ABSTRACT
ABSTRAK
tanah dan tindakan konservasi tanah yang lainnya, dimana pada longsor
yang diperlukan agar tidak terjadi pengangkutan tanah terjadi sekaligus.
kerusakan tanah dan tanah dapat Longsor terjadi sebagai akibat meluncur-
dipergunakan secara produktif dan nya suatu volume tanah diatas suatu
lestari. lapisan agak kedap air yang jenuh air.
SIG merupakan suatu alat Lapisan itu terdiri dari liat atau
(system) berdasarkan komputer yang mengandung kadar liat tinggi yang
mempunyai kemampuan untuk me- setelah jenuh air berlaku sebagai
nangani data yang bereferensi geografi peluncur.
yang mencakup pemasukan, manajemen Parameter-parameter longsor
data (penyimpanan data dan pemanggil- dapat diidentifikasi akibat dari interaksi
an), manipulasi dan analisis, dan kerja antara faktor-faktor iklim,
pengembangan produk dan pencetakan topografi, vegetasi tanah dan manusia
yang didukung oleh pemakai dan sebagai berikut :
organisasinya serta data yang digunakan. L = f ( i , r , v , t , m )…………………... (2-1)
Dengan mengimplementasikan
data Penginderaan Jauh dan SIG meng- Keterangan:
L : rawan longsor
gunakan model Indeks Storie, maka
i : iklim
prediksi rawan bencana longsor pada
suatu lokasi tertentu dapat ditentukan, r : topografi
v : tumbuh-tumbuhan
karena model Indeks Storie merupakan
t: : tanah
fungsi dari beberapa parameter yang
terdiri dari faktor-faktor penyebab longsor m : manusia
antara lain iklim (curah hujan), topografi Persamaan di atas mengandung
(kemiringan dan panjang lereng), vegetasi dua jenis peubah yaitu (1) faktor-faktor
(penggunaan lahan), tanah (jenis tanah) yang dapat dirubah oleh manusia
dan faktor tindakan konservasi (pengelo- seperti tumbuh-tumbuhan yang tumbuh
lahan tanah) dan faktor-faktor lain di atas tanah (v), sebagian sifat-sifat
(geomorfogi/bentuk lahan, litologi, tekstur tanah (t) yaitu kesuburan tanah,
tanah, kelembaban tanah, geologi). ketahanan agregat dan kapasitas
Penelitian ini bertujuan untuk infiltrasi, dan satu unsur topografi (r)
menginventarisasi daerah rawan bencana yaitu panjang lereng, dan (2) faktor-
longsor, dengan menggunakan imple- faktor yang tidak dapat dirubah oleh
menttasi data penginderaan jauh dan manusia seperti iklim (i), tipe tanah dan
SIG. kecuraman lereng (Arsyad, 1989).
diusahakannya akan rusak dan tidak data atribut dalam SIG untuk menjawab
produktif atau menjadi baik dan berbagai pertanyaan yang dikembangkan
produktif secara lestari. Perubahan- dari data yang ada menjadi suatu
perubahan yang dilakukan oleh persoalan yang relevan. Data spasial
manusia terhadap penggunaan lahan dalam SIG hanya merupakan model
tentu akan berdampak pada longsor penyajian yang merefleksikan berbagai
dan lingkungannya (Kartasapurtro, 1991). aspek realitas dunia nyata, sedangkan
2.3 Ekstrasi Informasi Data Inderaja untuk meningkatkan peranan data
dalam pengambilan keputusan mengenai
Data penginderaan jauh, merupa- kenyataan tersebut, suatu model harus
kan suatu data yang mampu mem- ditampilkan yang menggambarkan obyek-
berikan informasi terbaru dan ketelitian obyek termasuk menyajikan hubungan
yang tinggi. Oleh karena itu, data inderaja antar obyek.
dapat diektrasi untuk keperluan- Fungsi-fungsi analisis yang di-
keperluan penelitian yang dibutuhkan maksudkan adalah fungsi yang meman-
pada saat yang lampau, sekarang dan faatkan data yang telah dimasukkan
yang akan datang. Untuk keperluan kedalam SIG dan telah mendapatkan
penelitian inventarisasi daerah rawan berbagai manipulasi persiapan. Fungsi-
longsor data dapat diekstrasi menjadi fungsi tersebut antara lain adalah fungsi
peta penggunaan lahan, peta geomorfologi pengolahan dan analisis data atribut
dan peta kelembaban lahan/tanah. atau spasial, serta fungsi integrasi analisis
2.3.1 Peta penggunaan lahan data spasial dan atribut. Implementasi
fungsi analisis tergantung beberapa
Peta penggunaan lahan dapat
factor antara lain seperti model data
diperoleh dari klasifikasi data satelit
(raster atau vector), piranti keras dan
Landsat. Metode klasifikasi yang akan
ketersediaan kriteria.
digunakan metode klasifikasi terawasi
Penyerderhanaan berbagai kelom-
(supervised) dengan strategi klasifikasi
pok analisis, terdapat 4 katagori yaitu :
Maximum Likelihood. Untuk mengetahui
fungsi pemanggilan/klasifikasi/pengukur-
tingkat keterpisahan training sample
an data, fungsi tumpang tindih, fungsi
digunakan uji training sample yaitu
tetangga dan fungsi jaringan/keter-
Transformasi Divergensi, sedangkan
kaitan. Dalam penelitian ini fungsi analisis
tingkat ketelitian pemetaan digunakan
SIG yang digunakan adalah fungsi
uji confusion matrix hasil klasifikasi
tumpang tindih. Fungsi analisis/ operasi
dengan refrensi yang dianggap benar
tumpang tindih dalam SIG umumnya
dalam hal ini peta penggunaan lahan
dilakukan dengan salah satu dari 5 cara
(Bakosurtanal, BPN) dan hasil cek
yang dikenal yaitu : pemanfaatan fungsi
lapangan. Selanjutnya dilakukan editing
logika dan fungsi Boolean, pemanfaatan
dan filtering terhadap hasil klasifikasi
fungsi relasional, pemanfaatan fungsi
agar peta yang dihasilkan memenuhi
aritmatika (parametrik), pemanfaatan
syarat kartografis (luas minimum unit
data atribut atau tabel dua dimensi dan
peta).
penyilangan dua peta langsung.
