Articles

Found 24 Documents
Search

REMOTE SENSING AND GIS APPROACHES TO A QUALITATIVE ASSESSMENT OF SOIL EROSION RISK IN SERANG WATERSHED, KULONPROGO, INDONESIA Arif, Nursida; Danoedoro, Projo; Hartono, Hartono
Geoplanning: Journal of Geomatics and Planning Vol 4, No 2 (2017): (October 2017)
Publisher : Department of Urban and Regional Planning, Diponegoro University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2042.425 KB) | DOI: 10.14710/geoplanning.4.2.131-142

Abstract

This research aims to determine the risk of soil erosion qualitatively by integrating remote sensing with the geographic information system. Factors that contributed to the occurrence of erosion in the area of study were analyzed using the method of the variation of combined input data of the factors controlling erosion (soil, climate, topography, vegetation, and humans). The input data were quantitative data changed into qualitative data that were obtained from field data and extracted from remote sensing imagery, i.e. SPOT 5. A number of parameters were calculated using the RUSLE model equation. The model was validated by observing the qualitative erosion indicators in the field (pedestal, tree root exposure, armor layers, rill erosion, and gully erosion) by observing slope steepness in each sample area. The area of study was Serang watershed located in Kulon Progo Regency, Yogyakarta. It is one of the critically potential watersheds viewed from the landform and land use. The results of various combinations generated the highest of accuracy by 90.57 % with extremely erosion dominating the area of study. The factors with the highest contribution to erosion in Serang Watershed were slope length and steepness (LS) and erodibility (K).
A MINIMUM CLOUD COVER MOSAIC IMAGE MODEL OF THE OPERATIONAL LAND IMAGER LANDSAT-8 MULTITEMPORAL DATA USING TILE BASED Dewanti Dimyati, Ratih; Danoedoro, Projo; Hartono, Hartono; Kustiyo, Kustiyo
International Journal of Electrical and Computer Engineering (IJECE) Vol 8, No 1: February 2018
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (915.039 KB) | DOI: 10.11591/ijece.v8i1.pp360-371

Abstract

The need for remote sensing minimum cloud cover or cloud free mosaic images is now increasing in line with the increased of national development activities based on one map policy. However, the continuity and availability of cloud and haze free remote sensing data for the purpose of monitoring the natural resources are still low. This paper presents a model of medium resolution remote sensing data processing of Landsat-8 uses a new approach called mosaic tile based model (MTB), which is developed from the mosaic pixel based model (MPB) algorithm, to obtain an annual multitemporal mosaic image with minimum cloud cover mosaic imageries. The MTB model is an approach constructed from a set of pixels (called tiles) considering the image quality that is extracted from cloud and haze free areas, vegetation coverage, and open land coverage of multitemporal imageries. The data used in the model are from Landsat-8 Operational Land Imager (OLI) covering 10 scenes area, with 2.5 years recording period from June 2015 to June 2017; covered Riau, West Sumatra and North Sumatra Provinces. The MTB model is examined with tile size of 0.1 degrees (11x11 km2), 0.05 degrees (5.5x5.5 km2), and 0.02 degrees (2.2x2.2 km2). The result of the analysis shows that the smallest tile size 0.02 gives the best result in terms of minimum cloud cover and haze (or named clear area). The comparison of clear area values to cloud cover and haze for three years (2015, 2016 and 2017) for the three mosaic images of MTB are 68.2%, 78.8%, and 86.4%, respectively.
THE DEVELOPMENT OF INTERPRETATAION METHOD FOR REMOTE SENSING IMAGERY IN DETERMINING THE CANDIDATE OF LANDSLIDE IN LEITIMUR PANINSULA, AMBON ISLAND Puturuhu, Ferad; Danoedoro, Projo; Sartohadi, Junun; Srihadmoko, Danang
Jurnal Ilmu Lingkungan Vol 15, No 1 (2017): April 2017
Publisher : Program Studi Ilmu Lingkungan,Program Pascasarjana, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1346.048 KB) | DOI: 10.14710/jil.15.1.20-34

