Pub Date : 2022-11-22DOI: 10.23960/jgrs.2022.v3i2.97
Ramli Umar, Muh. Rais Abidin, Rahmi Nur, Andi Arham Atjo, Ahyani Mirah Liani, Jeddah Yanti, Imam Muhajir Utama
Seiring laju perkembangan kawasan terbangun di perkotaan berakibat pada peningkatan perubahan lahan. Salah satu dampak perubahan lahan menjadi area terbangun adalah berkurangnya kawasan Ruang Terbuka Hijau (RTH) yang berimplikasi terhadap meningkatnya suhu dan penurunan indeks kenyamanan kota. Tujuan dari penelitian ini adalah menemukan areal yang memiliki potensi untuk dikembangkan sebagai kawasan Ruang Terbuka Hijau (RTH). Parameter dalam menentukan prioritas RTH menggunakan variabel indeks kenyamanan, indeks vegetasi dan tingkat kepadatan penduduk kemudian dilakukan analisis weighted overlay untuk mendapatkan kawasan prioritas ruang terbuka hijau. Hasil penelitian menunjukkan bahwa di Kota Makassar didapatkan 2 kelas prioritas RTH yang memiliki skor tertinggi dimana pada kawasan prioritas pertama didapatkan kawasan tidak terbangun dengan tipe penggunaan lahan tanah kosong yang memiliki potensi untuk dilakukan penanaman RTH baru dengan luas 0.52 ha, sedangkan pada kawasan prioritas kedua didapatkan kawasan belum terbangun yang dapat diperuntukkan sebagai kawasan pengembangan RTH dengan luas 9,67 ha. Oleh karena itu, kawasan yang telah ditetapkan sebagai prioritas RTH perlu diwujudkan dengan mempertimbangkan status kepemilikan lahan
{"title":"Penentuan Prioritas Ruang Terbuka Hijau Menggunakan Metode Weighted Overlay","authors":"Ramli Umar, Muh. Rais Abidin, Rahmi Nur, Andi Arham Atjo, Ahyani Mirah Liani, Jeddah Yanti, Imam Muhajir Utama","doi":"10.23960/jgrs.2022.v3i2.97","DOIUrl":"https://doi.org/10.23960/jgrs.2022.v3i2.97","url":null,"abstract":"Seiring laju perkembangan kawasan terbangun di perkotaan berakibat pada peningkatan perubahan lahan. Salah satu dampak perubahan lahan menjadi area terbangun adalah berkurangnya kawasan Ruang Terbuka Hijau (RTH) yang berimplikasi terhadap meningkatnya suhu dan penurunan indeks kenyamanan kota. Tujuan dari penelitian ini adalah menemukan areal yang memiliki potensi untuk dikembangkan sebagai kawasan Ruang Terbuka Hijau (RTH). Parameter dalam menentukan prioritas RTH menggunakan variabel indeks kenyamanan, indeks vegetasi dan tingkat kepadatan penduduk kemudian dilakukan analisis weighted overlay untuk mendapatkan kawasan prioritas ruang terbuka hijau. Hasil penelitian menunjukkan bahwa di Kota Makassar didapatkan 2 kelas prioritas RTH yang memiliki skor tertinggi dimana pada kawasan prioritas pertama didapatkan kawasan tidak terbangun dengan tipe penggunaan lahan tanah kosong yang memiliki potensi untuk dilakukan penanaman RTH baru dengan luas 0.52 ha, sedangkan pada kawasan prioritas kedua didapatkan kawasan belum terbangun yang dapat diperuntukkan sebagai kawasan pengembangan RTH dengan luas 9,67 ha. Oleh karena itu, kawasan yang telah ditetapkan sebagai prioritas RTH perlu diwujudkan dengan mempertimbangkan status kepemilikan lahan","PeriodicalId":422784,"journal":{"name":"Jurnal Geosains dan Remote Sensing","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130089536","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 : 2022-11-22DOI: 10.23960/jgrs.2022.v3i2.98
Philia, Christi Latue, Heinrich Rakuasa
Berdasarkan kondisi geografis Kecamatan Nusaniwe yang merupakan kawasan rawan tsunami, dengan pertumbuhan penduduk yang semakin berkembang, hal ini dapat meningkatkan risiko tsunami sebagai bencana yang sulit diprediksi kedatangannya. Penelitian ini bertujuan untuk menganalisis dinamika spasial wilayah rawan tsunami di Kecamatan Nusaniwe. Penelitian ini menggunakan data tutupan lahan multi temporal, data driving factor perkembangan lahan terbangun, data jarak dari garis pantai, jarak dari sungai, ketinggian lahan dan kemiringan lereng. Metode yang digunakan yaitu cellular automata-markov chain digunakan untuk memodelkan perkembangan lahan terbangun dan metode weighted overlay digunakan untuk mengalisi bahaya tsunami. Hasil pemodelan tutupan lahan tahun 2031 menunjukkan jenis tutupan lahan terbangun terus mengalami peningkatan luas. Tingkat bahaya tsunami di Kecamatan Nusaniwe, didominasi oleh tingkat bahaya sedang dengan luas 2.103,90 ha. Disimpulkan bahwa perkembangan lahan terbangun di kawasan rawan tsunami terus mengalami peningkatan setiap tahunnya. Hasil penelitian ini diharapkan dapat menjadi masukan bagi pemerintah Kota Ambon dalam upaya penataan ruang berbasis mitigasi bencana tsunami ke depannya
