cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota adm. jakarta timur,
Dki jakarta
INDONESIA
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital
ISSN : -     EISSN : -     DOI : -
Core Subject : Science,
Arjuna Subject : -
Articles 8 Documents
Search results for , issue " Vol. 14 No. 2 Desember 2017" : 8 Documents clear
Full paper Inderaja Vol 14 No 2 Desember 2017 Jurnal, Redaksi
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 14 No. 2 Desember 2017
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (7231.63 KB) | DOI: 10.30536/j.pjpdcd.2017.v14.a2926

Abstract

KLASIFIKASI MULTIKSKALA UNTUK PEMETAAN ZONA GEOMORFOLOGI DAN HABITAT BENTIK MENGGUNAKAN METODE OBIA DI PULAU PARI (MULTISCALE CLASSIFICATION FOR GEOMORPHIC ZONE AND BENTHIC HABITATS MAPPING USING OBIA METHOD IN PARI ISLAND) Anggoro, Ari; Siregar, Vincentius Paulus; Agus, Syamsul B.
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 14 No. 2 Desember 2017
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (705.544 KB) | DOI: 10.30536/j.pjpdcd.1017.v14.a2622

Abstract

This study used multiscale classification and applied object-based image analysis (OBIA) for geomorphic zone and benthic habitats mapping in Pari islands. An optimized segmentation was performed to get optimum classification result. Classification methods for level 1 and 2 used contextual editing classification and for level 3 used support vector machines classifier. The results showed that overall accuracy for level 1 was 97% (reef level), level 2 was 87% (geomorphic zone), and level 3 was 75% (benthic habitats). Accuracy achieved by support vector machines classification was performed only in level 3 and optimum scale value achieved was 50 in compare with other scale values, i.e. 5, 25, 50, 75, 95. OBIA methods can be used as an alternative for geomorphic zone and benthic habitats map. Abstrak Penelitian ini menggunakan klasifikasi multiskala dan penerapan analisis citra berbasis obyek (OBIA) untuk pemetaan zona geomorfologi dan habitat bentik di Pulau Pari. Analisis berbasis obyek dilakukan optimasi pada proses segmentasi untuk mendapatkan hasil klasifikasi optimal. Metode klasifikasi pada level 1 dan 2 menggunakan klasifikasi contextual editing dan pada level 3 menggunakan klasifikasi Support Vector Machines (SVM). Hasil penelitian ini menunjukkan akurasi keseluruhan pada level 1 yaitu 97% (reef level), level 2 yaitu 87% (Geomorphic level), dan level 3 yaitu 75% (benthic habitat level). Klasifikasi SVM hanya diterapkan pada level 3 dan nilai skala optimum sebesar 50 dari percobaan nilai skala yaitu 5, 25, 50, 75, 95. Metode OBIA dapat digunakan sebagai alternatif untuk pemetaan zona geomorfologi dan habitat bentik.
MODEL KOREKSI ATMOSFER CITRA LANDSAT-7 (ATMOSPHERIC CORRECTION MODELS OF LANDSAT-7 IMAGERY) muchsin, fadila; Fibriawati, Liana; Pradhono, Kuncoro Adhi
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 14 No. 2 Desember 2017
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (986.806 KB) | DOI: 10.30536/j.pjpdcd.1017.v14.a2595

Abstract

Three methods of atmospheric correction, Second Simulation of the Satellite Signal in the Solar Spectrum (6S), Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS) and the model Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes (FLAASH), have been applied to the level 1T Landsat-7 image Jakarta area. The atmospheric corrected image is then compared with the TOA reflectance image. The results show that there is an improvement of the spectral pattern on the TOA reflectance image by the decrease of the reflectance value of each object by (1 - 11) % after the atmospheric correction of all models for visible bands (blue, green and red). In the NIR and SWIR bands there is an increase in the spectral value of about 1% to the TOA reflectance on all objects except wetland for the LEDAPS model. The percentage of the increase and the decrease in spectral values of 6S and FLAASH models have the same tendency. Analyzes were also performed on the NDVI values of each model, where NDVI values were relatively higher after atmospheric correction. The NDVI value of rice crop on FLAASH model is the same as 6S model that is equal to 0.95 and for wetland, it has the same value between FLAASH model and LEDAPS which is 0.23. NDVI value of entire scene for FLAASH model = 0.63, LEDAPS model = 0.56 and 6S model = 0.66. Before the atmospheric correction, the TOA is 0.45. Abstrak Tiga metode koreksi atmosfer diantaranya  Second Simulation of the Satellite Signal in the Solar Spectrum (6S), Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS) dan model Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes (FLAASH) telah diterapkan pada citra Landsat-7 level 1T wilayah Jakarta. Citra yang telah terkoreksi atmosfer dibandingkan dengan citra reflektan TOA. Hasilnya menunjukkan bahwa terdapat perbaikan pola spektral pada citra reflektan TOA dengan adanya penurunan nilai reflektan setiap obyek sebesar (1 – 11) % setelah dilakukan koreksi atmosfer pada semua model untuk kanal-kanal visible (blue, green dan red). Pada kanal NIR dan SWIR terjadi kenaikan nilai spektral yaitu sekitar 1% terhadap reflektan TOA pada semua objek terkecuali objek lahan basah untuk model LEDAPS. Persentase kenaikan dan penurunan nilai spektral model 6S dan FLAASH memiliki kecenderungan yang sama. Analisis juga dilakukan terhadap nilai NDVI masing-masing model, dimana nilai NDVI relatif lebih tinggi setelah koreksi atmosfer. Nilai NDVI tanaman padi pada model FLAASH sama dengan model 6S yaitu sebesar 0.95 dan untuk lahan basah memiliki nilai yang sama antara model FLAASH dan LEDAPS yaitu 0.23. Nilai NDVI seluruh scene untuk model FLAASH = 0.63, model LEDAPS = 0.56 dan model 6S = 0.66. Sebelum koreksi atmosfer (TOA) adalah 0.45. 
Front Pages Inderaja Vol. 14 No. 2 Desember 2017 Jurnal, Redaksi
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 14 No. 2 Desember 2017
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (808.579 KB) | DOI: 10.30536/j.pjpdcd.2017.v14.a2927

