Search

North Semarang District is one of the areas that is often affected by tidal floods. This study will discuss flood distribution through tidal flood susceptibility mapping and identify adaptations. The first step is to carry out flood susceptibility mapping using DEMNAS data and sea tides. The second stage is to determine the key areas based on the tidal flood susceptibility map made. Key areas are useful for identifying forms of community adaptation to tidal floods through data collection in the form of observations and interviews. The mapping results show that the flood susceptibility area reaches 582.89 Ha or around 50% of the area of North Semarang District. The key areas with high susceptibility are settlements on Jalan Tambakrejo, Tanjungmas Village and it is known that the community responds by adapting patterns to changes in physical infrastructure, economic activity, and social development.

Kebisingan lalu lintas dapat memberikan dampak negatif pada manusia seperti penyakit kardiovaskular dan kesehatan mental. Ini membuat pengendalian kebisingan merupakan hal yang penting. Data yang representatif menjadi salah satu kunci utama dalam pengendalian kebisingan. Hal ini dikarenakan data yang representatif seperti peta sebaran kebisingan dapat membantu dalam pengambilan keputusan terkait rencana aksi pengurangan kebisingan di lingkungan. Oleh karena itu, artikel ini akan melakukan review literatur untuk membahas beberapa tantangan atau gap yang mungkin muncul dalam kajian pemetaan kebisingan menggunakan SIG (Sistem Informasi Geografis), sehingga dapat disimpulkan beberapa future work untuk pemetaan kebisingan lalu lintas. Hasil mengindikasikan bahwa kajian pemetaan kebisingan di Indonesia masih terbatas sehingga perlu ada kajian, salah satunya adalah perbandingan antar metode interpolasi hingga hiperparameter.

The relocation of the capital city of Indonesia to Sepaku District, North Penajam Paser Regency, East Kalimantan will have an impact on all existing aspects. Land cover in Sepaku District has decreased from year to year. The area of vegetated land cover in Sepaku District is assumed to be decreasing due to the relocation of the New Capital City (NCC) to the area, which will have a negative impact on the environment. Therefore, this study aims to determine the level of land cover change in Sepaku District and discuss how the condition of land cover in Sepaku District after the construction of the New Capital City (NCC). The method in this study uses GIS (Geographical Information System) analysis and descriptive analysis. The data used are land cover data from 2009 to 2019 to find out changes in land cover and population data from BPS to project the population. Based on the results of the analysis of land cover data from 2009 to 2019 there was a change from scrubland to industrial forest plantations of around 26000 ha. In addition, there was no significant change in the area of built-up land. However, the results of population projections show that Sepaku Sub-district will experience a significant increase in built-up land cover after the construction of the New Capital City (NCC).

Lake Rawa Pening, in Semarang Regency, is one of the super lakes of revitalization priority. Lake revitalization is an activity to restore the natural function of the lake as a water reservoir through lake dredging, cleaning of invasive alien plants, and land use planning. This makes land use and land cover information in Lake Rawa Pening useful for formulating policy strategies related to revitalization. This study will discuss land cover mapping in Lake Rawa Pening. Mapping using Landsat 9 Imagery and machine learning on Google Earth Engine (GEE). Machine Learning used in this study is CART and RF. The research result shows that the land cover map with the best accuracy is obtained from machine learning RF with an overall accuracy of around 0.78, while CART machine learning is approximately 0.76. The overall accuracy values for CART and RF are not much different because they are both decision tree-based machine learning. This research needs to be developed using cloud masking, comparing image transformations, and comparing its predecessor data, namely Landsat 8. This is useful for providing representative land cover data as the basis for the policy of revitalizing Lake Rawa Pening.