{"title":"Dinamika Spasial Wilayah Rawan Tsunami di Kecamatan Nusaniwe, Kota Ambon, Provinsi Maluku","authors":"Philia, Christi Latue, Heinrich Rakuasa","doi":"10.23960/jgrs.2022.v3i2.98","DOIUrl":"https://doi.org/10.23960/jgrs.2022.v3i2.98","url":null,"abstract":"Berdasarkan kondisi geografis Kecamatan Nusaniwe yang merupakan kawasan rawan tsunami, dengan pertumbuhan penduduk yang semakin berkembang, hal ini dapat meningkatkan risiko tsunami sebagai bencana yang sulit diprediksi kedatangannya. Penelitian ini bertujuan untuk menganalisis dinamika spasial wilayah rawan tsunami di Kecamatan Nusaniwe. Penelitian ini menggunakan data tutupan lahan multi temporal, data driving factor perkembangan lahan terbangun, data jarak dari garis pantai, jarak dari sungai, ketinggian lahan dan kemiringan lereng. Metode yang digunakan yaitu cellular automata-markov chain digunakan untuk memodelkan perkembangan lahan terbangun dan metode weighted overlay digunakan untuk mengalisi bahaya tsunami. Hasil pemodelan tutupan lahan tahun 2031 menunjukkan jenis tutupan lahan terbangun terus mengalami peningkatan luas. Tingkat bahaya tsunami di Kecamatan Nusaniwe, didominasi oleh tingkat bahaya sedang dengan luas 2.103,90 ha. Disimpulkan bahwa perkembangan lahan terbangun di kawasan rawan tsunami terus mengalami peningkatan setiap tahunnya. Hasil penelitian ini diharapkan dapat menjadi masukan bagi pemerintah Kota Ambon dalam upaya penataan ruang berbasis mitigasi bencana tsunami ke depannya","PeriodicalId":422784,"journal":{"name":"Jurnal Geosains dan Remote Sensing","volume":"14 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130396310","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 : 2022-11-21DOI: 10.23960/jgrs.2022.v3i2.99
Ilyas Madani, Khalil Abdul Wahid
Pembuatan informasi iklim Oldeman yang berguna untuk sektor pertanian membutuhkan data curah hujan dalam jangka waktu yang cukup lama. Dalam penelitian ini, Climate Hazards Group Infrared Precipitation with Station (CHIRPS) digunakan sebagai basis data curah hujan untuk pemetaan zona agroklimat Oldeman terbaru di Provinsi Jawa Tengah. Data CHIRPS selama 30 tahun mulai dari 1992─2021 diolah menggunakan metode interpolasi Inverse Distance Weighted dan overlay melalui sistem informasi geografis sehingga dapat dihasilkan peta agroklimat Oldeman Provinsi Jawa Tengah. Peta yang dihasilkan menunjukkan bahwa terdapat tujuh zona agroklimat Oldeman di Provinsi Jawa Tengah, yaitu B1 (7,1%), B2 (30,6%), B3 (0,9%), C2 (15,9%), C3 (33,1%), D2 (0,2%), dan D3 (12,3%). Zona B1, B2, dan B3 yang berada di bagian barat dan selatan cocok untuk dua kali tanam padi dan sekali tanam palawija di saat musim kemarau. Zona C2 dan C3 yang berada di bagian timur dan utara cocok untuk sekali tanam padi dan dua kali tanam palawija. Zona D2 dan D3 yang berada di timur laut dan sebagian utara hanya cocok untuk sekali tanam padi atau palawija. Peta agroklimat yang dihasilkan dapat menjadi acuan pola tanam yang sesuai untuk wilayah Provinsi Jawa Tengah
对农业部门有用的旧气候信息的生产需要长期的降雨数据。在这项研究中，Climate Hazards Group with the CHIRPS的红外线precipition Group被用作爪哇省最新的agroklimat Oldeman区域地图的降雨量数据库。30年的啾啾声从1992年2021─数据加工使用插值方法距离Inverse Weighted并通过地理信息系统地图,以便产生叠加agroklimat Oldeman爪哇中部的省份。制作的地图显示，中爪哇省有7个agroklimat Oldeman区域，即B1(7.1%)、B2(306%)、B3(0.9%)、C2(15.9%)、C3(33.1%)、D2(0.2%)和D3(12.3%)。b - 1、b - 2和B3区域位于西部和南部，适合两种水稻和一种作物在旱季。东部和北部的C2和C3区有利于一种水稻和两种作物。东北和北部部分地区的D2和D3区域只适用于一次种植水稻或作物。制作的农用地图可以作为适合爪哇中部地区种植模式的参照
