Claim Missing Document
Check
Articles

Found 12 Documents
Search

Physical Vulnerability Modeling Based On Flood Inundation Model and Image Mining Maulana Ibrahim Rau; Guruh Samodra; Hendra Pachri; Edy Irwansyah; Muhammad Subair
Jurnal Teknik Sipil dan Lingkungan Vol. 1 No. 3: Desember 2016
Publisher : Departemen Teknik Sipil dan Lingkungan, IPB University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (12.81 KB) | DOI: 10.29244/jsil.1.3.137-146

Abstract

Flash flood disaster occurred within the City of Garut, West Java, Indonesia, on 20th September 2016, which caused many casualties and damages. Flood model could be performed to model the already-occurring disaster, as well as to depict future events that may occur to overcome any potential disasters, where the inundation flood model depicted the element at risk. In order to assist the analysis for the damages occurred, image mining could be used as part of the approach, where online media was utilized as well. The image mining resulted information about building damages caused by the flood. Afterwards, the physical vulnerability (buildings/residents) model could be further performed. Finally, the relationship between vulnerability and the flood inundation were portrayed. The resulted physical vulnerability model showed that larger height of the flood water caused higher degree of loss of the building, in which portrayed the need for total rebuild of houses as well. Considering available open source data and fast data acquisition, the approach showed such efficient approaches, where the results could be used in order to establish recommendation for building reinforcement, spatial planning, or protection wall in flood prone areas within the future time.
Akuisisi Data Prediksi Curah Hujan Secara Periodik Menggunakan Apache Airflow Erwin Eko Wahyudi; Muhammad Auzan; Andi Dharmawan; Danang Eko Nuryanto; Nanang Susyanto; Guruh Samodra; Danang Sri Hadmoko
Journal of INISTA Vol 4 No 2 (2022): Mei 2022
Publisher : LPPM INSTITUT TEKNOLOGI TELKOM PURWOKERTO

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20895/inista.v4i2.574

Abstract

Akuisisi data, bertujuan untuk mengambil data awal, merupakan salah satu tahapan dalam metodologi penambangan data. Data awal akan diproses menjadi data akhir yang digunakan untuk proses pemodelan, seperti pembuatan model untuk memprediksi potensi terjadinya tanah longsor. Data prediksi curah hujan yang disediakan oleh Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) dapat digunakan untuk pemodelan tersebut. Data akan disimpan di komputer lokal dengan menggunakan alat atau aplikasi otomasi yang bernama Apache Airflow. Proses akuisisi data dari server BMKG ke komputer lokal dijalankan secara otomatis dalam dua kali sehari, yaitu pada pukul 00.00 dan 12.00. Terdapat dua task yang dibuat di Directed Acyclic Graph (DAG) untuk proses ini, yaitu task pertama sebagai sensor ketersediaan data dan task kedua yang melakukan proses utama. Status dari DAG pada Apache Airflow juga dapat diketahui secara cepat, misalnya status telah berhasil, gagal, atau sedang berjalan. Apache Airflow juga menyediakan log yang dapat diakses untuk mengetahui alasan kegagalan suatu task. Hasil dari penelitian ini adalah terdapat pipeline pada aplikasi otomasi Apache Airflow untuk membantu proses akuisisi data secara periodik.
MENGOPTIMALKAN PETA KERAWANAN LONGSOR LAHAN PADA ANALISIS REGRESI LOGISTIK DENGAN PENDETAILAN PETA GEOLOGI DI DAERAH ALIRAN SUNGAI KLADEN, KABUPATEN REMBANG, JAWA TENGAH: Optimizing Landslide Susceptibility Map on Logistic Regression Model with Detailed Geological Map in the Kladen Watershed, Rembang Regency, Jawa Tengah Hafiz Fatah Nur Aditya; Guruh Samodra; Djati Mardiatno
Jurnal Ecosolum Vol. 11 No. 1 (2022): JUNI
Publisher : Universitas Hasanuddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20956/ecosolum.v11i1.19566

