Penggunaan citra dengan resolusi menengah guna memndeteksi kepadatan lahan terbangun pada saat ini belum dimanfaatkan secara optimal, karena sulitnya menbedakan lahan terbangun dan lahan terbuka/kosong.Penelitian ini bertujuan untuk nmengkaji kemampuan tranformasi spectral dan kombinasinya guna mendeteksi kepadatan lahan terbangun dan menkaji pola kepadatan lahan terbangun. Untuk dapat mendeteksi kepadatan lahan terbangun dalam penelitian ini menggunakan transformasi spektral yang diperuntukan untuk transformasi kota dan transformasi vegetasi dengan memanfaatkan citra Landsat 8 sebagai sumber data utama. Penelitian ini bersifat eksperimental dengan cara mengembangkan tranformasi spektaran yang diperuntukan untuk mendeteksi kota dan vegetasi. Kombinasi antar trasformasi ini untuk memunculkan built-up lahan terbangun. Hasil transformasi UI memiliki akurasi tertinggi yaitu 83,33% serta memiliki standar deviasi 30,27. Kombinasi tranformasi terbaik adalah tranformasi UI-NDVI dengan nilai akurasi 85,04% serta nilai standar deviasi 30,32. Peta hasil kepadatan lahan terbangun hasil tranformasi UI-NDVI selanjutnya dianalisis dengan peta jaringan jalan dan kedekatan dengan Central Business District (CBD) untuk mendapatkan pola kepadatan lahan terbangun. Dari hasil analisis diketahui bahwa pola lahan terbangun yang ada di Kota Magelang dan sekitarnya cenderung memiliki dimensi searah jalur jalan utama dan terlihat seperti berbentuk elips

Di Kota Kendari, tanah mendapat tekanan yang tinggi sebagai akibat dari pesatnya pembangunan, namun database tentang tanah secara spasial yang tersedia hanya Peta Tanah Tinjau (skala 1:250.000). Untuk memenuhi kebutuhan database tentang Peta Tanah, dilakukan penelitian yang bertujuan untuk membuat peta tanah tingkat semi detail (skala 1:50.000) di Kecamatan Baruga dan Kecamatan Poasia berdasarkan sistem klasifikasi tanah PPT (1983) dan disepadankan dengan sistem klasifikasi tanah USDA (1999). Penelitian ini menggunakan metode survei, pola pendekatan analitik, dengan jarak observasi fleksibel grid. Pengamatan intensif dilakukan pada setiap satuan lahan yang menjadi sampel area. Berdasarkan Sistem Klasifikasi Tanah (PPT, 1983), Kec. Baruga dan Kec. Poasia mempunyai 8 macam tanah yaitu : Aluvial Distrik seluas 2944,5 ha (27,61%) meliputi SPT 1-3, 6 dan SPT 7); Aluvial Humik seluas 242,0 ha (2,28 %) meliputi SPT 5; Arenosol Kambik seluas 933,25 ha (8,77 %) meliputi SPT 12, 18, 19 dan SPT 21; Arenosol Oksik seluas 262,0 ha (2,46 %), meliputi SPT 14 dan SPT 22; Kambisol Molik seluas 1206,5 ha (11,31 %) meliputi SPT 8; Kambisol Umbrik seluas 1293,0 ha (11,62 %) meliputi SPT 4 dan SPT 23; Regosol Distrik seluas 3749,0 ha (35,16 %) meliputi SPT 9,10,13,15-17,20, dan SPT 24-25; dan Regosol Eutrik seluas 83,75 ha (0,79 %) meliputi SPT 11. Berdasarkan Sistem Klasifikasi Tanah USDA (1999), Kecamatan Baruga dan Kecamatan Poasia mempunyai 8 sub group tanah yaitu : Typic Ustifluvents seluas 4611,75 ha (43,24 %) meliputi SPT 1, 5, 10, 15, dan SPT 16; Fluventic Dystrustepts seluas 1310,75 ha (12,29 %) meliputi SPT 4; Typic Endoaquents seluas 739,5 ha (6,94 %) meliputi SPT 2, 6 dan SPT 7; Typic Fluvaquents seluas 403,5 ha (3,78 %) meliputi 3; Typic Haplustepts seluas 80,75 ha (0,76 %) meliputi SPT 21; dan Typic Ustorthents seluas 1264,5 ha (11,88 %) meliputi SPT 9,11, 13, 17, 20, 24 dan SPT 25; Typic Dystrustepts seluas 1310,75 ha (12,29 %); Humic Dystrustepts seluas 1293,25 ha (12,15 %) meliputi SPT 12, 18, 19, 22 dan SPT 23.

