MEMPERKIRAKAN PENURUNAN TANAH MENGGUNAKAN DATA SENTINEL 1 SAR DIBERBAGAI TIPE PENGGUNAAN LAHAN DI KOTA PADANG

Abstract

Dalam beberapa tahun terakhir, kerugian besar akibat penurunan tanah di daerah perkotaan semakin menarik perhatian. Evaluasi yang tepat dari pola spasial tingkat penurunan tanah di Kota Padang adalah kunci untuk memahami dampak potensialnya terhadap turunnya permukaan tanah dan keberlanjutan jangka panjang wilayah Kota Padang. Dalam studi ini, penurunan tanah yang terjadi selama periode waktu 2018 - 2019 diukur menggunakan Citra Sentinel 1 SAR untuk memahami apakah terjadi subsidensi. Nilai penurunan tanah pada setiap piksel dihasilkan dari pengolahan data Sentinel 1 SAR yang selanjutnya diklasifikasikan menurut kelas penggunaan/penutup lahan di wilayah studi. Peta penggunaan/penutup lahan dihasilkan dari ektraksi citra satelit Landsat 8 OLI/TIRs. Hasilnya perbandingan antara pola penurunan tanah menggunakan Sentinel 1 SAR dan kelas penggunaan lahan yang berbeda di Kota Padang menunjukkan bahwa tidak ada hubungan yang jelas di antara keduanya. Hal ini menunjukkan bahwa fenomena penurunan tanah terjadi pada skala lokal atau terlokalisasi di wilayah ini.

Full text

Jurnal Sains dan Teknologi
Volume 11 Number 2, Tahun 2022, pp. 380-388
P-ISSN: 2303-3142 E-ISSN: 2548-8570
Open Access: https://doi.org/10.23887/jstundiksha.v11i2.50314
*Corresponding author.
E-mail addresses: fajringe@gmail.com (Yudi Antomi)
Pemanfaatan Citra Pengindraan Jauh Untuk Memperkirakan
Penurunan Tanah Diberbagai Tipe Penggunaan Lahan
Yudi Antomi1, Fajrin2*
1 Teknologi Pengindraan Jauh, Universitas Negeri Padang, Padang, Indonesia
2 Teknik Geodesi, Institut Teknologi Padang, Padang, Indonesia
A B S T R A K
Ada keperihatinan tentang kemungkinan penurunan tanah yang berkontribusi
terhadap dampak lingkungan, sosial dan ekonomi. Lebih lanjut, belum ada
pengukuran langsung dari laju penurunan tanah dan hubungannya dengan
penggunaan lahan yang ada. Tujuan penelitian ini untuk menganalisis penurunan
tanah pada setiap penggunaan lahan. Penggunaan data satelit Interferometric
Synthetic Aperture Radar (InSAR) untuk penilaian penurunan tanah dan Data
Landsat 8 OLI/Tirs untuk memetakan penggunaan lahan merupakan pendekatan
penelitian ilmiah yang mapan. Data satelit Sentinel-1 dan Landsat 8 OLI/TIRs
menyediakan cakupan geografis yang luas, akuisisi reguler, dan akses terbuka.
Penelitian ini menggunakan teknologi dengan citra Sentinel-1 SAR untuk
memantau penurunan tanah dan Landsat 8 OLI/TIRs untuk memetakan
penggunaan lahan. Metode yang digunakan dalam penelitian ini menggunakan
metode DInSAR digunakan untuk menganalisis serangkaian citra Sentinel-1A di
sepanjang jalur orbit naik menilai penurunan tanah, serta citra Landsat 8 OLI/TIRs
menggunakan teknik OBIA untuk menganalisis tutupan lahan yang selanjutnya
dihubungkan dengan penuruanan tanah menggunakan perangkat sistem
informasi geografis. Hasil penelitian menunjukan pola spasial penurunan tanah
nilai yang tinggi berada di sebelah barat yang merupakan daerah pusat kota yang
banyak terdapat area terbangun. Secara keseluruhan, teknik ini efektif
memetakan, mengidentifikasi penurunan muka tanah di berbagai jenis
penggunaan lahan khuusnya area terbangun. Hal ini akan memungkinkan
mendeteksi awal untuk pengendalian bahaya yang disebabkan oleh penurunan
muka tanah.
A B S T R A C T
The Padang city is located on the west coast of the Sumatera island. There are concerns about possible land subsidence in
the padang city, which contributes to the economic, social and environmental impact. Furthermore, there has been no
direct measurement of the rate of land subsidence and its relationship to land use in the Padang city. The purpose of this
study was to assess land subsidence for each land use in the Padang city. The use of Interferometric Synthetic Aperture
Radar (InSAR) satellite data for land subsidence assessments and Landsat 8 OLI/TIRs data for mapping land use is a well-
established scientific research approach. Sentinel-1 and Landsat 8 OLI/TIRs satellite data provide broad geographic
coverage, regular acquisition, and open access. This study uses technology with Sentinel-1 SAR imagery to monitor land
subsidence and Landsat 8 OLI/TIRs to map land use in Padang City. The method used in this study using the DInSAR method
was used to analyze a series of Sentinel-1A images taken from December 2019 and December 2019 along an ascending
orbital path assessing land subsidence, as well as Landsat 8 OLI/TIRs imagery using the OBIA technique to analyze land
cover which was subsequently associated with land subsidence in the Padang city using a geographic information system.