Abstract

Landslides are common problems in watershed management due to their social and economic impacts. Landslide susceptibility mapping is needed to identify areas that need priority in the mitigation program. In landslide susceptibility mapping, the most commonly used geological map is regional map, which is not suited for small to medium-sized areas such as the Kladen watershed, in Rembang, Central Java. This study aims to improve the available geological map with a more detailed lithological unit than regional geological maps, and produce susceptibility maps using geological, geomorphological, and land cover variables. A comparison was performed between the results obtained with the regional geological map and the improved geological map. The logistic regression was selected as it has provided high accuracy for landslide hazard analysis, and does not depend on the subjectivity of the researcher. The results of the landslide susceptibility analysis with regional geological maps show that the lithological factor is statistically insignificant, while in the analysis with a more detailed geological map, it was significant and has higher relevancy than the geomorphology and land cover. The predictive performance test of both models with the area under the curve method shows that the improvement of the geological map increases the performance value from 0,704 to 0,782, producing more reliable landslide susceptibilty map.
PERBANDINGAN METODE MULTIPLE LINEAR REGRESSION (MLR) DAN REGRESSION KRIGING (RK) DALAM PEMETAAN KETEBALAN TANAH DIGITAL Muhammad Fauzan Ramadhan; Guruh Samodra; Muhammad Rizky Shidiq Nugraha; Djati Mardiatno
Jurnal Tanah dan Sumberdaya Lahan Vol. 10 No. 1 (2023)
Publisher : Departemen Tanah, Fakultas Pertanian, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1099.777 KB) | DOI: 10.21776/ub.jtsl.2023.010.1.7

Abstract

Soil thickness has a significant influence on many of earth surface processes, and it can be mapped using various methods. Digital soil mapping can be used to estimate the spatial distribution of soil thickness and can estimate the uncertainty of the soil prediction map. Digital soil mapping using regression methods such as Multiple Linear Regression (MLR) and Regression Krigging (RK) was used to estimate soil thickness of the slope of Bener Reservoir. Bener Dam is a national strategic project which is built for irrigation to improve farming quantity. The aim of this research was to determine the spatial variation of the soil thickness at the slope of Bener Reservoir. The accuracy of MLR and RK were compared to select the best soil thickness prediction. There were 212 and 53 soil thickness samples from fieldwork which were used for data training and testing, respectively. There were 5 environmental variables such as elevation, distance from river, slope, plan curvature, and topographic wetness index. R programming language with gstat, krige, and stats Packages was employed for MLR and RK prediction. The result showed that KR is more accurate than MLR.
Identifikasi Longsor dan Pemodelan Probabilitas Jarak Luncur Longsor di Lereng Waduk Bener, Purworejo, Jawa Tengah Esya Rachma Ningrum; Guruh Samodra
Jurnal Ilmu Lingkungan Vol 22, No 5 (2024): September 2024
Publisher : School of Postgraduate Studies, Diponegoro Univer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jil.22.5.1242-1254

Abstract

Bendungan Bener di Kabupaten Purworejo merupakan bendungan tertinggi di Indonesia. Lereng-lereng di Waduk Bener berpotensi mengalami longsor dan degradasi lahan. Tahap awal pengurangan risiko untuk mengurangi dampak longsor dan degradasi lahan di Waduk Bener dapat dilakukan melalui pemetaan kerawanan longsor. Tujuan penelitian ini, yaitu: (1) menginventarisasi area longsor di lereng Waduk Bener, (2) mengidentifikasi sumber longsor di lereng Waduk Bener, dan (3) menilai kerawanan longsor di lereng Waduk Bener. Metode yang digunakan adalah interpretasi foto udara, pemodelan FlowR berbasis raster GIS, dan observasi lapangan. Interpretasi longsor secara visual menggunakan foto udara dapat mengidentifikasi 72 area dan sumber longsor yang berpotensi untuk menjadi aliran. Sumber longsor dapat dibagi menjadi unit longsor zona deplesi dan zona akumulasi. Kedua zona digunakan sebagai sumber longsor (predefined source) dalam pemodelan jarak luncur menggunakan perangkat lunak FlowR. Sebaran aliran longsor terdistribusi pada morfologi lereng atas, lereng tengah, bawah, dan lembah. Lereng atas, tengah, bawah dan lembah memiliki tingkat kerawanan longsor tinggi-sedang. Lereng bawah dan lembah memiliki kerawanan longsor rendah. Area yang memiliki kerawanan tinggi merupakan area yang diprioritaskan untuk dilakukan konservasi lahan untuk mengurangi risiko longsor.
Simulasi Morfodinamika Longsor Kalisari, Kabupaten Magelang Berdasarkan Data LiDAR dan Model Numerik Samodra, Guruh
Jurnal Lingkungan dan Bencana Geologi Vol 13, No 2 (2022)
Publisher : Badan Geologi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34126/jlbg.v13i2.404

