Peta dasar skala besar sangat dibutuhkan oleh kota besar/metropolitan seperti Kota Surabaya untuk perencanaan kota dan menunjang pembangunan kota cerdas. Beberapa informasi utama yang paling dibutuhkan dari peta skala besar adalah fitur bangunan dan jaringan jalan. Ekstraksi jaringan jalan merupakan pekerjaan yang menantang karena banyak alasan, termasuk sifat heterogen dari geometri dan spektral, kompleksitas objek yang sulit dimodelkan, dan data sensor yang kurang baik. Intepretasi yang dilakukan oleh operator secara visual masih merupakan pendekatan yang umum digunakan untuk ekstraksi informasi dari orthophoto. Akurasi intepretasi yang dihasilkan tergantung pada keterampilan dan pengalaman dari operator. Sehingga, dapat terjadi inkonsistensi pada data yang dihasilkan oleh operator yang berbeda. Beberapa tahun terakhir ini, ekstraksi otomatis jalan dari orthophoto maupun CSRT menjadi isu penelitian penting dan menantang yang mendapat perhatian lebih besar. Dalam penelitian ini, penulis menerapkan metode deteksi objek berbasis Mask Region-based Convolutional Neural Network (Mask R-CNN) untuk ekstraksi jaringan jalan memanfaatkan orthophoto dan DSM LiDAR di daerah urban Kota Surabaya. Beberapa strategi dirancang dan digabungkan dengan model deteksi objek berbasis Mask R-CNN, termasuk post-processing yang terdiri dari regularisasi poligon algoritma Douglass-Peucker, remove overlap, fill gap, dan penghalusan poligon. Metode yang penulis terapkan menghasilkan kinerja yang cukup baik untuk ekstraksi jalan menghasilkan nilai presisi 90,28%; kelengkapan (recall) 85,85%; skor-F1 88,01%; dan IoU 78,59%; serta overall accuracy 95,25 % dan nilai kappa 90,5%.
{"title":"Penggunaan Deep Learning dan Post-Processing Algoritma Douglas-Peucker untuk Ekstraksi Jaringan Jalan pada Area Urban dari Orthophoto","authors":"Alfian Bimanjaya, Hepi Hapsari Handayani, Reza Fuad Rachmadi","doi":"10.12962/geoid.v19i2.1127","DOIUrl":"https://doi.org/10.12962/geoid.v19i2.1127","url":null,"abstract":"Peta dasar skala besar sangat dibutuhkan oleh kota besar/metropolitan seperti Kota Surabaya untuk perencanaan kota dan menunjang pembangunan kota cerdas. Beberapa informasi utama yang paling dibutuhkan dari peta skala besar adalah fitur bangunan dan jaringan jalan. Ekstraksi jaringan jalan merupakan pekerjaan yang menantang karena banyak alasan, termasuk sifat heterogen dari geometri dan spektral, kompleksitas objek yang sulit dimodelkan, dan data sensor yang kurang baik. Intepretasi yang dilakukan oleh operator secara visual masih merupakan pendekatan yang umum digunakan untuk ekstraksi informasi dari orthophoto. Akurasi intepretasi yang dihasilkan tergantung pada keterampilan dan pengalaman dari operator. Sehingga, dapat terjadi inkonsistensi pada data yang dihasilkan oleh operator yang berbeda. Beberapa tahun terakhir ini, ekstraksi otomatis jalan dari orthophoto maupun CSRT menjadi isu penelitian penting dan menantang yang mendapat perhatian lebih besar. Dalam penelitian ini, penulis menerapkan metode deteksi objek berbasis Mask Region-based Convolutional Neural Network (Mask R-CNN) untuk ekstraksi jaringan jalan memanfaatkan orthophoto dan DSM LiDAR di daerah urban Kota Surabaya. Beberapa strategi dirancang dan digabungkan dengan model deteksi objek berbasis Mask R-CNN, termasuk post-processing yang terdiri dari regularisasi poligon algoritma Douglass-Peucker, remove overlap, fill gap, dan penghalusan poligon. Metode yang penulis terapkan menghasilkan kinerja yang cukup baik untuk ekstraksi jalan menghasilkan nilai presisi 90,28%; kelengkapan (recall) 85,85%; skor-F1 88,01%; dan IoU 78,59%; serta overall accuracy 95,25 % dan nilai kappa 90,5%.","PeriodicalId":30776,"journal":{"name":"Geoid","volume":" 16","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-07-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"141827676","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2024-07-17DOI: 10.12962/geoid.v19i2.1164
Rizkulloh Nurfauzi Al Amin, Teguh Hariyanto, Cherie Bhekti Pribadi