Abstract

ABSTRAKPenginderaa jauh merupakan salah satu metode yang digunakan untuk menjawab permasalahan penelitian tentang teknologi perolehan data spasial dan sekaligus permasalahan kewilayahan serta manajemen sumber daya laha. Pemanfaatan metode penginderaan jauh untuk penelitian landslide dianataranya metode interpretasi citra secara visual dan digital.  Tujuan penelitian ini adalah membandingkan akurasi metode interpretasi dan menentukan lokasi kejadian landslide. Citra yang digunakan dalam penelitian ini adalah citra Landsat 8, Quickbird dan SRTM. Metode yang digunakan untuk menentukan kandidat landslide adalah interpretasi visual berlapis, Interpretasi citra digital dengan NDVI, OBIA, Toposhape, dan kombinasi NDVI-OBIA, dan NDVI-OBIA-Toposhape. Penggunaan metode interpretasi kejadian landslide yang terbaik adalah interpretasi visual berlapis dengan presentase 90 %. Interpretasi digital dengan NDVI mempunyai ketelitian 47 %, OBIA ketelitiannya  45 %, Toposhape 47 %, kombinasi NDVI-OBIA 47 %, dan Kombinasi NDVI-OBIA-Toposhape 53 %. Dari interpretasi visual berlapis dan pengamatan lapangan diperoleh tipe landslide yang ditemukan yaitu nendatan/slump (soil rotational slide) dalam jumlah yang banyak 7 titik (38.9%), rayapan tanah (soil creep),  aliran bahan rombakan (debris flow), longsor translasi dengan material tanah (earths Slide), dan  nendatan majemuk (multiple rotational slide).Kata kunci: Pengembanga, Metode, Interpretasi Citra, Penginderaan Jauh, Kandidat,    Landslide, Paninsula LeitimurABSTRACTRemote sensing is one of the methods used to address the problem of research on spatial data acquisition technologies and is also acquiring the problems of territorial and land resource management. The utilization of remote sensing method for the landslide research is visual and digital imagery interpretation. The purpose of this study was to compare the accuracy of the method of interpretation and determine the location of the landslide event. The imagery that used in this study was Landsat 8, Quickbird and SRTM. The method that used to determine the candidate of landslide was the layered visual interpretation, digital imagery interpretation with NDVI, OBIA, Toposhape, and combination-OBIA NDVI and NDVI-OBIA-Toposhape. The use of the interpretation method for the landslide event is the best of layered-visual interpretation with a percentage of 90%. Digital interpretation with NDVI has a 47% of its accuracy, thoroughness OBIA 45%, Toposhape 47%, the combination of NDVI-OBIA 47%, and the combination of NDVI-OBIA-Toposhape 53%. From  the layered-visual interpretation and field observations were obtained type of landslide found that soil rotational slide in large quantities 7 points (38.9%), creep soil (soil creep), the flow of material destruction (debris flow), landslides translation with soil materials (earths slide) and multiple rotational slide.Keywords: Development, Method, Imagery Interpretation, Remote Sensing, Candidate of Landslide, Landslide and Leitimur JaizirahCitation: Puturuhu, F., Danoedoro, P., Sartohadi, J. and Srihadmoko, D. (2017). The Development of Interpretataion Method for Remote Sensing Imagery In Determining The Candidate of Landslide In Leitimur Paninsula, Ambon Island. Jurnal Ilmu Lingkungan, 15(1), 20-34, doi:10.14710/jil.15.1.20-34
PENENTUAN TINGKAT KEKERINGAN LAHAN BERBASIS ANALISA CITRA ASTER DAN SISTEM INFORMASI GEOGRAFIS Hadi, Alfian Pujian; Danoedoro, Projo; Sudaryatno, Sudaryatno
Majalah Geografi Indonesia Vol 26, No 1 (2012): Maret 2012
Publisher : Fakultas Geografi, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1409.011 KB) | DOI: 10.22146/mgi.13400

