hidrologisbig.go.id/e-ppid/asset/laporan-pelaksanaan-penelitian2018/lap akhir... · perubahan...

HIDROLOGIS

LA

PO

RA

N A

KH

IR K

EG

IATA

N P

EN

EL

ITIA

N - T

AH

UN

20

18

HIDROLOGIS

LAPORAN AKHIR KEGIATAN PENELITIAN

TAHUN 2018

BIDANG PENELITIAN

PUSAT PENELITIAN PROMOSI DAN KERJASAMA

HIDROLOGIS

Bencana hidrologis diartikan sebagai kejadian yang disebabkan oleh perubahan siklus hidrologi maupun fenomena meteorologis yang berpotensi menyebabkan hilangnya nyawa, cidera atau dampak-dampak kesehatan lain, kerusakan harta benda, hilangnya penghidupan dan layanan, serta gangguan sosial ekonomi, atau kerusakan lingkungan. Buku ini adalah laporan akhir kegiatan penelitian Tahun 2018 yang dilaksanakan oleh Bidang Penelitian, Pusat Penelitian Promosi dan Kerjasama, Badan Informasi Geospasial. Buku ini merangkum hasil kegiatan penelitian dengan tema kebencanaan hidrologis dari perspektif ruang kebumian (geospasial), berikut juga disertakan hasil penelitian yang disusun dalam bentuk karya tulis ilmiah. Kegiatan penelitian ini bertujuan untuk menghasilkan data pemodelan berdasarkan pengolahan, analisis dan simulasi terhadap simplifikasi fenomena banjir secara aktual, sementara pendekatan yang digunakan dalam analisis model yaitu pendekaatan hidrodinamika. Secara prinsip, konsep dalam penelitian ini menerapkan integrasi data geospasial yang dimodelkan melalui persamaan gelombang air dangkal untuk mendapatkan simulasi hidrodinamika banjir. Luaran data model yang dihasilkan diharapkan akan dapat digunakan sebagai salah satu referensi pembuat kebijakan, terutama yang berhubungan dengan penanganan kejadian bencana banjir, serta mampu dimanfaatkan untuk keperluan akademis maupun kepentingan praktis.

LAPORAN AKHIR KEGIATAN PENELITIAN

BADAN INFORMASI GEOSPASIAL

Jl. Raya Jakarta - Bogor KM. 46 Cibinong, 16911 Bogor, Jawa Barat, Indonesia Telp: 021-8752062, Fax: 021-8752064, Surel: [email protected]

Laporan Akhir Kegiatan Penelitian Bidang Penelitian – Pusat Penelitian, Promosi, Kerjasama

Tahun 2018

Penelitian Kebencanaan Hidrologis

Tim Pelaksana :

⎖ Nugroho Purwono

⎖ Munawaroh

⎖ Yosef Prihanto

⎖ Jaka Suryanta ⎖ Yatin Suwarno ⎖ Priyadi Kardono ⎖ Utami Yulaila ⎖ Erlan Roslaendi

Supervisor :

⎖ Prof. Dr. Dewayany Sutrisno

Badan Informasi Geospasial

i

Kata Pengantar

Puji syukur kehadirat Allah Yang Maha Kuasa, sehingga laporan kegiatan “Penelitian

Kebencanaan Hidrologis” ini dapat diselesaikan. Hasil kegiatan penelitian ini merupakan

salah satu bentuk kontribusi Pusat Penelitian, Promosi dan Kerja Sama melalui Bidang

Penelitian untuk Badan Informasi Geospasial dalam bentuk pilihan pustaka maupun

pemodelan terkait penelitian kebencanaan hidrologis, khususnya terkait pemodelan

hidrodinamika banjir.

Dewasa ini, walaupun Indonesia sudah bisa dikatakan cukup mandiri untuk melakukan

proses pemetaan, dukungan yang dilakukan Badan Informasi Geospasial (BIG) sebagai

lembaga yang mempunyai otoritas di bidang pemetaan juga dinantikan oleh berbagai

pihak. Salah satu bentuk dukungan yang mampu diberikan Badan Informasi Geospasial

(BIG) yaitu menyediakan kajian teknis atau penelitian khususnya terkait pemetaan

tematik. Seperti halnya dengan keperluan analisis bencana hidrologis khususnya terkait

fenommena banjir di wilayah Indonesia. Dengan demikian maka, dilaksanakan kegiatan

Penelitian Kebencanaan Hidrologis pada tahun 2018 ini sebagai bentuk respon dan

kontribusi terhadap penanganan fenomena bencana secara ruang kebumian

(geospasial).

Akhir kata, semoga laporan penelitian ini bermanfaat bagi institusi terkait, para praktisi,

akademisi, serta para pembaca secara umum.

Cibinong, Desember 2018

Kepala Pusat Penelitian, Promosi, Kerjasama

Dr. Wiwin Ambarwulan, M.Sc

ii Laporan Penelitian Kebencanaan Hidrologis – Pemodelan Hidrodinamika Banjir

DAFTAR ISI

KATA PENGANTAR ............................................................................................... i

DAFTAR ISI ......................................................................................................... ii

DAFTAR GAMBAR .............................................................................................. iv

BAB I. LAPORAN PELAKSANAAN KEGIATAN PENELITIAN ......................................... 1

1.A. Latar Belakang ...................................................................................... 1

1.B. Tujuan Pelaksanaan Kegiatan .............................................................. 5

1.C. Metode Pelaksanaan Kegiatan ............................................................. 5

a. Skema Proses Kegiataan ........................................................................... 5

b. Waktu Pelaksanaan Kegiataan ................................................................... 7

c. Personil Pelaksana Kegiataan ..................................................................... 7

d. Lokasi Pengujian Kegiataan ....................................................................... 8

1.D. Tinjauan Pustaka ................................................................................ 10

a. Daerah Aliran Sungai (DAS) ..................................................................... 10

b. Banjir ..................................................................................................... 11

c. Hidrograf ............................................................................................... 13

d. Pemodelan Banjir (HEC) .......................................................................... 15

1.E. Pelaksanaan Pemodelan ..................................................................... 19

a. Skema Teknis dan Tahapan Pemodelan .................................................... 19

b. Data dan Parameter ................................................................................ 22

c. Variabel Model dan Modul Parameter ........................................................ 23

d. Eksekusi dan Analisis Model ..................................................................... 24

1.F. Pelaksanaan Survei Lapangan ............................................................ 35

1.G. Pelaksanaan Evaluasi dan Pelaporan ................................................. 37

1.H. Luaran (Output) Kegiatan .................................................................. 38

1.I. Dampak (Outcome) Kegiatan ............................................................. 38

1.J. Ringkasan dan Kesimpulan ................................................................ 39

1.K. Daftar Referensi .................................................................................. 41

iii Laporan Penelitian Kebencanaan Hidrologis – Pemodelan Hidrodinamika Banjir

BAB II. LUARAN KARYA TULIS ILMIAH HASIL KEGIATAN ......................................... 42

2.A. Ringkasan ........................................................................................... 42

2.B. Luaran Karya Tulis Ilmiah - 1 ............................................................ 44

2.C. Luaran Karya Tulis Ilmiah - 2 ............................................................ 60

2.D. Luaran Karya Tulis Ilmiah - 3 ............................................................ 76

iv Laporan Penelitian Kebencanaan Hidrologis – Pemodelan Hidrodinamika Banjir

DAFTAR GAMBAR

Gambar 1. Jumlah bencana hidrometeorologis dalam periode 1980-2011 ............... 2

Gambar 2. Tren kejadian bencana dalam satu dekade terakhir di Indonesia ........... 3

Gambar 3. Desain pelaksanaan kegiatan penelitian kebencanaan hidrologis ........... 6

Gambar 4. Time-line pelaksanaan kegiatan penelitian kebencanaan hidrologis ....... 7

Gambar 5. Lokasi uji coba model pada pelaksanaan kegiatan penelitian ................ 9

Gambar 6. Daerah Aliran Sungai (DAS) ................................................................ 10

Gambar 7. Tipe bentuk DAS terhadap bentuk hidrograf aliran sungai .................... 11

Gambar 8. Pengaruh hujan terhadap bentuk hidrograf aliran ................................ 14

Gambar 9. Skema Kontinyuitas aliran pada jenis aliran tak-permanen ................... 17

Gambar 10. Konsep ekspansi genangan sungai pada tipe aliran tak-permanen ........ 21

Gambar 11. Karakteristik ekspansi genangan sungai pada tipe aliran tak-permanen dan

hubungan variabel hidrolika sungai ................................................... 21

Gambar 12. Alur pengolahan data dan analisis model dalam penelitian ................... 22

Gambar 13. Data dan parameter yang digunakan dalam pemodelan ....................... 23

Gambar 14. Langkah eksekusi model dalam penelitian .......................................... 24

Gambar 15. Contoh input data hujan efektif yang digunakan dalam penelitian ......... 25

Gambar 16. Indeks Manning’s berdasar tipe penutup lahan ................................... 26

Gambar 17. File geometri (conditional boundary dan mesh points) yang disusun untuk

simulasi model ................................................................................ 27

Gambar 18. Profil geometri sungai (cross section) berdasar topografis .................... 28

Gambar 19. Contoh hasil simulasi aliran dan genangan di wilayah penelitian ............ 30

Gambar 20. Nilai ketinggian (m) genangan dari hasil simulasi di wialyah penelitian .. 31

Gambar 21. Perbandingan nilai hidrograf sebelum dan sesudah dilakukan kalibrasi

dengan HEC-HMS ............................................................................. 32

Gambar 22. Kurva hasil validasi simulasi pada periode waktu 2018 ........................ 33

Gambar 23. Dokumentasi pelaksanaan survei lapangan di wilayah studi .................. 36

Gambar 24. Dokumentasi pelaksanaan evaluasi dan pelaporan kegiatan ................. 37

2018| LAPORAN KEGIATAN PENELITIAN KEBENCANAAN HIDROLOGIS – PEMODELAN HIDRODINAMIKA BANJIR

1 BAB I - LAPORAN PELAKSANAAN KEGIATAN PENELITIAN

BAB I - LAPORAN PELAKSANAAN KEGIATAN PENELITIAN

1.A Latar Belakang

Indonesia adalah satu-satunya negara Asia yang secara alamiah berada

pada daerah ekuator dan pertemuan lempeng tektonik utama. Konsekuensi

kondisi geografis Indonesia sangat erat terhadap berbagai macam potensi

bencana alam sebagai bagian dari fenomena alamiah yang perlu masyarakat

waspadai. Potensi terjadinya bencana alam yang sangat sering terjadi meliputi

bencana hidrologis, bencana meteorologis, bencana tektonik, dan bencana

vulkanik. Dalam rangka meminimalkan risiko bencana melalui tindakan mitigasi

dan adaptasi, maka peran ilmu pengetahuan dan teknologi mempunyai andil

yang sangat penting. Perkembangan ilmu pengetahuan dan teknologi

memungkinkan upaya mitigasi melalui berbagai integrasi sistem, perangkat,

serta berbagai metode analisis bencana sehingga proses penanganan bencana

menjadi lebih terukur dan tepat sasaran.

Sejalan dengan program Rencana Induk Riset Nasional (RIRN),

pengembangan teknologi dan informasi menjadi salah satu fokus riset dalam

Program Riset Nasional (PRN) Tahun 2017-2019. Pengembangan teknologi dan

informasi meliputi berbagai hal dan keperluan, diantaranya yaitu untuk

menyediakan informasi khususnya terkait kebencanaan. Ketersediaan informasi

kebencanaan yang handal sangat berguna bagi para pengambil keputusan dalam

setiap proses penanganan. Dengan demikian maka, informasi kebencanaan

menjadi salah satu bidang fokus yang mempunyai urgensi untuk dilakukan kajian

dan pengembangan pada berbagai sektor.

Salah satu tema kebencanaan yang paling sering menjadi fokus utama

saat ini yaitu kebencanaan hidrometeorologis. Bencana hidrometeorologis

didefinisikan sebagai kejadian yang disebabkan oleh perubahan siklus hidrologi

maupun lingkup meteorologis yang dapat menyebabkan hilangnya nyawa,

cedera atau dampak-dampak kesehatan lain, kerusakan harta benda, hilangnya

penghidupan dan layanan, gangguan sosial dan ekonomi, atau kerusakan



lingkungan (UNISDR, 2015). Panel Antarpemerintah tentang Perubahan Iklim

juga mendefinisikan bencana hidrometeorologis sebagai, peristiwa yang

disebabkan oleh penyimpangan dalam siklus air normal dan / atau aliran air yang

disebabkan oleh perubahan kondisi meteorologis (Intergovermental Panel on

Climate Changes / IPCC, 2009). Insiden bencana hidrometeorologis memiliki

keterkaitan terhadap bahaya sekunder akibat proses meteorologis lainnya,

seperti curah hujan berkepanjangan, peristiwa La Nina maupun kejadian cuaca

ekstrim lainya. Demikian halnya dengan negara Indonesia berikut sejumlah

bahaya bencana hidrometeorologis yang berpotensi memberikan dampak yang

sangat signifikan.

Gambar 1. Jumlah bencana hidrometeorologis (global) dalam periode 1980-2011 Sumber : (UNISDR, 2013)

Diakses melalui : https://unisdr.org/we/inform/disaster-statistics

Secara global, bencana banjir adalah fenomena bencana yang paling

sering terjadi secara periode ulang dan menduduki peringkat tertinggi dari segi

potensi kerugian tahunan rata-rata (Average Annual Loss) (Global Assessment

Report on Disaster Risk Reduction, 2015). Dalam beberapa dekade terakhir,

kejadian bencana yang paling sering terjadi di negara tropis yaitu kejadian

bencana banjir, demikian halnya dengan Indonesia (BNPB, 2018). Pemerintah

Indonesia mencatat tren kejadian bencana yang terjadi dalam 10 tahun terakhir

didominasi oleh bencana banjir, dengan jumlah kejadian bencana sebanyak



7.168 kejadian (BNPB, 2018). Oleh karena itu, kejadian banjir menjadi urgensi

tersendiri dalam aspek penanganan bencana di negara ini.

Gambar 2. Tren kejadian bencana dalam satu dekade terakhir di Indonesia Sumber : (BNPB, 2018)

Diakses melalui : http://dibi.bnpb.go.id/dibi/

Pengertian umum mengenai fenomena banjir mendefinisikan sebagai

kejadian luapan air akibat perubahan volume air di dalam tubuh air, seperti

sungai atau danau, yang meluap sehingga menyebabkan kondisi volume air

berada di atas kondisi normal. Dewasa ini peristiwa tersebut berkaitan erat

terhadap kondisi perubahan iklim dan cuaca, perubahan penggunaan lahan,

maupun kondisi geografis dari suatu wilayah. Oleh karena itu, fenomena banjir

merupakan salah satu masalah yang sering dikaitkan terhadap isu lingkungan

dan pada umumnya merupakan akumulasi dari berbagai faktor penyebab yang

cukup kompleks.

Upaya penyelesaian permasalahan bencana banjir telah banyak dilakukan

baik oleh pemerintah maupun masyarakat luas, akan tetapi mengingat

kompleksitas masalah yang dihadapi, maka penyelesaian belum dapat dirasakan

masyarakat secara keseluruhan. Salah satu kelemahan yang terjadi saat ini ialah



terbatasnya suatu sistem penyediaan data banjir yang terpadu untuk

mengantisipasi atau mereduksi risiko akibat fenomena bencana alam tersebut.

Di sisi lain, keterbatasan informasi yang akurat yang memuat aktualitas kondisi

lapangan serta historis dari fenomena banjir menjadi salah satu kendala yang

belum dapat terakomodir secara menyeluruh. Sementara itu, dalam konteks

kebutuhan penanganan bencana, analisis terhadap parameter fenomena

bencana banjir juga masih terdiskrit secara spasial. Dengan demikian maka,

sejumlah kendala tersebut menjadi latar belakang masalah yang harus

diselesaikan oleh berbagai pihak.

Salah satu prioritas dalam penyelesaian masalah kebencanaan khususnya

bencana banjir, yaitu terkait kajian atau kajian informasi geospasial

kebencanaan. Solusi tantangan sektor ruang kebumian (geospasial) di Indonesia

yaitu penyediaan informasi yang dapat dijadikan sebagai dasar dalam

menentukan metode, pengambilan keputusan dan langkah-langkah strategis

dalam penanganan kebencanaan secara periodik, tepat, akurat, dan relevan.

Saat ini penyediaan konten data dan informasi geospasial untuk mendukung

analisa risiko bencana dituntut untuk lebih mengedepankan kemudahan akses

serta tingkat kepercayaan atau akurasi informasi. Oleh karena itu maka, fungsi

dan peran analisis terhadap informasi geospasial yang tepat dan akurat sangat

dibutuhkan dalam mengakomodir kebutuhan informasi tersebut.

Salah satu pendekatan yang digunakan untuk menilai dan memodelkan

fenomena banjir yaitu model hidrodinamika. Selama dekade terakhir,

penyusunan model hidrodinamika merupakan bagian dari pendekatan lanjut

(advance approach) pada studi bencana. Perkembangan studi tersebut juga

didorong oleh kemajuan dalam teknik akuisisi data, ketersediaan fasilitas

komputasi berkapasitas tinggi dan model numerik yang efisien (Alemseged &

Rientjes, 2007). Penyusunan model banjir juga dituntut untuk mampu

mengakomodir kebutuhan informasi dalam dimensi ruang dan waktu (spatio –

temporal). Faktor dimensi ruang dan waktu mempunyai urgensi tersendiri,

terlebih lagi terkait aspek pemodelan spasial untuk penanggulangan dan adaptasi

bencana.



1.B Tujuan Pelaksanaan Kegiatan

Kegiatan ini bertujuan untuk mendapatkan hasil studi metode model

bencana hidrologis dengan pendekatan hidrodinamika guna mendukung

pelaksanaan kajian kebencanaan hidrologis khususnya terkati banjir. Studi model

hidrodinamika dilakukan untuk mengakomodir kebutuhan informasi ruang

kebumian (geospasial) terkait fenomena bencana banjir berdasarkan kajian

ilmiah dan metode yang sistematis. Sasaran dari penelitian ini adalah untuk

memperoleh informasi metode berdasar analisis data geospasial khususnya

terkait fenomena bencana banjir. Dengan demikian maka, luaran atau output

kegiatan ini diharapkan dapat mendukung pelaksanaan kegiatan di bidang

kebencanaan dalam bentuk acuan referensi ilmiah, serta mampu memberikan

manfaat di bidang akademis maupun praktis.