Informasi penutup lahan merupakan data yang sangat penting dalam pengelolaan Daerah Aliran Sungai (DAS). Tantangan dalam penyediaan informasi penutup lahan di DAS Kreo adalah tutupan awan dan cangkupan areanya yang cukup luas. Hadirnya platform pengolahan data spasial berbasis cloud yaitu Google Earth Engine (GEE) bisa menjawab tantangan tersebut. Oleh karena itu penelitian ini bertujuan untuk memetakan penutup lahan di DAS Kreo menggunakan klasifikasi berbasis machine learning pada GEE. Proses pemetaan penutup lahan di DAS Kreo menggunakan citra satelit Landsat 8 dan DEM SRTM. Input data yang digunakan antara lain band 1 sampai 7 pada citra Landsat 8, transformasi NDVI dan NDBI serta nilai elevasi dari DEM SRTM. Adapun tahun yang dipilih adalah tahun 2015 dan 2020 dengan machine learning yang diujikan meliputi CART, Random forest dan Voting SVM. Hasil penelitian ini menunjukkan bahwa machine learning yang terbaik dalam memetakan penutup lahan di DAS Kreo adalah Random forest. Penelitian ini masih terdapat banyak keterbatasan terutama kelas penutup lahan yang dipetakan. Kata kunci: Google Earth Engine, klasifikasi multispektral, machine learning, penutup lahan ABSTRACT Land cover information is very important data in watershed management. The challenge in providing land cover information in the Kreo watershed is cloud cover and its wide area coverage. The presence of a cloud-based spatial data processing platform, namely Google Earth Engine (GEE) can answer these challenges. Therefore, this study aims to map land cover in the Kreo watershed using machine learning based classification on GEE. The land cover mapping process in the Kreo watershed uses Landsat 8 satellite imagery and DEM SRTM. The input data used include bands 1 to 7 on Landsat 8 imagery, NDVI and NDBI transformations as well as elevation values from DEM SRTM. The selected years are 2015 and 2020 with machine learning being tested including CART, Random forest and SVM Voting. The results of this study indicate that the best machine learning in mapping land cover in the Kreo watershed is Random forest. There are still many limitations in this research, especially the land cover class being mapped. Keywords: Google Earth Engine, multispectral classification, machine learning, land cover

Big data seperti data twitter sudah cukup banyak digunakan dalam kajian ilmu sosial, tetapi penggunaannya dalam kajian bencana masih jarang di Indonesia. Sehingga tujuan dari penelitian ini adalah mencari tahu informasi apa saja yang dapat diidentifikasi melalui data media sosial twitter. Data yang digunakan dalam penelitian ini adalah data kualitatif dari angket dan data twitter dari sistem big data bernama Drone Emprit Academic (DEA). Data twitter yang bergeotag juga divisualisasikan dalam bentuk peta untuk membantu proses analisis deskripsi yang merupakan analisis utama dalam penelitian ini. Hasil dari penelitian ini menunjukan bahwa di twitter bencana banjir lebih mendapat perhatian ketimbang bencana longsor. Pada penyelenggaraan penanggulan bencana, kami berpendapat bahwa data twitter dapat digunakan pada semua fase. Data twitter dalam penanggulangan bencana terutama bencana hidrometereologis memiliki kelemahan seperti hanya bisa digunakan pada kota besar di Pulau Jawa. Kelemahan lainnya adalah informasi dari data twitter belum dipastikan apakah mewakili karakteristik demografi yang sama dengan kondisi dilapangan serta tingkat kevalidan informasi yang belum bisa dipertanggungjawabkan.Kata kunci— Twitter, Media sosial, Bencana, Banjir, Longsor

Tujuan dari penelitian ini adalah melakukan pemetaan kerapatan kanopi vegetasi tegak di Sub DAS Bompon, dimana penggunaan lahan vegetasinya berupa kebun campuran dan hutan rakyat sehingga vegetasi tegak pada wilayah ini adalah sangat heterogen. Penelitian ini menggunakan beberapa indeks vegetasi dari citra satelit Sentinel-2 juga membandingkan metode pengukuran kerapatan kanopi dari hemispherical photography (pemotretan keatas) dan UAV (pemotretan kebawah). Tahapan penelitian meliputi pra-pengolahan citra Sentinel-2 dan membangun transformasi indeks vegetasi yaitu RVI, NDVI, SAVI, ARVI dan EVI. Dilanjutkan dengan pengumpulan data kerapatan kanopi, analisis regresi linier dan membangun peta kerapatan kanopi dari persamaan regresi linier antara indeks vegetasi dengan nilai kerapatan kanopi. Hasil penelitian menunjukkan bahwa NDVI merupaka indeks vegetasi terbaik untuk pemetaan kerapatan kanopi di Sub DAS Bompon. Hal ini dikarenakan indeks tersebut memiliki korelasi terbaik dan RMSE terendah setelah dijadikan peta kerapatan kanopi dari data UAV.

