Analisis Dampak Banjir Wilayah

Jabodetabek dengan Pengolah

Data Berbasis Cloud Google
Earth Engine
by Masum Munawar

Submission date: 01-Jun-2020 03:35PM (UTC+0900)

Submission ID: 1335014676
File name: um_Munawar_E100170196_Kelas_B_Paper_Geomorfologi_Kebencanaan.pdf (1.04M)
Word count: 2914
Character count: 17961
 Analisis Dampak Ban,jir Wilayah Jabodetabek dengan Pengolah Data Berbasis
Cloud Coogle Earth Engine

Oleh : Ma’sum Munawar/El00l70l96/Kelas B

Ba • il r merupakan suIah satu bencana hidrometenroTogi yang sering me tanda wiTayah

Indonesia. Jabodetabek me iud i sfi th satu wiluyah langganan ba i ir ketika rnusirn pengh • i=,
hñ
tersebut dipengaruhi oleh cuaca ekstrim dengan curah h • ia n tinggi. Bencana bagi i r
Jabodetabek rnenimbulkan dampaL yang cukup besar berupa timbulnya korba i i•a
dan kerugian materi. PeneT itian bert• i• a• untuk menganfii sis estimasi dampak ba• ii r
diwi layah ia bodetabek sebagai upaya untuk mengurang i resiko bencana.

Metode vang digunlan dalam analisis estimasi damps ban i ir |abodetabek dengan
menggunakan data citra Sentinel I dan Modis rentan g perekaman sebelum ter ia* i• ya ba• ii r
2(J December 2(JI V I Januari 2(J2(J, Sesudah teria* i ya ba ii r rentang I i uari 2(J2(J- 25
J uari 202) Celwmb g micmwave seninel 1 memilki kelebihan dapa
menembus atmosfer dun dapat rnerekam pada kind isi siang dengan pencahayaan tinggi
maupun kondisi malam hari dengan pencahayaun vang rendah, keunggulan teknologi sentinel
dapat bermanfaat untuk kepentingan penanganan maupun pencegahan dampak ba• ii r ii
Indonesia. Data eaten it di anfiisis dengan menggunak peran gk at pengolah data berbasi s cloud
Ciongle Eurth Engine untuk menganalisis estimusi damp k yang di tirnbulkan dari bencana ba• i ir
Jabodetabek. Moctis memiliki keung gulan daJam menyediakan data secara time series
sehingga cocok untuk anuli a perubahan tutupan lahan.

Hasil penelitian yang didapatkan dari skisa bunjir Jabodetabek menggunakan pengol
ah datu berbasi fiToud CioogTe Earth Engine berupa estima i area terdampak b = i i r yang
rnencakup luasan wilayah terdampak b = ii r ia bodetabek dengan luar area 25 I Ha, wiIay1
urban terfiampl dengan Iuasan sebesar GG3 Ha dan Penduduk terdarnpak dengan i• mI ah
sekitar 4h20 I <> i1 wa.

Kata Kunci: Bun jir, Jabodetabek, Goo gle Eurth Engine

Flooding is one of the h ydronieteorological disasters that often hit Indonesian territo ry.
Jabrxletabek become one or the region subscription t1 r›rx1 i n when the summer ruiny, think s
ure infiuenoed by weather oak strini with rainf all ruinfal I hi th. Disaster t1 r› r›ñ Jabodetabek
present any initiate a impact that is quite lurge in the iorni or the emergence or a
victim soul and damages the material. This study aims to analyze the impact or i4ooding in
the ia bodetabek urea as an effort to reduoe the risk of disaster.

The method that is used in the anal ysis of the impact oi florxli •. ia bodetabek by using
a data image or sentinel 1 sp un or the recording be tore the Liood 2(1 Desseniber 2(1 19 -1
ia nuury 2(l2(1 atter the occurrence or brooding mnges 1 J urinary 2(l2(1- 25 January 2(l2(1. A
wave or microwave sentinel 1 has advantages niav penetrate the atmosphere und can reco rd
daytime or night da,y so it cun be uselull to the purpo see or treat ment urid prevention ct the
effects or f4oodin g in Indonesia. Data satellite in the analysis by using the device online
Goo gje Earth En gine to anuJ yze the estiniatect impact that caused front disastrou s fior›cling
Jabrxletabek. Modis H as the ad vantage of providing time series data making it suitable to r
unal yzing land cover changes.

