Kelompok 28

Memahami pola spasial kejahatan perkotaan: perspektif negara berkembang

Abstrak

Ringkasan

Banyak penelitian analisis spasial yang dipublikasikan tentang kejahatan hingga saat ini difokuskan pada kota-kota Eropa-Amerika. Makalah ini mencoba untuk memberikan wawasan tentang bagaimana kita dapat lebih memahami pola spasial kejahatan dalam pengaturan khas negara berkembang. Data diperoleh melalui pemetaan lapangan yang luas, inventarisasi lingkungan blok (BEI) dan survei viktimisasi kejahatan untuk menghasilkan database GIS di wilayah studi. Peta tematik grid (GTM) untuk jenis kejahatan yang berbeda diproduksi untuk analisis visual, yang menunjukkan, seperti yang diamati dalam banyak studi Eropa-Amerika, kelompok kejahatan secara geografis.

Latar Belakang

Wilayah perkotaan di negara-negara seperti Nigeria sering berkembang dengan sedikit atau tanpa perencanaan terpusat dan mungkin memiliki fitur yang jauh lebih tidak lazim atau bahkan tidak ada di kota-kota khas Eropa-Amerika. Wilayah studi penelitian ini yaitu Kabupaten Badarawa-Malali, adalah sebuah distrik perkotaan di Kaduna ibu kota negara bagian Kaduna yang juga berfungsi sebagai ibu kota regional. Utara Nigeria. Kota ini merupakan pusat politik, transportasi dan perdagangan yang penting dan menampung populasi yang beragam dalam hal kelas sosial ekonomi dan rasial. Pengaturan fisik kota adalah pemukiman campuran - formal dengan perencanaan fisik gaya barat dan pemukiman informal yang biasanya muncul dengan sedikit atau tanpa perencanaan terpusat. Kaduna memiliki perkiraan populasi 1,14 juta orang dan mencakup total luas tanah sekitar 250 km² menjadikan kepadatan populasi sekitar 4.560 Orang / km²

Gambar 1

Kaduna Metropolis

Distrik Kota Badarawa-Malali

Badarawa-MalaliBadarawa-Malala memiliki populasi 96.540 orang (MLCN, 2010), yang mewakili 8,4% dari total populasi Kaduna. bagian-bagian penting dari kabupaten ini tampaknya padat penduduk. Ini adalah permukiman informal, ditandai dengan tata ruang plot yang tidak teratur dengan jalan-jalan sempit yang sebagian besar tidak diaspal. Bagian lain dari kabupaten ini, pemukiman formal, adalah daerah dengan kepadatan rendah dan sedang yang jalanannya lebar dan sebagian besar diaspal dengan plot berukuran biasa yang disejajarkan dan diatur dengan baik di blok jalan besar.

Gambar 2

Gambar satelit dengan batas Badarawa-Malali

Data dan Metode

Penelitian ini memperoleh data primer menggunakan tiga metode.

· Latihan pemetaan - kerja lapangan dilakukan untuk memetakan area studi menggunakan peta kertas yang dihasilkan dari gambar satelit resolusi tinggi

·  Inventarisasi Lingkungan Blok (BEI) (lihat Perkins et al., 1990) digunakan untuk memperoleh data tentang kondisi lingkungan binaan.

·   Survei rumah tangga dan viktimisasi kejahatan digunakan untuk memperoleh data tentang insiden kejahatan dan sejumlah variabel demografis lainnya. 

Analisis

teknik Grid Thematic Mapping (GTM) dipertimbangkan pada tahap ini dalam membuat peta hotspot kejahatan menggunakan sel-grid. ukuran 55m persegi. Sejumlah insiden yang dilaporkan dalam setiap sel-grid diambil untuk masing-masing dari enam jenis kejahatan dan peta hotspot diproduksi.

                                                                                        Gambar 3

Peta hotspot kejahatan di Kabupaten Badarawa-Malali.

analisis visual dari peta-peta ini (lihat Gambar 3: a - f) menunjukkan bahwa, kejahatan cenderung terkonsentrasi di sel-sel jaringan tertentu tetapi tidak pada orang lain dan berbagai jenis kejahatan menunjukkan pola spasial yang berbeda. Ini sesuai dengan pengetahuan umum yang ada tentang pola spasial kejahatan perkotaan.

Diskusi dan pekerjaan di masa depan

Mengetahui lokasi pasti di mana kejahatan terjadi adalah titik awal untuk mengidentifikasi hotspot. Studi ini tidak hanya mendapatkan lokasi insiden kejahatan; telah menghasilkan database GIS yang menautkannya dengan atribut terkait dari tempat-tempat tersebut. Prosesnya memakan waktu dan membutuhkan kombinasi pekerjaan lapangan yang luas, melibatkan beberapa enumerator terlatih, dan beberapa perhitungan SIG intensif.