Di Kota Kendari, tanah mendapat tekanan yang tinggi sebagai akibat dari pesatnya pembangunan, namun database tentang tanah secara spasial yang tersedia hanya Peta Tanah Tinjau (skala 1:250.000). Untuk memenuhi kebutuhan database tentang Peta Tanah, dilakukan penelitian yang bertujuan untuk membuat peta tanah tingkat semi detail (skala 1:50.000) di Kecamatan Baruga dan Kecamatan Poasia berdasarkan sistem klasifikasi tanah PPT (1983) dan disepadankan dengan sistem klasifikasi tanah USDA (1999). Penelitian ini menggunakan metode survei, pola pendekatan analitik, dengan jarak observasi fleksibel grid. Pengamatan intensif dilakukan pada setiap satuan lahan yang menjadi sampel area. Berdasarkan Sistem Klasifikasi Tanah (PPT, 1983), Kec. Baruga dan Kec. Poasia mempunyai 8 macam tanah yaitu : Aluvial Distrik seluas 2944,5 ha (27,61%) meliputi SPT 1-3, 6 dan SPT 7); Aluvial Humik seluas 242,0 ha (2,28 %) meliputi SPT 5; Arenosol Kambik seluas 933,25 ha (8,77 %) meliputi SPT 12, 18, 19 dan SPT 21; Arenosol Oksik seluas 262,0 ha (2,46 %), meliputi SPT 14 dan SPT 22; Kambisol Molik seluas 1206,5 ha (11,31 %) meliputi SPT 8; Kambisol Umbrik seluas 1293,0 ha (11,62 %) meliputi SPT 4 dan SPT 23; Regosol Distrik seluas 3749,0 ha (35,16 %) meliputi SPT 9,10,13,15-17,20, dan SPT 24-25; dan Regosol Eutrik seluas 83,75 ha (0,79 %) meliputi SPT 11. Berdasarkan Sistem Klasifikasi Tanah USDA (1999), Kecamatan Baruga dan Kecamatan Poasia mempunyai 8 sub group tanah yaitu : Typic Ustifluvents seluas 4611,75 ha (43,24 %) meliputi SPT 1, 5, 10, 15, dan SPT 16; Fluventic Dystrustepts seluas 1310,75 ha (12,29 %) meliputi SPT 4; Typic Endoaquents seluas 739,5 ha (6,94 %) meliputi SPT 2, 6 dan SPT 7; Typic Fluvaquents seluas 403,5 ha (3,78 %) meliputi 3; Typic Haplustepts seluas 80,75 ha (0,76 %) meliputi SPT 21; dan Typic Ustorthents seluas 1264,5 ha (11,88 %) meliputi SPT 9,11, 13, 17, 20, 24 dan SPT 25; Typic Dystrustepts seluas 1310,75 ha (12,29 %); Humic Dystrustepts seluas 1293,25 ha (12,15 %) meliputi SPT 12, 18, 19, 22 dan SPT 23.

