LAPORAN
Untuk Memenuhi Tugas Matakuliah
Praktikum SIG Terapan Pengembangan Wilayah dan Pariwisata
Yang dibina oleh Alfi Nur Rusydi, S.Si., M.Sc
Oleh :
Muhamad Faqih Hidayatullah
120722403888
Offering G
ACARA I
METODE SKORING UNTUK PEMODELAN SIG
PEMODELAN KESESUAIAN
I.
Tujuan
- Untuk memahami aplikasi SIG berdasarkan pendekatan biner, pendekatan
-
II.
III.
Dasar Teori
Kecamatan Girimulyo terletak di Kabupaten Kulon Progo, Provinsi
Daerah Istimewa Yogyakarta. Secara geografis daerah penelitian terletak pada
koordinat 110 07 14,5 110 11 36 BT dan 07 45 00 07 48 15 LS.
Kecamatan Girimulyo dikenal sebagai salah satu lokasi yang berpotensi cukup
tinggi dalam terjadinya tanah longsor. Hal ini terbukti dari banyaknya lokasi
longsor yang ditemukan dan telah menimbulkan kerugian. Tanah longsor atau
gerakan tanah adalah perpindahan material pembentuk lereng, dapat berupa
batuan asli, tanah pelapukan, bahan timbunan atau kombinasi dari materialmaterial tersebut yang bergerak ke arah bawah dan keluar lereng (Varnes, 1978
dalam Respati, et al, 2014).
Berdasarkan uraian diatas, diperlukan suatu mitigasi bencana atau
pemetaan daerah rawan bencana longsor. Hal tersebut agar dapat meminimalisir
terjadinya longsor dan meminimalisir korban apabila terjadi bencana. Dalam hal
ini, pemanfaatan teknologi dan aplikasi SIG (Sistem Informasi Geografi) sangat
penting dan dibutuhkan dalam merencanakan pemetaan. Karena SIG berguna
sebagai alat bantu (tools), data lebih padat karena dalam bentuk digital,
kemampuan analisa spasial lebih cepat dan tipe analisa dapat dikembangkan,
pemakai mendapatkan informasi yang lebih akurat, cepat dan dapat memanipulasi
sesuai dengan spesifikasi yang dibutuhkan. Pemanfaatan aplikasi SIG bermacammacam, baik untuk perencanaan wilayah, bidang kehutanan, pendidikan, sosial,
pariwisata, kebencanaan, dan lain-lain.
Melihat kondisi yang ada di Kecamatan Girimulyo, maka dalam hal ini
pemanfaatan aplikasi SIG yang akan dilakukan yaitu untuk mengetahui bahaya
longsor di Kecamatan Girimulyo dengan menggunakan 3 pemodelan kesesuaian
yaitu Binary Model, Ranking Model, dan Rating Model. Pemodelan kesesuaian
merupakan sebuah model habitat sederhana dapat dikembangkan hanya
menggunakan reklasifikasi dan operasi overlay. Binary model atau model biner
merupakan model overlay dengan cara melakukan perkalian pada peta lereng, peta
tanah dan peta curah hujan, serta dengan reklasifikasi hanya 2 kelas saja yaitu 0
dan 1. Ranking Model atau model peringkat atau berjenjang merupakan model
overlay dengan cara melakukan penjumlahan pada peta lereng, peta tanah dan
peta curah hujan. Sedangkan Rating Model atau model penilaian merupakan
dengan cara menilai atau memberi skor pada peta lereng, peta tanah dan peta
curah hujan sesuai dengan parameternya.
IV.
Langkah Kerja
Langkah umum
1. Add data shapefile atau data vektor Administrasi Girimulyo, Kontur
Girimulyo, Jenis tanah Girimulyo, Curah hujan Girimulyo.
