Manfaat penginderaan jauh dan SIG untuk menilai tingkat kerentanan banjir di DAS Brangkal hilir daerah Mojokerto
Sulistyowati Diah Kusumawardhani, Dr. Hartono, DEA., DESS.
2005 | Skripsi | S1 KARTOGRAFI DAN PENGINDERAAN JAUHBencana banjir merupakan jenis bencana yang rutin terjadi di Indonesia Penelitian ini mengkaji aplikasi penginderaan jauh dan Sistem Informasi Geografis (SIG) untuk menilainya. Lokasi penelitian pada bagian hilir DAS Brangkal, Kabupaten Mojokerto, Jawa Timur. Tujuan penelitian ini ialah: (1) Mengetahui kemampuan hasil transformasi citra yang mampu menonjolkan perbedaan kelembaban tanah permukaan serta bentuklahan sebagai indikator daerah rentan banjir, (2) Mengetahui kesesuaian nilai spektral hasil transformasi dengan tingkat kerentanan banjir, (3) Menyusun peta zona rentan banjir menggunakan SIG di daerah penelitian. Data yang digunakan citra Landsat ETM+ perekaman 23 Agustus 2002 daerah Mojokerto dan sekitarnya. Metode yang digunakan adalah pengumpulan data melalui teknik penginderaan jauh, survey lapangan, dan menggunakan SIG untuk analisisnya. Sumberdata yang diambil dari citra ialah indeks transformasi wetness dan brightness melalui interpretasi digital, serta bentuklahan diperoleh dari interpretasi visual monoskopis. Wetnexx dan brightness hasil pengolahan citra dikalibrasi dengan pengukuran kelembaban tanah lapangan untuk menghasilkan peta kelembaban tanah permukaan. Peta bentuklahan diperoleh dari hasil interpretasi bentuklahan yang diberi atribut data kerentanan banjir yang diperoleh dari wawancara penduduk. Peta kelembaban tanah dari dua transformasi citra masing-masing dioverlay dengan peta bentuklahan untuk menghasilkan peta tingkat kerentanan banjir. Hasil penelitian menunjukkan citra Landsat ETM+ dapat digunakan untuk mengenali parameter banjir melalui interpretasi digital (transformasi citra) dan visual monoskopis (bentuklahan) dengan ketelitian memadai yaitu 80%. Tingkat kerentanan banjir dibagi dalam 5 kelas, yaitu, sangat rentan, rentan, sedang, kurang rentan, dan tidak rentan. Kedua transformasi menunjukkan pola distribusi tingkat kerentanan banjir yang lokasinya cenderung sama namun luasannya berbeda. Lokasi yang kerentanannya sangat rentan meliputi kecamatan Jatirejo dan Sooko dengan luasan 165,13 ha (brightness) dan 26,56 ha (werness), frekuensi banjir lebih dari 2 kali dalam setahun, kedalaman genangan 76 cm dan lama genangan 25-48 jam. Kelas rentan frekuensi banjirnya setahun hingga 2 tahun sekali, lama genangan 13-24 jam, kedalam 51-75 cm, luasan 3145,81 ha (brightness) dan 581.12 ha (wetness). Kelas 'sedang frekuensi terjadi banjir 2 kali dalam setahun, lama genangan7-12 jam, kedalaman 26-50 cm, luasan 6946.22 ha (brightness) dan 8737.96 ha (wetness). Kelas 'kurang rentan' dan 'tidak rentan tidak pernah terjadi banjir dengan luasan "kurang rentan 4618.56 ha (brightness) dan 1412.94 ha (welness), luasan 'tidak rentan' sebesar 7282.91 ha (brightness) dan 11391.79 ha (wetness) Brightness index lebih sesuai untuk mengenali parameter kelembaban tanah daripada wetness index. Keduanya berkorelasi tinggi terhadap kerentanan banjir Korelasi brightness index terhadap kerentanan banjir sebesar 0,94, sedangkan wetness index sebesar 0,97 Derajat ketelitian interpretasi kelembaban tanah dari citra werness dengan kelembaban tanah lapangan sebesar 30%, sedangkan brightness sebesar 40%.
Flood disaster is one kind of natural disaster that always occurs in Indonesia. This research use remote sensing and Geographic Information System (GIS) to evaluate flood prone area. Location of this research is lowland part of Brangkal Watershed, region of Mojokerto, East Java. The objectives of this study are (1) To know the ability of image transformation that shows the difference of soil surface moisture and landform as the indicators of flood risk area, (2) Discover suitability of spectral value from image transformation with flood susceptibility, (3) Arrange flood susceptibility map using GIS based on research location. The data source is Landsat ETM+ recorded in August, 23 2002 upon region of Mojokerto. The methods are collecting data from remote sensing interpretation, field survey, and use GIS for the analysis. The data which are taken from the image are Wetness and Brightness transformation using digital interpretation, and landform using visual monoscopic interpretation. Wetness and Brightness index from image transformation are calibrated with soil moisture data from field measurement to result soil surface moisture map. Landform map is obtained from interpretation added with attribute data of flood from interview with local people. Soil surface moisture from both image transformation are overlayed with landform map to result flood susceptibility map. The result of this research shows that Landsat ETM is good to recognize flood parameters through digital interpretation (image transformation) and visual monoscopic interpretation (landform) with sufficiently accuracy of 80%. The Flood susceptibility level is divided into 5 classes very high susceptibility, susceptible, moderate, low susceptibility, not susceptible. Both of the transformations show different distribution pattern which area nearly in same location but different in extent of susceptibility class. "Very high susceptibility" class includes of Jatirejo district and Sooko district with extent about 165.13 hectare (brightness) and 26.56 (wetness), flood frequency more than 2 times a year, depth of inundation more than 76 cm and time of inundation 25-48 hours. "Susceptible" class has flood frequency once a year until once in 2 years with depth of inundation 51-75 cm and time of inundation 13-24 hours, the extents are 3145.81 ha (brightness) and 581.12 ha (wetness). "Moderate class has flood frequency less than 2 times in a year, time of inundation 7-12 hours, depth of inundation 26-50 cm, the extents are 6946.22 ha (brightness) and 8737.96 (wetness). In "low susceptibility class and "not susceptible" class flood never occurs. "Low susceptibility" class extent are 4618.56 ha (brightness) and 1412.94 ha (wetness). "Not susceptible" class extent are 7282.91 ha (brightness) and 11391.79 (wetness). Brightness index more suitable to recognize soil surface moisture than Wetness index. Both of the transformation has high correlation with flood susceptibility. The correlation of Brightness index toward flood susceptibility is 0.94, whereas Wetness index 0.97. Accuration degree of Wetness Index to assess soil moisture is 30% while brightness index is 40%.
Kata Kunci : Penginderaan jauh, sistem informasi geografis,SIG,Kerentanan banjir