The results showed that the spatial pattern of land subsidence was high in the west, which is the city center where there
are many built-up areas. Overall, this technique is effective in mapping, identifying land subsidence in various types of land
use, especially built-up areas. This will allow early detection to control hazards caused by subsidence..
1. PENDAHULUAN
Penurunan tanah merupakan masalah yang berkembang saat ini dan akan mempengaruhi ratusan
juta orang di seluruh dunia (Herrera-García et al., 2021). Penurunan tanah dapat disebabkan oleh
pemadatan alami dan aktivitas manusia (Bagheri-Gavkosh et al., 2021; Zoysa et al., 2021). Namun, sebagian
besar penurunan tanah disebabkan oleh aktivitas antropogenik, termasuk eksploitasi air tanah, minyak,
dan sumber daya padat lainnya. Penurunan tanah dapat menyebabkan dampak negatif pada kerusakan
struktural infrastruktur, hilangnya area pertanian dan/atau dataran yang luas, kerusakan garis pantai dan
memiliki dampak negatif lingkungan, ekonomi dan sosial yang signifikan. Dampak negatif ini dapat
A R T I C L E I N F O
Article history:
Received July 18, 2022
Revised July 9, 2022
Accepted September 20, 2022
Available online October 25, 2022
Kata Kunci:
Sentinel 1, Penurunan Tanah, PL
Keywords:
Sentinel 1, Land Subsidence, Land
Cover/Land Use
This is an open access article under the CC
BY-SA license.
Copyright © 2022 by Author. Published by
Universitas Pendidikan Ganesha.

Jurnal Sains dan Teknologi, Vol. 11, No. 2, 2022, pp. 380-388 381
Yudi Antomi / Pemanfaatan Citra Pengindraan Jauh Untuk Memperkirakan Penurunan Tanah Diberbagai Tipe Penggunaan Lahan
diperburuk oleh perubahan iklim (misalnya, kenaikan permukaan laut), terutama di daerah pesisir dataran
rendah (Shirzaei et al., 2021). Beberapa wilayah kota di Indonesia pernah mengalami penurunan muka
tanah seperti Jakarta, Semarang, Bandung, Surabaya, Lampung dan Padang (Abidin et al., 2011; Anjasmara
et al., 2020; Bott et al., 2021; Du et al., 2018; Fajrin et al., 2021; Hakim et al., 2020; Widodo et al., 2021;
Zaenudin et al., 2018).
Teknik pemantauan penurunan tanah saat ini meliputi pemantauan berbasis darat seperti teknik
leveling, global positioning system (GPS), dan juga pemantauan berbasis satelit pengindraan jauh seperti
Interferometry Synthetic Aperture Radar (InSAR). Meskipun teknik leveling dan GPS memberikan
pengukuran yang tepat dan akurat, namun sangat memakan waktu dan tidak tersedia pada semua tempat
(Bott et al., 2021; Galloway & Burbey, 2011; Simmons & Wempen, 2021). Hanya beberapa kota di Indonesia
yang menyediakan data pemantauan berbasis darat ini seperti jakarta semarang bandung dan surabaya.
Dibandingkan dengan dua metode tersebut, teknik InSAR dapat memperoleh berbagai informasi
penurunan tanah dengan presisi pemantauannya yang tinggi, mencapai skala millimeter serta jangkauan
wilayah yang luas (Hussain et al., 2022; Raspini et al., 2016; Zhang et al., 2019). Penginderaan jauh telah
banyak digunakan untuk pemetaan dan perencanaan tata ruang. Namun, teknik ini belum banyak
diterapkan di Indonesia untuk pemantauan perubahan lingkungan perkotaan, meskipun dapat
memberikan data penurunan tanah dengan biaya rendah, cepat dan akurat. InSAR merupakan teknik yang
dapat digunakan untuk mengidentifikasi deformasi pada permukaan tanah dengan memanfaatkan data dari
satelit penginderaan jauh aktif yaitu RADAR (Radio Detection and Ranging). Dalam teknik Differential SAR
(DInSAR), perpindahan tanah dihitung dalam arah radar line of sight (LOS) satelit atau pesawat terbang
dengan menghitung perbedaan fase antara dua gambar SAR yang terpisah secara temporal (Arangio et al.,
2014; Crosetto et al., 2020). Nilai beda fasa ini menunjukkan adanya pergerakan tanah. Interferogram yang
terbentuk memiliki efek topografi dan atmosfer, oleh karena itu perlu dilakukan reduksi menggunakan
proses differential inferometry SAR (DInSAR), sehingga dihasilkan informasi penurunan tanah dan
besarnya pergerakan tanah (subsidence atau uplift) yang terjadi (Achmad & Lee, 2021; Dang et al., 2021; Du
et al., 2018; Ishwar & Kumar, 2017; Sanabria et al., 2014).
