Article Per Year (5 Year)
p-Index From 2019 - 2024
4.713
P-Index
This Author published in this journals
All Journal Jurnal Planologi Sultan Agung Jurnal Ilmu Lingkungan Tunas Geografi LaGeografiA Mintakat: Jurnal Arsitektur Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian Jurnal Sumberdaya Alam dan Lingkungan Jurnal Wilayah dan Lingkungan Plano Madani Geo-Image Journal Journal of Applied Geospatial Information Jukung (Jurnal Teknik Lingkungan) CogITo Smart Journal KURVATEK Bubungan Tinggi: Jurnal Pengabdian Masyarakat Journal of Environmental Science Sustainable Journal of Environmental and Science Education Jurnal Teknologi Lingkungan Lahan Basah Envirotek : Jurnal Ilmiah Teknik Lingkungan Jurnal Riset Perkebunan (JRP) JURNAL HUTAN TROPIS Uniplan: Journal of Urban and Regional Planning Jurnal Dharma Indonesia
Trida Ridho Fariz
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Astronomy Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Physics Public Health Social Sciences Transportation Other

Published : 38 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search
Journal : Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian

 1 
PEMODELAN SPASIAL KERAWANAN PENYAKIT DEMAM BERDARAH DENGUE (DBD) MENGGUNAKAN LOGIKA FUZZY DI KABUPATEN KUDUS Fariz, Trida Ridho
Jurnal Geografi Vol 14, No 1 (2017): January 2017
Publisher : Jurnal Geografi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dengue Fever is a tropical infectious diseases which often cause epidemic in Indonesia. Kudus Regency is one of the area which every years increased extremly Dengue Fever distribution. The one of act for prevention and controlling of Dengue Fever is build a hazard mapping of this disease. The purpose of this research is build a spatial modelling of Dengue Fever hazard with fuzzy logic.This modeling is built from determinant hazard level indicators of Dengue Fever like rainfall index, settlement density, land elevation and water supply. Analisys used fuzzyfication then fuzzy overlay with operators are: AND, OR, SUM, PRODUCT, GAMMA-0,5 and GAMMA-09. The best result is a Overlay PRODUCT with correlation value of 0,57 and defuzzyfication area with high level of Dengue Fever hazard are Jati District, Kudus District and partially of Bae District dan Kaliwungu District.Conclussion from this research, fuzzy logic is pretty good for build spatial modelling of Dengue Fever hazard in Kudus Regency, other than that model still needs to be tested accuracy in modelling of Dengue Fever hazard in other places.
OBIA CLASSIFICATION AND BUILT-UP LAND INDICES NDBI FOR ESTIMASTION OF SETTLEMENT DENSITY IN PONTIANAK CITY Fariz, Trida Ridho
Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian Vol 14, No 2 (2017): July 2017
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/jg.v14i2.11518

Abstract

Settlement density data is very important because the density of settlements is one of the main indicators of slum settlement in Pontianak City. The one of way to obtain settlement density information is to use remote sensing data like satellite imagery or aerial photo. This is a problem considering the budget and more time to get high resolution satellite imagery and extract the information we want.The one method for the detection of settlements using Landsat 8 satellite imagary is the built-up land indices NDBI (Normalized Difference Build-up Index). Objective of this research is build spatial model of settlement density in Pontianak City using built-up land indices NDBI (Normalized Difference Build-up Index), moreover combining with OBIA Classification (Object Base Image Analysis).The results of this research indicate that built-up land indices NDBI has a value of determination (R2) is high that is equal to 0.628 and has a strong correlation of 0.792 to the density of settlements calculated from aerial photo. The spatial model of settlement density estimation has a R2 of 0.75 and a RMSE value of 5.10
PEMODELAN SPASIAL KERAWANAN PENYAKIT DEMAM BERDARAH DENGUE (DBD) MENGGUNAKAN LOGIKA FUZZY DI KABUPATEN KUDUS Fariz, Trida Ridho
Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian Vol 14, No 1 (2017): January 2017
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/jg.v14i1.9780