Penggunaan citra dengan resolusi menengah guna memndeteksi kepadatan lahan terbangun pada saat ini belum dimanfaatkan secara optimal, karena sulitnya menbedakan lahan terbangun dan lahan terbuka/kosong.Penelitian ini bertujuan untuk nmengkaji kemampuan tranformasi spectral dan kombinasinya guna mendeteksi kepadatan lahan terbangun dan menkaji pola kepadatan lahan terbangun. Untuk dapat mendeteksi kepadatan lahan terbangun dalam penelitian ini menggunakan transformasi spektral yang diperuntukan untuk transformasi kota dan transformasi vegetasi dengan memanfaatkan citra Landsat 8 sebagai sumber data utama. Penelitian ini bersifat eksperimental dengan cara mengembangkan tranformasi spektaran yang diperuntukan untuk mendeteksi kota dan vegetasi. Kombinasi antar trasformasi ini untuk memunculkan built-up lahan terbangun. Hasil transformasi UI memiliki akurasi tertinggi yaitu 83,33% serta memiliki standar deviasi 30,27. Kombinasi tranformasi terbaik adalah tranformasi UI-NDVI dengan nilai akurasi 85,04% serta nilai standar deviasi 30,32. Peta hasil kepadatan lahan terbangun hasil tranformasi UI-NDVI selanjutnya dianalisis dengan peta jaringan jalan dan kedekatan dengan Central Business District (CBD) untuk mendapatkan pola kepadatan lahan terbangun. Dari hasil analisis diketahui bahwa pola lahan terbangun yang ada di Kota Magelang dan sekitarnya cenderung memiliki dimensi searah jalur jalan utama dan terlihat seperti berbentuk elips

Kota Baubau merupakan enam Kabupaten/Kota yang menjadi daerah dengan tingkat kasus demam berdarah tertinggi salama periode 2010 sampai 2014.Penelitian ini bertujuan untuk menentukan pola kejadian demam berdarah dengue dan sebaran tingkat kerentanan wilayah terhadap penyakit demam berdarah dengue di Kota Baubau. Jenis penelitian ini adalah deskriptif-kuantitatif yang berbasis penginderaan jarak jauh dan sistem informasi geografi berdasarkan proses observasi, interpretasi citra satelit dan pemberian skor terhadap variabel penelitian yang terdiri dari penggunaaan lahan, kepadatan permukiman, pola permukiman, kepadatan penduduk, jangkauan terbang nyamuk infektif, curah hujan, suhu udara dan kelembaban udara. Metode analisis yang digunakan dalam penelitian ini adalah analisis tetangga terdekat (analysis nearest neighbor) dan analis tumpang susun (overlay). Hasil penelitian ini menunjukan bahwa pola kejadian demam berdarah dengue di Kota Baubau terjadi secara mengelompok (clustered) dengan nilai indeks 0,371705. Pengelompokan kasus demam berdarah terjadi di 4 kecamatan yaitu Kecamatan Wolio, Murhum, Betoambari dan Kecamatan Batu Puaro. Secara umum Kota Baubau dikategorikan rentan terhadap penyakit demam berdarah dengue dengan persentase luas wilayah rentan dan sangan rentan sebesar 22,91% dan 15,61%. Sebaran kerentanan wilayah terhadap penyakit demam berdarah dengue dengan kategori tinggi ditemukan pada Kecamatan Wolio, Kecamatan Murhum, Kecamatan Betoambari dan Kecamatan Batu Puaro

Kota Baubau merupakan enam Kabupaten/Kota yang menjadi daerah dengan tingkat kasus demam berdarah tertinggi salama periode 2010 sampai 2014.Penelitian ini bertujuan untuk menentukan pola kejadian demam berdarah dengue dan sebaran tingkat kerentanan wilayah terhadap penyakit demam berdarah dengue di Kota Baubau. Jenis penelitian ini adalah deskriptif-kuantitatif yang berbasis penginderaan jarak jauh dan sistem informasi geografi berdasarkan proses observasi, interpretasi citra satelit dan pemberian skor terhadap variabel penelitian yang terdiri dari penggunaaan lahan, kepadatan permukiman, pola permukiman, kepadatan penduduk, jangkauan terbang nyamuk infektif, curah hujan, suhu udara dan kelembaban udara. Metode analisis yang digunakan dalam penelitian ini adalah analisis tetangga terdekat (analysis nearest neighbor) dan analis tumpang susun (overlay). Hasil penelitian ini menunjukan bahwa pola kejadian demam berdarah dengue di Kota Baubau terjadi secara mengelompok (clustered) dengan nilai indeks 0,371705. Pengelompokan kasus demam berdarah terjadi di 4 kecamatan yaitu Kecamatan Wolio, Murhum, Betoambari dan Kecamatan Batu Puaro. Secara umum Kota Baubau dikategorikan rentan terhadap penyakit demam berdarah dengue dengan persentase luas wilayah rentan dan sangan rentan sebesar 22,91% dan 15,61%. Sebaran kerentanan wilayah terhadap penyakit demam berdarah dengue dengan kategori tinggi ditemukan pada Kecamatan Wolio, Kecamatan Murhum, Kecamatan Betoambari dan Kecamatan Batu Puaro