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.

Land cover information is essential data in the management of watersheds. The challenge in providing land cover information in the Kapuas watershed is the cloud cover and its significant area coverage, thus requiring a large image scene. The presence of a cloud-based spatial data processing platform that is Google Earth Engine (GEE) can be answered these challenges. Therefore this study aims to map land cover in the Kapuas watershed using machine learning-based classification on GEE. The process of mapping land cover in the Kapuas watershed requires about ten scenes of Landsat 8 satellite imagery. The selected year is 2019, with mapped land cover classes consisting of bodies of water, vegetation cover, open land, and built-up area. Machine learning that tested included CART, Random Forest, GMO Max Entropy, SVM Voting, and SVM Margin. The results of this study indicate that the best machine learning in mapping land cover in the Kapuas watershed is GMO Max Entropy, then CART. This research still has many limitations, especially mapped land cover classes. So that research needs to be developed with more detailed land cover classes, more diverse and multi-time input data.

Kelurahan Jatirejo di Kota Semarang merupakan salah satu wilayah yang memiliki permasalahan sampah rumah tangga. Namun kegiatan pengelolaan sampah berbasis masyarakat terkendala oleh waktu dan biaya. Teknik pengomposan dengan metode takakura dapat menjadi solusi dalam pengelolaan sampah rumah tangga di Kelurahan Jatirejo, Kota Semarang. Berangkat dari hal tersebut, kami selaku tim pengabdian melalukan kegiatan pelatihan pembuatan kompos menggunakan metode takakura sebagai solusi penanganan sampah di Kelurahan Jatirejo. Tahapan dalam kegiatan pengabdian ini terdiri dari tahapan persiapan, sosialisasi dan praktik pembuatan kompos. Pada tahapan persiapan, tim pengabdi menggunakan EM4 dalam pembuatan kompos berdasarkan studi literatur. Selanjutnya, tim pengabdi melakukan kegiatan sosialisasi dan praktik pembuatan kompos dengan metode takakura. Setelah kegiatan praktik, para peserta tertarik untuk menerapkan pengomposan dengan metode takakura ditempat tinggal masing-masing. Pengetahuan tentang pemanfaatan sampah rumah tangga bagi ibu-ibu Kelurahan Jatirejo juga semakin berkembang melalui kegiatan pengabdian pelatihan pembuatan pupuk kompos dengan metode takakura. Untuk kegiatan selanjutnya, perlu diuji bagaimana tingkat partisipasi masyarakat Kelurahan Jatirejo dalam pengelolaan sampah berbasis kompos dengan metode takakura. Jatirejo Village in Semarang City is one area that has household waste problems. However, community-based waste management activities are constrained by time and cost. Composting techniques using the takakura method can be a solution to managing household waste in Jatirejo Village, Semarang City. Based on that problem, we as a service team conducted composting training activities using the takakura method to handle waste in Jatirejo Village. The stages in this service activity consist of preparation, socialization and the practice of making compost. In the preparation stage, the service team used EM4 in composting based on a literature study. Furthermore, the service team carried out socialization activities and the practice of making compost using the takakura method. After the practical activity, the participants were interested in applying compost using the takakura method in their respective places of residence. Knowledge related to the use of household waste for women in Jatirejo Village is also growing through service activities for making compost fertilizer using the takakura method. For the next activity, it is necessary to examine how the level of community participation in Jatirejo Village in compost-based waste management using the takakura method is needed.

