// <![CDATA[IDENTIFIKASI SEBARAN AREA BANJIR ROB DI WILAYAH PESISIR KABUPATEN INDRAMAYU BERBASIS CITRA SATELIT SENTINEL-1 MENGGUNAKAN GOOGLE EARTH ENGINE]]> 0411127504 - Dr.rer.nat. Dian Noor Handiani, S.Si., M.T. Dosen Pembimbing 1 Muhammad Ivan Setianto NRP / 232021006 Penulis
Lokasi sebagian Indramayu di area Pantura berpotensi mengalami banjir rob. Wilayah seperti Kecamatan Kandanghaur, Pasekan, dan Cantigi sering mengalami genangan rob yang bersifat periodik dan meluas, terutama pada saat curah hujan tinggi bersamaan dengan pasang laut. Penelitian ini bertujuan untuk mengidentifikasi dan memetakan sebaran area banjir rob di wilayah pesisir Kabupaten Indramayu menggunakan citra satelit Sentinel-1 dan platform komputasi awan Google Earth Engine (GEE). Data citra Sentinel-1 sebelum dan saat kejadian banjir rob pada tanggal 14 November 2024 dan 13 Desember 2024. Metode change detection diterapkan untuk menganalisis perubahan nilai backscatter antara citra sebelum dan saat banjir. Berbagai nilai threshold diuji (1.0, 1.10, 1.20, 1.25, 1.30, dan 1.40) untuk mengklasifikasikan area genangan banjir. Validasi hasil dilakukan menggunakan 100 titik sampel acak dan evaluasi akurasi melalui confusion matrix. Luas genangan terbesar terjadi pada threshold 1.0, namun cenderung menghasilkan overestimasi. Nilai yang ditetapkan pada penelitian ini menunjukkan bahwa threshold 1.25 dan 1.20 memberikan akurasi yang optimal, nilai threshild 1.25 sebesar 73% untuk kejadian 14 November 2024, dan nilai threshold 1.20 sebesar 74% untuk kejadian 13 Desember 2024. Penelitian ini menunjukkan bahwa metode Sentinel-1 SAR dan GEE dalam pemetaan banjir rob serta dapat menjadi dasar perencanaan mitigasi bencana wilayah pesisir. Parts of Indramayu in the Pantura area are prone to tidal flooding. Areas such as Kandanghaur, Pasekan, and Cantigi subdistricts often experience periodic and widespread tidal flooding, especially during periods of high rainfall coinciding with high tides. This study aims to identify and map the distribution of tidal flooding areas along the coastal region of Indramayu District using Sentinel-1 satellite imagery and the Google Earth Engine (GEE) cloud computing platform. Sentinel-1 imagery data before and during the tidal flooding events on November 14, 2024, and December 13, 2024, were utilized. Change detection methods were applied to analyze changes in backscatter values between images before and during the flood. Various threshold values were tested (1.0, 1.10, 1.20, 1.25, 1.30, and 1.40) to classify flood-affected areas. The results were validated using 35 random sample points, and accuracy was evaluated using a confusion matrix. The largest flood area occurred at the 1.0 threshold, but it tended to result in overestimation. The values determined in this study indicate that the threshold of 1.25 and 1.20 provides optimal accuracy of 73% for the event on November 14, 2024, and 74% for the event on December 13, 2024. This study demonstrates that the Sentinel-1 SAR and GEE methods are effective for mapping tidal flooding and can serve as a basis for disaster mitigation planning in coastal areas.