kali di waktu yang berbeda untuk melihat faktor-faktor yang mempengaruhi marine debris. Pengambilan di Pesisir Laut Moi-Moi dilakukan pada pukul 09:46, 09:56, 11:24, 11:48, dan 14:28, sedangkan di Pantai Junti pengambilan dilakukan pada pukul 09:08, 10:46, 11:10, 14:18, dan 14:59. Orthophoto yang diperoleh diambil dengan menggunakan UAV jenis DJI Phantom 4 Multispectral dan DJI Mavic Air 2S yang diterbangkan dengan ketinggian 50 m di Pesisir Laut Moi-Moi dan 35 m di Pantai Junti. Penelitian ini menggunakan metode Supervised Learning, yakni Object-Based Image Analysis (OBIA) dan Arsitektur U-Net. Training data yang digunakan untuk OBIA sebanyak 1.249 untuk pasir, 780 untuk plastik, dan 46 untuk kayu, sehingga total seluruh training data adalah sebanyak 2.075 data. OBIA menggunakan parameter skala 15, bentuk 0,1, dan kekompakan 0,9. Sedangkan UNet menggunakan 114 gambar berukuran 512x512 piksel. U-Net menggunakan parameter epoch 50, batch size 8, dan Adam Optimizers. Dari hasil transek langsung didapatkan bahwa sampah yang dominan di kedua pantai tersebut adalah sampah plastik dan kayu dengan persentase plastik sebesar 33,58% dan kayu sebesar 23,33% di Pesisir Laut Moi-Moi, sedangkan di Pantai Junti persentase plastik sebesar 39,80% dan kayu sebesar 46,59%. Sehingga pada proses klasifikasi ditentukan 3 kelas yaitu kayu, pasir, dan plastik. Metode OBIA menggunakan hasil klasifikasi tersebut untuk mengidentifikasi jenis marine debris dan menghasilkan nilai akurasi tertinggi sebesar 0,97. Sedangkan U-Net diperoleh nilai akhir untuk loss sebesar 0,48, validation loss sebesar 0,50, nilai akurasi sebesar 0,97 dan akurasi validasi sebesar 0,96. Terdapat resolusi dan akurasi yang berbeda-beda tiap orthophoto menghasilkan luasan tutupan yang diperoleh berbeda-beda. Berdasarkan 5 kali pengambilan foto udara di Pesisir Laut Moi-Moi dan Pantai ii Junti, dapat disimpulkan bahwa marine debris yang berada di zona intertidal terpengaruh oleh swash dan backwash. Hal ini berdasarkan penampakan marine debris yang bertambah, berkurang atau berpindah tempat pada setiap orthophoto yang dihasilkan.