Windurojo Village in Kesesi District, Pekalongan Regency is one of the areas with the most susceptible to drought. Therefore, this study aims to assess community capacity against drought in Windurojo Village at the household level and to analyze the relationship between variables. This study used a livelihood asset approach with data collection focused on Serang Hamlet, which is the area with the worst drought. The results of the study stated that the livelihood asset with the highest scale in Serang Hamlet was human capital. The results of the crosstab analysis also show that human capital is related to other capital, but the Spearman correlation results show that the highest relationship is found in financial and physical capital. The scoring results show that the capacity of the community against drought in Serang Hamlet is mostly medium class capacity, only 5 families are of high class capacity. AbstrakDesa Windurojo di Kecamatan Kesesi, Kabupaten Pekalongan merupakan salah satu daerah yang paling rawan terhadap kekeringan. Oleh karena itu, penelitian ini bertujuan untuk menilai kapasitas masyarakat terhadap kekeringan di Desa Windurojo pada tingkat rumah tangga dan menganalisis hubungan antar variabelnya. Penelitian ini menggunakan pendekatan aset penghidupan dengan pendataan terfokus pada Dusun Serang yang merupakan daerah dengan kekeringan terparah. Hasil penelitian menyebutkan bahwa aset penghidupan dengan skala tertinggi di Dusun Serang adalah modal manusia. Hasil analisis crosstab juga menunjukkan bahwa modal manusia berhubungan dengan modal lainnya, namun hasil korelasi Spearman menunjukkan hubungan tertinggi terdapat pada modal fisik dan finansial. Hasil skoring menunjukkan bahwa daya tampung masyarakat terhadap kekeringan di Dusun Serang sebagian besar kelas menengah dan hanya 5 kepala keluarga yang kelas tinggi.

Proses pembelajaran perubahan iklim terhitung sulit dikarenakan materinya bersifat abstrak, sehingga dibutuhkan sebuah media pelajaran yang menarik. Aplikasi geemap adalah timelapse animation generator berbasis Google Earth Engine, yang mana mampu membuat animasi timelapse citra satelit tanpa proses penyuntingan script.Pembuatan animasi timelapse citra satelit menjadi lebih mudah menggunakan aplikasi geemap. Studi kasus yang dipilih adalah perubahan garis pantai di bagian timur Teluk Semarang, karena dampak yang terjadi sangat masif sehingga terlihat jelas perubahannya melalui citra satelit. Adapun parameter yang digunakan untuk membuat animasi timelapse adalah komposit citra SWIR/NIR/Red, hal ini dikarenakan komposit tersebut dinilai paling baik untuk memvisualisasikan perubahan garis pantai.

Pantai Tirang merupakan salah satu pantai yang berada di wilayah barat Kota Semarang dan sering terjadi abrasi pantai di setiap tahunnya. Kondisi ini memberikan dampak terutama dalam lingkungan fisik Pantai Tirang yang dirasakan oleh masyarakat serta pengunjung pantai seperti adanya perubahan garis pantai akibat faktor alami dan faktor antropogenik. Penumpukan sampah menjadikan salah satu yang mempengaruhi perubahan kondisi fisik di lingkungan Pantai Tirang. Penelitian ini bertujuan untuk mengidentifikasi dampak abrasi yang terjadi di Pantai Tirang serta mengkaji faktor penyebab perubahan kondisi lingkungan fisik di Pantai Tirang. Metode dalam penelitian ini dilakukan secara kualitatif. Adapun pengumpulan data melalui studi pustaka, wawancara in dept interview, observasi, dokumentasi. Serta dalam mengamati perubahan garis pantai secara signifikan pada tahun 2007, 2015, dan 2021 melalui citra satelit WorldView-2 dan citra satelit Quickbird. Terdapat beberapa faktor Pantai Tirang rentan terhadap abrasi seperti kemiringan pantai, kondisi vegetasi, dan kondisi pantai yang berpasir. Namun, pemerintah kota Semarang telah memperbaiki dan mengembangkan kondisi fisik Pantai Tirang menjadi ekowisata. Kata kunci: Abrasi, Pantai Tirang, Perubahan Garis Pantai, Sampah.

Kendal Regency is one of the regencies in Central Java which is a center for rice production and has a fairly large area of rice fields. The study of the carrying capacity of agricultural land is very important because it is part of the study of the carrying capacity of the environment (D3TLH). Among the achievements of research on the carrying capacity of agricultural land, there has not been much discussion about the limitations and how to improvise the method. Therefore, this article will try to analyze and discuss the carrying capacity of agricultural land in Kendal Regency. The data used is secondary data from Kabupaten Kendal Dalam Angka. The results of the analysis show that Kendal Regency has a carrying capacity of 1.74 agricultural land which means a surplus. The limitation of this agricultural land carrying capacity analysis method is that it is difficult to model the carrying capacity of ecoregion-based agricultural land. Therefore, in the future work, we can build pixel-based data through remote sensing such as rice productivity extracted from the NDVI and EVI vegetation indices.

