Garuda - Garba Rujukan Digital

Analisis Deformasi Akibat Aktivitas Vulkanik Menggunakan Data Citra Sentinel-1A dan Metode DInSAR three-pass interferometry (Studi Kasus : Gunung Semeru, Jawa Timur) Eka Diah Nur Safitri; Noorlaila Hayati; Filsa Bioresita
Jurnal Teknik ITS Vol 10, No 2 (2021)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v10i2.72653

Gunung Semeru merupakan salah satu gunung api yang secara administratif masuk kedalam Wilayah Kabupaten Lumajang dan Malang, Jawa Timur. Dikutip dari Press Release Aktivitas Gunung Semeru oleh kementerian ESDM, Gunung Semeru menunjukkan aktivitas vulkanik berupa semburan awan panas hingga 2 Km dari puncak pada Jumat, 17 April 2020 pukul 06.08 WIB dan gempa guguran dengan amplitudo maksimum 7 mm dan lama gempa 300 detik. Adanya aktivitas magma gunung api berupa uplift sebelum aktivitas vulkanik dan subsidence saat aktivitas vulkanik dapat menyebabkan terjadinya deformasi permukaan gunung api. Pada penelitian ini, pengamatan fenomena deformasi dilakukan menggunakan metode DInSAR (Differential Interferometry Synthetic Aperture Radar) three-pass interferometry yang memanfaatkan pasangan citra SAR Sentinel 1-A yang diakuisisi pada waktu dan posisi yang berbeda, dimana data fase topografi dan penggepengan diperoleh dari pasangan citra SAR 1 dan 2 dengan selisih temporal yang saling berdekatan dan tidak memiiki unsur subsidence. Selanjutnya data fase tersebut digunakan dalam proses koreksi topografi dan flattening pasangan citra SAR 1 dan 3 untuk memperoleh nilai deformasi. Pengamatan deformasi menggunakan metode DInSAR three-pass interferometry menunjukkan adanya fenomena deflasi atau penurunan permukaan tanah dengan rata-rata -26,14442279 milimeter yang direpresentasikan dari 92 titik sampel di seluruh area Gunung Semeru, dimana pada area jalur aliran lava (timur, tenggara, selatan, dan barat daya) mengalami deflasi yang lebih besar dibanding dengan area yang lain (barat, barat laut, utara, dan timur laut). Hasil deformasi dari metode ini memiliki hubungan korelasi yang kuat dengan hasil deformasi data pembanding two-pass interferometry dan SBAS, yaitu 0,525889 dan 0,704151.

Identifikasi Area Terdampak Oil Seep di Darat dari Data Foto Udara Menggunakan Metode Object Based Image Analysis dan Convolutional Neural Networks (Studi Kasus: Kelurahan “X”) Nurul Fitri Alya; Filsa Bioresita; Noorlaila Hayati; Muhammad Alfian Romadhon; Sondy Hardian Meisajiwa
Jurnal Teknik ITS Vol 10, No 2 (2021)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v10i2.70042

Rembesan minyak merupakan salah satu peristiwa yang merugikan lingkungan pada industri minyak dan gas. Hal ini dikarenakan senyawa kimia yang terkandung pada rembesan minyak dapat mengakibatkan penurunan kualitas lingkungan hidup. Rembesan minyak (Oil Seep) tidak hanya terjadi di wilayah perairan, tetapi juga di daratan, yang terserap oleh tanah. Kejadian ini dapat mengindikasikan adanya sistem perminyakan di bawah permukaan tanah. Dalam penelitian ini daerah terdampak rembesan minyak diidentifikasi menggunakan metode deep learning dengan Convolutional Neural Networks dimana mesin diharapkan meniru sistem kerja otak manusia dalam mengidentifikasi objek. Data foto udara yang telah terorthorektifikasi dilakukan proses segmentasi untuk membantu proses pelabelan training data pada tahap selanjutnya. Training data tersebut menjadi data masukan pada tahap train deep learning model, dan akan dilakukan proses klasifikasi piksel untuk mendeteksi area terdampak oil seep. Hasil pengolahan berupa tingkat akurasi model mencapai 93% dan raster yang menampilkan area terdampak oil seep, yang kemudian dihitung luasan areanya, dan menghasilkan perhitungan area terdampak oil seep seluas ±1,4 hektar.

