PROSIDING SEMINAR BUMI DAN ATMOSFER STMKG 2018

PENGARUH PEMILIHAN RESOLUSI PIKSEL TERHADAP ANALISIS

PERUBAHAN IKLIM (STUDI KASUS : JAWA BAGIAN BARAT)

DINA WHIRI MUSLIHAH*, TAMIMA AMIN, ANDANG KURNIAWAN, AGUS SAFRIL

Sekolah Tinggi Meteorologi, Klimatologi, dan Geofisika, Jakarta

*
Email: dina.muslihah@gmail.com.

Abstrak. Perubahan iklim merupakan masalah serius yang sedang dihadapi dunia termasuk Indonesia.
Studi kasus dilakukan pada wilayah Jawa bagian barat yang terdiri dari Jawa Barat, DKI Jakarta, dan
Banten. Wilayah tersebut mengalami pertumbuhan yang pesat dan dalam skala yang besar, sehingga
terjadi perubahan lingkungan yang drastis dari waktu ke waktu. Salah satu parameter yang paling
penting digunakan untuk mengkaji perubahan iklim adalah curah hujan. Data curah hujan yang
diturunkan dari citra satelit dapat dibuat dengan resolusi yang berbeda–beda sesuai dengan kebutuhan
analisis. Penentuan resolusi ini menjadi sangat penting dalam proses penelitian karena dapat
mempengaruhi tingkat variasi data. Tujuan penelitian ini adalah untuk mengetahui pengaruh pemilihan
resolusi pixel dalam analisis perubahan iklim di Jawa bagian barat. Penelitian ini menggunakan data
curah hujan tahun 1981-2016 dari CHIRPS yang diolah menggunakan aplikasi R dan GrADS. Data
curah hujan diplot menjadi sembilan resolusi, yaitu 0.05, 0.075, 0.10, 0.125, 0.15, 0.2, 0.3, 0.4, dan 0.5.
Metode yang digunakan yaitu analisis komparatif rata-rata dan standar deviasi intensitas curah hujan
antara tahun 1981-1998 dan 1999-2016 serta hasil analisis spasial selisih curah hujan kedua interval
tahun tersebut. Berdasarkan hasil analisis secara spasial, untuk resolusi 0.05 masih terlihat jelas variasi
curah hujan yang besar. Setelah dinaikkan menjadi 0.075 terlihat perbedaan yang cukup signifikan yaitu
variasi data yang dihasilkan lebih kecil. Analisis rata-rata dan standar deviasi antara kedua interval
tahun tersebut juga menunjukkan nilai standar deviasi yang berbeda jauh ketika resolusi dinaikkan dari
0.05 menjadi 0.075. Resolusi 0.075 bernilai 15.13 dan resolusi 0.05 bernilai 5.07.Semakin besar
resolusi maka standar deviasi akan cenderung turun. Sedangkan nilai rata -rata berubah menjadi lebih
besar ketika resolusi dinaikkan. Hal ini membuktikan bahwa pemilihan resolusi sangat penting karena
dengan pengurangan atau penambahan resolusi dapat mengubah nilai rata–rata dan standar deviasi data,
sehingga mempengaruhi keakuratan hasil analisis perubahan iklim selanjutnya.

Kata kunci: resolusi, perubahan iklim, standar deviasi, rata-rata, spasial

Abstract. Climate change is a world problem include Indonesia. This study was conducted on the
western part of Java which consists of West Java, DKI Jakarta, and Banten. The region is experiencing
rapid growth and on a large scale, resulting in drastic environmental changes over time. One of the
most important parameters used to study about climate change is rainfall. Rainfall data derived from
satellite imagery can be made with different resolutions according to analytical needs. Determination
of this resolution is very important in the research process because it can affect the level of data
variation. The purpose of this study is to determine the effect of resolution election to climate change
analisys in western Java. This research uses rainfall data from 1981-2016 from CHIRPS which is
processed using R and GrADS application. Rainfall data is plotted into nine resolutions, that is 0.05,
0.075, 0.10, 0.125, 0.15, 0.2, 0.3, 0.4, and 0.5. This study use comaparative analisys of the average and
standart deviation of the precipitation data between 1981-1998 and 1999-2016. Beside that, spatial
analisys of both interval of the years also been used. Based on the results of spatial analysis, resolution
of 0.05 still show various colors that means the data variation is big. After increased to 0.075 seen a
significant difference is the data variation produced smaller. The mean analysis and standard deviation
between the two intervals of the year also show a different standart deviation value between 0.05 pixel
and 0.07 pixel.. Resolution of 0.075 has standart deviation 15.13 and resolution 0.05 is 5.07. The bigger
resolution cause standart deviation will go down. While, the average turns larger when resolution is
raised. This is proven that the choosing of resolution is very important because by increaisng or
decreasing the resolution can change the average and standart deviation of data, resulting in the
accuracy of further climate change analysis result.