Meskipun, analisis visual pendahuluan menunjukkan bahwa beberapa tempat memiliki insiden kejahatan tinggi sementara yang lain tidak, makalah ini tidak dimaksudkan untuk memberikan kesimpulan bahwa cluster kejahatan berada di ruang angkasa dalam pengaturan khas negara berkembang

Kelompok 27

PERENCANAAN KOTA MELALUI SENTIMEN ANALISIS

TWITTER DATA

Menganalisis acara olahraga Olimpiade London mengingat acara hari vs hari perbandingan (sebelum atau sesudah acara) dan kelompok pengguna yang berbeda (penduduk vs pengunjung), serta mengintegrasikan analisis sentimen dan ekstraksi topik.

Studi Kasus

·    Bagaimana kita dapat mengindentifikasi karakteristik dari tweeting perilaku dalam hal   pola spatiotemporal dan sentimen antara penduduk dan pengunjung

·    Apakah ada perubahan terdeteksi dalam tata ruang dan temporal, dan sentimen dari   tweets selama Olimpiade london dibandingkan dengan hari-hari sebelum dan setelah

·     Topik yang terkait dengan perencanaan kota dalam konteks acara olahraga besar dapat diidentifikasi melalui analisis semantuk posting media sosial

Lokasi Penelitian

Daerah penelitian untuk analisis ini adalah Greater London, yang memiliki ekspansi 3458 km 2. Data Twitter diperoleh dengan menggunakan Aplikasi Twitter Streaming Pemrograman Interface (Twitter INC, 2017) untuk tahun 2012, dan terdiri dari konten Tweet dan atribut seperti nama pengguna,lokasi pengguna, dan waktu pesan.

METODELOGI

Binning Temporal

Menciptakan sampah sementara dari data mentah yang mewakili periode waktu sebelum. Selama dan setelah Olimpiade (OG).

Pre - Processing

Melaporkan data geolocation dari tweet dan frekuensi kehadiran mereka di subset sementara yang digunakan untuk mengidentifikasi penduduk dan pengunjung.

Analisis Sementik

Ekstraksi topik otomatis dengan menggunakan metode pembelajaran mesin tanpa pengawasan laten Dirichlet Alokasi (LDA).

Analisis Sentimen 

Skor sentimen dihitung untuk setiap tweet yang secara otomatis menentukan untuk apa gelar mengandung sentimen positif atau negatif, dengan menghitung selisih antara jumlah kata-kata positif dan jumlah kata-kata negatif.

Mesin Learning Topik Pemodelan

Pendekatan cluster aliran data dan menyaring tweets yang relevan untuk analisis.

Spatiotemporal Pengolahan Data

Menganalisis intensitas Tweet perjam untuk himpunan bagian dari tweet positif dan negatif dan topik simentik utama (LDA output), serta pola kesamaan untuk distribusi titik spasial.

Langkah terakhir, menyelidiki hotspot spasial menggunakan kernel Density Estimation (KDE).

KESIMPULAN

Melalui analisis spatiotemporal dan sentimen dari tweets, kita bisa mengidentifikasi pola-pola yang signifikan dalam hal dua kelompok pengguna kami didefinisikan serta untuk hari-hari sebelum, selama dan setelah acara.

Mengenai pemanfaatan untuk tujuan perencanaan, kita dapat menyatakan bahwa dapat memberikan informasi berharga tentang perilaku spatiotemporal dan sentimen warga atau pengunjung tentang peristiwa yang direncanakan besar.

Studi kasus ini juga menggambarkan potensi pemanfaatan data media sosial untuk analisis sentimen dan pemodelan topik untuk memberikan umpan balik umum mengenai peristiwa  yang direncanakan secara besar.

Reveiw Jurnal "Kekeringan di Bangladesh : Menilai, Menganalisis dan Pemetaan Bahaya menggunakan SPI, GIS dan Data Curah Hujan Bulanan"

Abstrak

   Kekeringan merupakan fenomena alam yang berulang dan kompleks yang merupakan kondisi cuaca kering, bersama dengan curah hujan yang tidak memadai. Hal ini terjadi ketika tingkat penguapan dan transpirasi melampaui tingkat curah hujan untuk periode waktu tertentu di area. Tujuan khusus dari penelitian ini adalah untuk menilai dan spasial menganalisis karakteristik kekeringan di Bangladesh berdasarkan bulanan curah hujan data dan SPI. Indeks tingkat kekeringan di hitung dengan proses hirarki analisis (AHP) dan berbobot beberapa metode dengan bantuan sistem informasi geografis (GIS) untuk kuantitatif mengidentifikasi bahaya kekeringan dan daerah yang paling rentan terhadap kekeringan.

Pendahuluan

Gambar. 1 Lokasi stasiun cuaca di Bangladesh yang digunakan dalam penelitian ini.