Pertambahan jumlah penduduk di Kota Probolinggo setiap tahunnya menyebabkan kebutuhan ruangmeningkat sehingga terjadi pengalihan fungsi lahan di perkotaan dan keberadaan ruang terbuka hijau (RTH) semakinterancam. Analisis kesesuaian lahan dapat menjadi alternatif untuk mengatasi alih fungsi lahan, yakni melalui sisteminformasi geografis (SIG) dan dikombinasikan dengan menggunakan metode Analytical Hierarchy Process (AHP)untuk mendapatkan prioritas kesesuaian lokasi. Dalam penelitian ini akan menganalisis hasil AHP sebagai bobotdalam menentukan kesesuaian ruang terbuka hijau (RTH) di Kecamatan Kanigaran. Kriteria yang digunakan ialahkemiringan lereng, kepadatan penduduk, penggunaan lahan, aksesibilitas, dan kedekatan RTH terhadap kawasanperkotaan. Bobot dari masing-masing kriteria ini nantinya digunakan dalam weighted overlay. Didapatkan 5 tingkatkesesuaian ruang terbuka hijau (RTH), yaitu sangat sesuai (S1), sesuai (S2), cukup sesuai (S3), tidak sesuai (N1), dansangat tidak sesuai (N2). Analisis kesesuaian yang bernilai “S” terhadap kondisi eksisting dilakukan dengan mengoverlay tutupan lahan melalui Peta Dasar Kecamatan Kanigaran 1:1000. Kemudian, didapatkan perbandingankesesuaian dengan penggunaan eksisting di setiap kelurahannya
{"title":"Evaluasi Prioritas Kesesuaian Ruang Terbuka Hijau (RTH) di Kecamatan Kanigaran","authors":"Rizkulloh Nurfauzi Al Amin, Teguh Hariyanto, Cherie Bhekti Pribadi","doi":"10.12962/geoid.v19i2.1164","DOIUrl":"https://doi.org/10.12962/geoid.v19i2.1164","url":null,"abstract":"Pertambahan jumlah penduduk di Kota Probolinggo setiap tahunnya menyebabkan kebutuhan ruangmeningkat sehingga terjadi pengalihan fungsi lahan di perkotaan dan keberadaan ruang terbuka hijau (RTH) semakinterancam. Analisis kesesuaian lahan dapat menjadi alternatif untuk mengatasi alih fungsi lahan, yakni melalui sisteminformasi geografis (SIG) dan dikombinasikan dengan menggunakan metode Analytical Hierarchy Process (AHP)untuk mendapatkan prioritas kesesuaian lokasi. Dalam penelitian ini akan menganalisis hasil AHP sebagai bobotdalam menentukan kesesuaian ruang terbuka hijau (RTH) di Kecamatan Kanigaran. Kriteria yang digunakan ialahkemiringan lereng, kepadatan penduduk, penggunaan lahan, aksesibilitas, dan kedekatan RTH terhadap kawasanperkotaan. Bobot dari masing-masing kriteria ini nantinya digunakan dalam weighted overlay. Didapatkan 5 tingkatkesesuaian ruang terbuka hijau (RTH), yaitu sangat sesuai (S1), sesuai (S2), cukup sesuai (S3), tidak sesuai (N1), dansangat tidak sesuai (N2). Analisis kesesuaian yang bernilai “S” terhadap kondisi eksisting dilakukan dengan mengoverlay tutupan lahan melalui Peta Dasar Kecamatan Kanigaran 1:1000. Kemudian, didapatkan perbandingankesesuaian dengan penggunaan eksisting di setiap kelurahannya","PeriodicalId":30776,"journal":{"name":"Geoid","volume":" 23","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-07-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"141830407","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2024-07-17DOI: 10.12962/geoid.v19i2.1145
Klarissa Ardilia Putri, Hepi Hapsari Handayani
Teknologi penginderaan jauh telah mengalami perkembangan yang pesat terutama dalam metode klasifikasi citra. Klasifikasi citra merupakan kegiatan yang dilakukan untuk mendeteksi dan mengidentifikasi objek di permukaan bumi pada citra satelit. Saat ini telah dikembangkan berbagai metode klasifikasi citra satelit, salah satunya adalah metode klasifikasi berbasis parameter, seperti MLC (Maximum Likelihood). Namun, metode ini tidak dapat dilakukan di lingkungan dengan fitur objek yang kompleks (seperti di daerah perkotaan atau daerah yang dibangun dengan padat). Hal ini dikarenakan metode klasifikasi berdasarkan parameter yang dibutuhkan dari dataset tidak berdistribusi normal. Oleh karena itu, dikembangkan metode klasifikasi berbasis non-parametrik yang tidak bergantung pada sifat sebaran data, sehingga tidak diperlukan parameter statistik untuk memisahkan banyak kelas pada citra dan digunakan untuk menganalisis citra satelit dengan lahan padat dan kompleks. fitur penutup. Melalui penelitian ini dilakukan analisis komparatif klasifikasi tutupan lahan menggunakan metode klasifikasi berbasis non parametrik dengan pendekatan Machine Learning (Artificial Neural Network, Support Vector Machine, dan Random Forest) untuk wilayah Kota Surabaya menggunakan Landsat-8 data citra satelit, untuk mengetahui hasil klasifikasi kinerja yang dihasilkan dari ketiga metode tersebut. Klasifikasi tutupan lahan yang diterapkan pada penelitian ini terdiri dari empat kelas yaitu, badan air, lahan terbuka, lahan terbangun, dan vegetasi. Adapun komposisi training point yang digunakan adalah 80:20, dimana 80% titik sebagai titik sample dan 20% sebagai titik validasi. Dan jumlah seluruh training point adalah 237 titik. Hasil klasifikasi tutupan lahan pada penelitian ini kemudian dilakukan uji akurasi secara kualitatif dan kuantitatif. Berdasarkan uji akurasi secara kuantitatif metode Random Forest menunjukkan hasil yang paling baik dengan nilai overal accuracy 93,33% dan kappa accuracy sebesar 91,07%.
