Analisis Genangan Banjir Terhadap Penutup Lahan di Wilayah Tangerang Menggunakan Data Citra Sentinel-1 dan Sentinel-2

Abstract

Banjir mempunyai pengaruh yang besar terhadap kondisi masyarakat baik secara sosial, ekonomi, maupun lingkungan. Terkait pengaruh terhadap lingkungan, banjir memiliki dampak yang dapat mempengaruhi kondisi penutup lahan. Salah satu upaya mitigasi yang dapat dilakukan terkait banjir adalah dengan pemanfaatan data citra satelit penginderaan jauh, yakni menggunakan satelit Synthetic Aperture Radar (SAR). Pemetaan banjir dapat menggunakan data citra satelit SAR karena data SAR bebas awan dan dapat beroperasi siang dan malam. Dalam proses pemetaan genangan banjir diperlukan informasi mengenai jenis penutup lahan yang terdampak banjir untuk analisa dampak banjir terhadap lingkungan. Oleh karena itu banjir sangat berkaitan dengan penutup lahan. Pada penelitian ini akan dibahas mengenai pemetaan banjir wilayah Tangerang pada tanggal 23 Maret 2022 dan hubungannya dengan penutup lahan pada area tersebut. Pengolahan data citra SAR Sentinel-1 dengan metode change detection dan threshold digunakan untuk pemetaan genangan banjir, sedangkan data citra Sentinel-2 level 2 dengan metode supervised classification, algoritma Classification and Regression Tress (CART) digunakan untuk klasifikasi penutup lahan. Berdasarkan pengolahan klasifikasi penutup lahan didapatkan hasil berupa peta penutup lahan dengan nilai Overall Accuracy sebesar 94,84% dan nilai Kappa sebesar 93,17%, yang diklasifikasikan ke dalam beberapa kelas penutup lahan yaitu badan air, lahan terbangun, vegetasi, lahan kosong dan sawah. Selanjutnya, berdasarkan pengolahan sebaran genangan banjir pada tanggal 23 Maret 2022 dengan nilai threshold 1,20 didapatkan hasil confusion matrix sebesar 94,34%, dan luas genangan banjir sebesar 14.987 ha. Berdasarkan pengolahan overlay diketahui bahwa kelas tutupan lahan yang terkena dampak banjir paling tinggi yaitu kelas lahan terbangun dan kelas vegetasi, dengan masing-masing luas sebesar 5.179,427 ha dan 5.164,562 ha.

Keywords

• banjir, change detection, flood, change detection