DOI: https://doi.org/10.14710/jil.22.1.1-10

Pendeteksian ISA (Impervious Surface Area) Sebagai Analisis Dampak Lingkungan di Daerah Kecamatan Sungai Raya, Kabupaten Kubu Raya

1Department of Environmental Engineering, Universitas Tanjungpura, Jl. Prof. Dr. H Jl. Profesor Dokter H. Hadari Nawawi, Bansir Laut, Kec. Pontianak Tenggara, Kota Pontianak, Kalimantan Barat 78124, Indonesia

2Prodi D3 Budidaya Tanaman Perkebunan, Fakultas Pertanian, Universitas Tanjungpura, Jl. Prof. Dr. H. Hadari, Indonesia

3Nawawi, Pontianak 78124, Kalimantan Barat, Indonesia, Indonesia

4 Barat, Indonesia., Indonesia

View all affiliations
Received: 6 May 2022; Revised: 28 Jul 2023; Accepted: 21 Sep 2023; Available online: 14 Nov 2023; Published: 10 Dec 2023.
Editor(s): Budi Warsito

Citation Format:
Abstract
Peningkatan kawasan ISA (Impervious Surface Area) di Kecamatan Sungai Raya dalam 30 tahun terakhir menunjukkan peningkatan yang cukup pesat. Satelit Landsat dan indeks wilayah terbangun, mampu mendeteksi perubahan tutupan lahan ISA di Kecamatan Sungai Raya. Satelit Landsat mampu mendeteksi perubahan tutupan lahan di Kecamatan Sungai Raya secara temporal dengan menggunakan beberapa generasi, yaitu Landsat 5 TM, Landsat 7 ETM+, dan Landsat 8 OLI/TIRS. Untuk mengetahui ISA, digunakan indeks wilayah terbangun IBI (Index Based Built-Up Index), NDBI (Normalized Difference Built-Up Index), dan UI (Urban Index). Ketiga indeks ini dapat membantu untuk mengetahui persebaran ISA di Kecamatan Sungai Raya dalam 4 titik tahun, yaitu 1990, 2000, 2010, dan 2020. ISA yang terdeteksi menggunakan indeks wilayah terbangun, memiliki nilai <1. Selama 30 tahun terakhir, ISA di Kecamatan Sungai Raya mengalami peningkatan, khususnya pada tahun 2020, ISA yang dideteksi naik hinggi 2 kali lipat dalam 10 tahun terakhir. Uji keakuratan indeks wilayah terbangun digunakan confusion matrix overall accuracy, hasil yang dieproleh menunjukkan indeks NDBI memiliki nilai akurasi 83%, kemudian UI 81%, dan IBI 79%. Selain menggunakan confusion matrix, perbandingan menggunakan citra resolusi tinggi juga dapat digunakan untuk menentukan tingkat akurasi. Hasil yang diperoleh menunjukkan, indeks NDBI dan UI mampu mendeteksi 6 training point yang ditentukan dengan benar, sedangkan IBI hanya mampu mendeteksi 5 training point dengan benar. ISA dapat menimbulkan dampak lingkungan, khususnya gangguan pada saat infiltrasi ke dalam tanah. ISA dapat mengubah karakteristik fisik tanah, sehingga menghambat proses infiltrasi ke dalam tanah. Jenis tanah di Kecamatan Sungai Raya terdiri atas tanah organosol, aluvial-gley humus, dan podsolik-kambisol, sedangkan ISA banyak ditemukan pada jenis tanah aluvial-gley humus. Jenis tanah ini lebih stabil dibandingkan tanah organosol, namun jenis tanah ini memiliki permeabilitas yang buruk. ISA pada jenis tanah ini, memiliki tingkat kerawanan banjir sangat rawan berdasarkan Peta Kerawanan Banjir Kabupaten Kubu Raya.

Note: This article has supplementary file(s).