Key words: resolution, climate change, standart deviation, average, spatial

527
 PROSIDING SEMINAR BUMI DAN ATMOSFER STMKG 2018
1. Pendahuluan

Perubahan iklim merupakan salah satu dampak yang terjadi akibat dari adanya global warming.
Studi terbaru membuktikan bahwa perkembangan industri yang cepat dalam 50 tahun terakhir,
memicu terjadinya pemanasan global yang lebih cepat. Terjadinya perubahan iklim menjadi
tantangan tersendiri yang berdampak terhadap kehidupan masyarakat luas. Perubahan iklim
berdampak terhadap semakin meningkatnya frekuensi dan intensitas kejadian cuaca ekstrem,
berubahnya pola hujan serta meningkatnya suhu permukaan laut [9].

Global warming yang memicu terjadinya perubahan iklim diakibatkan oleh adanya peningkatan
gas – gas rumah kaca di atmosfer, di antaranya adalah karbon dioksida (CO2) dan metana
(CH4). Gas – gas rumah kaca ini menimbulkan efek memantulkan dan menyerap panas yang
berupa gelombang panjang yang diemisikan oleh bumi, sehingga panas tersebut kembali ke
bumi. Perubahan temperatur tersebut menyebabkan kondisi fisis atmosfer yang tidak stabil dan
banyak terjadi anomali – anomali cuaca [8].

Perubahan iklim juga menjadi masalah utama di Indonesia. Salah satu wilayah Indonesia yang
berpotensi terancam dampak dari perubahan iklim adalah Jawa Bagian Barat. Jawa bagian barat
merupakan wilayah yang mengalami perubahan lingkungan sangat drastis akibat dari
pertumbuhan daerah yang begitu pesat dan dalam skala besar. Hal ini menyebabkan kajian
perubahan iklim di Jawa Bagian Barat menjadi sangat penting [11].

Analisis mengenai perubahan iklim sangat dibutuhkan, mengingat dampaknya yang begitu luas
dan berpengaruh terhadap kehidupan makhluk hidup di bumi. Analisis perubahan iklim yang
dilakukan membutuhkan banyak sekali data, akan tetapi sering kali ketersediaan data masih
kurang mencukupi untuk melakukan analisis yang lebih akurat. Salah satu sumber data yang
digunakan untuk analisis perubahan iklim adalah data satelit yang diturunkan dari citra hasil
pengindraan jauh. Analisis menggunakan citra juga masih menemui banyak kekurangan karena
kurang jelasnya citra yang dihasilkan. Solusi yang dapat dilakukan adalah dengan mengolah
data citra digital dan data pengamatan untuk membantu menganalisis cuaca.

Pengolahan citra satelit yang berupa gambar harus disimpan dengan format yang dapat diolah
oleh komputer. Cara yang paling mudah adalah dengan membagi citra ke dalam sel – sel diskrit.
Sel – sel tersebut kemudian disebut piksel [7]. Secara matematis, citra merupakan fungsi
kontinyu dengan intensitas cahaya pada bidang 2 dimensi. Agar dapat diolah, citra satelit harus
direpresentasikan secara numerik dengan nilai – nilai diskrit [4].

Tujuan penelitian ini adalah untuk mengetahui pentingnya pemilihan piksel terhadap hasil
analisis perubahan iklim menggunakan citra satelit yang telah dikonversi ke dalam sel – sel
diskrit.

2. Metode Penelitian
2.1. Lokasi Penelitian

Penelitian ini dilakukan di wilayah Pulau Jawa bagian barat dengan koordinat (5.8 LS-7.9 LS
dan 105 BT-109 BT)

528
 PROSIDING SEMINAR BUMI DAN ATMOSFER STMKG 2018

Gambar 2.1. Wilayah lokasi penelitian yaitu Jawa Bagian Barat

2.2 Data

Adapun data yang digunakan dalam penelitian ini adalah data curah hujan CHIRPS periode
1981-2016 di Jawa bagian barat (5.8 LS-7.9 LS dan 105 BT-109 BT).

