Ekstraksi Informasi Kerusakan Bangunan Pasca Gempa Bumi Cianjur Dari Foto Udara Dengan Metode OBIA
Keywords:
Gempa Bumi, Rapid Mapping, OBIAAbstract
Indonesia merupakan salah satu negara yang dilalui oleh pertemuan tiga lempeng aktif, yaitu Lempeng Indo-Australia, Lempeng Euro-Asia, dan Lempeng Pasifik. Kondisi itu menjadi salah satu penyebab sering terjadinya bencana alam, khususnya gempa bumi. Pada tanggal 21 November 2022 Kabupaten Cianjur kembali diguncang gempa bumi dengan kekuatan 5,6 skala richter. Gempa bumi tersebut mengakibat ratusan bangunan mengalami kerusakan. Saat ini teknologi fotogrametri sangat berperan dalam melakukan identifikasi kerusakan akibat gempa. Penelitian kali ini akan berfokus pada identifikasi kerusakan bangunan yang diakibatkan oleh gempa bumi dengan menggunakan citra foto udara beresolusi tinggi hasil dari pemetaan cepat (rapid mapping) yang diambil tanggal 2 Desember 2022. Metode yang digunakan untuk identifikasi kerusakan bangunan adalah metode Object Based Image Analysist (OBIA). Berdasarkan penelitian ini didapatkan bahwa metode OBIA memiliki ketelitian yang cukup baik dalam mengidentifikasi kerusakan bangunan pasca gempa bumi secara cepat dan cukup sesuai terhadap kondisi sebenarnya di lapangan setelah dilakukan uji akurasi menggunakan matriks konfusi. Hasl penelitian ini menunjukan overall accuracy yang dihasilkan pada penelitian ini sebesar 81,4% dengan nilai koefisien kappa sebesar 0,4.
Downloads
References
[2] N. Hidayat and E. W. Santoso, “Gempa Bumi Dan Mekanismenya,” Alami: Jurnal Teknologi Reduksi Resiko Bencana, vol. 2, no. 3. p. 50, 1997.
[3] P. Supendi et al., “Analisis gempa bumi Cianjur (Jawa Barat) Mw 5.6 tanggal 21 November 2022,” Badan Meterorologi, Klimatologi, dan Geofis., no. November, pp. 1–4, 2022, [Online]. Available: https://www.bmkg.go.id/berita/?p=42632&lang=ID&tag=cianjur
[4] Peraturan Kepala Badan Informasi Geospasial (BIG) nomor 8 tahun 2015.
[5] S. Xiaoxia, Z. Jixian, and L. Zhengjun, “A Comparison of Object-Oriented and Pixel-Based Classification Approaches Using Quickbird Imagery,” Chinese Acad. Surv. Mapp., pp. 1–3, 2004, [Online]. Available: http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.184.3501
[6] J. Tian and D. M. Chen, “Optimization in multi-scale segmentation of high-resolution satellite images for artificial feature recognition,” Int. J. Remote Sens., vol. 28, no. 20, pp. 4625–4644, 2007, doi: 10.1080/01431160701241746.
[7] P. Xiao, X. Zhang, H. Zhang, R. Hu, and X. Feng, “Multiscale optimized segmentation of urban green cover in high resolution remote sensing image,” Remote Sens., vol. 10, no. 11, 2018, doi: 10.3390/rs10111813.
[8] Y. Chen, Q. Chen, and C. Jing, “Multi-resolution segmentation parameters optimization and evaluation for VHR remote sensing image based on meanNSQI and discrepancy measure,” J. Spat. Sci., vol. 66, no. 2, pp. 253–278, 2021, doi: 10.1080/14498596.2019.1615011.
[9] G. M. Foody and A. Mathur, “Toward intelligent training of supervised image classifications: Directing training data acquisition for SVM classification,” Remote Sens. Environ., vol. 93, no. 1–2, pp. 107–117, 2004, doi: 10.1016/j.rse.2004.06.017.
[10] H. Yu, G. Cheng, and X. Ge, “Earthquake-collapsed building extraction from LiDAR and aerophotograph based on OBIA,” 2nd Int. Conf. Inf. Sci. Eng. ICISE2010 - Proc., pp. 2034–2037, 2010, doi: 10.1109/ICISE.2010.5691203.
[11] H. Noviar, I. Carolita, and J. S. Cahyono, “Uji Akurasi Training Sampel Berbasis Objek CItra Landsat di Kawasan Hutan Provinsi Kalimantan Tengah,” J. Ilm. Geomatika, vol. 18, no. 2, pp. 132–143, 2012.
[12] H. Prayogi and H. Setiadi, “Land cover change analysis in Majalengka Regency using the pan-sharpening method and random forest machine learning algorithm,” vol. 28, no. 2, pp. 178–192, 2023, doi: 10.17977/um017v28i22023p178-192.
[13] P. R. Marpu, I. Niemeyer, S. Nussbaum, and R. Gloaguen, “Capítulo 2.4 A procedure for automatic object-based classification,” Object-Based Image Anal. Spat. Concepts Knowledge-Driven Remote Sens. Appl. , pp. 169–184, 2008.
[14] K. A. Lubis, M. Rusdi, and S. Sugianto, “Proses Segmentasi Citra Satelit Untuk Pemetaan Tutupan Lahan,” J. Ilm. Mhs. Pertan., vol. 6, no. 4, pp. 691–698, 2021, doi: 10.17969/jimfp.v6i4.18414.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Alif Farhan Pramudya
This work is licensed under a Creative Commons Attribution 4.0 International License.