skip to main content

Potensi Longsor di Kabupaten Kendal, Provinsi Jawa Tengah Berdasarkan Penginderaan Jauh

Departemen Teknik Geologi, Fakultas Teknik, Universitas Diponegoro, Indonesia

Received: 27 Oct 2020; Revised: 15 Nov 2020; Accepted: 23 Nov 2020; Available online: 10 Dec 2020; Published: 10 Dec 2020.
Open Access Copyright (c) 2020 Jurnal Geosains dan Teknologi under http://creativecommons.org/licenses/by-sa/4.0.

Citation Format:
Abstract
Kabupaten Kendal, Jawa Tengah memiliki riwayat longsor 206 kejadian pada 2010-2020, menyebabkan 41 bangunan rusak dan 28 warga mengungsi. Hal ini menunjukkan bahwa longsor adalah kejadian yang serius dan perlu menjadi perhatian. Peta resmi kerentanan longsor oleh  PVMBG dan Badan BPBD  Kabupaten Kendal berskala regional perlu pembaruan kelengkapan data dan informasi. Penelitian bertujuan membuat zona potensi longsor untuk rekomendasi perencanaan dan pembangunan. Citra SPOT 6 dan 7 digunakan untuk interpretasi penggunaan lahan, curah hujan dari citra Himawari-8 2019, interpretasi litologi dan kelurusan (divalidasi dari data Pusat Survey Geologi 2013 dan lapangan), serta kemiringan lereng dari DEM. Kalkulasi merupakan kombinasi klasifikasi DVMBG 2004, BBPPSDLP 2009, dan PVMBG 2015. Zona potensi longsor rendah (44,05% atau 44.220 Ha) meliputi Kota Kendal, Patebon, Kaliwungu Utara, Brangsong, Kangkung, Patebon, Cepiring, Rowosari, Weleri dan Pegandon bagian utara, Gemuh bagian utara, Ringinarum bagian utara. Zona potensi longsor sedang (50,47% atau 50.661 Ha) meliputi Kaliwungu Selatan, Boja, Plantungan bagian utara, Sukorejo bagian utara, Pegandon bagian selatan, Gemuh bagian selatan, Ngampel bagian utara, Ringinarum bagian selatan, dan Patean bagian selatan. Potensi longsor tinggi (5,48% atau 5.500 Ha) meliputi Singorojo bagian utara dan barat, Sukorejo bagian selatan, Plantungan bagian selatan, Pageruyung bagian timur, Limbangan barat dan selatan, serta Patean bagian utara. Potensi longsor sangat tinggi (0,001% atau 1,3 Ha) meliputi daerah Sumber Rahayu dan Sriwulan Limbangan.
Fulltext View|Download
Keywords: Citra SPOT; Kabupaten Kendal; longsor; Pembobotan; Penginderaan Jauh.
Funding: Universitas Diponegoro

Article Metrics:

