Potensi Resiko Banjir dengan Menggunakan Citra Satelit (Studi Kasus : Kota Manado, Provinsi Sulawesi Utara)
Keywords:
Bencana alam banjir, GIS, NDVI, NDWI, SAVIAbstract
Bencana alam adalah salah satu fenomena yang dapat terjadi setiap saat, dimanapun dan kapanpun. Bencana alam banjir merupakan bencana yang paling banyak di dapati hampir diseluruh tempat, banjir dapat membawa kerusakan , kerugiaan dan bahkan dapat merenggut nyawa. Kondisi Sulawesi utara (Sulut) dan sekitarnya merupakan wilayah rawan bencana baik secara geografis, geologis, hidrologis dan demografis. Kondisi daerah Sulut berada di pertemuan beberapa lempeng tektonik bumi, di kelilingi oleh beberapa gunung berapi, daerah kepulauan dan degradasi lingkungan yang tinggi. Oleh sebab itu hampir sebagian besar potensi ancaman bencana berada di wilayah sulut dan sekitarnya. Berdasarkan kejadian bencana alam di Kota Manado beberapa tahun terakhir ini, yang terjadi di beberapa kecamatan. Dilihat dari karakteristik wilayah Kota Manado maka dilakukan pemetaan daerah risiko banjir dengan pemanfaatan Sistem Informasi Geografis (SIG) yang bertujuan untuk memberikan informasi lokasi-lokasi yang memiliki resiko bencana banjir. Pada penelitian ini menggunakan metode analisis Standardized Precipitation Index (SPI), Normalized Difference Vegetation Index (NDVI), Normalized Difference Water Index (NDWI), Soil Adjusted Vegetation Index (SAVI) dan Inverse Distance Weighted (IDW) untuk eksplorasi data menggunakan Quantum GIS (QGIS). Dapat dilihat nilai NDVI atau indeks vegetasi tingkat kehijauan di Manado pada musim hujan ada pada rentang 0.451 – 0.639, yang menandakan indeks vegetasi kehijauan tinggi. Dan pada musim kemarau ada pada rentang 0.444 – 0.615, yang menandakan indeks vegetasi kehijauan tinggi. Dalam metode NDWI di dapati tingkat kebasahan di kota Manado ada pada tingkat sedang. Untuk metode SAVI di dapati Manado ad pada rentang nilai -0.103 sampai 0.153 yang menandakan banyak genangan air. Berdasarkan pembahasan di dapati kecamatan yang berpotensi banjir di kota Manado dari yang paling tinggi sampai dengan rendah yaitu : yang paling tinggi ada di kecamatan Tuminting, Singkil, Paal Dua, Tikala, Wanea, Sario, Wenang, Malalayang. Berpotensi sedang : Kecamatan Bunaken, dan berpotensi rendah Kecamatan Mapanget
Downloads
References
A. L. Nugraha, “Peningkatan Akurasi dan Presisi Analisa Spasial Pemodelan Banjir Kota Semarang Menggunakan Kombinasi Sistem Informasi Geografis Dan Metode Logika Fuzzy,” Teknik, vol. 39, no. 1, hal. 16–24, 2018.
Dennis F. Niode, Y. D. Y. Rindengan, dan S. D. S. Karouw, “Geographical Information System ( GIS ) untuk Mitigasi Bencana Alam Banjir di Kota Manado,” E-Journal Tek. Elektro dan Komput., vol. 5, no. 2, hal. 14–20, 2016.
F. Faizana, A. L. Nugraha, dan B. D. Yuwono, “PEMETAAN RISIKO BENCANA TANAH LONGSOR KOTA SEMARANG,” J. Geod. Undip, vol. 4, no. 1, hal. 223, 2015.
K. H. Kasse Yusak, Kumurur Veronica, “Analisis persebaran lahan kritis di kota manado,” Sabua, vol. 6, no. Mei, hal. 187–197, 2014.