Abstract

ABSTRAK Kekeringan lahan yang melanda suatu daerah menimbulkan dampak yang besar terhadap produktivitas lahan pertanian. Terjadinya kekeringan ini disebabkan oleh defisit air akibat kurangnya hujan yang jatuh, laju infiltrasi air yang tinggi serta jenis tanaman yang tidak sesuai dengan ketersediaan air. Untuk meminimalkan dampak yang terjadi akibat kekeringan lahan maka perlu dilakukan antisipasi dengan mengetahui defisit dan surflus air lahan melalui data curah hujan serta kemampuan tanah menahan air (water holding capasity). Untuk keperluan analisis kekeringan lahan dapat menggunakan citra penginderaan jauh dan neraca air lahan sebagai pengetahuan awal guna perencanaan antisipasi kekeringan lahan sehingga kebutuhan air bagi tanaman dapat terpenuhi setiap saat. Penelitian ini dilakukan di sebagian wilayah Kabupaten Gunung Kidul. Tujuan penelitian ini adalah : (1) Mengkaji akurasi berbagai saluran TIR Citra Aster untuk mendapatkan informasi sebaran suhu permukaan, (2) Mengkaji sebaran kekeringan melalui indeks TVDI (Temperature Vegetation Dryness Indeks) yang diekstrak dari suhu permukaan (Land Surface Temperature) dan indeks NDVI. (3) Mengkaji tingkat kekeringan lahan dengan menggunakan metode Thornthwaite-Mather,  (4) Mengkaji pola tanam yang sesuai diterapkan di wilayah penelitian. Hasil penelitian menunjukkan bahwa saluran 13 Citra Aster memiliki akurasi paling tinggi jika dibandingkan dengan saluran 10,11,12, serta 14 Citra Aster karena memiliki selisih paling kecil dengan suhu permukaan lapangan. Berdasarkan analisis RMS difference diperoleh nilai 1,140. Luas sebaran kekeringan berdasarkan indeks TVDI pada seluruh penggunaan lahan dengan tingkat kekeringan tinggi, sedang dan rendah masingmasing melanda daerah seluas 2.922,8 Ha (4,6%), 20.286,16 Ha (32,11%) serta 39.962,72 Ha (63,26%). Dari total luas 2.922,8 Ha lahan yang dilanda kekeringan dengan tingkat kekeringan tinggi (kering/kurang air) seluas 2.069,47 Ha merupakan sawah tadah hujan. Analisis hubungan indeks TVDI dengan kadar lengas tanah menunjukkan hubungan yang tidak terlalu kuat  sebesar 53,7%. Tingkat kekeringan lahan dengan analisis neraca air Thornthwaite-Mather menunjukkan indeks kekeringan (aridity index) berada dalam tingkat kekeringan sedang dan berat. Kekeringan sedang terjadi pada satuan lahan yang terpengaruh stasiun hujan Giriwungu (Panggang), Kedung Keris, Gedangan serta sebagian Playen. Kekeringan berat terjadi pada satuan lahan yang terpengaruh stasiun hujan Wonosari, Tepus dan sebagian Playen.  Pola tanam berdasarkan agroklimat Oldeman dikelompokkan ke dalam pola tanam Padi Gogo (Palawija) -Palawija - Bero, Padi sawah - Palawija - Bero, Palawija – Palawija - Bero. Pola tanam Padi Gogo (Palawija)-Palawija-Bero diterapkan di sawah tadah hujan dan tegalan pada satuan lahan yang terpengaruh stasiun hujan Tepus dan Panggang dengan musim tanam 1 terjadi bulan Oktober–Januari dan musim tanam 2 terjadi pada bulan Februari-Mei, pola tanam Padi Sawah-Palawija-Bero diterapkan di sawah dan sawah tadah hujan pada satuan lahan yang terpengaruh stasiun hujan Wanagama (Playen), Kedung Keris dan Gedangan dengan musim tanam 1 terjadi pada bulan November-Februari dan musim tanam 2 terjadi pada bulan Maret-Juni sedangkan pola tanam Palawija-Palawija-Bero diterapkan di kebun campuran pada satuan lahan yang terpengaruh stasiun hujan Kedung Keris, Panggang, Playen, Gedangan, serta Wonosari untuk sawah tadah hujan dimana musim tanam 1 terjadi pada bulan November-Februari dan musim tanam 2 terjadi pada bulan Maret-Juni.ABSTRACT Dryness of farm knocking over an area to generate big impact to agricultural land productivity. The happening of this dryness because of water deficit as result of lack of falling rain, high water infiltration velocity and crop type which unmatched to water availability. Minimization of Impact to happened as result of dryness of farm hence need to be done anticipation given the deficit and surflus farm water through rainfall data and ability of soil land ground arrest detains water (water holding capasity). For the purpose is required dryness analysis of farm with using remote sensing image and farm water balance as initial knowledge utilized planning of anticipation of dryness of farm so that amount of water required for crop can fufilled every when. This research done in this part of gunung kidul regency, purpose of this research is : (1) Studies accuration various channels TIR image Aster to get information as of land surface temperature (2) Studies of dryness through index TVDI (Temperature Vegetation Dryness Indeks) extract from surface temperature (Land Surface Temperature) and index NDVI. ( 3) Studies level of dryness of farm by using method Thornthwaite-Mather, (4) Studies cropping pattern appropriate is applied in research region. Result of research indicates that channel 13 images Aster had highest accuration if it is compared to channel 10,11,12, and 14 images Aster because having smallest difference with field surface temperature. Based on analysis RMS difference is obtained by value 1,140. Wide as of dryness based on index TVDI at all land use with level of high dryness, knocking over each low and medium area with a width of 2922,8 Ha (4,6%), 20286,16 Ha (32,11%) and 39962,72 Ha (63,26%). From wide total 2922,8 Ha farm knocked over by dryness with level of high dryness (less water) with a width of 2069,47 Ha is wet ricefield dependant to rain. Analysis the relation of index TVDI with soil moisture rate shows rapport that is overweening not equal to 53,7% Level of dryness of farm with water balance analysis Thornthwaite-Mather shows dryness index (aridity index) stays in level of medium dryness and weight. Dryness is happened at land unit affecting station of rain Giriwungu (Panggang), Kedung Keris, Gedangan and some of Playen. Dryness of weight happened at land unit affecting station of rain Wonosari, Tepus and some of Playen. Cropping pattern based on agroklimat Oldeman is grouped into cropping pattern Padi Gogo (Palawija)-Palawija-Bero, Padi Sawah-Palawija-Bero, Palawija-Palawija-Bero. Cropping Pattern (Palawija)-PalawijaBero is applied in wet ricefield dependant to rain and non irigated dry field at land unit affecting station of rain Tepus and Panggang with planting season 1 happened OktoberJanuary and planting season 2 happened in Februari-May, cropping pattern Padi SawahPalawija-Bero is applied in rice field and wet ricefield dependant to rain at land unit affecting station of rain Wanagama ( Playen), Kedung Keris and Gedangan with planting season 1 happened in November-February and planting season 2 happened in Maret-Juni while cropping pattern Palawija-Palawija-Bero is applied in blend garden at land unit affecting station of rain Kedung Keris, Gedangan, Playen, and Wonosari for wet ricefield dependant to rain where planting season 1 happened in November-February and planting season 2 happened in March-June.
Kajian Klasifikasi Berbasis Obyek untuk Pemetaan Bangunan yang Berisiko Gempabumi di Bantul, Daerah Istimewa Yogyakarta Ristiyono, Lewi; Danoedoro, Projo; Marfai, Muh Aris
Majalah Geografi Indonesia Vol 30, No 1 (2016): Maret 2016
Publisher : Fakultas Geografi, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3894.628 KB) | DOI: 10.22146/mgi.15624

