Analisis Identifikasi Banjir dan Mitigasi Bencana

Kesiapsiagaan: Pendekatan Berpikir Sistem

Abstrak

Banjir merupakan ancaman utama bagi produksi pertanian. Mengurangi dampak pada produksi
pertanian adalah tugas yang menantang dalam mengurangi banjir. Dengan memahami penyebab
banjir, kita dapat menggunakan informasi tersebut untuk membuat model mitigasi banjir yang
komprehensif. Pendekatan dinamika sistem dapat digunakan untuk melihat faktor-faktor yang
mempengaruhi penanganan dan pencegahan banjir di sektor pertanian. Penelitian ini bertujuan
untuk menggambarkan mitigasi banjir di bidang pertanian dengan menggunakan pendekatan system
dynamics. Kami menggunakan informasi yang dikumpulkan dari wawancara dengan pejabat kunci
dari kantor pemerintah. Kami juga menggunakan informasi dari laporan penelitian yang ada atau
publikasi lain yang terkait dengan banjir dan penanggulangan bencana. Kedua sumber informasi
tersebut digunakan sebagai dasar dalam mengembangkan model mitigasi banjir. Pemerintah
kabupaten dapat menggunakan model mitigasi banjir untuk mengurangi risiko banjir pada pertanian.

1. Pedahuluan

Banjir yang melanda berbagai wilayah di Indonesia merupakan fenomena logis karena negara ini
berada di daerah tropis dengan curah hujan yang cukup tinggi. Menurut data bencana dari Badan
Nasional Penanggulangan Bencana tahun 2000-2009, banjir merupakan bencana terbesar yang
menyebabkan kerusakan pada pertanian. Selain itu, berbagai pemicu yang dapat mempromosikan
tanah konversi di daerah seperti pembukaan hutan dan pembangunan perkotaan sangat cepat.
Pembukaan hutan di daerah hulu akan menyebabkan air hujan tidak terserap oleh tanah dan
langsung menjadi air limpasan yang langsung mengalir ke sungai. Debit air sungai akan semakin
tinggi dan akhirnya menyebabkan banjir.

Provinsi Jawa Timur memiliki berbagai kondisi wilayah berupa dataran rendah, sungai, pegunungan,
dan curah hujan yang tinggi pada waktu-waktu tertentu. Kondisi daerah rawan yang menimbulkan
potensi bencana dengan dampak signifikan dari bencana menjadi perhatian pemerintah daerah dan
pemangku kepentingan dalam penyusunan perencanaan penanggulangan bencana di Provinsi Jawa
Timur.

Banjir merupakan salah satu faktor kerusakan lahan pertanian. Kumulatif luas lahan yang terkena
banjir di Jawa Timur pada Januari-Juni 2017 adalah komoditas padi seluas 10.567,73 ha dan
komoditas jagung 11,63 ha (Badan Pusat Statistik). Banjir yang mengakibatkan pertanian juga
menimpa petani di Madiun, Jawa Timur, merugi hingga Rp. 7 miliar karena banjir merendam 497
hektar sawah. Jumlah kerugian akibat bencana tersebut cukup besar. Catatan itu berdasarkan
Pemkab Madiun. Lebih jelasnya disebutkan dalam Peraturan Pemerintah Nomor 21 Tahun 2008
tentang Penyelenggaraan Penanggulangan Bencana.

Armah dkk. dalam penelitian yang berjudul “Dampak Banjir terhadap Mata Pencaharian dan
Kerentanan Masyarakat yang Bergantung pada Alam di Ghana Utara” penelitian ini merupakan
penelitian yang bertujuan untuk mengkaji strategi koping dan kerentanan dua komunitas yang
bergantung pada pertanian pasca banjir [1]. Diagram lingkaran sebab akibat digunakan untuk
mengkonseptualisasikan mitigasi banjir yang disebabkan oleh banjir di wilayah studi. Hasil penelitian
menunjukkan bahwa beberapa karakteristik lingkungan sosial budaya muncul untuk mengurangi
risiko dan mengurangi kerentanan.