Results ct the stud y were obtained lrnm the unalysi s or Bior›cl Jabodetabek using
Google Eurth Engine fomi of the estimated urea ulfected by the fiood that covers the extent
rat the urea affected by Fiorxliny bead with a brnad urea of 19 839 hectares, an urea of Fund
the iami attested by Mh5 hectares, the area rit urban affected by an ureu r y 9t1 I›1 hectares
und a population affected by a totuJ or aix› ut 1 hhf›73 residents .

Key words: Flood, Jatx›detabek, Google Earth Engine

PENDAHULUAN

Bencana banjir yang terjadi diw'ilayah I abodetabek di aw'al tahun 2020

disebabkan oleh cuaca ekstrim dengan curah hujan yang tinggi. Menurut laporan
Badan Meteorologi, klimatologi dan Geofisika bahw’a w’ilayah Jabodetabek pada
aw’al tahun ini berpotensi dengan cuaca yang ekstrim. Fenomena ini terjadi karena
adanya perubahan iklim secara global, menurut data hujan BMKG bahw’a cuaca
ekstrem di Indonesia aw’al terjadi tahun 1918 dan terns berulang di tahun 1950. N
amun tahun selanjutnya periodenya semakin pendek.

Bencana banjir yang melanda Jabodetabek aw’al tahun 2020 mengakibat kan
ban yak kerugian di masyarakat baik secara materi maupun korban jiw’a. Kerugian
materi mencaku p lumpuhnya aktivitas penduduk yang terdampak dan masyarakat
ban yak yang mengungsi didaerah aman, sedangkan korban jiw’a menurut data Badan
Penanggulangan Bencana w'ilayah I abodetabek korban meninggal sebanyak 60 orang.

Perkembangan Teknologi pengindraan jauh saat ini dapat digunakan sebagai

upaya untuk mitigasi bencana, diantaranya adalah bencana banjir. Pemanfaatan
Teknologi pengindraan jauh berbasis Cloud mampu mengolah data citra satelit
dengan sangat cepat tanpa harus menggunakan aplikasi pengolah citra tambahan,
Dengan aplikasi Gr›ngle Earth Engine dapat dengan mudah untuk melakukan analisis
estimasi dampak banjir suatu daerah, Hanya dengan memasukkan perintah scrip maka
google akan mengolah data sesuai dengan perintah yang diberikan. Data yang
digunakan dalam menganalisa banjir w’ilayah Jabodetabek dengan menggunakan citra
sentinel I karena citra ini memiliki keunggulan dalam perekaman yan g tidak
terganggu dengan cuaca dan aw’an karena memiliki sensor radar aktif. Teknologi
penginderaan jauh sangat diperlukan untuk pemetaan wilayah termasuk dalam upaya
mitigasi bencana. Data penginderaan jauh dan analisis spatial dapat digunakan
sebagai alat yang cukup efektif untuk mengurangi dampak bencana alarn
(Muhammad Al-Amin Hoque, 2016). Adan ya pengolah data berbasis cloud ini dapat
menghemat waktu pengolahan data dan memudahkan dalam pengolahan data dengan
ukuran besar, yan g sebelumnya han ya dapat diolah dengan komputer dengan prosesor
tinggi.

Pemanfaatan data pengindraan jauh yang tepat dapat digunakan sebagai upaya
melakukan mitigasi bencana, salah satunya bencana banjir. Dengan adan ya data
cakupan wilayah terdampak dan estimasi kerugian yang akan ditimbulkan dari
bencana dapat dijadikan sebagai pedoman bagi pemerintah daerah khususnya
w'ilayah Jabodetabek dalam mengambil kebijakan dan langkah mitigasi yang sesuai.

