Articoli di riviste sul tema "Lo- RaWAN"
Segui questo link per vedere altri tipi di pubblicazioni sul tema: Lo- RaWAN.
Cita una fonte nei formati APA, MLA, Chicago, Harvard e in molti altri stili
Vedi i top-50 articoli di riviste per l'attività di ricerca sul tema "Lo- RaWAN".
Accanto a ogni fonte nell'elenco di riferimenti c'è un pulsante "Aggiungi alla bibliografia". Premilo e genereremo automaticamente la citazione bibliografica dell'opera scelta nello stile citazionale di cui hai bisogno: APA, MLA, Harvard, Chicago, Vancouver ecc.
Puoi anche scaricare il testo completo della pubblicazione scientifica nel formato .pdf e leggere online l'abstract (il sommario) dell'opera se è presente nei metadati.
Vedi gli articoli di riviste di molte aree scientifiche e compila una bibliografia corretta.
1
Zulfauzi, Zulfauzi, Satrianansyah Satrianansyah e Deni Nurdiansyah. "SISTEM INFORMASI GEOGRAFIS PEMETAAN DAERAH RAWAN BENCANA DI KABUPATEN MUSI RAWAS". JUTIM (Jurnal Teknik Informatika Musirawas) 7, n. 1 (1 giugno 2022): 62–70. http://dx.doi.org/10.32767/jutim.v7i1.1642.
Testo completoAbstract (sommario):
Kabupaten Musi Rawas adalah satu diantara kabupaten atau kota yang ada di provinsi Sumatera Selatan yang rawan bencana dengan kriteria tinggi di Provinsi Sumatera Selatan, utamanya bencana banjir, tanah longsor dan kebakaran hutan. Kondisi ini harus mendapatkan perhatian serius oleh pemerintah. Pemerintah sebagai badan pengawas dan merupakan lembaga yang mempunyai peranan utama dalam upaya penanganan bencana alam yang terjadi. Kendala yang dihadapi oleh pemerintah Kabupaten Musi Rawas saat ini adalah pemetaan daerah rawan bencana masih dilakukan secara secara manual, yaitu mendata satu persatu daerah berpotensi atau terjadi bencana. Hal ini terasa menyulitkan, dikarenakan pola sebaran daerah rawan bencana yang cenderung berubah dan pola pendataan secara manual akan sangat menyulitkan dalam menyajikan informasi yang kemprehensif kepada masyarakat atau pihak terkait yang mengakibatkan pemetaan daerah rawan bencana kurang tepat sasaran dan kurang maksimal. Sistem Informasi Geografis (SIG) merupakan salah satu cara untuk memecahkan masalah yang ada. SIG memudahkan pengelola untuk mendata dan mengetahui sebaran daerah rawan bencana yang ada. Dengan adanya Sistem Informasi Geografis (SIG), informasi dapat disampaikan dalam bentuk peta yang didalamnya terdapat informasi yang terkait dengan daerah rawan bencana tersebut. Hasil akhir penelitian adalah Sistem Informasi Geografis Pemetaan Daerah Rawan Bencana Di Kabupaten Musi Rawas Berbasis Website.
2
Amanda, Diana, Muthmainnah Muthmainnah e Veri Ilhadi. "Analisis Lahan Pertanian Rawan Banjir Di Kabupaten Aceh Utara Menggunakan Metode Multi Atribut Utility Theory Berbasis Sistem Informasi Geografis". Sisfo: Jurnal Ilmiah Sistem Informasi 7, n. 1 (30 maggio 2023): 92. http://dx.doi.org/10.29103/sisfo.v7i1.12130.
Testo completoAbstract (sommario):
Aceh Utara merupakan salah satu kabupaten di Aceh yang memiliki cukup banyak lahan untuk sumber daya, terutama untuk dijadikan lahan pertanian. Lahan pertanian khususnya persawahan di Aceh bagian utara merupakan lokasi yang sering terjebak banjir yang di sebabkan karena meluapnya sungai. Penelitian ini bertujuan untuk melakukan pemetaan kawasan lahan pertanian rawan banjir di Aceh Utara berbasis Sistem Informasi Geografis dengan menggunakan metode multi atribut utility theory dan menghitung jarak terdekat antar kecamatan tahun 2020-2021 menggunakan algoritma dijkstra. Dalam penerapannya menggunakan tiga kriteria yaitu Curah Hujan, Struktur Tanah dan Kemiringan Lereng. Hasil pengelompokan wilayah lahan pertanian rawan banjir menggunakan metode ini dapat didigitalisasi menjadi sistem informasi geografis menggunakan Google Maps API. Dan kemudian Sistem ini akan menampilkan hasil atau informasi daerah- daerah yang di kelompokan kedalam tiga kategori lahan pertanian rawan banjir yaitu Tidak Rawan, Rawan dan Sangat Rawan. Pada tahun 2020 terdapat 13 kecamatan yang Tidak rawan, 9 Rawan dan 5 kecamatan yang Sangat Rawan, sedangkan pada tahun 2021 terdapat 14 kecamatan yang Tidak Rawan, 9 Rawan dan 4 kecamatan yang Sangat Rawan. Penelitian ini bertujuan untuk membantu Dinas Pertanian dan masyarakat dalam pengambilan kebijakan pada saat memantau kawasan pertanian yang rawan banjir untuk meminimalisir kerugian gagal panen yang di sebabkan oleh bencana banjir.
3
Baco, La, Abdul Manan, Hasbullah Syaf e Sahindomi Bana. "Analisis Daerah Rawan Banjir Dan Tanah Longsor Di Daerah Aliran Sungai Konaweha Provinsi Sulawesi Tenggara". Jurnal Perencanaan Wilayah 6, n. 1 (29 aprile 2021): 93. http://dx.doi.org/10.33772/jpw.v6i1.18203.
Testo completoAbstract (sommario):
Banjir dan longsor terutama disebabkan oleh faktor alam seperti curah hujan, topografi, bentuk lahan dan kelokan sungai serta faktor manusia yang meliputi tata guna lahan dan infrastruktur. Tujuan dari penelitian ini adalah menganalisis daerah rawan banjir dan daerah rawan longsor di Wilayah Sungai Konaweha. Penelitian ini dilakukan di DAS Konaweha dengan menggunakan metode survei. Hasil penelitian menunjukkan bahwa tingkat kerawanan banjir di DAS Konaweha tersebar seluas 101.889 hektar (14,60%) 241.794 hektar (34,64%) rawan sedang dan 354.264 hektar (50,76%) merupakan wilayah yang tidak rawan banjir. Daerah dengan tingkat banjir sedang hingga rawan banjir umumnya tersebar di Kabupaten Konawe dan Kolaka Timur. Tingkat kerawanan longsor di DAS Konaweha tersebar di wilayah sesuai dengan tingkat kerawanan longsor yaitu seluas 16.632 hektar (2,38%) kategori tidak rawan, 159.073 hektar (22,79%) rawan, 115.922 hektar (16,62%) kategori kerawanan sedang, 396.388 hektar (56,79%) kawasan rawan dan 9.932 hektar (1,42%) merupakan kawasan sangat rawan longsor.Kata Kunci: Banjir, DAS Konaweha, Longsor, Daerah Rawan
4
Hidayat, Wahyu, e Ridwan Sukimin. "PEMETAAN DAERAH RAWAN LONGSOR BERBASIS SISTEM INFORMASI GEOGRAFIS DALAM UPAYA MITIGASI BENCANA KOTA PALOPO". Plano Madani : Jurnal Perencanaan Wilayah dan Kota 13, n. 1 (25 aprile 2024): 25–39. http://dx.doi.org/10.24252/jpm.v13i1.43250.
Testo completoAbstract (sommario):
Penelitian tentang daerah rawan longsor berbasis sistem informasi geografis dalam upaya mitigasi bencana sangat penting karena menjamurnya pembangunan yang ada di pinggiran kota secara tidak teratur, mengakibatkan kota yang rawan bencana. Adapun tujuan penelitian adalah mengetahui luasan wilayah rawan longsor melalui pemetaan kerawanan longsor sehingga dapat mengoptimalkan langkah mitigasi bencana. Lokasi studi penelitian adalah Kota Palopo. Metode penelitian yang digunakan yaitu metode scoring, pembobotan dan Overlay untuk 5 parameter untuk 5 kategori kerawanan bencana longsor. Hasil Analisis terhadap daerah rawan longsor Kota Palopo menunjukkan peta rawan longsor dengan luas wilayah yang termasuk ke dalam kategori aman (2846.71 ha), kategori cukup aman (4585.60 ha), kategori rawan (5237.81 ha), kategori cukup rawan (10397.54 ha) dan kategori sangat rawan (4676.33 ha). Peta yang dihasilkan memberikan informasi tentang daerah yang rawan akan longsor kepada pemerintah Kota Palopo khususnya Badan Penanggulangan Bencana Daerah Kota Palopo.
5
Aulia, M. Donie. "ANALISIS DAERAH RAWAN KECELAKAAN DI JALAN KOLEKTOR PRIMER KABUPATEN SUKABUMI". CRANE: Civil Engineering Research Journal 3, n. 1 (23 maggio 2022): 22–28. http://dx.doi.org/10.34010/crane.v3i1.7136.
Testo completoAbstract (sommario):
Banyaknya jumlah kendaraan bermotor yang meningkat dari tahun ke tahun merupakan faktor pendukung meningkatnya jumlah kecelakaan lalu lintas di Kabupaten Sukabumi. Dengan kondisi tersebut diperlukan upaya untuk mengetahui daerah rawan kecelakaan (blacksite) dan titik rawan kecelakaan (blackspot). Hasil analisis Z-Score daerah rawan kecelakaan didapat satu ruas jalan dengan kriteria rawan kecelakaan sangat tinggi, yaitu ruas jalan Cikidang dengan nilai Z-Score sebesar 1, sedangkan pada ruas jalan Surya Kencana memiliki kriteria tidak rawan kecelakaan dengan nilai Z-Score sebesar -1. Pada hasil analisis Cusum lokasi titik rawan kecelakaan terdapat blackspot dengan kriteria rawan kecelakaan sangat rendah, yaitu pada ruas jalan desa Sampora; Cijambe; Cikidang; Nangka Koneng; Pangkalan dan Cibadak
6
Zainun, Zainun, Wahju Krisna Hidajat e Narulita Santi. "Kajian Potensi Bencana Kebumian Wilayah Kecamatan Ngombol, Kabupaten Purworejo, Provinsi Jawa Tengah". Jurnal Geosains dan Teknologi 3, n. 2 (28 luglio 2020): 83–95. http://dx.doi.org/10.14710/jgt.3.2.2020.83-95.
Testo completoAbstract (sommario):
Kecamatan Ngombol, Kabupaten Purworejo terletak di bagian selatan Provinsi Jawa Tengah yang merupakan salah satu wilayah rawan bencana. Sejak tahun 2008 hingga tahun 2018 terhitung sebanyak 125 kejadian bencana alam di Kabupaten Purworejo. Sebagai langkah awal meminimalkan dampak negatif dari potensi terjadinya bencana alam, dilakukan kajian dan pemetaan zonasi rawan bencana kebumian di daerah Kecamatan Ngombol. Penelitian dilakukan untuk mengetahui faktor-faktor yang berperan terhadap potensi bencana kebumian dan mengetahui zonasi tingkat rawan bencana kebumian di daerah tersebut. Penentuan zona rawan bencana kebumian menggunakan metode overlay dari skor tiap parameter masing-masing bencana. Parameter zona rawan gempabumi meliputi kondisi geologi berupa pasir, kemiringan lereng terdiri dari datar hingga sangat curam, nilai intesitas gempa sebesar II MMI, dan jauh dari zona sesar. Hasil parameter zona rawan banjir berupa tanah aluvial untuk jenis tanah, kemiringan lereng terdiri dari datar hingga sangat curam, nilai curah hujan infiltrasi sebesar 3.245,93 mm.hari/tahun, penggunaan lahan berupa sawah, pemukiman, kebun, ladang, semak belukar dan pasir, nilai kerapatan sungai kurang dari 0,62 km/km2 hingga lebih dari 3,1 km/km2. Kecamatan Ngombol tergolong sebagai kawasan tipologi A untuk zona rawan gempabumi. Zona rawan banjir terbagi menjadi 3 kelas yaitu 2% zona tidak rawan, 47% zona cukup rawan dan 51% zona sangat rawan.
