Prosiding Seminar Nasional Ke-5 Ppdas [PDF]

Citation preview

i



HALAMAN JUDUL



PROSIDING SEMINAR NASIONAL KE – 5 PENGELOLAAN PESISIR DAN DAERAH ALIRAN SUNGAI Dinamika Wilayah Pesisir dan DAS serta Pengelolaannya Diselenggarakan di: Sekolah Tinggi Meteorologi, Klimatologi dan Geofisika (STMKG) Tangerang Selatan, Banten, 26 September 2019



BADAN PENERBIT FAKULTAS GEOGRAFI UNIVERSITAS GADJAH MADA 2019



i



PROSIDING SEMINAR NASIONAL KE-5 PENGELOLAAN PESISIR DAN DAERAH ALIRAN SUNGAI SUSUNAN PANITIA



ii



Penasehat



:



Prof. Dr. rer. nat. Muh Aris Marfai, S.Si., M.Sc. Dr. Slamet Suprayogi, M.S. Dr. I Nyoman Sukanta, S.Si., MT.



Ketua Panitia



:



Dr. Bachtiar Wahyu Mutaqin, S.Kel., M.Sc



Wakil Ketua



:



Imma Redha Nugraheni, SST., M.Si.



Kesekretariatan



:



Ratih Winastuti, S.Si. Ismi Nuari P, S.TP. Arief Wicaksono, S.Si. Fadhiya Rizka Y, S.Pd. Fitria Puspita Sari, SST., M.Sc.



Bendahara



:



Dian Kartika Rini, S.Si. Zulfiana Lisytaningrum, S.Tr., M.Si.



Sie Acara



:



Anindya Arma Risanti, S.Si. Bastian Andarino, SST. Desak Putu Okta Veanti, SST., M.Sc. Rista Hernandi Virgianto, SST., M.Sc.



Sie Desain & Dokumentasi



:



Galih Dwi Jayanto. S.Si. Ridwan Ardiyanto, S.Si. Moh Saifulloh, S.P. Agung Hari Saputra, S.Tr., M.ChET. Aditya Mulya, SST., M.Si.



Sie Konsumsi



:



Yuli Widyaningsih, S.Si. Indah Fajerianti, S.Tr.



Sie. Humas



:



Wahyu Lazuardi, S.Si. Hafiz Fatah N.A., S.T. Danis Arbabun Naja, S.Si. Ahmad Fadlan, SST., M.Si.



Notulen Seminar Nasional



:



Irvan Agung Kurniawan, S.Si.



Moderator Panel Seminar Nasional



:



Hasti Amrih Rejeki, SST., M.Si. Amir Mustofa Irawan, SST., M.Sc. Fitria Puspita Sari, SST., M.Sc.



Moderator Keynote Speaker



:



Dr. Iman Suardi, S.Si., M.Sc.



Editor



:



Prof. Dr. rer. nat. Muh Aris Marfai, S.Si., M.Sc. Mukhamad Ngainul Malawani, M.Sc. Dr. I Nyoman Sukanta, S.Si., MT.



Reviewer



:



Dr. Bachtiar Wahyu Mutaqin, S.Kel., M.Sc Ahmad Cahyadi, S.Si., M.Sc. Muhammad Arif Fahrudin Alfana, S.Si., M.Sc. Mukhamad Ngainul Malawani, S.Si., M.Sc. Imma Redha Nugraheni, SST., M.Si. Dr. Agus Safril, M.MT. Dr. Aries Kristianto, ST., M.Si. Dr. Deni Septiadi, M.Si. Dr. Munawar, M.Sc.



Tata letak



:



Arief Wicaksono, S.Si. Fadhiya Rizka Y, S.Pd. Ismi Nuari P, S.TP. Ratih Winastuti, S.Si. Yuli Widyaningsih, S.Si.



DITERBITKAN OLEH : Badan Penerbit Fakultas Geografi, Universitas Gadjah Mada Sekip Utara, Jl. Kaliurang, Bulaksumur, Yogyakarta, 55281 Telp. 0274-6492336. Email: [email protected]



© Hak Cipta dilindungi oleh Undang – Undang. Dilarang memperbanyak dalam bentuk apapun tanpa izin tertulis dari editor. Hak intelektual dalam prosiding ini milik penulis yang tercantum pada setiap artikel. Sekretariat: Magister Pengelolaan Pesisir dan Daerah Aliran Sungai Fakultas Geografi, Universitas Gadjah Mada Sekip Utara, Bulaksumur, Yogyakarta 55281, Telp. (0274) 6492348 iii



KATA PENGANTAR Seminar Nasional ke-5 Pengelolaan Pesisir dan Daerah Aliran Sungai dilaksanakan di Sekolah Tinggi Meteorologi, Klimatologi dan Geofisika (STMKG) Jakarta, Tangerang Selatan, Banten pada tanggal 26 September 2019. Seminar ini diselenggarakan oleh Program Magister Perencanaan Pengelolaan Pesisir dan Daerah Aliran Sungai (MPPDAS) yang merupakan minat dari Program Studi S2 Geografi Fakultas Geografi, Universitas Gadjah Mada. Acara seminar kali ini terselenggara berkat adanya kerjasama antara MPPDAS dan STMKG. Salah satu tujuan utama seminar ini adalah untuk mendiskusikan perkembangan dan tren penelitian pengelolaan di wilayah pesisir dan daerah aliran sungai. Sebanyak 25 artikel yang terbagi dalam 7 tema ditampilkan dalam prosiding ini. Tema-tema tersebut antara lain: 



Meteo-tsunami di Indonesia







Meteorologi dan Klimatologi di Wilayah Kepesisiran







Kebencanaan di Wilayah Kepesisiran dan DAS







Dinamika Penggunaan Lahan di Wilayah Kepesisiran dan DAS







Aspek Sosial, Ekonomi, dan Kependidikan







Aplikasi Penginderaan Jauh dan SIG untuk Pengelolaan Wilayah Kepesisiran dan DAS







Aplikasi dan Teknologi Geofisika Terkait Sumber Daya Alam di Wilayah Laut, Kepesisiran dan DAS



Hasil dari seminar ini diharapkan dapat memberikan pengetahuan mengenai kepadu-padanan pengelolaan pesisir dan DAS yang meliputi aspek fisik, lingkungan, regulasi, tata ruang, pemanfaatan ruang, dan sumber daya.



iv



DAFTAR ISI



HALAMAN JUDUL ........................................................................................................................................................ i SUSUNAN PANITIA ......................................................................................................................................................ii KATA PENGANTAR .....................................................................................................................................................iv DAFTAR ISI .................................................................................................................................................................. v LATAR BELAKANG .................................................................................................................................................... vii TUJUAN ....................................................................................................................................................................... vii Tema 1 - Meteo Tsunami Indonesia ........................................................................................................................... 1 Studi Gelombang Badai Pasca Siklon Tropis Ernie di Pesisir Selatan Jawa Berbasis Fully-Coupled Model ADCIRC-SWAN : Pengembangan Coastal-Inundation Real-Time Forecasting ................................................. 2 Tema 2 - Meteorologi dan Klimatologi di Wilayah Kepesisiran ............................................................................. 12 Pemanfaatan Radar Cuaca Doppler C-Band untuk Analisis Struktur dan Evolusi Siklon Tropis Cempaka. 13 Mascarene High Pressure Terhadap Anomali Gelombang Tinggi dan Arus Maksimum di Wilayah Pesisir Selatan Indonesia.................................................................................................................................................. 21 Pemetaan Batimetri dan Analisis Pasangsurut Untuk Perencanaan Dermaga di Pulau Yeben, Kecamatan Maeos Mansar, Kabupaten Raja Ampat Papua Barat ........................................................................................ 27 Tema 3 - Kebencanaan di Wilayah Kepesisiran dan DAS ...................................................................................... 35 Analisis Kesesuaian dan Daya Dukung Ekowisata Pantai Kategori Rekreasi Pantai Kuwaru Kabupaten Bantul Yogyakarta................................................................................................................................................. 36 Pemanfaatan Data DEM dan Orthophoto Hasil UAV untuk Pemodelan Tsunami di Wilayah Kepesisiran Baron dan Sepanjang ........................................................................................................................................... 42 Kajian Pengaruh Siklon Tropis Menggunakan Model SWAN (Simulating Waves Nearshore) Terhadap Tinggi Gelombang Signifikan di Perairan Sekitar Pulau Bali ............................................................................ 50 Rekomendasi Pengaturan dan Pemanfaatan Ruang pada Flood Plain Berbasis Mitigasi Bencana di Kota Manado .................................................................................................................................................................. 57 Pemodelan Spasial Banjir Genangan Akibat Potensi Kenaikan Muka Air Laut di Kecamatan Buleleng, Bali ................................................................................................................................................................................ 68 Tema 4 - Dinamika Penggunaan Lahan di Wilayah Kepesisiran dan DAS ........................................................... 72 Pengaruh Kearifan Lokal Terhadap Pengelolaan Hutan Mangrove Di Desa Tirtohargo Kabupaten Bantul Daerah Istimewa Yogyakarta ............................................................................................................................... 73 Karakteristik Habitat Peneluran Penyu Hijau (Chelonia Mydas) di Sebagian Pesisir Jawa Timur ................ 78 Pengaruh Penggunaan Lahan pada Penilaian Kerentanan Air Tanah Bebas Terhadap Pencemar di Kawasan Pesisir Kota Semarang ........................................................................................................................ 87 Tema 5 - Aspek Sosial, Ekonomi, dan Kependidikan............................................................................................. 95 v



Modal Sosial dan Mitigasi Bencana Akibat Dampak Perubahan Iklim............................................................. 96 Analisis Manfaat dan Keuntungan Wisata Bahari Pemuteran Terhadap Pemangku Kepentingan Lokal ... 105 Kemitraan Tiga Pihak Antara BMKG, Instansi Pemerintah Dan Masyarakat Dalam Pengelolaan Pengamatan Curah Hujan Di Sulawesi Selatan ...................................................................................................................... 110 Karakteristik Kualitas Air Embung Tambakboyo Di Kabupaten Sleman Yogyakarta................................... 117 Tema 6 - Aplikasi Penginderaan Jauh dan SIG untuk Pengelolaan Wilayah Kepesisiran dan DAS ................ 124 Estimasi Debit Puncak DAS Hulu Ciliwung Berbasis Data Radar Cuaca ...................................................... 125 Kajian Morfodinamika Pesisir dan Kerawanan Abrasi Di Kabupaten Buleleng, Provinsi Bali .................... 132 Kajian Multitemporal Tutupan Padang Lamun di Gili Sumber Kima, Kabupaten Buleleng, Provinsi Bali . 141 Kontribusi Pemetaan Menggunakan Drone untuk Memprediksi Erosi dan Tingkat Bahaya Erosi ............. 149 Analisis Morfometri DAS dalam Perencanaan Wisata Arung Jeram Berkelanjutan, DAS Saba, Provinsi Bali .............................................................................................................................................................................. 155 Pemetaan Zona Potensi Fishing Ground Berdasarkan Konsentrasi Klorofil-A dan Posisi Sebaran Kapal Ikan (Studi Kasus di Perairan Kota Padang) .................................................................................................... 164 Optimalisasi Penggunaan Lahan berdasarkan Prediksi Erosi dengan Model AGNPS (Agricultural NonPoint Source Pollution Model) di DAS Sepaku ................................................................................................ 172 Pemanfaatan Data Satelit Untuk Analisis Hujan Lebat dan Sistem Konveksi di Jayapura .......................... 181 Tema 7 - Aplikasi dan Teknologi Geofisika Terkait Sumber Daya Alam di Wilayah Laut, Kepesisiran, dan DAS .................................................................................................................................................................................. 191 Aplikasi Metode Resistivity Konfigurasi Schlumberger Untuk Penentuan Potensi Airtanah di DAS Silandak, Kota Semarang, Jawa Tengah .......................................................................................................... 192



vi



LATAR BELAKANG Pengelolaan potensi kepesisiran, termasuk di dalamnya adalah pengelolaan aspek proses-proses fisik, potensi sumber daya, regulasi, sosial budaya, keteknikan, penduduk dan lain sebagainya, perlu terus ditingkatkan sebagai bagian dari pembangunan geomaritim Indonesia. Pengelolaan kepesisiran bersinggungan dengan pengelolaan ekosistem lainnya, termasuk daerah aliran sungai. Daerah Aliran Sungai (DAS) merupakan salah satu lingkungan yang memberikan pengaruh terhadap keberlanjutan pengelolaan pesisir. Program Magister Perencanaan Pengelolaan Pesisir dan Daerah Aliran Sungai (MPPDAS), yang merupakan minat dari Program Studi S2 Geografi Fakultas Geografi UGM memfokuskan program pendidikan, penelitian, dan pengabdian kepada masyarakat terkait dengan aspek kepesisiran dan DAS. Pada tahun 2019 ini, meneruskan agenda tahun sebelumnya, Program MPPDAS menyelenggarakan Seminar Nasional ke-5 Pengelolaan Pesisir dan Daerah Aliran Sungai, yang kali ini terselenggara berkat adanya kerjasama dengan Sekolah Tinggi Meteorologi, Klimatologi dan Geofisika (STMKG) Jakarta.



TUJUAN 1. Menghasilkan rumusan-rumusan dan kebijakan terkait pengelolaan pesisir dan DAS. 2. Diseminasi hasil-hasil penelitian dalam bidang geografi, geologi, sosial, ekonomi, budaya, keteknikan, kependidikan, dan hasil-hasil penelitian terkait lainnya.



vii



Tema 1 - Meteo Tsunami Indonesia



1



Studi Gelombang Badai Pasca Siklon Tropis Ernie di Pesisir Selatan Jawa Berbasis Fully-Coupled Model ADCIRC-SWAN : Pengembangan Coastal-Inundation Real-Time Forecasting Bagus Pramudjoa, Khafid Rizki Pratamab, Ejha Larasati Siadaric, Muhammad Fauzan Abdul Lathifd Pusat Meteorologi Maritim, Badan Meteorologi Klimatologi dan Geofisika, Jakarta ; e-mail: [email protected] b Stasiun Meteorologi Mathilda Batlayeri, Kepulauan Tanimbar, Maluku d Sekolah Tinggi Meteorologi Klimatologi dan Geofisika, Pondok Betung, Tangerang Selatan, Banten a,c



ABSTRAK Wilayah pesisir Indonesia sangat rentan terhadap bencana banjir akibat kenaikan air laut dan menjadi tempat strategis terhadap gangguan cuaca laut tropis. Kaitan bencana tersebut adalah gelombang badai yang fluktuatif disebabkan oleh tekanan rendah disertai intensitas angin yang kuat. Kondisi kenaikan muka air laut yang tidak normal mempengaruhi frekuensi dan ketinggian banjir di pesisir. Penelitian ini mengkaji studi gelombang badai yang terjadi saat kejadian dan pasca siklon tropis Ernie di wilayah pesisir Selatan Jawa dengan model gabungan ADCIRC-SWAN terintegrasi OASIS3-MCT. Komparasi intensitas angin yang dihasilkan oleh siklon tropis dianalisis dengan data citra satelit gabungan Himawari-GOES R dengan produk Storm Track Intensity (STI), Wind Track Intensity (WTI), dan Surface Wind High Resolution (SWHR). Karakteristik ketinggian muka air laut dan model inundasi dianalisis dengan menggunakan keluaran model gabungan ADCIRC-SWAN serta pembanding kondisi gelombang laut perairan dalam dengan keluaran model WaveWatch 3. Keluaran model menghasilkan kenaikan muka air laut dan peak surge yang dominan disebabkan oleh adanya pengaruh dari intensitas angin siklon tropis yang kuat disertai gaya gesekan pada permukaan air laut yang menyebabkan kenaikan pasang inundasi sebesar 20 – 30 cm. Verifikasi perbandingan dari keluaran model ADCIRC-SWAN dan komponen pasang surut menghasilkan korelasi 0.85 serta RMSE sebesar 10-13 cm. Hasil validasi dapat digunakan dalam pemanfaatan untuk peringatan dini terhadap prakiraan banjir pesisir yang lebih akurat. Kata kunci: gelombang badai; ADCIRC-SWAN; inundasi



ABSTRACT Indonesia's coastal areas are very vulnerable to floods due to rising sea water and become a strategic place against the disruption of tropical sea weather. The related disaster is fluctuating storm waves caused by low pressure accompanied by strong wind intensity. Conditions for abnormal sea level rise affect the frequency and altitude of flooding on the coast. This study examines the characteristics of storm waves that occurred during and after Ernie's tropical cyclone in the southern coastal region of Java with a combined model of integrated OASIS3-MCT ADCIRC-SWAN. The comparison of the intensity of the wind produced by tropical cyclones was analyzed by the combined satellite image data of Himawari-GOES R with Storm Track Intensity (STI), Wind Track Intensity (WTI), and Surface Wind High Resolution (SWHR) products. The characteristics of sea level and inundation models were analyzed using the combined model output of ADCIRC-SWAN and comparison of deep sea wave conditions with the output of WaveWatch 3. Model output resulted in a dominant sea level rise and peak surge caused by the influence of cyclone wind intensity strong tropics accompanied by friction forces on the sea water surface which causes an increase in inundation pairs of 20-30 cm. Verification of the comparison of the output of the ADCIRC-SWAN model and tidal components produces a correlation of 0.85 and RMSE of 10-13 cm. . The results of the validation can be used in the use of early warning for more accurate coastal flood estimates. Keywords: storm surge, ADCIRC-SWAN, inundation



1. Pendahuluan Indonesia merupakan negara benua maritim dengan sepertiga luas wilayahnya adalah kegiatan kelautan sangat memegang peranan penting dalam kehidupan masyarakat Indonesia baik dalam hal keselamatan dan kelancaran transportasi laut, kegiatan perekonomian, penangkapan ikan dan lain sebagainya. Fenomena cuaca di laut yang memiliki peranan sangat vital yang berkaitan dengan kegiatan kelautan adalah tinggi gelombang laut sehingga diperlukan informasi



2



tentang kondisi gelombang yang mencakup tinggi, arah, variasi dan karakteristiknya. Interaksi laut atmosfer di Indonesia pada perspektif wilayah perairan yang sangat kompleks terdapat disekitar garis pantai. Proses-proses fisis kecil terjadi sepanjang nusantara dan berperan penting dalam sifat iklim regional. Salah satu fenomena yang terjadi dalam interaksi labilitas lautan dan atmosfer adalah siklon tropis. Menimbulkan dampak terhadap daerah pesisir dekat dengan kejadian siklon tropis yaitu



gelombang badai (storm surge) dan peningkatan gelombang pasang (storm tide). Gelombang badai adalah gelombang dengan panjang gelombang sampai beberapa kilometer yang dibangkitkan oleh badai (storm) dan penurunan tekanan atmosfer yang disebabkan suatu kejadian cuaca yang ekstrem (Ali dkk, 1996). Sedangkan gelombang pasang adalah pergerakan naik turunnya muka air laut yang besar dan kuat membentuk lembah dan bukit mengikuti gerak alunan gelombang. Pembangkit kekuatan gelombang badai dan gelombang pasang bergantung pada tekanan udara di pusat badai siklon tropis yang sangat rendah sehingga menimbulkan kenaikan permukaan laut. Naiknya permukaan air laut (akibat melintasnya daerah tekanan atmosfer yang rendah) akan membentuk gelombang yang menjalar ke luar daerah pembangkitnya dan ketika sampai di perairan pantai tinggi gelombangnya akan bertambah karena efek pendangkalan. Gelombang badai merambat ke perairan dangkal, kecepatannya berkurang, panjang gelombangnya memendek, serta tingginya bertambah dan jika terjadi bersamaan dengan fase gelombang pasang surut pada kondisi air pasang tinggi (high tide) dapat menambah tinggi muka laut. Superposisi kedua jenis gelombang tersebut disebut gelombang badai pasang (storm tide) yang dapat mengakibatkan terjadinya gelombang ekstrem dengan tinggi dapat mencapai kurang lebih 2– 5 meter atau lebih. Meluapnya air laut di kawasan pesisir dapat disebabkan oleh gabungan beberapa faktor dominan, yaitu fenomena pasang surut purnama, posisi bulan yang berada pada titik terdekat dengan bumi (perigee), alun yang berasal dari badai, penurunan permukaan tanah, dan naiknya permukaan laut akibat efek pemanasan global (Ningsih, 2010). Penelitian ini bertujuan untuk mengkaji karakteristik gelombang badai dan gelombang pasang di wilayah pesisir selatan Selatan Jawa yang diterjang dampak dari siklon tropis Ernie sehingga menimbulkan gelombang badai dan gelombang pasang pada tanggal 06 - 10 April 2017. Mengakibatkan adanya pembentukan alun hingga daratan. Alun yang terbentuk tidak diakibatkan oleh gelombang namun adanya akibat angin kencang dari terbentuknya siklon tropis tersebut dan berdampak menjalar hingga pesisir. 2. Metodologi Dalam penelitian ini, kejadian gelombang badai dan gelombang pasang yang dibangkitkan oleh dampak siklon tropis Ernie disimulasikan dan dihitung dengan menggunakan gabungan model hidrodinamika Advanced Circulation Model and Simulating Waves Nearshore (ADCIRC-SWAN). Menggunakan metode Finite-Volume Coastal Ocean Model (FVCOM) dan Unstructured Mesh Grid (Chen dkk, 2003), , sehingga menghasilkan keluaran perhitungan model yang mempunyai resolusi rapat dan sesuai dengan bentuk pesisir. Lokasi penelitian kejadian siklon tropis yaitu siklon tropis Ernie pada tangga 06 - 10 April 2017. Rentang waktu penelitian dilakukan berdasarkan pada dampak yang signifikan terjadi hingga menyebabkan bencana alam dan ketersediaan data tropical cyclone



track dari Bureau of Meteorology (BOM) Australia untuk siklon tropis Ernie yaitu bulan Juni 2017.



Gambar 1. Peta lokasi penelitian wilayah Pesisir Selatan Jawa



Pengumpulan data dilakukan dengan mengakses data bathymetri dari GEBCO dengan resolusi 30 s. Data HYCOM-NCODA GOFS 3.1 dengan resolusi 0.080 melalui website ftp://ftp.hycom.org/datasets/GLBv0.08/expt_92.9/ssh untuk mengambil parameter Sea Surface High (SSH). Data shoreline dan coastline dari National Oceanic and Atmospheric Administration (NOAA-GSHHS) melalui website https://www.ngdc.noaa.gov. Data diambil untuk pembuatan unstructured mesh grid dan boundary dari garis pantai. Data FNL dari NCEP-NOAA resolusi 10 tanggal 06 – 10 April 2017 dalam bentuk grib2 file dan time step 6 jam. Data FNL digunakan sebagai input data meteorologi dalam model WRF-ARW Version 3.8.1. Data pasang surut dari Badan Informasi Geospasial (BIG) dan Kementrian Kelautan dan Perikanan (KKP) wilayah titik stasiun pengamatan Pondokdadap, Tamperan, Cilacap dan Prigi. Dan data Altimetri dari satelit JASON-1 dengan resolusi 0.250 x 0.250. Data Ina-WAVES Integrated Model WaveWatch III untuk analisis gelombang laut dan alun pada perairan dalam saat kejadian siklon tropis Ernie.



Gambar 2. Alur Model ADCIRC-SWAN pada Unstructured Mesh Grid (Dietrich, 2011)



Formula pada model ADCIRC-SWAN untuk koordinat Cartesian (ADCIRC, 2016) : 𝜕∁ 𝜕𝑈𝐻 𝜕𝑉𝐻 + + =0 𝜕𝑡 𝜕𝑥 𝜕𝑦



Dan persamaan primitif momentum (dalam persamaan non konservatif)



3



𝜏𝑔𝑥 𝜕𝑈 𝜕𝑈 𝜕𝑈 𝜕 𝑝𝑠 𝜏𝑏𝑥 +𝑈 +𝑉 − 𝑓𝑉 = − [ + 𝑔∁ − 𝑔(𝑛 + 𝑦)] + − + 𝐷𝑥 − 𝐵𝑥 𝜕𝑡 𝜕𝑥 𝜕𝑦 𝜕𝑥 𝜌0 𝜌𝑜 𝐻 𝜌𝑜 𝐻 𝜏𝑔𝑦 𝜏𝑏𝑦 𝜕𝑈 𝜕𝑈 𝜕𝑈 𝜕 𝑝𝑠 +𝑈 +𝑉 + 𝑓𝑈 = − [ + 𝑔∁ − 𝑔(𝑛 + 𝑦)] + − + 𝐷𝑦 − 𝐵𝑦 𝜕𝑡 𝜕𝑥 𝜕𝑦 𝜕𝑥 𝜌0 𝜌𝑜 𝐻 𝜌𝑜 𝐻



Keterangan : 𝐷𝑥



=



𝜕𝐷𝑢𝑣



𝐷𝑦



=



𝜕𝐷𝑢𝑣



𝐵𝑥



= ∫−ℎ 𝑏𝑥 𝑑𝑧 = Gradien tekanan baroklinik secara vertikal



𝜕𝑥 𝜕𝑥



+



𝜕𝐷𝑢𝑣



+



𝜕𝐷𝑢𝑣



𝜕𝑦 𝜕𝑦



= Dispersi momentum dalam x = Dispersi momentum dalam y



∁



dalam x ∁



𝐵𝑦



= ∫−ℎ 𝑏𝑦 𝑑𝑧 = Gradient tekanan baroklinik secara vertikal



𝜌



= Waktu dan variasi kerapatan air secara spasial pada



dalam y salinitas dan variasi temperature 𝜌0



= Densitas air



𝜏𝑔𝑦 , 𝜏𝑏𝑦 = Tekanan permukaan air laut 𝑝𝑠



= Tekanan pada permukaan air laut



perambatan gelombang. Biasanya, model gelombang menentukan evolusi densitas gerak N(x,t; σ,θ) dalam ruang x dan waktu t. Densitas gerak didefinisikan sebagai N = E/ σ. Dalam kondisi tersebut dadpat diasumsikan bahwa arus sama dengan koordinat vertikal dan dinotasikan dengan U (SWAN Team, 2011). Evolusi spektrum dapat dijelaskan dengan persamaan keseimbangan gerak spectra sesuai dengan modul logbook SWAN Team tahun 2011 seperti yang dinyatakan pada persamaan dibawah ini : 𝜕𝑁 𝜕𝑡



+ ∇𝑥 . [(𝐶𝑔 + 𝑈)𝑁] +



𝜕𝜎



+



𝜕𝐶𝜃 𝑁 𝜕𝜃



=



𝑆𝑡𝑜𝑡 𝜎



Keterangan : 𝜕𝑁



= Bagian kinematic dari persamaan laju perubahan



𝜕𝑡



densitas gerak dalam waktu. ∇𝑥 . [(𝐶𝑔 + 𝑈)𝑁] = Perambatan energi gelombang dalam ruang x geografis dua dimensi. 𝜕𝐶𝜃 𝑁



= Efek perubahan frekuensi radian yang



𝜕𝜎



Persamaan perairan dangkal dua dimensi, kedalaman dengan menetapkan ICS =1 pada Parameter Model dan Kondisi Periodik Boundary. ADCIRC mengasumsikan sistem koordinat cartesian dimana dimensi horizontal berada pada unit jarak yang sesuai dengan satuan gravitasi.



𝜕𝐶𝜃 𝑁



disebabkan variasi kedalaman dan arus rata-rata. 𝜕𝐶𝜃 𝑁



= Refraksi kedalaman terinduksi dan arus terinduksi.



𝜕𝜃 𝑆𝑡𝑜𝑡



= Merepresentasikan semua proses fisik



𝜎



pembangkit dan distribusi energi gelombang.



Pada penelitian ini digunakan perbandingan terhadap hasil model dan observasi dengan RMSE (Widayati, 2009) yang dihitung terhadap keluaran model ADCIRCSWAN berupa tinggi muka laut dengan data pasang surut berdasarkan pada hasil pengamatan stasiun otomatis di wilayah pesisir dan observasi satelit altimetri JASON-2. 𝑁



𝑅𝑀𝑆𝐸 = √1/𝑛 ∑(𝑦𝑛 − 𝑜𝑛 ) 2



Gambar 3. Skema pembentukan banjir pesisir dengan model ADCIRC (Dietrich, 2011)



ADCIRC mencakup analisis kuadrat terkecil yang menghitung unsur harmonis untuk kecepatan elevasi dan kedalaman rata-rata selama perjalanan sehingga menghindari kebutuhan untuk menulis rangkaian waktu lama untuk pemrosesan pos. ADCIRC telah dioptimalkan dengan membuka gulungan untuk meningkatkan kinerja pada beberapa arsitektur komputer. ADCIRC termasuk MPI untuk memungkinkannya beroperasi dengan efisiensi tinggi (lebih baik dari 90 persen) pada arsitektur komputer paralel. Model SWAN dapat digunakan pada skala yang relevan untuk gelombang yang dibangkitkan oleh angin. Model gelombang tersebut berdasarkan persamaan keseimbangan gerak gelombang dengan sources dan sink. Model SWAN menggunakan model stasioner dengan spekral diskrit dalam frekuensi dan arahnya. Model tersebut diformulasikan dalam istilah densitas gerak N (densitas energi yang dibagi dengan frekuensi relatif ; N=E/σ. Informasi tentang permukaan air laut terdapat pada spektrum variansi gelombang atau densitas energi E(σ,θ), dimana σ merupakan frekuensi energi gelombang yang tersebar dan θ merupakan arah



4



𝑛=1



Perhitungan korelasi (Widayati, 2009) dilakukan bertujuan untuk melihat hubungan antara nilai velocity dan ketinggian muka air laut hasil keluaran model ADCIRC-SWAN dengan hasil observasi pasang surut dan satelit altimetri JASON-2. 𝑟𝑥𝑦 =



1 ∑ 𝑋𝑌 − ∑ 𝑋 ∑ 𝑌 𝑛



1 1 [∑ 𝑋 2 − (∑ 𝑋) 2 ] ∗ [∑ 𝑌 2 − (∑ 𝑌) 2 ] 𝑛 𝑛



3. Hasil dan Pembahasan 3.1. Karakteristik Pusat dan Kekuatan Angin Siklon Tropis Ernie Pergerakan siklon tropis Ernie dari fase tumbuh hingga fase punah terlihat pada gambar 4. Siklon tropis Ernie tumbuh di perairan Hindia tepatnya di sebelah utara Australia dan hampir dekat dengan wilayah Indonesia bagian Selatan. Siklon tropis Ernie tumbuh dengan pembentukan di utara wilayah Australia dan di bagian selatan wilayah Indonesia. Pembentukan di awali dengan adanya pembentukan Tropical Depression (TD) pada tanggal 5 April 2017 dan selanjutnya diikuti dengan adanya pembentukan Tropical Cyclone (TC) hingga tanggal 10 April 2017. Selain itu intensitas angin yang terbentuk pada saat perkembangan sikon tropis



intens hingga membentuk pusaran dan ekor siklon, dimana mempunyai siklus hidup yang lebih lama apabila anomali positif terjadi pada permukaan lautan.



a



b



Gambar 3. (a) Jalur Pertumbuhan Siklon Tropis Ernie fase tropical depression (TD) hingga fase tropical cyclone (TC) pada tanggal 5 April 2017 sampai tanggal 10 April 2017 di wilayah selatan Indonesia (BOM, 2017) (b) Jalur pertumbuhan Siklon Tropis Ernie (BMKG, 2017).



Gambar 4. Grafik sesi waktu pertumbuhan intensitas kekuatan angin siklon tropis Ernie fase tropical depression (TD) hingga fase tropical cyclone (TC) pada tanggal 05 April 2017 hingga 10 April 2017 dengan pengukuran satelit geostasioner GOES-NOAA (RAMMB, 2017)



Ekor siklon sangat berkaitan erat dengan adanya intensitas dari angin yang dihasilkan oleh siklon. Profil angin pada saat siklon tropis Ernie dapat dilihat pada gambar 4. Jalur siklon tropis hampir dekat dengan wilyah Indonesia dan dampak terhadap pesisir khususnya akan sangat terlihat oleh adanya kenaikan tinggi muka air laut di sekitar wilayah selatan Indonesia yaitu wilayah pesisir Selatan Jawa.



3.2. Fase Intensitas Kekuatan Badai Siklon Berdasarkan Storm Track Intensity (STI) Intensitas badai berdasarkan Storm Track Intensity menunjukkan fase pertumbuhan di wilayah selatan Nusa Tenggara Timur terlihat kontur distribusi potensi badai relative berwarna merah.



5



a



b



c



d



e



a.1



b.1



c.1



Gambar 5. Akumulasi fase kekuatan badai berdasarkan Storm Track Intensity (STI) satelit geostasioner-polar (Himawari-GOES NOAA) pada tanggal 06 - 10 April 2017 (a, a.1) Citra satelit storm relative 00.00 UTC (b, b.1) Citra satelit storm relative 00.00 UTC (c, c.1) Citra satelit storm relative 00.00 UTC (d) Citra satelit storm relative 00.00 UTC (e) Citra satelit storm relative 00.00 UTC



Kapasitas panas yang terkandung di dalam lautan menimbulkan intensitas badai berdasarkan Storm Track Intensity menunjukkan fase pembentukan di wilayah selatan Indonesia khususnya pada wilayah selatan pulau Jawa terlihat kontur distribusi potensi storm relatif berwarna merah-ungu dengan eye berwarna putih yang mengindikasikan struktur dinamika atmosfer sangat tidak stabil dan dominan menyebabkan updraft yang kuat namun shearline di sekitar wilayah sangat lemah. Hal ini di tunjukkan dengan adanya suhu yang berada di wilayah terjadinya siklon tropis Ernie berkisar – 30 sampai -40 derajat mengindikasikan adanya pertumbuhan awan cumulonimbus yang berkembang menjadi siklon tropis namun masih memiliki skala kecil dan intensitas kekuatan angin yang kuat. Fase pembentukan diawali dengan pergerakan menuju arah barat dan disertai dengan membawa massa udara dari utara pulau Bali. Dipicu oleh gaya corioli pada wilayah belahan bumi selatan. Citra satelit storm relative pada tanggal 08 April 2017 jam 00.00 UTC mennjukkan pembentukan siklon tropis masih berada tepat di bawah selatan Pulau Jawa. Pergerakan posisi siklon tropis Ernie pada tanggal 09 April 2017 jam 00.00 UTC mengindikasikan pergerakan ke arah barat dan dominan membawa massa udara. Hal ini ditunjukkan dengan adanya kontur massa berwarna ungu dari wilayah selatan Bali. Hal ini menimbulkan penyebab yang sangat signifikan terhadap pembentukan pola sirkulasi angin di wilayah pusat siklon dimana dengan adanya uap air dari proses evaporasi dari lautan dapat meningkatkan energi terhadap pembentukan siklon tropis. Dengan adanya peningkatan



6



pembentukan siklon maka berpengaruh terhadap sistem intensitas angin yang terus menerus



mengembang menjadi kecepatan angin yang tinggi. Selain itu pengaruh lain yang ditimbulkan adalah pembangki energi gelombang laut tinggi terbentuk disekitar wilayah pusat dan berpropagasi menuju lautan dangkal serta wilayah pesisir. Identifikasi kekuatan angin siklon tropis pada tanggal 09 April 2017 berdasarkan Storm Track Intensity menunjukkan bergerak menjauhi wilayah selatan Jawa. Namun, intensitas kekuatan angin yang dihasilkan masih kuat dan masih terdapatnya eye siklon ditengah-tengah. Citra satelit 00.00 UTC (a) menunjukkan pola pusaran dengan karakteristik pembawa massa udara dari wilayah utara Jawa menuju pusat siklon. Kondisi ekor siklon masih berada di sekitar wilayah selatan Jawa yang mengindikasikan bahwa kekuatan masih besar di wilayah tersebut. Pusat siklon tropis Ernie mulai menunjukkan pelemahan dan kekuatan angin yang dihasilkan semakin berkurang. Hal ini terlihat dari perubahan warna kontur sekitar siklon menjadi orange dan mata siklon mulai memudar. 3.3. Fase Intensitas Kekuatan Badai Siklon Berdasarkan Wind Track Intensity Satelit Geostasioner-Polar (Himawari-GOES NOAA) saat Siklon Tropis Ernie pada tanggal 06 April 2017 – 11 April 2017



Gambar 6. Skema propagasi arah dan kecepatan angin dalam pembentukan energi gelombang badai serta gelombang laut di wilayah Selatan Selatan Jawa (Tropical Cyclone Chapter 5 WMO, 2016).



Menurut WMO, 2016 bahwa karakteristik propagasi sistem angin pada pusat siklon akan berpengaruh terhadap energi gelombang yang terbentuk di lautan. Dimana sistem perputaran kecepatan angin bergantung penuh pada kondisi gradien intensitas angin dan perbedaan vortisitas pada bumi belahan selatan dan bumi belahan utara. Intensitas kecepatan angin yang yang membentuk gelombang akan terjadi lag-time (perlambatan waktu) dimana tidak selalu bersamaan dengan wind stress.



propagasi angin belum terlalu signifikan terhadap pembentukan kenaikan upwelling siklonik pada permukaan laut dan permukaan turbulen Ekman pump yang sangat berpengaruh terhadap kendali proses propagasi gelombang pada shallow water. Identifikasi selanjutnya pada Wind Track Intensity (WTI) menunjukkan mata (eye) siklon tropis berkembang menjadi lebih luas dengan kecepatan angin teridentifikasi masih sama sebesar 35 m/s atau 70 knots dengan kecepatan angin pada sekitar ekor sebesar 10 m/s atau 20 knots dengan pergerakan posisi pusat siklon mengakah kearah barat. Kondisi siklon pada tanggal 07 April 2017 jam 00.00 UTC menunjukkan peningkatan kecepatan angin dengan intensitas kenaikan sebesar 50 m/s atau 100 knots serta pada wilayah sekitar siklon mengalami peningkatan sebesar 35 m/s atau 70 knots.



a



b a Gambar 8. Fase kecepatan angin berdasarkan Wind Track Intensity (STI) satelit geostasioner-polar (Himawari-GOES NOAA) pada tanggal 8 - 10 April 2017 (a) Citra satelit wind intensity 00.00 UTC (b) Citra satelit wind intensity 00.00 UTC



b Gambar 7. Fase kecepatan angin berdasarkan Wind Track Intensity (STI) satelit geostasioner-polar (Himawari-GOES NOAA) pada tanggal 6 - 7 April 2017 (a) Citra satelit wind intensity 00.00 UTC (b) Citra satelit wind intensity 00.00 UTC



Fase intensitas kecepatan angin pada badai berdasarkan Wind Track Intensity menunjukkan fase intens di pusat sikon tropis mulai terbentuk di wilayah lautan. Perbandingan fase intensitas kecepatang angin yang berkembang dapat ditinjau dari fase pertumbuhan Storm Track Intensity (STI) bahwa kecepatan angin mulai berkembang menjadi fase tropical depression dengan kontur distribusi kuantitas kecepatan angin sebesar 35 m/s atau 70 knots pada tanggal 06 April 2017 jam 00.00 UTC, pertumbuhan kecepatan di pusat siklon masih berada jauh dengan wilayah pesisir selatan Indonesia. Menurut Klinger dan Haine, 2015 berdasarkan pada penelitian sebelumnya bahwa



Kondisi pada tanggal 7 April 2017 jam 00.00 UTC perkembangan siklon tropis telah mencapai kematangan hal ini ditunjukkan dengan kontur kecepatan pada tiap segmen siklon yang sangat intens dengan kecepatan angin pusat siklon mencapai kecepatan sebesar 85 m/s atau 170 knots. Proses ini berlanjut hingga tanggal 8 April 2017, dimana kondisi siklon tropis Ernie telah menjukkan kontur gradien yang rapat dengan kecepatan angin pada pusat mencapai 100 - 110 knots sedangkan ekor siklon mencapai rata rata 50 knots. Pergerakan rata-rata dari fase pembentukan serta perkembangan hingga siklon tropis pada tanggal 09 April 2017 – 10 April 2017 menuju barat wilayah Samudera Hindia dekat selatan Indonesia. Fase tersebut dipicu oleh adanya gaya Coriolis sehingga menimbulkan pembelokkan kearah selatan dari Samudera Hindia Timur. Menurut Kim dan Matsumi tahun 2011 bahwa coriolis sangat berpengaruh terhadap propagasi gelombang badai yang terbentuk di wilayah pesisir diiringi dengan adanya propagasi kekuatan angin dari pusat siklon yang merambat hingga ekor badai.



7



3.3. Fase Intensitas Kekuatan Badai Siklon Berdasarkan Surface Wind High Resolution (STI) Satelit Geostasioner-Polar (HimawariGOES NOAA) saat Siklon Tropis Ernie pada tanggal 06 April 2017 – 10 April 2017



a



b



c



d



Gambar 9. Fase kecepatan angin berdasarkan Surface Wind High Resolution (SWHR) satelit geostasioner-polar (HimawariGOES NOAA) Kanal Infrared (IR) pada tanggal 06 – 10 April 2017 (a) Citra satelit SWHR 7 April 2017 00.00 UTC (b) Citra satelit SWHR 8 April 2017 00.00 UTC (c) Citra satelit SWHR 9 April 2017 00.00 UTC (d) Citra satelit SWHR 10 April 2017 06.00 UTC



Kondisi fase pertumbuhan dari Surface Wind High Resolution (SWHR) yang berdasarkan pengukuran base ground atau dipermukaan air laut menunjukkan fase perkembangan pada wilayah permukaan sekitar selatan Indonesia masih tidak signifikan pada tanggal 07 April 2017 jam 00.00 UTC. Pada permukaan terlihat kontur kecepatan intensitas angin sebesar 20 knots, dimana hal ini tidak terlalu signifikan terhadap adanya kenaikan muka air laur di pusat siklon. kondisi pada tanggal 08 April 2017 jam 00.00 UTC, fase pertumbuhan siklon yang ditinjau dari kecepatan intesutas angin mulai berkembang dan meluas dengan konsut kecepatan sebesar 35 knots pada dekat pusat siklon dan pada ekor siklon kecepatan angin sebesar 20 knots. Kondisi intensitas kecepatan angin sebesar 50 knots intensitas kecepatan angin yang teridentifikasi sebesar 65 – 80 knots. Perkembangan intensitas kecepatan angin diimbangi dengan pertumbuhan siklon tropis Ernie hingga tahap matang, hal ini sesuai dengan identifikasi terhadap data Storm Track Intensity (STI) dimana perkembangan siklon yang meluas tiap 6 jam pada wilayah selatan Indonesia. Kondisi pada tanggal 09 April 2017 jam 00.00 UTC, fase peningkatan intensitas kecepatan angin siklon yang ditinjau dari intesitas



8



perkembangan dan luasan dengan kontur kecepatan sebesar 50 knots pada dekat pusat siklon dan pada ekor siklon kecepatan angin sebesar 35 knots. Intensitas kecepatan angin sebesar 50 knots hingga jam 18.00 UTC intensitas kecepatan angin yang teridentifikasi sebesar 65 – 80 knots. Perkembangan intensitas kecepatan angin pada waktu tersebut mulai mengalami fase punah. Hal ini disebabkan karena kapasitas panas yang terkandung pada lautan mulai mengalami penurunan suhu sehingga energi yang dibutuhkan untuk membentuk siklon tropis mulai melemah. Pelemahan siklon tropis Ernie ini mendorong melemahnya kekuatan angin pada pusat siklon dan ekor siklon. Penurunan intensitas kecepatan angin diimbangi dengan hilangnya siklon tropis Ernie hingga tahap punah, hal ini sesuai dengan identifikasi terhadap data citra Storm Track Intensity (STI) dimana penurunan kekuatan angin menyebabkan kenaikan air laut di pusat siklon menjadi normal serta tidak mengalami proses upwelling siklonik pada permukaan air laut (MSL) melainkan downwelling antisiklonik dan tidak terlalu signifikan terhadap propagasi gelombang pada shallow water seperti pada penelitian Karim dan Mimura pada tahun 2008. 3.3.



Kondisi Kenaikan Muka Air Laut (Water Level Elevation) Keluaran Model ADCIRC-SWAN di Wilayah Pesisir Selatan Selatan Jawa saat Siklon Tropis Ernie pada tanggal 06 April 2017 – 11 April 2017



Keluaran model ADCIRC-SWAN sangat bergantung pada inputan observasi angin sebagai data perhitungan water level dan pengaruh gesekan dasar laut (bottom friction). Dan model Simulating Waves Near Shore (SWAN) sangat bergantung pada water level elevation dari perhitungan model Advanced Circulation, Coastal and Estuarian (ADCIRC). Sehingga mendapatkan dua parameter pokok yaitu Peak Surge pada perairan dangkal (shallow water) dan kenaikan muka air laut yang masuk ke dalam wilayah pesisir (water surface elevation).



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



a



b



c



d



e



f



Gambar 10. (a) Kondisi rata-rata Water Level Elevation keluaran model ADCIRC-SWAN saat kejadian siklon tropis Ernie pada tanggal 6 - 10 April 2017 jam 00.00 UTC (b) Kondisi Water Level Elevation pada jam 00.00 UTC (c) Kondisi Water Level Elevation pada jam 12.00 UTC (d) Kondisi rata-rata Peak Surge pada tanggal 6-10 April 2017 jam 00.00 UTC (f) Kondisi Peak Surge pada jam 12.00 UTC (f) Kondisi Peak Surge jam 18.00 UTC. Keluaran model ADCIRC-SWAN untuk parameter kenaikan muka air laut (water elevation) memperlihatkan bahwa di wilayah pesisir selatan Selatan Jawa pada saat terjadinya siklon tropis Ernie pada fase awal pertumbuhan siklon menunjukkan sifat propagasi gelombang hingga mengakibatkan kenaikan muka air laut dengan kisaran nilai yang masuk ke dalam pesisir selatan Selatan Jawa sebesar 0.1 m hingga 0.3 m atau 10 cm hingga 30 cm dengan kontur berwarna kebiruan. Di wilayah Prigi terlihat kondisi kenaikan muka air laut sebesar 0.4 m atau 40 meter. Kondisi awal ini disebabkan oleh siklon tropis yang belum menguat pada intensitas kecepatan angin di pusat siklon sehingga masih belum terlalu terdampak terhadap wilayah pesisir. Selain itu kondisi kecepatan arus (velocity) di wilayah pesisir dominasi dipengaruhi oleh adanya system angin baratan sehingga wind stress membentuk propagasi gelombang tidak beratur di wilayah tersebut berdasarkan World Meteorological Organization tahun 2016. Kondisi pada tanggal 8 April 217 jam 00.00 UTC dominasi propagasi gelombang lebih terlihat dari kondisi arus yang masuk ke pesisir, dimana wilayah selatan Selatan Jawa mengalami kenaikan muka laut sebesar 0.2 m atau 20 cm. Menunjukkan bahwa kenaikan muka air laut sebesar 0.2 meter atau 20 cm. Kondisi selanjutnya kenaikan muka air laut sebesar 0.3 meter atau 30 centimeter. Sedangkan kondisi pada jam 00.00 UTC terlihat kenaikan muka air laut sebesar 0.3 meter atau 30 cm. Propagasi gelombang yang terjadi pada tanggal 8 April 2017 jam 00.00 UTC tidak terlalu. Secara fisis, kenaikan muka air laut di wilayah tersebut dominan disebabkan propagasi dari kecepatan arus dan kecepatan angin fase awal pertumbuhan siklon. Kondisi pada tanggal 09 April 2017 jam 00.00 UTC dominasi propagasi gelombang lebih terlihat dari kondisi arus yang masuk ke pesisir, dimana wilayah selatan Selatan Jawa mengalami kenaikan muka laut sebesar 0.2 m atau 20 cm. Kenaikan muka air laut sebesar 0.2 meter atau 20 cm. Kondisi selanjutnya kenaikan muka air laut sebesar 0.3 meter atau 30



centimeter. Secara fisis, kenaikan muka air laut di wilayah tersebut dominan disebabkan propagasi dari kecepatan arus dan kecepatan angin fase awal pertumbuhan siklon.