1.C Metode Pelaksanaan Kegiatan

Kegiatan penelitian ini dilaksanakan di lingkungan Badan Informasi

Geospasial yaitu oleh Bidang Penelitian, Pusat Penelitian Promosi dan Kerjasama.

Pelaksanaan kegiatan penelitian kebencanaan hidrologis ini juga diinisiasi oleh

Bidang Penelitian sebagai upaya untuk memberikan dukungan informasi hasil

kajian kepada unit teknis penyelerenggara data di lingkup Badan Informasi

Geospasial, dalam hal ini yaitu Pusat Pemetaan dan Integrasi Tematik. Adapun

secara administrasi, pelaksanaan kegiatan ini dilakukan dengan mekanisme

swakelola dengan biaya yang bersumber dari DIPA Badan Informasi Geospasial

Tahun Anggaran 2018. Masing-masing pelaksanaan teknis kegiatan meliputi

beberapa tahapan yang telah dilakukan pada periode satu tahun anggaran,

rincian teknis kegiatan tersebut dijelaskan sebagaimana uraian paragraf pada

bagian selanjutnya.

a. Skema Proses Pelaksanaan Kegiatan

Proses pelaksanaan penelitian diawali dengan tahapan penyusunan desain

penelitian. Waktu pelaksanaan kegiatan dilakukan dari bulan pertama yaitu

Januari sampai dengan Desember 2018. Dimulai dari tahapan penyusunan

penyusunan desain penelitian sampai dengan evaluasi dan pelaporan kegiatan.

Secara keseluruhan, teknis pelaksanaan kegiatan dalam tahapan ini dilakukan



dalam bentuk rapat, koordinasi dengan K/L terkait, serta konsinyasi pembahasan

kegiatan.

Gambar 3. Desain pelaksanaan kegiatan penelitian kebencanaan hidrologis

Desain penelitian terdiri dari kerangka rencana kerja yang akan dilakukan

dari awal sampai akhir kegiatan penelitian. Tahapan ini dilaksanakan di awal

tahun kegiatan, dimana tahapan ini dimulai dengan penentuan anggota tim,

koordinasi internal dan eksternal, pengumpulan bahan referensi dari berbagai

sumber untuk tinjauan pustaka. Proses penyusunan desain penelitian dilakukan

melalui proses rapat teknis secara intensif (intensive meeting). Tahapan

selanjutnya yaitu penyusunan metodologi penelitian. Sasaran yang diperoleh dari

tahapan penyusunan metodologi adalah studi pustaka, penentuan area penelitian,

serta ujicoba model yang digunakan. Detil dari studi metodologi penelitian

diuraikan pada bagian selanjutnya.

Selanjutnya yaitu tahapan pelaksanaan survei lapangan. Pelaksanaan

survei lapangan dilakukan untuk menguji model yang diterapkan. Ujicoba model

yang diterapkan menggunakan sejumlah pilihan model, data, dan instrumen

pengolah data geospasial. Ujicoba dilakukan dengan menjalankan pilihan model

hidrologis dengan menggunakan variabel data geospasial sesuai paramater

model. Berikutnya adalah tahapan survei lapangan. Survei lapangan dilakukan

dengan cara observasi atau pengamatan indikator dan variabel hidrologis. Secara

lebih rinci, hasil observasi diuraikan pada bagian berikutnya (bagian hasil

pelaksanaan survei lapangan).



Tahapan berikutnya yaitu analisis terhadap data model yang dihasilkan.

Pada tahapan ini model yang dihasilkan dari proses pengolahan (running model)

diuji validitas dan kesesuaian terhadap hasil survei lapangan. Tahapan terakhir

dari pelaksanaan kegitan ini yaitu proses pelaporan. Proses pelaporan

dilaksanakan mulai bulan November sampai bulan Desember Tahun 2018.

b. Waktu Pelaksanaan Kegiatan

Kegiatan penelitian ini dilaksanakan dalam satu tahun anggaran, periode

pelaksanaan kegiatan dimulai Januari sampai dengan Desember 2018. Waktu

pelaksanaan kegiatan dibagi menjadi lima periode berdasarkan masing-masing

tahapan Secara keseluruhan, timeline waktu dan proporsi pelaksanaan dari

kegiatan penelitian Penelitian Kebencanaan Hidrologis disajikan pada grafik

sebagai berikut.

Gambar 4. Time-line pelaksanaan kegiatan penelitian kebencanaan hidrologis

c. Personil Pelaksana Kegiatan

Kegiatan penelitian ini dilaksanakan oleh tim Penelitian Kebencanaan

Hidrologis yang terdiri dari sejumlah personil dari Bidang Penelitian, Pusat Promosi

dan Kerjasama, Badan Informasi Geospasial. Tim personil pelaksana kegiatan ini

adalah sebagai berikut.



No. Nama Jabatan

1. Nugroho Purwono Peneliti Pertama

2. Munawaroh Peneliti Pertama

3. Yosef Prihanto Peneliti Muda

4. Jaka Suryanta Peneliti Madya

5. Yatin Suwarno Peneliti Utama

6. Priyadi Kardono Peneliti Madya

7. Utami Yulaila Litkayasa Madya

8. Erlan Roslaendi Arsiparis Madya

9. Prof. Dewayany Sutrisno Peneliti Utama – Supervisor

d. Lokasi Pengujian Kegiatan

Lokasi yang dimaksud pada kegiatan ini yakni sesuai dengan pelaksanaan

survei dan verifikasi lapangan. Lokasi diitentukan berdasar historis kejadian dan

tingkat kerawanan terhadap bencana hidrologis. Adapun lokasi survei yang

ditentukan yaitu wilayah pantai utara Jawa Tengah, wilayah Kota Semarang,

khususnya di daerah Daerah Aliran Sungai (DAS) Beringin. Ilustrasi lokasi

pelaksanaan kegiatan penelitian ini digambarkan sebagai berikut.



Gambar 5. Lokasi uji coba model pada pelaksanaan kegiatan penelitian



1.D Tinjuan Pustaka

a. Daerah Aliran Sungai (DAS)

Daerah aliran sungai (DAS) adalah area tampungan air permukaan yang

dibatasi oleh igir-igir perbukitan dan atau pegunungan dan memiliki satu saluran

luaran (single outlet) (Asdak, 2010) (Gambar 6). DAS merupakan bentanglahan

yang mempunyai fungsi keruangan, produksi, dan habitat, juga sebagai satuan

ekosistem tempat berlangsungnya interaksi antar komponen lingkungan. DAS

menjadi satuan unit fisik hidromorfik yang menjadi konsep dasar hubungan

antara bagian hulu, tengah, hilir dan juga interaksi antara unsur abiotik, biotik

dan aktivitas manusia untuk pengelolaan berkelanjutan sumber daya alam

(Seyhan, 1990; Rahaman et al, 2015; Farhan and Anaba, 2016).

Gambar 6. Daerah Aliran Sungai (DAS) Sumber: https://www.unomaha.edu/

Respon hidrologi dari suatu DAS terhadap masukan curah hujan dijelaskan

oleh Asdak (2001), bahwa beberapa parameter morfometri DAS, seperti luas,

kemiringan lereng, bentuk, kerapatan alur, dapat berpengaruh terhadap besaran

debit dan waktu dari hidrograf aliran yang dihasilkannya. Soewarno (2001)

menjelaskan bahwa DAS berbentuk memanjang menghasilkan bentuk hidrograf

yang lebih landai dan periode kejadian yang lebih panjang dibandingkan dengan

DAS yang berbentuk radial/membulat. Gambar menunjukkan pengaruh bentuk

DAS terhadap respon hidrologi yang dihasilkan.



Gambar 7. Tipe bentuk DAS terhadap bentuk hidrograf aliran sungai

b. Banjir

Banjir merupakan suatu kondisi ketika tidak tertampungnya air dalam

sebuah saluran, kemudian meluap mengenai daerah sekitarnya (Suripin, 2004).

Secara umum, faktor penyebab terjadiya banjir dapat dikelompokkan menjadi 2,

yaitu faktor alam dan faktor manusia. Faktor alam penyebab banjir diantaranya

yaitu curah hujan, karakteristik daerah tangkapan (daerah aliran sungai/DAS),

erosi dan sedimentasi, kapasitas sungai, drainase, dan pengaruh pasang surut di

bagian muara (Kodoatie, dan Sugiyanto, 2002). Sedangkan faktor manusia

diantaranya yaitu perubahan penggunaan lahan di daerah tangkapan hujan,

rekayasa saluran, dan sampah.

Analisis hidrologi satu bagian analisis awal dalam perencanaan mitigasi

bencana hidrologis (Harto, 1993). Namun perlu diingat pula bahwa analisis



hidrologi yang baik tentu membutuhkan data hidrologi yang baik pula. Salah satu

data yang vital bagi analisis hidrologi adalah data hujan. Dalam analisis hidrologi,

salah satu hasil akhir yang sering diharapkan adalah perkiraan besar hujan

rancangan untuk suatu bangunan hidraulik tertentu (Harto, 1993). Hujan

rancangan adalah suatu pola hujan tertentu yang dapat digunakan pada suatu

sistem hidrologi (Chow, Maidment dan Mays 1988). Evaluasi data hujan untuk

memperoleh hujan rancangan secara garis besar dapat dibagi menjadi dua, yaitu

secara statistik dan secara fisika. Hujan rancangan dimaksudkan untuk mencari

nilai PMP (Probable Maximum Precipitation). Jumlah data secara statistik tidak

dapat digunakan untuk penentuan hujan rancangan dengan periode ulang lebih

dari dua kali panjang data (Pramono, 1994). Distribusi teoritis yang umum

digunakan untuk data maksimum adalah distribusi Normal, Gumbel I, Log-Normal,

Log-Pearson tipe III dan distribusi Frechet (Soewarno, 1995). Kurva IDF (intensity

duration frequency) adalah kurva yang menggambarkan hubungan antara

intensitas hujan dengan lama hujan pada kala ulang tertentu di suatu wilayah.

Kurva IDF merupakan hasil plotting nilai hujan rancangan yang digambarkan

sesuai durasi hujannya. Hujan rancangan ini nantinya dapat digunakan untuk

analisis besarnya banjir dengan pembuatan bangkitan hidrograf. Dari bangkitan

hidrograf ini dapat dilihat besaran banjir yang meliputi debit puncak, volum banjir,

dan lain sebagainya sebagai dasar untuk mendimensi bangunan hidraulik.

Kemungkinan presipitasi maksimum ini merupakan salah satu cara untuk

menghitung rancangan hujan yang dibuat berdasarkan data hujan maksimum

harian pada suatu wilayah. Berbagai besaran rancangan diperlukan dalam

perancangan bangunan-bangunan hidraulik, termasuk hujan rancangan (Harto,

1993).

Analisis data yang sering digunakan dalam hidrologi dikelompokkan

menjadi tiga (Gupta, 1967 dalam Harto, 1993), yaitu cara empiric, cara statistic,

dan analisis dengan model. Cara analisis dianggap paling baik, karena

mendasarkan analisis pada data yang terukur langsung di lapangan. Statistic

digunakan untuk analisis frekuensi data hidrologi, khususnya untuk menetapkan

besar hujan dengan kala ulang tertentu. Kala ulang (return period) merupakan

waktu hipotetik di mana hujan dengan suatu besaran tertentu akan disamai atau

dilampau sekali dalam sekali dalam jangka waktu tersebut. Jadi tidak ada



pengertian bahwa kejadian tersebut akan berulang secara teratur setiap kala

ulang tersebut.

Analisis frekuensi dilakuakn dengan seri data yang diperoleh dari rekaman

data, baik data hujan maupun debit yang terukur langsung yang tidak melewati

pengalihragaman terlebih dahulu. Oleh karena itu cara ini dianggap sebagai cara

yang paling baik. Analisis frekuensi ini didasarkan pada sifat statistic data yang

tersedia untuk memperoleh probabilitas besaran hujan di masa yang akan datang.

Dengan dasar tersebut maka diartikan bahwa sifat statistic data yang akan datang

yang dihasilkan masih sama dengan sifat statistic data yang tersedia sekarang.

Penetapan seri data yang akan digunakan dalam analisis dapat dilakukan

dengan dua cara (Harto, 1993) :

1. Maximum annual series. Mengambil satu data maksimum setiap tahun di

mana besaran maksimum tiap tahun saja yang dianggap berpengaruh

dalam analisis selanjutnya.

2. Partial series. Menetapkan batas bawah tertentu dengan pertimbangan

tertentu dan memasukkan semua besaran hujan yang lebih besar dari

batas bawah sebagai seri data untuk dianalisis secara lazim.

Data hujan yang dibutuhkan dalam analisis frekuensi ini adalah data hujan

rata-rata DAS. Terdapat lima cara penyiapan data untuk analisis frekuensi di

antaranya (Harto, 1993) :

1. Data hujan DAS diperoleh dengan menghitung hujan rata-rata setiap hari

sepanjang data yang tersedia.

2. Mencari hujan-hujan maksimum harian setiap stasiun dalam satu tahun,

kemudian dirata-ratakan untuk mendapatkan mendapatkan hujan DAS.

3. Menggunakan data maksimum pada salah satu stasiun dan mengalikan

data tersebut dengan koefisien reduksi.

c. Hidrograf

Hidrograf adalah gambar atau grafik yang menggambarkan tinggi muka

air sungai, debit aliran, debit sedimen kaitannya dengan waktu. Hidrograf banjir

(flood hydrograph) adalah discharge hydrograph pada saat aliran dalam keadaan



banjir, bentuknya seperti bentuk lonceng miring kekanan. Hidrograf sangat

penting dalam analisis hidrologi seperti menghitung jumlah air sungai, jumlah

sedimen yang diangkut aliran, analisis respon DAS , analisis hubungan hujan

dengan aliran. Hidrograf banjir di sungai disebabkan oleh hujan tunggal atau

hujan ganda (Gambar 8).

Gambar 8. Pengaruh hujan terhadap bentuk hidrograf aliran

Karakteristik hidrograf banjir, Gambar 3.6 menunjukkan hidrograf banjir

dan hujan penyebabnya. Atas dasar bentuk hidrograf banjir, bagian-bagian

hidrograf banjir terdiri dari :

1. lengkung naik (rising limb)

2. puncak (crest or peak)

3. lengkung turun (falling limb or recession curve)

Faktor-faktor yang mempengaruhi hidrograf banjir suatu sungai :

1. bagian lengkung naik sampai puncak dipengaruhi oleh karakteristik hujan

(jumlah, intensitas, distribusi) dan morfometri DAS.

2. bagian turun, dipengaruhi oleh pelepasan air dari simpanan air di DAS,

simpanan air dalam alur sungai, simpanan lengas tanah dan simpanan

airtanah.



Pasangan data hujan dalam bentuk hietograf dan data aliran dalam bentuk

hidrograf banjir sangat berguna untuk analisis hubungan hujan dengan debit

aliran banjir, sementara parameter hidrologinya adalah sebagai berikut.

1. puncak debit banjir (Qp);

2. waktu konsentrasi (time of concentration or time lag) = Tc;

3. waktu mencapai puncak (time to peak) = Tp;

4. waktu dasar (time base) = Tb;

5. jumlah hujan dan durasi hujan = P;

6. intensitas hujan = I;

7. koefisien kekasaran (Manning’s coef) = n;

8. koefisien aliran = c.

d. Pemodelan Banjir (HEC)

Pemodelan genangan banjir dikategorikan ke dalam 3 jenis, yaitu model 1

dimensi (1D), dua dimensi (2D), dan 3 dimensi (3D). Model 1D lebih populer

digunakan untuk tujuan perencanaan, manajemen, dan mitigasi daerah rawan

banjir di DAS (daerah aliran sungai) dan sub-DAS. (Pender dan Neelz, 2007; Yang

et al, 2011). The Hydrologic Engineering Center-River Analysis System (HEC-RAS)

adalah paket perangkat lunak yang dikembangkan oleh Pusat Teknik Hidrologi

(HEC) dari USACE (Brunner 2010). HEC-RAS popular digunakan untuk pemodelan

hidrolik 1D maupun 2D. HEC-RAS mampu melakukan simulasi aliran hidraulik

yang stabil (steady) dan tidak stabil (unsteady) pada saluran sungai dan dataran

banjir di satu sungai atau daerah aliran sungai (Brunner 2010).

Pemodelan genangan banjir menggunakan HEC-RAS membutuhkan data

geometrik, seperti geometri sungai, profil penampang melintang, koefisien

kekasaran (manning), data struktur hidrolik, dan data debit aliran. Untuk

perhitungan aliran konstan (steady), HEC-RAS menggunakan persamaan energi

untuk menghitung tinggi muka air (TMA) antara penampang sungai dengan

prosedur iterasi. Untuk memperoleh TMA tersebut, dibutuhkan data TMA awal di

bagian hulu atau hilir sungai (Brunner, 2010). Selain itu, diperlukan juga data

kedalaman normal, kedalaman kritis (critical depth), dan rating curve (Brunner,

2010).



Data geometrik untuk model hidraulik HEC-RAS dilakukan dengan

menggunakan perangkat lunak HEC-GeoRAS, yang sudah terinegrasi dengan

perangkat lunak ArcGIS dari ESRI. HEC_GeoRAS mempu melakukan pre-

processing data geospasial untuk membuat data numerik sebagai bahan inputan

model genangan banjir dengan menggunakan HEC-RAS (Ackerman, 2012).

Model HEC mampu menyediakan simulasi liran di saluran terbuka (open

channel). Simulasi aliran di saluran terbuka merupakan salah satu cara untuk

mempelajari pola aliran di sepanjang saluran tersebut. Simulasi dilakukan secara

nyata dengan mengalirkan air ke saluran yang umumnya dibuat dalam skala

laboratorium (model fisik) atau secara virtual dengan melakukan serangkaian

hitungan hidraulik yang umumnya diwadahi dalam suatu perangkat program

aplikasi komputer (model matematik). Melalui model fisik, sejumlah fenomena

fisik aliran di saluran atau sungai nyata (prototipe) ditirukan di saluran atau sungai

yang dibuat dengan ukuran yang lebih kecil. Interpretasi terhadap fenomena yang

diamati atau diukur di model akan memberikan petunjuk terhadap fenomena yang

(seolah-olah) terjadi di prototipe. Model matematik menirukan fenomena fisik

aliran di saluran nyata (prototipe) melalui serangkaian persamaan matematik

yang menjabarkan hubungan antar variabel-variabel aliran (variabel geometri,

kinematik, dinamik). Apabila pada model fisik dilakukan pengukuran atau

pengamatan untuk mendapatkan parameter aliran, pada model matematik

parameter aliran diperoleh melalui hitungan atau penyelesaian persamaan

matematik.