7
Moruk, Fransiskus Xaverius, Vito Daniel Boboy, Wilhelmina Johana Tahuk, Yota Putra Kamirsa e Yampi R. Kaesmetan. "Penentuan Titik Lokasi Daerah Rawan Banjir Di Kabupaten Malaka Menggunakan Metode K-Means Clustering". Simpatik: Jurnal Sistem Informasi dan Informatika 3, n. 2 (3 gennaio 2024): 67–76. http://dx.doi.org/10.31294/simpatik.v3i2.2948.
Testo completoAbstract (sommario):
Banjir di Kabupaten Malaka telah menjadi permasalahan utama dalam kehidupan sosial masyarakat. Pada musim hujan dalam waktu singkat beberapa lokasi mengalami banjir, yang mengakibatkan terhambatnya transportasi, aktivitas serta tidak jarang disertai dengan permasalahan kesehatan. Salah satu upaya untuk membantu lebih mempermudah informasi mengenai zona daerah rawan banjir dengan membuat pemetaan zona daerah rawan banjir menggunakan SIG, software QGIS dengan metode K-Means Clustering. Maka dilakukan digitasi peta kabupaten malaka agar memperoleh hasil pemetaan daerah rawan banjir. Proses pemetaan daerah rawan banjir diambil berdasarkan pengolahan data curah hujan, jenis tanah, lereng dan daerah aliran sungai Kabupaten Malaka. Hasil penelitian di peroleh 5 kelas daerah rawan banjir diantaranya sangat rawan, rawan, terancam, aman dan paling aman dengan perhitungan K-Means Clustering dengan 3 tingkat Cluster. Daerah yang berpotensi sangat rawan banjir adalah daerah yang berada di Kecamatan Malaka Barat dan wewiku dan sedangkan daerah yang rawan banjir berada di Kecamatan Malaka Tengah dan Weliman. Kesimpulan penelitian tingginya potensi banjir dibeberapa daerah di Kabupaten Malaka selain disebabkan beberapa daerah memiliki curah hujan yang berbeda, juga dipengaruhi oleh jenis tanah, lereng dan aliran sungai.
8
Nanda Khofifah, Thalia, e Rohmatul Fajriyah. "Perbandingan Dampak Bencana Angin Kencang Tahun 2020 Dan 2021 Daerah Istimewa Yogyakarta Berdasarkan Metode K-means Clustering". Emerging Statistics and Data Science Journal 2, n. 1 (2 aprile 2024): 107–21. http://dx.doi.org/10.20885/esds.vol2.iss.1.art11.
Testo completoAbstract (sommario):
Penelitian ini bertujuan untuk mengkalsifikasikan kecamatan-kecamatan yang terdapat di Daerah Istimewa Yogyakarta berdasarkan data jumlah kejadian angin kencang beserta dampaknya yang meliputi pohon tumbang, akses jalan, dan jaringan listrik sehingga bisa terlihat mana saja daerah di Yogakarta yang rawan bencana angin kencang dan mana daerah yang tiddak rawan terhadap bencana angin kencang. Metode yang digunakan yaitu K-means Clustering dengan menggunakan matriks yang relevan dan Silhouette score. Pada tahun 2020 cluster pertama terdapat 3 kecamatan dengan indikator rawan angin kencang tinggi pada setiap kecamatan tersebut, cluster dua terdapat 19 kecamatan dengan indikator rawan angin kencang sedang pada setiap kecamatan, dan cluster ketiga terdapat 56 kecamatan dengan indikator rawan bencana angin kencang rendah. Sedangakan pada tahun 2021 cluster pertama terdapat 3 kecamatan dengan indikator rawan angin kencang tinggi pada setiap kecamatan tersebut, cluster dua terdapat 10 kecamatan dengan indikator rawan angin kencang sedang pada setiap kecamatan, dan cluster ketiga terdapat 65 kecamatan dengan indikator rawan bencana angin kencang rendah.
9
Ferawati, Ferawati, e Didi Supriadi Agustawijaya. "ANALISIS LONGSOR BERBASIS ARC-GIS UNTUK PEMETAAN WILAYAH RAWAN LONGSOR DI KECAMATAN BATULAYAR KABUPATEN LOMBOK BARAT PROVINSI NUSA TENGGARA BARAT". Spektrum Sipil 10, n. 1 (22 marzo 2023): 39–48. http://dx.doi.org/10.29303/spektrum.v10i1.288.
Testo completoAbstract (sommario):
Penelitian ini dilakukan pada wilayah kecamatan Batulayar Kabupaten Lombok Barat Provinsi Nusa Tenggara Barat dengan tujuan untuk membuat peta tingkat kerentanan longsor dan menganalisa sebaran kawasan rawan longsor di kecamatan Batulayar. Metode penelitian yang digunakan yaitu metode skoring dan weighted overlay yang berbasisi Arc-Gis. Parameter yang digunakan untuk menentukan tingkat kerawan longsor pada daerah penelitian yaitu curah hujan, litologi, kemiringan lereng dan tutupan lahan. Hasil pengolahan data menunjukkan bahwa daerah penelitian termasuk dalam tingkat kerawanan longsor sangat rawan sampai tidak rawan. Tingkat kerawanan longsor sangat rawan memiliki luasan 10,18 km2, tingkat kerawanan longsor rawan memiliki luasan 16 km2, tingkat kerawanan longsor agak rawan memiliki luasan 5,47 km2 dan wilayah yang tidak rawan terhadap longsor seluas 2,41 km2. Validasi dengan melakukan overlay titik longsor dilapangan dengan peta kerentanan longsor menunjukkan kesesuaian sehingga model yang dibuat dapat dipertanggung jawabkan.
10
Fahmi, Resti Noor, Mohamad Jajuli e Nina Sulistiyowati. "Analisis Pemetaan Tingkat Kriminalitas di Kabupaten Karawang menggunakan Algoritma K-Means". INTECOMS: Journal of Information Technology and Computer Science 4, n. 1 (11 giugno 2021): 67–79. http://dx.doi.org/10.31539/intecoms.v4i1.2413.
Testo completoAbstract (sommario):
Kriminalitas merupakan salah satu permasalahan yang sering terjadi di masyarakat yang perlu diperhatikan karena merugikan dan menimbulkan dampak negatif kepada masyarakat. Dilansir dari jabar.tribunews.com Kabupaten Karawang menjadi ranking pertama tingkat kriminalitas tertinggi di Jawa Barat pada awal masa pandemi. Ini menjadi PR pemerintah dan Polres Karawang khususnya untuk dapat menangani dan mengupayakan penanggulangan kriminalitas di Karawang. Penelitian ini menggunakan metode clustering dengan algoritma k-means dan dilakukan pemetaan daerah rawan kriminalitas menggunakan QGIS. Hasil pengelompokan daerah rawan kriminalitas di Karawang pada 2019 didapatkan cluster tidak rawan sebanyak 23 kecamatan, cluster rawan sebanyak 3 kecamatan dan cluster sangat banyak sebanyak 4 kecamatan. Sedangkan pada 2020 didapatkan cluster tidak rawan sebanyak 22 kecamatan, cluster rawan sebanyak 4 kecamatan, dan cluster sangat rawan sebanyak 4 kecamatan. Hasil evaluasi clustering menggunakan silhouette coefficient pada tahun 2019 yaitu sebesar 0,52 dan 0,54 pada tahun 2020, keduanya masuk dalam kategori medium strucutre dengan interpretasi penempatan klaster yang wajar
11
Suryaningmara, I. Wayan Bagus, I. Wayan Juli Sumadi, Herman Saputra e Ni Putu Ekawati. "KARAKTERISTIK KLINIKOPATOLOGI TUMOR-TUMOR TULANG RAWAN DI RSUP SANGLAH TAHUN 2016-2020". E-Jurnal Medika Udayana 12, n. 1 (24 gennaio 2023): 22. http://dx.doi.org/10.24843/mu.2023.v12.i01.p05.
Testo completoAbstract (sommario):
Tumor tulang adalah pertumbuhan sel abnormal pada tulang. Saat tumor tumbuh, jaringan abnormal dapat menggantikan jaringan sehat. Adapun jenis tumor pada tulang rawan yang umum terjadi yaitu Osteochondroma, Chondrosarcoma, dan Enchondroma. Penelitian ini merupakan penelitian deskriptif dengan metode penelitian (cross-sectional) untuk mengetahui gambaran karakteristik klinikopatologi tumor tulang rawan di RSUP Sanglah Denpasar tahun 2016 – 2020. Pengumpulan sampel dilakukan dengan menggunakan teknik total sampling. Pasien dengan tumor tulang rawan di RSUP Sanglah Denpasar tahun 2016 – 2020 terbanyak terjadi pada rentang usia >40 tahun yaitu 13 (36,1%) orang. Lokasi tumor tulang rawan di RSUP Sanglah Denpasar tahun 2016 – 2020 paling banyak ditemukan pada pelvis dengan jumlah 9 (25%) kasus. Tipe histologi pada pasien dengan tumor tulang rawan di RSUP Sanglah Denpasar tahun 2016 – 2020 yang paling banyak ditemukan yaitu Conventional Chondrosarcoma dengan jumlah 19 (52,8%) kasus. Tumor tulang rawan pada pasien di RSUP Sanglah Denpasar tahun 2016 – 2020 tersering yaitu tumor ganas dengan jumlah 20 (55,6%) kasus sedangkan tumor jinak dengan jumlah 16 (44,4%) kasus. Apabila dijumpai pasien berusia tua > 40 tahun dengan tumor tulang di pelvis maka perlu dipikirkan tumor tulang rawan sebagai salah satu diferensial diagnosis.
Kata kunci : Tumor Tulang Rawan, Karakteristik, Chondrosarcoma
12
Wijaya, Petrus Indra, Renny Puspita Sari e Ferdy Febriyanto. "SISTEM INFORMASI GEOGRAFIS PEMETAAN DAERAH RAWAN KECELAKAAN BERBASIS WEB DI KOTA PONTIANAK". Coding Jurnal Komputer dan Aplikasi 10, n. 01 (10 maggio 2022): 71. http://dx.doi.org/10.26418/coding.v10i01.52717.
Testo completoAbstract (sommario):
Kecelakaan lalu lintas merupakan suatu peristiwa di jalan raya tidak diduga dan tidak disengaja melibatkan kendaraan dengan atau tanpa pengguna jalan lain yang mengakibatkan korban manusia dan atau kerugian harta benda. Dengan pengarsipan data kecelakaan lalu lintas yang lengkap dari tahun ke tahun, sampai saat ini masih belum ada pemanfaatan dari data kecelakaan lalu lintas, misalnya dengan data tersebut pihak kepolisian dapat mengetahui lokasi-lokasi rawan kecelakaan lalu lintas di Kota Pontianak khususnya Satlantas Polresta Pontianak. Maka dari itu akan dibangun Sistem Informasi Geografis yang berfokus pada daerah yang rawan terjadi kecelakaan lalu lintas. Informasi pada website yang akan dibangun yang antara lain menyangkut daerah rawan kecelakaan berdasarkan perhitungan Angka Ekivalen Kecelakaan (AEK) dan Upper Control Limit (UCL) yang terjadi di wilayah Kota Pontianak. Dengan dukungan sistem informasi diharapkan data kecelakaan lalu lintas yang tersedia dapat diolah menjadi data sistematis daerah rawan kecelakaan (black spot) di Kota Pontianak, sehingga dapat membantu pihak kepolisian untuk melaksanakan prosedur pencegahan kecelakaan lalu lintas untuk daerah rawan kecelakaan, serta masyarakat juga mengetahui letak daerah rawan kecelakaan tersebut agar lebih waspada ketika berkendara. Hasil perhitungan dari kedua metode yaitu AEK dan UCL didapatkan hasil tahun 2017 terdapat 69 titik rawan kecelakaan, tahun 2018 terdapat 17 titik rawan kecelakaan, dan tahun 2019 terdapat 9 titik rawan kecelakaan. Sedangkan pengujian antarmuka sistem dilakukan kepada 67 responden melalui kuesioner online memperoleh hasil persentase 85,15%.
