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

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.

ii
 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: bpfg.geo@ugm.a.cid

© 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 Non-
Point 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

a,cPusat Meteorologi Maritim, Badan Meteorologi Klimatologi dan Geofisika, Jakarta ; e-mail:
baguspramudjo@yahoo.com
b Stasiun Meteorologi Mathilda Batlayeri, Kepulauan Tanimbar, Maluku
d Sekolah Tinggi Meteorologi Klimatologi dan Geofisika, Pondok Betung, Tangerang Selatan, Banten

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 tentang kondisi gelombang yang mencakup tinggi, arah,

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
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

2
gelombang badai (storm surge) dan peningkatan track dari Bureau of Meteorology (BOM) Australia untuk
gelombang pasang (storm tide). Gelombang badai siklon tropis Ernie yaitu bulan Juni 2017.
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 Gambar 1. Peta lokasi penelitian wilayah
tinggi gelombangnya akan bertambah karena efek Pesisir Selatan Jawa
pendangkalan. Gelombang badai merambat ke perairan
dangkal, kecepatannya berkurang, panjang Pengumpulan data dilakukan dengan mengakses data
gelombangnya memendek, serta tingginya bertambah bathymetri dari GEBCO dengan resolusi 30 s. Data
dan jika terjadi bersamaan dengan fase gelombang HYCOM-NCODA GOFS 3.1 dengan resolusi 0.080
pasang surut pada kondisi air pasang tinggi (high tide) melalui website
dapat menambah tinggi muka laut. Superposisi kedua ftp://ftp.hycom.org/datasets/GLBv0.08/expt_92.9/ssh
jenis gelombang tersebut disebut gelombang badai untuk mengambil parameter Sea Surface High (SSH).
pasang (storm tide) yang dapat mengakibatkan Data shoreline dan coastline dari National Oceanic and
terjadinya gelombang ekstrem dengan tinggi dapat Atmospheric Administration (NOAA-GSHHS) melalui
mencapai kurang lebih 2– 5 meter atau lebih. Meluapnya website https://www.ngdc.noaa.gov. Data diambil untuk
air laut di kawasan pesisir dapat disebabkan oleh pembuatan unstructured mesh grid dan boundary dari
gabungan beberapa faktor dominan, yaitu fenomena garis pantai. Data FNL dari NCEP-NOAA resolusi 10
pasang surut purnama, posisi bulan yang berada pada tanggal 06 – 10 April 2017 dalam bentuk grib2 file dan
titik terdekat dengan bumi (perigee), alun yang berasal time step 6 jam. Data FNL digunakan sebagai input data
dari badai, penurunan permukaan tanah, dan naiknya meteorologi dalam model WRF-ARW Version 3.8.1.
permukaan laut akibat efek pemanasan global (Ningsih, Data pasang surut dari Badan Informasi Geospasial
2010). Penelitian ini bertujuan untuk mengkaji (BIG) dan Kementrian Kelautan dan Perikanan (KKP)
karakteristik gelombang badai dan gelombang pasang wilayah titik stasiun pengamatan Pondokdadap,
di wilayah pesisir selatan Selatan Jawa yang diterjang Tamperan, Cilacap dan Prigi. Dan data Altimetri dari
dampak dari siklon tropis Ernie sehingga menimbulkan satelit JASON-1 dengan resolusi 0.250 x 0.250. Data
gelombang badai dan gelombang pasang pada tanggal Ina-WAVES Integrated Model WaveWatch III untuk
06 - 10 April 2017. Mengakibatkan adanya pembentukan analisis gelombang laut dan alun pada perairan dalam
alun hingga daratan. Alun yang terbentuk tidak saat kejadian siklon tropis Ernie.
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 Gambar 2. Alur Model ADCIRC-SWAN pada Unstructured
Finite-Volume Coastal Ocean Model (FVCOM) dan Mesh Grid (Dietrich, 2011)
Unstructured Mesh Grid (Chen dkk, 2003), , sehingga
menghasilkan keluaran perhitungan model yang Formula pada model ADCIRC-SWAN untuk koordinat
mempunyai resolusi rapat dan sesuai dengan bentuk Cartesian (ADCIRC, 2016) :
pesisir. Lokasi penelitian kejadian siklon tropis yaitu 𝜕∁ 𝜕𝑈𝐻 𝜕𝑉𝐻
siklon tropis Ernie pada tangga 06 - 10 April 2017. + + =0
𝜕𝑡 𝜕𝑥 𝜕𝑦
Rentang waktu penelitian dilakukan berdasarkan pada
dampak yang signifikan terjadi hingga menyebabkan Dan persamaan primitif momentum (dalam persamaan
bencana alam dan ketersediaan data tropical cyclone non konservatif)