2. Untuk mengkonversi peta kontur (vektor) ke Digital Elevation Model
(DEM) dengan menggunakan alat (ArcToolbox) 3D Analyst Topo to
Raster (pilih field Elevasi dan Contour sebagai Type) lalu gunakan tools
Extract by Mask pada menu Spatial Analyst Tools Extraction
Extract by Mask
3. Untuk membuat peta kemiringan (raster) yang berasal dari DEM Peta
(raster) dengan menggunakan tools yaitu Spatial Analyst Tool Surface
Slope
4. Untuk interpolasi data titik hujan (vektor) ke Peta interpolasi curah hujan
(raster) dengan menggunakan menu ArcToolbox 3D Analyst Topo to
Raster (pilih field CHujan dan point elevasi sebagai Type) lalu gunakan
Pendekatan Biner
1. Untuk mereklasifikasi peta raster tanah, peta interpolasi curah hujan, dan
peta kemiringan lereng dengan menggunakan tools Reclassify pada menu
ArcToolbox yaitu Spatial Analyst Tools Reclass Reclassify, dengan
klasifikasi sebagai berikut :
a. Untuk peta kemiringan : <40% 0 dan > 40% 1
b. Untuk peta tanah : latosol dan grumusol 1; regosol 0
c. Untuk peta curah hujan : <350 0 dan > 350 1
2. Untuk menghitung peta bahaya longsor dengan menggunakan pendekatan
biner yaitu sebagai berikut:
a. Spatial Analyst Tools Map Algebra Raster Calculator
b. Gunakan rumus perhitungan yaitu slope_bin * soil_bin * rainfall_bin
c. Untuk mengklasifikasikan peta bahaya longsor biner ke dalam kelas
yaitu: Daerah aman: 0, dan daerah bahaya longsor: 1
Pendekatan Ranking
1. untuk menghitung peta bahaya longsor berdasarkan pendekatan peringkat
atau berjenjang dengan menggunakan tools Raster Calculator, yaitu
dengan rumu slope_bin + soil_bin + rainfall_bin
2. Untuk klasifikasi peta bahaya longsor pendekatan peringkat yaitu ke
dalam kelas:
0: aman; 1: bahaya rendah; 2: Bahaya sedang; 3: Bahaya tinggi
Pendekatan Rating:
1. Dalam pendekatan rating ini perlu mereklasifikasi ulang setiap peta raster
(slope_ras peta, rain_ras peta, dan soil_ras peta), yaitu sebagai berikut :
a. Untuk soil_ras peta :
- Regosol 3
- Latosol 7
- Grumusol 9
b. Untuk slope_ras peta :
- <30% 1
- 30-50% 3
- 50% -100% 5
- 100% -150% 7
- > 150% 9
c. Untuk rain_ras peta :
- <325 mm 1
- 325-350 mm 3
- 350-400 mm 5
- 400-450 mm 7
- > 450 mm 9
2. Untuk menghitung peta bahaya longsor dengan menggunakan tools raster
calculator yaitu dengan rumus sebagai berikut:
Float (slope_rec + rain_rec + soil_rec) / 3
3. Untuk mengklasifikasikan peta bahaya longsor yaitu menjadi lima kelas:
1: daerah aman
2: daerah bahaya Rendah
3: daerah bahaya Moderat
4: daerah bahaya Tinggi
5: daerah bahaya Sangat Tinggi
Layout Peta
1. Peta Raster (Peta Tanah, Peta Lereng, Peta Curah Hujan)
2. Peta Binary (Peta Tanah, Peta Lereng, Peta Curah Hujan)
3. Peta Bahaya Longsor Pendekatan Biner (Binary Approach)
4. Peta Bahaya Longsor Pendekatan Peringkat (Ranking Approach)
5. Peta Bahaya Longsor Pendekatan Penilaian (Rating Approach)
Diagram Alir
- Peta Raster
Shapefile
Kontur
Conversion
To Raster
Extract by
Mask
Slope
Output :
Peta Slope Raster
Shapefile
Jenis Tanah
Output :
Peta Jenis
Tanah Raster
Output :
Peta Curah
Hujan Raster
Peta Bineri
Peta Slope
Raster
Peta Curah
Hujan Raster
Peta Jenis
Tanah Raster
Klasifikasi kelasReclassify
:
-
Output :
Peta Lereng Biner
Output :
Peta Curah Hujan
Biner
Output :
Peta Jenis Tanah
Biner
Output :
Peta Curah Hujan
Biner
Raster Calculator
Output :
Peta Jenis Tanah
Biner
Output :
Peta Bahaya Longsor (Pendekatan Binary)
Output :
Peta Curah Hujan
Biner
Output :
Peta Jenis Tanah
Biner
Raster Calculator
Output :
Peta Bahaya Longsor (Pendekatan Ranking)
Peta Slope
Raster
Peta Jenis
Tanah Raster
Reclassify ulang
Klasifikasi kelas
Peta Lereng :
- <30% 1
- 30-50% 3
- 50% -100% 5
Klasifikasi Kelas
Peta Janis Tanah :
- Regosol 3
- Latosol 7
- Grumusol 9
Raster Calculator
Output :
Peta Bahaya Longsor (Pendekatan Rating)
V.
Hasil Praktikum
1. Peta Raster (terlampir)
- Peta Tanah
- Peta Lereng
- Peta Curah Hujan
2. Peta Binary (terlampir)
- Peta Tanah
- Peta Lereng
- Peta Curah Hujan
3. Peta Bahaya Longsor Pendekatan Biner (Binary Approach) (terlampir)
4. Peta Bahaya Longsor Pendekatan Peringkat (Ranking Approach) (terlampir)
5. Peta Bahaya Longsor Pendekatan Penilaian (Rating Approach) (terlampir)
VI.
Pembahasan
Dalam praktikum acara 1 ini yaitu metode skoring untuk pemodelan SIG
dalam menentukan zona rawan longsor di Kecamatan Girimulyo, Kabupaten
Kulon Progo, Daerah Istimewa Yogyakarta. Dalam hal ini pemodelan SIG yang
digunakan yaitu pemodelan kesesuaian yang terdiri dari Binary Model, Ranking
Model, dan Rating Model. Ketiga model tersebut berbeda dalam perumusan dan
pengklasifikasian tingkat bahaya longsor. Serta memiliki karakteristik yang
berbeda dalam pengidentifikasian zona rawan longsor. Pemodelan kesesuaian ini
memerlukan penerapan kriteria untuk landscape untuk menilai mana yang paling
berpengaruh terhadap terjadinya bencana longsor.
Kesimpulan
LAMPIRAN
1. Peta Raster
a. Peta Lereng
2. Peta Biner
a. Peta Lereng