Hasil Pencarian  ::  Simpan CSV :: Kembali

"System of rice intensification yang dikenal dengan singkatan SRI telah diperkenalkan di beberapa wilayah di Indonesia. Sistem ini yang dipadukan dengan pemupukan organik telah memberikan hasil yang menggembirakan dalam memperbaiki produktivitas lahan dan air , dan keuntungan yang lebih baik bagi para petani....."

"Rob merupakan banjir yang terjadi akibat naiknya air laut pada daerah pesisir.Rob di Jakarta Utara pada beberapa tahun belakangan ini menjadi perhatian karena hampir setiap tahun terjadi dan menimbulkan berbagai macam kerugian diantamnya adalah terganggunya aktivitas berbagai sektor seperti perdagangan, transportasi, kesehatan serta kegiatan ekonomi lainnya. Seiring dengan makin meningkatnya frekuensi rob kerusakan infiastruktur semakin tinggi, sehingga dapat mengancam proses pembangunan wilayah pesisir. Penelitian ini bertujuan untuk menentukan estimasi daerah potensi rob di Jakarta Utara dengan menggunakan hasil analisis model Wavewatch III dan OTIS untuk melihat pola dan kharakterisitk gelornbang dan pasang surut yang mempengaruhi fluktuasi tinggi muka laut di pesisir Jakarta Utara. Sebagai bahan pembanding digunakan data pengamatan tinggi muka laut di daerah Tanjung Priok. Hasil perhitungan gabungan model tersebut dapat dilihat waktu periode, daerah potensi dan ketinggian dari banjir rob. Waktu periode rob di Jakarta berpotensi terjadi pada bulan Januari, Februari, November dan Desember, dengan puncaknya tetjadi pada bulan Januari dan Februari. Untuk daerah potcnsi, hampir seluruh wilayah sepaniang pesisir mcmpunyai potensi rob karena pada umurnnya mempunyai elevasi permukaan yang cukup rendah, tetapi ada beberapa daerah yang mempunyai potensi terbesar yaitu daerah Muara Bam, sebagian Tanjung Priok, Cilincing dan Marunda. Sedangkan potensi ketinggian rob bervariasi di seluruh pesisir dengan potensi tertinggi terjadinya genangan berada di daerah Muara Baru, Cilincing dan Marunda. Dari hasil penelitian ini dapat disimpulkan bahwa model gelombang laut dan pasang surut global dapat digunakan untuk melihat pola tinggi muka laut di perairan Jakarta. Hasil perbandingan model dan data pengamatan diperoleh pola dan karakterstilc yang sama tetapi nilai model ccndcrung lebih besar.

---

Coastal intmdation is a kind of flood which caused by sea level rise on coastal area. In several years, coastal inundation at North Jakarta is became hot issue because it happens almost every year and caused a variety of loss at some activity which are commerce, transportation, health, and other economic activity. Along with frequency of coastal inundation are increase, higher infrastructure damage in this case coastal area development would be threaten. This research goal to estimate the anea which have a coastal inundation potential at North Jakarta using the output of wave model (Wavewacth Ill) and Tidal model (OTIS) to observe pattem and characteristic of wave and tidal which influenced sea level fluctuation. As Comparison, using sea level observation data at Tanjung Priok

The output from model composite calculation can referred to period time, potential area and water level. Coastal inundation time period at North Jakarta potential on January, February, November, and December at its height on January and February. For Potential area almost every area along coast have potential because in a general way have surface elevation quite low, but on some area have the highest potential which is Muara Baru, part of Tanjung Priok, Cilincing and Marunda. The potential puddle elevation have variation on hole coast with the highest potential where at Muara Baru, Cilincing, and Marunda.

As conclusion of this research, both of the model can be use to observe sea level pattem at Jakarta waters. The output of model compare with observation data is having same pattem and characteristic but the model value is higher."

