Pemetaan Resiko Banjir di DKI Jakarta Menggunakan Hazard Analysis dan Vulnerability Analysis PDF

Preview

Summary

PAPER: PEMETAAN RESIKO BANJIR DKI JAKARTA Oleh : Betha Nurina Sari 1306346544 Magister Ilmu Komputer Universitas Indonesia Depok JUNI 2014 Pemetaan Resiko Banjir di DKI Jakarta Menggunakan Hazard Analysis dan Vulnerability Analysis Betha Nurina Sari, Aniati MurniArymurthy Fakultas Ilmu Komputer, Uni...

Description

PAPER: PEMETAAN RESIKO BANJIR DKI JAKARTA

Oleh : Betha Nurina Sari 1306346544

Magister Ilmu Komputer Universitas Indonesia Depok JUNI 2014

Pemetaan Resiko Banjir di DKI Jakarta Menggunakan Hazard Analysis dan Vulnerability Analysis Betha Nurina Sari, Aniati MurniArymurthy Fakultas Ilmu Komputer, Universitas Indonesia [email protected], [email protected]

Abstrak DKI Jakarta merupakah salah satu kota terbesar di Asia Tenggara yang sekaligus menjadi ibu kota negara Indonesia yang rentan terhadap ancaman bencana banjir. Banjir yang paling besar yang terjadi di DKI Jakarta pada tahun 2007, karena hampir mengenai 70% area diperkirakan senilai 695.718 juta. Data spasial terdiri dari data lokasi bencana banjir 2007, sedangkan data non spatial terdiri dari data jumlah penduduk, data batas daerah kota dan desa. Metodologi yang digunakan melakukan hazard analysis dan vulnerability analysis. Hasil dari analisis kedalaman banjir pada tahun 2007, analisis kerentanan umur, kepadatan populasi dan bangungan berhasil diterapkan untuk memetakan resiko banjir di DKI Jakarta. Kata kunci : pemetaan, resiko, banjir, Jakarta

Latar Belakang DKI Jakarta merupakah salah satu kota terbesar di Asia Tenggara yang sekaligus menjadi ibu kota negara Indonesia yang termasuk daerah perkotaan padat penduduk. Empat puluh persen dari seluruh wilayah DKI Jakarta adalah dataran yang letaknya lebih rendah dari permukaan laut. Terdapat tiga belas sungai di DKI Jakarta yang bermuara di Laut Jawa. Selain kondisi geografis, pembangunan fisik di kawasan sungai, urbanisasi yang terus meningkat dan adanya tekanan pertumbuhan penduduk menyebabkan DKI Jakarta rentan terhadap ancaman bencana banjir (Team Mirah Sakethi, 2010). Banjir termasuk bencana alam yang paling sering terjadi di DKI Jakarta. Berdasarkan laporan BNPB pada tahun 2012, hampir 63% kejadian banjir terjadi selama beberapa tahun melebihi kejadian

jenis bencana alam yang lain (Team of Urban Studies, 2012). Banjir yang paling besar yang terjadi di DKI Jakarta pada tahun 2007, adapun detail kondisinya dapat dilihat pada tabel 1.(Bappenas, 2010) Tabel 1. Kondisi banjir di DKI Jakarta Komponen Luas area (km2) Area genangan (km2) Persentasi area Populasi Jumlah pengungsi (5-6 Feb) Jumlah Meninggal (12 Feb)

Jumlah 649,71 454,8 70 9.041.605 276.333 48

Banjir pada tanggal 14 Februari 2007 menyebabkan kerusakan dan kerugian terhadap aset pemerintah, dunia usaha dan masyarakat diper-kirakan senilai 5,16 triliun di wilayah Jabodetabek. Khusus di DKI Jakarta, kerugian yang diderita akibat bencana alam banjir sebesar 695.718 juta, dapat dilihat pada tabel 2. (Bappenas, 2010)