D. Agustina, “Analisis banjir dengan menggunakan citra satelit multilevel di kecamatan rengel kabupaten tuban,” Inst. Teknol. Sepuluh Novemb., no. Tugas Akhir, 2017.
A. Putra, T. Al Tanto, A. R. Farhan, S. Husrin, dan W. S. Pranowo, “PENDEKATAN METODE NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) DAN LYZENGA UNTUK PEMETAAN SEBARAN EKOSISTEM PERAIRAN DI KAWASAN PESISIR TELUK BENOA-BALI,” Ilm. Geomatika, vol. 23, no. 2, hal. 87–94, 2017.
J. M. Pasaribu dan N. S. Haryani, “PERBANDINGAN TEKNIK INTERPOLASI DEM SRTM DENGAN METODE INVERSE DISTANCE WEIGHTED (IDW), NATURAL NEIGHBOR DAN SPLINE (COMPARISON OF DEM SRTM INTERPOLATION TECHNIQUES USING INVERSE DISTANCE WEIGHTED (IDW), NATURAL NEIGHBOR AND SPLINE METHOD),” J. Penginderaan Jauh, vol. 9, no. 2, hal. 126–139, 2012.
G. Sitanggang, “Kajian Pemanfaatan Satelit Masa Depan : Sistem Penginderaan Jauh Satelit LDCM ( Landsat-8 ),” Ber. Dirgant., vol. 11, no. 2, hal. 47–58, 2010.
J. A. Ginting dan A. M. Jadera, “Analisa Indeks Vegetasi Menggunakan Citra Satelit Lansat 7 dan Lansat 8 Menggunakan Metode K-Means di Kawasan Gunung Sinabung,” Indones. J. Comput. Model., vol. 1, no. 1, hal. 42–48, 2018.
A. Arnanto, “PEMANFAATAN TRANSFORMASI NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) CITRA LANDSAT TM UNTUK ZONASI VEGETASI DI LERENG MERAPI BAGIAN SELATAN,” Geomedia Maj. Ilm. dan Inf. Kegeografian, vol. 11, no. 2, hal. 155–170, 2018.
T. Haikal, “ANALISIS NORMALIZED DIFFERENCE WETNESS INDEX (NDWI) DENGAN MENGGUNAKAN DATA CITRA LANDSAT 5 TM (STUDI KASUS : PROVINSI JAMBI PATH/ROW : 125/61),” 2014.
S. Sinaga, A. Suprayogi, dan Haniah, “ANALISIS KETERSEDIAAN RUANG TERBUKA HIJAU DENGAN METODE NORMALIZED DIFFERENCE VEGETATION INDEX DAN SOIL ADJUSTED VEGETATION INDEX MENGGUNAKAN CITRA SATELIT SENTINEL-2A (Studi Kasus : Kabupaten Demak),” J. Geod. Undip, vol. 7, hal. 202–211, 2018.
H. Saidah, M. B. Budianto, dan L. Hanifah, “ANALISA INDEKS DAN SEBARAN KEKERINGAN MENGGUNAKAN METODE STANDARDIZED PRECIPITATION INDEX (SPI) DAN GEOGRAPHICAL INFORMATION SYSTEM (GIS) UNTUK PULAU LOMBOK,” J. Spektran, vol. 5, no. 2, hal. 173–179, 2017.
I. Andika, “PENERAPAN METODE STANDARDIZED PRECIPITATION INDEX (SPI) UNTUK ANALISA KEKERINGAN DI DAS NGASINAN KABUPATEN TRENGGALEK,” 2016.
S. H. J. Tongkukut, “El-NINO DAN PENGARUHNYA TERHADAP CURAH HUJAN DI MANADO SULAWESI UTARA,” J. Ilm. Sains, vol. 11, hal. 102–108, 2011.
Downloads
Published
How to Cite
Issue
Section
License
Indonesian Journal of Computing and Modeling is licensed under a Creative Commons Attribution 4.0 International License.