STASIUN CIPEUNDEUY KABUPATEN GARUT DALAM PERSPEKTIF VIDEO AERIAL
DOI:
https://doi.org/10.51977/wacadesain.v5i1.1649Keywords:
Stasiun Cipeundeuy, Kereta Api, Drone, Aerial Video, GeografiAbstract
Penelitian ini bertujuan untuk menganalisis Stasiun Cipeundeuy dari perspektif video udara atau aerial video dengan menggunakan drone sebagai media penangkap video yang dikaitkan dalam konteks geografi, arsitektur dan interaksi sosial. Metode penelitian yang digunakan adalah metodologi penelitian kualitatif deskriptif, dengan fokus pada pengamatan langsung dan wawancara dengan pihak terkait, serta analisis konten visual dari rekaman video udara. Data-data yang terkumpul akan dianalisis menggunakan pendekatan deskriptif dan interpretatif untuk memahami karakteristik fisik stasiun, pola pergerakan, serta dinamika interaksi sosial yang terjadi di sekitar stasiun Cipeundeuy dengan output akhir adalah penayangan pada media streaming Youtube. Temuan pada penelitian ini diharapkan dapat memberikan pemahaman yang lebih mendalam tentang peran penting Stasiun Cipeundeuy dalam aspek keselamatan perjalanan kereta api dan aktifitas sosial dalam konteks lokalnya, serta potensi pemanfaatan teknologi video udara dengan menggunakan drone aerial.
References
Alkaff, M., Baskara, A. R., & Maulani, I. (2021). Klasifikasi Laporan Keluhan Pelayanan Publik Berdasarkan Instansi Menggunakan Metode LDA-SVM. Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(6), 1265. https://doi.org/10.25126/jtiik.2021863768
Antares, J. (2021). Artificial Neural Network Dalam Mengidentifikasi Penyakit Stroke Menggunakan Metode Backpropagation (Studi Kasus di Klinik Apotik Madya Padang). Djtechno: Jurnal Teknologi Informasi, 1(1), 6–13. https://doi.org/10.46576/djtechno.v1i1.965
Iflaha, N., & Sudarsono, S. (2022). Penerapan Konsep Deming Sebagai Upaya Pengembangan Mutu Pendidikan Di MA Darussalam Jember. Widya Balina, 7(2), 500–509. https://doi.org/10.53958/wb.v7i2.158
Jatnika, D. R. (2023). Analisis Sentimen Kelangkaan Minyak Goreng Menggunakan Metode Deep Neural Network dan Pembobotan Hybrid TF-IDF. https://etd.umm.ac.id/id/eprint/1373/
Ma’rifah, H., Wibawa, A. P., & Akbar, M. I. (2020). Klasifikasi Artikel Ilmiah Dengan Berbagai Skenario Preprocessing. Sains, Aplikasi, Komputasi Dan Teknologi Informasi, 2(2), 70. https://doi.org/10.30872/jsakti.v2i2.2681
Nurdin, A., Anggo, B., Aji, S., Bustamin, A., & Abidin, Z. (2020). PERBANDINGAN KINERJA WORD EMBEDDING WORD2VEC, GLOVE, DAN FASTTEXT PADA KLASIFIKASI TEKS. Jurnal TEKNOKOMPAK, 14(2), 74.
Nurjaningsih, S. T., & Qonita, A. (2019). Jurnal Tata Kelola Pendidikan MANAJEMEN PENERIMAAN PESERTA DIDIK BARU (PPDB) SISTEM ZONASI. Jurnal Tata Kelola Pendidikan, 1(2), 126–138. https://ejournal.upi.edu/index.php/jtkp
Pipin, S., & Kurniawan, H. (2022). Analisis Sentimen Kebijakan MBKM Berdasarkan Opini Masyarakat di Twitter Menggunakan LSTM. Jurnal SIFO Mikroskil, 23(2), 197–208. https://doi.org/10.55601/jsm.v23i2.900
Sandi, S. A., & Novianto, Y. (2023). Klasifikasi Kelayakan Keluarga Penerima Bantuan Langsung Tunai Menggunakan Gain Ratio Dan Naïve Bayes. Jurnal Informatika Dan Rekayasa Komputer (Jakakom), 3(1), 433-442.
Suartika E. P, I Wayan, Wijaya Arya Yudhi, S. R. (2016). Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) Pada Caltech 101. Jurnal Teknik ITS, 5(1), 76. http://repository.its.ac.id/48842/
Wukir. (2019). Analisis Disiplin Kerja Dan Kinerja Guru Sd Negeri 040475 Tigaserangkai. Jurnal Manajemen, 3(1), 7–46. http://portaluniversitasquality.ac.id:55555/427/