  1. BBPPSDLP (Balai Besar Litbang Sumberdaya Lahan Pertanian), 2009. Identifikasi dan Karakterisasi Lahan Rawan longsor dan Rawan Erosi di Dataran Tinggi untuk Mendukung Keberlanjutan Pengelolaan Sumberdaya Lahan Pertanian. Laporan Tengah Tahun, DIPA Bogor: Balai Besar Litbang Sumberdaya Lahan Pertanian
  2. BPBD (Badan Penanggulangan Bencana Daerah) Kendal, 2020. Rowayat longsor Kendal 2010-2020. Kendal : Badan Penanggulangan Bencana Daerah Kabupaten Kendal
  3. CCRS (Canada Centre for Remote Sensing ) 2018. Fundamental of Remote Sensing. Kanada: Canada Center for Remote Sensing
  4. Dewi, T.S., Kusumayudha S.B., Purwanto, H.S., 2017. Zonasi Rawan Bencana Tanah Longsor Dengan Metode Analisis Gis: Studi Kasus Daerah Semono Dan Sekitarnya, Kecamatan Bagelen, Kabupaten Purworejo, Jawa Tengah. Jurnal Mineral, Energi dan Lingkungan 1
  5. DVMBG (Direktorat Vulkanologi dan Mitigasi Bencana Geologi), 2004. Penyusunan dan Penentuan Zona Kerentanan Gerakan Tanah. Direktorat Vulkanologi dan Mitigasi Bencana Geologi
  6. Emiyati, 2012. Hydrologic Response Unit (HRU) Dan Debit Aliran Daerah Aliran Ci Rasea. Depok : Fakultas Matematika Dan Ilmu Pengetahuan Alam Program Pascasarjana Magister Ilmu Geografi Departemen Geografi Universitas Indonesia
  7. Highland, L.M., dan Bobrowsky, P. 2008. United States Geological Survey. Virginia : United States Geological Society. hal. 96-99
  8. Kushardono, D., 2012. Kajian Satelit Penginderaan Jauh Cuaca Generasi Baru Himawari 8 dan 9. Jurnal Inderaja 3(5)
  9. LAPAN (Lembaga Penerbangan dan Antariksa Nasional), 2019. Citra SPOT 6/7 Panchromatic daerah Kendal, Semarang dan Sekitarnya
  10. Lillesand. T. dan Kiefer, R.W., 1979. Remote Sensing and Image Interpretation. New York: John Willey and Sons
  11. Liu, J. G. dan Mason, P.J., 2016. Image Processing and GIS For Remote Sensing. John Wiley & Sons, Ltd
  12. Nichol, J. dan Wong, M.S., 2005a. Detection and Interpretation of Landslide using Sateliite Images. Land Degradation & Development 16(3). DOI: https://doi.org/10.1002/ldr.648
  13. Nichol, J. dan Wong, M.S., 2005b. Satellite Remote Sensing for Detailed Landslide Inventories using Change Detection and Image Fusion. International Journal of Remote Sensing 26(9). DOI: https://doi.org/10.1080/01431160512331314047
  14. PSDA (Pusat Sumber Daya Air Jawa Tengah), 2006. Inventarisasi Mata Air Jawa Tengah 2006. Semarang : Pusat Sumber Daya Air Jawa Tengah Jawa Tengah
  15. PVMBG (Pusat Vulkanologi dan Mitigasi Bencana Geologi), 2015. RSNI Penyusunan dan Penentuan Zona Kerentanan Gerakan Tanah. Yogyakarta: Pusat Vulkanologi dan Mitigasi Bencana Geologi
  16. PVMBG (Pusat Vulkanologi dan Mitigasi Bencana Geologi), 2019. Data dan Informasi Kebencanaan Indonesia (DIBI). Yogyakarta: Pusat Vulkanologi dan Mitigasi Bencana Geologi
  17. PVMBG (Pusat Vulkanologi dan Mitigasi Bencana Geologi), 2020. Peta Prakiraan Kerentanan Longsor Kabupaten Kendal bulan Januari. Yogyakarta: Pusat Vulkanologi dan Mitigasi Bencana Geologi
  18. Sukojo, B.M. dan Prastika, C., 2018. Landslie Hazard Analysis in Tuban Regency Using Multilevel Satelllite Imagery Processing for Landslide Potential Mapping. IOP Conference Series : Earth and Environmental Science (186)
  19. Surono, 2013. Geologi Regional Hasil Penginderaan Jauh. Bandung : Pusat Survey Geologi
  20. Thanden, R.E., Richards, P.W., dan Sumadirdja, H., 1996. Peta Geologi Lembar Magelang dan Semarang, Jawa. Bandung: Direktorat Geologi
  21. Thannoun, R.G., 2003. Automatic Extraction and Geospatial Analysis of Lineaments and their Tectonic Significance in some areas of Northern Iraq using Remote Sensing Techniques and GIS. International Journal of Enhanced Research in Science Technology & Engineering 2(2)
  22. van Zuidam, R.A., 1985. Geomorphology. diakses dari https://www.academia.edu/10099249/buku_van_zuidam pada 15 Agustus 2020
  23. Varnes, D.J., 1978. Slope movement types and process, Special Report 176; Landslides; Analysis and Control, Eds: R.L. Schuster dan R.J. Krizek, Transport Research Board, National Research Council, Washigton, DC
  24. Yu, B., dan Chen, F, 2017. A new Technique for Landslide Mapping from a Large-Scale Remote Sensed Image : A Case Study of Central Nepal. Beijng : Chinese Academy of Science. hal.115-124
  25. Zhong, C., Liu, Y., Gao, P., Chen, W., Li, H., Hou, Y., Nuremanguli, T., dan Ma, H., 2019. Landslide Mapping with Remote Sensing : Challenges and Opportunities. International Journal of Remote Sensing 41(4). DOI: https://doi.org/10.1080/01431161.2019.1672904

Last update:

No citation recorded.

Last update:

No citation recorded.