Kajian pemetaan suhu permukaan daratan (LST) berbasis citra Landsat sudah sering dilakukan di Indonesia. Tetapi kajian yang membandingkan kemampuan citra satelit Landsat-7 dan Landsat-8 masih jarang dilakukan. Padahal kedua saluran termal pada citra satelit Landsat-7 dan Landsat-8 memiliki kelebihan dan kekurangan masing-masing, sehingga perlu dilakukan kajian untuk membandingkan kemampuan kedua citra satelit tersebut. Penelitian ini bertujuan untuk membandingkan kemampuan band termal antara citra satelit Landsat 7 dengan citra satelit Landsat 8 hanya untuk identifikasi LST, selain itu juga mengetahui perubahannya secara temporal.Data yang digunakan dalam penelitian ini adalah citra satelit Landsat 7 dan Landsat 8. Tahapan analisis data dimulai dengan pengolahan citra satelit untuk suhu perukaan daratan yang terdiri dari kalibrasi radian, koreksi atmosferik, konversi brightness temperature lalu diakhiri dengan konversi suhu permukaan daratan. Setiap peta suhu permukaan daratan dianalisis statistik berupa regresi linier dengan data suhu permukaan daratan hasil pengukuran dilapangan.Hasil penelitian ini menunjukkan bahwa citra satelit Landsat 8 cenderung lebih baik dalam memetakan LST di Kota Pekalongan. Citra satelit Landsat 8 juga digunakan untuk mengidentifikasi perubahan LST di Kota Pekalongan. Kota Pekalongan dalam kurun tahun 2015 sampai 2019 telah terjadi peningkatan suhu sekitar 0,60C. Wilayah yang menngalami perubahan suhu terbsar adalah Kecamatan Pekalongan Selatan.

Salah satu data penginderaan jauh yang penting adalah DEM (Digital Elevation Model). Data DEM memberikan informasi ketinggian suatu permukaan bumi dimana dikelompokkan menjadi 2 yaitu DSM (Digital Surface Model) yang menyajikan informasi ketinggian permukaan tutupan lahan dan DTM (Digital Terrain Model) yang menyajikan informasi ketinggian tanah. Pemetaan banjir rob secara umum menggunakan data DTM. Tetapi untuk mendapatkan data DTM sangatlah sulit. Salah satu data DEM yang tersedia secara gratis adalah data DEM terkoreksi hasil ekstraksi dari ALOS PALSAR yang memiliki resolusi spasial 12,5 meter, tidak terlalu bagus untuk digunakan sebagai data untuk pemetaan genangan banjir rob mengingat itu hanyalah DSM. Sedangkan menggunakan data titik ketinggian yang di interpolasi tidak terlalu merepresentatifkan kondisi ketinggian medan suatu wilayah kecuali jika jumlah titiknya banyak. Penelitian ini menggunakan metode slope based filtering untuk mengkonversi data DEM dari ALOS PALSAR menjadi DTM.Hasil dari metode ini dilakukan uji statistik berupa korelasi dengan data titik ketinggian dan mempunyai nilai korelasi yang sangat tinggi yaitu sebesar 0,80 dan nilai RMSE sebesar 1,402. Selanjutnya dibuat pemodalan spasial genangan banjir rob dari DTM. Hasil pemodelan spasial genanngan banjir rob kemudin diuji akurasi dengan uji statistik korelasi dan penghitungan RMSE dengan data hasil survey lapangan. Hasil pemodelan memiliki korelasi sebesar 0,78 dengan nilai RMSE tinggi genangan banjir rob sebesar 0,763. Yang berarti bahwa rata-rata selisih nilai ketinggian genangan banjir rob dari peta dan dilapangan adalah sebesar 0,763m. Wilayah genangan banjir rob meliputi Desa Jeruksari, Desa Tegaldowo, Desa Mulyorejo dan Desa Karangjompo.