Kota Padang hampir tidak memiliki database yang mencakup skala spasial temporal penurunan
tanah untuk penanganan masalah penurunan tanah di masa mendatang (Fajrin et al., 2021). Pentingnya
deteksi dini terkait penurunan tanah di kawasan tersebut, selain sebagai kota yang rawan bencana. Kota
Padang juga diprediksi akan mengalami pertumbuhan penduduk perkotaan yang pesat dan kemungkinan
perluasan wilayah kota (Fajrin et al., 2021). Pertumbuhan penduduk dapat menyebabkan perubahan
penggunaan lahan dan dapat meningkatkan penggunaan air terutama air tanah, penggunaan air tanah yang
berlebihan dapat mempengaruhi keseimbangan air tanah sampai batas tertentu dan menyebabkan evolusi
penurunan tanah (Abidin et al., 2015; Rahmati et al., 2019). Adapun tujuan penelitian ini yakni
mengidentifikasi penurunan tanah menggunakan data citra Sentinel 1A, untuk menilai ada tidaknya
penurunan muka tanah dan pada masing-masing kelas penutup/penggunaan lahan (PL) yang di ektraksi
dari citra Landsat 8 OLI/TIRs di Kota Padang.
2. METODE
Daerah penelitian Kota Padang merupakan daerah yang landai di sebelah barat dan berbukit di
sebelah timur. Namun, penelitian ini berfokus pada daerah di sepanjang pantai, dengan topografi yang
relatif datar dan merupakan muara dari 10 sungai. Selanjutnya, bagian Kota Padang yang berdataran
rendah merupakan kawasan pemukiman dengan kepadatan sedang hingga tinggi yang rawan banjir dengan
kombinasi pusat kota dengan infrastruktur pelabuhan selatan dan bandara ke arah utara, selain itu
merupakan pusat kegiatan ekonomi. dan juga kawasan pariwisata (gambar 1). Secara geologis Kota Padang
di sebelah timur merupakan sesar berbukit/pegunungan dan juga di sebelah selatan merupakan pantai
yang terjal, sedangkan di sebelah barat merupakan dataran aluvial, fluvio marine dan fluvio - vulkanik.
Dalam penelitian ini menggunakan pendekatan spasial untuk memahami fenomena dalam ruang
permukaan bumi yang berkaitan dengan penurunan tanah dan penutup/penggunaan lahan diatasnya.
Adapun penelitian ini tergolong dalam penelitian deskriptif kuantitatif. Penelitian diawali dengan
pengumpulan data sekunder citra Satelit sentinel 1 A dan Landsat 8 OLI/TIRS mencakup seluruh wilayah
penelitian.
Sistem Sentinel-1 adalah konstelasi satelit radar yang terdiri dari dua sensor Synthetic Aperture
Radar C-band, Sentinel-1A (S-1A), dengan resolusi spasial hingga 5 meter dan jangkauan hingga 400 km. S-
1A merupakan satelit pertama yang dikembangkan oleh European Commission (EC) dan European Space
Agency (ESA) untuk Copernicus Global Earth Observation Project yang diluncurkan pada April 2014.
Sentinel-1 memiliki waktu kunjungan kembali yang singkat yaitu dapat mencapai enam hari dan
memberikan polarisasi ganda. Data Sentinel 1 dapat diunduh dari European Space Agency (ESA) melalui

Jurnal Sains dan Teknologi, Vol. 11, No. 2, 2022, pp. 380-388 382
JST. P-ISSN: 2303-3142 E-ISSN: 2548-8570
Access hub (https://scihub.copernicus.eu/). Detail tentang data Sentinel-1 yang digunakan ditunjukkan
pada Tabel 1.
Dataset terdiri dari dua citra SAR yang diperoleh pada bulan Desember 2018 (master) dan pada
bulan Desember 2019 (slave) menggunakan data mode swath Level 1 Interferometric Wide (IW), yang
memperoleh 3 sub-swath, Single Look Complex (SLC) dengan orbit naik disajikan pada Tabel 1. Sedangkan
kelas tutupan/penggunaan lahan di wilayah studi menggunakan citra satelit Landsat 8 OLI/TIRs dengan
resolusi spasial 30 m. Data Landsat 8 OLI/TIRs diperoleh pada bulan Maret 2019 yang yang diunduh
langsung dari https://earthexplorer.usgs.gov yang terdiri dari 11 pita dimana 9 pita pada sensor Onboard
Land Imager (OLI) dan 2 pita Thermal Infrared Sensor (TIRs) disajikan Tabel 2.
