IOP Conference Series: Earth and Environmental Science, 2021
This study predicts erosion based on the image patterns as the input data by using an ANN approac... more This study predicts erosion based on the image patterns as the input data by using an ANN approach. Several simulations had been carried out to get the ANN parameter combination in producing the best accuracy through trials and errors. The results show that the accuracy of artificial neural network training is not influenced by the number of channels, namely the input dataset (erosion factors) and the dimensions of the data, but it is determined by changes in the network parameters. The best combination of parameters is 2 hidden layers, learning rate 0.001, Momentum 0.9, and RMS 0.0001 with an accuracy of 98.55%
IOP Conference Series: Earth and Environmental Science
Various studies on the spreading pattern of COVID-19 were carried out because, every day, there a... more Various studies on the spreading pattern of COVID-19 were carried out because, every day, there are always new progresses from scientists about this virus, including its unique characteristics in each region with different geographical conditions. The objective of this research is to find the spatial distribution pattern of COVID-19 and to identify the climate parameters influencing it in the Yogyakarta. This study used Moran's Index in analyzing COVID-19 distribution pattern. The results of the analysis show that out of 5 regencies/cities in Yogyakarta, Sleman Regency has the highest average spread of COVID-19 or an average infection rate of 1.09, followed by Bantul with 0.75. Kulonprogo is the regency with the lowest number of cases. The result of Moran's index of 0.32 means that there are correlation between cases.The correlation between temperature and infection rate is R2 = 0.05, while the correlation between humidity and infection rate is R2 = 0.003. The spread of COVI...
Geomedia: Majalah Ilmiah dan Informasi Kegeografian
Interpolasi merupakan metode yang dapat diunggulkan untuk melakukan prediksi nilai-nilai sebaran ... more Interpolasi merupakan metode yang dapat diunggulkan untuk melakukan prediksi nilai-nilai sebaran pada suatu area berdasarkan data sampel. Karakteristik data sampel sangat mempengaruhi hasil dari metode interpolasi yang digunakan. Tujuan penelitian ini adalah membandingkan metode interpolasi Inverse Distance Weighting (IDW) dan kriging dengan berbagai variogram untuk memprediksi sebaran spasial bahan organik tanah di DAS Serang Kulonprogo. Metode yang digunakan untuk mengukur metode yang paling akurat yaitu: 1) menghitung root mean square error (RMSE), dan 2) melihat nilai minimum dan maksimum yang memenuhi data sampel. Hasil penelitian menunjukan metode IDW lebih akurat karena nilai yang dihasilkan mendekati nilai data sampel dan memenuhi nilai minimum dan maksimum data. Sedangkan RMSE terendah yaitu kriging dengan variogram gaussian.
This study applied the Artificial Neural Network (ANN) to satellite image classification. This pa... more This study applied the Artificial Neural Network (ANN) to satellite image classification. This paper focuses on the responses of neural networks using the backpropagation network, and effect of changing ANN parameters on the accuracy of image classification as spatial data by experiments. Changing network parameters including every hidden layer, learning rate, momentum and the number of iteration of classification.
