Dian Wahyu Khaulan Novianto
Jurusan Teknik Sipil, Universitas Jember
Haeruddin Haeruddin
Program Studi Teknik Pertambangan, Universitas Jember
Fanteri Aji Dharma Suparno
Program Studi Teknik Pertambanga, Universitas Jember
Keywords: DEM, DEM presisi, DSM ke DTM, kemiringan
ABSTRACT
Salah satu pemanfaatan teknologi drone adalah dalam mitigasi bencana longsor. Foto udara yang dihasilkan oleh drone tidak hanya berupa ortofoto, tetapi juga mencakup data Digital Elevation Model (DEM). DEM sendiri merupakan representasi digital dari ketinggian permukaan suatu area dalam bentuk tiga dimensi. Untuk menghasilkan informasi tentang tingkat kemiringan lereng, diperlukan data elevasi yang berasal dari DEM atau Digital Terrain Model (DTM). Kualitas DEM ditentukan oleh presisi, reliabilitas, dan akurasi data yang dihasilkan. Presisi dapat dicapai melalui metode fotogrametri, di mana kualitas data sangat bergantung pada sumber data seperti foto drone. DEM yang detail dan akurat akan meningkatkan kemampuan dalam pemodelan yang presisi. Perbedaan utama antara DEM presisi dan DEM non-presisi terletak pada tingkat detailnya. DEM presisi mampu merepresentasikan bentuk permukaan yang menyerupai kondisi nyata dengan nilai elevasi yang konsisten. Sebaliknya, DEM non-presisi, menurut South Australian Government Data Directory, tidak memiliki standar akurasi yang jelas dan sering kali dihasilkan dari proses aerotriangulasi dengan kualitas data rendah, sehingga resolusi dan presisinya rendah. Dalam penelitian ini, data DEM yang dihasilkan dari foto drone menggunakan UAV diolah menjadi DEM presisi untuk membuat peta kemiringan lereng yang sesuai dengan kondisi sebenarnya. Pengolahan DEM dilakukan secara otomatis menggunakan algoritma penyaringan dari DSM (Digital Surface Model) ke DTM (Digital Terrain Model), serta secara manual melalui proses pengeditan DEM. Analisis kemiringan lereng dilakukan pada permukaan DEM untuk menentukan kelas-kelas kemiringan. Berdasarkan hasil penelitian, peta kemiringan lereng yang dihasilkan dari DEM presisi menggunakan foto drone telah memenuhi standar ketelitian geometri peta dasar BIG No.15 Tahun 2014. Peta ini sesuai untuk skala 1:2500 pada kelas 2, dengan perbedaan elevasi antara peta dan kondisi lapangan kurang dari 1 meter. Peta kemiringan lereng tersebut dapat digunakan sebagai parameter dalam analisis risiko longsor untuk mendukung upaya mitigasi.
REFERENCES
Amalia, S. (2019). Pemanfaatan Sistem Informasi Geografi (SIG) Untuk Analisis Kerawanan Longsor Di Kecamatan Sibolangit.
Chen, Z., Ye, F., Fu, W., Ke, Y., & Hong, H. (2020). The influence of DEM spatial resolution on landslide susceptibility mapping in the Baxie River basin, NW China. Natural Hazards, 101(3), 853–877. https://doi.org/10.1007/s11069-020-03899-9
Geraldino Dadu Kerong, R., Edwin Tjahjadi, M., & Dwi Agustina, F. (2022). Kajian Perbandingan Akurasi DTM Pengolahan Data Foto Udara Menggunakan Metode Otomatis Dan Semi-Otomatis Filtering. Jambura Geoscience Review, 1(2), 68–76. https://doi.org/10.34312/jgeosrev.v4i1.12046
Galeana Pérez, V. M., Chávez AlegrÃa, O., & MedellÃn Aguilar, G. (2021). On the measure of land subsidence throughout DEM and orthomosaics using GPS and UAV. IngenierÃa Investigación y TecnologÃa, 22(1), 1–12. https://doi.org/10.22201/fi.25940732e.2021.22.1.006
Mahmudi, Subiyanto, S., & Yuwono, B. D. (2015). Analisis Ketelitian Dem Aster Gdem, Srtm, Dan Lidar Untuk Identifikasi Area Pertanian Tebu Berdasarkan Parameter Kelerengan. Fiziolohichnyi zhurnal, 20(3), 398–400.
PCI Geomatics. (2014). Automatic DEM Extraction. 1–3.
Pulighe, G., & Fava, F. (2017). Ekstraksi DEM dari arsip foto udara : penilaian akurasi di area topografi yang kompleks. 7254. https://doi.org/10.5721/EuJRS20134621
Puslittanak, Pusat Penelitian dan Pengembangan Tanah dan Agroklimat 2004 Laporan Akhir Pengkajian Potensi Bencana Kekeringan, Banjir dan Longsor di Kawasan Satuan Wilayah Sungai Citarum-Ciliwung, Jawa Barat Bagian Barat Berbasis Sistem Informasi Geografi. Bogor.
Samavati, F., & Runions, A. (2016). Interactive 3D content modeling for Digital Earth. Visual Computer, 32(10), 1293–1309. https://doi.org/10.1007/s00371-016-1227-y
Sithole, G. (2005). Segmentation and Classification of Airborne Laser Scanner Data. Nederlandse Commissie Voor Geodesie, May, 184. https://doi.org/10.1117/12.665451.
Sulistiana, T., Parapat, A. D., & Aristomo, D. (2019). Analisis akurasi vertikal digital elevation model nasional (Demnas) studi kasus Kota Medan. FIT ISI 2019 dan ASEANFLAG 72nd COUNCIL MEETING Analisis, 1(November 2019), 37–45.
Tian, W., Zhao, Z., Hu, C., Wang, J., & Zeng, T. (2019). GB-InSAR-based DEM generation method and precision analysis. Remote Sensing, 11(9). https://doi.org/10.3390/rs11090997
Tjahjadi, M. E., Sai, S. S., & Purwanto, H. (2015). Sistem Peringatan Dini Pemantauan Tanah Longsor Berbasis Teknologi Vision dan Geomatika. 1070– 1080.
Yang, G., & Jiao, W. (2011). An optimization method on ground control point distribution. Advanced Materials Research, 268–270, 1092–1095.https://doi.org/10.4028/www.scientific.net/AMR.268- 270.1092
Zhang, W., Wang, W., & Chen, L. (2012). Constructing DEM Based on InSAR and the Relationship between InSAR DEM’s Precision and Terrain Factors. Energy Procedia, 16, 184– 189. https://doi.org/10.1016/j.egypro.2012.01.031