Pemukiman di tepian sungai Kapuas Pontianak telah mengalami perkembangan hampir dua setengah abad. Padahal wilayah tepian sungai memiliki kerentanan bencana banjir dan genangan yang paling parah terjadi pada pemukiman yang dekat dengan perairan. Gap penelitian ini adalah orang akan cenderung mencegah, menjauhi dan meninggalkan bermukim di daerah yang rentan bencana. Padahal penelitian sebelumnya menjustifikasi bahwa kebertahanan pemukiman Kampung Beting di tepian sungai Kapuas Pontianak berada pada kategori sangat tinggi. Penelitian ini terletak di Kelurahan Kampung Dalam Bugis dan Kelurahan Tambelan Sampit, Kecamatan Pontianak Timur, Kota Pontianak. Tujuan penelitian ini adalah menghasilkan model kebertahanan pemukiman rumah panggung di tepian sungai Kapuas Pontianak. Sedangkan sasarannya adalah menganalisis kebertahanan pemukiman rumah panggung di Kelurahan Kampung Dalam Bugis dan Kelurahan Tambelan Sampit. Metode penelitian yang digunakan adalah metode kuantitatif dengan pendekatan uji regresi stepwise method, uji anova, dan mendeskripsikan persamaan regresi yang dihasilkan. Teknik sampling yang digunakan adalah cluster sampling berjumlah 200 responden. Adapun variabel kebertahanan yang diukur adalah variabel sosial, ekonomi, masyarakat, dan infrastruktur perumahan. Hasil penelitian antara lain model kebertahanan di Kelurahan Kampung Dalam Bugis dipengaruhi oleh variabel sosial, ekonomi, masyarakat, dan infrastruktur pemukiman. Sedangkan model kebertahanan di Kelurahan Tambelan Sampit dipengaruhi oleh variabel sosial, ekonomi, Sdan infrastruktur pemukiman. DOI: https://doi.org/10.26905/mj.v21i2.4090

Penelitian ini bertujuan untuk mengkomparasikan akurasi metode ANN dan LR dalam memprediksi perubahan lahan sawah di Kabupaten Purworejo. Adapun data masukan yang dibutuhkan adalah peta lahan sawah tahun 2008, 2015 dan 2019 hasil interpretasi visual citra satelit resolusi tinggi dan faktor pendorong perubahan lahan sawah. Hasil penelitian menunjukkan bahwa model prediksi lahan sawah yang dibangun dari ANN dan LR secara umum memiliki akurasi yang sama-sama baik. Tetapi jika dilihat dari total nilai false alarm dan misses, model CA yang dibangun dari ANN lebih baik dari LR. Hasil penelitian ini juga menunjukkan bahwa dalam rentang tahun 2008 sampai 2019, luasan lahan sawah di Kabupaten Purworejo berkurang sekitar 194.01 Ha. Kata kunci: artificial neural network; cellular automata; logistic regression; perubahan penggunaan lahan; sawah . This research aims to compare the accuracy of the ANN and LR methods in predicting changes in paddy fields in Purworejo Regency. The input data required is a map of paddy fields in 2008, 2015 and 2019 as a result of visual interpretation of high-resolution satellite imagery and the driving factors for changes in paddy fields. The results showed that the paddy field prediction model built from ANN and LR generally has the same accuracy. But if it is seen from the total value of false alarms and misses, the CA model from ANN is better than LR. This study shows that from 2008 to 2019, the area of paddy fields in Purworejo Regency decreased around 194.01 Ha . Keywords: artificial neural network; cellular automata; land-use changes; logistic regression; paddy field .

Remote sensing technology such as small format aerial photography (SFAP) from unmanned aerial vehicle (UAV) or drone can be a solution in accelerating the land parcel mapping in Indonesia. This study aims to determine the level of geometric and planimetric accuracy of SFAP data output in land parcel mapping and describe the step of data processing. The results showed that in land parcel mapping, the main SFAP output data is orthophoto. Therefore, the processing should not need to do the dense cloud process, the orthophoto build process can use DEM from sparse cloud for time efficiency and reduce the relief displacement effect. The orthophoto geometry accuracy is CE90 of 0.44, so it is very well used for mapping 1: 2500 scale, while DSM has a LE90 value of 2.80. Planimetry accuracy of the land parcel distance has met the tolerance standard, while planimetry accuracy of the land parcel area there is 1 parcel that does not meet the tolerance standard. However, in general, SFAP can be used as a basis for land parcel mapping in slightly hilly areas such as Bompon watershed. Keywords: Small format aerial photo, land parcel, geometric accuracy, planimetric accuracy Teknologi penginderaan jauh seperti foto udara format kecil (FUFK) dari pesawat nir awak bisa menjadi solusi dalam percepatan pemetaan bidang tanah di Indonesia. Penelitian ini bertujuan untuk mengetahui tingkat ketelitian geometrik dan planimetrik data keluaran FUFK dalam pemetaan bidang tanah serta mendeskripsikan tahapan-tahapan pengolahan datanya. Hasil penelitian menunujukkan bahwa dalam pemetaan bidang tanah, data keluaran FUFK yang utama adalah ortofoto. Oleh karena itu sebaiknya proses pengolahan tidak perlu melakukan proses dense cloud, proses build orthophoto bisa menggunakan DEM dari sparse cloud untuk efisiensi waktu serta mengurangi efek relief displacement. Ketelitian geometri ortofoto yaitu CE90 sebesar 0,44, sehingga sangat baik digunakan untuk pemetaan skala 1:2500, sedangkan DSM memiliki nilai LE90 sebesar 2,80. Ketelitian planimetrik terhadap jarak bidang tanah telah memenuhi standar toleransi, sedangkan ketelitian planimetrik terhadap luas bidang tanah terdapat 1 bidang yang tidak memenuhi standar toleransi. Walaupun begitu, secara umum FUFK bisa digunakan sebagai dasar pemetaan bidang tanah di wilayah yang sedikit berbukit seperti Sub DAS Bompon . Kata Kunci: Foto udara format kecil, bidang tanah, ketelitian geometrik, ketelitian planimetrik.

