Pola Persebaran Wisata Taman Dan Lingkungan Di Kota Surabaya

Kota Surabaya sebagai kota metropolitan, tidak meninggalkan penampilannya dalam mempercantik wilayahnya terutama dalam pembangunan sebuah taman di seluruh wilayah. Taman Bungkul mendapatkan penghargaan kategori taman terbaik Se-Asia dari Perserikatan Bangsa – Bangsa (PBB) pada tahun 2013. Pemerintah berupaya memperluas pembangunan objek wisata taman. Tercatat berdasarkan data rencana induk pariwisata objek wisata dan lingkungan sebanyak 29 objek tersebar di wilayah Kota Surabaya. Tujuan penelitian adalah mengetahui pola persebaran objek wisata taman dan lingkungan di Kota Surabaya. Metode penelitian ini menggunakan pendekatan deskriptif kualitatif dan deskriptif kuantitatif. Teknik analisis yang digunakan adalah teknik dekskriptif kualitatif dan teknik analisis tetangga terdekat (Nearest Neighbor Analysis) menggunakan software ArcGis 10.2. Karakteristik objek wisata taman dan lingkungan berdasarkan atraksi memiliki ciri khas tersendiri pada setiap objek wisata taman. Fasilitas yang ada didalam maupun diluar objek wisata belum semuanya tersedia. Aksesbilitas menuju objek wisata memadai dan masih ada beberapa objek wisata yang harus dilakukan perbaikan jalan dan penambahan moda transportasi. Pengelolaan objek wisata dikelola oleh Pemerintah Kota Surabaya dan ada juga dari pihak swasta. Pola persebaran di setiap wilayah Surabaya Pusat, Utara, Selatan, Barat dan Timur seragam (Dispersed), sedangkan pola persebaran se Surabaya pola persebaran mengelompok (Cluster).

Quantitative Characterization of the Spatial Distribution of Corrosion Pits Based on Nearest Neighbor Analysis

Nearest neighbor analysis (NNA)-based procedures are proposed for the quantitative characterization of the spatial distribution of corrosion pits in metals. After the exposure of a carbon steel to a 3.5% NaCl solution mist, the results derived from observation of corrosion pit initiation and growth were used to justify the applicability of this approach. The pits initially comprised clusters that were superimposed on a randomly distributed background set. The clustered pits subsequently coalesced, evolving into a more random pit arrangement. Furthermore, it was revealed that in the early stages, the spatial pit distribution can be predicted via inspection of surface inclusions prior to the corrosion process.

Hotspot Distribution Analysis In East Kalimantan Province 2017-2019 to Support Forest and Land Fires Mitigation

Forest and land fires that have occurred in the territory of East Kalimantan Province have caused immediate disaster to the area from year to year and become a global concern in recent years. Hotspots that potentially cause forest and land fires can be detected using satellites such as NOAA-20. The purposes of this study are to analyze the distribution pattern of hotspots in East Kalimantan Province during 2017-2019, identify areas with the highest risk of fires caused by the high intensity of hotspot. The method used in this study is the Nearest Neighbor Analysis and Kernel Density Estimation analysis. The results showed that the distribution pattern of hotspots in East Kalimantan Province during 2017-2019 was clustered with the highest intensity of hotspots were in Berau, East Kutai and Kutai Kartanegara Districts. And from the result of the analysis, the highest number of days has a peak hotspots on September each year. Keywords: forest and land fires, hotspots, Nearest Neighbor, Kernel Density Estimation

Analisis Penyebaran Hunian dengan Menggunakan Metode Nearest Neighbor Analysis

Abstrak Nearest neighbor analysis merupakan sebuah metode analisis yang dapat digunakan untuk menentukan suatu pola penyebaran, apakah berpola seragam (uniform), acak (random), atau mengelompok (cluster). Nearest neighbor analysis dalam perhitungannya mempertimbangkan jarak, jumlah titik lokasi penyebaran, dadn luas wilayah, hasil akhir analisis ini berupa indeks tetangga terdekat (T) yang nilainya berkisar antara 0 sampai 2.15. Untuk menentukan faktor-faktor yang mempengaruhi pola penyebaran hunian, pada penelitian ini menggunakan analisis korelasi (r). Hasil dari penelitian ini berdasarkan perhitungan nearest neighbor analysis yaitu pola penyebaran hunian di Kota Kendari secara keseluruhan memiliki pola penyebaran yang cenderung berpola acak artinya jarak antara titik-titik penyebaran hunian tidak memiliki jarak yang sama, dan hasil dari perhitungan korelasi diperoleh faktor-faktor yang mempengaruhi pola penyebaran hunian yang cenderung berpola acak. Faktor yang paling berpengaruh dengan hubungan positif yaitu faktor pertumbuhan penduduk, hal ini dapat dilihat pada hasil korelasi dimana faktor pertumbuhan penduduk memiliki nilai korelasi tertinggi yaitu 0.618 dan faktor yang paling berengaruh dengan hubungan negatif yaitu faktor fasilitas Pendidikan hal ini dapat dilihat pada hasil korelasi dimana faktor fasilitas Pendidikan memiliki nilai korelasi negatif tertinggi yaitu -0.526.Keywords: Nearest Neighbor Analysis, Pola Penyebaran.