{"title":"Pemetaan Zona Agroklimat Oldeman di Provinsi Jawa Tengah Menggunakan Data Climate Hazards Group Infrared Precipitation with Station (CHIRPS)","authors":"Ilyas Madani, Khalil Abdul Wahid","doi":"10.23960/jgrs.2022.v3i2.99","DOIUrl":"https://doi.org/10.23960/jgrs.2022.v3i2.99","url":null,"abstract":"Pembuatan informasi iklim Oldeman yang berguna untuk sektor pertanian membutuhkan data curah hujan dalam jangka waktu yang cukup lama. Dalam penelitian ini, Climate Hazards Group Infrared Precipitation with Station (CHIRPS) digunakan sebagai basis data curah hujan untuk pemetaan zona agroklimat Oldeman terbaru di Provinsi Jawa Tengah. Data CHIRPS selama 30 tahun mulai dari 1992─2021 diolah menggunakan metode interpolasi Inverse Distance Weighted dan overlay melalui sistem informasi geografis sehingga dapat dihasilkan peta agroklimat Oldeman Provinsi Jawa Tengah. Peta yang dihasilkan menunjukkan bahwa terdapat tujuh zona agroklimat Oldeman di Provinsi Jawa Tengah, yaitu B1 (7,1%), B2 (30,6%), B3 (0,9%), C2 (15,9%), C3 (33,1%), D2 (0,2%), dan D3 (12,3%). Zona B1, B2, dan B3 yang berada di bagian barat dan selatan cocok untuk dua kali tanam padi dan sekali tanam palawija di saat musim kemarau. Zona C2 dan C3 yang berada di bagian timur dan utara cocok untuk sekali tanam padi dan dua kali tanam palawija. Zona D2 dan D3 yang berada di timur laut dan sebagian utara hanya cocok untuk sekali tanam padi atau palawija. Peta agroklimat yang dihasilkan dapat menjadi acuan pola tanam yang sesuai untuk wilayah Provinsi Jawa Tengah","PeriodicalId":422784,"journal":{"name":"Jurnal Geosains dan Remote Sensing","volume":"10 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-21","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"114914702","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 : 2022-11-18DOI: 10.23960/jgrs.2022.v3i2.74
R. C. Wibowo, Aldika Rizkiano, M. Sarkowi
Tanah longsor mencakup berbagai fenomena yang melibatkan gerakan tanah di lereng bawah, seperti runtuhan batuan, longsoran lereng dalam, dan aliran puing dangkal yang disebabkan oleh gravitasi yang bekerja pada suatu lereng. Untuk menghindari tingginya kerugian akibat bahaya bencana tersebut maka diperlukan upaya meminimalisir salah satunya dengan melakukan pemetaan area potensi bencana tanah longsor. Penelitian ini bertujuan untuk mendapatkan zona daerah potensi bencana longsor berdasarkan data kelas lereng, curah hujan dan geologi regional daerah penelitian. Hasil pengolahan dari 74 gambar data drone dan ekstraksi DSM didapatkan DTM menggunakan terain filter flat pada pengolahan Agisoft Metashape dan PCI Geomatica 2015. Berdasarkan hasil DTM didapatkan kelas lereng yaitu datar (0º – 2º) 19,36%, landai (2º – 4º) 30,65%, miring (4º – 8º) 19,72%, agak curam (8º – 16º) 16,4%, curam (16º – 35º) 8,03%, sangat curam (35º – 55º) 4,58%, dan lereng terjal (>55º) 1,27%. Berdasarkan analisis data kelas lereng, data curah hujan tahunan dan peta geologi regional terdapat daerah potensi tanah longsor dengan area yang ditandai dengan simbol berwarna jingga hingga merah dengan total luasan 0,866 ha dengan kemiringan curam (0,501 ha), sangat curam (0,286 ha) dan lereng terjal (0,079 ha)
{"title":"Identifikasi Zona Potensi Longsor Menggunakan Metode Fotogrametri Foto Udara Area Pidada Kota Bandar Lampung","authors":"R. C. Wibowo, Aldika Rizkiano, M. Sarkowi","doi":"10.23960/jgrs.2022.v3i2.74","DOIUrl":"https://doi.org/10.23960/jgrs.2022.v3i2.74","url":null,"abstract":"Tanah longsor mencakup berbagai fenomena yang melibatkan gerakan tanah di lereng bawah, seperti runtuhan batuan, longsoran lereng dalam, dan aliran puing dangkal yang disebabkan oleh gravitasi yang bekerja pada suatu lereng. Untuk menghindari tingginya kerugian akibat bahaya bencana tersebut maka diperlukan upaya meminimalisir salah satunya dengan melakukan pemetaan area potensi bencana tanah longsor. Penelitian ini bertujuan untuk mendapatkan zona daerah potensi bencana longsor berdasarkan data kelas lereng, curah hujan dan geologi regional daerah penelitian. Hasil pengolahan dari 74 gambar data drone dan ekstraksi DSM didapatkan DTM menggunakan terain filter flat pada pengolahan Agisoft Metashape dan PCI Geomatica 2015. Berdasarkan hasil DTM didapatkan kelas lereng yaitu datar (0º – 2º) 19,36%, landai (2º – 4º) 30,65%, miring (4º – 8º) 19,72%, agak curam (8º – 16º) 16,4%, curam (16º – 35º) 8,03%, sangat curam (35º – 55º) 4,58%, dan lereng terjal (>55º) 1,27%. Berdasarkan analisis data kelas lereng, data curah hujan tahunan dan peta geologi regional terdapat daerah potensi tanah longsor dengan area yang ditandai dengan simbol berwarna jingga hingga merah dengan total luasan 0,866 ha dengan kemiringan curam (0,501 ha), sangat curam (0,286 ha) dan lereng terjal (0,079 ha)","PeriodicalId":422784,"journal":{"name":"Jurnal Geosains dan Remote Sensing","volume":"6 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"124631689","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 : 2022-11-18DOI: 10.23960/jgrs.2022.v3i2.76
