Analisis Genangan Banjir Terhadap Penutup Lahan di Wilayah Tangerang Menggunakan Data Citra Sentinel-1 dan Sentinel-2

Rizky Aga Kenranto; Husnul Hidayat; Filsa Bioresita

doi:10.22146/jgise.87579

Analisis Genangan Banjir Terhadap Penutup Lahan di Wilayah Tangerang Menggunakan Data Citra Sentinel-1 dan Sentinel-2

https://doi.org/10.22146/jgise.87579

Rizky Aga Kenranto⁽¹⁾, Husnul Hidayat⁽²⁾, Filsa Bioresita^(3*)

(1) Teknik Geomatika Institut Teknologi Sepuluh Nopember
(2) Teknik Geomatika Institut Teknologi Sepuluh Nopember
(3) Teknik Geomatika Institut Teknologi Sepuluh Nopember
(*) Corresponding Author

Abstract

Banjir mempunyai pengaruh yang besar terhadap kondisi masyarakat baik secara sosial, ekonomi, maupun lingkungan. Terkait pengaruh terhadap lingkungan, banjir memiliki dampak yang dapat mempengaruhi kondisi penutup lahan. Salah satu upaya mitigasi yang dapat dilakukan terkait banjir adalah dengan pemanfaatan data citra satelit penginderaan jauh, yakni menggunakan satelit Synthetic Aperture Radar (SAR). Pemetaan banjir dapat menggunakan data citra satelit SAR karena data SAR bebas awan dan dapat beroperasi siang dan malam. Dalam proses pemetaan genangan banjir diperlukan informasi mengenai jenis penutup lahan yang terdampak banjir untuk analisa dampak banjir terhadap lingkungan. Oleh karena itu banjir sangat berkaitan dengan penutup lahan. Pada penelitian ini akan dibahas mengenai pemetaan banjir wilayah Tangerang pada tanggal 23 Maret 2022 dan hubungannya dengan penutup lahan pada area tersebut. Pengolahan data citra SAR Sentinel-1 dengan metode change detection dan threshold digunakan untuk pemetaan genangan banjir, sedangkan data citra Sentinel-2 level 2 dengan metode supervised classification, algoritma Classification and Regression Tress (CART) digunakan untuk klasifikasi penutup lahan. Berdasarkan pengolahan klasifikasi penutup lahan didapatkan hasil berupa peta penutup lahan dengan nilai Overall Accuracy sebesar 94,84% dan nilai Kappa sebesar 93,17%, yang diklasifikasikan ke dalam beberapa kelas penutup lahan yaitu badan air, lahan terbangun, vegetasi, lahan kosong dan sawah. Selanjutnya, berdasarkan pengolahan sebaran genangan banjir pada tanggal 23 Maret 2022 dengan nilai threshold 1,20 didapatkan hasil confusion matrix sebesar 94,34%, dan luas genangan banjir sebesar 14.987 ha. Berdasarkan pengolahan overlay diketahui bahwa kelas tutupan lahan yang terkena dampak banjir paling tinggi yaitu kelas lahan terbangun dan kelas vegetasi, dengan masing-masing luas sebesar 5.179,427 ha dan 5.164,562 ha.

Keywords

Banjir, Change Detection, Flood, Change Detection

Full Text:

PDF

References

Adimas, N. D. (2018). Hubungan Genangan Banjir Dengan Karakteristik Fisik Kawasan Perkotaan Yogyakarta. Jurnal Bumi Indonesia, 1-10. oai:ojs.lib.geo.ugm.ac.id:article/695

Ambarini, A. P. (2022). Analisis Sebaran Spasial Genangan Banjir Menggunakan Citra Sar Dan Optis (Studi Kasus: Kota Banjarmasin, Kalimantan Selatan). Institut Teknologi Sepuluh Nopember.

Bioresita, F., Ngurawan, M. G., & Hayati, N. (2021). Identifikasi Sebaran Spasial Genangan Banjir Memanfaatkan Citra Sentinel-1 dan Google Earth Engine (Studi Kasus: Banjir Kalimantan Selatan). Jurnal Geoid Vol. 17 No. 1, 108-118. http://dx.doi.org/10.12962/j24423998.v17i1.10383

BPBD. (2022). Data Banjir 2022.

Daulay, A. A., & Suharnoto, Y. (2020). Analisis Daerah Rawan Banjir pada DAS Krukut Berbasis Sistem Informasi Geografis. IPB University.

Hariyanto, T., Hendayani, H., & Zumita, M. (2009). Evaluasi Kondisi Tutupan Lahan Di Waduk Gajah Mungkur Dan Sepanjang Sub Das Bengawan Solo Hulu Dengan Menggunakan Metode Klasifikasi Terbimbing. Jurnal Geoid Vol 4, No 2, 171-176. http://dx.doi.org/10.12962/j24423998.v4i2.7317

Kenranto, R. A. (2023). Analisis Genangan Banjir Terhadap Tutupan Lahan Menggunakan Data Citra Sentinel Studi Kasus Wilayah Tangerang. Institut Teknologi Sepuluh Nopember.

Lin, L., Di, L., Tang, J., Yu, E., Zhang, C., Rahman, M. S., . . . & Kang, L. (2019). Improvement and Validation of NASA/MODIS NRT Global Flood Mapping. Remote Sensing, 11(2).

https://doi.org/10.3390/rs11020205

Ngurawan, M. G. (2021). Analisis Sebaran Spasial Genangan Banjir Dengan Data Sentinel-1 Menggunakan Google Earth Engine (Studi Kasus: Kalimantan Selatan). Institut Teknologi Sepuluh Nopember.

Penhen, N. (2022). Penentuan Laju Infiltrasi dan Permeabilitas Tanah Pada Beberapa Penggunaan Lahan di Kelurahan Jambula. Prosiding Seminar Nasional Agribisnis 2022 Vol 2 (1), 152-157.

PUPR. (2022). Data Rekap Banjir 2022.

Qurrotain, L. (2022). Edukasi Tanggap Bencana Melalui Sosialisasi Kebencanaan Sebagai Pengetahuan Anak Terhadap Mitigasi Bencana Banjir. Jurnal Pengabdian Masyarakat Vol 2 (1), 35-42. https://doi.org/10.24853/an-nas.2.1.35-42

Sampurno, R. M. (2016). Klasifikasi Tutupan Lahan Menggunakan Citra Landsat -8 Operational Land Imager (OLI) Di Kabupaten Sumedang. Jurnal Teknotan 10(2), 61-70.

Suryandari, R. Y. (2023). Persepsi Masyarakat terhadap Faktor-Faktor Penyebab Banjir di Perumahan Total Persada Raya Kota Tangerang. Journal of Regional and Rural Development Planning 7 (2), 199-214. https://doi.org/10.29244/jp2wd.2023.7.2.199-214

Sutoyo. (2022). Pemodelan Sebaran Genangan Banjir Menggunakan HEC-RAS di Sub DAS Cisadane Hilir . Jurnal Teknik Sipil dan Lingkungan Volume 07 Nomor 02 , 147-160.

https://doi.org/10.29244/jsil.7.2.147-160

Umri, S. S. (2021). Analisis Dan Komparasi Algoritma Klasifikasi Dalam Indeks Pencemaran Udara Di Dki Jakarta. Jurnal Informatika dan Komputer Vol.4 No. 2, 98-104.

http://dx.doi.org/10.33387/jiko.v4i2.2871

DOI: https://doi.org/10.22146/jgise.87579