Abstract

Bencana gempabumi mengakibatkan kerusakan bangunan dan infrastruktur. Oleh karena itu perlu adanya pemetaan bangunan dan infrastruktur yang menjadi elemen berisiko gempabumi. Dikarenakan daerah yang terdampak gempabumi di indonesia sangatlah luas maka pemetaan bangunan dan infrastruktur memerlukan teknologi penginderaan jauh. Teknologi penginderaan jauh dengan klasifikasi penggunaan lahan mampu memetakan bangunan dan infrastruktur lebih efisien. Klasifikasi penggunaan lahan dengan pendekatan berbasis piksel memiliki kelemahan yaitu mengabaikan aspek spasial, munculnya “salt and papper” dan kurang menunjukan otomatis ketika diintegrasikan dengan SIG. Kelemahan klasifikasi berbasis piksel tersebut dilengkapi pada klasifikasi berbasis objek. Penelitian ini bertujuan Penelitian ini bertujuan mengkaji kemampuan klasifikasi berbasis objek dengan menggunakan citra ALOS pansharpening dalam memetakan bangunan dan infrastruktur yang berisiko gempabumi. Metode yang digunakan dalam klasifikasi berbasis objek dengan klasifikasi hierarkis rule-based dengan segmentasi multiresolusi. Metode ini memanfaatkan algoritma hierarchical classification dan logika fuzzy yang disusun dalam rule-set ditiap kelas penggunaan lahan. Logika fuzzy digunakan untuk menentukan nilai keanggotaan fitur-fitur objek yang digunakan dalam identifikasi objek dalam citra. Fitur-fitur objek yang digunakan adalah gabungan dari aspek spektral dan tekstur atau GLCM. Nilai fitur-fitur objek diekstrak dari sempel area berdasarkan segmentasi multiresolusi dengan citra multispektral AVNIR-2 pansharpening. Selanjutnya hasil klasifikasi penggunaan lahan diseleksi subkelas area terbangunan dimanfaatkan untuk mengetahui distribusi spasial bangunan yang berisiko gempabumi. Hasil dari klasifikasi menunjukan tingkat akurasi yang rendah dimana akurasi keseluruhan yang dihasilkan adalah 65.4% dan akurasi klasifikasi untuk subkelas area terbangun juga rendah. Hal ini disebabkan oleh kurang efektiknya klasifikasi hierarkis pada daerah penggunaan lahan dengan heterogenitas yang tinggi, distorsi citra AVNIR-2 pansharpening sebagai sumber data. Dan penggunaan 1 skala segmentasi untuk semua kelas di level 4 klasifikasi mempengaruhi rendahnya akurasi klasifikasi berbasis objek. 
Pemanfaatan Citra Landsat 8 Multitemporal dan Model Forest Canopy Density (FCD) untuk Analisis Perubahan Kerapatan Kanopi Hutan di Kawasan Fakultas Geografi Universitas Gadjah Mada Gunung Kelud, Jawa Timur Himayah, Shafira; Hartono, Hartono; danoedoro, Projo
Majalah Geografi Indonesia Vol 31, No 1 (2017): Maret 2017
Publisher : Fakultas Geografi, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (290.361 KB) | DOI: 10.22146/mgi.24236

