Deteksi Sebaran Banjir dan Distribusi Tutupan Lahan Terdampak Menggunakan Adaptive Thresholding pada Citra Sentinel-1 di Kabupaten Aceh Tamiang Tahun 2025

Amelia Fathika Sari, Prof. Dr. Ir. Harintaka, S.T., M.T., IPU., ASEAN Eng.

2026 | Skripsi | TEKNIK GEODESI

Pada November 2025, Kabupaten Aceh Tamiang mengalami banjir sehingga menyebabkan ribuan masyarakat terdampak serta mengakibatkan kerusakan pada permukiman, infrastruktur, dan berbagai jenis tutupan lahan. Ketersediaan informasi spasial mengenai sebaran genangan banjir dan tutupan lahan terdampak masih terbatas karena umumnya hanya bersumber dari laporan lapangan yang belum mampu mencakup kondisi seluruh wilayah terdampak. Pemanfaatan citra Sentinel-1 Synthetic Aperture Radar (SAR) menjadi salah satu alternatif untuk mendeteksi genangan banjir karena mampu merekam permukaan bumi tanpa dipengaruhi oleh kondisi awan maupun pencahayaan. Namun, penggunaan threshold global pada citra SAR sering mengalami keterbatasan dalam membedakan area air dan non-air pada wilayah dengan karakteristik tutupan lahan yang heterogen. Oleh karena itu, penelitian ini bertujuan untuk mengidentifikasi dan memetakan sebaran banjir menggunakan metode Adaptive Thresholding.

Deteksi genangan banjir dilakukan menggunakan metode Adaptive Thresholding dengan Otsu yang dikombinasikan dengan Canny Edge Detection pada citra Sentinel-1 SAR polarisasi VV. Sebelum proses ekstraksi, citra terlebih dahulu dilakukan speckle filtering menggunakan Lee Filter untuk mengurangi noise. Hasil deteksi genangan kemudian dilakukan masking menggunakan data badan air permanen dari JRC Global Surface Water dan data kemiringan lereng yang diturunkan dari DEMNAS untuk meminimalkan kesalahan deteksi. Analisis tutupan lahan dilakukan menggunakan metode Object-Based Image Analysis (OBIA) pada citra Sentinel-2. Evaluasi hasil deteksi banjir dilakukan menggunakan data laporan kejadian banjir dari BPBD Kabupaten Aceh Tamiang dan data genangan banjir dari UNOSAT.

Hasil penelitian menunjukkan bahwa luas genangan banjir yang terdeteksi mencapai 10.167 ha. Validasi menggunakan data BPBD menghasilkan nilai Recall sebesar 77,77%, sedangkan perbandingan dengan data UNOSAT menunjukkan luas area beririsan sebesar 6.427 ha atau 73,18?ri luas genangan UNOSAT. Hasil analisis tutupan lahan terdampak menunjukkan bahwa sawah merupakan kelas yang paling terdampak dengan luas 4.901,20 ha, diikuti tambak sebesar 2.212,25 ha dan perkebunan sebesar 959 ha. Sebaran genangan banjir terkonsentrasi pada Kecamatan Manyak Payed, Bendahara, dan Banda Mulia yang didominasi oleh wilayah dataran rendah. Hasil penelitian menunjukkan bahwa metode Adaptive Thresholding efektif digunakan untuk memetakan genangan banjir serta memberikan informasi spasial mengenai distribusi tutupan lahan terdampak sebagai pendukung upaya mitigasi bencana banjir.

In November 2025, Aceh Tamiang Regency experienced severe flooding that affected thousands of residents and caused damage to settlements, infrastructure, and various land cover types. The availability of spatial information regarding flood inundation distribution and affected land cover remains limited, as it is generally derived from field reports that are unable to comprehensively represent conditions across the entire affected area. Sentinel-1 Synthetic Aperture Radar (SAR) imagery provides an alternative approach for flood detection because it can acquire data regardless of cloud cover and illumination conditions. However, the application of global thresholding techniques to SAR imagery often faces limitations in distinguishing water and non-water areas in regions with heterogeneous land cover characteristics. Therefore, this study aims to identify and map flood inundation extent using the Adaptive Thresholding method.

Flood inundation detection was conducted using Adaptive Thresholding with Otsu and combined with Canny Edge Detection on Sentinel-1 SAR imagery with VV polarization. Prior to extraction, the imagery was processed using the Lee Filter to reduce speckle noise. The resulting flood inundation map was subsequently refined using permanent water body data from the JRC Global Surface Water dataset and slope data derived from DEMNAS to minimize detection errors. Land cover analysis was performed using an Object-Based Image Analysis (OBIA) approach applied to Sentinel-2 imagery. The flood detection results were evaluated using flood incident reports from the Regional Disaster Management Agency (BPBD) of Aceh Tamiang Regency and flood inundation data from UNOSAT.

The results indicate that the detected flood inundation area reached 10,167 ha. Validation using BPBD data yielded a Recall value of 77.77%, while comparison with UNOSAT data showed an overlapping area of 6.427 ha, equivalent to 73.18% of the total UNOSAT Flood Extent. The affected land cover analysis revealed that paddy fields were the most impacted class, covering 4.901,2 ha, followed by aquaculture ponds with 2.212,25 ha and plantations with 959 ha. Flood inundation was primarily concentrated in the districts of Manyak Payed, Bendahara, and Banda Mulia, which are predominantly characterized by lowland terrain. The findings demonstrate that the Adaptive Thresholding method is effective for flood inundation mapping and provides valuable spatial information on the distribution of affected land cover to support flood disaster mitigation efforts.

Kata Kunci : Genangan Banjir, Sentinel-1 SAR, Adaptive Thresholding, Canny Edge Detection, tutupan lahan