2.3. Metode Pengambilan Data

Data curah hujan CHIRPS diambil dari https://iridl.ldeo.columbia.edu/SOURCES

/.UCSB/.CHIRPS/. Climate Hazards Infrared Precipitation with Stations (CHIRPS) dibangun
berdasarkan dengan teknik smart interpolation dan resolusi tinggi, perkiraan presipitasi waktu
yang panjang berdasarkan observasi Cold Cloud Duration (CCD) inframerah. Resolusi yang
digunakan oleh data CHIRPS adalah 0.05 [3]. Jika dikonversikan dalam satuan kilometer, 1
derajat dari data memiliki nilai yang setara dengan 111.319 kilometer [6]. Angka tersebut dapat
dibulatkan ke satuan sehingga 1 derajat dari tiap data memiliki nilai yang setara dengan 111
kilometer.

2.4. Metode Penelitian

Penelitian ini diolah menggunakan aplikasi R [1] dan GRAds [2]. Data curah hujan periode
1981-2016 dibagi menjadi dua interval tahun yaitu periode tahun pertama 1981-1998 dan
periode tahun kedua 1999-2016. Selisih data curah hujan kedua tahun diolah menggunakan
aplikasi R sehingga menghasilkan suatu data dengan resolusi piksel yang berbeda-beda, yaitu
0.05, 0.075, 0.1, 0.125, 0.15, 0.2, 0.3, 0.4, dan 0.5. Setiap resolusi menghasilkan data numerik
lalu dicari standar deviasi dan rata-rata data. Setelah itu selisih data curah hujan tersebut diplot
untuk analisis spasial menggunakan aplikasi GRAds.

2.5. Metode Analisa Data

Dari penolahan data tersebut akan dihasilkan dua data yaitu data numerik berupa data standar
deviasi dan rata-rata serta data spasial untuk masing-masing resolusi. Data numerik akan
dinalisis menggunakan analis komparatif yaitu membandingkan hasil pengolahan standar
deviasi dan rata-rata dari setiap resolusinya. Analisis spasial menggunakan data spasial hasil

529
 PROSIDING SEMINAR BUMI DAN ATMOSFER STMKG 2018
pengolahan dari aplikasi GRAds untuk dilihat bagaimana perubahan tingkat variasi data ketika
terjadi penambahan atau pengurangan resolusi piksel.

3. Hasil Dan Pembahasan

3.1. ANALISIS SPASIAL

Analisis spasial digunakan untuk mengetahui perubahan tingkat variasi data berdasarkan
informasi warna yang ditunjukkan oleh peta seiring dengan bertambahnya resolusi piksel data
satelit [5].

1. Resolusi 0.05

Berdasarkan gambar di bawah ini, dapat dilihat yaitu untuk resolusi sebesar 0.05 piksel
memiliki warna yang lebih beragam yaitu warna biru, hijau, merah lebih terlihat. Hal ini
menunjukkan nilai variatif yang tinggi yang dapat dihasilkan oleh resolusi 0.05 piksel ini.

Gambar 3.1. Gambar spasial data curah hujan pada resolusi 0.05 piksel

2. Resolusi 0.075

Berdasarkan gambar di bawah ini, dapat dilihat yaitu untuk resolusi sebesar 0.075 piksel
memiliki warna yang sangat berbeda secara signifikan dengan resolusi 0.05 dimana hanya
terlihat nilai yang ditunjukkan oleh warna hijau, kuning, dan coklat yang didominasi oleh
warna kuning. Hal ini menunjukkan bahwa tingkat variasi data berkurang secara signifikan
dari resolusi sebelumnya yaitu resolusi 0.05.

530
 PROSIDING SEMINAR BUMI DAN ATMOSFER STMKG 2018

Gambar 3.2. Gambar spasial data curah hujan pada resolusi 0.075 piksel

3. Resolusi 0.10

Berdasarkan gambar di bawah ini, dapat dilihat yaitu untuk resolusi sebesar 010 piksel
memiliki warna yang berbeda jauh dengan resolusi pertama yaitu 0.05 dimana pada resolusi
ini dimana hanya terlihat nilai yang ditunjukkan oleh warna hijau, kuning, dan coklat yang
didominasi oleh warna kuning. Hal ini menunjukkan bahwa tingkat variasi data berkurang
secara signifikan dari resolusi 0.05 tetapi tidak terlalu berbeda jauh dengan resolusi 0.075.