13
Sartavie, Respati Irfan Alrasyid, Noviandi, Arif Arfan Dwi Cahyo e Saipudin Anwar. "IMPLEMENTASI KERNEL DENSITY PADA ANALISA DAERAH RAWAN KECELAKAAN LALU LINTAS PROVINSI DKI JAKARTA". Jurnal Ilmiah Informatika Komputer 27, n. 2 (2022): 159–68. http://dx.doi.org/10.35760/ik.2022.v27i2.6600.
Testo completoAbstract (sommario):
Provinsi DKI Jakarta setiap tahunnya memiliki tingkat kecelakaan lalu lintas yang cukup tinggi. Berdasarkan kecelakaan periode Januari 2019 hingga Desember 2021 mencapai 9524 baris data. Penelitian ini menyajikan informasi daerah rawan kecelakaan menggunakan metode Kernel Density. Atribut yang digunakan untuk penelitian ini yaitu tanggal kejadian, instansi yang menangani, identitas korban kecelakaan, sifat kecelakaan, dan kendaraan yang terlibat kecelakaan. Tahapan penelitian sesuai dengan ruang lingkup yang akan dilakukan yaitu: Data Preprocessing Kernel Density Estimation (KDE), Incremental Spatial Autocorrelation, dan Hotspot Analysis. Proses penelitian dari pengumpulan data kecelakaan, data pre processing, menjalankan Kernel Density Estimation, mendapatkan visualisasi daerah rawan kecelakaan, menjalankan Spatial Join, menjalankan Hotspot Analysis, mendapatkan Hotspot Kecelakaan, mendapatkan urutan Hotspot Kecelakaan. Berdasarkan hasil implementasi Kernel Density pada daerah rawan kecelakaan yang dilakukan, penulis berhasil mendapatkan daerah rawan kecelakaan tertinggi di Provinsi DKI Jakarta yaitu 33,33% ruas jalan Jatinegara Timur merupakan daerah rawan kecelakaan, selanjutnya pada Jalan Jendral Basuki Rahmat 25,93% pada ruas jalan merupakan daerah rawan kecelakaan, dan pada 20% ruas jalan DI Panjaitan adalah daerah rawan kecelakaan.
14
Arsal, St Fatmah, e Andi Rabithal Ikhsan Fauzi. "Analisis Tingkat Keselamatan Wilayah Perempatan Amessangeng Sengkang Kabupaten Wajo". Jurnal Teknik Sipil MACCA 4, n. 3 (31 ottobre 2019): 277–84. http://dx.doi.org/10.33096/jtsm.v4i3.385.
Testo completoAbstract (sommario):
Keselamatan jalan sangat diperhatikan untuk mengurangi jumlah kecelakaan lalu lintas. Hal ini menjadi indikator pentingnya memahami factor penyebab terjadinya kecelakaan.pada penelitian ini dibahas mengenai studi rawan kecelakaan Perempatan Amessangeng Sengkang Kab.Wajo. Tujuan dari penelitian ini adalah menganalisis lokasi titik rawan kecelakaan lalu lintas (black spot) pada ruas Perempatan Amessangeng Sengkang Kab.Wajo, memberikan alternatif penanganan pada lokasi titik rawan kecelakaan (black spot) untuk mengurangi tingkat kecelakaan di Perempatan Amessangeng Sengkang Kab.Wajo. Metode yang digunakan dalam penelitian ini ialah metode analisis data. Metode yang digunakan untuk mengetahui angka kecelakaan adalah metode EAN, dan untuk mengetahui daerah rawan kecelakaan lalu lintas dengan UCL. Data yang digunakan adalah data jumlah kecelakaan yang terjadi pada tahun 2013-2017. Dari hasil uji didapatkan angka kecelakaan terbesar yaitu terletak pada jl. Wolter Moninsidi dan jl.Sultan Hasanuddin, analisis EAN, dan nilai UCL yang didapatkan yaitu 21 untuk jl.Wolter Monginsidi, dan 51 untuk Jl.Sultan Hasanuddin, merupakan lokasi titik rawan kecelakaan. Dan sebagai alternatif penanganan sebagai lokasi rawan kecelakaan antara lain pengadaan peringatan rawan kecelakaan, pengadaan simpang bersinyal, pengadaan rambu jalan, cermin cembung, serta marka jalan.
15
Sugianti, Elya, Berliana Devianti Putri, Henny Hidayanti e Anas Buanasita. "Prevalensi Ketahanan Pangan dan Hubungannya dengan Kejadian Stunting pada Rumah Tangga di Daerah Rawan Pangan". Proceedings Series on Physical & Formal Sciences 5 (4 agosto 2023): 224–29. http://dx.doi.org/10.30595/pspfs.v5i.727.
Testo completoAbstract (sommario):
Pandemi Covid-19 telah menyebabkan berbagai krisis beberapa tahun terakhir ini. Tidak hanya krisis kesehatan, tetapi juga krisis ekonomi. Rumah tangga di daerah rawan pangan kemungkinan memiliki dampak yang lebih serius akibat Pandemi Covid-19. Penelitian ini bertujuan untuk menganalisis besaran ketahanan pangan rumah tangga di daerah rawan pangan dan menganalisis hubungannya dengan kejadian stunting. Desain cross sectional digunakan pada penelitian ini. Penelitian ini dilakukan di Kabupaten Probolinggo, Sampang dan Lamongan. Sebanyak 456 rumah tangga terlibat pada penelitian ini. Teknik sampling menggunakan simple random sampling. Pengumpulan data dilakukan dengan wawancara responden dan pengukuran anthropometri. Analisis data dengan distribusi frekuensi dan uji chi-square. Hasil penelitian menunjukkan bahwa sebanyak 26,3% rumah tangga tahan pangan. Sebanyak 73,7% rumah tangga mengalami berbagai tingkatan rawan pangan, yaitu 37,7% rawan pangan ringan, 26,1% rawan pangan sedang, dan 9,9% rawan pangan berat. Stunting lebih banyak ditemukan pada rumah tangga tahan pangan. Ketahanan pangan tidak berhubungan dengan kejadian stunting pada balita (p = 0,122). Perlunya kebijakan pemerintah untuk meningkatkan kemandirian pangan dan edukasi perbaikan pola asuh pada rumah tangga di daerah rawan pangan.
16
Wafa, Addi, e Ely Setyo Astuti. "PEMETAAN DAERAH RAWAN LONGSOR BERBASIS GIS DI KOTA BATU". Jurnal Informatika Polinema 2, n. 4 (1 agosto 2016): 144. http://dx.doi.org/10.33795/jip.v2i4.73.
Testo completoAbstract (sommario):
Kota Batu terletak didaerah pegunungan dan ditetapkan oleh Badan Nasional Penanggulangan Bencana (BNPB) Jawa Timur sebagai daerah perbukitan yang rawan longsor. Tanah Longsor tidak dapat dicegah secara pasti namun kita dapat melakuakan upaya untuk meminimalisir terjadinya tanah longsor pada daerah rawan longsor. Tanah longsor di Kota batu dapat menggangu kelancaran mobilitas dan merugikan masyarakat karena akses mobilitas atau jalan disana terdiri dari lereng dan bukit yang terjal. Adanya pemetaan pada daerah rawan longsor akan membantu untuk meminimalisir terjadinya tanah longsor. Dari permasalahan diatas saya sebagai penulis ingin mengambil judul Pemetaan Daerah Rawan Longsor Berbasis GIS Di Kota Batu untuk membantu masyarakat secara update mengetahui dan mengawasi daerah yang dijadikan titik rawan longsor agar dapat meminimalisir jatuhnya korban dan kerugian yang banyak ketika terjadi tanah longsor dengan menggunakan metode SMART (Simple Multi Attribute Rating Technique) untuk menentukan tingkat status daerah rawan
17
Okfrianti, Yenni, Kamsiah Kamsiah e Yusma Hartati. "Pengaruh Penambahan Tepung Tulang Rawan Ayam Pedaging terhadap Kadar Kalsium dan Sifat Organoleptik Stik Keju". Jurnal Sain Peternakan Indonesia 6, n. 1 (25 giugno 2011): 11–18. http://dx.doi.org/10.31186/jspi.id.6.1.11-18.
Testo completoAbstract (sommario):
ABSTRAKPenelitian ini bertujuan untuk mengetahui pengaruh penambahan tepung tulang rawan ayam pedaging terhadap kadar kalsium dan sifat organoleptik (rasa, warna, tekstur) stik keju. Penelitian ini menggunakan rancangan acak lengkap dengan perlakuan terbatas yakni meliputi: Stik Keju dengan penambahan tepung tulang rawan ayam 5, 10, dan 15 %. Hasil penelitian menunjukkan bahwa peningkatan konsentrasi tepung tulang rawan meningkatkan pula kadar kalsium stik keju (p< 0,05). Pada karakteristik organoleptik penambahan tepung tulang rawan ayam pedaging tidak nyata berpengaruh terhadap karakteristik organoleptik rasa dan warna (p >0,05) namun berpengaruh nyata terhadap tekstur (p<0,05).Kata kunci: tepung tulang rawan, stik keju, rasa, teksture dan warna
18
Hidayatullah, Syarief, Darwizal Daoed, Nurhamidah Nurhamidah e Silta Yulan Nifen. "Analisis Kerentanan dan Rawan Banjir DAS Batang Kuranji Kota Padang". CIVED 10, n. 1 (26 marzo 2023): 110. http://dx.doi.org/10.24036/cived.v10i1.122344.
Testo completoAbstract (sommario):
Akibat curah hujan yang tinggi menyebabkan terjadinya banjir di beberapa daerah di wilayah Sumatera Barat, khususnya di Kota Padang daerah yang sering terkena banjir adalah kawasan DAS Batang Kuranji. Untuk mengurangi terjadinya banjir maka perlu dikaji tentang Kerentanan dan Rawan Banjir. Penelitian ini bertujuan untuk menentukan tingkat kerentanan dan rawan banjir DAS Batang Kuranji. Metode yang digunakan yaitu metode overlay berdasarkan parameter potensi/kerentanan banjir dan rawan banjir yang diberi skor dan pembobotan yang kemudian dianalisis parameter untuk tingkat kerentanan dan rawan banjir pada DAS Batang Kuranji, Kota Padang. Analisis dan pengolahan data dilakukan dengan menggunakan Software ArcGIS 10.8, Google Earth dan Microsoft Excel sehingga menghasilkan Peta Kerentanan dan Rawan Banjir. Data yang digunakan adalah Data Curah Hujan, Citra Landsat, Peta Rupa Bumi, Peta Tanah, Peta DEM, Peta DAS Batang Kuranji, Peta Curah Hujan, Peta Penggunaan Lahan, Peta Elevasi DAS Batang Kuranji, Peta Kerapatan Drainase, Peta Klasifikasi Lereng, Peta tanah, Peta Bentuk Lahan, Peta Pembendungan Alami, Peta Lereng Kiri-Kanan Sungai. Dari hasil analisis diperoleh tingkat Kerentanan Rawan Banjir DAS Batang Kuranji dengan tingkat klasifikasi Rentan/Rawan seluas 166,25 Ha atau 0,80% dimana daerah yang mengalami kerentanan rawan berada pada hilir DAS Batang Kuranji yang karena terdapat dataran, rawa-rawa serta daerah pantai yang cenderung berpotensi terkena banjir, sedangkan hulu DAS Batang Kuranji merupakan daerah pegunungan atau perbukitan.
19
Hidayatullah, Syarief, Darwizal Daoed, Nurhamidah Nurhamidah e Silta Yulan Nifen. "Analisis Kerentanan dan Rawan Banjir DAS Batang Kuranji Kota Padang". CIVED 10, n. 1 (30 marzo 2023): 110–17. http://dx.doi.org/10.24036/cived.v10i1.368112.