Tabel 1. Kriteria Sentinel 1 A
Perekaman
Level
Mode
Polarisasi
Sensor
05/12/2018
1
IW
VV
Sentinel 1
24/12/2019
Tabel 2. Kriteria Landsat 8
Perekaman
Sensor id
Path/Row
Layer
Grid Sel
06/03/2019
LC81270612019065LGN00
127/061
11
30
Gambar 1. Lokasi Penelitian
Pengolahan dan analisa data, mengolah informasi perpindahan yang terjadi di kota Padang, citra
yang digunakan adalah citra pasangan Sentinel-1A Terrain Observation with Progressive Scans (TOPS)
Deburst untuk mendapatkan hasil berupa interferogram. Kriteria citra Sentinel-1A yang digunakan adalah
Single-Look Complex (SLC), mode IW, dan polarisasi VV. Pemrosesan pada rantai interferometrik
dikembangkan melalui beberapa tahap dalam perangkat lunak Sentinel Application Platform (SNAP). SNAP
adalah perangkat lunak open source dari ESA untuk eksplorasi ilmiah pengamatan bumi. Langkah pertama
dalam pemrosesan adalah apply orbit file untuk memperbaharui gambar dengan posisi orbit yang tepat dan
informasi kecepatan yang akan tersedia beberapa hari setelah tanggal akuisisi. Langkah kedua adalah Co-
registration untuk memastikan bahwa target (ground target) berada pada piksel yang sama dalam
jangkauan dan azimuth pada gambar master dan slave . Tahap co-registration citra merupakan proses untuk
menyelaraskan citra SAR sehingga dapat dihitung selisih antara pasangan piksel citra yang overlap satu
sama lain. Pada proses coreregistration digunakan metode back geocoding dan Enhanced Spectral Diversity
(ESD), yang sebelumnya telah diimplementasikan dengan data orbit yang akurat untuk membuat
interferogram dan setelah mereduksi fase bumi datar (flat earth phase). Langkah selanjutnya adalah
menghitung interferogram. Kemudian proses Deburst untuk menghilangkan celah antar jalur. Sedangkan
multilook digunakan untuk mengurangi bintik (noise) dan meningkatkan interpretasi gambar. Untuk
mengurangi noise menggunakan goldstein filtering (Goldstein & Werner, 1998). Selanjutnya melakukan
phase unwrapping untuk menghilangkan ambiguous phase menjadi absolute phase, output pada phase ini
harus di export ke perangkat Snaphu dan produk akan di import kembali ke SNAP device untuk mengubah
phase menjadi displacement. Langkah terakhir adalah melakukan koreksi medan untuk peta perpindahan
tanah menggunakan operator geocoding dengan mengimplementasikan metode orthorektifikasi Range
Dopplar Terrain Correction . Langkah-langkah utama dalam penelitian ini diterapkan dalam lingkungan
perangkat lunak SNAP. Secara skematis proses DInSAR pada perangkat lunak SNAP disajikan pada Gambar
2.

Jurnal Sains dan Teknologi, Vol. 11, No. 2, 2022, pp. 380-388 383
Yudi Antomi / Pemanfaatan Citra Pengindraan Jauh Untuk Memperkirakan Penurunan Tanah Diberbagai Tipe Penggunaan Lahan
Gambar 2. Alur kerja dari metodologi yang diusulkan dalam perangkat SNAP
Data Landsat 8 OLI/TIRs yang dipilih dengan cakupan awan mendekati nol (< 10%) untuk wilayah
kota Padang, kombinasi pita yang digunakan dalam pengolahan data yakni pita 4, 5, 6 dan pita 5, 6, 7.
Gambar area uji diproyeksikan di WGS 1984 UTM Zona 47 Selatan. Klasifikasi citra Landsat 8 untuk
menghasilkan penutup/penggunaan lahan (PL) di area studi menggunakan pendekatan Object-Based Image
Analysis (OBIA) (Novelli et al., 2016). Metode klasifikasi berbasis objek merupakan metode klasifikasi OBIA
memiliki keunggulan karena menggabungkan berbagai sumber informasi seperti tekstur, bentuk dan posisi
sebagai dasar klasifikasi. Secara umum metode OBIA dapat memberikan hasil akurasi yang detail dan
meningkatkan hasil klasifikasi citra Landsat. Misalnya, kolam ikan dan sungai keduanya memiliki sifat
spektral air. Namun, menggunakan OBIA dapat dibedakan berdasarkan bentuknya, misalnya persegi
panjang dan garis. Proses ini menggunakan modul feature extraction- example base feature extraction pada
perangkat lunak ENVI 5.1 melalui proses trial dan error. Pada tahap akhir analisis data dalam penelitian ini
menggunakan sistem informasi geografis, sistem informasi geografis digunakan untuk menganalisis secara
spasial pola penurunan muka tanah pada setiap kelas PL di Kota Padang melalui metode overlay peta.
Klasifikasi data dilakukan terhadap rata-rata penurunan data pada kelas PL. Semua objek yang
dikategorikan sebagai objek air tidak termasuk dalam analisis.
3. HASIL DAN PEMBAHASAN
Hasil
Peta penurunan tanah kota padang. Hasil proses tahap pertama gambar SAR asli mengandung
speckle noise yang melekat dengan proses multilook untuk mengurangi tampilan noise dan meningkatkan
interpretasi gambar. Hasil proses selanjutnya yakni penyaringan (filtering) fase interferogram untuk
mengurangi noise phase diperlihatkan pada Gambar 3. Gambar 3 menunjukan hasil proses phase
unwrapping pada perangkat lunak SNAP namun belum dalam satuan metrik sehingga dilakukan proses fase
ke diplacement dengan demikian, nilai positif berarti pengangkatan dan nilai negatif berarti penurunan
permukaan tanah sepanjang line-of-sight (LOS) dengan satuan metrik. Perpindahan diukur di sepanjang
LOS satelit, nilai negatif mewakili pergerakan menjauh dari satelit (yaitu, penurunan tanah) sedangkan nilai
positif mewakili pergerakan menuju satelit (yaitu, pengangkatan tanah). Gambar 3 merupakan hasil proses
mereposisi (geocoding) gambar kedalam koordinat peta. Adapun nilai perpindahan tanah hasil pengolahan
pasangan (master dan slave) citra tersebut setelah dilakukan pemotongan terhadap batas wilayah studi
yakni dengan nilai mencapai -12 cm yang mengindikasikan terjadi penurunan tanah, untuk pengangakatan
yang terjadi mencapai 9 cm.