Gambar 3.3. Gambar spasial data curah hujan pada resolusi 0.10 piksel

4. Resolusi 0.125

Berdasarkan gambar di bawah ini, dapat dilihat yaitu untuk resolusi sebesar 0.125 piksel
memiliki warna yang berbeda jauh dengan resolusi pertama yaitu 0.05 dimana pada resolusi
ini hanya terlihat nilai yang ditunjukkan oleh warna hijau, kuning, dan coklat yang
didominasi oleh warna kuning. Hal ini menunjukkan bahwa tingkat variasi data berkurang

531
 PROSIDING SEMINAR BUMI DAN ATMOSFER STMKG 2018
secara signifikan dari resolusi 0.05 tetapi tidak terlalu berbeda jauh dengan resolusi 0.075
dan 0.1.

Gambar 3.4. Gambar spasial data curah hujan pada resolusi 0.125 piksel

5. Resolusi 0.15

Berdasarkan gambar di bawah ini, dapat dilihat yaitu untuk resolusi sebesar 0.15 piksel
memiliki warna yang cenderung berbeda jauh dengan resolusi pertama yaitu 0.05 dimana
pada resolusi ini hanya terlihat nilai yang ditunjukkan oleh warna hijau, kuning, dan coklat
yang didominasi oleh warna kuning. Hal ini menunjukkan bahwa tingkat variasi data
berkurang secara signifikan dari resolusi 0.05 tetapi tidak terlalu berbeda jauh dengan
resolusi 0.075, 0.10, dan 0.125.

Gambar 3.5. Gambar spasial data curah hujan pada resolusi 0.15 piksel

6. Resolusi 0.20

Berdasarkan gambar di bawah ini, dapat dilihat yaitu untuk resolusi sebesar 0.20 piksel
memiliki warna yang cenderung berbeda jauh dengan resolusi pertama yaitu 0.05 dimana
pada resolusi ini hanya terlihat nilai yang ditunjukkan oleh warna hijau, kuning, dan coklat
532
 PROSIDING SEMINAR BUMI DAN ATMOSFER STMKG 2018
yang didominasi oleh warna kuning. Hal ini menunjukkan bahwa tingkat variasi data
berkurang secara signifikan dari resolusi 0.05 tetapi tidak terlalu berbeda jauh dengan
resolusi 0.075, 0.1, 0.125, dan 0.15

Gambar 3.6. Gambar spasial data curah hujan pada resolusi 0.20 piksel

7. Resolusi 0.30

Berdasarkan gambar di bawah ini, dapat dilihat yaitu untuk resolusi sebesar 0.30 piksel
memiliki warna yang berbeda jauh dengan resolusi pertama yaitu 0.05 dimana pada resolusi
ini hanya terlihat nilai yang ditunjukkan oleh warna hijau, kuning, dan coklat yang
didominasi oleh warna kuning. Hal ini menunjukkan bahwa tingkat variasi data berkurang
secara signifikan dari resolusi 0.05 tetapi tidak terlalu berbeda jauh dengan resolusi 0.075,
0.1, 0.125, 0.15, dan 0.20

Gambar 3.7. Gambar spasial data curah hujan pada resolusi 0.30 piksel

533
 PROSIDING SEMINAR BUMI DAN ATMOSFER STMKG 2018
8. Resolusi 0.40

Berdasarkan gambar di bawah ini, dapat dilihat yaitu untuk resolusi sebesar 0.30 piksel
memiliki warna yang berbeda jauh dengan resolusi pertama yaitu 0.05 dimana pada resolusi
ini hanya terlihat nilai yang ditunjukkan oleh warna hijau, kuning, dan coklat yang
didominasi oleh warna kuning. Terdapat juga warna putih yang menunjukkan bahwa tidak
ada data. Tidak ada data terjadi karena terlalu besarnya resolusi. Hal ini menunjukkan
bahwa tingkat variasi data berkurang secara signifikan dari resolusi 0.05 tetapi tidak terlalu
berbeda jauh dengan resolusi 0.075, 0.1, 0.125, 0.15, 0.20, dan 0.30