Analisa Tingkat Rawan Banjir di Daerah Kabupaten Bandung Menggunakan Metode Pembobotan dan Scoring Ian Hot Oloan Sitorus; Filsa Bioresita; Noorlaila Hayati
Jurnal Teknik ITS Vol 10, No 1 (2021)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v10i1.60082

Kabupaten Bandung merupakan daerah yang rawan terhadaap bencana banjir. Banjir terjadi akibat adanya genangan air pada suatu tempat dalam kurun waktu tertentu. Salah satu cara untuk dapat mengelola resiko terjadinya banjir adalah dengan memperkirakan daerah-daerah yang rawan terhadap banjir. Ada beberapa parameter yang mempengaruhi tingkat kerawanan suatu daerah terhadap banjir, diantaranya parameter curah hujan, penggunaan lahan, kemiringan lereng, ketinggian lahan, dan tekstur tanah. Parameter-parameter tersebut diolah dengan metode pembobotan dan skoring, kemudian di overlay untuk menghasilkan peta rawan banjir. Dari hasil pengolahan didapatkan hasil parameter curah hujan didominasi dengan curah hujan 1.500 – 2.000 mm/tahun dengan luas 93.523,655 ha. Parameter penggunaan lahan didominasi oleh pertanian lahan kering dengan luas 38.066,286 ha. Parameter kemiringan lereng didominasi dengan kemiringan lereng 25 – 40% dengan luas 38490,715 ha. Parameter ketinggian lahan didominasi dengan ketinggian lahan 500 – 1000 m dengan luas 68.030,334 ha. Parameter tekstur tanah didominasi oleh tekstur tanah sedang dengan luas 77.918,599 ha. Terdapat 4 kelas kerawanan banjir meliputi sangat rawan, rawan, kurang rawan, dan tidak rawan. Kabupaten Bandung didominasi kelas Kurang Rawan dengan luas 64.277,228 ha. Daerah-daerah yang tergolong kelas Sangat Rawan ada di Kecamatan Katapang, Margahayu, Dayeuh Kolot, Pameungpeuk, Bojong Soang, Margaasih, Rancaekek, Baleendah, Solokan Jeruk, Cangkuang, Kutawaringin, Soreang, Cicalengka, Banjaran, Cileunyi, Cikancung, Ciparay, Majalaya, Paseh, Arjasari, Cimaung, Rancabali, Pasir Jambu, Ciwidey, Ibun, dan Nagreg. Daerah yang memiliki persentase luas sangat rawan banjir per luas kecamatan terbesar berada di Kecamatan Katapang dengan persentase 95,06%, sedangkan persentase luas sangat rawan banjir per luas kecamatan terendah berada di Kecamatan Nagreg dengan persentase 0,01%. Hasil validasi menunjukkan bahwa seluruh kecamatan yang disebutkan dalam Peta Wilayah Siaga Darurat Bencana Banjir merupakan daerah yang tergolong kelas Sangat Rawan pada Peta Rawan Banjir.

Identifikasi Daerah Kekeringan dengan Menggunakan Temperature Vegetation Index (TVDI) dan Landsat 8 Fauzi Shidqi; Noorlaila Hayati; Filsa Bioresita
Jurnal Teknik ITS Vol 10, No 1 (2021)
Publisher : Direktorat Riset dan Pengabdian Masyarakat (DRPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373539.v10i1.61122