Abstract

Dengue Fever is a tropical infectious diseases which often cause epidemic in Indonesia. Kudus Regency is one of the area which every years increased extremly Dengue Fever distribution. The one of act for prevention and controlling of Dengue Fever is build a hazard mapping of this disease. The purpose of this research is build a spatial modelling of Dengue Fever hazard with fuzzy logic.This modeling is built from determinant hazard level indicators of Dengue Fever like rainfall index, settlement density, land elevation and water supply. Analisys used fuzzyfication then fuzzy overlay with operators are: AND, OR, SUM, PRODUCT, GAMMA-0,5 and GAMMA-09. The best result is a Overlay PRODUCT with correlation value of 0,57 and defuzzyfication area with high level of Dengue Fever hazard are Jati District, Kudus District and partially of Bae District dan Kaliwungu District.Conclussion from this research, fuzzy logic is pretty good for build spatial modelling of Dengue Fever hazard in Kudus Regency, other than that model still needs to be tested accuracy in modelling of Dengue Fever hazard in other places.
Perbandingan Metode Koreksi Topografi Pada Citra Satelit Landsat 8 Di Wilayah Gunung Telomoyo, Jawa Tengah Widhaningtyas, Tantri Utami; Putra, Akbar Cahyadhi Pratama; Fariz, Trida Ridho
Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian Vol 17, No 2 (2020): July
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/jg.v17i2.22863

Abstract

Kondisi topografi mempengaruhi perbedaan besarnya energi sinar matahari yang ditangkap, dipantulkan balik dan diterima sensor penginderaan jauh. Hal ini membuat perlu dilakukan koreksi radiometri topografi pada proses pra pengolahan citra. Metode koreksi topografi terhitung banyak sedangkan penelitian terkait koreksi topografi ternilai cukup jarang dilakukan di Indoensia. Tujuan penelitan ini adalah membandingkan metode koreksi topografi. Adapun wilayah studi dalam penelitian ini adalah wilayah Gunung Telomoyo.Data yang digunakan dalam penelitian ini adalah citra satelit Landsat 8 dan DEMNAS. Adapun metode koreksi topografi yang diujikan dalam penelitian ini adalah metode koreksi topografi C Correction dan SCS+C.Hasil dari penelitian menunjukkan bahwa data DEMNAS dapat digunakan sebagai sumber data untuk koreksi radiometrik topografi. Metode koreksi topografi yang paling baik pada penelitian ini adalah metode SCS+C dilihat dari kenampakan visual dan memiliki nilai standar deviasi terendah dibandingkan dengan metode C Correction. Sehingga untuk wilayah dengan dominasi tutupan lahan hutan maka metode SCS+C bisa direkomendasikan. Koreksi topografi berguna dalam peningkatan akurasi perhitungan biomassa dan estimasi karbon di dataran tinggi menggunakan data penginderaan jauh.
Pemetaan Ekosistem Mangrove di Kabupaten Kubu Raya Menggunakan Machine Learning pada Google Earth Engine Fariz, Trida Ridho; Permana, Pawit Indra; Daeni, Fitri; Putra, Akbar Cahyadhi Pratama
Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian Vol 18, No 2 (2021): In progress [July 2021]
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/jg.v18i2.30231