Bangladesh terletak di Asia Selatan dan geografis terletak antara 20L34⁰-26L38⁰N lintang dan 88L01⁰- 92L41⁰E bujur (Gambar. 1) Dengan luas 144.000 km² . Iklim Bangladesh pada dasarnya dipengaruhi oleh monsun, pra-monsun dan pasca-monsoon sirkulasi (Rashid1991). Secara umum, tiga musim iklim dapat dibedakan dalam negeri: kering dan musim dingin ringan (post-monsoon) yang berlangsung dari bulan November sampai Februari, musim panas atau pra-monsun dari Maret sampai Mei dan musim panas lembab atau monsoon (hujan) diamati dari bulan Juni sampai Oktober. Data historis menggambarkan bahwa suhu rata-rata Bangladesh adalah sekitar 25,75 LC (dengan berbagai 18,85-28,75 LC). Mean minimum dan rata-rata maksimum suhu 21,18 LC (bervariasi 12,5-25,7 LC) dan 30,33 LC (bervariasi 25,2-33,2 LC), masing-masing (Gambar.2).     Musiman, musim panas adalah musim terpanas di Bangladesh; April dan Mei adalah bulan-bulan terpanas (suhu maksimum yang terdaftar 45,1 LC pada 19 Mei tahun 1972 di Rajshahi) di musim ini (Gambar.2).

         Gambar.2 Suhu rata-rata jangka panjang dan curah hujan dari Bangladesh. Sumber data Bangladesh Departemen Meteorologi, Agargaon, Dhaka, Bangladesh, 2013 (BMD2013)

Metodologi

        Menghitung SPI dengan memasang distribusi gamma seperti yang telah ditemukan agar sesuai dengan distribusi curah hujan cukup baik (Thom1966). Kemudian, nilai dinormalisasi diubah kembali ke distribusi normal dengan mean nol dan varians dari satu (Edwards dan McKee1997). Skala waktu 6 bulan dianggap SPI menghitung untuk skala waktu yang singkat-dan menengah mulai dari November hingga April, yang merupakan periode kering di Bangladesh. 3 bulan SPI dihitung Januari (menggunakan November, Desember dan Januari curah hujan) dan April (menggunakan Februari, Maret dan April curah hujan) dan SPI 6 bulan untuk bulan April (menggunakan November curah hujan April). Untuk menghasilkan peta bahaya kekeringan, proses hierarki analitik (AHP), metode jumlah terbobot dan kekeringan terjadi pada skala waktu yang berbeda dengan tingkat kekeringan yang digunakan dan indeks bahaya kekeringan terpadu (DHI) dihitung. Dalam prosesnya, bobot ditugaskan pertama oleh AHP untuk kekeringan sedang, berat dan ekstrim, dan kemudian, beratnya dikalikan dengan kemarau untuk setiap stasiun pengamatan dan setiap skala waktu. AHP adalah teori matematika tentang nilai, alasan dan penilaian, berdasarkan skala rasio untuk analisis berbagai masalah pengambilan keputusan (Saaty 2001). AHP didasarkan pada perbandingan berpasangan elemen dalam hierarki keputusan sehubungan dengan elemen induk di tingkat hierarki yang lebih tinggi berikutnya (elemen tingkat lebih rendah).

Hasil

Gambar. 4 Pola spasial SPI di Bangladesh (tahun-tahun kekeringan utama yang dipilih): Januari 3 , April 3, dan April 6

Dari distribusi spasial 3 bulan SPI untuk Januari (NDJ), dapat dilihat bahwa di antara tahun-tahun kekeringan utama, pada tahun 1972, 1974, 1981, 1982 dan 2006, sebagian besar wilayah negara tersebut berada di bawah SPI negatif (Gbr. 4a).

Pada tahun 1999 karena sebagian besar negara tersebut memiliki SPI di bawah -2,0 (Gambar 4b), menunjukkan bahwa kekeringan bervariasi secara spasial dan temporal. Selain itu, sebagian besar wilayah negara dalam nilai SPI 3 bulan untuk April 2006 memiliki nilai SPI di bawah -2,0. Pada tahun 2010, SPI sebagian besar di bawah -2,0 di bagian barat laut dan barat daya (Gbr. 4b).

pola spasial SPI dalam waktu yang lebih lama (SPI-6 April) menunjukkan bahwa SPI \ -2.0 di bagian barat daya pada tahun 1972 dan utara, timur laut, timur dan sampai batas tertentu selatan bagian negara pada tahun 1974 dan 1982 (Gbr. 4c). Pada tahun 2006, SPI adalah \ -2.0 di sebagian besar negara, dan di beberapa tempat SPI turun ke -3.0 (Gbr. 4c).

