Pemanfaat Geographic Artificial Intelligence (Geo-AI) Untuk Identifikasi Daerah Rawan Banjir Di Kota Ambon
DOI:
https://doi.org/10.59435/gjmi.v1i2.24Keywords:
Ambon, Banjir, Geo-AIAbstract
Penelitian ini bertujuan untuk menerapkan Geographic Artificial Intelligence (Geo-AI) dalam identifikasi daerah rawan banjir di Kota Ambon. Geo-AI merupakan kombinasi teknologi kecerdasan buatan dengan data geospasial, termasuk citra satelit dan data cuaca, yang memungkinkan analisis yang lebih akurat dan efisien dalam mengidentifikasi daerah rawan banjir. Melalui Google Earth Engine, data citra satelit dan data geospasial lainnya diolah dan dianalisis menggunakan algoritma kecerdasan buatan untuk mengidentifikasi pola banjir dan daerah yang rentan tergenang air. Penelitian menggunakan data JRC Global Surface Water Mapping Layers, v1.4, data NASA SRTM Digital Elevation 30m, data USGS Landsat 8 Level 2, Collection 2, Tier 1. Pegolahan dan analisis data penelitian sepenuhnya di lakukan di Geogle Earth Engine. Hasil penelitian menunjukan bahwa daerah berpontensi banjir memiliki luas 12.991.33 ha dan daerah yang tidak berpotensi banjir yaitu seluas 18.924,24 ha. Daerah potensi rawan banjir kemudian diklasifikasi berdasarkan batas administrasi dimana Kecamatan Teluk Ambon memiliki daerah yang berpotensi tergenang banjir seluas 5.149.37 ha, Kecamatan Nusaniwe seluas 2.034.23 ha, Kecamatan Serimau seluas 1.914.18 ha, Kecamatan Leitimur Selatan seluas 1.180.13 ha dan Kecamatan Teluk Ambon Baguala seluas 2.713.42 ha. Peta daerah potensi banjir di Kota Ambon kemudian dioverlay dengan data sebaran permukiman di Kota Ambon dan diketahui bahwa permukiman penduduk yang diprediksi berada pada daerah yang berpotensi banjir seluas 3.400.65 ha. Dengan analisis yang lebih akurat, sistem peringatan dini yang efektif, dan pengetahuan yang ditingkatkan, penelitian ini dapat berkontribusi dalam mitigasi risiko banjir, melindungi masyarakat dan lingkungan dari dampak banjir, serta menciptakan kota yang lebih aman dan berkelanjutan
References
Afrian, R. (2020). Kajian Mitigasi Terhadap Penyebab Bencana Banjir di Desa Sidodadi Kota Langsa. Jurnal Geografflesia, 5(2), 165–169. https://doi.org/https://doi.org/10.32663/georaf.v5i2.1660
Agustri, M. P., & Asbi, A. M. (2020). Tingkat Risiko Bencana Banjir di Kota Bandar Lampung dan Upaya Pengurangannya Berbasis Penataan Ruang. Jurnal Dialog Penanggulangan Bencana, 11(1), 23-38.
BNPB. (2018). DOKUMEN KAJIAN RISIKO BENCANA KOTA AMBON TAHUN 2017-2021. Badan Nasional Penanggulangan Bencana.