Dilaku kannya penelitian ini bertujuan untu k mendapatkan data estimasi

u’ilayah terdampak banjir di Jabodetabek agar dapat digunakan dalam mengurangi
kerugian yang di timbulkan dari bencana banjir, selain itu untu k mengenalkan metode
terkini dalam mengolah data citra berbasis cloud yang mampu mengolah data dengan
cepat.

METODE

A3ur dan Lnkasi Penelitian

Menentukw area stud

SAB Sentinel 1 •
Menentukan tanggal
perekaman citra Anatisfs dan layout cB
AzcGIS
Menentukan pararreter
OE M • citra

GHSL Pemilihan citra MO0

B

E stimasi penduduk

Estimasi lahan
Visualisasi di layar
pertanian
terdampax
Menampilkan inforrr›asi
*

£stimasi area
perkotaan
terd¥mpak
 C ambar 1. Diagram Alur Penelitian

Penelitian dilakukan di wilayah Jabndetabek yang mencakup wilayah Jakarta,

Bogor, Depok, Tangerang dan Bekasi. Data yang digunakan dalam penelitian adalah
data SAR Sentinel I dengan polarisasi VH dan Modis dengan periode perekaman
sebelum terjadinnya banjir pada 20 December 2019 — 1 Januari 2020 dan periode
setelah terjadinya banjir pada I januari 2020 — 25 Januari 2020. Pengolahan data
dengan menggunakan aplikasi pengolah data citra berbasis cloud Gr›ngle Earth
Engine dengan menggunakan scrip yang terdiri dari proses Input, Pemilihan C itra,
Estimasi Genangan, Analisis Dampak, Menampilkan Hasil, Export ke Google Dris’e
dan Menampilkan Informasi. Alur penenelitian secara ringkasnya dapat dilihat pada
Gambar 1.

ILAYAH JABDDETABE

C.ambar 2. Peta Lokasi Penelitian

Data dan Peralatan

Data yang diperlukan dalam penelitian ini adalah data genangan banjir yan g di
dapatkan dari pemrosesan dan analisis Cit ra SAR sent inel I , Data tutu pan lahan
 dengan satelit Modis yang semuanya di proses melalui Google Earth Engine.
Satelit sentinel ini merupakan satelit milik Eropa yang menjadi bagian dari
program European Space Agency Copernicus yang terdiri dari dua satelit yaitu
sentinel I A yang diluncurkan pada 3 April 2014 dan sentinel I B yang diluncurkan
pada 22 april 2016. Mrxlis merupakan bagian inst rument dari satelit Terra yang
diluncurkan oleh Nasa pada I S Desember 1999 yang digunakan sebagai satelit
observasi bumi.

Satelit Sentinel I dilengkapi dengan sensor SAR t ype C-Band yan

g merupakan teknologi Pengindraan Jauh modern dengan sensor radar aktif yang
mampu menembakkan gelombang elektromagnetik ke permukaan bumi sehingga
perekaman obyek dipermukaan bumi tidak terganggu oleh atmosfer maupun
kondisi obyek yang kurang pencahayaan matahari. Panjang gelombang sentinel
yaitu 0,05 meter dengan ketinggian orbit dari permukaan bumi 693.000 meter.
Citra sentinel meskipun hanya mampu merekam dengan resolusi temporal 6 hari
saja, Modis memiliki lebar sapuan sebesar 2330 km dapat memotret bumi dalam
satu atau dna hari. Mod is memiliki 36 band dengan resolusi spatial 250m, 500m
dm l000m. sentinel I dipilih karena citra yang dihasilkan tidak memiliki gangguan
atmosfer sehingga untuk proses olah data menggunakan google earth engine data
yang dihasil kan dapat valid sesu ai dengan kondisi di lapangan. Sedangkan modis
dipilih untuk menganalisa tutu pan lahan karena memiliki perekaman dengan
w’ilayah luas dan data tersedia secara time series.

