Jurnal Spasial

Volume 8, Nomor 2

KONSTRUKSI SPASIAL GENANGAN BANJIR MENGGUNAKAN CITRA SATELIT SENTINEL 1

SYNTHETIC APERTURE RADAR (SAR) DI PROPINSI KALIMANTAN SELATAN
Penulis : Fajrin, Ilham Armi, Yudi Antomi
Sumber : Volume 8, Nomor 2, 2021
Diterbitkan Oleh : Program Studi Pendidikan Geografi, STKIP PGRI Sumatera Barat
Doi : https://doi.org/10.22202/js.v8i2.4834.

Untuk Mengutip Artikel ini :

Fajrin. Ilham Armi & Yudi Antomi. 2021. Konstruksi Spasial Genangan Banjir Menggunakan Citra
Satelit Sentinel 1 Synthetic Aperture Radar (SAR) Di Propinsi Kalimantan Selatan. Jurnal Spasial,
Volume 8, Nomor 2, 2021:80-84. https://doi.org/10.22202/js.v8i2.4834.

Copyright © 2021, Jurnal Spasial

ISSN: 2540-8933 EISSN: 2541-4380

Program Studi Pendidikan Geografi

STKIP PGRI Sumatera Barat
 Jurnal Spasial, Volume 8, Nomor 2, 2021
Jurnal Spasial
Volume 8, Nomor 2, Juni, 2021
http://ejournal.stkip-pgri-sumbar.ac.id/index.php/spasial

KONSTRUKSI SPASIAL GENANGAN BANJIR MENGGUNAKAN CITRA SATELIT SENTINEL 1

SYNTHETIC APERTURE RADAR (SAR) DI PROPINSI KALIMANTAN SELATAN
1Fajrin, Ilham Armi1, Yudi Antomi2
1Program Studi Teknik Geodesi, Institut Teknologi Padang, Indonesia, fajrin@itp.ac.id
1Program Studi Teknik Geodesi, Institut Teknologi Padang, Indonesia, ilhamarmi@gmail.com
2 Program Studi Teknologi Pengindraan Jauh, Universitas Negeri Padang, Indonesia, antomi_y@fis.unp.ac.id

ARTIKEL INFO ABSTRACT

Article history: The frequency of floods is now increasing. Continuous

Received 14 April 2020
population growth and imperfections in regional planning,
Accepted 10 May 2020
Available online 30 June 2020 such as a lack of consideration of environmental factors in
planning. Spatial data on the distribution of inundation after a
Keyword: flood event is an important source of data in flood mitigation
Banjir evaluation and hazard analysis and flood risk assessment. With
SAR the increasing availability of temporal and spatial SAR
Sentinel-1
(Synthetic Aperture Radar) data, it is possible to quickly map
flood inundation areas. This research was conducted on one of
the recent flood events in the province of South Kalimantan
using SAR Sentinel-1 data. Procedure and processing of
Sentinel 1 data using the threshold of backscatter to distinguish
between flood and non-flood water bodies. The results show
that the estimated flood inundation area can be processed
quickly, even though it is covered by thick clouds during the
flood event which is not possible by the optical sensor. Mapping
results like this can help in the process of emergency services
and flood disaster risk management.
©2021 Jurnal Spasial All rights reserved.

PENDAHULUAN
Banjir adalah salah satu bencana alam paling sering terjadi di dunia. Sekitar 29% populasi
dunia tinggal di wilayah yang berpotensi banjir (Rentschler dan Salhab, 2020, p.1). Pada tahun
2010-2019, banjir diperkirakan mewakili 55% dari semua bencana terkait cuaca, mencapai lebih
dari 2.355 kejadian yang terdokumentasi termasuk di Indonesia, namun secara spasial meliputi
luasan genangan tidak terdokumentasi dengan baik (Fajrin et al., 2019). Kejadian banjir dengan
kehancuran yang meluas mendorong para ilmuwan untuk menyelidiki fenomena ini secara
menyeluruh (Schumann et al., 2015). Teknologi penginderaan jauh menawarkan cara yang efektif
untuk mengamati dinamika air permukaan dan memungkinkan pemantauan terus menerus dari
permukaan bumi pada berbagai skala (Huang et al., 2018).
Kemajuan dalam metode penginderaan jauh ditambah dengan teknologi sensor baru dan
peluncuran satelit Earth Observation (EO) telah meningkatkan metode pemetaan dari yang belum
pernah ada sebelumnya, seperti gangguan awan tebal, medan terjal, atau kondisi geografis atau
meteorologi yang tidak fleksibel lainnya. Baik sensor optik maupun gelombang mikro adalah
penyedia data penting untuk pemetaan dan pemantauan banjir. Sensor optik dipengaruhi oleh
tutupan awan dan tidak dapat menyediakan data pada kondisi malam hari. Peristiwa banjir
biasanya tertutup awan tebal dapat terjadi pada siang maupun malam, yang membatasi
penggunaan sensor optik di area pengamatan secara signifikan. Ketersediaan data Synthetic
Aperture Radar (SAR) secara spasio temporal dalam deteksi banjir yang merupakan kandidat
aplikasi penting dalam pemetaan bencana banjir dengan cepat dalam segala kondisi cuaca