Fulltext View|Download |  Research Instrument
Profil Wilayah
Subject
Type Research Instrument
  Download (818KB)    Indexing metadata
 Research Results
Peta Indeks
Subject
Type Research Results
  Download (220KB)    Indexing metadata
 Research Results
Data Tabel
Subject
Type Research Results
  Download (445KB)    Indexing metadata
Keywords: Impervious Surface Area; Indeks Wilayah Terbangun; Infiltrasi

Article Metrics:

Article Info
Section: Research Article
Language : ID
Recent articles
Application of Compost and Manure in the Biopore Infiltration Hole to Improve Saturated Hydraulic Conductivity (Shc) of Soil in the Coffee Root Zone Pengolahan Air Limbah Laboratorium Menggunakan AOPs Secara Terintegrasi Indeks Saprobik di Kawasan Mangrove Bedono, Kecamatan Sayung, Kabupaten Demak, Jawa Tengah More recent articles
Most cited articles
Strategi Pembangunan Pertanian Berkelanjutan di Pedesaan Berbasis Citra Drone (Studi Kasus Desa Sukadamai Kabupaten Bogor) Air dan Konflik: Studi Kasus Kabupaten Timor Tengah Selatan Daya Dukung Jalur Pendakian Bukit Raya Di Taman Nasional Bukit Baka Raya Kalimantan Barat Melihat Kondisi Kesetimbangan Ekologi Terumbu Karang di Pulau Sempu, Malang Menggunakan Pendekatan Luasan Koloni Karang Keras (Scleractinia) BIOAKUMULASI LOGAM BERAT TIMBAL (Pb) DAN SENG (Zn) PADA KERANG DARAH (Anadara granosa L.) dan KERANG BAKAU (Polymesoda bengalensis L.) DI PERAIRAN TELUK KENDARI More cited articles
  1. Ajimas, K. W., & Ariastita, P. G. (2017). Karakteristik Perubahan Penggunaan Lahan yang Tidak Sesuai Rencana Tata Ruang Di Koridor Lingkar Timur Sidoarjo. Jurnal Teknik ITS, 6(1), 1–3
  2. Bachtiar, V., & Yusuf, M. (2011). Tinjauan Daya Dukung Tanah Gambut Yang Dipampatkan Dengan Lapisan Pasir Berdasarkan Uji Pembebanan. Jurnal Teknik Sipil, 11(2), 119–128. https://doi.org/10.26418/jtsft.v11i2.17655
  3. Derajat, R. M., Sopariah, Y., Aprilianti, S., Candra Taruna, A., Rahmawan Tisna, H. A., Ridwana, R., &
  4. Sugandi, D. (2020). Klasifikasi Tutupan Lahan Menggunakan Citra Landsat 8 Operational Land Imager (OLI) di Kecamatan Pangandaran. Jurnal Samudra Geografi, 3(1), 1–10. https://doi.org/10.33059/jsg.v3i1.1985
  5. Elfiansyah, & Ma’arif, S. (2013). Identifikasi Pola Perubahan Penggunaan Lahan Di Kawasan Perbatasan Kota Pontianak dengan Kecamatan Sungai Raya. Jurnal Teknik PWK, 2(3), 1689–1699
  6. Gambut, B. R. (2018). Desa Pulau Limbung
  7. Ghosh, D. K., Mandal, A. C. H., Majumder, R., Patra, P., & Bhunia, G. S. (2018). Analysis For Mapping of
  8. Built-Up Area Using Remotely Sensed Indices - A Case Study of Rajarhat Block in Barasat Sadar Sub-Division in West Bengal (India). Journal of Landscape Ecology(Czech Republic), 11(2), 67–76. https://doi.org/10.2478/jlecol-2018-0007
  9. Kawakubo, F., Morato, R., Martins, M., Mataveli, G., Nepomuceno, P., & Martines, M. (2019). Quantification and Analysis of Impervious Surface Area in the Metropolitan Region of Sao Paulo,
  10. Brazil. Remote Sensing, 11(944), 2–18. https://doi.org/10.3390/rs11080944