Abstrak Citra penginderaan jauh adalah sumber utama dalam deteksi liputan lahan yang dapat mencak... more Abstrak Citra penginderaan jauh adalah sumber utama dalam deteksi liputan lahan yang dapat mencakup wilayah yang sangat luas. Pada daerah yang mempunyai tutupan lahan yang heterogen, penggunaan citra penginderaan jauh dapat digunakan untuk mengetahui jenis penggunaan lahan dalam waktu yang relatif lebih singkat dibandingkan dengan pemantauan secara terestrial. Citra yang digunakan dalam penelitian ini yaitu citra SPOT 5. Permasalahan yang sering timbul dalam pengolahan citra penginderaan jauh adalah dimensi data yang besar sehingga sangat sulit diselesaikan dengan metode tradisional. Pendekatan machine learning menjadi pilihan alternatif metode yang dapat menangani permasalahan tersebut. Support vector machine dan artificial neural network merupakan bagian dari machine learning yang dipilih untuk digunakan dalam kasus ini karena memiliki kemampuan memahami data non linear dengan dimensi data yang lebih besar. Berdasarkan hasil klasifikasi tutupan lahan citra Pada kasus ini klasifikasi dengan SVM lebih dapat diunggulkan dengan akurasi (88,02%) dibandingkan ANN (81,78%).. Kata kunci:, machine learning, support vector machine, artificial neural network
ABSTRAK Pengukuran karbon hutan selama ini lebih banyak dilakukan secara terestrial dan belum ban... more ABSTRAK Pengukuran karbon hutan selama ini lebih banyak dilakukan secara terestrial dan belum banyak memanfaatkan data penginderaan jauh. Kelebihan data penginderaan jauh dibandingkan metode terestrial adalah lebih efisien dari segi waktu, biaya dan tenaga, tetapi metode terestrial memiliki tingkat akurasi yang lebih tinggi. Penelitian ini bertujuan untuk mengetahui sejauh mana data penginderaan jauh dan transformasi indeks vegetasi dapat dimanfaatkan dalam mengestimasi kandungan karbon pada kawasan hutan mangove, sehingga akan diketahui kandungan karbon lapangan dan tingkat akurasi pemetaan. Metode yang digunakan dalam peneltian ini dengan perhitungan kandungan karbon pada beberapa titik sampel lapangan dengan alometri dan melihat korelasi antara kandungan karbon pada titik sampel lapangan dengan nilai indeks vegetasi TVI. Nilai karbon total yang didapat dengan menggunakan indeks vegetasi TVI pada kawasan Taman Nasional Alas Purwo sebesar 583.981 ton dengan nilai R 2 = 0,63, nilai karbon rata-rata untuk setiap piksel diketahui sebesar 4,2409 ton/piksel dan nilai karbon rata-rata untuk setiap meter diketahui sebesar 0,0424 ton/m 2. KATA KUNCI : Penginderaan Jauh, Karbon Hutan, Indeks Vegetasi 1. PENDAHULUAN Potensi sumberdaya hutan Indonesia sangat melimpah, dan salah satunya adalah hutan mangrove. Potensi hutan mangrove Indonesia cukup besar, Indonesia memiliki luas hutan mangrove terbesar di dunia (Kusmana, 1996). WALHI (2010), menjelaskan telah terjadi penurunan luas hutan mangrove. Luasan hutan mangrove Indonesia menurun dari luas awal sekitar 4.5 juta ha menjadi 1.9 juta ha. Penurunan luas hutan mangrove terjadi paling dominan karena kerusakan yang disebabkan oleh faktor manusia, seperti alih tataguna lahan mangrove menjadi lahan tambak, ekploitasi kayu mangrove untuk kayu bakar dan arang khususnya untuk jenis Rhizopora spp dan Bruguiera spp. Kerusakan mangrove yang terjadi akan mempengaruhi besarnya kemampuan hutan mangrove dalam penyerapan karbon. Permasalahan klimatik tersebut oleh United Nations for Climate Change Convention (UNFCCC) telah dicari solusi untuk mengurangi dampak emisi gas buang GRK. Pertemuan yang diselenggarakan di Bali pada tahun 2007 pada pertemuan UN Conference of Parties ke 13 (COP 13) mengeluarkan suatu program Reduced Emissions from Deforestation and Degradation (REDD) yang bertujuan untuk mendukung negara-negara berkembang di dalam mengurangi emisi dari deforestasi dan degradasi (www.unfccc.int). Program REDD ini diharapkan negara berkembang berpartisipasi aktif untuk menjaga kelestarian hutannya sebagai bentuk sumbangsih alami dalam menciptakan ―mesin penyerap karbon‖ untuk mengurangi emisi gas buang GRK. Stok karbon pada suatu vegetasi khususnya pohon sangat diperluka n bagi keselarasan lingkungan dari emisi yang berlebihan karena pohon dan organisme foto-ototrof lainnya mengalami proses fotosintesis pada siang hari, proses tersebut membutuhkan suatu komponen penting berupa CO 2 dari atmosfer. Penyerapan CO 2 dalam jumlah besar oleh tumbuhan dilakukan pada siang hari bertepatan saat berbagai aktifitas manusia memproduksi emisi gas buang GRK (salah satunya karbon) di alam bebas.
