PENERAPAN ALGORITMA NDWI DAN MNDWI PADA CITRA SATELIT LANDSAT 9 DALAM MEMETAKAN AREA GENANGAN BANJIR DI KABUPATEN KUDUS TAHUN 2023
Keywords:
Banjir, NDWI, MNDWI, Landsat 9Abstract
Perubahan iklim ditandai dengan adanya peningkatan curah hujan dan intensitas hujan sehingga menimbulkan musim hujan yang berkepanjangan. Musim hujan yang panjang serta intensitas hujan yang tinggi menyebabkan terjadinya bencana banjir di sejumlah daerah termasuk di Kabupaten Kudus. Salah satu upaya mitigasi bencana dan tanggap darurat ketika terjadi bencana banjir adalah melakukan pemetaan genangan banjir. Penelitian ini bertujuan untuk memanfaatkan citra satelit Penginderaan Jauh dalam memetakan area genangan banjir di Kabupaten Kudus. Data yang digunakan adalah citra satelit Landsat 9 dengan menerapkan algoritma NDWI dan MNDWI yang diolah melalui Google Earth Engine. Hasil pengolahan menunjukkan luas genangan banjir saat bulan Januari menggunakan metode NDWI dan MNDWI masing-masing seluas 43,77 km2 dan 78,15 km2. Sedangkan, luas genangan banjr saat bulan Februari menggunakan metode NDWI dan MNDWI masing-masing seluas 60,988 km2 dan 90,45 km2. Pemetaan genangan banjir dengan menggunakan data penginderaan jauh dan penerapan algoritma NDWI dan MNDWI diharapkan dapat mengetahui daerah yang terdampak banjir sehingga dapat dijadikan referensi ketika melakukan tahapan mitigasi bencana dalam menanggulangi bencana banjir di Kabupaten Kudus.
References
Henry, F., Herwindiati, D. E., Mulyono, S., & Hendryli, J. (2017). Sugarcane Land Classification with Satellite Imagery Using Logistic Regression Model. IOP Conference Series: Materials Science And Engineering. 185(1), 1–6. https://iopscience.iop.org/article/10.1088/1757-899X/185/1/012024
Ji, L., Zhang, L., & Wylie, B. (2009). Analysis of dynamic thresholds for the normalized difference water index. Photogrammetric Engineering & Remote Sensing, 75(11), 1307–1317.
Kasanah, N., Bashit, N., & Hadi, F. (2021). Analisis Lahan Sawah Tergenang Banjir Menggunakan Metode Change Detection dan PPPM (Phenology and Pixel Based Paddy Rice Mapping) (Studi Kasus: Kabupaten Demak), 10(1), 259–268.
Lestari, M., Mira, Prasetyo, S. Y., & Fibriani, C. (2021). Analisis Daerah Rawan Banjir Pada Daerah Aliran Sungai Tuntang Menggunakan Skoring dan Inverse Distance Weighted. Indonesian Journal of Computing and Modeling, 4(1), 1–9.
Nuryanti, N., Tanesib, J., & Warsito, A. (2018). Pemetaan Daerah Rawan Banjir dengan Penginderaan Jauh dan Sistem Informasi Geografis di Kecamatan Kupang Timur Kabupaten Kupang Provinsi Nusa Tenggara Timur, Jurnal Fisika: Fisika Sains dan Aplikasinya, 3(1), 73–79.
Octarina, T. M., Putra, I. D. N., & Wirdiani, N. K. A. (2019). Penginderaan Jauh Pemrosesan Data Satelit Landsat 8 Untuk Deteksi Genangan. Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi, 7(1), 77–85.
Pranadiarso, T., Hidayah, E., & Halik, G. (2022). Pemetaan Cepat Genangan Banjir Menggunakan Teknologi Remote Sensing. Jurnal Rekayasa Sipil, 16(2), 132–141.
Simamora, F. B., Sasmito, B., & Haniah, H. (2015). Kajian Metode Segmentasi untuk Identifikasi Tutupan Lahan dan Luas Bidang Tanah Menggunakan Citra pada Google Earth (Studi Kasus: Kecamatan Tembalang, Semarang). Jurnal Geodesi Undip, 4(4), 43–51.
Soltanian, F. K., Abbasi, M., & Bakhtyari, R. (2019). Flood Monitoring Using NDWI and MNDWI Spectral Indices: A Case Study of Aghqala Flood-2019, Golestan Province, Iran. Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., XLII-4/W18, 605–607, https://doi.org/10.5194/isprs-archives-XLII-4-W18-605-2019
Suwarsono, Nugroho, J. T., & Wiweka. (2013). Identification of Inundated Area Using
Normalized Difference Water Index (NDWI) on Lowland Region of Java Island. International Journal of Remote Sensing and Earth Sciences, 10(2), 114–121. http://dx.doi.org/10.30536/j.ijreses.2013.v10.a1850
Wiweka, Parwati, E., Prayogo, T., Marini, Y., & Budiman, S. (2014). Uji Akurasi Training Sample untuk Klasifikasi Terawasi Data Penginderaan Jauh Resolusi Menengah. Semin. Nas. IDEC 2014, 559–566.
Xu, H. (2006). Modification of Normalised Difference Water Index (NDWI) to Enhance Open Water Features in Remotely Sensed Imagery. International Journal of Remote Sensing, 27(14), 3025-3033.