Gambar 11. Grafik perbandingan parameter keluaran model ADCIRC-SWAN dan hasil observasi velocity di wilayah pesisir selatan Jawa perbandingan keluaran model ADCIRCSWAN dengan observasi Prigi.



Kondisi angin dihitung kedalam rumus perhitungan kecepatan arus dengan masukan data kondisi angin yang tercatat oleh stasiun otomatis Prigi. Hasil perhitungan korelasi keluaran model ADCIRC-SWAN dan observasi AWS Prigi menghasilkan nilai sebesar 0.67. Untuk perhitungan RMSE sebesar 3 – 4 knots.



Gambar 12. Grafik perbandingan parameter keluaran model ADCIRC-SWAN dan hasil observasi velocity di wilayah pesisir selatan Jawa perbandingan keluaran model ADCIRCSWAN dengan observasi Pesisir Purworejo.



9



Perbandingan keluaran model ADCIRC-SWAN dan observasi AWS pesisir Purworejo menunjukkan korelasi sebesar 0,65 serta RMSE sebesar 5- 7 knots. Hasil yang didapatkan lebih rendah dikarenakan kurangnya observasi terhadap arus sebenarnya.



a



Gambar 13. Grafik perbandingan parameter keluaran model ADCIRC-SWAN dan hasil observasi pasang surut di wilayah pesisir selatan Jawa (a) Perbandingan keluaran model ADCIRC-SWAN dengan observasi Pondokdadap (b) Perbandingan keluaran model ADCIRC-SWAN dengan observasi Prigi.



Waktu perbandingan pasang surut ADCIRC-SWAN dan observasi dikarenakan keluaran model ADCIRCSWAN disesuaikan dengan inputan data angin dan kondisi pasang surut konstituens. Perhitungan korelasi Pierson pada kondisi pasang surut menghasilkan perbandingan keluaran model ADCIRC-SWAN dan observasi pasang surut di wilayah Pondokdadap menunjukkan korelasi sebesar 0.927 dengan RMSE sebesar 8 cm. Pada wilayah Prigi menujukkan perhitungan korelasi Pierson sebesar 0.961 dengan RMSE sebesar 10 cm. Hasil perhitungan tersebut terdapat beberapa perlambatan waktu (lag-time), namun tidak terlalu signifikan terhadap pengaruh keluaran model ADCIRC-SWAN.



Gambar 4.1 Grafik perbandingan parameter keluaran model ADCIRC-SWAN dan hasil observasi pasang surut di wilayah pesisir selatan Jawa (a) Perbandingan keluaran model ADCIRC-SWAN dengan observasi Cilacap



10



Korelasi Pierson pada kondisi pasang surut menghasilkan perbandingan keluaran model ADCIRCSWAN dan observasi pasang surut di wilayah Cilacap menunjukkan korelasi sebesar 0.823 dengan RMSE sebesar 15 cm. Pada wilayah Prigi menujukkan perhitungan korelasi pierson sebesar 0.802 dengan RMSE sebesar 17 cm. Pola ini dikarenaka oleh adanya pengaruh faktir lain saat siklon tropis yaitu aktifnya gelombang kelvin dan pada inputan namelist ADCIRC tidak terdapat inoutan paramterisasi lokal untuk mengkuantifikasi pengaruh gelombang Kelvin yang aktif. 4. Kesimpulan Karakteristik siklon tropis Ernie tanggal 06 April 2017. Angin yang dihasilkan oleh siklon tropis sebesar 95 – 110 knots pada pusat siklon dan pada ekor siklon b sebesar 25 – 35. Karakteristik ketinggian muka air laut dan kondisi velocity serta verifikasi keluaran model ADCIRC-SWAN. Hasil keluaran model ADCIRCSWAN menghasilkan karakteristik dari gelombang badai yang terbentuk di wilayah pesisir Selatan Jawa disebabkan oleh adanya propagasi gelombang laut dalam. Dimana hasil kenaikan muka air laut unutk wilayah Selatan Jawa sebesar 0.2 – 0.3 meter atau 20 – 30 cm. Karakteristik lain adalah pembentukan kenaikan muka laut didukung dengan kondisi gelombang pada perairan dangkal dengan nilai gelombang sebesar 0.6 – 1.0 meter di wilayah dekat pesisir. Verifikasi hasil dari keluaran model ADCIRCSWAN dengan data observasi pasang surut Prigi menghasilkan korelasi 0.961 dengan nilai RMSE sebesar 10 cm. Hasil verifikasi Pondokdadap sebesar 0.927 dengan nilai RMSE sebesar 8 cm. Berdasarkan hasil penelitian dan pembahasan dalam Bab IV, dengan nilai korelasi mencapai 0,8 – 0.9 antara keluaran model ADCIRC-SWAN dan observasi, dan hasil analisis kondisi gelombang laut dan alun sehingga dapat disimpulkan bahwa gelombang tinggi saat siklon tropis Ernie di wilayah Selatan Indonesia bagian dalam secara dominan dapat mengakibatkan pengaruh pembentukan kenaikan muka air laut di wilayah pesisir selain faktor gesekan bottom friction. Namun pada hasil nilai korelasi velocity keluaran model ADCIRC-SWAN dan observasi AWS Prigi saat siklon tropis sebesar 0.67 dan RMSE sebesar 3-4 knots. Selain itu, terdapat hubungan kejadian intensitas angin pada siklon tropis dan kondisi interaksi bumi - lautan sehingga dapat meningkatkan peluang terjadinya gelombang pasang. Faktor angin untuk inputan data model ADCIRC-SWAN cukup berpengaruh terhadap hasil keluaran model. Selain itu faktor ketersediaan trajektori siklon tropis yang akurat sangat berpengaruh terhadap kondisi naik dan turunnya kenaikan muka air laut. Faktor koefisien gesekan dasar laut sangat dominan berpengaruh terhadap kondisi perairan dangkal. Selain itu ketersediaan data pasang surut dan data coastal buoy pengukuran gelombang laut sangat diperlukan untuk dilakukan metode verifikasi yang lebih baik dan dilakukan asimilasi dengan data observasi atau in-situ agar menghasilkan keluaran model yang lebih akurat.



DAFTAR PUSTAKA ADCIRC, 2016. Advanced and Circulation Model for Oceanic, Coastal and Estuarine User Manual v52, University of North Carolina. Ali, A., 1996: Vulnerability of Bangladesh to Climate Change and Sea Level Rise through Tropical Cyclones and Storm Surges. Water, Air, and Soil Pollution, 92, 171179. BMKG, 2015. Siklus Hidup Siklon, http://meteo.bmkg.go.id/, diakses pada tanggal 5 Januari 2018. BOM, 2015. About Tropical Cyclone, http://www.bom.gov.au/, diakses pada tanggal 15 Desember 2017. Changsheng, C., Robert, C., Beardsley., dan Cowles., G, 2006. An Unstructured Grid, Finite-Volume Coastal Ocean Model (FVCOM) System, Vol. 19, No. 1, 78-79. Dietrich, J.C., 2011. Modelling Hurricane Waves and Storm Surge using Integrally-Coupled, Scalable Computations, Coastal Engineering, Vol.58, 45-65. SWAN, 2011. User Manual, Faculty of Civil Engineering and Geosciences, Delft University of Technology. Netherlands. WMO, 2016. Tropical Cyclone Question and Answer, https://www.wmo.int/, diakses pada tanggal 9 Januari 2018. Widayati, C. Wahyu, 2009. Komparasi Beberapa Metode Estimasi Kesalahan Pengukuran. Jurnal Penelitian dan Evaluasi Pendidikan : Universitas Negeri Yogyakarta.



11



Tema 2 - Meteorologi dan Klimatologi di Wilayah Kepesisiran



12



Pemanfaatan Radar Cuaca Doppler C-Band untuk Analisis Struktur dan Evolusi Siklon Tropis Cempaka Anistia M Hidayata, Usman Efendib, Imma R Nugrahenic, dan Abdullah Alid a,b,cSekolah



dSubbidang



Tinggi Meteoro logi Klimatologi dan Geofisika; e-mail: [email protected] Pengelolaan Citra Radar, Badan Meteorologi Klimatologi dan Geofisika



ABSTRAK Kemampuan radar dalam mengukur kecepatan doppler mampu meningkatkan akurasi dan ketepatan waktu pengamatan siklon tropis. Sebagian besar siklon tropis terbentuk pada lintang 10° - 20° dari ekuator dan jarang terbentuk pada lintang kurang dari 4° dari ekuator. Oleh karena itu, sulit untuk menangkap pergerakan dan struktur siklon tropis yang terbentuk dekat wilayah Indonesia dengan radar cuaca. Siklon tropis Cempaka merupakan siklon tropis pertama yang terdeteksi oleh radar cuaca Doppler di Indonesia dengan jangkauan pengamatan maksimum radar sejauh 200 km. Fenomena langka tersebut terjadi pada tanggal 27 – 29 November 2017 dan siklon mulai terbentuk pada koordinat -9,6°LS dan 109,4°BT. Penelitian ini bertujuan untuk menganalisis struktur dan evolusi sistem siklon tropis Cempaka menggunakan radar cuaca C-Band. Radar cuaca menghasilkan rawdata dalam format .vol dan selanjutnya diolah menjadi produk CMAX, VCUT, CAPPI V yang di-overlay dengan HWIND dan VIL. CMAX dan VCUT masingmasing digunakan untuk menganalisis distribusi spasial dan irisan vertikal parameter reflectivity. CAPPI V yang di-overlay dengan HWIND digunakan untuk menganalisis profil horizontal arah dan kecepatan angin, sedangkan produk VIL digunakan untuk mengindikasikan potensi badai. Analisis terhadap distribusi spasial reflectivity menunjukkan bahwa fase matang siklon diamati pada tanggal 27 November 2017 pukul 12.06 UTC, dengan reflectivity tertinggi mencapai 46 dBZ di sekitar dinding mata siklon. Analisis profil vertikal reflectivity radar menunjukan bahwa fase awal pertumbuhan siklon tropis berupa kumpulan sel konvektif yang berkembang dan menyatu menjadi sel yang lebih besar. Pada saat siklon memasuki fase matang, sel konvektif terus berkembang dengan echo reflectivity 15 – 20 dBZ mencapai ketinggian 16 km, dan kembali meluruh pada saat siklon tropis memasuki fase punah. Kecepatan angin maksimum pada ketinggian 0.5 km mencapai 60 knots. Nilai Vertically Integrated Liquid (VIL) dominan terpusat pada area di sekitar dinding mata siklon dengan rentang nilai 0,1 – 5,16 mm. Kata kunci: Cempaka, tropis, siklon, stuktur, radar



ABSTRACT The ability of radar on measuring doppler velocity could improve the accuracy and timeliness of tropical cyclone track and observation. Most tropical cyclones form at latitude 10° - 20° from the equator and rarely at latitudes less than 4° from the equator. Therefore, it is difficult to capture the movement and structure of tropical cyclones that form near the Indonesian territory using weather radar. Cempaka tropical cyclone is the first tropical cyclone detected by Doppler weather radar in Indonesia with maximum radar observation range of 200 km. This rare phenomenon started to occur on 27-29 November 2017 and began to form at -9.6° S and 109.4° E. This study aims to analyze the structure and evolution of Cempaka tropical cyclone system using C-Band weather radar. Weather radar produces rawdata in the .vol format and processed into various products such as CMAX, VCUT, CAPPI V overlaid with HWIND and VIL. CMAX and VCUT are used to analyze the spatial distribution and vertical slices of the reflectivity parameter, respectively. CAPPI V overlaid with HWIND are used to analyze the horizontal profile of wind speed and direction, while VIL is used to indicate severe storms. Reflectivity analysis on the spatial distribution showed that the mature phase of the cyclone was observed on 27 November 2017 at 12.06 UTC, with the highest reflectivity reached up to 46 dBZ around the eye wall structure. Vertical profile analysis shows that the initial phase of tropical cyclone growth is a collection of convective cells that develop and merge into larger cells. When the cyclone enters the mature phase, the convective cell continues to develop with echo reflectivity 15-20 dBZ reaching a height of 16 km, and again decays when the tropical cyclone enters the extinct phase. Maximum wind speed reached up to 60 knots observed at an altitude of 0.5 km. Vertically Integrated Liquid (VIL) value dominantly concentrated around the eye wall part of the cyclone system with value range from 0.1 – 5.16 mm. Keywords: Cempaka, tropics, cyclone, structure, radar



1. Pendahuluan Siklon tropis umumnya terbentuk di atas badan air hangat di laut atau samudera dengan suhu permukaan laut (SST) lebih dari 27°C, tetapi tidak akan terbentuk antara 4° BBU dan 4°BBS [Neiburger dkk., 1995]. Sebagian besar peristiwa siklon tropis, sekitar 65%, terbentuk di lokasi lintang antara 10° - 20° LU/LS dari garis ekuator, hanya sekitar 13% siklon tropis terbentuk di atas lintang 22° LU/LS, dan tidak pernah terbentuk di lokasi lintang 4° baik di sisi utara atau selatan dari garis ekuator (Bayong, 2000). Sebagai negara maritim tropis, wilayah Indonesia rentan terdampak aktivitas



siklon tropis (TC). Wilayah pembentukan siklon tropis umumnya jauh dari wilayah Indonesia, sehingga sulit bagi radar yang umumnya dipasang di daratan untuk dapat menangkap pergerakan dan struktur dari siklon tersebut. Namun, pada akhir 2017, Siklon Tropis Cempaka terbentuk di dekat wilayah daratan pulau Jawa dan berhasil menjadi siklon tropis pertama yang mampu ditangkap oleh radar cuaca yang terletak di Jawa Tengah. Siklon Tropis Cempaka dikategorikan sebagai siklon tropis terdekat yang menyebabkan peningkatan curah hujan di berbagai wilayah (BMKG, 2017) dan memicu kejadian tanah longsor.



13



Secara umum, siklon tropis merupakan fenomena sistem laut – atmosfer yang memiliki dampak merugikan dan berpotensi merusak. Risiko kerugian ekonomi dan potensi jatuhnya korban juga tinggi, lebih dari 28.000 ribu orang mengungsi, sementara total diperkirakan mencapai 1,3 triliun (BNPB, 2017). Sehingga, sel awan konvektif dalam sistem siklon tropis memiliki ancaman yang serius bagi banyak negara, baik terkait masalah kerugian ekonomi atau dampaknya bagi kehidupan manusia (Nitu, 2013). Oleh karena itu, permasalahan terkait dengan pengamatan awal mula pembentukan siklon tropis, pergerakan, dan intensitas sistem siklon penting untuk dikaji (Elsner dkk., 2010; Callaghan dan Power, 2011; Krapivin dan Nitu, 2011; Soldatov dkk., 2011; Krapivin dan Shutko, 2012). Siklon Cempaka yang terbentuk pada November 2017 mempengaruhi kondisi atmosfer (cuaca) di hampir seluruh wilayah Pulau Jawa dan Bali. Siklon Tropis Cempaka terbentuk dekat sisi selatan dari Pulau Jawa hingga berkembang menjadi siklon kategori 1. Berdasarkan laporan Badan Nasional Penanggulangan Bencana (BNPB), Siklon Cempaka menelan 41 korban jiwa, dengan lebih dari 20.000 orang diungsikan, dan kerusakan dan kerugian mencapai 1,042 triliun. Menurut BMKG, siklon Cempaka merupakan siklon tropis keempat yang didaftarkan di Indonesia sejak 2008 oleh Tropical Cyclone Warning Center (TCWC). Pada bahasan terkait dengan penginderaan jauh, radar telah dikenal luas sebagai alat yang sangat .



berguna untuk melacak siklon tropis sejak pertama kali digunakan pada akhir 1940-an (Maynard, 1945; Wexler, 1947). Seiring dengan peningkatan kemampuannya dalam mengukur kecepatan doppler, radar memiliki potensi yang besar untuk meningkatkan akurasi dan ketepatan waktu dari perkiraan, peringatan, pelacakan pergerakan sistem siklon (Baynton, 1979; Jorgensen, 1982; Zipser dkk., 1990). Banyak teknik yang telah dikembangkan untuk menganalisis sistem siklon dengan menggunakan sistem radar. Wood dan Brown (1992) mengembangkan teknik untuk menemukan pusat siklon tropis dari sirkulasi angin simetris yang besar. Pengujian lebih lanjut meliputi studi reflectivity pada bagian mata siklon. Ketika sistem siklon ditinjau dengan menggunakan radar Doppler, rangkaian kontur tertutup dari kecepatan Doppler yang berlawanan pada kedua sisi reflectivity dinding mata dikategorikan sebagai komputasi posisi pusat (Wood, 1994). Marks dan Houze (1987) membangun konstruksi selengkap mungkin struktur inti dari badai tunggal dengan menganalisis medan angin tiga dimensi dan pola reflectivity radar yang diamati. Penelitian ini bertujuan untuk menganalisis struktur dan karakteristik siklon tropis mulai dari fase pembentukan hingga fase peluruhan berdasarkan distribusi spasial nilai reflectivity dan struktur penampang vertikalnya. Seksi ketiga menjelaskan secara singkat karakteristik setiap fitur siklon cempaka serta memperkirakan jumlah curah hujan yang turun ke permukaan



2. Metodologi 2.1. Data Penelitian Tabel 1. Koordinat trayektori siklon tropis Waktu 2017-11-26 00Z 2017-11-26 06Z 2017-11-26 12Z 2017-11-26 18Z 2017-11-27 00Z 2017-11-27 06Z 2017-11-27 12Z 2017-11-27 18Z 2017-11-28 00Z 2017-11-28 06Z 2017-11-28 12Z 2017-11-28 18Z 2017-11-29 00Z 2017-11-29 06Z



Lintang -9.6 -9.2 -9.5 -9.1 -9.0 -8.6 -8.6 -8.4 -8.5 -8.7 -8.5 -9.4 -9.5 -9.9



Data yang digunakan dalam penelitian ini merupakan data pengamatan radar dari 26 – 28 November 2017 dalam format .vol yang diperoleh dari Subbidang Pengelolaan Citra Radar BMKG. Data tersebut didapatkan dari radar cuaca Baron polarisasi tunggal dengan konfigurasi C-band. Radar tersebut terletak di Yogyakarta pada koordinat 7°43’55” LS and 110° 21’ 14” BT. Data radar cuaca di Yogyakarta dikelola oleh Stasiun Klimatologi Yogyakarta. Informasi terkait



14



Bujur 109.4 109.5 109.0 109.2 109.5 110.5 110.9 111.3 111.2 111.0 110.2 111.0 111.5 110.0



Tekanan 1003 1003 1005 1004 1005 1004 999 998 999 998 998 999 1000 1003



WG 45 45 40 40 40 40 55 55 55 55 55 55 55 45



trayektori Siklon Tropis Cempaka didapatkan dari Badan Meteorologi Klimatologi dan Geofisika ditampilkan pada Tabel 1. Lintang merepresentasikan lokasi lintang, bujur merepresentasikan lokasi bujur, tekanan merepresentasikan informasi tekanan dalam satuan hPa, WG merepresentasikan informasi angin kencang (wind gust) dalam satuan knots.



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



2.1 Metode Penelitian Data radar diproses menggunakan perangkat lunak pengolah data radar untuk mendapatkan informasi lengkap mengenai struktur dan evolusi dari Siklon Tropis Cempaka. Terdapat beberapa produk keluaran radar yang digunakan dalam penelitian ini, seperti Column Maximum (CMAX) untuk mendapatkan informasi distribusi spasial nilai reflectivity, Vertical Integrated Liquid (VIL) untuk mengestimasi potensi badai, Constant Altitude Plan Position Indicator (CAPPI) V yang di-overlay dengan HWIND ketinggian 500 m untuk mengetahui profil angin horizontal, dan Vertical Cut (VCUT) untuk menampilkan profi vertikal dari awan sebagai bagian utama dari sistem siklon. 3. Hasil dan Pembahasan\ 3.1. Distribusi Spasial Nilai Reflectivity Gambar 1 menunjukkan distribusi spasial dari reflectivity pada 26 November 2017 (00.17 UTC), 27 November 2017 (00.17 UTC), 27 November (12.17 UTC), dan 28 November 2017 (23.55 UTC). Nilai reflectivity lebih atau sama dengan 38 dBZ umumnya menunjukan adanya awan konvektif yang menyebabkan hujan dengan intensitas tinggi (Gamache dan Houze, 1982), sedangkan nilai reflectivity 30 dBZ terkait dengan adanya awan stratiform yang menyebabkan hujan dengan intensitas rendah (Matyas, 2009). Analisis radar dalam waktu tersebut mencakup fase puncak dari sistem siklon dan menunjukkan bagaimana sel konvektif tersusun dalam struktur bidang presipitasi pada siklon Cempaka. Analisis pada distribusi spasial sistem siklon menunjukkan bahwa fase pembentukan siklon terjadi pada 26 November 2017 pukul 00.17 UTC (Gambar 1a.). Sistem siklon tersebut diamati bergerak mendekati bagian paling selatan pulau Jawa dengan gerakan searah jarum jam. Rotasi searah jarum jam ditemukan di



sekitar depresi (rendah) di belahan bumi selatan (Prants dkk., 2017). Gerakan tersebut diakibatkan oleh adanya rotasi bumi yang membentuk gaya semu (apparent forces) yang disebut sebagai gaya corioli. Nilai reflectivity tertinggi dalam sistem siklon tersebut mencapai sekitar 45 - 50 dBZ. Bentuk menyerupai siklon mulai diamati pada tanggal 27 November 2017 pukul 00.17 UTC. Sebaran nilai reflectivity tertinggi diamati di sekitar struktur yang menyerupai dinding mata dengan nilai reflectivity mencapai 46 dBZ. Formasi tersebut kemudian membentuk fase siklon yang matang pada tanggal 27 November 2017 pukul 12.06 UTC, digambarkan oleh telah terbentuknya struktur yang lengkap dari sebuah sistem siklon. Nilai reflectivity tertinggi diamati di sekitar struktur dinding mata dengan nilai reflectivity mencapai 46 dBZ. Nilai reflectivity tertinggi kedua diamati pada struktur pita utama dengan kisaran nilai reflectivity antara 30 - 40 dBZ. Nilai reflectivity tertinggi ketiga diamati di sekitar pita sekunder (secondary band) dengan kisaran nilai reflectivity antara 25-40 dBZ. Sistem siklon tersebut mulai memasuki tahap disipasi atau punah pada tanggal 27 November 2017 pukul 23.00 UTC, kemudian punah secara keseluruhan pada tanggal 28 November 2017 pukul 23.55 UTC. Meskipun siklon Cempaka tidak sepenuhnya berada dalam fase stabil (steady state), dalam kaitannya dengan struktur siklon selama periode waktu penelitian. Siklon Tropis Cempaka dikategorikan sebagai nonsteady structure karena secara kontinyu menghasilkan sel badai dan menyebar ke beberapa daerah di Jawa. Jenis dari struktur siklon yang tidak stabil ini (not-steadystructure) juga diamati dalam penelitian McCaul dkk. (2004) yang menjadikan evolusi temporal dari citra radar dalam penelitian mereka menjadi subjek utama.



(a)



26 Nov 2017



(b)



27 Nov 2017



(c)



27 Nov 2017



(d)



28 Nov 2017



12.06Z



23.55Z



C A



B



Gambar 1. Distribusi spasial nilai reflectivity pada tanggal 26 November 2017 pukul 00.17 UTC (a), 27 November 2017 pukul 00.17 UTC (b), 27 November 2017 pukul 12.06 UTC (c), dan 28 November 2017 pukul 23.55 UTC (d). Label A, B, dan C hanya digambarkan pada fase matang pembentukan siklon. Label A menunjukkan struktur dinding mata, label B menunjukkan struktur dari pita utama (principal band), dan label C menunjukkan struktur pita sekunder (secondary band)



15



3.2. Analisis Penampang Vertikal dari Struktur Dinding Mata Siklon Cempaka Analisis kondisi irisan vertikal parameter reflectivity radar dari siklon tropis Cempaka dapat dilihat pada Gambar 2a. Gambar 2a merupakan produk VCUT reflectivity radar cuaca pada saat fase awal pembentukan siklon tropis Cempaka. Secara umum, terlihat bahwa nilai reflectivity sebesar 15 – 20 dBZ berada pada ketinggian 8 km. Sementara itu, nilai reflectivity 35 – 40 dBZ berada pada ketinggian 4 km. Gamache dan Houze (1982) menyatakan bahwa nilai reflectivity sel konvektif akan bernilai lebih besar atau sama dengan 38 dBZ. Pada kondisi ini, terlihat bahwa ketinggian sel konvektif dalam sistem siklon tropis belum terlalu tinggi. Area dengan reflectivity tinggi umumnya masih terkonsentrasi pada lapisan bawah. Menurut Leary dan Houze (1979), pertumbuhan sistem konveksi skala meso diawali dengan adanya beberapa sel konvektif yang terisolasi. Pada Gambar 2a, terlihat bahwa sel konvektif sudah semakin berkembang dengan bergabungnya beberapa sel konvektif membentuk sel yang lebih besar pada fase awal pertumbuhan siklon tropis Cempaka. Kondisi ini menekankan bahwa sistem siklon berkembang dari susunan sel-sel konvektif. Nilai reflectivity tertinggi diamati mendominasi di ketinggian awan pada tingkat yang lebih rendah dari struktur awan dan di sekitar bright band area. Ryde (1946) dan Cunningham (1947) menjelaskan bahwa gema radar yang intensif terjadi akibat adanya penggabungan dan pencairan kepingan salju. Austin dan Bemis (1950) menyatakan bahwa setelah partikel es jatuh di bawah ketinggian beku (freezing level), struktur padat dari partikel es tersebut akan dilapisi oleh cairan tipis yang menyebabkan partikel tersebut dapat menghamburkan lebih banyak emisi radar. Jenis campuran es-air tersebut memiliki nilai reflectivity tertinggi per-unit volume dibandingkan dengan jenis lainnya, seperti es dan air. Pada Gambar 3a, menunjukan irisan vertikal parameter reflectivity radar pada fase puncak siklon tropis jam 11.58 UTC. Penggunaan data pada jam tersebut dikarenakan keterbatasan pengamatan radar pada fase puncak jam 12.06 UTC yang hanya mampu mencapai beberapa lapisan ketinggian. Pada gambar tersebut, terlihat bahwa echo dengan reflectivity 15 – 20 dBZ sudah naik sangat tinggi, bahkan mencapai 16 km. Sementara itu, echo dengan reflectivity 35 – 40 dBZ juga mengalami peningkatan ketinggian menjadi 7 km.



16



a



26 Nov 2017 00.17Z



b



Gambar 2. (a) Irisan vertikal nilai reflectivity citra radar pada fase awal pembentukan siklon tropis Cempaka dari produk VCUT, dan (b) Lokasi daerah irisan vertikal yang ditandai dengan garis hitam.



Sel konvektif pada sistem siklon tropis juga berada pada fase matang. Fase matang sitandai dengan semakin meluasnya perkembangan echo baik di dekat permukaan maupun pada area atas dari irisan vertikal. Wilayah dengan nilai reflectivity yang semakin tinggi mengindikasikan adanya kecepatan vertikal yang tinggi. Partikel presipitasi akan terbentuk lebih intensif dan didorong oleh updraft yang kuat hingga mencapai tropopause. Sementara itu, angin lapisan atas akan membawa presipitasi dan partikel awan turun dari puncak awan (Barnes dan Gamache, 1983, 1991; Leary dan Houze, 1979, Ishihara dkk., 1986; Powell, 1988). Sementara itu, Gambar 4a menunjukkan adanya penurunan echo reflectivity dengan luasan yang semakin sempit. Menurut Kristianto (2018), menurunnya inti awan menunjukkan awan tengah memasuki fase peluruhan. Kondisi ini disebabkan mulai melemahnya updraft dan semakin menguatnya downdraft sehingga kandungan presipitasi dalam sel konvektif semakin menurun dan mengurangi jumlah presipitasi yang ada pada sel tersebut. Pada taraf ini awan akan mengalami penurunan aktivitas dan pada akhirnya awan akan mati (Bayong, 2012).



a



27 Nov 2017 11.58Z



dalam sistem siklon tersebut adalah 20 knot, sedangkan kecepatan angin maksimumnya mencapai 65 knot. Menurut Zakir (2010), siklon tropis terjadi ketika kecepatan angin maksimum mencapai 34 knot. Bayong (2000) menyatakan bahwa kecepatan angin meningkat hingga 34 knot sampai 64 knot ketika depresi tropis mulai berubah menjadi sistem siklon tropis. Kecepatan angin akan dapat meningkat lebih dari 64 knot ketika sistem badai berevolusi menjadi sistem siklon tropis.



b



Gambar 3. (a) Irisan vertikal nilai reflectivity citra radar pada fase matang siklon tropis Cempaka dari produk VCUT, dan (b) Lokasi daerah irisan vertikal yang ditandai dengan garis hitam.



a



28 Nov 2017 23.55Z



b



Gambar 4. (a) Irisan vertikal nilai reflectivity citra radar pada fase punah siklon tropis Cempaka dari produk VCUT, dan (b) Lokasi daerah irisan vertikal yang ditandai dengan garis hitam.



3.3. Distribusi Spasial Angin Horizontal Gambar 5 menunjukkan kecepatan angin yang diturunkan dari produk Constant Altitude Plan Position Indicator (CAPPI) pada elevasi 0,5 km yang di-overlay dengan produk HWIND pada elevasi 0,5 km. Siklon Cempaka memasuki fase pembentukan atau fase pertumbuhan pada tanggal 26 November 2017 pukul 00.17 UTC. Kecepatan angin minimum yang diamati



Gambar 5. Distribusi spasial data kecepatan radial dari produk CAPPI dan di-overlay dengan informasi angin horizontal dari produk HWIND pada ketinggian 500 m pada tanggal 26 November 2017 pukul 00.17 UTC (a), 27 November 2017 pukul 00.17 UTC (b), 27 November 2017 pukul 12.06 UTC (c), dan 28 November 2017 pukul 23.55 UTC (d)



Berdasarkan kriteria kecepatan angin maksimum, sistem sel konvektif dalam penelitian ini telah memenuhi persyaratan untuk menjadi siklon tropis. Meskipun siklon tropis identik dengan angin kencang, namun kecepatan angin di sekitar pusat sistem siklon sangat lemah, yaitu kurang dari 5 m/s (Neiburger dkk., 1995). Bagian tengah dari sistem siklon memiliki inti hangat yang disebut dengan mata siklon. Diameter mata siklon berkisar antara 10 hingga 100 km. Mata siklon merupakan wilayah bebas awan (Bayong, 1999). Fitur tersebut dapat digambarkan dengan jelas pada Gambar 3c, di mana tidak diamati adanya echo kecepatan dan angin horizontal di atas pusat sistem siklon atau daerah mata siklon tersebut. Pada tanggal 27 November 2017 pukul 00.17 UTC, sistem siklon bergerak mendekati pantai selatan Yogyakarta. Kecepatan angin maksimum pada fase tersebut diamati mulai menurun. Kecepatan angin minimum yang diamati di sepanjang wilayah pesisir pantai Yogyakarta adalah 10 knot, sedangkan kecepatan angin maksimumnya mencapai 50 knot. Sementara itu, kecepatan angin maksimum di wilayah Yogyakarta mencapai hingga 30 knot. Siklon Cempaka memasuki fase matang pada tanggal 27 November 2017 pukul 12.06 UTC. Kecepatan angin minimum pada fase tersebut mencapai 15 knot, sedangkan kecepatan angin maksimum meningkat menjadi 60 knot. Sementara itu, pada tanggal 28 November 2017 pukul 23.55 UTC, sistem siklon diamati mulai memasuki tahap disipasi dan punah. Kecepatan angin



17



minimum pada fase tersebut mencapai 10 knot, sedangkan kecepatan angin maksimum masih cukup tinggi mencapai 40 knot. Siklon Dahlia, siklon yang terbentuk hampir bersamaan dengan Siklon Cempaka memiliki kecepatan maksimum yang lebih rendah, yaitu sekitar 35 knot (BMKG, 2017). 3.4. Indikasi Tingkat Keparahan Sistem Badai pada Siklon Tropis Cempaka Vertical Integrated Liquid (VIL) adalah produk hidrologi radar cuaca yang berfungsi untuk mengestimasi tingkat keparahan suatu awan badai. Nilai VIL yang tinggi mengindikasikan badai dan hujan es yang parah (severe). Produk hidrologi ini didapatkan dengan mengkonversi parameter reflectivity radar menggunakan persamaan hubungan reflectivity dan liquid water content atau biasa disebut sebagai relasi Z – M (SELEX, 2013). Parameter VIL berguna untuk memberikan peringatan dini terjadinya hujan es, badai hebat, serta prakiraan curah hujan jangka pendek (Boudevillain dan Andrieu, 2003). Besarnya nilai VIL dan distribusi spasialnya menentukan derajat kondensasi dan perkembangan awan (Greene dan Clark, 1972). Kitzmiller, dkk. (1995) menghitung nilai VIL dari dasar permukaan awan hingga ketinggian puncak awan untuk menganalisis awan badai. Merujuk pada penelitian tersebut, nilai VIL pada permukaan ini dihitung mulai dari permukaan hingga ketinggian 16 km dengan asumsi echo radar tertinggi mencapai 16 km. Pada fase pembentukan siklon Cempaka tanggal 26 November 2017 pukul 00.17 UTC, distribusi spasial VIL mencakup area yang cukup sempit. Jumlah nilai produk VIL mencapai 0,1 hingga 4 mm. Ketika siklon Cempaka menjadi semakin intensif, distribusi nilai VIL meluas secara signifikan, seiring dengan peningkatan nilai VIL. Nilai tertinggi VIL diamati pada tanggal 27 November 2017 pukul 00.17 UTC di atas struktur dinding mata siklon dan luasan spiral pita hujan (rainband), baik di pita utama (primary band) maupun sekunder (secondary band). Nilai VIL mencapai 0,1 mm – 5,16 mm di wilayah dinding mata dan 0,1 mm – 4,23 mm di atas wilayah spiral pita hujan (rainband). Ketika memasuki fase matang, VIL umumnya terkonsentrasi di bagian dinding mata siklon dengan nilai yang berkisar antara 0,1 mm hingga 2,7 mm. Namun, ketika sistem siklon mencapai fase punah atau disipasi, echo presipitasi pada produk VIL menyebar secara sporadis, seiring dengan penurunan nilai VIL menjadi berkisar 0,1 mm – 2,15 mm.



18



(a)



26 Nov 2017 00.17Z



(b)



27 Nov 2017 00.17Z



(c)



27 Nov 2017 12.06Z



(d)



28 Nov 2017 23.55Z



Gambar 6. Distribusi spasial estimasi Vertical Integrated Liquid (VIL) pada tanggal 26 November 2017 pukul 00.17 UTC (a), 27 November 2017 pukul 00.17 UTC (b), 27 November 2017 pukul 12.06 UTC (c), dan 28 November 2017 pukul 23.55 UTC (d).



Menurut Kitzmiller dkk. (1995), nilai VIL pada awan stratiform jarang mencapai 10 mm, sedangkan pada sistem konvektif nilai VIL biasanya mencapai 10 mm di dekat wilayah updraft. Nilai VIL sebesar 10 mm menunjukkan adanya potensi badai, sementara nilai VIL sebesar 30 mm umumnya mengindikasikan potensi badai hebat. Amburn dan Wolf (1996) meneliti karakteristik massa udara dimana awan badai terbentuk berdasar nilai VIL dalam cakupan area yang luas. Hasil penelitian tersebut menunjukkan bahwa awan badai dalam massa udara dingin dengan nilai VIL rendah sekitar 25-35 mm berpotensi menghasilkan hail parah. Sementara, nilai VIL yang lebih tinggi sekitar 5060 mm dalam massa udara hangat seringkali gagal membentuk hail. Dalam kasus ini, nilai VIL pada setiap deret waktu umumnya kurang dari 10 mm, sehingga berdasarkan analisis produk VIL tidak menunjukan adanya potensi badai atau hail pada siklon tropis Cempaka. Nilai produk VIL yang diamati dalam penelitian ini bisa menjadi tidak cukup akurat dan menghasilkan nilai yang lebih rendah dari sebenarnya (underestimate) karena berbagai alasan, diantaranya adalah pengambilan sampel volume sel badai pada sistem siklon yang tidak lengkap, seperti yang dijelaskan juga oleh McCaul (2004). Penggunaan persamaan relasi Z – M klasik juga menghasilkan nilai VIL yang underestimate, baik pada kasus awan konvektif maupun awan stratiform (Boudevillain dan Andrieu, 2003). Selain itu, siklon Cempaka juga terletak cukup jauh dari pusat radar, yaitu lebih dari 100 km. Dengan demikian, sinyal radar dapat mengalami pelemahan (atenuasi) yang lebih besar sehingga nilai produk VIL dalam pengamatan siklon tropis Cempaka bisa jadi tidak dapat menggambarkan kondisi sebenarnya. Lebih lanjut, belum terdapat banyak penelitian terkait penggunaan radar dalam menganalisis struktur siklon, utamanya di wilayah-wilayah yang terletak dekat dengan garis khatulistiwa.



4. Kesimpulan Siklon Cempaka memasuki fase matang pada tanggal 27 November 2017 pukul 12.06 UTC yang digambarkan melalui kelengkapan struktur sistem siklon. Nilai reflectivity tertinggi diamati di sekitar struktur dinding mata siklon. Dalam penelitian ini, nilai reflectivity di sekitar dinding mata siklon mencapai 46 dBZ. Analisis pada nilai ketinggian puncak badai menunjukkan bahwa ketinggian sel konvektif yang membentuk sistem siklon berkisar antara 5-18 km. Analisis produk HWIND menunjukkan bahwa kecepatan angin minimum di atas wilayah siklon adalah 20 knot, sedangkan kecepatan maksimum dalam sistem tersebut dapat mencapai 65 knot. Analisis VIL menunjukkan nilai tertinggi pada struktur dinding mata siklon dan luasan spiral pita hujan (rainband), baik di pita utama (primary band) maupun sekunder (secondary band). Namun nilai tersebut tidak menunjukkan adanya potensi badai parah pada sikon tropis Cempaka. Hal tersebut dapat terjadi karena karena pengambilan sampel volume sel siklon yang tidak lengkap, output VIL dari persamaan relasi Z – M klasik yang masih underestimate, serta adanya potensi pelemahan sinyal radar akibat lokasi yang jauh antara radar cuaca dan siklon tropis Cempaka. DAFTAR PUSTAKA Austin, P. M. dan Bemis, A. C. 1950. A quantitative study of the “bright band” in radar precipitation echoes. J. of Meteorology, vol. 7, pp. 145-151. Barnes, G.M., Zipser, E.J., Jorgensen, D.P., dan Marks Jr., F.D. 1983. Mesoscale and convective structure of a hurricane rainband. J. Atm. Sci., Vol. 40 pp. 2125-2137. Barnes, G. M., Gamache, J. F., LeMone, M. A., dan Stossmeister, G. J. 1991. A convective cell in a hurricane rainband. Monthly weather review, 119(3), 776-794. Bayong, T. H. K. 1999. The impact of tropical of tropical storm on the weather over Indonesia. The second International Conference on Science and Technology, BPPT, Jakarta. Bayong, T. H. K. 2000. Pengantar Geosains, Bandung: Institut Teknologi Bandung. Bayong, T. H. K. 2012. Meteorologi Indonesia Volume II, Jakarta: Badan Meteorologi Klimatologi dan Geofisika. Bayong, T. H. K. dan Musa, A. M. 2000. Seasonal rainfall variation over monsoonal areas. JTM, vol. 7, pp. 215221. Baynton, H. W. 1979. The case for Doppler radars along our hurricane affected coasts. Bull. Amer. Meteor. Soc., vol. 60, pp. 1014-1023. Callaghan, J. dan Power, S.B. 2011. Variability and decline in the number of severe tropical cyclones making landfall over eastern Australia since the late nineteenth century. Climate Dynamics. Vol 37. No.3-4 pp. 647662. Cunningham, R. M. 1947. A different explanation of the ‘bright line’. J. of Meteorology, vol. 4, P. 163. Elsner, J. B., Jagger, T. H., dan Hodges, R. E. 2010. Daily tropical cyclone intensity response to solar ultraviolet radiation. Geophysical Research Letters. Vol. 37, L09701, doi:10.1029/2010GL043091. Gamache, J.F. dan Houze Jr., R.A. 1982. Mesoscale air motions associated with a tropical squall line. American Meteorologi Society, vol. 110, pp 118-135, 1982.



Greene, D. R., dan Clark, R. A. 1972. Vertically integrated liquid water—A new analysis tool. Monthly Weather Review, 100(7), 548-552. Ishihara, M., Yanagisawa, Z., Sakakibara, H., Matsuura, K., dan Aoyagi, J., 1986. Structure of a typhoon rainband observed by two Doppler radar. J. Meteor. Soc. Japan, Vol. 64 pp. 923-938. Jorgensen, D. P. 1982. The organization and structure of hurricane convective bands with application to NEXRAD. Proc. NEXRAD Doppler Radar Symp./Wokshop, P. S. Ray and K. Colbert, Eds., Norman, OK, Cooperative Institute for Mesosclae Meteorological Studies,University of Oklohoma, pp. 67 – 81. Kitzmiller, D. H., McGovern, W. E., dan Saffle, R.E. 1995. The WSR-88D Severe Weather Potential Algorithm. J. of Weather and Forecasting, Vol. 10 pp. 141-159. Krapivin, V. H., C. Nitu, dan A. Dumitrascu. 2011. Carbon Cycle and Climate, Int. Conference CSCS18, vol.2, pg. 145-148 ISSN 2066-4451, 25May, Bucuresti. Krapivin, V.F. dan Shutko, A.M. 2012. Information Technologies for Remote Monitoring of the environment. Springer/Praxis, Chichester U.K. 498 pp. Kristianto, A., Saragih, I. J. A., Larasati, G., dan Akib, K. 2018. Identifikasi Kejadian Hujan Es Menggunakan Citra Radar dan Satelit Cuaca. Prosiding Pertemuan Ilmiah Tahunan-Riset Kebencanaan Ke-5. Mei 2018 Leary, C. A., dan Houze Jr, R. A. 1979. The structure and evolution of convection in a tropical cloud cluster. Journal of the Atmospheric Sciences, 36(3), 437-457. Marks, F. D. dan Houze, R. A. 1987. Inner core structure of hurricane Alicia from Airborne Doppler radar observation. J. of the Atmospheric sciences, vol. 44, no. 9, pp. 1296-1317. Matyas, C. J. 2009. A spatial analysis of radar reflectivity regions within Hurricane Charley (2004). Journal of Applied Meteorology and Climatology, 48(1), 130142.Maynard, R. H. 1945. Radar and Weather. J. Meteor. vol. 2, pp. 214-226. Maynard, R. H. 1945. Radar and Weather. J. Meteor. vol. 2, pp. 214-226. McCaul, E. W., Buechler, D. E., Goodman, S. J., dan Cammarata, M. 2004. Doppler radar and lightning network observation of a severe outbreak of tropical cyclone tornadoes. Monthly Wea. Review, vol. 132, pp. 1747-1763. Neiburger, M., James, G. E., dan Willian D.B. 1995. Memahami Lingkungan Atmosfer Kita. Bandung: Institut Teknologi Bandung. Nitu, C., Dumitrascu, A., Krapivin, V.F., Soldatov, V.Y., Varotsos, C.A. and Cracknell, A.P., 2013, May. An effective tool for the tropical cyclones monitoring. In 2013 19th International Conference on Control Systems and Computer Science (pp. 276-280). IEEE. Powell, M. D. 1988. Boundary layer structure and dynamics in outer hurricane rainbands. Doctoral dissertation, Florida State University, Tallahassee, p. 227. Prants, S. V., Uleysky, M. Y., dan Budyansky, M. V. 2017. Lagrangian Oceanography: Large scale transport and micing in the ocean. Switzerland: Springer International Publishing. Ryde, J. W. 1946. The attenuation and radar echoes produced at centimeter wave-lengths by various meteorological phenomena. Report of a conference on Meteorological factors in radio-wave propagation held in 8 April 1946 at the Royal Institution, London. Published by The Physical Society. SELEX. 2013. Software Manual Rainbow 5 Product & Algorithms, Germany: SELEX SIGmbH.



19



Soldatov, V.Yu., Nitu, C., dan Krapivin, V.F. 2011. Information-modeling technology for the operative diagnostics of the ocean-atmosphere system. The Scientific Bulletin of Electrical Engineering Faculty, Valahia University of Targoviste, Romania. 2011. No.2. pp. 82-89. Wexler, H. 1947. Structure of hurricanes as determined by radar. Ann. N. Y. Acad. Sci., vol. 48, pp. 821-844. Wood, V. T. dan R. A. Brown. 1992. Effects of radar proximity on single-Doppler velocity signatures of axisymmetric rotation and divergence. Mon. Wea. Rev., vol. 120, pp. 2798-2807. Wood, V. T. 1994. A technique for detecting a tropical cyclone center using a Doppler radar. J. of Atmos. and Oceanic Technology, vol. 11, pp. 1207-1216. Zakir, A., Sulistya, W., dan Khotimah, M. K. 2010. Perspektif Operasional Cuaca Tropis, Jakarta: BMKG. Zipser, E., A. Betts, F. Ruggiero, dan B. Hinton. 1990. Tropical Meteorology: Panel report. Radar inMeteorology, D. Atlas, Ed., Amer. Meteor. Soc., pp. 426 – 432.



20



Mascarene High Pressure Terhadap Anomali Gelombang Tinggi dan Arus Maksimum di Wilayah Pesisir Selatan Indonesia Ejha Larasati Siadaria, Widada Sulistyab, Nelly Florida Riamac, Khafid Rizki Pratamad, Usman Effendie a,b,c,d Badan Meteorologi Klimatologi dan Geofisika, Kemayoran, Jakarta Pusat, Indonesia ; e-mail: [email protected] e Sekolah Tinggi Meteorologi Klimatologi dan Geofisika, Tangerang Selatan, Indonesia



ABSTRAK Gelombang signifikan di Indonesia mencapai puncaknya bersamaan dengan aktifnya monsun Asia dan Australia pada bulan DJF dan JJA. Salah satu faktor tersebut disebabkan oleh adanya pola Mascarene High Pressure di lintang menegah Australia dengan propagasi vektor angin maksimum dominan menuju wilayah low pressure di Lintang Utara serta di imbangin dengan aktifnya monsun Australia.. Penelitian ini mengkaji variabilitas gelombang tinggi dan arus laut di wilayah Samudera Hindia Selatan pada musim JJA saat pola Mascarene High Pressure aktif. Gelombang tinggi yang terbentuk oleh adanya propagasi fully developed-sea dan swell panjang hingga pesisir barat sehingga menyebabkan pengaruh gelombang laut dangkal hingga pesisir selatan Jawa. Variabilitas gelombang yang terjadi pada bulan Juli dominan berkisar 4 – 6 meter. Kondisi variasi anomali gelombang tinggi dipengaruhi adanya kecepatan arus oleh angin maksimum menuju pola eddy yang terdapat di wilayah pesisir barat Indonesia sehingga meningkatkan pengaruh intrusi propagasi gelombang maksimum hingga pesisir Selatan Jawa dengan koefisien korelasi terhadap kejadian respon gelombang tinggi dari model WaveWatch-3 sebesar 0,4 – 0,6 dan tinggi gelombang maksimum hingga 7 meter. Kata kunci: gelombang tinggi, arus, Mascarene High ABSTRACT Significant waves in Indonesia peaked with the active participation of the Asian and Australian monsoons in the months of the DJF and JJA. One of these factors is caused by the presence of the Mascarene High Pressure pattern in the middle of Australia with the propagation of the dominant maximum wind vector towards the low pressure region in North Latitude and balanced with the active monsoon Australia. This study examines high wave variability and ocean currents in the Indian Ocean region South in the JJA season when the Mascarene High Pressure pattern is active. The high waves formed by the propagation of fully developed-sea and long swell to the west coast caused the influence of shallow sea waves to the southern coast of Java. Waves variability that occurs in July is dominant in the range of 4- 6 meters. The condition of high wave anomaly variation is influenced by the current velocity by maximum wind towards the eddy pattern found in the West Coast region of Indonesia, thus increasing the influence of maximum wave propagation intrusion to the southern coast of Java with a correlation coefficient for the occurrence of high wave response of WaveWatch-3 model of 0.4 - 0.6 and maximum wave height of up to 7 meters. Keywords: height waves, surface current, Mascarene high



1.