2.4 SIG dan Penentuan Rawan Bencana Model yang akan digunakan
Longsor untuk menentukan daerah rawan bencana
Seperti yang telah diungkapkan longsor adalah model parametrik
dalam pendahuluan bahwa SIG merupa- aritmatik perkalian metode Indeks Storie
kan suatu system yang mempunyai dengan rumus (Sitorus, 1995):
kemampuan analisis terhadap data L = A x B/10 x C/10 x D/10 x ……. (2-2)
spasial untuk keperluan manipulasi Keterangan:
maupun permodelan. Fungsi analisis ini
L : rawan bencana longsor
dijalankan memakai data spasial dan
A : parameter leren
80
Implementasi Penginderaan Jauh dan SIG …….. (Samsul Arifin et.al.)
Konversi
Vektor ke Raster Digitasi
SIG
Indeks Storie
RAWAN BENCANA
LONGSOR
81
Jurnal Penginderaan Jauh Vol. 3 No. 1 Juni 2006:77-86
82
Implementasi Penginderaan Jauh dan SIG …….. (Samsul Arifin et.al.)
Nilai
No. Variabel Kriteria
Harkat
1. Iklim -Curah Hujan 3700 – 4000 mm tahun 8
-Curah Hujan 3400 - 3700 mm tahun 7
-Curah Hujan 3100 - 3400 mm tahun 6
-Curah Hujan 2800 - 3100 mm tahun 5
-Curah Hujan 2500 - 2800 mm tahun 4
-Curah Hujan 2200 – 2500 mm tahun 3
-Curah Hujan 1900 – 2200 mm tahun 2
-Curah Hujan 1600 – 1900 mm tahun 1
2. Lereng -terjal s/d sangat terjal, kemiringan > 75% 6
-sangat curam s/d terjal, kemiringan 46-75 % 5
-curam s/d sangat curam, kemiringan 31-45% 4
-agak curam, berbukit, kemiringan 16-30% 3
-landai, berombak, bergelombang, kemiringan 4- 2
15% 1
-datar, kemiringan 0-3%
3. Penggunaan - tanpa vegetasi 5
Lahan atau - rumput, semak, vegetasi sawah (padi, jagung) 4
Vegetasi - Kebun campur, tanaman pekarangan 3
- Perkebunan (Pohon-pohonan) 2
- Hutan Lebat 1
4. Tanah - Oxisol 7
- Ultisol 6
- Alfisol 5
- Mollisol 4
- Enseptisol 3
- Entisol 2
- Histosol 1
3.3 Penentuan daerah rawan longsor Nilai tertinggi dibagi 5 untuk mendapat
interval setiap tingkatan rawan longsor
Penentuan daerah rawan longsor pada Tabel 3-2.
menggunakan SIG dengan metode
Tabel 3-2: NILAI KISARAN HARKAT
Indeks Strorie yaitu perkalian setiap
KLASIFIKASI
parameter-parameter. Hasil analisis
aritmatik maka nilai kisaran indeks No. Klasifikasi Kisaran Hasil
storie antara 0,001-1,68. Selanjutnya
1. Sangat >1.5
kisaran ini dikonversi pada beberapa Tinggi
tingkatan sesuai dengan kebutuhan, 2. Tinggi 1,2 – 1,5
pada penelitian ini tingkat rawan 3. Sedang 0,8 – 1,1
longsor dibagi atas 5 kelas atau 4. Rendah 0,4 – 0,7
tingkatan yaitu : Tingkat longsor Sangat 5. Sangat 0,001- 0,3
Tinggi apabila memiliki nilai hasil Rendah
pembobotan berkisar 1,5 sampai 1,68,
tingkat longsor terkategori Tinggi Berdasarkan analisis diperoleh
apabila kisarannya antara 1,2-1,5, daerah rawan longsor di Propinsi
tingkat longsor terkategori Sedang Lampung diperkirakan terdapat pada
apabila memiliki nilai kisaran antara Kabupaten Lampung Barat , Kabupaten
0,8-1,1, tingkat longsor berkategori Tanggamus dan sebagian kecil daerah
Rendah memiliki nilai antara 0,4-0,7 Kabupaten Lampung Utara. Hal ini
dan tingkat longsor berkategori Sangat disebabkan karena pada daerah ini
Rendah memiliki nilai antara 0,001-0,3. mempunyai kelerengan yang relatif
83
Jurnal Penginderaan Jauh Vol. 3 No. 1 Juni 2006:77-86
84
Implementasi Penginderaan Jauh dan SIG …….. (Samsul Arifin et.al.)
Lampiran
Keterangan
Keterangan
85
Jurnal Penginderaan Jauh Vol. 3 No. 1 Juni 2006:77-86
Keterangan
Keterangan
86