Penelitian terkait bahaya banjir dilakukan oleh Sintondji dkk. tentang penilaian bahaya banjir di
sektor pertanian [2]. Dampak banjir terhadap hilangnya produksi pertanian dan tingkat pergeseran
dari sektor pertanian ke sektor lain dilakukan oleh Rana dan Islam. Jose dkk. juga melakukan kajian
tentang kerawanan banjir dengan menggunakan metode AHP (Analytic Hierarchy Process) dan
menghubungkan hasil kajian kerawanan banjir dengan sistem informasi geografis[4]. Akibatnya,
untuk mengembangkan kebijakan mitigasi banjir jangka panjang di beberapa tingkat (kabupaten,
regional, dan nasional), kita perlu menilai kerusakan yang diakibatkan oleh peristiwa banjir. Untuk
mencapai tujuan tersebut, penerapan pendekatan berbasis risiko dilakukan untuk memberikan dasar
bagi perencanaan penanggulangan bencana, penetapan luas penggunaan lahan, pembuatan
kebijakan, terutama terkait dengan evaluasi efektivitas biaya alternatif penanggulangan banjir dan
kemungkinan asuransi pertanian[5].

Fenomena ini memang terjadi di Indonesia, namun beda daerah bisa jadi memiliki penyebab yang
berbeda. Studi tentang penyebab utama banjir di suatu daerah sangat penting. Pengetahuan
tentang penyebab banjir dapat digunakan untuk informasi pembuatan model mitigasi banjir yang
komprehensif. Pendekatan system dynamics dapat digunakan untuk melihat faktor-faktor yang
mempengaruhi penanganan dan pencegahan banjir di sektor pertanian. Pendekatan dinamika
sistem berdasarkan pertimbangan bahwa metode dinamika sistem menawarkan kekuatan untuk
menggabungkan pengetahuan ahli, yang pada gilirannya memungkinkan kita untuk memodelkan
perilaku nonlinier.

Studi ini terutama akan membahas identifikasi dan penilaian risiko banjir di sektor pertanian, yang
merupakan bagian awal dan vital dari proses mitigasi dan pengendalian risiko tersebut dalam kondisi
ketersediaan sumber daya yang terbatas. Mengingat sektor pertanian merupakan sektor strategis
yang mempengaruhi perekonomian nasional, maka fokus penelitian ini adalah untuk memodelkan
risiko banjir yang berdampak pada sektor pertanian.

2. Latar Belakang

2.1. Pendekatan umum untuk manajemen risiko banjir (FRM)

Salah satu permasalahan permukiman padat perkotaan adalah bencana banjir yang melibatkan
terjadinya peristiwa alam yang dipicu oleh geomorfologi. Isu ini secara signifikan menambah
kesengsaraan masyarakat yang terpinggirkan dan rentan di negara-negara berkembang[6]. Bukan
hanya pencegahan murni, mengelola risiko bencana banjir adalah tentang menggabungkan mitigasi,
adaptasi, dan kesiapsiagaan dengan memilih solusi yang paling sesuai dengan jumlah risiko/bahaya
yang paling kecil[7].
Seperangkat pilihan kebijakan yang bertujuan untuk mengurangi risiko banjir disebut manajemen
risiko banjir [8]. Kegiatan Manajemen Risiko Banjir (FRM) dapat dipertimbangkan dengan
memasukkan mitigasi, kesiapsiagaan, respon, dan pemulihan[9]. Terlepas dari konteks hierarkis, kita
dapat menggunakan penilaian risiko banjir untuk mewakili dasar logis untuk manajemen risiko
banjir. Kunci dari manajemen risiko banjir yang efektif adalah penetapan strategi dan tindakan yang
sesuai dalam kaitannya dengan penilaian risiko banjir [8].