M. Ibrahim, Priselia Utami, Imam Baru Raharjo
Lapangan panas bumi ”X” merupakan salah satu lapangan panas bumi yang berada pada Provinsi Sulawesi Utara yang dikelola oleh PT. Pertamina Geothermal Energy. Penelitian ini melakukan analisis struktur geologi menggunakan metode second vertical derivative (SVD) dari hasil proses derivatif atau turunan kedua terhadap sumbu z pada anomali Bouguer lengkap dengan menggunakan persamaan Laplace’s. Anomali second vertical derivative (SVD) digunakan untuk mengidentifikasi dan analisis struktur geologi pada daerah penelitian. Anomali ini menunjukkan bidang – bidang yang mengalami penurunan maupun kenaikan akibat dari kontras densitas batuannya. Peta anomali second vertical derivative (SVD) mempunyai persebaran nilai anomali -5,5 hingga 3,5 mGal/km2. Nilai anomali 0 mGal/km2 antar interface maksimum dan minimum menunjukkan adanya batas bidang struktur sehingga dilakukan interpretasi struktur geologi pada anomali second vertical derivative (SVD) sesuai dengan informasi kelurusan dan struktur geologi dari peta geologi daerah penelitian.
{"title":"Analisis Struktur Geologi Berdasarkan Data Gravitasi Menggunakan Metode Second Vertical Derivative (SVD) Pada Lapangan Panas Bumi ”X”","authors":"M. Ibrahim, Priselia Utami, Imam Baru Raharjo","doi":"10.23960/jgrs.2022.v3i2.76","DOIUrl":"https://doi.org/10.23960/jgrs.2022.v3i2.76","url":null,"abstract":"Lapangan panas bumi ”X” merupakan salah satu lapangan panas bumi yang berada pada Provinsi Sulawesi Utara yang dikelola oleh PT. Pertamina Geothermal Energy. Penelitian ini melakukan analisis struktur geologi menggunakan metode second vertical derivative (SVD) dari hasil proses derivatif atau turunan kedua terhadap sumbu z pada anomali Bouguer lengkap dengan menggunakan persamaan Laplace’s. Anomali second vertical derivative (SVD) digunakan untuk mengidentifikasi dan analisis struktur geologi pada daerah penelitian. Anomali ini menunjukkan bidang – bidang yang mengalami penurunan maupun kenaikan akibat dari kontras densitas batuannya. Peta anomali second vertical derivative (SVD) mempunyai persebaran nilai anomali -5,5 hingga 3,5 mGal/km2. Nilai anomali 0 mGal/km2 antar interface maksimum dan minimum menunjukkan adanya batas bidang struktur sehingga dilakukan interpretasi struktur geologi pada anomali second vertical derivative (SVD) sesuai dengan informasi kelurusan dan struktur geologi dari peta geologi daerah penelitian.","PeriodicalId":422784,"journal":{"name":"Jurnal Geosains dan Remote Sensing","volume":"26 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"130499355","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 : 2022-11-18DOI: 10.23960/jgrs.2022.v3i2.80
Heinrich Rakuasa, D. A. Sihasale, Marhelin C Mehdila, Anelia P Wlary
Intensitas curah hujan yang tinggi hingga meluapnya DAS Waisalak yang mengakibatkan bencana banjir melanda Kecamatan Teluk Ambon Baguala. Analisis spasial untuk identifikasi tingkat kerawanan banjir sangat diperlukan untuk memberikan informasi sebagai langkah awal upaya mitigasi bencana banjir ke depannya. Penelitian ini bertujuan untuk menganalisis secara spasial tingkat kerentanan banjir dan permukiman yang terdampak di Kecamatan Teluk Ambon Baguala. Metode yang digunakan yaitu pembobotan dan skoring atau weighted scoring dilakukan setelah proses klasifikasi nilai dalam tiap variabel. Penentuan bobot dan skor pada penelitian ini bersifat expertise judgment yaitu mengambil pendapat para ahli atau penelitian sebelumnya. Hasil pembobotan kemudian dilakukan dioverlay untuk mendapatkan peta kerawanan banjir. Hasil penelitian menunjukkan bahwa tingkat kerawanan banjir didominasi oleh tingkat kerawanan rendah seluas 3.667,01 ha dan hasil observasi di lapangan menunjukkan bahwa luas permukiman yang terdampak banjir yaitu 581,36 ha. Hasil penelitian diharapkan dapat dijadikan dasar dalam upaya mitigasi bencana banjir ke depannya guna meminimalisir kerugian, baik korban jiwa maupun kerusakan fisik di Kecamatan Teluk Ambon Baguala.