3
 perambatan gelombang. Biasanya, model gelombang
𝜕𝑈 𝜕𝑈 𝜕𝑈 𝜕 𝑝𝑠 𝜏𝑔𝑥 𝜏𝑏𝑥
𝜕𝑡
+𝑈
𝜕𝑥
+𝑉
𝜕𝑦
− 𝑓𝑉 = − [ + 𝑔∁ − 𝑔(𝑛 + 𝑦)] +
𝜕𝑥 𝜌0
−
𝜌𝑜 𝐻 𝜌𝑜 𝐻
+ 𝐷𝑥 − 𝐵𝑥 menentukan evolusi densitas gerak N(x,t; σ,θ) dalam
𝜕𝑈 𝜕𝑈 𝜕𝑈 𝜕 𝑝𝑠 𝜏𝑔𝑦 𝜏𝑏𝑦
ruang x dan waktu t. Densitas gerak didefinisikan
𝜕𝑡
+𝑈
𝜕𝑥
+𝑉
𝜕𝑦
+ 𝑓𝑈 = − [ + 𝑔∁ − 𝑔(𝑛 + 𝑦)] +
𝜕𝑥 𝜌0
−
𝜌𝑜 𝐻 𝜌𝑜 𝐻
+ 𝐷𝑦 − 𝐵𝑦 sebagai N = E/ σ. Dalam kondisi tersebut dadpat
diasumsikan bahwa arus sama dengan koordinat
Keterangan : vertikal dan dinotasikan dengan U (SWAN Team, 2011).
𝐷𝑥 =
𝜕𝐷𝑢𝑣
+
𝜕𝐷𝑢𝑣
= Dispersi momentum dalam x Evolusi spektrum dapat dijelaskan dengan persamaan
𝜕𝑥 𝜕𝑦
keseimbangan gerak spectra sesuai dengan modul
𝜕𝐷𝑢𝑣 𝜕𝐷𝑢𝑣
𝐷𝑦 =
𝜕𝑥
+
𝜕𝑦
= Dispersi momentum dalam y logbook SWAN Team tahun 2011 seperti yang
∁ dinyatakan pada persamaan dibawah ini :
𝐵𝑥 = ∫−ℎ 𝑏𝑥 𝑑𝑧 = Gradien tekanan baroklinik secara vertikal
𝜕𝑁 𝜕𝐶𝜃 𝑁 𝜕𝐶𝜃 𝑁 𝑆𝑡𝑜𝑡
dalam x + ∇𝑥 . [(𝐶𝑔 + 𝑈)𝑁] + + =
𝜕𝑡 𝜕𝜎 𝜕𝜃 𝜎
∁
𝐵𝑦 = ∫−ℎ 𝑏𝑦 𝑑𝑧 = Gradient tekanan baroklinik secara vertikal
dalam y Keterangan :
𝜌 = Waktu dan variasi kerapatan air secara spasial pada 𝜕𝑁
= Bagian kinematic dari persamaan laju perubahan
𝜕𝑡
salinitas dan variasi temperature
densitas gerak dalam waktu.
𝜌0 = Densitas air
∇𝑥 . [(𝐶𝑔 + 𝑈)𝑁] = Perambatan energi gelombang dalam ruang x
𝜏𝑔𝑦 , 𝜏𝑏𝑦 = Tekanan permukaan air laut
geografis dua dimensi.
𝑝𝑠 = Tekanan pada permukaan air laut
𝜕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.
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 ADCIRC-
SWAN 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 𝑛=1