Abstract

Penyediaan data distribusi mangrove serta perubahannya membutuhkan waktu pemrosesan yang lama jika dilakukan dengan interpretasi citra secara konvensional, apalagi jika dilakukan pada area yang luas seperti Kabupaten Kubu Raya. Hadirnya platform yang bernama Google Earth Engine (GEE) bisa menjadi solusi permasalahan tersebut. GEE mempunyai akses data yang besar, mampu mengolah data berbasis cloud serta memiliki banyak algoritma machine learning. Oleh karena itu penelitian ini mencoba memetakan mangrove di Kabupaten Kubu Raya menggunakan machine learning yang tersedia di GEE, selain itu kami juga membahas beberapa future work terkait pemetaan mangrove di Kabupaten Kubu Raya menggunakan GEE. Machine learning yang digunakan dalam penelitian ini antara lain: CART, Random Forest, GMO Max Entropy, Voting SVM, Margin SVM. Hasil penelitian ini menunjukkan bahwa machine learning yang terbaik dalam memetakan mangrove di Kabupaten Kubu Raya adalah CART. Random Forest juga menjadi machine learning dengan akurasi tertinggi setelah CART, baik keduanya merupakan machine learning berbasis logika atau juga disebut machine learning berbasis pohon keputusan. Dari beberapa studi juga mendukung bahwa machine learning ini sangat cocok digunakan untuk pemetaan penutup lahan. Hasil pemetaan mangrove ini memiliki akurasi kappa yang baik walaupun masih terdapat misklasifikasi sehingga perlu dilakukan sentuhan manual seperti interpretasi visual. Penelitian ini masih terdapat banyak keterbatasan sehingga perlu dikembangkan penelitian dengan menggunakan input data yang lebih beragam dan pengujian hyperparamater antar machine learning.
Perbandingan Metode Koreksi Topografi Pada Citra Satelit Landsat 8 Di Wilayah Gunung Telomoyo, Jawa Tengah Widhaningtyas, Tantri Utami; Putra, Akbar Cahyadhi Pratama; Fariz, Trida Ridho
Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian Vol 17, No 2 (2020)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/jg.v17i2.22863

Abstract

Kondisi topografi mempengaruhi perbedaan besarnya energi sinar matahari yang ditangkap, dipantulkan balik dan diterima sensor penginderaan jauh. Hal ini membuat perlu dilakukan koreksi radiometri topografi pada proses pra pengolahan citra. Metode koreksi topografi terhitung banyak sedangkan penelitian terkait koreksi topografi ternilai cukup jarang dilakukan di Indoensia. Tujuan penelitan ini adalah membandingkan metode koreksi topografi. Adapun wilayah studi dalam penelitian ini adalah wilayah Gunung Telomoyo.Data yang digunakan dalam penelitian ini adalah citra satelit Landsat 8 dan DEMNAS. Adapun metode koreksi topografi yang diujikan dalam penelitian ini adalah metode koreksi topografi C Correction dan SCS+C.Hasil dari penelitian menunjukkan bahwa data DEMNAS dapat digunakan sebagai sumber data untuk koreksi radiometrik topografi. Metode koreksi topografi yang paling baik pada penelitian ini adalah metode SCS+C dilihat dari kenampakan visual dan memiliki nilai standar deviasi terendah dibandingkan dengan metode C Correction. Sehingga untuk wilayah dengan dominasi tutupan lahan hutan maka metode SCS+C bisa direkomendasikan. Koreksi topografi berguna dalam peningkatan akurasi perhitungan biomassa dan estimasi karbon di dataran tinggi menggunakan data penginderaan jauh.
Pemetaan Ekosistem Mangrove di Kabupaten Kubu Raya Menggunakan Machine Learning pada Google Earth Engine Fariz, Trida Ridho; Permana, Pawit Indra; Daeni, Fitri; Putra, Akbar Cahyadhi Pratama
Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian Vol 18, No 2 (2021)
Publisher : Universitas Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15294/jg.v18i2.30231

