Indonesia has many temples scattered throughout the archipelago, becoming important assets that need to be preserved. In accordance with Law No. 11/2010 on Cultural Heritage, preservation of cultural heritage requires documentation. The importance of documenting temples to anticipate damage is reflected in Selogriyo Temple which was affected by landslides in 1998. This research designed Heritage Building Information Modeling (HBIM) and conservation mapping of Selogriyo Temple based on WebGIS. Methods include Remote Sensing, Photogrammetry, and Geographic Information System (GIS). Secondary data in the form of 3D model of Selogriyo Temple from TLS acquisition was processed with segmentation for HBIM. HBIM WebGIS was designed using the waterfall method. HBIM WebGIS test was conducted through Validity Test, Reliability Test, and Feasibility Test of ISO 9126 standard. The results showed that segmentation using several software for divided the point cloud data into nine main parts of the temple. ArcGIS Online's CityEngine and SceneViewer software merged the sections and attributed information. Feasibility testing showed the 3D HBIM and WebGIS models were valid and reliable, with good consistency according to ISO 9126 standards. The score of each variable exceeded 70%, indicating a sufficient level of feasibility. The HBIM and WebGIS design provides information on temple construction, a reference for reconstruction, and supports the management of the Selogriyo Temple tourism area. This research product is expected to be used to anticipate future developments and advance the management of cultural heritage sites through smart heritage.

Floods are hydro-meteorological events that could impact economic losses and threaten human life. Floods are events where water overflows in potential areas due to exceeding the river's capacity. Flood modeling is the key in reducing the impact of losses resulting from flood disasters. Satellite-based rainfall data provides data with spatial and temporal distribution that has the potential to be an alternative as input in flood modeling. The availability of satellite rainfall data as input for flood modeling certainly requires an assessment of the modeling results' accuracy level. This research aims to investigate the performance of flood inundation modeling using CHIRPS data. The accuracy value of flood modeling results is calculated by comparing flood modeling results through Snyder-Alexejev synthetic unit hydrograph discharge calculations, which are then applied to 2D flood hydraulic modeling using HEC-RAS. The findings indicate that as an alternative to rainfall station data to model flood inundation, Chirps data have a level of accuracy that can be considered. Even though there are differences in the extent and depth of flood inundation between CHIRPS data and observation rainfall stations data, the results of modeling with CHIRPS data can contribute to mapping potential flood-prone areas.

Direct Position Estimation (DPE) is a relatively new technique in the Global Navigation Satellite System (GNSS) that is used to estimate the user’s position, velocity, and time directly from the correlation values of the received GNSS signal with the internal replica signals of the receiver. Unlike the conventional two-step approach, DPE infers the position directly from the sampled data without intermediate steps by joining signal tracking, and the navigation technique directly compares the expected signal reception of multiple potential navigation candidates against the actual received signal. The theoretical results indicate that DPE-based GNSS receivers can achieve more robust localization than conventional two-step receivers. DPE localization algorithms that compute the navigation solution directly in the navigation domain have been proposed, providing ways to address the challenges of conventional two-step receivers at the expense of additional computational load. Despite its high computational load, DPE is a more robust positioning algorithm than conventional two-step receivers in terms of multipath mitigation. The resilience of DPE against multipath and non-line-of-sight can even potentially offer applications in geodetic networks, where robust estimators are traditionally employed to counteract outliers.

Rekonstruksi tiga dimensi pohon memiliki peran penting dalam berbagai bidang, seperti studi pengelolaan hutan, ekologi, perhitungan emisi karbon, serta aplikasi perencanaan perkotaan. Namun, metode tradisional yang telah digunakan selama bertahun-tahun umumnya membutuhkan tenaga kerja intensif, memakan waktu lama, dan rentan terhadap kesalahan pengukuran. Untuk mengatasi kendala ini, metode berbasis point cloud mulai digunakan sebagai solusi yang lebih efektif. Point cloud tersebut dapat dihasilkan melalui teknologi LiDAR maupun fotogrametri. Teknologi LiDAR biasanya diintegrasikan dengan drone sebagai wahana untuk pengambilan data. Namun, dalam beberapa tahun terakhir, penggunaan LiDAR berbasis handheld-SLAM (Simultaneous Localization and Mapping) telah menjadi alternatif metode survei modern. Handheld-SLAM LiDAR adalah perangkat LiDAR yang dilengkapi dengan teknologi SLAM, memungkinkan pemindaian tiga dimensi secara real-time. Penelitian ini akan membandingkan dua metode akuisisi data, yaitu menggunakan drone LiDAR dan handheld-SLAM LiDAR, yang akan diaplikasikan untuk analisis karakteristik pohon, seperti bentuk tajuk (tree crown) dan batang pohon (tree trunk). Hipotesis awal penelitian ini adalah bahwa sensor LiDAR pada drone memiliki keterbatasan dalam merekonstruksi bentuk tiga dimensi pohon, khususnya pada bagian batang, karena akuisisi data yang dilakukan dari atas. Dengan adanya teknologi handheld-SLAM LiDAR, diharapkan keterbatasan tersebut dapat diatasi, sehingga menghasilkan pemodelan pohon yang lebih akurat. Lokasi survei penelitian ini adalah sebagian kecil area Taman Hutan Raya di Bandung, dengan tutupan lahan yang terdiri dari pepohonan. Akuisisi data dilakukan menggunakan dua perangkat LiDAR: handheld LiDAR SATLAB Lixel X1 dan DJI Zenmuse L1 yang diterbangkan menggunakan DJI Matrice 300RTK. Data yang diperoleh dari kedua alat ini kemudian diolah menggunakan perangkat lunak pengolah point cloud untuk menghasilkan data bebas noise. Hasil pengolahan ini digunakan untuk menganalisis karakteristik pohon, termasuk tree crown dan tree trunk. Penelitian ini diharapkan dapat menyimpulkan perbandingan efektivitas kedua metode akuisisi LiDAR dalam merekonstruksi bentuk nyata pohon, serta menunjukkan sejauh mana data dari kedua metode tersebut dapat diintegrasikan untuk menghasilkan model pohon yang lebih akurat dan komprehensif.

