Indonesia has a very large water area and there is the territory that is the confluence of the earth's slabs. It can allowing the occurrence of tsunami natural disasters. The study aims to find out which areas have risks the highest and the lowest land damage. The data used in this study were satellite images taken from 2014-2021 with coverage area in Kulon Progo Regency which consists of 12 sub-districts. This study used indexes vegetation UI, NDBI, IBI, EBBI. With an ANN algorithm get results which is quite accurate with an accuracy rate of 94.50%. Predictions states that the area has a high risk of damage due to the tsunami, namely the villages of Jingkaran, Sindutan, Palihan, Glagah, Karangwuluh, Janten, Temon Kulon, Kedundang, Sogan, Kalidengen, Ngestiharjo, Depok, Kanoman, Panjatan, Wahyuharjo, Pandowan, Nomporejo, and, Kranggan.  

Tsunami adalah salah satu bencana alam yang dapat terjadi kapan saja yang keberadaannya tidak dapat dihindari. Kabupaten Kebumen adalah salah satu daerah yang bertempat di bagian pantai selatan Provinsi Jawa Tengah yang memiliki risiko terkenanya bencana tsunami. Hal ini terjadi akibat lokasi dari kabupaten kebumen yang berada dekat dengan perairan dan memiliki banyak luas wilayah pada dataran rendah. Penelitian ini dilakukan agar dapat memberikan informasi mengenai risiko yang dapat terjadi pada wilayah tersebut dengan melakukan prediksi dan klasifikasi dengan menggunakan data dari Citra Landsat-8 OLI yang diambil dari USGS serta memanfaatkan 5 indeks vegetasi yaitu NDVI, NDBI, NDWI, MNDWI, dan WI dengan penerapan metode Support Vector Machine (SVM) yang merupakan salah satu metode machine learning yang digunakan untuk klasifikasi. Pada penelitian ini didapatkan ada 11 desa yang diprediksi berisiko tinggi terkena tsunami dengan nilai akurasi yang didapatkan sebesar 0.945 dan nilai kappa sebesar 0.914 dimana semakin tinggi nilai yang didapatkan maka semakin tinggi juga ketepatan hasil prediksi yang diperoleh.

Universitas Ilmu Komputer dan Teknologi (STEKOM University) telah menggunakan Learning Management System (LMS) sejak tahun 2018, namun hingga saat ini pengukuran kinerja Learning Management System (LMS) belum dilakukan. Penelitian ini bertujuan untuk mengukur tingkat kematangan Learning Management System (LMS) dengan menggunakan Framework COBIT 4.1 pada domain Delivery and Support (DS) dan Monitoring and Evaluation (ME). Nilai tingkat kematangan pada kondisi eksisting berada pada level rata-rata 2, sedangkan kondisi yang ingin dicapai berada pada level rata-rata 3. Untuk mencapai level yang diharapkan, saran perbaikan mengacu pada Kerangka COBIT 4.1 perlu yang akan diberikan antara lain: pembuatan SOP (Standar Operasional dan Prosedur) LMS, kelengkapan isi LMS, tertib administrasi dokumentasi arsip penting, realisasi pelatihan LMS bagi dosen, alokasi biaya pemeliharaan dan pengujian sistem, penerapan reward and punishment, pembuatan dan penggunaan framework dan E governance - Pembelajaran dan semuanya dilakukan secara rutin minimal setiap 6 bulan sekali.

Agar mencakup jangkauan lebih luas, efesien, dan baik dalam menyebarkan informasi dibutuhkan teknologi yang menjanjikan agar dapat mewujudkan pemerintahan yang lebih baik. Dinas Pemberdayaan Masyarakat Pemerintahan dan Kampung (DPMPK) Pegunungan Bintang berupaya menggunakan teknologi informasi komunikasi sebagai sarana penyebaran informasi atau istilah populernya adalah e-government. Sebagai upaya dalam mewujudkan e-government, dibangun sebuah website dengan framework Laravel, bahasa pemrogramman PHP dan JavaScript. Terdapat tiga peran yang digunakan dalam sistem tersebut di antaranya super admin, admin, dan user yang saling berkaitan. Super admin dan admin dipisahkan agar website dapat lebih mudah dikontrol dan meminimalisir kesalahan yang tidak diperlukan oleh admin dashboard saat mengubah isi dari website tersebut. Pembangunan website DPMPK dibuat dengan tampilan antar muka yang sederhana agar dapat mempermudah user saat melakukan pencarian informasi dan mengunduh dokumen yang diperlukan.