Dari temuan di atas, beberapa fitur penting dari kekeringan di Bangladesh dapat diringkas. Dengan menggunakan SPI (langkah waktu berbeda) dan 40 tahun data curah hujan historis secara keseluruhan, sepuluh tahun yang paling terkena dampak kekeringan (1972, 1978, 1981, 1982, 1995, 1997, 1999, 2004, 2006 dan 2010) diidentifikasi, dengan Tahun 1999 dan 2006 menjadi tahun kekeringan ekstrem sejak 1971. SPI spasial lebih lanjut menyoroti bahwa tahun 1972, 1978, 1982, 1995, 1999 dan 2006 adalah tahun-tahun kekeringan terburuk ketika wilayah maksimum negara itu mengalami kekeringan pada salah satu skala waktu atau semuanya. Dengan demikian, temuan mengungkapkan bahwa SPI dapat berhasil diterapkan untuk mengidentifikasi kekeringan meteorologis di daerah dengan curah hujan historis. Di sisi lain, dinamika kekeringan menunjukkan bahwa kekeringan cuaca-rologis dapat tetap sama atau menurun di Bangladesh selama periode penelitian; namun, dalam dua dekade terakhir, terjadi kekeringan yang lebih parah dan ekstrem. Dapat dikatakan bahwa keadaan ini adalah hasil dari perubahan iklim dan pemanasan di negara ini dan juga di seluruh dunia (Rahman dan Lateh 2015, 2016).

Kesimpulan

Studi ini merupakan upaya untuk menilai dan menganalisis kekeringan meteorologi di Bangladesh bersama dengan SPI, GIS dan data curah hujan deret waktu (1971-2010) dari 34 stasiun pengamatan meteorologi. Menggunakan teknik SPI dan GIS, dimana SPI dan GIS dapat diterapkan dengan sukses untuk mengidentifikasi kekeringan meteorologis secara spasial dan pemantauan kekeringan di negara ini di masa depan. Aspek penting lain dari penelitian ini adalah untuk mengidentifikasi zona bahaya kekeringan berdasarkan dinamika kekeringan selama periode pengamatan 1971-2010. Studi ini menunjukkan metode sederhana namun efektif untuk perhitungan DHI secara kuantitatif. Peta DHI yang dihasilkan dapat digunakan untuk menggambarkan zona bahaya kekeringan secara geografis.

Peta bahaya juga dapat menjadi alat penting di daerah rawan kekeringan karena peta ini menjelaskan dan menampilkan distribusi bahaya kekeringan dan daerah yang kemungkinan akan terkena dampak dengan besaran yang berbeda. Selain itu, berdasarkan kejadian kekeringan, keparahan, pola spasial dan zonasi bahaya, akan mungkin untuk merumuskan strategi manajemen yang tepat dan perencanaan untuk mengelola kekeringan secara efektif. Sekilas, penelitian ini mengungkapkan bahwa sejak 1971, Bangladesh mengalami sepuluh tinggi tahun yang terkena dampak kekeringan dan dalam dua dekade terakhir, terjadinya kekeringan yang parah dan ekstrim telah meningkat.

Dampak kekeringan luar biasa di Bangladesh, terutama karena sektor pertanian dan airnya adalah dua sektor yang paling terkena dampak. Karenanya, praktik pertanian, pemanenan air permukaan dan penggunaan air tanah secara optimal perlu dimasukkan ke dalam kebijakan dan program mitigasi untuk memerangi dampak kekeringan di masa depan, terutama di zona bahaya tinggi dan sangat tinggi. Karena studi ini terlibat dalam penilaian, pemantauan dan zona bahaya kekeringan, diharapkan bahwa ini akan menjadi panduan yang berguna untuk memahami karakteristik kekeringan dan membantu merumuskan strategi manajemen yang komprehensif untuk mengatasi masalah kekeringan secara efektif di Bangladesh.

Review Jurnal "Analisis SIG Insidensi Kejahatan dan Variasi Ruang di Kota Thiruvananthapuram"

Abstrak

Banyaknya kejahatan karena distribusi kekayaan dan status sosial yang tidak merata. Penelitian ini digunakan untuk mengidentifikasi dan mengeksplorasi tingkat dan variasi spasial kejahatan di kota Thiruvananthapuram untuk periode 2010 hingga 2014.

Pendahuluan

Beberapa tahun terakhir, gangguan sosial ekonomi di beberapa negara bahkan seluruh dunia mengarah pada peningkatan tingkat kejahatan. Dengan demikian, teknologi baru diadopsi untuk mendaptakan informasi tentang kriminalitas dan mengurangi tingkat kejahatan. Sistem Informasi Geografis (SIG) adalah salah satu cara diantara perkembangan teknologi baru – baru ini yang dapat bertindak sebagai sistem pendukung keputusan untuk menemukan solusi yang lebih baik untuk mengurangi kemungkinan terburuk kejahatan.

Metodologi

Metodologi yang digunakan adalah dengan menggunakan analisis SIG, dimana analisis ini bertujuan untuk mengidentifikasi hot spot dan cold spot yang signifikan secara statistik, analisis Getis-Ord Hotspot dilakukan. Analisis hotspot mendapatkan skor-Z dan skor-P. Dengan keterangan :

Skor z tinggi dan nilai p kecil untuk fitur menunjukkan pengelompokan spasial dari nilai tinggi. 

Skor z negatif rendah dan nilai p kecil menunjukkan pengelompokan spasial dari nilai rendah.