Abstract

Back Pages Inderaja Vol. 14 No. 2 Desember 2017 Jurnal, Redaksi
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 14 No. 2 Desember 2017
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (529.87 KB) | DOI: 10.30536/j.pjpdcd.2017.v14.a2928

Abstract

ANALISIS PERUBAHAN GARIS PANTAI UJUNG PANGKAH DENGAN MENGGUNAKAN METODE EDGE DETECTION DAN NORMALIZED DIFFERENCE WATER INDEX (UJUNG PANGKAH SHORELINE CHANGE ANALYSIS USING EDGE DETECTION METHOD AND NORMALIZED DIFFERENCE WATER INDEX) Anggraini, Nanin; Marpaung, Sartono; Hartuti, Maryani
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 14 No. 2 Desember 2017
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1711.126 KB) | DOI: 10.30536/j.pjpdcd.1017.v14.a2545

Abstract

Besides to the effects from tidal, coastline position changed due to abrasion and accretion. Therefore, it is necessary to detect the position of coastline, one of them by utilizing Landsat data by using edge detection and NDWI filter. Edge detection is a mathematical method that aims to identify a point on a digital image based on the brightness level. Edge detection is used because it is very good to present the appearance of a very varied object on the image so it can be distinguished easily. NDWI is able to separate land and water clearly, making it easier for coastline analysis. This study aimed to detect coastline changes in Ujung Pangkah of Gresik Regency caused by accretion and abrasion using edge detection and NDWI filters on temporal Landsat data (2000 and 2015). The data used in this research was Landsat 7 in 2000 and Landsat 8 in 2015. The results showed that the coastline of Ujung Pangkah Gresik underwent many changes due to accretion and abrasion. The accretion area reached 11,35 km2 and abrasion 5,19 km2 within 15 year period. Abstrak Selain akibat adanya pasang surut, posisi garis pantai berubah akibat adanya abrasi dan akresi. Oleh karena itu diperlukan adanya deteksi posisi garis pantai, salah satunya dengan memanfaatkan data Landsat dengan menggunakan filter edge detection dan NDWI. Edge detection adalah suatu metode matematika yang bertujuan untuk mengidentifikasi suatu titik pada gambar digital berdasarkan tingkat kecerahan. Filter edge detection digunakan karena sangat baik untuk menyajikan penampakan obyek yang sangat bervariasi pada citra sehingga dapat dibedakan dengan mudah. NDWI mampu memisahkan antara daratan dan perairan dengan jelas sehingga memudahkan untuk analisis garis pantai. Penelitian ini bertujuan untuk deteksi perubahan garis pantai di Ujung Pangkah Kabupaten Gresik yang disebabkan oleh adanya akresi dan abrasi dengan menggunakan filter edge detection dan NDWI pada data Landsat temporal (tahun 2000 dan 2015). Data yang digunakan pada penelitian ini adalah citra Landsat 7 tahun 2000 dan Landsat 8 tahun 2015. Hasil penelitian menunjukkan bahwa garis pantai di Ujung Pangkah Gresik banyak mengalami perubahan akibat adanya akresi dan abrasi. Luas akresi mencapai 11,35 km2 dan abrasi 5,19 km2 dalam periode waktu 15 tahun.
PENGARUH ASIMILASI DATA PENGINDERAAN JAUH (RADAR DAN SATELIT) PADA PREDIKSI CUACA NUMERIK UNTUK ESTIMASI CURAH HUJAN (IMPACT OF REMOTE SENSING DATA ASSIMILATION (RADAR AND SATELLITE) ON NUMERICAL WEATHER PREDICTION FOR RAINFALL ESTIMATION) Paski, Jaka A. I.
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 14 No. 2 Desember 2017
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (889.667 KB) | DOI: 10.30536/j.pjpdcd.1017.v14.a2642