Testo completoAbstract (sommario):
Akibat curah hujan yang tinggi menyebabkan terjadinya banjir di beberapa daerah di wilayah Sumatera Barat, khususnya di Kota Padang daerah yang sering terkena banjir adalah kawasan DAS Batang Kuranji. Untuk mengurangi terjadinya banjir maka perlu dikaji tentang Kerentanan dan Rawan Banjir. Penelitian ini bertujuan untuk menentukan tingkat kerentanan dan rawan banjir DAS Batang Kuranji. Metode yang digunakan yaitu metode overlay berdasarkan parameter potensi/kerentanan banjir dan rawan banjir yang diberi skor dan pembobotan yang kemudian dianalisis parameter untuk tingkat kerentanan dan rawan banjir pada DAS Batang Kuranji, Kota Padang. Analisis dan pengolahan data dilakukan dengan menggunakan Software ArcGIS 10.8, Google Earth dan Microsoft Excel sehingga menghasilkan Peta Kerentanan dan Rawan Banjir. Data yang digunakan adalah Data Curah Hujan, Citra Landsat, Peta Rupa Bumi, Peta Tanah, Peta DEM, Peta DAS Batang Kuranji, Peta Curah Hujan, Peta Penggunaan Lahan, Peta Elevasi DAS Batang Kuranji, Peta Kerapatan Drainase, Peta Klasifikasi Lereng, Peta tanah, Peta Bentuk Lahan, Peta Pembendungan Alami, Peta Lereng Kiri-Kanan Sungai. Dari hasil analisis diperoleh tingkat Kerentanan Rawan Banjir DAS Batang Kuranji dengan tingkat klasifikasi Rentan/Rawan seluas 166,25 Ha atau 0,80% dimana daerah yang mengalami kerentanan rawan berada pada hilir DAS Batang Kuranji yang karena terdapat dataran, rawa-rawa serta daerah pantai yang cenderung berpotensi terkena banjir, sedangkan hulu DAS Batang Kuranji merupakan daerah pegunungan atau perbukitan.
20
Aulia Nadifa Putri e Anak Agung Sagung Alit Widyastuti. "ELEMEN PENYEBAB SERTA SEBARAN KAWASAN RAWAN BANJIR DI KELURAHAN KEPUTIH SURABAYA". Jurnal Plano Buana 3, n. 2 (28 aprile 2023): 60–67. http://dx.doi.org/10.36456/jpb.v3i2.6990.
Testo completoAbstract (sommario):
Kelurahan Keputih termasuk dalam salah satu Kelurahan di Kecamatan Sukolilo dengan luasan wilayah sebesar 14,40 Km2 yang sering mengalami genangan air pada saat musim hujan. Hal ini terjadi karena tingginya perubahan tata guna lahan pada kawasan tersebut. Pembangunan infrastruktur yang cukup pesat pada Kelurahan Keputih telah mengurangi daerah resapan air yang ada, selain itu kondisi drainase yang kurang memadai akibat adanya sedimentasi pada saluran yang masih alami.Tujuan dari analisis ini guna mengetahui persebaran kawasan rawan banjir di Kelurahan Keputih dan faktor – faktor yang menyebabkan banjir itu terjadi. Metode yang di gunakan pada analisis ini adalah deskriptif kualitatif dan kuantitatif dengan Teknik analisis factor dan system overlay union GIS. Hasil penelitian pada rumusan masalah pertama yaitu terdapat 4 kelompok faktor yaitu kepadatan penduduk dapat menyebabkan banjir, lebar dan kedalaman saluran air mempengaruhi aliran air, adalah lama waktu hujan dapat menyebabkan banjir dan pembuangan sampah sembarangan menyebabkan banjir. Hasil analisis overlay union diketahui bahwa persebaran kawasan rawan banjir pada Kelurahan Keputih yang memiliki 4 klasifikasi banjir yaitu tidak rawan 3,21 Ha, cukup rawan 34,85 Ha, rawan 148,45 Ha dan sangat rawan 104,05 Ha. Kawasan sangat rawan adalah Kelurahan Sukolilo bagian timur mendekati kawasan tambak
21
Sandri, Dian, Danar Amarta e Hilba Arpra Savina. "Identifikasi Perumahan di Lokasi Rawan Bencana Kabupaten Jepara". Perwira Journal of Science & Engineering 3, n. 1 (10 febbraio 2023): 1–10. http://dx.doi.org/10.54199/pjse.v3i1.166.
Testo completoAbstract (sommario):
Bencana alam merupakan peristiwa alam yang menimbulkan resiko atau bahaya bagi kehidupan manusia. Akibat yang ditimbulkan dari bencana tersebut adalah kerugian jiwa maupun harta benda, manusia, dan kerusakan terhadap lingkungan. Kabupaten Jepara memiliki kawasan rawan bencana alam yang diantaranya meliputi kawasan rawan abrasi, banjir, gerakan tanah/ longsor, dan puting beliung dimana pada umumnya terjadi di kawasan permukiman penduduk sehingga menyebabkan kerusakan rumah beserta lingkungannya. Kerusakan tersebut perlu mendapatkan perhatian karena akan berdampak terhadap menurunnya kualitas hidup masyarakat apabila tidak ada antsipasi/penanganan yang tepat dan terencana. Tujuan penelitian ini adalah mengidentifikasi sebaran perumahan di lokasi rawan bencana di wilayah Kabupaten Jepara. Analisis deskriptif digunakan dalam penelitian untuk melihat permasalahan dan kondisi secara fisik lokasi yang rawan terhadap bencana alam yang ada. Hasil lain yang diharapkan melalui penelitian ini adalah dapat mengetahui karakteristik dari perumahan di lokasi rawan bencana sehingga dapat menjadi pertimbangan dalam memberikan arahan dan rekomendasi kebijakan untuk penanganan perumahan di lokasi yang rawan bencana di Kabupaten Jepara.
22
Sharief, Gariballah, e Adi Susetyaningsih. "Studi Kawasan Kerentanan Longsor pada Ruas Jalan Cikajang Pamengpeuk KM BDG 88+200 S/D 147+790". Jurnal Konstruksi 21, n. 2 (31 ottobre 2023): 175–86. http://dx.doi.org/10.33364/konstruksi/v.21-2.1343.
Testo completoAbstract (sommario):
Perkembangan pembangunan dan pembukaan lahan di sepanjang Ruas Jalan Cikajang-Pameungpeuk KM BDG. 99+800 S/D 147+790 semakin meningkat hal tersebut dapat mempengaruhi terjadinya pergerakan tanah longsor. Penelitian ini bertujuan untuk mengetahui tingkat kerentanan longsor di sepanjang Ruas Jalan Cikajang-Pameungpeuk KM BDG 99+800 S/D 147+790. Metode yang digunakan adalah overlay dan pembobotan menggunakan 4 parameter kerentanan longsor. Dari hasil penggabungan data-data yang diperoleh maka di Kecamatan Cikajang menunjukan rawan longsor ada tiga titik longsor, di Kecamatan Banjarwangi menunjukan kurang rawan longsor tidak ada kejadian titik longsor, di Kecamatan Cihurip menunjukan kurang rawan longsor ada satu titik longsor, di Kecamatan Cisompet menunjukan sangat rawan ada tujuh titik longsor dan di Kecamatan Pameungpeuk menunjukan kurang rawan tidak ada titik longsor.
23
Ma’shum, Moch Ali, e Hary Moetriono. "Analisis Lokasi Rawan Kecelakaan Lalu Lintas Pada Ruas Jalan Widang/Bedahan – Batas Kota Lamongan Dengan Metode Pd T-09-2004-B". Jurnal Kacapuri : Jurnal Keilmuan Teknik Sipil 5, n. 1 (6 giugno 2022): 230. http://dx.doi.org/10.31602/jk.v5i1.7523.
Testo completoAbstract (sommario):
Suatu peristiwa kecelakaan lalu lintas sangat beragam baik dari proses kejadiannya maupun faktor penyebabnya. Diperlukan adanya pola yang dapat menggambarkan karakteristik proses kejadian suatu kecelakaan lalu lintas, supaya dapat dirumuskan upaya penanggulangannya. Banyaknya kejadian kecelakaan yang terjadi pada ruas jalan Widang/Bedahan – Batas Kota Lamongan mengakibatkan banyak kerugian, baik kerugian materil dan non material bagi para pengendara. Dengan dasar ini dilakukan analisis kecelakaan sehingga dapat diketahui daerah rawan kecelakaan dan mencari solusi penyelesaian yang tepat untuk meminimalisasi kecelakaan yang sering terjadi pada ruas jalan tersebut. Metode yang digunakan dalam penelitian ini adalah penelitian deskriptif. Deskriptif yaitu analisis untuk menggambarkan keadaan data secara umum, Meliputi beberapa hal, yakni distribusi frekuensi, pengukuran tedensi pusat, dan pengukuran variabilitas. Penelitian ini dilakukan dengan menggunakan metode UCL pada segmen jalan dimana nilai EAN > UCL rawan terjadi kecelakaan. Dari hasil analisis didapatkan daerah rawan kecelakaan yaitu pada ruas jalan Deket terdapat 3 titik rawan kecelakaan yaitu Kelurahan Pandanpancur, Kelurahan Rejosari, Kelurahan Deketkulon. Untuk ruas jalan Sukodadi terdapat 2 titik rawan kecelakaan yaitu kelurahan Surabayan dan Kelurahan Sukodadi, Untuk ruas jalan Babat terdapat 5 titik rawan kecelakaan yaitu Kelurahan Kebalandono, Kelurahan Gembong, Kelurahan Kebalanpelang, Kelurahan Plaosan, Kelurahan Bedahan. Kata Kunci: Lokasi Rawan Kecelakaan, Widang/Bedahan-Kota Lamongan
24
Evi Paula Asmara. "Rancang Bangun Sistem Informasi Geografis Daerah Rawan Bencana Kota Palopo Berbasis Webgis". BANDWIDTH: Journal of Informatics and Computer Engineering 1, n. 1 (5 gennaio 2023): 1–14. http://dx.doi.org/10.53769/bandwidth.v1i1.378.
Testo completoAbstract (sommario):
Penelitian ini bertujuan untuk merancang dan membangun sistem informasi geografis daerah rawan bencana di wilayah Kota Palopo. Pada Badan Penanggulangan Bencana Daerah (BPBD) Kota Palopo, pembuatan laporan masih menggunakan sistem manual yaitu masih dalam bentuk catatan yang di pindahakan ke dalam Microsoft word untuk di jadikan rekap bulanan dan tahunan, namun cara ini masih belum efisien karena kemungkinan hilangnya data karna kerusakan komputer atau penghapusan data yang tidak di sengajah sehingga di perlukan adanya suatu sitem informasi mengenai lokasi daerah rawan bencana di Kota Palopo. Jenis penelitian yang digunakan adalah Research and Development (R&D) dengan menggunakan metode SDLC (System Development Life Cycle). Aplikasi sistem informasi geografis dirancang menggunakan diagram UML dan bahasa pemograman PHP database MySQL. Ada beberapa tahapan yang dilalui sebelum merancang aplikasi, diantaranya adalah melakukan analisis sistem yang ada dan menganalisis kebutuhan apa yang dibutuhkan pada peta lokasi daerah rawan bencana Kota Palopo. Webgis yang dibangun menggunakan pengujian black box dan penilaian ahli. Hasil penelitian ini di peroleh sebuah webgis daerah rawan bencana Kota Palopo yang dapat memberikan kemudahan kepada masyarakat dan Badan Penanggulanagan Bencana Daerah (BPBD) dalam memperoleh informasi daerah rawan bencana. Webgis Daerah Rawan Bencana Kota Palopo berhasil memberikan informasi Daerah Rawan Bencana di Kota Palopo.
25
Moch. Shofwan e Yoga Pratama. "Kondisi Kawasan Rawan Bencana Tsunami Di Kecamatan Muncar". Jurnal Plano Buana 2, n. 1 (9 novembre 2021): 34–38. http://dx.doi.org/10.36456/jpb.v2i1.3971.
Testo completoAbstract (sommario):
Abstrak
Kecamatan Muncar merupakan kawasan pesisir yang masuk dalam zona inti pengembangan Kawasan Minapolitan dan memiliki jumlah penduduk terbesar kedua di Kabupaten Banyuwangi, serta merupakan Kawasan Rawan Bencana Tsunami. Tujuan penelitian ini untuk mengidentifikasi karakterisitik penggunaan lahan dan menganilisis tingkat risiko zona kawasan rawan bencana tsunami serta menganalisis pengaruh kawasan rawan bencana tsunami terhadap penggunaan lahan di Kecamatan Muncar. Metode pengumpulan data menggunakan observasi lapangan dan studi literatur serta menggunakan metode analisis deskriptif kuantitatif dengan teknik persentase dan overlay union.