Kekeringan kerap terjadi diberbagai daerah di Indonesia. Menurut Badan Penanggulangan Bencana Daerah (2018), Kabupaten Sumedang merupakan salah satu daerah di Jawa Barat rawan terhadap kekeringan. Kekeringan terjadi akibat berkurangnya air secara drastis pada suatu tempat dalam kurun waktu tertentu. Salah satu cara untuk dapat mengelola resiko terjadinya kekeringan adalah dengan memperkirakan daerah-daerah yang rawan terhadap kekeringan. TVDI (Temperature-Vegetation Dryness Index) merupakan indeks kekeringan yang dihitung berdasarkan parameter empirik dari hubungan antara temperatur permukaan (TS) dan indeks vegetasi Normalized Difference Vegetation Index (NDVI). Indeks tersebut dikaitkan dengan kekeringan lahan yang diperoleh hanya berdasarkan input dari informasi satelit penginderaan jauh dengan menggunakan citra Landsat 8, dengan waktu pengamatan pada bulan Agustus-September 2018. Dari penelitian ini didapat dua persamaan TVDI di Kabupaten Sumedang berdasarkan cara pengambilan titik sample, persamaan pertama sample manual adalah TVDI = (LST – (6,881*NDVI +23,766))/((-16,4*NDVI) + 58,962), daerah dengan nilai TVDI 0,6 – 0,8 (agak kering) dan 0,8 – 1 (kering) memiliki luas secara beturut-turut yaitu 1921,477 Ha dan 152721,036 Ha, sedangkan persamaan kedua sample menggunakan toolsbox fishnet pada arcGIS adalah TVDI = (LST – (1,923*NDVI +29,456))/((-8,764*NDVI) + 0,576), dengan kondisi terluas 68881,947 Ha dengan nilai TVDI 0,8-1 (kering), sedangkan area terkecil 1031,886 Ha dengan nilai 0-0,2 (basah.

ANALISIS KARAKTERISTIK PERMUKIMAN UNTUK ESTIMASI TINGKAT KERENTANAN COVID-19 KOTA JAKARTA UTARA BERBASIS INFORMASI GEOGRAFIS Obed Anderson; Noorlaila Hayati; Yanto Budisusanto
Kokoh Vol 20, No 1 (2022): Kokoh : Volume 20, Issue 1, Tahun 2022
Publisher : Universitas Pendidikan Indonesia (UPI)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1390.796 KB)

This study, an estimation of the vulnerability level of settlements in North Jakarta City was carried out based on the characteristics of settlements (population density, settlement density and accessibility to health centers), and a correlation test was carried out with positive cases of COVID-19 in North Jakarta City in 2020. This study was conducted using Geographic Information System (GIS) technology with spatial buffer, scoring and overlay analysis in estimating the level of vulnerability of the North Jakarta City area to COVID-19 and correlation test with Pearson's Product Moment. Based on the processing, there were 17 villages in the 'safe', 12 wards in the 'vulnerable' class, and 2 'very vulnerable' villages

STUDI PENGAMATAN PENURUNAN DAN KENAIKAN MUKA TANAH MENGGUNAKAN METODE DIFFERENTIAL INTERFEROMETRI SYNTHETIC APERTURE RADAR (DInSAR) (Studi Kasus : Lumpur Lapindo, Sidoarjo) Sendy Ayu Yulyta; Muhammad Taufik; Noorlaila Hayati
Geoid Vol 11, No 1 (2015)
Publisher : Department of Geomatics Engineering

Munculnya semburan lumpur di Porong, Sidoarjo, yang terletak di lokasi kegiatan eksplorasi gas PT. Lapindo Brantas memberikan dampak negatif untuk penduduk setempat dan lingkungannya, salah satu dampaknya yakni deformasi. Dalam dinamika bumi, permukaan tanah akan selalu mengalami deformasi dengan berbagai macam faktor penyebab. Seiring perkembangan teknologi, radar merupakan salah satu teknologi penginderaan jauh yang dapat dimanfaatkan untuk mengamati deformasi tanah. Dalam penelitian ini diterapkan metode DInSAR (Differential Interferometric Synthetic Aperture Radar) untuk mendapatkan besar deformasi dengan ketelitian mencapai sub-sentimeter. Data yang digunakan dalam penelitian ini adalah empat buah citra satelit ALOS/PALSAR (Februari 2008, Januari 2009, dan Februari 2010 dan Januari 2011) yang kemudian diproses secara Differential Interferometri SAR (DInSAR) hingga didapatkan besar deformasi pada radius 1.5 km dari pusat semburan.Hasil metode DInSAR menunjukkan deformasi vertikal yang terjadi di sekitar wilayah semburan bervariasi, dibeberapa lokasi mengalami subsidence dan beberapa mengalami uplift, tergantung peristiwa yang terjadi pada kurun waktu tersebut. Rata-rata besar penurunan tanah yang terjadi antara tahun 2008-2011 yaitu antara 0- -20 cm/th sedangkan besar uplift rata-rata yaitu 0-10 cm/th . Untuk mengetahui keakuratan metode DInSAR dalam mengamati penurunan tanah maka dilakukan analisa dengan membandingkan beberapa penelitian lain terkait deformasi lumpur lapindo.