Pendahuluan



Indonesia merupakan negara kepulauan terbesar di dunia, luas wilayah Indonesia yang ditambah dengan jalur laut 12 mil yaitu 5,8 juta km2 terdiri dari daratan 1,9 juta km2 , laut 3,1 juta km2. Indonesia memiliki garis pantai terpanjang kedua di dunia setelah Canada dengan panjang garis pantai 95.181 km. Wilayah Indonesia terdiri dari 17.508 pulau dari jumlah tersebut baru 6.000 pulau yang mempunyai nama. Dari luas tersebut, Indonesia memiliki 13 pulau atau sekitar 97% pulau – pulau besar, seperti Kalimantan, Sulawesi, Irian Jaya, Sumatra, Jawa, Madura, Halmahera, Seram, Sumbawa, Flores, Bali dan Lombok (Disposaptono, 2009). Benua Maritim Indonesia (BMI) adalah wilayah perairan dengan hamparan pulau – pulau didalamnya, sebagai satu kesatuan alamiah antara darat, laut dan udara di atasnya tertata unik dengan sudut pandang iklim dan cuaca keadaan airnya, tatanan



kerak bumi, keragaman biota serta tatanan social budaya. Bencana banjir dan kekeringan semakin sering terjadi, bahkan di beberapa daerah, banjir telah menenggelamkan ribuan rumah, prasarana transportasi, sawah, tambak, dan menewaskan puluhan nyawa manusia. Sebagai contoh kejadian rob pada 24-27 November 2007 telah mengejutkan warga ibukota dan masyarakat pesisir Utara Jawa karena luas genangannya tidak seperti biasanya (Saputri, 2009). Fenomena aktifnya monsun Australia dengan karakteristik hembusan angin dari dataran Australia menuju wilayah Asia melalui wilayah lautan Samudera Hindia menyebabkan pola gelombang tinggi terbentuk dan sirkulasi surface current selama monsun aktif menjadi penyumbang aktif terhadap tinggi gelombang yang menghantam wilayah pesisir Selatan Jawa (WMO SWFDP, 2018). Gelombang tinggi di wilayah Pesisir Selatan Jawa menjadi salah satu masalah bencana yang paling intens dan berbahaya karena Samudera Hindia selatan merupakan wilayah pertemuan tekanan



21



tinggi Mascarene yang secara aktif akan bersikulasi saat musim Juni-Juli-Agustus serta memiliki karakteristik kering dan angin kencang. Sifat tekanan tinggi tersebut membawa dampak yang cukup signifikan terhadap kondisi anomali gelombang tinggi dan arus maksimum. Oleh karena itu penelitian ini mengkaji dampak dari tekanan tinggi Mascarene terhadap variasi gelombang tinggi dan arus maksimum yang terbentuk oleh angin permukaan yang cukup tinggi ketika monsun Australia aktif selama bulan Juni 2018. 2.



Metodologi Dalam penelitian ini, kejadian gelombang tinggi dan kondisi arus maksimum yang dibangkitkan oleh angin saat musim monsun Australia di analisis dengan keluaran model Wavewatch 3 dengan temporal waktu selama Bulan Juni 2018 dan Ocean and Sea Ice Satellite Application Facility (OSI-SAF) untuk melihat kondisi angin dengan resolusi tinggi. Sehingga menghasilkan analisis yang akurat terhadap model dan keluaran satelit yang mempunyai resolusi tinggi dan sesuai dengan bentuk pesisir (Collins, 2000). Lokasi penelitian kejadian gelombang tinggi oleh tekanan tinggi Mascarene yaitu wilayah Selatan jawa sepanjang kota Prigi hingga Kebumen dengan dampak paling parah hingga inundasi pesisir. Rentang waktu penelitian dilakukan berdasarkan pada dampak yang signifikan terjadi hingga menyebabkan bencana alam dan ketersediaan data model Global Circulation Model (GCM) didapatkan dari model Bureau of Meteorology (BOM) dengan data ACCESS-Regional beresolusi 12 km x 12 km. Data model WaveWatch 3 dilakukan dalam satu tahap plotting yaitu bulanan pada bulan Juni 2018. Data OSISAF menggunakan dataset dari European Organisation for the Exploitation of Meteorological Satellites (EUMETSAT) untuk mendapatkan produk vektor angin secara real-time dengan waktu track satelit di Wilayah sekitar Indonesia sebanyak 4 kali. Analisis kejadian saat Mascarene High dilakukan dengan komparasi satelit dan data model hasil keluaran Model WaveWatch 3.



22



Gambar 1. Peta potensi Inundasi di Wilayah Pesisir Yogyakarta



3.



Hasil dan Pembahasan



Kondisi Mascarene High Pressure untuk wilayah Samudera Hindia baguan timur sangat signifikan terhadap pengaruh kenaikan muka air laut yang disebabkan gelombang tinggi di wilayah pesisir selatan Jawa. Hal tersebut menimbulkan kondisi fluktuasi dalam rentang temporal bencana inundasi di wilayah tersebut. Gambar 3.1 memperlihatkan kondisi Mascarene High di wilayah Samudera Hindia dengan aktifnya system tekanan tekanan tinggi di wilayah selatan India dana wilayah dataran Australia. Bergerak ke arah timur dengan rata-rata tekanan tinggi diatas 1020 mb. Pola ini terbentuk pada dasarian I dalam bulan Juni 2018. Pola Mean Sea Level (MSL) di wilayah selatan Australia tampak lebih dominan tinggi di bandingkan dengan wilayah bagian utara.



Gambar 2. Pola Mascarene High dari MSL Weather Chart (a) Kondisi pada saat tanggal 1 Juni 2018 (b) Kondisi pada saat tanggal 4 Juni 2018 (c) Kondisi pada saat tanggal 8 Juni 2018 (d) Kondisi pada saat tanggal 10 Juni 2018



Selain diakibatkan oleh adanya anomali dari kondisi tekana udara, faktor lain yang menyebabkan kondisi ini adalah posisi matahari yang berda di wilayah utara dan berpengaruh terhadap air udara kering serta dingin di wilayah tersebut. Kuat dan lemahnya pola Mascarene High terdampak ke wilayah selatan Jawa adalah aktifnya sistem Somalia Jets dan monsun India. Mascarene High akan aktif dengan itensitas kuat atau lemah berdasarkan pada 2 kondisi tersebut. Monsun India membawa uap air menuju dataran India dan Asia Tengah dimana pergerakan massa udara menuju wilayah India akan membawa uap air sedangkan Somalia jets berpangaruh terhadap kuat dan lemahnya kondisi angin zonal kearah wilayah Indonesia dan Australia. Mascarene yang terbentuk di awal bulan Juni 2018 merupakan pola kuat dimana sistem aktif dari pola Mascarene High ditunjukkan dengan adanya pola gelombang tinggi dengan rata ketinggian maksimum sebesar 6-7 meter.



Gambar 3. Pola Mascarene High dari MSL Weather Chart (a) Kondisi pada saat tanggal 11 Juni 2018 (b) Kondisi pada saat tanggal 14 Juni 2018 (c) Kondisi pada saat tanggal 17 Juni 2018 (d) Kondisi pada saat tanggal 20 Juni 2018



Faktor tekanan MSL terlihat ketika kontur tekanan di wilayah Australia menunjukkan rentang nilai 1025 mb. Wilayah ini merupakan wilayah dengan tekanan tinggi dan sering mengalami fluktuasi densitas tekanan udara di laut. Sehingga membuat pola tekanan tinggi Mascarene High yang terbentuk semakin membuat pola vektor angin semakin kencang. Selain itu pola angin yang terbentuk di sekitar wilayah tersebut berdampak pada kondisi arus maksimum dengan ratarata diatas 40-50 cm/s. Berdasarkan pada hasil analisis weather chart synoptic dua pola tekanan tinggi di Australia dan di wilayah Samudera Hindia bergerak ke arah Timur dengan propagasi terpengaruh oleh



Gambar 4. Pola Mascarene High dari MSL Weather Chart (a) Kondisi pada saat tanggal 21 Juni 2018 (b) Kondisi pada saat tanggal 24 Juni 2018 (c) Kondisi pada saat tanggal 27 Juni 2018 (d) Kondisi pada saat tanggal 30 Juni 2018



tekanan udara rendah di wilayah utara. Hal ini menyebabkan kondisi Mascarene High maksimum berkurang pada periode dasarian 2 dengan ketinggian gelombang laut maksimum berkisar 5-6 meter di sekitar wilayah Perairan Yogyakarta.



Gambar 5. Anomali Suhu Muka Laut Global Projection/NOAA dalam bulan Juni 2018.



23



Kondisi sistem Mascarene High aktif dipengaruhi oleh adanya sistem tekanan udara di wilayah utara India. Pola ini membawa massa udara basah menuju wilayah India dengan diperkuat oleh adanya siklus Somalia Jets dari dataran Afrika. Kontur suhu muka air laut menjadi lebih dingin dan kondis bumi belahan utara mengalami pemanasan sehingga sistem bergerak ke wilayah utara (Morioka dkk, 2010). Sea SurfaceTemperature (SST) memiliki dua pola siklus diurnal dalam bulan Juni 2018 yang dingin yaitu dataran Australia dan Perairan Samudera bagian Barat. Sebagian siklus massa



a



b



a



b



Gambar 6. Citra Satelit Vektor Angin Sentinel OSISAF (a) Kondisi pada saat tanggal 10 Juni 2018 (b) Kondisi pada saat tanggal 15 Juni 2018. Pola vektor angin berdasarkan pengamatan satelit Sentinel dari OSI SAF Wind Product secara RealTime menunjukkan wilayah sekitar Samudera Hindia dekat dengan Perairan selatan Jawa memiliki keceoatan angin diatas 20 m/s atau 40 knots. Hal ini berpotensi terhadap fenomena banjir pesisir di wilayah Selatan Jawa. Inundasi yang terbentuk bukan disebabkan oleh adanya badai di sekitar lautan namun disebabkan oleh adanya kekuatan angin dari pola Mascarene High yang membawa massa udara kering menuju wilayah Bagian Bumi Utara. Kondisi dasarian 2 dan 4 memperlihatkan kesamaan pola vektor angin akibat dari Mascarene High dimana pola yang terbentuk terdapat kecepatan angin maksimum di wilayah tengah Samudera



24



udara dari dataran Australi mengalami surplus udara kering dengan cangkupan secara kontinyu melewati wilayah tropis Indonesia tanpa uap air. Menyebabkan tidak terjadi hujan namun rambatan angin yang terbentuk lebih memiliki intensitas di atas rata-rata. Pola pertemuan Mascarene High dan pola tekanan tinggi Australia yang menimbulkan secara langsung pola angin menuju pesisir Jawa bagian Selatan. Gesekan pada permukaan laut mempengaruhi sistem gerakan arus Ekman dalam laut dan pembentukan gelombang (developed sea) hingga perairan dangkal (shallow water).



a



b



a



b



Gambar 7. Citra Satelit Vektor Angin Sentinel OSISAF (a) Kondisi pada saat tanggal 20 Juni 2018 (b) Kondisi pada saat tanggal 30 Juni 2018 Hindia. Hal ini yang menyebabkan adanya arus maksimum yang tidak dibelokkan. Arus permukaan yang muncul dengan kecepatan maksimum dapt dilihat dalam gambar arus secara bulanan Gambar 3.9. Sekitar wilayah selatan jawa terdapat pola arus maksimum yang menjalar sepanjang pesisir selatan jawa. Dengan arah arus maksimum dari wilayah utara Australia menuju wilayah barat. Kondisi tersebut dapat di tinjau dari kondisi gelombang signifikan dimana ketinggian rata-rata yang terbentuk di sekitar wilayah pesisir jawa sekitar 2 – 3 meter selama bulan Juni 2018. Kondisi tersebut melemah seiring dengan melemahnya pola Mascarene High di wilayah Samudera Hindia karena memasuki masa transisi musim kemarau di Indonesia.



Gambar 8. Gelombang laut signifikan (SWH) wilayah Indonesia pada bulan Juni 2018 berdasarkan keluaran model WaveWatch 3.



Gambar 11. Pola arus maksimum pada bulan Juni 2018 berdasarkan keluaran model FVCOM-HYCOM/Ina-FLOWS parameterisasi default.



Kondisi pola gelombang maksimum Gambar 3.8 menunjukkan rentang ketinggian gelombang di wilayah tersebut berkisar 5-7 meter dan mendekati wilayah pesisir dengan ketinggian 4-5 meter. Hal tersebut sejalan dengan kondisi vektor angin keluaran WaveWatch 3 dimana kecepatan rata-rata angin sekitar 15-20 knots. 4.



Kesimpulan Kondisi Mascarene High sangat berpengaruh terhadap kondisi gelombang dan arus di wilayah Pesisir Selatan Jawa. Dengan ketinggian rata-rata gelombang signifikan sebesar 2-3 meter dan gelombang maksimum sebesar 5-7 meter. Hal tersebut sangat rentan terhadap kondisi wilayah pesisir selatan Jawa dapat mengakibatkan resiko bencana banjir pesisir. Dari pola arus maksimum didapatkan rentang kecepatan di wilayah pesisir Selatan Jawa berkisar dari 20 – 50 cm/s yang dapat dikategorikan sebagai kondisi anomali arus maksimum oleh pola Mascarene High. Selain itu ketersediaan data pasang surut dan data coastal buoy pengukuran gelombang laut sangat diperlukan untuk dilakukan metode verifikasi yang lebih baik untuk mengindentifikasi kondisi inundasi yang diperkiraan masuk ke wilayah pesisir. DAFTAR PUSTAKA Gambar 9. Kondisi angin vektor (a) berdasarkan keluaran model WaveWatch 3 dengan input model angin GFS (b) Citra Satelit WindSAT Algoritm.



Gambar 10. Kondisi gelombang maksimum pada bulan Juni 2018 berdasarkan keluaran model WaveWatch 3 dengan ketentuan dua kali lebih tinggi dari kondisi Gelombang Laut Signifikan (SWH)



Bureau of Meteorology, Australia Government, MSLP Analysis, http://www.bom.gov.au/cgibin/charts/charts.view. pl?idcode=IDX0033&file= IDX0033.201806080000.gif. Diakses pada 17 Juni 2019 Collins, M., 2000, The El Niño Southern Oscillation in the Second Hadley Centre Coupled Model and Its Response to Greenhouse Warming, Bracknell. Diposaptono, S., Budiman, dan Agung, F., 2009, Menyiasati Perubahan Iklim di Wilayah Pesisir dan Pulau - pulau Kecil, Buku Ilmiah Popoler, Bogor. Morioka, Y., T. Tozuka, and T. Yamagata, 2010: Climate vari- ability in the southern Indian Ocean as revealed by self- organizing maps. Climate Dyn., 35, 1059– 1072, doi:10.1007/ s00382-010-0843x. Saputri, D.F., 2009, Kajian Runup dan Genangan Rob di Pesisir Jakarta Utara yang disebabkan Pasang



25



Surut (Studi Kasus: 24 - 27 November 2007), Tugas Akhir, Program Studi Oseanografi, Institut Teknologi Bandung. SRT, 2007, Shuttle Radar Topographic Mission X SAR/SRTM. WMO Severe Weather Forecasting Demonstration Project, 2018. NCEP Contributions to the WMO Severe Weather Forecasting Demonstration Project (SWFDP) and to the African Monsoon Multidisciplinary Analysis (AMMA) Initiative. NOAA



26



Pemetaan Batimetri dan Analisis Pasangsurut Untuk Perencanaan Dermaga di Pulau Yeben, Kecamatan Maeos Mansar, Kabupaten Raja Ampat Papua Barat Erik Febriartaa , Septian Vienastrab aJurusan bJurusan



Teknik Kelautan, Fakultas Sumber Daya Alam, Institut Teknologi Yogyakarta; [email protected] Teknik Geologi, Fakultas Teknologi Minieral, Institut Sains dan Teknologi AKPRIND; [email protected]



ABSTRAK Pulau Yeben merupakan salah satu tujuan baru wisata di kepulauan Raja Ampat. Daya tarik wisata di pulau ini antara adalah keindahan pulau dengan pasir putih dan perairan dangkal dengan keanekaragaman terumbu karang dan habitat ikan karang. Akses menuju Pulau Yeben adalah dengan transportasi laut (kapal). Kondisi perairan di Pulau Yeben memiliki morfologi dangkal. Atas kondisi tersebut perlu diketahuinya data kedalaman dan analisis komponen pasang surut sebagai referensi dan pertimbangan untuk evaluasi perencanaan dermaga di perairan Pulau Yeben. Tujuan penelitian ini adalah untuk melakukan kajian untuk perencanaan dermaga kedatangan kapal yang merupakan pintu akses utama transportasi menuju Pulau Yeben. Penelitian ini dilakukan pada tanggal 29 September-15 Oktober 2014. Pengambilan data batimetri menggunakan instrumen pemeruman dengan singlebeam echosounder dan pengukuran pasang surut di lokasi rencana pembangunan dermaga. Metode penelitian yang digunakan adalah metode kuantitatif. Hasil penelitian menghasilkan kondisi dasar laut di Utara Pulau Yeben 40 -70 m merupakan pasir pantai. Radius 50- 70 m keluar dari garis pantai banyak dijumpai batu terumbu dan terumbu karang. Tipe pasang surut di Pulau Yeben memiliki karakteristik campuran, pasang didominasi semi- diurnal (harian tunggal). Kondisi rata-rata tinggi muka air laut (MSL) adalah 0,67 m. Pasang tertinggi adalah 1,37 meter pada tanggal 9 Oktober 2014 dan surut terendah adalah 0,231 m. Nilai elevasi lantai dermaga adalah + 2,15 m dengan nilai MSL sebagai titik referensi. Panjang dermaga yang aman untuk satu buah kapal terbesar LOA 44, 68 m adalah 57,616 m dan kedalaman perairan aman didepan dermaga adalah 4 m untuk kapasitas draf kapal sedang. Kata kunci: batimetri; pasang surut; pasang tertinggi; pemeruman; echosounder; dermaga; Raja Ampat



ABSTRACT Yeben Island is one of the new tourist destinations in Raja Ampat islands. A beautiful island with white sand and shallow waters with diverse coral reefs and reef fish habitats are its main attractions. The island is accessible by sea transportation (ship) and has shallow marine morphology. Based on these conditions, depth information and analysis of tidal components become necessary as they can provide a reference and consideration for evaluating the dock planning in the waters of Yeben Island. This research aimed to analyze the plan of the ship arrival dock as the main access door to the island. It was carried out from September 29 to October 15, 2014. The bathymetry data were collected using a single beam echo sounder, while the tide was measured at the site planned for the dock construction. The quantitative data analysis revealed that the seafloor 40-70 m north of Yeben Island was composed of beach sand, while 50-70 m outside the coastline were corals and coral reefs. The tides had mixed characteristics with a prevalent semi-diurnal tidal type (single high and low water daily). The mean sea level (MSL) was 0.67 m. The highest tide was 1.37 m (on October 9, 2014), and the lowest ebb was 0.231 m. The safe height of the dock is 2.15 m higher than the reference point, i.e., MSL. The safe dock length for the largest ship, the 44.68m LOA, was 57.616 m, and the safe depth of the waters in front of the dock is 4 m to be able to accommodate vessels with moderate draft capacity. Keywords: bathymetry, tide, highest tide, sounding, echosounder, dock, Raja Ampat



1. Pendahuluan Perkembangan pariwisata pantai di kepulauan Raja Ampat mulai berkembang di Indonesia Timur. Pulau Yeben merupakan bagian dari gugusan kepulauan Raja Ampat. Berdasarkan lokasi administrasi, Pulau Yeben berada di gugusan kepulauan Raja Ampat atau berada di kepala burung pulau Papua, kecamatan Maeos mansar, Kabupaten Raja Ampat, Provinsi Papua Barat. Pulau Yeben memiliki daya tarik wisata pantai dan laut (Biasane, I. D. 2016) Perairan di sekitar Pulau Yeben memiliki akses yang cukup sulit untuk dijangkau melalui jalur laut. Untuk jalur laut, akses yang dapat digunakan untuk menuju ke pulau Yeben belum tersedia, sehingga memerlukan menggunakan kapal sewa yang relatif lama. Masalah



aksesibilitas yang masih terbatas ini menjadi salah satu kendala perkembangan di Pulau Yeben. Kendala lainnya adalah adanya belum tersedianya dermaga pelabuhan. Alternatif dermaga pelabuhan dapat direncanakan di bagian utara pulau Yeben. Wilayah perairan menuju ke dermaga yang terletak di sebelah utara Pulau Yeben memiliki morfologi yang relatif dangkal sehingga kapal penumpang tidak dapat merapat ke dermaga tersebut, selain itu perairan Pulau Yeben memiliki daerah pasang surut yang cukup luas (Nontji, A. 2007). Keberadaan dermaga di suatu wilayah perairan dapat mempermudah proses kegiatan perekonomian terutama di wilayah-wilayah yang kurang terjangkau oleh pemerintah setempat. Keberadaan dermaga di perairan Pulau Yeben di kepulauan Raja Ampat mempunyai



27



fungsi sebagai simpul yang memungkinkan perpindahan barang maupun penumpang. Lokasi pulau tersebut berada di sekitar kepulauan Raja Ampat yang mulai banyak dikembangkan sebagai tempat wisata pantai dan laut. Fungsi utama kapal-kapal dapat berlabuh dan bersandar untuk kemudian melakukan bongkar muat dan/atau penerusan ke daerah lainnya (Simbolon, 2014). Pemetaan dasar laut untuk perencanaan dermaga pelabuhan merupakan salah satu langkah perencanaan insfrastruktur yang strategis, dimana kondisi batimetri perairan merupakan hal yang sangat penting dalam hubungannya dengan pemanfaatan ruang di pantai (Rampengan, 2009). Pengukuran batimetri merupakan proses pengambaran dasar perairan (Poerbandono dan Djunarsjah, 2005) dengan analisis pasang surut dimana akan mendapatkan kondisi ideal untuk perencanaan dermaga pelabuhan. Penelitian ini bertujuan menganalisis kondisi dinamika pasang surut dilihat dari kondisi morfologi dasar pantai yang dangkal. Analisis tipe pasang surut yang terjadi digunakan untuk perencanaan dasar dermaga pelabuhan di Pulau Yeben dimana pulau tersebut merupakan kawasan wisata strategis di kepualuan Raja Ampat, kabupaten Papua Barat. 2. Metodologi Lokasi kajian pemetaan batimetri dan analisis pasang surut berada di timur laut dimana lokasi tersebut memiliki dasar perairan dengan material pasir dan dikelilingi substrat dasar berupa material pasir. Pulau Yeben memiliki luas 572.402 m2. Lokasi 2.1. Kedalaman Perairan (Batimetri) Pengukuran kedalaman dasar laut disekitar Pulau Yeben menggunakan echo sounder singlebeam. Instrumen ini mencatat koordinat atau lokasi dan kedalaman dasar laut (meter). Prinsip dari echo sounder adalah gelombang pantul yang dihasilkan dari instrumen transduser. Instrumen tersebut memancarkan dan membangkitkan gelombang suara pada frekuensi tertentu ke kolom perairan. Gelombang suara tersebut melintasi air hingga membentur obyek baik di kolom air maupun dasar laut kemudian gelombang suara tersebut dipantulkan kembali untuk diterima oleh echo sounder (Gambar 1). Berdasarkan fungsi tersebut dapat digunakan untuk mengukur kedalaman air dengan mengirimkan tekanan gelombang dari permukaan ke dasar air dan dicatat waktunya sampai echo kembali dari dasar air (Febriarta, E., dkk, 2018).



Gambar 1. Prinsip echosounder pengukuran dasar laut (Febriarta, E., dkk. 2018)



Rute jalur pengukura_n batimetri laut di sebagian Pulau Yeben dengan menggunakan rute zig-zag di sekitar Pulau Yeben dengan lintasan terjauh dari garis pantai adalah 200 meter. Hasil dari pengukuran tersebut tersimpan memori penyimpanan echo sounder. Hasil dari pengukuran kedalaman air laut (batimetri) adalah tanggal dan waktu pengukuran, titik koordinat kedalaman, kedalaman air laut (mdpl) dan suhu air laut (°C). Untuk kalibrasi data tinggi muka air laut menggunakan data Datum WGS 1984. Datum WGS 1984 merupakan referensi untuk sistem tinggi ortometris global digunakan untuk merepresentasikan informasi ketinggian atau kedalaman. Data tersebut olah dengan program SIG (Sistem Informasi Geografi) dengan proyeksi UTM (Universal Transverse Mercator). Data pengukuran kedalaman tersebut diproyeksikan dalam setiap titik dengan nilai kedalaman (-mdpal). Data titik kedalaman air laut diekstrapolasi dengan skala 1:10.000 (Gambar 2).



Gambar 2. Teknik akuisis data (Febriarta, E., dkk. 2018)



2.2. Pasang Surut Pencatatan pasang surut air laut direkam secara kontinyu dengan logger water level. Logger water level merekam kondisi pasang surut berdasarkan tekanan air (k.Pa) dan suhu air (°C). Data tersebut dikonversi dan



28



dikalibrasi dilapangan dengan kondisi ketebalan air laut ada waktu pemasangan logger pemantauan. Pemasangan logger water level berada 30 meter dari garis pantai. Pemasangan logger water level dipilih dilokasi dengan kondisi masih dalam zona surut terendah ketika kondisi air laut surut. Hasil dari pencatatan pasang surut tersebut diunduh kedalam format tabuler. Hasil yang diperoleh adalah tanggal dan waktu pencatatan, data tekanan air (k.Pa), suhu air (°C), dan data kalibrasi tinggi air laut. Data tersebut dianalisis dengan menggunakan fungsi statistik, yaitu Jumlah sampel data, Max, Min, Avg, Standar Deviasi (Std Dev). Rumus = MAX (Range Data)…………………………(1) Rumus = MIN(Range Data)…………………………..(2) Rumus = AVERAGE(Range Data)………………….(3) Rumus =STDEV(Range Data)……………………….(4) dimana, Fungsi MAX (Maksimum) digunakan untuk menentukan nilai data yang tertinggi (terbesar) dibandingkan nilai data yang lain didalam suatu nilai rentang (range). Fungsi MIN (Minimum) digunakan untuk menentukan nilai data yang terendah (terkecil) dibandingkan nilai data yang lain didalam suatu range.



Fungsi AVERAGE (Rata-Rata) digunakan untuk menghitung nilai rata rata dari nilai data didalam suatu range . Fungsi Standar Deviasi (STDEV) Digunakan untuk menghitung nilai Deviasi Baku di dalam suatu range. Perhitungan dan kalibrasi data menggunakan perhitungan pasut dengan kwadrat terkecil. Metode prediksi pasang surut dengan kwadrat terkecil mempresentasikan sebagai ketinggian rata-rata, dengan persamaan: Z0 = f ( t ) = cos H ( pada + / phi )…………………(5) ,dimana waktu t diukur dalam jam. Angka-angka H, sebuah /phi adalah amplitude, nilai tersebut merupakan fungsi cosinus yang dimasukan dalam nilai derajat. Tipe pasang surut diketahui dari nilai F (Formzal) dengan rumus: 𝐴𝐾1+𝐴01 F= 𝐴𝑀2+𝐴𝑆2 …………………………………………………(6) dimana, A0 = amplitude komponen 01, AK1 = amplitudo komponen K1, AM2 = amplitudo komponen M2, AS2 = amplitudo komponen S2. Tipe pasang surut berdasarkan angka formzall disajikan pada Tabel 1.



Tabel 1. Tipe Pasang Surut Berdasarkan Angka Formzall Bilangan Formzall (F)



Tipe Pasang Keterangan Surut Pasang harian Dalam 1 hari terjadi 2 kali air pasang dan 2 kali air surut dengan ketinggian yang hampir sama dan terjadi F 15



3



10-15



2



4



Material dasar perairan



3



Pasir



3



Karang berpasir



2



5 6 7



Kecepatan arus (m/det) Kemiringan pantai (0) Kecerahan peraian (%)



3 3 1



0-0.17 10



3 3 3



0.17-0.34 10-25 >5-10



2 2 2



Kategori S3 >6-10 Pasir hitam, berkarang, sedikit terjal 3-25-45 3-5



8



Penutupan lahan pantai



1



Kelapa, lahan terbuka



3



Semak belukar, rendah, savana



2



Belukar tinggi



1



9



Biota berbahaya



1



Tidak ada



3



bulu babi



2



Bulu babi, ikan pari



1



1



0.5-1 (km)



2



>1-2



1



Ketersediaan air tawar 10 (jarak x km) Sumber : Yulianda et al., 2017



Skor 3



Kategori S2 >3-6



Skor 2



Skor 1



Kategori N >10



Skor 0



1



Lumpur berbatu, terjal



0



1



0.51 >45 2



0



0 0



37



Indeks Kesesuaian Wisata (IKW) adalah indeks yang digunakan untuk menilai parameter kesesuaian suatu kawasan wisata dibandingkan dengan nilai parameter pada suatu kawasan wisata. Yulianda (2007)dalam Yulianda (2017) rumus IKW disajikan pada rumus no (1). Keterangan dari nilai Indeks Kesesuaian Wisata (IKW) pada Tabel 1 adalah sebagai berikut: S1 : sangat sesuai (75-100%) S2 : sesuai (50-6-10 Pasir hitam



Skor 1 1



Bobot 5 5



Nilai 5 5



483,3 Pasir 1 10-25 3-5 Semak belukar, rendah, savana Tidak ada 30% Curam Sumber Gunawan dkk., 2012



Bobot 10 20 30 40



Tabel 2. Parameter Infiltrasi Infiltrasi Cepat



Karakteristik lahan Pasir atau tanah lain yang bisa menyerap lebih cepat Medium Tanah liat yang dalam dengan infiltrasi kirakira sejenis dengan tanah padang rumput Lambat Tanah liat/tanah lain dengan kapasitas infiltrasi rendah Sangat Lambat Tidak ada penutup tanah yang efektif, tipis, (diabaikan) lapisan tanah Sumber Gunawan dkk., 2017



Bobot 5 10 15 20



Tabel 3. Parameter Tutupan Lahan Tutupan lahan Sekitar 90% ditutupi oleh kayu Sekitar 50% tertutup oleh pohon dan rumput tutupan tanaman sedikit, tidak ada tanaman dan sedikit tutupan alami tidak ada tutupan efektif atau sejenis Sumber Gunawan dkk., 2017



Bobot 5 10 15 20



Tabel 4. Parameter Aliran Densitas Kelas Aliran Densitas (mil/mil2) Tinggi >5 Normal 2–5 Rendah 1–2 Diabaikan 30 %). DAS hulu Ciliwung merupakan dataran tinggi dengan kemiringan lereng didominasi datar (38,15%) dan sisanya berupa topografi bergelombang (26,81%), perbukitan (15,81%) dan curam (19,21%). Topografi datar didominasi di kecamatan Megamendung, Cisarua dan Ciawi bagian Utara, sedangkan topografi curam dididominasi di kecamatan Cisarua bagian Timur dan Megamendung serta Ciawi dibagian Selatan. Kondisi tersebut dikarenakan wilayah DAS hulu Ciliwung dikelilingi oleh gunung seperti Gunung Gede Prangango, dll.



Estimasi Debit Puncak menggunakan Metode Rasional. Rumus perhitungan metode rasional (Triatmodjo, 2008) sebagai berikut: e.



𝑄𝑝 = 0.278 𝐶 𝑥 𝐼 𝑥 𝐴



(Pers.2)



Keterangan: Qp : puncak debit (m3/s), C : koefisien aliran yang tergantung pada jenis permukaan lahan I : intensitas hujan (mm/jam), A : luas daerah tangkapan (km2).



(a)



Alur kerja dalam penelitian ini dapat digambarkan melalui diagram alir pada Gambar 3 berikut:



(b)



(c) Gambar 3. Diagram Alir Penelitian



128



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



(d) Gambar 4. DAS hulu Ciliwung (a) kemiringan, (b) tekstur tanah, dan (c) tutupan lahan dan (d) densitas drainase



Kemiringan lereng berkaitan erat dengan volume limpasan permukaan. Kemiringan yang lebih tajam menyebabkan kecepatan limpasan permukaan lebih besar yang mengakibatkan kurang waktu untuk terjadinya infiltrasi, sehingga aliran permukaan terjadi lebih banyak (Triadmojo, 2008). Korelasi tersebut, divisualisasikan pada Gambar 5 dengan tingkatan aliran 1 – 4.



Gambar 5. Stream Order DAS hulu Ciliwung



Berdasarkan Gambar 4b, tekstur tanah DAS hulu Ciliwung didominasi tanah dengan tekstur sangat halus (48,29%) pada daerah yang relatif datar, sedangkan tekstur tanah halus (23,26%) pada daerah yang relatif bergelombang, tekstur tanah sedang (16,57%) cenderung pada daerah perbukitan dan tekstur tanah kasar (9,27%) serta tekstur tanah sangat kasar (2,62%) cenderung daerah yang curam. Semakin halus tekstur tanah diasumsikan memiliki kemampuan infiltrasi yang semakin sulit. Namun, semakin kasar tanah maka diasumsikan semakin baik kemampuan tanah dapat menyerap air dipermukaan. Pada Gambar 4b, tekstur tanah halus mendominasi wilayah dengan kawasan datar pada DAS hulu Ciliwung sehingga pada daerah tersebut, proses infiltrasi sulit terjadi. Berdasarkan Gambar 4c, tutupan lahan didominasi pemukiman (42,88%) seluas 62,89 km2. Sawah (25,29%) seluas 37,15 km2. Hutan (20,79%) seluas 30,54 km2. Semak/rumput (5,9%) seluas 8,34 km2. Lahan terbuka (5,1%) seluas 7,48 km2. Besarnya limpasan permukaan dapat dipengaruhi akibat



perubahan tataguna lahan pada suatu daerah aliran sungai. Berdasarkan data Biotrop, persentase pemukiman di DAS hulu Ciliwung mengalami peningkatan dari tahun 1992 (3,96%), 1995 (5,72%), 2000 (8,49%) dan 2006 (20,17%). Berdasarkan penelitian Ruspendi (2014) dalam Sya’diah (2015), tutupan lahan oleh pemukiman juga mengalami peningkatan (31%). Pada 2015 peningkatan tutupan lahan akibat pemukiman menjadi 42,2% (Sya’diah 2015). Tutupan lahan akibat pemukiman menandakan bahwa vegetasi DAS hulu Ciliwung yang semakin tidak baik. Vegetasi yang tidak baik menyebabkan kapasitas lahan dalam melakukan infiltrasi relatif sedikit sehingga lebih banyak menjadi aliran permukaan (limpasan) karena proses penyerapan air yang tidak baik. Vegetasi yang baik dilakukan oleh lahan yang ditanami banyak pepohonan seperti hutan. Namun, persentasi hutan untuk DAS hulu Ciliwung tergolong kecil. Densitas drainase DAS hulu Ciliwung sebesar 1,3 km/km2. Nilai densitas drainase tersebut diperoleh dengan membandingkan panjang aliran di setiap unit area dengan luas area DAS. Aliran densitas drainase hulu Ciliwung termasuk dalam kategori rendah. Berdasarkan Gambar 4d, aliran densitas di area penelitian bervariasi. Aliran densitas didominasi kelas sangat rendah dengan interval 5 mil/mil2). 3.2 Koefisien Aliran Permukaan (C). Koefisien limpasan yang diperoleh berdasarkan metode Cook menunjukan nilai 0,77. Nilai tersebut menunjukkan bahwa 77% curah hujan yang jatuh di DAS hulu Ciliwung cenderung menjadi aliran permukaan. Karakteristik DAS hulu Ciliwung berdasarkan koefisien aliran permukaan tersebut menunjukan bahwa air hujan yang jatuh cenderung menjadi limpasan permukaan dibanding terjadi infiltrasi. Semakin tinggi harkat setiap parameter fisik DAS serta luas satuan medan maka koefisien limpasan permukaan yang ditimbulkan akan semakin tinggi pula (Sriartha, 2015). Berdasarkan 4 parameter dalam metode Cook diidentifikasi bahwa faktor kemiringan (0,22%) menjadi faktor yang paling berpengaruh terhadap tingginya nilai koefisien aliran permukaan dibandingkan dengan parameter yang lain. Tabel 5. Koefisien Aliran Permukaan hulu DAS Ciliwung Parameter Kemiringan Infiltrasi Tutupan lahan Densitas Aliran Total C



Total koefisien tiap parameter 0,22 0,18 0,20 0,17 0,77



Sumber : data hasil olahan, 2019



3.3 Curah Hujan Spasial Hasil reflektivitas yang dikonversi menggunakan algoritma Mueller dan Sims, 1966 menghasilkan total curah hujan yang ditampilkan pada Tabel 6. Intensitas curah hujan yang digunakan merupakan rata-rata curah hujan yang ditampilkan pada produk River



129



Ravg = Rtot.dt



(Pers.3)



di mana, Ravg = rata-rata curah hujan, Rtot = total curah hujan (Rtot=Qtot/A(subcatchment area), dan dt=interval waktu yang diinput. Berdasarkan Tabel 6, nilai input untuk intensitas curah hujan tertinggi terjadi pada 11 November 2018 senilai 5,85 mm selama 24 jam. Tabel 6. Curah Hujan rata-rata 11 – 13 November 2018 Tanggal Curah Hujan rata-rata (mm/jam) 11 0,25 12 0,03 13 0,05 Sumber data hasil pengolahan radar cuaca, 2019



3.4 Debit Puncak Debit puncak harian berdasarkan perhitungan metode rasional ditunjukan pada Tabel 7. Debit puncak tertinggi sebesar 13,22 m3/s terjadi pada 11 November 2018. Nilai debit puncak tersebut sangat signifikan dibandingkan dengan debit puncak pada 12 November 2018 (1,64m3/s) dan 13 November 2018 (2,49 m3/s). Debit puncak berdasarkan produk RSA radar cuaca menghasilkan debit puncak tertinggi sebesar 17,30 m3/s pada 11 November 2018. Pada 12 November 2018, debit puncak sebesar 2,13 m3/s dan pada 13 November 2018, debit puncak sebesar 3,23 m3/s seperti pada Tabel 8. Data debit harian pengukuran langsung menunjukan nilai debit tertinggi pada 11 November 2018 sebesar 34,32 m3/s, sedangkan pada 12 November 2018 sebesar 15,44 m3/s dan 13 November 2018 sebesar 15,40 m3/s seperti pada Tabel 9. Tabel 7. Perhitungan Debit Puncak Metode Rasional Tanggal C I(mm/jam) 11 0,278 0,77 0,246339 12 0,278 0,77 0,0303112 13 0,278 0,77 0,0459835 sumber data hasil perhitungan, 2019



A(km2) 252,8 252,8 252,8



Qp(m3/s) 13,33 1,64 2,49



Tabel 8. Debit Puncak menggunakan Radar Cuaca Tanggal Qradar (m3/s) 11 17,30 12 2,19 13 3, 23 Sumber data hasil pengolahan radar cuaca, 2019



Tanggal Qradar (m3/s) 11 34,32 12 15,44 13 15,40 Sumber data Balai Besar Wilayah Sungai Ciliwung Cisadane, 2019



Berdasarkan Gambar 6, pola fluktuasi debit puncak DAS hulu Ciliwung pada 11-12 November 2018 menggunakan metode rasional, produk radar cuaca dan pengukuran langsung menunjukan pola yang cenderung sama. Debit Puncak DAS Hulu Ciliwung Debit harian (m3/s)



Subcatchment Area (RSA) karena algoritma perhitungan curah hujan rata-rata (Pers. 3) (SELEX, 2007) merupakan total curah hujan spasial dibagi interval waktu hujan sesuai dengan rumus perhitungan intensitas hujan menurut Subarkah (1980).



40 30 20 10 0 11 November 2018



12 November 2018



metode rasional



13 November 2018



radar cuaca



pengukuran langsung



Gambar 6. Grafik Debit Puncak DAS hulu Ciliwung 11-13 November 2018



4. Kesimpulan Berdasarkan hasil perhitungan dan pengolahan data tersebut, dapat disimpulkan bahwa DAS hulu Ciliwung memiliki koefisien limpasan sebesar 0,77 yang mengindikasikan bahwa kondisi DAS Ciliwung memberikan pengaruh nilai koefisien permukaan paling tinggi dengan persentase 22%. Produk radar cuaca dengan korelasi Z-R Mueler dan Sims 1966 mampu menghasilkan intensitas curah hujan rata-rata spasial sebagai data input intensitas curah hujan pada metode rasional sehingga menghasilkan debit puncak tertinggi 13,33 m3/s pada 11 November 2018. Debit puncak produk RSA radar memiliki pola yang cenderung sama. Jika dibandingkan dengan hasil debit harian pengukuran langsung, debit puncak radar cuaca dan metode rasional bersifat underestimate. Berdasarkan kondisi dilapangan, intensitas curah hujan DAS hulu Ciliwung mampu mengindikasikan andil DAS hulu Ciliwung terhadap banjir di hilir Ciliwung. 5. Saran Diperlukan penelitian lebih lanjut dengan periode data yang lebih lama guna mengetahui akurasi estimasi debit puncak DAS yang dihasilkan produk radar cuaca.



Tabel 9. Debit Harian Bendung Katulampa



DAFTAR PUSTAKA



Asdak, C. 2002. Hidrologi dan Pengelolaan Daerah Aliran Sungai. Yogyakarta: UGM Press. Battan, L.J. 1981. Radar Observation of the Atmosphere. University of Chicago Press; Paperback ed edition (1981). ISBN-13: 978-0226039213 Gao, J. 2010 Digital Analysis of Remotely Sensed Imagery (New York: McGrawHill) p 125. Gilweski, P.G., Nawalany, M. 2018. Inter-Comparison of Rain-Gauge, Radar, and Satellite (IMERG GPM)



130



Precipitation Estimates Performance for RainfallRunoff Modeling in a Mountainous Catchment in Poland. doi:10.3390/w10111665. Water Resour. P.1-23 Gunawan, T., Sudaryatno, Gisarsih, S. 2012. Pedoman Karakteristik DAS. Laporan Penelitian Kerjasama. Kementrian Kehutanan Republik Indonesia Hoblit, B.C., and Curtis, D.C.. 2001. Integrating radar rainfall estimates with digital elevation models and land



use data to create an accurate hydrologic model. Paper presented at the Floodplain Management Association Spring 2001 Conference, San Diego, California, 13-16 March 2001. http://bnpb.cloud/dibi/laporan4 (diaskes 27 Desember 2018) https://earthexplorer.usgs.gov/ (diakses 01 Januari 2019) https://news.detik.com/berita/4297406/ciliwung-meluapsejumlah-kawasan-di-jaksel-dan-jaktim-banjir (diakses 27 Desember 2018) https://repository.ipb.ac.id/jspui/bitstream/123456789/55057/ 7/BAB%20IV%20Karakteristik%20Daerah%20Alir an%20Sungai....pdf (diakses 5 Jamuari 2019) https://swat.tamu.edu/media/56773/E4-2-Vanaja.pdf (diakses 19 Desember 2018) Löwe, R., Thorndahl, S., Mikkelsen, P.S., Rasmussen, M.R., Madsen, H., 2014. Probabilistic Online Runoff Forecasting For Urban Catchments Using Inputs From Rain Gauges As Well As Statically And Dynamically Adjusted Weather Radar. doi: 10.1016/j.jhydrol.2014.03.027. Journal of Hydrology 512 (2014) 397–407. Pawitan H. 2002. Hidrologi DAS Ciliwung dan Andilnya terhadap Banjir Jakarta. Lokakarya Pendekatan DAS dalam Penanggulangan Banjir Jakarta. Jakarta (https://www.researchgate.net/publication/285766 175.Institut) Putiamini, S., Kusratmoko, E., dan Syamsudin, F. 2017. Pemodelan Kejadian Banjir Daerah Aliran Sungai Ciliwung Hulu dengan menggunakan Data Radar. Jurnal Geografi Lingkungan Tropik. Departemen Geografi FMIPA Universitas Indonesia. e-ISSN 2597-9949, Vol.1, No.1, hal. 1-13. Sampurno, R.M., dan Thoriq, A. 2016. Klasifikasi Tutupan Lahan Menggunakan Citra Landsat 8 Operational Land Imager (OLI) Di Kabupaten Sumedang. Jurnal Teknotan, Vol.2 No.2 E - ISSN : 2528-6285 Selex, Gematronik, 2007, Instrruction Manual: Products &Algorithms, Jerman.



dan Observasi Hujan Permukaan di DAS Ciliwung. Tesis. Tidak diterbitkan. Program Studi Klimatologi Terapan. Institut Pertanian Bogor: Bogor Sya’diah, S, 2015. Analisis Daerah Resapan Air DAS Ciliwung Hulu Menurut Penutupan Lahan dan RTRW. Skripsi. Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor, Bogor Triadmojo, B. 2008. Hidrologi Terapan. Beta Offset Yogyakarta:Yogyakarta. (cetakan ke-5) Wardhana, A. 2017. Pendugaan Debit Aliran Memanfaatkan Radar Cuaca dan Model Hidrologi di DAS Ciliwung Hulu (Kasus Stasiun Katulampa). Tesis. Program Studi Klimatologi Terapan. Institut Pertanian Bogor: Bogor.