80
 Jurnal Spasial, Volume 8, Nomor 2, 2021

(Chapman et al., 2016, Martinis et al., 2009). Sentinel-1 adalah misi SAR dari Program Copernicus
European Space Agency (ESA). Kontribusi Sentinel-1 dalam penerapan pemetaan banjir muncul
dari sensitivitas sinyal hamburan balik tubuh air (Liu, 2016, Bioresita et al., 2018).
Propinsi Kalimantan Selatan mengalami fenomena bencana alam banjir terbesar
diperkirakan akibat curah hujan yang tinggi pada awal tahun 2021, dengan kerugian mencapai
1,127 triliun rupiah (Media indonesia, 2021). Wilayah ini dilalui oleh sungai besar mengalir
melintasi dataran rendah kota Banjarmasin seperti sungai Barito. Beberapa peristiwa banjir telah
terjadi dalam beberapa tahun terakhir dan frekuensi kejadiannya juga meningkat. Menurut Badan
Nasional Penanggulangan Bencana (BNPB) tahun 2020 dimana setiap tahun, peristiwa banjir
menimbulkan kerugian ekonomi dan korban yang besar. Untuk alasan ini, pemetaan dan
pemodelan banjir yang tepat sangat penting dalam penilaian bahaya banjir, perkiraan resiko dan
manajemen bahaya banjir untuk pembangunan wilayah secara berkelanjutan. Dalam konteks
seperti itu, penginderaan jauh satelit pada saat sekarang ini merupakan alat berbiaya rendah yang
dapat dimanfaatkan untuk pemetaan banjir seperti yang disediakan oleh layanan data Satelit
European Space Agency (ESA).
Tujuan dalam kajian penelitian ini adalah untuk memetakan dan memperkirakan luasan
area kejadian banjir yang terjadi pada tanggal 12 Januari 2021 meliputi wilayah Kalimantan Selatan
menggunakan data Sentinel-1.

METODOLOGI
Tanggal 12 Januari 2021, Kalimantan dilanda banjir besar yang hampir meliputi 10
Kabupaten/Kota di propinsi tersebut. Pemerintah (BNPB, 2021) melaporkan bahwa sedikitnya 15
korban meninggal dunia dan lebih dari 39.549 jiwa mengungsi akibat banjir tersebut. Gambar 1
menunjukkan lokasi wilayah studi Propinsi Kalimantan Selatan

Gambar 1 : Wilayah Studi

Untuk menghasilkan konstruksi spasial luasan banjir, yang kompatibel dengan Sistem
Informasi Geografis yang ada, dataset Sentinel-1 harus diproses terlebih dahulu meliputi data
sebelum dan setelah kejadian banjir, karakteristik data Sentinel 1 yang digunakan sebagaimana
pada tabel 1.
Tabel 1: Karakteristik Data Sentinel-1
Sensor Satelit Tangkapan Gambar Tanggal Mode Polarisasi Cakupan Sumber Data
Sebelum Banjir 27/12/2020
Copernicus
13/01/2021
Sentinel 1 GRD Interferometric Wide Swath (IW) VH 250 Km Open Access
Setelah Kejadian Banjir 15/01/2021
Hub
20/01/2021

81
 Jurnal Spasial, Volume 8, Nomor 2, 2021

Teknik pengolahan meliputi kalibrasi nilai piksel dan speckle filtering data (lee, 1994), citra
SAR terdegradasi oleh speckel noise (Abramov et al, 2017) oleh karena itu dilakukan penghapusan
nilai speckle noise menggunakan jendela 3x3. Kumpulan data juga harus dilakukan koreksi medan
(terrain correction). Setelah itu dapat diubah dari ground range geometry ke sistem referensi
koordinat tertentu dengan datum WGS84 dengan sistem proyeksi Universal Transverse Mercator
zona 50 Selatan. Setelah tahap pra-pemrosesan, membentuk histogram koefisien hamburan balik
dan digunakan untuk membantu menentukan nilai yang paling akurat mencerminkan ambang
batas (thresholding) antara air dan bukan air, permukaan air terbuka bertindak sebagai reflektor
spekuler dari pulsa radar, yang menyebarkan energi radar dari sensor (Liu et al., 2016), sehingga
menghasilkan sinyal minimal yang dikembalikan ke satelit. Sehingga, piksel air yang tergenang
tampak gelap dan tampak kontras dengan wilayah non-perairan pada data radar. Nilai rendah dari
hamburan balik menandakan kelas air, dan nilai tinggi menandakan kelas bukan air pada citra
sebelum dan setelah kejadian banjir. Terakhir, citra biner yang dihasilkan diubah menjadi dataset
vektor untuk dianalisis menggunakan perangkat lunak sistem informasi geografis sehingga dapat
merepresentasikan wilayah terdampak banjir yang bentuk dan luasan, secara skematis alur proses
pemetaan cepat banjir Kalimantan Selatan sebagaimana pada gambar 2.