Abstract

Penginderaan jauh memiliki keunggulan dalam hal resolusi temporal yang dapat dimanfaatkan untuk meneliti perubahan suatu obyek dalam waktu yang berbeda. Hutan Gunung Kelud mengalami perubahan setelah erupsi tahun 2014. Perubahan tersebut dapat dianalisis dengan memanfaatkan teknologi penginderaan jauh melalui citra multitemporal. Penelitian ini bertujuan untuk mengkaji kemampuan citra Landsat 8 multitemporal dan Forest Canopy Density (FCD) untuk perubahan kerapatan kanopi di Hutan Lindung Gunung Kelud sebelum dan sesudah erupsi tahun 2014.Citra penginderaan jauh yang digunakan adalah citra Landsat 8 perekaman 26 Juni 2013 dan 4 September 2015. Metode yang digunakan adalah pemodelan FCD yang menghasilkan kerapatan kanopi per piksel. Hasil pemodelan FCD kemudian digunakan untuk menganalisis perubahan kerapatan kanopi setelah erupsi. Berdasarkan penelitan ini didapatkan hasil bahwa citra Landsat 8 dapat dipergunakan untuk mengetahui kerapatan kanopi Hutan Lindung Gunung Kelud sebelum dan setelah erupsi dengan masing-masing akurasi sebesar 83,73% dan 81,14%. Terjadi perubahan luas kerapatan kanopi setelah erupsi, dimana terdapat 8833,95 Ha hutan yang mengalami penurunan kerapatan kanopi, sedangkan hutan dengan kerapatan kanopi yang tetap adalah seluas 2149,38 Ha, dan hutan yang mengalami peningkatan kerapatan kanopi adalah seluas 1643,31 Ha. Remote sensing has an advantage in terms of temporal resolution that can be exploited to examine the changes of an object in different times. Gunung Kelud Forest is changing after the eruption in 2014. The changes can be analyzed by utilizing remote sensing technology through multitemporal imagery. This study aims to examine the capabilities of Landsat 8 multitemporal and Forest Canopy Density (FCD) images for changes in canopy density in Kelud Protection Forest before and after the eruption in 2014. Remote sensing imagery used is Landsat 8 image recording June 26, 2013, and September 4, 2015, The method used is FCD modeling that produces a density of the canopy per pixel. FCD modeling results are then used to analyze changes in density of the canopy after the eruption. Based on this research, it can be concluded that Landsat 8 image can be used to determine the density of canopy of Kelud Protection Forest before and after eruption with 83.73% and 81.14% accuracy respectively. There was a change in the area of the canopy density after the eruption, where there was 8833.95 ha of forest that experienced a decrease in canopy density, whereas forests with fixed canopy densities were 2149.38 Ha, and forests with an increase in canopy density were 1643.31 Ha.
Kombinasi Indeks Citra untuk Analisis Lahan Terbangun dan Vegetasi Perkotaan Hidayati, Iswari Nur; Suharyadi, R.; Danoedoro, Projo
Majalah Geografi Indonesia Vol 32, No 1 (2018): Maret 2018
Publisher : Fakultas Geografi, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (865.503 KB) | DOI: 10.22146/mgi.31899