The optimization strategy replaces ability-useful land with conservation-source power land, which may help with problem degradation. Investigate this to determine the level of land ability and the function area designation for good protection and cultivation in the Satuan Wilayah Pengembangan (SWP). The research method is descriptive and quantitative, with stepwise data collection and processing. Data collection is carried out through studies and literature from several agencies. Temporary spatial data analysis was conducted using Geographic Information System (GIS) software. The research findings underscore a significant aspect regarding land analysis, specifically about allocating areas for settlement purposes. The documented 3687.35 hectares identified as suitable for settlement development, alongside the approximately 11755.27 hectares allocated as buffer zones, highlight a limited portion of land deemed suitable for urban expansion within the studied region. This observation underscores the challenge of finding suitable and adequate spaces for urban development initiatives in Ambon City. Identifying such a confined area underscores the need for strategic urban planning that considers land constraints, such as the predominantly hilly terrain, to ensure balanced development, efficient land use, and the preservation of environmental integrity. Efforts toward optimizing these available areas for urban growth while concurrently focusing on conservation and ecological sustainability become imperative for Ambon City's future urban development trajectory. They created a barrier to physical land where hilly areas dominate the characteristics of the Ambon City area

Jalan tol merupakan infrastruktur yang memegang peranan penting dalam meningkatkan kesejahteraan ekonomi, sehingga aset-aset yang terkait dengan jalan tol perlu dikelola dengan baik. Kini, pengelolaan aset jalan tol dinilai sulit karena masih dilakukan secara manual dengan data yang sangat banyak. Oleh karena itu, penelitian ini bertujuan mengembangkan Road Asset Management System (RAMS) yang dapat mempermudah pengelolaan aset secara digital. Data yang digunakan merupakan data spasial dan non-spasial aset jalan tol ruas Bakauheni-Terbanggi Besar. Sistem dikembangan menggunakan Y-Model Webgis Methodology (YWDM) dengan bahasa pemrograman HTML, PHP, JavaScript, dan CSS. RAMS yang dikembangkan berupa berupa sebuah WebGIS yang dapat menampilkan visualisasi aset jalan tol pada peta online OpenStreetMap, menambahkan aset baru menggunakan file GeoJSON, mencari dan melihat rincian aset, serta melihat rekap aset dalam bentuk grafik. Data aset seperti identifikasi jalan, ramp, akses, rambu jalan, lampu jalan, dan lainnya dengan total 51 tabel data spasial dan 31 tabel data non-spasial tersimpan dalam basis data PosgreSQL. Pengguna yang dapat mengakses sistem ini terbagi atas dua peran, yaitu admin yang dapat mengelola aset dan publik yang hanya dapat melihat aset. Pengujian fungsionalitas yang dilakukan menunjukkan bahwa sistem dapat berjalan dengan baik.

Banjir mempunyai pengaruh yang besar terhadap kondisi masyarakat baik secara sosial, ekonomi, maupun lingkungan. Terkait pengaruh terhadap lingkungan, banjir memiliki dampak yang dapat mempengaruhi kondisi penutup lahan. Salah satu upaya mitigasi yang dapat dilakukan terkait banjir adalah dengan pemanfaatan data citra satelit penginderaan jauh, yakni menggunakan satelit Synthetic Aperture Radar (SAR). Pemetaan banjir dapat menggunakan data citra satelit SAR karena data SAR bebas awan dan dapat beroperasi siang dan malam. Dalam proses pemetaan genangan banjir diperlukan informasi mengenai jenis penutup lahan yang terdampak banjir untuk analisa dampak banjir terhadap lingkungan. Oleh karena itu banjir sangat berkaitan dengan penutup lahan. Pada penelitian ini akan dibahas mengenai pemetaan banjir wilayah Tangerang pada tanggal 23 Maret 2022 dan hubungannya dengan penutup lahan pada area tersebut. Pengolahan data citra SAR Sentinel-1 dengan metode change detection dan threshold digunakan untuk pemetaan genangan banjir, sedangkan data citra Sentinel-2 level 2 dengan metode supervised classification, algoritma Classification and Regression Tress (CART) digunakan untuk klasifikasi penutup lahan. Berdasarkan pengolahan klasifikasi penutup lahan didapatkan hasil berupa peta penutup lahan dengan nilai Overall Accuracy sebesar 94,84% dan nilai Kappa sebesar 93,17%, yang diklasifikasikan ke dalam beberapa kelas penutup lahan yaitu badan air, lahan terbangun, vegetasi, lahan kosong dan sawah. Selanjutnya, berdasarkan pengolahan sebaran genangan banjir pada tanggal 23 Maret 2022 dengan nilai threshold 1,20 didapatkan hasil confusion matrix sebesar 94,34%, dan luas genangan banjir sebesar 14.987 ha. Berdasarkan pengolahan overlay diketahui bahwa kelas tutupan lahan yang terkena dampak banjir paling tinggi yaitu kelas lahan terbangun dan kelas vegetasi, dengan masing-masing luas sebesar 5.179,427 ha dan 5.164,562 ha.