Abstract

Penyediaan data distribusi mangrove serta perubahannya membutuhkan waktu pemrosesan yang lama jika dilakukan dengan interpretasi citra secara konvensional, apalagi jika dilakukan pada area yang luas seperti Kabupaten Kubu Raya. Hadirnya platform yang bernama Google Earth Engine (GEE) bisa menjadi solusi permasalahan tersebut. GEE mempunyai akses data yang besar, mampu mengolah data berbasis cloud serta memiliki banyak algoritma machine learning. Oleh karena itu penelitian ini mencoba memetakan mangrove di Kabupaten Kubu Raya menggunakan machine learning yang tersedia di GEE, selain itu kami juga membahas beberapa future work terkait pemetaan mangrove di Kabupaten Kubu Raya menggunakan GEE. Machine learning yang digunakan dalam penelitian ini antara lain: CART, Random Forest, GMO Max Entropy, Voting SVM, Margin SVM. Hasil penelitian ini menunjukkan bahwa machine learning yang terbaik dalam memetakan mangrove di Kabupaten Kubu Raya adalah CART. Random Forest juga menjadi machine learning dengan akurasi tertinggi setelah CART, baik keduanya merupakan machine learning berbasis logika atau juga disebut machine learning berbasis pohon keputusan. Dari beberapa studi juga mendukung bahwa machine learning ini sangat cocok digunakan untuk pemetaan penutup lahan. Hasil pemetaan mangrove ini memiliki akurasi kappa yang baik walaupun masih terdapat misklasifikasi sehingga perlu dilakukan sentuhan manual seperti interpretasi visual. Penelitian ini masih terdapat banyak keterbatasan sehingga perlu dikembangkan penelitian dengan menggunakan input data yang lebih beragam dan pengujian hyperparamater antar machine learning.
Co-Authors Abdul Jabbar Abdul Jabbar Abdul Jabbar Agnes Dewi Wuri Ershanti Agnes Dewi Wuri Ershanti Ahmad Faesal Mubarizi Aji Prakoso Akbar Cahyadhi Pratama Putra Akmal, Muhammad Roihan Alfia Rahmalidya Alisa Faidatul Umam Amnan Haris Amnan Haris Anan Nugroho Andi Syahputra Andin Vita Amalia Ardhi Arnanto Arifah, Erma Zakiy Arrofi Agung Dwi Saputra Bunaya Hanif Wintribrata Chasanah, Aisya Nurul Crestanti Widya Utami Daeni, Fitri Dewi, Novi Ratna Dwi Fathimah Zahra DWI RAHMAWATI Dwi Rahmawati Dyah Ratna Salima Elisabeth Gita Damar Jati Elvita Safitri Estuning Tyas Wulan Mei Fadya Elva Riani Faiq Hisyam Hartanto Fajar Adie Nugraha Fajar Adie Nugraha Fathia Lutfiananda Fathia Lutfiananda Fitri Daeni Fitri Yunda Kuswati Flora Dian Riwin Br Hutapea Gede Aswin Yoga Putra Habil Sultan Habil Sultan Haikal Muhammad Ihsan Harun Syamsudin Nur Hidayah Haryadi - Heriyanti, Andhina Putri Hidhayah Nur Damayanti Holeng, Vera Angelina Iqbal Fathurrohman Ismida Rahmawati Junun Sartohadi Lestarina Estifani Pradiny Listiaji, Prasetyo Lola Marselia Syafitri Lutfiananda, Fathia Luthfi Hanum Saputri Maqfiroh Intan Nurul Aini Mellyana Putri Ayu Wandari Meutia Salwa Aisy Nabilla Miranita Khusniati Muh. Aris Marfai Muhamad Roihan Akmal Muhammad Ahganiya Naufal Muhammad Fauzan Ramadhan Mukhlis Abdullatif Nadira Safitri Ni Luh Tirtasari Ni'matuzzahroh Ni'matuzzahroh Noor Malita Dwirani Nurhidayati, Ely Permana, Pawit Indra Prahmani, Yonika Sindiana Prasetyo Listiaji Putra, Akbar Cahyadhi Pratama Putri Ulyatun Niswah Putri Yuni Nugroho Putri, Rizda Amalia Putri, Salma Dwi Raditya Arinanda Utama Rahmalidya, Alfia Raka Restu Rabbani Ramlah Ramlah Retnadi Heru Jatmiko Retnadi Heru Jatmiko Revieta Noor Fitri Rini Juita Sianipar Rizda Amalia Putri Salwa Salsabela Sapta Suhardono Shopura, Adia Wafa Sicha Nur Afidah Silvia Verdiana Siregar, Zepanya Gladis Tabita Sri Rum Giyarsih Suhardono, Sapta Sultan, Habil Syamsul Azhar Qowwam Ma’ruf Tantri Utami Widhaningtyas Tirtasari, Ni Luh Vera Angelina Holeng Vuri Krisna Mukti Widhaningtyas, Tantri Utami Yoga Darmajati Zepanya Gladis Tabita Siregar