Secara matematik, model HEC-RAS menerapkan penyelesaian formula

gelombang air dangkal (diffusive wave equation) untuk saluran terbuka, dimana

formula ini dijabarkan dalam persamaan Saint Venant (U.S. Corps of Engineers,

2002). Persamaan Saint Venant diselesaikan dengan menggunakan skema

perbedaan kotak empat titik implisit yang terkenal, juga digunakan dalam model

seperti model FLDWAV (U.S. National Weather Service’s) dan pendahulunya yaitu

model DAMBRK (Fread, 1988). Persamaan Saint Venant digunakan untuk

memodelkan aliran pada saluran terbuka seperti sungai dan digunakan juga untuk

memodelkan penelusuran banjir. Penurunan Persamaan Saint Venant dapat

dilakukan dengan menggunakan persamaan integral dan secara geometris.



Penurunan Persamaan Saint Venant secara geometris atau berdasarkan gambar

penampang aliran suatu sungai secara horisontal dan vertikal digunakan untuk

menggambarkan perubahan massa dan perubahan momentum. Perubahan

massa dikaitkan dengan hukum kekekalan massa dan perubahan momentum

dikaitkan dengan hukum kekekalan momentum yang diperoleh dari Hukum II

Newton (kontinyuitas).

Gambar 9. Skema Kontinyuitas aliran pada jenis aliran tak-permanen (unsteady flow)

Sumber : F.E. Hicks and T. Peacock, 2005

Pada persamaan kontinyuitas, gerakan aliran air di permukaan tanah

seperti yang ditunjukkan pada dapat didekati dengan sebagai aliran fluida (air)

tak-permanen (unsteady). Persamaan kontinyuitas untuk aliran unsteady dapat

disusun berdasarkan konservasi massa pada suatu ruang di antara dua buah

penampang saluran seperti nampak pada Gambar 9Error! Reference source

not found.. Pada aliran unsteady debit berubah terhadap jarak dengan laju

sebesar Q/x, dan kedalaman berubah terhadap waktu dengan laju y/t.

Perubahan debit yang melalui ruang dalam waktu dt adalah (Q/x) dx dt.

Perubahan simpanan saluran pada ruang dalam waktu yang sama adalah T dx

(y/t) = dx (A/t) dt. Karena air bersifat tak mampat (incompressible), netto

perubahan debit ditambah perubahan simpanan sama dengan nol.

0=

+

=

+

dt

t

Adxdtdx

x

Qdt

t

ydxTdtdx

x

Q

………………… (1)



Bila disederhanakan (dibagi dx dt) diperoleh:

0=

+

t

yT

x

Q

……………………………………… ……………… (2)

Atau

0=

+

t

A

x

Q

……………………………………… ……………… (3)

Pada penampang yang ditinjau, Q = vA, sehingga persamaan (2) menjadi:

0=

+

t

yT

x

vA

…………………………………………………… (4)

Atau

0=

+

+

t

AT

x

Av

x

vA

…………………………………………… (5)

Karena kedalaman hidrolik D = A/T dan A = T y, persamaan di atas dapat

dituliskan sebagai:

0=

+

+

t

yT

x

yv

x

vD

…………………………………………… (6)

Skema numerik ini telah terbukti sepenuhnya secara non-dissipative tetapi

lebih stabil ketika dijalankan dalam bentuk semi implicit, yang sesuai dengan

faktor bobot 0,5 untuk penyelesaian formula yang tidak stabil (Hicks dan Steffl er,

1990). Nilai ini mewakili setengah pembobotan eksplisit untuk penyelesaian

variabel waktu yang diketahui sebelumnya, dan setengah pembobotan untuk

penyelesaian variabel waktu yang tidak diketahui. Namun, secara praktis, karena

stabilitas marjinal untuk formulasi semi-implisit, faktor θ pembobotan 0,6 atau

lebih sangat diperlukan, karena skema ini hanya difusif pada nilai θ lebih besar

dari 0,5. Hal tersebut meningkatkan stabilitas penyelesaian persamaan, tetapi

dengan mengorbankan akurasi persamaan. Sifat difusif skema meningkat seiring

θ meningkat; lebih jauh lagi, efek ini lebih jelas karena gangguan panjang

gelombang berkurang. Untuk nilai fl yang panjang pada gelombang fl, efeknya

dapat diabaikan, sedangkan untuk diskontinuitas aliran (misal, lonjakan yang



diakibatkan oleh peristiwa kerusakan bendungan atau lonjakan pelepasan es)

efeknya bisa sangat signifikan terhadap akurasi formula. HEC-RAS memiliki nilai

default θ = 1.0 (sepenuhnya implisit, sangat stabil dan sangat difusif) tetapi

memungkinkan pengguna untuk menentukan nilai antara 0,6 dan 1,0.

1.E Pelaksanaan Pemodelan

a. Skema Teknis dan Tahapan Pemodelan

Salah satu pendekatan yang digunakan untuk menilai dan memodelkan

fenomena banjir yaitu model hidrodinamika. Secara garis besar, kajian banjir pada

penelitian ini dilakukan melalui pendekatan hidrodinamika. Model hidrodinamika

diukur berdasar pendekatan dan algoritma tertentu dalam studi hidrologi (Bates

& Roo, 2000; Di Baldassarre & Uhlenbrook, 2012; Fernández-Pato, Caviedes-

Voullième, & García-Navarro, 2016; Johnson & Miller, 1997; Moya Quiroga, Kure,

Udo, & Mano, 2016). Data-data spasial yang digunakan untuk penyusunan model

meliputi: DEM atau data topografi, data penutup lahan, data tanah, data jaringan

sungai (DAS), dan profil sungai. Data tersebut diproses untuk memperoleh

parameter model pada studi ini. Proses pengolahan dan analisis data dilakukan

pada kerangka kerja perangkat Geographic Information System (GIS) dan

integrasi perangkat lain yang digunakan untuk mengolah data raster, misalnya:

SNAP, Global Mapper, IDV-55.

Konsep model yang diterapkan pada penelitian ini adalah simulasi aliran /

genangan di saluran terbuka (open channel), merupakan salah satu cara untuk

mempelajari pola aliran di sepanjang daerah aliran tersebut. Simulasi dilakukan

secara nyata dengan mengalirkan debit air ke saluran (dalam hal ini yaitu model

permukaan terrain) secara virtual dengan melakukan serangkaian hitungan

hidraulik yang umumnya diwadahi dalam suatu perangkat program aplikasi

komputer (model matematik). Interpretasi terhadap fenomena yang diamati atau

diukur di model akan memberikan petunjuk terhadap fenomena yang (seolah-

olah) terjadi di prototipe. Model fisik atau model matematik menirukan fenomena

fisik aliran di area pengaliran (prototipe) melalui serangkaian persamaan

matematik yang menjabarkan hubungan antar variabel-variabel aliran.



Tahapan teknis simulasi aliran / genangan dengan memakai model fisik

atau model matematik pada prinsipnya terdiri dari lima langkah pokok, yaitu: 1)

penyiapan parameter awal, 2) penyusunan geometri sungai/saluran, 3) simulasi

aliran, 4) pengukuran atau hitungan kecepatan dan kedalaman aliran, dan 5)

presentasi dan interpretasi hasil. Urutan kelima langkah ini ditampilkan secara

skematis pada Gambar 1.

Prediksi dan simulasi banjir dengan pemodelan mengacu pada proses

transformasi curah hujan menjadi hidrograf banjir di seluruh DAS atau sistem

hidrologi lainnya. Banjir yang dimaksud adalah banjir yang terjadi di wilayah

daratan dimana dipicu oleh luapan sungai sehingga menyebabkan genangan di

sekitar wilayah DAS. Secara konsep yaitu dipicu oleh curah hujan tinggi pada

aliran sungai yang merupakan tempat berkumpulnya limpahan air di daratan.

Melalui aliran sungai ini, kelebihan air akan terbawa masuk ke dalam sistem

jaringan sungai yang berada pada unit DAS. Di sepanjang aliran sungai, karena

limpahan air dari daratan, terjadi proses turbulen yang kuat dan proses turbulen

ini berlanjut sampai ke muara sungai. Pada saat mencapai muara sungai, terjadi

proses percampuran massa air secara masif, sehingga semua proses fisik yang

terjadi di sistem sungai, dari yang semula bersifat normal atau stabil akan

mengalami perubahan-perubahan yang dramatis akibat ekspansi gelombang dan

genangan banjir.

Mengingat karakteristik topografis sungai yang bervariatif, maka aliran

yang terjadi pada sungai umumnya adalah aliran tak-permanen (unsteady flow).

Unsteady flow adalah aliran yang mana kondisi alirannya (kecepatan, tekanan,

densitas, turbulensi) akan berubah dengan waktu (time dimension). Dalam

konteks hidrodinamika sungai, aliran tak-permanen memiliki karakteristik

kedalaman aliran tidak sama pada sepanjang alur sungai, serta terjadi fluktuasi

tinggi muka air aliran pada setiap titik atau tampang sungai. Adapun konsep dari

aliran tak-permanen pada sistem aliran sungai digambarkan pada grafik sebagai

berikut.



Gambar 10. Konsep ekspansi genangan sungai pada tipe aliran tak-permanen (unsteady flow)

Sumber : Pierre Y. Julien, 2018

Gambar 11. Karakteristik ekspansi genangan sungai pada tipe aliran tak-permanen dan hubungan variabel hidrolika sungai

Sumber : Pierre Y. Julien, 2018

Skenario pemodelan dibangun dimulai dari pemodelan daerah aliran

sungai (cacthment area), aliran air permukaan, serta dataran banjir di sepanjang

aliran sungai sampai ke muara sungai. Skenario pemodelan disusun mulai dari

intensitas curah hujan sampai dengan karakteristik aliran di seluruh sistem



jaringan sungai. Secara sederhana, skenario model ini digunakan untuk

mengetahui dampak dari ekspansi arus dan genangan yang dibawa oleh aliran

sungai, sehingga akan mempermudahkan kajian yang dilakukan.

Dengan menjalankan simulasi ekspansi genangan banjir dengan

menggunakan model hidrodinamika (HEC-HMS, HEC-RAS) maka akan dapat

diketahui akurasi model fisik yang dihasilkan. Dari model tersebut akan diketahui

sejauh mana tingkat akurasi dari model yang dihasilkan, sehingga dapat dilakukan

penilaian terhadap model untuk analisis bahaya banjir khususnya di wilayah

penelitian.

Gambar 12. Alur pengolahan data dan analisis model dalam penelitian

b. Data dan Parameter

Secara mendasar, kajian pemodelan merupakan studi simplifikasi atau

penyederhanaan dari suatu kondisi fenomena yang dikaji, dalam hal ini yaitu

fenomena banjir. Sehingga melalui penyederhanaan itu semua komponen yang

berkaitan beserta hubungan di antara komponen tersebut jelas terlihat dan dapat

dianalisis untuk memberikan pemecahan masalah. Pengolahan data pada

kegiatan penelitian ini mengikuti kriteria tahapan pada masing-masing parameter

yang digunakan. Keseluruhan data yang digunakan dikelompokkan menjadi

sejumlah kategori berdasar kriteria data, yaitu kategori meteorologi, kategori

hidrologi, kategori topografi dan kategori karakteristik lahan. Kelas kategori data

tersebut diilustrasikan pada gambar pada bagian selanjutnya (Gambar 13).

Pengolahan parameter

Eksekusi model HEC

Validasi Model

Analisis hasil model

Reporting



Gambar 13. Data dan parameter yang digunakan dalam pemodelan

c. Variabel Model dan Modul Parameter

Konsep model yang diterapkan pada penelitian ini adalah simulasi aliran /

genangan di saluran terbuka (open channel), merupakan salah satu cara untuk

mempelajari pola aliran di sepanjang daerah aliran tersebut. Simulasi dilakukan

secara nyata dengan mengalirkan debit air ke saluran (dalam hal ini yaitu model

permukaan terrain) secara virtual dengan melakukan serangkaian hitungan

hidrologis yang umumnya diwadahi dalam suatu perangkat program aplikasi

komputer (model matematik). Interpretasi terhadap fenomena yang diamati atau

diukur di model akan memberikan petunjuk terhadap fenomena yang (seolah-

olah) terjadi di prototipe. Model fisik atau model matematik menirukan fenomena

fisik aliran di area pengaliran (prototipe) melalui serangkaian persamaan

matematik yang menjabarkan hubungan antar variabel-variabel aliran.



d. Eksekusi dan Anlisis Model

Tahapan teknis simulasi aliran / genangan dengan memakai model fisik

atau model matematik dalam penelitian ini pada prinsipnya terdiri dari sejumlah

langkah pokok, yaitu: 1) penyiapan parameter input aliran, 2) penyusunan

geometri permukaan (terrain), 3) eksekusi simulasi aliran, 4) validasi dan kalibrasi

model, dan 5) presentasi dan analisis hasil. Urutan-urutan langkah ini ditampilkan

secara skematis pada Gambar 14.

Gambar 14. Langkah eksekusi model dalam penelitian

1. Penyiapan Parameter Input Aliran

Pada penelitian ini, input aliran yang dimaksud adalah volume debit

aliran permukaan (runoff) pada frekuensi waktu 1 jam. Debit aliran sangat

dipengaruhi oleh sejumlah faktor, dan yang paling utama adalah volume hujan

efektif dari intensitas hujan. Intensitas curah hujan adalah jumlah curah hujan

Mulai

Penyiapan Parameter Input

Debit Aliran

Penyusunan Geometri

Permukaan (Terrain)

Eksekusi Simulasi Aliran

Validasi dan Kalibrasi Model

Selesai

Presentasi dan Analisis Hasil

Para

mete

r Adju

sment

i. Koefisien Mannings

ii. Hujan efektif iii. Morfometri DAS

i. Mesh (structure grid)

ii. Break Lines iii. River Cross Section

i. Unsteady Flow ii. Velocity Rates



yang dinyatakan dalam tinggi hujan atau volume hujan tiap satuan waktu,

yang terjadi pada satu kurun waktu air hujan terkonsentrasi. Besarnya

intensitas curah hujan berbeda-beda tergantung dari lamanya curah hujan

dan frekuensi kejadiannya.

Hujan efektif merupakan hujan yang menyebabkan terjadinya aliran

permukaan (runoff). Besarnya debit hujan efektif yang terjadi pada suatu DAS

akan dipengaruhi oleh kondisi tutupan lahan setempat (landcover) dan

karakteristik dari DAS. Secara garis besar bahwa hujan efektif diperoleh dari

pengurangan curah hujan yang turun (gross rainfall) dengan besarnya

infiltrasi/ intersepsi dan evapotranspirasi.

Gambar 15. Contoh input data hujan efektif yang digunakan dalam penelitian Sumber : Hujan rancangan - BMKG, 2018

Volume dan debit puncak aliran permukaan bergantung pada

karakteristik meteorologi dan DAS, dan pendugaan aliran permukaan

memerlukan suatu indeks yang mewakili kedua faktor (indeks manning’s).

Volume curah hujan mungkin merupakan satu-satunya karakteristik

meteorologi yang penting dalam menduga volume aliran permukaan. Tipe

tanah, penggunaan lahan dan kondisi hidrologi penutup adalah faktor-faktor



DAS yang berpengaruh paling penting dalam pendugaan volume aliran

permukaan. Kandungan air tanah sebelumya juga akan berpengaruh penting

dalam penentuan volume aliran permukaan.

Gambar 16. Indeks Manning’s berdasar tipe penutup lahan Sumber : National Landcover Data Base (NLCD) - USGS, 2006

Debit puncak dipengaruhi oleh dua faktor utama, yaitu faktor hujan

dan faktor DAS. Adapun faktor hujan yang meliputi; jumlah hujan,

intensitas hujan; durasi hujan; dan distribusi hujan. Sedangkan faktor DAS

yaitu; luas DAS, bentuk DAS, jenis tanah, dan penutup lahan.

2. Penyusunan Geometri (Terrain)

File geometri dibuat dengan program HEC-RAS. Pada program tersebut

file geometri digeneralisasi dari sumber data DEM (DEM Nasional) dan data

Penutup Lahan – Kebijakan Satu Peta. File geometri yang dihasilkan berisi

informasi mengenai geometri sungai yang dimodelkan: tampang lintang,

struktur hidraulik, koefisien kekasaran (manning’s), koefisien

kontraksi/expansi, dan informasi mengenai cara pemodelan bagian-bagaian

tertentu seperti metode hitungan di struktur hidraulik. Data pada file geometri

dituliskan dalam format ASCII. File geometri utama yang digunakan dalam

penelitian ini adalah model terrain yang menggambarkan karakteristik

topografis daerah penelitian. File geometri selanjutnya batas daerah aliran

yang menjadi fokus area genangan berdasarkan interpretasi topografis dari

data terrain tersebut. Batas daerah aliran meliputi daerah simpanan air



(storage area), daerah aliran air (flow area), serta batas kondisional

(conditional boundary) yang terdiri dari segmen hulu dan hilir.

Gambar 17. File geometri (conditional boundary dan mesh points) yang disusun untuk simulasi model

Pada pemodelan ini, parameter geometri permukaan (terrain)

merupakan replikasi kondisi lapangan dengan ukuran yang lebih kecil daripada

ukuran sesungguhnya. Geometri permukaan (terrain) disusun menjadi entitas

poin komputasi (mesh point computation) sebelum dilakukan running model.



Sementara itu, untuk geometri sungai direplikasi berdasar struktur hidrolika

sungai pada ukuran skala topografis yang relatif lebih detil yaitu dengan

menggunakan sumber data pada skala 1:10.000 (DEM Nasional – BIG 2018).

Data DEM sebagai input terrain digeneralisiasi pada program HEC-RAS. Terrain

yang dihasilkan Data yang dibutuhkan untuk menirukan geometri ini antara

lain adalah data situasi alur sungai (cross section), dan profil topografi sungai.