Bordogna, G., & Fugazza, C. (2022). Artificial Intelligence for Multisource Geospatial Information. ISPRS International Journal of Geo-Information, 12(1), 10. https://doi.org/10.3390/ijgi12010010
DeVries, B., Huang, C., Armston, J., Huang, W., Jones, J. W., & Lang, M. W. (2020). Rapid and robust monitoring of flood events using Sentinel-1 and Landsat data on the Google Earth Engine. Remote Sensing of Environment, 240, 111664. https://doi.org/https://doi.org/10.1016/j.rse.2020.111664
Gee, D. M., & Brunner, G. W. (2005). Dam Break Flood Routing Using HEC-RAS and NWS-FLDWAV. Impacts of Global Climate Change, 1–9. https://doi.org/10.1061/40792(173)401
Heinrich Rakuasa, Daniel A Sihasale , Marhelin C Mehdila, A. P. W. (2022). Analisis Spasial Tingkat Kerawanan Banjir di Kecamatan Teluk Ambon Baguala, Kota Ambon. Jurnal Geosains Dan Remote Sensing (JGRS), 3(2), 60–69. https://doi.org/https://doi.org/10.23960/jgrs.2022.v3i2.80
Heinrich Rakuasa, D. A. S. (2023). Analysis of Vegetation Index in Ambon City Using Sentinel-2 Satellite Image Data with Normalized Difference Vegetation Index (NDVI) Method based on Google Earth Engine. Journal of Innovation Information Technology and Application, 5(1), 74–82. https://doi.org/https://doi.org/10.35970/jinita.v5i1.1869
Heinrich Rakuasa, G. S. (2022). Analisis Spasial Kesesuaian dan Evaluasi Lahan Permukiman di Kota Ambon. Jurnal Sains Informasi Geografi (J SIG), 5(1), 1–9. https://doi.org/DOI: http://dx.doi.org/10.31314/j%20sig.v5i1.1432
Huber, M., Donlon, C. J., & Sole, M. P. (2023). Global Surface Water Density Masks to Refine Sentinel 3 Data Acquisitions. IEEE Geoscience and Remote Sensing Letters, 20, 1–5. https://doi.org/10.1109/LGRS.2022.3232702
Janowicz, K., Gao, S., McKenzie, G., Hu, Y., & Bhaduri, B. (2020). GeoAI: spatially explicit artificial intelligence techniques for geographic knowledge discovery and beyond. International Journal of Geographical Information Science, 34(4), 625–636. https://doi.org/10.1080/13658816.2019.1684500
Latue, P. C., Imanuel Septory, J. S., Somae, G., & Rakuasa, H. (2023). Pemodelan Daerah Rawan Banjir di Kecamatan Sirimau Menggunakan Metode Multi-Criteria Analysis (MCA). Jurnal Perencanaan Wilayah Dan Kota, 18(1), 10–17. https://doi.org/https://doi.org/10.29313/jpwk.v18i1.1964
Mardalius, M. (2020, July). Geographic information system mapping spread of COVID-19 with framework codeigniter. In International Conference on Social, Sciences and Information Technology (Vol. 1, No. 1, pp. 7-12).
Li, Z., & Demir, I. (2023). U-net-based semantic classification for flood extent extraction using SAR imagery and GEE platform: A case study for 2019 central US flooding. Science of The Total Environment, 869, 161757. https://doi.org/https://doi.org/10.1016/j.scitotenv.2023.161757
Mind’je, R., Li, L., Amanambu, A. C., Nahayo, L., Nsengiyumva, J. B., Gasirabo, A., & Mindje, M. (2019). Flood susceptibility modeling and hazard perception in Rwanda. International Journal of Disaster Risk Reduction, 38, 101211. https://doi.org/10.1016/j.ijdrr.2019.101211
Muin, A., & Rakuasa, H. (2023). Evaluasi Rencana Tata Ruang Wilayah Kota Ambon Berdasarkan Aspek Kerawanan Banjir. ULIL ALBAB : Jurnal Ilmiah Multidisiplin, 2(5), 1727–1738. https://doi.org/https://doi.org/10.56799/jim.v2i5.1485
Muin, A., Somae, G., & Rakuasa, H. (2023). Analisis Potensi Genangan Banjir di Kecamatan Siwalalat, Kabupaten Seram Bangian Timur berdasarkan Topographic Wetness Index. ULIL ALBAB: Jurnal Ilmiah Multidisiplin, 2(5), 1800–1806. https://doi.org/DOI: https://doi.org/10.56799/jim.v2i5.1502