Gambar 3. Hasil proses pengolahan data penurunan tanah Sentinel 1, (a) hasil proses
interferometic , (b) phase unwrapping, (c) geocoding
High : 0,091
Low : -0,120
c

Jurnal Sains dan Teknologi, Vol. 11, No. 2, 2022, pp. 380-388 384
JST. P-ISSN: 2303-3142 E-ISSN: 2548-8570
Selain itu terdapat dekorelasi temporal menyebabkan penurunan nilai koherensi yang merupakan
salah satu pembatas dalam memperoleh jumlah maksimum interferogram, nilai koherensi pada C-band
secara signifikan lebih rendah di area vegetasi daripada di area terbangun. Hal ini dikarenakan sinyal C-
band mungkin tidak dapat menembus kanopi, oleh karena itu terdapat dekorrelasi temporal yang kuat pada
tipe PL dengan vegetasi (Arslan et al., 2022; Devaraj et al., 2022; Fárová et al., 2019; Umarhadi et al., 2022)
(Fárová et al., 2019, Umarhadi et al., 2021; Devaraj et al., 2022; Arslan et al., 2022,). Bagian barat kota
Padang yang merupakan didominasi area terbangun memiliki hasil terbaik di mana reflektor buatan
manusia lebih banyak di bagian barat Kota Padang seperti bangunan permukiman. Berdasarkan hasil trial
dan error untuk pemilihan level parameter yang dianggap sesuai untuk kelas PL kota padang yang
menggunakan metode feature extraction- example base feature extraction dengan segmentasi untuk
algoritma Edge dengan skala level 45 hingga 55, skala merge dengan algoritma full lamda schedule dengan
level 85 hingga 96 dan dengan tektur kernel ukuran 3. Berdasakan hasil klasifikasi tersebut menggunakan
15 sampel poligon untuk 15 kelas PL. Kelas PL diperoleh dari klasifikasi citra Landsat 8 OLI/TIRs untuk
wilayah Kota Padang. Hasil klasifikasi dibagi menjadi 3 kelas utama, yaitu daerah bukan pertanian
(meliputi: hutan lahan kering primer, hutan lahan kering sekunder, hutan mangrove primer), daerah tidak
bervegetasi (meliputi: bandar udara/pelabuhan, danau/waduk, lahan terbuka, pemukiman , pertambangan,
rawa pesisir, sungai) dan daerah bervegetasi (termasuk: ladang campuran, padang rumput, sawah irigasi,
semak belukar). Sebaran dan persentase luas pada masing-masing PL utama disajikan pada Gambar 4 dan
Tabel 3.
Tabel 3. Kelas Penggunaa/Penutup Lahan Kota Padang
Tipe Penutup Lahan
Kelas Penggunaan Lahan
Luas (Ha)
Persentase (%)
Daerah Tak Bervegetasi
Bandara/Pelabuhan
307,96
0,45
Danau/Waduk
6,55
0,01
Lahan Terbuka
90,98
0,13
Permukiman
9.608,13
13,96
Pertambangan
268,58
0,39
Rawa Pesisir
10,62
0,02
Sungai
424,34
0,62
Daerah Bukan Pertanian
Hutan Lahan Kering Primer
35.472,57
51,53
Hutan Lahan Kering Sekunder
2.238,67
3,25
Hutan Mangrove Primer
62,81
0,09
Daerah Bervegetasi
Ladang
3.734,62
5,43
Perkebunan Campuran
4.991,86
7,25
Padang Rumput
108,68
0,16
Sawah Irigasi
5.430,62
7,89
Semak Belukar
6.081,42
8,83
Gambar 4. Penutup/Penggunaan Lahan
Pembahasan
Penelitian ini menunjukkan bahwa pola spasial rerata penurunan tanah sangat bervariasi di semua
wilayah studi. Penurunan tanah yang dominan terkonsentrasi di daerah dataran rendah bagian barat Kota
Padang. Wilayah dataran rendah Kota Padang di sebelah barat didominasi oleh PL pemukiman. Rata-rata
penurunan tanah yang tinggi terdapat di perkotaan atau kawasan terbangun (misalnya pemukiman,

Jurnal Sains dan Teknologi, Vol. 11, No. 2, 2022, pp. 380-388 385
Yudi Antomi / Pemanfaatan Citra Pengindraan Jauh Untuk Memperkirakan Penurunan Tanah Diberbagai Tipe Penggunaan Lahan
pelabuhan dan bandara) berkisar antara -3,90 cm sampai -4,41 cm yang merupakan dataran alluvial, hal
ini sejalan dengan teori dan pengamatan penurunan tanah di perkotaan pantai dataran alluvial lain seperti
Jakarta, Semarang (Abidin et al., 2011; Islam et al., 2017; Lo et al., 2022; Takagi et al., 2021). Sementara itu
situs bandara merupakan area yang mengalami penurunan tanah paling tinggi dengan rata rata mencapai -
6,13 cm dibanding dengan jenis penggunaan lahan lain yang ada dikota Padang. Wilayah yang sering
mengalami penurunan terutama terletak di dataran pantai dan yang terletak di hilir sungai yang berdekatan
dengan pantai terutama yang terbentuk diatas sedimen aluvial dan umumnya mempercepat penurunan
tanah. Penyebab alami penurunan tanah, seperti pemadatan tanah aluvial yang tidak terkonsolidasi, sering
kali diperkuat oleh aktivitas manusia, seperti pengambilan air tanah dan beban bangunan atau infrastruktur
perkotaan (Abidin et al., 2011; Minderhoud et al., 2018). Laju penurunan tanah yang tinggi juga sering
terjadi di daerah pesisir yang padat penduduknya (Bagheri-Gavkosh et al., 2021; Herrera-García et al.,
2021). Aktivitas antropogenik ini berdampak pada laju penurunan tanah yang di amati di kota Padang.
