Geografi_Modul1_Perpetaan, Penginderaan Jauh dan SIG.pdf

penilaian kualitas permukiman yang dilakukan oleh Farizki dan Anurogo (2017)
adalah sebagai berikut :

HTCitra = (H.Kpdt*3) + (H.Tata*1) + (H.Lbrjln*3) + (H.lok*2) + (H.MsJln*2)
+ (H.PhPel*2)

Keterangan: : Harkat total citra
HTCitra : Harkat kepadatan permukiman
H.Kpdt : Harkat tata letak bangunan
H.Tata : Harkat lebar jalan
H.Lbrjln : Harkat masuk jalan
H.MsJln : Harkat pohon pelindung
H.PhPel

Kualitas permukiman ditentukan dari kelas total harkat hasil perhitungan di
atas. Berikut tabel klasifikasi kualitas permukiman tersebut.

Tabel 2. Klasifikasi Kualitas Permukiman

Total Harkat Klasifikasi Klas

31 – 39 Kualitas Baik I

22 – 30 Kualitas Sedang II

13 - 21 Kualitas Buruk III

Sumber ; Farizki dan Anurogo (2017)

Temuan dari Priyono dkk (2013) menunjukkan terdapat hubungan yang kuat
antara kondisi kualitas permukiman dengan tingkat kesehatan masyarakat. Temuan
tersebut menunjukkan bahwa pada permukiman yang buruk terjadi peningkatan
nilai Incident Rate (IR) atas beberapa jenis penyakit pada lingkungan tersebut.
Beberapa diantara jenis penyakit tersebut adalah DBD, TB, Pneumonia, dan Asma
Bronchial. Penyakit tersebut berjangkit pada kondisi permukiman yang buruk.

142

3. Pengembangan sistem transportasi

Sistem transportasi adalah sebuah sistem yang dinamis sejalan dengan
perkembangan pola kehidupan masyarakat dan lingkungan fisik perkotaan.
Transportasi yang efektif, efisien dan aman sangat dibutuhkan guna sebagai sarana
perpindahan barang dan jasa. Keberadaan sarana transportasi yang efektif, efisien
dan aman merupakan urat nadi pertumbuhan perekonomian wilayah perkotaan dan
daerah sekitarnya.

Analisis pengembangan sarana transportasi saat ini telah banyak didukung
oleh teknologi penginderaan jauh dan sistem informasi geografis. Data
penginderaan jauh dengan resolusi tinggi serta kemampuan pengolahan data yang
flesibel oleh sistem informasi geografis memberikan manfaat yang besar dalam
kajian-kajian ini.

Pemanfaatan sistem informasi geografis dalam sistem transportasi
berkembang dalam dua hal. Kedua hal tersebut yaitu terkait bagaimana
pengembangan aplikasi yang dapat diterapkan untuk membantu sistem transportasi
itu sendiri, dan kedua adalah terkait bagaimana pemanfaatan sistem informasi
geografis dalam studi sistem transportasi. Arus besar yang pertama cenderung
berproses dalam pembuatan berbagai aplikasi seperti pemesanan dan pelayanan
moda transportasi. Di Indonesia beberapa startup telah sangat dikenal oleh
masyarakat. Arus besar kedua adalah memanfaatkan sistem informasi geografis
sebagai alat visualisasi dan analisis dalam kajian-kajian sistem transportasi. Kajian
ini banyak memanfaatkan metode-metode SIG seperti network analyst dan lain-
lain.

Studi transportasi yang mendasarkan pada sistem informasi geografis
dikelompokkan menjadi tiga golongan besar (Shaw dan Rodrigue, 2017), yaitu
representasi data, analisis dan pemodelan, serta aplikasi. Representasi data
mengkaji tentang bagaimana berbagai variasi komponen sistem transportasi
dikemas dalam suatu basisdata. Basis data ini selanjutnya dimanfaatkan sebagai
dasar berbagai analisis dan pengembangan model serta aplikasi. Metode pokok
dalam representasi data adalah model data berbasis objek (object-based data
models) dan model data berbasis kolom (field-based data models). Pada metode

143

pertama, data diwujudkan dalam bentuk titik, garis, dan atau poligon. Metode kedua
merepresentasikan data dalam bentuk kontinyu, seperti grid raster atau TIN
(triangulated irregular network).

Analisis dan modelling membahas tentang berbagai metodologi yang
memungkinkan untuk digunakan dalam mengkaji dunia nyata dalam sistem
transportasi. Shaw dan Rodrigue (2017) dalam ini mencontohkan beberapa model
yang dikembangkan dalam analisis sistem transportasi seperti.

