skip to main content

MODEL SPASIAL MONITORING PERKEMBANGAN KAWASAN TERBANGUN DENGAN EBBI DI KOTA SEMARANG

*Bandi Sasmito  -  Departemen Teknik Geodesi, Fakultas Teknik, Universitas Diponegoro, Indonesia

Citation Format:
Abstract

Kawasan terbangun di Kota Semarang mengalami perkembangan pesat. Perencanaan dan pengawasan diperlukan agar tidak berdampak pada semakin sedikitnya tutupan lahan vegetasi. Pemetaan skala besar perlu dilakukan dengan cepat serta berdimensi waktu untuk seluruh kawasan. Pengindraan jauh adalah teknologi yang memungkinkan untuk membangun model spasial semacam ini. Pada penelitian ini digunakan algoritma Enhanced Built-Up and Bareness Index (EBBI) untuk melakukan monitoring perkembangan kawasan terbangun di Kota Semarang. Algoritma EBBI dipilih karena dapat membedakan antara lahan kosong dan kawasan terbangun dengan sangat baik. Analisis perubahan luas kawasan terbangun dan lahan kosong dilakukan multi temporal pada tahun 2013, 2015, dan 2018. Hasil dari analisis tersebut digunakan untuk monitoring perkembangan kawasan terbangun di Kota Semarang.

  1. As-syakur, A. R., Adnyana, I. W. S., Arthana, I. W., & Nuarsa, I. W. (2012). Enhanced built-UP and bareness index (EBBI) for mapping built-UP and bare land in an urban area. Remote Sensing, 4(10), 2957–2970. https://doi.org/10.3390/rs4102957
  2. BPS. (2017). Kota Semarang Dalam Angka 2017. BPS Kota Semarang
  3. Goodall, B. (1987). The Penguin Dictionary of Human Geography. London: Penguin
  4. Handayani, M. N., & Sasmito, B. (2017). ANALISIS HUBUNGAN ANTARA PERUBAHAN SUHU DENGAN INDEKS KAWASAN TERBANGUN MENGGUNAKAN CITRA LANDSAT (STUDI KASUS : KOTA SURAKARTA). Jurnal Geodesi Undip, 6, 208–218
  5. Jensen, J. R. (2000). Remote sensing of the environment: an earth resource perspective. Prentice Hall, Upper Saddle River, NJ
  6. Kuper, A. and Kuper, J., E. (1996). The Social Science Encyclopedia. 2nd edition. London: Routledge
  7. Nahib, I. (2016). Prediksi Spasial Dinamika Areal Terbangun Kota Semarang Dengan Menggunakan Model Regresi Logistik ( Spatial Dynamics Prediction Of Built-Up Area At Semarang City Using Logistic Regression Model ). Majalah Ilmiah Glob{ë}, 95–104
  8. Pons, X., Pesquer, L., Cristóbal, J., & González-Guerrero, O. (2014). Automatic and improved radiometric correction of Landsat imagery using reference values from MODIS surface reflectance images. International Journal of Applied Earth Observation and Geoinformation, 33, 243–254. https://doi.org/https://doi.org/10.1016/j.jag.2014.06.002
  9. Purwanto, Utomo, D. H., & Kurniawan, B. R. (2016). Spatio Temporal Analysis Trend of Land Use and Land Cover Change Against Temperature Based on Remote Sensing Data in Malang City. Procedia - Social and Behavioral Sciences, 227, 232–238. https://doi.org/https://doi.org/10.1016/j.sbspro.2016.06.066
  10. Sekertekin, A., Abdikan, S., & Marangoz, A. M. (2018). The acquisition of impervious surface area from LANDSAT 8 satellite sensor data using urban indices: a comparative analysis. Environmental Monitoring and Assessment, 190(7). https://doi.org/10.1007/s10661-018-6767-3
  11. Sinha, P., & Verma, N. K. (2016). Urban Built-up Area Extraction and Change Detection of Adama Municipal Area using Time-Series Landsat Images, 5(8), 1886–1895
  12. USGS. (2015). Landsat 8 (L8) data users handbook. USGS (Vol. 8)

Last update:

No citation recorded.

Last update:

No citation recorded.