Setiyono, R.Y., Nurbandi, W., Adiwijaya, R.R.Y., Tyas, B.I., Prisma, A., Alifiya, R., Putra, W., Sudaryatno. 2017. Using Remote Sensing and Geographic Information System (GIS) for Peak Discharge Estimating in Catchment of Way Ratai, Pesawaran District, Lampung. doi :10.1088/17551315/165/1/012032. Province. IOP Conf. Series: Earth and Environmental Science 165 (2018) p.112 Smith, J.A., Hui, E., Steiner, M., Baeck, M.L., Krajewski, W.F., Ntelekos, A.A. 2009. Variability Of Rainfall Rate And Raindrop Size Distributions In Heavy Rain. Water Resour. Sriartha, I.P. 2015. Penggunaan Citra Landsat 8 Dan Sistem Informasi Geografis Untuk Estimasi Debit Puncak Di Daerah Aliran Sungai Unda Provinsi Bali. Jurnal Sains dan Teknologi. Vol.4, No.2. ISSN: 23033142, hal.625-638. Subarkah, I. 1980. Hidrologi untuk Perencanaan Bangunan Air. Bandung: Idea Dharma Sulistyowati, R. 2011. Model Hidrologi Terdistribusi Hujan – Limpasan Berbasis Integrasi Data Radar Cuaca



131



Kajian Morfodinamika Pesisir dan Kerawanan Abrasi Di Kabupaten Buleleng, Provinsi Bali Arief Wicaksonoa, Ratih Winastutib Magister Geografi Minat Perencanaan Pengelolaan Pesisir dan Daerah Aliran Sungai (MPPDAS), Fakultas Geografi, Universitas Gadjah Mada, Yogyakarta; e-mail: [email protected]; [email protected] ABSTRAK Pesisir Kabupaten Buleleng telah mengalami proses abrasi dan akresi yang cukup parah. Dari total panjang garis pantai 172,301 km, sekitar 29,33 km garis pantai masih tergerus abrasi. Kawasan ini merupakan kawasan padat penduduk dengan pembangunan fisik pantai yang pesat. Perubahan wilayah pesisir erat kaitannya dengan karakteristik wilayah, di antaranya morfologi, material, dan proses yang berlangsung di wilayah tersebut. Kawasan dengan penduduk padat dan pembangunan fisik pantai yang pesat dan tidak teratur secara umum memperlihatkan ketidakselarasan dalam penataan pesisir kota sehingga hal ini berpengaruh pada keseimbangan transpor sedimen di sepanjang pantainya. Perubahan garis pantai diakibatkan oleh proses perpindahan sedimen dimana arus sepanjang pantai menjadi penyebab utama terjadinya perubahan garis pantai. Penelitian ini bertujuan untuk menganalisis erosi dan sedimentasi garis pantai Kabupaten Buleleng melalui pemetaan multiskala dan multitemporal menggunakan citra Landsat, Sentinel-2A, dan SPOT-7. Aplikasi Digital Shoreline Analysis System (DSAS) digunakan untuk menghitung laju perubahan garis pantai. Selain itu, dilakukan observasi lapangan di beberapa lokasi yang mengalami perubahan garis pantai signifikan. Pengetahuan mengenai kompleksitas dan dinamika pesisir diperlukan dalam merumuskan arahan pengembangan wilayah pesisir. Pemanfaatan lahan pada dasarnya harus sesuai dengan karakteristik wilayah sehingga dalam kaitannya dengan pemberian masukan untuk penataan kawasan pesisir maka diperlukan kajian morfodinamika pesisir. Kata kunci: penginderaan jauh, multiskala, multitemporal, perubahan garis pantai, Buleleng.



ABSTRACT The coast of Buleleng Regency has experienced a severe abrasion and accretion process. From the total shoreline length of 172.301 km, about 29.33 km of shoreline is still eroded. This area is a densely populated area with rapid coastal physical development. Changes in coastal areas are closely related to regional characteristics, including morphology, material, and processes that take place on there. Areas with dense population and rapid and irregular coastal physical development generally show inconsistencies in urban coastal arrangement so this affects the sediment transport equilibrium along the shore. Changes in shoreline are caused by the sediment transfer process where the longshore currents are the main cause of shoreline changes. This study aims to analyze the erosion and sedimentation of the Buleleng Regency shoreline with multiscale and multitemporal mapping using Landsat, Sentinel2A, and SPOT-7 imagery. The Digital Shoreline Analysis System (DSAS) application is used to calculate the rate of change of shoreline. In addition, field observations were carried out in several locations that experienced significant shoreline changes. Knowledge of the coast complexity and dynamics is needed in formulating direction for developing coastal areas. Land use must basically be adjusted with the region characteristics so that in relation to the policy making for regulating coastal areas, a coastal morphodynamics study is required. Keywords: remote sensing, multiscale, multitemporal, shoreline change, Buleleng.



1. Pendahuluan Garis pantai pesisir Buleleng memiliki total panjang 157,05 km, dimana Kecamatan Gerokgak memiliki pantai terpanjang di Provinsi Bali yaitu 76,89 km (BPS, 2018). Kondisi abrasi di pesisir Buleleng cukup parah seperti yang dilansir dalam Balipos pada tanggal 22 April 2018, yaitu dari panjang pantai di daerah ini 172,301 km, masih ada sekitar 29,33 km garis pantai yang masih tergerus abrasi dimana sebelumnya, Balai Wilayah Sungai (BWS) telah melakukan penanganan abrasi pantai Buleleng sepanjang 40,63 km. Pesisir di Buleleng termasuk dalam tipologi pesisir pengendapan laut (marine deposition coast), dengan material pantai berupa pasir besi di bagian tengah, pecahan terumbu karang di bagian barat dan sebagian kecil di bagian tengah, serta berbatu di bagian timur. Pemanfaatan lahan di pesisir berupa pariwisata, pelabuhan, permukiman, perikanan tangkap dan budidaya (tambak), pembangkit listrik, dan tempat ibadah. Gambar 1 menunjukkan contoh hasil proses



132



abrasi pantai dan aktivitas di pesisir berupa perikanan tangkap dan tambak. Kawasan dengan penduduk padat dan pembangunan fisik (reklamasi) pantai yang pesat dan tidak teratur secara umum memperlihatkan ketidakselarasan dalam penataan pesisir kota. Hal ini berpengaruh pada keseimbangan transpor sedimen di sepanjang pantainya. Perubahan garis pantai diakibatkan oleh proses perpindahan sedimen dimana arus sepanjang pantai penyebab utama terjadinya perubahan garis pantai (Triatmodjo, 2008). Transpor sedimen sepanjang pantai diakibatkan oleh arus sepanjang pantai yang mengangkut dan membawa sedimen sepanjang pantai.



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



(a)



(b)



Gambar 1. (a) Pengikisan pasir pantai dan (b) aktivitas nelayan dan pipa pembuangan limbah tambak.



Perubahan garis pantai terjadi dalam waktu yang singkat atau lambat tergantung pada daya imbang antara gerak sedimen dekat pantai oleh gelombang dan arus (Triatmodjo, 2008), topografi (Sinaga dan Susiati, 2007), material pantai, pasang surut, dan angin (Dulbahri, 1983). Garis pantai yang diperoleh dari citra penginderaan jauh adalah garis pantai seketika (instantaneous shoreline), yang didefinisikan sebagai posisi pertemuan darat-laut pada satu waktu. Garis pantai berubah secara terus menurus dari waktu ke waktu, karena pergerakan sedimen sepanjang pantai dan menyilang pantai pada zona litoral dan khususnya karena dinamika alami muka air pada batas kepesisiran (gelombang, pasang surut, airtanah, gelombang badai) (Boak dan Turner, 2005). Pengaruh musim bisa secara signifikan mempengaruhi posisi garis pantai, seperti pasang surut yang terjadi dan kondisi gelombang pada saat garis pantai dipetakan (Moore, 2000). Badai dan variasi singkat garis pantai adalah faktor signifikan yang perlu diperhitungkan ketika menilai kecenderungan perubahan garis pantai jangka panjang (Morton, 2001). Gambar 2 memperlihatkan contoh dinamika garis pantai dalam sehari akibat variasi pasang surut.



(a)



(b)



Gambar 2. Keadaan pantai dan kedudukan garis pantai pada: (a) pagi siang pukul 12.00 (a) dan (b) sore hari pukul 15.30.



Aplikasi Digital Shoreline Analysis System (DSAS) digunakan dalam penelitian ini untuk membantu dalam menghitung laju pergerakan dan perubahan garis pantai dari tahun 2000 hingga tahun 2019. DSAS adalah aplikasi komputer yang menghitung statistik laju perubahan dari berbagai posisi historis garis pantai dalam sistem informasi geografis (Thieler et al., 2009). Beberapa penelitian yang telah menggunakan DSAS untuk membantu menghitung laju perubahan garis pantai, seperti Kuleli (2010), Kuleli et al. (2011), Sutikno et al. (2016), dan Fuad et al. (2017), menunjukkan bahwa pemanfaatan DSAS menjadi sebuah potensi dalam membantu kajian pemetaan perubahan garis pantai. Bahasan tentang morfodinamika pesisir merupakan bagian dari kajian geomorfologi pesisir, dimana menurut Bird (2007), beberapa di antara kajian geomorfologi pesisir mencakup: a. Perubahan garis pantai dalam suatu



periode dan penyebab perubahannya; b. Proses dan dampak yang terjadi di pantai; dan c. Sumber dan pola pergerakan sedimen pantai. Kajian utama gemorfologi pesisir lainnya, yaitu bentuklahan, yang terdiri dari bentuklahan asal proses marin yang terbentuk oleh aktivitas marin, delta oleh proses fluviomarin, terumbu karang oleh proses organik, dan gumuk pasir yang terbentuk oleh proses eolin (Sunarto, 2001). Geomorfologi pesisir erat juga kajiannya mengenai tipologi pantai atau pesisir. Menurut Shepard (1972), dalam Pethick, (1984) kajian tipologi wilayah pesisir berdasarkan genesisnya wilayah pesisir dikategorikan menjadi pesisir primer (primary coast) dan pesisir sekunder (secondary coast). Pesisir primer dikontrol oleh proses terestrial (darat), sedangkan pesisir sekunder dikontrol oleh proses yang terjadi di lingkungan 4 marin. Pesisir primer terdiri atas 4 tipe yaitu land erosion coast, sub-aerial deposition coast, volcanic coast, dan structurally shaped coast. Pesisir sekunder terdiri atas 3 tipe yaitu wave erosion coast, marine deposition coast, dan coast built by organism. Sifat dan perwatakan bentuklahan mencakup 3 aspek, yaitu morfologi, material, dan proses. Pemanfaatan dan pengembangan wilayah pesisir perlu memperhatikan karakteristik bentuklahan di pesisir yang tercermin dalam tipologi pesisir. Pemanfaatan wilayah pesisir yang tidak memperhatikan keseimbangan lingkungan dapat menimbulkan degradasi lingkungan dan ancaman bencana yang bisa terjadi kapanpun (Panizza, 1986). Oleh sebab itu, dibutuhkan pemahaman mengenai morfodinamika pesisir dalam proses perumusan arahan pengembangan wilayah pesisir. Lokasi penelitian di pesisir Utara Kabupaten Buleleng, Bali (Gambar 3). Panjang garis pantai daerah penelitian berdasarkan data BPS (2018) yaitu 157,05 km dan seluruhnya mengalami abrasi dengan tingkat yang berbeda-beda. Penelitian ini berlokasi di 3 Kecamatan yaitu Kecamatan Gerokgak, Seririt, dan Banjar, membagi stasiun menjadi 5 stasiun dimana, stasiun pertama berada di muara Tukad Gerokgak dan stasiun terakhir berada di daerah muara Tukad Saba. Lokasi penelitian dipilih dengan pertimbangan variasi bentuk pantai, keberadaan muara besar, variasi penggunaan lahan di pesisir, dan keberadaan bangunanpantai.



Gambar 3. Lokasi penelitian



Penelitian ini menyajikan visualisasi dan analisis sebaran erosi dan sedimentasi dari garis pantai di Kabupaten Buleleng melalui pemetaan multiskala dan multitemporal dengan memanfaatkan citra Landsat, Sentinel-2A, dan SPOT-7. Maksud dari multiskala adalah memanfaatkan citra dengan resolusi spasial dan skala



133



2. Oseanografi Arus laut Arus berperan penting di perairan mengalir karena dapat menentukan kualitas dan kuantitas endapan, disamping itu arus dapat mencegah tertimbunnya bahanbahan organik di tempat-tempat tertentu. Kecepatan arus di perairan Kecamatan Gerokgak berkisar antara 0-0,4 m/detik. Gelombang Hasil ekstraksi data gelombang air laut yang diperoleh dari pengamatan satelit altimetri juga dapat menjelaskan kejadian gelombang yang terjadi di lokasi penelitian. Lebih jelasnya mengenai data gelombang laut di wilayah penelitian dari data satelit altimetri disajikan pada Tabel 1. Sesuai dengan Tabel 1, diambil sampel tinggi gelombang pada bulan-bulan tertentu berdasarkan kategori musim hujan dan kemarau. Dari data Tabel 1, ditemukan bahwa gelombang pasang dominan terjadi pada bulan musim penghujan. Fenomena gelombang pasang biasanya terjadi bersamaan ketika musim penghujan, yaitu bulan Desember-Februari.



134



Tinggi gelombang (musim hujan) (m) DeseJanua- Februmber ri ari 0 1,6 0,9



Tahun 2003 2004



0



6



0



2005



1,1



0



3,9



2006



2,2



1,8



5



2007 2008 2009



0,8 0,7 1,6



6,6 0,7 2,9



4,3 0 1,3



Tinggi gelombang (musim hujan) (m) Ju Agus Septe -li -tus mber 1, 0,7 1 3 0, 0 1,6 6 1, 1,7 4 5 1, 1,3 0 5 0 0 0 1 1,8 1,5 0, 0 1,7 8



Pasang surut Berdasarkan data pasang surut selama bulan Juni 2019 (Gambar 4), tinggi muka air rata tinggi muka air tinggi tertinggi (high highest water level) sebesar 0,668 m dan tinggi muka air terendah (low lowest water level) sebesar -0,848 m. Julat pasut yang hingga mencapai 1 m termasuk dalam kelas mikropasut, yang memang menjadi karakteristik pasang surut di Indonesia pada umumnya. Kegiatan lapangan dilakukan pada tanggal 30 Mei – 2 Juni 2019, yang berarti dilakukan saat ketinggian pasut mencapai 0,4 m. Variasi pasut dan kemiringan pantai yang datar (khususnya pada wilayah terumbu karang tepi) mengakibatkan posisi garis pantai saat pasang dan surut berbeda hingga mencapai > 50 m. 1 0.5 0 -0.5 -1



1-Jun-19 4-Jun-19 7-Jun-19 10-Jun-19 13-Jun-19 16-Jun-19 19-Jun-19 22-Jun-19 25-Jun-19 28-Jun-19 1-Jul-19 4-Jul-19 7-Jul-19 10-Jul-19 13-Jul-19 16-Jul-19 19-Jul-19 22-Jul-19 25-Jul-19 28-Jul-19 31-Jul-19



2. Metodologi Deskripsi Wilayah 1. Penggunaan lahan Luas lahan menurut penggunaannya di Kabupaten Buleleng dibagi menjadi lahan pertanian dan lahan bukan pertanian, adapun luas lahan terbesar merupakan lahan pertanian bukan sawah dengan 70.430 ha. Dengan perbandingan persentase terbesar yaitu lahan pertanian pada kecamatan sawan dengan 24,59% lebih dominan dari lahan pertanian bukan sawah dengan 17,69% pada Kecamatan Banjar sedangkan lahan bukan pertanian terbesar pada Kecamatan Gerokgak yaitu 48,27%. Dari luas lahan yang ada di Kabupaten Buleleng, secara garis besar dikelompokkan menjadi lahan basah (sawah) dan lahan kering. Jika dilihat dari jenis penggunaan lahan Kabupaten Buleleng (BPS, 2017), Tegal/Kebun mencakup hampir setengah dari luas keseluruhan lahan di Kabupaten Buleleng yaitu mencapai 36.991 ha. Tegal/kebun ini tersebar hampir di semua wilayah kecamatan, kecuali Kecamatan Buleleng.



Tabel 1. Tinggi gelombang air laut dari data satelit Altimetri Envisat.



Ketinggian (m)



penyajian yang berbeda. Hal ini dimaksudkan untuk memperoleh pandangan yang berbeda dalam memahami namun saling berkaitan pada suatu fenomena morfodinamika pesisir. Maksud dari multitemporal adalah memanfaatkan beberapa citra dengan resolusi spasial sama, tetapi waktu perekaman berbeda-beda. Hal ini dimaksudkan untuk dapat mengamati perubahan fenomena yang terjadi di pesisir. Dengan demikian, penelitian ini bermaksud untuk mengkaji variasi spasiotemporal morfodinamika yang terjadi di pesisir Kabupaten Buleleng dan diharapkan dapat memperoleh kesimpulan yang berbeda-namun saing melengkapi-dari penggunaan data multisumber tersebut.



Tanggal



Gambar 4. Ketinggian pasang surut.



Tahapan Penelitian 1. Pengumpulan data Pengumpulan data dilakukan berdasarkan ketersediaan data dan waktu yang dibutuhkan dalam penelitian. Data yang dikumpulkan berupa data primer, data instansional, dan data citra satelit. Kenampakan garis pantai merupakan hasil dari digitasi data citra Landsat. Data yang digunakan yaitu data perekaman 17 Juli 2000, perekaman 31 Juli 2008 dan 1 April 2019 (Landsat). Data citra Landsat diunduh dari website USGS https://earthexplorer.usgs.gov, SPOT-7 Pansharpen diperoleh dari LAPAN, sedangkan data citra Sentinel-2A perekaman 20 Juli 2018 dan 27 Maret 2019 diperoleh dari website https://scihub.copernicus.eu. Data prediksi pasang surut diperoleh dari BIG dan data bangunan pantai diperoleh dari Balai Litbang Pantai, Kementerian PUPR. Data pendukung lain berupa kondisi gelombang yang diperoleh dengan pengukuran di lapangan dan



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



pada citra resolusi tinggi (SPOT-7 Pansharpen dengan resolusi spasial 1,5 m).



dokumentasi kenampakan di lokasi. Alat yang digunakan dalam penelitian disajikan pada Tabel 2. Tabel 2. Alat yang digunakan. No. Nama Alat 1 GPS Navigasi Yalon, Pita Ukur, 2 dan Abney Level 3 Stopwatch 4 Kompas 5 Kamera digital Software ArcGIS 6 10.5 7 Software ENVI 5.3 Software DSAS 8 5.0



Kegunaan Memplot titik koordinat lokasi sampel Mengukur morfologi pantai berupa panjang, lebar, dan kemiringan pantai Menghitung waktu periode gelombang Mengukur arah angin Dokumentasi lapangan Menyajikan peta Mengolah citra penginderaan jauh Mengolah perubahan garis pantai



Metode yang digunakan untuk kajian morfodinamika adalah pemetaan perubahan garis pantai dengan data selama 20 tahun (2000, 2009, dan 2019) menggunakan DSAS dan pengukuran lapangan. Waktu perekaman citra dan kerja lapangan dilakukan pada saat musim timur, yaitu pada saat kondisi citra cukup bersih dari awan dan kondisi gelombang tidak begitu ekstrim dibandingkan dengan musim barat. 2. Pengolahan citra Kegiatan Analisis Garis Pantai Menggunakan Citra Multi temporal, meliputi: a. Pengolahan citra digital untuk deteksi garis pantai menggunakan citra multitemporal resolusi menengah (Sentinel-2A resolusi spasial 10 m dan Landsat resolusi spasial 30 m) yang telah terkoreksi geometrik, radiometrik, dan atmosferik. b. Saluran inframerah dekat (NIR), yaitu band 8 pada citra Sentinel-2A digunakan untuk memisahkan darat-laut, mengacu pada Kasim (2011) yang menggunakan saluran inframerah tengah (SWIR1) pada citra Landsat untuk penentuan batas darat-laut pada daerah pantai berpasir. Oleh karena citra Sentinel-2A tidak memiliki saluran SWIR1 pada resolusi 10 m, maka digunakan saluran NIR dengan penyesuaian threshold secara subjektif. c. Transformasi Modified Normalized Difference Water Index (MNDWI) dengan threshold sebesar 0 diterapkan pada citra Landsat untuk penentuan batas darat-laut pada daerah pantai berpasir dan padat lahan terbangun. Rumus dari MNDWI adalah sebagai berikut. MNDWI=



d.



(𝑠𝑎𝑙𝑢𝑟𝑎𝑛 ℎ𝑖𝑗𝑎𝑢 − 𝑠𝑎𝑙𝑢𝑟𝑎𝑛 𝑖𝑛𝑓𝑟𝑎𝑚𝑒𝑟𝑎ℎ 𝑡𝑒𝑛𝑔𝑎ℎ) (𝑠𝑎𝑙𝑢𝑟𝑎𝑛 ℎ𝑖𝑗𝑎𝑢 + 𝑠𝑎𝑙𝑢𝑟𝑎𝑛 𝑖𝑛𝑓𝑟𝑎𝑚𝑒𝑟𝑎ℎ 𝑡𝑒𝑛𝑔𝑎ℎ).



(1) Pemilihan metode ini didukung oleh hasil penelitian Xu (2006), Rokni et al. (2014), dan Wicaksono dan Wicaksono (2019) yang menyatakan bahwa MNDWI memberikan hasil yang bagus ketika digunakan untuk memisahkan darat-laut pada kondisi penutup lahan lahan terbangun dan lahan terbuka (pasir). Perolehan data garis pantai selanjutnya dilakukan melalui digitasi dengan interpretasi visual, termasuk



3.



Perhitungan perubahan garis pantai Perhitungan perubahan garis pantai dilakukan dengan menggunakan plug-in tambahan pada software ArcGIS berupa DSAS. Statistik pada DSAS yang digunakan untuk menghitung perubahan garis pantai adalah Shoreline Change Envelope (SCE), Net Shoreline Movement (NSM) dan End Point Rate (EPR). Rumus masing-masing statistik pada DSAS adalah sebagai berikut. SCE= Perbedaan jarak terbesar pada semua garis pantai (dalam meter) (2) NSM= Perbedaan jarak antara garis pantai terlama dan garis pantai terkini (dalam meter) (3) EPR= Perbedaan jarak antara garis pantai terlama dan garis pantai terkini (dalam meter) / waktu antara garis pantai terlama dan garis pantai terkini (dalam tahun) (4) 4.



Survei lapangan Kerja lapangan dilakukan tanggal 30 Mei sampai dengan 2 Juni 2019 pada 5 lokasi yang dipilih (Gambar 5) dengan pertimbangan besarnya variasi garis pantai yang terjadi selama 20 tahun. Tahap ini dilakukan dengan observasi dan validasi hasil pengolahan data pada tahap awal dan memperoleh data primer yang dibutuhkan dalam penelitian ini. Data primer diperoleh dengan pengamatan dan pengukuran terkait aspek oseanografi berupa arah dan kecepatan angin, kondisi gelombang, serta dilakukan wawancara dengan penduduk sekitar.



Sampel Lapangan



Gambar 5. Sebaran sampel kerja lapangan.



5. Penyajian hasil Hasil penelitian disajikan dalam bentuk peta skala penyajian 1:65.000 dan grafik perubahan garis pantai. Kerawanan abrasi, yang diindikasikan oleh kerusakan pantai, diturunkan dari informasi laju perubahan garis pantai pada citra Landsat perekaman 2000, 2008, dan 2019. Kriteria kerusakan pantai dikategorikan berdasarkan Tabel 3. Tingkat kerusakan tersebut dibagi dalam lima kelas yaitu ringan, sedang, berat, amat berat, dan amat sangat berat, yang tergantung pada kondisi lapangan. Tabel 3. Kriteria kerusakan pantai berdasarkan laju perubahan. No



Kriteria



1 2 3 4 5



Ringan Sedang Berat Amat Berat Amat Sangat Berat



Laju Perubahan Erosi/Abrasi (m/tahun) < 0,5 0,5 – 2,0 2,0 – 5,0 5,0 – 10,0 > 10,0



Sumber: Kementrian PU



135



3. Hasil dan Pembahasan Seluruh citra yang digunakan dalam analisis direkam pada musim timur. Citra Landsat, Sentinel-2A, dan SPOT-7 memiliki karakteristik yang berbeda. Selain berbeda dalam hal resolusi spasial, yang mempengaruhi tingkat kedetailan informasi yang diperoleh, berbagai sumber data ini berbeda dalam hal resolusi spektral, radiometrik, dan temporal. Oleh karena karakteristiknya berbeda maka pengolahan citra yang dilakukan untuk memperoleh informasi garis pantai dari ketiga jenis citra ini pun berbeda. Penelitian ini tidak menganalisis seluruh garis pantai dari berbagai sumber data ini menjadi satu, tetapi ingin melihat variasi garis pantai pada skala spasial dan temporal yang berbeda. Perbandingan panjang garis pantai antar citra yang digunakan ditunjukkan dalam Tabel 4.



Skala 1:65.000 Gambar 7. Garis pantai yang berubah signifikan selama 2 tahun (2018 - 2019) dari Citra Sentinel-2A.



Perubahan Garis Pantai Citra Landsat dan Sentinel2A



Tabel 4. Perbandingan panjang garis pantai antar citra. No



Sumber Data



1 2 3 4 5



Landsat 5 TM 2000 Landsat 7 ETM+ 2008 Landsat 8 OLI 2019 Sentinel-2A 2018 Sentinel-2A 2019 SPOT-7 Pansharpen 2018



6



Resolusi Spasial (m) 30 30 30 10 10



Panjang Garis Pantai (km) 19,749 19,982 20,624 21,566 21,329



1,5



21,393



Melalui citra Landsat, dapat dilihat variasi garis pantai selama 20 tahun (2000 - 2019). Dalam rentang waktu 20 tahun tersebut, garis pantai di sebagian Kabupaten Buleleng cenderung mengalami akresi. Dari perbandingan panjang garis pantai antar citra (Tabel 4) dapat dilihat bahwa garis pantai semakin bertambah panjang dalam kurun waktu 20 tahun, yaitu mengalami penambahan sebesar 0,875 km. Petambahan panjang garis pantai ini tidak hanya disebabkan oleh morfodinamika, tetapi juga disebabkan oleh faktor antropodinamika, berupa pembuatan pelabuhan, dermaga, dan bangunan pelindung pantai lainnya. Penelitian ini fokus pada bahasan morfodinamika dan garis pantai yang berubah signifikan diidentifikasi seperti pada Gambar 6 berikut.



Skala 1:65.000 Gambar 6. Garis pantai yang berubah signifikan selama 20 tahun (2000 - 2019) dari Citra Landsat.



Melalui citra Sentinel-2A, dapat dilihat variasi garis pantai selama 2 tahun (2018 - 2019). Dalam rentang waktu 2 tahun tersebut, garis pantai di sebagian Kabupaten Buleleng cenderung mengalami akresi juga, tetapi ada beberapa lokasi yang mengalami abrasi masif. Adapun garis pantai dari citra Sentinel-2A yang berubah signifikan dapat dilihat pada Gambar 7. Terdapat empat lokasi yang konsisten mengalami abrasi, baik ketika diamati melalui citra Sentinel-2A maupun melalui citra Landsat yang diamati selama rentang waktu 20 tahun, yaitu di sekitar Teluk Karang Rata, muara Tukad Banyuraras dan Tukad Saba.



136



Gambar 8. Peta perubahan garis pantai dari Citra Landsat.



Gambar 9. Peta perubahan garis pantai dari Citra Sentinel-2A.



Gambar 8 memperlihatkan jarak terbesar dari garis pantai pada tahun 2000, 2008, dan 2019. Dari 119 transek, sebagian besar garis pantai mengalami akresi mulai dari 0 hingga 170,6 m. Perubahan garis pantai terjadi secara signifikan (> 8 m) hampir di sepanjang garis pantai, baik teluk maupun tanjung. Sementara itu, perubahan garis pantai selama 2018-2019 (Gambar 9) mulai dari 0 hingga 35,1 m, dengan perubahan dominan adalah 0-4,3 m. Perubahan garis pantai signifikan (> 6,4 m) terlihat pada bagian tanjung dan muara, sementara di bagian teluk yang berubah signifikan adalah di teluk dekat PLTU Celukan Bawang. Garis Pantai Citra SPOT-7 dan Bangunan Pantai Garis pantai yang diinterpretasi dari citra SPOT-7 dimaksudkan untuk mengamati variasi terkini (tahun 2018) garis pantai di lokasi penelitian dengan akurasi tinggi (resolusi spasial 1,5 m). Bentuk garis pantai di lokasi penelitian bervariasi mulai dari lengkung, teluk, tanjung, dan tidak beraturan. Garis pantai berbentuk



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



lengkung terdapat di sekitar muara sungai. Garis pantai berbentuk teluk dan tanjung secara berselang-seling terdapat di bagian barat lokasi penelitian, dan berasosiasi dengan keberadaan terumbu karang tepi, sehingga material pantai yang terdeposisi di bagian teluk berupa pasir pecahan terumbu karang. Garis pantai berbentuk tidak beraturan berada di bagian tengah lokasi penelitian dan antar muara sungai. Morfologi garis pantai yang berbeda-beda ini dipengaruhi oleh dinamika pesisir dan akan mempengaruhi pergerakan sedimen dari arus susur pantai. Hasil wawancara dan pengamatan di Lokasi 1 (X: 0257430 m, Y: 9095078 m) memperoleh hasil bahwa telah terjadi abrasi yang masif (> 50 m) di lokasi tersebut dan gelombang ekstrim di Bali Utara puncaknya terjadi pada setiap akhir bulan Februari (musim barat). Faktor lain yang menyebabkan abrasi di Lokasi 1 ini adalah pengambilan kerikil dan kerakal di pantai yang bersumber dari muara Tukad Gerokgak. Gambar 10 menampilkan kondisi lingkungan pantai Lokasi 1 dengan material pantai berupa pasir besi dan terdapat pelindung pantai untuk menahan gelombang dan air memasuki permukiman penduduk.



(a)



(b)



Gambar 12. (a) Kenampakan pantai bermaterial pasir pecahan terumbu karang dan (b) Pemandangan pantai yang indah untuk wisata di Lokasi 3.



Lokasi 3 (X: 0260827 m, Y: 9093981 m) juga berada di bagian teluk dengan dengan material pasir pecahan terumbu karang (Gambar 12a). Permasalahan yang dihadapi tidak begitu berbeda dengan Lokasi 2. Hanya saja, Lokasi 3 merupakan lokasi wisata pantai (Gambar 12b), sedangkan Lokasi 2 merupakan lokasi budidaya dan kawasan nelayan. Perbedaan jenis pemanfaatan lahan di pesisir ini mengakibatkan kelestarian lingkungan di Lokasi 3 masih terjaga dibandingkan dengan di Lokasi 2.



(a)



(b)



Gambar 13. (a) Kenampakan muara Tukad Banyuraras dan (b) Kenampakan pantai bermaterial pasir besi di Lokasi 4.



(a)



(b)



Gambar 10. (a) Kenampakan pantai bermaterial pasir besi dan (b) Kenampakan pelindung pantai di Lokasi 1.



Lokasi 2 (X: 0259702 m, Y: 9094131 m) berada di bagian teluk, dengan material pasir pecahan terumbu karang (Gambar 11a). Dahulunya dikembangkan budidaya rumput laut disini, tetapi sekarang ini sudah tidak beroperasi lagi dan digantikan oleh tambak. Budidaya rumput laut mengalami kendala akibat kondisi gelombang yang kuat sehingga perairan menjadi tidak tenang. Di lokasi ini pun dapat dilihat pecahan terumbu karang dengan berbagai ukuran yang mengindikasikan energi gelombang yang kuat di lokasi tersebut. Selain dimanfaatkan untuk tambak, dapat dilihat pula pada Gambar 11b terdapat beberapa kapal milik nelayan yang digunakan untuk mencari ikan di laut.



(a)



(b)



Gambar 11. (a) Kenampakan pantai bermaterial pasir pecahan terumbu karang dan (b) Kenampakan kapal nelayan di Lokasi 2.



Lokasi 4 (X: 0267464 m, Y: 9093981 m) berada di bagian muara Tukad Banyuraras (Gambar 13a) dengan material pasir besi (Gambar 13b). Dinamika muara Tukad Banyuraras diamati dari citra penginderaan jauh sangat tinggi dan terdiri dari dua muara karena dipisahkan oleh gosong. Demikian pula pemanfaatan lahan di darat yang berupa resort akan memicu perubahan morfologi pantai di kemudian hari.



(a)



(b)



Gambar 14. (a) Kenampakan permukiman yang berbatasan langsung dengan pantai dan (b) Kenampakan tumpukan sampah di muara Tukad Saba di Lokasi 5.



Lokasi 5 (X: 0272054 m, Y: 9094989 m) berada di bagian muara Tukad Saba yang padat dengan permukiman kumuh (Gambar 14a). Permukiman di sini pernah menjadi pusat perhatian pemerintah Kabupaten Buleleng karena permasalahan sampah. Berbeda dengan Lokasi 4 yang dinamika muaranya disebabkan oleh aktivitas alam, Dinamika muara di Lokasi 5 disebabkan oleh sampah yang menumpuk di muara sehingga mempersempit ukuran muara (Gambar 14b). Keberadaan bangunan pelindung pantai seperti, tembok laut dan revetmen menjadi bukti bahwa dinamika



137



pantai yang terjadi cukup masif sehingga memerlukan mitigasi struktural. Adapun fungsi dari bangunan pelindung pantai yang ada di wilayah penelitian antara



lain untuk melindungi pura, permukiman, resort, tambak dan mereduksi energi gelombang. Distribusi bangunan pantai ditunjukkan dalam Gambar 15.



Gambar 15. Peta bangunan pantai dan garis pantai dari Citra SPOT-7.



grafik EPR, dimana kelas kerusakan pantai ringan disajikan dengan warna hijau tua, kerusakan pantai sedang disajikan dengan warna hijau muda, kerusakan pantai berat disajikan dengan warna hijau kuning, kerusakan pantai amat berat disajikan dengan warna oranye, serta kerusakan amat sangat berat ringan disajikan dengan warna merah.



Laju Perubahan Garis Pantai dan Kerawanan Abrasi Dengan pengaturan panjang transek sebesar 350 m dan jarak antar transek sebesar 200 m maka dihasilkan sebanyak 119 transek. Pada grafik, nilai positif menunjukkan akresi, sementara nilai negatif menunjukkan abrasi. Kerawanan abrasi disajikan pada



(a)



(b)



(c) Gambar 16. Grafik perubahan garis pantai selama 20 tahun (2000 - 2019) dari Citra Landsat menggunakan statistik (a) SCE, (b) NSM, dan (c) EPR.



Perubahan garis pantai terbesar (SCE) ditunjukkan pada transek 8, 30, 31, 55, 103, dan 104 (Gambar 16), yang berlokasi di daerah teluk dan muara sungai, dengan perubahan terbesar hingga 160 m. Garis pantai yang berubah signifikan cenderung terjadi di lokasi yang sama. Dilihat dari grafik NSM (perubahan garis pantai 2000-



138



2019), garis pantai lebih banyak maju ke arah laut, dengan laju perubahan maksimal (EPR) mencapai 9 m/tahun. Dalam kurun waktu 20 tahun dan dilihat melalui citra Landsat, maka kerawanan abrasi di lokasi penelitian cenderung pada kelas ringan karena dominan proses yang terjadi adalah akresi.



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



(a)



(b)



(c) Gambar 17. Grafik perubahan garis pantai selama 2 tahun (2018 - 2019) dari Citra Sentinel-2A menggunakan statistik (a) SCE, (b) NSM, dan (c) EPR.



Perubahan garis pantai terbesar (SCE) ditunjukkan pada transek 32, 79, 94, 102, 103, 108, 109, 116 dan 117 (Gambar 17), yang berlokasi di daerah tanjung dan muara sungai, dengan perubahan terbesar hingga 35 m. Garis pantai yang berubah signifikan cenderung terjadi di lokasi yang sama. Dilihat dari grafik NSM (perubahan garis pantai 2018-2019), garis pantai lebih banyak maju ke arah laut, dengan laju perubahan maksimal (EPR) mencapai 15 m/tahun, dan mundur ke arah darat dengan laju perubahan maksimum mencapai 35 m/tahun. Dalam kurun waktu 2 tahun dan dilihat melalui citra Sentinel-2A, maka kerawanan abrasi di lokasi penelitian cenderung pada kelas sedang karena dominan proses yang terjadi adalah akresi, tetapi di beberapa lokasi terjadi abrasi yang masif. Morfologi dan Dinamika Pantai Perairan pesisir utara Buleleng pada wilayah muara Tukad Gerokgak hingga tukad Saba sangat landai. Kelandaian tersebut cenderung disebabkan oleh adanya sedimentasi dari lumpur yang terbawa oleh sungai-sungai yang bermuara pada Tukad Gerokgak dan Tukad Saba serta material karang pada daerah tengah lokasi penelitian. Kecepatan pengendapan dipengaruhi oleh kedalaman dan kecepatan aliran. Faktor yang dapat menyebabkan terjadinya fluktuasi minimum dan perbedaan kecepatan pengendapan adalah kedalaman minimum 2 m (Rijn, 1993). Kecepatan arus yang besar menyebabkan penurunan kecepatan pengendapan pada posisi dekat lapisan dasar karena adanya gesekan pada lapisan dasar. Pesisir Buleleng telah mengalami perubahan garis pantai akibat adanya proses fisik dan non fisik.



Ancaman terhadap garis pantai disebabkan oleh faktor hidrodinamika meliputi angin, arus, dan gelombang Laut Bali. Faktor hidrodinamika mampu memindahkan sedimen yang tersusun dari material lepas lepas yang mudah tererosi dan terdeposisi. Kejadian cuaca buruk selama musim barat menjadi salah satu faktor yang membuat gelombang destruktif di lokasi penelitian. Penutup lahan yang mendominasi pada pesisir di lokasi penelitian adalah permukiman. Kejadian gelombang tinggi yang biasanya terjadi pada bulan Februari mempengaruhi perkembangan pantai. Kejadian gelombang tinggi mampu mencapai 3 m dan merusak area permukiman warga, sehingga diperlukan usaha mitigasi struktural selain pentingnya mitigasi non struktural. Periode musim kering yang pada umumnya terjadi pada bulan Mei hingga Oktober menunjukkan gelombang di pesisir pantai dari muara Tukad Gerokgak hingga Tukad Saba diklasifikasikan ke dalam swells dan gelombang yang bersifat konstruktif meskipun dalam kejadian ekstrem energi angin dan gelombang meningkat. Tinggi gelombang di lokasi penelitian rata–rata adalah 0,49 m dengan periode gelombang rata-rata 0,19 s. Gelombang yang bersifat desktruktif memiliki swash yang lemah namun backswash yang kuat sehingga dapat mengikis pesisir sehingga terjadi erosi pada pesisir sepanjang waktu. Kondisi perairan pantai saat surut, terjadi pergerakan massa air dari arah dalam teluk menuju ke arah laut, massa air ini akan membawa padatan tersuspensi dari daratan menuju ke arah laut, dan pergerakan massa air yang berasal dari sungai tidak terhambat oleh massa air dari laut. Sedimen pantai berasal dari tiga sumber, yaitu erosi sungai, erosi pantai, erosi dasar laut namun sungai yang memberikan masukan yang relatif besar (sekitar 90 %) terhadap pengangkutan sedimen yang terjadi di pantai (Pethick, 1984). Oleh karena itu, dijumpai pendangkalan muara sungai akibat



139



sedimentasi. Kejadian akresi di pesisir Buleleng dapat diakibatkan oleh adanya muara dari Tukad Gerokgak dan Tukad Saba. Akresi pada pantai disebabkan oleh penumpukan sedimen yang berasal dari daratan dan terendapkan di pantai terutama melalui muara sungai (Parman, 2010). 4. Kesimpulan Berdasarkan hasil dan pembahasan dari penelitian ini, dapat disimpulkan bahwa perubahan garis pantai yang terjadi di pesisir Kabupaten Buleleng selama 20 tahun (2000-2019) didominasi dengan kejadian akresi (0,875 km). Petambahan panjang garis pantai ini tidak hanya disebabkan oleh morfodinamika, tetapi juga disebabkan oleh faktor antropodinamika. Melalui citra Sentinel-2A, dapat dilihat variasi garis pantai selama 2 tahun (2018 - 2019), dimana cenderung mengalami akresi, tetapi ada beberapa lokasi yang mengalami abrasi masif. Terdapat empat lokasi yang konsisten mengalami abrasi, baik ketika diamati melalui citra Sentinel-2A maupun melalui citra Landsat yang diamati selama rentang waktu 20 tahun, yaitu di sekitar Teluk Karang Rata, muara Tukad Banyuraras dan Tukad Saba. Dalam kurun waktu 20 tahun dan dilihat melalui citra Landsat, maka kerawanan abrasi di lokasi penelitian cenderung pada kelas ringan karena dominan proses yang terjadi adalah akresi. Dalam kurun waktu 2 tahun dan dilihat melalui citra Sentinel2A, maka kerawanan abrasi di lokasi penelitian cenderung pada kelas sedang karena dominan proses yang terjadi adalah akresi, tetapi di beberapa lokasi terjadi abrasi yang masif. Untuk menanggulangi dampak perubahan garis pantai maka diperlukan mitigasi bencana pada daerah pesisir baik melalui mitigasi struktural, non struktural, dan peningkatan resiliensi masyarakat. Berkaitan dengan morfodinamika pesisir, terdapat beberapa kajian lebih lanjut yang diperlukan sebagai tindaklanjut dari hasil penelitian ini, seperti kajian suplai sedimen dari daerah hulu yang diteruskan oleh tiga muara sungai di lokasi penelitian, kajian sel sedimen dan transpor sedimen di sepanjang pantai, dan kajian efektivitas bangunan pantai dalam mengatasi abrasi. DAFTAR PUSTAKA Badan Pusat Statistik. 2017. Kabupaten Buleleng dalam Angka 2018. Singaraja: BPS Buleleng. Badan Pusat Statistik. 2018. Kabupaten Buleleng dalam Angka 2019. Singaraja: BPS Buleleng. Bird, E. 2007. Coastal Geomorphology an Introduction Second Edition. England: John Wiley and Sons Ltd. Boak, E. H., dan Turner, I. L. 2005. Shoreline Definition and Detection: A Review. Journal of Coastal Research, Hal: 688-703. Dulbahri. 1983. Aplikasi Citra Landsat skala 1:250.000 untuk Studi Perubahan Garis Pantai di Daerah Jawa Tengah dan Jawa Timur. Laporan Penelitian. Fakultas Geografi Universitas Gadjah Mada.



140



Fuad, M. A., Saleh, R., dan Handayani, M. 2017. Automatic Detection of Decadal Shoreline Change on Northern Coastal of Gresik, East Java. The 5th Geoinformation Science Symposium, 27-28 September 2017. PUSPICS Fakultas Geografi Universitas Gadjah Mada. Kasim, F. 2011. Koreksi Pasang Surut dalam Pemetaan Perubahan Garis Pantai Menggunakan Data Inderaja dan SIG. Jurnal Ilmiah Agrosains Tropis, 6(3), Hal: 180-188. Kuleli, T. 2010. Quantitative Analysis of Shoreline Changes at the Mediterranean Coast in Turky. Environ. Monit. Assess., Hal: 387-397. Kuleli, T., Guneroglu, A., Karsli, F., dan Dihkan, M. 2011. Automatic Detection of Shoreline Change on Coastal Ramsar Wetlands on Turkey. Ocean Engineering, Hal: 1141-1149. Moore, L. J. 2000. Shoreline Mapping Techniques. Journal of Coastal Research, Hal: 121-139. Morton, R. A. 1991. Accurate Shoreline Mapping: Past, Present, and Future. Proceeding of Coastal Sediments, Hal: 997-1010. Pethick, J. 1984. An Introduction to Coastal Geomorphology. London: Edward Arnold Ltd. Panizza, M. 1986. Environmental Geomorphology. Amsterdam: Elsevier. Parman, Satyanta. (2010). Deteksi Perubahan Garis Pantai Melalui Citra Penginderaan Jauh Di Pantai Utara Semarang Demak. Jurnal Geografi, 7(1), 30-38. Rijn, L. C. 1993. Principle of Sediment Transpost in River, Eustuaries, and coastal seas. Aqua Publication. Amsterdam, Netherlands. Rokni, K., Ahmad, A., Selamat, A., & Hazini, S. 2014. Water Feature Extraction and Change Detection Using Multitemporal Landsat Imagery. Remote Sensing, 6(5), Hal: 4173-4189. Sinaga, T. P., dan Susiati, H. 2007. Studi Pemodelan Perubahan Garis Pantai di Sekitar Perairan Tapak PLTN Semenanjung Muria. Jurnal Pengembangan Energi Nuklir, Hal: 1-10. Sunarto. 2001. Geomorfologi Pantai: Dinamika Pantai. Yogyakarta: Universitas Gadjah Mada. Jawa Tengah: Kajian Paleogeomorfologi. Disertasi. Yogyakarta: Fakultas Geografi Universitas Gadjah Mada. Sutikno, S., Fatnanta, F., Kusnadi, A., dan Murakami, K. 2016. Integrated Remote Sensing and GIS for Calculating Shoreline Change in Rokan Estuary. KnE Engineering, Hal: 1-9. Thieler, E. R., Himmelstoss, E. A., Zichichi, J. L dan Ergul, A. 2009. Digital Shoreline Analysis System (DSAS) version 4.0 – An ArcGIS Extension for Calculating Shoreline Change. Massachusetts: USGS. Triadmojo, B. 2008. Teknik Pantai. Yogyakarta: Beta Offset. Wicaksono, A., dan P. Wicaksono. 2019. Akurasi Geometri Garis Pantai Hasil Transformasi Indeks Air pada Berbagai Penutup Lahan di Kabupaten Jepara. Majalah Geografi Indonesia, 33(1), Hal: 86-94. Xu, H. 2006. Modification of Normalized Difference Water Index (NDWI) to Enhance Open Water Features in Remotely Sensed Imagery. International Journal of Remote Sensing, 27(14), Hal: 3025-3033.



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



Kajian Multitemporal Tutupan Padang Lamun di Gili Sumber Kima, Kabupaten Buleleng, Provinsi Bali Wahyu Lazuardia, Ridwan Ardiyantoa aMagister



Geografi Minat Perencanaan Pengelolaan Pesisir dan Daerah Aliran Sungai, Fakultas Geografi, Universitas Gadjah Mada, Yogyakarta [email protected], [email protected] ABSTRAK Padang lamun adalah ekosistem yang sangat produktif dalam menyediakan nutrient dan habitat bagi organisme pesisir dan memiliki fungsi dan manfaat bagi ekosistem pesisir. Peningkatan aktivitas manusia di wilayah pesisir dan pengaruh perubahan iklim menyebabkan meningkatnya dinamika tutupan padang lamun secara global. Hal tersebut menandakan bahwa perlu adanya pengembangan dan pembaharuan langkah pengelolaan pesisir untuk mempertahankan tutupan padang lamun. Salah satu langkah pengelolaan yang efektif dan efisien adalah dengan analisis spasial dan monitoring secara multitemporal. Analisis spasial dan monitoring multitemporal dapat dilakukan dengan memanfaatkan data penginderaan jauh karena mampu memberikan pemahaman dalam mengidentifikasi dan analisis dinamika tutupan padang lamun yang terjadi. Penelitian ini bertujuan untuk menganalisis perubahan tutupan ekosistem padang lamun di Gili Sumber Kima, Kabupaten Buleleng, Bali secara multitemporal menggunakan citra Sentinel 2A-MSI. Algoritma Machine learning random forest (RF) dan support vector machine (SVM) digunakan untuk klasifikasi kelas lamun dan non lamun. Analisis change detection dilakukan untuk mengetahui pola dan luas perubahan yang terjadi. Hasil yang diperoleh menunjukkan akurasi tutupan padang lamun sebesar +-70% hingga +-83%. Analisis change detection menunjukkan bahwa terdapat tiga arah perubahan, yakni bertambah seluas 27.9 ha, berkurang seluas 86 ha serta tidak berubah seluas 157 ha. Dengan adanya informasi spasial terkait dinamika tutupan padang lamun secara multitemporal, informasi tersebut sangat berfungsi dan bermanfaat dalam menilai fungsi ekologis pesisir, sebagai dasar dalam melakukan monitoring dinamika sumberdaya dan pengelolaan wilayah pesisir. Kata kunci: Dinamika Tutupan; Padang Lamun; Multitemporal; Sentinel-2A MSI; Machine Learning.



