skip to main content

ANALISIS LAHAN SAWAH TERGENANG BANJIR MENGGUNAKAN METODE CHANGE DETECTION DAN PPPM (PHENOLOGY AND PIXEL BASED PADDY RICE MAPPING) (STUDI KASUS: KABUPATEN DEMAK)

Departemen Teknik Geodesi Fakultas Teknik Universitas Diponegoro, Indonesia

Received: 28 Dec 2020; Published: 29 Dec 2020.

Citation Format:
Abstract

ABSTRAK

 

Kabupaten Demak merupakan wilayah yang kerap mengalami banjir saat musim hujan. Sektor pertanian merupakan salah satu sektor yang terdampak bencana banjir. Bencana banjir dapat menyebabkan turunnya produksi padi secara signifikan. Kabupaten Demak mengalami kejadian banjir pada 9 Januari hingga 12 Januari 2020, banjir ini diakibatkan oleh jebolnya tanggul Sungai Tuntang. Lahan sawah padi yang tergenang banjir seluas 1.385 ha dan lamanya rendaman banjir menyebabkan puso seluas 631 ha di empat kecamatan pada Kabupaten Demak. Oleh karena itu, penelitian ini dilakukan untuk mengetahui sebaran dan luasan lahan sawah yang terkena banjir dengan memanfaatkan teknologi penginderaan jauh. Kelebihan data dari citra penginderaan jauh adalah memiliki cakupan wilayah kajian yang luas dan keakuratan relatif tinggi serta pengerjaan memerlukan waktu relatif cepat. Sentinel-1 SAR GRD pada bulan Januari 2020 digunakan untuk pemetaan banjir pada Kabupaten Demak. Metode change detection dengan memanfaatkan data sebelum dan sesudah banjir digunakan untuk mengidentifikasi banjir. Pemetaan lahan sawah padi menggunakan data Seninel-2A time series serta algoritma PPPM (Phenology and Pixel Based Paddy Rice Mapping). Algoritma PPPM dibangun oleh hubungan indeks vegetasi EVI, NDVI, serta LSWI. Pemetaan lahan sawah puso (gagal panen) dilakukan dengan menggabungkan data banjir sawah dengan data penurunan indeks vegetasi untuk padi puso yaitu EVI  0,074. Hasil pengolahan banjir lahan sawah dengan menggunakan metode change detection dan algoritma PPPM diperoleh luas 1246,712 ha. Tingkat keakuratan kedua metode tersebut dalam memetakan banjir lahan sawah dengan membandingkan data validasi lapangan diperoleh overall accuracy 84,38%. Kombinasi data banjir lahan sawah dan data EVI puso mampu memetakan lahan sawah puso akibat banjir dengan luas sebesar 589,085 ha. Tingkat kesesuaian lahan sawah puso dengan data lapangan sebesar 84,38%.

Fulltext View|Download
Keywords: Algoritma PPPM, Change Detection, Lahan Sawah Puso, Sentinel-2A, Sentinel-1 SAR GRD

Article Metrics:

Last update:

No citation recorded.

Last update:

No citation recorded.