Google Earth Engine digunakan sebagai alat dalam memproses data sentinel
dan Modis untuk analisa bencana banjir dengan menggunakan perintah berupa
kode scrip pemograman. Dengan kode perintah tersebut Gr ngle Earth Engine akan
memproses data secara otomatis. Berikut ini salinan kode Scrip yang digunakan
dalam penelitian dapat diunduk pada link dibaw ah ini :

Link scrip kode Google Earth Engine :

https.-trive. r?l7g/P.r’l9tR/[ilP/d/17 Mum jpl£“tlHi‹LVVI‹XhMqQr(0D0eKT8. vl ie i‹ !’usy——shurinp
Dasar Teori

Proses pemotongan citra diw’ilayah penelitian bertujuan tujuan untu k

membatasi w’ilayah penelitian. Dalam mempertajam hasil analisa dengan
menggunakan data set tambahan yaitu JRC Global Surface Water Mapping dan
DEM agar citra menjadi lebih tajam. Noise pada peta banjir dapat dihilangkan
dengan menggunakan analisis konektifitas piksel.

Proses filtering adalah cara untu k mengurangi atau mereduksi adanya

kenampakan speckle pada citra radar. Speckle terlihat sebagai bintik-binti k hitam
dan putih atau biasa dikenal dengan istilah ‘salt and pepper’. Semakin besar
u kuran jendela, maka citra terli hat semakin halus atau ‘blur' (Lee., dkk. 1999)
untuk memperhalus bintik atau speckle pada citra dengan mempertahankan
ketajaman gambar dan kedetilan sekaligus mereduksi noise pada citra. Pixel yang
dilakukan filter akan digantikan oleh nilai pixel terdekat disekitarnya

DEM merupakan salah satu tipe Digital Terrain Model, perekaman gambaran
topografi atau geomorfometrik dari permukaan bumi atau permukaan lain dalam
format digital. DEM merekam ketinggian dalam format raster. Oleh karena itu,
dalam DEM suatu area biasanya dibagi ke dalam rectangular pixels dan data
ele›’asi disiinpan dalam tiap pixel tersebut. Sehingga data DEM merupakan sampel
permukaan tinggi dalam bentuk raster. Kualitas DEM dilihat dari seberapa akurat
ele›’asi tiap pixel (keakuratan absolut) dan beberapa akurat morfol ogi yang
ditampilkan (keakuratan relatif). Beberapa faktor yang berperan penting dalam
penentuan kualitas DEM(Li, dkk., 2005), yaitu :

I . Kekasaran atau morfologi dataran yang diteliti.

2. Kepadatan contoh atau sampel (metode pengumpulan data).
3. Resolusi grid (ukuran pixel).
4. Algoritma interpolasi.
5. Resolusi vertikal.
6. Analisis algoritma dataran.

Data Digital Elev’ation Model memiliki banyak kegunaan diantaranya untu k

mendekteksi w’ilayah raw’an banjir. Dengan data DEM dapat diketahui titik-titik
ketinggian suatu u’ilayah, sehingga dapat diketahui daerah rendah maupun tinggi
dan kategori w’ilayah raw’an banjir melalui analisa.

Pengolahan data analisa banjir dengan Google Earh Engine prinsip kerja
dalam menentukan estimasi w’ilayah terdampak banjir sama dengan pengolahan
data konvensional yaitu dengan overla y. Teknik overlay digunakan untu k
mendapatkan estimasi w’ilayah terdampak dengan melakukan tumpang susun citra
dengan pembobotan tertentu. Over lay yaitu kemampuan untuk menernpatkan
grafis satu peta diatas grafis peta yang lain dan menampilkan hasilnya di layar
kornputer atau pada plot. Secara singkatnya, o›’erlay menampalkan suatu peta
digital pada peta digital yang lain beserta atribut-atributnya dan menghasilkan peta
gabungan keduanya yang memiliki informasi atribut dari kedua peta tersebut.
Overlay merupakan proses penyatuan data dari lapisan layer yang berbeda. Secara
sederhana overlay disebut sebagai operasi visual yang rnembutuhkan lebih dari
satu layer untuk digabungkan secara fisik (Guntara, 1., 2013).