Tabel 2. Jumlah rumah terendam genangan banjir dan perkiraan kerugian

Tujuan yang ingin dicapai dari penelitian yang akan dilakukan adalah menyusun peta resiko bencana banjir (risk flood maping) di DKI Jakarta dengan mempertimbangkan 2 jenis analisis, yaitu hazard analysis (analisis bencana) dan vulnerability analysis (analisis kerentanan). Penelitian sejenis pernah dilakukan oleh Phong Tran, Rajib Shaw, Guillaume Chantry and John Norton yang dilatarbelakangi oleh masalah kerusakan akibat bencana alam di Viet Nam meningkat tajam (20 tahun terakhir), terutama banjir. Pemerintah Viet Nam ingin mengadakan program preventif di tingkat keluarga yang dekat area rawan bencana alam, tetapi belum ada solusi teknis untuk mengurangi resiko bencana alam. Sebenarnya di Viet Nam, NGO. Selain itu, seringnya terjadi banjir di Sri Lanka akibat sering terjadi hujan yang sangat lebat di Sri Lanka (posisi Sri Lanka di tengah Lautan Indian) membuat Samarasinghe, dkk meneliti tentang bagaimana memetakan resiko banjir. Iklim di Sri Lanka yang bersifat two monsoonal rains dan two inter-monsoonal rains dalam 1 tahun. Hal ini menyebabkan dataran rendah dekat sungai Kalu-Ganga, KelaniGanga and Gin-Ganga sering terkena banjir.

Untuk studi kasus di Indonesia, Yuni Reti Intarti, dkk membahas terkait disaster management di DKI Jakarta dan Yogyakarta. Bencana alam banjir merupakan permasalahan yang serius yang harus disikapi di DKI Jakarta, salah satunya dengan melakukan pemetaan resiko banjir di Jakarta. Pemetaan resiko bencana banjir bisa didapatkan dari tingkat bahaya, kerentanan dan kapasitas dampak bencana. Hal tersebut dibandingkan dengan kasus bencana alam gempa bumi di Yogyakarta, yang menunjukkan adanya disaster management yang lebih baik. Data dan Metodologi Data yang digunakan dalam penelitian yang diajukan berupa data spasial dan data non spatial. Data spasial terdiri dari data lokasi bencana banjir 2007, sedangkan data non spatial terdiri dari data jumlah penduduk, data batas daerah kota dan desa. Kedua jenis data ini dikumpulkan dari web yang menyediakan open data. Metodologi yang digunakan untuk pemetaan resiko banjir adalah dengan mempertimbangkan faktor bencana dan faktor kerentanan, yaitu dapat dilihat dari Gambar 1. Hazard analysis terdiri dari analisis kedalaman bajir Jakarta pada tahun 2007. Vulnerability analysis terdiri dari analisis kerentanan umur, populasi, bangunan untuk menghitung kerentanan dari faktor fisik dan sosial.

Hazard Analysis

Analisis Resiko

Vulnerability analysis

Gambar 1. Analisis resiko banjir Adapun penentuan Resiko Banjir dengan rumus berikut : Risk index = Hazard index x Vulnerability index

Hazard index didapatkan dari parameter kedalaman banjir yang terjadi, durasi dan tingkat level air. Berikut ini tabel 3 menunjukkan indeks bencana untuk kedalaman banjir. Tabel 3. Indeks bencana banjir (kedalaman banjir) Kedalaman (m) Bebas banjir 0< k < 1 1< k < 3 3< k

Kategori bencana bebas rendah sedang tinggi

Bobot bencana 0 1 2 3

Adapun vulnerability index didapatkan dari beberapa parameter yang diteliti, yaitu meliputi penentuan parameter ranking rentan resiko dari kategori umur, kepadatan penduduk, bahan bangunan Untuk penentuan resiko umur dalam analisis kerentanan digunakan pengkategorian seperti pada tabel 3 . Tabel 3. Indeks kerentanan bencana berdasarkan umur Kategori 1 2 3 4

Kelompok umur Umur < 5 th 5 th < umur < 25 th 25 th < umur < 60 th Umur > 60 th

Bobot 3 2 1 3

dan rumusnya adalah sebagai berikut : �=

�=1−4

�

(�)

dimana AV adalah age vulnerability (kerentanan umur), A(i) adalah jumlah nilai tiap kelompok umur dan B(i) adalah bobot rangking dari setiap kelompok umur. Untuk penentuan resiko jumlah penduduk dalam analisis kerentanan digunakan pengkategorian seperti pada tabel 4. Tabel 4. Indeks kerentanan bencana berdasarkan kepadatan penduduk Kategori 1 2 3