Abstract

ABSTRAK Simulasi morfodinamika longsor dapat digunakan untuk memprediksi proses dan hasil proses geomorfologi di masa mendatang. Tujuan penelitian ini adalah untuk memetakan topografi Longsor Kalisari secara rinci dengan menggunakan UAV LiDAR dan memodelkan secara spasial morfodinamika Longsor Kalisari di masa mendatang khusunya jarak luncur, area yang mungkin terpapar, kecepatan, dan ketebalan material longsoran. Metode yang digunakan meliputi pemetaan topografi, estimasi volume material yang akan longsor (initial source), penentuan reologi, dan pemodelan spasial morfodinamika longsor. Model elevasi digital (DEM) yang terdiri atas model permukaan digital (DSM) dan model medan digital (DTM)dihasilkan dari fotogrametri Unmanned Aerial Vehicle (UAV) foto udara dan LiDAR. Penentuan volume longsor awal berdasarkan data geolistrik dan model medan digital. Reologi material longsor ditentukan berdasarkan uji laboratorium sampel tanah. Pemodelan spasial morfodinamika longsor menggunakan model numerik berbasis raster. Pemetaan topografi menggunakan UAV LiDAR sangat superior dibandingkan dengan menggunakan Structure-from-Motion (SfM) foto udara. Pemindaian dengan LiDAR dapat menghasilkan model medan dengan mengeliminasi kenampakan vegetasi. Kombinasi teknologi LiDAR dan pemodelan numerik dapat diandalkan untuk memprediksi morfodinamika Longsor Kalisari di masa mendatang. Hasil pemodelan morfodinamika dapat dikonversi menjadi peta kerawanan longsor yang dapat digunakan sebagai acuan perencanaan penggunaan lahan berbasis pengurangan risiko bencana longsor pada skala rinci.Kata kunci: geomorfologi, morfodinamika longsor, LiDAR, model numerik ABSTRACT Landslide morphodynamic analysis can be employed to predict geomorphological processes and landforms in the future. The objectives of the research are to map detailed topographical features of Kalisari Landslide using UAV LiDAR and to model its morphodynamic spatially including runout distance, inundated area, velocity and height of the material. Digital Elevation Model (DEM) consisting of Digital Surface Model (DSM) and Digital Terrain Models (DTM) were obtained from UAV photography and LiDAR. The volume of material was estimated from elecrical resistivity data and DTM. Rheology was estimated from the laboratory soil test. Landslide morphodynamics were generated from raster-based numerical model. Topographic mapping using LiDAR is more superior to that of UAV photogrammetry. LiDAR scanning can generate digital terrain model by eliminating vegetation. The combination of UAV LiDAR and numerical model can be well-implemented to predict the morphodynamic of future Kalisari Landslide. The results of the model can be directly converted to landslide susceptibility map which can be used as a reference for large scale/ detailed land use planning based on landslide disaster risk reduction. Keywords: geomorphology, landslide morphodynamic, LiDAR, numerical model
Alur kerja pembelajaran mesin pada pemodelan spasial kerawanan longsor Samodra, Guruh
Majalah Geografi Indonesia Vol 38, No 2 (2024): Majalah Geografi Indonesia
Publisher : Fakultas Geografi, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/mgi.95857