Pesisir Kota Pekalongan merupakan salah satu wilayah rawan banjir rob, yang mana sudah terjadi lebih dari 10 tahun. Kondisi ini memberikan dampak sosial yang dirasakan oleh masyarakat seperti terjadinya pergeseran peran gender dalam melakukan aktivitas sehari-hari. Penelitian ini bertujuan untuk mengidentifikasi area rawan banjir rob serta mengkaji pembagian peran gender pada masyarakat sebagai bentuk adaptasi. Metode yang digunakan yaitu mix method dengan kuantitatif dan kualitatif. Penelitian diawali dengan pembuatan peta kelas kerawanan banjir dengan menggunakan nilai elevasi muka air tertinggi (HHWL) dan DEM. Selanjutnya dilakukan analisis deskriptif dari situasi sosial yang dikaji yang kemudian dilakukan triangulasi data. Pengumpulan data menggunakan studi pustaka, wawancara, observasi dan dokumentasi. Hasil yang didapat yakni dapat ditentukan kerawanan banjir di masing-masing kelurahan dengan kelas banjir rendah, sedang dan tinggi. Pembagian peran reproduktif masih dibebankan oleh perempuan dan peran pengelolaan masyarakat masih didominasi oleh laki-laki. Terdapat diskriminasi perempuan di area banjir tinggi Kelurahan Panjang Wetan, terlihat pada terjadinya beban ganda pada perempuan dengan suami atau laki-laki yang bekerja sebagai nelayan kapal besar atau di luar kota, sebab harus menjalankan peran produktif dan reproduktif secara bersamaan.

Perkembangan kota menjadi masalah yang sangat serius dalam penataan kota. Salah satunya yaitu perubahan lahan non terbangun menjadi lahan terbangun. Hal ini disebabkan oleh meningkatnya kebutuhan lahan permukiman, jaringan, sarana dan prasarana. Kota Pontianak merupakan salah satu kota yang mengalami peningkatan lahan terbangun yang cukup signifikan, sehingga perlunya meneliti tentang faktor pendorong yang menyebabkan pertumbuhan lahan terbangun secara spasial. Tujuan penelitian ini yaitu menemukenali faktor-faktor pendorong pertumbuhan lahan terbangun di Kota Pontianak. Metodologi penelitian ini menggunakan pendekatan kuatitatif berbasis GIS. Teknik yang digunakan yaitu analisis penginderaan jauh dengan interpretasi hibrida. Hasil penelitian ini yaitu luasan lahan terbangun di Kota Pontianak pada tahun 2009 sekitar 3252,17 Ha dan meningkat menjadi 5102,06 Ha pada tahun 2019. Sedangkan persentase peningkatan terbesar secara administrasi terdapat di Kecamatan Pontianak Timur yaitu sekitar 9% per tahun. Adapun setiap tahun lahan terbangun di Kota Pontianak meningkat sebesar 9% di lokasi studi. Indikator yang paling memengaruhi pertumbuhan lahan terbangun di Kota Pontianak adalah jarak terhadap lahan terbangun eksisting.