Research in Kendari Barat District of Kendari City is done to identify neighborhood slums, to map the regional distribution of the slums and to determine the total area of the slums. This study was conducted in May-June, 2016. Identification of a slum area done by considering several criteria such as the density of buildings, the feasibility of building, environmental accessibility, environmental drainage, water services, waste water management and waste management. Results from this study showed that the level of untidiness in the district of Kendari Barat consists of three classes of seedy mild, moderate seedy and rundown weight. For a rundown light scattered at several village ie village Kemaraya, Watu-watu, Tipulu, Punggaloba and Dapu-dapura, which also consists of several neighborhoods, with an area of slums by 25.343 ha. While mild slums spread almost in each village that is located in the Village Kemaraya, Lahundape, Watu-watu, Benu-benua, Sodohoa, Sanua and Dapu-dapura with an area 30.675 ha, slums in the region are also scattered in several neighborhoods. And for heavy slums contained in four villages, namely the village Tipulu, Punggaloba, Sodohoa and Sanua with an area of 11.53 ha

Research in Kendari Barat District of Kendari City is done to identify neighborhood slums, to map the regional distribution of the slums and to determine the total area of the slums. This study was conducted in May-June, 2016. Identification of a slum area done by considering several criteria such as the density of buildings, the feasibility of building, environmental accessibility, environmental drainage, water services, waste water management and waste management. Results from this study showed that the level of untidiness in the district of Kendari Barat consists of three classes of seedy mild, moderate seedy and rundown weight. For a rundown light scattered at several village ie village Kemaraya, Watu-watu, Tipulu, Punggaloba and Dapu-dapura, which also consists of several neighborhoods, with an area of slums by 25.343 ha. While mild slums spread almost in each village that is located in the Village Kemaraya, Lahundape, Watu-watu, Benu-benua, Sodohoa, Sanua and Dapu-dapura with an area 30.675 ha, slums in the region are also scattered in several neighborhoods. And for heavy slums contained in four villages, namely the village Tipulu, Punggaloba, Sodohoa and Sanua with an area of 11.53 ha

Risk Mapping Vulnerability towards Flooding at the Gulf Coast Kendari, Southeast Sulawesi Province. Thesis, Kendari: Faculty of Earth Science and Technology, Halu Oleo University, July 2016. The study area in this study includes the entire Gulf coast of Kendari which consist of six sub-districts and 45 villages. The technique of collecting data is through the data used is the method ofGeographical Information Systems (GIS) towards skoring, weighting and overlay each parameter. The parameters that used are elevation, land use, soils, rivers, rainfall, spatial pattern an conditions of the shoreline. The result of this study is: (I) the very low risk is at an altitude of 51-100 masl for the district of Poasia and Abeli, in the district of Poasia also contained the risk level at a height of 0-25 masl which also scattered in the district of Kambu. From the district Mandonga, West Kendari and the District of Kendari, spead at an altitude of51 to more than 400 masl. (II) The low risk is at an altitude of 26-51 masl Mandonga at a height of 0-26 masl, West Kendari and contained at an altitude of 51-100 masl. The higher risk (III) are distributed unevenly across the district and be at the certain height in each district. 0-50 masl and contained in all districts with a scale which not widely. (IV) A very high of vulnerabilities is at an altitude of 0-25 masl at the entire coastal region of the location of research.