Tingkat kepadatan penduduk < 500 jiwa / km2 500-1000 jiwa / km2 > 1000 jiwa / km2

Bobot 3 2 1

dan rumusnya adalah sebagai berikut : �� =

�=1−4

� �

(�)

dimana PV adalah population vulnerability (kerentanan populasi), P(i) adalah kepadatan penduduk per desa/kelurahan dan B(i) adalah bobot rangking dari setiap desa/kelurahan. Untuk penentuan resiko bahan/ material bangunan dalam analisis kerentanan digunakan pengkategorian seperti pada tabel 5. Tabel 5. Indeks kerentanan bencana berdasarkan kepadatan penduduk Kategori 1 2 3 4 5 6 7

Material bangunan brick Kabok Batu (cement blocks) Presses soil blocks Lumpur/ tanah Cadjan / palmyra Planks / metal sheets

Bobot 1 2 3 4 5 6 7

dan rumusnya adalah sebagai berikut :

�=

�=1−4

� �

berdasarkan kategori resiko yang telah ditentukan.

(�)

dimana BV adalah building vulnerability (kerentanan bangunan), P(i) adalah jumlah bangunan di dalam kelompok material tertentu dan B(i) adalah bobot rangking dari setiap kelompok material. Untuk penghitungan analisis kerentanan, ketiga parameter diatas dijumlahkan sebelum diproses dengan hasil indeks resiko bahaya (hazard index), yaitu dengan rumus. �� = ������� ( � + �� + �) dimana VI adalah vulnerability index , AV adalah age vulnerability (kerentanan umur), PV adalah population vulnerability (kerentanan bangunan),dan BV adalah building vulnerability (kerentanan bangunan). Sehingga dapat dikategorikan resiko bencana banjir seperti pada tabel 6. Tabel 6. Kategori resiko bencana ditentukan dengan parameter berikut Kategori resiko 1 2 3 4

Rentang nilai 0-0 0-3 3-6 4>6

Klasifikasi

Indeks

bebas resiko rendah sedang tinggi

1 2 3 4

Hasil Berikut ini adalah hasil implementasi metodologi penelitian untuk dapat memetakan resiko banjir di DKI Jakarta, yaitu terdapat hasil pemetaan hasil analisis bencana (hazard analysis), hasil kerentanan umur (age vulnerability), dan kerentanan populasi (population vulnerability). Untuk mendapatkan hasil analisis bencana banjir, berikut ini adalah peta lokasi kejadian banjir di DKI Jakarta dan selanjutnya dipetakan

Gambar 2. Peta lokasi banjir dan peta hazard index Hasil analisa kerentanan (vulnerability analysis) yang terdiri dari umur, kepadatan populasi dan bangunan dapat dilihat pada gambar 3.

Gambar 2. Peta hasil analisa kerentanan (vulnerability analysis) Kesimpulan Penelitian ini menunjukkan bahwa data spasial dan data non spasial yang digunakan dapat diterapkan untuk memetakan resiko banjir di DKI Jakarta yang dapat mendukung persiapan bencana dan bantuan. Hasil dari pemetaan resiko banjir di DKI Jakarta dapat dilihat pada gambar 4, dimana telah terbagi menjadi resiko tinggi, sedang, rendah dan bebas.

Spatial Information Science : 38 (8) : 2010. Tran, Phong, et all. GIS and local knowledge in disaster management: a case study of flood risk mapping in Viet Nam. Disaster : 2008. Team Mirah Sakethi. Mengapa Jakarta Banjir. Jakarta. 2010 Team of Urban Studies, Final Report of Risk Mapping at 9 Provinces in Indonesia, Jakarta: PT Sucofindo, 2012. Gambar 4. Peta Resiko Banjir Jakarta Daftar Pustaka Bappenas. Laporan Penilaian Kerusakan dan Kerugian Pasca Bencana Banjir. Jakarta. 2010 Intarti,Yuni Reti,et all. Towards Disaster Management in Indonesia Case Studies: Jakarta and Yogyakarta Provinces. International Journal of Disaster Recovery and Business Continuity : 4 (2013). pp.11-2. Samarasinghe, S.M.J.S., et all. Application Of Remote Sensing And Gis For Flood Risk Analysis:A Case Study At Kalu- Ganga River, Sri Lanka. International Archives of the Photogrammetry, Remote Sensing and...