Identifiksi Dampak Perubahan Iklim Berbasis Cloud Engine

(Studi Kasus: Time Series Bencana Banjir Desa Tumbit, Kecamatan Teluk Bayur, Kabupaten Berau)

Balikpapan, 17 November 2022

Syaiful Muflichin Purnama,

Loryena Ayu Karondia
PROGRAM STUDI SURVEI DAN PEMETAAN
POLITEKNIK SINAR MAS BERAU
Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id
 OUTLINE:
1.Latar Belakang
2.Data
3.Metode
4.Hasil
5.Kesimpulan dan Saran

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

LATAR BELAKANG
1.Kondisi Iklim dunia dan Indonesia yang tidak menentu;
2.Sehingga beberapa daerah di Indonesia terjadi bencana
hidrometeorologi (banjir di Kampung Tumbit);
3.Kebutuhan dari pemerintah akan informasi spasial
bencana melalui pemetaan cepat (rapid mapping).

Perlu pemetaan dengan teknologi penginderaan jauh,

melalui pengolahan cloud computing dengan Google
Earth Engine (GEE) sehingga menghasilkan informasi
spasial cepat, tepat, dan akurat.

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

BENCANA HIDROMETEOROLOGI
Bencana hidrometeorologi merupakan fenomena
bencana alam atau proses merusak yang terjadi di
atmosfer (meteorologi), air (hidrologi), atau lautan
(oseanografi) yang dapat menyebabkan hilangnya
nyawa, cedera, atau dampak kesehatan lainnya, bahkan
mengakibatkan kerusakan harta benda (BNPB, 2021)

Beberapa bencana hidrometeorologi yang terjadi di

Indonesia seperti curah hujan ekstrim, angin kencang,
puting beliung, banjir, longsor, kekeringan, kebakaran
hutan dan lahan, serta kualitas udara buruk (BNPB,
2021).

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

PENGINDERAAN JAUH
Ilmu & seni untuk memperoleh informasi tentang obyek,
daerah, atau fenomena dengan suatu alat sensor tanpa
kontak langsung dengan obyek, daerah, atau fenomena
yang dikaji (Lillesand & Kiefer, 1979).

Penggunaan sensor radiasi elektromagnetik untuk

merekam gambar lingkungan bumi yang dapat
diinterpretasikan sehingga menghasilkan informasi yang
berguna (Curran, 1985).

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

 JENIS SENSOR PENGINDERAAN JAUH
BERDASARKAN SUMBER ENERGI

Sensor Optik (Pasif) Sensor Radar (Aktif)

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

SENTINEL -1
Sumber: https://iss.jaxa.jp/

• Diluncurkan oleh European Space Agency (ESA);

• Menggunakan spektral C-Band.

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

 Mode akuisisi satelit Sentinel-1 Satelit Sentinel-1 dapat beroperasi dalam single polarisasi (HH
atau VV) dan dual polarisasi (HH+VVatau VV+VH).

Resolusi spasial untuk data Sentinel-1 ini berbeda-beda

bergantung pada mode akuisisi data yang digunakan.
• Stripmap Mode (SM) ; lebar sapuan 80km, resolusi spasial 5 x 5m.
• Interferometric Wide Swath Mode (IW) ; lebar sapuan 250km, resolusi
Sumber: (Esa Sentinel Online) spasial 5 x 20m
• Swath Mode (EW) ; lebar sapuan 400km, resolusi spasial 20 x 40m
• Wave Mode (WV) ; lebar sapuan 20km, resolusi spasial 5m.
Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id
Google Earth Engine (GEE)

Earth Engine is Google's cloud platform

for easy petabyte-scale analysis of
satellite imagery and other geospatial data.
6 Million Landsat images (1972-2018)
2+ Petabytes stored on tapes at USGS

Earth Observation Data Archives

Co-locate
• Big Data
• Massive Computation
• Scientific Algorithms
Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id
DATA
Citra Satelit Sentinel-1 Spesifikasi:
Tanggal akuisisi data Mode Akuisisi Interferometric Wide Swath (IW)
Sebelum banjir Sesudah banjir Tipe Polarisasi Dual Polarisation VV/ VH
02 Mei 2019 07 Mei 2019 Orbit Descending
08 Mei 2021 20 Mei 2021 Jarak piksel 10 x 10
03 Mei 2022 15 Mei 2022 Temporal waktu 6 hari (revisit)

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

METODE
Pre-processing
Seting prameter:
Data Sentinel-1 Level-1 Ground Range Detected (GRD)
Interferometric Wide swath (IW) dengan polarisasi VV dan
VH yang mencakup wilayah Kampung Tumbit

Koreksi radiometrik:
Kalibrasi radiometrik dilakukan untuk menghasilkan nilai
sigma naught (dB), tujuannya sebagai pemisah antara
badan air dengan permukaan tanah.

