Pembuatan Plugin QGIS untuk Penyusunan Indeks Bahaya Bencana Banjir
DOI:
https://doi.org/10.26418/jp.v12i1.104340Keywords:
TauDEM, Plugin, QGIS, Banjir, OtomatisasiAbstract
Indonesia menjadi salah satu negara rentan terhadap bencana banjir dan dapat berdampak signifikan terhadap masyarakat serta infrastruktur. Penyusunan indeks bahaya banjir menjadi langkah strategis dalam upaya mitigasi dan pengurangan risiko bencana, namun pelaksanaannya memiliki proses yang panjang dan melalui berbagai lapisan proses berulang. Penelitian ini bertujuan untuk membangun sebuah plugin di platform Quantum GIS (QGIS) yang dapat mengotomatisasi tahapan penyusunan indeks bahaya banjir guna menjaga konsistensi, memperpendek waktu proses serta kemudahan dalam replikasi proses analisis di wilayah berbeda. Pengembangan dilakukan dengan menggunakan bahasa pemrograman Python, Algorithm ID QGIS, serta toolbox QGIS yaitu TauDEM. Pengujian dilakukan dengan metode black box testing untuk melihat perbandingan waktu proses dan hasil keluaran dari penggunaan plugin dan tanpa plugin. Hasil pengujian menggunakan data wilayah kabupaten Sanggau mampu menghasilkan perbandingan yang signifikan dengan hasil serupa yaitu dengan waktu analisis dari 1399 detik menjadi 413 detik. Kesimpulan penelitian ini bahwa plugin dapat menjadi solusi dalam mendukung penyusunan indeks bahaya banjir dalam lingkup kerja berbasis QGIS.References
Azizah, dkk. (2022). Kajian Risiko Bencana Berdasarkan Jumlah Kejadian dan Dampak Bencana di Indonesia Periode Tahun 2010 – 2020. PENDIPA Journal of Science Education, 6(1), 35-40.
Yulianto, S., Apriyadi, R. K., Aprilyanto, A., Winugroho, T., Ponangsera, I. S., & Wilopo, W. (2021). Histori Bencana dan Penanggulangannya di Indonesia Ditinjau Dari Perspektif Keamanan Nasional. PENDIPA Journal of Science Education, 5(2), 180–187. doi:10.33369/pendipa.5.2.180-187.
Badan Nasional Penanggulangan Bencana (BNPB). (2021). Petunjuk Teknis Penyusunan Bahaya Banjir. BNPB. Diakses 25 Juni 2025. https://drive.google.com/file/d/1WOMO8vbO5PeBce2s2mvwIyhYA0iZcDW6/view?usp=sharing
Cahyo, N., dkk. (2019). Modul Teknis Penyusunan Kajian Risiko Bencana Banjir Versi 1.0. Direktorat Pengurangan Risiko Bencana Badan Nasional Penanggulangan Bencana. Diakses 25 Juni 2025. https://drive.google.com/drive/folders/14jBMWTcrSCPxVqM0ZGYGrsj46RIDtIJF
Alif, M. M., Ramdani, F., & Purnomo, W. (2020). Pengembangan Plugin QGIS Untuk Mengakses Peta Geologis Seluruh Indonesia. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 4(7), 2269–2274. Universitas Brawijaya. http://j-ptiik.ub.ac.id
Azhari, F., Ramdani, F., & Prakoso, B. S. (2022). Pengembangan Plugin QGIS untuk Menghitung Tingkat Kepadatan Bangunan. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 6(5), 2256–2263. Universitas Brawijaya. http://j-ptiik.ub.ac.id
Pereira, G.W., Valente, D.S., Queiroz, D.M., Coelho, A.L., Costa, M.M., & Grift, T.E. (2022). “Smart-Map: An Open-Source QGIS Plugin for Digital Mapping Using Machine Learning Techniques and Ordinary Kriging”. Agronomy 2022, 12, 1350.
H. Priyanto, M. Muthahhari, dan A. D. Rizky. (2025). Perancangan Plugin QGIS untuk Penyusunan Indeks Bahaya Bencana Tanah Longsor. Jurnal Edukasi dan Penelitian Informatika (JEPIN).
Kurniati, N., Tampubolon, B., & Christanto, L. H. (2020). Pengaruh Penggunaan Media SIG dengan Aplikasi QGIS pada Pembelajaran Geografi terhadap Hasil Belajar Siswa Kelas X SMA N 6 Pontianak. Jurnal Pendidikan dan Pembelajaran Khatulistiwa, 9(4), 1–9.
Judijanto, L., Muhdiarta, U., & Nastiar, M. F. (2025). Implikasi Sosial dan Ekonomi dari AI dan Otomatisasi: Tinjauan Literatur Global. Journal of Community Dedication, 5(1), 70–82. https://www.researchgate.net/publication/387745770
Akinboyewa, T., Li, Z., Ning, H., & Lessani, M. N. (2025). GIS Copilot: towards an autonomous GIS agent for spatial analysis. International Journal of Digital Earth, 18(1). https://doi.org/10.1080/17538947.2025.2497489
Kaur, G., Singh Sehra, S., Singh, J., & Singh Rai, H. (2018). INTERNATIONAL JOURNAL OF RESEARCH IN ELECTRONICS AND COMPUTER ENGINEERING Enhancing the Capabilities of QGIS Processing Toolbox. 6. Retrieved www.w3.org/2002/07/owl
Taryana, A., Mahmudi, E, R, M., Bekti, Herjanto. (2022). Analisis Kesiapsiagaan Bencana Banjir di Jakarta. Jurnal Administrasi Negara, 13(2), Hlm. 302-311.
Hawker, L., Uhe, P., Paulo, L., Sosa, J., Savage, J., Sampson, C., & Neal, J. (2022). A 30 m global map of elevation with forests and buildings removed. Environmental Research Letters, 17(2). https://doi.org/10.1088/1748-9326/ac4d4f
Kausarian, H., Masdriyanto, S., Batara, Suryadi, A., & Lubis, M. Z. (2023). Geomorphology and Geology Studies Using Digital Elevation Model (DEM) Data In the Watershed Area of Kampar Regency, Riau Province. Journal of Geoscience, Engineering, Environment, and Technology, 8(3), 236–246. https://doi.org/10.25299/jgeet.2023.8.3.14454
McGranahan, G., Balk, D., & Anderson, B. (2007). The rising tide: Assessing the risks of climate change and human settlements in low elevation coastal zones. Environment and Urbanization, 19(1), 17–37. https://doi.org/10.1177/0956247807076960
Magnan, A. K., Oppenheimer, M., Garschagen, M., Buchanan, M. K., Duvat, V. K. E., Forbes, D. L., Ford, J. D., Lambert, E., Petzold, J., Renaud, F. G., Sebesvari, Z., van de Wal, R. S. W., Hinkel, J., & Pörtner, H. O. (2022). Sea level rise risks and societal adaptation benefits in low-lying coastal areas. Scientific Reports, 12(1). https://doi.org/10.1038/s41598-022-14303-w
Feng, S., Yang, K., Liu, J., Yang, Y., Zhao, L., Wen, J., Wan, C., & Yan, L. (2023). Multi-Hazard Population Exposure in Low-Elevation Coastal Zones of China from 1990 to 2020. Sustainability (Switzerland), 15(17). https://doi.org/10.3390/su151712813