Kata Kunci : penggunaan lahan, tsunami, zona rawan tsunami
26
Oktopianto, Yogi, Tri Prasetyo e Yusuf Maulana Arief. "Analisis Penanganan Daerah Rawan Kecelakaan Kabupaten Karanganyar". Borneo Engineering : Jurnal Teknik Sipil 5, n. 2 (31 agosto 2021): 201–14. http://dx.doi.org/10.35334/be.v5i2.2018.
Testo completoAbstract (sommario):
Indeks fatalitas kejadian kecelakaan di Kabupaten Karanganyar paling rendah terjadi pada tahun 2016 yaitu sebesar 3% dan terus mengalami kenaikan hingga sebesar 5% pada tahun 2020. Hal ini tentunya harus menjadi catatan penting, serta perlu adanya upaya untuk mengubah peningkatan fatalitas tiap tahunnya menjadi menurun. Penelitian dilakukan untuk menganalisis penanganan daerah rawan kecelakaan Kabupaten Karanganyar. Metode yang digunakan dalam penelitian ini meliputi metode EAN dan Frekuensi untuk menganalisis penentuan daerah rawan kecelakaan. Metode Cumulative Summary untuk menganalisis titik rawan kecelakaan, and analisis lalu lintas dalam skala mikro pada lokasi atau daerah rawan kecelakaan. Rekomendasi yang di usulkan penanganan daerah rawan kecelakaan Kabupaten Karanganyar antara lain Pengadaan rambu batas kecepatan, rambu peringatan persimpangan, rambu petunjuk putar balik, rambu peringatan DRK, rambu hati-hati, pengadaan APILL dengan satu warna (kuning), perbaikan marka dan sosialisasi terhadap masyarakat.
27
Taufik, Taufik, Jamal Mukaddas e Hasddin Hasddin. "Arahan Pemanfaatan Ruang Kawasan Terdampak Bencana Banjir di Kecamatan Pondidaha, Kabupaten Konawe". Sang Pencerah: Jurnal Ilmiah Universitas Muhammadiyah Buton 9, n. 1 (9 febbraio 2023): 112–23. http://dx.doi.org/10.35326/pencerah.v9i1.2974.
Testo completoAbstract (sommario):
Penelitian ini dilakukan untuk mengidentifikasi tingkat kerawanan banjir di Kecamatan Pondidaha dan memberikan arahan pemanfaatan ruang pada wilayah terdampak. Pelaksanaan penelitian digunakan analisis spasial dengan cara tumpang susun (overlay) berdasarkan kondisi geomorfologi wilayah Kecamatan Pondidaha diantaranya data curah hujan, kemiringan lereng, jenis tanah dan penggunaan lahan. Kondisi wilayah Kecamatan Pondidaha dibagi dalam tingkat kerawanan banjir tidak rawan, rawan dan sangat rawan. Tingkat kerawanan banjir selanjutnya di overlay dengan data Rencana Detail Tata Ruang (RDTR) Wilayah Perkotaan Pondidaha, yang akan menghasilkan cakupan wilayah pemanfaatan ruang berdasarkan kategori tingkat kerawanan. Hal ini dilakukan untuk merumuskan arahan pemanfaatan ruang pada kawasan rawan bencana banjir. Hasil yang didapatkan bahwa Kecamatan Pondidaha didominasi oleh tingkat kerawanan kategori rawan. Arahan pemanfaatan ruang diwilayah tersebut mengutamakan sistem penanganan secara struktural dan non-struktural dengan batasan pemanfaatan ruang berdasarkan tingkat kerawanan bencana banjir.
28
Rusdiana, Deamasari Dwi, Ramadhanti Nuryandini, Juniarti Heni Imelia e Nuraini Syifa Hafidah. "Pemanfaatan Informasi Spasial Berbasis SIG untuk Pemetaan Tingkat Kerawanan Longsor di Kabupaten Karangasem, Bali". Jurnal Geosains dan Remote Sensing 2, n. 2 (30 novembre 2021): 49–55. http://dx.doi.org/10.23960/jgrs.2021.v2i2.51.
Testo completoAbstract (sommario):
Tanah longsor yaitu gerakan tanah berkaitan langsung dengan berbagai sifat fisik alami. Metode weighted overlay yang menggunakan data raster yang memiliki satuan terkecil berupa pixel sehingga dapat digunakan untuk memetakan kawasan rawan longsor untuk wilayah yang relatif luas. Pemetaan zonasi area rawan longsor di Kabupaten Karangasem, Bali didasarkan dari perhitungan bobot dan scoring tiap parameter longsor yang meliputi kondisi geologi, jenis batuan, curah hujan, tingkat kelerengan, struktur geologi, infrastruktur serta tutupan lahan hasil olahan citra satelit serta dilanjutkan dengan operasi spasial dari parameter tersebut. Dari hasil pengolahan yang didapat Kabupaten Karangasem Bali tidak memiliki daerah dengan tingkat rawan longsor yang tinggi, adapun daerah yang ditandai Warna Biru menunjukkan kemungkinan rawan longsor sedang yang terdapat pada kecamatan Kubu, Rendang, Selat, Bebandem, Abang dan Karangasem. Secara geologi, daerah dengan tingkat rawan longsor yang sedang terdapat gunungapi aktif sehingga tingkat kemiringan lerengnya cukup tinggi yaitu sebesar 25-62%. Pada kecamatan Kubu, Abang, Karangasem, Sidemen, Selat, Bebandem dan Rendang yang ditandai dengan Warna Hitam memiliki kemungkinan rawan longsor dengan nilai rendah yaitu sebesar <15%.
29
Vernanda, Arninda Agnes, Ahmad Faisol e Nurlaily Vendyansyah. "PENERAPAN METODE K-MEANS CLUSTERING UNTUK PEMETAAN DAERAH RAWAN KECELAKAAN LALU LINTAS DI KOTA MALANG BERBASIS WEBSITE". JATI (Jurnal Mahasiswa Teknik Informatika) 5, n. 2 (25 ottobre 2021): 836–44. http://dx.doi.org/10.36040/jati.v5i2.3791.
Testo completoAbstract (sommario):
Kecelakaan Lalu Lintas atau yang biasa disebut dengan laka lantas di Kota Malang pada tahun 2019, telah mengalami peningkatan yang sangat pesat. Yakni telah terjadi kasus sebanyak 174 kejadian, dan menewaskan sebanyak 34 korban meninggal dunia. Sedangkan di tahun 2020, kasus kecelakaan lalu lintas yang terjadi lebih sedikit dibandingkan tahun 2019, di tahun 2020 terjadi sebanyak 49 kasus dan korban meninggal dunia ada 3 orang. Selain itu di Kota Malang saat ini belum memiliki sistem untuk menunjukkan lokasi daerah rawan kecelakaan lalu lintas. Dari permasalahan yang diuraikan tersebut, perlu adanya website pemetaan daerah rawan kecelakaan lalu lintas di Kota Malang. Pengelompokkan tiap daerah dibagi menjadi 3 cluster yakni Sangat Rawan(SR), Rawan(R), dan Cukup Rawan (CR) dengan menggunakan metode K-Means Clustering. Hasil dari pengelompokkan ini berdasarkan 5 kecamatan di Kota Malang. 5 Kecamatan tersebut Kecamatan Blimbing, Kecamatan Kedungkandang, Kecamatan Klojen, Kecamatan Sukun, dan Kecamatan Lowokwaru dan 6 ruas jalanpada setiap kecamatan. Data yang diolah dalam penelitian ini bersumber dari Satlantas Polresta Malang Kota. Pembuatan peta untuk webiste ini menggunakan aplikasi QGIS versi 2.18, dengan menggunakan bahasa pemrograman PHP Nativ, dan memakai framework CSS Boostrap, dan MySQL sebagai databasenya. Pengujianmetode K-Means pada website ini menggunakan bidang unsupervised learning, yaitu lift ratio. Berdasarkan pengujian metode K-Means dengan menggunakan lift ratio menunjukkan hasil 2,5. Hasil pemetaan menunjukkanterdapat satu kecamatan masuk ke dalam kelompok Sangat Rawan(SR) yaitu Kecamatan Lowokwaru. Kecamatan Blimbing, Kecamatan Klojen, dan Kecamatan Sukun masuk dalam cluster Rawan(R), dan yang terakhir Kecamatan Kedungkandang masuk pada cluster Cukup Rawan(CR).
30
Aprilina, Ratih, Alfian Nurlifa, Andy Haryoko, Rizki Eka Putri e Alfa Nurfahma Rosalita. "CLUSTERING DAERAH RAWAN BANJIR DI KABUPATEN TUBAN DENGAN K-MEANS DISERTAI VISUALISASI SISTEM INFORMASI GEOGRAFIS". Curtina 3, n. 1 (31 luglio 2022): 40–51. http://dx.doi.org/10.55719/curtina.v3i1.441.
Testo completoAbstract (sommario):
Pada penelitian ini telah dilakukan pengelompokkan daerah rawan banjir di Kabupaten Tuban dengan menggunakan teknik data mining. Penelitian ini didasarkan adanya kurangnya informasi untuk mengetahui dan mengantisipasi daerah mana yang berpotensi banjir. Sehingga penanganan akibat banjir di daerah-daerah yang tergenang banjir masih kurang maksimal. Oleh karena itu dalam mengoptimalkan pengetahuan informasi dan antisipasi dengan memetakan atau mengelompokkan daerah yang berpotensi rawan banjir atau tidak di daerah Kabupaten Tuban dengan metode clustering, dengan memanfaatkan data yang diperoleh dari katalog BPS “Kabupaten Tuban Dalam Angka (Tuban Regency In Figure)” dari tahun 2014 hingga 2017. Algoritma k-means adalah metode yang akan diimplementasikan untuk menggali informasi analisa dalam mengelompokkan daerah rawan banjir dengan atribut data yang digunakan adalah curah hujan, jenis tanah dan keteinggian tanah di setiap kecamatan di Kabupaten Tuban. Hasilnya diperoleh suatu sistem untuk mengelompokkan daerah rawan banjir dengan menghasilkan 3 kelompok kategori, yakni rawan, kurang rawan dan tidak rawan. Hasil visualisasi peta dengan hasil tahun 2013 sebanyak tiga warna yaitu oranye, kuning dan hijau, tahun 2014 sebanyak dua warna yaitu kuning dan hijau, tahun 2015 tiga warna yaitu oranye, kuning dan hijau serta tahun 2016 tiga warna yaitu oranye, kuning dan hijau. Dari penelitian yang telah dilakukan pada 20 data kecamaan mampu menghasilkan akurasi pengujian sebesar 45% untuk tahun 2013, 40% untuk tahun 2014, 40% untuk tahun 2015 dan 60% untuk tahun 2016. Perangkat ini dapat dikembangkan untuk membantu daerah lain dalam mengelompokkan daerah rawan banjir. Metode penelitian ini dapat dikembangkan untuk objek penelitian yang berbeda.
31
Sari, Ofi Ana, e Nachrowi Djalal Nachrowi. "Pengaruh Kerawanan Pangan, Bantuan Pangan dan Jaminan Kesehatan terhadap Keluhan Kesehatan". Jurnal Ekonomi dan Pembangunan Indonesia 23, n. 1 (1 gennaio 2023): 1–15. http://dx.doi.org/10.21002/jepi.2022.01.
Testo completoAbstract (sommario):
Kesehatan penduduk Indonesia dilihat dari harapan hidup saat lahir cenderung meningkat, tetapi tidak di semua tahun dalam kondisi sehat. Kondisi kesehatan dapat dipengaruhi oleh rawan pangan serta bantuan pangan dan jaminan kesehatan. Penelitian ini mempelajari pengaruh rawan pangan, bantuan pangan, dan kepemilikan jaminan kesehatan (Jamkes) terhadap keluhan kesehatan. Data Survei Sosial Ekonomi (Susenas) dianalisis menggunakan regresi logistik multinomial. Hasil studi menunjukkan individu rawan pangan sedang/parah berisiko keluhan kesehatan dan terganggu lebih dari dua kalinya yang tahan pangan. Pemberian pangan sekaligus Jamkes BPJS PBI mengurangi probabilitas keluhan kesehatan. Intervensi pemerintah dapat difokuskan pada individu rawan pangan, lansia, dan tinggal di perdesaan.