Tanggul, pekerjaan perbaikan saluran, dan penghalang adalah contoh struktur pertahanan banjir di
mana manajemen risiko banjir difokuskan di masa lalu. Namun saat ini, pengelolaan risiko banjir
tidak hanya mengandalkan rekayasa struktur penahan banjir tetapi juga mempertimbangkan
berbagai langkah yang dapat dilakukan untuk mengurangi dampak banjir. Contoh langkah tersebut
adalah mengubah penggunaan lahan di DAS hulu. Salah satunya adalah dengan mengurangi
kerawanan banjir, yang pada gilirannya akan mengurangi akibat dari banjir yang terjadi. Kriteria
untuk menilai opsi-opsi manajemen risiko banjir yang tersedia jarang hanya berfokus pada nilai
ekonomi tetapi juga mempertimbangkan nilai keselamatan publik, pemerataan, dan lingkungan[10].

Hal terpenting dalam FRM adalah strategi dikembangkan dan diimplementasikan dengan baik. Dari
strategi yang diterapkan dapat menambah nilai positif bagi sistem. Dalam menjalankan strategi ini
diperlukan komunikasi yang efektif, manajemen waktu yang efektif, dan sistem yang diterapkan
menggambarkan proses secara jelas[11]. Kolaborasi yang baik antara otoritas, agen, dan orang-
orang yang ahli dalam menangani risiko, eksposur, dan kerentanan dapat mendukung pencapaian
FRM. Hal ini karena kerjasama yang baik dapat dimanfaatkan untuk evaluasi, mitigasi, dan respon
tanggap[11].

Seseorang yang secara aktif terlibat dalam penilaian risiko banjir (misalnya, insinyur) dan pemangku
kepentingan memahami risiko banjir dengan mengidentifikasi 'sumber' bahaya banjir (misalnya,
curah hujan), jalur aliran air yang dapat menyebabkan kerusakan (misalnya, dataran banjir,
pertanian) dan 'reseptor' (manusia dan ekosistem) yang terancam[12]. Penilaian kerusakan banjir
merupakan bagian penting dari manajemen risiko banjir, namun belum mendapat banyak perhatian
ilmiah.

Salah satu bagian penting dari manajemen risiko banjir adalah penilaian kerusakan banjir, tetapi
hanya sedikit ilmuwan yang tertarik untuk meneliti bagian ini. Asumsi ini terutama benar untuk
sektor pertanian, di mana kerusakan akibat banjir menyebabkan gagal panen, merusak bangunan
dan mesin pertanian, dan hilangnya ternak[13]. Penekanan dalam penelitian kami adalah pada
pengambilan keputusan deliberatif pada rencana, strategi, dan desain pengelolaan risiko banjir.
Lebih tepatnya, kami fokus pada pengambilan keputusan, yang terkait dengan proses politik yang
merumuskan kebijakan terkait pengelolaan risiko banjir.

2.2. Sistem dinamis

System Dynamic (SD) menggabungkan matematika dan simulasi komputer untuk mengeksplorasi
perilaku sistem dunia nyata, hubungan, dan proses dari waktu ke waktu [14]. Fitur yang paling
penting dari sistem dinamis adalah untuk menjelaskan struktur endogen dari sistem yang sedang
diselidiki, untuk mengidentifikasi bagaimana elemen yang berbeda dari sistem berhubungan satu
sama lain, dan untuk bereksperimen dengan perubahan dalam hubungan dalam sistem ketika
keputusan yang berbeda dimasukkan [15 ]. Proses inti dari proses pemodelan SD adalah
mengidentifikasi bagaimana struktur dan kebijakan keputusan dapat membantu menghasilkan pola
perilaku yang dapat diamati dari suatu sistem [16]. Kemudian kita dapat mengimplementasikan
struktur dan kebijakan keputusan yang teridentifikasi. Seperti kata pepatah populer, tidak ada
formula untuk pemodelan yang sukses. Artinya, tidak ada prosedur pasti yang dapat kita ikuti yang
menjamin model yang berguna. Pemodelan tidak dapat dipisahkan dari kreativitas, dan selalu ada
alternatif yang layak untuk memodelkan sesuatu. Pemodel memiliki gaya dan pendekatan mereka.
Namun seperti yang dinyatakan Sterman[17], kebanyakan pemodel mengikuti pendekatan berikut
dalam menggunakan dinamika sistem, yaitu mengidentifikasi masalah yang harus dipecahkan,
merumuskan hipotesis yang terkait dengan akar masalah, merumuskan model simulasi untuk
menguji hipotesis yang dirumuskan sebelumnya, menguji model simulasi hingga hasil pengujian
sama dengan sistem yang sebenarnya, dan merumuskan kebijakan yang tepat terkait dengan
permasalahan yang diangkat.