Gambar 2: Alur prosesing data citra Sentinel 1 SAR

HASIL DAN PEMBAHASAN

Sebagian wilayah dataran rendah dan rawa dan dilalui sungai besar di propinsi Kalimantan
Selatan. Banjir terparah sepanjang sejarah terjadi pada tanggal 12 Januari 2021. Banjir yang
menggenangi beberapa bagian wilayah Kalimantan Selatan diduga karena curah hujan tinggi
(BNPB, 2021). Serangkaian gambar Sentinel 1 yang telah di olah menunjukkan wilayah genangan
banjir dari tanggal 13 Januari 2020 sampai dengan 20 Januari 2020 dan tanggal 27 Desember 2020
untuk data sebelum kejadian banjir.

Untuk membedakan pemetaan wilayah genangan banjir, tiga citra Sentinel-1 dari sebelum
banjir dan setelah banjir dibandingkan dan secara visual dapat dilihat pada gambar 3. Setelah
pemrosesan awal kedua gambar dapat diidentifikasi perbedaan tubuh air dan bukan tubuh air.
Dalam penelitian ini, ambang batas histogram dipilih untuk menyaring koefisien hamburan balik.
Histogram menunjukkan distribusi hamburan balik (Sigma naught) dari nilai piksel fitur yang
tersedia pada citra dalam bentuk puncak (peak).

Gambar 3.a Gambar 3.b

Banjarmasin Banjarmasin

82
 Jurnal Spasial, Volume 8, Nomor 2, 2021

Gambar 3. Contoh yang menunjukkan citra Sentinel-1 Synthetic Aperture Radar (SAR) gambar (a) sebelum banjir dan
(b) setelah banjir.
Sebagaimana gambar 3, wilayah yang tergenang ataupun basah tampak berwarna gelap
karena respon hamburan balik yang rendah. Sedangkan untuk permukaan tanah berwarna abu abu
cerah dan bangunan berwarna cerah, karena permukaan tanah yang kasar dan vegetasi
menghasilkan pantulan yang tersebar sehingga menghasilkan hamburan balik yang kuat.

Gambar 4 : Perkiraan wilayah genangan banjir propinsi Kalimantan Selatan

Curah hujan kumulatif sebelum dan saat peristiwa banjir propinsi Kalimantan Selatan
memberikan konteks lebih lanjut tentang kejadian banjir wilayah tersebut. Menurut laporan BMKG
(gambar 5) curah hujan tinggi menyebabkan waktu banjir maksimum berlangsung dengan cepat di
wilayah tersebut. Teramati bahwa akumulasi curah hujan selama 24 jam di wilayah Kalimantan
Selatan berdasarkan data tanggal 10 januari 2021 sampai 12 januari 2021 yakni sebelum kejadian
banjir berkisar antara 0.0 mm hingga 174.0 mm saat kejadian banjir. Curah hujan tinggi di atas 100
mm dapat dilihat pada 6 wilayah dengan kategori hujan lebat. Berdasarkan pengolahan data
Sentinel 1 dan perhitungan luas menggunakan calculate geometry area pada perangkat lunak
ArcGIS dapat diperoleh bahwa perkiraan genangan air banjir tersebut mencapai 57.998 hektar dari
375.305,2 hektar luas wilayah Kalimantan Selatan (gambar 4). Hal ini secara jelas menandakan
bahwa curah hujan merupakan salah satu faktor pendorong terjadinya banjir di Propinsi
Kalimantan Selatan.