IOP Conference Series: Earth and Environmental Science, 2021
This study predicts erosion based on the image patterns as the input data by using an ANN approac... more This study predicts erosion based on the image patterns as the input data by using an ANN approach. Several simulations had been carried out to get the ANN parameter combination in producing the best accuracy through trials and errors. The results show that the accuracy of artificial neural network training is not influenced by the number of channels, namely the input dataset (erosion factors) and the dimensions of the data, but it is determined by changes in the network parameters. The best combination of parameters is 2 hidden layers, learning rate 0.001, Momentum 0.9, and RMS 0.0001 with an accuracy of 98.55%
IOP Conference Series: Earth and Environmental Science
Various studies on the spreading pattern of COVID-19 were carried out because, every day, there a... more Various studies on the spreading pattern of COVID-19 were carried out because, every day, there are always new progresses from scientists about this virus, including its unique characteristics in each region with different geographical conditions. The objective of this research is to find the spatial distribution pattern of COVID-19 and to identify the climate parameters influencing it in the Yogyakarta. This study used Moran's Index in analyzing COVID-19 distribution pattern. The results of the analysis show that out of 5 regencies/cities in Yogyakarta, Sleman Regency has the highest average spread of COVID-19 or an average infection rate of 1.09, followed by Bantul with 0.75. Kulonprogo is the regency with the lowest number of cases. The result of Moran's index of 0.32 means that there are correlation between cases.The correlation between temperature and infection rate is R2 = 0.05, while the correlation between humidity and infection rate is R2 = 0.003. The spread of COVI...
Geomedia: Majalah Ilmiah dan Informasi Kegeografian
Interpolasi merupakan metode yang dapat diunggulkan untuk melakukan prediksi nilai-nilai sebaran ... more Interpolasi merupakan metode yang dapat diunggulkan untuk melakukan prediksi nilai-nilai sebaran pada suatu area berdasarkan data sampel. Karakteristik data sampel sangat mempengaruhi hasil dari metode interpolasi yang digunakan. Tujuan penelitian ini adalah membandingkan metode interpolasi Inverse Distance Weighting (IDW) dan kriging dengan berbagai variogram untuk memprediksi sebaran spasial bahan organik tanah di DAS Serang Kulonprogo. Metode yang digunakan untuk mengukur metode yang paling akurat yaitu: 1) menghitung root mean square error (RMSE), dan 2) melihat nilai minimum dan maksimum yang memenuhi data sampel. Hasil penelitian menunjukan metode IDW lebih akurat karena nilai yang dihasilkan mendekati nilai data sampel dan memenuhi nilai minimum dan maksimum data. Sedangkan RMSE terendah yaitu kriging dengan variogram gaussian.
This study applied the Artificial Neural Network (ANN) to satellite image classification. This pa... more This study applied the Artificial Neural Network (ANN) to satellite image classification. This paper focuses on the responses of neural networks using the backpropagation network, and effect of changing ANN parameters on the accuracy of image classification as spatial data by experiments. Changing network parameters including every hidden layer, learning rate, momentum and the number of iteration of classification.
