<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="166491">
 <titleInfo>
  <title>ANALISIS SPASIAL RISIKO DAN POTENSI BANJIR DI WILAYAH URBAN PADA PESISIR TIMUR PROVINSI ACEH DENGAN PENDEKATAN CLOUD COMPUTING</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>AY NAYA KAYRA</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Kelautan dan perikanan</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Pesisir timur Provinsi Aceh merupakan kawasan yang sangat rentan terhadap bencana banjir, akibat kombinasi dari faktor-faktor lingkungan alami dan kondisi sosial-ekonomi masyarakatnya. Penelitian ini bertujuan untuk memetakan risiko banjir yang membagi risiko ke dalam tiga komponen utama: hazard (bahaya), exposure (tingkat keterpaparan), dan vulnerability (kerentanan). Setiap komponen dibentuk dari sejumlah parameter tematik yang diolah secara spasial melalui platform Google Earth Engine (GEE) dengan pembobotan yang setara (equal weighting). Komponen hazard mencakup data topografi (SRTM), indeks posisi topografi (TPI), curah hujan (CHIRPS), vegetasi (NDVI), keberadaan badan air (NDWI), tinggi gelombang laut (CMEMS), kenaikan muka air laut (SLR), serta sebaran hutan mangrove. Komponen exposure memanfaatkan data kepadatan penduduk (GHSL), klasifikasi tutupan lahan (WorldCover), serta luasan tambak. Sedangkan vulnerability dihitung berdasarkan indikator Produk Domestik Bruto (PDB) dan Indeks Pembangunan Manusia (IPM). Hasil pemodelan menunjukkan bahwa risiko banjir tertinggi terkonsentrasi di beberapa wilayah pesisir. Kota Langsa, terutama Kecamatan Langsa Timur, menjadi kawasan dengan tingkat risiko paling tinggi. Hal serupa juga ditemukan di Kabupaten Aceh Tamiang, khususnya di Kecamatan Banda Mulia dan Seruway. Di Kabupaten Aceh Timur, Kecamatan Peureulak Timur dan Idi Rayeuk juga menunjukkan nilai risiko yang tinggi. Sementara itu, sebagian wilayah di pesisir utara Aceh Timur dan wilayah Langsa Barat cenderung memiliki tingkat risiko sedang hingga rendah. Temuan ini menunjukkan bahwa GEE sangat mendukung pemodelan spasial risiko banjir secara cepat, luas, dan efisien. Peta risiko yang dihasilkan dapat dimanfaatkan sebagai landasan penting dalam perencanaan tata ruang, perlindungan wilayah pesisir, serta strategi mitigasi dan adaptasi berbasis lokasi untuk mengurangi dampak bencana di masa mendatang.&#13;
&#13;
Kata kunci: risiko banjir, cloud computing, hazard, exposure, vulnerability, Google                                                            &#13;
                    Earth Engine.&#13;
</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>166491</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-07-24 12:51:31</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-07-24 15:56:26</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>