Melola Discovery

← Melola Discovery

Jurnal

Prediksi Perkembangan Lahan Terbangun Kota Pekalongan Dengan Model Cellular Automata Menggunakan Sistem Informasi Geografis

Geo-Image Journal · Vol. 9 No. 1 (2020) · hlm. 1–7

DOI
10.15294/geoimage.v9i1.38636
ISSN
2549-0362, 2252-6285
Terbit
2020-04-20
Penerbit
Universitas Negeri Semarang
Bahasa
eng

Abstrak

Penelitian ini bertujuan untuk mengetahui Cellular Automata dalam memprediksi lahan terbangun dan membuat prediksi perkembangan fisik lahan terbangun yang ada di Kota Pekalongan. Teknik pengumpulan data dalam penelitian ini adalah dengan menggunakan dokumentasi, observasi. Teknik analisis yang digunakan dalam penelitian ini adalah Cellular Automata dan teknik analisis deskripstif. Prediksi lahan terbangun menggunakan perangkat lunak OpenSource Quantum GIS. Penelitian ini bertujuan untuk 1) Mengetahui perubahan lahan terbangun di Kota Pekalongan tahun 2001, tahun 2011 dan tahun 2019. 2) Membuat prediksi perkembangan fisik wilayah Lahan terbangun Kota Pekalongan tahun 2031. Analisis lainnya adalah ANN (Artificial Neural Network). Validasi peta proyeksi dilakukan dengan crosstab peta proyeksi terhadap peta penggunaan lahan terbangun eksiting tahun 2019. Hasil dari crosstab adalah tabel tabulasi silang dan nilai kappa. Hasil yang didapatkan dalam penelitian ini adalah perubahan lahan terbangun mengalami penambahan luasan yaitu lahan terbangun dengan luas area 2565,46 Ha (55,9%) Validasi peta proyeksi berdasarkan peta penggunaan lahan 2019 menunjukkan kesesuaian yang baik dengan nilai Kappa 0,90712. Nilai ini menunjukkan bahwa prediksi penggunaan lahan terbangun tahun 2019 sangat baik terhadap penggunaan lahan terbangun tahun 2019 hasil interpretasi / eksiting.

Jaringan kolaborasi para penulis

40 penulis · 157 tautan kepenulisan bersama · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Semarang
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Heri TjahjonoAfiliasi tidak diketahui6
Sriyanto SriyantoAfiliasi tidak diketahui6
Puji HardatiAfiliasi tidak diketahui4
Juhadi JuhadiAfiliasi tidak diketahui4
Wahyu SetyaningsihAfiliasi tidak diketahui3
Eva BanowatiAfiliasi tidak diketahui2
Retno Salaras MahatiAfiliasi tidak diketahui2
Arifatun Rizka AmaliaAfiliasi tidak diketahui2
Vina Nurul HusnaAfiliasi tidak diketahui2
Ananto AjiAfiliasi tidak diketahui2
Ferani MulianingsihAfiliasi tidak diketahui2
Dewi Liesnoor SetyowatiState University of Semarang2
Hairumini HairuminiAfiliasi tidak diketahui2
Apik Budi SantosoAfiliasi tidak diketahui2
Saptono PutroAfiliasi tidak diketahui2
Putri Inmas PAfiliasi tidak diketahui2
Erni SuhariniAfiliasi tidak diketahui2
Ariyani IndrayatiAfiliasi tidak diketahui2
Sriyono SriyonoAfiliasi tidak diketahui2
Andi Irwan BenardiAfiliasi tidak diketahui1
Erin Dian WinarniAfiliasi tidak diketahui1
Dwi JatmikoAfiliasi tidak diketahui1
Nina RosianaAfiliasi tidak diketahui1
Hariyanto HariyantoAfiliasi tidak diketahui1
Fajar RianawatiAfiliasi tidak diketahui1
Meriena Mustikaning KussusiloAfiliasi tidak diketahui1
Muh. SholehAfiliasi tidak diketahui1
sri nata saputriAfiliasi tidak diketahui1
Ratna Dwi SetyowatiAfiliasi tidak diketahui1
Aji Setiyo NugrohoAfiliasi tidak diketahui1
Delia Ekky CahyaniAfiliasi tidak diketahui1
Suroso SurosoAfiliasi tidak diketahui1
Edi PranotoAfiliasi tidak diketahui1
Eko Adi SaputroAfiliasi tidak diketahui1
Annis FaridaAfiliasi tidak diketahui1
Indah Nur FitrianiAfiliasi tidak diketahui1
Nurrahim Adhadina Eka PutriAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/geoimage/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 5 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Prediksi Perkembangan Lahan Terbangun Kota Pekalongan Dengan Model Cellular Automata Menggunakan Sistem Informasi Geografis</dc:title>
	<dc:creator>Rizkyanto, Irfan</dc:creator>
	<dc:creator>Sanjoto, Tjaturahono Budi</dc:creator>
	<dc:creator>Arifien, Moch</dc:creator>
	<dc:description xml:lang="en-US">Penelitian ini bertujuan untuk mengetahui Cellular Automata dalam memprediksi lahan terbangun dan membuat prediksi perkembangan fisik lahan terbangun yang ada di Kota Pekalongan. Teknik pengumpulan data dalam penelitian ini adalah dengan menggunakan dokumentasi, observasi. Teknik analisis yang digunakan dalam penelitian ini adalah Cellular Automata dan teknik analisis deskripstif. Prediksi lahan terbangun menggunakan perangkat lunak OpenSource Quantum GIS. Penelitian ini bertujuan untuk 1) Mengetahui perubahan lahan terbangun di Kota Pekalongan tahun 2001, tahun 2011 dan tahun 2019. 2) Membuat prediksi perkembangan fisik wilayah Lahan terbangun Kota Pekalongan tahun 2031. Analisis lainnya adalah ANN (Artificial Neural Network). Validasi peta proyeksi dilakukan dengan crosstab peta proyeksi terhadap peta penggunaan lahan terbangun eksiting tahun 2019. Hasil dari crosstab adalah tabel tabulasi silang dan nilai kappa. Hasil yang didapatkan dalam penelitian ini adalah perubahan lahan terbangun mengalami penambahan luasan yaitu lahan terbangun dengan luas area 2565,46 Ha (55,9%) Validasi peta proyeksi berdasarkan peta penggunaan lahan 2019 menunjukkan kesesuaian yang baik dengan nilai Kappa 0,90712. Nilai ini menunjukkan bahwa prediksi penggunaan lahan terbangun tahun 2019 sangat baik terhadap penggunaan lahan terbangun tahun 2019 hasil interpretasi / eksiting.</dc:description>
	<dc:publisher xml:lang="en-US">Universitas Negeri Semarang</dc:publisher>
	<dc:date>2020-04-20</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/geoimage/article/view/38636</dc:identifier>
	<dc:identifier>10.15294/geoimage.v9i1.38636</dc:identifier>
	<dc:source xml:lang="en-US">Geo-Image Journal; Vol 9 No 1 (2020): Geo-Image; 1-7</dc:source>
	<dc:source>2549-0362</dc:source>
	<dc:source>2252-6285</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/geoimage/article/view/38636/16030</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2020 Geo-Image</dc:rights>
</oai_dc:dc>