{"title":"Perbandingan Hasil Klasifikasi Tutupan Lahan Menggunakan Metode Artificial Neural Network (ANN), Support Vector Machine (SVM), dan Random Forest (RF) dengan Bahasa Pemrograman R","authors":"Klarissa Ardilia Putri, Hepi Hapsari Handayani","doi":"10.12962/geoid.v19i2.1145","DOIUrl":"https://doi.org/10.12962/geoid.v19i2.1145","url":null,"abstract":"Teknologi penginderaan jauh telah mengalami perkembangan yang pesat terutama dalam metode klasifikasi citra. Klasifikasi citra merupakan kegiatan yang dilakukan untuk mendeteksi dan mengidentifikasi objek di permukaan bumi pada citra satelit. Saat ini telah dikembangkan berbagai metode klasifikasi citra satelit, salah satunya adalah metode klasifikasi berbasis parameter, seperti MLC (Maximum Likelihood). Namun, metode ini tidak dapat dilakukan di lingkungan dengan fitur objek yang kompleks (seperti di daerah perkotaan atau daerah yang dibangun dengan padat). Hal ini dikarenakan metode klasifikasi berdasarkan parameter yang dibutuhkan dari dataset tidak berdistribusi normal. Oleh karena itu, dikembangkan metode klasifikasi berbasis non-parametrik yang tidak bergantung pada sifat sebaran data, sehingga tidak diperlukan parameter statistik untuk memisahkan banyak kelas pada citra dan digunakan untuk menganalisis citra satelit dengan lahan padat dan kompleks. fitur penutup. Melalui penelitian ini dilakukan analisis komparatif klasifikasi tutupan lahan menggunakan metode klasifikasi berbasis non parametrik dengan pendekatan Machine Learning (Artificial Neural Network, Support Vector Machine, dan Random Forest) untuk wilayah Kota Surabaya menggunakan Landsat-8 data citra satelit, untuk mengetahui hasil klasifikasi kinerja yang dihasilkan dari ketiga metode tersebut. Klasifikasi tutupan lahan yang diterapkan pada penelitian ini terdiri dari empat kelas yaitu, badan air, lahan terbuka, lahan terbangun, dan vegetasi. Adapun komposisi training point yang digunakan adalah 80:20, dimana 80% titik sebagai titik sample dan 20% sebagai titik validasi. Dan jumlah seluruh training point adalah 237 titik. Hasil klasifikasi tutupan lahan pada penelitian ini kemudian dilakukan uji akurasi secara kualitatif dan kuantitatif. Berdasarkan uji akurasi secara kuantitatif metode Random Forest menunjukkan hasil yang paling baik dengan nilai overal accuracy 93,33% dan kappa accuracy sebesar 91,07%.","PeriodicalId":30776,"journal":{"name":"Geoid","volume":" 10","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-07-17","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"141830724","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2024-07-16DOI: 10.12962/geoid.v19i2.1124
A. Nugraha, Danar Guruh Pratomo, Cherie Bhekti Pribadi
Menurut Badan Pusat Statistik Kota Surabaya (2018), sebanyak 2066 nelayan di pesisir Kota Surabaya memiliki pendapatan rata-rata Rp 11.000.000,00. Hal tersebut tentunya berbeda antara satu nelayan dengan nelayan yang lain dikarenakan perbedaan sumber daya dan armada kapal. Diberitakan juga melalui Kurniawan (2020), bahwa nelayan-nelayan tersebut membutuhkan alat bantu navigasi seperti Global Positioning System (GPS) dan Handy Talky (HT). Meskipun hal tersebut bisa dilakukan oleh Pemerintah Kota Surabaya, namun alangkah lebih baik apabila difokuskan pada teknologi yang sudah dimliki oleh para nelayan, yaitu smartphone. Dengan menggunakan teknologi Augmented Reality (AR), penelitian ini bertujuan untuk membuat prototipe AR dalam mengakomodasi kebutuhan keselamatan navigasi pelayaran, khususnya kepada para nelayan. Dalam pembuatannya akan digunakan diagram Unified Modeling Language (UML) tipe use-case yang terintegrasi dengan standar IHO S-100 sebagai dasar pembuatan aplikasi. Pembuatan prototipe AR menggunakan data peta laut nasional dan data batimetri nasional yang nantinya akan dibuat dalam bentuk aplikasi smartphone berbasis android. Aplikasi yang diberi nama Marine Augmented Reality System (MARS) akan memiliki fitur berupa peta 3D berbasis gambar dan simulasi kapal yang bisa digerakkan agar pengguna bisa mempelajari sistem buoy.