ADCIRC (Dietrich, 2011) Perhitungan korelasi (Widayati, 2009) dilakukan

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
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.
1
∑ 𝑋𝑌 − ∑ 𝑋 ∑ 𝑌
𝑛
𝑟𝑥𝑦 =
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
d e
b.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
c
a.1
c.1
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.
a
b kematangan hal ini ditunjukkan dengan kontur
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
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
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
Kondisi pada tanggal 7 April 2017 jam 00.00 UTC
perkembangan siklon tropis telah mencapai
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 (Himawari-
GOES 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 (Himawari-
GOES 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 centimeter. Secara fisis, kenaikan muka air laut di
kenaikan muka air laut (water elevation) wilayah tersebut dominan disebabkan propagasi dari
memperlihatkan bahwa di wilayah pesisir selatan kecepatan arus dan kecepatan angin fase awal
Selatan Jawa pada saat terjadinya siklon tropis Ernie pertumbuhan siklon.
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
Gambar 11. Grafik perbandingan parameter keluaran model
oleh adanya system angin baratan sehingga wind
ADCIRC-SWAN dan hasil observasi velocity di wilayah
stress membentuk propagasi gelombang tidak beratur pesisir selatan Jawa perbandingan keluaran model ADCIRC-
di wilayah tersebut berdasarkan World Meteorological SWAN dengan observasi Prigi.
Organization tahun 2016. Kondisi pada tanggal 8 April Kondisi angin dihitung kedalam rumus perhitungan
217 jam 00.00 UTC dominasi propagasi gelombang kecepatan arus dengan masukan data kondisi angin
lebih terlihat dari kondisi arus yang masuk ke pesisir, yang tercatat oleh stasiun otomatis Prigi. Hasil
dimana wilayah selatan Selatan Jawa mengalami perhitungan korelasi keluaran model ADCIRC-SWAN
kenaikan muka laut sebesar 0.2 m atau 20 cm. dan observasi AWS Prigi menghasilkan nilai sebesar
Menunjukkan bahwa kenaikan muka air laut sebesar 0.67. Untuk perhitungan RMSE sebesar 3 – 4 knots.
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 Gambar 12. Grafik perbandingan parameter keluaran model
ADCIRC-SWAN dan hasil observasi velocity di wilayah
sebesar 0.2 meter atau 20 cm. Kondisi selanjutnya
pesisir selatan Jawa perbandingan keluaran model ADCIRC-
kenaikan muka air laut sebesar 0.3 meter atau 30 SWAN 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 RMSE sebesar 17 cm. Pola ini dikarenaka oleh adanya
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 ADCIRC-
SWAN 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 ADCIRC-
SWAN 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
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 ADCIRC-
SWAN 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 ADCIRC-
SWAN 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, 171-
179.
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 Tinggi Meteoro logi Klimatologi dan Geofisika; e-mail: anistia.malinda@gmail.com

dSubbidang 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 masing-
masing 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 (TC). Wilayah pembentukan siklon tropis

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
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 Lintang Bujur Tekanan WG
2017-11-26 00Z -9.6 109.4 1003 45
2017-11-26 06Z -9.2 109.5 1003 45
2017-11-26 12Z -9.5 109.0 1005 40
2017-11-26 18Z -9.1 109.2 1004 40
2017-11-27 00Z -9.0 109.5 1005 40
2017-11-27 06Z -8.6 110.5 1004 40
2017-11-27 12Z -8.6 110.9 999 55
2017-11-27 18Z -8.4 111.3 998 55
2017-11-28 00Z -8.5 111.2 999 55
2017-11-28 06Z -8.7 111.0 998 55
2017-11-28 12Z -8.5 110.2 998 55
2017-11-28 18Z -9.4 111.0 999 55
2017-11-29 00Z -9.5 111.5 1000 55
2017-11-29 06Z -9.9 110.0 1003 45

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
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
(a) 26 Nov 2017
(c) 27 Nov 2017
12.06Z
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)
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 non-
steady structure karena secara kontinyu menghasilkan
sel badai dan menyebar ke beberapa daerah di Jawa.
Jenis dari struktur siklon yang tidak stabil ini (not-steady-
structure) juga diamati dalam penelitian McCaul dkk.
(2004) yang menjadikan evolusi temporal dari citra radar
dalam penelitian mereka menjadi subjek utama.
(b) 27 Nov 2017
(d) 28 Nov 2017
23.55Z
15
 a 26 Nov 2017
3.2. Analisis Penampang Vertikal dari Struktur 00.17Z
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.
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).