Uji Validitas atau kesahihan adalah menunjukkan sejau h mana suatu alat
u kur mampu mengukur apa yang in gin diukur. Suatu instrurnen yang x’alid atau
sahih mempunyai validitas yang tinggi. Sebaliknya instrumen yang kurang valid
berarti memiliki validitas rendah (Arikunto, 1998:1 60). Dalam melakukan uji
Validitas hasil Estimasi Banjir Jabndetabek dengan menggunakan uji validitas r-
square dengan menggunakan rumus berikut ini :

Uji validitas dengan menggunakan perhitungan r-squared ini dilakukan

untuk mengetahui tingkat kevalid an data hasil analisa banjir. Uji validitas
dilakukan dengan membandingkan nilai Y (model/Prediksi) dengan Y
(Observasi/rill). Hasil uji validitas yang nilainya antara 0,6 — I maka data Valid.

HASIL DAN PEMBAHASAN

Estimasi dan anali sis daerah genangan banjir I abrdetabek dengan

menggunakan data sentinel I yang direkam sebelum terjadinnya banjir pada 20
December 2019 — I Januari 2020 dan periode setelah terjadinya banjir pada I
januari 2020 — 25 Januari 2020. Data tersebut diperoleh dan diolah dengan
menggunakan platform Grx›gle Earth Engine.

Dalam melakukan estimasi banjir genangan dengan membandingkan

perubahan citra sentinel I pada perekaman sebelum terjadinya banjir 20 December
20 l9 — I Januari 2020 dan sesudah terjadinya banjir pada I januari 2020 — 25
Januari 2020. Masing-masing data memiliki polarisasi yang berbeda yaitu plarisasi
defauld VH dan Polarisasi VV. Dengan teknik pengabungan maka diperoleh nilai
hamburan balik pada kedua citra sebelum dan sesudah dilakukan perekaman
sehingga dapat menggambarkan daerah yang terdampak banjir. Berikut ini hasil
 analisa banjir jabodetabek dengan menggunakan system pengolah data berbasis
cloud Google Earth Engine.

Gambar 3. Peta Estimasi Dampak Banjir Provinsi Banten, DKI Jakarta dan Jawa
Barat

Berdasarkan hasil estimasi banjir yang dihasilkan dengan google Earth Engine
estimasi banjir rnasih menghasilkan hasil estimasi dengan cakupan wilayah yang
lebih luas yaitu Provinsi B anten, Jakarta dan Jawa Barat. Berdasarkan estimasi
perhitungan dengan google earth engine dihasilkan luasan daerah terdampak banjir
dengan luasan sekitar 19839 Ha, wilayah urban yang terdampak dengan luasan
terdampak sekitar 9061 Ha, Lahan pertanian terdampak banjir dengan luasan sekitar
3485 Ha dan Penduduk yang terdampak banjir sekitar 188673 orang.

Setelah dilakukan proses pengolahan hasil estimasi banjir google Earth

Engine m.enggunakan aplikasi Arcgis dengan tools clip, overlay dan perhitungan
luasan maka didapatkan peta Estimasi banjir untuk wilayah Jabodetak saja yang
memiliki luasan lebih sempit dibadingkan sebelumnya. Berikut ini peta Estimasi
dampak banjir Jabodetabek.
 Gambar 4. Peta Estimasi Dampak Jabodetabek

Hasil Estimasi banjir wilayah Jabodetabek didapatkan daerah genangan dengan

luas wilayah terdampak 251 Ha, Wilayah urban terdampak dengan luas wilayah 663
Ha dan Penduduk yang terdampak banjir dengan jumlah 4829195 jiwa. Perbandingan
luasan daerah terdampak banjir di Jabodetabek pada tingkat kabupaten yaitu wilayah
dengan dampak banjir terluas berada di Kabupaten Jakarta Utara dimana luas nya
sekitar 736 Ha, sedangkan wilayah dengan luasan wilayah terdampak terkecil yaitu
di Kota Depok dengan luas wilayah terdampak sekitar 3,9 Ha. Berikut ini data hasil
estimasi luasan wilayah terdampak banjir di Jabodetabek pada Tingkat
Kabupaten/Kota.
 Luas area terdampak Banjir Tingkat Kabupaten (Ha)

