Resume
MMB5_WecyaE • Webinar 134 Aplikasi GIS dan Remote Sensing Technology pada Penataan Ruang Berbasis Hidrologi
Updated: 2026-02-12 02:09:04 UTC
Back Source
Prev Next

Berikut adalah rangkuman komprehensif dan terstruktur dari Webinar Eko ke-134 mengenai pemanfaatan SIG dan Penginderaan Jauh dalam perencanaan spasial berbasis hidrologi.

Optimalisasi SIG dan Penginderaan Jauh untuk Perencanaan Spasial Berbasis Hidrologi

Inti Sari (Executive Summary)

Webinar ini membahas peran krusial teknologi Sistem Informasi Geografis (SIG) dan Penginderaan Jauh dalam mengatasi tantangan ketertinggalan data tata guna lahan di Indonesia untuk mendukung perencanaan spasial yang berkelanjutan. Narasumber, Ir. Sinta Primawidowati Gunawan, ST, M.Sc., PhD, menjelaskan integrasi model hidrologi dengan pemodelan perubahan lahan untuk memprediksi dampak urbanisasi terhadap ketersediaan air, serta pentingnya validasi data lapangan dalam menghasilkan kebijakan pengelolaan sumber daya air yang akurat.

Poin-Poin Kunci (Key Takeaways)

  • Keterbatasan Data: Data tata guna lahan di Indonesia seringkali tidak mutakhir, sehingga teknologi penginderaan jauh menjadi solusi vital untuk menyediakan data spasial yang terkini.
  • Model Hidrologi: Terdapat tiga pendekatan utama model hujan-limpasan (Rainfall-Runoff): Lumped (sederhana), Semidistributed (sedang), dan Distributed (paling detail dan akurat untuk spasial).
  • Pemanfaatan Machine Learning: Teknologi ini digunakan untuk klasifikasi tutupan lahan dan prediksi perubahan lahan masa depan melalui Land Change Modeller (LCM).
  • Integrasi Model: Menggabungkan model TOPMODEL (indeks topografi) dan Xinanjiang (kelembaban tanah) dapat memetakan potensi air tanah secara spasial dengan validitas yang baik.
  • Rekomendasi Kebijakan: Diperlukan regulasi yang lebih ketat dalam perencanaan spasial di kawasan resapan air untuk mencegah degradasi sumber daya air akibat urbanisasi.

Rincian Materi (Detailed Breakdown)

1. Pendahuluan dan Latar Belakang

  • Konteks Webinar: Acara dibuka oleh moderator Dini dari Ekoedu, memperkenalkan pembicara Ir. Sinta Primawidowati Gunawan (Dosen Teknik Lingkungan Bumi UPN Veteran Yogyakarta).
  • Permasalahan Utama: Urbanisasi yang cepat meningkatkan kebutuhan air bersih, namun data spasial tata guna lahan di Indonesia seringkali tertinggal (tidak up-to-date). Hal ini menghambat perencanaan spasial yang efektif.
  • Agenda Pembahasan: Meliputi isu perencanaan spasial, eksploitasi sumber daya air, model hidrologi dasar, pengantar teknologi penginderaan jauh, dan studi kasus aplikasi lapangan.

2. Dasar Hidrologi dan Pemodelan Hujan-Limpasan

  • Siklus Air: Pentingnya memahami siklus air pendek (akuifer bebas/air permukaan) dan panjang (akuifer dalam) dalam manajemen sumber daya air.
  • Satuan Analisis: Daerah Aliran Sungai (DAS) digunakan sebagai unit analisis karena keterkaitan antara tata guna lahan di hulu dan pengelolaan air di hilir.
  • Jenis Model Hujan-Limpasan:
    • Lumped: Mengasumsikan karakteristik area seragam; perhitungan cepat tetapi kurang detail untuk perencanaan presisi.
    • Semidistributed: Memiliki karakteristik spesifik per sub-DAS.
    • Distributed: Menghitung debit per piksel (elemen gambar) menggunakan citra penginderaan jauh; paling akurat karena mempertimbangkan variabilitas spasial (kemiringan, jenis tanah), namun membutuhkan data besar dan waktu komputasi lama.
  • Klasifikasi Model Berdasarkan Struktur:
    • Data-driven (Empiris): Mengandalkan data historis dan Machine Learning (Black Box).
    • Konseptual: Jalan tengah, menggunakan beberapa rumus proses hidrologi.
    • Fisik: Paling lengkap, mempertimbangkan seluruh proses siklus air dan parameter fisik tanah.

3. Teknologi Penginderaan Jauh (Remote Sensing)

  • Sumber Data Citra: Pengenalan produk satelit dari berbagai badan antariksa seperti NASA (Landsat 1-9), JAXA (ALOS), ESA (Sentinel), dan LAPAN.
  • Resolusi & Digital Number (DN):
    • Resolusi menengah (30m x 30m) seperti Landsat cocok untuk studi urbanisasi.
    • DN adalah nilai kecerahan yang merekam objek di permukaan bumi (vegetasi, air, bangunan) pada setiap pita (band).
    • Landsat 8-9 menggunakan format 16-bit (rentang nilai 0-65.500+) yang lebih detail dibanding Landsat terdahulu (8-bit).
  • Tantangan: Fenomena Mix Pixel (campuran objek dalam satu piksel) dan kesulitan mendapatkan citra bebas awan (minimum tutupan awan 10%).

4. Studi Kasus: DAS Opak, Yogyakarta

  • Lokasi & Driver Urbanisasi: Analisis dilakukan di tingkat kecamatan dalam Sub-DAS Opak. Keberadaan kampus-kampus besar menjadi pendorong utama perubahan lahan menjadi area terbangun.
  • Metodologi Klasifikasi:
    • Menggunakan citra Landsat 5 dari tahun 1999, 2005, dan 2011.
    • Penerapan Machine Learning (Stochastic Gradient Boosting) untuk mengklasifikasikan lahan ter