{"title":"Analisis Spasial Tingkat Kerawanan Banjir di Kecamatan Teluk Ambon Baguala, Kota Ambon","authors":"Heinrich Rakuasa, D. A. Sihasale, Marhelin C Mehdila, Anelia P Wlary","doi":"10.23960/jgrs.2022.v3i2.80","DOIUrl":"https://doi.org/10.23960/jgrs.2022.v3i2.80","url":null,"abstract":"Intensitas curah hujan yang tinggi hingga meluapnya DAS Waisalak yang mengakibatkan bencana banjir melanda Kecamatan Teluk Ambon Baguala. Analisis spasial untuk identifikasi tingkat kerawanan banjir sangat diperlukan untuk memberikan informasi sebagai langkah awal upaya mitigasi bencana banjir ke depannya. Penelitian ini bertujuan untuk menganalisis secara spasial tingkat kerentanan banjir dan permukiman yang terdampak di Kecamatan Teluk Ambon Baguala. Metode yang digunakan yaitu pembobotan dan skoring atau weighted scoring dilakukan setelah proses klasifikasi nilai dalam tiap variabel. Penentuan bobot dan skor pada penelitian ini bersifat expertise judgment yaitu mengambil pendapat para ahli atau penelitian sebelumnya. Hasil pembobotan kemudian dilakukan dioverlay untuk mendapatkan peta kerawanan banjir. Hasil penelitian menunjukkan bahwa tingkat kerawanan banjir didominasi oleh tingkat kerawanan rendah seluas 3.667,01 ha dan hasil observasi di lapangan menunjukkan bahwa luas permukiman yang terdampak banjir yaitu 581,36 ha. Hasil penelitian diharapkan dapat dijadikan dasar dalam upaya mitigasi bencana banjir ke depannya guna meminimalisir kerugian, baik korban jiwa maupun kerusakan fisik di Kecamatan Teluk Ambon Baguala.","PeriodicalId":422784,"journal":{"name":"Jurnal Geosains dan Remote Sensing","volume":"33 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133446030","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}
Kabupaten Tanggamus merupakan daerah dengan potensi Panas Bumi yang berlimpah, beberapa daerah tersebut adalah Rendingan-Ulubelu-Waypanas. Prospek Panas Bumi pada daerah tersebut berupa fumarole dan mata air panas (hot spring). Pada penelitian ini dilakukan identifikasi mengenai sistem Panas Bumi dengan menenggunakan empat data bertujuan untuk mengetahui korelasi antara Land Surface Temperature (LST) dan elevasi, Normalized Difference Vegetation Index (NDVI), LST dan mengetahui pola kenaikan dan penurunan suhu pada titik manifestasi. Metode yang dilakukan adalah dengan menggunakan penginderaan jauh (Remote Sensing). Citra Landsat 8 OLI/TIRS merupakan salah satu citra satelit yang digunakan pada proses penginderaan jauh, bertujuan untuk menganalisis sebaran suhu permukaan dan mengidentifikasi titik-titik manifestasi. Dari pengolahan data didapatkan persamaan antara nilai LST dan NVDI senilai data 1 y=0,0021x + 0,4208, data 2 y=-0,0031x + 0,4891, data 3 y = -0,0092x + 0,6286, dan data 4 y = 0,0245x – 0,1801. Sedangkan persamaan antara nilai LST dan Elevasi memiliki persamaan data 1 y = -124,1x + 3630,3, data 2 y = -25,028x + 1391, data 3 y = -44,026x + 1546,9, dan data 4 y = -34,764x + 1546,9. Dari persamaan tersebut didapatkan grafik pengolahan yang menunjukkan bahwa daerah AOI didominasi oleh daerah vegetasi tidak rapat. Manifestasi mata air panas dan fumarole didapatkan pola data yang naik pada data ke-2 dan ke-3. Pada daerah Rendingan-Ulubelu-Waypanas tidak diperoleh korelasi antara nilai NDVI dan LST, akan tetapi nilai elevasi mempengaruhi nilai LST, hubungan keduanya saling berbanding terbalik. Dimana apabila semakin tinggi posisi suatu tempat dari permukaan laut maka semakin rendah suhu permukaannya (LST).
