Hasil Pencarian  ::  Simpan CSV :: Kembali

"Beras merupakan bahan pangan pokok dengan tingkat kebutuhan tinggi di kawasan Asia Tenggara, termasuk Indonesia yang menjadi produsen padi terbesar di kawasan ini. Sektor pertanian, khususnya produksi padi, berperan penting dalam mendukung misi Sustainable Development Goals (SDGs) untuk mencapai ketahanan pangan. Namun, tantangan seperti alih fungsi lahan dan perubahan iklim mengancam keberlanjutan produksi padi, termasuk di Kabupaten Indramayu, salah satu lumbung padi utama di Jawa Barat. Untuk mendukung pengelolaan lahan pertanian yang berkelanjutan, pemetaan padi berbasis pengindraan jauh menjadi solusi yang efisien, memanfaatkan teknologi satelit seperti Sentinel-2 dan Landsat-8. Penelitian ini bertujuan untuk memetakan distribusi padi di Kabupaten Indramayu dengan mengintegrasikan metode Convolutional Neural Network (CNN) untuk ekstraksi fitur spektral-temporal dan algoritma Extreme Gradient Boosting (XGBoost) untuk klasifikasi. Hasil penelitian menunjukkan bahwa skema fitur terbaik, yaitu kombinasi data Raw Spectral Bands dengan NDVI, menghasilkan tingkat Overall Accuracy tertinggi sebesar 98,90%. Selain itu, metrik evaluasi lainnya seperti Recall, Precision, dan F1-Score juga menunjukkan hasil tertinggi, masing-masing sebesar 98,90%, yang mencerminkan kemampuan model yang konsisten dalam membedakan area padi dan non-padi. Model CNN-XGBoost menunjukkan kinerja yang lebih baik dibandingkan model CNN murni, dengan akurasi yang lebih tinggi dan hasil evaluasi yang lebih optimal. Dengan memanfaatkan data multispektral dan multitemporal dari kedua satelit, penelitian ini memberikan kontribusi signifikan dalam mendukung pengambilan keputusan berbasis data untuk pengelolaan pertanian yang berkelanjutan, sekaligus memperkuat upaya ketahanan pangan nasional.

---

Rice is a staple food with high demand in Southeast Asia, including Indonesia, which is the largest rice producer in the region. The agricultural sector, particularly rice production, plays a crucial role in supporting the Sustainable Development Goals (SDGs) for achieving food security. However, challenges such as land conversion and climate change threaten the sustainability of rice production, including in Indramayu Regency, one of the main rice granaries in West Java. To support sustainable agricultural land management, rice mapping based on remote sensing provides an efficient solution, utilizing satellite technologies such as Sentinel-2 and Landsat-8. This study aims to map the distribution of rice in Indramayu Regency by integrating the Convolutional Neural Network (CNN) method for spectral-temporal feature extraction and the Extreme Gradient Boosting (XGBoost) algorithm for classification. The results show that the best feature scheme, a combination of Raw Spectral Bands and NDVI, achieves the highest Overall Accuracy of 98.90%. Additionally, other evaluation metrics such as Recall, Precision, and F1-Score also show the highest values, each at 98.90%, reflecting the model's consistent ability to distinguish between rice and non-rice areas. The CNN-XGBoost model outperforms the pure CNN model, with higher accuracy and better evaluation results. By utilizing multispectral and multitemporal data from both satellites, this study significantly contributes to data-driven decision-making for sustainable agricultural management, while strengthening national food security efforts."