Identifikasi Sebaran Spasial Genangan Banjir Memanfaatkan Citra Sentinel-1 dan Google Earth Engine (Studi Kasus: Banjir Kalimantan Selatan) Filsa Bioresita; M Ghifary Royyan Ngurawan; Noorlaila Hayati
Geoid Vol 17, No 1 (2021)
Publisher : Department of Geomatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24423998.v17i1.10383

Hujan dengan intensitas sedang hingga tinggi menyebabkan banjir pada pertengahan bulan Januari 2021 di Provinsi Kalimantan Selatan. Banjir di Provinsi Kalimantan Selatan pada Januari 2021 membawa dampak korban jiwa maupun materi. Dalam rangka mengurangi kerugian materi yang lebih besar, perlu dilakukan identifikasi wilayah yang mengalami banjir. Dalam penelitian ini daerah sebaran genangan banjir diidentifikasi menggunakan metode change detection dan threshold atau ambang batas. Data diperoleh dari hasil pengolahan menggunakan Google Earth Engine (GEE) berupa peta genangan banjir yang dievaluasi dengan peta hasil pengolahan Badan Perencanaan Pembangunan Daerah (BPPD) Provinsi Kalimantan Selatan. Metode change detection dilakukan pada citra dengan cara membagi nilai piksel citra saat banjir dibagi dengan sebelum banjir. Ekstraksi area genangan kemudian dilakukan dengan nilai threshold sebesar 1,10. Pengolahan dilakukan secara komputasi cloud menggunakan Google Earth Engine (GEE). Luas genangan banjir yang dihasilkan pada tanggal 20 Januari 2021 adalah seluas 226.905 hektar. Hasil tersebut dievaluasi terhadap data genangan banjir oleh Badan Perencanaan Pembangunan Daerah (BPPD) memiliki overall accuracy sebesar 97%.

Analisis Kebutuhan Air Petak Tersier Berdasarkan Hasil Identifikasi Fase Tanam Menggunakan Citra Sentinel-2 dan Google Earth Engine (Studi Kasus : Daerah Irigasi Sampean Kab. Situbondo) Ardia Tiara Rahmi; Bangun Muljo Sukojo; Noorlaila Hayati
Geoid Vol 17, No 1 (2021)
Publisher : Department of Geomatics Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j24423998.v17i1.8670

Terdapat beberapa wilayah di Indonesia yang kekuranga persediaan air untuk kebutuhan irigasi akibat pengaruh iklim, sehingga beberapa di antaranya sering kali mengalami gagal panen karena kekurangan air. Salah satu wilayah yang mengalami masalah tersebut adalah Kabupaten Situbondo. Hal ini dapat disebabkan karena jumlah debit yang keluar dari intake tidak mampu memenuhi seluruh kebutuhan air di petak sawah. Kurniawan (2020) sebelumnya sudah melakukan penelitian analisis fase tanam menggunakan algoritma NDVI pada citra Sentinel 2. Namun proses pengolahan data pada penelitian tersebut membutuhkan kemampuan perangkat pengolah data yang tinggi dan membutuhkan ruang penyimpanan data yang besar sehingga membutuhkan waktu lebih lama pula dalam pemrosesan datanya. Pada penelitian kali ini, peneliti akan menggunakan perangkat pengolah citra berbasis cloud yaitu Google Earth Engine dimana pemrosesan dan penyimpanan data dilakukan pada jaringan internet. Penelitian ini menggunakana indeks vegetasi NDVI dari Citra Sentinel 2 sebagai instrumen untuk mengidentifikasi fase tanam padi dan membuat peta distribusi fase tanam sebagai pedoman untuk menghitung kebutuhan air di petak-petak tersier Kabupaten Situbondo. Nilai NDVI tertinggi terjadi pada tanggal 26 Januari 2019 yaitu Fase Tanam Mid-Season Stage 1 dengan luas sawah 756.91 Ha dan nilai NDVI terendah didapat pada akhir fase tanam tanggal 11 Maret 2020 dengan luas sawah 489.09 Ha. Hasil klasifikasi terbimbing menggunakan metode Machine Learning Random Forest memberikan akurasi yang sangat baik dengan nilai OA 100% dan kappa sebesar 1 pada citra akuisisi 12 Desember 2019. Debit kebutuhan irigasi tertinggi terjadi pada tanggal 25 Februari 2020 sebesar 253.20 lt/dt dan debit kebutuhan air irigasi terendah terjadi pada tanggal 11 maret yang bertepatan dengan masa panen. Berdasarkan hasil perhitungan peneliti, kebutuhan air irigasi pada bulan Desember hingga bulan Januari sudah terpenuhi oleh curah hujan yang terjadi di wilayah UPT Pengairan Situbondo sehingga tidak membutuhkan debit irigasi dari saluran irigasi.