摄象区是一个地热潜力丰富的地区，其中一些地区是熔融的。对这些地区的地热前景包括温泉和温泉。在这项研究中，通过筛选四种数据来确定地球的热系统，目的是确定陆地表面温度和海拔、标准化不同植被指数(NDVI)、LST和识别显现点温度上升和下降模式之间的关系。采用的方法是使用远程成像。陆地卫星图像是在遥感过程中使用的卫星图像之一，旨在分析表面温度的散射，并识别识别现象点。来自数据处理的数据发现，LST值和NVDI值1 y= 0.0021x + 0.4208，数据2 y=- 0031x + 0.4891，数据3 y=- 0.0092x + 0.6286，数据4 y= 0.0245x——0.1801。而LST值和海拔的方程有数据1 y = - 124.1x + 3630303，数据2 y = - 25028x + 1391，数据3 y = - 4426x + 1546,9，数据4 y = -34,764x + 1546,9。从这些方程中得到的处理图表显示，AOI地区是由非严格的植被为主的。温泉和富马里奥勒的表现在第二和第三个数据中获得了上升的数据模式。在较低的路缘区域无法获得NDVI值和LST值之间的相关性，但是震级值影响LST值，两者之间的关系是相反的。哪里的海平面越高，哪里的表面温度就越低。
{"title":"Analisis Korelasi Suhu Permukaan, NDVI, Elevasi dan Pola Perubahan Suhu Daerah Panas Bumi Rendingan-Ulubelu-Waypanas, Tanggamus Menggunakan Citra Landsat 8 OLI/TIRS","authors":"Andwina Rahma Sagita, Airlangga Sani Cahya Margaliu, Fahri Rizal, Haidar Prida Mazzaluna","doi":"10.23960/jgrs.2022.v3i1.72","DOIUrl":"https://doi.org/10.23960/jgrs.2022.v3i1.72","url":null,"abstract":"Kabupaten Tanggamus merupakan daerah dengan potensi Panas Bumi yang berlimpah, beberapa daerah tersebut adalah Rendingan-Ulubelu-Waypanas. Prospek Panas Bumi pada daerah tersebut berupa fumarole dan mata air panas (hot spring). Pada penelitian ini dilakukan identifikasi mengenai sistem Panas Bumi dengan menenggunakan empat data bertujuan untuk mengetahui korelasi antara Land Surface Temperature (LST) dan elevasi, Normalized Difference Vegetation Index (NDVI), LST dan mengetahui pola kenaikan dan penurunan suhu pada titik manifestasi. Metode yang dilakukan adalah dengan menggunakan penginderaan jauh (Remote Sensing). Citra Landsat 8 OLI/TIRS merupakan salah satu citra satelit yang digunakan pada proses penginderaan jauh, bertujuan untuk menganalisis sebaran suhu permukaan dan mengidentifikasi titik-titik manifestasi. Dari pengolahan data didapatkan persamaan antara nilai LST dan NVDI senilai data 1 y=0,0021x + 0,4208, data 2 y=-0,0031x + 0,4891, data 3 y = -0,0092x + 0,6286, dan data 4 y = 0,0245x – 0,1801. Sedangkan persamaan antara nilai LST dan Elevasi memiliki persamaan data 1 y = -124,1x + 3630,3, data 2 y = -25,028x + 1391, data 3 y = -44,026x + 1546,9, dan data 4 y = -34,764x + 1546,9. Dari persamaan tersebut didapatkan grafik pengolahan yang menunjukkan bahwa daerah AOI didominasi oleh daerah vegetasi tidak rapat. Manifestasi mata air panas dan fumarole didapatkan pola data yang naik pada data ke-2 dan ke-3. Pada daerah Rendingan-Ulubelu-Waypanas tidak diperoleh korelasi antara nilai NDVI dan LST, akan tetapi nilai elevasi mempengaruhi nilai LST, hubungan keduanya saling berbanding terbalik. Dimana apabila semakin tinggi posisi suatu tempat dari permukaan laut maka semakin rendah suhu permukaannya (LST).","PeriodicalId":422784,"journal":{"name":"Jurnal Geosains dan Remote Sensing","volume":"62 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-08-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127552808","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 : 2022-08-05DOI: 10.23960/jgrs.2022.v3i1.69
Lastri Aritonang, Elisa Septyani, Luscacini Maria
Indonesia adalah salah satu negara yang mempunyai hutan mangrove (hutan bakau) terbesar di dunia, yaitu mencapai 8,60 juta hektar, walaupun saat ini telah dilaporkan sekitar 5,30 juta hektar jumlah hutan itu ternyata telah rusak. Keberadaan mangrove di pesisir Tangkolak merupakan potensi yang menguntungkan bagi masyarakat sekitar. Potensi tersebut, pada masa mendatang dapat untuk mengisi peluang yang ada bila ditunjang adanya dukungan. Penelitian ini bertujuan untuk memetakan perubahan luasan mangrove dengan menganalisis dua data citra satelit yaitu citra Landsat 8 tahun 2015 dan citra Landsat 8 tahun 2021. Metode yang digunakan yaitu Normalized Difference Vegetation Index (NDVI) menggunakan software ArcGIS 10. Berdasarkan hasil data penelitian yang telah dilakukan, pada hasil pengolahan NDVI ini didapatkan nilai -0,742 hingga 0,4964 untuk citra tahun 2015. Sedangkan, untuk citra tahun 2021 didapatkan nilai -0,7373 hingga 0,608. Adapun luas persebaran mangrove telah diketahui meningkat dari tahun 2015 hingga tahun 2021. Pada tahun 2015, mangrove pada arah barat memiliki luas sebesar 10,856653 ha dan 9,844759 ha pada arah timur. Kemudian pada tahun 2021, mangrove pada arah barat memiliki luas 40,507648 ha dan 28,937118 ha pada arah timur. Dari ketiga kelas kerapatan dapat disimpulkan bahwa pada kurun waktu 6 tahun mangrove mengalami perubahan kerapatan vegetasi yang signifikan dan bernilai baik.