Risk Mapping Vulnerability towards Flooding at the Gulf Coast Kendari, Southeast Sulawesi Province. Thesis, Kendari: Faculty of Earth Science and Technology, Halu Oleo University, July 2016. The study area in this study includes the entire Gulf coast of Kendari which consist of six sub-districts and 45 villages. The technique of collecting data is through the data used is the method ofGeographical Information Systems (GIS) towards skoring, weighting and overlay each parameter. The parameters that used are elevation, land use, soils, rivers, rainfall, spatial pattern an conditions of the shoreline. The result of this study is: (I) the very low risk is at an altitude of 51-100 masl for the district of Poasia and Abeli, in the district of Poasia also contained the risk level at a height of 0-25 masl which also scattered in the district of Kambu. From the district Mandonga, West Kendari and the District of Kendari, spead at an altitude of51 to more than 400 masl. (II) The low risk is at an altitude of 26-51 masl Mandonga at a height of 0-26 masl, West Kendari and contained at an altitude of 51-100 masl. The higher risk (III) are distributed unevenly across the district and be at the certain height in each district. 0-50 masl and contained in all districts with a scale which not widely. (IV) A very high of vulnerabilities is at an altitude of 0-25 masl at the entire coastal region of the location of research.

Perubahan penutupan lahan merupakan proses berubahnya luasan area pada suatu tutupan dan guna lahan. Penelitian ini bertujuan untuk mengidentifikasi dan mengetahui perubahan tutupan lahan di kawasan Taman Nasional Rawa Aopa Watumohai National Park dengan menggunakan citra LANDSAT 7 tahun 2006 dan citra LANDSAT 8 tahun 2015. Metode yang digunakan dengan melakukan klasifikasi terbimbing berdasarkan kemiripan maksimum (maximum likelihood). Hasil penelitian menunjukkan bahwa pada tahun 2000, tahun 2006 dan tahun 2015 menunjukkan adanya perubahan vegetasi pada lahan antara lain alang-alang, hutan primer, hutan rawa, hutan sekunder, lahan terbuka, hutan mangrove, lading, rawa dan semak belukar. Rata-rata perubahan luasan pada periode tahun 2000-2006 sebesar 51.953,38 ha dan pada periode tahun 2006-2015 sebesar 42.633,71 ha. Perubahan penutupan lahan di kawasan Taman Nasional Rawa Aopa Watumohai (TNRAW) terjadi karena alih fungsi lahan hutan dan alang-alang menjadi penggunaan lahan berupa perladangan

Penelitian ini bertujuan untuk menganalisis dan memetakkan luas Ruang Terbuka Hijau dan menganaslisis potensi biomassa RTH Kota Baubau.Metode penelitian dilakukan dengan menginterpretasi citra Google Earth untuk analisis penggunaan lahan dan citra LANDSAT 8 digunakan untuk analisis kerapatan vegetasi untuk menghitung potensi biomassa di Kota Baubau.Hasil penelitian menunjukkan bahwa kondisi eksisting ruang terbuka hijau (RTH) berdasarkan luas wilayah terdapat dua kecamatan yang belum memenuhi proporsi RTH sebesar 30% yaitu kecamatan Batupurao dan kecamatan Murhum.Kebutuhan RTH berdasarkan jumlah penduduk dan luas wilayah di Kota Baubau masing-masing 8.821,41 ha dan 5,01 ha. Potensi biomassa RTH pada masing-masing tingkat kerapatan memeiliki perbedaan dengan nilai kerapatan tertinggi 1.822.453,52 ton. Kebutuhan RTH di Kota Baubau berdasarkan jumlah penduduk sesuai dengan standar pada ketetapan PERMEN PU No. 5 Tahun 2008 bahwa ketersediaan RTH masih terpenuhi

Penelitian ini bertujuan untuk menganalisis dan memetakkan luas Ruang Terbuka Hijau dan menganaslisis potensi biomassa RTH Kota Baubau.Metode penelitian dilakukan dengan menginterpretasi citra Google Earth untuk analisis penggunaan lahan dan citra LANDSAT 8 digunakan untuk analisis kerapatan vegetasi untuk menghitung potensi biomassa di Kota Baubau.Hasil penelitian menunjukkan bahwa kondisi eksisting ruang terbuka hijau (RTH) berdasarkan luas wilayah terdapat dua kecamatan yang belum memenuhi proporsi RTH sebesar 30% yaitu kecamatan Batupurao dan kecamatan Murhum.Kebutuhan RTH berdasarkan jumlah penduduk dan luas wilayah di Kota Baubau masing-masing 8.821,41 ha dan 5,01 ha. Potensi biomassa RTH pada masing-masing tingkat kerapatan memeiliki perbedaan dengan nilai kerapatan tertinggi 1.822.453,52 ton. Kebutuhan RTH di Kota Baubau berdasarkan jumlah penduduk sesuai dengan standar pada ketetapan PERMEN PU No. 5 Tahun 2008 bahwa ketersediaan RTH masih terpenuhi