ABSTRACT Seagrass beds are very productive ecosystems that provide nutrients and habitat for coastal organisms, and many benefits for coastal ecosystems. Increased human activity in coastal areas and the effects of climate change, increases the dynamics of global seagrass cover. This indicates that coastal management activities are necessary to maintain seagrass cover. The most effective and efficient way for coastal management is Spatio-temporal monitoring. Spatio-temporal monitoring can be done by utilizing remote sensing data because it is able to support in the analysis of the dynamics of seagrass cover. This study aims to analyze changes in seagrass ecosystem cover on Gili Sumber Kima, Buleleng Regency, Bali using multitemporal Sentinel 2A-MSI imagery. Random forest (RF) and support vector machine (SVM) algorithms are used for classification of seagrass and non-seagrass classes. Change detection analysis is performed to determine the pattern and extent of the changes in seagrass cover. The accuracy of seagrass cover map was + -70% to + -83%. Change detection analysis shows that there are three forms of seagrass cover change, that is increases of the seagrass cover of 27,9 ha, decreases of 86 ha and no change of 157 ha. The availability of spatio-temporal information on the dynamics of seagrass cover is very useful for assessing the ecological functions of the coast, as a basis for coastal area monitoring and management. Keywords: Dynamics; Seagrass beds; Multitemporal; Sentinel-2A MSI; Machine Learning



1. Pendahuluan Informasi mengenai kondisi padang lamun di Indonesia menjadi kebutuhan mendasar dalam melaksanakan pengelolaan ekosistem pesisir. Ekosistem padang lamun merupakan sumber daya alam yang mampu memberikan manfaat ekologi yang sangat besar. Ekosistem ini sangat menunjang keberlangsungan sumberdaya perikanan di Indonesia karena sangat produktif dalam menyediakan nutrient, sebagai penangkap sedimen, penahan arus serta gelombang, sebagai pendaur zat hara dan sangat sesuai sebagai habitat organisme perairan laut dangkal (Duarte et al., 2008; Waycott et al., 2009). Selain itu ekosistem padang lamun juga memiliki kemampuan dalam



menyerap karbondioksida (CO2) seperti halnya mangrove. Berdasarkan penelitian yang dilakukan oleh LIPI, padang lamun yang ada di Indonesia (293.464 ha) memiliki kemampuan menyerap CO2 sampai 1,9 hingga 5,8 megaton karbon pertahun (P2O LIPI, 2017). Peningkatan aktivitas manusia di wilayah pesisir dan pengaruh perubahan iklim menyebabkan meningkatnya dinamika tutupan padang lamun secara global. Hal tersebut ditunjukkan dengan adanya perubahan kondisi tutupan lamun di Indonesia pada tahun 2015 sebesar 46% berubah menjadi 37,58% di tahun 2016 dan terus berkurang hingga tahun 2019 (P2O LIPI, 2017). Berdasarkan Keputusan Menteri Lingkungan hidup No.200 tahun 2004, kondisi padang lamun



141



dikelaskan menjadi tiga kategori berdasarkan persentase tutupan didaerah. Tutupan diatas 60% dianggap sebagai kategori sehat, 30-59% kurang sehat dan kurang dari 30% tidak sehat. Hal tersebut menunjukkan bahwa kondisi padang lamun di Indonesia berada di kategori kurang sehat ditunjukkan dengan data terakhir tutupan lamun di Indonesia sebesar 37,58%. Hal tersebut tidak menutup kemungkinan akan mengalami penurunan pada tiap tahun. Perubahan ini tidak hanya terjadi di Indonesia, hasil penelitian Waycott et al. (2009) menunjukkan bahwa ekosistem padang lamun telah hilang sebesar 29% secara global. Agar ekosistem padang lamun tetap memiliki kebermanfaatan dari segi ekologi, ekonomi, edukasi bagi masyarakat, perlu adanya pengembangan dan pembaharuan langkah pengelolaan pesisir untuk mempertahankan tutupan padang lamun. Salah satu langkah pengelolaan yang efektif dan efisien adalah dengan analisis spasial dan monitoring secara multitemporal karena dapat dipertanggungjawabkan secara saintifik dan dapat dijadikan dasar dalam pengelolaan ekosistem lamun secara berkelanjutan. Analisis spasial dan monitoring multitemporal dapat dilakukan dengan memanfaatkan data penginderaan jauh karena mampu memberikan pemahaman dalam mengidentifikasi dan analisis dinamika tutupan padang lamun yang terjadi. Menghitung dan menganalisis perubahan ekosistem lamun secara multitemporal menggunakan penginderaan jauh dapat memberikan kemudahan dalam identifikasi dinamika tutupan lamun yang terjadi secara periodic serta dapat membantu dalam mengidentifikasi dan mengevaluasi tipe pengelolaan ekosistem lamun yang dapat berkontribusi pada perkembangan dan kelestarian lamun menyesuaikan dengan dinamika lingkungan yang terjadi. Penginderaan jauh sudah banyak digunakan untuk aplikasi sumberdaya pesisir, khususnya lamun karena sangat efektif dan efisien (Fornes et al., 2006; Lyons at al., 2011). Selain itu analisis aplikasi penginderaan jauh secara multitemporal dapat mempermudah dalam mengetahui pola perubahan yang terjadi pada tahun tahun tertentu (Godet et al., 2008). Pemanfaatan data penginderaan jauh untuk analisis tutupan lamun multitemporal telah digunakan di beberapa penelitian sebelumnya dan mampu memberikan hasil yang sangat baik (Williams dan Meehan, 2004; Kendrick et al., 2002; Bell et al., 2014). Penelitian ini akan dilakukan di Gili Sumber Kima, Kabupaten Buleleng, Bali. Daerah tersebut dipilih karena merupakan salah satu daerah potensial ekosistem padang lamun dan memiliki perkembangan masif dalam aktivitas pariwisata. Sejauh ini, belum ada inventarisasi data terkait potensi sumberdaya alam ekosistem padang lamun di sekitar Gili Sumber Kima, akibatnya aktivitas pengelolaan menjadi kurang maksimal. Oleh karena itu, penelitian ini bertujuan untuk menganalisis perubahan tutupan ekosistem padang lamun secara multitemporal di Gili Sumber Kima, Kabupaten Buleleng, Bali menggunakan citra Sentinel 2A-MSI. Selain itu analisis multitemporal diharapkan mampu mengidentifikasi pola spasial atau temporal perubahan tutupan lamun pada rentang waktu tertentu, serta mengetahui kemungkinan



142



faktor-faktor yang menyebabkan perubahan pada tutupan lamun. Implikasi dari tujuan penelitian ini adalah agar dapat memperoleh (menginventarisasi) data ekosistem padang lamun multitemporal agar dapat dijadikan sebagai basis atau dasar dalam melakukan program monitoring dan pengelolaan ekosistem pesisir. 2. Metodologi 2.1 Area Kajian Lokasi penelitian dilakukan di Gili Sumber Kima, Kabupaten Buleleng, Provinsi Bali. Secara geografis lokasi ini terletak antara 8o,111598 sampai dengan 8o,130138LS dan 114o,598284 sampai dengan 114o, 629114 BT. Lokasi ini merupakan salah satu lokasi di Kabupaten Buleleng yang memiliki potensi sumberdaya pesisir melimpah, berupa perikanan, padang lamun dan terumbu karang. Berikut adalah gambar lokasi penelitian (Gambar 1).



Gambar 1. Area kajian 2.1 Citra Citra yang digunakan dalam penelitian ini adalah Sentinel-2A MSI (10 m) yang merupakan satelit milik European Space Agency (ESA). Sentinel-2A MSI memiliki sembilan saluran yang terdiri dari ukuran resolusi spektral dan spasial yang berbeda, yakni 10 m, 20m dan 60m. Penelitian ini hanya menggunakan saluran yang resolusi spasialnya 10 m, yang terdiri dari empat saluran, yakni biru, hijau, merah dan inframerah dekat. Tabel 1. Karakteristik Citra Sentinel-2A MSI Sentinel-2A MSI Resolusi Spasial (m) Resolusi Radiometrik Resolusi Temporal Julat Spektral (pm) saluran Blue saluran Green saluran Red saluran near-infrared Sumber: Suhet (2014)



10 12-bit 5 hari 0,45-0,52 0,54-0,58 0,65-0,68 0,78-0,90



2.2 Analisis Data Proses data terdiri dari beberapa tahapan. Tahap pertama berupa koreksi citra, pengambilan data lapangan, klasifikasi citra, change detection, dan uji akurasi hasil (Gambar 2).



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



Gambar 2. Diagram Alir Analisis Data 2.2.1 Koreksi Radiometrik Citra penginderaan jauh yang diperoleh dari sensor satelit pasti memiliki gangguan dari kondisi atmosfer maupun sensor perekamnya. Gangguan tersebut menyebabkan eror yang berpengaruh pada kualitas radiometrik citra yang dihasilkan. Untuk menghilangkan eror tersebut, citra penginderaan jauh perlu dikoreksi untuk mengurangi atau meminimalisir efek dari gangguan tersebut. Koreksi citra dilakukan dengan beberapa tahap yakni dari digital number (DN) menjadi TOA radiance kemudian dikonversi kembali menjadi TOA reflectance serta koreksi atmosfer untuk memperoleh citra dengan level surface reflectance atau biasa disebut bottom of atmosphere (BOA). Citra yang digunakan dalam penelitian memiliki level koreksi TOA reflectance sehingga masih perlu tahapan koreksi atmosfer untuk meminimalisir pengaruh atmosfer. Koreksi atmosfer yang dilakukan menggunakan Dark Object Substraction (DOS) (Chavez, 1996 dalam Nazeer et al., 2014). DOS dipilih karena merupakan salah satu metode koreksi atmosfer yang paling sederhana dan mampu memberikan hasil yang lebih baik dibandingkan metode koreksi atmosfer lain (Nazeer et al., 2014; Wicaksono dan Hafizt, 2017). 2.2.2 Koreksi Sunglint Sunglint merupakan efek pantulan seperti kaca pada permukaan air yang tenang karena pengaruh cahaya matahari. Efek ini menyebabkan adanya eror untuk aplikasi penginderaan jauh, terutama pemetaan pada perairan dangkal maupun perairan dalam optis. Berdasarkan hal tersebut pengaruh sunglint perlu diminimalisir untuk meningkatkan kualitas peta yang dihasilkan. Sunglint dapat diminimalisir dengan cara dikoreksi dengan metode yang dikembangkan oleh Hedley et al. (2005). Metode koreksi tersebut dipilih karena lebih sederhana dan memiliki hasil yang lebih baik dibandingkan metode koreksi sunglint lain (Kay et al., 2009). 2.2.3 Koreksi Kolom Air Koreksi kolom air merupakan salah satu pendekatan dalam pengolahan citra penginderaan jauh



untuk meminimalisir pengaruh atenuasi energi elektromagnetik pada kolom air. Koreksi kolom air biasa diterapkan pada aplikasi penginderaan jauh untuk objek perairan dangkal optis karena mampu meningkatkan hasil akurasi pemetaan (Maritorena, 1996). Penelitian ini menggunakan metode koreksi kolom air yang dikembangkan oleh Lyzenga et al. (1978) yang merupakan salah satu metode paling sederhana dan mampu memberikan hasil yang lebih baik dibandingkan metode lainya (Zoffoli et al., 2014). 2.3 Pengambilan Data Lapangan Pengambilan data lapangan dilakukan dengan menggunakan metode foto transek (Phinn et al., 2008) karena sangat efisien dari segi waktu, tenaga, biaya dan jumlah data yang diperoleh. Metode tersebut diterapkan dengan melakukan pengambilan foto habitat bentik menggunakan kamera bawah air dengan cara snorkeling di perairan dangkal optis yang diintegrasikan dengan koordinat GPS yang diatur sesuai dengan kesamaan waktu, untuk memudahkan proses geotagging antara foto dengan koordinat. 2.4 Klasifikasi Citra Klasifikasi citra dilakukan dengan menerapkan skema kelas habitat bentik kelas mayor sesuai SNI 7716: 2011 berjumlah empat kelas yakni, substrat, terumbu karang, lamun, dan makro alga. Klasifikasi diterapkan pada tiap tahun citra untuk memperoleh distribusi area lamun pada tahun yang digunakan, yang kemudian data area lamun pada tiap tahun digunakan sebagai dasar analisis perubahan atau dinamika distribusi lamun yang terjadi. Algoritma klasifikasi yang digunakan dalam penelitian ini adalah klasifikasi supervised yang terdiri dari Random Forest (RF) dan Support Vector Machine (SVM). 2.4.1 Random Forest Random Forest adalah sebuah metode klasifikasi machine learning berbasis tree set unit. Setiap unit tree tersebut memiliki kontribusi dalam menentukan kelas dari suatu piksel citra penginderaan jauh berdasarkan data sampel yang dijadikan input dalam klasifikasi (Breiman, 2001). Random Forest dipilih karena berdasarkan penelitian sebelumnya, algoritma ini mampu memberikan hasil dengan akurasi tinggi dibandingkan algoritma klasifikasi lainnya (Duro et al., 2012; Zhang, 2014; Ma et al., 2017). 2.4.2 Support Vector Machine Support Vector Machine (SVM) adalah algoritma klasifikasi terselia (supervised) non- parametrik. Sistem kerja SVM adalah menemukan hyperplane yang mampu memisahkan beberapa input dataset kedalam sejumlah kelas yang telah ditentukan (Vapnik, 1995 dalam Zhang, 2014). SVM memiliki dua kernel, kernel tersebut terdiri dari pengaturan lebar kernel dan derajat polinomial. Kernel tersebut dapat diatur untuk mengontrol tingkat kesalahan klasifikasi yang dapat diterima (Huang et al., 2002 dalam Zhang, 2014). Algoritma SVM digunakan karena mampu memberikan akurasi pemetaan yang lebih tinggi dibandingkan algoritma klasifikasi supervised lainnya (Pal dan Mather, 2005; Wahidin et al., 2015)



143



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



Gambar 3. Peta habitat bentik tahun 2015 dan 2019 2.5 Change Detection Dalam kegiatan analisis perubahan, aspek multitemporal (series) penting diperhatikan karena suatu perubahan dapat dengan mudah di analisis dengan memperhatikan kondisi pada waktu awal atau sebelum (t1) dan waktu sesudah (t2). Perubahan dapat diidentifikasi melalui transisi distribusi objek dominan antara kondisi t1 dengan t2 (Eastman et al., 2005). Penelitian ini menggunakan Change Analysys Modeler untuk mengetahui perubahan tutupa lamun yang terjadi di tahun 2015 dan tahun 2019. 2.6 Akurasi Uji akurasi adalah salah satu pendekatan yang digunakan untuk mengetahui nilai akurasi peta yang dihasilkan. Uji akurasi dilakukan menggunakan confusion matrix (Congalton dan Green 2009). Input dari confusion matrix adalah data validasi di luar data training klasifikasi yang di analisis dengan hasil klasifikasi citra untuk mengetahui sejauh mana kebenaran hasil klasifikasi yang diperoleh. Confusion matrix akan menghasilkan nilai akurasi dan nilai kappa. Akurasi adalah nilai yang diperoleh dari rasio antara data validasi yang terkelaskan dengan benar dengan total data validasi. Sedangkan nilai kappa menunjukkan proporsi tingkat kebenaran data validasi yang terkelaskan dengan benar berdasarkan akumulasi nilai agreement pada setiap kelas yang digunakan. 3. Hasil dan Pembahasan 3.1. Pemetaan Habitat Bentik Pemetaan habitat bentik menggunakan kelas mayor sesuai dengan SNI serta panduan teknis pemetaan habitat bentik yang dikeluarkan oleh wali data P2O LIPI, kelas tersebut berupa substrat, terumbu karang, makro alga dan lamun. Peta habitat bentik diperoleh melalui klasifikasi multispektral citra terkoreksi sunglint dan kolom air menggunakan machine learning dengan algoritma random forest dan support vector machine. Hasil peta habitat bentik yang diperoleh dari dua tahun yang berbeda memiliki distribusi dan luasan yang berbeda (Gambar 3). Hal tersebut mengindikasikan bahwa tedapat perubahan yang terjadi selama rentang waktu antara .



144



2015 dengan 2019. Sangat terlihat substrat pada 2015 dan 2019 sangat berbeda, dimana di tahun 2015, tutupan substrat lebih luas dibandingkan tahun 2019. Hal tersebut disebabkan karena pengaruh iklim, energi gelombang arus serta dinamika perairan pesisir yang sangat dinamis. Tutupan terumbu karang tidak terlalu jauh berbeda, hanya saja terdapat kesalahan klasifikasi pada tahun 2015, dimana pada tahun tersebut pantulan terumbu karang sangat mirip dengan pantulan lamun. Tutupan makro alga tidak jauh berbeda, hanya saja mengalami pengurangan pada tahun 2019. Kondisi tutupan lamun juga demikian, tahun 2019 mengalami perubahan luasan yang cukup signifikasi jika dibandingkan dengan tahun 2015. Perhitungan akurasi pada masing-masing hasil klasifikasi memiliki nilai yang berbeda. Hasil tahun 2019 dengan akurasi tertinggi diperoleh menggunakan algoritma random forest dan input saluran berupa citra terkoreksi kolom air dengan akurasi sebesar 68,39% dan kappa 52,89%. Sedangkan hasil tahun 2015, akurasi tertinggi diperoleh menggunakan algoritma support vector machine dan input saluran berupa citra terkoreksi sunglint dengan akurasi sebesar 62,94% dan kappa 42,25% (Tabel 2). Perbedaan besaran akurasi tersebut disebabkan karena penggunaan data validasi yang bersumber dari tahun 2019. Sehingga ketika diterapkan pada data tahun 2015, banyak titik validasi yang objeknya tidak sesuai karena pada tahun 2015 titik tersebut masih merupakan objek bentik lain dan telah berubah pada tahun 2019. Hal tersebut yang menyebabkan nilai akurasi hasil tahun 2015 lebih rendah dibandingkan 2019. Hal tersebut pula yang menjadi salah satu kelemahan penelitian ini, yakni tidak terdapat data validasi secara temporal untuk tahun 2015. Dimana data validasi tahun 2019 diasumsikan mampu mewakili kenampakan objek bentik pada tahun 2015. Hal tersebut dapat dibuktikan dari hasil akurasi yang diperoleh antar tahun 2015 dengan 2019. Meskipun nilainya berbeda, tetapi selisihnya tidak terlalu besar, yakni berkisar 5-6%. Hasil eksperimen klasifikasi habitat bentik yang diperoleh dapat dilihat pada Tabel 2



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



Tabel 2. Matriks Akurasi Hasil Tahun



Band



Machine Learning Algorithm RF SVM RF SVM



DII 2019 Deglint



Tahun



Band



OA (%) 68,39 38,06 58,06 63,23



Kappa 52,89 -2,86 38,44 48,5



Machine Learning Algorithm



OA (%)



Kappa



RF



42,66



3,42



SVM



46,85



0



RF



62,24



42,63



SVM



62,94



42,25



DII 2015 Deglint



Ditinjau dari nilai producer dan user accuracy (Gambar 4), tutupan lamun dari peta habitat bentik terbaik dapat terkelaskan pada masing-masing tahun memiliki akurasi tinggi. Tahun 2015 melalui algoritma support vector machine dengan citra sunglint mampu memetakan tutupan lamun dengan akurasi +-70%. Sedangkan tahun 2019, melalui algoritma random forest dengan citra kolom air mampu memetakan tutupan lamun dengan akurasi +-83%. Hal tersebut mengindikasikan bahwa sumber data penginderaan jauh Sentinel-2A MSI mampu mengelaskan objek tersebut dengan baik.



2015 52.24



UA



100



74.6 70.15



72.31 70.15



70



PA



RF DII



mampu meningkatkan akurasi hasil tutupan lamun (Lyons et al., 2011).



46.85



UA



PA



RF Deglint



UA



PA



SVM DII



UA



PA



SVM Deglint



2019 85.71 83.08 88.57



88.24 47.69



46.15 26.92 10.77



UA



PA



RF DII



UA



PA



RF Deglint



UA



PA



SVM DII



UA



PA



Hal tersebut karena antara objek pasir pada perairan dangkal jernih dan lamun memiliki karakteristik pantulan yang sangat kontras, yakni terang dan gelap. Karakteristik tersebut sesuai dengan linkungan perairan daerah penelitian, sehingga akurasi tutupan lamun yang diperoleh cukup tinggi. Gambar 5 menunjukkan bahwa terdapat pola distribusi tutupan lamun pada tahun 2015 dan 2019. Terlihat pada bagian tengah dekat dengan gilia tau gosong pasir, terdapat perbedaan yang sangat signifikan. Tahun 2015 area tersebut masih merupakan subtrat pasir dan tahun 2019 area tersebut telah berubah menjadi lamun. Berdasarkan luasannya, tutupan lamun pada tahun 2015 memiliki luasan sebesar 243,3 ha (termasuk misklasifikasi) dan tahun 2019 seluas 185,2 ha. Hal tersebut menunjukkan terdapat perubahan tutupan lamun yang cukup besar.



SVM Deglint



Gambar 4. Grafik producer’s dan user’s accuracy objek lamun 3.1. Change Detection Sesuai dengan Gambar 4, akurasi tutupan lamun yang dihasilkan adalah +-70% pada tahun 2015 dan +83% pada tahun 2019. Perbedaan akurasi hasil klasifikasi tutupan lamun disebabkan oleh banyak faktor. Faktor utama dari sumber data berupa resolusi, koreksi, kualitas data dan algoritma, sedangkan faktor dilapangan berupa kejernihan air, kedalaman lamun, kerapatan lamun serta background substrat pasir. Background substrat pasir pada perairan dangkal yang jernih cenderung memudahkan dalam identifikasi serta



145



Gambar 5. Tutupan lamun pada tahun 2015 dan 2019 Hasil analisis change detection menunjukkan bahwa perubahan tutupan lamun memiliki arah perubahan berkurang, bertambah, serta tidak berubah (Gambar 6).



Gambar 6. Perubahan tutupan lamun antara tahun 2015 dan tahun 2019 Hasil yang diperoleh menunjukkan bahwa luas lamun yang berkurang sebesar 86 ha, bertambah seluas 27,9 ha dan tidak berubah seluas 157 ha. Kondisi tutupan lamun yang tidak mengalami perubahan cenderung berada pada lokasi yang cukup terlindung dari proses dan dinamika pesisir, sehingga



146



kondisi tersebut perlu dipertahankan. Proporsi perubahan tutupan lamun (menjadi substrat pasir) yang berkurang lebih besar dibandingkan dengan tutupan lamun yang mengalami perubahan bertambah. Hal tersebut akan memiliki dampak negatif jika dibiarkan secara terus-menerus. Jika ditinjau dari Gambar 5, distribusi spasial tutupan lamun tahun 2015 lebih baik dibandingkan dengan 2019. Perubahan tersebut tentu di sebabkan karena pengaruh hidrodinamis baik berupa gelombang maupun arus dan juga disebabkan oleh pengaruh aktifitas manusia. Pengaruh tersebut baik berupa keramba, ekspoitasi kerang (kima), akuakultur, eksploitasi ikan menggunakan bom (Yang dan Yang 2009; Gong, 2007), yang tentunya sangat mempengaruhi pertumbuhan dan perkembangan tutupan lamun di perairan dangkal. Ditinjau dari kondisi eksisting, area kajian sumber kima didominasi oleh tambak ikan yang dekat dengan padang lamun dan terumbu karang dan terus berkembang. Hal tersebut kedepannya tentu akan merusak tidak hanya tutupan lamun, tetapi juga kondisi terumbu karang, kualitas perairan serta habitat ikan disekitar. Berdasarkan wawancara dengan masyarakat lokal, kerusakan di area sumber kima juga disebabkan karena aktivitas pencarian kerang kima, baik menggunakan bom maupun menggunakan linggis. Kerusakan yang dirasakan oleh nelayan tidak hanya berupa hilangnya ikan dan makhluk hidup lainnya. Tetapi kerusakan lingkungan yang menyebabkan sumber mata pencaharian nelayan juga semakin berkurang akibat kekurangan produk perikanan tangkap. Jika hal tersebut terus berlangsung, kedepannya akan memberikan dampak negatif yang cukup serius bagi habitat perairan dangkal terutama tutupan lamun. Perubahan tutupan lamun juga terjadi karena adanya faktor iklim (angin, gelombang, arus kencang) (Yang and Yang, 2009). Saat iklim buruk berlangsung, terdapat dampak kerusakan fisik secara langsung pada tutupan lamun karena adanya pengadukan sedimen yang bercampur dengan bahan kimia limbah kawasan permukiman dan penginapan yang menyebabkan tumbuh kembang tutupan lamun semakin menurun. Menurut (Yang dan Yang, 2009; Lyons et al., 2011), semakin besar perubahan penggunaan lahan kearah lingkungan terbangun akan menyebabkan pengurangan tutupan lamun. Kedepannya, untuk menghindari kemungkinan dampak negatif yang terjadi, perlu adanya pelestarian kondisi perairan serta habitat perairan dangkal, terutama padang lamun agar tutupannya tumbuh dan berkembang dengan sangat baik. Harapannya dengan kondisi ekosistem padang lamun yang baik dan lestari, ekosistem tersebut akan mendatangkan berbagai macam makhluk hidup langka seperti penyu dan dugong, dimana kedua makhluk hidup tersebut juga memiliki ketergantungan pada padang lamun sebagai sumber makanan. Dengan datangnya makhluk hidup tersebut, secara alami lingkungan perairan pun akan kembali stabil didukung dengan adanya pengurangan aktifitas manusia bersifat merugikan yang semakin memperburuk kondisi lingkungan perairan. Hal tersebut juga diharapkan akan memberikan dampak positif bagi kondisi lingkungan



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



serta ekosistem disekitarnya seperti terumbu karang, agar kembali pada kondisi sehat sehingga memiliki manfaat alami sebagai habitat perikanan disekitar. Untuk kedepannya penelitian sejenis diharapkan mampu mengembangkan atau memanfaatkan data ekosistem serta data terkait keanekaragaman fauna perairan dangkal untuk melihat tren atau pola perkembangan yang terjadi secara periodik (Lyons et al., 2011). 4. Kesimpulan Hasil pemetaan tutupan lamun memperoleh peta dengan akurasi tinggi. Akurasi tutupan lamun tahun 2015 berkisar +-70% dan tahun 2019 berkisar +-83% (Producer’s dan User’s Accuracy). Nilai tersebut menunjukkan bahwa data tutupan lamun yang diperoleh dapat dimanfaatkan dan digunakan untuk analisis ekosistem perairan dangkal, salah satunya adalah analisis perubahan tutupan lamun. Hasil analisis multitemporal tutupan lamun tahun 2015 dan 2019 yang diperoleh menunjukkan perubahan yang sangat signifikan. Distribusi tutupan lamun pada 2015 lebih luas dibandingan dengan distribusi tutupan lamun tahun 2019. Perubahan tutupan lamun yang bertambah memiliki luasan 27.9 ha, berkurang seluas 86 ha dan tidak berubah seluas 157 ha. Perubahan tersebut secara keseluruhan didominasi oleh perubahan lamun menjadi substrat pasir. Tutupan lamun yang cenderung mengalami perubahan adalah yang memiliki lokasi dekat dengan aktifitas keramba serta tidak terlindung dari proses hidrodinamika perairan laut. Perubahan tersebut disebabkan oleh berbagai faktor alam dan manusia. Faktor alam yang mempengaruhi berupa proses hidrodinamika yang terjadi dan iklim. Faktor manusia yang mempengaruhi berupa aktifitas keramba jaring apung, eksploitasi kerang (kima) dan produk perikanan secara tidak terkontrol dan bersifat merusak, limbah akibat perkembangan kawasan permukiman dan penginapan di sekitar lokasi. DAFTAR PUSTAKA Bell, D., Berelov, M., S., dan Young, P., 2014. Historical seagrass mapping in Port Phillip bay, Australia. Journal Coast Conservation, Vol 18, 257-272. Breiman, L.,2001. Random Forests. Machine Learning. Vol 45, 5-32. Congalton, R. G., dan Green, K., 2009. Assessing the Accuracy of Remotely Sensed Data: Principles and Practices: Second Edition. USA: CRC Press, Inc. Duarte CM, Borum J, Short F, Walker D (2008) Seagrass ecosystems: their global status and prospects. In: Polunin N (Ed.) Aquatic Ecosystems, Cambridge University Press, Foundation for Environmental Conservation, pp 281-294. Eastman, J. R., Luis Solorzano and Megan Van Fossen. 2005. Transition Potential Modeling for Land-Cover Change. In GIS, Spatial Analysis and Modeling, edited by David J. Maguire, Michael batty and Michael F. Goodchild, 357-385. Redlands, CA: ESRI Press. Fornes A, Basterretxea G, Orfila A, Jordi A, Alvarez A, Tintore J (2006) Mapping Posidonia oceanica from IKONOS. ISPRSJ Photogrammetry Remote Sensing, Vol, 60, 315-322.



Godet L, Fournier, J, vanKatwijk, M., M., Olivier, F., LeMao., P., dan Retiere, C., 2008, Before and after wasting disease in common eelgrass Zostera marina along the French Atlantic coasts: a general overview and first accurate mapping. Dis Aquat Org, Vol 79, 249-55. Gong W.P. 2007. Obtaining water elevation in the lagoon and cross sectionally averaged velocity of the tidal inlet by using one-dimensional equation – a case study in Xincun inlet, Linshui, Hainan, China. Journal Oceanography, 3, 1-5 Hedley, J. D., Harborne.A.R., dan Mumby, P.J., 2005. Technical note: Simple and robust removal of sun glint for mapping shallowowater benthos. International Journal of Remote Sensing, Vol 26, 2107-2112. Kay, S., Hedley, J.D. dan Lavender, S., 2009. Sun Glint Correction of High and Low Spatial Resolution Images of Aquatic Scenes: a Review of Methods for Visible and Near-Infrared Wavelengths. Remote Sensing, Vol 1, 697-730. Kendrick, G., A., Aylward, M., J., Hegge, B., J., Cambridge, M., L., dan Hillman, K.,2002. Changes in seagrass coverage in Cockburn Sound, Western Australia between 1967 and 1999. Aquat Bot Vol 73: 75-87. Lyons, M., Phinn, S., dan Roelfsema, C., 2011. Integrating quickbird multi-spectral satellite and field data: mapping bathymetry, seagrass cover, seagrass species and change in Moreton Bay, Australia in 2004 and 2007. Remote Sensing, Vol 3, 42-64. Lyzenga, D. R., 1978. Passive Remote Sensing Techniques for Mapping Water Depth and Bottom Features, Applied Optics, Vol 17, 379-383. Maritorena, S., 1996. Remote Sensing of the Water Attenuation in Coral Reefs: a Case Study in French Polynesia, International Journal of Remote Sensing, Vol 17, 155-166. Ma, L., Li, M., Ma, X., Cheng, L., Du, P., dan Liu, Y., 2017. A Review of supervised object-based land-cover image classification. ISPRS Journal of Photogrammetry and Remote Sensing, 130, 27793. Nazeer, M., Nichol, J.E., dan Yung, Y.K., 2014. Evaluation of atmospheric correction models and Landsat surface reflectance product in an urban coastal environment. International Journal of Remote Sensing, 1-21. Pal, M., dan Mather, P.M., 2005. Support Vector Machines for Classification in Remote Sensing. International Journal of Remote Sensing, Vol 26, No.5. Phinn, S.R., Roelfsema, C.M., Leiper, I., dan Mumby, P.J., 2008, Mapping Coral reef benthic zones from highspatial resolution image segmentation and photo transect data. In Proceedings of the 11th International Coral Reef Symposium, Fort Lauderdale, FL. Wahidin, N., Siregar, V.P., Nababan, B., Jaya, I., dan Wouthuyzen, 2015. Object based image analysis for coral reef benthic habitat mapping with several classification algorithm. Procedia Environmental Sciences, Vol 24, 222-227. Waycott, M., Duarte, C.,M., Carruthers, T.,J.,B., Olyamik, S., Calladine, A., Fourqurean, J., W., Heck, K.,L., Hughes, A.,R., Kendrick, G.,A., Kenworthy, W.,J., Short, F.,T., dan Williams, S., L., 2009. Accelerating of loss seagrass across the globe threaten coastal ecosystemPYAS. Vol 106, 12377-12381. Wicaksono, P., dan Hafizt, M., 2017. Dark target effectiveness for dark-object subtraction atmospheric correction method on mangrove above¬ground carbon stock mapping. IET Image Processing, 0 pp. Williams, R., J., dan Meehan, A., J.,2004. Focusing management needsatthe subcatchment level via assessments of change in the cover of estuarine



147



vegetation, Port Hacking, NSW, Australia. Wetland Ecology Management, Vol 12, 499-518. Yang, D, dan Yang, C. 2009. Detection of Seagrass Distribution Changes from 1991 to 2006 in Xincun Bay, Hainan, with Satellite Remote Sensing, Sensors. 9, 830-844. Zhang, C., 2014. Appliying data fusion techniques for benthic habitat mapping and monitoring in coral reef ecosystem. ISPRS Journal of Photogrammetry and Remote Sensing, Vol 104, 213-223. Zoffoli, M.L., Frouin, R., dan Kampel, M., 2014. Water Column Correction for Coral Reef Studies by Remote Sensing. Sensors, Vol 14, 16881¬16931.



148



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



Kontribusi Pemetaan Menggunakan Drone untuk Memprediksi Erosi dan Tingkat Bahaya Erosi Latief Mahir Rachmana, Mohammad Bagus Dwi Purnomob, dan Wahyu Purwakusumaa aDepartemen



Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian, Institut Pertanian Bogor; e-mail: [email protected] bProgram Studi Manajemen Sumberdaya Lahan, Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian, Institut Pertanian Bogor. ABSTRAK Erosi merupakan proses penyebab utama degradasi daerah aliran sungai (DAS) karena menimbulkan kerusakan dan degradasi tanah serta lingkungan. Erosi tidak hanya menimbulkan dampak penurunan kualitas tanah dan produktivitas pertanian pada lahan yang tererosi (onsite effect) tetapi juga menimbulkan kerusakan di luar wilayah yang tererosi (offsite effect), terutama merusak sumberdaya perairan, mencemari lingkungan, dan bangunan air. Pengukuran dan estimasi erosi merupakan hal yang krusial dalam manajemen lahan pertanian. Diperlukan dukungan teknologi yang sesuai untuk pengembangan pengukuran dan estimasi erosi yang praktis dan ekonomis. Penggunaan drones terbukti sangat memberikan kontribusi dalam memprediksi besarnya erosi dan tingkat bahaya erosi dengan menggunakan metode USLE (Universal Soil Loss Equation). Dari hasil penelitian yang dilakukan di Desa Karyasari, Kecamatan Leuwiliang, Kabupaten Bogor, penggunaan drone untuk memprediksi erosi dengan metode USLE (Universal Soil Loss Equation) sangat membantu dalam menetapkan nilai nilai faktor tanaman (C), pengawetan/konservasi tanah (P), kemiringan lereng (L) dan panjang lereng (S). Selanjutnya dapat digunakan untuk menghitung tingkat bahaya erosi untuk setiap unit pengelolaan lahan yang diperlukan untuk mengetahui apakah erosi yang terjadi pada setiap unit pengelolaan lahan sudah menimbulkan kerusakan dan degradasi tanah dan pencemaran lingkungan. Kata kunci: drone, daerah aliran sungai (DAS), degradasi tanah, erosi tanah, USLE



ABSTRACT Erosion is the main cause of degradation of watersheds because it causes damage and degradation of land and the environment. Erosion not only has an impact on decreasing soil quality and agricultural productivity on onsite effects but also causes damage outside the offsite effect, especially damaging aquatic resources, polluting the environment, and waterworks. Measuring and estimating erosion is crucial in the management of agricultural land. Technology support is needed that is appropriate for the development of practical and economical measurements also estimation of erosion. The use of drones proved to be very contributing in predicting the amount of erosion and the level of erosion hazard using the USLE (Universal Soil Loss Equation) method. From the results of research conducted in Karyasari Village, Leuwiliang District, Bogor Regency, the use of drones to predict erosion using the USLE (Universal Soil Loss Equation) method is very helpful in determining the value of plant factors (C), soil conservation (P), slope (L) and slope length (S). Furthermore, it can be used to calculate the erosion hazard level for each land management unit that is needed to determine whether erosion that occurs in each land management unit has caused damage and soil degradation and environmental pollution. Keywords: drone, soil degradation, soil erotion, USLE, watershed



1. Pendahuluan Di Indonesia, erosi merupakan proses pengikisan permukaan atau lapisan teratas tanah yang didominasi oleh media air. Erosi diawali oleh terpercik atau terlepasnya partikel tanah dari agregat tanah akibat pukulan butir hujan yang menerpanya agregat tanah yang terbuka. Partikel yang terlepas tersebut selanjutnya diangkut oleh aliran permukaan dan kemudian mengikis lapisan tanah yang dilaluinya sehingga semakin lama semakin banyak partikel yang diangkut oleh aliran permukaan. Partikel-partikel tanah yang dibawa oleh aliran permukaan tersebut selanjutnya masuk ke sungai, danau atau laut atau diendapkan di suatu tempat ketika alirannya melambat atau berhenti. Sifat-sifat fisik tanah serta kimia dan biologi tanah yang berkaitan dengan agregasi dan



porositas sangat menentukan laju erosi (Rachman et al., 2013; Wang et al.,2015; Teng et al., 2019). Erosi merupakan proses alami yang tidak dapat dihindari (Fitriani, Faridah, dan Useng, 2019). Sekecil apapun dan dimanapun erosi tetap terjadi. Erosi tidak membahayakan selama yang terjadi adalah erosi yang diijinkan, yaitu ketika laju erosinya sama atau lebih kecil dari laju proses pembentukan tanah. Hasil penelitian Naywade et al. (2019), erosi yang terjadi pada tanahtanah yang digunakan praktek pertanian dapat mencapai 20-40 kali dari erosi yang diijinkan. Aktivitas manusia seperti penebangan hutan, pengelolaan dan praktek-praktek pertanian yang salah, serta perubahan penggunaan lahan yang mengakibatkan peningkatan erosi menyebabkan laju erosi lebih besar dari yang diijinkan (tolerable erosion level), yang disebut dengan erosi yang ditingkatkan (accelerated erosion) (The



149



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



Thematic Strategy for the Soil Protection in European Union, 2008 di dalam Panagos 2019). Mengingat besarnya kerugian yang ditimbulkan, erosi harus dicegah atau ditekan hingga sekecil mungkin atau mencapai tingkat erosi yang diijinkan. Selain tingkat erosi yang terjadi, untuk mengendalikan erosi, manajemen lahan dan tanah perlu mengenal jenis erosinya. Ada empat jenis erosi yang paling banyak dikenal, yaitu: 1) erosi percik (splash erosion), terperciknya butiran tanah dari agregat tanah akibat pukulan butir hujan, 2) erosi lembar (sheet erosion), erosi yang terjadi secara berlapis atau berlembarlembar dimulai dari lapisan paling atas, 3) erosi alur (riil erosion), erosi yang mengakibatkan terjadinya alur-alur pada permukaan tanah yang dapat dihilangkan dengan pengolahan tanah, 4) erosi parit (gully erosion), erosi yang mengakibatkan terjadinya parit-parit yang cukup dalam,yang tidak bisa dihilangkan dengan pengolahan tanah, 5) erosi tebing dan dasar sungai (streambed erosion), erosi yang mengikis tebing dan dasar sungai, serta 6) longsor (land slide), pergerakan atau perpindahan tanah secara masif di atas bidang luncur yang jenuh air. Terjadinya erosi dapat menimbulkan kerugian yang sangat besar. Pada onsite effect, erosi dapat mengakibatkan hilangnya lapisan teratas tanah yang paling subur dan gembur, yang pada akhirnya menurunkan kesuburan, kualitas dan produktivitas tanah serta degradasi tanah. Untuk off site effect, erosi menyebabkan terjadinya sedimentasi pada wilayah daratan dan kawasan perairan dan infra strukurnya. Sedimentasi pada sungai mengakibatkan: 1) pengeruhan sungai yang berakibat menurunnya kualitas perairan sungai serta jenis dan produksi berbagai jenis udang dan ikan di sungai dan di danau, serta 2) pendangkalan sungai yang mengakibatkan memicu terjadinya luapan air sungai/danau dan/atau banjir serta merosotnya kualitas transportasi sungai. Sedimentasi juga mengakibatkan pendangkalan pada infrastruktur bangunan air seperti waduk dan saluran irigasi sehingga mengurangi umur atau masa pakai bangunan air tersebut. Kemajuan teknologi di bidang fotogrametri dapat digunakan di berbagai bidang, khususnya bidang pertanian. Kehadiran drone secara luas di pasaran umum ditandai dengan hadirnya drone jenis kopter dengan harga relatif terjangkau (Sambodo, Sukmawijaya, dan Budianto, 2018). Penggunaan drone model DJI Phantom 3 telah menghasilkan kontribusi sangat besar untuk perencanaan, monitoring dan evaluasi di bidang pertanian (Houvannisyam, Efendian, dan Vardayan, 2018). Sedikitnya drone sangat bermanfaat dan membantu dalam mengidentifikasi jenis erosi dan besarnya serta penyebaran erosi yang terjadi secara spasial. Kelebihan drone yang dapat “memotret” suatu kawasan atau wilayah dalam skala yang relatif besar, selain membantu dalam mengidentifikasi jenis-jenis erosi yang terjadi di suatu kawasan secara spasial, drone juga diharapkan dapat digunakan untuk membantu dalam mengidentifikasi secara spasial faktor-faktor yang berpengaruh terhadap erosi, khususnya kemiringan lahan, jenis vegetasi penutup



150



lahan serta faktor pengawetan tanah. Oleh karena itu drone juga diharapkan sangat mendukung untuk membantu memprediksi tingkat erosi yang terjadi di suatu kawasan atau wilayah. Pada dasarnya ada beberapa cara yang dapat digunakan untuk menentukan erosi dan tingkat bahaya erosi. Beberapa cara dapat dilakukan untuk mengukur dan/atau memprediksi besarnya erosi yang terjadi dalam suatu wilayah atau daerah aliran sungai, yaitu: 1) Pengukuran di lapangan secara langsung (metode tongkat, metode petak erosi), 2) Pengukuran debit sedimen di sungai (kemudian dikonversi dengan angka sediment delivery ratio), 3) Prediksi erosi (metode USLE, RUSLE, dll), 4) Permodelan (Answer, SWAT, dll). Menurut Alewell et al. (2019), hingga saat ini Metode USLE (Universal Soil Loss Equation) adalah model prediksi erosi yang paling banyak digunakan di seluruh dunia untuk memenuhi berbagai macama tujuan di bawah beberapa kondisi, masih dianggap lebih baik dan mudah digunakan dibandingkan dengan metode lainnya yang tersedia. Menurut Metode USLE, besarnya erosi ditentukan oleh erodibilitas tanah (K), erosivitas hujan R, panjang lereng (S), kemiringan lahan (S), faktor tanaman C dan pengawetan tanah (P). Tujuan penelitian ini adalah untuk mengkaji kontribusi drone dalam pemetaan kawasan/wilayah dalam kaitannya dengan memprediksi erosi dan tingkat bahaya erosi. 2. Metodologi 2.1. Lokasi dan Waktu Penelitian dilaksanakan di Kebun Alpukat seluas 6.63 ha yang berada di Desa Karyasari, Kecamatan Leuwiliang (lihat Gambar 1), Kabupaten Bogor pada bulan Desember 2018 – Maret 2019. Pengambian data lapang dan sampel tanah dilakukan berdasarkan perbedaan kelas lereng. Analisa sifat fisik tanah dilakukan di Laboratorium Konservasi Tanah dan Air serta Laboratorium Pengembangan Sifat Fisik Lahan, Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian, Institut Pertanian Bogor.



Gambar 1. Peta Lokasi Penelitian 2.2. Bahan dan Alat Bahan yang digunakan dalam penelitian ini adalah contoh tanah komposit, contoh tanah agregat utuh, dan bahan kimia untuk analisa laboratorium. Contoh tanah komposit diambil secara acak di setiap kedalaman 0 –



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



20 cm dan 20 – 40 cm pada masing-masing kelas lereng. Kelas lereng yang menjadi tempat pengambilan sampel berada di kelas 3 - %, 8 – 15%, 15 – 30%, 30 – 45%, 45 – 65%, dan >65%. Contoh tanah tersebut diambil sebanyak 1 kg untuk analisis tekstur 4 fraksi dan penentuan kadar C-organik. Tanah agregat utuh digunakan untuk analisa bobot isi tanah dan struktur tanah. Bahan kimia yang digunakan terdiri dari H2O2, HCl, Na4P2O7, K2Cr2O7, H2O4 pekat, FeSO4, dan akuades. Alat yang digunakan dalam penelitian ini adalah timbangan analitik digital 4 digit, penumbuk tanah, saringan 0.001 mm, Erlenmeyer 250 ml, gelas piala 1000 ml, pipet volumetric 25 ml, pipet tetes, sudip pengaduk, buret 50ml, desikator, gegep, cawan alumunium, thermometer, stopwatch, kompor atau pemanas. Alat untuk pengamatan lapang terdiri dari permeameter untuk melakukan analisa permeabilitas dalam kondis jenuh dan drone tipe DJI Phantom 3 Advanced untuk pengambilan citra foto udara serta alat untuk mngolah foto udara meggunakan aplikasi ArcMap 10.1. 2.3. Pemetaan Menggunakan Drone Tujuan pemetaan adalah untuk memudahkan menampilkan informasi tentang obyek-obyek yang didapat dalam lingkup spasial berikut batas-batasnya. Salah satu teknologi yang dapat digunakan untuk pemetaan adalah dengan bantuan drone. Pengambilan citra foto udara dilakukan memakai metode polygon mission yang terdapat di aplikasi Drone Deploy. Pengolahan citra foto udara dilakukan proses orthoretifikasi untuk menjadi satu lembar citra foto udara yang utuh. Foto udara tersebut kemudian dilakukan thaap koreksi elevasi untuk mmbangun data DEM sebagai dasar pembuatan peta kelas lereng. 2.4. Analisa Sifat-sifat Tanah Erosi dipengaruhi oleh beberapa faktor yang salah satunya adalah tanah, sehingga sifat fisik erat kaitannya terhadap besaran erosi. Sifat fisik tanah yang berkaitan dengan erosi terdiri dari, tekstur tanah, kemantapan struktur tanah, permeabilitas, dan kandungan bahan organik. Tekstur tanah dianalisa menggunakan metode pipet dengan menentukan 4 fraksi yaitu pasir kasar, pasir sanat halus, debu, dan liat. Penetapan bobot isi tanah menggunakan metode bongkah (aggregate) dan C-organik ditetukan menggunakan metode Walkey and Black. Permeabilitas tanah diukur dalam kondisi jenuh di lapang menggunakan permeameter (Constant Head). 2.5. Pendugaan Erosi dan Tingkat Bahaya Erosi Pendugaan erosi dilakukan untuk mengetahui perubahan keadaan pada tanah setelah adanya praktek budidaya. Hal tersebut dilakukan agar lahan yang digunakan tetap dalam kondisi berkelanjutan. Metode pendugaan yang digunakan adalah metode Universal Soil Loss Equation (USLE), dengan persamaan : (Wischmeier dan Smith, 1978)



A = R.K.LS.C.P…………………………………………… (1) dimana: A : Jumlah tanah yang hilang rata-rata setiap tahun (ton/ha/tahun) R : Indeks daya erosi curah hujan (erosivitas hujan) K :Indeks kepekaan tanah terhadap erosi (erodibilitas tanah) L : Faktor panjang lereng S : Kemiringan lereng C : Faktor tanaman P : Faktor usaha pencegahan erosi (konservasi) Hasil pendugaan dan faktor kedalaman tanah dipertimbangkan untuk memprediksi Tingkat Bahaya Erosi (TBE). 3. Hasil dan Pembahasan 3.1. Kondisi Umum Wilayah penelitian luasnya 6.63 ha, pada umumnya terletak pada ketinggian sekitar 658 mdpl (meter di atas permukaan laut). Topografi daerah penelitian bervariasi dari landau sampai berbukit yang curam dengan lereng dominan 45-65%. Jenis tanah yang dominan di lokasi penelitian adalah jenis tanah Ultisols. Jika diklasifikasikan menggunakan klasifikasi PPT (1993), jenis tanah tersebut termasuk jenis tanah Podsolik Merah Kuning. Berdasarkan data yang diperoleh dalam periode 2008–2014, intensitas curah hujan di wilayah tersebut berkisar 3760 mm/tahun. Tanaman penutup lahan dominan adalah tanaman alpukat. 3.2. Kontribusi Drone terhadap Pemetaan Erosi dipengaruhi oleh beberapa faktor atau komponen erosi, yaitu kemampuan curah hujan mengerosi tanah (erosivitas hujan), kemudahan tanah dierosi (erodibilitas tanah), faktor lereng (kemiringan dan panjang lereng), faktor tanaman, dan faktor pengawetan atau konservasi tanah. Drone sangat berguna dalam mengidentifikasi dan menilai komponen atau faktor lereng, faktor tanaman dan faktor pengawetan tanah. Kelebihan penggunaan drone untuk membantu pengamatan dan pengukuran komponen atau faktor lereng, faktor tanaman dan faktor pengawetan tanah, drone dapat menghasilkan informasi tentang obyek-obyek yang terdapat dalam liputannya secara spasial yang mana hal tersebut sangat membantu dalam mempelajari wilayah tersebut secara lebih komprehensif dalam suatu kesatuan. Selain itu penggunaan drone yang menghasilkan foto udara sangat membantu dalam menarik batas areal/kawasan yang harus dibedakan. Dalam penelitian ini, luas wilayah yang dijadikan lokasi penelitian tergolong kecil dan membutuhkan foto udara dalam skala detil. Untuk itu diperlukan pengumpulan data peta dasar seperti data foto udara dengan menggunakan drone atau Unmanned Aeria Vehicle (UAV). Peta-peta yang dapat dihasilkan oleh pemotretan dengan menggunakan drone adalah Peta Kelas Lereng



151



(Gambar 2), Peta Tutupan Vegetasi (Gambar 3), Peta Pengawetan atau Konservasi Tanah (Gambar 4), dan Peta Satuan Lahan (Gambar 5). Informasi topografi lahan berupa Peta Kemiringan Lahan dapat diperoleh dengan bantuan pemotretan menggunakan foto udara. Hasil foto udara tersebut kemudian dilakukan proses orthorektifikasi agar menjadi citra foto udara yang utuh. Foto udara ini kemudian dilakukan tahap koreksi elevasi untuk membangun data DEM yang kemudian menjadi dasar pembuatan Peta Kelas Lereng (Gambar 5). Pada Gambar 1, klasifikasi kelas lereng pada lokasi penelitian berturut-turut adalah kelas 3–8%, 8–15%, 15–30%, 30–45%, 45–65%, dan >65%. Peta Kelas Lereng tersebut menunjukkan bahwa sebagian besar areal penelitian merupakan wilayah yang curam dengan lereng > 45 % dan hanya sebagian kecil saja yang memiliki kemiringan lahan kurang dari 15%. Penggunaan drone untuk pemetaan kelas lereng sangat membantu sekali dalam menarik batas kelaskelas lereng dan penyebaraannya secara spasial, dibandingkan dengan jika hanya menggunakan metode survey lapangan biasa. Foto udara hasil drone juga mampu memberikan informasi terkait tutupan vegetasi. Pada lokasi penelitian terdapat tutupan vegetasi berupa hutan, kebun campuran, tanah terbuka, rerumputan, dan kebun alpukat, serta kebun alpukat tumpangsari dengan nanas. Penyebaran tutupan vegetasi di atas disajikan pada Gambar 3. Adanya hasil foto udara dari drone memudahkan dalam proses inventarisasi jenis tanaman serta membuat batas penyebaran tutupan vegetasi serta penggunaan lahan.