"Posisi geografis Indonesia yang terletak di antara 2 benua dan samudra sesungguhnya selain strategis, juga menyimpan risiko besar mengalami berbagai bencana. Perubahan iklim dan kerawanan lokasinya yang dikelilingi lempeng dan patahan-patahan geologis di kerak Bumi mengakibatkan Indonesia menjadi wilayah rawan gempa Bumi dan deformasi tanah/longsor. Selain itu kebakaran hutan, banjir, pembalakan liar, degradasi lahan pertanian, polusi air dan udara, pencurian ikan oleh kapal-kapal asing, gunung meletus, hingga bergesernya garis pantai dan batas negara, menjadi masalah krusial untuk dipecahkan. Untuk mencari solusi yang paling menyeluruh, diperlukan data spasial yang dapat memantau Bumi Indonesia melalui satelit Penginderaan Jauh (PJ). Salah satu hal yang dapat dideteksi dengan penginderaan jauh adalah terjadinya kebakaran hutan. Dengan penginderaan jauh, lokasi terjadinya kebakaran akan terdeteksi sebagai hotspot. Dalam penelitian ini data hotspot didapatkan dengan menerapkan algoritma yang digunakan oleh Z. Li (CCRS). Algoritma ini mendeteksi hotspot dari data satelit NOAA/AVHRR dengan menggunakan nilai suhu kecerahan pada kanal 3, 4 dan 5 dan nilai reflektansi pada kanal 2 untuk mengenali piksel potensial hotspot. Data yang digunakan dalam penelitian ini adalah data dari sistem penerimaan data HRPT satelit NOAA dan data yang diambil dari internet. Setelah data hotspot didapatkan, data tersebut akan ditampilkan dalam web-GIS beserta data yang lain seperti garis pantai, garis lintang dan bujur dan data citra satelit NOAA. Dari hasil data hotspot yang didapatkan, pada musim kemarau terdapat banyak hotspot dan pada musim penghujan hanya terdapat sedikit hotspot.

---

Indonesia`s geographic position which is located between two continent and two ocean, although strategic, it also contain big risk of disaster happening. Climate changes and its insecure position which is surrounded by earth`s plates and geological fracture on earth`s crust results in Indonesia becoming an area which is prone to earthquake and land deformation. Furthermore, forest fire, flood, illegal logging, farm land degradation, water and air polution, fish theft by foreign ship, volcanoes, and the shift of coastline and country border, becomes a crucial problem to be solved. To find a comprehensive solution, spatial data is needed to monitor Indonesia by using remote sensing satellite. One of the things that can be detected by remote sensing is forest fire. With remote sensing, the place where forest fire occurs will be detected as hotspot. In this research, hotspot data is obtained by using the algorithm used by Z. Li (CCRS). This algorithm detects hotspot from NOAA/AVHRR satellite data by using brightness temperature value of channel 3, 4 and 5, and reflectance value of channel 2 to recognize hotspot potential pixel. Data used in this research is obtained from NOAA satellite HRPT data capture system and data obtained from internet. After hotspot data is obtained, the data will be displayed in web-GIS along with other data like coastline, graticules, and NOAA satellite image. From the obtained hotspot data, it is found that on dry season there ara many hotspots and on rainy season there are only a few hotspots."

"Sejak peluncuran satelit LAPAN-TUBSAT pada tahun 2007, Indonesia telah dan terus mengembangkan misi pemantauan bumi untuk berbagai keperluan. Misi pemantauan terbaru yaitu LAPAN-ORARI Satellite(LOSAT) saat ini sedang dalam taraf pengembangan dan diharapkan dapat diluncurkan pada tahun 2011. Untuk memfasilitasi pemanfaatan misi tersebut, berbagai percobaan terhadap spesifikasi sensor perlu dilakukan. Makalah ini menyajikan hasil percobaan dengan memanfaatkan data simulasi untuk aplikasi pemantauan dan pemetaan kawasan pesawahan dipadu dengan algoritma pohon keputusan QUEST. Hasil percobaan menunjukkan bahwa tiga kanal data simulasi LOSAT menghasilkan informasi dengan akurasi yang cukup tinggi.

---

Since the launch of LAPAN-TUBSAT satellite in 2007, Indonesia has been developing mission on earth observation missions for various applications. The next generation mission, called LAPAN-ORARI Satellite (LOSAT), is currently under development and expected to be launched in 2011. In order to facilitate the applications, a thorough assessment of the sensor should be made. This paper presents an examination of simulated LOSAT data for rice monitoring and mapping purposes coupled with QUEST statistical tree. We found that three-band simulated LOSAT data were suitable for the task with reasonably high

accuracy."

"Biometrik adalah proses identifikasi dan autentikasi berdasarkan atribut unik yang dimiliki oleh manusia. Salah satu atribut manusia yang dapat digunakan untuk biometrik adalah iris. Iris adalah bagian dari mata yang mengatur banyaknya cahaya yang masuk mengenai retina. Iris berbentuk lingkaran dan memiliki karakteristik yang unik pada setiap orang. Penelitian ini adalah tentang pengenalan iris untuk biometrik.Dalam penelitian ini pembuatan vektor masukan untuk pengenalan dilakukan dengan cara yang berbeda dari biasanya yaitu dengan melingkar, sesuai bentuk iris. Untuk pengenalannya digunakan metode pattern matching dan jaringan syaraf tiruan. Dengan pembuatan vektor masukan secara melingkar, tingkat pengenalan yang dihasilkan cukup tinggi terutama jika metode pengenalan yang digunakan adalah dengan pattern matching.