Dalam studi ini, kami berfokus pada dinamika sistem sebagai pemikiran sistem untuk menganalisis
identifikasi dan mitigasi banjir untuk kesiapsiagaan bencana. Oleh karena itu, langkah-langkah
analisisnya adalah sebagai berikut:

• Masalah artikulasi

Artikulasi masalah adalah melibatkan pendefinisian masalah. Menurut Sterman [17], masalah tidak
boleh menjadi model sistem yang merupakan batas dari perilaku masalah yang dihipotesiskan dan
periode waktu masalah yang menarik harus ditentukan dalam langkah ini.

• Merumuskan hipotesis dinamis

Setelah pemodel berhasil menentukan masalah dalam suatu periode waktu, langkah selanjutnya
adalah mengembangkan hipotesis dinamis untuk menjelaskan perilaku bermasalah yang ada. Tujuan
dari langkah ini adalah mengintegrasikan loop umpan balik ke dalam sebuah diagram lingkaran
kausal umum. Pola dasar sistem digunakan untuk menggambarkan kausalitas, loop positif dan
negatif, siklus penguat dan penyeimbang. Sebagai alat diagnostik, berikan wawasan sistemik untuk
menangani kompleksitas dinamis[18]. Pola dasar sistem dapat digunakan untuk memahami sistem
secara keseluruhan[19]. Hipotesis dinamis adalah langkah dimana masalah ditentukan secara
spesifik[17]. Teori ini mengarah pada proses pemodelan dengan berfokus pada jalur tertentu. Sisa
proses pemodelan akan membantu pemodel untuk menguji validitas hipotesis dinamis yang
dibangun. Tes akan dilakukan dengan membandingkan data yang dihasilkan oleh model simulasi
dengan data aktual yang dikumpulkan dari dunia nyata.

3. Pengembangan model

3.1. Artikulasi masalah

Dalam studi ini, masalah yang diidentifikasi adalah “menggambarkan risiko dan mitigasi pada
produksi pertanian yang terancam banjir dan untuk membangun hubungan antara faktor dan pola
perilaku”. Pada tahap ini, pemodel mengkonstruksi spesifikasi masalah dengan cara berdiskusi
dengan mitra pelanggan, dilengkapi dengan literatur, akuisisi data, dan diskusi. Pengumpulan data
meliputi curah hujan, kerusakan padi akibat banjir, pencegahan banjir, dan data lain terkait mitigasi
banjir dalam produksi pertanian yang diperoleh dari BPS Jawa Timur dan Dinas Pertanian Provinsi
Jawa Timur. Beberapa literatur yang mendukung penelitian ini diambil dari sumber-sumber terkait
seperti yang terdapat dalam buku-buku, artikel-artikel dalam jurnal yang relevan, atau penelitian-
penelitian sebelumnya. Wawancara dengan pemangku kepentingan dan data yang terkumpul
dianalisis untuk mengembangkan dan membahas hipotesis dinamika dan diharapkan sistem yang
dibangun dapat memodelkan perilaku sistem yang sebenarnya.

3.2. Merumuskan hipotesis dinamis

Pada langkah ini, diskusikan masalah dan teori yang terkait dengan pemecahan masalah dengan tim
klien. Variabel yang dimodelkan harus endogen dan batasan model harus diperluas sebagai sistem
aktual yang dimodelkan. Model boundary dan diagram sub-model tidak menunjukkan bagaimana
antar variabel yang termasuk dalam sistem yang sebenarnya tetapi hanya menunjukkan batas-batas
dan model arsitektural dari sistem yang sebenarnya. Dalam penelitian ini, arketipe sistem
dideskripsikan menggunakan diagram lingkaran kausal. Pola dasar sistem merupakan upaya untuk
mengidentifikasi dan mengkategorikan pola perilaku yang berulang dalam mitigasi banjir. Causal
loop diagram (CLD) adalah peta yang menunjukkan hubungan sebab akibat antara variabel yang
ditemukan dalam sistem yang dimodelkan. Data atau literatur yang terkait dengan penelitian dan
wawancara dengan beberapa pemangku kepentingan dikumpulkan dan dianalisis untuk
mengembangkan model CLD.