16
 27 Nov 2017
a
11.58Z
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 mata siklon berkisar antara 10 hingga 100 km. Mata
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
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.
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
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
26 Nov 2017 (b) 27 Nov 2017
(a)
00.17Z 00.17Z
(c) 27 Nov 2017 (d) 28 Nov 2017
12.06Z 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 50-
60 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. 215-
221.
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 land-
fall over eastern Australia since the late nineteenth
century. Climate Dynamics. Vol 37. No.3-4 pp. 647-
662.
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), 130-
142.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: ejhasiadari@gmail.com
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 kerak bumi, keragaman biota serta tatanan social budaya.

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
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 OSI-
SAF 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
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

Faktor tekanan MSL terlihat ketika kontur tekanan udara rendah di wilayah utara. Hal ini
tekanan di wilayah Australia menunjukkan rentang nilai menyebabkan kondisi Mascarene High maksimum
1025 mb. Wilayah ini merupakan wilayah dengan berkurang pada periode dasarian 2 dengan ketinggian
tekanan tinggi dan sering mengalami fluktuasi densitas gelombang laut maksimum berkisar 5-6 meter di sekitar
tekanan udara di laut. Sehingga membuat pola tekanan wilayah Perairan Yogyakarta.
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 rata-
rata 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 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 OSI-
SAF (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 Real-
Time 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 OSI-
SAF (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 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)
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
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/ s00382-010-0843-
x.
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 Teknik Kelautan, Fakultas Sumber Daya Alam, Institut Teknologi Yogyakarta; e.febriarta@gmail.com
bJurusan Teknik Geologi, Fakultas Teknologi Minieral, Institut Sains dan Teknologi AKPRIND; vienastra@akprind.ac.id

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 aksesibilitas yang masih terbatas ini menjadi salah satu

