Tsunami Vulnerability and Risk Assessment Using Machine Learning and Landsat 8
JURNAL
Diajukan Kepada
Fakultas Teknologi Informasi UKSW Untuk Memperoleh Gelar Magister Komputer
Oleh :
Gallen Cakra Adhi Wibowo NIM : 972021003
Program Studi Magister Sistem Informasi Fakultas Teknologi Informasi Universitas Kristen Satya Wacana
Salatiga
April 2023
ABSTRACT
Tsunami adalah bencana yang sering terjadi di Indonesia, tidak ada indikator yang valid untuk menilai dan memantau daerah pesisir berdasarkan penggunaan lahan fungsional dan berdasarkan tutupan lahan yang mengacu pada karakteristik biofisik permukaan bumi. Salah satu metode yang direkomendasikan adalah indeks vegetasi. Indeks vegetasi adalah metode dari LULC yang dapat digunakan untuk memberikan informasi tentang seberapa parah dampak tsunami pada area tersebut. Dalam penelitian ini, peningkatan indeks vegetasi dilakukan menggunakan pembelajaran mesin. Tujuan dari penelitian ini adalah untuk mengembangkan model penilaian kerentanan tsunami menggunakan Indeks Vegetasi yang diekstraksi dari citra satelit Landsat 8 yang dioptimalkan dengan KNN, Random Forest, dan SVM. Tahapan penelitian adalah:
1) ekstraksi citra Landsat 8 menggunakan algoritma NDVI, NDBI, NDWI, MSAVI, dan MNDWI; 2) prediksi indeks vegetasi menggunakan algoritma KNN, Random Forest, dan SVM. 3) pengujian akurasi menggunakan MSE, RMSE, dan MAE, 4) prediksi spasial menggunakan fungsi Kriging dan 5) indikator kerentanan pemodelan tsunami. Hasil penelitian ini menunjukkan bahwa nilai interpolasi NDVI adalah 0 - 0,1 yang didefinisikan sebagai kepadatan vegetasi, pertumbuhan biomassa, dan kesehatan vegetasi sedang hingga rendah. Nilai NDWI adalah 0,02 - 0,08 dan nilai MNDWI adalah 0,02 - 0,09 yang diinterpretasikan sebagai adanya air permukaan di sepanjang pantai. MSAVI adalah nilai 0,1 - 0 yang didefinisikan sebagai ketiadaan vegetasi.
Nilai interpolasi NDBI adalah -0,05 - (-0,08) yang diinterpretasikan sebagai keberadaan lahan yang dibangun dengan aktivitas sosial dan ekonomi. Dari hasil penelitian pada 10 area yang diteliti, terdapat 3 area dengan kondisi yang memiliki tingkat kerentanan tsunami yang tinggi. 2 area dengan kerentanan sedang dan 5 area dengan kerentanan rendah terhadap tsunami.
