Garuda - Garba Rujukan Digital

p-Index From 2019 - 2024

2.083

P-Index

This Author published in this journals

All Journal Journal of Degraded and Mining Lands Management Rekayasa Sipil Geoid - Journal of Geodesy and Geomatics JURNAL ILMIAH GEOMATIKA Elipsoida : Jurnal Geodesi dan Geomatika JGISE-Journal of Geospatial Information Science and Engineering

Harintaka Harintaka

Universitas Gadjah Mada

Author-ID : 642341

Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Civil Engineering, Building, Construction & Architecture Earth & Planetary Sciences Education Engineering Mathematics

Published : 15 Documents Claim Missing Document

Claim Missing Document

Articles

Title

Penggunaan Generic Atmospheric Correction Online Service For InSAR (GACOS) Pada Pemantauan Penurunan Muka Tanah di Kota Semarang Metode Persistent Scatterer Interferometric Synthetic Aperture Radar Reyhan Azeriansyah; Harintaka Harintaka
Elipsoida : Jurnal Geodesi dan Geomatika Vol 2, No 01 (2019): Volume 02 Issue 01 Year 2019
Publisher : Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia

Wilayah pesisir merupakan tempat yang potensial dalam bermukim dan memanfaatkan sumber daya alam. Kemudahan akses dan daerah yang berpotensi untuk dikelola sehingga sebagian besar permukiman padat penduduk berada di wilayah tersebut. Salah satu akibat dari aktivitas dapat dilihat pada wilayah pesisir seperti Kota Semarang yang mengalami penurunan muka tanah yang disebabkan berbagai faktor alam dan buatan manusia. Metode pengamatan yang sering dilakukan untuk fenomena ini adalah pengamatan GNSS. Interval jarak yang terlalu jauh antar stasiun menyebabkan beberapa area tidak tercakup dalam pengamatan penurunan muka tanah dengan pengamatan GNSS receiver. Salah satu solusi yang dapat digunakan adalah dengan memanfaatkan teknologi Interferometric Synthetic Aperture Radar (InSAR) secara multi-temporal yang disebut Persistent Scatterer Interferometric Synthetic Aperture Radar (PS-InSAR). Pada aplikasinya, PS-InSAR memiliki permasalahan berupa kesalahan troposfer yang menyebabkan percepatan atau pelambatan sinyal pada sensor SAR saat melakukan akuisisi yang terkandung pada tiap citra Synthetic Aperture Radar (SAR). Metode koreksi troposfer Generic Atmospheric Correction Online Service for InSAR (GACOS) yang digunakan pada metode PS-InSAR akan dapat mengeliminasi efek troposfer pada masing-masing citra sehingga kesalahan dapat diminimalkan dan mengoptimalkan kerja metode PS-InSAR. Berdasarkan hasil PS-InSAR sebelum dan sesudah terkoreksi menunjukkan bahwa wilayah di Kota Semarang yang mengalami penurunan muka tanah terbesar adalah Kecamatan Genuk, Kecamatan Pedurungan dan Semarang Timur. Secara statistik menunjukkan GACOS mampu mempengaruhi hasil PS-InSAR.

Ekstraksi Fitur Bangunan Secara Cepat pada Foto UAV Menggunakan Metode Deep Residual Neural Network Berbasis FCN Danang Setiaji; Harintaka Harintaka
Elipsoida : Jurnal Geodesi dan Geomatika Vol 2, No 01 (2019): Volume 02 Issue 01 Year 2019
Publisher : Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia

Dalam beberapa dekade terakhir, teknologi penginderaan jauh menjadi salah satu teknik yang paling bagus untuk akuisisi data pada area luas tanpa perlu melakukan survey langsung di lapangan dengan tingkat kedetailan yang tinggi. Dengan perubahan tutupan lahan yang semakin cepat dan dinamis diperlukan teknologi yang dapat menghasilkan data dengan tingkat kedetailan tinggi,murah dan dapat menghasilkan data dalam waktu yang cepat. Salah satu produk penginderaan jauh tersebut adalah Foto Udara dengan teknologi pesawat tanpa awak (UAV). Teknologi ini mampu menghasilkan output data spasial detail dengan biaya relatif murah, cepat dan terkini. Salah 1 unsur yang cepat berubah di wilayah perkotaan adalah pada pertambahan objek bangunan. Dalam pembuatan bangunan tersebut harus dilengkapi dengan syarat keterangan ijin mendirikan bangunan (IMB) dari instansi terkait. Ketentuan ijin ini tidak terlepas dari aturan RDTR dan PZ yang berlaku serta hanya boleh didirikan pada zonasi yang diijinkan. Dengan kebutuhan data informasi fitur bangunan yang cukup banyak dan mendesak, diperlukan metode ekstraksi yang cepat juga. Metode yang saat ini berkembang pesat adalah ekstraksi otomatis menggunakan teknologi deep learning. Metode yang digunakan adalah Fully Convolutional Network (FCN) dengan arsitektur Residual Neural network (ResNet). Dalam penelitian ini akurasi ekstraksi pada fitur bangunan dapat mencapai 95% dan dapat melakukan ekstraksi pada satu NLP skala 1 : 5.000 dengan cepat. Metode ini dapat menghasilkan ekstraksi pada image seperti foto udara dengan cepat dan akurat.

Kajian Kehandalan Hasil Ekstraksi Bangunan Secara Otomatis Menggunakan Data Ortofoto dan LiDAR di Kota Pontianak Handoko Dwi Julian; Harintaka Harintaka
Elipsoida : Jurnal Geodesi dan Geomatika Vol 2, No 02 (2019): Volume 02 Issue 02 Year 2019
Publisher : Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/elipsoida.2019.5146

Strategi dalam melakukan klasifikasi berbasis objek terutama diwilayah perkotaan dalam beberapa dekade ini dapat dilakukan dengan menggunakan berbagai metode dan melibatkan beberapa data selama proses klasifikasi berlangsung. Beberapa penelitian hampir sebagian besar hanya menggunakan data citra foto udara saja dalam melakukan ekstraksi objek bangunan namun ekstraksi objek bangunan terutama di wilayah perkotaan jika hanya memanfaatkan data ortofoto, dianggap belum optimal diimplementasikan pada klasifikasi berbasis objek. Kajian dalam melakukan ekstraksi bangunan tidak hanya dilakukan dengan memanfaatkan data foto udara namun juga dapat memanfaatkan data pada LiDAR seperti nilai ketinggian dan nilai intensitas pada LiDAR. Nilai ketinggian dan nilai intensitas LiDAR yang diekstraksi dari data point cloud dijadikan sebagai nilai ambang batas selama proses klasifikasi berlangsung. Ambang batas tiap kelas nilai intensitas LiDAR yang diekstrak dari point cloud juga diterapkan selama proses klasifikasi berlangsung. Klasifikasi ekstraksi objek bangunan menggunakan metode segmentasi algorithma segmentation multiresolution dimana citra foto udara terlebih dahulu dilakukan segmentasi yang selanjutnya dilakukan proses klasifikasi berbasis objek secara otomatis. Data point cloud LiDAR khususnya nilai intensitas LiDAR digunakan untuk memaksimalkan hasil klasifikasi selama proses klasifikasi berjalan sehingga menghasilkan hasil yang optimal. Berdasarkan dari penelitian, hasil ekstraksi bangunan secara otomatis yang dibandingkan dengan hasil deliniasi manual ( onscreen digitizing) menghasilkan akurasi 92. 441 %. Berdasarkan hasil ekstraksi objek bangunan menunjukkan akurasi yang baik pada bangunan yang memiliki tingkat kerapatan yang tinggi.

Co-Authors Agri Kristal Ana Mardhiyana Alawiyah Andita Putri Damayanti Atriyon Julzarika Azeriansyah, Reyhan Danang Setiaji Djurdjani Djurdjani, Djurdjani Eli Juniati, Eli Erlyna Nour Arrofiqoh Handoko Dwi Julian Iradaf Mandaya Luki Subehi Muh Apriansyah Mukti, Fanny Zafira Ratna Sari Dewi Rifqi Alghifari Wibowo S Subaryono Sekar Pranadita, Sekar Trias Aditya

Title Search

Found 3 Documents Search Journal : Elipsoida : Jurnal Geodesi dan Geomatika

Abstract

Abstract

Abstract

Title

Found 3 Documents
Search
Journal : Elipsoida : Jurnal Geodesi dan Geomatika