FEBY ARTANI KUSUMADJATI, FEBY and Abdi Sukmono, ST, MT, Abdi (2022) ANALISIS LAHAN SAWAH TERDAMPAK BANJIR DI KABUPATEN KUDUS TAHUN 2020 MENGGUNAKAN METODE NDFI (NORMALIZED DIFFERENCED FLOOD INDEX) PADA CITRA SENTINEL-1. Undergraduate thesis, UNIVERSITAS DIPONEGORO.

Text Feby Artani Kusumadjati_21110118120008_Judul_BAB 1_DAFTAR PUSTAKA.pdf Download (1MB)

Abstract

Kabupaten Kudus merupakan wilayah yang rentan terhadap banjir khususnya pada lahan sawah. Pada tahun 2020 terdapat 35 kejadian banjir di Kabupaten Kudus yang disebabkan oleh curah hujan tinggi yang menyebabkan beberapa sungai meluap hingga tanggul jebol. Penelitian ini dilakukan untuk mengetahui luasan dan sebaran sawah terdampak banjir dengan memanfaatkan teknologi penginderaan jauh. Teknologi penginderaan jauh dipilih karena cakupan wilayah dalam penelitian ini cukup luas, sehingga dengan teknologi ini diharapkan mampu memetakan sawah yang banjir dalam waktu singkat. Sentinel-1 GRD dan Landsat 8 tahun 2020 digunakan untuk memetakan sawah yang banjir di Kabupaten Kudus menggunakan metode NDFI dan kombinasi NDFI-NDVI. Metode NDFI digunakan untuk memetakan sawah yang banjir menggunakan data sebelum dan saat terjadinya banjir. NDVI digunakan untuk mengurangi gangguan vegetasi lahan basah, karena pada penelitian ini banjir yang terjadi masih dalam masa tanam. Hasil pengolahan banjir dengan NDFI diperoleh luas 1494,724 ha untuk 19 November 2020, 1371,382 ha untuk 1 Desember 2020, 3662,365 ha untuk 13 Desember 2020, 2169,867 ha untuk 25 Desember 2020. Sedangkan pada pengolahan NDFI-NDVI diperoleh luas sebesar 1272,605 ha untuk 19 November 2020, 3685,5 ha untuk 13 Desember 2020, dan 2168,133 ha untuk 25 Desember 2020. Tingkat keakuratan metode NDFI dan NDFI-NDVI dalam mengidentifikasi banjir diperoleh overall accuracy sebesar 86,667% dan 88,148%. Metode NDFI membagi daerah banjir menurut koefisien backscatter dari piksel dan fitur yang mengikuti pola yang sama dengan piksel di daerah bencana akan keliru diklasifikasikan sebagai daerah banjir. Oleh karena itu, dengan menggabungkan NDFI-NDVI diharapkan dapat mengurangi kesalahan klasifikasi daerah banjir. Akurasi hasil NDFI-NDVI pun lebih baik karena dengan bantuan dari NDVI kesalahan pada banjir yang salah dapat dihilangkan.

Actions (login required)

View Item