Tsunami merupakan salah satu bencana alam yang berbahaya dimana dapat memakan korban jiwa, gelombang air yang besar pada bencana tsunami dapat bergerak sangat cepat dan dapat menghancurkan wilayah pemukiman yang berada dekat dengan laut. Dimana Indonesia merupakan salah satu negara yang berada diurutan pertama dari 256 negara didunia dengan ancaman tsunami yang tinggi. Pada tanggal 28 September 2018 terjadi sebuah tsunami pada Kota Palu yang memakan korban jiwa sebanyak 3.689 orang hilang dan meninggal. Penelitian ini bertujuan untuk membuat sebuah model peta yang dapat memberikan informasi mengenai klasifikasi lahan beresiko tsunami. Tingkat klasifikasi lahan beresiko tsunami dibagi menjadi 5 klasifikasi yaitu sangat rawan, tinggi, rendah, sangat rendah, dan tidak rawan. Hasil penelitian yang didapatkan pada nilai akurasi untuk semua parameter sebesar 0.909, sedangkan nilai perulangan pertama train mlogloss sebesar 0.6926 dan test mlogloss 0.6928, dan untuk perulangan keseratus mendapatkan nilai train mlogloss 0.6437 dan test mlogloss 0.6547, diketahui bahwa semakin banyak melakukan perulangan nilai dari pada test mglogloss dan train mglogloss akan semakin kecil perluang dari kesalahan Extreme Gradient Boosting. Berdasarkan hasil klasifikasi antara data yang sudah dan belum diprediksi menggunakan Extreme Gradient Boosting didapatkan 43 kelurahan yang mempunyai hasil yang berbeda. Sehingga Extreme Gradient Boosting dapat digunakan untuk pengambilan keputusan dalam membuat model klasifikasi lahan beresiko tsunami.

Abstrak - Banjir pesisir atau rob adalah banjir yang terjadi karena masuknya air laut ke area daratan dan menjadi masalah utama pada daerah di Indonesia yang besinggungan langsung dengan daerah pantai seperti Kota Semarang. Angin, tinggi gelombang, curah hujan, dan topologi tanah menjadi faktor yang sangat mempengaruhi perbedaan tinggi permukaan air laut dari muka daratan. Mangrove merupakan salah satu vegetasi yang cocok untuk daerah pantai karena dapat tumbuh di lingkungan dengan kadar garam yang tinggi. Keadaan permukaan Kota Semarang seperti persebaran vegetasi dan ketinggian tanah dapat diketahui dengan memanfaatkan teknologi remote sensing atau penginderaan jauh. Indeks vegetasi seperti NDVI (Normalized Different  Vegetation Index) menjadi salah satu metode yang dipakai untuk menganalisa persebaran dan tingkat kehijauan pada suatu wilayah. Selain NDVI dalam penelitian juga memanfaatkan peta DEM (Digital Elevtion Model) untuk mengetahui kondisi ketinggian atau kontur dalam wilayah tertentu. Tingkat kehijauan di daerah utara Kota Semarang lebih banyak memiliki nilai kehijauan rendah hingga sangat rendah dan 9 dari 16 Kecamatan di Kota Seamarang memiliki kontur ketinggian tanah kurang dari 25 meter. Dari kedua keadaan tersebut bencana banjir pesisir atau rob akan sulit untuk dihindari dan perlu adanya peranan dari masyarakat maupun pemerintah untuk menangani masalah banjir pesisir di Kota Semarang.