83
 Jurnal Spasial, Volume 8, Nomor 2, 2021

Sumber: Badan Meteorologi Klimatologi dan Geofisika 2021

Gambar 5: Distribusi curah hujan sebelum dan saat kejadian banjir
Kejadian bencana alam dan dampak dari fenomena banjir dapat diperburuk oleh
pembangunan sosial ekonomi, termasuk deforestasi di dataran banjir dan pengelolaan drainase
yang tidak memadai (Banglore dan Veldkamp, 2019. Miyamoto, 2020). Banjir menyebabkan
kerugian ekonomi dan hilangnya mata pencaharian terutama di wilayah negara-negara
berkembang di mana masyarakat berpenghasilan rendah mengalami tekanan besar (Hallegate et
al., 2020). Peningkatan populasi kemungkinan besar akan mengakibatkan lebih banyak orang
menetap diwilayah dataran rendah yang rawan banjir. Berdasarkan pandangan di atas, ada
kebutuhan mendesak untuk tindakan membantu masyarakat rentan untuk beradaptasi guna
mencapai Negara yang tangguh bencana seperti penyedian informasi dan data yang akurat wilayah
wilayah yang beresiko mengalami banjir.

KESIMPULAN
Pemetaan banjir dengan menggunakan data Sentinel-1 yang dapat di akses secara terbuka
seperti ini memiliki implikasi yang jelas dapat diterapkan dalam manajemen dan perencanaan
risiko banjir. Hasil pengolahan data Sentinel 1 dapat membantu para perencana dan pembuat
kebijakan dalam mitigasi bencana banjir dimasa yang akan datang. Selain itu ada kemungkinan
distribusi data yang cepat untuk kegiatan tanggap darurat hingga menampilkan data spasial luasan
genangan banjir. Dengan kata lain dapat membantu layanan darurat selama kejadian banjir seperti
membantu regu penyelamat.

DAFTAR PUSTAKA
abramov, s., rubel, o., lukin, v., kozhemiakin, r., kussul, n., shelestov, a., & lavreniuk, m. (2017, july). speckle reducing for
sentinel-1 sar data. in 2017 ieee international geoscience and remote sensing symposium (igarss) (pp. 2353-2356).
ieee.
bangalore, m., smith, a., & veldkamp, t. (2019). exposure to floods, climate change, and poverty in vietnam. economics of
disasters and climate change, 3(1), 79-99.
bioresita, f., puissant, a., stumpf, a., & malet, j. p. (2018). a method for automatic and rapid mapping of water surfaces from
sentinel-1 imagery. remote sensing, 10(2), 217.
chapman, b., mcdonald, k., shimada, m., rosenqvist, a., schroeder, r., & hess, l. (2015). mapping regional inundation with
spaceborne l-band sar. remote sensing, 7(5), 5440-5470.
fajrin & adha, yasma armi, ilham. (2019). pemanfaatan citra sentinel-1 sar untuk deteksi banjir studi kasus pangkalan koto
baru sumatera barat. seminar nasional strategi pengembangan infrastruktur – 4.
https://eproceeding.itp.ac.id/index.php/spi2019/spi2019/paper/viewfile/349/248
hallegatte, s., vogt-schilb, a., rozenberg, j., bangalore, m., & beaudet, c. (2020). from poverty to disaster and back: a review of
the literature. economics of disasters and climate change, 4(1), 223-247.
huang, c., chen, y., zhang, s., & wu, j. (2018). detecting, extracting, and monitoring surface water from space using optical
sensors: a review. reviews of geophysics, 56(2), 333-360.
lee, j. s., jurkevich, l., dewaele, p., wambacq, p., & oosterlinck, a. (1994). speckle filtering of synthetic aperture radar images:
a review. remote sensing reviews, 8(4), 313-340.
liu, c. h. a. n. g. (2016). analysis of sentinel-1 sar data for mapping standing water in the twente region. university of twente:
enschede, the netherlands.
liu, x., zheng, q., liu, r., wang, d., duncan, j. h., & huang, s. j. (2016). a study of radar backscattering from water surface in
response to rainfall. journal of geophysical research: oceans, 121(3), 1546-1562.
martinis, s., twele, a., & voigt, s. (2009). towards operational near real-time flood detection using a split-based automatic
thresholding procedure on high resolution terrasar-x data. natural hazards and earth system sciences, 9, 303-314.
mediaindonesia.com developer. (2021, january 22). kerugian banjir kalsel mencapai rp1,127 triliun. media indonesia. com,
all rights reserved. https://mediaindonesia.com/nusantara/379083/kerugian-banjir-kalsel-mencapai-rp1127-
triliun
miyamoto, m. (2020). poverty reduction saves forests sustainably: lessons for deforestation policies. world
development, 127, 104746.
rentschler, j., & salhab, m. (2020). people in harm's way: flood exposure and poverty in 189 countries.
schumann, g., bates, p. d., apel, h., & aronica, g. t. (2018). global flood hazard mapping, modeling, and forecasting: challenges
and perspectives. global flood hazard: applications in modeling, mapping, and forecasting, 239-244

84