Pemanfaatan Penginderaan Jauh Untuk Pemantauan Penurunan Muka Tanah Dan Korelasi Terhadap Perubahan Lahan Di Kota Pekalongan Tahun 2016-2022

Asy Syifa Sekarariani, Dr. Ir. Harintaka, S.T., MT., IPU. ASEAN Eng.,

2023 | Skripsi | TEKNIK GEODESI

Kota Pekalongan sebagai salah satu kawasan strategis pesisir utara Pulau Jawa yang terancam bahaya penurunan muka tanah. Kepadatan penduduk cenderung meningkat seiring dengan kenaikan jumlah penduduk. Terlihat pada tahun 2016 hingga 2022 mengalami pertumbuhan signifikan mencapai 310.869 ribu jiwa. Hal ini mempengaruhi massa bangunan semakin besar sehingga menyebabkan pemampatan secara alami di dataran aluvial. Dampak dari fenomena ini saling berkontribusi hingga mempengaruhi pengelolaan dan pembangunan tata ruang. Pertumbuhan penduduk dan infrastruktur menyebabkan perubahan lahan sehingga pemantauan berkala perlu dilakukan untuk didapatkan informasi perubahan lahan yang terjadi. Oleh karena itu, penelitian ini bertujuan untuk melihat hubungan penurunan tanah dengan perubahan tutupan lahan pada tahun 2016, 2019, dan 2022.

Pada penelitian ini, digunakan data citra satelit SAR Sentinel-1 sebanyak 3 pasangan untuk menghitung nilai penurunan muka tanah dengan metode DInSAR pada software SNAP. Data DEM yang digunakan adalah DEMNAS 0,27 -arcsecond dengan resolusi kurang lebih 8 meter. Untuk identifikasi perubahan tutupan lahan menggunakan dataset Sentinel-2 yang tersedia oleh Google Earth Engine dengan klasifikasi terbimbing dan algoritma random forest. Klasifikasi kelas dibagi 4 kelas yaitu lahan terbuka, badan air, daerah bervegetasi, dan permukiman atau kawasan terbangun. Dari kedua hasil ini divisualisasikan dan dihitung secara statistik dengan software QGIS untuk melihat korelasi hasil penurunan muka tanah dan tutupan lahan.

Hasil dari penelitian ini untuk nilai rentang PMT tahun 2016-2022 sebesar 0 hingga 22 cm/tahun dengan nilai penurunan signifikan berada di tahun 2019 dengan rata-rata kelajuan sebesar 8,18 ± 4,68 cm/tahun. Rata-rata kelajuan tahun 2016 dan 2022 masing-masing sebesar 1,54 ± 1,93 cm/tahun dan 2,66 ± 1,91 cm/tahun. Penurunan rata-rata terbesar berada di Kecamatan Pekalongan Barat sebesar 12,75 ± 2,82 cm/tahun. Penurunan rata-rata terkecil berada di Kecamatan Pekalongan Timur sebesar 0,45 ± 0,76 cm/tahun. Uji statistik dari data pengolahan DInSAR dan data GNSS menghasilkan nilai RMSE sebesar 6,44 cm dengan standar deviasi 4,42 cm. Hasil klasifikasi tutupan lahan dengan perubahan luasan signifikan berada di tahun 2019 pada kelas permukiman atau kawasan terbangun sebesar 50,54?ri total luas area kajian. Uji akurasi tutupan lahan dilakukan cek lapangan (ground truth) yang menghasilkan nilai overall accuracy sebesar 87,88?n kappa accuracy sebesar 0,84. Hubungan PMT dan luasan perubahan tutupan lahan menunjukkan bahwa penurunan tertinggi didominasi kelas permukiman yang berdampak seluas 2349 ha dengan penurunan muka tanah tertinggi mencapai nilai 9,26 cm/tahun. Kedua variabel tersebut memiliki korelasi positif.

Pekalongan City is one of the strategic areas on the north coast of Java Island which is exposed to the danger of land subsidence. Population density tends to increase with the increase in population. From 2016 to 2022 there will be significant growth reaching 310,869 thousand people. This affects the mass of the building which is getting bigger so that it causes natural compression on this alluvial plain. The impact of this phenomenon contributes to each other to influence spatial management and development. Population growth and infrastructure cause land cover so monitoring needs to be done to obtain information on land changes. Therefore, this study aims to examine the relationship between land subsidence and changes in land use in 2016, 2019, and 2022.

In this study, 3 pairs of SAR Sentinel-1 satellite imagery data were used to calculate land subsidence using the DInSAR method in SNAP software. The DEM data used is DEMNAS 0,27 -arcsecond area with a resolution of 8 meters. To identify changes in land cover using the Sentinel-2 dataset available by Google Earth Engine with guided classification and random forest algorithms. Class classification is divided into 4 classes, namely open land, water bodies, vegetated areas, and settlements. These two results were visualized and statistically calculated with QGIS software to see the correlation of land subsidence results and land cover.

The results of this study for PMT values for the 2016-2022 range yield values of 0 to 22 cm/year with a significant decrease in values in 2019 with an average speed of 8,18 ± 4,68 cm/year. The average speeds for 2016 and 2022 are respectively 1,54 ± 1,93 cm/year and 2,66 ± 1,91 cm/year. The largest average decrease was in West Pekalongan Sub-District of 12,75 ± 2,82 cm/year. The smallest average decrease was in East Pekalongan District of 0,45 ± 0,76 cm/year. Statistical tests of the DInSAR processing data and GNSS data yield an RMSE value of 6,44 cm with a standard deviation of 4,42 cm. The results of land cover classification with significant changes in area were in 2019 in the class of settlements or built-up areas of 50,54% of the total area of the study area. The land cover accuracy test was carried out by field checking (ground truth) which resulted in an overall accuracy value of 87,88% and a kappa accuracy of 0,84. The relationship between PMT and the area of change in land cover shows that the highest subsidence is dominated by the settlement class which has an impact of 2349 ha with the highest land subsidence reaching a value of 9,26 cm/year. The two variables have a positive correlation.

Kata Kunci : Penurunan Muka Tanah, Sentinel-1, DInSAR, SNAP, Tutupan Lahan, Sentinel-2, Random Forest, Google Earth Engine