Gambar 3. Peta Tutupan Vegetasi di Lokasi Penelitian Hasil foto udara dari drone juga dapat menghasilkan informasi terkait tindakan pengawetan atau konservasi tanah yang sedang dilakukan atau diterapkan dalam suatu wilayah atau kawasan pertanian. Umumnya bentuk tindakan konservasi yang mudah diinterpretasi dari hasil foto udara adalah terdapat teras teras serta pengolahan dan penanaman menurut garis kontur (contour planting). Tindakan pengawetan atau konservasi tanah pada lokasi penelitian yang dapat diidentifikasi adalah olah tanah dan penanaman menurut garis kontur dan tanpa olah tanah, seperti yang disajikan pada Gambar 4.



Gambar 4. Peta Faktor P (tindakan konservasi) di Lokasi Penelitian Peta satuan lahan merupakan hasil dari tumpang tindih (overlay) dari Peta Lereng dan Peta Tutupan Vegetasi. Hasil overlay tersebut menghasilkan 12 kelas kombinasi satuan lahan (lihat Gambar 5). Gambar 2. Peta Kelas Lereng di Lokasi Penelitian Jenis vegetasi penutup lahan terluas adalah areal kebun alpukat dengan vegetasi pohon alpukat yang ditumpang-sarikan dengan tanaman nanas, diikuti oleh kebun campuran, tanah terbuka, kebun alpukat, hutan dan yang terkecil adalah areal rerumputan.



Gambar 5. Peta Satuan Lahan di Lokasi Penelitian SL yang terluas adalah SL 4.1, diikuti oleh SL 5.2, SL 4.2, SL 6.1, SL 6.3, SL 7.1, SL 2, SL 7.2, SL 3.1 dan yang terkecil luasannya adalah SL 3.2.



152



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



Penyebaran SL lebih didominasi dan banyak mengikuti pola kemiringan lahan. Penyebaran SL 2, SL 3.1 dan SL 3.2 hanya terdapat di puncak-puncak perbukitan kecil. SL 4.1, SL 4.2, SL 5.1. SL 5.2 dan SL 6.1 lereng agak curam sampai curam dengan vegetasi pohon alpukat serta kombinasi pohon alpukat dan nanas. SL 7.1 berupa lahan terbuka tanpa vegetasi dan memiliki lereng yang sangat curam. SL 7.2 merupakan satuan lahan hutan yang berlereng sangat curam. Perbedaan kondisi SL ini tentu akan memberikan konsekuensi terhadap besarnya erosi yang terjadi. Dapat diduga bahwa erosi yang terbesar akan terjadi pada SL 7.1. Sedangkan SL yang erosinya terendah adalah SL 7.2. 3.3. Hasil Prediksi Erosi dan Tingkat Bahaya Erosi Dengan berhasil diperolehnya nilai-nilai faktor erosi maka erosi dapat diprediksi. Hasil prediksi erosi di lokasi penelitian hampir seluruhnya tergolong tinggi sampai sangat tinggi, jauh melampaui nilai Erosi Yang Diijinkan (EYD). Semakin besar nilai Tingkat Bahaya Erosi (TBE), maka semakin jauh nilai erosi melampaui EYD (lihat Tabel 1)



Satuan Lahan (SL) yang memiliki erosi terbesar adalah SL 6.3. Lahan terbuka nyaris tanpa tindakan konservasi tanah serta lereng yang curam merupakan penyebab utamanya. SL yang memiliki erosi terendah adalah SL 7.1. Erosinya jauh lebih rendah dari EYD sehingga nilai TBE nya hanya 0.20. Meskipun memiliki lahan curam, karena tutupan lahannya berupa hutan lebat dengan nilai C hanya 0.001, maka erosinya menjadi kecil. SL dengan TBE > 1 tidak berkelanjutan karena menghasilkan solum tanah yang semakin menipis. Semakin besar nilai TBE, proses menipisnya solum tanah akan semakin cepat. Untuk itu pada SL yang TBE nya > 1 diperlukan tindakan pengawetan atau konservasi tanah. Semakin besar TBE nya, diperlukan tindakan pengawetan tanah yang semakin berat.



Tabel 1. Erosi dan Tingkat Bahaya Erosi (TBE) Setiap Satuan Lahan Satuan Lahan



Faktor Erosi Erosi EYD (ton/ha) (ton/ha) K R LxS C P SL-2 0.149 3566.947 2.833 0.100 0.500 75.380 37.333 SL-3.1 0.182 3566.947 3.322 0.300 0.500 323.405 37.333 SL-3.2 0.149 3566.947 3.556 0.100 0.500 94.582 37.333 SL-4.1 0.130 3566.947 13.614 0.200 0.750 949.630 37.333 SL-4.2 0.149 3566.947 13.545 0.100 0.750 540.913 37.333 SL-5.1 0.133 3566.947 8.359 0.400 0.900 1426.641 37.333 SL-5.2 0.124 3566.947 10.268 0.280 0.900 1143.547 37.333 SL-6.1 0.107 3566.947 18.691 0.100 0.900 640.045 37.333 SL-6.2 0.106 3566.947 14.555 0.233 0.900 1158.435 37.333 SL-6.3 0.096 3566.947 19.765 1.000 0.900 6101.797 37.333 SL-7.1 0.134 3566.947 15.542 0.001 1.000 7.420 37.333 SL-7.2 0.117 3566.947 18.154 0.100 0.900 684.710 37.333 Keterangan: SL = Satuan Lahan K = faktor kepekaan tanah terhadap erosi R = faktor kemampuan hujan mengerosi tanah L = faktor panjang lereng S = faktor kemiringan lereng C = faktor tanaman P = faktor pengawetan tanah EYD = Erosi yang Diijinkan TBE = Tingkat Bahaya Erosi



4. Kesimpulan/Rekomendasi Penggunaan drone untuk pemetaan kawasan pertanian sangat bermanfaat untuk perencanaan, monitoring dan evaluasi pengelolaan pertanian. Penggunaan drone ini sangat menguntungkan karena dapat dilakukan pada saat saat tertentu ketika dibutuhkan dan secara periodik untuk tujuan monitoring dan evaluasi. Secara khusus dalam hal untuk memprediksi erosi dan tingkat bahaya erosi, penggunaan drone sangat membantu dalam menentukan besaran faktor panjang lereng (L), faktor kemiringan lereng (S), faktor tanaman C dan faktor pengawetan atau konservasi tanah (P). Selain sangat membantu menentukan besar faktor-faktor L, S, C dan P, penggunaan drone juga sangat membantu dalam melihat penyebaran factor-faktor L, S, C dan P tersebut secara spasial.



TBE 2.02 8.66 2.53 25.44 14.49 38.21 30.63 17.14 31.03 163.44 0.20 18.34



DAFTAR PUSTAKA Alewell, C.; Borrelli, P.; Meusburger, K.; dan Panagos, P. 2019. Using the USLE: Chances, challenges, and limitation of soil erosion modelling. International Soil and Water Conservaton Research. DOI: 10.1016/j.iswcr.20019.05.004 Fitriani.; Faridah, SN.; dan Useng, D. 2019. Prediksi laju erosi dengan menggunakan metode RUSLE dan penginderaan jauh pada Sub DAS Bangkala. Jurnal Teknologi Pertanian AGROTECHNO, Vol.12. Hal: 36 – 43. Hovhannisyan, T.; Efendyan, P.; dan Vardanyan, M. 2018. Creation of a digital model of fields with application of DJI phantom 3 drone and the opportunities of its utilixzation in agriculture. Annals of Agrarian Science Journal, Vol.16. Hal: 177 – 180. Naywade, SO.; Gachene, CKK.; Karanja, NN.; Gitari, HI.; Schulte-Goldermann, E.; dan Parker, ML. 2019. Controlling soil erosion in smallholder



153



potato farming systm using legume intercrops. Geoderma Regional, Vol.17. Hal: 2 – 11. Panagos, P; dan Katsoyiannis, A. 2019. Soil erosion modelling: The new challenges as the result of plicy development in Europe. Environmental Research, Vol.172. Hal: 470 – 474. Rachman, LM.; Wahjunie, ED.; Brata, K.; Purwakusuma, W.; dan Murtilaksono, K. 2013. Fisika Tanah Dasar. Bogor: IPB Press. Sambodo, AP.; Sukmawiaya, A.; dan Budianto, Y. 2018. PEngaruh sudut kamera UAV terhada kualitas foto udara wilayah bencana longsor. Prosiding Seminar Nasional Geomatika 2018: Pengaruh dan Pengembangan Produk Informasi Geospasial Mendukung Daya Saing Nasional, 5 September 2018. Badan Informasi Geospasial. Teng, HF.; Hu, J.; Zhou Y.; Zhou, L.; dan Shi, Z. 2019. Modelling and mapping soil erosion potential in China. Journal of Integrative Agriculture, Vol. 18. Hal: 251 – 264. Wang, G.; Fang, Q.; Wu, B.; Yang, H.; dan Xu, Z. 2015. Relationship between soil erodibility and mdeled infiltration rate in different soils. Journal of Hydrology, Vol.528. Hal: 408 – 418. Wischmeier, W. H., and Smith L. D., 1978. Predicting Rainfall-Erosion Losses :A Guide To Conservation Planning. USDA Agriculture Handbook.



154



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



Analisis Morfometri DAS dalam Perencanaan Wisata Arung Jeram Berkelanjutan, DAS Saba, Provinsi Bali Galih Dwi Jayantoa, Yuli Widyaningsihb, dan Rizali Umarellac aMagister bMagister



Perencanaan dan Pengelolaan Pesisir dan DAS 1; e-mail: [email protected] Perencanaan dan Pengelolaan Pesisir dan DAS



ABSTRAK Arung jeram merupakan wisata air yang memanfaatkan jasa ekosistem sungai. Kondisi hidrologi sungai sangat mempengaruhi keberlanjutan wisata arung jeram. Morfometri memberikan gambaran terkait geomorfologi suatu DAS. Analisis morfometri DAS secara detail mampu memberikan dekripsri terkait kondisi, potensi, dan ancaman hidrologi. DAS Saba yang berpotensi dan sedang berkembang wisata arung jeram di dalamnya. DAS Saba di Kabupaten Buleleng, Provinsi Bali telah sedang mengembangkan wisata arung jeram sejak tahun 2017. Tujuan kajian ini yaitu 1) menghitung morfometri DAS Saba 2) analisis perencanaan wisata arung jeram berdasarkan kondisi morfometri DAS Saba. Pendekatan menggunakan pendinderaan jauh dan sistem informasi geografis digunakan dalam kuantifikasi morfometri DAS Saba. Analisis spasial merupakan salah satu metode yang disajikan dalam SIG untuk mengkuantifikasi parameter-parameter morfometri DAS. Kuantifikasi parameter morfometri DAS mencakup aspek keruangan, topografi, panjang sungai tama dan aspek alur sungai dalam morfometri DAS. Hasil analisis menunjukkan bahwa terdapat 15 parameter morfometri DAS yang menjadi oendukung dalam pengembangan wisata arung jeram Sungai Saba, yaitu luas, panjang, lebar, panjang sungai utama, kemiringan, kemiringan sungai utama, titik berat, median elevasi, kerapatan drainase, faktor bentuk, jumlah sungai orde 1, jumlah panjang sungai orde 1, jumlah semua sungai, jumlah panjang semua sungai. Aspek morfometri yaitu kemiringan Sungai Saba 50 m/km dijadikan dasar penetuan jalur arung jeram hanya ada di segmen 7. Segmen 7 memmiliki kemiringan sungai mencapai 14,2 m/km. Kata kunci: arung jeram; berkelanjutan; morfometri; wisata ABSTRACT Rafting is a water tourism that utilizes river ecosystem services. The hydrological conditions of the river greatly affect the sustainability of white water rafting tours. Morphometry provides an overview of the geomorphology of a watershed. Detailed watershed morphometry analysis can provide decryption regarding conditions, potentials, and hydrological threats. Saba watershed has potential and is developing white water rafting tourism in it. Saba watershed in Buleleng Regency, Bali Province has been developing white water rafting tours since 2017. The purpose of this study is 1) to calculate the Saba watershed morphometry 2) analysis of white water rafting tour planning based on the Saba watershed morphometric conditions. The approach to using remote sensing and geographic information systems was used in the quantification of the morphometry of the Saba watershed. Spatial analysis is one of the methods presented in GIS to quantify the watershed morphometry parameters. Quantification of watershed morphometric parameters includes spatial, topographic, river length and river flow aspects in the watershed morphometry. The analysis shows that there are 15 morphometric parameters of the watershed that support the development of the Saba River rafting tour, namely area, length, width, main river length, slope, main river slope, center of gravity, median elevation, drainage density, form factor, number order 1 river, number of river order number 1, number of all rivers, total length of all rivers. The morphometry aspect, which is the slope of the Saba River 50 m/ km, is used as the basis for determining rafting paths only in segment 7. The 7 segment has a river slope reaching 14.2 m / km. Keywords: white-water, sustainable, morphometry, tourism



1. Pendahuluan Ekosistem menyediakan berbagai keuntungan bagi manusia. Salah satunya dalam bentuk nilai keindahan dan kegiatan rekreasi (Carolli et al., 2017). Sungai sebagai suatu ekosistem menyediakan berbagai macam jenis nilai keindahan dan kegiatan rekreasi (Russi et al., 2013). Fungsi sungai sebagai ekosistem ini kemudian banyak dikembangkan menjadi wisata berbasis keindahan alam, arung jeram salah satunya. Arung jeram menjadi salah satu wisata alam yang memacu adrenalin. Arung jeram menurut Federasi Arung Jeram Indonesia (FAJI) arung jeram adalah kegiatan mengarungi sungai dengan menggunakan perahu karet



maupun wahana sejenis lainnya dengan awak dua orang atau lebih yang mengandalkan kekuatan mendayung. Arung jeram pertama kali dikenalkan di Indonesia pada tahun 1975. Arung jeram mulai diakui sebagai salah satu cabang olahraga di Indosia sejak oleh Komisi Olahraga Nasional Indonesia (KONI). Sejak saat itulah arung jeram berkembang pesat di Indonesia sebagai cabang olahraga dan salah satu destinasi wisata. Wisata arung jeram merupakan wisata alam sehingga keberadaanya bergantung pada kondisi alam, khususnya sungai. Wisata arung jeram berkaitan erat dengan kondisi morfometri sungai. Morfometri sungai secara langsung dan tidak langsung mempengaruhi



155



keberadaan jeram di sungai. Debit, lebar, kemiringan dan tu sungai menjadi faktor utama terbentuknya jeram (Korua, 1997; Hasanah, 2017). Kemiringan sungai ideal untuk arung jeram yaitu 10-20 m/km. Turbulensi air sungai dipengaruhi pula oleh kondisi kekasaran dasar sungai. Lebar penampang sungai berpengaruh terhadap sebaran debit sungai secara lateral. Pengembangan wisata arung jeram menurut ORC (2010) haruslah mempertimbangkan faktor keselamatan. Banjir merupakan ancaman bagi kegiatan arung jeram. Perhitungan morfometri DAS membantu memprediksi debit banjir suatu DAS (Youssef et al., 2011) (Waikar & Nilawar, 2014) (Angillieri & Fernandez, 2017). Pola banjir ini digambarkan dalam sebuah grafik hubungan antara debit aliran dengan waktu sebagai hasil interaksi iklim dengan kondisi fisiografi DAS, yang disebut hidrograf banjir (Ramirez, 2000). DAS Saba merupakan DAS yang terletak di Kabupaten Buleleng, Bali. Luas DAS Saba mencapai 14.525,78 ha. Sungai Saba merupakan sungai utama yang memiliki panjang mencapai 35,73 km. Kondisi ini mendukung pengembangan wisata arung jeram di DAS Saba. Analisis morfomteri DAS Saba sangat penting



dilakukan dalam kajian hidrologi. Pengembangan wisata arung jeram haruslah memperhatikan kondisi hidrologi guna mempertimbangkan pengelolaan wisata. Oleh karenanya urgensi morfometri DAS Saba dalam keberlangsungan wisata arung jeram perlu dikaji. 2. Metodologi 2.1. Lokasi Kajian DAS Saba terletak di Kabupaten Buleleng, Bali. Secara administrasi DAS Saba melintasi dua wilayah kecamatan yaitu Kecamatan Seririt di hilir dan Kecamatan Busungbiu di hulu. Secara absolut terletak pada 8o 13’ 15,8” - 8o 18’ 34,8” LS dan 108o 43’ 37,9” 108o 55’ 49,2” BT. DAS Saba memiliki luasan mencapai 14.525,78 Ha. Terletak pada ketinggian 0-1800 mdpal, dengan topografi didominasi oleh wilayah bergelombang hingga perbukitan. Curah hujan rerata bulanan mencapai 205,97mm. Curah hujan maksimum bulanan mencapai 423,5 tercatat di bulan November 2017 (BPS, 2018). Penggunaan lahan di DAS Saba didominasi oleh hutan dan kebun, dibagian hulu serta permukiman dan sawah. Berikut lokasi kajian yang telah dilakukan (Gambar 1).



Gambar 13. Peta Lokasi Kajian DAS Saba, Kabupaten Buleleng, Bali



2.2. Alat dan Bahan Alat dan bahan yang digunakan dalam kajian morfometri DAS yaitu Digital Elevation Model (DEM yaitu AlosPalsar resolusi 12,5 meter, dan Peta RBI Skala 1:25.000 tahun 2017. Peta RBI Skala 1:25.000 menyediakan informasi jaringan sungai, ketinggian tempat, dan penggunaan lahan. Bahan lainnya berupa data-data hasil survey lapangan tahun 2019. Perlatan yang digunakan dalam kajian berupa seperangkat alat Global Positioning System (GPS), Rangefinder, Pita Ukur, Laptop, dan ArcGIS 10. 2.3. Metode Analisis Sistem Informasi Geografis (SIG) digunakan dalam metode kajian morfometri DAS sebagai pendukung perencanaan mitigasi bencana. DEM dijadikan sebagai dasar penentuan batas DAS dan



156



perhitungan parameter lainnya bersama peta sebaran jaringan sungai dan peta kontur ci 12.5. Morfometri Morfometri DAS merupakan ukuran dan analisis numerik dari sebuah konfigurasi daerah aliran sungai, bentuk dan dimensinya (Clark, 1966). Metode yang digunakan dalam perhitungan morfometri menggunakan analisis GIS yang diintegrasikan dengan data penginderaan jauh (Sangle & Yannawar, 2014). Digital Elevation Model (DEM) digunakan untuk menghitung parameter-parameter morfometri (Romshoo et al., 2012). DEM digunakan sebagai dasar untuk menentukan batas DAS. Perhitungan parameter-parameter morfometri dilakukan berdasarkan kajian terdahulu yang telah dilakukan oleh Strahler (1964), Horton (1932) dan Schumms (1956).



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019 Tabel 12 Parameter Morfometri DAS Berdasarkan Penelitian Terdahulu No 1



Parameter Orde Sungai



2 3 4



Panjang Sungai Utama Panjang dan lebar DAS Rasio panjang DAS



Formula Sistem hierarki berdasarkan penggal sungai Panjang Sungai Utama (Lu) Panjang (Lb) dan lebar DAS (W) RL = Lu/L(u-1)



5



Rasio bifurcasi



Rb = Nu/N(u+1)



6 7



Kerapatan aliran Faktor bentuk



D = Lu/A Rf = A/Lb2



8



Kemiringan sungai utama



S = (h85-h10)/0,75 Lu



9



Kemiringan DAS



10



Titik berat DAS



sb 



15



Median elevasi DAS Jumlah semua sungai Jumlah sungai orde 1 Jumlah panjang semua sungai Jumlah panjang sungai orde 1



L(u-1) = total panjang sungai orde lebih rendah N(u+1) = total panjang sungai orde lebih tinggi A = Luas DAS (km2) A = Luas DAS (km2) Lb = Panjang DAS h85 = ketinggian pada 0,85 Lu h10 = ketinggian pada 0,10 Lu



s( n 1) n a( n 1) n S(n-1)n = rata-rata land slope antara s12 a12 s23 a23   ...  dua kontur n-1 dan n A A A



( xi .n xi ) x 



n



( y .n ) y   i n yi 



11 12 13 14



Deskripsi -



Menggunakan Kurva Hipsometrik STi ST1 Li L1



A(n-1)n = area antara dua garis kontur (n-1) dan n n = jumlah titik grid dalam DAS nxi= jumlah titik potong menurut sumbu x dalam DAS nyi= jumlah titik potong menurut sumbu y dalam DAS i = nomor grid (1,2,3 …dst) -



Referensi Strahler (1964) Strahler (1964) Horton (1945) Horton (1945) Schumms (1956) Horton (1945) Horton (1945) Schumm (1956)



The Weighted Mean Method



Pareta et al. (2012)



Strahler (1964) Horton, 1945 Horton, 1945 Horton, 1945 Horton, 1945



(Sumber: Mokarram, 2015)



Pemetaan Jeram Pemetaan jeram dilakukan berdasarkan segmen yang diduga memiliki kemiringan lereng 10-20 m/km. hal tersebut merupakan syarat pertama yang harus dipertimbangkan dalam penentuan jalur arung



jeraam. Berdasarkan kemiringan lereng dan jalur yang sudah ada maka pemetaan arung jeram dilakukan pada segmen 7. Berikut merupakan lokasi pemetaan jeram Sungai Saba.



157



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



Gambar 14 Sebaran Segmen Sungai di DAS Saba, Kabupaten Buleleng, Bali



Pemetaan jeram dilakukan berdasarkan professional adjustment sepanjang jalur arung jeram yang sudah ada. Jeram dipetakan menggunakan Global Positioning Sistem (GPS). Pemetaan jeram dilakukan pada jalur arung jeram Sungai Saba dari start hingga finish. Dokumentasi dilakukan untuk memberikan gamabaran terkait kondisi fisik sungai dan kondisi rintangan sepanjang jalur arung jeram. Beberapa karakteristik fisik dilakukan untuk melengkapi parameter yang diinginkan. Parameter fisik yang diukur seperti kemiringan sungai dan debit sungai pada beberapa titik. Pengambilan sampel titik pengukuran dilakukan berdasarkan keberadaan jeramjeram yang bersifat unik. 3. Hasil dan Pembahasan Morfometri adalah kuantitatif karakteristik fisik DAS. Karakteristik DAS dapat ditinjau dari parameter areal, linear dan reliefnya. Morfometri dalam kajiannya hal yang paling penting dilakukan untuk mengetahui potensi, dan anaman bahaya di dalam das. Terdapat dua skala pengukuran yang dilakukan untuk mengidentifikasi potensi pengembangan wisata arung jeram. 3.1. Morfometri DAS Saba DAS Saba terletak di Kabupaten Buleleng, Bali. DAS Saba merupakan DAS yang berpotensi dalam pengembangan wisata aurng jeram. Hal ini ditandai telah munculnya jalur arung jeram sejak tahun 2017. Morfologi Sungai Saba diperkirakan mendukung untuk dilakukan pengembangan wisata arung jeram. Analisis morfometri dilakukan pada beberapa segmen di Sungai Saba untuk mendukung pengembangan wisata arung jeram yang berkelanjutan.



158



Karakteristik fisik ditunjukkan secara kuantitatif berdasarkan penelitian yang telah dilakukan oleh Strahler (1964), Horton (1932) dan Schumms (1956). Hasil perhitungan morfometri DAS Saba ditunjukkan pada Tabel 2. Tabel 13 Parameter Morfometri DAS Saba, Kabupaten Buleleng, Bali No Parameter 1 Luas DAS 2 Panjang DAS 3 Lebar DAS 0.75 4 Lebar DAS 0.25 5 Panjang Sungai Utama 6 Kemiringan Sungai Utama 7 Kemiringan DAS 8 Jumlah Orde 1 9 Jumlah panjang orde 1 10 Jumlah semua orde 11 Jumlah panjang semua orde 12 Faktor bentuk DAS 13 Lemniscate Constant (k) 14 Kerapatan drainase Sumber: Analisis, 2019



Nilai 145.25 km2 25.51 km 6.85 km 2.15 km 35.73 km 50 m/km 0.015 160 224.46 km 307 1487.31 km 0.29 1.12 1.98 km/km2



Morfometri DAS merupakan nilai atau kuantifikasi dari parameter morfologi. Analisis morfometri DAS secara tidak langsung memberikan gambaran terhadap bentuk dan karakteristik hidrologi DAS (Sukristiyanti et al., 2018). Terdapat 15 parameter morfometri yang diukur sebagai dalam pendukung analisis bencana banjir di DAS Saba yaitu luas, panjang, lebar, panjang sungai utama, kemiringan das, kemiringan sungai utama, faktor bentuk DAS, penetuan sistem orde sungai, jumlah semua sungai, jumlah semua sungai orde 1, jumlah panjang semua sungai, jumlah panjang semua sungai orde 1, median elevasi, kerapatan drainase dan titik berat DAS.



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



Berdasarkan Tabel 1 DAS Saba memiliki luas 145,55 km2. Berdasarkan DAS Saba masuk ke dalam kategori DAS yang Kecil (100-1000 km2) (Bina Pengelolaan Daerah Aliran Sungai dan Perhutanan Sosial, 2013). Luas DAS berpengaruh terhadap hasil air. Luasan DAS Saba yang kecil diduga memiliki hasil air yang rendah pula. Hal ini dipengaruhi oleh kemampuan DAS menangkap air hujan. Hujan yang ditangkap juga semakin banyak. Oleh karenanya luas DAS berpengaruh terhadap debit yang masuk ke dalam sisitem jaringan sungai. DAS memiliki bentuk memanjang (Gambar 3). Hal ini didukung dengan nilai Circularity Ratio (Rc) dan Lemniscate Constant (k) secara berturut-turut yaitu 0,29 dan 1,12. Bentuk DAS mempengaruhi waktu konsentrasi debit puncak pada outlet DAS (Sutapa, 2006). Panjang DAS mencapai 25,51 km dan lebar DAS mencapai 2,15 km, dengan nilai WL dan Wu berturut turut adalah 2,15 km dan 6,85 km. Karakteristik DAS saba dapat dilihat pada Gambar 3. Parameter relief DAS Saba digambarkan melalui parameter median elevasi dan kemiringan DAS. Berdasarkan hasil analisis median elevasi sering dipakai sebagai parameter ketinggian DAS. Hal ini dikarenakan ketinggian dala sebuah DAS



bervasirasi dari hulu hingga hilir. DAS Saba memiliki ketinggian yang didominasi pada 600 mdpal. Kemiringan DAS pada DAS Saba dihitung menggunakan metode mean slope method. Kemiringan rerata DAS Saba diketahui yaitu 0,015. Orde sungai merupakan parameter penting dalam perhitungan morfometri dan analisa banjir. Identifikasi orde sungai di DAS Saba digunakan dalam penentuan sungai utama dan kerapatan drainase. DAS Saba terhitung memiliki panjang sungai utama mencapai 35,75 km. Berdasarkan penentuan orde sungai menurut Strahler (1964) jumlah panjang sungai orde 1 (L1) adalah 224.46 Km. Jumlah panjang sungai (Li) adalah 1487,31 Km. Jumlah sungai orde 1 (ST1) adalah 160. Jumlah sungai orde 1 (ST1) adalah 307. Orde sungai secara tidak langsung berpengaruh terhadap kuantitas aliran yang masuk ke dalam sungai utama. Jumlah sungai orde 1 berpotensi meningkatkan sistem drainase sehingga potensi banjir semakin tinggi. Faktor percabangan sungai sungai berhubungan dengan kecepatan penurunan dan kenaikan tinggi muka air atau debit dalam sebuah penampang sungai utama. Hal ini, berpotensi mempengaruhi kondisi arung jeram di Sungai Saba, terutama di musim penghujan.



Gambar 15 Peta Morfometri DAS Saba, Kabupaten Buleleng, Bali



Kerapatan drainase adalah panjang aliran sungai per kilometer persegi luas DAS. Kerapatan drainase DAS Saba adalah 1,98 km/km2. Berdasarkan Soewarno (1991) DAS Saba termasuk ke dalam DAS dengan kerapatan drainase sedang. Semakin besar nilai kerapatan drainase semakin baik sistem pengaliran (drainase) di daerah tersebut. Besarnya sistem drainase secara tidak langsung menggambarkan kesempatan infiltrasi rendah. Semakin kerapatan drainase



meyebabkan mempengaruhi waktu konsentrasi debit puncak lebih cepat menuju hilir (Utama dkk, 2016). 3.2. Morfometri Segmen di Sungai Saba Faktor utama yang mempengaruhi keberadaan jeram dalam suatu penampang sungai yaitu kemiringan sungai, debit aliran, kekasaran dasar sungai, serta keberadaan meandering. Berikut Beberapa segmen Sungai Saba dengan karakteristiknya.



159



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019 Tabel 14 Kemiringan Segmen Sungai DAS Saba, Kabupaten Buleleng, Bali Segmen 1 2 3 4 5 6 7 8 9



Ketinggian (m) 787.5 325 200 150 50 62.5 37.5 25 25



Berdasarkan Tabel 3 segmen sungai dengan kemiringan wilayah yang memiliki potensi menjadi jalur arung jeram di Sungai Saba yaitu Segmen 5, Segmen 6 dan Segmen 7. Ketiganya mempunyai kemiringan sungai secara berturut-turut yaitu 19,2 m/km; 20,0 m/km; dan 14,2 m/km. Besarnya kemiringan sungai ideal yang dijadikan sebagai jalur arung jeram berkisar 10-20 m/km. Kemiringan sungai berhubungan dengan kecepatan aliran sungai. Semakin besar kemiringan sungai, kecepatan aliran semakin tinggi (Berhitu dan Mulyono, 2014). Segmen 5, 6, dan 7 memiliki kemiringan sungai berkisar 14-20m/km. Kelas kemiringan sungai 1520 m/km pada umumnya berbahaya apabila diarungi menggunakan perahu karet. Debit aliran berperan penting dalam kapasitas angkut sungai. Debit aliran Sungai Saba sangat dipengaruhi oleh adanya Bendungan Titab-Ularan, terutama pada Segmen 6 dan 7. Segmen 6 tidak berpotensi dijadikan jalur arung jeram akibat arus yang sangat tenang. Segmen 6 merupakan segmen sungai yang berada sebelum bendungan. Posisinya menyebabkan aliran tidak mengalir, dan menjadi lebih tenang. Segmen 7 merupakan segmen jalur arung jeram yang telah ada. Posisi start point berada setelah bendungan, sehingga kondisi debit sungai sangat tergantung pada bendungan terutama pada musim kemarau. Kondisi debit alami pada musim kemarau tidak memungkinkan dilakukan pengarungan, apabila pintu air bendungan tidak dibuka. Berikut merupakan gambaran umum Segmen 5, Segmen 6 dan Segmen 7. Mc Ginnis (1975) dalam Hasanah 2018) menyatakan kondisi debit yang sesuai untuk kegiatan arung jeram sekitar 20-200 m3/s.



(a)



160



Kemiringan air permukaan m/km



Panjang (m) 6423 4345 4028 4526 2603 3125 2645 2724 4500



122.6 74.8 49.7 33.1 19.2 20.0 14.2 9.2 5.6



(b)



(c) Gambar 4 Kondisi Morfologi Sungai Saba di (a) Segmen 5 (b) Segmen 6 dan (c) Segmen 7 Meandering dan kekeasaran dasar sungai menjadi syarat tambahan terbentuknya jeram sungai. (Marlina dkk. 2017) (Soewarno 1991) menyebutkan bhwa turbulensi air terjadi akibat kondisi dasar sungai yang tidak merata. Berdsarakan hasil survey lapangan meandering lebih sering dijumpai di Segmen 7 dibandingkan Segmen 5 dan Segmen 6. DAM banyak muncul dalam Segmen 7. Keberadaan DAM, memunculkna tipe jeram yang berbeda. DAM memberikan dampak turbulensi yang data dijadikan alternative atraksi dalam wisata arung jeram di Sungai Saba. Debit dan kapasitas maksimum Analisis debit puncak digunakan untuk mengestimasi besarnya dan lamanya aliran sampai pada outlet. Berdasarkan Tabel 4. Debit puncak di Subdas Saba pada satu kejadian hujan yang jatuh merata adalahan 11,89 m3/s. Debit puncak tersebut akan sampai pada outlet dalam waktu 13,15 jam dari dimulainya hujan. Hal ini mengindikasi terdapat hubungan erat anatara morfometri DAS terhadap kecepatan aliran sampai ke outlet. Subdas Saba yang memiliki bentuk memanjang memiliki waktu puncak 13 jam. Aliran akan berkumpul pada sungai utama dalam jarak waktu yang relative lebih



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



lama pada DAS memanjang (Soewarno, 1991). Aliran akan kembali normal selama 24,10 jam, sehinggan selama 11 jam setelah terjadi debit puncak aliran akan surut. Tabel 4 Parameter HSS Gama I pada Subdas Saba, Kabupaten Buleleng, Bali No 1 2 3



Parameter Waktu Puncak Waktu Dasar Debit Puncak



Nilai 13.15 jam 24.1 jam 11.89 m3/s



Sumber : (Hasil analisis, 2019)



Karaktersitik saluran yang diambil pada penampang sungai Saba pada (Zona 49S X: 272002,64 Y: 9090674,93) didapatkan karakteristik seperti pada Tabel 5. Tabel 5 Parameterisasi Kondisi Saluran di Sungai Saba, Kabupaten Buleleng, Bali No 1 2 3 4 5 6 7



Parameter Luas Penampang Perimeter basah Lebar Penampang Koefisien Manning Kemiringan Permukaan Air Jari-jari Hidrolik Kapasitas Maksimum



Nilai 3,9 m2 12,75 m 13 m 0,034 0,017 0,31 m 6,94 m3/s



Sumber: (Hasil Analisis, 2019)



Tabel 5 menunjukkan karakteristik saluran Sungai Saba. Sungai Saba. Berdasarkan karakteristik Sungai Saba tersebut kapasitas maksimum saluran mencapai 6,94 m3/s. Kapasitas maksimum saluran menunjukkan debit maksimum yang dapat ditampung dalam satu penampang sungai. Berdasarkan hasil perhitungan debit puncak dan kapasitas maksimum, ketika hujan jatuh dengan intensitas tertemtu Sungai Saba berpotensi mengalami kejadian banjir ketika aliran mencapai debit puncaknya. Potensi Wisata Arung Jeram Sungai Saba Pengolahan data morfometri DAS menghasilkan sejumlah data baru, salah satunya adalah gradien sungai per segmen. Setelah diidentifikasi, segmen 7 memiliki tingkat kesesuaian yang paling sesuai. Oleh karena itu kajian potensi wisata arung jeram difokuskan hanya pada segmen 7. Variasi Jeram Variasi jeram ditentukan oleh material dan morfologi dasar sungai serta tinggi muka air. Pada ketinggian air 40-70 cm terdapat variasi jeram yang cukup bervariasi. Jeram pada lokasi segmen 7 secara umum diisi oleh standing wave. Jeram jenis eddy sesekali muncul, begitu pula dengan pillow dan stopper. Terdapat kurang lebih tiga undercut sepanjang jalur. Terdapat pula satu bottle neck pada bagian awal segmen. Adanya jeram dapat menjadi atraksi tersendiri bagi turis. Turis bisa menikmati sensasi terombangambing, terguncang, jatuh bahkan sampai terbalik. Hal ini sangat menjual jika ditawarkan kepada wisatawan. Berikut merupakan beberapa jenis jeram yang ditemui di jalur pengarungan.



Gambar 5 Sebaran Jeram di Jalur Pengarunngan Wisata Sungai Saba, Kabupaten Buleleng, Bali Keberadaan Bendungan Potensi yang bisa dimanfaatkan secara maksimal di segmen 7 adalah debit air yang bisa dikendalikan karena letaknya yang berada di outlet sebuah bendungan. Potensi ini jarang dimiliki oleh sungai-sungai lain. Beberapa potensi yang bisa dimanfaatkan diantaranya adalah pengaturan tinggi muka air yang fleksibel sesuai kebutuhan. Perlu diingat, tinggi muka air yang berbeda akan mengubah variasi jeram yang ada. Yang kedua adalah dari segi keamanan. Tinggi muka air dan debit yang bisa diatur memperkecil peluang terjadinya banjir yang membahayakan wisatawan. Yang ketiga adalah pembukaan wisata arung jeram bisa dilakukan sepanjang musim karena ketersediaan air yang setiap saat ada. Hal ini berbeda dengen sungai-sungai lain yang tidak berada dibawah bendungan atau DAM. Pemandangan Sepanjang Jalur Jalur arung jeram sungai saba terletak di kaki gunung api purba Bratan-Buyan. Sisa kenampakan akibat proses fluvio-vulkanik masa lampau menghasilkan bentukan tebing yang tinggi yang ditumbuhi berbagai tumbuhan khas pegunungan. Tak jarang disela-sela perjalanan, wisatawan juga menemukan air terjun kecil yang berupa rembesan air dari tebing-tebing tersebut. Hal ini menambah keindahan pemandangan selama perjalanan. Selain itu juga terdapat barisan sawah di tepi sungai yang membentuk terasering. Hijaunya sawah yang tertata rapi dapat menyejukkan mata para turis. Masyarakat Lokal Keberadaan rintisan wisata arung jeram di kecamatan Busungbiu disambut baik oleh masyarakat di sepanjang lintasan jalur arung jeram. Karakter masyarakat desa yang ramah dan terbuka menjadi suatu kenunggulan. Secara nyata bentuk partisipasi ditunjukkan dengan partisipasi aktif masyarakat dalam membangun POKDARWIS (Kelompok Sadar Wisata)



161



yang diberi nama SWISS. POKDARWIS ini beranggotakan masyarakat lokal yang dilatih untuk menjalankan wisata arung jeram, mulai dari operator, pemandu wisata, sampai bagian administrasi. Masyarakat yang tergabung dalam organisasi ini merupakan warga lokal dari lima desa yang dilewati oleh jalur arung jeram. Akses Jalan dan Fasilitas Umum SWISS (Wisata Sungai Saba) berada di Ularan, Ringdikit, Seririt, Kabupaten Buleleng, Bali. Jarak start point wisata arung jeram dari pusar kota Kecamatan Seririt sekitar 9-12 km, dapat ditempuh selama ± 30 menit. Wisata arung jeram berjarak 30 km dari Kota Singaraja dan dapat ditempuh selama ± 1 jam. Jalur tercepat menuju start point melalui Jalan-Seririt Pupua, Akses lainnya menuju lokasi wisata arung jeram dapat ditempuh melalui jalan seririt-pupuan. Jalur alternatif lain dapat ditempuh melalui Jalan Raya Ularan. Kondisi akses jalan di sekitar wisata arung jeram merupakan jalan aspal dan jalan beton. Berikut merupakan gambaran kondisi akses di sekitar area wisata arung jeram.



Gambar 5 Kondisi Jalan di Sekitar Wisata Arung Jeram Sungai Saba, Kabupaten Buleleng Bali Mitigasi Bencana Banjir di Subdas Saba Berdasarkan hasil analisa morfometri dan debit puncak, Sungai Saba berpotensi terjadi banjir. Kondisi saat ini salah satu bentuk mitigasi yang telah dilakukan pemerintah Kabupaten Buleleng adalah pembangunan bendungan di Sungai Saba. Bendungan Titab-Ularan berada di bagian tengah Subdas. Keberadaan bendungan Titab-Ularan menjadi pengontrol aliran dalam saluran baik pada musim penghujan maupun musim kemarau, serta sebagai penampung cadangan air sehingga ketersediaan air tercukupi. Analisis morfometri dan karakteristik hidrologi masih perlu dilakukan terutama untuk mengantisipasi kejadian banjir di bagian hulu (wilayah sebelum bendungan). Keberlanjutan dari perencanaan mitigasi bencana diperlukan pemetaan detail terhadap potensi bahaya banjir di Subdas Saba.



162



4. Kesimpulan/Rekomendasi Kajian morfometri sebagai pendukung pengembangan wisata arung jeram yang berkelanjutan sangat penting. Terdapat 15 parameter morfometri yang dapat digunakan sebagai dasar pengembangan wisata arung jeram berkenjutan yaitu luas, panjang, lebar, panjang sungai utama, kemiringan, kemiringan sungai utama, titik berat, median elevasi, kerapatan drainase, faktor bentuk, jumlah sungai orde 1, jumlah panjang sungai orde 1, jumlah semua sungai, jumlah panjang semua sungai. Analisis morfometri tersebut dapat digunakan sebagai dasra penentuan segmen sungai, jalur pengarungan, serta dapat dijadikan dasar manjemen risiki bencana dalam pengembangan wisata arung jeram. DAFTAR PUSTAKA Angillieri, M, Y, E and Fernandez, O, M. 2017. Morphometric Analysis of River Basins Using GIS and Remote Sensing of an Andean Section of Route 150, Argentina. A Comparison between Manual and Automated Delineation of Basins. REVISTA MEXICANA DE CIENCIAS GEOLOGICAS, 34 (2), PP: 150-156. DOI: http://dx.doi.org/10.22201/cgeo.20072902e.2017. 2.482. Berhitu, P, T., dan Mulyono, R, M. 2014. Analisa Karakteristik Hidrologi dan Model Dinamik Das Way Ruhu pada Kawasan Pesisir Desa Galala Kota Ambon. Jurnal TEKNOLOGI, 11 (2), hal: 2045 - 2053 BPS. 2018. Kabupaten Buleleng dalam Angka Tahun 2018. Denpasar: BPS Kabupaten Buleleng. Carolli, M. et al. 2017. Modelling White-Water Rafting Suitability in a Hydropower Regulated Alpine River. Science of the Total Environment, 579, pp: 1035-1049. Clark, J, I. 1966. Morphometry from Maps Essay in zgeomorphology. New York: Elsevier publishing company. pp: 235-274 Hasanah, M., Sugiyanta, I, G., dan Miswar, D. 2018. Karakteristik Jalur Arung Jeram d Way Sekampung Provinsi Lampung Tahun 2016. Jurnal Skripsi. Lampung: Universitas Lampung. Horton, R.E., 1932, Drainage basin characteristics, Transactions American Geophysical Union, vol. 13, pp. 350–361. Korua, Lodi dkk.1997. Panduan Dasar Arung Jeram. Jakarta: FAJI. McGinnis, William. 1994. Whitewater Rafting. Quadrangle. New York: The New York Times Book Co. Marlina, N., Hudori., dan Hafidh, R. 2017. Pengaruh Kekasaran Saluran Dan Suhu Air Sungai pada Parameter Kualitas Air Cod, Tss di Sungai Winongo Menggunakan Software Qual2kw. Jurnal Sains dan Teknologi Lingkungan, 9 (2), hal. 122-133. Mokarram, M., and Sathyamoorthy, D. 2015. Morphometric Analysis of Hydrological Behavior Of North Fars Watershed, Iran. Pareta, K., dan Pareta, U. 2012. Quantitative Geomorphological Analysis of a Watershed of Ravi River Basin, H.P. India. Remote Sensing and GIS, Volume 1, Issue 1, pp. 47-62. Peraturan Direktur Jenderal Bina Pengelolaan Daerah Aliran Sungai Dan Perhutanan Sosial Nomor : P. 3/VSet/2013 Tentang Pedoman Identifikasi



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019 Karakteristik Daerah Aliran Sungai , Kementerian Kehutanan. Ramírez, J. A., 2000. Prediction and Modeling of Flood Hydrology and Hydraulics. Chapter 11 of Inland Flood Hazards: Human, Riparian and Aquatic Communities Eds. Ellen Wohl; Cambridge University Press. Romshoo, S, A., Bhat, S, A., and, Rashid, I. 2012. Geoinformatics for assessing the morphometric control on hydrological response at watershed scale in the Upper Indus Basin. J. Earth Syst. Sci. 121, No. 3, June 2012, pp. 659–686. Russi, D., ten Brink, P., Farmer, A., Badura, T., Coates, D., Förster, J., Kumar, R., Davidson, N. 2013. The economics of ecosystems and biodiversity for water and wetlands. Tech. rep., IEEP, London and Brussels, Ramsar Secretariat, Gland. Sangle, A, S., dan Yannawar, P, L. 2014. Morphometric Analysis of Watershed using GIS and RS: A Review. International Journal of Engineering Research & Technology (IJERT), 3(11), pp. 599-602. Schumms, S.A., 1956, Evolution of drainage systems and slopes in Badlands at Perth Amboy, New Jersey, Bulletin of the Geological Society of America, vol. 67, pp. 597–646. Soewarno. 1991. Hidrologi: Pengukuran dan Pengolahan Data Aliran Sungai (Hidrometri). Bandung: Nova. Strahler, A.N., 1964, Quantitative Geomorphology of Drainage Basins and Channel Networks, in Handbook of Applied Hydrology, V. T. Chow, Ed., section 4–11. New York: McGraw-Hill. Sukristiyanti, S., Maria, R., dan Lestiana, H. 2018. Watershedbased Morphometric Analysis: A Review. Earth and Environmental Science, (118), doi:10.1088/17551315/118/1/012028. Sutapa, I Wayan. 2006. Studi Pengaruh dan Hubungsn Variabel Bentuk DAS terhadap Parameter Hidrograf Satuan Sintetik. Jurnal SMARTek, Vol. 4, No. 4, Nopember 2006: 224 – 232. Waikar, M. L., & Nilawar, A. P. 2014. Morphometric Analysis of a Drainage Basin Using Geographical Information System: A Case study. International Journal of Multidisciplinary and Current Research , 2. Youssef, A.M., Pradhan, B., Hassan, A.M., 2011, Flash flood risk estimation along the St. Katherine road, southern Sinai, Egypt using GIS based morphometry and satellite imagery, Environmental Earth Sciences, 62(3), pp. 611–623, 2011.