• Sub-model fisik

Salah satu daerah di Indonesia yang mengalami banjir parah adalah Jawa Timur. Banjir ditemukan di
permukaan sungai yang jebol akibat terjangan air dan kemudian menggenangi areal pertanian[20].
Curah hujan merupakan variabel utama yang mengakibatkan banjir dan resiko rusaknya produksi
pertanian. Tabel 1 berisi informasi tentang variabel endogen dan variabel eksogen pada submodel
fisik. Pada Tabel 1, validitas struktural dilakukan pada setiap variabel pada submodel fisik. Proses
validitas struktural dilakukan dengan memasukkan referensi dari masing-masing variabel.
• Sub-model pertanian ekonomi

Pengaruh curah hujan terhadap fisik sub model adalah rusaknya produksi pertanian. Rusaknya
produksi pertanian dapat mengurangi ketersediaan benih, meningkatkan risiko kelaparan, dan
menurunkan pendapatan rumah tangga. Selain itu, banjir juga menyebabkan rusaknya infrastruktur
irigasi. Bagan batas model untuk submodel pertanian ekonomi ditunjukkan pada Tabel 2.

• Sub-model kebijakan

Kerusakan pertanian dapat dikurangi dengan melakukan tindakan mitigasi banjir. Beberapa
kebijakan mitigasi banjir yang dapat dilakukan adalah land management, water governance dan IT
governance. Batas model untuk submodel kebijakan ditunjukkan pada tabel 3.

3.3. Diagram lingkaran kausal (CLD)

Gambar 1 menggambarkan pola dasar sistem mitigasi banjir di sektor pertanian. Pola dasar sistem
dapat digunakan sebagai alat untuk memfasilitasi analisis sistemik mitigasi banjir di sektor pertanian.
Sub model fisik berisi variabel variabel fisik penyebab banjir di sektor pertanian. Sub-model
pertanian ekonomi terdiri dari:
dampak banjir yang berdampak pada perekonomian pertanian. Sub model kebijakan merupakan sub
model yang terdiri dari kebijakan kebijakan terkait mitigasi banjir di bidang pertanian.

Dari Gambar 1 dapat dibagi menjadi tiga sub model, yaitu sub model fisik, sub model ekonomi
pertanian, dan sub model kebijakan. Gambar 2 menunjukkan CLD dari submodel fisik. Beberapa
variabel terkait iklim menjadi penyebab utama banjir. Oleh karena itu, terdapat variabel potensi
kerusakan produksi pertanian yang merupakan variabel penghubung antara submodel fisik dengan
submodel lainnya.

Gambar 3 mengilustrasikan CLD dari sub-model pertanian ekonomi. Dalam CLD ini terdapat
beberapa variabel yang terkait dengan sub model ekonomi pertanian. Pada CLD ini, variabel yang
ditarik adalah pengaruh variabel banjir pada submodel fisik pada Gambar 2.

Gambar 4 mengilustrasikan submodel kebijakan. Submodel policy merupakan efek yang ditimbulkan
oleh submodel fisik. Submodel kebijakan ini terdiri dari beberapa variabel yang terkait dengan
kebijakan kebijakan mitigasi banjir di sektor pertanian. Mitigasi banjir dilakukan untuk mencegah
dan menanggulangi dampak banjir terhadap sektor pertanian. Gambar 5 mengilustrasikan diagram
lingkaran kausal keseluruhan dari analisis risiko mitigasi banjir di pertanian produksi.
4. Kesimpulan