Abstract

Lahan terbangun di perkotaan dan area vegetasi menjadi hal yang sangat menarik untuk dikaji. Apalagi dinamika penggunaan lahan di perkotaan yang sangat cepat berubah. Berbagai metode dikembangkan untuk ekstraksi lahan terbangun di perkotaan, mulai dari klasifikasi multispektral, object based approach, hingga penelitian berbasis indeks. NDBI menjadi salah satu indeks pioner untuk ekstraksi lahan terbangun perkotaan dengan menggunakan saluran SWIR. Pengembangan indeks lahan terbangun ini masih perlu dikembangan untuk citra yang tidak mempunyai panjang gelombang SWIR. Tujuan penelitian ini adalah merumuskan kombinasi saluran terbaik dalam ekstraksi lahan terbangun dan area vegetasi serta menghitung kepadatan bangunan dan kerapatan vegetasi berbasis indeks. Penelitian ini menggunakan Citra Worldview-2 yang diperoleh dari Digital Globe Foundation untuk ekstraksi lahan terbangun dan kerapatan vegetasi. Normalized difference index digunakan sebagai formula dalam pembuatan indeks. Pemanfaatan semua saluran spektral dalam citra Worldview-2 digunakan untuk ekstraksi lahan terbangun dan kepadatan bangunan di perkotaan dengan PCA sebagai metode untuk penggabungan delapan saluran dalam Worldview-2. Saluran NIR 1 dan NIR 2 yang digabungkan dengan Saluran Merah menjadi pilihan untuk ekstraksi vegetasi. Proses trial dan error mewarnai pemilihan kombinasi saluran yang digunakan dan treshold yang digunakan untuk analisis biner dalam membedakan lahan terbangun dan non lahan terbangun serta area vegetasi dan area non vegetasi. Pemanfaatan unique identification (UID) digunakan untuk pembuatan grid berbasis raster dalam perhitungan kepadatan bangunan dan kerapatan vegetasi. Hasil penelitian menunjukkan bahwa indeks yang dibangun dengan PC2 dan NIR 1 serta PC2 dan NIR 2 mempunyai akurasi tinggi yaitu 94,43% untuk bangunan dan kombinasi indeks dari NIR1_Red mempunyai akurasi optimal yaitu 99,51% dan NIR2_Red mempunyai akurasi 92,87 untuk ekstraksi data vegetasi.  Urban phenomenon becomes a very interesting thing to be studied. The urban land use, land conversion, urban green space, are rapidly changing. Various methods were developed for urban built-up data extraction, such as multispectral classification, object-based approach, and index-based research. NDBI became one of pioneer indices for urban-built urban land extraction using SWIR band. The development of this built-up index is still required for images that do not have SWIR wavelengths. The study objectives were to select the best methods for built-up land and vegetation extraction and to calculate building density and index-based vegetation density. Worldview-2 image obtained from Digital Globe Foundation tested for built-up land data extracting and vegetation density analyzing. Normalized difference index formula is applied for combining and setting built-up land and vegetation indexes. Merger of Worldview-2 spectral imagery were using PCA method for extracting built-up land and calculating building density. Combining eight bands into eight new images that have different information from original images was done by PCA method.  NIR 1, NIR2, and Red bands are the perfect choice for vegetation extraction because near infrared characteristics have high reflections on vegetation. Selection of band combinations and selection of threshold values through trial and error processes to perceive the best index combinations and reasonable threshold values. Binary analysis is particularly useful for separating the built-up and non-built-up areas as well as vegetation and non-vegetation. The Unique identification (UID) technique used in estimating built-up and vegetation density from precisely classified images provided better and accurate assessment of built-up and vegetation density.  The results show that the built-up index involving PC2_NIR 1 and PC2_NIR 2 for the urban built land research achieved an optimal accuracy of 94, 43%. The best accuracy for vegetation data extraction was obtained from the combined NIR1_Red index with 99,51% and NIR2_Red values with an overall accuracy of 92,87%.   
Kajian Perubahan Penggunaan Lahan Berbasis Citra Satelit Penginderaan Jauh Resolusi Menengah dengan Metode Multi Layer Perceptrondan Markov Chain Wardani, Diana Wisnu; Danoedoro, Projo; Susilo, Bowo
Majalah Geografi Indonesia Vol 30, No 1 (2016): Maret 2016
Publisher : Fakultas Geografi, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3491.698 KB) | DOI: 10.22146/mgi.15605