{"title":"Prototipe Augmented Reality Berbasis Mobile untuk Navigasi Pelayaran yang Aman di Wilayah Perairan Selat Madura","authors":"A. Nugraha, Danar Guruh Pratomo, Cherie Bhekti Pribadi","doi":"10.12962/geoid.v19i2.1124","DOIUrl":"https://doi.org/10.12962/geoid.v19i2.1124","url":null,"abstract":"Menurut Badan Pusat Statistik Kota Surabaya (2018), sebanyak 2066 nelayan di pesisir Kota Surabaya memiliki pendapatan rata-rata Rp 11.000.000,00. Hal tersebut tentunya berbeda antara satu nelayan dengan nelayan yang lain dikarenakan perbedaan sumber daya dan armada kapal. Diberitakan juga melalui Kurniawan (2020), bahwa nelayan-nelayan tersebut membutuhkan alat bantu navigasi seperti Global Positioning System (GPS) dan Handy Talky (HT). Meskipun hal tersebut bisa dilakukan oleh Pemerintah Kota Surabaya, namun alangkah lebih baik apabila difokuskan pada teknologi yang sudah dimliki oleh para nelayan, yaitu smartphone. Dengan menggunakan teknologi Augmented Reality (AR), penelitian ini bertujuan untuk membuat prototipe AR dalam mengakomodasi kebutuhan keselamatan navigasi pelayaran, khususnya kepada para nelayan. Dalam pembuatannya akan digunakan diagram Unified Modeling Language (UML) tipe use-case yang terintegrasi dengan standar IHO S-100 sebagai dasar pembuatan aplikasi. Pembuatan prototipe AR menggunakan data peta laut nasional dan data batimetri nasional yang nantinya akan dibuat dalam bentuk aplikasi smartphone berbasis android. Aplikasi yang diberi nama Marine Augmented Reality System (MARS) akan memiliki fitur berupa peta 3D berbasis gambar dan simulasi kapal yang bisa digerakkan agar pengguna bisa mempelajari sistem buoy.","PeriodicalId":30776,"journal":{"name":"Geoid","volume":" 4","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-07-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"141832167","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2024-07-09DOI: 10.12962/geoid.v19i2.1143
Anggita Puspita Ambarini, Filsa Bioresita, N. Hayati
Kota Banjarmasin merupakan salah satu kota di Indonesia yang rawan banjir. Pada 20 Januari 2021 terjadi banjir di beberapa wilayah di Kota Banjarmasin. Banjir mengakibatkan kerugian materi dan sekitar 100 ribu jiwa terdampak, dimana beberapa diantaranya diharuskan mengungsi ke tempat yang lebih aman. Upaya mitigasi bencana banjir dapat dilakukan dengan memetakan genangan banjir menggunakan citra satelit penginderaan jauh, salah satunya citra satelit Synthetic Aperture Radar (SAR) Sentinel-1. Pemetaan genangan banjir dilakukan menggunakan cloud computing Google Earth Engine dengan metode change detection, dimana citra saat banjir dibagi dengan citra sebelum banjir. Luas genangan banjir pada 20 Januari 2021 di Kota Banjarmasin dengan nilai ambang batas (threshold) yang digunakan adalah 1,1 adalah sebesar 1.674,501 ha dengan overall accuracy 91,25%. Banjir berkaitan erat dengan tutupan lahan. Identifikasi tutupan lahan dapat dilakukan menggunakan citra optis Sentinel-2 dengan metode supervised classification. Pemetaan tutupan lahan menggunakan algoritma Classification and Regression Trees (CART) dengan Google Earth Engine. Hasil klasifikasi tutupan lahan dikategorikan menjadi lima kelas yaitu badan air, lahan terbangun, vegetasi, lahan kosong, dan pertanian. Perhitungan uji akurasi dengan confusion matrix menghasilkan nilai overall accuracy sebesar 95,175% dan kappa sebesar 93,08%, sehingga telah memenuhi ketentuan USGS dan menunjukkan akurasi yang sangat baik berdasarkan kriteria Koefisien Kappa Cohen. Kelas tutupan lahan yang paling terdampak adalah lahan terbangun dan pertanian. Hal ini dapat disebabkan karena laju infiltrasi lahan terbangun dan lahan pertanian seperti sawah tergolong sedang hingga lambat dan sistem drainase di Kota Banjarmasin yang kurang memadai.
{"title":"Analisis Sebaran Spasial Genangan Banjir Terkait Tutupan Lahan di Kota Banjarmasin, Kalimantan Selatan Menggunakan Citra Sentinel 1 dan 2","authors":"Anggita Puspita Ambarini, Filsa Bioresita, N. Hayati","doi":"10.12962/geoid.v19i2.1143","DOIUrl":"https://doi.org/10.12962/geoid.v19i2.1143","url":null,"abstract":"Kota Banjarmasin merupakan salah satu kota di Indonesia yang rawan banjir. Pada 20 Januari 2021 terjadi banjir di beberapa wilayah di Kota Banjarmasin. Banjir mengakibatkan kerugian materi dan sekitar 100 ribu jiwa terdampak, dimana beberapa diantaranya diharuskan mengungsi ke tempat yang lebih aman. Upaya mitigasi bencana banjir dapat dilakukan dengan memetakan genangan banjir menggunakan citra satelit penginderaan jauh, salah satunya citra satelit Synthetic Aperture Radar (SAR) Sentinel-1. Pemetaan genangan banjir dilakukan menggunakan cloud computing Google Earth Engine dengan metode change detection, dimana citra saat banjir dibagi dengan citra sebelum banjir. Luas genangan banjir pada 20 Januari 2021 di Kota Banjarmasin dengan nilai ambang batas (threshold) yang digunakan adalah 1,1 adalah sebesar 1.674,501 ha dengan overall accuracy 91,25%. Banjir berkaitan erat dengan tutupan lahan. Identifikasi tutupan lahan dapat dilakukan menggunakan citra optis Sentinel-2 dengan metode supervised classification. Pemetaan tutupan lahan menggunakan algoritma Classification and Regression Trees (CART) dengan Google Earth Engine. Hasil klasifikasi tutupan lahan dikategorikan menjadi lima kelas yaitu badan air, lahan terbangun, vegetasi, lahan kosong, dan pertanian. Perhitungan uji akurasi dengan confusion matrix menghasilkan nilai overall accuracy sebesar 95,175% dan kappa sebesar 93,08%, sehingga telah memenuhi ketentuan USGS dan menunjukkan akurasi yang sangat baik berdasarkan kriteria Koefisien Kappa Cohen. Kelas tutupan lahan yang paling terdampak adalah lahan terbangun dan pertanian. Hal ini dapat disebabkan karena laju infiltrasi lahan terbangun dan lahan pertanian seperti sawah tergolong sedang hingga lambat dan sistem drainase di Kota Banjarmasin yang kurang memadai.","PeriodicalId":30776,"journal":{"name":"Geoid","volume":"21 12","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-07-09","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"141835948","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Zona 