- Algoritma jalur terpendek
- Model interaksi spasial
- Jalur jaringan untuk mendapatkan biaya minimum dan lain-lain
- Permasalahan penempatan lokasi fasilitas umum
- Model kebutuhan alat transportasi
- Model interaksi alat transportasi dengan bentuk pemanfaatan lahan

setempat.
Model-model diatas adalah pendekatan yang saat ini dikembangkan dalam
studi sistem transportasi berbasis sistem informasi geografis. Model tersebut
selanjutnya akan mendukung pengembangan aplikasi terapan pada sistem
transportasi di dunia nyata.
Pada bidang aplikasi, membahas tentang tipe-tipe aplikasi yang sesuai dengan
berbagai data yang tersedia dan dapat diterapkan dalam sistem transportasi
sesungguhnya. Beberapa contoh aplikasi terapan pada sistem transportasi berbasis
sistem informasi geografis adalah aplikasi-aplikasi
- Manajemen dan perencanaan infrastruktur
- Analisis keamanan transportasi
- Analisis kebutuhan perjalanan
- Kontrol dan monitoring lalu lintas
- Operasi dan perencanaan transit publik
- Penilaian dampak lingkungan dan ekonomi
- Penjadwalan dan rute perjalanan
- Traking kendaraan
- Manajemen penerbangan

144

Selain contoh diatas, masih ada banyak yang lainnya yang telah diaplikasikan
di seluruh dunia. Masing-masing aplikasi pada contoh tersebut selalu memerlukan
data dan analisis yang bersifat spesifik. Perbedaan tersebut terdapat pada bentuk
data ataupun tingkat kedetilan dari data tersebut dalam setiap analisis yang
dilakukan oleh aplikasi. The Volpe Center (2012) mencontohkan struktur proses
analisis perolehan hingga penyajian data dalam aplikasi sistem manajemen aset
transportasi.

Gambar 7 Proses aplikasi sistem manajemen aset transportasi.
Sumber: the Volte Center

Gambar tersebut menunjukkan rangkaian proses dari perolehan data,
penyimpanan, analisis, hingga diseminasi data. Proses tersebut berjalan secara
simultan dan terus menerus dalam aplikasi yang dibangun berbasis sistem informasi
geografis. Perolehan data dilakukan dari banyak sumber yang selanjutnya
dipadukan menjadi sumber data spasial dan non spasial yang saling melengkapi.
Proses penyimpanan data dilakukan dalam beberapa data base yang saling
terkoneksi. Sistem analisis data dibentuk dan disusun sesuai kebutuhan aplikasi.

145

Selanjutnya penyajian informasi spasial diwujudkan dalam bentuk peta dua
dimensional interaktif.

Beberapa kajian pemanfaatan data penginderaan jauh dan sistem informasi
geografis yang lain untuk pengembangan sarana transportasi ini dilakukan oleh
Fuller dkk (2002), Harman dkk (2002), dan Hermawan dkk (2009). Data
penginderaan jauh yang digunakan pada umumnya adalah data berresolusi tinggi
seperti Quickbird dan ikonos. Citra resolusi tinggi dapat digunakan untuk
identifikasi terhadap geometri jalan, obyek-obyek disekitar jalan, kondisi
perlintasan, dan pemanfaatan lahan di sekitarnya. Pengenalan situasi jalan ini
sangat penting bagi pengembangan sistem transportasi pada jaringan jalan tersebut.
Ketiga kajian yang dicontohkan pada bagian ini memiliki beberapa tujuan yang
berbeda terkait dengan pengembangan sistem transportasi ini. Fuller dkk (2002)
mengembangkan model untuk meningkatkan traficability suatu jaringan jalan.
Proses analisis dilakukan dengan alur sbagai berikut.

Gambar 8. Proses analisis pembuatan peta risiko lalu lintas
Sumber: Fuller dkk (2002)

Proses ini dilakukan dengan memberikan identifikasi terhadap potensi bahaya
yang ada pada jaringan jalan serta memberikan data-data dasar untuk mengurangi
risiko yang mungkin muncul. Potensi bahaya diidentifikasi melalui overlay dengan
data DTM. Pada kajian ini citra pokok yang digunakan adalah citra Ikonos dan foto
udara digital. Data citra diturunkan menjadi peta tematik jaringan jalan perdesaan.
146

Hasil interpretasi menunjukkan potensi bahaya yang muncul pada jaringan jalan
disebabkan oleh faktor kemiringan lereng, geometri jalan dan adanya berbagai
persimpangan jalan.

Hermawan dkk (2009) menganalisis pola pengembangan angkutan umum di
daerah sub urban. Kajian ini lebih menggunakan data vektor jaringan jalan dengan
banyak mengeksplorasi kemampuan perangkat lunak sistem informasi geografis.
Konsep dasar yang dilakukan adalah dengan membentuk area buffer zone
pelayanan angkutan umum. Buffer zone ini adalah koridor pelayanan yang ideal
berdasar parameter yang ditentukan oleh SK Dirjen Perhubungan Darat
No.SK.687/AJ.206/DRJD/2002. Temuan yang didapatkan dalam ketiga kajian
tersebut menunjukkan bahwa citra resolusi tinggi dengan ditambahkan data citra
resolusi menengah dan berbagai data tabular dapat memberikan hasil yang akurat.

Perkembangan saat ini, sistem transportasi modern telah banyak
mengaplikasikan sistem informasi geografis khususnya berbasis pada WebGIS.
Masyarakat Indonesia saat ini telah sangat familiar dengan berbagai aplikasi
transportasi online. Aplikasi ini mampu memberikan informasi yang jelas tentang
tujuan dan asal mula sebuah perjalanan, bahkan rute yang terdekat yang akan
dilewati. Beberapa aplikasi berbasis webgis yang mendunia seperti GoogleMap
bahkan mampu memberikan informasi lokasi-lokasi yang padat kendaraan,
sehingga pengguna jalan dapat menghindarinya sebelum sampai pada lokasi
kepadatan tersebut. Beberapa sistem transportasi di kota besar memberikan
informasi posisi bis yang akan digunakan oleh penumpang, sehingga penumpang
bisa memperkirakan waktu sampainya bis tersebut pada halte di mana penumpang
tersebut berada. Deskripsi tersebut merupakan contoh dari pemanfaatan sistem
informasi geografi dalam sistem transportasi yang sangat membantu bagi berbagai
pihak.