Meskipun laju penurunan lebih besar dari 2 cm diamati di kelas PL seperti hutan lahan kering, semak
belukar, dan ladang dan kebun campuran, ada perbedaan antara laju penurunan dan kelas PL yang lebih
kecil lainnya seperti hutan bakau dan padang rumput (Gambar 5). Hutan lahan kering juga memiliki
penurunan muka tanah yang sedikit lebih tinggi dengan daerah sekitarnya yang stabil, kemungkinan
penyebab penurunan tanah yang diamati adalah pembukaan lahan atau tanah longsor, yang mengganggu
stabilitas tanah, hutan lahan kering banyak terdapat di sebelah timur kota padang yang merupakan
rangkain perbukitan yang terjal.
Gambar 5. Penurunan tanah di berbagai kelas PL
Selanjutnya, tingkat penurunan muka tanah dengan rerata PL rendah terdapat pada dua kelas PL
alami yang belum berkembang, yaitu padang rumput dan hutan mangrove dengan rata-rata -1,49 cm
sampai -1,94 cm (Gambar 5). Hal ini dapat disebabkan karena padang rumput dan hutan mangrove tidak
terpengaruh oleh aktivitas manusia. Dengan demikian, penurunan tanah ini mencerminkan rata-rata
penurunan tanah melalui proses alami di kedua kelas. Temuan penelitian menunjukkan tingginya
penurunan tanah di wilayah terbagun dapat mungkin berdampak pada lingkungan (seperti meluasnya
wilayah genangan banjir). Hasil penelitian ini merupakan kajian awal untuk menilai penurunan tanah di
Kota padang, hasil ini perlu diperkuat dengan pengukuran berbasis titik (seperti pengukuran GPS dan
pemeriksaan data kedalam air tanah secara temporal). Hasil penelitian ini setidaknya dapat membantu
memberikan gambaran fenomena penurunan tanah yang terjadi di wilayah pesisir kota padang.
Pengendalian bahaya penurunan tanah adalah tugas yang menantang yang dihadapi pemerintah lokal
untuk pembangunan di masa depan apabila tidak teridentifikasi dan terdokumentasi dengan baik, terutama
di dataran pantai dan sungai yang berpenduduk padat. Dengan mengidentifikasi penurunan tanah di
wilayah studi memberi keuntungan untuk mencegah kerusakan yang lebih tinggi di masa depan,
diharapkan juga akan memberikan informasi yang berharga bagi pemerintah lokal, masyarakat, sehingga

Jurnal Sains dan Teknologi, Vol. 11, No. 2, 2022, pp. 380-388 386
JST. P-ISSN: 2303-3142 E-ISSN: 2548-8570
pengambil kebijakan dan masyarakat dapat merencanakan ke depan untuk melindungi harta benda dan
kehidupan masyarakat.
4. SIMPULAN
Data pengindraan jauh adalah data yang dapat di andalkan untuk memantau penurunan tanah di
wilayah perkotaan dengan banyaknya lahan terbagun, namun di beberapa tempat dengan vegetasi yang
rapat dapat mempengaruhi hasil akhir penggunaan data Sentinel C band. Studi ini juga menunjukkan
bahwa data satelit ESA–Sentinel-1 dapat digunakan sebagai alat yang berharga untuk mengidentifikasi tren
spatiotemporal penurunan tanah di wilayah studi. Selain itu, mengukur dan memetakan penurunan tanah
yang bervariasi dengan jenis tutupan lahan yang berbeda menjadi pekerjaan yang menantang untuk
pendekatan tradisional berdasarkan pengukuran titik berbasis GPS atau perataan topografi. Data satelit
Sentinel dan perangkat lunak pemrosesan data disediakan secara gratis oleh ESA. Sementara itu penelitian
ini menunjukkan efektifitas dalam mengukur penurunan tanah di wilayah penggunaan lahan terbangun
Kota Padang (seperti permukiman, pelabuhan dan bandara) dengan rerata yang tinggi, lebih lanjut juga
terjadi penurunan tanah secara alami yang terjadi pada area bervegetasi.
5. DAFTAR PUSTAKA
Abidin, H. Z., Andreas, H., Gumilar, I., Fukuda, Y., Pohan, Y. E., & Deguchi, T. (2011). Land subsidence of
Jakarta (Indonesia) and its relation with urban development. Natural Hazards, 59(3), 1753–1771.
https://doi.org//10.1007/s11069-011-9866-9.
Abidin, H. Z., Andreas, H., Gumilar, I., & Wibowo, I. R. R. (2015). On correlation between urban development,
land subsidence and flooding phenomena in Jakarta. , 370, 15-20. https://doi: Proceedings of the
International Association of Hydrological Sciences, 370, 15–20. https://doi.org/10.5194/piahs-370-
15-2015.
Achmad, A. R., & Lee, C. W. (2021). Surface Deformation Measurement of the 2020 M w 6.4 Petrinja, Croatia
Earthquake Using Sentinel-1 SAR Data. Korean Journal of Remote Sensing, 37(1), 139–151.
https://doi.org/10.7780/kjrs.2021.37.1.11.