{"title":"Pemetaan Perubahan Luasan Mangrove Melalui Analisis Citra Satelit Landsat di Tangkolak Barat, Karawang, Jawa Barat","authors":"Lastri Aritonang, Elisa Septyani, Luscacini Maria","doi":"10.23960/jgrs.2022.v3i1.69","DOIUrl":"https://doi.org/10.23960/jgrs.2022.v3i1.69","url":null,"abstract":"Indonesia adalah salah satu negara yang mempunyai hutan mangrove (hutan bakau) terbesar di dunia, yaitu mencapai 8,60 juta hektar, walaupun saat ini telah dilaporkan sekitar 5,30 juta hektar jumlah hutan itu ternyata telah rusak. Keberadaan mangrove di pesisir Tangkolak merupakan potensi yang menguntungkan bagi masyarakat sekitar. Potensi tersebut, pada masa mendatang dapat untuk mengisi peluang yang ada bila ditunjang adanya dukungan. Penelitian ini bertujuan untuk memetakan perubahan luasan mangrove dengan menganalisis dua data citra satelit yaitu citra Landsat 8 tahun 2015 dan citra Landsat 8 tahun 2021. Metode yang digunakan yaitu Normalized Difference Vegetation Index (NDVI) menggunakan software ArcGIS 10. Berdasarkan hasil data penelitian yang telah dilakukan, pada hasil pengolahan NDVI ini didapatkan nilai -0,742 hingga 0,4964 untuk citra tahun 2015. Sedangkan, untuk citra tahun 2021 didapatkan nilai -0,7373 hingga 0,608. Adapun luas persebaran mangrove telah diketahui meningkat dari tahun 2015 hingga tahun 2021. Pada tahun 2015, mangrove pada arah barat memiliki luas sebesar 10,856653 ha dan 9,844759 ha pada arah timur. Kemudian pada tahun 2021, mangrove pada arah barat memiliki luas 40,507648 ha dan 28,937118 ha pada arah timur. Dari ketiga kelas kerapatan dapat disimpulkan bahwa pada kurun waktu 6 tahun mangrove mengalami perubahan kerapatan vegetasi yang signifikan dan bernilai baik.","PeriodicalId":422784,"journal":{"name":"Jurnal Geosains dan Remote Sensing","volume":"38 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-08-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"127718032","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 : 2022-08-05DOI: 10.23960/jgrs.2022.v3i1.73
Astri Niken Saputri, Luthfiana Rahmawati, A. Aziza
Banyaknya potensi panas bumi dan minimnya pemanfaatan menjadi penghambat perkembangan energi panas bumi di Indonesia, salah satunya di Suoh, Lampung Barat. Keberadaan potensi panas bumi di daerah Suoh mendorong perlu dilakukannya sebuah penyelidikan mengenai prospek panas bumi sebagai bentuk pengupayaan serta pemanfaatan sumber daya alam yang tersedia. Oleh karena itu, dilakukan penelitian arah heat flow pada kecamatan Suoh, Lampung Barat dengan mengidentifikasi data Citra Landsat 8 yang didukung oleh data geologi regional. Identifikasi heat flow dilakukan dengan membandingkan data citra Landsat 8 pada tahun 2017, 2018, dan 2020. Pengolahan citra satelit meliputi koreksi radiometrik, konversi radian menjadi satellite temperature dan konversi menjadi land surface temperature (LST). Kemudian, dilanjutkan dengan pemotongan (cropping), serta overlay peta LST dengan peta pemukiman penduduk. Peta LST yang didapat menunjukkan distribusi suhu permukaan yang diakibatkan oleh sistem panas bumi. Hasil penelitian menunjukkan bahwa suhu permukaan daerah penelitian mencapai 35,47oC pada tahun 2017, 30,78oC pada tahun 2018 dan 29,15oC pada tahun 2020. Hal ini membuktikan bahwa suhu permukaan mengalami penurunan dari tahun ke tahun. Kemudian terlihat adanya perubahan bentuk distribusi suhu permukaan yang membentang dari barat laut-tenggara. Sehingga dapat disimpulkan bahwa aliran panas bumi (heat flow) dari manifestasi panas bumi berarah barat laut.