ANALISIS POLA PERSEBARAN DAN KETERJANGKAUAN LOKASI SEKOLAH TERHADAP PEMUKIMAN DIKECAMATAN BATAUGA KABUPATEN BUTON SELATAN.

This writing aims to analyze the distribution patterns and find out the affordability of the School's location to the settlements in the Batauga sub-district of South Buton Regency. The method used in this study is a quantitative descriptive method with Nearest Neighbor Analysis and baffer analysis. Data is obtained by survey and document review. The results showed 1) The pattern of distribution of School Locations in Batauga sub-district was calculated using the analysis of the nearest neighbor (Analysis Nearest Nigh) obtained T value = 0.26369, spatial pattern of School Location distribution in Batauga Subdistrict was Cluster pattern. 2). The results of Spatial Analysis using the Baffer function are the distribution of school locations in Batuaga Subdistrict, which have not fully served all villages in the subdistrict of Batauga. Educational facilities for junior high schools (SMP / MTs) are only able to serve 75%, namely Lawela Village, Lawela Seatan, Bandar Batauga, Busoa, Lakambau, Majapahit, Pogalampa, Mologina and Bola Village.

ANALISIS SEBARAN Nepenthes spp. DI HUTAN KERANGAS CAGAR ALAM PADANG LUWAY DI KABUPATEN KUTAI BARAT

Cagar Alam Padang dengan luas ± 5.000 Ha Luway merupakan kawasan suaka alam yang karena keadaan alamnya mempunyai kekhasan/keunikan jenis tumbuhan dan/atau keanekaragaman tumbuhan seperti berbagai jenis anggrek dan Nepenthes spp. beserta gejala alam dan ekosistemnya berupa hutan kerangas dengan ciri khas lantai hutan berupa pasir (kersik) berwarna putih yang memerlukan upaya perlindungan dan pelestarian agar keberadaan dan perkembangannya berlangsung secara alami, secara administrasi berada di tiga kecamatan yaitu Melak, Damai dan Sekolaq Darat Kabupaten Kutai Barat. Pengelolaannya oleh Balai Konservasi Sumber Daya Alam (BKSDA) Kalimantan Timur. Penelitian ini dilakukan untuk mengetahui sebaran Nepenthes spp. dengan menggunakan indeks Morisita dan Nearest Neighbor Analysis serta untuk mengetahui potensinya dengan menggunakan metode analisa vegetasi. Berdasarkan hasil penelitian ini diketahui terdapat 3 (tiga) jenis Nepenthes yaitu N. Reinwardtiana hijau dan merah, N. Ampullaria dan N. Gracilis hijau dan merah, yang tersebar pada tiga lokasi penelitian yaitu di lokasi Kersik Luway ditemukan 137 individu N. Reinwardtiana yang tersebar di 10 (sepuluh) plot penelitian, di lokasi Kersik Mencege ditemukan 120 individu N. Ampullaria yang tersebar di 5 (lima) plot penelitian dan N. Gracilis di 2 (dua) plot penelitian serta di lokasi Kersik Serai ditemukan 80 individu N. Gracilis hijau pada 2 (dua) plot penelitian dan 162 individu N. Gracilis merah pada 8 plot penelitian. Dari Indek Nilai Penting (INP) diketahui dominasi tertinggi adalah N. Gracilis Merah sebesar 58,420 % dan terendah adalah N. Gracilis Hijau yaitu 15,953 %. Sedangkan hasil Indeks Morisita untuk semua jenis nepenthes di CA. Padang Luway adalah lebih dari 1 (Id˃1) yang menunjukan pola penyebaran mengelompok, begitu pula hasil pengolahan data dengan menggunakan Nearest Neighbor Analysis dengan hasil mengelompok (Cluster).