Abstract

Abstrak Salah satu instrumen pengurangan risiko bencana longsor adalah peta kerawanan longsor yang dihasilkan dari pemodelan spasial. Alur kerja pemodelan spasial kerawanan longsor menggunakan model pembelajaran mesin belum terakomodasi dalam Standar Nasional Indonesia (SNI) yang berlaku saat ini (tahun 2024). Penelitian ini berusaha menjelaskan variasi langkah-langkah dalam alur kerja pembelajaran mesin dan menunjukkan perbedaannya dengan alur kerja model statistik. Model statistik regresi logistik dan model pembelajaran mesin random forest dipilih untuk menjelaskan perbedaan alur kerja pemodelan spasial kerawanan longsor. Formulasi alur kerja pemodelan spasial kerawanan longsor diterapkan untuk memetakan kerawanan longsor di Kabupaten Pacitan. Pada tanggal 27-29 November 2017, 743 longsor terjadi di Kabupaten Pacitan dipicu oleh hujan yang sangat lebat akibat Siklon Tropis Cempaka. Kabupaten Pacitan merupakan salah satu wilayah rawan longsor di Provinsi Jawa Timur. Alur kerja pemodelan spasial kerawanan longsor terbagi atas beberapa langkah yaitu penyiapan data, pra-pemrosesan data (pre-processing), melatih dan menyetel model, memvalidasi model, pemodelan spasial, dan uji akurasi. Hasil uji akurasi model RF dan LR yang diterapkan di Kabupaten Pacitan masing-masing sebesar 0,75 dan 0,73. Penelitian ini diharapkan dapat memberikan masukan dalam penyusunan SNI pemetaan kerawanan longsor di masa mendatang serta dapat digunakan sebagai acuan dalam pemetaan kerawanan longsor secara umum di Indonesia. Abstract One of the landslide risk reduction instruments is landslide susceptibility maps which can be produced by spatial modeling. The landslide susceptibility modeling based on machine learning workflows have not been accommodated in the current verison of Indonesian National Standard (SNI). This study seeks to explain the variation of machine learning workflows and show how they differ from statistical learning workflows. Logistic regression model and random forest machine learning models were selected to explain variations in landslide susceptibility modeling workflows. The modeling workflows were applied to map landslide susceptibility in Pacitan Regency. On 27-29 November 2017, 743 landslides occurred in Pacitan Regency triggered by very heavy rain due to Tropical Cyclone Cempaka. Pacitan Regency is one of the landslide-prone areas in East Java Province. The landslide susceptibility modeling workflow is divided into several steps, i.e. data preparation, data pre-processing, training and tuning the model, validating the model, spatial modeling, and accuracy testing. The accuracy test results of the RF and LR models applied in Pacitan Regency were 0.75 and 0.73 respectively. This research is expected to provide a benchmark for landslide susceptibility mapping in Indonesia. 
ANALISIS KERENTANAN SEISMIK DAN KLASIFIKASI TANAH DI WILAYAH SEKITAR SESAR OPAK MENGGUNAKAN DATA MIKROTREMOR Tri Wahyuni, Yubaidah; Mardiatno, Djati; Samodra, Guruh
JOURNAL ONLINE OF PHYSICS Vol. 10 No. 2 (2025): JOP (Journal Online of Physics) Vol 10 No 2
Publisher : Prodi Fisika FST UNJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22437/jop.v10i2.42859

Abstract

Wilayah di sekitar Sesar Opak memiliki tingkat kerentanan tinggi terhadap guncangan gempa bumi akibat kedekatannya dengan sumber seismik. Gempa bumi Yogyakarta 2006 merupakan salah satu peristiwa signifikan dan merusak yang dipicu oleh aktivitas Sesar Opak. Salah satu faktor yang mempengaruhi kerusakan adalah efek lokasi (site effect) dan klasifikasi situs (site class). Penelitian ini bertujuan untuk menganalisis kerentanan seismik di sepanjang Sesar Opak dengan metode Horizontal-to-Vertical Spectral Ratio (HVSR), yang digunakan untuk mengidentifikasi efek lokasi serta klasifikasi situs. Data yang diperoleh dari 205 titik pengukuran mikrotremor. Hasil analisis menunjukkan bahwa Nilai Indeks Kerentanan Seismik berkisar 0,16 sampai 20,96. Nilai Indeks Kerentanan Seismik dapat digunakan untuk menilai potensi amplifikasi gelombang gempa. Nilai yang tinggi mengindikasi area dengan material tidak terkonsolidasi dan tinggi kerentanannnya. Hal ini berasosiasi dengan Nilai Vs30. Nilai Vs30 pengukuran mikrotremor berkisar 119 sampai 750 m/s, Nilai Vs30 MASW berkisar 159 sampai 925 m/s. Klasifikasi situs mikrotremor dan MASW yaitu batuan (SB), batuan lunak (SC), tanah sedang (SD) dan tanah lunak (SE) Nilai Vs30 N-SPT 241 sampai 254 m/s dengan klasifikasi situs berupa tanah sedang (SD). Daerah dengan Vs30 rendah menunjukkan nilai Kg yang tinggi sehingga dikategorikan sebagai zona kerentanan seismik tinggi.
PEMODELAN SPASIAL KERAWANAN LONGSOR MENGGUNAKAN METODE AHP DI PULAU JAWA Safinatunnajah, Safinatunnajah; Samodra, Guruh; Setiawan, Muhammad Anggri
JOURNAL ONLINE OF PHYSICS Vol. 10 No. 3 (2025): JOP (Journal Online of Physics) Vol 10 No 3
Publisher : Prodi Fisika FST UNJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22437/jop.v10i3.43891