163



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



Pemetaan Zona Potensi Fishing Ground Berdasarkan Konsentrasi Klorofil-A dan Posisi Sebaran Kapal Ikan (Studi Kasus di Perairan Kota Padang) Dandi Arianto Pelly a, Nada Fauziah b, Muh Aris Marfai c, Evita Hanie Pangaribowo c , aMPPDAS



Universitas Gadjah Mada, Yogyakarta ; [email protected] Geografi, Universitas Negeri Padang, Padang ; [email protected] c, Fakultas Geografi Universitas Gadjah Mada, Yogyakarta bJurusan



ABSTRAK Penelitian ini bertujuan untuk mengidentifikasi konsentrasi Klorofil-a dengan distribusi spasial temporal berdasarkan musim, memetakan sebaran posisi kapal ikan yang terdeteksi sensor VIIRS, dan menganalisis area potensial Fishing Ground di perairan laut Kota Padang. Metode spatio temporal geostatistik yang digunakan dalam penelitian adalah metode kriging untuk mengetahui sebaran spasial wilayah dengan konsentrasi klorofil-a pada waktu tertentu. Pengolahan data produk sensor VIIRS Boat Detection (VBD) untuk mengetahui posisi kapal menggunakan analisis atribut dengan sebaran koordinat temporal. Analisis zona potensi Fishing Ground dilakukan menggunakan metode Overlay Matching antara area konsentrasi klorofil-a dengan posisi persebaran kapal VBD. Hasil dari penelitian ini menunjukkan bahwa musim dengan kandungan klorofil-a tinggi adalah pada awal musim peralihan barat ke musim timur dengan bulan Juli sebagai bulan yang memiliki kandungan klorofil-a tertinggi sebesar 2,68 mg/m³, sedangkan kandungan terendah terjadi pada akhir musim timur hingga musim barat yaitu sebesar 0,1 mg/m³ yaitu pada bulan Desember dan Januari, untuk hasil interpolasi kriging menunjukkan Root Mean Square error (RMSe) rata rata tahunan sebesar 0.05852. Deteksi posisi kapal oleh sensor VBD tertinggi ialah pada musim timur (Juni, Juli, dan Agustus) yaitu 725 deteksi dan terendah pada musim peralihan timur (September, Oktober, November) yaitu 180 deteksi. Posisi sebaran kapal lebih sering ditemukan pada wilayah dengan konsentrasi Klorofil-a sedang hingga tinggi. Zona potensi Fishing Ground pada Musim Barat terdapat di sekitar perairan Kecamatan Padang Utara, namun pada musim ini potensi nya sangat rendah, Musim Peralihan Barat terdapat pada kawasan Konservasi Taman Wisata Perairan Pulau Pieh, pada Musim Timur memiliki zona potensi Fishing Ground yang tinggi ditandai dengan konsentrasi klorofil-a tinggi yang tersebar merata dan banyak nya kapal penangkapan ikan, serta Musim Peralihan Timur terdapat pada wilayah Perairan Kecamatan Koto Tangah ke arah utara perairan yang belum di teroptimalkan karena banyaknya kapal yang masih menangkap ikan di daerah kandungan klorofil-a rendah hingga sedang. Keywords: Klorofil-a, Kriging, VIIRS Boat Detection, Fishing Ground, Kota Padang



ABSTRACT This study aims to identify the concentration of Chlorophyll-a with the spatial temporal distribution based on the season, the map distribution of the position fishing boats detected by the VIIRS sensor, and analyze potential areas of Fishing Ground in the sea waters of Padang City. The geostatistical spatio temporal method used in the study was the kriging to determine the spatial distribution of regions with chlorophyll-a concentrations at certain times. Data processing of VIIRS Boat Detection (VBD) sensor products to determine the position of the boats using attribute analysis with the distribution of temporal coordinates. Analysis of the potential fishing ground zone was carried out using the Overlay Matching method between the area of moderate to high chlorophyll-a concentration with the position of distribution boats from VBD. The results of this study indicate that the season with high chlorophylla content is at the beginning of the western transition season to the east season with July as the month which has the highest chlorophyll-a content of 2.68 mg/m³, while the lowest content occurs at the end of the east season up to the western season which is equal to 0.1 mg/m³ in December and January, for the results of kriging interpolation show the Root Mean Square error (RMSe) annual average of 0. 05852. The highest detection of vessel position by the VBD sensor is in the eastern season (June, July and August), which is 725 detections and the lowest in the eastern transition season (September, October, November), which is 180 detection. The position of boats distribution is more common in areas with moderate to high Chlorophyll-a concentrations. The Fishing Ground potential zone in West Season is around the waters of North Padang Subdistrict, but this season the potential is very low, the Western Transition Season is in the Pieh Island Aquatic Park Conservation Area, in East Season has a high potential Fishing Ground zone characterized by concentration high chlorophyll-a spread evenly and many fishing boats, and the Eastern Transition Season is in the waters of the Koto Tangah Subdistrict to the north of the waters which have not been optimized because of the many boats that still catch fish in the area of low to moderate chlorophyll-a. Keywords: Chlorophyll-a, Kriging, VIIRS Boat Detection, Fishing Ground, Padang City.



1. Pendahuluan Perairan timur laut Samudera Hindia yang meliputi perairan Barat Sumatera dan Selatan JawaSumbawa merupakan perairan oseanis tropis, umumnya memiliki konsentrasi klorofil-a yang rendah (Hong et al., 2012). Namun pada periode musim-musim



164



tertentu di beberapa tempat akan terjadi peningkatan konsentrasi krolofil-a pada bagian perairan oseanis lebih mendekat ke pantai (Xue et al., 2016). Sebaran konsentrasi klorofil-a tinggi di perairan pantai akibat dari tingginya suplai nutrien yang berasal dari daratan



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



melalui limpasan air sungai dan sebaliknya cenderung rendah di daerah lepas pantai karena tidak adanya suplai nutrien dari daratan secara langsung. Meskipun demikian di beberapa tempat masih ditemukan konsentrasi klorofil-a yang cukup tinggi pada area jauh dari daratan. Keadaan tersebut disebabkan oleh adanya proses sirkulasi massa air yang memungkinkan terangkutnya sejumlah nutrien dari tempat lain pada lapisan dalam ke permukaan lautan (Zhang et al., 2018). Proses pernaikan massa air ini dikenal dengan proses upwelling yang merupakan kekosongan massa di lapisan permukaan dan harus diganti oleh massa air di lapisan dalam laut, hal ini terjadi karena pengembangan pada pola Suhu Permukaan Laut (SPL) (Azis 2006; Babu, Geetha, and Soman 2016). Kompensasi dari kehilangan massa air di daerah perairan akan menggerakkan air yang lebih dingin dan kaya nutrien dari dasar perairan ke permukaan. Massa air yang terangkat dan kaya nutrien ini menstimulasi pertumbuhan produsen primer seperti fitoplankton dan produksi perikanan. Dengan demikian, coastal upwelling memiliki dampak yang signifikan terhadap ekosistem serta perikanan (Barth et al. 2007). Proses ini dapat memperbesar jumlah plankton di laut sehingga menjadikan daerah ini sebagai daerah perikanan yang kaya. Sistem upwelling Jawa bagian selatan dan barat Sumatera merupakan sistem upwelling batas timur daerah tropis, hal ini unik karena didorong oleh sistem angin munson (musim) khas Samudera Hindia (sistem upwelling angin munson). Upwelling ini hanya muncul selama musim hujan tenggara dari bulan Juni hingga bulan Oktober (Susanto, Gordon, & Zheng, 2001). Dengan demikian secara umum, perairan barat Sumatera dan selatan Jawa-Sumbawa kemungkinan memiliki pola sebaran klorofil-a yang berbeda baik secara spasial maupun temporal. Perbedaan tersebut disebabkan karena angin muson yang bertiup di atas perairan ini selalu berubah berdasarkan musim (Susanto, Moore, & Marra, 2006). Klorofil-a adalah salah satu pigmen fotosintesis yang paling penting bagi organisme yang ada di perairan, banyak ditemukan dan merupakan kandungan pigmen utama pada organisme Fitoflankton. Ada empat macam klorofil yang dikenal hingga saat ini yang dimiliki fitoplankton yaitu klorofil-a, klorofil-b, klorofil-c dan klorofil-d, disamping itu ada beberapa jenis pigmen fotosintesis yang lain seperti karoten dan xontofil dari pigmen tersebut, klorofil-a merupakan pigmen yang paling umum yang terdapat dalam fitoplankton, oleh karena itu konsentrasi fitoplankton sering dinyatakan dalam konsentrasi klorofil-a (Tangke, Karuwal, Zainuddin, & Mallawa, 2015). Fitoplankton adalah penyumbang utama produktivitas primer di laut, Keberadaan nya menjadi



indikator kesuburan suatu perairan (Patra et al. 2018; Hong et al. 2012). Siklus musiman fitoplankton di wilayah pesisir sangat jelas, komposisi spesies dan produksi primer. Oleh karena itu, siklus musiman komunitas fitoplankton mempengaruhi seluruh komunitas sektor melalui hubungan trofik (Armi, Trabelsi, Turki, Béjaoui, & Maïz, 2010). Klorofil-a merupakan komponen penting yang didukung fitoplankton dan tumbuhan air yang mana keduanya merupakan sumber makanan alami bagi ikan (Yu, Chen, & Yi, 2017). Perkembangan teknologi penginderaan jauh telah mengalami kemajuan yang sangat pesat di bidang kelautan dalam penentuan lokasi penangkapan potensial jenis ikan yang memiliki nilai ekonomis tinggi dengan mendeteksi parameter oseanografi penting yang mempengaruhi keberadaan ikan seperti yang dilakukan oleh Nurdin et al. (2017) dengan mengidentifikasi hubungan antara distribusi ikan berdasarkan jumlah kandungan Klorofil-a dan Suhu Permukaan Laut (SPL) mengunakan Citra Aqua MODIS wilayah Sulawasi Selatan. Zhang et al. (2018) melakukan penelitian untuk mengidentifikasi distribusi nutrisi, Klorofil a fitoplankton dan silika perairan menggunakan data citra satelit Aqua MODIS di Laut Cina Timur. Prakiraan daerah potensial penangkapan ikan berdasarkan hasil analisis dari data-data satelit oseanografi, pemodelan statistika dan sistem informasi geografis (SIG) telah dikembangkan untuk meningkatkan efisiensi penangkapan ikan pelagis kecil dengan memprediksi waktu perpindahan ke Perairan Jepang dari wilayah pasifik (Miyamoto et al., 2019). Zona Penangkapan ikan pelagis besar yaitu tuna sirip kuning di Sumatera Barat (Siregar, Siregar, & Agus, 2018). Variasi spatial dari ikan demersal (Xu et al., 2019). Sumber daya ikan pada kenyataannya tidak tersebar merata di seluruh kawasan perairan. Keberadaan ikan-ikan tertentu dengan karakteristik tertentu juga sangat tergantung dengan kondisi lingkungan laut dan produktifitas primer lautan. Oleh sebab itu, diperlukan pengalaman serta kemampuan memahami teknologi agar dapat memaksimalkan hasil tangkapan ikan serta memungkinkan untuk prediksi zona ikan yang potensial. Dalam perspektif ini, penelitian ini bertujuan untuk mengidentifikasi variasi dari konsentrasi Klorofila di wilayah perairan laut Kota Padang dengan distribusi spasial temporal berdasarkan musim, Untuk memetakan sebaran posisi kapal pengakapan ikan yang terdeteksi sensor VIIRS di perairan laut Kota Padang tahun 2018, dan untuk menganalisis area potensial penangkapan ikan. Fishing Ground di perairan laut Kota Padang.



165



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



2. Metodologi Lokasi penelitian ini terletak di wilayah perairan Kota Padang, Provinsi Sumatera Barat (Gambar 1). Kota Padang merupakan kota pelabuhan besar di pesisir barat Sumatera yang menjadi pusat dari Wilayah Pengelolaan Perikanan Indonesia di wilayah Samudera Hindia Bagian Timur. Wilayah perairan pesisir barat Kota Padang merupakan sumber utama penghasilan dari ribuan nelayan untuk



memenuhi hidup dan kehidupan nya, keluarga serta puluhan ribu warga Kota Padang dari hasil perikanan laut yang merupakan sumber makan bagi warga Kota Padang maupun luar Kota Padang. Perairan Kota Padang terletak pada posisi astronomis 100°3'16"BT0°48'53"LS dan 100° 24' 47" BT - 1°9'51"BT dengan kisaran luas daerah penelitian sebesar 90,327.58 hektar.



Gambar 1. Peta Lokasi Penelitian Perairan Laut Kota Padang.



Data yang dibutuhkan dalam penelitian ini yaitu data ekstraksi Konsentrasi Klorofil-a citra satelit Aqua-Modis level 3 dengan resolusi spasial 4,63 Km, dari bulan Januari hingga Desember tahun 2018 yang diperoleh dengan cara mengunduh pada website Oceancolor NASA dengan format data NetCDF. Data Posisi Sebaran Kapal dari hasil perekaman sensor VIIRS Boat Detection (VBD) perhari selama tahun 2018 yang di unduh di halaman website milik NOAA berupa data format CSV. Metode pengolahan data NetCDF citra Aqua MODIS level 3 menggunakan perangkat lunak SeaDAS 7.53 untuk mendapatkan hasil ekstraksi nilai Konsentrasi Klorofil-a, namun sebelumnya harus di crop terlebih dahulu pada wilayah parairan laut Kota Padang dan kriging merupakan teknik interpolasi spasial yang lebih baik dari lainnya (inverse distance method, splines, regresi polinomial, dan lainnya) karena tidak hanya memperhitungkan karakteristik geometris dan jumlah serta organisasi lokasi, tetapi juga mempertimbangkan struktur korelasi spasial yang disimpulkan dari ketersediaan informasi struktur semivariogram, sehingga menghasilkan prediksi yang lebih andal secara spatial dan spatio temporal. Analisis data produk sensor VIIRS Boat Detection (VBD) untuk mengetahui posisi kapal menggunakan analisis atribut dengan koordinat sebaran spasial temporal, jenis obyek yang terdeteksi beserta QF



166



dilakukan konversi menjadi data Shapefile berupa point agar dapat di input kedalam ArcGis untuk di proses secara spasial. Sedangkan data posisi Kapal VBD format CSV di olah menggunakan perangkat lunak Microsoft Excel untuk mendapatkan nilai koordinat, waktu perekaman, jenis obyek yang terdeteksi beserta Quality Flag Detection (QF Detection) atau kualitas dari tanda/obyek yang terdeteksi. Metode analisis dalam penelitian ini menggunakan geostatistik dengan interpolasi metode kriging untuk mengetahui sebaran spasial wilayah dengan konsentrasi klorofil-a pada waktu waktu tertentu. Menurut Montero, Avilés, and Mateu (2015) Detection yang diseleksi pada QF 1,2 dan 3 (Tabel 1) untuk kategori kapal perahu deteksi kuat, lemah dan samar samar. Data excel posisi kapal ini di konversi menjadi data shapefile (Gambar 2) menggunakan perangkat lunak ArcGIS 10.1 dengan tool Add X,Y Data. Analisis atribut (Basisdata Atribut) di ArcGIS terdiri dari Database Management System (DBMS) untuk membuat, menghapus, membuat tabel basis data, mengisi dan menyisipkan data kedalam tabel, membaca dan mencari data dari tabel, mengubah atau mengedit data yang ada didalam table, serta membuat indeks untuk setiap basis data. Seluruh data pada atribut akan



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



terintegrasi dengan data spasial yang memiliki nilai koordinat tertentu pada tampilan peta.



Gambar 2. Sebaran posisi kapal produk sensor VIIRS Boat Detection (VBD) yang telah diseleksi pada QF Detection 1, 2 dan 3 untuk kategori kapal/perahu deteksi kuat, lemah dan samar samar, melalui Analisis Atribut.



Penentuan zona potensi dari area Fishing Ground di analisis menggunakan metode Overlay matching antara daerah interpolasi dari konsentrasi klorofil-a dengan distribusi sebaran posisi kapal penagkapan ikan sesuai musim. Terdapat empat musim yaitu musim barat (Desember, Januari, Februari) musim peralihan barat (Maret, April, Mei), musim timur (Juni, Juli, Agustus) dan musim peralihan timur (September, Oktober, November). Untuk klasifikasi zona potensi Fishing Ground dibagi menjadi empat kategori yaitu Zona Potensi Tinggi teroptimalkan, Zona Potensi Tinggi tidak teroptimalkan, Zona Potensi Sedang, dan Zona Potensi Rendah. 3. Hasil dan Pembahasan 3.1. Sebaran konsentrasi klorofil-a di wilayah perairan laut Kota Padang. Variasi sebaran konsentrasi klorofil-a di perairan Kota Padang Provinsi Sumatera Barat dipengaruhi oleh banyak faktor diantara nya ialah dinamika massa air, interaksinya terhadap kondisi atmosfer dan kedalaman perairan. Secara umum massa air dengan kelimpahan kandungan Klorofil-a yang tinggi di perairan Kota Padang berada di perairan dangkal kurang dari 100 m dekat dengan pesisir pantai. Sebaran klorofil-a yang diekstrak dari citra satelit Aqua MODIS level 3, hasil perekaman selama tahun 2018 dari januari hingga Desember menghasilkan variasi nilai kosentrasi klorofil-a yang berbeda beda setiap musimnya. Sebarasan spasial kandungan klorofil-a pada



musim barat yang terjadi pada bulan Desember, Januari dan Februari, berkisar antara 0.049 mg/m³ - 0.154 mg/m³ dengan rata-rata 0.08 mg/m. Musim barat merupakan musim dengan kandungan klorofil-a yang paling rendah dari musim lainnya dengan wilayah perairan yang memiliki klorofil-a rendah secara spasial lebih luas (Gambar 3). Pada musim peralihan barat di bulan Maret, April Mei, kandungan klorofil-a di wilayah pesisir pantai kota Padang mulai meningkat, berkisar 0.23 mg/m³ - 0.73 mg/m³. Namum pada musim ini, sebaran klorofil-a masih terkonsentrasi tidak merata pada kawasan konservasi taman wisata Pulau Pieh. Pada musim timur bulan Juni, Juli, dan Agustus, kandungan klorofil-a di perairan Kota Padang lebih tinggi dari musim lainnya dan tersebar secara merata di perairan dangkal kurang dari 100m dengan kisaran kandungan klorofil-a antara 0.23 mg/m3 hingga 1.29 mg/m3. Pola penyebaran klorofil-a yang terjadi musim timur ini berdasarkan gambar peta hasil interpolasi kriging tipe ordinary, menunjukkan sebaran yang hampir merata di seluruh perairan namun terkonsentrasi tinggi di daerah dekat pantai arah utara yang berbatasan dengan Kabupaten padang pariaman. Pada musim peralihan timur, kandungan klorofil-a relatif rendah dibandingkan musim peralihan barat. Kondisi klorofil-a pada musim peralihan timur berkisar antara 0,17 mg/m3 – 0,73 mg/m3, dengan area luasan yang lebih sempit .



167



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



Gambar 3. Sebaran Konsentrasi klorofil-a berdasarkan musim (a) pada musim barat yaitu bulan Desember,Januari, Februari, (b) musim peralihan barat yaitu bulan Maret, April, Mei, (c) musim timur yaitu bulan Juni, Juli, Agustus, (d) musim peralihan timur yaitu bulan September, Oktober, dan November.



Penentuan area sebaran konsentrasi klorofil-a menggunakan interpolasi kriging, beberapa penelitian sebelumnya telah melakukan ini pada penelitian mereka di area perairan sumatera Barat (Arta, Mubarak, & Nasution, 2016; Saputra, 2017), namun sebelum model interpolasi digunakan pada penelitian ini, terlebih dahulu perlu diketahui nilai akurasi dari model interpolasi tersebut. Salah satu cara untuk menguji keakuratan dan investigasi kesalahan suatu model interpolasi adalah dengan menggunakan validasi silang (cross validation) (Wise, 2011; Kang, Qin, Lee, & Lee, 2019). Cara penggunaan metode ini adalah dengan menghilangkan salah satu data dan menggunakan sampel-sampel yang tersisa sebagai data untuk memprediksi data yang dihilangkan dengan menggunakan model tersebut (ESRI, 2001; Krivoruchko, 2004; ESRI, 2010). Melakukan prediksi dari nilai nilai yang tidak dapat di lakukan pengukuran langsung secara penuh pada data yang bersifak spasial adalah tujuan utama dari interpolasi geostatistik (Krivoruchko, 2004). Prediksi ini digunakan dengan mengukur nilai yang dimiliki oleh tetangganya secara spatial agar menjadi lebih optimal. Kesalahan dari prediksi akan menghasilkan nilai error (ketidak pastian) tertentu, Semakin kecil nilai error maka akan menunjukkan keakuratan dari prediksi semakin tinggi (Gambar 4).



(a) Gambar 4. Analisis Geostatistik (a) Nilai Prediksi dan error, (b) Nilai Standarisasi error dari interpolasi kriging sebaran klorofil-a di perairan Kota Padang.



Pada penelitian ini di dapat nilai error dinyatakan dalam Root-Mean-Square Error (RMSe) atau nilai ratarata dari jumlah kuadrat kesalahan. Nilai RMSe yang diperoleh adalah sebesar 0,05852 dengan rata rata / Mean sebesar 0,00442. Hasil ini menjukkan bahwa penggunaan model interpolasi dari sebaran kandungan klorofil-a di laut padang menggunakan kriging, memiliki nilai error yang rendah atau akurasi yang tinggi.(b) 3.2. Pemetaan sebaran posisi kapal ikan yang terdeteksi sensor VIIRS di perairan laut Kota Padang tahun 2018. Sensor dari Visible Infrared Imaging Radiometer Suite (VIIRS) merekam citra bercahaya rendah yang mampu mendeteksi keberadaan benda benda bercahaya pada darat dan lautan di saat malam hari menggunakan Day/Night Band (DNB). Beberapa jenis fenomena yang terekam diantaranya yaitu penerangan listrik, cahaya liar, kilatan petir, pembakaran biomassa, flare gas, pendeteksi partikel energi tinggi/high energy



168



particle(HEP), pendeteksian cahaya atmosfer di sekitar sumber yang bersinar, dan gangguan background (Elvidge, Baugh, Zhizhin, Hsu, & Ghosh, 2017). Aktivitas kapal Penangkapan ikan dengan bantuan cahaya lampu di malam hari dapat dideteksi menggunakan data VIIRS Boat detection (VBD) yang merupakan produk VIIRS dengan mengembangkan algoritma otomatis untuk mengetahui posisi kapal dan benda lain nya yang bukan kapal dari penilaian pencahayaan yang dideteksi di area lautan. Algoritma ini mampu mengetahui posisi objek yang diduga kapal saat malakukan aktivitas menangkap ikan dengan asumsi memiliki cahaya lebih terang karena menyalakan banyak lampu. Sedangkan kapal ikan saat perjalanan, tidak menyalakan lampu agar menghemat energi untuk aktivitas penangkapan ikan saat berhenti pada titik yang tertentu (Elvidge et al. 2015; Matsushita, Azuno, and Yamashita 2012) Hasil analisis atribut dari data deteksi posisi kapal oleh sensor VBD (Tabel 1) menunjukkan sebaran



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



tertinggi ialah pada musim timur (Juni, Juli, dan Agustus) yaitu 725 deteksi dan terendah pada musim peralihan timur (September, Oktober, November) yaitu 180



deteksi. Posisi sebaran kapal banyak terdeteksi di wilayah dengan konsentrasi Klorofil-a tinggi hingga sedang di sekitar area lebih dekat pantai (Gambar 5).



Tabel 1. Jumlah Sebaran Kapal yang terdeteksi Sensor VIIRS di Perairan Kota Padang, 2018. No



Jenis



Musim Barat



Musim Peralihat Barat



Des Jan Feb Mar Apr Mei 1 Boat (QF=1) 23 41 80 48 7 28 2 Weak (QF=2) 16 32 71 32 33 43 3 Blurry (QF=3) 0 0 1 0 0 0 Jumlah Perbulan 39 73 152 80 40 71 Jumlah Permusim 264 191 Sumber data diolah dari hasil Analisis Spasial dan atribut Field Caculator ArcGIS



Musim Timur Jun 61 94 0 155 725



Jul 88 106 0 194



Musim Peralihan Timur Agus 217 159 0 376



Sep 35 56 0 91 180



Okt 8 14 0 22



Nov 43 24 0 67



Pada tabel di atas menunjukkan bahwa musim timur pada bulan juni, Juli dan Agustus, secara tradisional atau kepercayaan turun temurun dikenal sebagai musim ikan sehingga para nelayan banyak yang melakukan aktivitas penangkapan ikan. Fakta nya pada musim ini kandungan klorofil hasil data satelit di laut memang lebih tinggi dari musim yang lain dengan sebaran yang hampir merata.



Gambar 5. Sebaran posisi kapal penangkapan ikan pada area Konsentrasi klorofil-a berdasarkan musim (a) pada musim barat, (b) musim peralihan barat, (c) musim timur, (d) musim peralihan timur.



3.3. Analisis Area Potensial Fishing Ground di Perairan Laut Kota Padang. Berdasarkan hasil analisis dari metode Overlay Matching antara area konsentrasi klorofil-a dengan posisi persebaran kapal VBD maka diperoleh Zona potensi Fishing Ground pada musim musim nya dalam periode satu tahun atau empat musim. Pada Musim Barat, zona potensial untuk penagkapan ikan terdapat di sekitar perairan Kecamatan Padang Utara, namun sayangnya pada musim ini potensi nya sangat rendah dikarenakan produktivitas primer atau konsentrasi klorofil-A bernilai kecil dan tidak tersebar secara merata di wilayah perairan Kota Padang. Zona potensial untuk penagkapan ikan di Musim Peralihan Barat terdapat pada kawasan Konservasi Taman Wisata Perairan Pulau Pieh, pada musim ini konsentrasi klorofil a mulai berkembang dan menyebar pada wilayah perairandekat pantai dan pulau pulau. Sedangkan, pada Musim Timur terdapat zona potensi Fishing Ground yang tinggi dari musim yang lain, ini



ditandai dengan konsentrasi klorofil-a tinggi yang tersebar merata serta banyak nya kapal penangkapan ikan yang terdeteksi di perairan namun ada beberapa wilayah yang kandungan klorofil tinggi yang tidak terdeteksi adanya aktivitas kapal perikanan. Selanjutnya, pada Musim Peralihan Timur untuk zona potensi Fishing Ground terdapat pada wilayah Perairan Kecamatan Koto Tangah ke arah utara perairan yaitu perbatasan dengan Kabupaten Padang Pariaman. Pada musim ini, zona yang potensial nya belum di teroptimalkan dengan baik, karena masih banyaknya kapal yang melakukan aktivitas penangkapan ikan di daerah kandungan klorofil-a yang cenderung rendah hingga sedang. Sedangkan area klorofil a tinggi sangat sedikit aktivitas penagkapan ikan yang terdeteksi. Area potensi penangkapan ikan di perairan Kota Padang berbeda setiap musim nya (Gambar 6), ini dikarenakan sebaran konsentrasi klorofil a di perairan Kota Padang sebagai sumber makanan bagi ikan tersebar secara tak menentu namun dapat di prediksi kandungan nya



169



berdasarkan periode waktu musim dengan bantuan teknologi penginderaan jauh . Peta ini disesuaikan dengan kondisi Kawasan Peraturan Kota Padang yang memiliki Kawasan Konservasi dan Area Taman Wisata Bahari dengan beberapa batasan kepada nelayan untuk melakukan aktivitas penangkapan ikan. Area kawasan Konservasi



Taman Wisata Perairan Pulau Pieh ini masih diperbolehkan aktivitas budidaya perikanan laut, dengan tujuan agar tetap terjaga kelestarian dari biota biota perairan laut seperti terumbu karang, penyu dan berbagai jenis ikan yang endemik dan hidup di sana dan harus dijaga kelestaraiannya.



Gambar 6. Sebaran Area Potensial penangkapan ikan (Fishing Ground) Tinggi, Sedang dan rendah yang teroptimalkan dan belum teroptimalkan berdasarkan musim (a) pada musim barat, (b) musim peralihan barat, (c) musim timur, (d) musim peralihan timur.



4. Kesimpulan/Rekomendasi Hasil analisa dari sebaran kandungan klorofil-a di perairan Kota Padang berbeda beda berdasarkan spasial dan waktu temporalnya, ini juga mempengaruhi kesuburan perairan dan banyak nya ikan yang membutuhkan fitoplankton (klorofil-a) sebagai makanan. Untuk persebaran kapal penangkapan ikan, nelayan hampir sudah memahami kondisi musim ini dengan kearifan lokal yang dimiliki. Para nelayan memiliki perhitungan sendiri dalam menentukan



170



lokasi dan jalwal waktu untuk melaut saat musim musim yang kaya akan klorofil-a dan banyak nya keberadaan ikan di lautan. Ini dibuktikan dengan sebaran posisikapal ikan yang terekan oleh sensor VBD di lokasi penelitian. Namun, untuk kawasan potensial penangkapan ikan masih ada beberapa area potensi tinggi namun tidak ditemukan aktivitas nelayan sehingga perlu rasa nya untuk hasil penelitian ini disosialisasikan oleh pemangku kepentingan terkait



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



DAFTAR PUSTAKA Armi, Z., Trabelsi, E., Turki, S., Béjaoui, B., & Maïz, N. Ben. (2010). Seasonal phytoplankton responses to environmental factors in a shallow Mediterranean lagoon. Journal of Marine Science and Technology, 15(4), 417–426. https://doi.org/10.1007/s00773-010-0093-y Arta, F. H., Mubarak, & Nasution, S. (2016). Sebaran Klorofil-a di Perairan Pantai Padang dan Pariaman Provinsi Sumatera Barat Menggunakan Citra Satelit Aqua Modis. Jurnal Ilmu Lingkungan, 10(March 2015), 128–137. Azis, M. F. (2006). Gerak Air Dilaut. Oseana, XXXI(4), 9–21. Retrieved from www.oseanografi.lipi.go.id Elvidge, C. D., Baugh, K., Zhizhin, M., Hsu, F. C., & Ghosh, T. (2017). VIIRS night-time lights. International Journal of Remote Sensing, 38(21), 5860–5879. https://doi.org/10.1080/01431161.2017.1342050 Elvidge, C. D., Baugh, K., Zhizhin, M., Hsu, F., & Group, E. O. (2015). Viirs Monitoring of Lit Fishing Boat Activity in East and Southeast Asia, i, 2–5. ESRI. (2001). ArcGIS TM Geostatistical Analyst: Statistical Tools for Data Exploration, Modeling, and Advanced Surface Generation. ESRI (ESRI White). New York: ESRI 380 New York St., Redlands, CA 92373-8100, USA. Hong, L., Wang, C., Zhou, Y., Lin, Z., Wang, X., & Song, X. (2012). The distribution of chlorophyll a in the Southwestern Indian Ocean in summer. Shengtai Xuebao/ Acta Ecologica Sinica, 32(14), 4525–4534. https://doi.org/10.5846/stxb201106270961 Kang, K., Qin, C., Lee, B., & Lee, I. (2019). Modified screeningbased Kriging method with cross validation and application to engineering design. Applied Mathematical Modelling, 70, 626–642. https://doi.org/10.1016/j.apm.2019.01.030 Krivoruchko, K. (2004). Introduction to Modeling Spatial Processes Using Geostatistcal Analyst. Esri, 1–27. https://doi.org/http://dx.doi.org/10.1016/j.indmarman.2014. 08.012 Matsushita, Y., Azuno, T., & Yamashita, Y. (2012). Fuel reduction in coastal squid jigging boats equipped with various combinations of conventional metal halide lamps and lowenergy LED panels. Fisheries Research, 125–126, 14–19. https://doi.org/10.1016/j.fishres.2012.02.004 Miyamoto, H., Suyama, S., Vijai, D., Kidokoro, H., Naya, M., Fuji, T., & Sakai, M. (2019). Predicting the timing of Pacific saury (Cololabis saira) immigration to Japanese fishing grounds: A new approach based on natural tags in otolith annual rings. Fisheries Research, 209(December 2017), 167–177. https://doi.org/10.1016/j.fishres.2018.09.016 Montero, J.-M., Fernández-Avilés, G., & Mateu, J. (2015). Spatial and Spatio-Temporal Geostatistical Modeling and Kriging. (S. W. David J. Balding, Noel A. C. Cressie, Garrett M. Fitzmaurice, Geof H. Givens, Harvey Goldstein, Geert Molenberghs, David W. Scott, Adrian F. M. Smith, Ruey S. Tsay, Ed.), Wiley (I). The Atrium, Southern Gate, Chichester,West Sussex: JohnWiley & Sons Ltd. Retrieved from www.wiley.com Nurdin, S., Mustapha, M. A., Lihan, T., & Zainuddin, M. (2017). Applicability of remote sensing oceanographic data in the detection of potential fishing grounds of Rastrelliger kanagurta in the archipelagic waters of Spermonde, Indonesia. Fisheries Research, 196(July), 1–12. https://doi.org/10.1016/j.fishres.2017.07.029 Patra, B. C., Bhattacharya, M., Kar, A., Das, B. K., & Shit, P. K. (2018). Assessment of Potential Marine Fishing Zone Using



Geospatial Technologies at the Coastal Stretch of West Bengal, India. In N. L. Sarda, P. S. Acharya, & S. Sen (Eds.), Geospatial Infrastructure, Applications and Technologies: India Case Studies (1st ed., pp. 385–399). Springer Nature Singapore Pte Ltd. https://doi.org/10.1007/978-981-13-2330-0 Saputra, H. (2017). Analisis Variabilitas Spasial dan Temporal Suhu Permukaan Laut dan Klorofil-A Menurut Musim Dengan Citra Aqua-MODIS untuk Menentukan Zona Tangkapan Ikan Cakalang (Studi Kasus Pada Kawasan Perairan Kabupaten Pesisir Selatan). Universitas Negeri Padang. Retrieved from http://repository.unp.ac.id/id/eprint/14087 Siregar, E. S. Y., Siregar, V. P., & Agus, S. B. (2018). Analisis Daerah Penangkapan Ikan Tuna Sirip Kuning Thunnus Albacares Di Perairan Sumatera Barat Berdasarkan Model GAM. Jurnal Ilmu Dan Teknologi Kelautan, 10(2), 501–516. https://doi.org/http://dx.doi.org/10.29244/jitkt.v10i2.21908 Susanto, R. D., Gordon, A. L., & Zheng, Q. (2001). Upwelling along the coasts of Java and Sumatra and its relation to ENSO. Geophysical Research Letters, 28(8), 1599–1602. Susanto, R. D., Moore, T. S., & Marra, J. (2006). Ocean color variability in the Indonesian Seas during the SeaWiFS era. Geochemistry, Geophysics, Geosystems, 7(5), 1–16. https://doi.org/10.1029/2005GC001009 Tangke, U., Karuwal, J. C., Zainuddin, M., & Mallawa, A. (2015). Sebaran Suhu Permukaan Laut dan Klorofil-a Pengaruhnya Terhadap Hasil Tangkapan Yellowfin Tuna (Thunnus albaceres) di Perairan Laut Halmahera Bagian Selatan. Jurnal IPTEKS PSP, 2(3), 248–260. Wise, S. (2011). Cross-validation as a means of investigating DEM interpolation error. Computers and Geosciences, 37(8), 978–991. https://doi.org/10.1016/j.cageo.2010.12.002 Xu, Y., Ma, L., Sun, Y., Li, X., Wang, H., & Zhang, H. (2019). Spatial variation of demersal fish diversity and distribution in the East China Sea: Impact of the bottom branches of the Kuroshio Current. Journal of Sea Research, 144(November 2018), 22–32. https://doi.org/10.1016/j.seares.2018.11.003 Xue, L., Wang, H., Jiang, L. Q., Cai, W. J., Wei, Q., Song, H., … Yu, W. (2016). Aragonite saturation state in a monsoonal upwelling system off Java, Indonesia. Journal of Marine Systems, 153, 10–17. https://doi.org/10.1016/j.jmarsys.2015.08.003 Yu, W., Chen, X., & Yi, Q. (2017). Fishing ground distribution of neon flying squid (Ommastrephes bartramii) in relation to oceanographic conditions in the Northwest Pacific Ocean. Journal of Ocean University of China, 16(6), 1157–1166. https://doi.org/10.1007/s11802-017-3354-0 Zhang, Y., Huang, Z., Fu, D., Tsou, J. Y., Jiang, T., Liang, X. S., & Lu, X. (2018). Monitoring of chlorophyll-a and sea surface silicate concentrations in the south part of Cheju island in the East China sea using MODIS data. International Journal of Applied Earth Observation and Geoinformation, 67(February), 173–178. https://doi.org/10.1016/j.jag.2018.01.017



171



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



Optimalisasi Penggunaan Lahan berdasarkan Prediksi Erosi dengan Model AGNPS (Agricultural Non-Point Source Pollution Model) di DAS Sepaku Rizky Sunandar Ahmada, Muhammad Rizky Pratamaa, Amanda Putri Mirantib, dan Muhammad Kamaluddinb aProgram bProgram



Studi Perencanaan Wilayah dan Kota, Institut Teknologi Kalimantan, Balikpapan 76127 Studi Teknik Sipil, Institut Teknologi Kalimantan, Balikpapan 76127 e-mail: [email protected]



ABSTRAK Daerah Aliran Sungai (DAS) merupakan wilayah yang memiliki fungsi untuk menerima, menampung dan mengalirkan air yang berasal dari hujan maupun sumber air lainnya dan akan menghasilkan komponen keluarannya berupa debit air dan muatan sedimen. Dalam pengelolaan Daerah Aliran Sungai (DAS) tujuan yang ingin dicapai salah satunya terjadi keseimbangan sistem DAS dan optimalnya pemanfaatan sumber daya DAS. Hal tersebut mengingat bahwa DAS merupakan satu kesatuan ekosistem yang memiliki hubungan timbal balik antara lingkungan dengan kegiatan manusia. DAS Sepaku memiliki kodisi yang dapat dikatakan mengalami degradasi lingkungan karena memiliki indeks penutup lahan kurang dari 30% luas DAS yaitu sebesar 16,6% dan terdapat wilayah yang telah mengalami tingkat bahaya erosi pada tingkat tinggi dan sangat tinggi dengan persentase 84,01% dari luas DAS. Dengan dialokasikan penggunaan lahan optimal dapat menurunkan laju erosi aktual sehingga mencapai tingkat erosi yang dapat ditoleransi.Penelitian ini bertujuan untuk merumuskan alokasi penggunaan lahan yang optimal untuk mengurangi laju erosi yang terjadi di DAS Sepaku. Penelitian dilakukan dengan terlebih dahulu menghitung laju erosi dengan menggunakan model AGNPS (Agriculturan Non-Point Source Pollution). Hasil perhitungan laju erosi sebesar berdasarkan masukkan nilai curah hujan harian tertinggi dengan periode ulang 25 tahun sebesar 185,2 mm atau 7,29 inchi dan besar energi intensitas hujan 30 menit (EI30) sebesar 409,98 m.ton.cm/ha.jam atau 212,33 feet.ton.inch/acre.jam menghasilkan keluaran laju erosi yang terjadi di DAS Sepaku sebesar 66,21 ton/acre atau 163,48 ton/ha. Kemudian dilakukan perumusan alokasi lahan optimal dengan metode linear programming dan diperoleh hasil optimasi penggunaan lahan dengan menerapkan wilayah hutan seluas 30% dari wilayah DAS dan asumsi batasan penggunaan lainnya yang menunjukkan bahwa besar erosi dapat dikurangi sebesar 39,16% dari yang sebelumnya total erosi yang terjadi sebesar 5.114.308,32 ton menjadi sebesar 3.111.795 ton. Kata kunci: Daerah Aliran Sungai, laju erosi, AGNPS (Agriculturan Non-Point Source Pollution), optimalisasi lahan



ABSTRACT Watershed is an area that has a function to receive, accommodate and drain water from rain and other water sources and will produce output components in the form of water discharge and sediment load. In the management of watersheds the objectives to be achieved include balance between the watershed system and the optimal use of watershed resources. This is because the watershed is an integrated ecosystem that has a reciprocal relationship between the environment and human activities. The Sepaku watershed has a condition that can be said to experience environmental degradation because it has a land cover index of less than 30% of the watershed area which is 16,6% and there are regions that have experienced high and very high levels of erosion hazard with a percentage of 84,01% of the area Watershed. By allocating optimal land use it can reduce the rate of actual erosion so as to achieve a level of erosion that can be tolerated. This study aims to formulate an optimal allocation of land use to reduce the rate of erosion that occurs in the Sepaku watershed. The study was conducted by first calculating the rate of erosion using the AGNPS (Agriculturan Non-Point Source Pollution) model. The results of the calculation of the erosion rate are based on entering the highest daily rainfall value with a 25 year return period of 185,2 mm or 7,29 inches and the energy intensity of the rain intensity of 30 minutes (EI30) of 409,98 m.ton.cm/ha.hour or 212,33 feet.ton.inch / acre.hour produces an erosion rate that occurs in the Sepaku watershed of 66.21 tons / acre or 163,48 tons / ha. Then the formulation of optimal land allocation using linear programming method is done and the results of optimization of land use are obtained by applying a forest area of 30% of the watershed area and other usage limitation assumptions which indicate that the amount of erosion can be reduced by 39,16% from the previous total erosion amounting to 5.114.308,32 tons to be 3.111.795 tons. Keywords: watershed , erosion rate, , AGNPS (Agriculturan Non-Point Source Pollution), land optimization



A. Pendahuluan 1.1.Latar belakang Daerah Aliran Sungai (DAS) merupakan wilayah yang memiliki batas berupa suatu pemisah alam topografi, seperti punggung perbukitan dan pegunungan yang memisahkan satu DAS dengan DAS lainnya. DAS memiliki fungsi untuk menerima, menampung dan mengalirkan air yang berasal dari hujan maupun sumber air lainnya melalui aliran sungai yang bermuara di danau atau laut (Baja, 2012). Menurut Suripin (2004), dengan



172



komponen masukkan berupa curah hujan, proses yang terjadi pada DAS akan menghasilkan komponen keluarannya berupa debit air dan muatan sedimen. Keluaran yang dihasilkan dalam proses yang terjadi di DAS bergantung pada faktor alami (tanah, iklim, vegetasi, topografi) dan faktor manusia (Baja, 2012). Dengan faktor-faktor tersebut maka dapat diidentifikasi bagaimana kualitas dan tingkat kerusakan DAS berdasarkan komponen keluarannya



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



Dalam pengelolaan Daerah Aliran Sungai (DAS) tujuan yang ingin dicapai salah satunya terjadi keseimbangan sistem DAS dan optimalnya pemanfaatan sumber daya DAS. Hal tersebut mengingat bahwa DAS merupakan satu kesatuan ekosistem yang memiliki hubungan timbal balik antara lingkungan dengan kegiatan manusia (Pramono, 2015). Dengan komponen masukkan berupa air hujan, proses yang terjadi pada DAS akan menghasilkan komponen keluarannya berupa debit air dan muatan sedimen (Suripin, 2004). Erosi merupakan proses terlepasnya partikelpartikel tanah akibat tumbukkan air hujan dan aliran permukaan dengan mengalami tiga proses, yaitu pelepasan partikel tanah dari tanah induk, pengangkutan partikel tanah yang terlepas oleh media erosif seperti aliran permukaan dan angin, kemudian mengalami pengendapan partikel tanah ketika media erosif tidak lagi memiliki tenaga yang cukup untuk mengangkut partikel tanah atau terbawa aliran permukaan menuju sungai yang terus hanyut hingga ke laut (muara sungai). Erosi secara alami dapat terjadi karena proses pembentukan tanah dan terjadinya masih dalam batas yang dapat diterima. Aktivitas manusia dalam pengelolaan lahan yang tidak mengikuti kaidah konservasi tanah dapat mempercepat proses erosi sehingga melebihi batas yang dapat diterima (Suripin, 2004) DAS Sepaku merupakan salah satu DAS yang berada di Kawasan Teluk Balikpapan yang memiliki indeks penutup lahan atau persentase lahan dengan tutupan vegetasi permanen yang dikategorikan kurang (480 ton/ha), tinggi (180-480 ton/ha), sedang (60-180 ton/ha), rendah (15-60 ton/ha) dan sangat rendah (>15 ton/ha). 2)Membuat klaster wilayah Pengklasteran dilakukan dengan mengelompokkan grid sel berdasarkan kemiripan karakteristiknya. Hasil pengklasteran akan membantu dalam penentuan luas penggunaan lahan optimal di DAS Sepaku. Pengklasteran didasarkan pada jumlah nilai bobot dari hasil tumpang susun (overlay) peta-peta yang akan diklasterkan. Penentuan besar nilai bobot didasarkan pada tingkat kelas dalam peta dengan bobot terkecil adalah 1. Semakin tinggi tingkat kelas, maka nilai bobot semakin besar. Penentuan banyak klaster ditentukan berdasarkan kebutuhan dengan panjang data tiap klaster adalah sama (Arwan, 2014). 3)Merumuskan penggunaan lahan optimal Optimalisasi penggunaan lahan dilakukan dengan analisis linear programming yang bertujuan untuk mengetahui komposisi penggunaan lahan yang optimal untuk mengurangi laju erosi yang terjadi di DAS Sepaku. Proses optimalisasi yang dilakukan dibantu dengan program LINGO 11.0. Adapun tahapan analisis linear programming adalah sebagai berikut a) Menentukan variabel putusan (X), yaitu variabel yang ditentukan besar/jumlahnya berdasarkan pada keterbatasan-keterbatasan tertentu. Dalam penelitian ini yang menjadi variabel putusan adalah unit-unit lahan yang dibentuk dengan melakukan tumpang tindih (overlay) antara peta klaster dengan peta penggunaan lahan. b) Merumuskan fungsi tujuan, yaitu fungsi utama berupa persamaan linear matematis yang mencakup variabel keputusan dalam memecahkan persoalan. Dalam penelitian ini yang menjadi fungsi tujuan adalah mengalokasikan penggunaan lahan yang optimal untuk mengurangi laju erosi. Secara umum bentuk dari persamaan fungsi tujuan yaitu Maks atau Min Z = C1X1 + C2X2 + ... + CnXn (3)



Dimana: C1, C2,.....,Cn = koefisien variabel keputusan X1, X2,....., Xn = variabel keputusan c) Merumuskan fungsi kendala, yaitu berupa rumus linear, mengadung variabel keputusan yang terdiri dari batasan atas keputusan yang dapat diambil. Dalam penelitian ini fungsi kendala digunakan untuk batasan model optimasi lahan dengan digunakan asumsi-asumsi batasan luas lahan yang dapat mengurangi laju erosi. Secara umum bentuk dari fungsi kendala adalah sebagai berikut: A11X1 + A12X2 + ... + A1nXn < B1 A21X1 + A22X2 + ... + A2nXn < B2 : : : : AmX1 + Am2X2 + ... + AmnXn < Bm X1 > 0, X2 > 0, ... Xn > 0 (4) Dimana: A dan B = koefisien fungsi kendala X1, X2, ... Xn = variabel keputusan C. Hasil dan Pembahasan 3.1. Gambaran Umum Wilayah A. Kondisi Iklim Kondisi iklim di DAS Sepaku termasuk dalam iklim tropis basah, dimana tidak terdapat perbedaan musim yang jelas. Curah hujan selama 10 tahun terakhir (20092018) yang tercatat di stasiun Meteorologi Sultan Aji Muhammad Sulaiman Sepinggan memiliki rata-rata curah hujan tahunan sebesar 2.721,16 mm/tahun dan hari hujan dalam satu tahun rata-rata adalah sebanyak 218,7 hari. Distribusi curah hujan bulanan terjadi cukup merata, dengan bulan basah (curah hujan >200 mm) terjadi selama bulan November hingga bulan Juli, bulan lembab (curah hujan 100-200 mm) terjadi pada bulan Agustus hingga Oktober dan tidak terdapat bulan kering (curah hujan 45% Jumlah Sumber: SRTM, diolah



Bentuk Wilayah Datar Landai Agak curam Curam Sangat curam



Luas Ha 17.001,51 6.586,60 4.223,57 2.739,10



% 55,07 21,33 13,68 8,87



323,25



1,05



30.874,03



100



Gambar 5. Peta Kemiringan Lereng di DAS Sepaku



D. Tutupan lahan Berdasarkan peta tutupan lahan yang diperoleh dari BAPPEDA Provinsi Kalimantan Timur, terdapat 15 klasifikasi tutupan lahan di DAS Sepaku yang didominasi oleh semak belukar seluas 11.997,66 ha atau 38,40% dari luas DAS Sepaku. Luas setiap jenis tutupan lahan pada wilayah penelitian ditunjukkan pada Tabel 6. dan peta persebaran penutupan tutupan lahan dapat dilihat pada Gambar 7. Tabel 6. Tutupan Lahan di DAS Sepaku Tutupan lahan



Luas(Ha)



Persentase (%)



Hutan Lahan Kering Sekunder



464,10



1,48



Hutan Mangrove Primer



141,82



0,45



Hutan Mangrove Sekunder



938,15



3,00



Hutan Tanaman



4633,44



14,83



Semak Belukar



11997,66



38,40



Belukar Rawa



64,14



0,21



3427,89



10,97



29,35



0,09



Pertanian Lahan Campuran



2108,72



6,75



Sawah



212,81



0,68



Tambak



145,08



0,46



Permukiman



22,968307



0,07



Transmigrasi



1966,13



6,29



Tanah Terbuka



4929,32



15,78



Air



159,49



0,51



Perkebunan Pertanian Lahan Kering



Gambar 4. Peta Elevasi di DAS Sepaku



C. Jenis tanah Berdasarkan peta jenis tanah yang diperoleh dari BPDASHL Mahakam Berau, terdapat 3 jenis tanah di DAS Sepaku yang didominasi oleh jenis tanah padsolik merah kuning yaitu mencapai luas 14.033,86 ha atau 45,18% dari luas DAS Sepaku. Luas setiap jenis tanah di



176



Jumlah 31.241,07 Sumber: BAPPEDA Provinsi Kalimantan Timur, diolah



100



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



perubahan dari luas sebelumnya yaitu 31.241,04 ha menjadi seluas 31.284 ha.