32
Handayani, Linda, e Alamta Singarimbun. "PEMETAAN DAERAH RAWAN LONGSOR DI SEKITAR DAERAH PROSPEK PANAS BUMI PROVINSI JAWA BARAT". JOURNAL ONLINE OF PHYSICS 2, n. 1 (27 dicembre 2016): 17–22. http://dx.doi.org/10.22437/jop.v2i1.3448.
Testo completoAbstract (sommario):
Eksplorasi potensi panas bumi diklaim sebagai tambang ramah lingkungan, maksudnya tidak terlalu banyak merusak dan tidak terlalu membahayakan lingkungan. Sejatinya benar, namun daerah panas bumi selalu berafiliasi dengan topografi yang sangat kasar, lerengnya terjal, dan jarang dijumpai tanah datar yang luas. Hal ini menyebabkan daerah di sekitar panas bumi rawan terhadap tanah longsor. Jenis batuan yang mudah lepas-lepas, membuat tingkat kerawanan terhadap kemungkinan tanah longsor semakin meningkat. Mengingat daerah panas bumi adalah daerah yang rawan terhadap bencana tanah longsor, maka perlu dilakukan pemetaan daerah rawan longsor untuk meminimalkan korban dan kerugian akibat bencana tersebut. Berdasarkan analisis menggunakan metode probabilistik frekuensi rasio, di sekitar daerah WKP panas bumi, 28,71% adalah daerah yang sangat rawan terhadap bencana longsor, 56,23% masuk dalam kategori rawan longsor, dan hanya 15,06% saja daerah yang aman terhadap bencana longsor tersebut. Kata kunci: Pemetaan, Longsor, Panas Bumi
33
Calvin, Aldo Febriyan, Maimun Rizalihadi, Alfiansyah Yulianur BC e Nina Shaskia. "Analisis Spasial Kerawanan Banjir Menggunakan Metode Overlay AHP Multi Criteria Decision Making di DAS Keureuto". Journal of The Civil Engineering Student 6, n. 1 (6 maggio 2024): 29–35. http://dx.doi.org/10.24815/journalces.v6i1.28974.
Testo completoAbstract (sommario):
DAS Keureuto di Aceh merupakan wilayah yang rentan terhadap risiko banjir tinggi. Beberapa faktor mempengaruhi penilaian kerawanan banjir, antara lain curah hujan, kemiringan lereng, penggunaan lahan, jenis tanah, elevasi, kerapatan sungai, dan buffer sungai. Penelitian ini bertujuan mengidentifikasi faktor dominan untuk menentukan tingkat kerawanan banjir dan memetakan sebaran tingkat rawan banjir di DAS Keureuto dengan menggunakan metode Analytic Hierarchy Process (AHP) Multi Criteria Decision Making (MCDM). Hasil analisis menunjukkan bobot tertinggi pada kriteria jenis tanah (0,196) dan bobot terendah pada kriteria penggunaan lahan (0,095). Seluruh bobot kemudian dikalikan dengan skor parameter untuk mendapatkan nilai total yang digunakan pada proses overlay. Hasil overlay memperlihatkan empat kelas tingkat kerawanan banjir, yaitu sangat rawan, sedang, cukup rawan, dan tidak rawan. Pemetaan tersebut menunjukkan bahwa daerah hilir, khususnya, dikategorikan sebagai sangat rawan dan berpotensi mengalami banjir bila intensitas hujan tinggi, dibandingkan dengan daerah hulu.
34
Hatrik, Hamzah, e Arie Vatresia. "Analisa Clustering Tingkat Rawan Kecelakaan Dengan Fuzzy C-Means". JSAI (Journal Scientific and Applied Informatics) 5, n. 1 (2 febbraio 2022): 28–35. http://dx.doi.org/10.36085/jsai.v5i1.2823.
Testo completoAbstract (sommario):
Kecelakaan lalu lintas adalah suatu peristiwa di jalan yang tidak diduga dan tidak disengaja melibatkan kendaraan dengan atau tanpa pengguna jalan lain yang mengakibatkan korban manusia dan kerugian harta benda, baik dari kecelakaan yang tergolong ringan sampai dengan kecelakaan yang tergolong berat. Saat ini kecelakaan telah menjadi penyebab kematian cukup banyak di Indonesia khususnya di daerah Kota Bengkulu. Maka dari itu tujuan penelitian ini adalah membangun sistem clustering tingkat rawan kecelakaan menggunakan algoritma Fuzzy C-Means clustering di Kota Bengkulu berbasis web dengan framework CodeIgneter. Clustering tingkat rawan kecelakaan berdasarkan ruas jalan di Kota Bengkulu menjadi 3 (tiga) kelompok yaitu: 1) aman, 2) cukup rawan, dan 3) rawan. Dari 85 data indikator dapat clustering menggunakan Algoritma Fuzzy C-Means clustering berdasarkan 7 kriteria yaitu: jumlah kasus kecelakaan, jumlah meninggal dunia, jumlah luka berat, jumlah luka ringan, jumlah kecelakaan berat, jumlah kecelakaan sedang dan jumlah kecelakaan ringan. Dan hasil perhitungan fungsi obyektif sampai pada kondisi berhenti yang tercapai pada iterasi ke-70 adalah sebagai berikut: tingkat rawan kecelakaan ditentukan dengan 3 (tiga) cluster yaitu (i) ruas jalan yang tergolong cluster rawan terdapat 11 ruas jalan, (ii) ruas jalan yang tergolong cluster cukup rawan terdapat 33 ruas jalan, (iii) ruas jalan yang tergolong cluster aman terdapat 42 ruas jalsan berdasarkan 7 kriteria dengan perhitungan algoritma Fuzzy C-Means clustering.
35
Baisa, Lorna Yertas, Danny Manongga e Yessica Nataliani. "Analisis Klasterisasi Kerawanan Gempa Bumi di Provinsi Papua Menggunakan Algoritma Invasive Weed Optimization (IWO)". Jurnal Edukasi dan Penelitian Informatika (JEPIN) 9, n. 2 (17 agosto 2023): 176. http://dx.doi.org/10.26418/jp.v9i2.65312.
Testo completoAbstract (sommario):
Gempa bumi adalah fenomena alam yang sering terjadi di Indonesia, termasuk di Provinsi Papua. Untuk mengurangi risiko dampak gempa bumi, diperlukan analisis untuk mengidentifikasi daerah-daerah yang rawan terha dap gempa bumi. Penelitian ini bertujuan untuk menganalisis klasterisasi kerawanan gempa di Provinsi Papua menggunakan algoritma Invasive Weed Optimization (IWO). Metode ini dipilih karena dapat menghasilkan klaster yang lebih baik dibandingkan dengan algoritma klasterisasi lainnya. Data yang digunakan adalah data kejadian gempa di Provinsi Papua yang terdiri dari atribut latitude, longitude, magnitude, dan depth mulai tahun 2018 sampai Februari 2023 yang diperoleh dari website Badan Geologi Amerika Serikat yaitu United States Geological Survey (USGS). Tahapan penelitian meliputi normalisasi data, klasterisasi menggunakan algoritma IWO, dan evaluasi hasil klasterisasi menggunakan SSE dan F-Measure. Jumlah klaster terbaik yang dihasilkan oleh metode Elbow yaitu sebanyak enam klaster kerawanan gempa di Provinsi Papua, yang diberi label Sangat Tidak Rawan, Tidak Rawan, Kurang Rawan, Cukup Rawan, Rawan dan Sangat Rawan. Dengan nilai parameter sinitial sebesar 8, algoritma IWO menghasilkan nilai SSE dan F-Measure terkecil dibanding nilai parameter sinitial lainnya, yaitu masing-masing sebesar 19.1002 dan 0.5137. Evaluasi hasil klasterisasi menggunakan SSE menunjukkan nilai yang baik dari 30 kali percobaan, dengan rata-rata SSE sebesar 19.218, lebih kecil dibanding dengan rata-rata SSE hasil metode k-Means dan DBSCAN yaitu masing-masing sebesar 19.307 dan 59.910.
36
'Aina, Corry, Indra Nurjahjaningtyas e Rindang Alfiah. "Mitigasi Daerah Rawan Bencana Longsor Berbasis Pemetaan Sistem Informasi Geografis di Kecamatan Bumiaji". MATRAPOLIS: Jurnal Perencanaan Wilayah dan Kota 2, n. 2 (29 giugno 2022): 53. http://dx.doi.org/10.19184/matrapolis.v3i2.32097.
Testo completoAbstract (sommario):
Salah satu wilayah terluas di Kota Batu dengan tingkat kerawanan bencana longsor tertinggi terletak di Kecamatan Bumiaji (Noorwantoro, 2014). Berdasarkan RTRW Kota Batu Tahun 2010-2030, beberapa desa yang digunakan sebagai kawasan hunian di Kecamatan Bumiaji berada pada kawasan rawan bencana. Hal ini tidak sesuai dengan Peraturan Menteri Pekerjaan Umum dan Perumahan Rakyat Nomor 41/PRT/M/2007 tentang Pedoman Kriteria Teknis Kawasan Budidaya bahwa kawasan yang boleh digunakan sebagai permukiman tidak berada pada daerah rawan bencana, seperti tanah longsor, banjir, erosi, dan abrasi. Tujuan dilakukan penelitian adalah untuk mengidentifikasi daerah rawan longsor di Kecamatan Bumiaji dan menentukan prioritas upayaamitigasiiyangidapat dilakukan. Metode analisis yang digunakan dalam melakukan pemetaan adalah overlay, sedangkan dalam penentuan prioritas upaya mitigasi dilakukan dengan metode AHP (Analytical Hierarchy Process). Berdasarkan hasil analisis, diketahui bahwa Kecamatan Bumiaji merupakan salah satu kecamatan di Kota Batu yang termasuk kedalam daerah rawan bencana tanah longsor. Pemetaan daerah rawan bencana longsor yang dilakukan dengan overlay 4 paramaeter peta curah hujan, jenis tanah, penggunaan lahan dan kelerengan menghasilkan klasifikasi daerah rawan bencana longsor. Daerah dengan kerawanan rendah seluas 24,2 %, sedang seluas 37,7 %, tinggi seluas 35,3 % dan sangat tinggi seluas 2,8% dari total Kecamatan Bumiaji. Prioritas utama mitigasi bencana yang sesuai dengan karakteristik wilayah Kecamatan Bumiaji adalah pemetaan daerah rawan bencana, kemudian dilanjutkan dengan pendidikan dan pelatihan SDM, pembuatan prediksi bencana, pembuatan jalur dan rambu evakuasi dan pembentukan satuan tugas.
37
Fajriansyah, Fajriansyah, Zubir Zubir, Syahrizal Syahrizal, Darmiati Darmiati e Hamdani Hamdani. "Pengurangan risiko bencana berbasis masyarakat di Gampong Lamjamee Kecamatan Jaya Baru Kota Banda Aceh". Jurnal PADE: Pengabdian & Edukasi 4, n. 1 (16 giugno 2022): 6. http://dx.doi.org/10.30867/pade.v4i1.896.
Testo completoAbstract (sommario):
Masyarakat sebagai penerima dampak langsung dari bencana, dan sekaligus sebagai pelaku pertama dan langsung yang akan merespon bencana, melandasi program nasional Desa Tangguh Bencana (Destana) dalam rangka mewujudkan Indonesia Tangguh. Gampong Lamjamee merupakan wilayah rawan bencana gempa bumi, Tsunami, angin kencang. Adanya permasalahan bidang SDM, sarana prasarana, regulasi, kelembagaan, dan topografi menyebabkan Gampong Lamjamee rawan bencana. Aspek Pengurangan Resiko Bencana (PRB) harus meliputi peningkatan kapasitas SDM, perencanaan partisipatif dan tata kelola kelembagaan penanggulangan bencana, dengan metode jejaringan. Program kegiatan meliputi penyusunan dan pembentukan struktur gampong dalam pengurangan resiko bencana yang berisi pengenalan lokasi rawan bencana, mitigasi, Penanganan Pertama, peta rawan bencana dan jalur evakuasi bencana, pengurangan resiko, penguatan kapasitas kelembagaan, arah evakuasi saat bencana pembentukan struktur gampong siaga bencana, peta rawan bencana, jalur evakuasi sinergi semua aspek tersebut akan berimplikasi pada peningkatan kapasitas SDM dalam pengurangan resiko bencana di Gampong di masa yang akan datang.