3 Pelayanan PDAM Surya Sembada memiliki tekanan air dan debit air terrendah jika dibandingkan dengan zona lain. Hal ini menyebabkan zona 3 belum dapat teraliri air secara keseluruhan dan terus-menerus. PDAM merencanakan pemasangan jaringan pipa baru menuju 3 dengan titik awal berada di Kecamatan Gunung Anyar agar dapat menambah kapasitas air zona 3 tersebut. Dalam penelitian ini digunakan metode Analytical Hierarchy Process (AHP) dan Cost Path Analysis dengan mempertimbangkan beberapa kriteria yaitu kelerengan, arah hadap lereng, penggunaan lahan, jaringan jalan, jaringan sungai, daerah rawan bencana, banjir, dan jenis tanah. Metode AHP digunakan untuk menentukan bobot setiap kriteria dan sub-kriteria. Sedangkan cost path analysis diproses dengan berdasarkan bobot setiap kriteria dan skor sub-kriteria yang didapat dari pembobotan AHP. Didapatkan kriteria dengan bobot tertinggi ialah jaringan jalan sebesar 44%, diikuti kriteria penggunaan lahan sebesar 22%, untuk kriteria lain memiliki bobot antara 4%-10%. Pada penelitian ini direncanakan terdapat beberapa pilihan jalur pipa yaitu sebanyak 3, sehingga proses cost path analysis perlu dilakukan dengan input 3 titik akhir dan didapatkan 3 jalur pipa pilihan. Setelah didapatkan jalur pipa hasil pemodelan cost path analysis, dilakukan analisis kesesuaian mengacu pada SNI pemasangan pipa tahun 2004 serta RDTR Kota Surabaya Tahun 2018-2038. Diperlukan adanya modifikasi jalur pipa dikarenakan untuk masing-masing jalur 1, jalur 2, dan jalur 3 sebesar 12,6 %; 14,0 %; dan 7,4 % dari total panjang jalurnya intersect dengan area pemukiman. Modifikasi dilakukan dengan menggeser bagian jalur pipa yang intersect dengan pemukiman menuju jaringan jalan terdekat dikarenakan jaringan jalan memiliki pengaruh tersesar dalam penelitian ini dan menyesuaikan dengan peraturan. Kemudian, melakukan simulasi tekanan air dan debit air menggunakan software waterGems untuk megetahui tekanan air dan debit air yang mampu dihasilkan setiap jalur pipa dan didapatkan jalur 1 dapat menghasilkan tekanan air rata-rata dan debit air tertinggi masing-masing sebesar 6,096 m dan 77 l/s.
{"title":"Perencanaan Jalur Pipa Distribusi Sekunder PDAM Menggunakan Metode Analytical Hierarchy Process dan Cost Path Analysis (Studi Kasus : Kecamatan Gunung Anyar ke Zona 3 PDAM Surya Sembada)","authors":"Sendi Khoirul Irham Luberta, Hepi Hapsari Handayani, Nurwatik Nurwatik","doi":"10.12962/geoid.v19i2.1201","DOIUrl":"https://doi.org/10.12962/geoid.v19i2.1201","url":null,"abstract":"Zona 3 Pelayanan PDAM Surya Sembada memiliki tekanan air dan debit air terrendah jika dibandingkan dengan zona lain. Hal ini menyebabkan zona 3 belum dapat teraliri air secara keseluruhan dan terus-menerus. PDAM merencanakan pemasangan jaringan pipa baru menuju 3 dengan titik awal berada di Kecamatan Gunung Anyar agar dapat menambah kapasitas air zona 3 tersebut. Dalam penelitian ini digunakan metode Analytical Hierarchy Process (AHP) dan Cost Path Analysis dengan mempertimbangkan beberapa kriteria yaitu kelerengan, arah hadap lereng, penggunaan lahan, jaringan jalan, jaringan sungai, daerah rawan bencana, banjir, dan jenis tanah. Metode AHP digunakan untuk menentukan bobot setiap kriteria dan sub-kriteria. Sedangkan cost path analysis diproses dengan berdasarkan bobot setiap kriteria dan skor sub-kriteria yang didapat dari pembobotan AHP. Didapatkan kriteria dengan bobot tertinggi ialah jaringan jalan sebesar 44%, diikuti kriteria penggunaan lahan sebesar 22%, untuk kriteria lain memiliki bobot antara 4%-10%. Pada penelitian ini direncanakan terdapat beberapa pilihan jalur pipa yaitu sebanyak 3, sehingga proses cost path analysis perlu dilakukan dengan input 3 titik akhir dan didapatkan 3 jalur pipa pilihan. Setelah didapatkan jalur pipa hasil pemodelan cost path analysis, dilakukan analisis kesesuaian mengacu pada SNI pemasangan pipa tahun 2004 serta RDTR Kota Surabaya Tahun 2018-2038. Diperlukan adanya modifikasi jalur pipa dikarenakan untuk masing-masing jalur 1, jalur 2, dan jalur 3 sebesar 12,6 %; 14,0 %; dan 7,4 % dari total panjang jalurnya intersect dengan area pemukiman. Modifikasi dilakukan dengan menggeser bagian jalur pipa yang intersect dengan pemukiman menuju jaringan jalan terdekat dikarenakan jaringan jalan memiliki pengaruh tersesar dalam penelitian ini dan menyesuaikan dengan peraturan. Kemudian, melakukan simulasi tekanan air dan debit air menggunakan software waterGems untuk megetahui tekanan air dan debit air yang mampu dihasilkan setiap jalur pipa dan didapatkan jalur 1 dapat menghasilkan tekanan air rata-rata dan debit air tertinggi masing-masing sebesar 6,096 m dan 77 l/s.","PeriodicalId":30776,"journal":{"name":"Geoid","volume":"24 21","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-07-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"141836404","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2024-07-05DOI: 10.12962/geoid.v19i2.1170
F. Aditya, Yuwono Yuwono
Waduk Selorejo secara administratif berada pada Kabupaten Malang dan tepatnya berada pada Desa Pandansari, Kecamatan Ngantang. Waduk Selorejo menjadi salah satu destinasi wisata yang cukup terkenal di Jawa Timur. Waduk Selorejo merupakan kawasan wisata yang memiliki banyak potensi yang dapat dikembangkan. Sistem Informasi Geografis merupakan sistem informasi berbasis komputer yang digunakan untuk mengolah dan menyimpan data atau informasi geografis. Sistem Informasi Geografis berbasis Web merupakan sistem informasi geografis yang didistribusikan diseluruh lingkungan jaringan komputer untuk mengintegrasikan, menyebarkan, dan mengkomunikasikan informasi geografis secara visual di World Wide Web melalui internet. Quantum GIS (QGIS) adalah perangkat lunak desktop pada Sistem Informas Geografis yang memiliki fungsi yaitu menyediakan data, melihat, mengedit, dan memiliki kemampuan analisis spasial. Dengan menggunakan data potensi wisata Waduk Selorejo yang dimasukan kedalam perangkat lunak QGIS. Hasil penelitian ini diharapkan dapat meningkatkan kunjungan wisatawan yang dapat dijadikan acuan oleh instansi terkait dalam melaksanakan pengembangan potensi wisata Waduk Selorejo.
