PEMANFAATAN CROWDSOURCING DATA TWITTER UNTUK PEMODELAN BANJIR (STUDI KASUS DI DKI JAKARTA)

YUNISA JASMINE, . (2021) PEMANFAATAN CROWDSOURCING DATA TWITTER UNTUK PEMODELAN BANJIR (STUDI KASUS DI DKI JAKARTA). Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (194kB)
	Text BAB 2.pdf Restricted to Registered users only Download (463kB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (520kB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (131kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (133kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (4MB) | Request a copy

Abstract

Indonesia merupakan negara yang paling rawan terhadap bencana. Di mana bencana yang sering terjadi di Indonesia adalah bencana banjir, terutama di Jakarta yang mengalaminya setiap tahun. Ketika banjir terjadi, pemerintah wajib melakukan serangkaian tanggap darurat bencana yang dapat diketahui dan dipercepat dengan pemodelan bencana melalui analisis spasial. Penggunaan teknologi foto udara dan penginderaan jauh sistem optik kurang begitu efisien dalam pemodelan bencana. Adanya teknologi baru seperti media sosial yang dapat dimanfaatkan untuk pemodelan bencana, terlebih pengguna media sosial khususnya di Jakarta tergolong tinggi, salah satunya Twitter. Penelitian ini bertujuan untuk membangun basis data spasial menggunakan media sosial Twitter untuk mengetahui pemodelan banjir beserta tingkat akurasi yang dihasilkan. Pemodelan dilakukan dengan metode Kernel-Based Flood Mapping Model yang selanjutnya diuji akurasi dengan metode overall accuracy terhadap peta wilayah banjir dan peta rawan bencana yang dibuat oleh BPBD Jakarta. Terdapat 69 tweet tersusun dalam basis data spasial yang digunakan sebagai data dasar dalam pemodelan. Pemodelan memberikan hasil bahwa persebaran banjir cenderung mengikuti alur sungai. Kelurahan yang paling terdampak adalah Kelurahan Bangka, Cipinang Melayu dan Kuningan Barat. Akurasi berdasarkan peta laporan bencana banjir sebesar 52,30% dan akurasi berdasarkan peta rawan bencana banjir sebesar 60%. Penggunaan metode ini kurang dapat diterapkan untuk kejadian banjir Jakarta, Februari 2021. Kata kunci: Pemodelan, Banjir, Jakarta, Big Data, Twitter Indonesia is a country that is most prone to disasters. Where disasters that often occur in Indonesia are floods, especially in Jakarta, which experiences it every year. When a flood occurs, the government is obliged to carry out a series of disaster emergency responses that can be identified and accelerated by disaster modeling through spatial analysis. The use of aerial photography technology and remote sensing optical systems is less efficient in disaster modeling. The existence of new technologies such as social media that can be used for disaster modeling, especially social media users, especially in Jakarta, is relatively high, one of which is Twitter. This study aims to build a spatial database using Twitter social media to determine flood modeling and the resulting accuracy. The modeling is carried out using the Kernel-Based Flood Mapping Model method which is then tested for accuracy with the overall accuracy method on flood area maps and disaster-prone maps made by BPBD Jakarta. There are 69 tweets arranged in a spatial database which is used as the basis for modeling. The modeling gives the result that the flood distribution tends to follow the river flow. The most affected villages are Bangka, Cipinang Melayu and Kuningan Barat. The accuracy based on the flood disaster report map is 52% and the accuracy based on the flood hazard map is 60%. The use of this method is not good enough to be applied to the Jakarta flood incident, February 2021. Keywords: Modelling, Flood, Jakarta, Big Data, Twitter

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dr. Sucahyanto, M.Si. ; 2). Ilham B. Mataburu, S.Si., M.Si.
Subjects:	Geografi, Antropologi > Geografi Geografi, Antropologi > Matematika Geografi, Kartografi
Divisions:	FIS > S1 Pendidikan Geografi
Depositing User:	Users 11495 not found.
Date Deposited:	06 Sep 2021 02:25
Last Modified:	06 Sep 2021 02:25
URI:	http://repository.unj.ac.id/id/eprint/19264

Actions (login required)

View Item