Gambar 3.8. Gambar spasial data curah hujan pada resolusi 0.40 piksel

9. Resolusi 0.50

Berdasarkan gambar di bawah ini, dapat dilihat yaitu untuk resolusi sebesar 0.30 piksel
memiliki warna yang berbeda jauh dengan resolusi pertama yaitu 0.05 dimana pada resolusi
ini hanya terlihat nilai yang ditunjukkan oleh warna hijau yang didominasi oleh warna
kuning. Terdapat juga warna putih yang menunjukkan bahwa tidak ada data. Tidak ada data
terjadi karena terlalu besarnya resolusi. Hal ini menunjukkan bahwa tingkat variasi data
berkurang secara signifikan dari resolusi 0.05 tetapi tidak terlalu berbeda jauh dengan
resolusi 0.075, 0.1, 0.125, 0.15, 0.20, 0.30, dan 0.40

534
 PROSIDING SEMINAR BUMI DAN ATMOSFER STMKG 2018

x
Gambar 3.9. Gambar spasial data curah hujan pada resolusi 0.50 piksel

Penjelasan diatas menunjukkan bahwa setiap bertambah atau berkurangnya resolusi akan
memberikan pengaruh terhadap tingat variasi data yang ditandai dengan perubahan warna yang
signifikan pada data spasial tersebut.

3.2. ANALISIS RATA-RATA DAN STANDAR DEVIASI

Data yang digunakan untuk menganalisis adalah 2 kelompok data. Data pertama merupakan
data yang berada pada rentang 1981 – 1998. Data kedua merupakan data yang berada pada
rentang 1999 – 2016. Kelompok data kedua selanjutnya dikurangi dengan data kelompok
pertama yang selanjutnya dapat dihitung rata – rata serta standar deviasinya. Tiap – tiap
kelompok data dicari nilai numeriknya pada 7 kelompok piksel yang telah ditentukan.
Kelompok piksel tersebut adalah 0.05, 0.075, 0.2, 0.125, 0.15, 0.2, 0.3, 0.4, dan 0.5. Pada
pengurangan tiap – tiap piksel, dicari nilai statistiknya yaitu nilai rata – rata dan standar
deviasinya. Dari kedua nilai ini maka dapat dilakukan analisis mengenai persebaran data yang
berdasarkan standar deviasinya. Nilai rata – ratanya dapat menunjukkan kisaran nilai yang
banyak terdapat pada kelompok data tersebut. Hasil perhitungan yang telah dilakukan adalah
sebagai berikut:

Tabel 3.1. Tabel rata-rata dan standar deviasi untuk masing-masing resolusi
Standar
Resolusi Rata - rata
Deviasi
0.05 12.42 15.13
0.075 13.12 5.07
0.1 13.12 5.12
0.125 13.51 5.12
0.15 13.45 4.91
0.2 13.98 4.12
0.3 13.80 3.89
0.4 14.72 3.00
0.5 14.90 3.22

535
 PROSIDING SEMINAR BUMI DAN ATMOSFER STMKG 2018

Pada resolusi 0.05, rata – rata berada pada kisaran 12.42. standar deviasinya sangat besar yaitu
pada nilai 15.13, nilai tersebut merupakan nilai yang terbesar. Hal ini menunjukkan bahwa pada
resolusi 0.05 adalah resolusi yang memiliki nilai variasi kelompok data yang paling banyak.

Untuk resolusi selanjutnya, nilai standar deviasi terus mengalami penurunan hingga nilai
standar deviasi terkecil dimiliki oleh resolusi 0.5 yaitu 3.22. Nilai ini memiliki selisih yang
besar jika dibandingkan dengan standar deviasi data dengan resolusi 0.05, artinya bahwa
terdapat penurunan variasi data yang banyak ketika resolusi diturunkan dari 0.05 hingga
mencapai resolusi 0.5. Sedangkan untuk nilai rata – rata, semakin besar resolusi maka akan
semakin besar nilainya, kecuali pada resolusi 0.15 yang malah mengalami penurunan rata – rata
jika dibandingkan dengan nilai rata- rata data dengan resolusi 0.125. Naiknya rata- rata ini
menunjukkan bahwa adanya perubahan nilai numerik sebuah data jika data tersebut diperbesar
ataupun diperkecil resolusinya.

16.00 15.50

14.00 Standart Deviasi

15.00
Rata - rata
12.00
Standar Deviasi

14.50

Rata - rata
10.00
14.00
8.00
13.50
6.00
13.00
4.00

2.00 12.50

0.00 12.00
0 0.1 0.2 0.3 0.4 0.5
Resolusi

Grafik 3.1. Grafik rata-rata dan standar deviasi untuk masing-masing resolusi

Saat data dilukiskan dalam sebuah grafik, terlihat jelas bahwa terjadi perubahan yang signifikan
pada nilai standar deviasi serta rata – rata ketika resolusi 0.05 diturunkan terhadap nilai tertentu.

