Perubahan alih fungsi lahan dapat menyebabkan perubahan dalam lingkungan alam, seperti perubahan vegetasi, perubahan daya serap tanah, maupun sedimentasi sungai sehingga berpotensi mengakibatkan bencana alam. Apabila tidak dilakukan penanganan terhadap tata kelola penggunaan lahan dengan serius maka akan menyebabkan peningkatan debit air pada setiap tahunnya, sehingga daerah di sekitar sungai Tuntang akan berpotensi sebagai daerah yang rawan terdampak banjir. Pada penelitian ini, dilakukan pengklasifikasian menggunakan metode Normalized Difference Vegetation Index (NDVI), Normalized Difference Wetness Index (NDWI), Soil Adjusted Vegetation Index (SAVI), Standardized Precipitation Index (SPI) dan Interpolasi menggunakan Inverse Distance Weighted (IDW) kemudian di skoring untuk menganalisa daerah-daerah khususnya desa yang berpotensi rawan banjir pada sekitar Daerah Aliran Sungai Tuntang di Kecamatan Bawen dan Kecamatan Tuntang. Hasil dari penelitian ini menyimpulkan bahwa Kecamatan Bawen dan Kecamatan Tuntang merupakan daerah yang tidak rawan banjir dikarenakan tutupan lahan vegetasinya masih baik dan curah hujan masih dalam kapasitas normal.

Drought is a natural disaster that occurs slowly and lasts a long time. Bantul and Gunung Kidul Regencies, Special Region of Yogyakarta are also areas affected by high drought risk. This happened because the area was the result of the construction of a cement factory and limestone mining along the Sewu Mountains. Prediction and classification of areas affected by drought can be done more accurately over large areas by extracting vegetation indices through remote sensing imagery. This research was conducted to provide information about the potential risk of drought in the region using Landsat 8 OLI spectral vegetation index data. Prediction or classification of drought potential using Artificial Neural Network. Vegetation index used in this study is NDVI, TCI, VCI, and VHI. Correlation results between vegetation indices showed the highest correlation occurred between the vegetation index TCI and VHI with the potential for a medium drought of 0.501 and the potential for a high drought of 0.684. Also obtained are the results of the classification of 9 villages that fall into the category of high drought potential (High Risk). Accuracy results and Kappa values indicate that Random Forest is the best method used with a breakdown of values of 99.91% and 99.81%, respectively. Spatial prediction results are performed using Inverse Distance Weighted (IDW) on vegetation index and prediction. Testing of spatial relationships between villages that have the potential for drought is done using Moran s I. analysis.  

Kecamatan Bandungan dan Sumonowo merupakan wilayah di Kabupaten Semarang yang ditetapkan sebagai kawasan Agropolitan. Dalam beberapa survei dan penelitian di kawasan yang memiliki kesamaan administratif dan geografis tersebut menunjukan tren perubahan produktifitas pertanian akibat pembangunan. Pendekatan sistem informasi geografis digunakan dalam penelitian ini dengan alasan untuk bisa menganalisis objek spasial secara menyeluruh pada kawasan terkait. Penelitian ini berusaha memetakan penataan ruang secara objektif dengan metode Artificial Neural Network. Dimana hubungan antar objek spasial dikalkulasikan potensi perubahannya pada dua data spasial yang berbeda   tempo. Hasilnya didapatkan bahwa simulasi objektif dengan metode ANN terhadap data spasial hasil klasifikasi menggunakan metode minimum distance diperoleh min validation error 0,0656. Hasil validasinya juga cukup baik, yaitu memperoleh prosentasi kebenaran 85,3% dan index kappa 0.80. Peta simulasi dihasilkan sampai pada tempo 2021. Dari peta simulasi didapatkan pengetahuan bahwa sistem pertanian terbuka akan terus mengalami pertumbuhan luasan secara positif dengan kisaran 0,015%. Adapun sistem pertanian tertutup akan terus mengalami penyusutan luasan pada kisaran 0,01%. Pengetahuan ini bisa menjadi alternaif solusi dalam mempertimbangkan implementasi rencana tata ruang dan wilayah pada kawasan terkait.