147

E. RANGKUMAN
Penginderaan jauh dan sistem informasi geografis banyak diaplikasikan pada

analisis dan perencanaan tata guna lahan dan perkotaan. Data citra penginderaan
jauh multi tingkat dan multi resolusi memberikan potensi terhadap analisis tata guna
lahan secara spektral dan spasial. Analisis tutupan vegetasi, tanah, dan singkapan
batuan banyak memanfaatkan karakteristik spektral dalam bentuk indeks. Indeks
spektral adalah perbandingan nilai spektral dari beberapa saluran spektral.
Perubahan kondisi lahan dilakukan dengan membandingkan nilai indeks spektral
tersebut antar citra yang berbeda waktu perekamannya. Analisis kondisi morfologi
lahan memanfaatkan data elevasi yang diperoleh dari citra GDEM Aster ataupun
SRTM. Analisis morfologi lahan diantaranya adalah kemiringan lereng dan
kekasaran permukaan. Analisis wilayah perkotaan banyak memanfaatkan data citra
berresolusi tinggi seperti Quickbird, Ikonos, dan foto udara serta pencitraan
menggunakan drone. Analisis wilayah perkotaan yang banyak dilakukan adalah
analisis kepadatan perkotaan, kualitas permukiman, dan jaringan transportasi.
Pemanfaatan sistem informasi geografis banyak diaplikasikan pada sistem
transportasi modern.

F. TES FORMATIF
1. Mengapa analisis vegetasi banyak memanfaatkan saluran merah dan

inframerah ?
a. gelombang elektromagnetik saluran merah dirambatkan kuat
b. gelombang elektromagnetik saluran merah diserap habis
c. gelombang elektromagnetik saluran inframerah diteruskan
d. gelombang elektromagnetik saluran inframerah dipantulkan kuat
e. gelombang elektromagnetik saluran inframerah menyerap
2. Bagaimana citra NDVI dapat memberikan gambaran tentang kondisi
kesuburan tanah yang baik
a. Indeks tinggi sehingga tergambar kondisi singkapan tanah yang luas
b. Indeks sedang yang mencerminkan singkapan batuan merata
c. Indeks rendah yang mencerminkan tanaman subur
d. Indeks tinggi yang berkorelasi dengan kandungan klorofil tinggi
e. Indeks sedang yang berkaitan dengan nilai pantulan tanah tinggi
148

H. DAFTAR PUSTAKA

Adams, J.B., Gillespie A.R., 2006. Remote Sensing of Landscape with Spectral
Images – A Physical Modeling Approach, Cambridge University Press, New
York

Aggarwal, 2004. Principle of Remote Sensing, Satellite Remote Sensing and GIS
Application in Agricultural Meteorology, hal. 23 - 38.

Allen, A.R., Milenic, D., 2007. Groundwater vulnerability assessment of the Cork
Harbour area, SW Ireland. Environ. Geol. Vol.53. Hal: 485-492. DOI
10.1007/s00254-007-0670-5

Al-Tamimi, Y.K., George, L.E., Al-Jiboori, M., 2012. Drought risk assessment in
Iraq using remote sensing and GIS techniques, Iraqi journal of science, Vol.
53. No. 4, hal. 1078 -1082.

Aral, M.A., 2010. Environmental modeling and health risk analysis, Springer, Hal.
37-61.

Bakker, A., 2012. Soil texture mapping on a regional scale with remote sensing
data. Thesis, Centre for geo-information, Wageningen University.
Wageningen.

Barnes, E.M., Sudduth. K.A., Hummel, J.W., Lesch, S.M., Corwin, D.L., Yang, C.,
Daughtry, C.S.T., Bausch, W.C., 2003. Remote and ground-based sensor
techniques to map soil properties. Photogrammetric engineering & Remote
sensing, Vol. 69, No. 6, June 2003, hal. 619–630.

Barringer J.R.E., Lilburne, L., 1997. An evaluation of digital elevation models for
upgrading new zealand land resource inventory slope data, Proceedings of
GeoComputation '97, Hal. 15 - 18.

Beck, L.R., Lobitz, B.M., Wood, B.L., 2000, Remote sensing and human health :
new sensor and new opportunities. Perspectives., Emerging Infectious
Diseases, Vol. 6., No. 3., Hal. 217-227.

Bernhardsen, T. 1992. Geographic information system, Viak IT, Arendall, Norway.

Bianchetti, R., 2011. Considering visual perception and cognition in the analysis of
remotely sensed images, Adfa-Springer.

Bliss, K.M., Fowler, K.R., Galluzzo, B.J., 2014. Math modeling, getting started &
getting sollutions, Society for Industrial and Applied Mathematics (SIAM),
Philadelia.

Boori, M., S., dan Vozenilek, V., 2014. Remote Sensing and Land Use/Land Cover
Trajectories. J Geophys Remote Sens. Vol. 3 No. 3.