Penelitian ini bertujuan untuk mengkaji bentuk penataan permukiman masyarakat di Benteng Liya sebagai kawasan konservasi dan cagar budaya dan mengkaji pengembangan permukiman yang sesuai dengan besaran peruntukan ruang terbangun dan ruang terbuka hijau di kawasan Benteng Liya sebagai kawasan Konservasi dan Cagar Budaya. Metode analisis data yaitu teknik zonasi dan peraturan Menteri Pekerjaan Umum Nomor 41 Tahun 2007 tentang Pedoman Kriteria Teknis Kawasan Budi Daya. Bentuk penataan permukiman masyarakat di Benteng liya dibagi menjadi zona inti 1, zona inti 2, zona penyangga, zona pengembangan dan zona penunjang. Besaran peruntukan ruang terbangun dan ruang terbuka hijau adalah 519.012,8 m2 : 353.665,2 m2 dari luas kawasan Benteng Liya seluruhnya adalah 872.678 m2

Wisata bahari merupakan salah satu destinasi wisata di Kecamatan Tomia Timur yang memiliki potensi untuk dikembangkan. Penelitian ini bertujuan untuk: (1) mengetahui sebaran potensi wisata bahari; (2) mengetahui lokasi aksebilitas wisata bahari di Kecamatan Tomia Timur. Inventarisasi potensi wisata bahari Kecamatan Tomia Timur dilakukan dengan metode survei untuk menganalisis dan mendokumentasikan sumber potensi wisata bahari. Hasil dari penelitian ini menunjukkan bahwa: (1) ada 11 titik wisata bahari yang ada di Kecamatan Tomia Timur yang tersebar di beberapa desa didukung dengan akomodasi yang cukup memadai; (2) untuk potensi aksebilitas di setiap lokasi objek wisata ada 3 kelas potensi objek wisata ,yaitu sangat potensial, cukup potensial dan kurang potensial, objek wisata sangat potensial ada 4 objek wisata, yaitu; Tadu Sangia Fatu Kollo, Pantai Kampa, Pantai Polia, Pantai Huntete, dan objek wisata cukup potensial ada 2 objek wisata yaitu Pantai Timu dan Pantai Tee Timu, dan untuk kelas kurang potensial ada 2 objek wisata, yaitu Pantai Hongaha dan Pantai Mongii. Inventarisasi potensi wisata bahari akan memudahkan dalam perencanaan dan pengembangan wisata bahari di Tomia Timur

Koreksi atmosfer merupakan turunan metode dari koreksi radiometrik dari kategori koreksi yang mempertimbangkan faktor-faktor luar yang berpengaruh terhadap kesalahan informasi yang ada pada citra. Dalam penelitian ini, koreksi atmosfer dilakukan pada Citra Landsat 8 OLI dikarenakan memiliki akses data yang relatif mudah. Penelitian ini bertujuan untuk menerapkan hasil koreksi BoA iCOR pada indeks vegetasi metode NDVI, SAVI dan EVI. Metode analisis data yang digunakan dalam penelitian ini, metode transformasi indeks vegetasi NDVI, SAVI dan EVI untuk mengidentifikasi tingkat kerapatan vegetasi. Hasil penelitian ini antara lain rentang nilai kerapatan vegetasi terkoreksi atmosfer iCOR metode NDVI -0,63 sampai 1,42; SAVI -0,14 sampai 0,37; dan EVI -0,15 sampai 0,35 dari citra hasil koreksi iCOR. Hasil koreksi iCOR baik diterapkan pada metode transformasi NDVI sedangkan metode transformasi SAVI dan EVI kurang baik diterapkan karena tidak mendekati rentang indeks vegetasi secara global.