{"title":"Perancangan Sistem Informasi Geografis berbasis Web untuk Pembuatan Objek Wisata Waduk Selorejo dengan QuantumGIS","authors":"F. Aditya, Yuwono Yuwono","doi":"10.12962/geoid.v19i2.1170","DOIUrl":"https://doi.org/10.12962/geoid.v19i2.1170","url":null,"abstract":"Waduk Selorejo secara administratif berada pada Kabupaten Malang dan tepatnya berada pada Desa Pandansari, Kecamatan Ngantang. Waduk Selorejo menjadi salah satu destinasi wisata yang cukup terkenal di Jawa Timur. Waduk Selorejo merupakan kawasan wisata yang memiliki banyak potensi yang dapat dikembangkan. Sistem Informasi Geografis merupakan sistem informasi berbasis komputer yang digunakan untuk mengolah dan menyimpan data atau informasi geografis. Sistem Informasi Geografis berbasis Web merupakan sistem informasi geografis yang didistribusikan diseluruh lingkungan jaringan komputer untuk mengintegrasikan, menyebarkan, dan mengkomunikasikan informasi geografis secara visual di World Wide Web melalui internet. Quantum GIS (QGIS) adalah perangkat lunak desktop pada Sistem Informas Geografis yang memiliki fungsi yaitu menyediakan data, melihat, mengedit, dan memiliki kemampuan analisis spasial. Dengan menggunakan data potensi wisata Waduk Selorejo yang dimasukan kedalam perangkat lunak QGIS. Hasil penelitian ini diharapkan dapat meningkatkan kunjungan wisatawan yang dapat dijadikan acuan oleh instansi terkait dalam melaksanakan pengembangan potensi wisata Waduk Selorejo.","PeriodicalId":30776,"journal":{"name":"Geoid","volume":"67 5","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-07-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"141837047","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2024-07-04DOI: 10.12962/geoid.v19i2.1202
Romansah Wumu, Shabri Indra Suryalfihra
Hiu Paus merupakan salah satu hewan yang terancam punah, sehingga masuk dalam hewan yang dilindungi. Salah satu lokasi kemunculan Hiu Paus di Indonesia adalah perairan Botubarani Provinsi Gorontalo. Perairan tersebut dijadikan Kawasan Ekowisata Hiu Paus yang bertujuan meningkatkan ekonomi masyarakat setempat sekaligus menjadi lokasi riset dan konservasi Hiu Paus. Kemunculan Hiu Paus pada perairan Botubarani masih belum banyak diketahui penyebabnya. Secara umum kemunculan Hiu Paus pada suatu lokasi tergantung pada kondisi kimia, fisik, dan biologi perairan. Penelitian bertujuan mencari korelasi antara kemunculan Hiu Paus pada perairan Botubarani menggunakan parameter suhu permukaan laut (SPL) dengan dan Klorofil-a. Kedua data tersebut diperoleh dari data citra Modis dan Landsat-8. Hasil pengujian korelasi antara kemunculan Hiu Paus dengan Klorofil-a dari data harian MODIS Aqua dan Terra masing-masing adalah -0,356 dan -0,077, sedangkan korelasi dengan SPL masing-masing adalah 0,338 dan 0,108. Hasil ini menunjukkan korelasi moderat antara kemunculan Hiu Paus dengan SPL dari data MODIS Aqua, tetapi korelasi yang lemah dengan Klorofil-a. Pengujian korelasi menggunakan data Landsat-8 menunjukkan korelasi moderat positif antara kemunculan Hiu Paus dengan Klorofil-a sebesar 0,499, sementara korelasi dengan SPL menunjukkan nilai yang sangat lemah sebesar -0,183. Selain itu, terdapat korelasi negatif kuat antara Klorofil-a dan SPL dengan nilai -0,782 pada data Landsat-8, mengindikasikan fenomena upwelling. Disparitas dalam hasil ini disebabkan perbedaan resolusi spasial antara data MODIS dan Landsat-8 serta kompleksitas dinamika perairan pesisir yang mempengaruhi kualitas data satelit.
