Analisis Daerah Rawan Banjir Pada Daerah Aliran Sungai Tuntang Menggunakan Skoring dan Inverse Distance Weighted

  • Merryana Lestari Universitas Kristen Satya Wacana
  • Mira Mira Universitas Kristen Satya Wacana
  • Sri Yulianto Joko Prasetyo Universitas Kristen Satya Wacana
  • Charitas Fibriani Universitas Kristen Satya Wacana
Keywords: Banjir, NDVI, NDWI, SAVI, IDW, GIS

Abstract

Perubahan alih fungsi lahan dapat menyebabkan perubahan dalam lingkungan alam, seperti perubahan vegetasi, perubahan daya serap tanah, maupun sedimentasi sungai sehingga berpotensi mengakibatkan bencana alam. Apabila tidak dilakukan penanganan terhadap tata kelola penggunaan lahan dengan serius maka akan menyebabkan peningkatan debit air pada setiap tahunnya, sehingga daerah di sekitar sungai Tuntang akan berpotensi sebagai daerah yang rawan terdampak banjir. Pada penelitian ini, dilakukan pengklasifikasian menggunakan metode Normalized Difference Vegetation Index (NDVI), Normalized Difference Wetness Index (NDWI), Soil Adjusted Vegetation Index (SAVI), Standardized Precipitation Index (SPI) dan Interpolasi menggunakan Inverse Distance Weighted (IDW) kemudian di skoring untuk menganalisa daerah-daerah khususnya desa yang berpotensi rawan banjir pada sekitar Daerah Aliran Sungai Tuntang di Kecamatan Bawen dan Kecamatan Tuntang. Hasil dari penelitian ini menyimpulkan bahwa Kecamatan Bawen dan Kecamatan Tuntang merupakan daerah yang tidak rawan banjir dikarenakan tutupan lahan vegetasinya masih baik dan curah hujan masih dalam kapasitas normal.

Downloads

Download data is not yet available.

References

[1] B. Laurensz, F. Lawalata, and S. Y. J. Prasetyo, “Potensi Resiko Banjir dengan Menggunakan Citra Satelit (Studi Kasus: Kota Manado, Provinsi Sulawesi Utara)”, Indones. J. Comput. Model., 2019.
[2] I. P. R. Ishak, A. I. Asman, and D. N. A. Ahmad, “Pemanfaatan Teknologi Spasial dalam Pengelolaan Daerah Aliran Sungai (DAS) Binanga Lumbua Kabupaten Jeneponto Sulawesi Selatan (Spatial Technology for Watershed Management of Binanga Lumbua in Jeneponto Region South Sulawesi)”, J. Ilm. Geomatika, vol. 22, no. 1, pp. 1–7, 2016, [Online].
[3] S. Harjanti, “Daerah Aliran Sungai (DAS) Tuntang, Propinsi Jawa Tengah”, Sungai Tuntang, 2010.
[4] Mangiri, “Analisis Tata Guna Lahan Berbasis GIS Menggunakan Citra Landsat 8 di Kabupaten Enrekang”, 2018.
[5] V. K. S. Que, S. Y. J. Prasetyo, and C. Fibriani, “Analisis Perbedaan Indeks Vegetasi Normalized Difference Vegtation Index (NDVI) dan Normalized Burn Ratio (NBR) Kabupaten Pelalawan Menggunakan Citra Satelit Landsat 8”, Indones. J. Comput. Model., no. 1, pp. 1–7, 2019.
[6] Y. Riko, A. I. Meha, and S. Y. J. Prasetyo, “Perubahan Konversi Lahan Menggunakan NDVI, EVI, SAVI dan PCA pada Citra Landsat 8 (Studi kasus: Kota Salatiga)”, Indones. J. Comput. Model., vol. 1, pp. 25–30, 2019.
[7] T. Mahesti, E. Umar, A. Ariadi, dkk, “Identifikasi Perubahan Tutupan Vegetasi dan Curah Hujan Kabupaten Semarang Menggunakan Citra Saltelit Lansat 8”, Indones. J. Comput. Model, 2020
[8] Tucker C.J. (1979) Red and photographic infrared linear combinations monitoring vegetation. Journal of Remote Sensing Environment, 8(2), 127-150.
[9] N. Anggraini, S. Marpaung, and M. Hartuti, “Analisis Perubahan Garis Pantai Ujung Pangkah Dengan Menggunakan Metode Edge Detection Dan Normalized Difference Water Index (Ujung Pangkah Shoreline Change Analysis Using Edge Detection Method and Normalized Difference Water Index)”, J. Penginderaan Jauh dan Pengolah. Data Citra Digit., vol. 14, no. 2, pp. 65–78, 2018.
[10] A. S. Nugroho, C. Bowo, and J. Sudibya, “Indeks Kekeringan (SPI) dan Pengaruhnya Terhadap Produktivitas Hortikultura Tahunan di Kabupaten Jember”, Berk. Ilm. Pertan., vol. 2, no. November, pp. 149–154, 2019.
[11] 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.
[12] D. Khairani, D. Harisuseno, and E. Suhartanto, “Penerapan Metode Standardized Precipitation Index (SPI) Dan Effective Drought Index (EDI) Untuk Mengestimasi Kekeringan di DAS Rejoso Kabupaten Pasuruan”, no. July, 2018.
[13] S. Shekhar and H. Xiong, “Inverse Distance Weighting”, Encycl. GIS, no. January 2009, pp. 600–600, 2008.
[14] 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.
[15] D. Agustina, “Analisis Banjir dengan Menggunakan Citra Satelit Multilevel di Kecamatan Rengel Kabupaten Tuban” Inst. Teknol. Sepuluh Novemb., no. Tugas Akhir, pp. 2–123, 2017, [Online]. Available: Institut Teknologi Sepuluh November.
[16] DS, M, Sholahuddin. “SIG untuk Memetakan Daerah Banjir dengan Metode Skoring dan Pembobotan (Studi Kasus Kabupaten Jepara)”, UDINUS.
[17] Data Strategis Kecamatan Kabupaten Semarang tahun 2017, 2018 dan 2019. https://ppid.semarangkab.go.id/. Diakses tanggal 25 Februari 2021.
Published
2021-05-27
How to Cite
Lestari, M., Mira, M., Joko Prasetyo, S., & Fibriani, C. (2021). Analisis Daerah Rawan Banjir Pada Daerah Aliran Sungai Tuntang Menggunakan Skoring dan Inverse Distance Weighted. Indonesian Journal of Computing and Modeling, 4(1), 1-9. https://doi.org/10.24246/icm.v4i1.4615
Section
Articles