Gambar 18. Profil geometri sungai (cross section) berdasar topografis



3. Running Simulasi Model Aliran dan Genangan

Running simulasi aliran dan genangan pada penelitian ini adalah

simulasi kondisi berdasarkan proses komputasi parameter data penggunaan

lahan, tanah, elevasi, dan meteorologi (curah hujan). Angka kurva debit aliran

merupakan parameter empiris yang digunakan untuk memprediksi limpasan

permukaan (surface runoff) dari kelebihan curah hujan yang tidak mampu

terserap oleh permukaan. Simulasi model diterapkan pada wilayah penelitian,

yaitu DAS Beringin. Proses komputasi untuk memperoleh informasi aliran

dilakukan pada program HEC-RAS, adalah tool pemodelan untuk mengubah

data input curah hujan yang turun di DAS menjadi debit aliran (runoff) serta

potensi genangan yang terjadi pada DAS tersebut. Informasi aliran dan

genangan yang dihasilkan dalam perhitungan debit berdasarkan data hujan,

dihasilkan setelah proses running simulasi aliran pada model ini.

Pilihan karakteristik jenis aliran yang digunakan pada simulasi ini

adalah simulasi model aliran tak permanen (unsteady flow). Dalam

indentifikasi potensi banjir, simulasi jenis aliran ini merupakan pilihan yang

paling akurat. Hal tersebut berdasarkan fakta kondisi aktual bahwa fenomena

banjir terjadi bukan pada situasi hidrologis yang tetap atau permanen. Selain

itu analisis penelusuran banjir (flood routing) juga hanya dapat dilakukan pada

simulasi aliran tak permanen. Maka, proses running simulasi aliran untuk

memperoleh informasi genangan banjir pada penelitian ini hanya dilakukan

pada jenis aliran tak permanen.

Hasil eksekusi simulasi aliran pada penelitian ini menunjukkan

bagaimana model HEC mampu digunakan untuk pemodelan banjir dengan

menghitung area genangan simulasi berdasarkan data penggunaan lahan,

tanah, elevasi, dan meteorologi. Prediksi banjir dengan pemodelan HEC

mengacu pada proses transformasi curah hujan menjadi hidrograf banjir di

seluruh DAS atau sistem hidrologi lainnya. Ilustrasi terkait hasil simulasi

genangan ditampilkan pada Gambar 12 berikut.



Gambar 19. Contoh hasil simulasi aliran dan genangan di wilayah penelitian



Gambar 20. Nilai ketinggian (m) genangan dari hasil simulasi di wialyah penelitian

4. Validasi dan Kalibrasi Model

Pada kegiatan penelitian ini, proses validasi pemodelan genangan

dengan HEC dapat dilakukan melalui dua cara, yaitu validasi model dengan

data observasi lapangan secara intensif dan validasi menggunakan program

model hidrologis lainya. Mengingat kondisi pelaksanaan kegiatan yang sangat

terbatas pada waktu, maka validasi dengan cara observasi lapangan secaara

intensif belum dilaksanakan secara keseluruhan. Alternatif pilihan validasi

model pada penelitian ini yaitu dengan menggunakan program model

hidrologis lainya, dalam penelitian ini digunakan program HEC-HMS

(Hydrology Modeling System). Prinsip dari program ini yaitu dengan

melakukan validasi data dan parameter input pada simulasi aliran.

Secara keseluruhan, proses validasi terdiri dari penyesuaian data

model (adjustment), dan kalibrasi model. Penyesuaian data model

menggunakan data meteorologi tahun 2017-2018. Sumber data yang

digunakan yaitu data hasil perhitungan presipitasi dari satelit cuaca dan



pengukuran lapangan (rain gauges) yang dilakukan oleh BMKG. Hal ini

dilakukan agar parameter model yang dijalankan dapat disesuaikan dengan

kondisi aktual di wilayah kajian. Selanjutnya, proses kalibrasi dilakukan untuk

memperbaiki hidrograf hasil simulasi yang memiliki perbedaan cukup besar

degan hidrograf dari hasil validasi. Pada aplikasi yang digunakan, program

HEC-HMS memiliki fasilitas kalibrasi secara otomatis berdasar perhitungan

parameter hidrologis, khususnya parameter aliran dasar (base flow).

Gambar 21. Perbandingan nilai hidrograf sebelum dan sesudah dilakukan kalibrasi dengan HEC-HMS

Hasil kalibrasi menunjukkan bahwa parameter baseflow merupakan

yang sensitif. Hasil ini sesuai dengan input data yang digunakan dalam

pemodelan ini. Parameter baseflow tidak terdapat di setiap area pada daerah

penelitian atau dalam penelitian ini yaitu DAS Beringin, sehingga merupakan

parameter yang memiliki nilai ketidakpastian (uncertainty) paling tinggi. Hasil

kalibrasi menunjukkan selisih debit simulasi model dengan debit validasi yang

diperoleh cukup kecil, yaitu 0,14%.



Gambar 22. Kurva hasil validasi simulasi pada periode waktu 2018

Parameter yang sudah terkalibrasi selanjutnya digunakan untuk

eksekusi running model dalam kurun waktu 2018. Hasil validasi pada periode

waktu tersebut menunjukkan nilai R2 sebesar 0.56. Nilai R2 yang kurang

maksimal ini utamanya disebabkan oleh hasil model yang selalu melebihi

estimasi (overestimate) ketika terjadi hujan dengan intensitas tinggi.

5. Presentasi dan Analisis Hasil

Informasi tingkat banjir digunakan untuk penilaian kerusakan dan

manajemen risiko tidak terlepas dari tahapan presentasi (visualisasi) hasil

pemodelan. Dari hasil eksekusi model banjir pada penelitian ini, informasi

banjir divisualisasikan secara informatif pada program HEC. Selain itu, simulasi

banjir juga dapat disajikan secara realtime. Hal ini juga sangat penting untuk

merekonstruksi apa yang terjadi selama banjir dan untuk menentukan dan

memantau tingkat area yang tergenang banjir, memberikan perkiraan terukur

dari luas lahan dan infrastruktur yang terkena banjir. Prediksi banjir dan

pemodelan umumnya melibatkan deskripsi perkiraan proses transformasi

hujan-limpasan. Deskripsi ini didasarkan pada pengukuran berbasis fisik yang

didasari secara empiris, atau gabungan dari deskripsi fisik terhadap kondisi

fenomena atau kejadian.

Berdasar hasil dari eksekusi model pada penelitian ini, simulasi model

aliran dan genangan pada penelitian ini menunjukkan hampir sebagian besar

bagian timur wilayah hilir DAS Beringin terjadi genangan akibat proses aliran



permukaan dan ekspansi debit dari sungai utama (Sungai Beringin – Banjir

Kanal Barat). Berdasarkan hasil perhitungan model yang digunakan, sebaran

luapan banjir di daerah penelitian dapat diketahui. Secara umum dapat dilihat

bahwa range ketinggian genangan berdasar proses komputasi yaitu 0 - 15

meter (dihitung dari dasar muka air laut). Sementara di wilayah penelitian,

banyak terdapat area yang berada di bawah ketinggian muka air laut. Skenario

luapan banjir memiliki dampak terhadap karakteristik penutup lahan yang ada

di wilayah penelitian. Secara umum tampak pada skenario genangan maksimal

dari luapan banjir berdampak pada jenis penutup lahan area terbangun

(developed area) dengan intensitas bangunan menengah sampai dengan

tinggi. Mengingat sebagian besar wilayah penelitian didominasi oleh tipe

penutup lahan ini, maka potensi risiko bencana banjir yang terjadi pada

daerah ini sangat tinggi.

Berdasarkan model yang dihasilkan, dengan demikian maka,

kesimpulan dari model pada penelitian ini adalah cukup sesuai dalam praktik

identifikasi dan analisis banjir. Hal tersebut didukung dengan aplikasi program

yang secara sederhana mampu memberikan prediksi banjir yang memadai

beserta sejumlah informasi yang sangat komprehensif dalam konteks

penanganan bencana hidrologis.



1.F Pelaksanaan Survei Lapangan

Survei lapangan dilaksanakan dalam rangka verifikasi awal hasil model

yang dibuat, sekaligus mengumpulkan data-data tambahan yang dapat digunakan

untuk melengkapi anlisis pada kegiatan penelitian ini. Metode survei dilakukan

secara purposive sampling. Sampel diambil secara terukur berdasarkan pemilihan

dan justifikasi dari model yang dihasilkan. Adapun lokasi survei yang ditentukan

yaitu wilayah DAS Beringin. Sample yang diambil mengikuti pola aliran sungai,

pertemuan percabangan sungai, kondisi tutupan lahan wilayah penelitian, dan

daerah yang terdampak kejadian banjir secara historis. Sementara itu

pelaksanaan verifikasi lapangan dilakukan oleh Tim pada bulan September 2018

di wilayah Kota Semarang, Jawa Tengah.

Hasil pelaksanaan survei lapangan menunjukkan bahwa, di lokasi

pengamatan yaitu di wilayah Tawangsari, Semarang Barat terdapat indikasi

dampak luapan banjir yang cukup signifikan, hal ini dibuktikan dengan adanya

tanda-tanda alam yang mengindikasikan kondisi daratan yang tidak stabil

(subsidence). Meskipun demikian, karakter banjir yang terjadi di daerah ini

cenderung diakibatkan oleh faktor pesisir (banjir rob). Sementara itu kondisi

tutupan lahan di lapangan terdiri dari variasi kolam air payau, tambak, dan tegalan

atau kebun. Sementara kondisi tutupan lahan di daerah ini dodominasi oleh area

terbangun berupa sejumlah permukiman dengan tingkat kerapatan bangunan

yang cukup tinggi.

Berbeda dengan lokasi survei sebelumnya, pada lokasi survei kali ini

dilakukan di bagian selatan hilir DAS Beringin. Lokasi survei dilakukam di wilayah

Ngemplak, Simongan, dan Petompon - Kecamatan Gajahmungkur, Kota

Semarang. Pengamatan di wilayah Ngemplak menunjukkan bahwa terdapat

indikasi dampak fenomena hidrologis yang mengakibatkan peningkatan debit

sehingga menyebabkan banjir luapan sungai, hal ini dibuktikan dengan adanya

tanda-tanda alam yang mengindikasikan terjadinya kondisi luapan tinggi yang

pernah terjadi pada masa sebelumnya. Sementara itu kondisi tutupan lahan di

lapangan terdiri dari variasi permukiman, tegalan atau kebun, dengan dominasi

karakter penutup lahan berupa area terbangun (developed area) dengan tingkat

kerapatan bangunan yang relatif tinggi.



a. Situasi hidrolika sungai utama di lokasi studi (Sungai Garang; Banjir Kanal Timur-Semarang)

b. Observasi karakteristik pentutup lahan di Sungai Garang; Banjir Kanal Timur- Semarang)

c. Variabel hidrolika sungai utama di lokasi studi (Sungai Garang - Semarang)

Gambar 23. Dokumentasi pelaksanaan survei lapangan di wilayah studi

Juction Levee Break

Tributary

Main Channel

Culvert / Bridge

Dam



1.G Pelaksanaan Evaluasi dan Pelaporan

Evaluasi pada kegiatan penelitian dilaksanakan sejak tahap disusunya

metodologi pemodelan. Evaluasi meliputi evaluasi terhadap hasil output data dan

evaluasi kegiatan secara keseluruhan. Hasil penelitian ini, akan dibuat laporan

sebagai salah satu bentuk tindak lanjut secara administratif kegiatan. Sementara

itu tahapan ini merupakan tindak lanjut kegiatan penyusunan karya tulis ilmiah

yang harus dipublikasikan. Dengan demikian luaran dari kegiatan peneltiain ini

dapat dimanfaatkan oleh masyarakat, akademisi maupun dari pihak internal

Badan Informasi Geospasial.

a. Koordinasi internal bidang dalam pembahasan dan evaluasi kegiatan

b. Proses pengolahan data dalam

pelaksanaan kegiatan peneliitian

c. Agenda konsinyasi penyusunan laporan

kegiatan penelitian

Gambar 24. Dokumentasi pelaksanaan evaluasi dan pelaporan kegiatan



1.H Luaran (Output) Kegiatan

Kegiatan penelitian pemetaan emisi karbon wilayah gambut yang

dilaksanakan ini mempunyai target luaran (output) berupa beberapa naskah dan

draft karya tulis ilmiah. Target luaran tersebut terdiri dari sejumlah judul publikasi

yang sesuai terhadap judul kegiatan penelitian kebencanaan hidrologis. Dari

beberapa judul naskah dan draft karya tulis ilmiah yang dihasilkan, terdapat

naskah yang sudah dipublikasikan dalam forum ilmiah / seminar nasional maupun

internasional. Sementara ini, judul karya tulis ilmiah yang dihasilkan dari kegiatan

ini meliputi :

1. Teknik Filtering Model Elevasi Digital (DEM) untuk Delineasi Batas Daerah

Aliran Sungai (DAS).

2. Re-assessing Rainwater Volume by CHIRPS Satellite in Semarang

Settlement Area.

3. The Relationship Between Various Land Use Categories and The

Imperviousness For Predicting The Impact of Excessive Land

Development in Urban Area at Semarang Regency, Central Java.

4. Studi Bencana Banjir dengan Menggunakan Pemodelan Hidrodinamika 2D

- Studi Kasus : DAS Beringin.

1.I Dampak (Outcome) Kegiatan

Pelaksanaan kegiatan penelitian kebencanaan hidrologis yang sudah

dilaksanakan ini diharapan memberikan dampak (outcome) yang dapat dirasakan

secara langsung maupun tidak langsung. Adapun penerima manfaat sebagai

sasaran dampak dari kegiatan pelaksanaan kegiatan ini yaitu Badan Informasi

Geospasial khususnya untuk unit (pusat) teknis yang bersinggungan terhadap

topik kegiatan ini. Selanjutnya yaitu Kementerian/Lembaga terkait serta

pemerintah yang membidangi tema yang relevan dengan tema penelitian ini,

yaitu terkait isu penanganan bencana hidrologis khususnya terkait fenomena

banjir. Sasaran outcome selanjutnya yaitu para akademisi maupun peneliti secara

umum, sehingga diharapkan luaran dari kegiatan penelitian ini dapat

memberikan dampak berupa rujukan ataupun referensi, baik secara teknis

maupun akademis.



1.J Ringkasan dan Kesimpulan

Secara keseluruhan, pelaksanaan kegiatan penelitian kebencanaan

hidrologis – pemodelan hidrodinamika banjir telah dilaksanakan dengan lancar.

Namun demikian terdapat sedikit kendala pada teknis kegiatan, sehingga untuk

mengatasi kendala tersebut diperlukan langkah antisipatif agar pelaksanaan

pemodelan tetap berjalan. Sebagai contoh yaitu keterbatasan sumber data

meteorologis pada skala temporal, maka diperlukan metode perhitungan data

hujan rancangan sebagai data input yang digunakan dalam pemodelan.

Sejalan dengan tujuan dilaksanakan kegiatan penelitian ini, dapat

disimpulkan bahwa kajian kebencanaan hidrologis dapat dilakukan dengan studi

model hidrodinamika. Dengan studi hidrodinamika tersebut mampu

mengakomodir penyediaan informasi geospasial yang cukup komprehensif

terkait fenomena bencana banjir. Studi pada kegiatan ini dilakukan dengan

membuat model aliran dan genangan banjir secara 2 dimensi (2D), artinya model

disusun terhadap variabel ruang dan waktu (spatio-temporal). Uji coba penelitian

ini dilakukan di wilayah DAS Beringin, Semarang – Jawa Tengah, dengan kondisi

skenario aliran tak-permanen (unsteady flow). Dari uji coba tersebut, mampu

memodelkan aliran dan simulasi genangan berikut informasi kedalaman,

kecepatan air di sepanjang jalur banjir di wilayah DAS Beringin, beserta informasi

secara keruangan (spasial) daerah yang terdampak terkena luapan genangan

tersebut.

Pembuatan model aliran dan genangan banjir menggunakan teknik

integrasi model HEC (Hydrologic Engineering Center) V.5.0 dan program GIS.

Secara teknis, studi model tersebut dapat disimpulkan sebagai berikut:

1. Pemodelan aliran dan genangan dengan menggunakan metode integrasi

model HEC (Hydrologic Engineering Center) V.5.0 dan program GIS sangat

efektif untuk mengakomodir kebutuhan analisis banjir. Analisis perkiraan

tingkat banjir dapat dengan mudah dilakukan dengan menggunakan program

aplikasi tersebut.

2. Secara kapabilitas, model HEC mampu digunakan untuk memperkirakan

puncak debit aliran yang dikembangkan dari kejadian curah hujan tinggi pada

suatu wilayah. Selain itu, HEC mampu menyajikan analisis informasi aliran,



simulasi genangan, durasi banjir (flood duration), informasi kedalaman (water

depth), kecepatan aliran (velocity rates), dan profil muka aliran (water surface

profile).

3. Hasil simulasi menunjukkan kinerja yang baik, karena model HEC mampu

melakukan kalibrasi nilai input paramater hidrologis (HEC-HMS) sehingga

dapat meminimalisir nilai kesalahan.

Pembuatan simulasi aliran dan genangan banjir menggunakan model HEC

pada penelitian ini memilki sejumlah keterbatasan yang dijelaskan dalam asumsi-

asumsi sebagai berikut.

1. Pada analisis hidrologi, tidak ada data pengukuran lapangan secara empiris.

Sebagai contoh, data pengukuran hujan di lapangan, data bankfull capacity

dari sungai.

2. Asumsi dari perhitungan debit banjir dengan menggunakan data hujan

rancangan, bahwa hujan terjadi pada seluruh wilayah DAS (merata).

Sementara fakta kejadian di lapangan, jarang terjadi hujan yang seragam dan

bersamaan dalam suatu DAS (khususnya DAS dengan wilayah besar).

3. Dari asumsi bahwa hujan terjadi pada seluruh DAS, berpotensi menghasilkan

debit yang melebihi nilai (over-estimated).

4. Terdapat kemungkinan ketidakstabilan model secara matematis (numerik)

pada analisis aliran tak-permanen (unsteady flow), terutama di sungai dan

aliran yang memilki gradient topografis curam.



1.K Daftar Referensi

Ackerman, C. T. (2012). “HEC-GeoRAS: GIS Tools for Support of HEC-RAS using ArcGIS 10 User’s Manual” U.S. Army Corps of Engineers, Hydrologic Engineering Center, report number CPD-83.

Alemseged, T. ., & Rientjes, T. H. (2007). Uncertainty issues in hydrodynamic flood modeling. The 5th International Symposium on Spatial Data Quality SDQ, c43, Vol. 36, No.2. Retrieved from https://ezproxy.utwente.nl:2315/library/2007/conf/rientjes_unc.pdf

Asdak, C. 2010. Hidrologi dan Pengelolaan Daerah Aliran Sungai. Yogyakarta : Gadjah Mada University Press.