鲸鲨是濒危动物之一，因此被列入受保护动物。印尼出现鲸鲨的地点之一是哥伦塔罗省的博图巴拉尼水域。该水域被用作鲸鲨生态旅游区，旨在改善当地社区的经济状况，同时也是鲸鲨的研究和保护地点。鲸鲨出现在博图巴拉尼水域的原因尚不清楚。一般来说，鲸鲨在某地出现取决于该水域的化学、物理和生物条件。本研究旨在利用海面温度（SST）和叶绿素-a 参数，找出鲸鲨在博图巴兰尼水域出现的相关性。这两个数据均来自 Modis 和 Landsat-8 图像数据。根据 MODIS Aqua 和 Terra 每日数据测试鲸鲨出现率与叶绿素-a 的相关性，结果分别为-0.356 和-0.077，而与 SPL 的相关性分别为 0.338 和 0.108。这些结果表明，从 MODIS Aqua 数据中得出的鲸鲨出现率与 SPL 呈中度相关，但与叶绿素-a 的相关性较弱。利用 Landsat-8 数据进行的相关性测试表明，鲸鲨出现率与叶绿素-a 之间存在中度正相关，相关值为 0.499，而与 SPL 之间的相关性则非常弱，相关值为-0.183。此外，在 Landsat-8 数据中，叶绿素-a 与 SPL 呈强负相关，相关值为-0.782，表明存在上升流现象。这些结果的差异是由于 MODIS 和 Landsat-8 数据的空间分辨率不同以及沿岸水体动态的复杂性影响了卫星数据的质量。
{"title":"Analisis Hubungan Kemunculan Hiu Paus (Rhincodon typus) dengan Suhu Permukaan Laut dan Klorofil-a Pada Perairan Botubarani Provinsi Gorontalo","authors":"Romansah Wumu, Shabri Indra Suryalfihra","doi":"10.12962/geoid.v19i2.1202","DOIUrl":"https://doi.org/10.12962/geoid.v19i2.1202","url":null,"abstract":"Hiu Paus merupakan salah satu hewan yang terancam punah, sehingga masuk dalam hewan yang dilindungi. Salah satu lokasi kemunculan Hiu Paus di Indonesia adalah perairan Botubarani Provinsi Gorontalo. Perairan tersebut dijadikan Kawasan Ekowisata Hiu Paus yang bertujuan meningkatkan ekonomi masyarakat setempat sekaligus menjadi lokasi riset dan konservasi Hiu Paus. Kemunculan Hiu Paus pada perairan Botubarani masih belum banyak diketahui penyebabnya. Secara umum kemunculan Hiu Paus pada suatu lokasi tergantung pada kondisi kimia, fisik, dan biologi perairan. Penelitian bertujuan mencari korelasi antara kemunculan Hiu Paus pada perairan Botubarani menggunakan parameter suhu permukaan laut (SPL) dengan dan Klorofil-a. Kedua data tersebut diperoleh dari data citra Modis dan Landsat-8. Hasil pengujian korelasi antara kemunculan Hiu Paus dengan Klorofil-a dari data harian MODIS Aqua dan Terra masing-masing adalah -0,356 dan -0,077, sedangkan korelasi dengan SPL masing-masing adalah 0,338 dan 0,108. Hasil ini menunjukkan korelasi moderat antara kemunculan Hiu Paus dengan SPL dari data MODIS Aqua, tetapi korelasi yang lemah dengan Klorofil-a. Pengujian korelasi menggunakan data Landsat-8 menunjukkan korelasi moderat positif antara kemunculan Hiu Paus dengan Klorofil-a sebesar 0,499, sementara korelasi dengan SPL menunjukkan nilai yang sangat lemah sebesar -0,183. Selain itu, terdapat korelasi negatif kuat antara Klorofil-a dan SPL dengan nilai -0,782 pada data Landsat-8, mengindikasikan fenomena upwelling. Disparitas dalam hasil ini disebabkan perbedaan resolusi spasial antara data MODIS dan Landsat-8 serta kompleksitas dinamika perairan pesisir yang mempengaruhi kualitas data satelit.","PeriodicalId":30776,"journal":{"name":"Geoid","volume":"34 3","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-07-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"141837487","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-09-08DOI: 10.12962/j24423998.v19i1.10657
Fathoni Busro, Khomsin Khomsin, Danar Guruh Pratomo
{"title":"Identifikasi Objek Dasar Laut Dari Data Side Scan Sonar (Studi Kasus: Perairan Pelabuhan Pt. Petrokimia Gresik)","authors":"Fathoni Busro, Khomsin Khomsin, Danar Guruh Pratomo","doi":"10.12962/j24423998.v19i1.10657","DOIUrl":"https://doi.org/10.12962/j24423998.v19i1.10657","url":null,"abstract":"","PeriodicalId":30776,"journal":{"name":"Geoid","volume":"55 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-09-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136363345","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2023-09-08DOI: 10.12962/j24423998.v19i1.18749
Amalia Putri Rivani, Lalu Muhamad Jaelani, Lena Sumargana
Kabupaten Ngawi di Jawa Timur merupakan wilayah dengan sekitar 40% lahan pertaniannya digunakan untuk pertanian, termasuk budidaya jagung. Jagung adalah sumber karbohidrat yang penting bagi industri pangan dan permintaannya terus meningkat. Untuk meningkatkan potensi hasil pertanian jagung, penting untuk memantau lahan pertanian dengan menggunakan teknologi penginderaan jauh. Namun, diperlukan pemantauan lahan jagung yang spesifik. Oleh karena itu, dalam penelitian ini, bertujuan untuk mengidentifikasi lahan jagung dan sebaran varietas tanaman jagung di Kabupaten Ngawi menggunakan data citra satelit Landsat-9 dengan metode Random Forest dan Linier Spectral Unmixing . Selain itu, citra Sentinel-2 digunakan untuk menentukan fase tanam jagung menggunakan algoritma NDVI dan NDWI. Hasil klasifikasi lahan jagung dan non-jagung didapat overall accuracy sebesar 97,6%, kappa 84%, didapat lahan jagung seluas 64,756 dan diterapkan nilai threshold fase generatif akhir seluas 64,364 Sebaran varietas dominan yang terdeteksi dari hasil pengolahan adalah NK Sumo, NK Perkasa, NK Wirosableng, dan Varietas lain (selain Bisi-18, NK Sumo, NK Perkasa, dan NK Wirosableng) dengan luasan sebesar 0,000* atau 880 ; 7,800 ; 22,662 ; 33,900 . Namun, didapatkan perbedaan hasil yang diperoleh tersebut dapat didasarkan oleh beberapa faktor diantaranya adalah ketersediaan pustaka spektral dan resolusi spasial citra yang digunakan. Oleh karena itu, dilakukan uji akurasi RMSe menggunakan nilai Residual Erorr Piksel pada Citra Landsat-9 didapatkan hasil nilai 0,019–0,042 dengan nilai rata-rata yaitu sebesar 0,031. Hasil menunjukan pemisahan nilai fraksi campuran menggunakan metode LSU memiliki error sebesar ± 3,1%, hasil kesalahan error tersebut dapat memberikan nilai persentase fraksi endmember dari setiap varietas lahan jagung di Kabupaten Ngawi.