Hasil

Mulai dari 2010 hingga 2014, terdapat 60 pembunuhan yang  terjadi di kota lokasi studi. Daerah ini adalah jantung kota dan bangunan-bangunan dan kegiatan-kegiatan utama berlokasi di sini. Vatiyurkav, Museum, Poojapura, Thiruvallom, Karamana, Thampanoor dan kantor polisi Cantonment berada di bawah wilayah ini. Kantor polisi perguruan tinggi Sreekariyam dan Medis adalah zona aman pembunuhan di kota Thiruvananthapuram. Statistik pembunuhan menunjukkan bahwa beberapa tahun terakhir menyaksikan penurunan bertahap tingkat pembunuhan. Aspek sosial ekonomi daerah ini baik.

Kesimpulan

Kota Thiruvananthapuram memegang posisi kedua dalam kota-kota dengan catatan kejahatan tertinggi di negara bagian. Tidak dapat menunjukkan penurunan kejahatan bertahap, namun histogram perampokan menunjukkan tren menurun sejak 2012. Tingkat perampokan sangat tinggi di kota Thiruvananthapuram. Rata-rata 77 kasus dilaporkan setiap tahun.

Review Jurnal "Smart Villages Through Information Technology-Need of Emergencing India"

Abstrak

Teknologi kini telah membuktikan potensinya di berbagai sektor pembangunan di lansekap perkotaan dan pedesaan. Namun, daerah perkotaan tampaknya lebih cenderung menerima dan mengadopsi Teknologi Informasi dan Komunikasi karena kelebihan melek huruf dan infrastruktur yang lebih baik dibandingkan dengan daerah pedesaan.

“ Pembangunan pedesaan di negara berkembang untuk mengangkat mata pencaharian massa pedesaan dan untuk 'melihat ke depan' pada perkembangan ilmiah dan teknologi yang mungkin berpengaruh selama 10 -20 tahun ke depan. ”

Pendahuluan

-      Di desa-desa ini, pertanian adalah sumber mata pencaharian utama bersama dengan perikanan, industri rumahan, tembikar, dll.

-      Sebagian besar penduduk pedesaan India tinggal di desa-desa berinti.

-      Pembangunan pedesaan terutama berfokus pada pengentasan kemiskinan, peluang mata pencaharian yang lebih baik, penyediaan fasilitas dasar dan fasilitas infrastruktur melalui program inovatif wirausaha.

Metodologi

1.     Kebutuhan akan adanya Konsep Smart Village

2.     Pengembangan desa pintar

3.     Tekonologi informasi dan computer untuk pengembangan Desa Cerdas

Hasil

-  Terciptanya teknologi – teknologi penunjang Smart Village

-  Desa berkelanjutan

Kesimpulan

-      Smart Village adalah kebutuhan sebagai pengembangan untuk daerah pedesaan dan perkotaan dari segi mata pencaharian yang lebih baik dan teknologi informasi yang akan menawarkan solusi yang efektif.

-      Smart Village tidak hanya akan mengurangi migrasi ini tetapi juga mengairi aliran populasi dari perkotaan ke daerah pedesaan.

-      Konsep Smart Village memiliki potensi tinggi di negara lain di dunia berkembang.

Review Jurnal "Smart Village Geographic Information System (GIS) Development in Indonesia and Its Analogous Approaches"

Pendahuluan

Smart Village merupakan konsep desa yang difokuskan pada upaya menggunakan sumber daya agar lebih efisien, pengembangan sumber daya manusia, serta membangun karakter tiap individu dan komunitas agar tercipta lingkungan yang sejahtera.

GIS merupakan aplikasi yang sudah terkomputerisasi yang memungkinkan pengguna untuk meng-input data, menganalisis, dan menginterpretasi data tersebut.

Metodologi

Metodologi yang digunakan adalah berasal dari studi literature dan dokumen – dokumen mengenai Smart Village dengan memanfaatkan GIS.

Hasil

Data dan informasi yang dibutuhkan dan tipe data yang direkomendasikan untuk administrasi dan pengembangan desa pintar :

1. Sumber Daya Desa (Resources)

2. Administrasi dan Pelayanan Publik

3. Data dan Informasi Tabular

4. Data dan Informasi Geografis

Tahapan Proses Pengolahan Data

Tahapan proses pengolahan data pada pengembangan desa pintar ini adalah sebagai berikut :

Pengumpulan data (berasal dari data tabular dan data spasial) data tabular dilanjutkan dengan Village proses pengolahan (pendigitasian dan atribut tabel)

Kesimpulan

Aplikasi GIS bisa menjadi salah satu opsi untuk pengembangan wilayah, dimana dengan GIS ini dapat mempertajam dukungan untuk pengembangan perdesaan. Kemudian, dengan pendekatan-pendekatan yang ada, diharapkan dapat dilakukan pengembangan dengan karakteristik tertentu, seperti pengembangan di bidang pertanian, pengembangan di bidang industri, dan sebagainya. Akan tetapi, terlepas dari itu semua perlu adanya peran partisipatif dari tiap-tiap masyarakat agar pengembangan dengan konsep Desa Pintar dapat terealisasi dengan baik dan sesuai dengan tujuan yang sudah ditentukan.