Abstract

Longsor di Pulau Jawa memiliki jumlah yang banyak dengan tingkat kerawanan yang berbeda. Kestabilan lereng dapat dipengaruhi oleh karakteristik topografi, hidrologi, antropogenik dan geologi yang berbeda. Sehingga perlu adanya kajian yang berfungsi untuk mengetahui jumlah longsor dan wilayah rawan longsor dengan menggunakan metode AHP. Penelitian ini bertujuan mengidentifikasi wilayah rawan longsor di Pulau Jawa. Penelitian kerawanan longsor dilakukan dengan cara menerapkan pendekatan heuristik dengan menggunakan metode Analytical Hierarchy Process (AHP) dan indeks kerawanan longsor dihitung dengan menggunakan metode weighted overlay. Hasil analisis kerawanan longsor menunjukkan bahwa Zona Vulkanik Tengah yang merupakan kawasan paling rawan, terutama di lereng gunung api aktif seperti Kabupaten Bogor bagian selatan, Bandung Barat, Garut, Wonosobo, Magelang, Boyolali, dan Malang bagian selatan. Zona Pegunungan Selatan juga tergolong rawan, dengan wilayah seperti Trenggalek, Pacitan, Gunungkidul bagian barat, dan Wonogiri. Zona Depresi Tengah menunjukkan tingkat kerawanan sedang hingga tinggi seperti Grobogan, Blora, Nganjuk, Lamongan bagian selatan, dan Bojonegoro. Sebaliknya, Zona Pegunungan Lipatan Utara seperti Indramayu, Subang, dan Gresik memiliki tingkat kerawanan yang relatif rendah.
Potential of UAV-Generated Orthophotos in Assessing Environmental Vulnerability to Landslides in Ngasinan Village, Purworejo Regency, Central Java Astuti, Yeni; Sartohadi, Junun; Samodra, Guruh
Indonesian Journal of Geography Vol 57, No 2 (2025): Indonesian Journal of Geography
Publisher : Faculty of Geography, Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/ijg.83487

Abstract

Ngasinan Village in Bener District, Purworejo Regency, has mountainous and sloping topography, which increases the risk of landslides. However, there is currently no available information regarding the village's environmental vulnerability to landslides, which is essential for disaster mitigation planning. This study aims to assess the environmental vulnerability to landslides in Ngasinan Village using orthophotos as an alternative to a census. The primary data used in this research include aerial photographs taken by an unmanned aerial vehicle (UAV) and Ground Control Points (GCPs) to ensure the accuracy of the orthophotos. The vulnerability parameters analyzed include socio-economic and physical environmental aspects. Aerial photo interpretation was used to identify building structures, the type of predominant walls, building age, building area, electricity usage, and distance from proper roads. The Digital Terrain Model (DTM) was used to extract parameters such as topographic clusters, topographic elevation, distance to steep slopes, and distance to very steep slopes. Environmental vulnerability analysis was conducted using interview data and questionnaires from research samples. The results show that Ngasinan Village falls into the medium vulnerability class. Orthophotos proved to be an accurate data source for assessing environmental vulnerability to landslides, with an accuracy rate of 86.66%. Furthermore, information on the vulnerability of houses to landslides can be obtained more easily and quickly through observation and interpretation of orthophotos compared to the census method. Received: 2023-03-29 Revised: 2023-07-31 Accepted: 2025-06-05  Published: 2025-06-16