Bousquet, F., Barreteau, O., Page, C.L., Mullon, C., Weber, J., 1999. An
environmental modelling approach. The use of multi agent simulation,
Advances in Environmental and Ecological Modeling, Hal. 113-122.

152

Brown, D.G., Riolo, R., Robinson, D.T., North, M., Rand, W., 2005. Spatial process
and data models: toward integration of agent-based models and GIS,
J.Geograph. Syst., Vol. 7, hal. 25-47.

Budiyanto, E., 2017. Penginderaan Jauh dan Sistem Informasi Geografis untuk
Penilaian Kerentanan dan Risiko Pencemaran Air Tanah Karst Gunungsewu
di Kabupaten Gunungkidul. Disertasi. Universitas Gadjah Mada. Yogyakarta

Busgeeth, M.K., Brits, A., Whisken, J., 2008, Potential application of remote
sensing inf monitoring informal settlements in developing countries where
complimentary data does not exist, Planning Africa Conference,
Johannesburg.

Ceccato, P., Connor S.J., Jeane, I., Thomson, M.C., 2005, Application of
geographical information system and remote sensing technologies for
assessing and monitor malaria risk. Parassitologia, Vol. 47, Hal. 81 - 96.

Croskrey, A., Groves, C., 2008, Groundwater sensitivity mapping in Kentucky
using GIS and digitally vectorized geologic quadrangles. Environ. Geol., Vol.
54, Hal. 913 - 920.

Danoedoro, P., 2012. Pengantar Penginderaan Jauh Digital, Penerbit Andi,
Yogyakarta.

de Bruin, S., Molenaar, M., 1999. Remote sensing and geographical information
systems, dalam : Stein, A., 1999. Spatial statistics for remote sensing, Kluwer
academic publishers, Netherland, Hal. 41-45.

de Jong, S., van der Meer, F.D., 2004. Remote Sensing Image Analysis, Springer,
Dordrech.

de Mers, M.N., 1997, Fundamentals of geographic information system, John Willey
& Sons, New York.

Elachi, C., Zyl, J.V., 2006. Introduction to the Phisics and Techniques of Remote
Sensing, Second Edition, John Wiley & Sons, New Jersey.

Essink, G.H.P.O., 2000. Groundwater modelling, Department of Geophisic,
Interfaculty Center of Hydrologu Utrecht Institute of Earth Sciences, Utrecht
University.

Farizki, M. dan Anurogo, W. 2017. Pemetaan kualitas permukiman dengan
menggunakan penginderaan jauh dan SIG di Kecamatan Batam Kota, Batam.
Majalah Geografi Indonesia Vol. 31. No 1. Hal 39-45.

Fotheringham, A.S., Brunsdon, C., Charlton, M., 2000. Quantitative Geography.
Perspective on Spatial Data Analysis, SAGE Publication, London.

Fuller, D., Jeffe M., Williamson, R.A., James, D., 2002. Satellite Remote Sensing
And Transportation Lifelines: Safety And Risk Analysis Along Rural
Southwest Roads. Pecora 15/Land Satellite Information IV/ISPRS
Commission I/FIEOS 2002 Conference Proceedings

153

Gao, Y., 2007. Spatial operation in a GIS-based karst feature database, Environ.
Geol., Vol. 54, Hal. 1017-1027.

Gharbia, A.S., Gharbia, S.S., Abushak, T., Wafi, H., Aish, A., Zelenakova, M.,
Pilla, F., 2016. Groundwater quality evaluation using GIS based geostatistical
algorithm, Journal of geoscience and environment protection. Vol. 4, Hal. 89
- 103.

Golmehr, E., 2009. Current Application of Remote Sensing Techniques in Land
Use Mapping: A Case Study of Northern Parts of Kolhapur District, India. J.
Appl. Sci. Environ. Manage. Vol. 13, No 4, pp. 15 – 20.

Griffith, D., Peres-Neto, P.R., 2006. Spatial modeling in ecology: the flexibility of
eigenfunction spatial analysis, Ecology, Vol. 87, No. 10, hal. 2603-2613.

Grohmann, C.H., Smith, M.J., Riccomini, C., 2009. Surface roughness of
topography: a multi-scale analysis of landform element in Midland Valley,
Scotland. Proceeding of Geomorphometry, Switzerland.

Gusmawati, N., F., Andayani, A., dan Mu’awanah, U., 2016. Pemanfaatan Data
Penginderaan Jauh Resolusi Tinggi Untuk Pemetaan Tambak Di Kecamatan
Ujung Pangkah, Gresik. Jurnal Kelautan Nasional, Vol. 11, No. 1, Hal 35 –
51

Harman, L.J., Shama U., Dand, K., Kidwell, B., 2002. Remote Sensing And Spatial
Information For Transportation Demand Management (Tdm) Assessment,
Pecora 15/Land Satellite Information IV/ISPRS Commission I/FIEOS 2002
Conference Proceedings

Hengl, T., 2007. A practical guide to geostatistical mapping of environmental
variables, Institute for the Environment and Sustainability, Italy.