Abstrak Citra penginderaan jauh adalah sumber utama dalam deteksi liputan lahan yang dapat mencak... more Abstrak Citra penginderaan jauh adalah sumber utama dalam deteksi liputan lahan yang dapat mencakup wilayah yang sangat luas. Pada daerah yang mempunyai tutupan lahan yang heterogen, penggunaan citra penginderaan jauh dapat digunakan untuk mengetahui jenis penggunaan lahan dalam waktu yang relatif lebih singkat dibandingkan dengan pemantauan secara terestrial. Citra yang digunakan dalam penelitian ini yaitu citra SPOT 5. Permasalahan yang sering timbul dalam pengolahan citra penginderaan jauh adalah dimensi data yang besar sehingga sangat sulit diselesaikan dengan metode tradisional. Pendekatan machine learning menjadi pilihan alternatif metode yang dapat menangani permasalahan tersebut. Support vector machine dan artificial neural network merupakan bagian dari machine learning yang dipilih untuk digunakan dalam kasus ini karena memiliki kemampuan memahami data non linear dengan dimensi data yang lebih besar. Berdasarkan hasil klasifikasi tutupan lahan citra Pada kasus ini klasifikasi dengan SVM lebih dapat diunggulkan dengan akurasi (88,02%) dibandingkan ANN (81,78%).. Kata kunci:, machine learning, support vector machine, artificial neural network
ABSTRAK Pengukuran karbon hutan selama ini lebih banyak dilakukan secara terestrial dan belum ban... more ABSTRAK Pengukuran karbon hutan selama ini lebih banyak dilakukan secara terestrial dan belum banyak memanfaatkan data penginderaan jauh. Kelebihan data penginderaan jauh dibandingkan metode terestrial adalah lebih efisien dari segi waktu, biaya dan tenaga, tetapi metode terestrial memiliki tingkat akurasi yang lebih tinggi. Penelitian ini bertujuan untuk mengetahui sejauh mana data penginderaan jauh dan transformasi indeks vegetasi dapat dimanfaatkan dalam mengestimasi kandungan karbon pada kawasan hutan mangove, sehingga akan diketahui kandungan karbon lapangan dan tingkat akurasi pemetaan. Metode yang digunakan dalam peneltian ini dengan perhitungan kandungan karbon pada beberapa titik sampel lapangan dengan alometri dan melihat korelasi antara kandungan karbon pada titik sampel lapangan dengan nilai indeks vegetasi TVI. Nilai karbon total yang didapat dengan menggunakan indeks vegetasi TVI pada kawasan Taman Nasional Alas Purwo sebesar 583.981 ton dengan nilai R 2 = 0,63, nilai karbon rata-rata untuk setiap piksel diketahui sebesar 4,2409 ton/piksel dan nilai karbon rata-rata untuk setiap meter diketahui sebesar 0,0424 ton/m 2. KATA KUNCI : Penginderaan Jauh, Karbon Hutan, Indeks Vegetasi 1. PENDAHULUAN Potensi sumberdaya hutan Indonesia sangat melimpah, dan salah satunya adalah hutan mangrove. Potensi hutan mangrove Indonesia cukup besar, Indonesia memiliki luas hutan mangrove terbesar di dunia (Kusmana, 1996). WALHI (2010), menjelaskan telah terjadi penurunan luas hutan mangrove. Luasan hutan mangrove Indonesia menurun dari luas awal sekitar 4.5 juta ha menjadi 1.9 juta ha. Penurunan luas hutan mangrove terjadi paling dominan karena kerusakan yang disebabkan oleh faktor manusia, seperti alih tataguna lahan mangrove menjadi lahan tambak, ekploitasi kayu mangrove untuk kayu bakar dan arang khususnya untuk jenis Rhizopora spp dan Bruguiera spp. Kerusakan mangrove yang terjadi akan mempengaruhi besarnya kemampuan hutan mangrove dalam penyerapan karbon. Permasalahan klimatik tersebut oleh United Nations for Climate Change Convention (UNFCCC) telah dicari solusi untuk mengurangi dampak emisi gas buang GRK. Pertemuan yang diselenggarakan di Bali pada tahun 2007 pada pertemuan UN Conference of Parties ke 13 (COP 13) mengeluarkan suatu program Reduced Emissions from Deforestation and Degradation (REDD) yang bertujuan untuk mendukung negara-negara berkembang di dalam mengurangi emisi dari deforestasi dan degradasi (www.unfccc.int). Program REDD ini diharapkan negara berkembang berpartisipasi aktif untuk menjaga kelestarian hutannya sebagai bentuk sumbangsih alami dalam menciptakan ―mesin penyerap karbon‖ untuk mengurangi emisi gas buang GRK. Stok karbon pada suatu vegetasi khususnya pohon sangat diperluka n bagi keselarasan lingkungan dari emisi yang berlebihan karena pohon dan organisme foto-ototrof lainnya mengalami proses fotosintesis pada siang hari, proses tersebut membutuhkan suatu komponen penting berupa CO 2 dari atmosfer. Penyerapan CO 2 dalam jumlah besar oleh tumbuhan dilakukan pada siang hari bertepatan saat berbagai aktifitas manusia memproduksi emisi gas buang GRK (salah satunya karbon) di alam bebas.
Uploads
Papers by Nursida Arif
Conference Presentations by Nursida Arif