Dalam penelitian ini, kami mengidentifikasi dua masalah utama. Salah satunya adalah
menggambarkan risiko dan mitigasi produksi pertanian yang terancam banjir. Yang lainnya adalah
membangun hubungan antara faktor-faktor dan pola perilaku. Untuk mengatasi masalah tersebut,
kami melakukan beberapa langkah. Pertama, kami berdiskusi dengan tim klien untuk
mengembangkan karakterisasi awal masalah. Karakterisasi awal juga akan dilengkapi dengan
informasi yang diperoleh dari pengumpulan data, literatur, dan diskusi. Kemudian, kami telah
mengumpulkan informasi dari literatur dan penelitian terkait untuk menganalisis teori-teori yang
mungkin, yang menyebabkan masalah dan kesulitan potensial lainnya, yang mungkin timbul dari
masalah tersebut. Sesi itu dilakukan untuk memperluas batas dan memodelkan variabel secara
endogen. Setelah itu dilakukan validitas struktural pada masing-masing variabel pada masing-masing
submodel. Proses validitas struktural dilakukan dengan memasukkan referensi dari masing-masing
variabel. Setelah validitas struktural, pengembangan diagram lingkaran kausal dilakukan dalam tiga
submodel, yaitu submodel fisik, ekonomi pertanian, dan kebijakan. Masing-masing sub model saling
terkait sehingga menggambarkan sebab dan akibat dari risiko banjir di sektor pertanian. Sub model
fisik secara keseluruhan menggambarkan model kausal. Sedangkan model ekonomi pertanian dan
sub model kebijakan menggambarkan model efek. Selain itu, pada sub model kebijakan terdapat
beberapa variabel yang terkait dengan kebijakan mitigasi banjir di sektor pertanian. Dari diagram
lingkaran sebab akibat yang dihasilkan, penelitian lebih lanjut dapat dilakukan dalam beberapa
skenario dan kebijakan untuk mensimulasikan sistem mitigasi banjir dalam produksi pertanian.
Referensi

[1] Armah, F. A., D. O. Yawson, G. T. Yengoh, J. O. Odoi, dan E. K. A. Afrifa. (2010) “Dampak Banjir
pada Mata Pencaharian dan Kerentanan Masyarakat yang Bergantung pada Sumber Daya Alam di
Ghana Utara.” Air 2 (2): 120–139.

[2] Sintondji, L. O, E. R. Dossou-Yovo, D. Akogou, dan E. K. Agbossou. (2017) “Penilaian Bahaya Banjir
di Daerah Pertanian: Kasus Distrik Pélébina di Kotamadya Djougou, Bénin.” Eur. Sci. J.13 (32): 235–
247.

[3] Rana, S., dan R. Islam. (2015) “Dampak Bahaya Banjir pada Produksi Pertanian dan Pergeseran
Mata Pencaharian di Pedesaan Bangladesh: A

Studi Banding”, dalam 5th Int. Kon. Penanggulangan Banjir Air. hal.71–80.

[4] Jose, R., dkk. (2017) “Menilai Kerentanan Tanaman Pertanian Terhadap Banjir Sungai di Kalibo,
Filipina Menggunakan Metode Indeks Komposit”, dalam GISTAM 2017 - Proc. 3 Int. Kon. geografi Inf.
Sistem Teori, Aplikasi. Kelola. hal.184–194.

[5] Nga, P.H., K. Takara, dan N. Cam Van. (2018) “Pendekatan Terpadu untuk Menganalisis Risiko
Banjir Total untuk Pertanian: Signifikansi Kerusakan Tak Berwujud – Studi Kasus di Vietnam Tengah.”
Int. J. Pengurangan Risiko Bencana. 31: 862–872.

[6] Rehman, J., O. Sohaib, M. Asif, dan B. Pradhan. (2019) “Menerapkan Pemikiran Sistem pada
Penanggulangan Bencana Banjir untuk Pembangunan Berkelanjutan.” Int. J. Pengurangan Risiko
Bencana.

[7] Genovese, E. (2006) “Pendekatan Metodologi untuk Penilaian Kerusakan Banjir Berbasis
Penggunaan Lahan di Wilayah Perkotaan: Studi Kasus Praha.” Jt. Res. Pusat, Eur. Kom. 49.

