PEMETAAN BENCANA TANAH LONGSOR DI DTA BARABAI MENGGUNAKAN METODE EKSTRAKSI NDBI, SAVI, DAN CBI

Naufal Noor Kamil, Badaruddin Badaruddin, Syam'ani Syam'ani

Abstract


The destruction of forest areas results in large amounts of surface runoff, thereby disrupting soil stability and triggering landslides. The landslide disaster occurred in the Barabai Catchment Area (DTA) followed by flood. Mapping the location of landslides using images can be done as a mitigation effort in disasters. The extraction method is used to determine changes in an area, so it can be used to observe changes in soil appearance due to landslides. The purpose of this study was to test the accuracy of the extraction method at the landslide location using Sentinel-2 imagery and analyze its spatial distribution in the Barabai catchment area. The extraction methods used are NDBI, SAVI, and CBI. The accuracy test was carried out using the Confusion Matrix method by comparing the results of image extraction with field surveys. Sampling in the survey was carried out by accidental sampling by considering the access road to the landslide location. The results of testing the accuracy of the extraction method obtained the highest Overall Accuracy by the NDBI method of 73.53%, then the SAVI method 63.73%, and the CBI method 69.61%. The area of the landslide in the Barabai catchment area is estimated at 183.92 Hectares

Rusaknya kawasan hutan mengakibatkan aliran permukaan dalam jumlah besar, sehingga mengganggu kestabilan tanah dan memicu terjadinya bencana tanah longsor. Bencana tanah longsor terjadi pada Daerah Tangkapan Air (DTA) Barabai diikuti dengan banjir. Pemetaan lokasi tanah longsor menggunakan citra dapat dilakukan sebagai upaya mitigasi pada bencana. Metode ekstraksi digunakan untuk mengetahui perubahan suatu area, sehingga dapat digunakan dalam mengamati perubahan kenampakan tanah akibat tanah longsor. Tujuan Penelitian ini adalah menguji akurasi metode ekstraksi pada lokasi longsor menggunakan citra Sentinel-2 dan menganalisis distribusi spasialnya di daerah tangkapan air Barabai. Metode ekstraksi yang digunakan adalah NDBI, SAVI, dan CBI. Uji akurasi dilakukan menggunakan metode Confusion Matrix dengan membandingkan hasil ekstraksi citra dengan survey lapangan. Pengambilan sampel dalam survey dilakukan secara Accidental Sampling dengan mempertimbangkan akses jalan lokasi longsor. Hasil dari pengujian akurasi dari metode ekstraksi didapatkan Overall Accuracy tertinggi oleh metode NDBI sebesar 73,53%, kemudian metode SAVI 63,73%, dan metode CBI 69,61%. Luas longsoran tanah pada daerah tangkapan air barabai diperkirakan sebesar 183,92 Hektar.


Keywords


Tanah longsor; Sentinel-2; Metode ekstraksi; Confusion matrix

Full Text:

PDF

References


Aldi, M., Siregar, I. R., & Bilqis, A. 2021. Pemetaan Daerah Rawan Longsor Menggunakan Machine Learning di Kecamatan Muara Tami, Kota Jayapura, Papua. Jurnal Geofisika, 19(1): 24-30.

As-syakur, A., Adnyana, I., Arthana, I. W., & Nuarsa, I. W. 2012. Enhanced built-up and bareness index (EBBI) for mapping built-up and bare land in an urban area. Remote sensing, 4(10): 2957-2970.

Astuti, A. J. D., & Berutu, N. 2012. Studi Mengenai Koefisien Aliran Sebagai Indikator Kerusakan Lingkungan Di Daerah Aliran Sungai Deli. Jurnal Geografi, 4(1): 1-14.

Bakri, S., Murtilaksono, K., & Barus, B. 2019. Identifikasi dan Analisis Karakteristik Longsor di Kabupaten Garut. Jurnal Teknik Sipil, 8(2): 68-78.