COASTLINE CHANGES DETECTION USING SENTINEL-1 SATELLITE IMAGERY IN SURABAYA, EAST JAVA, INDONESIA Filsa Bioresita; Noorlaila Hayati
Geoid Vol 11, No 2 (2016)
Publisher : Department of Geomatics Engineering

One of the most important linear features on the earth’s surface is coastline. Coastal zone and its environmental management require the information about coastlines and their changes, which display a dynamic nature. The coastal area of Surabaya has the most dominant sedimentation. This is due to the presence of several large rivers flow in the area, which brings sediment to the estuary. In addition, the development of Suramadu bridge that across Madura strait, connecting Java and Madura islands, has opened an opportunity for the areas around the Suramadu Bridge to be the region of industry activities in East Java. It can give sizeable influence for the physical change that happens around the Suramadu Bridge in particular south coastal area of Bangkalan, Madura and north coastal area of Surabaya as the change of coastline and the wide change of land area caused by natural factor or human activities. Sentinel-1 is one of a Sentinels technology which is a polar-orbiting, all-weather, day-and-night radar imaging mission for land and ocean services at C-band. This image is not limited by weather conditions or darkness and effective to separate land and water objects. The availability of Sentinel-1 images that have high spatial resolution and high temporal frequency, facilitate the monitoring of coastline changes. The aim of this paper was to analyze the ability of Sentinel-1 imagery to delineate coastline and their changes. Detection of the coastline changes can be done by choosing the best extracted parameter from Sentinel-1 and by setting threshold for land and water separations. Furthermore, the results of processed images were overlayed based on multi temporal. From this research, it could be expected that sigma-nought from VH polarization is the best parameter for the land and water separations which threshold determination is according to the distribution values of sigma-nought. However, there are no big differences of coastline changes viewed by changes detection in some Sentinel-1 images since the monitoring was carried out every month.

COASTLINE CHANGES DETECTION USING SENTINEL-1 SATELLITE IMAGERY IN SURABAYA, EAST JAVA, INDONESIA Filsa Bioresita; Noorlaila Hayati
Geoid Vol 11, No 2 (2016)
Publisher : Department of Geomatics Engineering

One of the most important linear features on the earth’s surface is coastline. Coastal zone and its environmental management require the information about coastlines and their changes, which display a dynamic nature. The coastal area of Surabaya has the most dominant sedimentation. This is due to the presence of several large rivers flow in the area, which brings sediment to the estuary. In addition, the development of Suramadu bridge that across Madura strait, connecting Java and Madura islands, has opened an opportunity for the areas around the Suramadu Bridge to be the region of industry activities in East Java. It can give sizeable influence for the physical change that happens around the Suramadu Bridge in particular south coastal area of Bangkalan, Madura and north coastal area of Surabaya as the change of coastline and the wide change of land area caused by natural factor or human activities. Sentinel-1 is one of a Sentinels technology which is a polar-orbiting, all-weather, day-and-night radar imaging mission for land and ocean services at C-band. This image is not limited by weather conditions or darkness and effective to separate land and water objects. The availability of Sentinel-1 images that have high spatial resolution and high temporal frequency, facilitate the monitoring of coastline changes. The aim of this paper was to analyze the ability of Sentinel-1 imagery to delineate coastline and their changes. Detection of the coastline changes can be done by choosing the best extracted parameter from Sentinel-1 and by setting threshold for land and water separations. Furthermore, the results of processed images were overlayed based on multi temporal. From this research, it could be expected that sigma-nought from VH polarization is the best parameter for the land and water separations which threshold determination is according to the distribution values of sigma-nought. However, there are no big differences of coastline changes viewed by changes detection in some Sentinel-1 images since the monitoring was carried out every month.

Title

Found 13 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 13 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 13 Documents
Search