Hermawan, F., Riyanto, B., Basuki, K.H., 2009. Pengembangan Angkutan Umum
Di Daerah Suburban Kota Semarang Berbasis Sistem Informasi Geografi.
Jurnal Transportasi Vol. 9 No. 1 Juni 2009: 36-47

Hickey, R., 2000. Slope angle and slope length solutions for GIS. Cartography, Vol.
29, No. 1,

Holdaway, M.R., 1996. Spatial modeling and interpolation of monthly temperatur
using kriging, Climate Research, Vol. 6, hal. 215-225.

Hollaus, M., Aubrecht, C., Hofle, B., Steinnocher, K., Wagner, W., 2011. Roughness
mapping on various vertical scales based on full-waveform airborne laser
scanning data. Remote Sensing, Vol. 3, Hal. 503 - 523.

Holzbecher, E., Sorek, S., 2005. Numerical models of groundwater flow and
transport, Encyclopedia of Hydrological Sciences, Hal. 2401 - 2414.

Horning, N., 2004, Justification for using photo interpretation methods to interpret
satellite imagery. - Version 1.0.American Museum of Natural History,Center
for Biodiversity and Conservation.

154

Horning, N., 2004. Justification for using photo interpretation methods to interpret
satellite imagery. - Version 1.0. American Museum of Natural History,Center
for Biodiversity and Conservation.

Howari, F.M., Sherif, M.M., Singh, V.P., Al-Asam, M.S., 2007. Dalam :
Thangarajan, M. (editor). Groundwater: Resource Evaluation, Augmentation,
Contamination, Restoration, Modeling and Management, Springer,
Netherland.

Huang Q.H., Cai Y.L., 2009. Mapping Karst Rock in SouthWest China, Mountain
Research and Development, Vol. 29. No. 1, Hal. 14-20.

Huete, A.R, Glenn, E.P., 2011. Remote Sensing of Ecosystem Structure and
Function, Advance in Environtment Remote Sensing, CRC Press. Boca
Raton.

Hung L.Q., Bateelan, O., de Smedt, F., 2005, Lineament extraction and analysis,
comparison of Landsat ETM and ASTER imagery, Case study: Suoimuoi
tropical karst catchment, Vietnam. SPIE. Vol 5983. 59830T DOI:
10.1117/12.627699.

Iguzquiza, E.P., Valsero, J.J.D., Galiano, V.R., 2011. Morphometric analysis of
three-dimensional networks of karst conduits. Geomorphology, Vol. 132, Hal.
17-28.

Jenness, J.S., 2004. Calculating landscape surface area from digital elevation
models. Wildlife Society Bulletin, Vol. 32, No. 3, Hal. 829 - 839.

Julzarika, A., 2018. Penginderaan Jauh Untuk Pendeteksian Awal Potensi Tembaga
Di Sumbawa. Ris.Geo.Tam. Vol. 28, No.1, pp 75-89

Kazmierowski, C., Ceglarek, J., Jasiewicz, J., 2015. Soil surface roughness
quantification using DEM obtained from UAV photogrammetry,
Geomorphometry, Hal. 259 - 262.

Kefi., M., Yoshino, K., Setiawan, Y., 2012. Assessment and mapping of soil erosion
risk by water in Tunisia using time series MODIS data. Paddy water
environment, Vol. 10, hal. 59-73.

Kinkeldey, C., 2014. A concept for uncertainty-aware analysis of land cover change
using geovisual analytics. ISPRS Int. J. Geo-Inf., Vol. 3, Hal. 1122 - 1138.

Kolecka, N., 2012. Vector algebra for steep slope model analysis, Landform
Analysis, Vol. 21, Hal 17-25.

Latha, T.P. Sundari, K.N., Cherukuri, S., Prasad, M.V.V.S.V., 2019. Remote sensing
UAV/drone technology as a tool for urban development measures in
APCRDA. The International adchives of Photogrammetry, Remote Sensing,
and Spatial Information Sciences. Vol XLII-2/W13. Hal 525-529

Leblanc, M., Leduc, C., Razack, M., Lemoalle, J., Dagorne, D., Mofor, L., 2003.
Application of remote sensing and GIS for groundwater modelling of large
semiarid areas : example of the Lake Chad Basin Africa, Hydrology of

155

Mediterranean and Semiarid Region, Proceeding, IAHS Publication, No.
278, Hal. 186-192.

Leblanc, M., Leduc, C., Razack, M., Lemoalle, J., Dagorne, D., Mofor, L., 2003,
Application of remote sensing and GIS for groundwater modelling of large
semiarid areas: example of the Lake Chad Basin, Africa. Hydrology of the
Mediterranean and Semiarid Regions, IAHS Publ. No. 278. hal 186 - 192.

Lee, M., Hunter-Williams, N., Meehan, R., Kelly C., Kabza, M., Murphy, O.,
Spillane, M., 2008. Groundwater vulnerability mapping. Irish National
Hydrology Conference.

Letcher, R.A., Jakeman, A.J., 2009. Types of environmental models. dalam :
Marquette, C.M., 2009. Water and Development Volume 2, Encyclopedia of
life support system, EOLSS Publisher, United Kingdom.

Leverington, D. W., 2010. Discrimination of sedimentary lithologies using
Hyperion and Landsat Thematic Mapper data: a case study at Melville Island,
Canadian High Arctic, International Journal of Remote Sensing, Vol. 31, No.
1, Hal. 233-260.