Badan Nasional Penanggulangan Bencana, (2018). Data Bencana Indonesia Menurut Jenisnya. Diakses melalui : http://dibi.bnpb.go.id/dibi/

Brunner, G.W. (2010). “HEC-RAS Hydraulic Reference Manual, Version 4.1.” U.S. Army Corps of Engineers - Hydrologic Engineering Center, report number CPD69.Pender, G., Néelz, S. (2007). “Use of computer models of flood inundation to facilitate communication in flood risk management”. Environ. Hazards 7 (2), 106–114.

Farhan, Yahaya and Anaba, Omar. 2016. Watershed Prioritization Based on Morphometric Analysis and Soil Loss Modeling in Wadi Kerak (Southern Jordan) Using GIS Techniques. nternational Journal of Plant & Soil Science 10(6): 1-18, 2016; Article no.IJPSS.25321 ISSN: 2320-7035.

Harto,S. 1993. Analisis Hidrologi. Jakarta : PT. Gramedia Pustaka Utama.

Hicks, Faye & Peacock, T. (2005). Suitability of HEC-RAS for flood forecasting. Canadian Water Resources Journal - Can Water Resource J. 30. 159-174. 10.4296/cwrj3002159.

Julien, P. (2018). River Mechanics. Cambridge: Cambridge University Press. doi:10.1017/9781316107072.

Rahaman, S.A., Ajeez S.A., Aruchamy, S., Jegankumar, R., 2015. Prioritization of Sub Watershed Based on Morphometric Characteristic Using Fuzzy Analytical Hierarchy Process and Geographical Information System – a Study of Kallar Watershed, Tamil Nadu. International Conference on Water Resources, Coastal and Ocean Engineering (ICWRCOE 2015). Aquatic Procedia 4 (2015) 1322-1330.

Seyhan, E. 1990. Dasar-Dasar Hidrologi. Yogyakarta : Gadjah Mada University Press.

Yang, Z., Wang, T., Khangaonkar, T., Breithaupt, S. (2011). “Integrated modeling offlood flows and tidal hydrodynamics over a coastal floodplain”. Environ. Fluid Mech. 12 (1) 63–80.

United Nations Office for Disaster Risk Reduction. (2015). Global Assesment Report on Disaster Risk Reduction. Diakses dari: https://www.unisdr.org/we/inform/gar


42 BAB II – LUARAN KARYA TULIS ILMIAH HASIL KEGIATAN

BAB II – LUARAN KARYA TULIS ILMIAH HASIL KEGIATAN

2.A Ringkasan

Hasil penelitian merupakan salah satu hal penting yang ada dalam sebuah

penelitian. Pada bagian ini, tim peneliti harus menampakkan objektifitasnya

dalam melakukan analisis terhadap penelitian yang telah dilakukan. Pembahasan

dalam bagian ini berisi tentang perbandingan antara hasil penelitian dengan teori

teori yang ada dan juga dengan hasil penelitian sebelumnya. Pembahasan hasil

penelitian dapat diistilahkan dengan hasil dari pemikiran atau usaha peneliti

untuk memberikan penjelasan dan interpretasi atas hasil penelitian yang telah

dianalisis guna menjawab pertanyaan penelitiannya. Di lain sisi, fakta yang

dilaporkan berdasarkan keadaan obyektif yang diperoleh melalui kegiatan

penelitian. Fakta yang diperoleh dari pelaksanaan kegiatan penelitian

diinformasikan sesuai dengan tanggung jawab yang ditugaskan kepada tim

pelaksana kegiatan.

Pada bagian ini (Bab II – Luaran Karya Tulis Ilmiah Hasil Kegiatan) adalah

proses pengaturan dan pengelompokkan secara sistematis tentang informasi

suatu kegiatan berdasarkan fakta melalui usaha pikiran peneliti dalam mengolah

dan menganalisa objek atau topik penelitian secara sistematis dan objektif untuk

memecahkan suatu persoalan atau menguji suatu hipotesis sehingga

menghasilkan sebuah prinsip-prinsip umum atau temuan baru tentang suatu

fakta. Pada kegiatan ini secara garis besar merupakan penelitian kuantitatif, di

mana bagian pembahasan mengenai hasil penelitian beserta kesimpulan atas

hasil penelitian, baru dapat disusun setelah tahap pengolahan dan analisis data

selesai dikerjakan. Dengan demikian informasi yang dilaporkan adalah hasil

pengolahan dan analisis data itu sendiri.



Gambar 2.1 Diagram rangkaian tahapan pelaksanaan kegiatan penelitian

Pada BAB II ini, laporan ilmiah hasil penelitian disusun melalui beberapa

tahapan sesuai dengan sistematika penulisan Karya Tulis Ilmiah. Diawali dengan

latar belakang, rumusan masalah, tujuan, tinjauan pustakaan, batasan konsep

(jika ada), hasil dan pembahasan, kesimpulan, serta referensi atau pustaka.

Sesuai dengan topik kegiatan penelitian yang dilaksanakan yaitu Pemetaan Emisi

Karbon pada Lokasi Gambut, maka dikemukakan beberapa judul beserta naskah

sebagai hasil dari pelaksanaan kegiatan penelitian yang sudah dilaksanakan.

Adapun hasil dari pelaksaaan kegiatan tersebut diuraikan dalam sekumpulan

karya tulis ilmiah (KTI) yang telah, siap, ataupun akan dipublikasikan

sebagaimana beberapa naskah tersebut diuraikan pada halaman selanjutnya.



2.B Luaran Karya Tulis Ilmiah – 1

Judul :

TEKNIK FILTERING MODEL ELEVASI DIGITAL (DEM) UNTUK DELINEASI

BATAS DAERAH ALIRAN SUNGAI (DAS)

Abstrak :

Delineasi batas Daerah Aliran Sungai (DAS) adalah proses penentuan sebuah area

yang berkontribusi mengalirkan curah hujan (input) menjadi aliran permukaan pada satu

titik luaran (outlet). Model Elevasi Digital (DEM) digunakan sebagai sumber data pada

proses delineasi batas DAS secara otomatis. Teknik delineasi otomatis dibuat dengan

prinsip ekstraksi data topografis untuk memperoleh nilai masukan pada penentuan

parameter hidrologi DAS (flow direction – flow accumulation – stream order –

basin/watershed). Sementara itu ekstraksi data topografis umumnya kurang

memperhatikan proses koreksi terhadap data DEM yang digunakan, sehingga hal

demikian akan berdampak pada output parameter hidrologi sebagai dasar delineasi

batas DAS. Proses koreksi data DEM tersebut akan sangat berpengaruh pada relevansi

dan akurasi informasi DAS yang dihasilkan. Penelitian ini mencoba mendeskripsikan

teknik filtering untuk data DEM sebagai input proses delineasi. Metode filtering yang

diterapkan yaitu high pass filter dengan didukung teknik resampling melalui metode

bicubic convolution. Lokasi sampel penelitian ini yaitu wilayah Pulau Rangsang -

Kepulauan Meranti, Provinsi Riau. Data DEM yang digunakan bersumber dari data

IFSAR (Interferometric Synthetic Aperture Radar), dengan ukuran grid atau resolusi

spasial rerata 2,5 meter. Komparasi dilakukan pada kedua data hasil ekstraksi DEM

(non-filtering) dan data hasil filtering. Dari kedua data tersebut diperoleh sejumlah

parameter hidrologis yang digunakan untuk menilai keakurasian informasi DAS yang

dihasilkan. Jumlah batas DAS yang dihasilkan dari data DEM dengan perlakuan filtering

cenderung menghasilkan informasi DAS yang lebih efektif dan relevan terhadap kondisi

lapangan dibandingkan dengan hasil dari data DEM tanpa perlakuan filtering. Dengan

demikian maka, data DEM dengan perlakuan teknik filtering pada input proses delineasi

otomatis mampu menghasilkan batas dan informasi DAS yang lebih akurat sesuai

karakteristik hidrologi DAS dibandingkan hasil delineasi tanpa teknik filtering.

PENDAHULUAN

Latar Belakang

DAS (daerah aliran sungai) merupakan salah satu komponen hidrologi yang berperan sebagai wilayah yang menampung, menyimpan dan mengalirkan air hujan hingga danau atau laut melalui sungai. DAS tersusun atas kesatuan wilayah daratan dan sungai, termasuk anak-anak sungainya, sehingga DAS dapat tersusun atas beberapa sub-DAS maupun sub-sub DAS. Kesatuan wilayah DAS digambarkan dalam sebuah unit yang disebut batas DAS. Batas DAS tergambar pada visualisasi peta yang pada kenyataannya tidak tampak di lapangan. Secara prinsip batas ini merupakan sebuah unit yang membatasi jumlah air hujan yang jatuh pada suatu permukaan. Dengan demikian maka, delineasi batas DAS adalah proses penentuan sebuah area yang berkontribusi mengalirkan curah hujan (input) menjadi aliran permukaan pada satu titik luaran (outlet).



Penentuan batas DAS memiliki beberapa tujuan seperti mengetahui bentuk hidrograf aliran untuk memprediksi debit puncak, digunakan dalam analisa banjir, dan perencanaan manajemen sumber daya air, serta aplikasi lain terkait hidrologi DAS.

Dewasa ini proses delineasi batas DAS sering dilakukan secara otomatis menggunakan perangkat Geographic Information System (GIS) melalui beberapa langkah prosedur teknis yang tersusun pada suatu algoritma. Alasan penggunaan proses delineasi secara otomatis dianggap lebih praktis dibanding proses delineasi secara manual (interpretasi visual peta topografi). Di lain sisi, delineasi secara manual cenderung masih bersifat subyektif khususnya terkait penentuan hilir suatu DAS. Sementara delineasi secara otomatis dinilai relatif lebih akurat, cepat dan mampu mengakomodir kebutuhan penyusunan parameter DAS serta komponen-komponen hidrologis secara lebih luas. Proses delineasi secara otomatis sangat bergantung pada algoritma serta input data topografis sebagai sumber data utama. Pada proses ini, data topografis direpresentasikan oleh model permukaan digital atau Digital Elevation Model (DEM). Namun demikian faktor perbedaan input data DEM yang digunakan akan mempegaruhi luaran (output) batas DAS yang dihasilkan.

Pada proses delineasi secara otomatis, ekstraksi topografis terhadap data DEM umumnya kurang memperhatikan nilai akurasinya. Sementara itu, hal tersebut akan berdampak pada nilai karakteristik hidrologi DAS yang dihasilkan. Sebagai contoh yaitu, pembuatan batas DAS dengan metode delineasi otomotatis tanpa memperhatikan akurasi data DEM akan menghasilkan nilai konfigurasi jaringan aliran (drainase) yang cenderung kurang akurat. Dengan demikian maka, diperlukan suatu metode atau teknik khusus terhadap data DEM sebagai masukan atau input data pada proses delineasi batas DAS secara otomatis. Dengan memperhatikan nilai akurasi topografis terhadap data DEM, teknik ini diharapkan dapat menghasilkan data yang lebih akurat. Data DEM yang lebih akurat akan memberikan luaran proses delineasi secara otomatis berupa informasi komponen hidrologi suatu DAS secara lebih akurat dan relevan.

Tujuan

Penelitian ini bertujuan untuk mendeskripsikan uji coba teknik filtering pada data model elevasi digital atau DEM, dimana data DEM digunakan sebagai data input pada proses delineasi DAS secara otomatis. Tujuan berikutnya yaitu untuk menguji hasil delineasi batas DAS dari input data DEM tanpa teknik filtering terhadap data dengan teknik filtering.

Studi Pustaka

Karakteristik Hidrologi dan Morfometri DAS Karakteristik topografis suatu DAS sangat erat kaitanya terhadap morfometri.

Morfometri DAS adalah istilah yang digunakan untuk menyatakan keadaan serta ukuran atau parameter fisik suatu permukaan DAS, khususnya terkait jaringan atau alur sungai secara kuantitatif (Moore, Grayson and Ladson, 1991; Supangat, 2012). Sementara itu morfomeri DAS merupakan istilah yang digunakan untuk menyatakan keadaan jaringan alur sungai secara kuantitatif. Morfometri suatu DAS meliputi beberapa komponen, antar lain : panjang, lebar, dan luas DAS; kemiringan atau gradien sungai; orde dan tingkat percabangan sungai; kerapatan dan pola pengaliran sungai; serta bentuk DAS itu sendiri.

Orde sungai adalah posisi percabangan alur sungai di dalam urutannya terhadap induk sungai pada suatu DAS. Ada beberapa metode penentuan orde sungai diantaranya yaitu Horton, Strahler, Shreve, dan Scheidegger. Pada penelitian ini metode yang digunakan yaitu Strahler (Strahler, 1952). Berdasarkan metode Strahler, alur sungai paling hulu yang tidak mempunyai cabang disebut dengan orde pertama (orde 1), pertemuan antara orde pertama disebut orde kedua (orde 2), demikian seterusnya



sampai pada sungai utama ditandai dengan nomor orde yang paling besar sebagaimana ditunjukkan pada diagram berikut (gambar 1).

Gambar 1. Diagram orde jaringan sungai Strahler

Jumlah alur sungai suatu orde dapat ditentukan dari angka indeks percabangan sungai atau bifurcation ratio (Rb). Perhitungan Rb biasanya dilakukan dalam unit Sub DAS atau Sub DAS. Untuk memperoleh nilai Rb dari keseluruhan DAS, maka digunakan tingkat percabangan sungai rerata tertimbang atau weighted mean bifurcation (WRb). Kerapatan sungai adalah suatu angka indeks yang menunjukkan banyaknya anak sungai di dalam suatu DAS. Kerapatan alur mencerminkan panjang sungai rerata dalam satu satuan luas tertentu. Kerapatan alur dapat diklasifikasikan sebagai berikut (Seyhan, 1977).

Tabel 1. Klasifikasi kerapatan alur sungai

No Dd

(km/Km2)

Kelas

Kerapatan Keterangan

1 <0,25 Rendah Alur sungai melewati batuan dengan resistensi keras, maka angkutan sedimen yang terangkut aliran sungai lebih kecil.

0,25-10 Sedang Alur sungai melewati batuan dengan resistensi yang lebih lunak sehingga angkutan sedimen yang terangkut akan lebih besar

3 10-25 Tinggi Alur sungai melewati batuan dengan resistensi yang lunak, sehingga angkutan sedimen yang terangkut aliran akan lebih bensar

4 <25 Sangat

Tinggi Alur sungai melewati batuan yang kedap air. Keadaan ini akan menunjukkan bahwa air hujan yang menjadi aliran akan lebih besar.

Sumber : (Seyhan, 1977)

Pola sungai menentukan bentuk suatu DAS. Bentuk DAS mempunyai arti penting dalam hubungannya dengan aliran sungai, yaitu berpengaruh terhadap kecepatan terpusat aliran. Bentuk DAS sulit untuk dinyatakan dalam bentuk kuantitatif. Bentuk DAS dapat didekati dengan indeks kebulatan atau circularity ratio (Rc) yang diklasifikasikan sebagai berikut.

Tabel 2. Klasifikasi indeks kebulatan bentuk DAS

No Rc Keterangan



1 >0,5 Bentuk daerah aliran sungai membulat, debit pucak datanya lama, begitu juga

penurunannya

2 <0,5 Bentuk daerah aliran sungai memanjang, debit puncakl datangya cepat, begitu juga

penurunannya.

Semua sungai di dalam DAS mengikuti suatu aturan yaitu bahwa aliran sungai dihubungkan oleh suatu jaringan satu arah, dimana cabang dan anak sungai mengalir ke dalam sungai induk yang lebih besar dan membentuk suatu pola tertentu. Pola ini disebut pola pengaliran atau pola drainase (Howard, 1967). Pola itu tergantungan dari pada kondisi topografi, geologi, iklim, vegetasi yang terdapat di dalam DAS bersangkutan (Nadia, Fatiha, Manyuk Fauzi, 2015). Sebagai contoh dari pola-pola pengaliran antara lain pola dendritik, pola rectanguler, pola trelis, pola radial, dan pola paralel.

Gambar 2. Ilustrasi pola pengaliran (drainase) DAS

Sumber : (Howard, 1967)

Delineasi Batas DAS

Delineasi batas DAS adalah proses penentuan batas DAS atau Sub-DAS berdasar karakteristik hidrologi suatu bentang alam (Amir et al., 2014). Delineasi batas DAS memiliki beberapa kegunaan seperti mengetahui bentuk hidrograf debit puncak, digunakan dalam analisa banjir, dan perencanaan manajemen sumber daya air (Nadia, Fatiha, Manyuk Fauzi, 2015). Seiring dengan perkembangan teknologi, delineasi batas DAS bisa dilakukan secara otomatis dengan menggunakan data digital elevation model (DEM). Prinsip penggunaan data DEM yaitu untuk mengetahui kondisi topografis permukaan bumi sehingga dapat diperoleh karakterisitk hidrologis yang merupakan dasar dari proses delineasi batas DAS.

Delineasi batas DAS secara otomatis tersusun atas algoritma dengan prinsip ekstraksi data topografis untuk memperoleh paramater-parameter hidrologi suatu DAS (Lin et al., 2006). Parameter-parameter tersebut terdiri dari arah aliran (flow direction), akumulasi aliran (flow accumulation), orde sungai (stream order), serta batas aliran (watershed) yang secara keseluruhan sangat tergantung dari karakteristik topografi DAS (ESRI, 2010).



Gambar 3. Algortima delineasi DAS secara otomatis

Digital Elevation Model (DEM) DEM data digital yang menggambarkan geometri dari bentuk permukaan bumi

atau bagiannya yang terdiri dari himpunan titik-titik koordinat hasil sampling dari permukaan dengan algoritma yang mendefinisikan permukaan tersebut menggunakan himpunan koordinat (Moore, Grayson and Ladson, 1991). DEM merupakan suatu sistem, model, metode, dan alat dalam mengumpulkan, prosessing, dan penyajian informasi medan. Susunan nilai-nilai digital yang mewakili distribusi spasial dari karakteristik medan, distribusi spasial di wakili oleh nilai sistem koordinat X, Y dan karakteristik ketinggian medan diwakili dalam sistem koordinat Z (Zhang and Montgomery, 1994).