€’.ambar 5. Perbandingan estimasi luasan area terdampak banjir Jabodetabek

Uji Validitas dilakukan untuk mengetahui tingkat kevalid an data hasil analisa
banjir menggunakan Google Earth Engine sesuai dengan kenyataan dilapangan.
Dalam melakukan uji validitas hasil estimasi banjir genangan Jabodetabek dengan
Google Earth Engine maka validasi dapat dilakukan dengan menggunakan peta
potensi banjir milik Lapan dengan tanggal rilis 5 maret 2020. Dalam uji ini untu k
mengetahui kecr›cokan data shapefile genagan banjir milik lapan dengan hasil analisa
menggunakan goo gle Earth Engine, caran ya dengan melakukan Ov’erlay SHP data
potensi sebaran banjir Jabodetak yang diterbit kan Lapan di lakukan proses overlay
dengan data SHP Genangan banjir Jabodetabek hasil olah data dengan menggunakan
Google Earth Engine sehingga didapatkan perbandingannya.
 Gambar 6.Peta Perbandingan genangan banjir Lapan dengan Hasil Google earth
Engine

Validasi daa hasil estimasi genangan banjir jabodetabek dengan google earth
engine diuji dengan data milik lapan, hasil uji menunjukkan bahwa validitas hasil
estimasi genangan banjir google Earth Engine cukup Baik, karena secara visual titik
sampel yang terindikasi genangan kedua data dapat bermmpalan dan data estimasi
genangan dengan google earth engine menunjukkan persebaran yang merata dan
hampir sama.

Uji validitas hasil estimasi penduduk terdampak banjir dilakukan dengan uji
akurasi menggunakan model perhitungan statistic yaitu model r squared sebagai
berikut ini :

Tabel 1. Uji Validitas Data Penduduk Terdampak Banjir Jabodetabek

Kabupaten Prediksi/model (Y) Observant/nil IX)

Jakarta Barat 782932 2887
Jakarta Pusat 386661 310
Jakarta Selatan 191920 4209
 Kabupaten Prediksi/model (Y) Observasi/riil (X)
Jakarta Timur 659382 3640
1135132 738
Kota Bekasi 421505 70002
Kota Depnk 45795 64
Kota Tangerang 968605 3350
Kota Tangerang Selatan 237262 2125
Total 4829195

U,ji Validitas r squared

Parameter Hasil Keterangan
-0.106418497
r squared 0.011324897 Tidak Valid

Berdasarkan hasil model atau prediksi yang dapat di terima, apabila nilainya
antara 0.6 — I . Hasil Uji Validitas Penduduk terdampak Banjir di Jabodetabek dengan
menggunakan model r squared menunjukkan nilai sebesar 0.011324897, artinya
bahu’a estimasi banjir yang dihasilkan dengan google Earth Engine berbeda dengan
kondisi sebenarnya atau dapat dikatakan dapat tidak dapat diterima secara validitas.

KESIMPULAN

Pengolahan data pengindraan jauh dengan Google Earth Engine dapat

digunakan dalam upaya mitigasi dan pencegahan banjir dengan cepat, Berdasarkan
perhitungan estimasi dampak banjir dijabodetabek diperoleh luasan total w’ilayah
terdampak banjir sebesar 25 I Ha dengan w'ilayah terdampak paling luas di kabupaten
Jakarta Utara sebesar 73,6 Ha.

Hasil Uji validitas data genangan Google Earth Engine diuji dengan
menggunakan data milik lapan, Hasil menunjukkan bahw’a persebaran genangan
banjir dapat di katakan Valid karena wilayah persebarann ya sebagian besar sama.

Hasil Uji Validitas Penduduk yang terdampak banjir dengan perhitungan r

squared dengan hasil menunjukkan bahw’a model/prediksi tidak valid, hal tersebut
terjadi karena data penduduk terdampak yang sesuai dengan kenyataan tidak tersedia
secara lengkap dan data penduduk terdampak sifatnya beru bah-ubah.
DAFTAR PUSTAKA

Bernat, S.F. 2017. ldentifikasi Genangan Air Menggunakan Citra Sentinel- I (Studi
Kasus: Kecarnatan Baleendah, Dayeuhkolot dan Bojongsoang, Jawa
Barat) d3andung.lnstitut Teknologi Nasional Bandung

Haryani, N.S. 2012. Model Bahaya Banjir Menggunakan Data Penginderaan Jauh Di
Kabupaten Sampang. Jurnal Penginderaan Jauh. 9-1.

