Perbandingan Polaritas VV dan VH dalam Penerapan Algoritma NDFI pada Pemetaan Banjir Kota Palembang

Penulis

  • Maudhy Az-zahra Politeknik Negeri Sriwijaya
  • Ade Silvia Handayani Politeknik Negeri Sriwijaya
  • Lindawati Lindawati Politeknik Negeri Sriwijaya

DOI:

https://doi.org/10.32493/jtsi.v7i1.36209

Kata Kunci:

NDFI, Flood, Palembang, Remote Sensing, Sentinel

Abstrak

Banjir yang sering terjadi di Indonesia, khususnya di Palembang, Sumatera Selatan, menimbulkan tantangan ekonomi dan sosial yang signifikan akibat perubahan tata guna lahan, meluapnya air sungai, dan curah hujan yang tinggi. Kondisi geografis, geologis, dan demografis di wilayah tersebut, yang diperparah oleh perubahan iklim global, memperburuk situasi. Pemetaan dan pemantauan banjir, dengan memanfaatkan satelit seperti Sentinel-1 dengan Synthetic Aperture Radar (SAR), sangat penting untuk memitigasi bencana ini. Teknologi SAR Sentinel-1 membantu pemantauan lahan basah, bertindak sebagai penyerap air alami dan meminimalkan risiko banjir. Data dari Sentinel-1, terutama dalam polarisasi VV dan VH, memberikan wawasan mendalam tentang sistem hidrologi yang memengaruhi banjir. SAR secara efisien memahami lingkungan bumi, memfasilitasi pemetaan banjir dengan presisi tinggi dan cepat menggunakan metode NDFI di Palembang. Penelitian ini membandingkan polarisasi VV dan VH dalam algoritma NDFI untuk mengidentifikasi polarisasi yang paling sesuai untuk pemetaan banjir yang akurat. Hasil penelitian menunjukkan bahwa data VV mencapai akurasi pemetaan sebesar 97,8% dibandingkan dengan data VH yang hanya mencapai 50%. Akurasi yang tinggi dari data VV menandakan pendeteksian area banjir yang lebih baik. Selain itu, nilai sigma0 (hamburan balik) VV sebesar -1,47 dB melebihi VH sekitar -20,47 dB, yang mengindikasikan intensitas sinyal yang lebih kuat. Oleh karena itu, data terpolarisasi VV, dengan mempertimbangkan kinerjanya, terbukti lebih efektif untuk pemetaan banjir.

 

Kata Kunci: NDFI; Banjir; Polarisasi; Sentinel

Referensi

Ahdityas, R., Sukmono, A., & Sasmito, B. (2023). Analisis Kualitas Perairan Waduk Cacaban Dengan Menggunakan Data Ccitra Landsat 8 & 9 Multitemporal. Jurnal Geodesi Undip, 161–170.

Anggoro, A., Zamdial, Z., Hartono, D., Bakhtiar, D., Herliany, N. E., & Utami, M. A. F. (2020). Pemetaan Habitat Perairan Dangkal Menggunakan Citra Resolusi Menengah Dengan Metode Klasifikasi Berbasis Piksel (Studi Kasus Pulau Tikus). Jurnal Enggano, 5(1), 78–90. Https://Doi.Org/10.31186/Jenggano.5.1.78-90

Ariyantoni, J., & Aries Rokhmana, C. (2020). Evaluasi Polarisasi Citra Sar (Syhthetic Aperture Radar) Untuk Klasifikasi Obyek Tutupan Lahan. Jurnal Geodesi Dan Geomatika, 22–29.

Aryawati, R. (2021). Fitoplankton Sebagai Bioindikator Pencemaran Organik Di Perairan Sungai Musi Bagian Hilir Sumatera Selatan. Jurnal Ilmu Dan Teknologi Kelautan Tropis, 13(1), 163–171. Https://Doi.Org/10.29244/Jitkt.V13i1.25498

Bashiir, M. F., & Kurniadin, N. (2021). Deteksi Kerusakan Perkotaan Akibat Gempa Bumi Di Kota Palu Menggunakan Data Satelit Sentinel-1. Buletin Poltanesa, 22(1). Https://Doi.Org/10.51967/Tanesa.V22i1.330

Bioresita, F., Ngurawan, M. G. R., & Hayati, N. (2022). Identifikasi Sebaran Spasial Genangan Banjir Memanfaatkan Citra Sentinel-1 Dan Google Earth Engine (Studi Kasus: Banjir Kalimantan Selatan). Geoid, 17(1), 108–118.

Bmkg. (2023). Curah Hujan Kota Palembang.

Cao, W., Qiao, Z., Gao, Z., Lu, S., & Tian, F. (2021). Use Of Unmanned Aerial Vehicle Imagery And A Hybrid Algorithm Combining A Watershed Algorithm And Adaptive Threshold Segmentation To Extract Wheat Lodging. Physics And Chemistry Of The Earth, Parts A/B/C, 123, 103016. Https://Doi.Org/Https://Doi.Org/10.1016/J.Pce.2021.103016

Cian, F., Marconcini, M., & Ceccato, P. (2018). Normalized Difference Flood Index For Rapid Flood Mapping: Taking Advantage Of Eo Big Data. Remote Sensing Of Environment, 209(February), 712–730. Https://Doi.Org/10.1016/J.Rse.2018.03.006

Lutfi, M., Arsanto, A. T., Faishol Amrulloh, M., & Kulsum, U. (2023). Penanganan Data Tidak Seimbang Menggunakan Hybrid Method Resampling Pada Algoritma Naive Bayes Untuk Software Defect Prediction. In Informatics Journal (Vol. 8, Issue 2).