Li Y., Shao J., Yang H., Bai X., 2009. The Relations between Land Use and Karst
Rocky Desertification in Typical Karst Area China, Environ. Geol., Vol. 57,
hal. 621-627, DOI 10.1007/s00254-008-1331-z

Liang, S. 2004. Quantitative Remote Sensing of Land Surface. John Willey & Sons
Inc.. New Jersey.

Lichstein, J.W., Simon, T.R., Shriner, S.A., Franzreb, K.E., 2002. Spatial
autocorrelation and autoregressive models in ecology, Ecological
Monographs, Vol. 2, Nomor 3, hal. 445-463.

Liebhold, A.M., Rossi, R.E., Kemp, W.P., 1993. Geostatistics and geographic
information systems in applied insect ecology, Annual review of Entomology,
Vol. 38, No. 1, Hal. 303-327.

Liu, J.G., Mason, P.J., 2009. Essential image processing and GIS for remote
sensing, John Willey & Sons, Hoboken, USA.

Liu, L., Zhou, J., Jiang, D., Zhuang, D., Mansaray, L., R., Zhang, B., 2013.
TargetingMineral Resources with Remote Sensing and Field Data in the
Xiemisitai Area, West Junggar, Xinjiang, China. Remote Sensing, Vol 5, pp
3156-3171; doi:10.3390/rs5073156

Machanda, M.L., Kudrat, M., Tiwari, A.K., 2002. Soil survey and mapping using
remote sensing. Tropical Ecology. Vol. 43 No. 1 hal. 61-74. ISSN 0564-3295

Madhok, V., Landgrebe, D.A., 2002. A processing model for remote sensing data
analysis, IEEE Life Fellow.

Mallouk, A., Elhadrachi, H., Malaainine, M.E.I., Rhinane, H. 2018. Using the
SLEUTH urban growth model coupled with a GIS to simulate and predict the
future urban expansion of Casablanca region, Morocco. The International

156

Archives of the Photogrammetry, Remote Sensing and Spatial Information
Sciences, Volume XLII-4/W12. Hal 139 - 145

Mansaray, L., R., Huang, W., Zhang, W., Zhang, D., Huang, J., Li, J., 2017.
Mapping Rice Fields in Urban Shanghai, Southeast China, Using Sentinel-
1A and Landsat 8 Datasets. Remote Sensing, Vol 9 No 3 pp. 257

Marinov, A.M., Moldoveanu, V., 2005. A mathematical model describing
vulnerability to pollution of groundwater in the proximity of Slatina Town,
Mathematical modelling of environmental and life science problems,
Proceeding, Hal. 123-134.

Mather, P.M., 2004. Computer Processing of Remotely-Sensed Images, Wiley &
Sons, England.

McCoy, R.M., 2005. Field Methods in Remote Sensing, The Guilford, New York.

Mosleh, M., K., Hassan, Q., K., dan Chowdhury, E., H., 2015. Application of
Remote Sensors in Mapping Rice Area and Forecasting Its Production: A
Review. Sensors, Vol. 15, pp. 769-791; doi:10.3390/s150100769.

Nasir, S., dan Rajendran, S., 2017. Role of remote sensing applications in mineral
exploration and sustainable development in Oman.
https://www.researchgate.net/publication/318946467.

Newman, M.E., McLaren, K.P., Wilson, B.S., 2011, Use of Object-oriented
classification and fragmentation analysis (1985-2008) to identify important
areas for conservation in Cockpit County Jamaica. Environ Monit
Assess.,Vol. 172, hal. 391-406.

O'Brien, L., 1992. Introducting quantitative geography, Routledge, New York.

Ouma, Y.O., dan Tateishi, R., 2014. Urban flood vulnerability and risk mapping
using integrated multi-parametric AHP and GIS: methodological overview
and case study assessment, Water, Vol. 6, halaman 1515 - 1545.

Pardo-Iguzquiza, E., Duran, J.J., Dowd, P.A., 2013. Automatic detection and
delineation of karst terrain depressions and its application on
geomorphological mapping and morphometric analysis. Acta Carsologica,
Vol. 42, No. I, hal. 17-24. Postojna.

Priyono, Jumadi, Kurniasari, M.I., 2013. Pengukuran kualitas permukiman
hubungannya dengan tingkat kesehatan masyarakat di Kecamatan Sragen :
Upaya awal untuk peningkatan kapasitas masyarakat dalam strategi
pengurangan resiko penyakit. Geoedukasi. Vol 2. No 1. Hal 52-59.

Priyono, S., B., dan Rahayu, S., 2003. Aplikasi penginderaan jauh dan sistem
informasi geografis untuk perencanaan pengembangan tambak biocrete.
GMU J. Fish. Sci Vol 5 no 2, pp 32-38

Qiwei C., Anjun L., Kangning X., Sinzhen X., Jun W., Juan X., 2003. Spectral
Feature-Based Model for Extracting karst Rock-Desertification from Remote

157

Sensing Image, Journal of Guizhou Normal University (Natural Science
Edition), Vol. 21, No.4, hal.82-87.