"Salah satu wilayah tidak terlayani jaringan perpipaan di Kota Bekasi adalah Kelurahan Jatirangga sehingga kebutuhan air minumnya dipenuhi dalam bentuk self-supply yaitu pemakaian air tanah sebagai sumber air utama yang berpotensi menimbulkan penipisan air tanah untuk jangka waktu yang panjang. Penelitian ini bertujuan untuk mengulas hasil monitoring tingkat curah hujan dan ketinggian muka air tanah, menganalisis korelasi antara pola hujan dengan perubahan tinggi muka air tanah, dan merekomendasikan alternatif untuk menjaga ketersediaan air tanah agar berkelanjutan. Data perekaman curah hujan sebagai variabel bebas dan tinggi muka air tanah sebagai variabel terikat pada bulan Juni 2022 hingga awal November 2022 dianalisis menggunakan uji statistik inferensial SPSS yang meliputi uji korelasi dan regresi linear. Setelah mengidentifikasi hubungan curah hujan dan tinggi muka air tanah secara statistik, opsi-opsi alternatif dapat diurutkan sesuai dengan pengalaman dan pengetahuan responden melalui metode Analytical Hierarchy Process (AHP). Data perekaman rainfall gauge menunjukkan bahwa bulan Oktober memiliki curah hujan tertinggi (385 mm), sementara bulan Agustus memiliki curah hujan terendah (109 mm) dalam periode 5 bulan perekaman. Data dari water level logger menunjukkan bahwa muka air tanah tertinggi berada di bulan Oktober (7,85 m dari permukaan), sementara bulan Agustus menunjukkan tinggi muka air tanah paling dalam (>9,50 m dari permukaan). Hal ini menunjukkan bahwa fluktuasi curah hujan berdampak pada perubahan tinggi muka air tanah di bulan yang sama. Hasil pengujian statistik menunjukkan adanya korelasi signifikan yang tergolong lemah hingga moderat di antara kedua variabel curah hujan dan muka tanah. Berdasarkan hasil analisis statistik tersebut, alternatif yang diprioritaskan adalah alternatif yang mengintervensi pada pasokan air tanah, yaitu sumur resapan, sumur injeksi, dan parit resapan yang umum digunakan di Indonesia. Hasil tabulasi data responden pada metode AHP menunjukkan bahwa sumur resapan merupakan alternatif peringkat pertama yang dianggap dapat dipertimbangkan untuk diaplikasikan di Kota Bekasi. Setelah diimplementasikan, sumur resapan diharapkan dapat membantu menjaga keberlanjutan air tanah.

---

One of the areas in Kota Bekasi that is not served by a piped network is Jatirangga Sub-district. The community in Jatirangga Sub-district meets their drinking water needs through self-supply, which has the potential to deplete groundwater over a long period. This study aims to review the results of monitoring the rainfall level and groundwater level, analyze the correlation between rainfall patterns and changes in groundwater levels, and recommend alternatives to ensure sustainable groundwater availability. The recorded data of rainfall and groundwater levels from June 2022 to early November 2022 were analyzed using inferential statistical tests, including correlation and linear regression tests, in SPSS. After identifying the statistical relationship between rainfall and groundwater levels, alternative options can be ranked according to the respondents' experiences and knowledge using the Analytical Hierarchy Process (AHP) method. The rainfall gauge recording data shows that October had the highest rainfall (385 mm), while August had the lowest rainfall (109.2 mm) during the 5-month recording period. The data from the water level logger indicates that the highest groundwater level occurred in October (7.85 m below the surface), while August had the deepest groundwater level (>9.5 m below the surface). This suggests that rainfall fluctuations have an impact on changes in groundwater levels within the same month. The results of the statistical tests show a significant correlation between the two variables, although it is categorized as weak to moderate. Based on the statistical analysis, the ranked alternatives are those that intervene in groundwater supply, such as infiltration wells, injection wells, and infiltration trenches commonly used in Indonesia. The tabulation of respondent data in the AHP method shows that infiltration wells are the top-ranked alternative considered for implementation in Kota Bekasi. The integration of infiltration wells is envisioned as a pivotal measure to effectively preserve the sustainability of the groundwater resources."

