Klasifikasi Resiko Kerusakan Lahan Akibat Tsunami Menggunakan Citra Landsat 8 Di Kabupaten Bantul

  • Ellen Yumanda Universitas Kristen Satya Wacana
  • Magdalena A. Ineke Pakereng Universitas Kristen Satya Wacana
DOI: https://doi.org/10.35957/jatisi.v8i3.1109

Abstract

Tsunami merupakan bencana alam yang memberikan ancaman dan kerusakan paling besar di Indonesia dikarenakan setengah dari wilayah Indonesia adalah lautan. Indonesia telah mengalami beberapa kali tsunami besar. Penelitian ini dilakuakan untuk mengetahui wilayah mana yang memiliki resiko kerusakan lahan tertinggi dan terkecil, penelitian dilakukan dengan menggunakan metode Machine Learning dan algoritma ANN. Data yang digunakan dalam penelitian ini adalah data citra satelit yang dikumpulkan dari tahun 2013 – 2020 dengan studi kasus Kabupaten Bantul yang terdiri dari 72 desa. Penelitian ini menggunakan indeks vegetasi yang merupakan kombinasi dari band citra satelit. Indeks vegetasi yang digunakan antara lain NDVI, NDWI, NDBI, MNDWI, SAVI. Prediksi menyatakan beberapa desa di kabupaten Bantul mengalami resiko kerusakan lahan tinggi akibat tsunami seperti desa Banguntapan, Bangunjiwo, Ringinharjo, Imogiri, Tirtonirmolo.

References

[1] Aprizon Putra, T. A. (2017). PEMETAAN DAN ANALISIS PERUBAHAN GARIS PANTAI DI SEBAGIAN PESISIR PANTAI PENDEKATAN METODE NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) DAN LYZENGA UNTUK PEMETAAN SEBARAN WKOSISTEM PERAIRAN DI KAWASAN PESISIR TELUK BENOA-BALI. Geomatika Volume 23 No.2 2017: 87-9, 8.
[2] Bangun Muljo Sukojo, M. P. (2017). PEMANFAATAN TEKNOLOGI PENGINDERAAN JAUH DAN SISTEM INFORMASI GEOGRAFIS UNTUK ANALISIS SPESIAL TINGKAT KEKERINGAN WILAYAH KABUPATEN TUBAN. Geoid Vol. 13, No. 1, 2017 (85-92), 7.
[3] Fajar Ayuningtyas, S. Y. (2020). Pemanfaatan Teknologi Machine Learning Untuk Klasifikasi Wilayah Risiko Kekeringan di Daerah . TRANSFORMTIKA,, 12.
[4] Mutiah Nurul Handayani, B. S. (2017). ANALISIS HUBUNGAN ANTARA PERUBAHAN SUHU DENGAN INDEKS KAWASAN TERBANGUN MENGGUNAKAN CITRA LANDSAT(STUDI KASUS : KOTA SURAKARTA). Jurnal Geodesi Undip, 11.
[5] M. R. Amri, Indeks Risiko Bencana Indonesia. Jakarta: BNPB, 2016.
[6] Rizky Mulya Sampurno, A T. (2016). KLASIFIKASI TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 OPERATIONAL LAND IMAGER (OLI) DI KABUPATEN SUMEDANG. Vol 10, No 2 (2016)
[7] Siti Novianti Lufilah, A. D. (2017). PEMANFAATAN CITRA LANDSAT 8 UNTUK ANALISIS INDEKS VEGETASI DI DKI JAKARTA. JURNAL LANSKAP INDONESIA | VOLUME 9 NOMOR 1 2017, 8.
[8] Tania Maria Octarina, I. D. (2019). Penginderaan Jauh Pemrosesan Data Satelit Landsat 8 Untuk Deteksi Genangan. MERPATI VOL. 7, NO. 1 APRIL 2019 , 9.
Published
2021-09-14
Issue
Vol 8 No 3 (2021): JATISI (Jurnal Teknik Informatika dan Sistem Informasi)
Section
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Lisensi Creative Commons
JATIS oleh http://jurnal.mdp.ac.id/index.php/jatisi disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.