Abstract

Perkembangan Kota Yogyakarta yang sangat pesat mempengaruhi perubahan penggunaan lahan di daerah urban fringe salah satunya adalah Kabupaten Bantul. Perubahan penggunaan lahan yang tidak terkendali akan menimbulkan masalah sosial ekonomi dan lingkungan.Penelitian mengenai kajian perubahan penggunaan lahan berbasis citra satelit penginderaan jauh resolusi menengah dengan metode Multi Layer Perceptron dan Markov Chain di sebagian Kabupaten Bantul ini bertujuan: (a)mengkaji kemampuan citra satelit penginderaan jauh resolusi menengah Landsat untuk ekstraksi informasi penggunaan lahan tahun 2002, 2009 dan 2013, (b) mengkaji perubahan penggunaan lahan secara spasial dari tahun 2002 sampai dengan tahun 2009 serta (c) menyusun pemodelan perubahan penggunaan lahan dengan metode Multi Layer Perceptron dan Markov Chain pada tahun 2013 dengan mempertimbangkan faktor-faktor yang mempengaruhi perubahan penggunaan lahan berdasar penggunaan lahan 2002-2009.Faktor-faktor yang mempengaruhi perubahan (variabel perubahan) penggunaan lahan meliputi aksesbilitas (kepadatan jalan, jarak terhadap jalan, jarak terhadap sungai) dan kesesuaian lahan (kemiringan lereng). Citra penginderaan jauh multitemporal dalam penelitian ini menggunakan citra Landsat 5 TM  tahun 2002, Landsat 7 ETM+ tahun 2009 dan Landsat 8 OLI  tahun 2013. Penelitian ini menggunakan klasifikasi multispektral dengan metode maximum likelihood. Klasifikasi multispektral menghasilkan peta penutup lahan (2002, 2009, 2013) yang selanjutnya diturunkan menjadi peta penggunaan lahan. Hasil perubahan penggunaan lahan 2002-2009 selanjutnya dikaji dan diintegrasikan dengan variabel perubahan sebagai input dalam regresi non linear dengan Multi Layer Perceptron. Besar probabilitas perubahan ditentukan dengan metode Markov Chain. Hasil penelitian menunjukkan perubahan penggunaan lahan dari lahan pertanian menjadi permukiman pada periode tahun 2002-2009 seluas 2.766,78ha. Perubahan terluas terjadi di Kecamatan Banguntapan seluas 717,97 ha (25,21%). Perubahan kelas penggunaan lahan hutan dan kebun campuran ke permukiman seluas 804,69ha dan perubahan terluas terjadi di Kecamatan Imogiri seluas 361,02 ha (6,63%). Pemodelan spasial dengan menggunakan kombinasi MLP dan MC menghasilkan akurasi hasil prediksi terbaik dengan overall accuracy 86,16 % dan nilai kappa sebesar 0,79 (substantial agreement). 
Pendugaan Cadangan Karbon pada Perkebunan Tanaman Teh (Ca-Mellia Sinensis) melalui Citra Penginderaan Jauh Alos Avnir-2 Hardjo, Karen Slamet; Danoedoro, Projo; Zuharnen, Zuharnen
Majalah Geografi Indonesia Vol 28, No 1 (2014): Maret 2014
Publisher : Fakultas Geografi, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1465.937 KB) | DOI: 10.22146/mgi.13066

Abstract

ABSTRAK Pemanasan global menjadi isu terkini dalam perubahan iklim, salah satu penyebabnya adalah pelepasan gas karbondioksida (CO2) ke atmosfer. Tanaman teh menyerap CO2, sehinggga mampu berperan untuk mengurangi emisi karbon. Program clean development mechanism dalam piagam Kyoto, membutuhkan perhitungan cadangan karbon yang akurat dan terkini beserta agihan secara spasial. Tujuan penelitian untuk mengetahui hubungan respon spektral citra ALOS AVNIR-2 dan nilai indeks vegetasi dengan cadangan karbon tanaman teh dan Pendugaan cadangan karbon tanaman teh beserta agihannya pada perkebunan teh PT Pagilaran. Metodenya adalah pengolahan citra digital ALOS AVNIR-2 menggunakan algoritma indeks vegetasi (NDVI, RVI, SAVI, MSAVI-2, ARVI, GEMI), pengukuran sampel cadangan karbon tanaman teh dilapangan menggunakan rumus allometrik, analisis statistik hubungan respon spektral citra dan nilai indeks vegetasi dengan nilai cadangan karbon. Nilai korelasi tertinggi digunakan menghitung dan memetakan agihan cadangan karbon tanaman teh. Hasil penelitian tidak menunjukkan hubungan korelasi yang kuat antara saluran tunggal pada citra ALOS AVNIR-2 dengan cadangan karbon, yaitu nilai korelasi (r) < 0,21. Hasil korelasi nilai indeks vegetasi dengan cadangan karbon tertinggi adalah r = 0,44, diperoleh pada indeks vegetasi RVI (koefisien determinasi/R² = 0,196). Pendugaan cadangan karbon pada perkebunan teh pagilaran sebesar 30.974,5 Ton, dengan agihan urutan terbesar dari afdeling Pagilaran, afdeling Kayulandak dan afdeling Andongsili. ABSTRACT Global warming is an issue of current climate change, one reason is the release of carbon dioxide (CO2) into the atmosphere. Tea plants absorb CO2, so can contribute to reducing carbon emissions. Programs clean development mechanism under the Kyoto charter, requiring the calculation of carbon stocks and their recent and accurate spatial. The aim of research to determine the relationship spectral response AVNIR ALOS-2 and the index vegetation with carbon stocks of tea plants and then estimated of carbon stocks of tea plant and it distributions in PT Pagilaran plantations. The method is digital image processing ALOS AVNIR-2 uses an algorithm vegetation index (NDVI, RVI, SAVI, MSAVI-2, ARVI, GEMI), sample measurements of carbon stocks of tea plants in the field using a formula allometric, statistical analysis-response relationship spectral image and index vegetation with the value of carbon stocks. The highest correlation value is used calculate and mapping the carbon stocks tea plant. Results of the study did not show a strong correlation between a single channel on AVNIR ALOS-2 with carbon stocks, ie the value of the correlation (r) <0.21. The correlation value of index vegetation with the highest carbon stocks are r = 0.44, obtained in the vegetation index RVI (coefficient of determination / R ² = 0.196). Estimation of carbon stocks in the tea plantations Pagilaran of 30,974.5 tons, the largest spread of the sequence is Afdeling Pagilaran, Afdeling Kayulandak, and Afdeling Andongsili. 
Pengaruh Jumlah Kelas dan Skema Klasifikasi terhadap Akurasi Informasi Penggunaan Lahan Hasil Klasifikasi Berbasis Objek dengan Teknik Support Vector Machine di Sebagian Kabupaten Kebumen Provinsi Jawa Tengah Dwiputra, Aria Jaka; Suharyadi, R.; Danoedoro, Projo
Majalah Geografi Indonesia Vol 30, No 2 (2016): September 2016
Publisher : Fakultas Geografi, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (4772.844 KB) | DOI: 10.22146/mgi.15632