38
SAPUTRI, AMELIA INDAH, SINTA AYUDEANA WAHYUDIN e BAGUS SETIAWAN. "IMPLEMENTASI SIG UNTUK INVENTARISASI DAERAH RESIKO LONGSOR DAN UPAYA MITIGASINYA". JESS: JURNAL EDUCATION SOCIAL SCIENCE 1, n. 1 (14 dicembre 2021): 43–60. http://dx.doi.org/10.21274/jess.v1i1.3415.
Testo completoAbstract (sommario):
Indonesia merupakan wilayah yang rawan terhadap bencana longsor. Terjadinya bencana longsor ini dapat menyebabkan dampak yang besar seperti kerusakan dan kerugian akibat baik materil maupun non materil. Tersedianya informasi yang lengkap dan akurat dalam pengendalian pemanfaatan lahan dikawasan rawan bencana longsor dalam pengembangan suatu wilayah menjadi hal yang sangat penting dalam meminimalisir adanya korban jiwa dan kerugian-kerugian baik fisik, sosial maupun ekonomi. Informasi tersebut harus disebarkan kepada masyarakat sebagai sistem peringatan dini dalam upaya mitigasi bencana. Identifikasi karakteristik daerah rawan longsor diperlukan sebuah pemetaan risiko kawasan rawan longsor dalam upaya mitigasi bencana dapat dilakukan menggunakan Sistem Informasi Geografis (SIG). hasil dalam penelitian ini menunjukkan perlunya identifikasi bencana secara detail karena pada dasarnya, suatu kawasan yang terancan bencana belum tentu tiap masyarakatnya memiiki tingkat risiko bencana yang sama. Pemetaan dapat dilakukan dengan pengkusteran maupun dengan identifikasi setiap bangunan dalam kawasan rawan berdasarkan tingkat risiko terhadap bencana tanah longsor.
39
Saputri, Amelia Indah, Sinta Ayudeana Wahyudin e Bagus Setiawan. "IMPLEMENTASI SIG UNTUK INVENTARISASI DAERAH RESIKO LONGSOR DAN UPAYA MITIGASINYA". JESS: JURNAL EDUCATION SOCIAL SCIENCE 1, n. 1 (4 gennaio 2022): 43–60. http://dx.doi.org/10.21274/jess.v1i1.5356.
Testo completoAbstract (sommario):
Indonesia merupakan wilayah yang rawan terhadap bencana longsor. Terjadinya bencana longsor ini dapat menyebabkan dampak yang besar seperti kerusakan dan kerugian akibat baik materil maupun non materil. Tersedianya informasi yang lengkap dan akurat dalam pengendalian pemanfaatan lahan dikawasan rawan bencana longsor dalam pengembangan suatu wilayah menjadi hal yang sangat penting dalam meminimalisir adanya korban jiwa dan kerugian-kerugian baik fisik, sosial maupun ekonomi. Informasi tersebut harus disebarkan kepada masyarakat sebagai sistem peringatan dini dalam upaya mitigasi bencana. Identifikasi karakteristik daerah rawan longsor diperlukan sebuah pemetaan risiko kawasan rawan longsor dalam upaya mitigasi bencana dapat dilakukan menggunakan Sistem Informasi Geografis (SIG). hasil dalam penelitian ini menunjukkan perlunya identifikasi bencana secara detail karena pada dasarnya, suatu kawasan yang terancan bencana belum tentu tiap masyarakatnya memiiki tingkat risiko bencana yang sama. Pemetaan dapat dilakukan dengan pengkusteran maupun dengan identifikasi setiap bangunan dalam kawasan rawan berdasarkan tingkat risiko terhadap bencana tanah longsor.
40
Luh Putu Widiasih, I Gst Ngr Yoga Jayantara e I Gede Yudi Wisnawa. "PEMETAAN TINGKAT KERAWANAN BANJIR DI KECAMATAN SUKASADA KABUPATEN BULELENG PROVINSI BALI". Jurnal ENMAP. 3, n. 1 (18 aprile 2022): 45–55. http://dx.doi.org/10.23887/em.v3i1.51831.
Testo completoAbstract (sommario):
Banjir merupakan bencana yang terjadi di daerah yang memiliki cekungan dan curah hujan yang tinggi. Penyebab terjadinya banjir adalah perubahan fungsi tutupan lahan, penurunan permukaan tanah, besarnya volume debit air sungai, drainase yang kurang dalam atau sempit, curah hujan yang tinggi, dan bertambahnya bangunan-bangunan yang mengambil alih fungsi lahan. Penelitian ini bertujuan untuk mengetahui desa mana saja yang tergolong dalam daerah rawan bencana banjir di Kecamatan Sukasada. Variable – vatiabel yang digunakan dalam penelitian ini adalah curah hujan, kemiringan lereng, elevasi, penggunaan lahan, dan bentuk lahan. Dalam proses identifikasi daerah rawan banjir ini, menggunakan metode skoring dan pembobotan dengan memberikan nilai skor dan bobot pada masing-masing parameter, kemudian melakukan analisis tumpang tindih (overlay) pada Peta Curah Hujan, Kemiringan Lereng, Penggunaan Lahan, Elevasi, Bentuk Lahan serta Peta Administrasi Kecamatan Sukasada, sehingga mendapatkan 3 klasifikasi kerawanan banjir yaitu, kelas yang berkategori kurang rawan banjir, rawan banjir, dan sangat rawan banjir
41
Nabilla Audy, Ide, Tesa Nur Padilah e Betha Nurina Sari. "PENGELOMPOKAN DAERAH RAWAN BENCANA ALAM DI JAWA BARAT MENGGUNAKAN ALGORITMA FUZZY C-MEANS". JATI (Jurnal Mahasiswa Teknik Informatika) 7, n. 4 (6 gennaio 2024): 2799–803. http://dx.doi.org/10.36040/jati.v7i4.7205.
Testo completoAbstract (sommario):
Bencana alam adalah kejadian berbahaya yang diakibatkan oleh berbagai fenomena alam yang diakibatkan oleh alam. Jawa Barat adalah salah satu provinsi yang memiliki tingkat kejadian bencana alam tertinggi dan bisa juga disebut daerah yang rawan bencana alam. Untuk menanggulangi bencana alam dibutuhkan relawan yang banyak pada daerah yang termasuk rawan bencana. Maka dari itu, untuk mengetahui jumlah relawan yang dibutuhkan, perlunya informasi mengenai daerah mana saja yang termasuk daerah dengan tingkat bencana alam yang tinggi. Tujuan dari penelitian ini untuk mengelompokan kabupaten/kota yang rawan bencana alam, sehingga dapat menjadi fokus bagi pemerintah dalam penanggulangan bencana alam. Dengan metode Clustering Fuzzy C-Means dipakai untuk mengelompokan kabupaten/kota yang rawan dan tidak rawan. Hasil clustering yang paling optimal yaitu pada c = 2 dengan hasil evaluasi memiliki struktur yang baik yang dilihat dari hasil evaluasi dengan metode Silhouette Coefficient, Partition Entropy (PE), dan Partition Coefficient (PC).
42
Fauzi, Rahmat Al. "Analisis tingkat kerawanan banjir Kota Bogor menggunakan metode overlay dan scoring berbasis sistem informasi geografis". Geomedia Majalah Ilmiah dan Informasi Kegeografian 20, n. 2 (30 novembre 2022): 96–107. http://dx.doi.org/10.21831/gm.v20i2.48017.
Testo completoAbstract (sommario):
Kota Bogor merupakan salah satu administrasi kota yang dikenal dengan sebutan “Kota Hujan”. Intensitas curah hujan yang tinggi membuat Kota Bogor mendapatkan julukan tersebut. Karena curah hujan yang tinggi Kota Bogor mengalami bencana salah satunya adalah bencana banjir. Selain faktor curah hujan, terdapat faktor lainnya seperti kemiringan lereng, ketinggian lahan, jenis tanah, curah hujan, tutupan lahan dan kerapatan sungai menjadi parameter yang digunakan untuk penelitian tingkat kerawanan banjir. Penelitian ini dilakukan dengan metode overlay dan scoring dari parameter yang ada. Setiap parameter dilakukan proses scoring dan pemberian nilai bobot sesuai dengan klasifikasinya masing-masing. Skor dan bobot dikalikan untuk mendapatkan nilai total dari setiap parameter. Setelah nilai total diperoleh dilakukan overlay menggunakan software ArcGIS 10.5. Software ini berbasis komputer yang artinya memanfaatkan Sistem Informasi Geografis (SIG) yang dapat memberikan informasi terkait daerah rawan banjir dalam bentuk digital. Hasil akhir dari penelitian berupa peta rawan banjir dengan luas wilayah yang termasuk ke dalam kategori sangat rawan (46.311 Km2), kategori rawan (45.894 Km2), kategori cukup rawan (15.848 Km2), kategori tidak rawan (4.038 Km2). Curah hujan menjadi parameter dominan yang menyebabkan terjadinya banjir di Kota Bogor. Walaupun memiliki bobot yang lebih kecil dari jenis tanah dan kemiringan lereng namun seluruh wilayah di Kota Bogor memiliki intensitas curah hujan yang sangat tinggi sebesar 3000 mm/tahun. Peta yang dihasilkan dapat memberikan informasi tentang daerah yang rawan akan banjir karena memiliki tingkat validitas yang cukup akurat sebesar 86% dari 36 titik sampel validasi.
43
Wanto, Naswandi, Zulfikar Djauhari e Ari Sandhyavitri. "Analisis Kecelakaan Lalulintas pada Area Black Spot Ruas Jalan Lintas Sumatra Duri – Pekanbaru Kabupaten Bengkalis". JURNAL TEKNIK 14, n. 1 (10 aprile 2020): 9–16. http://dx.doi.org/10.31849/teknik.v14i1.3893.
Testo completoAbstract (sommario):
Keselamatan jalan merupakan salah satu penelitian bidang transportasi.Kecelakaan lalulintas menimbulkan masalah serius bagi masyarakat berupa biaya medis,biaya ekonomi (kerugian produktivitas),biaya kerusakan properti,serta biaya rasa sakit dan duka cita. Salah satu upaya untuk meningkatkan keselamatan transportasi yaitu dengan penentuan dan penanganan lokasi rawan kecelakaan lalu lintas. Metode yang digunakan untuk mengidentifikasi lokasi rawan kecelakaan yaitu metode pembobotan lokasi rawan kecelakaan untuk mengidentifikasi lokasi rawan kecelakaan dengan menggunakan metode Batas Kontrol Atas (BKA) dan Upper Control Limit (UCL) hasil analisis terdapat dua ruas jalan dengan jumlah angka ekivalen kecelakaan lebih besar dibandingkan nilai BKA dan nilai UCL dan diidentifikasi lokasi rawan kecelakaan lalu lintas adalah jalan lintas sumatera km112 dan km126. Hasil dari penelitian ini menunjukkan ketidak konsistenan desain geometri khususnya desain alinyemen horisontal segmen jalan yang ditinjau. Model yang dihasilkan menunjukkan bahwa tingkat kecelakaan akan turun jika radius tikungan lebih tinggi dari pada rata-rata radius tikungan dari segmen jalan tinjauan.
44
Permatasari, Afrinia Lisditya. "Atlas Sosial Ekonomi Daerah Rawan Bencana Gunungapi Merapi". Media Komunikasi Geografi 19, n. 1 (20 luglio 2018): 76. http://dx.doi.org/10.23887/mkg.v19i1.13906.
