skip to main content

PENGGUNAAN CITRA SATELIT DAN KOMPILASI DATA KERUANGAN UNTUK PEMUTAKHIRAN PETA DASAR SKALA MENENGAH SELURUH INDONESIA

*Elyta Widyaningrum  -  Badan Informasi Geospasial, Indonesia
Aji Putra Perdana  -  Badan Informasi Geospasial, Indonesia
Rosita Andari  -  Badan Informasi Geospasial, Indonesia
Ratna Mayasari  -  Badan Informasi Geospasial, Indonesia
Andita Putri Damayanti  -  Badan Informasi Geospasial, Indonesia

Citation Format:
Abstract

Teknologi informasi geospasial terus berkembang dan telah melahirkan data penginderaan jauh dengan multisensornya yang makin mudah diakses dan diunduh oleh pengguna. Ketersediaan dan kemudahan akses tersebut telah memperluas pemanfaatan citra satelit resolusi menengah, diantaranya layanan mosaik citra yang dimiliki baik oleh LAPAN (SPACEMAP) dan Google Earth Engine (GEE) untuk pemutakhiran peta RBI skala menengah (skala 1:25.000 dan/atau 1:50.000). Unsur peta dasar yang terdapat dalam peta Rencana Tata Ruang Wilayah (RTRW) tingkat Kabupaten/Kota juga merupakan salah satu sumber data utama yang akurat dan terkini untuk pemutakhiran peta dasar Rupabumi. Makalah ini bertujuan untuk mengkaji kemudahan akses dan pengolahan, terutama dari konteks kedetailan, kesesuaian resolusi spasial citra dan data keruangan lainnya terhadap unsur Informasi Geospasial Dasar (IGD) Rupabumi Indonesia skala menengah. Citra satelit yang digunakan dalam penelitian ini adalah citra Sentinel-2 dan Mosaik SPOT 6-7, sedangkan unsur peta dasar hasil penyelenggaraan Pemerintah Daerah antara lain adalah unsur bangunan, jalan, perairan dan penutup lahan. Beberapa strategi dan metode digunakan untuk kompilasi unsur peta RBI skala menengah. Beberapa tahapan proses digunakan untuk dapat memutakhirkan peta dasar Rupabumi skala menengah menggunakan beberapa data tersedia yang antara lain mencakup tahapan validasi, editing dan generalisasi, integrasi basis data, klasifikasi dan ekstraksi unsur dari citra satelit, kompilasi dan sinkronisasi.

Fulltext View|Download

Article Metrics:

  1. Breiman, L., 2001. Random forests. Machine learning, 45(1), pp.5-32
  2. Drucker, Harris; Burges, Christ. C.; Kaufman, Linda; Smola, Alexander J.; and Vapnik, Vladimir N., 1997, Support Vector Regression Machines. In: Advances in Neural Information Processing Systems 9, NIPS 1996, 155–161, MIT Press
  3. Katalog Unsur Geografi Indonesia (KUGI), Badan Informasi Geospasial. https://kugi.ina-sdi.or.id/, diakses pada tanggal 20 Oktober 2021
  4. Pemerintah Indonesia. 2021. Peraturan Pemerintah Nomor 45 Tahun 2021 tentang Penylenggaraan Informasi Geospasial. Jakarta
  5. Pemerintah Indonesia. 2021. Peraturan Pemerintah Nomor 23 Tahun 2021 tentang Percepatan Pelaksanaan Kebijakan Satu Peta pada skala 1:50.000. Jakarta
  6. Kementerian Koordinator Bidang Perekonomian. 2021. Peraturan Menteri Koordinator bidang Perekonomian Nomor 6 Tahun 2021. Jakarta
  7. Badan Informasi Geospasial. 2021. Peraturan Kepala BIG Nomor 18 Tahun 2021 tentang Tata Cara Penyelenggaraan Informasi Geospasial. Bogor
  8. Praticò, S., Solano, F., Di Fazio, S. and Modica, G., 2021, Machine Learning Classification of Mediterranean Forest Habitats in Google Earth Engine Based on Seasonal Sentinel-2 Time-Series and Input Image Composition Optimisation. Remote Sensing, 13(4), p.586
  9. Pemerintah Pusat. 2020. Undang-Undang Nomor 11 Tahun 2020 tentang Cipta Karya. Jakarta
  10. Pemerintah Pusat. 2011. Undang-Undang Nomor 2 tahun 2011 tentang Informasi Geospasial. Jakarta

Last update:

No citation recorded.

Last update:

No citation recorded.