Anjasmara, I. M., Yulyta, S. A., & Taufik, M. (2020). Application of time series InSAR (SBAS) method using
sentinel-1A data for land subsidence detection in Surabaya city. International Journal on Advanced
Science, Engineering and Information Technology, 10(1), 191–197.
https://doi.org/10.18517/ijaseit.10.1.6749.
Arslan, İ., Topakcı, M., & Demir, N. (2022). Monitoring Maize Growth and Calculating Plant Heights with
Synthetic Aperture Radar (SAR) and Optical Satellite Images. Agriculture, 12(6), 800.
Bagheri-Gavkosh, M., Hosseini, S. M., Ataie-Ashtiani, B., Sohani, Y., Ebrahimian, H., Morovat, F., & Ashrafi, S.
(2021). Land subsidence: A global challenge. Science of The Total Environment, 778, 146193.
https://doi.org/10.1016/j.scitotenv.2021.146193.
Bott, L. M., Schöne, T., Illigner, J., Haghighi, M. H., Gisevius, K., & Braun, B. (2021). Land subsidence in Jakarta
and Semarang Bay–The relationship between physical processes, risk perception, and household
adaptation. Ocean & Coastal Management, 211, 105775.
https://doi.org/10.1016/j.ocecoaman.2021.105775.
Dang, V. K., Nguyen, T. D., Dao, N. H., Duong, T. L., Dinh, X. V, & Weber, C. (2021). Land subsidence induced
by underground coal mining at Quang Ninh, Vietnam: persistent scatterer interferometric synthetic
aperture radar observation using Sentinel-1 data. International Journal of Remote Sensing, 49(9),
3563–3582. https://doi.org/10.1080/01431161.2021.1875513.
Devaraj, S., Yarrakula, K., Martha, T. R., Murugesan, G. P., Vaka, D. S., Surampudi, S., & Budamala, V. (2022).
Time series SAR interferometry approach for landslide identification in mountainous areas of
Western Ghats, India. Journal of Earth System Science, 131(2), 1–17.
https://doi.org/10.1007/s12040-022-01876-3.
Du, Z., Ge, L., Ng, A. H. M., Zhu, Q., Yang, X., & Li, L. (2018). Correlating the subsidence pattern and land use
in Bandung, Indonesia with both Sentinel-1/2 and ALOS-2 satellite images. International Journal of
Applied Earth Observation and Geoinformation, 67, 54–68.
https://doi.org/10.1016/j.jag.2018.01.001.
Fajrin, F., Almegi, A., Bakari, A., Ramadhan, R., & Antomi, Y. (2021). Enviromental Monitoring of Land
Subsidence in The Coastal Area of Padang City Using Sentinel 1 SAR Dataset. Sumatra Journal of
Disaster, Geography and Geography Education, 5(1), 30–34.
https://doi.org/10.24036/sjdgge.v5i1.359.
Fárová, K., Jelének, J., Kopačková-Strnadová, V., & Kycl, P. (2019). Comparing DInSAR and PSI techniques

Jurnal Sains dan Teknologi, Vol. 11, No. 2, 2022, pp. 380-388 387
Yudi Antomi / Pemanfaatan Citra Pengindraan Jauh Untuk Memperkirakan Penurunan Tanah Diberbagai Tipe Penggunaan Lahan
employed to Sentinel-1 data to monitor highway stability: a case study of a massive Dobkovičky
landslide, Czech Republic. Remote Sensing, 11(22), 2670. https://doi.org/10.3390/rs11222670.
Galloway, D. L., & Burbey, T. J. (2011). Regional land subsidence accompanying groundwater extraction.
Hydrogeology Journal, 19(8), 1459–1486. https://doi.org/10.1007/s10040-011-0775-5.
Goldstein, R. M., & Werner, C. L. (1998). Radar interferogram filtering for geophysical applications.
Geophysical Research Letters, 25(21), 4035–4038. https://doi.org/10.1029/1998GL900033.
Hakim, W. L., Achmad, A. R., & Lee, C. W. (2020). Land subsidence susceptibility mapping in jakarta using
functional and meta-ensemble machine learning algorithm based on time-series InSAR data.
Remote Sensing, 12(12), 3627. https://doi.org/10.3390/rs12213627.
Herrera-García, G., Ezquerro, P., Tomás, R., Béjar-Pizarro, M., López-Vinielles, J., Rossi, M., & Ye, S. (2021).
Mapping the global threat of land subsidence. Science, 371(6524), 34–36.
https://doi.org/10.1126/science.abb8549.
Hussain, M. A., Chen, Z., Shoaib, M., Shah, S. U., Khan, J., & Ying, Z. (2022). Sentinel-1A for monitoring land
subsidence of coastal city of Pakistan using Persistent Scatterers In-SAR technique. Scientific
Reports, 12(1), 1–18. https://doi.org/10.1038/s41598-022-09359-7.
Ishwar, S. G., & Kumar, D. (2017). Application of DInSAR in mine surface subsidence monitoring and
prediction. Current Science, 46–51. https://doi.org/10.18520/cs/v112/i01/46-51.