Martha Anggraeni, N. (2023). Analisis Dampak Perubahan Iklim Dan Pola Angin Pada Lingkungan Global. Jurnal Pendidikan, Sains, Dan Teknologi, 02(4), 1041–1047. Http://Jurnal.Minartis.Com/Index.Php/Jpst/

Muin, A., Rakuasa, H., & Kunci, K. (2023). Pemanfaat Geographic Artificial Intelligence (Geo-Ai) Untukidentifikasi Daerah Rawan Banjir Di Kota Ambon. Gudang Jurnal Multidisiplin Ilmu, 58–63. Https://Doi.Org/10.59435/Gjmi.V1i2.24

Paulus Siregar, V., Sofian, I., Jaya, I., & Bambang Wijanarto, A. (2020). Dynamic Of Coastal Inundation In Jakarta Based On Data Multi-Temporal Satellites Using Water Index And Radar Polarization. J. Ilmu Dan Teknologi Kelautan Tropis, 12(3), 885–901. Https://Doi.Org/10.29244/Jitkt.V12i3.20711

Rachmayanti, H., Musa, R., & Mallombasi, A. (2022). Studi Pengaruh Perubahan Tata Guna Lahan Terhadap Debit Banjir Dengan Menggunakan Software Hec Hms (Studi Kasus Das Saddang). Jurnal Konstruksi, 01(01), 1–9.

Ramadhani, D. I., Damayanti, O., Thaushiyah, O., & Kadafi, A. R. (2022). Penerapan Metode K-Means Untuk Clustering Desa Rawan Bencana Berdasarkan Data Kejadian Terjadinya Bencana Alam. Jurikom (Jurnal Riset Komputer), 9(3), 749. Https://Doi.Org/10.30865/Jurikom.V9i3.4326

Septian, M. R. D., Febriani, & Nilawati, A. R. (2019). Perbandingan Deteksi Tepi Sobel Dan Robert Untuk Pendeteksian Kesamaan Citra Berdasarkan Warna. Jurnal Ilmiah Teknologi Dan Rekayasa, 24(2), 131–140. Https://Doi.Org/10.35760/Tr.2019.V24i2.2391

Setiawan, I. N. K. D. (2022). Klasterisasi Wilayah Rentan Bencana Alam Berupa Gerakan Tanah Dan Gempa Bumi Di Indonesia. Prosiding Seminar Nasional Official Statistics, 669–676.

Surampudi, S., Kumar, V., & Yarrakula, K. (2021). Flood Index Estimation Using L-Band Sar Data For Assam Flood Prone Regions . Ieee International Geoscience And Remote Sensing Symposium, 8301–8304.

Suspidayanti, L., & Aries Rokhmana, C. (2021). Identifikasi Fase Pertumbuhan Padi Menggunakan Citra Sar (Synthetic Aperture Radar) Sentinel-1. Elipsoida : Jurnal Geodesi Dan Geomatika, 4(1), 9–15.

Syarkiyah, D., Pramudita, A. A., & Arseno, A. (2022). Deteksi Lintasan Misil Dengan Metode Identifikasi Polarisasi Gelombang Vertikal Dan Horizontal (Detection Of Missile Trajectories By Using The Identification Method Of Vertical Dan Horizontal Wave Polarization). E-Proceeding Of Engineering, 8(6), 2913–2922.

Vanama, V. S. K., Rao, Y. S., & Bhatt, C. M. (2021). Change Detection Based Flood Mapping Using Multi-Temporal Earth Observation Satellite Images: 2018 Flood Event Of Kerala, India. European Journal Of Remote Sensing, 54(1), 42–58.

Jurnal Teknologi Sistem Informasi dan Aplikasi Vol. 7 No. 1 Januari 2024

Unduhan

Diterbitkan

2024-01-30

Cara Mengutip

Az-zahra, M., Handayani, A. S., & Lindawati, L. (2024). Perbandingan Polaritas VV dan VH dalam Penerapan Algoritma NDFI pada Pemetaan Banjir Kota Palembang. Jurnal Teknologi Sistem Informasi Dan Aplikasi, 7(1), 10–18. https://doi.org/10.32493/jtsi.v7i1.36209

Terbitan

Vol 7 No 1 (2024): Jurnal Teknologi Sistem Informasi dan Aplikasi

Bagian

Article

Lisensi

Hak Cipta (c) 2024 Maudhy Az-zahra, Ade Silvia Handayani, Lindawati Lindawati

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Jurnal Teknologi Sistem Informasi dan Aplikasi have CC BY-NC or an equivalent license as the optimal license for the publication, distribution, use, and reuse of scholarly work.

In developing strategy and setting priorities, Jurnal Teknologi Sistem Informasi dan Aplikasi recognize that free access is better than priced access, libre access is better than free access, and libre under CC BY-NC or the equivalent is better than libre under more restrictive open licenses. We should achieve what we can when we can. We should not delay achieving free in order to achieve libre, and we should not stop with free when we can achieve libre.

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) License

YOU ARE FREE TO:

  • Adapt - remix, transform, and build upon the material for any purpose, even commercially.
  • The licensor cannot revoke these freedoms as long as you follow the license terms