Review Jurnal "PENDEKATAN GIS DALAM MENGIDENTIFIKASI KERENTANAN SOSIAL TERHADAP BENCANA GEMPA DI ITALIA"

Abstrak

Tulisan ini menganalisis hubungan antara proses lingkungan (bencana gempa bumi) dan ilmu sosial (kerentanan sosial) yang dapat diadaptasikan pada setiap lokasi geografi. Evaluasi kerentanan sosial sangatlah penting dalam memahami kemampuan masyarakat dalam mengantisipasi peristiwa bencana alam. Geographic Information System (GIS) diterapkan untuk mengidentifikasi keberagaman spasial atas kerentanan sosial terhadap bencana seismik.

Pendahuluan

•  Italia sebagai salah satu negara yang rentan terhadap bencana alam dan kerugian ekonomi

•  Nilai-nilai sosial-ekonomi sangat berpengaruh dalam mengatasi bencana alam yang ada

Metodologi

•  Membuat indikator kerentanan sosial

•  Analisis statistik pada indikator

•  Pemetaan indeks kerentanan sosial

•  Peta kerentanan sosial serta gabungan peta bencana gempa dan indeks kerentanan sosial (SVI) 

Hasil

Kesimpulan

Metodologi yang dilakukan dalam jurnal ini terbukti mampu mengidentifikasi daerah-daerah dengan karakteristik yang berbeda-beda dalam menghadapi bencana alam. Selain itu, penelitian ini juga berguna untuk memahami kondisi sosial ekonomi Italia yang dapat menyebabkan wilayah tersebut lebih rentan terhadap bencana dari yang lainnya.

Review Jurnal "Penetuan Zona Bahaya Banjir di Wilayah Yasooj, Iran. Menggunakan GIS dan Analisis Keputusan Multi – Kriteria"

Abstrak

Banjir dianggap sebagai bencana alam paling umum di selururh dunia selama  decade terakhir ini. Pemetaan potensi bahaya banjir diperlukan untuk pengelolaan dan mitigasi banjir. Penelitian ini bertujuan untuk menilai efesiensi Analytical Hierarchical Process (AHP) untuk mengidentifikasi potensi zona bahaya banjir dengan membandingkan hasil model hidrolik. Sekumpulan dari kriteria diintegrasikan dengan metode kombinasi linear ketimbang menggunakan ArcGIS 10.2 perangkat lunak untuk menghasilkan peta prediksi bahaya banjir. Genangan air simulasi (luas dan kedalaman banjir) dilakukan dengan menggunakan hidrodinamik memprogram HEC – RAS untuk banjir interval 50 dan 100 tahun. Validasi dari peta prediksi bahaya banjir dilakukan berdasarkan tingkat dan kedalaman banjir peta. Hasil penelitian menunjukkan bahwa teknik AHP menjanjikan pembuatan prediksi akurat dan dapat diandalkan untuk tingkat banjir. Oleh karena itu, AHP dan teknik sistem informasi geografis (SIG) disarankan untuk penilainan potensi bahaya banjir, khususnya di daerah tanpa data.

Pendahuluan

Banjir adalah luapan air yang merendam tanah, dan dapat menyebabkan kerusakan pada lahan pertanian, daerah perkotaan, dan bahkan dapat mengakibatkan hilangnya nyawa. Sistem informasi geografis (SIG) dan teknik penginderaan jauh (RS) telah membuat kontribusi signifikan dalam analisis bahaya alam .Banyak penelitian telah dilakukan pada pemetaan kerentanan banjir dan banjir analisis menggunakan GISPendekatan yang paling populer dalam pemodelan bahaya alam adalah rasio frekuensi (FR).

Analisis keputusan multi-kriteria (MCDA) telah diakui sebagai alat penting untuk menganalisis masalah keputusan yang kompleks, yang seringkali melibatkan hal yang tidak dapat dibandingkan data atau kriteria. Pendekatan MCDA-GIS yang digabungkan telah digunakan dalam pemodelan spasial dan analisis bahaya alam .Berbagai penelitian telah menunjukkan bahwa teknik ini dapat dilakukan digunakan untuk menghasilkan peta bahaya .AHP (Saaty 1980) adalah teknik yang populer di bidang pengambilan keputusan multi-kriteria. Salah satu masalah penting dari Metode AHP adalah kebutuhan untuk mengeksploitasi pengetahuan para ahli dalam menetapkan bobot, yang dapat dianggap sebagai sumber bias.Efisiensi GIS dan MCDA telah dinilai oleh Fernandez dan Lutz (2010) untuk memetakan daerah-daerah yang rawan banjir di Provinsi Tucuman, Argentina.

Pendekatan pemodelan hidrodinamik juga telah digunakan oleh berbagai peneliti untuk menyediakan pemetaan kerentanan banjir.Namun, metode hidrologi membutuhkan kerja lapangan dan anggaran besar untuk pengumpulan data. Tith (1999) menyelidiki dataran banjir tekad di Austin, AS, dengan kombinasi HEC-RAS dan GIS, dan ditemukan bahwa kombinasi dari kedua teknik simulasi geometrik ini memiliki kemampuan yang besar.

