Dengan dukungan perkembangan teknologi serta ketersedian data spasial yang semakin mudah diperoleh telah menyebabkan pemanfaatan data spasial meningkat sangat cepat untuk berbagai keperluan. Salah satunya dimanfaatkan oleh instansi daerah untuk menjalankan administrasi Pajak Bumi dan Bangunan Perkotaan dan Pedesaan (PBB-P2). Penelitian ini bertujuan untuk mengevaluasi dan mengukur tingkat kualitas data spasial PBB-P2 yang dihasilkan dengan cara mengidentifikasi objek pajak menggunakan citra satelit tegak resolusi tinggi (CSRT-Ortho) yang diperoleh dari Ina-SDI Geoportal. Tahapan evaluasi kualitas data spasial PBB-P2 dilakukan berdasarkan standar toleransi perbedaan luas yang disusun oleh Direktorat Jenderal Pajak, serta uji tingkat kualitas data spasial yang dibuat oleh Badan Informasi Geospasial (BIG) dengan menggunakan metode polygon near distance, polygon area, dan polygon circularity ratio. Secara umum uji tingkat kualitas data spasial dilakukan dengan membandingkan sampel objek pajak hasil kegiatan pemutakhiran data spasial PBB-P2 tahun 2019 terhadap bidang tanah dalam peta pendaftaran tanah BPN sebagai objek referensi. Teknik sampling yang digunakan adalah purposive sampling dengan jumlah sampel uji sebanyak 293 objek pajak yang dihitung berdasarkan rumus slovin. Dari hasil uji akurasi posisi dan kualitas geometri diperoleh nilai rata-rata sebesar 3,687 m dan 0,050. Sedangkan uji kualitas luas menghasilkan nilai rata-rata sebesar 67,789 m2 dengan persentase objek pajak yang masuk dalam toleransi perbedaan luas adalah sebesar 68,26%. Secara keseluruhan hasil evaluasi data spasial PBB-P2 hasil identifikasi objek pajak melalui citra satelit menunjukan tidak adanya perbedaan data yang signifikan antara sampel objek uji terhadap objek referensi. Dari hasil uji kualitas data spasial menunjukan besarnya persentase objek pajak yang layak digunakan dalam menentukan kebijakan tekait penentuan besarnya pajak karena telah memenuhi standar toleransi luas dan berada dalam kategori kualitas sangat baik, baik dan normal adalah sebesar 67,23%.
Informasi geospasial dasar yang telah menyebar luas kepada masyarakat umum perlu dimanfaatkan secara optimal untuk berbagai keperluan terkait analisis spasial. Kota Bandung merupakan salah satu kota dengan jumlah penduduk muslim dan bangunan masjid terbanyak di Indonesia. Penelitian ini bertujuan untuk menganalisis secara masal penyimpangan arah bangunan masjid, khususnya yang telah berdiri di Kecamatan Cibeunying Kidul, Kota Bandung. Metode yang digunakan adalah analisis geovisual dengan cara membandingkan arah kiblat masjid yang dihitung menggunakan metode vincenty terhadap arah bangunan masjid yang diperoleh dari peta RBI skala 1:1.000, orthophoto dan Sistem Informasi Masjid (SIMAS). Hasil perhitungan menunjukan bahwa hanya bangunan Masjid Al Balad yang mengarah ke Kota Mekah. Rata-rata besarnya penyimpangan arah kiblat bangunan masjid ke ka’bah adalah sebesar 150 1’ 0,365”. Terdapat beberapa faktor yang teridentifikasi secara visual dan korelasi dapat mempengaruhi nilai penyimpangan arah bangunan masjid tersebut, diantaranya yaitu arah kepadatan bangunan sebesar 27,688 % dan koefisien dasar bangunan masjid sebesar 14,001 %.
Participatory mapping (PM) method has become an alternative in spatial data collection activities for various mapping activities, including updating data on Rural & Urban Land and Building Tax (PBB-P2). From several experiences in PM application, various quality results have been found. Differences in the levels of spatial abilities of PM actors are assumed to affect the quality levels of PM results. Therefore, this study aimed to determine the effects of spatial abilities on the quality of spatial data generated in PM activities. It consisted of several stages of preparing instruments for measuring spatial abilities, collecting spatial data through PM, and correlation analysis. The instrument used to measure the levels of spatial abilities of 28 subvillage chiefs was the Purdue Spatial Visualization Test. The quality of PBB-P2 spatial data in 28 subvillages was randomly selected and assessed in terms of position, area, and geometric accuracies with reference to the land registration map from National Land Agency. Results indicated a positive correlation between the visual spatial ability and the spatial data quality of the PM results with a value of r = 0.823. Our findings are expected to be used as references for parties who carry out PM activities to be able to plan such activities.
Kedalaman relatif perairan dangkal dapat diperoleh melalui Digital Elevation Model (DEM). Seiring berkembangnya sains, banyak metode dikembangkan untuk memperoleh nilai kedalaman relatif salah satunya dengan mengolah citra Sentinel-2 menggunakan algoritma Van Hengel and Spitzer. Penulis bertujuan untuk membandingkan nilai kedalaman relatif yang didapatkan dari pengolahan citra Sentinel-2 menggunakan algoritma Van Hengel and Spitzer dengan kedalaman relatif yang didapatkan melalui DEM. Data yang dibutuhkan pada penelitian ini adalah citra Sentinel-2 level 1C yang telah ter orthorektifikasi diunduh dari laman Earth Explorer dan DEM yang diunduh dari laman Tanah Air. Citra Sentinel-2 kemudian dikoreksi secara atmosferik dan radiometrik untuk mendapatkan nilai radiannya yang kemudian diolah dengan algoritma Van Hengel and Spitzer. Titik sampel disebar dengan interval 25 meter sepanjang sungai Brantas Kabupaten Jombang. Penelitian ini hanya membandingkan perhitungan secara komputasi sehingga tidak dilakukan validasi lapangan. Hasil dari pengolahan citra Sentinel-2 dengan algoritma Van Hengel and Spitzer memberikan rata-rata kedalaman relatif sebesar 16,35m dan rata-rata kedalaman relatif DEM yaitu sebesar 17,98m. Hasil perhitungan statistik menunjukkan nilai koefisien determinasi kedalaman relatif citra Sentinel-2 yang diolah menggunakan algoritma Van Hengel and Spitzer dengan DEM adalah sebesar 6,52%. Korelasi yang rendah tersebut diakibatkan tingginya kandungan sedimen dalam kolom air Sungai Brantas sehingga menimbulkan bias pada citra.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.