{"title":"Pemanfaatan Citra Landsat 8 untuk Mengidentifikasi Keberadaan Heat Flow di Daerah Prospek Panas Bumi Suoh, Lampung Barat","authors":"Astri Niken Saputri, Luthfiana Rahmawati, A. Aziza","doi":"10.23960/jgrs.2022.v3i1.73","DOIUrl":"https://doi.org/10.23960/jgrs.2022.v3i1.73","url":null,"abstract":"Banyaknya potensi panas bumi dan minimnya pemanfaatan menjadi penghambat perkembangan energi panas bumi di Indonesia, salah satunya di Suoh, Lampung Barat. Keberadaan potensi panas bumi di daerah Suoh mendorong perlu dilakukannya sebuah penyelidikan mengenai prospek panas bumi sebagai bentuk pengupayaan serta pemanfaatan sumber daya alam yang tersedia. Oleh karena itu, dilakukan penelitian arah heat flow pada kecamatan Suoh, Lampung Barat dengan mengidentifikasi data Citra Landsat 8 yang didukung oleh data geologi regional. Identifikasi heat flow dilakukan dengan membandingkan data citra Landsat 8 pada tahun 2017, 2018, dan 2020. Pengolahan citra satelit meliputi koreksi radiometrik, konversi radian menjadi satellite temperature dan konversi menjadi land surface temperature (LST). Kemudian, dilanjutkan dengan pemotongan (cropping), serta overlay peta LST dengan peta pemukiman penduduk. Peta LST yang didapat menunjukkan distribusi suhu permukaan yang diakibatkan oleh sistem panas bumi. Hasil penelitian menunjukkan bahwa suhu permukaan daerah penelitian mencapai 35,47oC pada tahun 2017, 30,78oC pada tahun 2018 dan 29,15oC pada tahun 2020. Hal ini membuktikan bahwa suhu permukaan mengalami penurunan dari tahun ke tahun. Kemudian terlihat adanya perubahan bentuk distribusi suhu permukaan yang membentang dari barat laut-tenggara. Sehingga dapat disimpulkan bahwa aliran panas bumi (heat flow) dari manifestasi panas bumi berarah barat laut.","PeriodicalId":422784,"journal":{"name":"Jurnal Geosains dan Remote Sensing","volume":"1 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-08-05","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115953417","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 : 2022-06-04DOI: 10.23960/jgrs.2022.v3i1.71
Gallant Dwi Pangestu Nugroho Akbar, B. Setiawan
Kota Jambi merupakan kota yang berkembang pesat di Indonesia. Peningkatan penduduk disertai dengan pembangunan infrastruktur dan kebutuhan air tanah yang meningkat setiap tahunnya dapat menyebabkan subsiden. Secara geologi sebagian Kota Jambi terbentuk dari formasi geologi berumur Kuarter yang masih tergolong muda sehingga kemungkinan terjadi kompaksi yang dapat menyebabkan subsiden. Tujuan dari penelitian ini untuk melakukan pemetaan wilayah penurunan muka tanah (land subsidence) Kota Jambi dengan memanfaatkan citra Sentinel-1, metode yang digunakan dalam penelitian ini adalah DInSAR. Mempunyai ketelitian mencapai sentimeter untuk melihat besar deformasi. Data yang digunakan pada penelitian ini adalah citra satelit sentinel-1a level 1 (2016 – 2021) serta data pembangunan daerah dari BAPPEDA Kota Jambi untuk validasi di lapangan. Data tersebut diolah menggunakan software SNAP dan ArcGIS 10.6. Hasil dari pengolahan DInSAR menunjukkan daerah Kota Jambi mengalami subsiden di dominasi pada wilayah dengan tingkat penggunaan lahan yang tinggi, nilai rata-rata per tahun sebesar 11,28 cm/tahun, dan subsiden maksimum per tahun sebesar -8,6 cm pada tahun 2019 di kecamatan Jambi Selatan dan kecamatan Pasar sebesar -7,7 cm pada tahun 2021. Disarankan adanya penelitian menggunakan metode pengukuran langsung di lapangan seperti metode GPS agar hasil yang didapatkan lebih akurat.
{"title":"Analisis Penurunan Muka Tanah Kota Jambi Dengan Metode Differential Interferometry Synthetics Aperture Radar Tahun 2016 – 2021","authors":"Gallant Dwi Pangestu Nugroho Akbar, B. Setiawan","doi":"10.23960/jgrs.2022.v3i1.71","DOIUrl":"https://doi.org/10.23960/jgrs.2022.v3i1.71","url":null,"abstract":"Kota Jambi merupakan kota yang berkembang pesat di Indonesia. Peningkatan penduduk disertai dengan pembangunan infrastruktur dan kebutuhan air tanah yang meningkat setiap tahunnya dapat menyebabkan subsiden. Secara geologi sebagian Kota Jambi terbentuk dari formasi geologi berumur Kuarter yang masih tergolong muda sehingga kemungkinan terjadi kompaksi yang dapat menyebabkan subsiden. Tujuan dari penelitian ini untuk melakukan pemetaan wilayah penurunan muka tanah (land subsidence) Kota Jambi dengan memanfaatkan citra Sentinel-1, metode yang digunakan dalam penelitian ini adalah DInSAR. Mempunyai ketelitian mencapai sentimeter untuk melihat besar deformasi. Data yang digunakan pada penelitian ini adalah citra satelit sentinel-1a level 1 (2016 – 2021) serta data pembangunan daerah dari BAPPEDA Kota Jambi untuk validasi di lapangan. Data tersebut diolah menggunakan software SNAP dan ArcGIS 10.6. Hasil dari pengolahan DInSAR menunjukkan daerah Kota Jambi mengalami subsiden di dominasi pada wilayah dengan tingkat penggunaan lahan yang tinggi, nilai rata-rata per tahun sebesar 11,28 cm/tahun, dan subsiden maksimum per tahun sebesar -8,6 cm pada tahun 2019 di kecamatan Jambi Selatan dan kecamatan Pasar sebesar -7,7 cm pada tahun 2021. Disarankan adanya penelitian menggunakan metode pengukuran langsung di lapangan seperti metode GPS agar hasil yang didapatkan lebih akurat.","PeriodicalId":422784,"journal":{"name":"Jurnal Geosains dan Remote Sensing","volume":"6 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-06-04","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116083879","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：