Gambar 4. Contoh visualisasi data DEM

Sumber : (Buakhao and Kangrang, 2016)

Dalam proses analisis bentang lahan, data DEM perlu divisualisasikan agar memudahkan proses interpretasi. Visualisasi DEM memungkinkan pengguna untuk memperoleh gambaran yang lebih jelas mengenai kondisi topografi di lokasi yang dimaksud. Sementara untuk analisis hidrologi, data turunan DEM yang digunakan yaitu data digital surface model (DSM). Data DSM atau dapat diartikan sebagai model permukaan digital merupakan model elevasi yang menampilkan ketinggian permukaan di atas tanah (ground), jika data terrain hanya menampilkan ground maka DSM menampilkan bentuk permukaan apapun seperti ketinggian pohon, bangunan dan objek apapun yang ada diatas tanah (Zhang and Montgomery, 1994).

Filtering DEM



Teknik filtering DEM adalah proses manipulasi khusus terhadap data DEM agar diperoleh turunan data sesuai dengan tujuan penggunaan (Zhang and Montgomery, 1994). Filtering DEM juga digunakan untuk melakukan koreksi nilai elevasi dari suatu data DEM. Prinsip filtering DEM menghitung nilai-z baru untuk piksel dalam DEM dengan menggunakan perhitungan terhadap rata-rata nilai dari piksel di sekitarnya (ESRI, 2010; Zhang et al., 2010). Filtering merupakan proses perubahan nilai piksel dalam dataset sesuai dengan nilai piksel disekelilingnya. Filtering merupakan operasi lokal dalam pengolahan citra yang dilakukan guna memudahkan interpretasi visual. Secara konsep pengolahan data raster, teknik filtering yang umumnya digunakan dibagi menjadi tiga kategori, yaitu (Gonzalez and Woods, 2002):

• Filter lolos rendah (low pass filter) adalah filter yang digunakan untuk memperhalus kenampakan (smoothing and averaging) dengan meratakan noise dan menghilangkan spike pada data raster.

• Filter lolos tinggi (high pass filter) adalah filter yang digunakan untuk menajamkan kenampakan obyek pada data raster dengan menekan frekuensi tinggi tanpa mempengaruhi bagian dari frekuensi rendah pada nilai raster.

• Filter deteksi sisi (edge detection filter) adalah filter yang digunakan untuk menampakkan sisi di sekitar (edge) suatu obyek untuk memudahkan interpretasi dan analisis.

Gambar 5. Contoh operasi filtering pada data DEM menggunakan high pass filter

Sumber : (ESRI, 2010)

Raster Resampling Teknik resampling merupakan sebuah proses transformasi dari nilai input raster

(grid masukan) menuju nilai output raster (grid luaran). Sebagai contoh hasil resampling pada pengolahan data raster, karena piksel-piksel dalam data raster awal tidak menyerupai nilai raster referensi maka piksel-piksel asal diubah sedemikian sehingga nilai data baru dalam raster keluaran dapat dikalkulasikan (Gonzalez and Woods, 2002).

Terdapat tiga teknik resampling yang umum digunakan yaitu tetangga terdekat (nearest neighbour), interpolasi bilinear (bilinear interpolation) dan konvolusi kubik (cubic convolution). Ketiga teknik ini sering digunakan perangkat lunak pengolahan data raster secara digital. Untuk resampling dengan metode tetangga terdekat tidak mengubah nilai piksel asli dari input raster tetapi hasilnya menjadi jaggy (kotak-kotak). Sedangkan untuk teknik resampling bilinear dan konvolusi kubik menghasilkan citra lebih halus tetapi membutuhkan waktu lebih lama dibandingkan dengan tetangga terdekat (Gumelar, 2015).



Gambar 5. Contoh teknik filtering menggunakan menggunakan cubic convolution

Sumber : (Hell and Jakobsson, 2011)

METODE

Instrumen, Data, dan Lokasi Dalam penelitian ini instrumen yang digunakan meliputi perangkat geographic

information system (GIS) yang terdiri dari perangkat komputer dan perangkat lunak (software) GIS. Perangkat lunak yang digunakan adalah ArcGIS dan Global Mapper, sementara perangkat analisis yang digunakan yaitu Spatial Anlysis dan ArcHydro (ESRI, 2010; Zhang et al., 2010). Data yang digunakan dalam penelitian ini yaitu data DEM yang bersumber dari data IFSAR (Interferometric Synthetic Aperture Radar), dengan resolusi grid 2,5 meter. Data topografi sebagai pembanding yaitu data topografi Peta Rupa Bumi Indonesia (RBI) skala 1:25.000 yang bersumber dari Badan Informasi Geospasial. Untuk lokasi sampel penelitian ini yaitu wilayah Pulau Tebing Tinggi - Kepulauan Meranti, Provinsi Riau. Wilayah Pulau Tebing Tinggi dipilih berdasar pertimbangan kondisi DAS yang cukup unik, yaitu berada pada wilayah dataran dengan kondisi topografis yang tidak terlalu menonjol, sedangkan kondisi geografis wilayah tersebut merupakan wilayah yang didominasi tanah gambut (peat land).



Gambar 6. Lokasi Sampel Penelitian

Alur Penelitian

Alur penelitian dimulai dari tahap pre-processing, main processing, sampai dengan analisis hidrologi menggunakan tool spatial analysis. Pada tahap pre-processing, diawali dengan input data dasar DEM berupa data surface atau DSM. Data DSM bersumber dari data (Interferometric Synthetic Aperture Radar) IFSAR. Selanjutnya input data DSM dilakukan proses raster filtering menggunakann metode high pass filter. Data hasil filtering kemudian diinterpolasi untuk memperoleh koreksi nilai grid (raster) dengan teknik raster resampling. Metode raster resampling yang digunakan yaitu metode konvolusi kubik (cubic convolution). Dari keseluruhan tahap pre-processing ini dilanjutkan dengan tahap pemrosesan utama atau main processing. Pada tahap main processing, diaplikasikan proses delineasi batas DAS secara otomatis yang merujuk pada skema delineasi batas DAS pada Gambar 8.

Penjelasan megenai teknik filtering data DEM pada penelitian ini adalah sebagai berikut. Teknik filtering adalah proses manipulasi khusus terhadap data DEM agar diperoleh turunan data sesuai dengan tujuan penggunaan (Zhang and Montgomery, 1994). Filtering DEM juga digunakan untuk melakukan koreksi nilai elevasi dari suatu data DEM. Prinsip filtering DEM menghitung nilai-z baru untuk piksel dalam DEM dengan menggunakan perhitungan terhadap rata-rata nilai dari piksel di sekitarnya (ESRI, 2010; Zhang et al., 2010).

Teknik filtering DEM pada dasarnya menciptakan nilai output berdasar kalkulasi (moving window), serta perhitungan tumpang susun (overlapping) sel ukuran 3x3 dari nilai raster masukan. Masing-masing input nilai sel (pusat) dan 8 sel tetangga terdekatnya digunakan untuk menghitung nilai output. Pada penelitian ini digunakan operasi High Pass Filtering, merupakan proses penghalusan (smoothing) data dengan mengurangi nilai variasi lokal dan menghapus noise. Perhitungan (rata-rata) nilai setiap cell 3 x 3. Bahwa nilai tinggi dan rendah dalam setiap sel berdekatan akan dirata-ratakan, mengurangi nilai ekstrim secara keseluruhan. Di lain sisi, operasi high pass filtering merupakan proses yang lebih menonjolkan perbedaan komparatif antara nilai-nilai dalam sel dan sel tetangga sehingga mempermudah visualisasi objek pada DEM (Gonzalez and Woods, 2002).



Gambar 7. Alur metode pada tahapan pre-processing

Gambar 8. Alur proses pada tahapan main-processing delineasi batas DAS

Sumber : (ESRI, 2010)

HASIL

Pre-pocessing

• High Pass Filter Tahapan pre-processing diawalai dengan proses filtering data DEM. Data DEM

yang merupakan data grid atau raster diolah menggunakan fungsi high pass pada operasi filtering. Seperti telah dijelaskan pada bagian studi pustaka bahwa high pass filter adalah proses filter yang mengambil nilai piksel dengan gradiasi intensitas yang tinggi dan perbedaan intensitas yang rendah akan dikurangi atau dibuang. Masing-masing nilai piksel pada data DEM adalah mewakili nilai elevasi permukaan (surface) di lokasi penelitian. Pada penelitian ini hasil high pass filter ditunjukkan pada gambar 9. sebagai berikut.



Raster DEM asli (non-fliter) Raster DEM hasil filter (high pass fliter)

Gambar 9. Kenampakan hasil proses Filtering data DEM

• Raster Resampling Melalui metode konvolusi kubik (cubic convolution) diperoleh hasil resampling

data DEM seperti pada gambar 10. Secara visual nampak perbedaan resolusi spasial antara data DEM asli dengan data DEM hasil resampling. Metode konvolusimkubik merupakan teknik interpolasi yang menggunakan enam belas tetangga terdekat dari sebuah titik (nilai sebuah piksel) kemudian merubahnya menjadi nilai piksel baru. Secara proses, metode ini menghasilkan data raster yang lebih halus tetapi membutuhkan waktu lebih lama untuk proses komputasi dibandingkan dengan metode resampling yang lain (misal : nearest neighbour).

Raster DEM asli (non-resampling) Raster DEM hasil resampling

Gambar 10. Kenampakan hasil proses Resampling data DEM

Main Processing Pada tahap pengolahan data utama (main processing) proses yang dilakukan

adalah proses delineasi batas DAS. Proses delineasi batas DAS dilakukan secara otomatis menggunakan perangkat GIS, sementara untuk analisis hidrologi digunakan perangkat (tool) Spatial Analyst dan ArcHydro pada perangkat ArcGIS. Proses delineasi ini dibuat dengan prinsip ekstraksi data topografis untuk memperoleh nilai masukan pada penentuan karakteristik hidrologi DAS (flow direction – flow accumulation – stream order – basin/watershed). Berdasar hasil delineasi batas DAS secara otomatis didapatkan sejumlah hasil data luaran (output) berupa beberapa paramater hidrologis DAS. Parameter yang dihasilkan berdasar skema proses delineasi batas DAS seperti pada gambar 8. Parameter tersebut terdiri dari sejumlah luaran data sebagai berikut.

• Arah aliran air (Flow Direction) Luaran data hasil dari fungsi ini yaitu berupa data arah aliran air. Secara prinsip,

data araha aliran diperoleh dari manifestasi kondisi topografis yang digambarkan oleh



kenampakan morfometri (slope). Sebagai hasil dari proses ini, terdapat perbedaan informasi yang ditunjukkan antara input data DEM dengan perlakuan khusus (filtering) dan data DEM asli. Data luaran tersebut menunjukkan informasi arah aliran air pada setiap piksel yang mewakili karakteristik topografis masing-masing data DEM. Visualisasi data arah aliran ditunjukkan pada gambar 11.

Flow direction DEM asli (non-filtering) Flow direction DEM hasil filtering

Gambar 11. Visualisasi parameter flow direction dari masing-masing data DEM

• Akumulasi aliran air (Flow Accumulation) Luaran dari proses pembentukkan flow accumulation berupa data raster yang

merepresentasikan jumlah akumulasi aliran air yang terjadi pada suatu liputan lahan. Akumulasi aliran air diperoleh dari kallkulasi nilai elevasi permukaan, dimana semakin tinggi nilai elevasi berikut gradien kemiringanya maka akan semakin rendah akumulasi aliran air. Sebagai hasil akhir dari parameter ini, terdapat nilai akumulasi air yang biasanya juga identik dengan jaringan sungai yang relevan dengan kondisi di lapangan. Visualisai dari parameter flow accumulation ditunjukkan pada gambar 12.

Flow accumulation DEM asli (non-filtering) Flow accumulation DEM hasil filtering

Gambar 12. Visualisasi parameter flow accumulation dari masing-masing data DEM

• Jaringan Sungai (Stream Order and Stream Network) Jaringan sungai (stream network) diperoleh dari hasil pehitungan paramater

hidrologis yaitu flow accumulation. Secara teoritis, proses ekstraksi jaringan sungai dilakukan dengan proses pengumpulan piksel-piksel yang mempunnyai nilai kecenderungan arah aliran dan akumulasi yang sama, dengan nilai lokasi berdekatan secara spasial. Parameter ini membuat klasifikasi mengenai orde (tingkatan) jaringan sungai. Informasi yang direpresentasikan dari parameter ini adalah drainage network. Sementara klasifikasi orde jaringan sungai yang digunakan pada penelitian ini yaitu metode Strahler (Strahler, 1957).

Resampling-Filtering



Orde Strahler data DEM asli (non-filtering) Orde Strahler data DEM filtering

Gambar 13. Parameter stream network dari masing-masing data DEM

• Delineasi Batas DAS (Watershed Delineation) Hasil luaran delineasi batas DAS yang tergambar padaa dasarnya adalah batas

imaginer yang berada pada suatu sistem jaringan sungai. Batas DAS menjadi parameter akhir yang dihasilkan dari penelitian ini, dimana parameter ini merupakan hasil dari dari proses integrasi proses dari parameter-parameter data yang dihasilkan sebelumnya yaitu arah aliran (flow direction), akumulasi aliran (flow accumulation), orde sungai (stream order). Batas DAS yang dihasilkan tersebut merupakan representasi batas jumlah air hujan yang jatuh di atasnya. Batas DAS utama tersusun atas beberapa sub DAS. Sub DAS adalah bagian dari DAS yang menerima air hujan dan mengalirkannya melalui anak sungai ke sungai utama. Setiap DAS utama terbagi habis ke dalam Sub DAS - Sub DAS, sehingga secara menyeluruh parameter batas DAS mewakili kondisi hidrologis pada suatu bentang lahan. Hasil delineasi batas DAS untuk lokasi penelitian dicontohkan seperti pada ilustrasi dalam gambar 14.

Batas DAS dari data DEM (non-filtering) Batas DAS dari data DEM dengan filtering

Gambar 14. Delineasi batas DAS hasil pengolahan parameter

PEMBAHASAN

Pokok pembahasan pada penelitian ini yaitu terletak pada perlakuan data input berupa data DEM. Perlakuan khusus yang dimaksud adalah teknik filtering serta didukung dengan proses resampling terhadap data DEM itu sendiri. Proses raster filtering menggunakann metode high pass filter menghasilkan data sebagaimana ditunjukkan pada gambar 8. Dari hasil visualisasi (gambar 8.) dapat diketahui bahwa high pass filter menyebabkan perbedaan kenampakan serta peningkatan nilai piksel pada obyek yang berbeda, misalkan antara obyek vegetasi dan tanah terbuka. Perbedaan yang muncul pada obyek tidak begitu jelas pada data DEM asli (tanpa filtering) karena nilai pada raster tersebut mempunyai gradiasi yang relatif rendah (halus). Sedangkan kenampakan pada raster DEM hasil filter nampak jelas perbedaan



pada masing-masing obyek, karena teknik ini menekan frekuensi tinggi tanpa mempengaruhi bagian dari frekuensi rendah pada nilai data tersebut. Sehingga, dengan demikian proses filtering dengan teknik ini cukup optimal untuk menonjolkan nilai raster DEM untuk ekstraksi nilai topografis (elevasi) sebagai dasar analisis pembentukkan batas DAS.

Selanjutnya pada proses raster resampling diketahui perbedaan hasil resolusi spasial antara data DEM asli dengan data DEM hasil resampling. Hasil resampling menunjukkan bahwa proses interpolasi nilai-nilai sel (piksel) merubah nilai dataset raster masukan (input). Melalui metode konvolusi kubik (cubic convolution) proses raster reampling sangat sesuai digunakan untuk data yang bersifat kontinu dengan meminimalkan kelengkungan kuadrat secara total. Hasil interpolasi cenderung halus, meskipun kendala kelengkungan minimum dapat menghasilkan nilai ekstrim lokal tertinggi atau terendah. Sementara itu, secara mekanisme proses dari metode ini menghasilkan data raster yang lebih halus (smooth), namun di lain sisi metode ini membutuhkan waktu lebih lama untuk proses komputasi data dibandingkan dengan metode resampling yang lain (misal : nearest neighbour).

Data DEM hasil filtering ditambah proses resampling menunjukkaan perbedaan yang signifikan dibanding data DEM tanpa perlakuan tersebut. Hal ini dibuktikan pada hasil proses delineasi batas DAS secara otomatis. Pada lokasi studi kasus penelitian ini, yaitu wilayah Pulau Rangsang, Kepulauan Meranti Provinsi Riau, diperoleh perbendaan hasil yang cukup signifikan. Perbedaan tersbut ditunjukkan pada luaran (output) karakteristik hidrologi yang menjadi dasar pembentukan batas DAS. Sementara pembentukan batas DAS sangat terkait dengan parameter morfometri sungai yang dihasilkan dari masing-masing input data DEM. Berikut perbedaan parameter morfometri yang dihasilkan tersaji pada tabel 2, tabel 3, dan tabel 4 pada halaman selanjutnya.

Tabel 2. Karakteristik orde sungai (segmen) hasil masing-masing data DEM

Orde Sungai

Jumlah Segmen orde sungai

Non Filtering Resampling-Filtering 1 666 497

2 300 251

3 158 110

4 81 51

5 82 72

6 40 9

7 - -

1327 990

Jumlah Segmen *Strahler Order

Tabel 3. Karakteristik sungai (morfometri) hasil masing-masing data DEM

Komparasi

Luas Keliling

Panjang

Lebar

Gradien

(Km2) (Km) (Km) (Km) Non- Filtering

1.666,18

317,14 55,45

32,21

0,005462

Filtering-Resampling

1.785,98

301,56 56,77

29,35 0,00532



Tabel 4. Karakteristik alur sungai hasil masing-masing data DEM

Komparasi Indeks Percabangan

Total Panjang Indeks Kerapatan

Indeks Bentuk

Pola Drainase

(Rb) (m) (Dd) (Rc) Non Filtering 11,18 1.526.107,00 854,49 00.22 Dendritik Filtering Resampling 15,16 1.825.461,00 1.095,60 00.23 Dendritik

Pembentukan parameter morfometri dari ekstraksi data DEM sangat dipengaruhi oleh adanya sink atau peak. Dalam terminologi data raster, sink atau peak yaitu kondisi dimana terdapat perbedaan nilai elevasi yang mencolok dengan cakupan yang sangat kecil. Setiap data raster mempunyai jumlah sink yang berbeda-beda, namun untuk data DEM yang mengalami perlakuan teknik filtering dan proses resampling akan cenderung meniadakan adanya sink dibanding dengan data DEM tanpa perlakuan tersebut. Hal tersebut diakarenakan proses filtering dan proses resampling akan mengisi seluruh data di masing-masing piksel berdasar algoritma yang digunakan. Dengan demikian maka, kebutuhan fungsi filled (koreksi sink) pada data DEM tidak perlu dilakukan, karena hasil data DEM melalui proses filtering dan proses resampling sudah mengakomodir kebutuhan fungsi filled tersebut.