4. KESIMPULAN

Dari analisis yang telah dilakukan dapat diambil kesimpulan sebagai berikut :
1. Berdasarkan analisis spasial, perubahan resolusi piksel akan mempengaruhi tingkat variasi
data yang ditunjukkan oleh perubahan warna seiring dengan bertambahnya resolusi data
tersebut.
2. Berdasarkan analisis data numerik, pengurangan dan penambahan resolusi data akan
merubah rata-rata dan standar deviasi data secara signifikan pada kenaikan resolusi tertentu.
3. Pemilihan resolusi merupakan sangat penting dalam analisis perubahan iklim selanjutnya.
Pemilihan resolusi terbaik akan menghasilkan analisis yang baik juga.

536
 PROSIDING SEMINAR BUMI DAN ATMOSFER STMKG 2018
UCAPAN TERIMA KASIH

Puji syukur kepada Allah SWT atas segala limpahan rahmat dan karunia-Nya sehingga penulis
dapat menyelesaikan penulisan paper dengan judul “Pengaruh Pemilihan Resolusi Piksel
Terhadap Analisis Perubahan Iklim (Studi Kasus : Jawa Bagian Barat)”. Dalam penulisan ini
tentunya tidak lepas dari hambatan dan kesulitan, namun berkat bimbingan, bantuan, nasihat,
dan saran dari berbagai pihak, segala hambatan dan kesulitan tersebut dapat diatasi dengan baik.
Dalam kesempatan ini penulis mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Panitia SENBA dari HTMK yang telah memberikan kesempatan bagi kami untuk dapat
mengikuti rangkaian acara HMD 68.
2. Semua pihak yang telah memberikan bantuan dalam penulisan paper ini yang tidak dapat
disebutkan satu-persatu.

DAFTAR PUSTAKA

1. Budiharto, Widodo. Rof’ah Nur Rahmawati.2013. Pengantar Praktis Pemrograman R

untuk Ilmu Komputer.Jakarta: Halaman Moeka Publishing.
2. COLA.2015.GRAds Documentation.Virginia: George Manson University.
3. Funk, C. et al.The Climate Hazards Infrared Precipitation with Stations—a New
Environmental Record for Monitoring Extremes. Sci. Data. 2:150066 doi:
10.1038/sdata.2015.66 (2015).
4. Kusumantono, DR dan Alan Novi Tompunu.2011.Pengaruh Citra Digital untuk
Mendekteksi Obyek Menggunakan Pengolahan Warna Model Normalisasi RGB.Seminar
Nasional Teknologi Informasi dan Komunikasi Terapan 2011.
5. Murti, Sigit Heru.2012. Pengaruh Resolusi Spasial Pada Citra Penginderaan Jauh
Terhadap Ketelitian Pemetaan Penggunaan Lahan Pertanian di Kabupaten Wonosobo.
Vol. 18, No.1, hlm. 84-94. Universitas Gadjah Mada.
6. Prasetyo, Anugerah Dwi dan Cahya Rahmat.2015.Perancangan Aplikasi Schedule
Remminders Menggunakan Metode Euclidean Distance Pada Sistem Operasi
Android.Prosiding Seminar Informatika Aplikatif Polinema 2015. Politeknik Negeri
Malang.
7. Santi, R. C. N.2011.Teknik Perbaikan Kualitas Citra Satelit Cuaca dengan SATAID.Jurnal
Teknologi Informasi DINAMIK Volume 16, No.2, Juli 2011 : 101-109.
8. Susandi, A., et al.2008.Dampak Perubahan Iklim Terhadap Ketinggian Muka Laut Di
Wilayah Banjarmasin.Jurnal Ekonomi Lingkungan Vol.12/No.2/2008.
9. Surmaini, E., et al. 2011.Upaya Sektor Pertanian Dalam Menghadapi Perubahan
Iklim.Jurnal Penelitian dan Pengembangan Pertanian 30(1): 1-7.
10. Google. 2018. Google Earth. https://earth.google.com/web. Diakses pada: 17 Maret 2018.
11. Worldbank. 2011. Jakarta: Tantangan Perkotaan Seiring Perubahan Iklim.
http://www.worldbank.org/in/news/feature/2011/11/03/jakarta-urban-challenges-in-a-
changing-climate. Diakses pada: 17 Maret 2018.

537