"Banjir di Jakarta merupakan masalah yang kompleks yang dipengaruhi oleh kombinasi faktor geografis, sosial, ekonomi, dan lingkungan. Studi ini berfokus pada prediksi banjir dengan membandingkan data stasiun darat Automatic Rain Gauge (ARG) dan data satelit Climate Hazards Group InfraRed Precipitation (CHIRPS) menggunakan Adaptive Neurofuzzy Inference System (ANFIS) yang terintegrasi dengan Principal Component Analysis (PCA). Dataset mencakup pengukuran curah hujan dari ARG dan CHIRPS, serta data ketinggian air dari tahun 2014 hingga 2020. ARG menyediakan data curah hujan lokal yang akurat, sementara CHIRPS menawarkan cakupan curah hujan regional yang luas. Teknik praproses seperti imputasi rata-rata, normalisasi data, dan metode interquartile range (IQR) digunakan untuk meningkatkan kualitas data. Model ANFIS-PCA, yang mengintegrasikan logika fuzzy dan pelatihan jaringan saraf tiruan, diterapkan dengan pembagian data 80:20 untuk pelatihan dan validasi. Ketika dilatih dengan data stasiun darat ARG dan pengukuran ketinggian air, model ANFIS-PCA menunjukkan akurasi yang superior, dengan root mean square error (RMSE) sebesar 0,13, mean absolute error (MAE) sebesar 0,12, dan R² sebesar 0,82. Sebaliknya, model ANFIS tanpa PCA menghasilkan kesalahan yang lebih tinggi, dengan RMSE 6,3, MAE 6,2, dan R² 0,74. Pelatihan dengan data satelit CHIRPS menghasilkan kesalahan yang jauh lebih tinggi (RMSE 30,14, MAE 24,05, R² 0,42). Sedangkan hasil ANFIS – PCA menghasilkan akurasi yang lebih bagus (RMSE 4,8, MAE 2,0 dan R² 0,55) . Hasil penelitian menunjukkan bahwa ANFIS-PCA memiliki kinerja yang lebih baik dibandingkan model ANFIS tanpa PCA, terutama ketika dilatih dengan data dari stasiun darat. Integrasi PCA berhasil mengurangi dimensi data, meningkatkan efisiensi komputasi dan akurasi model. Selain itu hasil ini juga menegaskan keunggulan pengukuran curah hujan data ground station untuk prediksi banjir, mempunyai angka presisi yang lebih tinggi dan kerentanan yang lebih rendah terhadap kesalahan dibandingkan data satelit. Sementara itu data satelit CHIRPS menawarkan cakupan spasial yang lebih luas.

---

Flooding in Jakarta is a complex issue influenced by a combination of geographical, social, economic, and environmental factors. This study focuses on flood prediction by comparing ground station data from Automatic Rain Gauges (ARG) and satellite data from the Climate Hazards Group InfraRed Precipitation (CHIRPS) using the Adaptive Neuro-Fuzzy Inference System (ANFIS) integrated with Principal Component Analysis (PCA). The dataset includes rainfall measurements from ARG and CHIRPS, as well as water level data from 2014 to 2020. ARG provides accurate local rainfall data, while CHIRPS offers broad regional precipitation coverage. Preprocessing techniques such as mean imputation, data normalization, and the interquartile range (IQR) method were employed to enhance data quality.

The ANFIS-PCA model, which integrates fuzzy logic and neural network training, was implemented using an 80:20 data split for training and validation. When trained with ARG ground station data and water level measurements, the ANFIS-PCA model demonstrated superior accuracy, achieving a root mean square error (RMSE) of 0.13, mean absolute error (MAE) of 0.12, and R² of 0.82. In contrast, the ANFIS model without PCA yielded higher errors, with RMSE of 6.3, MAE of 6.2, and R² of 0.74. Training with CHIRPS satellite data resulted in significantly higher errors (RMSE 30.14, MAE 24.05, R² 0.42). Meanwhile, the ANFIS-PCA model trained on combined datasets showed improved performance, achieving RMSE of 4.8, MAE of 2.0, and R² of 0.55.

The results indicate that the ANFIS-PCA model outperforms the ANFIS model without PCA, particularly when trained with ground station data. The integration of PCA successfully reduced data dimensionality, improving computational efficiency and model accuracy. Furthermore, the findings reaffirm the superiority of ground-based measurements for flood prediction due to their higher precision and lower susceptibility to errors compared to satellite-derived data, while CHIRPS satellite data offers wider spatial coverage."