Olusina, J. O., & Okolie, C. J. (2018). Visualisation of Uncertainty in 30m Resolution Global Digital Elevation Models: SRTM v3.0 and ASTER v2. Nigerian Journal of Technological Development, 15(3), 77. https://doi.org/10.4314/njtd.v15i3.2
Permatasari, A. L., Suherningtyas, I. A., & Wiguna, P. P. K. (2021). Kesiapan infrastruktur data spasial sebagai upaya mitigasi banjir lahar di kali putih Kabupaten Magelang Jawa Tengah. Jurnal Pendidikan Geografi, 26(1), 15–29. https://doi.org/10.17977/um017v26i12021p015
Purbahapsari, A. F., & Batoarung, I. B. (2022). Geospatial Artificial Intelligence for Early Detection of Forest and Land Fires. KnE Social Sciences. https://doi.org/10.18502/kss.v7i9.10947
Rakuasa, H., & Rinaldi, M. (2023). Pemetaan Daerah Potensi Genangan Banjir di Kecamatan Gunugputri, Kabupaten Bogor Menggunakan Data DEMNAS Dengan Metode Topographic Wetness Index. ULIL ALBAB: Jurnal Ilmiah Multidisiplin, 2(6), 2269-2280. https://doi.org/https://doi.org/10.56799/jim.v2i6.1607
Rakuasa, H., Helwend, J. K., & Sihasale, D. A. (2022). Pemetaan Daerah Rawan Banjir di Kota Ambon Menggunakan Sistim Informasi Geografis. Jurnal Geografi: Media Informasi Pengembangan Dan Profesi Kegeografian, 19(2), 73–82. https://doi.org/https://doi.org/10.15294/jg.v19i2.34240
Rakuasa, H., Sihasale , D. A., & Latue, P. C. (2023). Spatial pattern of changes in land surface temperature of seram island based on google earth engine cloud computing. International Journal of Basic and Applied Science, 12(1), 1–9. https://doi.org/https://doi.org/10.35335/ijobas.v12i1.172
Rakuasa, H., Somae, G., & Latue, P. C. (2023). Pemetaan Daerah Rawan Banjir di Desa Batumerah Kecamatan Sirimau Kota Ambon Menggunakan Sistim Informasi Geografis. ULIL ALBAB: Jurnal Ilmiah Multidisiplin, 2(4), 1642–1653. https://doi.org/https://doi.org/10.56799/jim.v2i4.1475
Rakuasa, H. (2022). ANALISIS SPASIAL TEMPORAL SUHU PERMUKAAN DARATAN/ LAND SURFACE TEMPERATURE (LST) KOTA AMBON BERBASIS CLOUD COMPUTING: GOOGLE EARTH ENGINE. Jurnal Ilmiah Informatika Komputer, 27(3), 194–205. https://doi.org/10.35760/ik.2022.v27i3.7101
Rakuasa, H., & Latue, P. C. (2023). ANALISIS SPASIAL DAERAH RAWAN BANJIR DI DAS WAE HERU, KOTA AMBON. Jurnal Tanah Dan Sumberdaya Lahan, 10(1), 75–82. https://doi.org/10.21776/ub.jtsl.2023.010.1.8
Sandy Liwan & Philia Christi Latue. (2023). Analisis Spasial Perubahan Suhu Permukaan Daratan Kota Kupang Menggunakan Pendekatan Geospatial Artificial Intelligence (GeoAI). Buana Jurnal Geografi, Ekologi Dan Kebencanaan, 1(1), 14–20.
Stewart Pertuack & Philia Christi Latue. (2023). Geographic Artificial Intelligence and Unmanned Aerial Vehicles Application for Correlation Analysis of Settlement Density and Land Surface Temperature in Panggang Island Jakarta. Buana Jurnal Geografi, Ekologi Dan Kebencanaan, 1(1), 39–47.
Sugandhi, N., Rakuasa, H., Zainudin, Z., Abdul Wahab, W., Kamiludin, K., Jaelani, A., Ramdhani, R., & Rinaldi, M. (2023). Pemodelan Spasial Limpasan Genangan Banjir dari DAS Ciliwung di Kel. Kebon Baru dan Kel. Bidara Cina DKI Jakarta. ULIL ALBAB : Jurnal Ilmiah Multidisiplin, 2(5), 1685–1692. https://doi.org/https://doi.org/10.56799/jim.v2i5.1477
Tran, T.-N.-D., Nguyen, B. Q., Vo, N. D., Le, M.-H., Nguyen, Q.-D., Lakshmi, V., & Bolten, J. D. (2023). Quantification of global Digital Elevation Model (DEM) – A case study of the newly released NASADEM for a river basin in Central Vietnam. Journal of Hydrology: Regional Studies, 45, 101282. https://doi.org/10.1016/j.ejrh.2022.101282
Yandi Hermawan, Irene Jaya, Budhi Kosasih, A. E. P. (2021). Flood Risk Assessment For Ambon City. 7th International Seminar of HATHI, 1–12.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Abdul Muin, Heinrich Rakuasa
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