Abstract

One of the main problems in numerical weather modeling was the inaccuracy of initial condition data (initial conditions). This study reinforced the influence of assimilation of remote sensing observation data on initial conditions for predictive numerical rainfall in BMKG radar area Tangerang (Province of Banten and DKI Jakarta) on January 24, 2016. The procedure applied to rainfall forecast was the Weather Research and Forecasting model (WRF) with a down-to-down multi-nesting technique from Global Forecast System (GFS) output, the model was assimilated to radar and satellite image observation data using WRF Data Assimilation (WRFDA) 3DVAR system. Data was used as preliminary data from surface observation data, EEC C-Band radar data, AMSU-A satellite sensor data and MHS sensors. The analysis was done qualitatively by looking at the measurement scale. Observation data was used to know rainfall data. The results of the study showed that producing rainfall predictions with different assimilation of data produced different predictions. In general, there were improvements in the rainfall predictions with assimilation of satellite data was showing the best results. Abstrak Salah satu masalah utama pada pemodelan cuaca numerik adalah ketidak-akuratan data kondisi awal (initial condition). Penelitian ini menguji pengaruh asimilasi data observasi penginderaan jauh pada kondisi awal untuk prediksi numerik curah hujan di wilayah cakupan radar cuaca BMKG Tangerang (Provinsi Banten dan DKI Jakarta) pada 24 Januari 2016. Prosedur yang diterapkan pada prakiraan curah hujan adalah model Weather Research and Forecasting (WRF) dengan teknik multi-nesting yang di-downscale dari keluaran Global Forecast System (GFS), model ini diasimilasikan dengan data hasil observasi citra radar dan satelit menggunakan WRF Data Assimilation (WRFDA) sistem 3DVAR. Data yang digunakan sebagai kondisi awal berasal dari data observasi permukaan, data C-Band radar EEC, data satelit sensor AMSU-A dan sensor MHS. Analisis dilakukan secara kualitatif dengan melihat nilai prediksi spasial distribusi hujan terhadap data observasi GSMaP serta metode bias curah hujan antara model dan observasi digunakan untuk mengevaluasi pengaruh data asimilasi untuk prediksi curah hujan. Hasil penelitian yang diperoleh menunjukkan prediksi curah hujan dengan asimilasi data yang berbeda menghasilkan prediksi yang juga berbeda. Secara umum, asimilasi data penginderaan jauh memberikan perbaikan hasil prediksi estimasi curah hujan di mana asimilasi menggunakan data satelit menunjukan hasil yang paling baik.
OPTIMASI PARAMETER DALAM KLASIFIKASI SPASIAL PENUTUP PENGGUNAAN LAHAN MENGGUNAKAN DATA SENTINEL SAR (PARAMETERS OPTIMIZATION IN SPATIAL LAND USE LAND COVER CLASSIFICATION USING SENTINEL SAR DATA) Chulafak, Galdita Aruba; Kushardono, Dony; Zylshal, nFN
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 14 No. 2 Desember 2017
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2591.68 KB) | DOI: 10.30536/j.pjpdcd.1017.v14.a2746

Abstract

In this study, application of Sentinel-1 Synthetic Aperture Radar (SAR) data for the land use cover classification was investigated. The classification was implemented with supervised Neural Network classifier for Dual polarization (VH and VV) Sentinel-1 data using texture information of gray level co-occurance matrix (GLCM). The purpose of this study was to obtain the optimum parameters in the extraction of texture information of pixel window size, the orientation of neighboring relationships on the texture feature extraction, and the type of texture information feature used for the classification. The classification results showed that in the study area, the best accuracy obtained is 5 × 5 pixel window size, 00 orientation angle, and the use of entropy texture information as classification input. It was also found that more features texture information used as classification input can improve the accuracy, and with careful selection of appropriate texture information as classification input will give the best accuracy. AbstrakPada penelitian ini dilakukan kajian mengenai klasifikasi penutup penggunaan lahan menggunakan data Sentinel-1 yang merupakan data Synthetic Aperture Radar (SAR). Informasi tekstur digunakan sebagai masukan dalam pembuatan klasifikasi terbimbing Neural Network dengan menggunakan Dual polarization (VH dan VV). Klasifikasi dilakukan menggunakan informasi tekstur menggunakan Gray Level Co-occurance Matrix (GLCM) dari data Sentinel-1. Tujuan penelitian ini adalah mendapatkan parameter optimum dalam ekstraksi informasi, yaitu ukuran jendela pemrosesan, orientasi hubungan ketetanggaan pada ekstraksi fitur tekstur, serta jenis fitur informasi tekstur yang digunakan dalam klasifikasi. Hasil klasifikasi menunjukkan bahwa pada area yang dikaji, akurasi terbaik adalah pada ukuran jendela 5×5 piksel, sudut orientasi hubungan ketetanggaan 0º, serta penggunaan informasi tekstur entropy sebagai masukan dalam klasifikasi. Serta diketahui bahwa semakin banyak fitur informasi tekstur yang digunakan sebagai masukan klasifikasi dapat meningkatkan akurasi dan pemilihan informasi tekstur yang tepat sebagai masukan klasifikasi akan menghasilkan akurasi terbaik.

Page 1 of 1 | Total Record : 8