Nama : Rohana

NIM : 1810115120005
Mata Kuliah : Geografi Kebencanaan
Kode Mata Kuliah : ABKA554
Dosen Pengampu : Dr. H. Sidharta Adyatma, M.Si.
Dr. Deasy Arisanty, M.Sc.
Aswin Saputra, S.Pd., M.Sc.

No Judul Artikel Nama Daerah Metode Data yang dipakai dan

Penulis Penelitian Proses
1. Post-disaster F. Tsai, J.-H. Taiwan Menyajikan pendekatan Peta longsor yang akurat
assessment of Hwang, L.- selatan sistematis untuk memanfaat dari daerah tersebut,  citra
landslides in C. Chen, and -kan citra satelit multi- satelit Formosat-2, foto
southern Taiwan T.-H. Lin temporal dan lainnya data udara resolusi tinggi,
after 2009 Typhoon geo-spasial untuk penilaian model elevasi digital
Morakot using pasca bencana tanah (DEM) dan skala besar
remote sensing and longsor dalam skala peta vektor dari lokasi
spatial analysis regional. Orthorektifikasi penelitian. Foto udara itu
dan radio- dikumpulkan setelah
prosedur koreksi metrik topan dan hanya
diterapkan pada im- im- menutupi sebagian kecil
usia. Tanah longsor dari area studi.
diidentifikasi dengan
penyaringan NDVI, ubah
analisis deteksi dan
pengeditan pasca-analisis
interaktif ke menghasilkan
peta longsor yang akurat. 