Radiarta, I N., 2008. Pemanfaatan Penginderaan Jauh Dan Sistem Informasi
Geografis Untuk Manajemen Sumber Daya Perikanan Budidaya Di
Indonesia, Media Akuakultur Volume 3 Nomor 1 Tahun 2008

Rasam, A.R.A. dan Noor, A.M.M., 2012, Contribution of GIS and remotesensing
technologies for managing foodborne deseases in Malaysia, IEEE, hal. 258-
261.

Rees, W.G., 2001. Physical Principles of Remote Sensing, Second Edition,
Cambidge University Press. Cambridge.

Riley, S.J., DeGloria, S.D., Elliot, R., 1999. A Terrain ruggedness index that
quantifies topographic heterogenity, Intermountain Journal of Science, Vol.
5, No 1 - 4, Hal. 23 - 27.

RISC, 2003. Karst inventory standards and vulnerability assessment procedures for
British Columbia – Version 2.0. Goverment Publication Service. ISBN. 0-
7726-4901-4.

Robu, M., 2009. Groundwater vulnerability in the motru sec karst area, the
Mehenditi Mountains. Trav. Inst. Speol., Vol XLVIII, hal. 69-81. Bucarest.

Schowendgerdt, 2007, Remote Sensing: Models and Methods for Image
Processing, Third Edition, Elsevier, Amsterdam.

Schowendgerdt, 2007. Remote Sensing: Models and Methods for Image
Processing, Third Edition, Elsevier, Amsterdam.

Shaw, S.L., dan Rodrigue, J.P., 2017. The Geography of Transport Systems – The
Spatial organization of transportation and mobility. Routledge. New York.

Skidmore A., 2002. Environmental Modelling with GIS and Remote Sensing,
Taylor & Francis, London.

Slesicki, M., 2009. Aplication of mathematical modelling methods in the protection
of groundwater environment, Journal of water and land development, No.
13b, Hal. 31-39.

Solomon, S., dan Quiel, F., 2003, Integration of remote sensing and GIS for
groundwater assessment in Eritrea, in : Benes, 2003, Geoinformation for
european-wide integration, Millpress, Rotterdam.

Somvanshi, S. Kunwar, P., Singh, M., 2018. Remote Sensing And GIS Techniques
for Sustainable Land Resource Management And Planning. International
Refereed Journal of Engineering and Science (IRJES) ISSN (Online) 2319-
183X. Volume 7, Issue 1 (January 2018), PP. 11-24.

Strasen, J.L., Chafetz, H.S., Khan, S., 2009. Discrete lithofacies discrimination of
Jurassic strata using advanced spaceborne thermal emission and reflection

158

radiometer data, Bighorn Basin, Wyoming, USA. Sedimentology, Vol. 56,
Hal. 1535 - 1551.

Suharyadi, 2011. Interpretasi Hibrida Citra Satelit Resolusi Spasial Menengah
Untuk Kajian Densifikasi Bangunan Daerah Perkotaan Di Daerah Perkotaan
Yogyakarta. Disertasi. Fakultas Geografi. UGM. Yogyakarta.

Taubenbock, H., 2019. Remote sensing for the Analysis of global
urbanization.Thesis. Department of Geography and Geology, Julis-
Maximilians University, Wurzburg.

Taylor, H.M., dan Karlin, S., 1998. An Introduction to Stochastic Modeling, Third
Edition, Academic Press, New York.

Tempfli, K., Kerle, N., Huurnemann, G.C., Janssen, C.L.F., 2001. Principles of
Remote Sensing an Introductory textbook. ITC, Netherlands.

Teotia, H., S., Ulbricht, K., A., Silvino, G., dS., 2010. Remotely Sensed Data &
GIS In Land Resources Management For Regional Planning Over Semi-Arid
Parts Of Ne Brazil. In : Wagner W., Székely, B. (eds.): ISPRS TC VII
Symposium – 100 Years ISPRS, Vienna, Austria, July 5–7, 2010, IAPRS,
Vol. XXXVIII, Part 7B

The Volte Center, 2012. Best Practices In Geographic Information Systems-Based
Transportation Asset Management. Office of PlanningFederal Highway
AdministrationU.S. Department of Transportation.

Thonon, I., dan Pose, C.M., 2001. Geostatistical interpolation of topographical field
data in order to obtain a DEM of small forest catchment in Norstwest Spain,
Coruna, Vol. 26, Hal. 179-190.

Treman, I.W., 2012. Pemanfaatan penginderaan jauh untuk kajian densifikasi
rumah mukim perkotaan. Media Komunikasi. Vol 11 No 1. Hal 1-15.

Turdukulov, U.D., Tolpekin, V., Kraak, M.J., 2015. Visual exploration of time
series of remote sensing data. Citeseerx.ist.psu.edu.

Warren, S.D., Hohmann M.G., Auerswald, K., Mitasova, H., 2004. An evaluation
of methods to determine slope using digital elevation data. Catena, Vol. 58,
Hal. 215 - 233.

Watkins, N.W., Freeman, M.P., 2008. Natural Complexity, Science, Vol. 320. hal.
323-324.

Weith, R.C., Mattson, T.L., 2004. Modeling slope in a Geographic Information
System. Journal of the Arkansas Academy of Science, Vol. 58, Hal. 100-108.