[8] Solín, M. Sládeková Madajová, dan L. Michaleje (2018) “Penilaian kerentanan rumah tangga dan
kemungkinan refleksinya dalam pengelolaan risiko banjir: Kasus cekungan Myjava bagian atas,
Slovakia.” Int. J. Pengurangan Risiko Bencana. 28: 640–652.

[9] Luu, C., J. Von Meding, dan S. Kanjanabootra. (2018) “Kegiatan Manajemen Risiko Banjir di
Vietnam: Studi Praktik Lokal di Provinsi Quang Nam.” Int. J. Pengurangan Risiko Bencana. 28: 776–
787.

[10] Hall, J., dan D. Solomatine. (2008) "Kerangka Analisis Ketidakpastian dalam Keputusan
Manajemen Risiko Banjir." Int. J. Pengelolaan Daerah Aliran Sungai. 6 (2): 85–98.

[11] Lummen, N. S., H. Shirozu, N. Okada, dan F. Yamada. (2016) “Manajemen Risiko Banjir Sebuah
Pendekatan Ilustratif.” Int. J. Penanggulangan Bencana. Lingkungan yang Dibangun. 7 (4): 388–405.

[12] Merz, B., J. Hall, M. Disse, dan A. Schumann. (2010) “Manajemen Risiko Banjir Fluvial di Dunia
yang Berubah.” hal.509–527.
[13] Dutta, D., S. Herath, dan K. Musiake. (2003) “Model Matematika untuk Estimasi Kerugian
Banjir.” J. Hidrol. 277 (1–2): 24-49.

[14] Neuwirth, C., A. Peck, dan S. P. Simonovi. (2015) “Memodelkan Perubahan Struktural dalam
Dinamika Sistem Spasial: Contoh Daisyworld,”

Mengepung. Model. Softw.65: 30–40.

[15] B.Zhang dkk. (2011) “Komputer & Geosains SD – Simulasi Temporal – Spasial Berbasis GIS
Kualitas Air di Air Mendadak

Kecelakaan Polusi.” Hitung. Geosci. 37 (7): 874–882.

[16] Qudrat-Ullah, H. (2012) “Tentang Validasi Model Simulasi Tipe Dinamika Sistem”.
Telekomunikasi. Sistem 51 (2–3): 159–166.

[17] Sterman, J. D. (2002) "Dinamika Sistem: Pemikiran Sistem dan Pemodelan untuk Dunia yang
Kompleks."

[18] Guo, B. H. W., T. W. Yiu, dan V. A. González. (2015) “Mengidentifikasi Pola Perilaku Keselamatan
Konstruksi Menggunakan Sistem Arketipe.”

asam. dubur. sebelumnya 80: 125–141.

[19] picar, R. (2014) “Arketipe Dinamika Sistem dalam Perencanaan Kapasitas”, dalam Procedia Eng.
69: 1350–1355.

[20] Rosyidie, A. (2013) “Banjir: Fakta dan Dampaknya, Serta Pengaruh dari Perubahan Guna Lahan
[Judul: Banjir dan Dampaknya, dan Signifikansi Perubahan Tata Guna Lahan]” J. Perenc. Wil. dan Kota
24 (3): 241–249.

[21] Powell, J. H., N. Mustafee, A. S. Chen, dan M. Hammond. (2016) “Identifikasi dan Penilaian
Risiko yang Berfokus pada Sistem untuk Kesiapsiagaan Bencana: Analisis Ancaman Dinamis.” Eur.
J.Oper. Res. 254 (2): 550–564.

[22] Nga, P.H., K. Takara, dan N. Cam Van. (2018) “Pendekatan Terpadu untuk Menganalisis Risiko
Banjir Total untuk Pertanian: Signifikansi Kerusakan Tak Berwujud – Studi Kasus Di Vietnam Tengah.”
Int. J. Pengurangan Risiko Bencana. 31: 862–872.

[23] Oo, A. T., G. Van Huylenbroeck, dan S. Speelman. (2018) “Penilaian Kerentanan Perubahan Iklim
Rumah Tangga Petani di Distrik Pyapon, Wilayah Delta Di Myanmar.” Int. J. Pengurangan Risiko
Bencana. 28: 10–21.