Penilaian kematangan Infrastruktur Informasi Geospasial (IIG) dilakukan untuk mengetahui tingkat efektivitas pengelolaan Informasi Geospasial (IG). Saat ini penilaian IIG pemerintah daerah di Indonesia masih pada penilaian performa IIG yang tertuang dalam Sistem Informasi Monitoring Simpul Jaringan IG Nasional (SIMOJANG) pada laman https://simojang.big.go.id/dashboard. Metode penilaian kematangan IIG penelitian ini dilakukan dengan mengadopsi penilaian Capability Maturity Model Integration (CMMI) dan Geospatial Maturity Assessment Ordnance Survey (GMA OS). Perhitungan kematangan IIG dilakukan dengan mendefinisikan kriteria penilaian performa IIG dari SIMOJANG terhadap komponen penilaian CMMI dan GMA OS. Perhitungan kematangan diuji coba pada salah satu data daerah di Indonesia yang berasal dari perhitungan SIMOJANG dengan nilai performa sebesar 90,75%. Hasil penilaian CMMI dengan menggunakan 6 komponen memperoleh nilai total Process Area (PA) 16,893 dari total maksimal 18. Berdasarkan perhitungan, maka nilai kematangan IIG hasil menggunakan CMMI sebesar 93,85%. Sedangkan perhitungan kematangan GMA OS dengan 16 komponen, hasil tingkat kematangan kategori Sangat Matang sebesar 62,50% dan hasil Relatif Matang sebesar 37,50%, apabila nilai tersebut diberikan bobot masing-masing 1,0 dan 0,5 maka diperoleh nilai kematangan IIG GMA OS sebesar 81,25%.

The advent of space-based measurement systems such as the Global Positioning System (GPS) offers a new alternative in orthometric height determination over conventional spirit levelling. The ellipsoidal height (h) obtained from GPS observations can be transformed into orthometric height if the geoid undulation (N) is known from a national gravimetric geoid model. However, the lack of a national geoid model in Nigeria hinders the use of the method. This study compares two corrector surface models of orthometric heights from GPS/levelling observations and the Global Gravity Model. Model A (7-parameter) and Model B (8-parameter) are based on the general 7-parameter similarity datum shift transformation. A network of twenty-one (21) GPS/levelling benchmarks within the study area were used and their geoidal heights were computed using GeoidEval utility software with reference to Global Gravitational Model (EGM08). Least squares adjustment was used to compute the coefficients of the models. Root mean square error (RMSE) was used to assess the accuracy of the models with model A having RMSE=0.171m and model B having RMSE=0.169m. Model B with the lowest RMSE is hence the better of the two models. The t-test and hypothesis test conducted at a 95% confidence level, however, revealed that the two models did not differ significantly. The study shows that the use of corrective surface to combine the gravity field model EGM08 and GPS/levelling significantly improves the determination of heights as observed from GPS in the study area.

Kebakaran lahan gambut merupakan peristiwa yang sulit diprediksi perilakunya. Karakteristik tanah gambut yang kompleks dan faktor-faktor alam lain seperti arah angin, status vegetasi, dan kandungan air membuat kasus ini menjadi salah satu kasus menarik yang masih menjadi objek penelitian yang belum tuntas hingga saat ini. Ketika memasuki musim kemarau kondisi kadar air di dalam tanah gambut akan semakin berkurang, maka potensi terjadinya kebakaran akan semakin tinggi. Pada studi ini dilakukan analisis faktor penyebab kebakaran dengan area cakupan yang luas melalui satelit Sentinel-2. Citra satelit yang diperoleh nantinya akan diolah oleh machine learning untuk memprediksi penyebaran api. Hasil literatur yang telah dilakukan diperoleh bahwa Ground Water Level (GWL), kematangan gambut, suhu, curah hujan dan kelembaban, serta kerapatan vegetasi dapat diidentifikasi melalui perhitungan indeks. Indeks yang digunakan diantaranya indeks Differenced Normalized Difference Vegetation Index (dNDVI) dan Normalized Difference Water Index (NDWI) yang diolah dengan algoritma machine learning metode Random Forest memilki akurasi mencapai 96%.