Wijaya, M.S., dan Umam, N., 2015. Pemodelan spasial perkembangan fisik
perkotaan Yogyakarta menggunakan model cellular automata dan regresi
logistik biner. Majalah Ilmiah Globe, Vol 17 No. 2, hal 165-172

159

Wilson, M.F.J., O'connel, B., Brown, C., Guinan, J.C., Grehan, A.J., 2007.
Multiscale terrain analysis of multibeam bathymetry data for habitat mapping
on the continental slope. Marine Geodesy, Vol. 30, Hal. 3 - 35. DOI:
10.1080/01490410701295962.

XIA, N., Cheng, L., Li., M.C., 2019. Mapping urban areas Using a Combination of
Remote sensing and Geolocation Data. Remote Sens. 2019, 11, 1470;
doi:10.3390/rs11121470

Xiao, D., Xiong, K., An, Y., Zhang, W., 2009, Study on karst landscape spatial
pattern based on remote sensing and GIS. In: Maitre, H., Sun, H., Lei, B.,
Feng, J., MIPPR 2009: Remote Sensing and GIS Data Processing and Other
Applications. SPIE, Vol. 7498,74981D,

Xiong, Y.J., Qin, G.Y., Mo, D.K., Lin, H., Sun, H., Wang Q.X., Zhao, S.H., Yin,
J., 2009. Rocky desertification and its cause in karst area: a case study in
Yongshun County, Hunan Province, China. Environ. Geol., Vol. 57, hal.
1481-1288, DOI. 10.1007/s00254-008-1425-7.

Yang, B., Zeng, F., Yuan, M., Li, D., Qiu, Y., Li, J., 2011. Measurement of
Dongting lake area based on visual interpretation of polders, Procedia
Environmental Sciences, Vol. 10, Hal. 2684 - 2689.

Yang, Q., Wang, K., Zhang, C., Yue Y., Tian, R, Fan, F., 2009. Spatio Temporal
Evolution of Rocky Desertification and its Driving Forces in Karst Areas of
Northwestern Guangxi China, Environ. Earth Sci., Vol. 64, hal. 383-393, DOI
10.1007/s12665-010-0861-3

Youssef, A.M., 2008. Mapping the Pliocene clay deposits using remote sensing and
its impact on the urbanization developments in Egypt: case study, east sohag
area. Geotech Geol Eng., Vol. 26, hal. 579-591, DOI 10.1007/s10706-008-
9191-6

Yue, Y., Liu, B., Wang, K., Li, R., Zhang, B., Zhang, C., Chen, H., 2012. Using
Remote Sensing to Quantify the Fractional Cover of Vegetation and Exposed
Bedrock within a complex landscape: Applications for Karst Rocky
Desertification Monitoring, Environ. Monit. Assess., DOI 10.1007/s10061-
012-2944-y

Yue, Y., Wang, K., Chen, Z., Yu, Y., 2008a. Extraction of Karst Rocky
Desertification Information From EO-1 Hyperion Data, The International
Archives of the Photogrammetry Remote Sensing and Spatial Information
Sciences, Vol. XXXVII. Part B7, Beijing.

Yue, Y., Wang, K., Li, J., Zhang, B., Liu, B., Jiao, Q., Zhang, X., 2009. Developing
New Spectral Indices for Karst Rocky Desertification Monitoring in
Southwestern China, IEEE, 978-I-4244-3395-7/09.

Yue, Y., Wang, K., Zhang, B., Chen, Z., Jiao, Q., Lin, B., Chen, H., 2008b.
Exploring the Relationship Between Vegetation Spectra and Eco-geo-

160

environment condition in Karst Region Southwest China, Environ. Monit.
Assess., Vol. 160, hal. 157-168, DOI 10.1007/s10661-008-0665-z

Zhai, Y., Thomasson, J.A., Boggess III, J.E., Sui, R., 2006. Soil texture
classification with artificial neural networks operating on remote sensing
data. Computers and Electronics in Agriculture., Vol. 54, hal. 53–68,
DOI:10.1016/j.compag.2006.08.001.

Zhu, Z., Zhou, Y., Seto, K.C., Stokes, E., Deng C., Pickett, S.T.A., Taubenbock,
H., 2019. Understanding an Urbanizing Planet : Strategic direction for remote
sensing, : https://www.researchgate.net/publication/332799905

I. TES SUMATIF

1. Satu teknologi geografis yang menjadi pendorong era industri 4.0 adalah
a. Sistem pengolah tabular
b. Proses pengolahan citra
c. Geolokasi
d. Analisis spasial
e. Model permukaan digital

2. Peran data spasial dalam menunjang era industri 4.0
a. Meningkatkan akurasi lokasi dalam mobilitas barang dan jasa
b. Mempercepat pengambilan keputusan
c. Mempermudah penilaian wilayah
d. Memperlancar sistem transportasi
e. Menambah informasi kewilayahan

3. Peta yang diperlukan untuk perencanaan pembangunan wilayah adalah
a. Peta kadastral
b. Peta tematik
c. Peta skala besar
d. Peta klasifikasi
e. Peta analog

4. Agar mendapatkan jarak yang terpendek dari sebuah perjalanan maka dalam
peta harus mengikuti :
a. Orientasi arah peta
b. Garis koordinat peta
c. Garis orthodrome
d. Garis loxodrome
e. Keterangan penjelas peta

5. Pemetaan persil di Indonesia sebaiknya menggunakan sistem proyeksi
a. Ekuivalen
b. Konform

161