Tujuan utama dari penelitian ini adalah membandingkan zona potensial bahaya banjir ditentukan menggunakan AHP dengan area tergenang yang ditentukan oleh model hidrolik HEC-RAS di Sungai Bashar, hilir kota Yasooj, Iran.

Metodologi

Hasil

Total Area yang Tergenang (dari model hidrolik) dan  Hampir Punah (berdasarkan MCDA)

(A)    Periode pengembalian 50 Tahun

(B)    Pembuangan periode kembali 100 tahun

Kedalaman Banjir yang Disimulasikan

(A)    Periode Pengembalian 50 Tahun

(B) Periode Pengembalian 100 Tahun

 Kesimpulan

1.       Terdapat empat untuk menentukan zona bahaya banjir, diantaranya parameter jarak ke saluran pembuangan, penggunaan lahan, ketinggian dan kemiringan lahan.

2.      Model hidrolik HEC – RAS digunakan untuk mensimulasikan area yang tergenang menggunakan geometri lintas – bagian saluran, koefisien kekasaran, Manning dan debit puncak sebagai input model.

3.    Teknik AHP dan GIS menjanjikan untuk membuat prediksi yang cukup andal untuk tingkat banjir dan dapat disarankan untuk penilaian potensi bahaya banjir, khususnya di daerah tanpa data.

RANGKUMAN SISTEM INFORMASI PERENCANAAN PERATURAN MENTERI PERHUBUNGAN REPUBLIK INDONESIA NOMOR 180 TAHUN 2015 TENTANG PENGENDALIAN PENGOPERASIAN SISTEM PESAWAT UDARA TANPA AWAK DI RUANG UDARA YANG DILAYANI INDONESIA

Anggota :
- Ghendika Rai Ayari (10070318040)
- Suci Dewi Rachmawati (10070318071)
- Natasya Safira (10070318074)
RANGKUMAN SISTEM INFORMASI PERENCANAAN
PERATURAN MENTERI PERHUBUNGAN REPUBLIK INDONESIA NOMOR 180 TAHUN 2015 TENTANG PENGENDALIAN PENGOPERASIAN SISTEM PESAWAT UDARA TANPA AWAK DI RUANG UDARA YANG DILAYANI INDONESIA
Bahwa berdasarkan Pasal 308 UU No. 1 Tahun 2009 tentang penerbangan, Menteri bertanggung jawab terhadap keselamatan penerbangan nasional. Dalam rangka peningkatan keselamatan penerbangan terhadap kemungkinan bahaya (hazard) yang ditimbulkan karena pengoperasian pesawat udara tanpa awak, perlu diatur ketentuan pengoperasian sistem pesawat udara tanpa awak di ruang udara yang dilayani Indonesia. Dalam Permen Nomor 180 Tahun 2015 ini memuat 4 pasal yang berisi:
1. Pasal 1 Memberlakukan ketentuan-ketentuan pengendalian pengoperasian sistem pesawat udara tanpa awak di ruang udara yang dilayani Indonesia sebagaimana tercantum dalam Lampiran I dan Lampiran II yang merupakan bagian tidak terpisahkan dari Peraturan ini.
2. Pasal 2 Direktur Jenderal Perhubungan Udara melakukan pengawasan terhadap pelaksanaan peraturan ini.
3. Pasal 3 Pada saat Peraturan Menteri ini mulai berlaku, Peraturan Menteri Perhubungan Nomor PM 90 Tahun 2015 tentang Pengendalian Pengoperasian Pesawat Udara Tanpa Awak di Ruang Udara Yang Dilayani Indonesia, dicabut dan dinyatakan tidak berlaku.
4. Pasal 4 Peraturan Menteri ini mulai berlaku pada tanggal diundangkan.
Peraturan ini mengatur mengenai batasan ruang udara, perizinan dan persyaratan bagi pengoperasian sistem pesawat udara tanpa awak di ruang udara yang dilayani Indonesia. Pesawat udara tanpa awak adalah sebuah mesin terbang yang berfungsi dengan kendali jarak jauh oleh penerbang (pilot) atau mampu mengendalikan dirinya sendiri dengan menggunakan hukum aerodinamika. Sistem pesawat udara tanpa awak digunakan oleh seseorang, sekelompok orang (komunitas hobi), organisasi, instansi swasta atau instasi pemerintah. Sebuah sistem pesawat udara tanpa awak tidak boleh dioperasikan pada kawasan sebagai berikut :
1. Kawasan udara terlarang [prohibited area) adalah ruang udara tertentu di atas daratan dan/atau perairan, dengan pembatasan yang bersifat permanen dan menyeluruh bagi semua pesawat udara
2. Kawasan udara terbatas (restricted area) adalah ruang udara tertentu di atas daratan dan / atau perairan dengan pembatasan bersifat tidak tetap dan hanya dapat digunakan untuk operasi penerbangan negara dan pada waktu tidak digunakan (tidak aktif), kawasan ini dapat dipergunakan untuk penerbangan sipil
3. Kawasan keselamatan operasi penerbangan adalah wilayah daratan dan/atau perairan serta ruang udara di sekitar Bandar udara yang digunakan untuk kegiatan operasi penerbangan dalam rangka menjamin keselamatan penerbangan.