Gambar 6. Peta Jenis Tanah di DAS Sepaku Gambar 8. Peta Grid Sel Model AGNPS di DAS Sepaku



Kemudian dilakukan pemasukkan data DEM, peta jenis tanah, dan peta tutupan lahan yang akan menghasilkan parameter-parameter masukkan model untuk menentukan laju erosi yang terjadi di DAS Sepaku. Berdasarkan masukkan nilai curah hujan harian tertinggi dengan periode ulang 25 tahun sebesar 185,2 mm atau 7,29 inchi dan besar energi intensitas hujan 30 menit (EI30) sebesar 409,98 m.ton.cm/ha.jam atau 212,33 feet.ton.inch/acre.jam menghasilkan keluaran laju erosi yang terjadi di DAS Sepaku sebesar 66,21 ton/acre atau 163,48 ton/ha. Kemudian laju erosi yang dihasilkan setiap grid sel dikelompokkan menurut kelas tingkat erosinya yang dapat dilihat pada Tabel 7. dan persebaran tingkat erosi dapat dilihat pada Gambar 9. Tabel 7. Tingkat Erosi di DAS Sepaku



Gambar 7. Peta Tutupan Lahan di DAS Sepaku



3.2. Analisis laju erosi Perhitungan prediksi besar erosi di DAS Sepaku dilakukan dengan Dalam analisis besar erosi dengan permodelan perlu dilakukan validasi di lapangan, namun dalam penelitian ini tidak dilakukan validasi di lapangan karena tidak diperolehnya data hasil pengukuran di lapangan. Perhitungan dilakukan berdasarkan nilai erosivitas, karakteristik topografi, jenis tanah, dan tutupan lahan. Analisis model AGNPS dilakukan dengan membagi wilayah DAS Sepaku menjadi grid-grid sel model dengan ukuran 600x600 meter. Banyak grid sel yang dihasilkan yaitu 869 grid sel dan telah memiliki nomor sel sesuai ketentuan AGNPS (Gambar 8.). Ukuran grid sel tersebut dipilih karena analisis permodelan AGNPS pada program MWAGNPS akan mengalami kendala ketika banyak grid sel model melebihi 1000 grid sel. Dari hasil pembuatan grid sel tersebut, luas wilayah DAS Sepaku mengalami



Kelas Tingkat Banyak sel Erosi Sangat rendah 137 Rendah 261 Sedang 231 Tinggi 165 Sangat tinggi 75 Total 869 Sumber: Hasil Analisis AGNPS



Luas Ha 4.932 9.396 8.316 5.940 2.700 31.284



% 15,77 30,03 26,58 18,99 8,63 100



3.3. Pembuatan Klaster Wilayah Penelitian Pengklasteran pada penelitian ini didasarkan pada jumlah nilai bobot dari hasil tumpang susun (overlay) peta tingkat erosi dan kemiringan lereng. Pada masingmasing peta terbagi menjadi 5 tingkat kelas. Semakin tinggi tingkat erosi, maka nilai bobot semakin besar. Begitu juga dengan tingkat kelerengan yang semakin curam maka nilai bobot juga semakin besar. Kemudian hasil penjumlahan bobot di kelompokkan menjadi 3 klaster yang dapat dilihat pada Tabel 8. dan persebaran secara spasial pada Gambar 10.



177



Tutupan lahan Perkebunan (K) Pertanian Lahan Kering (PK) Pertanian Lahan Basah (PB) Permukiman (P) Lahan Terbuka (LT) Sumber: Hasil overlay



Klaster (1) X1.K



Klaster (2) X2.K



Klaster (3) X3.K



X1.PK



X2.PK



X3.PK



X2.P X2.LT



X3.LT



X1.PB X1.P X1.LT



Gambar 9. Peta Tingkat Erosi di DAS Sepaku Tabel 8. Tingkat Erosi di DAS Sepaku Parameter Tingkat erosi



Sangat rendah Rendah Sedang Tinggi Sangat tinggi Kelerengan Datar Landai Agak curam Curam Sangat curam Sumber: Hasil pembuatan klaster



1 28,19% 51,85% 19,96% 0% 0% 87,24% 12,76% 0% 0% 0%



Klaster 2 0% 3,11% 46,37% 50,17% 0,35% 1,04% 51,9% 46,37 0,69% 0%



Berdasarkan Tabel, klaster 1 memiliki karakteristik tingkat erosi rendah hingga sedang dan kemiringan lereng datar hingga landai. Klaster 2 memiliki karakteristik didominasi tingkat erosi sedang hingga tinggi dan kemiringan lereng landai hingga agak curam. Klaster 3 memiliki karakteristik didominasi tingkat erosi tinggi hingga sangat tinggi dan kemiringan lereng agak curam hingga curam. 3.4.Optimalisasi Penggunaan Lahan DAS 1) Perumusan variabel putusan Variabel putusan dalam penelitian ini adalah berupa penggunaan lahan yang didasarkan pada kondisi tutupan lahan dan arahan penggunaan lahan di wilayah penelitian. Perumusan variabel putusan dilakukan dengan melakukan tumpang susun (overlay) pada peta penggunaan lahan yang akan dioptimalkan dengan peta klaster wilayah. Hasil overlay diperoleh variabel putusan yang dapat dilihat pada Tabel 9.



3 0% 0% 0% 21,28% 78,72% Gambar 10. Peta Klaster di DAS Sepaku 0% 0% 12,77%2) Perumusan fungsi tujuan Fungsi tujuan yang dirumuskan berupa persamaan 86,17% 1,06% linear yang mencakup variabel keputusan. Dalam



penelitian ini yang menjadi fungsi tujuan adalah luas penggunaan lahan yang optimal untuk mengurangi besar erosi yang terjadi di DAS Sepaku. Nilai koefisien variabel putusan dalam penelitian ini adalah rata-rata besar erosi yang dihasilkan dari tiap unit variabel putusan. Persamaan fungsi tujuan dirumuskan berikut ini MIN = 37,46X1.H + 15,66X1.HM + 30,21X1.HP + 23,37X1.LT + 84,79X1.K + 49,19X1.B + 43,04X1.PK + 7,48X1.PB + 35,51X1.P + 114,61X2.H + 131,35X2.HP + 149,65X2.LT + 248,55X2.K + 219,68X2.B + 280,65X2.PK + 127,23X2.P + 639,58X3.H + 355,78X3.HP + 538,94X3.LT + 809,23X3.K + 742,07X3.B + 917,59X3.PK 3) Perumusan fungsi kendala Fungsi kendala yang dirumuskan dalam penelitian ini adalah kendala yang akan membatasi luasan penggunaan lahan yang dioptimalkan untuk mengurangi laju erosi yang terjadi di DAS Sepaku. perumusan fungsi kendala yang digunakan terbagi menjadi kendala luas wilayah dan kendala alokasi penggunaan lahan.



Tabel 9. Variabel Putusan Tutupan lahan Hutan Lahan Kering (H) Hutan Produksi(HP) Hutan Rawa Mangrove (HM) Semak Belukar (B)



178



Klaster (1)



Klaster (2)



Klaster (3)



X1.H



X2.H



X3.H



X1.HP



X2.HP



X3.HP



X2.B



X3.B



X1.HM X1.B



a) Kendala luas wilayah Kendala luas wilayah dirumuskan untuk membatasi agar luas wilayah hasil optimasi sama dengan luas wilayah sebelum optimasi. Persamaan fungsi kendala luas wilayah dapat dilihat pada Tabel 10.



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019 Tabel 10. Fungsi Kendala Luas Wilayah Fungsi Kendala (Constrain) Keterangan X1.H + X1.HM + X1.HP + X1.LT + X1.K Batasan luas wilayah klaster 1 + X1.B + X1.PK + X1.PB + X1.P = 17.496 X2.H + X2.HP + X2.LT + X2.K + X2.B + Batasan luas wilayah klaster 2 X2.PK + X2.P = 10.404 X3.H + X3.HP + X3.LT + X3.K + X3.B + Batasan luas wilayah klaster 3 X3.PK = 3.384 Sumber: Hasil perumusan fungsi kendala



b)Kendala alokasi penggunaan lahan Kendala alokasi penggunaan lahan dirumuskan untuk memberikan alokasi penggunaan lahan sesuai dengan asumsi-asumsi alokasi luas dan arahan penggunaan lahan. Perumusan fungsi kendala didasari oleh asumsiasumsi yang dibuat, diantaranya: (1)Hutan dapat berada di klaster berapa pun dengan total luas minimal 30% dari luasan DAS. Luas hutan yang telah ada, tetap dipertahankan. (2)Hutan produksi diarahkan pada seluruh klaster dengan total luas maksimum sesuai luas pada RTRW. Luas hutan produksi yang telah ada, tetap dipertahankan. (3)Hutan mangrove diarahkan pada klaster 1 dan luasan sesuai dengan luas pada RTRW. (4)Perkebunan lebih diarahkan pada klaster 2 dengan total luas maksimum sesuai luas pada RTRW. (5) Pertanian lahan kering diarahkan pada klaster 1 dan 2 dengan total sama dengan luas pada RTRW. (6)Pertanian lahan basah diarahkan pada klaster 1 dengan luas sama dengan luas pada RTRW. (7)Permukiman diarahkan pada klaster 1 dengan luas sama dengan luas pada RTRW. (8)Semak belukar dan lahan terbuka dihilangkan Persamaan fungsi pembatas dari asumsi-asumsi tersebut dapat dilihat pada Tabel 11.



X1.LT + X2.LT + X3.LT = 0 Batasan luas lahan terbuka Sumber: Hasil perumusan fungsi kendala



4) Perumusan penggunaan lahan optimal Dari hasil pemasukkan fungsi tujuan dan fungsi kendala yang telah disusun ke dalam program linear programming pada aplikasi LINGO 11. maka diperoleh komposisi penggunaan lahan yang optimal pada Tabel 12. D. Kesimpulan Dari hasil analisis yang dilakukan dalam penelitian di DAS Sepaku maka dapat diambil kesimpulan sebagai berikut: 1) Berdasarkan masukkan nilai curah hujan harian tertinggi dengan periode ulang 25 tahun sebesar 185,2 mm atau 7,29 inchi dan besar energi intensitas hujan 30 menit (EI30) sebesar 409,98 m.ton.cm/ha.jam atau 212,33 feet.ton.inch/acre.jam menghasilkan keluaran laju erosi yang terjadi di DAS Sepaku sebesar 66,21 ton/acre atau 163,48 ton/ha. Terdapat wilayah dengan tingkat laju erosi sangat tinggi dan tinggi dengan luasan mencapai 5.940 Ha dan 2.700 Ha atau sebesar 18,99% dan 8,63% dari luas wilayah DAS Sepaku. 2) Hasil optimalisasi penggunaan lahan dengan menerapkan wilayah hutan seluas 30% dari wilayah DAS dan asumsi batasan penggunaan lainnya menunjukkan bahwa besar erosi dapat dikurangi sebesar 39,16% dari yang sebelumnya total erosi yang terjadi sebesar 5.114.308,32 ton menjadi sebesar 3.111.795 ton.



Tabel 11. Persamaan Fungsi Pembatas (Constrain) Fungsi Kendala (Constrain) X1.H + X2.H + X3.H > 9.385.2 X1.H > 180 X1.H < 17.496 X2.H > 144 X2.H < 10.404 X3.H > 72 X3.H < 3.384 X1.HP + X2.HP + X3.HP < 24.256,63 X1.HP > 2.952 X1.HP < 17.496 X2.HP > 1.296 X2.HP < 10.404 X3.HP > 504 X3.HP < 3.384 X1.HM = 1.000.17 X1.B + X2.B + X3.B = 0 X1.K + X2.K < 1.705,22 X2.K > 972 X3.K = 0 X1.PK + X2.PK = 1.683,43 X3.PK = 0 X1.PB = 201.91 X1.P = 673,51



Keterangan



Batasan luas hutan lahan kering



Batasan luas hutan produksi



Batasan luas hutan rawa mangrove Batasan luas semak belukar Batasan luas perkebunan Batasan luas pertanian lahan kering Batasan luas pertanian lahan basah Batasan luas permukiman



179



Tabel 12. Penggunaan Lahan Optimal Luas Lahan Klaste r



Hutan lahan kering



Hutan mangrov e



Hutan produksi



Semak beluka r



Perkebuna n



Pertania n lahan kering



Pertania n lahan basah



permukima n



Lahan terbuk a



Aktual



180



1.476



2.952



2.916



2.268



2.124



72



1.908



3.600



Optimal



1.177, 2



1.000,17



12.759,7 8



0



0



1.683,43



201,91



673,51



0



Aktual



144



0



1.296



6.588



972



216



0



36



1.152



Optimal



8.136



0



1.296



0



972



0



0



0



0



Aktual Optimal



72 72



0 0



504 3.312



2.592 0



36 0



72 0



0 0



0 0



108 0



Aktual



396



1.476



4.752



12.096



3.276



2.412



72



1.944



4.860



0



972



1.683,43



201,91



673,51



0



Kondisi



1



2 3 Total



Optima 9.385, 17.367,7 1.000,17 l 2 8 Sumber: Hasil analisis optimasi penggunaan lahan



DAFTAR PUSTAKA Ananda, R. 2010. Pendugaan Erosi dan Sedimentasi di DTA Cipokol Sub DAS Cisadane Hulu dengan Menggunakan Model AGNPS (Agricultural Non Point Source Pollution Model) (Skripsi). Fakultas Kehutanan Institut Pertanian Bogor. Aprisal. Rusman, B. Darmawan. 2017. Optimasi Penggunaan Lahan pada Sub DAS Masang Besar pada Das Masang untuk Mengurangi Laju Aliran Permukaan, Erosi, dan Sedimen. Prosiding Seminar Nasional Pengelolaan Daerah Aliran Sungai secara Terpadu. Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Riau. Arwan, Yusdhi. 2014. Optimalisasi Penggunaan Lahan di Sub DAS Keduang Kabupaten Wonogiri. Program Pasca Sarjana Unversitas Sebelas Maret. Baja, S. 2012. Perencanaan Tata Guna Lahan dalam Pengembangan Wilayah. Yogyakarta: Penerbit ANDI. BPDASHL Mahakam Berau. 2014. Laporan Hasil Penyusunan Klasifikasi DAS di Wilayah Kerja BPDAS Mahakam Berau. Samarinda. Hidayati, A.N. 2018. Evaluasi Respon Hidrologi menggunakan Model Agricultural Non Point Source (AGNPS) Studi Kasus Kali Sunter (Skripsi). Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor. Leon, L.F. George, C. 2011. Map Window Interface for AGNPS (MWAGNPS) Release 2. Pramono, I. 2015. Identifikasi Kerentanan Lahan dengan Tipologi DAS: Studi kasus DAS Musi. Prosiding Seminar Nasional Lahan Suboptimal, 8-9 Oktober 2015. Pusat Unggulan Riset Pengembangan Lahan Suboptimal Universitas Sriwijaya. Rusdiana, O. Ghufrona R. 2011. Aplikasi Model Optimasi Linear Goal Programming dalam Menentukan Pola Penggunaan Lahan Optimal di DAS Citarum Hulu. Jurnal Silvikultur Tropika, Vol. 02. No. 01. Hal: 26-34. Suripin. 2004. Pelestarian Sumber Daya Tanah dan Air. Yogyakarta : Penerbit ANDI.



180



Total 17.49 6 17.49 6 10.40 4 10.40 4 3.384 3.384 31.28 4 31.28 4



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



Pemanfaatan Data Satelit Untuk Analisis Hujan Lebat dan Sistem Konveksi di Jayapura Adi Ramses Sagala1, Andreas Silitonga2 aStasiun



bSekolah



Meteorologi Dok 2 Jayapura; [email protected] Tinggi Meteorologi Klimatologi Geofisika



ABSTRAK Hujan dengan intensitas leabt-sangat lebat terjadi di Jayapura pada 16-18 Maret 2019 yang menyebabkan banjir bandang dibeberapa titik. Data Stasiun Cuaca Otomatis Stasiun Meteorologi Dok 2 Jayapura mencatat curah hujan sebesar 145.6 mm pada tanggal 16 Maret 2019 dan hari berikutnya sebesar 90,6 mm dan 56,8 mm. Nilai ini sebanding dengan ketenetuan Badan Meteorologi Klimatologi Geofisika dengan kategori hujan lebat-sangat lebat. Data satelit Himawari-8 digunakan untuk menganalis struktur awan seperti suhu puncak, kontur suhu, diameter awan. Indeks konvektif pada penelitian didapat dengan memanfaatkan data suhu puncak awan. Data curah hujan Global Precipitation Measurement hasil pengolahan satelit dibandingkan dengan data curah hujan AWS Digitasi Dok 2. Data curah hujan ARG Dok 2 dan AWS Pelabuhan digunakan untuk menghitung nilai hujan tiap jam selama kejadian hujan. Data ERAInterm digunakan untuk analisis kondisi atmosfer vertikal mulai dari lapisan dekat permukaan hingga lapisan 200 mb. Parameter yang digunakan adalah kelembaban, kecepatan vertikal, dan divergensi. Selain itu, data observasi AWS Digitasi Dok 2 seperti suhu, kelembaban dan tekanan udara digunakan untuk mewakili kondisi permukaan dekat pesisir Jayapura. Pengolahan data berbentuk peta grafis menggunakan aplikasi Satellite Animation and Interactive Diagnosis (SATAID) dan Grid Analysis and Display System (GrADS). Hasil penelitian menunjukkan bahwa sistem konveksi yang terbentuk saat kejadian hujan lebat-sangat di Jayapura merupakan sistem konveksi skala meso yang teridentifikasi dari suhu puncak awan mencapai -800C, durasi hujan >9 jam, diameter mayor awan mencapai >400 km. Intensitas hujan lebat hingga sangat lebat teridentifikasi dari kondisi atmosfer yang mendukung terbentuknya presipitasi yaitu kelembaban vertikla udara yang tinggi, aliran udara konvergensi dekat permukaan, dan gerak udara vertikal ke atas disertai kondisi atmosfer permukaan pesisir yang identik. Korelasi curah hujan GPM terhadap curah hujan observasi adalah 0,5 dengan RMSE 7,6 mm/jam. Kata kunci: hujan, konveksi, sataid, divergensi, kelembaban, kecepatan vertikal ABSTRACT Heavy rain occurred in Jayapura on March 16-18 2019 which caused flash floods. Automatic Weather Station (AWS) of the Meteorological Station in Dok 2 Jayapura’s data recorded rainfall of 145.6 mm on March 16, 2019 and the following day at 90.6 mm and 56.8 mm. This value is comparable with the determination of the Meteorology Climatology Geophysical Agency with the category of heavy rain-very heavy. Himawari-8 satellite data is used to analyze cloud structures: top temperature, contour, cloud diameter. The convective index in this research was obtained by utilizing cloud top temperature data. Rainfall Data Global Precipitation Measurement results of satellite processing compared with rainfall data AWS Digitasi Dok 2. Rainfall data ARG Dok 2 and AWS Pelabuhan are used to calculate the rain per hour. ERA-Interm data is used for analysis of vertical atmospheric conditions from the near surface to 200 mb. The parameters used are humidity, vertical velocity, and divergence. In addition, AWS Digitasi Dok 2 data such as temperature, humidity and air pressure were used to represent surface conditions near the coast of Jayapura. Processing data in the form of graphical maps using the Satellite Animation and Interactive Diagnosis (SATAID) and Grid Analysis and Display System (GrADS) applications. The results showed that the convection system formed during a very heavy rain event in Jayapura was a meso scale convection system identified from cloud peak temperatures reaching -800C, the duration of rain> 9 hours, the major diamter of clouds reaching> 400 km. The intensity of heavy to very heavy rainfall is identified from atmospheric conditions that support the formation of precipitation, namely high air vertical stress, convergence airflow near the surface, and vertical upward air motion with identical coastal surface atmospheric conditions. The GPM rainfall correlation to rainfall observation is 0.5 with RMSE 7.6 mm/hour. Keywords: rain, convection, sataid, divergensi, humidity, vertical velocity 1. Pendahuluan Wilayah Indonesia yang secara geografis terletak di daerah ekutor dan di kelilingi oleh samudra besar menyebabkan cuaca dan iklim di Indonesia



dipengaruhi oleh berbagai faktor. Fenomena ENSO, Dipole Mode dan MJO menjadi faktor global yang cukup dominan. Fakor regional juga berpengaruh terhadap kondisi cuaca di Indonesia seperti Monsun



181



dan Inter Tropical Convergence Zone (ITCZ). Faktor lokal seperti angin darat-angin laut, daerah orografi, topografi lingkungan juga berkontribusi. Pada tanggal 16-18 Maret 2019 telah terjadi kejadian cuaca ekstrem berupa hujan dengan intensitas lebat-sangat lebat di wilayah Jayapura yang mengakibatkan banjir dan tanah longsor dibeberapa lokasi khususnya di Sentani. Cuaca ekstrem sangat mungkin terjadi di wilayah Jayapura karena kontur topografi, letak geografis dan faktor skala meteorologi yang dominan. Jayapura memiliki kontur topografi perbukitan dengan pegunungan Cycloop yang membelah wilayah Jayapura bagian utara. Faktor penghangatan suhu muka laut sebagai pendukung suplai uap air, pola angin yang menunjukkan adanya Daerah Konvergensi Intertropis (DKIT), vortisitas negatif pada lapisan atas, ketidakmantapan atmosfer, kenaikan kelembaban udara, suhu puncak awan yang rendah dan tinggi puncak awan yang signifikan menjadi faktor dominan yang mempengaruhi cuaca ekstrem pada studi kasus hujan lebat di Jayapura tahun 2014 (Kurniawan, 2018). Kerugian yang dihasilkan oleh bencana banjir dapat dikurangi dengan cara mengetahui gambaran keadaan cuaca secara spesifik yang terjadi. Salah satu faktor penyebab terjadinya banjir adalah curah hujan dengan intensitas tinggi. Banjir menjadi masalah jika bantaran banjir menjadi daerah terbangun dengan nilai sosial ekonomi tinggi (Qordowi, 2018). Peristiwa hujan lebat dan angin kencang disebabkan oleh faktor pertumbuhan awan Cumulonimbus (CB) yang mengarah sebagai sistem konveksi skala meso (Mesoscale Convective System) dan hujan dengan intensitas lebat perlu diwaspadai pada musim peralihan (Mughozali dkk., 2017). Keberadaan MCC dapat diidentifikasi menggunakan satelit Himawari-8 untuk melihat tipe dan bentuk distribusi pembentukan dan deret waktu suhu awan (Rinaldy dkk., 2017). Durasi hidup MCC di daratan Papua berlangsung selama 9 sampai 22 jam pada sore hingga malam hari dan 9 sampai 26 jam di lautan pada malam hingga pagi hari (Saragih, 2018). Dalam Panjaitan dan Andersen (2015) dinyatakan satelit Himawari 8 sebagai generasi baru dari satelit MTSAT dilengkapi sensor bernama Advanced Himawari Imager (AHI), yang memiliki resolusi temporal, spektral dan spasialnya lebih baik dibandingkan seri sebelumnya. Himawari 8 memiliki 16 kanal yang terdiri dari 3 kanal visibel, 3 kanal infra merah-dekat atau near infrared (NIR) dan 10 kanal Infrared (IR). Untuk resolusi spasial, Himawari 8 terdiri dari 0,5 km dan 1 km untuk kanal cahaya tampak (visible), 2 km untuk data kanal IR serta 1 km dan 2 km untuk kanal NIR. Untuk resolusi temporal, Himawari 8 memiliki resolusi tiap 10 menit untuk pengamatan global dan 2,5 menit untuk pengamatan khusus. Aplikasi yang digunakan untuk mengolah data satelit Himawari 8 adalah SATAID (Satellite Animation and Interactive Diagnosis). Aplikasi ini dapat menampilkan gambar satelit dari data binary dan dapat digunakan untuk memantau situasi yang sebenarnya pada saat kejadian bencana. Pemanfaatan data satelit tidak terbatas pada kejadian hujan lebat saja namun dapat



182



dimanfaatkan untuk kejadiana hujan es dengan memadukan citra satelit dengan citra radar (Kristianto dan Immanuel, 2018) Penelitian ini bertujuan untuk mengetahui dinamika atmosfer saat terjadi fenomena cuaca ekstrem berupa hujan lebat dengan memanfaatkan data citra satelit. Pemanfaatan data citra satelit dimaksudkan untuk mengetahui sistem konveksi yang terbentuk diantaranya luasan awan, durasi fase pertumbuhan awan, suhu puncak awan dan kontur suhu. Analisis meteorologi melalui berbagai parameter cuaca juga digunakan untuk mengetahui kondisi cuaca di Jayapura. Parameter yang digunakan adalah penampang vertikal kelembaban udara, kecepatan vertikal, dan divergensi. Kondisi permukaan juga diwakili dengan parameter kelembaban udara, suhu udara, dan tekanan udara. Analisis suatu kejadian fenomena cuaca ekstrem perlu dilakuakan sebagai langkah awal prediksi cuaca sehingga daapt dijadikan indikator peringatan dini dengan mempertimbangkan parameter-parameter cuaca yang menyertai cuaca ekstrem. 2. Metodologi Wilayah yang dikaji pada penelitian ini adalah wilayah Jayapura dan sekitarnya. Lokasi penilitian terfokus pada titik koordinat Stasiun Meteorologi Dok 2 Jayapura. Stasiun Meteorologi Dok 2 (97698) berada pada koordinat 2.530LS dan 140.720BT. Titik ini didasarkan pada lokasi Stasiun Meteorologi Dok 2 Jayapura yang berada tepat di pesisir Jayapura Utara. Data yang digunakan dalam penelitian ini adalah data satelit Himawari-8 kanal IR 1, AWS (Authomatic Weather Stasion) Digi Stasiun Meteorologi Dok 2 Jayapura, data curah hujan AWS Pelabuhan Jayapura, data curah hujan ARG (Authomatic Rain Gauge) Dok 2, dan data curah hujan GPM (Global Precipitation Mearuseument). Citra satelit Himawari-8 kanal IR 1 digunakan untuk mengidentifikasi sistem konveksi dengan menampilkan kontur suhu, deret wakt suhu puncak awan, diamater awan dan pertumbuhan awan. Data suhu puncak awan dapat digunakan untuk menghitung nilai indeks konvektif (IK). Nilai ambang batas suhu puncak awan 230 K digunakan dalam persamaan penghitungan niai indeks konvektif (Sakurai dkk., 2005). Data AWS Digi Dok 2 yaitu suhu, kelembaban, dan tekanan udara untuk mewakili kondisi atmosfer permukaan sementara data curah hujan digunakan sebagai data pembanding terhadap data curah hujan GPM. GPM adalah jaringan satelit internasional yang menyediakan generasi masa depan pengamatan global presipitasi dan salju. Dibangun setelah keberhasilan TRMM (Tropical Rainfall Measuring Mission), konsep GPM terfokus pada persebaran satelit inti dan peningkatan radar/sistem radiometer untuk mengukur presipitasi dari luar angkasa dan penyedia standar acuan untuk menyatukan pengukuran presipitasi dari kumpulan penelitian dan operasional. GPM diinisiasi oleh NASA dan JAXA sebagai penerus TRMM, yang terdiri dari berbagai konsorsium badan antariksa internasional seperti



CNES (Centre National d’Etudes Spatiales), ISRO (Indian Space Research Organization), NOAA (National Oceanic and Atmospheric Administration), EUMETSAT (European Organization for the Explotation of Meteorological Satellites), dan lainnya. GPM memiliki beberapa misi keilmuaan diantaranya meningkatkan kemampuan pengukuruan presipitasi; meningkatkan pengetahuan tentang sistem presipitasi, variabilitas siklus air, ketersediaan air bersih; meningkatkan pemodelan iklim dan kapabilitas prediksi; meningkatkan prakiraan cuaca dan reanalisis 4 dimensi; meningkatkan prediksi dan pemodelan hidrologi (Hou dkk., 2008) Tabel 1. Jenis Data GPM yang Digunakan Resolusi



Wilayah



Waktu



Latensi



0.10-30 menit



900N900S,



Maret 2014sekarang



4 jam (Early Run)



Format HDF5, GeoTIF, NetCDF, ASCII, PNG, KMZ, OpenDAP, GrADS, THREDDS



Kondisi fisis atmosfer diamati dengan menggunakan data ECMWF yaitu ERA-Interm. ERA Interm adalah data reanalisis atmosfer global sejak 1979 hingga data tekini. Sistem model dan reanlisis atmosfer yang digunakan adalah 3lr2 ECMWF Integrated Forecast System dengan konfigurasi resolusi spasial yaitu: 60 level vertikal dengan puncak 0.1 hPa; T255 spherical-harmonicI untuk dasar dinamis; model Gaussian untuk wilayah permukaan dan titik grid lainnya. Gerak udara vertikal merupkan komponen utama dari momentum gerak di atmosfer dan mempunyai peranan penting dalam mempengaruhi terbentuknya awan, hujan maupun kondisi cuaca cerah. Nilai gerak vertikal negatif atau kecepatan vertikal ke atas mempercepat terjadinya proses kondensasi dan proses presipitasi. Divergensi merupakan kecenderungan udara mengumpul atau menyebar dalam komponen horizontal. Nilai divergensi positif atau divergensi menunjukkan gerak udara menyebar dan diindikasikan keadaan cuaca baik, sedangkan nilai divergensi positif menunjukkan udara mengumpul pada suatu daerah yang membantu untuk pembentukan awan. Tabel 1. Jenis Data ECMWF yang Digunakan Level Tipe Dataset Step Temporal Parameter Area Spasial



Model Atmosfer Tekanan, 1000mb -200 mb Analisis, ERA Interm Interm_daily, 20190301-20190331 0 00:00:00, 06:00:00, 12:00:00, 18:00:00 Divergensi, Kelembaban, Kecepatan Vertikal 90E 150E, 10N 15S 0.25x0.25



3. Hasil dan Pembahasan 3.1. 16-17 Maret 2019 Dari gambar 1a ditunjukkan jumlah curah hujan tiap jam tanggal 16-17 Maret 2019. Hujan dengan intensitas ringan mulai tercatat pukul 17.00 WIT pada ARG Dok 2 dan AWS Pelabuhan. Hujan dengan intensitas sedang hingga sangat lebat terjadi hingga menjelang dini hari. Puncak curah hujan tiap jam tertinggi terjadi pukul 23.00 WIT-00.00 WIT keesokan harinya yaitu sebesar 70.4 mm (ARG Dok2), 40.6 mm (AWS Digi), 55.8 mm (AWS Pelabuhan). Dari deret waktu jumlah curah hujan tiap jam dapat diketahui bahwa hujan yang terjadi pada tanggal 16-17 Maret 2019 berlangsung sekitar 10-11 jam. Dari deret waktu suhu puncak awan dapat diidentifikasi bahwa fase tumbuh awan konveksi terjadi sekitar pukul 09.00 UTC (18.00 WIT) yang ditandai dengan penurunan suhu secara tajam dan konsisten hingga sekitar pukul 10.00 UTC (19.00 WIT) dan terus mengalami penurunan secara fluktuaktif hinga pukul 12.00 UTC (21.00 WIT). Setelahnya, suhu puncak awan diketahui berada pada nilai terendah yaitu 1.000.000 500.000-1.000.000 100.000-500.000 20.000-100.000 3.000-20.000



3. Hasil dan Pembahasan 3.1. Kondisi Hidrogeologi Daerah Penelitian Kondisi hidrogeologi terdiri dari kedalaman muka airtanah, ketinggian muka airtanah dan arah aliran airtanah. Pengukuran airtanah dilakukan terhadap 10 sumur yang terdiri dari titik pengukuran SG-1, SG-2, SG-3, SG-4, SG-5, SG-6, SG-7, SG-8, SG-9, dan SG10 (Gambar 3). Dari hasil analisis ketinggian MAT terhadap air laut diperoleh hasil berkisar antara 0-120 mdpl (Gambar 4). Berdasarkan peta ketinggian MAT pada tahun 2003,



Kebutuhan Air Bersih (L/orang/hari) 150 120 90 80 60



tidak terdapat perubahan signifikan terhadap ketinggian MAT. Dimana bagaian utara dari daerah penelitian memiliki nilai ketinggian MAT yang lebih rendah jika dibandingkan dengan ketinggian MAT pada bagian selatan dari daerah penelitian. Arah aliran airtanah menuju ke utara dari daerah penelitian. Jika dilihat dari topografi daerah penelitian dimana pada bagian selatan memiliki elevasi lebih tinggi jika dibandingkan dengan bagian utara. Sehingga dapat disimpulkan bahwa arah aliran airtanah dari daerah dengan elevasi tinggi menuju daerah dengan elevasi yang lebih rendah.



Gambar 4. Peta Muka Airtanah Daerah Penelitian



3.2. Kondisi Bawah Permukaan Daerah Penelitian Kondisi bawah permukaan ditentukan dengan menggunakan metode resistivity konfigurasi Schluberger. Untuk mengetahui jenis batuan bawah permukaan dilakukan analisis data resistivity menggunakan metode matching curve. Metode matching curve dilakukan dengan mencocokkan kurva



196



resistivitas semu yang diperoleh pada pengukuran di lapangan dengan kurva resistivitas semu yang dihitung secara teoritis. Hasil analisis berupa jenis litologi, kedalaman dan ketebalan lapisan litologi. Hasil analisis berupa kondisi bawah permukaan selanjutnya digunakan untuk menentukan nilai koefisien kelulusan air (K) berdasarkan jenis litologinya. Nilai



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019



tersebut akan digunakan dalam perhitungan potensi airtanah yang akan dibahas dalam subbab selanjutnya. Hasil analisis diperoleh litologi daerah penelitian berupa lempung, batupasir tuffan, pasir, tuff, breksi, dan lava. Nilai resistivity litologi lempung yang diperoleh di titik pengkuran resistivity daerah penelitian antara 0,82– 15,74Ωm, nilai resistivity litologi pasir yang diperoleh di titik pengkuran resistivity daerah penelitian sebesar 32,8Ωm. Nilai resistivity litologi batupasir tuffan yang diperoleh di titik pengkuran resistivity daerah penelitian



antara 28,41 – 85Ωm. Nilai resistivity litologi tuff yang diperoleh di titik pengkuran resistivity daerah penelitian antara 24,48–43,3Ωm. Nilai resistivity litologi breaksi yang diperoleh di titik pengkuran resistivity daerah penelitian antara 160 – 964Ωm. Nilai resistivity litologi lava yang diperoleh di titik pengkuran resistivity daerah penelitian antara 1.002–3.587Ωm. Berikut ini gambar 5 hasil analisis data resistivity:



Gambar 5. Hasil Analisis Resistivitas



3.3. Potensi Airtanah Daerah Penelitian Potensi airtanah erat kaitanya dengan kuantitas airtanah. Dalam penelitian ini kuantitas airtanah difokuskan pada airtanah bebas/airtanah idak tertekan. Kuantitas airanah bebas meliputi jumlah airtanah akuifer bebas yang ada di daerah penelitian meliputi cadangan statis dan cadangan dinamis. penjelasan tersebut, hasil perhitungan antara cadangan statis dan cadangan dinamis akan menghasilkan nilai cadangan dinamis yang lebih sedikit daripada cadangan statis. Cadangan statis merupakan jumlah airtanah yang tersedia di dalam batuan dan airtanah yang dihitung dianggap tetap berada di dalam batuan dan tidak mengalir. Nilai cadangan statis diperoleh dari perhitungan volume batuan yang merupakan akuifer. Akuifer pada daerah penelitian ditentukan dari jenis litologi dan muka airtanah. Diketahui akuifer daerah



Perbedaan hasil antara cadangan statis dan cadangan dinamis disebabkan oleh cadangan statis airtanah yang akan dihitung tetap berada dalam suatu batuan dan airtanah tidak mengalir, sedangkan cadangan dinamis airtanah memperhitungkan bahwa air yang masuk ke dalam batuan lebih sedikit dibanding dengan air yang digunakan. Dari penelitian tersusun oleh lapisan pasir, pasirtuffan, dan breksi. Dari jenis litologi yang menjadi akuifer, diasumsikan bahwa nilai Sy (Specific Yield) termasuk kedalam kelompok pasir kasar dengan nilai Sy 27%. Untuk menentukan jumlah cadangan statis menggunakan persamaan 1.1 sebagai berikut ini: Cadangan Statis = Sy x V batuan = 0,27 x 27.499.269 = 7.424.802,63 m3 Cadangan dinamis merupakan jumlah airtanah yang mengalir dalam batuan. Perhitungan cadangan



197



dinamis mempertimbangkan jumlah air yang masuk dan jumlah air yang keluar. Dimana jumlah air yang masuk ke dalam batuan lebih sedikit dibandingkan dengan jumlah air yang keluar. hasil perhitungan



didapat nilai cadangan dnamis daerah penelitian sebesar 6.782 m3/hari atau 2.475.768 m3/tahun. Hasil perhitungan cadangan dinamis tersaji pada tabel 4 berikut ini:



Tabel 4. Nilai cadangan dinamis airtanah daerah penelitian Kode 1 2 3 4 5 6



T (m2/hari) 142,13 182,97 0,35 11,51 86,77 4,99



i 0,014 0,010 0,046 0,003 0,044 0,043



L(m) 696 792 429 1008 895 350



Jumlah



Q (m3/hari) 1.421,252 1.463,775 6,961 345,415 3.470,712 74,811 6.782,926 m3/hari 2.475.768 m3/tahun



Jumlah penduduk yang masuk ke dalam daerah penelitian pada Tahun 2013 adalah 30.018 Jiwa dan pada Tahun 2017 adalah 33.310. sehingga dapat ditentukan proyeksi jumlah penduduk Tahun 2020 dan 2025. Berikut ini tabel (Tabel 5) perhitungan jumlah penduduk daerah penelitian: Tabel 5. Nilai cadangan dinamis airtanah daerah penelitian Tahun 2013 Penduduk 3 Kecamatan (Ngaliyan, 312.502 Tugu, Semarang Barat) Tahun 2013* Penduduk di DAS Silandak 30.018 Sumber: BPS Kota Semarang Tahun 2018 dan 2016 *hasil analisa



Jumlah Penduduk (Jiwa) 2016



2014



2015



314.297



315.913



2014* 30.267



2015* 30.502



Jumlah penduduk di daerah penelitian dihitung berdasarkan persentase luasan kecamatan yang masuk di daerah penelitian dengan asusmsi persebaran penduduk merata. Kebutuhan air bersih di DAS Silandak untuk keperluan rumah tangga umumnya dipenuhidari sumur gali. Proyeksi kebutuhan air bersih untuk ruag tangga dilakukan dengan mengacu pada Standar Kebutuhan Air Bersih untuk Keperluan Rumah Tangga (Dirjen Cipta Karya, 1996).



2017



2020*



2025*



346.939



344.318



370.390



404.358



2016* 34.987



2017* 33.311



2020* 36.025



2025* 39.502



Berdasarkan klasifikasi tersebut, dapat diketahui kebutuhan air bersih untuk penduduk rata-rata diasumsikan 80 L/orang/hari. Berdasarkan hasil perhitungan dari jumlah penduduk dan kebutuhan air bersih diketahui jumlah kebutuhan air bersih pada Tahun 2017 sebanyak 972.681,12 m3/tahun, Tahun 2020 sebanyak 1.051,930 m3/tahun, dan Tahun 2025 sebanyak 1.153.458 m3/tahun (Tabel 6).



Tabel 5. Kebutuhan air bersih Tahun 2017, 2020, dan 2025 Jumlah Penduduk (Jiwa) 2017* 2020** 2025** 33.311 36.025 39.502 Sumber: * BPS Kota Semarang Tahun 2018 dan 2016 **hasil analisa



Dari hasil perhitungan cadangan dinamis dan proyeksi kebutuhan air bersih di DAS Silandak, maka diketahui bahwa kebutuhan air bersih masih dapat tercukupi dengan menggunakan airtanah dangkal. Dimana cadangan dinamis sebesar 2.475.768 m3/tahun dan kebutuhan air bersih Tahun 2025 sebesar 1.153.458 m3/tahun. Dilihat dari pertumbuhan jumlah penduduk yang tiap tahun meningkat, maka jumlah kebutuhan air bersih juga akan meningkat. Untuk menjaga ketersedia airtanah, tetap dilakukan upaya konservasi airtanah. Sebagai alternatif sumber lain, masyarakat mampu menggunakan sumur dalam ataupun menggunakan air bersih dari perusahaan penyedia air. 4. Kesimpulan / Rekomendasi Muka Airtanah mengikuti topografi, dimana MAT lebih rendah di utara dan lebih tinggi di selatan. Aliran airtanah mengarah dari selatan ke utara. Kondisi bawah permukaan daerah penelitian dilihat dari nilai tahanan jenis didapat 6 jenis litologi, yaitu lempung



198



2017 972.681,2



Kebutuhan Air (m3/tahun) 2020 1.051.930



2025 1.153.458



dengan nilai resistivity antara 0,82–15,74Ωm, pasir dengan nilai resistivity 32,8Ωm, batupasir tuffan dengan nilai resistivity antara 28,41 – 85Ωm, tuff dengan nilai resistivity antara 24,48–43,3Ωm, breaksi dengan nilai resistivity 160 – 964Ωm, dan lava dengan nilai resistivity antara 1.002–3.587Ωm. Potensi airtanah di DAS Silandak meliputi cadangan statis dan cadangan dinamis. Cadangan statis sebesar 7.424.802,63 m3 dan cadangan dinamis sebesar 2.475.768 m3/tahun. Proyeksi kebutuhan air bersih pada Tahun 2020 sebesar 1.051.930 m3/tahun dan pada Tahun 2025 sebesar 1.153.458 m3/tahun. Kebutuhan air bersih masih tercukupi dengan menggunakan sumber air berupa airtanah. DAFTAR PUSTAKA Badan Pusat Statistik Kota Semarang. 2016. Kota Semarang Dalam Angka 2016. Katalog 1102001.3374 [online akses 20 April 2019]. Badan Pusat Statistik. 2018. Kota Semarang dalam Angka., https://semarangkota.bps.go.id/website/publication/



Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS MPPDAS-STMKG, Jakarta 26 September 2019 Kota_Semarang-Dalam-Angka-2018.pdf [online akses 20 April 2019]. BAPPEDA Kota Semarang.2011-2031. Peta Rencana Tata Ruang dan Wilayah. (tidak diterbitkan) Bisri, M. 2012. Air tanah. Universitas Brawijaya Press, Malang. Direktorat Jenderal Cipta Karya. 1996. Standar Kebutuhan Air Bersih Untuk Keperluan Rumah Tangga. Jakarta. Kodoatie, R.J. 2012.Tata Ruang Air Tanah.Andi, Yogyakarta Musset, A.E., dan Khan M.A. 2000. Looking Into The Earth, Cambridge University Press, New York. Said, H.D., dan Sukrisno. 1988. Peta Hidrogeologi Regional Lembar Semarang. Dinas ESDM Provinsi Jawa Tengah Telford, W.M., Geldart, L.P dan Sheriff, R.E. 2004. Applied Geophysics 2nd Edition, Cambridge University, Cambridge Thanden, R.E., Sumadirdja, H., Richards, P.W., Sutisna, K., dan Amin, T.C. 1996. Peta Geologi Lembar Magelang dan Semarang, Jawa: Pusat Penelitian dan Pengembangan Geologi. Todd, D. K. 1980. Groundwater Hydrology.John Wiley, New York Todd, D.K., dan Mays, L.W. 2005. Groundwater Hydrology 3ndEdition, John Wiley & Sons, New York. Widada, S., Satriadi, A., Rochaddi, B., 2017. Kajian Potensi Air Tanah Berdasarkan Data Geolistrik Resistiviti Untuk Antisipasi Kekeringan Di Wilayah Pesisir Kangkung, Kabupaten Kendal, Provinsi Jawa Tengah. Jurnal Kelautan Tropis. Vol. 20(1):35-41.



199