Bashit, N., Prasetyo, Y., & Sukmono, A. 2019. Kajian Perkembangan Lahan Terbangun Kota Pekalongan Menggunakan Metode Urban Index (UI). Elipsoida: Jurnal Geodesi dan Geomatika, 2(02): 12-18.

Chen, J., Chen, S., Yang, C., He, L., Hou, M., & Shi, T. 2020. A Comparative Study Of Impervious Surface Extraction Using Sentinel-2 Imagery. European Journal of Remote Sensing, 53(1): 274-292.

Evanly, W. W., Sela, R. L., & Lakat, R. M. 2020. Analisis Risiko Bencana Tanah Longsor Di Kabupaten Minahasa. SPASIAL, 7(3): 352-360.

Haribulan, R., Gosal, P. H., & Karongkong, H. H. 2019. Kajian Kerentanan Fisik Bencana Longsor Di Kecamatan Tomohon Utara. SPASIAL, 6(3): 714-724.

Jumaris, J., & Kusrini, K. 2020. Ekstraksi Terhadap Tutupan Lahan Terbangun Menggunakan Citra Penginderaan Jauh Resolusi Menengah di Kepesisiran Kota Ternate. Jurnal Edukasi, 18(2).

Junaidi, E., & Tarigan, S. D. 2011. Pengaruh hutan dalam pengaturan tata air dan proses sedimentasi Daerah Aliran Sungai (DAS): Studi Kasus di DAS Cisadane. Jurnal Penelitian Hutan dan Konservasi Alam, 8(2): 155-176.

Prasetyo, Y., Bashit, N., & Sasmito, B. 2020. Kajian Perubahan Pola Kawasan Terbangun Berdasarkan Metode Index-Based Built-Up Index (IBI) Di Jakarta Utara. Elipsoida: Jurnal Geodesi dan Geomatika, 3(2).

Priyono. 2015. Hubungan Klasifikasi Longsor, Klasifikasi Tanah Rawan Longsor Dan Klasifikasi Tanah Pertanian Rawan Longsor. Gema, 27(49).

Purwanti, W., Prasetyo, Y., & Yuwono, B. D. 2018. Analisis Dampakperubahan Muka Tanah Akibat Bencana Tanah Longsor Terhadap Kawasan Permukiman Di Kabupaten Banjarnegara Menggunakan Metode Dinsar. Jurnal Geodesi Undip, 7(4): 254-263.

Putra, M. I. J., & Kurnia, A. A. 2018. Pendeteksian Wilayah Impervious Surface Area (ISA) Sebagai Analisis Dampak Lingkungan di Kota Depok Menggunakan Citra Landsat-8 OLI/TIRS. Makalah disajikan dalam Seminar Nasional Pengindraan Jauh Ke 5, Maret 2018.

Rahmad, R., Suib, S., & Nurman, A. 2018. Aplikasi SIG Untuk Pemetaan Tingkat Ancaman Longsor Di Kecamatan Sibolangit, Kabupaten Deli Serdang, Sumatera Utara. Majalah Geografi Indonesia, 32(1): 1-13.

Sela, R. 2012. Penataan Permukiman Di Lahan Miring Pinggir Sungai Yang Responsif Terhadap Erosi Dan Longsor Di Manado. Sabua: Jurnal Lingkungan Binaan dan Arsitektur, 3(3).

Ulfa, K., Muchsin, F., Chandra, D. S., Pradono, K. A., Fibriawati, L., Oktavia, M. I., & Damanik, K. W. V. 2019. Analisa Pola Spektral Citra Sentinel-2. Berita Dirgantara, 20(2).

Yudistira, R., Meha, A. I., & Prasetyo, S. Y. J. 2019. Perubahan Konversi Lahan Menggunakan NDVI, EVI, SAVI dan PCA pada Citra Landsat 8 (Studi Kasus: Kota Salatiga). Indonesian Journal of Computing and Modeling, 2(1): 25-30.




DOI: https://doi.org/10.20527/jss.v7i2.12316

Refbacks

  • There are currently no refbacks.



Creative Commons License

Jurnal Sylva Scienteae is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.