PM 47 TAHUN 2016 TENTANG PERUBAHAN ATAS PERATURAN MENTERI PERHUBUNGAN NOMOR PM 180 TAHUN 2015 TENTANG PENGENDALIAN PENGOPERASIAN SISTEM PESAWAT UDARA TANPA AWAK DI RUANG UDARA YANG DILAYANI INDONESIA
Dalam rangka pelaksanaan di lapangan, Peraturan Menteri Perhubungan Nomor PM 180 Tahun 2015 tentang Pengendalian Pengoperasian Sistem Pesawat Udara Tanpa Awak Di Ruang Udara Yang Dilayani Indonesia, perlu disempurnakan dengan mengatur ketentuan mengenai penyainpaian dokumen asuransi kerugian dalam permohonan izm dan ketentuan mengenai sanksi terhadap kelalaian dan/ atau penyimpangan terhadap ketentuan pengoperasian pesawat udara tanpa awak. bahwa berdasarkan pertimbangan tersebut, maka perlu menetapkan Peraturan Menteri Perhubungan tentang Perubahan Atas Peraturan Menteri Perhubungan Nomor PM 180 Tahun 2015 tentang Pengendalian Pengoperasian Sistem Pesawat Udara Tanpa Awak Di Ruang Udara yang Dilayani Indonesia
Pasal I
Beberapa ketentuan dalam Lampiran 1 Peraturan Menteri Perhubungan Nomor PM 180 Tahun 2015 tentang Pengendalian Pengoperasian Sistem Pesawat Udara Tanpa Awak Di Ruang Udara yang Dilayani Indonesia, diubah sebagai berikut :
1. Ketentuan Lampiran I Sub Bagian 3.11 huruf k diubah, sehingga Sub Bagian 3.11 menjadi berbunyi sebagai berikut:
Permohonan izin menyampaikan dokumen:
a. Nama dan kontak operator
b. Spesifikasi teknis airbone system
c. Spesifikasi teknis ground system
d. Maksud dan tujuan pengoperasian
e. Rencana penerbangan
f. Prosedur pengoperasian
g. Prosedur emergency
h. Kompetensi dan pengalaman pilot
i. Surat rekomendasi dari institusi berwenang
j. Kepentingan pemotretan dan perfilman melampirkan surat izin dari institusi
k. Dokumen asuransi kerugian

2. Ketentuan Lampiran I Bagian 5 diubah, sehingga Bagian 5 menjadi berbunyi sebagai berikut:
• Pengoperasian pesawat udara tanpa awak dengan kondisi:
a. Tidak memiliki izin
b. Beroperasi tidak sesuai izin
c. Perubahan prioritas jadwal penggunaan ruang udara di waktu yang bersamaan dengan izin pengoperasian drone
Dipaksa untuk keluar dari ruang udara atau menjatuhkan pesawat udara tanpa awak di area yang aman.
• Tindakan tegas dilakukan dengan mempertimbangkan:
a. kepentingan keselamatan pengguna (user) kawasan/ ruang udara;
 b. perlindungan terhadap bangunan dan manusia yang berada di bawah kawasan serta ruang udara yang digunakan pesawat udara tanpa awak dimaksud.
• Pihak yang berwenang sebagaimana dimaksud:
a. Direktorat Jenderal Perhubungan Udara, pemberi sanksi bagi sistem pesawat udara tanpa awak yang dioperasikan pada: 1) Kawasan Keselamatan Operasi Penerbangan (KKOP); 2) controlled airspace; dan 3) uncontrolled airspace pada ketinggian lebih dari 500 ft (150 m) Above Ground Level (AGL). b. Tentara Nasional Indonesia, pemberi sanksi bagi sistem pesawat udara tanpa awak yang dioperasikan pada:
1) Kawasan udara terlarang (prohibited area);
2) Kawasan udara terbatas (restricted area).
• Operator pesawat udara tanpa awak yang mengoperasikan pesawat udara tanpa awak sebagaimana dimaksud pada Sub Bagian 5.1 huruf b dikenakan sanksi administratif berupa:
1) peringatan;
2) pembekuan izin;
3) pencabutan izin;
4) denda administratif.
• Pengenaan sanksi administratif berupa denda administratif sebagaimana dimaksud pada Sub Bagian 5.4 angka 4 termasuk kategori denda menengah dengan cakupan 1001 sampai dengan 3000 Penalty Unit (PU).

Pasal II
Peraturan Menteri ini mulai berlaku pada tanggal diundangkan. Agar setiap orang mengetahuinya, memerintahkan pengundangan Peraturan Menteri ini dengan penempatannya dalam Berita Negara Republik Indonesia.