Abstract

Produksi peta penggunaan lahan dari data geospasial satelit harus memperhatikan resolusi spasial yang digunakan, dengan menggunakan ilmu penginderaan jauh secara digital akurasi informasi geospasial tematik yang diperoleh dari data geospasial satelit dapat diukur secara kuantitatif. Jumlah kelas penggunaan lahan, skema klasifikasi, dan teknik ekstraksi informasi akan berpengaruh dalam overall accuracy.Penelitian ini menggunakan tiga variasi jumlah kelas dan skema klasifikasi yaitu 4, 7, dan 10 kelas penggunaan lahan. Tiga variasi tersebut diekstraksi dari citra ALOS AVNIR – 2 dengan resolusi 10 meter menggunakan metode klasifikasi berbasis objek dengan pendekatan support vector machine. Sesuatu yang lain dari klasifikasi berbasis objek adalah proses segmentasi yang mengelompokkan objek tutupan lahan dalam satu bagian, dan algoritma SVM mengklasifikasikan citra segmentasi dengan memanfaatkan empat tipe kernel yaitu linier, radial basis function, sigmoid, dan polynomial. Hasil ekstraksi informasi penggunaan lahan untuk jumlah kelas empat menggunakan klasifikasi berbasis objek dengan pendekatan support vector machine memiliki akurasi sebesar 87.2666% serta nilai koefesien kappa 0.8048 dan tipe kernel yang dipakai adalah kernel Linier. Hasil ekstraksi informasi penggunaan lahan untuk jumlah kelas tujuh menggunakan klasifikasi berbasis objek dengan pendekatan support vector machine memiliki akurasi sebesar 79.8021% serta nilai koefesien kappa 0.7293 dan tipe kernel yang dipakai adalah kernel Linier. Hasil ekstraksi informasi penggunaan lahan untuk jumlah kelas sepuluh menggunakan klasifikasi berbasis objek dengan pendekatan support vector machine memiliki akurasi sebesar 73.3377% serta nilai koefesien kappa 0.6466 dan tipe kernel yang dipakai adalah kernel Linier. Hasil ekstraksi informasi penggunaan lahan untuk jumlah kelas sepuluh menggunakan klasifikasi berbasis objek dengan pendekatan support vector machine dan ditambah dengan data bantu berupa informasi lereng dan informasi pola ruang memiliki akurasi sebesar 77.5705% serta nilai koefesien kappa 0.6982 dan tipe kernel yang dipakai adalah kernel Radial Basis Function. Kernel linier dengan satu parameter menunjukkan akurasi tertinggi pada setiap  jumlah kelas yang berbeda. Kernel linier menunjukkkan akurasi terendah ketika dipakai data bantu dalam proses klasifikasi. Berdasarkan hasil penelitian didapat bahwa dengan semakin banyaknya parameter yang dipakai dalam proses klasifikasi tidak berarti semakin akurat hasil klasifikasinya. Setiap kernel memiliki pengaruh spesifik terhadap objek penggunaan lahan, dan untuk meningkatkan akurasi per objek penggunaan lahan dapat menggunakan data bantu