2.. Improving Dewayany Jawa Studi kali ini difokuskan Data praktikum adalah
Community Sutrisno, Tengah pada pengembangan citra Landsat 8 OLI,
Capacity in Rapid Peter Tian- (kabupaten RapMet untuk digunakan Sentinel-1 dan UAVs,
Disaster Mapping: Yuan Shih, Banjarnega pada kondisi darurat komputer, sistem
An Evaluation of Mazlan bin ra) longsor, pemosisian global,
Summer School Hashim, peralatan survei lapangan
RongJun dan mini-UAV dan
Qin, Perangkat Lunak untuk
Pramaditya PJ, GIS, GCP, WebGIS,
Wicaksono, pemrograman, dan
and Rahman simulator UAV.
Syaifoel Metode pemfilteran
berdasar-kan pan
 sharpening band 8 Pan
Landsat 8 OLI dan
Landsat 8 OLI MSS,
serta citra Sentinel-1
mampu menangkap
kerentanan longsor
dengan lebih jelas.
Sehinggap dapat
diidentifi-kasi daerah
longsor yang tidak
tampak hijau, sehingga
metode ini dapat
membantu para ahli
dalam memprediksi
daerah rawan longsor dan
menentukan strategi
bantuan kemanusiaan,
Peserta juga berhasil
mem-peroleh teknik dan
metode untuk
memperoleh data untuk
RapMet menggunakan
UAV, pem-rosesan
akuisisi data spasial
UAV, dan pemilihan
gambar untuk membuat
gambar ortofoto, serta
mengintegrasikan pengin-
deraan jauh real-time dan
data turunan UAV.
Program sekolah musim
panas yang diusulkan
juga membantu peserta
memahami dan
menggunakan fusi data
secara efektif, mengubah
analisis data, dan
WebGIS saat
menerapkan RapMet
3. Land Stability Dedi Kota Pendekatan alat analisis Jenis-jenis data digital
Model for Hermon Padang Power Sim. Metode yang digunakan yaitu: 1)
Sustainable Spatial stabilitas lahan kemampuan Citra Landsat OLI
Planning in Padang alam untuk pencegahan ( Operational Land
City-Indonesia longsor dilakukan melalui Imager ) 8 2017 dan citra
based on Landslide pendekatan spasial Landsat ETM +
Disaster dengansimulasi model ( Enhanced Thematic
 MAFF – Japan. Mapper Plus ) 1997 dan
2007; 2) Peta Bumi
Indonesia (RBI) lembar
6444 - 6447 skala 1:
100.000 tahun 2008, 3)
Peta Padang Rencana
Tata Ruang Kota
(RTRW) 2010-2030; 4)
Peta Tanah Kota
Padang; 5) Peta
Geomorfologi Kota
Padang, (6) Peta Lereng
Kota Padang; 7) Peta
Geologi Kota
Padang; dan 8) Data dan
peta curah hujan Kota
Padang
4. Assessment of QianWang, Cina Model autokorelasi Data kekeringan
Spatial Yang-yang spasial . Autokorelasi pertanian dikumpulkan
Agglomeration of Liu, Yan- spasial menunjukkan dari tiga aspek yang
Agricultural zhenZhang, kondisi di mana lebih merupakan wilayah
Drought Disaster in Lin- atribut serupa ditemukan di pertanian bencana
China from 1978 to jingTong, antara pengamatan yang kekeringan (hm 2 ),
2016 Xiaoyu Li, bertetangga daripada yang daerah yang terkena
Jian-long Li jauh Yaitu, autokorelasi bencana kekeringan
& Zhengguo spasial Analisis pertanian (hm 2 ), dan
Sun. mengungkapkan kehilangan gabah (kg).
karakteristik distribusi dan Untuk mengevaluasi
hubungan internal objek dampak bencana
spasial. I Moran global dan kekeringan pada
Moran lokal I adalah pertanian China, kami
statistik uji yang paling memperoleh data dari
umum digunakan untuk Kementerian Sumber
autokorelasi spasial dengan Daya Air Republik
pola peta. Rakyat Tiongkok
( http://www.mwr.gov.cn
/ ). Data pertanian
tersebut dapat diandalkan
dan digunakan secara
luas di penelitian
pertanian di Cina.
5. Multi Risk Briandana Kabupaten Skoring dan pembobotan, Pemetaan risiko bencana
Mapping Januar Aji Banyumas, serta tumpang susun banjir dan risiko bencana
Application In Gunadi, Jawa (overlay) antar parameter tanah longsor diperoleh
Banyu-mas District Arief Laila Tengah penyusunnya. Dalam dari hasil overlay peta
Using Open Source Nugraha, pembuat-an peta risiko ancaman, peta kerentanan
 Software Gis Andi bencana banjir dan tanah dan peta kapasitas.
Suprayogi long-sor ini terdiri dari tiga Pemetaan risiko bencana
peme-taan yaitu peme-taan banjir dan tanah longsor
ancaman, pemetaan keren- menggunakan metode
tanan dan peme-taan perkalian matriks VCA
kapasitas. Dari ketiga peta diperoleh hasil
tersebut kemu-dian kesesuaian 66,667%
dianalisis sehingga dapat untuk bencana banjir dan
dihasilkan peta risiko 77,778% untuk bencana
bencana banjir dan risiko tanah longsor, sedangkan
bencana tanah longsor. untuk peta multi risiko
Selan-jutnya kedua peta banjir dan tanah longsor
risiko ter-sebut digabung- diperoleh nilai kesesuaian
kan sehingga didapatkan sebesar 61,111%
peta multi risiko bencana terhadap kondisi
banjir dan tanah long-sor sebenarnya di lapangan.
Kabupaten Banyumas. Peta multi risiko bencana
didapatkan dari
penggabungan peta risiko
banjir dan risiko tanah
longsor, dari hasil
pemetaan multi risiko
bencana banjir dan tanah
longsor
6. Analyzing disaster- Wei Sua, China  Jadi metode analisis data meteorologi dari
forming Xiaodong autokorelasi spasial dan China Meteorological
environments and Zhang, Zhen korelasi kanonik Analisis Data Sharing Service
the spatial Wang, Xiaohui (CCA) digunakan untuk System, diantaranya
distribution of flood Su, Jianxi menetapkan hubungan di data curah hujan dan data
disasters and snow Huang, Siquan antara mereka. Analisis suhu; peta Digital
disasters that Yang ,Sanchao autokorelasi spasial, Elevation Map (DEM)
occurred in China Liu termasuk analisis dari Global Land Cover
from 1949 to 2000 autokorelasi global dan Facility (GLCF);
analisis autokorelasi lokal, dan peta tutupan salju
digunakan untuk dan peta distribusi sungai
menyelidiki autokorelasi dari Atlas of Natural
spasial global karakteristik Disaster System of
dan karakteristik klaster China.
spasial lokal dari bencana
banjir dan bencana
salju. Analisis korelasi
kanonik
(CCA) kemudian
digunakan untuk mencari
korelasi silang antara
frekuensi bencana banjir /
salju dan bencana alamnya.
faktor lingkungan, yang
bertujuan memilih indeks
untuk penilaian risiko
bencana.