东爪哇的Ngawi区是一个大约40%农业用地的地区，包括玉米种植。玉米是食品行业必不可少的碳水化合物来源，需求也在增长。为了提高玉米产量的潜力，使用遥感技术监控农场是很重要的。然而，这需要对特定的玉米田进行监测。因此，在这项研究中，目的是通过随机森林和线性光谱扩散的卫星图像来确定Ngawi区的玉米和玉米品种的分布。此外，哨兵2的图像使用NDVI和NDWI算法来确定玉米种植阶段。玉米和non-jagung土地分类结果裁定工作服97,6%,kappa 84%的评比,玉米64.756公顷)土地和应用门槛值范围的最后阶段生成语法64.364零散的主导品种检测的处理结果是NK相扑、NK, NK Wirosableng勇士和其他品种的(除了Bisi-18 NK相扑,NK,勇士和NK Wirosableng)把万*或880万;7,800;22.662;33,900。然而，其结果的不同之处可以通过一些因素来确定，这些因素包括光谱库的可用性和所使用的图像的空间分辨率。因此，用Landsat-9上剩下的Erorr像素进行了RMSe准确性测试，得到0.019 - 0.042的平均值为0.031。结果显示分离混合物成分价值LSU的使用方法有±增长3.1%的错误,这些错误的错误结果可以给每个品种endmember成分百分比值Ngawi地区玉米的土地。
{"title":"Identifikasi Varietas Jagung dari Data Citra Satelit Menggunakan Metode Linier Spectral Unmixing (Studi Kasus: Kabupaten Ngawi)","authors":"Amalia Putri Rivani, Lalu Muhamad Jaelani, Lena Sumargana","doi":"10.12962/j24423998.v19i1.18749","DOIUrl":"https://doi.org/10.12962/j24423998.v19i1.18749","url":null,"abstract":"Kabupaten Ngawi di Jawa Timur merupakan wilayah dengan sekitar 40% lahan pertaniannya digunakan untuk pertanian, termasuk budidaya jagung. Jagung adalah sumber karbohidrat yang penting bagi industri pangan dan permintaannya terus meningkat. Untuk meningkatkan potensi hasil pertanian jagung, penting untuk memantau lahan pertanian dengan menggunakan teknologi penginderaan jauh. Namun, diperlukan pemantauan lahan jagung yang spesifik. Oleh karena itu, dalam penelitian ini, bertujuan untuk mengidentifikasi lahan jagung dan sebaran varietas tanaman jagung di Kabupaten Ngawi menggunakan data citra satelit Landsat-9 dengan metode Random Forest dan Linier Spectral Unmixing . Selain itu, citra Sentinel-2 digunakan untuk menentukan fase tanam jagung menggunakan algoritma NDVI dan NDWI. Hasil klasifikasi lahan jagung dan non-jagung didapat overall accuracy sebesar 97,6%, kappa 84%, didapat lahan jagung seluas 64,756 dan diterapkan nilai threshold fase generatif akhir seluas 64,364 Sebaran varietas dominan yang terdeteksi dari hasil pengolahan adalah NK Sumo, NK Perkasa, NK Wirosableng, dan Varietas lain (selain Bisi-18, NK Sumo, NK Perkasa, dan NK Wirosableng) dengan luasan sebesar 0,000* atau 880 ; 7,800 ; 22,662 ; 33,900 . Namun, didapatkan perbedaan hasil yang diperoleh tersebut dapat didasarkan oleh beberapa faktor diantaranya adalah ketersediaan pustaka spektral dan resolusi spasial citra yang digunakan. Oleh karena itu, dilakukan uji akurasi RMSe menggunakan nilai Residual Erorr Piksel pada Citra Landsat-9 didapatkan hasil nilai 0,019–0,042 dengan nilai rata-rata yaitu sebesar 0,031. Hasil menunjukan pemisahan nilai fraksi campuran menggunakan metode LSU memiliki error sebesar ± 3,1%, hasil kesalahan error tersebut dapat memberikan nilai persentase fraksi endmember dari setiap varietas lahan jagung di Kabupaten Ngawi.","PeriodicalId":30776,"journal":{"name":"Geoid","volume":"29 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2023-09-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"136363931","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：