  11. Mostofi, N., & Hasanlou, M. (2017). Feature Selection Of Various Land Cover Indices For Monitoring Surface Heat Island In Tehran City Using Landsat 8 Imagery. Journal of Environmental Engineering and Landscape Management, 25(3), 241–250. https://doi.org/10.3846/16486897.2012.721784
  12. Muhlis, Fatmawati, Rahim, I., & Syamsia. (2020). Aplikasi Data Penginderaan Jauh Untuk Pengelolaan Sumber Daya Alam dan Lingkungan (Q. Media (ed.); 1st ed.). CV. Penerbit Qiara Media
  13. Murti, S. H. (2012). Pengaruh Resolusi Spasial Pada Citra Penginderaan Jauh Terhadap Ketelitian Pemetaan Penggunaan Lahan Pertanian di Kabupaten Wonosobo. Jurnal Ilmiah Geomatika, 18(1), 84–94
  14. Pangi, P., Ramadhan, M., Astuti, K. D., Harjanti, I. M., & Yesiana, R. (2017). Pola Perkembangan Ruang Di Kabupaten Semarang Dengan Memanfaatkan Data Citra Landsat. Jurnal Pengembangan Kota, 5(1), 58. https://doi.org/10.14710/jpk.5.1.58-68
  15. Putra, M. I. J., & Kurnia, A. A. (2019). Pendeteksian Wilayah Impervious Surface Area ( ISA ) Sebagai Analisis Dampak Lingkungan di Kota Depok Menggunakan Citra Landsat-8 OLI / TIRS. 887–899
  16. Putro, F. W., & Tjandrasa, H. (2015). Penghilangan Awan Pada Citra Satelit Dengan Citra Multi-Temporal Dan Inpainting Berbasis Self-Organizing Map. Dinamika Teknologi, 7(1), 15–21. http://dinatek.stts.edu/pdf/10_2015_7_1/5.Fidi_Wincoko_Putro.pdf
  17. Rachmayanti, E. (2009). Proses Pemekaran Wilayah (Studi di Kabupaten Kubu Raya Sebagai Daerah Pemekaran Dari Kabupaten Pontianak Kalimantan Barat)
  18. Rauf, S., Runtulalo, D., & Ode, C. R. (2017). Analisis Tata Guna Lahan Berbasis GIS Menggunakan Citra Landsat 8 di Kabupaten Enrekang
  19. Sekertekin, A., & Marangoz, A. M. (2015). An Erdas Imagine Model To Extract Urban Indices Using Landsat 8 Satellite Imagery. International Journal of Scientific & Technology Research, 4(8), 62–67
  20. Sukrisyanti, Suharyadi, R., & Jatmiko, R. H. (2007). Evaluasi Indeks Urban Pada Citra Landsat Multitemporal Dalam Ekstraksi Kepadatan Bangunan. Jurnal RISET Geologi Dan Pertambangan, 17(1), 1. https://doi.org/10.14203/risetgeotam2007.v17.153
  21. Weng, Q. (2008). Remote Sensing Of Impervious Surfaces (1st ed.). CRC Press
  22. Winarno, G. D., Harianto, S. P., & Santoso, T. (2019). Klimatologi Pertanian
  23. Wulder, M. A., Loveland, T. R., Roy, D. P., Crawford, C. J., Masek, J. G., Woodcock, C. E., Allen, R. G.,
  24. Anderson, M. C., Belward, A. S., Cohen, W. B., Dwyer, J., Erb, A., Gao, F., Griffiths, P., Helder, D.,
  25. Hermosilla, T., Hipple, J. D., Hostert, P., Hughes, M. J., … Zhu, Z. (2019). Current status of Landsat program, science, and applications. Remote Sensing of Environment, 225(March), 127–147. https://doi.org/10.1016/j.rse.2019.02.015
  26. Zhang, H., Lin, H., Zhang, Y., & Weng, Q. (2016). Remote Sensing of Impervious Surfaces in Tropical and Subtropical Areas. CRC Press

Last update:

  1. A Comparative Study of Neural Network Models for Mangrove Species Classification

    Nola Ritha, Hendra Kurniawan, Tri Nanda, Nurul Hayaty, G. Jameson, I. Gibson, P. Doumenq, T. Yamamoto, T. Mare, H. Pardi. BIO Web of Conferences, 134 , 2024. doi: 10.1051/bioconf/202413401001

Last update: 2024-11-01 09:03:11

No citation recorded.