Bagian akhir pembentukan batas DAS (watershed delineation) juga diperoleh perbedaan hasil yang cukup signifikan antara input data DEM yang mengalami perlakuan teknik filtering dibanding dengan data DEM tanpa perlakuan tersebut. Perbedaan tersebut nampak pada jumlah Sub-DAS yang dihasilkan. Jumlah batas DAS yang dihasilkan dari data DEM dengan perlakuan resampling cenderung lebih efektif diabnding dengan hasil dari data DEM tanpa perlakuan resampling. Proses delineasi batas DAS dari input data DEM dengan perlakuan resampling cenderung meniadakan Sub-Das atau Sub-sub DAS yang sangat kecil. Hal tersebut dilakukan dengan menggabungkan keberadaan Sub-Das atau Sub-sub DAS yang sangat kecil ke dalam Sub-DAS atu DAS yang lebih besar.

KESIMPULAN

Garis batas antar DAS adalah representasi kondisi topografi berupa punggungan permukaan bumi yang dapat memisahkan dan membagi air hujan ke masing-masing DAS. Batas-batas DAS ditunjukan dengan adanya garis imaginer yang merupakan gambaran dari setiap punggungan permukaan. Batas wilayah DAS diukur dengan cara menghubungkan titik-titik tertinggi di antara wilayah aliran sungai yang satu dengan yang lain. Sementara proses delineasi dilakukan secara otomatis melalui algoritma dengan prinsip ekstraksi data topografis untuk memperoleh paramater-parameter hidrologi suatu DAS. Parameter-parameter tersebut terdiri dari arah aliran (flow direction), akumulasi aliran (flow accumulation), orde sungai (stream order), serta batas aliran (basin).

Secara logis, input data DEM dengan perlakuan resampling akan menghasilkan batas DAS yang lebih relevan terhadap kondisi lapangan dibandingkan dengan proses delineasi batas DAS dari input data DEM tanpa perlakuan resampling. Berdasar karakteristik hidrologis suatu wilayah, dengan demikian maka hasil proses delineasi batas DAS dari input data DEM dengan perlakuan resampling dinilai dapat menghasilkan informasi yang lebih akurat.



DAFTAR PUSTAKA

Amir, M. S. I. I. et al. (2014) ‘Watershed Delineation and Cross-section Extraction from DEM for Flood Modelling’, 19 th Australasian Fluid Mechanics Conference.

Buakhao, W. and Kangrang, A. (2016) ‘DEM Resolution Impact on the Estimation of the Physical Characteristics of Watersheds by Using SWAT’, Advances in Civil Engineering. doi: 10.1155/2016/8180158.

ESRI (2010) GIS Best Practices: Environmental Management, Environmental Management.

Gonzalez, R. and Woods, R. (2002) Digital image processing, Prentice Hall. doi: 10.1016/0734-189X(90)90171-Q.

Gumelar, O. (2015) ‘Teknik Resampling Citra Satelit’, pp. 650–663.

Hell, B. and Jakobsson, M. (2011) ‘Gridding heterogeneous bathymetric data sets with stacked continuous curvature splines in tension’, pp. 493–501. doi: 10.1007/s11001-011-9141-1.

Howard, A. D. (1967) ‘Drainage Analysis in Geologic Interpretation: A Summation’, AAPG Bulletin. doi: 10.1306/5D25C26D-16C1-11D7-8645000102C1865D.

Lin, W. T. et al. (2006) ‘Automated suitable drainage network extraction from digital elevation models in Taiwan’s upstream watersheds’, Hydrological Processes, 20(2), pp. 289–306. doi: 10.1002/hyp.5911.

Moore, I. D., Grayson, R. B. and Ladson, a R. (1991) ‘Digital Terrain Modeling : A Review of Hydrological Geomorphological and Biological Applications’, Hydrological Processes, 5(1), pp. 3–30. doi: DOI: 10.1002/hyp.3360050103.

Nadia, Fatiha, Manyuk Fauzi, A. S. (2015) ‘Ekstraksi Morfometri Daerah Aliran Sungai (Das) Di Wilayah Kota Pekanbaruuntuk Analisis Hidrograf Satuan Sintetik’, Annual Civil Engineering Seminar 2015, (November 2015), pp. 978–979.

Seyhan, E. (1977) Dasar-dasar hidrologi / Ersin Seyhan ; penerjemah Sentot Subagyo ; editor Soenardi Prawirohatmodjo. Yogyakarta : Gadjah Mada University Press Tahun 1990.

Strahler, A. N. (1952) ‘Hypsometric (area-altitude) analysis of erosional topography’, Bulletin of the Geological Society of America. doi: 10.1130/0016-7606(1952)63[1117:HAAOET]2.0.CO;2.

Strahler, A. N. (1957) ‘Quantitative analysis of watershed geomorphology’, Eos, Transactions American Geophysical Union. doi: 10.1029/TR038i006p00913.

Supangat, A. B. (2012) ‘Karakteristik hidrologi berdasarkan parameter morfometri das di kawasan taman nasional meru betiri (’, Jurnal Penelitian Hutan dan Konservasi Alam, pp. 275–283.

Zhang, J. et al. (2010) ‘Hydrologie information extraction based on ARC hydro tool and DEM’, in International Conference on Challenges in Environmental Science and



Computer Engineering, CESCE 2010. doi: 10.1109/CESCE.2010.169.

Zhang, W. and Montgomery, D. R. (1994) ‘Digital elevation model grid size, landscape representation, and hydrologic simulations’, Water Resources Research. doi: 10.1029/93WR03553.



2.C Luaran Karya Tulis Ilmiah – 2

Judul :

RE-ASSESSING RAINWATER VOLUME BY CHIRPS SATELLITE IN SEMARANG

SETTLEMENT AREA

Abstract :

Semarang City is one of the most influential coastal cities in Java Island. The city is

facing increasingly-high water demand due to its development and water problems due

to climate change. The spatial physiography and landscape of Semarang City are also

exposed the city to water security problem. Hence, rainwater harvesting treatment is an

urgent effort to meet the city’s water needs. However, planning, implementation and

management of rainwater harvesting are highly depended on multitemporal rainfall data.

It has not yet been fully compiled due to limited rain stations. This study aims to examine

the extent to which CHIRPS satellite data can be utilized in estimating volume of

rainwater harvesting 16 sub-districts in Semarang and determine the water security

status. This study uses descriptive statistical method based on spatial analyses. Such

method was developed through spatial modeling for rainfall using isohyetal model. The

parameters used are rainfall, residential rooftop area, administrative area, population,

physiographic and altitude units. Validation is carried out by using monthly 10 rain

stations data. The results show level of validity by utilizing CHIRPS Satellite data and

mapping rainfall distribution. This study also produces a potential map of distribution

rainfall volume that can be harvested in 16 sub-districts of Semarang.

1. Introduction

City of Semarang is one of the most influential coastal cities in Java Island. The city is facing increasingly high-water demand due to its vast development and also water problems due to climate change. The spatial physiography and landscape of Semarang City shown in this paper shows that the city have water security problem. Therefore, rainwater harvesting treatment is suggested as an urgent effort to meet the city's water needs.

UN-Water has formulated an understanding in water security. Water security is defined as capacity of the population to safeguard sustainable access to adequate quantities of acceptable quality of water that can be used to sustain livelihoods, human well-being, and socio-economic development, as well as for ensuring protection against water-borne pollution and water-related disasters, and for preserving ecosystems in a climate of peace and political stability [1]. Basically, water security problem is very complex. It not only deals with physical and technological aspects in meeting the water needs, but it also concerns the impact on the environment and social, political, and economic conditions on a group of people, often associated with other community groups. Conflict of interest between groups of people also affects social and political stability that determine the water security itself. Semarang now faces water security problem. One of the answers for this problem is to apply rainwater harvesting.



Many researches and studies on rainwater harvesting have been done in various places in the world [2, 3, 4, 5, 6, 7, 8, 9]. Each of them concluded in benefits and advantages of this method. The studies undertaken include developing methods to choose suitable sites for application of rainwater harvesting [10], calculating potential volumes [2, 3, 4, 6], planning water catchment sizes [11], assessing feasibility and economic efficiency [9, 12], management aspects [7, 9, 13] even aspects of the sustainability of this method [14]. Utilization of remote sensing and geographic information system (GIS) technologies is also widely used in the development of method for identification location and the potential measurement of rainwater harvesting applications [8, 10, 15].

The use of remote sensing in various rainwater-harvesting studies is commonly used for the identification of land use, roof area, flow density and other physical aspects [8, 10, 15]. The use of GIS plays a larger role in modeling and calculating the potential volume of rainwater harvesting. Generally modeling and volume calculations are performed on relatively limited study areas and use only average rainfall values in micro coverage [8, 10, 15]. Whereas planning, implementation and management of rainwater harvesting highly depend on multitemporal rainfall data. In the case of Semarang City, this data has not been fully compiled due to limited rain stations. Based on that condition, this study utilizes CHIRPS satellite data to estimate the volume of rainwater harvesting in Semarang City’s 16 sub-districts and then determine water security status for the city.

2. Method 2.1. Location of the study

The study was conducted in the City of Semarang. It covers 16 sub-districts and 177 urban villages (kelurahan). Semarang is a city on the north coast of Java Island that has unique spatial physiography and landscape. The description of the location and administrative boundaries of Semarang city is presented in Figure 1. The city can be use to represent the condition in many big cities in Indonesia whereas there are continues growth and followed by challenges in water provision.

Figure 1. Location of study.



2.2. Secondary data

This research uses land-use data obtained from BIG (Geospatial Information Agency). The data is the result of visual interpretation of high-resolution satellite image of recording in 2012. Data of interpretation result have been validated through field test survey in 2013 and 2016. Land-use unit as observation priority is settlement and non-settlement. Population data uses data published by BPS (Central Bureau of Statistics) Semarang City in 2012 and 2015. Population data used are the population and the number of head of household. Average monthly rainfall data from 10 weather stations in Semarang uses data from 2012. CHIRPS dataset of Semarang City and surroundings using recording data for 10 years (2007-2016).

Climate Hazards Group InfraRed Precipitation with Stations (CHIRPS) is the name of a rain satellite developed for global interests. CHIRPS developed by U.S. Geological Survey (USGS) and Climate Hazards Group at University of California, Santa Barbara. Quasi-global gridded products are available from 1981 to near present at 0.05° spatial resolution (~5.3 km). New products are released approximately mid-month of the month following the observation [16].

2.3. Method of determining the virtual weather station point

The isohyetal method in this study was established by determining virtual weather station points. These points are considered to be the location of weather stations whose rainfall data values will be taken into account in model calculations. The nets of those points are set uniformly distributed and covering up to areas outside administrative boundaries of City of Semarang. This study calculates that 35 spatial spots that have a distance of 3 minutes north south and 3 minutes east west can represent study area. The upper left point starts at the coordinates 110013'30'E and 6055'30'S while the bottom right point at the coordinates 110031'30'E and 707'30'S. Establishing nets with wider coverage than study area has aim to obtain a better spatial distribution modeling result.

2.4. Calculation of the average monthly rainfall value

Monthly rainfall calculation is obtained monthly based on monthly CHIRPS recording data of 10 years, 2007-2016. The monthly rainfall rate in one year at each virtual weather station is tabulated for 10 years. Monthly rainfall figures in the 10-year range tabulated based on the virtual weather station points are then sequenced on the basis of the value, from the lowest to the highest value. The value of the 8th order or the value that is considered to have an 80% probability, is the value chosen as average value of rainfall for corresponding virtual weather station point. By the result of this processing then can be found the average monthly rainfall value for each virtual weather station point.

2.5. Preparation of monthly rainfall maps by isohyetal method using GIS software

The result of calculation of the average monthly rainfall value then becomes input data to make isohyetal map using GIS software. Monthly average rainfall data processing from 35 virtual weather station points using the ArcGIS 10.3 application. The module facility used is Spatial Analysis Tools that is Interpolation with Spline method option. The Spline tool uses an interpolation method that estimates the value of a mathematical function that minimizes overall survival curvature, resulting in a smooth surface that passes exactly through the input points. The classification of interpolation results by using 7 rainfall classes each then has a difference of 100 mm wide range. This isohyetal modeling is simulated for every month of the year.



2.6. Model validation

Model validation of the utilization of CHIRPS recording data uses monthly average rainfall data from 10 stations in Semarang city in 2012 record. This validation is only monthly recaptured from one period January to December on the basis of 10 years record. This validation is trying to see and to know how far value deviations occur when this modeling method is used to utilize CHIRPS data.

2.7. Estimation the addition area rooftop of the settlement

Estimated addition of roof area of settlement is done by approach of population, average number of family member, number of head household and average of roof area every head count for family. This estimate is conducted due to unavailability of spatial data of the latest 2017 residential roof area. The calculation of the 2017 roof area is based on data of the roof data in 2012, the population in 2012 data, and the number of head household in 2012 and 2015. The calculation of estimated population of Semarang City in 2017 is based on population data of each urban village. Growth rates are calculated based on the average population growth of each urban village in the last 10 years of observation (2006-2015). Calculation of 2017 population in 2017 can be estimated by using equation (1):

Pn = Po (1+r)n

(1)

Remarks:

Pn = number of population in year n

Po = number of population in year 0 or base year

n = number of years between 0 and n

r = population growth rate per year (in %)

2.8. Estimation of rainwater that can be harvested

Estimation of rainwater volume that can be harvested is done by multiplying monthly average rainfall of the modeling results (P, in mm/month), the width of the roof or the catchment area (A, in m2), and the runoff coefficient (RC, nondimensional) [17] as shown in equation (2). Roof area is the result of the estimation of the roof area in each urban village area in 2017. Rainfall value is the value of the average rainfall of the proportion of isohyetal calculations and the distribution based on the width of the urban village. The runoff coefficient is set to 0.7 with the consideration that there is no detailed information about the type of roof and its slope. Another consideration in determining the value of runoff coefficient is the average type of residential roof in the study area is still dominated by roof tile [17]. The calculation of the population's water needs, using the reference set by the Ministry of Public Works Indonesian, 120 liters/day/person.

RWH potential = P.A.RC (2)



3. Result and Discussion

This section presents results of studies and discussions on results obtained. It consists of 6 sections, and each step of study activity will be described.

3.1. Determining virtual weather station point

The result of the determination of 35 virtual weather station points (P1-P35) visually distributed is shown in Figure 2. The virtual weather station points form a 7x5 matrix and spread evenly across the entire study area. The coordinates of each virtual weather station point of reference are to record the monthly precipitation value of CHIRPS data within the 10-year recording range. The rainfall number is used as input to the next processing.

3.2. Calculation monthly rainfall and monthly rainfall maps by isohyetal method

The result of rainfall data processing obtained from CHIRPS dataset is further processed using Spatial Analysis Tools facility module that is Interpolation with Spline method option. This processing produces an isohyetal map as illustrated in Figure 3. It only presents visually the results of isohyetal modeling for 6 months only. In this study isohyetal modeling is still done for 12 months in one year. Distribution and differences in rainfall over time can be seen in Figure 3. In July-September it can be observed that the study area's rainfall tends to be at a low value. In December-January actually shows the opposite condition, namely the value of rainfall area tend to be high.

Source: Data processing by outhor.

Figure 2. Virtual weather station points.



The rainfall distribution sample illustrated in Figure 3 shows the potential volume of rainwater that can be harvested. The quantity is varied in volume each month. Differences of volume each month must be taken into consideration in rain harvest management in Semarang City.

Source: Data processing and modeling by outhor.

Figure 3. Monthly rainfall maps by isohyetal method.

3.3. Validation model

The result of modeling that has been done on CHIRPS data is then validated. Validation is done by comparing precipitation values obtained from the modeling at the existing weather station points. The spatial distribution of the weather station location referred to in Figure 4. In terms of distribution and quantity, these weather stations can be rated very limited.



Source: Data processing by outhor.

Figure 4. Distribution of 10 weather stations in City of Semarang.

Monthly average rainfall data from each weather station is shown in Table 1. Based on this table, it can be seen that wet months occur in January, February, March, October, November, and December. While dry months occur in April, May, June, July, August, and September. Very dry months occur in July, August, and September. Very wet months occur in January and December. Based on the table observation can also be seen some stations have record values of very high rainfall in wet season are station of Gunung Pati and Boja Mijen.

Table 1. Average monthly rainfall value weather stations in Semarang area.

No. Station Jan

uary

Fe

bru

ary

Marc

h

April

May

Jun

e

July

August

Septe

mb

er

Octo

be

r

Nove

mb

er

Dece

mb

er

Avera

ge

(unit in mm)

1 Ahmad Yani 490 340 190 176 68 78 1 0 4 214 255 318 178

2 Tanjung Mas 440 308 266 109 173 63 1 0 29 187 256 283 176

3 Tlogosari 406 401 318 221 85 116 2 0 13 258 444 191 205

4 Semarang Barat 498 270 220 170 90 110 2 0 3 271 256 327 185

5 Beringin 595 321 245 214 133 98 0 0 0 268 161 334 197

6 Ngaliyan 583 383 256 104 116 95 0 0 0 226 198 458 202

7 Candi 460 292 221 193 112 79 2 0 0 202 295 342 183



8 Klipang 313 232 293 187 129 112 20 0 1 75 266 370 167

9 Gunung Pati 682 479 334 285 221 161 0 0 0 218 447 589 285

10 Boja Mijen 1.698 1.110 691 616 154 343 0 0 31 89 321 555 467

Source: Weather station data.

Table 2. Average monthly rainfall value from isohyetal model of weather stations in Semarang area.

