DETEKSI DAERAH BANJIR MENGGUNAKAN REMOTE SENSING DAN MACHINE LEARNING (Studi Kasus Wilayah Bandung)

ANGGIAT S.

DETEKSI DAERAH BANJIR MENGGUNAKAN REMOTE SENSING DAN MACHINE LEARNING (Studi Kasus Wilayah Bandung)

dc.contributor.advisor	Irwan Ary Dharmawan
dc.contributor.advisor	Tidak ada Data Dosen
dc.contributor.author	ANGGIAT S.
dc.date.accessioned	2024-05-22T08:44:26Z
dc.date.available	2024-05-22T08:44:26Z
dc.date.issued	2021-04-15
dc.description.abstract	Banjir adalah salah satu bencana alam yang umumnya terjadi di dataran rendah akibat adanya genangan atau kenaikan ketinggian air dari tinggi normalnya. Banjir disebabkan oleh beberapa faktor antara lain drainase yang buruk, sungai yang meluap, dan curah hujan yang tinggi. Daerah Bandung merupakan salah satu daerah dengan curah hujan tinggi dengan curah hujan meningkat tiap tahunnya sebesar 1-2 mm/tahun dan banjir daerah Bandung dikarenakan faktor lain seperti penurunan muka tanah sebesar 1-20 cm/tahunnya. Metode Remote Sensing digunakan untuk mendeteksi keberadaan banjir, mengidentifikasi area terdampak banjir, serta memetakan area banjir di wilayah Bandung. Pengolahan data dilakukan dengan menggunakan platform Google Earth Engine (GEE) dengan melihat persebaran nilai hamburan balik (backscatter) yang diterima oleh satelit. Hasil penelitian menunjukan banjir dapat dilihat dari perubahan citra satelit sebelum dan sesudah banjir dengan rentang -3 hingga -10 dB. Nilai tersebut digunakan sebagai nilai ambang batas (thresholding) dalam proses pengklasifikasian pada segmentasi gambar. Segmentasi gambar digunakan sebagai data training pada pembuatan model dengan metode Random Forest pada Machine Learning. Model yang dihasilkan memiliki akurasi sebesar 67,25% di Bandung dan saat diuji di Jakarta model memilik akurasi sebesar 59%
dc.identifier.uri	https://repository.unpad.ac.id/handle/kandaga/140710170016
dc.subject	Banjir
dc.subject	remote sensing
dc.subject	SAR
dc.title	DETEKSI DAERAH BANJIR MENGGUNAKAN REMOTE SENSING DAN MACHINE LEARNING (Studi Kasus Wilayah Bandung)