Testo completoAbstract (sommario):
AbstrakAtlas sosial ekonomi di daerah rawan merapi, sangat diperlukan untuk menyajikan data dan pembaruan data secara spasial. Erupsi Gunungapi Merapi pada tahun 2010 telah merubah berbagai macam struktur sosial ekonomi masyarakat di daerah rawan bencana Merapi, khususnya di daerah Kecamatan Cangkringan, Kecamatan Turi dan Kecamatan Pakem (daerah penelitian). Penelitian ini dapat menjadi salah satu masukan dan rujukan untuk membuat kebijakan bagi pemerintah. Merode analisis yang digunakan yaitu analisis diskriptif dan analisis secara spasial. Hasil yang diperoleh yaitu berupa pembaruan data mengenai peta kawasan rawan bencana, peta upaya mitigasi di Kecamatan Cangkringan, peta kepadatan penduduk, peta kelompok usia rentan, peta rasio jenis kelamin, peta tingkat pendidikan dan distribusi tingkat sekolah di daerah rawan bencana Gunungapi Merapi, peta penggunaan lahan, peta potensi wisata, analisis PDRB sebelum dan sesudah erupsi Gunungapi Merapi. Atlas sosial ekonomi juga dapat memberikan masukan kepada pemerintah sebagai policy maker, lembaga swadaya dan masyarakat tentang pentingnya manajemen risiko bencana.Kata kunci : atlas, sosial ekonomi, kawasan rawan bencana, Merapi
45
Darwiyanto, Eko. "Aplikasi GIS Klasifikasi Tingkat Kerawanan Banjir Wilayah Kabupaten Bandung Menggunakan Metode Weighted Product". Indonesian Journal on Computing (Indo-JC) 2, n. 1 (14 settembre 2017): 59. http://dx.doi.org/10.21108/indojc.2017.2.1.141.
Testo completoAbstract (sommario):
Banjir merupakan masalah tahunan di Kabupaten Bandung. Saat banjir berlangsung beberapa hari, biasanya bantuan berdatangan untuk korban banjir. Badan Penanggulangan Bencana Daerah (BPBD) berkepentingan memantau wilayah rawan banjir, terutama yang termasuk kelas rawan banjir yang tinggi dan sangat tinggi, agar bantuan tepat sasaran. BPBD pernah membuat perangkat lunak membuat pemetaan daerah rawan banjir, namun dinilai tidak fleksibel karena tidak dapat diupdate dengan data terbaru di tingkat kecamatan. Penelitian ini menggunakan metode Weighted Product dengan tambahan dapat diupdate dengan data terbaru sampai tingkat desa. Kriteria untuk mengklasifikasikan daerah rawan banjir adalah curah hujan, ketinggian, kemiringan, limpasan sungai, dan tutupan lahan. Data-data untuk 276 desa ini diperoleh dari BPS, Bappeda dan BPPD dan perlu dilakukan pengolahan data awal. Bobot kriteria dalam skala Likert yang diperoleh dari BPBD. Hasil klasifikasi daerah rawan banjir dengan Weighted Product ditampilkan dengan QGIS. Implementasi metode ini memberikan hasil akurasi sebesar 68% pada kelas kerawanan sangat tinggi, dan 80,4% pada kelas kerawanan tinggi.
46
Prasetyo, Dwi, Arfan Yeheskiel Mauko e Axel Christian Kolokota. "PERANCANGAN SISTEM INFORMASI GEOGRAFIS PEMETAAN WILAYAH RAWAN BENCANA ALAM". Jurnal Digit 12, n. 2 (27 novembre 2022): 123. http://dx.doi.org/10.51920/jd.v12i2.289.
Testo completoAbstract (sommario):
ABSTRAKKota Kupang merupakan salah satu wilayah di Provinsi Nusa Tenggara Timur yang rawan terdampak bencana alam selain itu wilayah ini juga tercatat pernah dilanda oleh beberapa bencana alam. Kehadiran sistem informasi geografis pemetaan daerah rawan bencana di Kota Kupang dapat membantu masyarakat untuk melihat informasi sebaran wilayah di Kota Kupang yang rawan terdampak bencana alam seperti nama bencana, nama lokasi, foto lokasi serta potensi dampak dari bencana tersebut. SIG ini dirancang secara terstruktur dan juga sistematis menggunakan metode pengembangan waterfall. dengan metode pengujian sistem yang digunakan yaitu menggunakan metode black box, yang dimana menunjukan bahwa hasil pengujian yang dilakukan dari berbagai komponen sistem seperti input, read, delete, update dan modul lainnya dapat berjalan dengan baik. Kesimpulan yang didapat bahwa Sistem Informasi Geografis pemetaan daerah rawan bencana alam di Kota Kupang dapat berjalan dengan baik dan bisa dioperasikan dengan baik oleh para pengguna.Kata kunci: Sistem Informasi Geografis, SIG, Pemetaan Daerah Rawan Bencana Alam, Waterfall, Black Box.
47
Pattiselanno, Anabela F., W. D. Nanlohy e Ad Akbar B. "ANALISIS KAWASAN RAWAN BANJIR DI DAS BATU MERAH, KOTA AMBON". Jurnal ISOMETRI 1, n. 1 (31 maggio 2022): 23–29. http://dx.doi.org/10.30598/isometri.2022.1.1.23-29.
Testo completoAbstract (sommario):
Analisis kawasan rawan banjir di DAS Batumerah dilakukan untuk mengetahui masalah banjir di Kawasan DAS Batumerah. Hal ini disebabkan karena belum ada tingkat kerawanan banjir secara spesifik dan masih rendahnya upaya pengelolaan kawasan rawan banjir di DAS Batumerah sehingga menjadi masalah yang meresahkan masyarakat. Tujuan dari penelitian ini untuk mengidentifikasi tingkat kerawanan banjir di DAS Batumerah. Metode yang digunakan dalam penelitian ini adalah deskriptif dengan pendekatan kualitatif. Penelitian ini menggunakan analisis kondisi fisik dasar yang dimana menganalisis parameter-parameter yang mempengaruhi tingkat kerawanan banjir, kemudian menggunakan analisis overlay dengan menggunakan aplikasi ArcGIS. Hasil dari penelitian ini menunjukan bahwa tingkat kerawanan banjir di bagi menjadi 3 (tiga) yaitu Zona A (Zona Rawan Banjir) dengan luas 16,12 Ha meliputi kelurahan batu merah, amantelu, dan waihoka; Zona B (Zona Sedikit Rawan Banjir) dengan luas 795,18 Ha yang meliputi Kelurahan Amantelu, Batu Merah, Rijali, dan Waihoka; dan Zona C (Zona Tidak Rawan Banjir) dengan luas 241,70 Ha yang meliputi Kelurahan Amantelu, Batu Merah, Rijali, dan Waihoka
48
Aviedo Murel, Muhammad, Mochammad Febri Yoga Saputra, Erick Kristian, Fito Andrea Micelle e Novera Kristianti. "ANALISIS KAWASAN RAWAN BENCANA GEMPA BUMI DI ACEH, YOGYAKARTA, DAN SULAWESI TENGAH MENGGUNAKAN METODE POLYGON PADA APLIKASI QGIS". JATI (Jurnal Mahasiswa Teknik Informatika) 8, n. 3 (20 giugno 2024): 4194–99. http://dx.doi.org/10.36040/jati.v8i3.9882.
Testo completoAbstract (sommario):
Indonesia, yang terletak di wilayah Lingkaran Api Pasifik, merupakan salah satu negara dengan aktivitas gempa bumi tertinggi di dunia. Permasalahan yang dihadapi dari dampak gempa bumi mencakup kerusakan infrastruktur, kerugian ekonomi, dan korban jiwa, menekankan pentingnya identifikasi dan analisis kawasan rawan gempa untuk mitigasi dan kesiapsiagaan. Artikel ini bertujuan untuk menganalisis kawasan rawan gempa bumi di tiga daerah berisiko tinggi, yaitu Aceh, DI Yogyakarta, dan Sulawesi Tengah, menggunakan data spasial berbentuk shapefile (SHP) pada perangkat lunak Sistem Informasi Geografis (SIG) QGIS. Analisis ini menggunakan metode polygon pada QGIS untuk mengklasifikasikan daerah potensi rawan gempa bumi menjadi tiga tingkatan: menengah, tinggi, dan rendah, berdasarkan sejarah aktivitas gempa, kondisi geologi, dan kerentanan wilayah. Hasil penelitian menunjukkan bahwa masing-masing wilayah memiliki zona dengan tingkat potensi rawan gempa bumi yang berbeda, dipengaruhi oleh karakteristik geologis dan topografi. Penelitian ini memberikan gambaran jelas tentang distribusi spasial kawasan rawan gempa bumi di Aceh, DI Yogyakarta, dan Sulawesi Tengah. Informasi ini dapat menjadi dasar untuk upaya mitigasi dan kesiapsiagaan yang lebih efektif
49
Humam, As'ad, Masrul Hidayat, Arsy Nurrochman, Ade Irma Anestatia, Aisyah Yuliantina e Salomo Pranata Aji. "Identifikasi Daerah Kerawanan Kebakaran Hutan dan Lahan Menggunakan Sistem Informasi Geografis dan Penginderaan Jauh di Kawasan Tanjung Jabung Barat Provinsi Jambi". Jurnal Geosains dan Remote Sensing 1, n. 1 (10 maggio 2020): 32–42. http://dx.doi.org/10.23960/jgrs.2020.v1i1.14.
Testo completoAbstract (sommario):
Bentang luas kawasan gambut provinsi Jambi berkisar 621.000 ha dan luas hutan 2.107.779 ha. Sebaran lahan gambut terdapat pada kawasan kabupaten bagian hilir serta bagian pantai timur Sumatera yaitu Kabupaten Tanjung Jabung Timur (46%), Kabupaten Muaro Jambi (30%) dan Kabupaten Tanjung Jabung Barat (20%) maka, sangat diperlukan untuk menganalisis daerah tersebut secara geospasial serta membuat skenario kerawanan kebakaran hutan dan lahan. Terdapat 7 parameter untuk membuat peta kerawanan kebakaran hutan dan lahan yaitu suhu udara, akses jalan, akses sungai, kepadatan hotspot, peruntukan lahan, curah hujan, dan penggunaan lahan. Ketujuh parameter tersebut diklasifikasikan serta dilakukan koreksi citra Landsat 8 yang kemudian dibobotkan dengan melalui proses Weighted Overlay. Hasil proses Weighted Overlay menghasilkan peta kerawanan kebakaran hutan dan lahan. Peta kerawanan kebakaran hutan dan lahan menghasilkan 3 kelas yaitu sangat rawan, sedang, dan tidak rawan. Skenario tersebut menghasilkan peta kerawanan kebakaran hutan wilayah dengan potensi sangat rawat berada pada daerah Desa Senyeran dan Pengabuan dengan luas wilayah 35.068 ha
50
Najoan, Theodore F. "Peta Zonasi Tsunami Indonesia". Jurnal Teknik Sipil 2, n. 2 (25 marzo 2019): 96–107. http://dx.doi.org/10.28932/jts.v2i2.1260.
Testo completoAbstract (sommario):
Kepulauan Indonesia berada pada daerah rawan gempa, dengan resiko gempa yang dapatmenyebabkan tsunami dapat terjadi pada berbagai tempat di setiap pulau. Gempa bumi yangmenyebabkan gelombang tsunami dapat menghancurkan kota-kota pada daerah pesisir pantai. Olehkarena itu peta rawan tsunami terus dikembangkan, untuk memberikan informasi mengenai tinggirayapan tsunami untuk keperluan desain bangunan maupun instansi pemerintah di seluruh kepulauanIndonesia. Peta rawan tsunami berdasarkan kejadian gempa yang menyebabkan tsunami pada suatuwilayah, dan menghitung tinggi rayapan tsunami dengan menggunakan rumus Katyusuki Abe (1995).Peta rawan tsunami dibagi menjadi 5 zona, yaitu zona 0 dengan ? = 0,00 – 0,29, zona 1 dengan ? =0,30 – 0,49, zona 2 dengan ? = 0,50 – 0,69, zona 3 dengan ? = 0,70 – 0,89 dan zona 4 dengan ? =0,90 – 1,10.