Badan Antariksa Nasional (LAPAN), 2020. Data kebencanaan prediksi banjir 5

Maret 2020.Pusat Pemanfaatan Pengindraan jauh, Jakarta

Matondang, J.P., 2013. Analisis Zonasi Daerah Rentan Banjir Dengan Pemanfaatan
Sistem Informasi Gen grafis. Unversitas Diponegoro. Semarang.

Arif L.N , Hani’ah. 2013. Kajian Pemanfaatan DEM SRTM dan Google Earth untuk
parameter penilaian pntensi kerugian ekonorni akibat banjir rob. Jurnal
TEKNIK — Vol. 34 No.3 Tahun 2013, ISSN 0852- 1 697

Fitri, A.N.A. 2017. Analisis Skenario Dampak Keter paparan dan Mitigasi bencana
banjir genangan di provinsi DKl jakarta: Fakultas Geografi, Universitas
Muhammadiyah Surakarta.

Fajrin, Mega, Y.A, llham, A,. 20119. Pemanfaatan Citra sentinel I SAR untu k
deteksi banjir studi kasus pangkalan kota baru Su matera Barat.

BBC Indonesia.2020. httn.t.//««w.hb‹ .‹ ‹›mlinñ‹›ne.sioliru1‹›ne.sin-50962493.

Diakses pada 28 Mei 2020 pukul 10.20 wib

Badan Nasional Penanggulangan Bencana Jakarta (BNPB Jakarta), 2020. Rekap Data
pengungsi banjir tanggal I januari 2020 pukul 19.00 wib. Jakarta

Detik.com.2020Arrri.s.//new.sfirrik.‹ r›m/6ri’iro/d-#f46p69lhnri6-incUh-i›eneuriv.si-
hun|it’-|uhodetohek-n oik -|‹idi- 173-i’ihu- oi’unq. Diakses pada juni 2020 pukul
11.05 wib.
Analisis Dampak Banjir Wilayah Jabodetabek dengan Pengolah
Data Berbasis Cloud Google Earth Engine
ORIGINALITY REPORT

18 %
SIMILARITY INDEX
16% 3% 11%
INTERNET SOURCES PUBLICATIONS STUDENT PAPERS

PRIMARY SOURCES

1 media.neliti.com
Internet Source 3%
2 Submitted to Universitas Diponegoro
Student Paper 2%
3 ejournal.undip.ac.id
Internet Source 2%
4 eprints.walisongo.ac.id
Internet Source 1%
5 www.scribd.com
Internet Source 1%
6 ugm.ac.id
Internet Source 1%
7 www.neliti.com
Internet Source 1%
8 Submitted to Universitas Negeri Manado
Student Paper 1%
Submitted to Universitas Muhammadiyah
9
 Surakarta
Student Paper 1%
news.detik.com
10 Internet Source 1%
ilmukelautan.trunojoyo.ac.id
11
Internet Source 1%
Submitted to iGroup
12
Student Paper 1%
Submitted to Universitas Negeri Jakarta
<1 %
13
Student Paper

eprints.undip.ac.id
<1 %
14
Internet Source

Submitted to Charles Sturt University

<1 %
15
Student Paper

www.riuni.unisul.br
16
Internet Source <1 %
text-id.123dok.com
17
Internet Source <1 %
docobook.com
18
Internet Source <1 %
journal.binus.ac.id
19
Internet Source <1 %
anzdoc.com
20
Internet Source <1 %
 repozitorij.unin.hr
21 Internet Source
<1 %
id.scribd.com
<1 %
22 Internet Source

Submitted to Fakultas Ekonomi Universitas

23
Indonesia
Student Paper
<1 %

Exclude quotes Off Exclude matches Off

Exclude bibliography Off