Islam, L. J. F., Prasetyo, Y., & Sudarsono, B. (2017). Analisis Penurunan Muka Tanah (Land Subsidence) Kota
Semarang Menggunakan Citra Sentinel-1 Berdasarkan Metode DInSAR pada Perangkat Lunak
SNAP. Jurnal Geodesi Undip, 6(2), 29–36.
Lo, W., Purnomo, S. N., Dewanto, B. G., & Sarah, D. (2022). Integration of numerical models and InSAR
techniques to assess land subsidence due to excessive groundwater abstraction in the coastal and
lowland regions of semarang city. Water (Switzerland), 14(2), 201.
https://doi.org/10.3390/w14020201.
Minderhoud, P. S. J., Coumou, L., Erban, L. E., Middelkoop, H., Stouthamer, E., & Addink, E. A. (2018). The
relation between land use and subsidence in the Vietnamese Mekong delta. Science of The Total
Environment, 634, 715–726. https://doi.org/10.1016/j.scitotenv.2018.03.372.
Novelli, A., Aguilar, M. A., Nemmaoui, A., Aguilar, F. J., & Tarantino, E. (2016). Performance evaluation of
object based greenhouse detection from Sentinel-2 MSI and Landsat 8 OLI data: A case study from
Almería (Spain). International Journal of Applied Earth Observation and Geoinformation, 52, 403–
411. https://doi.org/10.1016/j.jag.2016.07.011.
Rahmati, O., Golkarian, A., Biggs, T., Keesstra, S., Mohammadi, F., & Daliakopoulos, I. N. (2019). Land
subsidence hazard modeling: Machine learning to identify predictors and the role of human
activities. Journal of Environmental Management, 236, 466–480.
https://doi.org/10.1016/j.jenvman.2019.02.020.
Raspini, F., Bianchini, S., Moretti, S., Loupasakis, C., Rozos, D., Duro, J., & Garcia, M. (2016). Advanced
interpretation of interferometric SAR data to detect, monitor and model ground subsidence:
outcomes from the ESA-GMES Terrafirma project. Natural Hazards, 83(1), 155–181.
https://doi.org/10.1007/s11069-016-2341-x.
Sanabria, M. P., Guardiola-Albert, C., Tomás, R., Herrera, G., Prieto, A., Sánchez, H., & Tessitore, S. (2014).
Subsidence activity maps derived from DInSAR data: Orihuela case study. Natural Hazards and
Earth System Sciences, 14(5), 1341–1360. https://doi.org/10.5194/nhess-14-1341-2014.
Shirzaei, M., Freymueller, J., Törnqvist, T. E., Galloway, D. L., Dura, T., & Minderhoud, P. S. (2021). Measuring,
modelling and projecting coastal land subsidence. Nature Reviews Earth & Environment, 2(1), 40–
58. https://doi.org/10.1038/s43017-020-00134-8.
Simmons, B. S., & Wempen, J. M. (2021). Quantifying relationships between subsidence and longwall face
advance using DInSAR. International Journal of Mining Science and Technology, 31(1), 91–94.
https://doi.org/10.1016/j.ijmst.2020.12.021.
Takagi, H., Esteban, M., Mikami, T., Pratama, M. B., Valenzuela, V. P. B., & Avelino, J. E. (2021). People’s
perception of land subsidence, floods, and their connection: A note based on recent surveys in a
sinking coastal community in Jakarta. Ocean & Coastal Management, 211, 105753.
https://doi.org/10.1016/j.ocecoaman.2021.105753.
Umarhadi, D. A., Widyatmanti, W., Kumar, P., Yunus, A. P., Khedher, K. M., Kharrazi, A., & Avtar, R. (2022).
Tropical peat subsidence rates are related to decadal LULC changes: Insights from InSAR analysis.
Science of The Total Environment, 816, 151561. https://doi.org/10.1016/j.scitotenv.2021.151561.
Widodo, J., Naryanto, H. S., Hidayat, N., Putra, A. P., Izumi, Y., Perissin, D., & Sumantyo, J. S. (2021). Land
Subsidence Assessment of Bandung City, Indonesia in Geological Perspective, Based on
Interferometric SAR Using C-band Data. In 2021 Photonics & Electromagnetics Research Symposium
(PIERS), 2377–2381. https://doi.org/10.1109/PIERS53385.2021.9694892.

Jurnal Sains dan Teknologi, Vol. 11, No. 2, 2022, pp. 380-388 388
JST. P-ISSN: 2303-3142 E-ISSN: 2548-8570
Zaenudin, A., Darmawan, I. G. B., Minardi, S., & Haerudin, N. (2018). Land subsidence analysis in Bandar
Lampung City based on InSAR. In Journal of Physics: Conference Series, 1080(1), 012043.
https://doi.org/10.1088/1742-6596/1080/1/012043.
Zhang, Y., Liu, Y., Jin, M., Jing, Y., Liu, Y., Liu, Y., & Chen, Y. (2019). Monitoring land subsidence in Wuhan city
(China) using the SBAS-InSAR method with radarsat-2 imagery data. Sensors, 19(3), 743.
https://doi.org/10.3390/s19030743.
Zoysa, S., Schöne, T., Herbeck, J., Illigner, J., Haghighi, M., Simarmata, H., & Hornidge, A. K. (2021). The
‘wickedness’ of governing land subsidence: Policy perspectives from urban Southeast Asia. LPoS
One, 16(6), e0250208. https://doi.org/10.1371/journal.pone.0250208.