---

Biometric is the process of identification and authentication based on many unique attributes of human. One of the usable human attributes for biometric is iris. Iris is a part of the human eye which controls the amount of light going to the retina. Iris is circular and each person has a different iris characteristics. This research is about iris recognition for biometrics.

In this research, the input vector for recognition is created with a different way from the usual. The input vector is created by following iris shape which is circular. The recognition process is done by using pattern matching and artificial neural network. The creation of input vector by circling yields a high recognition rate, especially when pattern matching is used for the recognition process."

"ABSTRAKKabupaten Bandung sebagai salah satu kabupaten dengan penduduk terbanyak di Indonesia memiliki sumber daya alam yang beragam dengan segala pemanfaatannya sehingga jenis tutupan lahan yang ada pun berbeda-beda. Pemantauan terhadap penggunaan lahan perlu dilakukan untuk mencegah penyalahgunaan lahan dan penanggulangan akan bencana alam. Metode untuk pemantauan dapat dilakukan dengan klasifikasi jenis tutupan lahan menggunakan teknik penginderaan jarak jauh seperti penggabungan data satelit aktif dan pasif. Pada penelitian ini menggunakan citra satelit aktif (ALOS-2/PALSAR-2) dan satelit pasif (Landsat 8) untuk mendapatkan citra yang mudah untuk diinterpretasi dan terbebas dari gangguan atmosfer. Salah satu metode klasifikasi yang dapat dilakukan adalah maximum likelihood, yaitu metode yang menggunakan data acuan (training sample) serta kemungkinan suatu piksel terkelompok dalam suatu kelas. Penggunaan citra gabungan dengan metode maximum likelihood menghasilkan keakurasian citra lebih dari 60% dan lebih tinggi dari citra ALOS-2/PALSAR-2 yang diklasifikasikan tanpa Landsat 8 (40%)

---

ABSTRAKBandung regency is one of the biggest regency in Indonesia with large number of population which has nature resources with different utilization that cause land cover diversity. Land cover monitoring is necessary to prevent any land misuses and nature disasters. A way to monitor land cover is to classify the land cover uses remote sensing technique such as joint data of active and passive. This research is analyzing active satellite image (ALOS-2/PALSAR-2) and pasive satellite image (Landsat 8) that are being used to produce an image which is easy to interpret with less atmospheric disruption. One of the methods that can be used is maximum likelihood. Maximum likelihood is a supervised classification method which uses reference data (training sample) and probability of a pixel is clustered in a spesific class. The use of joint processing data with maximun likelihood method results in accuracy greater than 60% and is better than accuracy of ALOS-2/PALSAR-2?s image itself (40%)."

"ABSTRAKPenggunaan lahan di Jawa Barat khususnya di kabupaten Bandung mengalami perubahan yang signifikan yang disebabkan oleh meningkatnya jumlah pembangunan dan pemukiman. Indonesia merupakan salah satu negara yang rawan bencana, bencana alam ini mengakibatkan wilayahnya menjadi cepat berubah. Memantau penggunaan lahan dan tutupan lahan penting untuk memitigasi jika terjadi bencana alam. Untuk mendapatkan informasi klasifikasi tutupan dan penggunaan lahan dapat memanfaatkan teknologi penginderaan jauh. Penelitian ini menggunakan data satelit ALOS-2/ PALSAR-2 untuk membandingkan klasifikasi penggunaan dan tutupan lahan dengan dua metode yaitu Minimum Distance dan Maximum Likelihood. Metode Minimum Distance menggunakan teknik jarak minimal menggunakan vektor rata-rata endmember sedangkan Metode Maximum Likelihood selain rata-rata, juga memperhitungkan informasi variansi pada variable yang diukur. Hasil analisis menunjukan klasifikasi penggunaan dan tutupan lahan yang baik adalah metode Maximum Likelihood dengan hasil akurasi sebesar 68,6233% pada tahun 2014 dan 64,7608% pada tahun 2016. Sedangkan Metode Minimum Distance memiliki akurasi hanya sebesar 48,2307% pada tahun 2014 dan 43,4902% pada tahun 2016

