Search Articles & Publications

Showing 2 articles found for "Geogle"

Pemanfaatan Geogle Earth Engine Untuk Identifikasi Perubahan Suhu Permukaan Daratan Kabupaten Buru Selatan Berbasis Cloud Computing

Fekry Salim Hehanussa, Dyah Respati Suryo Sumunar, Heinrich Rakuasa
Abstract: Perubahan suhu permukaan daratan menjadi isu kritis dalam menghadapi perubahan iklim global. Kabupaten Buru Selatan, sebagai salah satu wilayah yang rawan terhadap dampak perubahan iklim, membutuhkan penanganan yang tepat… t untuk mengidentifikasi dan memahami perubahan suhu permukaan daratan secara efisien. Penelitian ini menggunakan Google Earth Engine sebagai platform cloud computing untuk mengidentifikasi perubahan suhu permukaan daratan di Kabupaten Buru Selatan. Data citra satelit MODIS digunakan untuk analisis perubahan suhu permukaan pad tahun 2018 dan 2023. Pendekatan pemrosesan citra berbasis cloud computing memungkinkan analisis data yang cepat dan akurat tanpa memerlukan spesifikasi leptop atau komputer yang tinggi. Hasil penelitian menunjukan bahwa pada tahun 2018 suhu permukaan daratan Kabupaten Buru Selatan dimana suhu terendah yaitu 13, 027℃ dan tertinggi yaitu 29, 138℃ dan mengalami peningkatan suhu ditahun 2023 yaitu 14,143℃ pada suhu terendah dan 33,955℃ pada suhu permukaan tertinggi. Hasil penelitian menunjukan bahwa terjadi peningkatan suhu permukaan daratan di Kabupaten Buru Selatan. Suhu permukaan di di Kabupaten Buru Selatan mengalami peningkatan yang sangat singnifikan di Kecamatan Leksula, Namrole dan Kecamatan Waesama, hal ini disebabkan oleh meningkatnya ekspansi lahan permukiman disana Hasil penelitian ini diharapkan dapat membantu dalam upaya mengatasi dampak perubahan iklim di Kabupaten Buru Selatan dan memberikan kontribusi pada pemahaman global tentang perubahan iklim yang terjadi.

Pemanfaat Geographic Artificial Intelligence (Geo-AI) Untuk Identifikasi Daerah Rawan Banjir Di Kota Ambon

Abdul Muin, Heinrich Rakuasa
Abstract: Penelitian ini bertujuan untuk menerapkan Geographic Artificial Intelligence (Geo-AI) dalam identifikasi daerah rawan banjir di Kota Ambon. Geo-AI merupakan kombinasi teknologi kecerdasan buatan dengan data geospasial, termasuk… ermasuk citra satelit dan data cuaca, yang memungkinkan analisis yang lebih akurat dan efisien dalam mengidentifikasi daerah rawan banjir. Melalui Google Earth Engine, data citra satelit dan data geospasial lainnya diolah dan dianalisis menggunakan algoritma kecerdasan buatan untuk mengidentifikasi pola banjir dan daerah yang rentan tergenang air. Penelitian menggunakan data JRC Global Surface Water Mapping Layers, v1.4, data NASA SRTM Digital Elevation 30m, data USGS Landsat 8 Level 2, Collection 2, Tier 1. Pegolahan dan analisis data penelitian sepenuhnya di lakukan di Geogle Earth Engine. Hasil penelitian menunjukan bahwa daerah berpontensi banjir memiliki luas 12.991.33 ha dan daerah yang tidak berpotensi banjir yaitu seluas 18.924,24 ha. Daerah potensi rawan banjir kemudian diklasifikasi berdasarkan batas administrasi dimana Kecamatan Teluk Ambon memiliki daerah yang berpotensi tergenang banjir seluas 5.149.37 ha, Kecamatan Nusaniwe seluas 2.034.23 ha, Kecamatan Serimau seluas 1.914.18 ha, Kecamatan Leitimur Selatan seluas 1.180.13 ha dan Kecamatan Teluk Ambon Baguala seluas 2.713.42 ha. Peta daerah potensi banjir di Kota Ambon kemudian dioverlay dengan data sebaran permukiman di Kota Ambon dan diketahui bahwa permukiman penduduk yang diprediksi berada pada daerah yang berpotensi banjir seluas 3.400.65 ha. Dengan analisis yang lebih akurat, sistem peringatan dini yang efektif, dan pengetahuan yang ditingkatkan, penelitian ini dapat berkontribusi dalam mitigasi risiko banjir, melindungi masyarakat dan lingkungan dari dampak banjir, serta menciptakan kota yang lebih aman dan berkelanjutan