Melola Discovery

← Melola Discovery

Jurnal

Identifikasi Genangan Banjir Menggunakan Sentinel-1 dan Korelasinya dengan Kerawanan Banjir di Kabupaten Barito Selatan

Geo-Image Journal · Vol. 12 No. 1 (2023) · hlm. 62–70

ISSN
2549-0362, 2252-6285
Terbit
2023-04-29
Penerbit
Universitas Negeri Semarang
Bahasa
eng

Abstrak

Kejadian Banjir sudah melanda Kabupaten Barito Selatan sejak 26 mei 2022 lalu, dan sampai di bulan juni masih terdapat desa yang masih tergenang air. Untuk mengurangi kerugian materi dan korban yang lebih besar, perlu dilakukan identifikasi wilayah yang mengalami banjir dan daerah rawan banjir. Pada penelitian ini daerah sebaran genangan banjir diidentifikasi menggunakan metode change detection dan threshold. Metode change detection ini dilakukan pada citra dengan cara membagi nilai piksel citra saat banjir dibagi dengan nilai piksel citra sebelum banjir. Ekstraksi area genangan dilakukan dengan berdasarkan pada nilai threshold sebesar 1,10. Pengolahan ini dilakukan menggunakan Google Earth Engine (GEE). Untuk daerah rawan banjir sendiri diolah dengan menggunakan metode skoring, pembobotan, dan, overlay. Kelas rawan dan sangat rawan banjir di Kabupaten Barito Selatan berada di dekat badan air dimana Dusun Hilir menjadi kecamatan dengan tingkat kerawanan banjir sangat rawan paling luas, yakni sebesar 62.060 ha atau sekitar 45% dari total luas wilayahnya. Genangan banjir di Barito Selatan semakin meluas ke arah selatan dengan kecamatan yang mengalami genangan banjir paling luas yaitu Kecamatan Jenamas dengan luasan 16.541 ha atau sekitar 34,5% dari total luas wilayahnya. Faktor yang paling dominan penyebab terjadinya kerawanan banjir di Kabupaten Barito Selatan adalah Elevasi atau ketinggian daratannya. Adapun, korelasi antara genangan banjir dan model kerawanan banjir menunjukkan korelasi yang positif. Hal ini terlihat dari luas genangan banjir yang dominan terjadi di kelas sangat rawan dengan luas sebesar 30.965 ha atau sekitar 71,38% dari total luas genangan.

Jaringan kolaborasi para penulis

5 penulis · 10 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/geoimage/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Identifikasi Genangan Banjir Menggunakan Sentinel-1 dan Korelasinya dengan Kerawanan Banjir di Kabupaten Barito Selatan</dc:title>
	<dc:creator>Yusup, M</dc:creator>
	<dc:creator>Tarigan, Putri Indah Sari</dc:creator>
	<dc:creator>Noviansah, Kartiko</dc:creator>
	<dc:creator>Ridwana, Riki</dc:creator>
	<dc:creator>Aliyan, Silmi Afina</dc:creator>
	<dc:description xml:lang="en-US">Kejadian Banjir sudah melanda Kabupaten Barito Selatan sejak 26 mei 2022 lalu, dan sampai di bulan juni masih terdapat desa yang masih tergenang air. Untuk mengurangi kerugian materi dan korban yang lebih besar, perlu dilakukan identifikasi wilayah yang mengalami banjir dan daerah rawan banjir. Pada penelitian ini daerah sebaran genangan banjir diidentifikasi menggunakan metode change detection dan threshold. Metode change detection ini dilakukan pada citra dengan cara membagi nilai piksel citra saat banjir dibagi dengan nilai piksel citra sebelum banjir. Ekstraksi area genangan dilakukan dengan berdasarkan pada nilai threshold sebesar 1,10. Pengolahan ini dilakukan menggunakan Google Earth Engine (GEE). Untuk daerah rawan banjir sendiri diolah dengan menggunakan metode skoring, pembobotan, dan, overlay. Kelas rawan dan sangat rawan banjir di Kabupaten Barito Selatan berada di dekat badan air dimana Dusun Hilir menjadi kecamatan dengan tingkat kerawanan banjir sangat rawan paling luas, yakni sebesar 62.060 ha atau sekitar 45% dari total luas wilayahnya. Genangan banjir di Barito Selatan semakin meluas ke arah selatan dengan kecamatan yang mengalami genangan banjir paling luas yaitu Kecamatan Jenamas dengan luasan 16.541 ha atau sekitar 34,5% dari total luas wilayahnya. Faktor yang paling dominan penyebab terjadinya kerawanan banjir&amp;nbsp; di Kabupaten Barito Selatan adalah Elevasi atau ketinggian daratannya. Adapun, korelasi antara genangan banjir dan model kerawanan banjir menunjukkan korelasi yang positif. Hal ini terlihat dari luas genangan banjir yang dominan terjadi di kelas sangat rawan dengan luas sebesar 30.965 ha atau sekitar 71,38% dari total luas genangan.</dc:description>
	<dc:publisher xml:lang="en-US">Universitas Negeri Semarang</dc:publisher>
	<dc:date>2023-04-29</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/geoimage/article/view/63933</dc:identifier>
	<dc:source xml:lang="en-US">Geo-Image Journal; Vol 12 No 1 (2023): Geo-Image : Spatial - Ecological - Regional; 62-70</dc:source>
	<dc:source>2549-0362</dc:source>
	<dc:source>2252-6285</dc:source>
	<dc:source>10.15294/geoimage.v12i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/geoimage/article/view/63933/24125</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2023 Geo-Image</dc:rights>
</oai_dc:dc>