Perubahan alih fungsi lahan dapat menyebabkan perubahan dalam lingkungan alam, seperti perubahan vegetasi, perubahan daya serap tanah, maupun sedimentasi sungai sehingga berpotensi mengakibatkan bencana alam. Apabila tidak dilakukan penanganan terhadap tata kelola penggunaan lahan dengan serius maka akan menyebabkan peningkatan debit air pada setiap tahunnya, sehingga daerah di sekitar sungai Tuntang akan berpotensi sebagai daerah yang rawan terdampak banjir. Pada penelitian ini, dilakukan pengklasifikasian menggunakan metode Normalized Difference Vegetation Index (NDVI), Normalized Difference Wetness Index (NDWI), Soil Adjusted Vegetation Index (SAVI), Standardized Precipitation Index (SPI) dan Interpolasi menggunakan Inverse Distance Weighted (IDW) kemudian di skoring untuk menganalisa daerah-daerah khususnya desa yang berpotensi rawan banjir pada sekitar Daerah Aliran Sungai Tuntang di Kecamatan Bawen dan Kecamatan Tuntang. Hasil dari penelitian ini menyimpulkan bahwa Kecamatan Bawen dan Kecamatan Tuntang merupakan daerah yang tidak rawan banjir dikarenakan tutupan lahan vegetasinya masih baik dan curah hujan masih dalam kapasitas normal.

Drought is a natural disaster that occurs slowly and lasts a long time. Bantul and Gunung Kidul Regencies, Special Region of Yogyakarta are also areas affected by high drought risk. This happened because the area was the result of the construction of a cement factory and limestone mining along the Sewu Mountains. Prediction and classification of areas affected by drought can be done more accurately over large areas by extracting vegetation indices through remote sensing imagery. This research was conducted to provide information about the potential risk of drought in the region using Landsat 8 OLI spectral vegetation index data. Prediction or classification of drought potential using Artificial Neural Network. Vegetation index used in this study is NDVI, TCI, VCI, and VHI. Correlation results between vegetation indices showed the highest correlation occurred between the vegetation index TCI and VHI with the potential for a medium drought of 0.501 and the potential for a high drought of 0.684. Also obtained are the results of the classification of 9 villages that fall into the category of high drought potential (High Risk). Accuracy results and Kappa values indicate that Random Forest is the best method used with a breakdown of values of 99.91% and 99.81%, respectively. Spatial prediction results are performed using Inverse Distance Weighted (IDW) on vegetation index and prediction. Testing of spatial relationships between villages that have the potential for drought is done using Moran s I. analysis.  

Kecamatan Bandungan dan Sumonowo merupakan wilayah di Kabupaten Semarang yang ditetapkan sebagai kawasan Agropolitan. Dalam beberapa survei dan penelitian di kawasan yang memiliki kesamaan administratif dan geografis tersebut menunjukan tren perubahan produktifitas pertanian akibat pembangunan. Pendekatan sistem informasi geografis digunakan dalam penelitian ini dengan alasan untuk bisa menganalisis objek spasial secara menyeluruh pada kawasan terkait. Penelitian ini berusaha memetakan penataan ruang secara objektif dengan metode Artificial Neural Network. Dimana hubungan antar objek spasial dikalkulasikan potensi perubahannya pada dua data spasial yang berbeda   tempo. Hasilnya didapatkan bahwa simulasi objektif dengan metode ANN terhadap data spasial hasil klasifikasi menggunakan metode minimum distance diperoleh min validation error 0,0656. Hasil validasinya juga cukup baik, yaitu memperoleh prosentasi kebenaran 85,3% dan index kappa 0.80. Peta simulasi dihasilkan sampai pada tempo 2021. Dari peta simulasi didapatkan pengetahuan bahwa sistem pertanian terbuka akan terus mengalami pertumbuhan luasan secara positif dengan kisaran 0,015%. Adapun sistem pertanian tertutup akan terus mengalami penyusutan luasan pada kisaran 0,01%. Pengetahuan ini bisa menjadi alternaif solusi dalam mempertimbangkan implementasi rencana tata ruang dan wilayah pada kawasan terkait.