No. Station January

Fe

bru

ary

Ma

rch

April

Ma

y

June

July

August

Septe

mb

er

Octo

ber

Novem

ber

Decem

ber

Avera

ge

(unit in mm)

1 Ahmad Yani 442 283 278 160 85 74 14 23 32 132 272 352 179

2 Tanjung Mas 462 288 286 158 93 72 13 21 30 138 276 347 182

3 Tlogosari 462 288 286 158 93 72 13 21 30 138 276 347 182

4 Semarang Barat 442 283 278 160 85 74 14 23 32 132 272 352 179

5 Beringin 452 284 287 170 91 75 15 24 30 143 278 353 184

6 Ngaliyan 407 291 258 161 95 77 12 22 31 129 230 314 169

7 Candi 443 292 280 167 94 80 13 21 31 143 242 338 179

8 Klipang 443 292 280 167 94 80 13 21 31 143 242 338 179

9 Gunung Pati 438 328 294 198 107 84 12 24 30 141 276 372 192

10 Boja Mijen 546 414 412 269 158 104 21 28 31 178 385 509 255

Source: CHIRPS data processing.

The mean rainfall value of CHIRPS data modeling in reference to station reference coordinate point is presented in Table 2. In general, distribution of the pattern is similar to the average monthly rainfall value distribution pattern with the reference of weather stations. What is apparent in Table 2 is the average value of monthly rainfall in the dry month that tends to have a higher value than the average monthly reference rainfall value. While in the group of average values of monthly rainfall in wet months, generally the model results show lower value than the average monthly reference rainfall value.

Table 3. Value of difference between reference rainfalls compared to model.

No Station January

Fe

bru

ary

Ma

rch

April

Ma

y

June

July

August

Septe

mb

er

Octo

ber

Novem

ber

Decem

ber

Avera

ge

(unit in mm)

1 Ahmad Yani -48 -57 88 -16 17 -4 13 23 28 -82 17 34 1



2 Tanjung Mas 22 -20 20 49 -80 9 12 21 1 -49 20 64 6

3 Tlogosari 56 -113 -32 -63 8 -44 11 21 17 -120 -168 156 -23

4 Semarang Barat -56 13 58 -10 -5 -36 12 23 29 -139 16 25 -6

5 Beringin -143 -37 42 -44 -42 -23 15 24 30 -125 117 19 -13

6 Ngaliyan -176 -92 2 57 -21 -18 12 22 31 -97 32 -144 -33

7 Candi -17 0 59 -26 -18 1 11 21 31 -59 -53 -4 -4

8 Klipang 130 60 -13 -20 -35 -32 -7 21 30 68 -24 -32 12

9 Gunung Pati -244 -151 -40 -87 -114 -77 12 24 30 -77 -171 -217 -93

10 Boja Mijen -1152 -696 -279 -347 4 -239 21 28 0 89 64 -46 -212

Source: Calculation processing of weather station data and CHIRPS data.

The results in Tables 1 and 2 subsequently become the basis to calculate the value of difference between the average monthly rainfall values of the model-making product with the average monthly reference rainfall value. Based on the calculation data presented in Table 3, there is a difference in yield for wet and dry months. For wet months, the precipitation value of the modeling results has a lower value trend than the reference data. For dry months the value of the rainfall model tends to be higher than the reference value. In Table 3, a positive number indicates the higher excess value while the lower one is denoted by a negative value.

Table 4. Percentage monthly rainfall error.

No Weather station

Error (%)

1 Ahmad Yani 0,56

2 Tanjung Mas 3,41

3 Tlogosari -11,22

4 Semarang Barat

-3,24

5 Beringin -6,60

6 Ngaliyan -16,34

-50.00

-40.00

-30.00

-20.00

-10.00

0.00

10.00

1 2 3 4 5 6 7 8 9 10



7 Candi -2,19

8 Klipang 7,19

9 Gunung Pati -32,63

10 Boja Mijen -45,40

Figure 5. Percentage distribution of monthly rainfall error in weather station.

Figure and table source: Processing and calculation by outhor.

The result from calculating the difference in value of precipitation further becomes a reference to calculate value of error or deviation. The calculation result of deviation can be seen in Figure 5 and Table 4. The calculation result shows that the validation value of the model for each weather station varies in value. In general, the number of deviations on 8 stations is below 30%, but 2 stations have deviations of more than 30%, namely the station of Mount Pati and Boja Mijen. These two stations are located at an altitude above 200 m above sea level. Based on the direction of deviation, generally the modeling data is below the reference value; this is indicated by a negative error value.

3.4. Land-use of Semarang City and distribution roof top area of the settlement

Figure 6. Landscape physiography

of Semarang City.

Figure 7. Land-use of Semarang City.

Figure source: Processing data from BIG by outhor.



The land-use classification used in this study is reclassified and simplified into 9 classes of land-use. The land-use unit used is; regular settlements, irregular settlements, public and social facilities, industrial estates, trade and service areas, agricultural cultivation areas, green areas, water bodies, others/unidentified. The results of land use GIS processing are shown in Figure 7. Figure 7 shows the general distribution of settlements that follow pattern of landscape transportation and physiography of City of Semarang. Figure 6 presents height surface and physiographic of Semarang City.

Table 5. Distribution of population, number of head household and the projected.

Sub-district (Kecamatan)

Population Projected Population

Number of Head household (Hh)

Average Family members

Projected number of

Head household

2012 2015 2017 2012 2015 2012 2015 2017

(person) (person) (t=2) (Hh) (Hh) (person) (person) (Hh)

Mijen 56.570 61.405 65.715 16.669 18.916 3 3 20.244

Gunung Pati 75.027 78.641 82.461 21.501 22.760 3 3 23.866

Banyumanik 128.225 132.508 137.132 35.529 44.632 4 3 46.190

Gajahmungkur 63.430 63.707 64.384 14.885 14.941 4 4 15.100

Semarang Selatan 82.931 79.620 78.462 24.746 22.542 3 4 22.214

Candisari 79.902 79.258 78.957 19.909 21.316 4 4 21.235

Tembalang 142.941 156.868 166.680 43.197 45.898 3 3 48.769

Pedurungan 175.770 180.282 185.951 45.512 46.101 4 4 47.551

Genuk 91.527 97.545 103.606 24.719 29.952 4 3 31.813

Gayamsari 73.584 74.178 75.789 27.173 19.790 3 4 20.220

Semarang Timur 78.889 77.331 76.129 21.842 21.709 4 4 21.372

Semarang Utara 127.921 127.752 128.366 32.108 32.865 4 4 33.023

Semarang Tengah 71.674 70.259 68.944 20.844 20.796 3 3 20.407

Semarang Barat 158.981 158.131 158.701 44.302 57.649 4 3 57.857

Tugu 30.904 31.954 33.428 8.603 9.038 4 4 9.455

Ngaliyan 120.922 125.828 131.889 33.645 42.422 4 3 44.465

Semarang City 1.559.198 1.595.267 1.636.594 435.184 471.327 4 3 483.779

Source: Processing and calculation by outhor.



Table 6. Average roof every head household and wide roof of the settlement.

No

Sub-district

(Kecamatan)

Average roof every head household

Wide roof of the settlement

2012 (m2) 2012 (ha) 2017 (ha)

1 Mijen 83,48 139,15 168,99

2 Gunung Pati 86,16 185,25 205,62

3 Banyumanik 79,74 283,32 368,33

4 Gajahmungkur 85,76 127,65 129,49

5 Semarang Selatan 43,65 108,02 96,97

6 Candisari 73,43 146,19 155,93

7 Tembalang 76,51 330,50 373,13

8 Pedurungan 61,73 280,94 293,52

9 Genuk 59,19 146,31 188,30

10 Gayamsari 32,49 88,28 65,69

11 Semarang Timur 51,52 112,54 110,11

12 Semarang Utara 55,42 177,93 183,00

13 Semarang Tengah 39,72 82,80 81,06

14 Semarang Barat 75,34 333,78 435,90

15 Tugu 58,07 49,96 54,91

16 Ngaliyan 142,22 478,52 632,41

in Semarang City 70,57 3.071,13 3.543,37


3.5. Addition area rooftop of the settlement

The results of population data processing are presented in Table 5 and Table 6. Those tables show estimated population in 2017. Based on that estimation, it can be calculated the number of heads of households by 2017. The number of heads of households is used to estimate the roof area in 2017. The estimation of existing residential roof area in City of Semarang up to 2007 is estimated to reach 3,543.37 ha.

3.6. Potential volume of rainwater that can be harvested

Based on average monthly rainfall data, estimation data of roof area and runoff coefficient can be calculated the estimation of rainfall volume that can be harvested in residential area. The calculation of potential volume of rainwater that can be harvested



every month in residential area of Semarang can be seen in Table 7. The visualization of volume distribution per month can be seen in Figure 8. Based on those tables and figures, it appears that there are fluctuations in potential volume of rainfall affected by season. That condition has been identified at the time of making the isohyetal model. Hence, that condition requires the management of potential rainwater that can be harvested during wet months to cover shortfall in dry months.

Table 7. Monthly availability of rainwater harvesting in one year.

January

Fe

bru

ary

Ma

rch

April

Ma

y

June

July

August

Septe

mb

er

Octo

ber

Novem

ber

Decem

ber

Volume RWH

x 106 liter

12.693 12.126 9.294 7.103 6.289 3.792 2.191 1.114 1.076 3.556 6.854 9.795


The calculation of value of urban water needs in urban settlements refers to value of water demand set 120 liters/day/person. The results show volume of water demand in residential area of each sub-district within a year. A comparison of water demand scores with potential value of rainwater harvesting volume in one year will result in water resilience status of the area.

Table 8. Water needs and availability of rainwater harvesting in one year.

No Sub-district

A year water needs

One year

rainwater harvest

Difference

Status

x 106 liter x 106 liter x 106 liter

1 Mijen 2.878 3.837 958 Surplus

2 Gunung Pati 3.612 4.512 900 Surplus

3 Banyumanik 6.006 8.299 2.293 Surplus

4 Gajahmungkur 2.820 2.632 -188 Deficit

5 Semarang Selatan 3.437 2.103 -1.333 Deficit

6 Candisari 3.458 3.207 -251 Deficit

7 Tembalang 7.301 7.982 682 Surplus

8 Pedurungan 8.145 6.087 -2.058 Deficit

9 Genuk 4.538 4.009 -529 Deficit

10 Gayamsari 3.320 1.659 -1.661 Deficit

11 Semarang Timur 3.334 2.266 -1.069 Deficit

12 Semarang Utara 5.622 3.757 -1.866 Deficit



13 Semarang Tengah 3.020 1.681 -1.338 Deficit

14 Semarang Barat 6.951 9.445 2.494 Surplus

15 Tugu 1.464 1.160 -304 Deficit

16 Ngaliyan 5.777 13.247 7.471 Surplus

Total Semarang City 71.683 75.883 4.201 Surplus


The water security status of each sub-district within the administrative area of Semarang City is presented in Table 8. Comparison between amount of community water demand and potential volume of water that can be harvested in settlement areas of each urban village is presented in Figure 9. The results of analysis and calculation of water security status presented in Table 8 indicate that 9 sub-districts are in deficit status if their water sources are only using rainwater harvesting. On the other hand, the other 7 districts are in surplus status only if they utilize rain water as the sole source of water disregarding other water sources. Mostly, districts with deficit status are located in the urban areas with higher population density. Areas with surpluses are generally on the edge with lower population densities and average per-head household roof area is also wider. Figure 9 also illustrates importance of inter-regional water management in addition to time-based rainwater management, as has been mentioned in relation to the potential for monthly rainwater availability in one year (Figure 8).

Figure 8. Total potential volume of

rainwater harvesting monthly a year.

Figure 9. Total potential volume of

rainwater harvesting and water needs

per sub-district a year.

Figure source: Processing and calculation by outhor.

4. Conclusions

Generally, it can be concluded that CHIRPS data can be used to construct rainfall isohyetal model for rainwater harvesting planning. This consideration was obtained based on validation results indicating that average error value of rainfall generated by the model is below 30% (8 weather stations). Only 2 stations have a deviation value



exceeding 30%. This needs to be studied further related to the physiographic condition of the area where the weather station is located, which is above 200m height and is an area with hilly physiography. Another consideration that supports the CHIRPS data can be used for rainwater harvesting planning is the estimated value of rainfall generally lower than the reference value. This condition is considered much better as it avoids overly optimistic volume planning.

Water security status of Semarang City assessed based on the potential volume of rainwater harvesting generally shows a surplus. If Semarang City only relies on rainwater as the only source of water, the city is actually able to meet its water needs. However, the surplus condition should consider water management factor in terms of time and distribution of the region. The average monthly rainfall that changes within season and the condition of residential area as well as the extent of roof available in each region makes the potential distribution of rainwater harvesting volume becomes uneven. Based on the results of this study, it can be stated that rainwater harvesting in City of Semarang based on its potential volume can be used as an alternative source of water to meet water needs of the city’s population.

Acknowledgments

Acknowledgments to the Geospatial Information Agency (BIG) for the support of data and software used in this study. Acknowledgments are also conveyed to the Universitas Indonesia (UI), especially the School of Environmental Sciences for support in publication activities and Universitas Diponegoro, especially Urban Planning Studies Program for all supports during fieldwork process. Authors thanks to Sylvia Prisca Delima for her helpful comment on the first draft of this paper.

References

[1] UN University 2013 Water Security & the A Global Water Agenda UN-Water Analytical Brief Canada.

[2] Zaizen M, Urakawa T, Matsumoto Y, Takai H 2000 The collection of rainwater from dome stadiums in Japan Urban Water Journal 1 (4) 355–359

[3] Villarreal E L and Dixon A 2005 Analysis of a rainwater collection system for domestic water supply in Ringdansen Norrköping Sweden Building and Environment Journal 40 (9) 1174–1184

[4] Ghisi E 2006 Potential for potable water savings by using rainwater in the residential sector of Brazil Building and Environment Journal 41 (11) 1544–1550

[5] Nolde E 2007 Possibilities of rainwater utilisation in densely populated areas including precipitation runoffs from traffic surfaces Desalination Journal 215 (1–3) 1–11

[6] Abdulla F A and Al-Shareef A W 2009 Roof rainwater harvesting systems for household water supply in Jordan Journal of Desalination 243 (1-3) 195-207

[7] Zhang D, Gersberg R M, Wilhelm C, Voigt M 2009 Decentralized water management rainwater harvesting and greywater reuse in an urban area of Beijing China Urban Water Journal 6 (5) 375–385



[8] Akter A and Shoukat A 2015 Potentiality of rainwater harvesting for an urban community in Bangladesh Journal of Hydrology 528 84-93

[9] Jeremy G, Sam T and Diveshkumar M 2012 Mandatory urban rainwater harvesting: learning from experience Water Science & Technology 65 (7) 1200-1207

[10] Rida A, Abdullah D, Ghada S 2010 Combining GIS with multicriteria decision making for siting water harvesting ponds in Northern Jordan Journal of Arid Environments 74 1471-1477

[11] Guebaili A, Djebbar Y, Guedri A, Boukhari S 2011 Rainwater harvesting in North Africa: A novel method for reservoir sizing Journal of Materials and Environmental Science 2 (S1) 469-472

[12] Farrenya R, Gabarrella X, Rieradevall J 2011 Cost-efficiency of rainwater harvesting strategies in dense Mediterranean neighbourhoods Resources, Conservation and Recycling 55 686–694

[13] Zeng B, Tan H, Wu L 2007 A New Approach to Urban Rainwater Management Journal of China University of Mining & Technology 17 (1) 82-84.

[14] Jaemin S, Mooyoung H, Tschung-il K, Jee-eun S 2009 Rainwater harvesting as a sustainable water supply option in Banda Aceh Desalination 248 233–240

[15] Winnaar G, Jewitt G P W, Horan M 2007 A GIS-based approach for identifying potential runoff harvesting sites in the Thukela River basin, South Africa Physics and Chemistry of the Earth 32 1058–1067

[16] Funk C, Peterson P, Landsfeld M, Pedreros D, Verdin J, Rowland J, Romero B, Husak G, Michaelsen J, Verdin A, Pedreros P 2014 A Quasi-Global Precipitation Time Series for Drought Monitoring U.S. Geological Survey Data Series 832 Available online: pubs.usgs.gov/ds/832/ (accessed on 8 August 2014).

[17] Ramon F, Tito M P, Albert G, Carlota T, Joan R, Xavier G 2011 Roof selection for rainwater harvesting: Quantity and quality assessments in Spain Water Research 45 3245-3254



2.D Luaran Karya Tulis Ilmiah – 3

Judul :

THE RELATIONSHIP BETWEEN VARIOUS LAND USE CATEGORIES AND

THE IMPERVIOUSNESS FOR PREDICTING THE IMPACT OF EXCESSIVE

LAND DEVELOPMENT IN URBAN AREA AT SEMARANG REGENCY,

CENTRAL JAVA

Abstract :

The strong relationship between imperviousness and stream quality as claimed

by numerous researchers, underlining the difficulty in maintaining urban stream

quality in facing the development in the watersheds. Imperviousness has been

agreed as the key predictive variable in most simulation and empirical models

used to estimate the stream quality as response variable. As the imprint of land

development, imperviousness is composed of two primary components, namely

the rooftops and the transport system. Traditional zoning has strongly

emphasized and regulated the rooftops and largely neglected the transport

component, whereas based on actual measurement in 1994 at City of Olympia,

Washington transport-related imperviousness consisted of 63 to 70% of total

impervious cover at the site in 11 residential, multifamily and commercial areas.

In most of the studies the definition and determination of imperviousness is not

well described. An imperviousness estimation methodology should have three

basic attributes, in order to be useful: it is relatively accurate, easy to do, and

the required information is easily derived and already available. There are three

methods commonly used in the watershed, namely: direct measurement, based

on specific land use categories, and based on road density. The decision on

selected methodology should consider the following: the available time, skilled

and funding; the accuracy needed; and the ability to predict future

imperviousness. The study aimed to determine the relationship between various

land use categories and the imperviousness consisting of rooftops and transport-

related components at Semarang Regency, Central Java. Once the relationship

has been determined, then the imperviousness practically can be determined by

the proportion of land use categories. There are nine land use categories (water

body, industrial area, public & social facilities, business & services area, open

space, agricultural area, townhouse residential, mixed-urban residential, and

others) are applied on 16 Districts at Semarang Regency (Banyumanik, Candisari,

Gajahmungkur, Gayamsari, Genuk, Gunungpati, Mijen, Ngaliyan, Pedurungan,

Semarang Barat, Semarang Selatan, Semarang Tengah, Semarang Timur,

Semarang Utara, Tembalang, and Tugu). The results are expected to be

replicated in other regions for predicting the impact of excessive land

development in urban area.

hidrologisbig.go.id/e-ppid/asset/laporan-pelaksanaan-penelitian2018/lap akhir... · perubahan...

Documents