---

ABSTRAKLand use in West Java, especially in Bandung regency, changes significantly caused by rapid development and sattlement. Since Indonesia is one of the country that is prone to disaster, natural disasters often occur and impact the land changes rapidly. The monitoring land use and land cover classification is important to mitigate any disasters if occured. To obtain land use and land cover classification profile, remote sensing technology can be used. In this research we use ALOS-2/PALSAR-2 satellite data to derive land use and land cover classification maps using two methods, i.e. Minimum Distance and Maximum Likehood. Minimum Distance uses minimum distance technique to measure endmember average vector while Maximum Likehood calculates variance information of measuring variable as well as the average. The analysis results showed that Maximum Likehood method is better for land use and land cover classification in Bandung regency with accuracy of 68,6233% in 2014 and 64,7608% in 2016 respectively while Minimum Distance method resulted in 48,2307% in 2014 and 43,4902% in 2016 respectively."

"Indonesia memiliki potensi geotermal yang melimpah. Berdasarkan peta sebaran potensi panas bumi Indonesia, salah satunya terdapat lokasi yang memiliki potensi panas bumi yaitu di daerah Gunung Batur, Kecamatan Kintamani, Bali. Gunung Batur termasuk gunung berapi aktif dengan jenis gunung stratovolcano. Pada Gunung Batur terdapat manifestasi permukaan berupa hot spring, cold spring, steaming ground, dan fumaroles yang mengindikasikan adanya potensi panas bumi di Gunung Batur. Dengan adanya potensi tersebut, penelitian ini dilakukan dengan tujuan menganalisis sebaran panas bumi. Metode penelitian ini menggunakan metode penginderaan jauh yaitu Normal Difference Vegatation Index (NDVI), Land Surface Temperature (LST), dan Fault Fracture Density (FFD) yang diolah dari Citra satelit Landsat-8 dan Citra satelit Digital Elevation Model. Data lainnya menggunakan parameter satuan batuan, struktur, dan manifestasi permukaan. Data diolah dengan weighted overlay menggunakan pembobotan dari setiap parameter. Selain metode penginderaan jauh, untuk memperkuat interpretasi dalam menentukan persebaran potensi panas bumi, digunakan data analisis 3G (Geologi, Geokimia, dan Geofisika) yang telah dianalisis sebelumnya. Terdapat lima daerah yang memiliki potensi panas bumi dengan kelas sangat tinggi yang ditentukan berdasarkan pembobotan nilai terbesar dari data parameter NDVI, LST, FFD, satuan batuan, struktur dan manifestasi yang sudah dioverlay sehingga dapat menampilkan keberadaan potensi panas bumi

---

Indonesia has abundant geothermal potential. Based on the distribution map of Indonesia's geothermal potential, one of them is a location that has geothermal potential, namely in the Mount Batur area, Kintamani District, Bangli Regency, Bali Province. Mount Batur is an active volcano with the type of stratovolcano.On Mount Batur there are surface manifestations in the form of hot springs, cold springs, steaming grounds, and fumaroles which indicate the potential for geothermal heat in Mount Batur. With this potential, this research was conducted with the aim of analyzing the distribution of geothermal heat. This research method uses remote sensing methods, namely Normal Difference Vegatation Index (NDVI), Land Surface Temperature (LST), and Fault Fracture Density (FFD) processed from Landsat-8 satellite images and Digital Elevation Model satellite images. Other data used parameters of rock units, structures, and surface manifestations. The data is processed with weighted overlay using the weighting of each parameter. In addition to remote sensing methods, to strengthen interpretation in determining the distribution of geothermal potential, previously analyzed 3G (Geology, Geochemistry, and Geophysics) analysis data were used. There are five areas that have geothermal potential with a very high class determined based on the weighting of the largest value of NDVI, LST, FFD, rock unit, structure and manifestation parameter data that has been overlaid so that it can display the presence of geothermal potential."