Koreksi bintik (speckel):

Proses koreksi bintik bertujuan meningkatkan kualitas
gambar dengan mengurangi bintik. Proses penyaringan
menggunakan script pengolahan Filter Lee.

Deteksi banjir
Deteksi perubahan:
Membagi nilai hamburan balik citra saat banjir dibagi
dengan sebelum banjir.

Penilaian ambang batas (threshold):

Nilai ambang batas yang diberikan 1,25. Pemberian nilai
ambang batas dapat berbeda-beda sesuai dengan kondisi
dan keberagaman objek kajian

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

 Penyempurnaan Model
Air permukaan global:
Parameter air permukaan digunakan untuk menutupi atau
mengenali kondisi objek air yang bersifat permanen,
sehingga dapat membedakan objek air permanen dan
objek banjir.

Hubungan piksel ketetanggaan:

Digunakan untuk menghubungkan nilai piksel yang
memiliki 8 ketetangan atau yang lebih sedikit menjadi satu
kesatuan. Proses tersebut berfungsi untuk mengurangi
kesalahan dari visualisasi sebaran banjir.
Digital Elevation Model:
Mendeteksi bahwa lokasi tersebut memiliki kelerengan kurang
dari 5%.

Proses Validasi
Referensi penutup lahan:
Validasi untuk melihat objek air dan objek terbangun
dengan bantuan Citra Google Earth dan menghitung luasan
area terdampak banjir.

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

HASIL
Sebelum proses filtering Sesudah proses filtering

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

 Perbandingan data Tahun 2019, 2021, dan 2022

Tahun 2019 Tahun 2021

Sebelum Sesudah Sebelum Sesudah

Tahun 2022

Pendidikan Bermutu Masa Depan Maju Sebelum Sesudah polteksimasberau.ac.id

 Perbandingan kenampakan visual dengan polarisasi VH/ VV/ VH

Tahun 2019 Tahun 2021 Tahun 2022

Hasil polarisasi VH sebelum/ VV sesudah/ VH sesudah, warna ungu menunjukan

objek yang mengalami perubahan bentuk atau dikategorikan banjir.

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

 Sebelum penyempurnaan model Sesudah penyempurnaan model

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

 Luas area terdampak banjir tahun 2019 = 46,445 Ha
Hasil deteksi banjir berada di area
penutuplahan pertambangan
Tahun 2019 Binungan Maining Operation
(BMO).

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

 Luas area terdampak banjir tahun 2021 = 34,446 Ha
Hasil deteksi banjir dengan pola
parsial di area sempadan sungai dan
beberapa di penutuplahan
Tahun 2021 pertambangan Binungan Maining
Operation (BMO).

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

 Luas area terdampak banjir tahun 2022 = 215,314 Ha
Hasil deteksi banjir dengan pola
mengelompok di area pertanian,
perkebunan, dan permukiman.
Tahun 2022

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

KESIMPULAN
• Pemanfaatan teknologi cloud engine dari Google Earth Engine (GEE) sangat membantu dalam
proses pemetaan cepat terutama bencana banjir;
• Hasil pengolahan data diperoleh bahwa tahun 2021 merupakan area terdamapak banjir terendah
dengan luas 34,446 Ha, dan terdamapak banjir tertinggi terjadi di tahun 2022 dengan luas area
sebesar 215,314 Ha;
• Sebagian besar wilayah terdampak banjir di tahun 2022 berada di lahan pertanian, perkebunan, dan
permukiman.

SARAN
Perlu dilakukan validasi lapangan dan beberapa parameter fisik untuk dapat meningkatkan
akurasi dalam deteksi bencana banjir.

Pendidikan Bermutu Masa Depan Maju polteksimasberau.ac.id

 TERIMA KASIH

Politeknik Sinar Mas Berau Coal polteksimasberau.ac.id