Analisis Spasial Genangan Banjir Perkotaan Menggunakan Citra Sentinel-1 SAR Berbasis Google Earth Engine di Kota Gorontalo
DOI:
https://doi.org/10.58812/jgws.v4i02.3588Kata Kunci:
Banjir, Sentinel-1, Change Detection, Google Earth Engine, Analisis SpasialAbstrak
Kota Gorontalo merupakan salah satu wilayah perkotaan yang rentan terhadap banjir akibat luapan Sungai Bone dan Sungai Bolango, kondisi topografi dataran rendah, serta keterbatasan kapasitas drainase. Frekuensi kejadian banjir yang terus meningkat menuntut ketersediaan informasi spasial yang cepat dan akurat untuk mendukung upaya mitigasi bencana. Penelitian ini bertujuan menganalisis sebaran spasial genangan banjir menggunakan citra Synthetic Aperture Radar (SAR) Sentinel-1 yang diproses melalui platform Google Earth Engine. Metode yang digunakan adalah Change Detection Approach dengan membandingkan nilai backscatter polarisasi VH pada kondisi pra-banjir (1 Juni 2024) dan saat banjir (26 Juni 2024). Hasil penelitian menunjukkan luas genangan banjir mencapai ±86,98 ha dengan konsentrasi tertinggi di Kecamatan Sipatana (36,67 ha) dan Kota Utara (24,00 ha). Analisis dampak penggunaan lahan menunjukkan bahwa genangan memengaruhi 54,18 ha lahan persawahan dan 28,81 ha kawasan permukiman. Hasil validasi menghasilkan Overall Accuracy sebesar 91% dan koefisien Kappa 0,82 yang menunjukkan tingkat akurasi tinggi. Temuan ini menunjukkan bahwa integrasi Sentinel-1 SAR dan Google Earth Engine efektif untuk mendeteksi serta menganalisis genangan banjir perkotaan dan dapat dimanfaatkan sebagai dasar perencanaan mitigasi bencana serta pengelolaan tata ruang berbasis risiko di Kota Gorontalo.
Referensi
Alawiyah, A. M., & Harintaka, H. (2021). Identifikasi Genangan Banjir di Wilayah DKI Jakarta Menggunakan Citra Satelit Sentinel-1. JGISE: Journal of Geospatial Information Science and Engineering, 4(2), 95–101.
Bioresita, F., Ngurawan, M. G. R., & Hayati, N. (2022). Identifikasi Sebaran Spasial Genangan Banjir Memanfaatkan Citra Sentinel-1 dan Google Earth Engine (Studi Kasus: Banjir Kalimantan Selatan). Geoid, 17(1), 108–118.
BNPB. (2025). Data Bencana Indonesia 2024. Pusat Data Informasi Dan Komunikasi Kebencanaan Badan Nasional Penanggulangan Bencana. https://gis.bnpb.go.id/
BPBD Kota Gorontalo. (2024, July 7). Laporan: Kejadian Bencana Banjir Dan Longsor Serta Kegiatan Tanggap Darurat Penanggulangan Oleh Badan Penanggulangan Bencana Daerah Kota Gorontalo Provinsi Gorontalo Tanggal 27 Juni S/D 6 Juli 2024.
BPS Kota Gorontalo. (2025). BPS Kota Gorontalo dalam angka 2025. 19.
Dhanisa, R., Sampurno, J., & Perdhana, R. (2024). Aplikasi Citra Sentinel-1 SAR untuk Deteksi Banjir di Kecamatan Sandai, Kabupaten Ketapang, Kalimantan Barat. Jurnal Ilmu Lingkungan, 22(3), 672–677.
Doda, N. (2013). Analisis Daerah Rawan Banjir Kota Gorontalo Berbasis Sistem Informasi Geografis (SIG). Radial, 1(2), 112–125.
Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202, 18–27. https://doi.org/10.1016/j.rse.2017.06.031
Long, S., Fatoyinbo, T. E., & Policelli, F. (2014). Flood extent mapping for Namibia using change detection and thresholding with SAR. Environmental Research Letters, 9(3), 035002. https:/doi:/10.1088/1748-9326/9/3/035002
Matondang, J. P., Kahar, S., & Sasmito, B. (2013). Analisis zonasi daerah rentan banjir dengan pemanfaatan sistem informasi geografis (Studi kasus: Kota Kendal dan Sekitarnya). Jurnal Geodesi Undip, 2(2).
Probo Kusumo, & Evi Nursar. (2016). Zonasi Tingkat Kerawanan Banjir Dengan Sistem Informasi Geografis Pada DAS Cidurian, kab.Serang, Banten. Jurnal String, 1(1).
Putri Imaniyati. (2022). Kesiapsiapgaan Masyarakat Cempaka Terhadap Permasalahan Lingkungan Bencana Banjir Akibat Hujan Deras dan Ulah Manusia. Publikasi Pembelajaran : Pendidikan Lingkungan Hidup-AKBK3308 , 1.
Rahayu, H. P., Wahdiny, I., Anin, U., & Mardhiatul, A. (2009). Banjir dan Upaya penanggulanganya. Bandung: Promise Indonesia.
Razikin, P., Kumalawati, R., & Arisanty, D. (2017). Strategi Penangulangan Bencana Banjir Berdasarkan Persepsi Masyarakat Di Kecamatan Barabai Kabupaten Hulu Sungai Tengah. http://ppjp.unlam.ac.id/journal/index.php/jpg
Rosen, P. A., Hensley, S., Joughin, I. R., Li, F. K., Madsen, S. N., Rodriguez, E., & Goldstein, R. M. (2002). Synthetic aperture radar interferometry. Proceedings of the IEEE, 88(3), 333–382.
Shen, X., Wang, D., Mao, K., Anagnostou, E., & Hong, Y. (2019). Inundation extent mapping by synthetic aperture radar: A review. Remote Sensing, 11(7), 879.
Tamiminia, H., Salehi, B., Mahdianpari, M., Quackenbush, L., Adeli, S., & Brisco, B. (2020). Google Earth Engine for geo-big data applications: A meta-analysis and systematic review. ISPRS Journal of Photogrammetry and Remote Sensing, 164, 152–170.
Torres, R., Snoeij, P., Geudtner, D., Bibby, D., Davidson, M., Attema, E., Potin, P., Rommen, B., Floury, N., & Brown, M. (2012). GMES Sentinel-1 mission. Remote Sensing of Environment, 120, 9–24.
Vanama, V. S. K., Rao, Y. S., & Bhatt, C. M. (2021). Change detection based flood mapping using multi-temporal Earth Observation satellite images: 2018 flood event of Kerala, India. European Journal of Remote Sensing, 54(1), 42–58. https://doi.org/10.1080/22797254.2020.1867901
Watson, P. F., & Petrie, A. (2010). Method agreement analysis: a review of correct methodology. Theriogenology, 73(9), 1167–1179. https://doi.org/10.1016/j.theriogenology.2010.01.003
Yusup, M., Tarigan, P. I. S., Noviansah, K., Ridwana, R., & Aliyan, S. A. (2023). Identifikasi Genangan Banjir Menggunakan Sentinel-1 dan Korelasinya dengan Kerawanan Banjir di Kabupaten Barito Selatan. Geo-Image Journal, 12(1), 62–70.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Saniver Rachel Butarbutar, Fitryane Lihawa, M. Iqbal Liayong Pratama
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Facebook 
Instagram 
Twitter 
Youtube 
westscience.journals@gmail.com