"Pemetaan prospek geothermal di daerah ldquo;Sigma rdquo; dilakukan dengan pendekatan analisis data penginderaan jauh PJ dan diintegrasikan dengan data Geosains berupa Geokimia dan magnetotelluric MT . Hasil penelitian menunjukkan bahwa arah umum kelurusan yang berasosiasi dengan struktur geologi di daerah geothermal ldquo;Sigma rdquo; adalah NW-SE dengan sub-ordinate N-S dan NE-SW. Struktur N-S merupakan stuktur paling awal, mengontrol vulkanisme di kompleks G. Maria. Sedangkan struktur NE-SW yang bersifat ekstensional berkaitan dengan munculnya manifestasi di daerah S. Apas, dan struktur paling akhir berarah NW-SE yang merupakan hasil pergerakan transpressional, berperan sebagai boundary dalam sistem geothermal daerah ldquo;Sigma rdquo;. Berdasarkan analisis geokimia, manifestasi mata air panas dan mud pool di sekitar S. Apas merupakan manifestasi outflow dengan zona upflow diperkirakan berada di Tenggara puncak G.Maria. Estimasi temperatur reservoir berdasarkan geothermometer Na-K-Ca adalah 186 C. Berdasarkan model inversi 3D MT lapisan claycap resistivitas le; 20 ?m tersebar di bagian Tenggara puncak G. Maria, dengan TOR top of reservoir pada kedalaman sekitar 800 m. Posisi reservoir berada di atas suatu bentukan dome yang diinterpertasikan sebagai heat source. Sistem geothermal daerah ldquo;Sigma rdquo; adalah sistem Vulkanik-Hidrothermal berumur Kuarter dengan temperatur sedang. Litologi penyusun komponen sistem geothermal adalah produk G. Maria, berupa piroklastik dan lava. Daerah prospek geothermal daerah ldquo;Sigma rdquo; berada di Tenggara puncak G. Maria dengan luas sekitar 8 km2.

---

The geothermal prospectivity mapping in ldquo Sigma rdquo area is conducted by remote sensing data analysis approach, integrated with geoscience data which are geochemistry and magnetotelluric MT . The results shows that the general trend of the lineament associated with the geological structure in the geothermal region Sigma is NW SE with sub ordinate N S and NE SW. The structure of the N S is the earliest, controlling volcanism process in the Mount Maria complex. While the NE SW structure is extensional in relation to the emergence of manifestations in the S. Apas region, and the most recent NW SE trending structure which is the result of transpressional movement, acting as a boundary in the geothermal system of the Sigma area. Based on geochemistry analysis, the manifestation of hot springs and mud pools around S. Apas is an outflow manifestation with an estimated upflow zone located in the southeastern peak of Mount Maria. Estimated reservoir temperature based on Na K Ca geothermometer is 186 C. Based on the 3D MT inversion model, claycap layer resistivity le 20 m is spread over the southeastern peak of Mount Maria, with TOR top of reservoir at around 800 m depth. The reservoir position is above a dome that is interpreted as heat source. The geothermal system in ldquo Sigma rdquo area is a Quarternary Hydrothermal Volcanic System with medium temperature. The lithology composed this geothermal system is the product of Mount Maria, which are the pyroclastic and lava. The geothermal prospect area located in the Southeast of Mount Maria peak with an area of about 8 km2."

"Pemilihan ciri merupakan subyek penting dalam pengenalan pola. Tulisan ini merupakan hasil kajian metode pemilihanfitur atau ciri transformasi komponen utama pada data penginderaan jauh. Pada aplikasi penginderaan jauh dengansensor optik seperti Landsat TM, yang sensornya terdiri dari 7 panjang gelombang, akan diperoleh 7 citra fitur (multiband). Adanya kendala awan pada citra optik, telah menyebabkan adanya upaya penggunaan citra radar. Padainterpretasi citra radar, diperlukan analisis ciri tekstur yang merupakan hasil transformasi dari model tekstur terhadapdata aslinya. Untuk tujuan penyimpanan dan pemrosesan data, diusahakan hanya menggunakan sejumlah data yangterbatas, tetapi menghasilkan klasifikasi yang optimal. Pemilihan fitur merupakan suatu metode yang bertujuan untukmendapatkan subset fitur yang optimal. Pada tulisan ini memperkenalkan metode pemilihan fitur transformasikomponen utama yang diujicobakan terhadap dua data uji, yaitu citra optik (data citra daerah Jawa Tengah) dan citraradar (data citra daerah Sumatera Selatan) yang semuanya merupakan data skala kecil yaitu tiap-tiap data kurang dari 20ciri. Akurasi klasifikasi rata-rata yang didapat dengan metode transformasi komponen utama untuk kedua data ujisecara berturut-turut adalah sebagai berikut: pada data citra daerah Jawa Tengah sebesar 91,86% dan pada data citradaerah Sumatera Selatan sebesar 86,58%."