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
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 Gambar 1. Prinsip echosounder pengukuran dasar laut
dinamika pasang surut dilihat dari kondisi morfologi dasar (Febriarta, E., dkk. 2018)
pantai yang dangkal. Analisis tipe pasang surut yang
Rute jalur pengukura_n batimetri laut di sebagian
terjadi digunakan untuk perencanaan dasar dermaga
pelabuhan di Pulau Yeben dimana pulau tersebut Pulau Yeben dengan menggunakan rute zig-zag di
sekitar Pulau Yeben dengan lintasan terjauh dari garis
merupakan kawasan wisata strategis di kepualuan Raja
pantai adalah 200 meter. Hasil dari pengukuran tersebut
Ampat, kabupaten Papua Barat.
tersimpan memori penyimpanan echo sounder.
Hasil dari pengukuran kedalaman air laut
2. Metodologi
Lokasi kajian pemetaan batimetri dan analisis (batimetri) adalah tanggal dan waktu pengukuran, titik
koordinat kedalaman, kedalaman air laut (mdpl) dan
pasang surut berada di timur laut dimana lokasi tersebut
suhu air laut (°C). Untuk kalibrasi data tinggi muka air laut
memiliki dasar perairan dengan material pasir dan
menggunakan data Datum WGS 1984. Datum WGS
dikelilingi substrat dasar berupa material pasir. Pulau
1984 merupakan referensi untuk sistem tinggi ortometris
Yeben memiliki luas 572.402 m2. Lokasi
global digunakan untuk merepresentasikan informasi
ketinggian atau kedalaman. Data tersebut olah dengan
2.1. Kedalaman Perairan (Batimetri)
program SIG (Sistem Informasi Geografi) dengan
Pengukuran kedalaman dasar laut disekitar Pulau
Yeben menggunakan echo sounder singlebeam. proyeksi UTM (Universal Transverse Mercator). Data
pengukuran kedalaman tersebut diproyeksikan dalam
Instrumen ini mencatat koordinat atau lokasi dan
setiap titik dengan nilai kedalaman (-mdpal). Data titik
kedalaman dasar laut (meter). Prinsip dari echo sounder
kedalaman air laut diekstrapolasi dengan skala 1:10.000
adalah gelombang pantul yang dihasilkan dari instrumen
(Gambar 2).
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 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 Fungsi AVERAGE (Rata-Rata) digunakan untuk
ada waktu pemasangan logger pemantauan. menghitung nilai rata rata dari nilai data didalam suatu
Pemasangan logger water level berada 30 meter range .
dari garis pantai. Pemasangan logger water level dipilih Fungsi Standar Deviasi (STDEV) Digunakan untuk
dilokasi dengan kondisi masih dalam zona surut menghitung nilai Deviasi Baku di dalam suatu range.
terendah ketika kondisi air laut surut. Perhitungan dan kalibrasi data menggunakan
Hasil dari pencatatan pasang surut tersebut perhitungan pasut dengan kwadrat terkecil. Metode
diunduh kedalam format tabuler. Hasil yang diperoleh prediksi pasang surut dengan kwadrat terkecil
adalah tanggal dan waktu pencatatan, data tekanan air mempresentasikan sebagai ketinggian rata-rata, dengan
(k.Pa), suhu air (°C), dan data kalibrasi tinggi air laut. persamaan:
Data tersebut dianalisis dengan menggunakan fungsi Z0 = f ( t ) = cos H ( pada + / phi )…………………(5)
statistik, yaitu Jumlah sampel data, Max, Min, Avg, ,dimana waktu t diukur dalam jam. Angka-angka H,
Standar Deviasi (Std Dev). sebuah /phi adalah amplitude, nilai tersebut merupakan
Rumus = MAX (Range fungsi cosinus yang dimasukan dalam nilai derajat. Tipe
Data)…………………………(1) pasang surut diketahui dari nilai F (Formzal) dengan
Rumus = MIN(Range rumus:
Data)…………………………..(2) 𝐴𝐾1+𝐴01
F=
𝐴𝑀2+𝐴𝑆2
Rumus = AVERAGE(Range
…………………………………………………(6)
Data)………………….(3)
dimana,
Rumus =STDEV(Range
A0 = amplitude komponen 01,
Data)……………………….(4)
AK1 = amplitudo komponen K1,
dimana,
AM2 = amplitudo komponen M2,
Fungsi MAX (Maksimum) digunakan untuk
AS2 = amplitudo komponen S2.
menentukan nilai data yang tertinggi (terbesar)
Tipe pasang surut berdasarkan angka formzall
dibandingkan nilai data yang lain didalam suatu nilai
disajikan pada Tabel 1.
rentang (range).
Fungsi MIN (Minimum) digunakan untuk
menentukan nilai data yang terendah (terkecil)
dibandingkan nilai data yang lain didalam suatu range.

Tabel 1. Tipe Pasang Surut Berdasarkan Angka Formzall

Bilangan Tipe Pasang
Keterangan
Formzall (F) Surut
Pasang harian Dalam 1 hari terjadi 2 kali air pasang dan 2 kali air surut dengan ketinggian yang hampir sama dan terjadi
F <0,25
ganda (semi diurnal) berurutan secara teratur. Periode pasang surut rata-rata adalah 12 jam 24 menit.
0,25 < F Campuran, condong
Dalam 1 hari terjadi 2 kali air pasang dan 2 kali air surut dengan ketinggian dan periode yang berbeda.
< 1,5 ke semi diurnal
1,5 < F < Campuran, condong Dalam 1 hari terjadi 1 kali air pasang dan 1 kali air surut dengan ketinggian yang berbeda. Kadang-kadang
3,0 ke diurnal terjadi 2 kali air pasang dalam 1 hari dengan perbedaan yang besar pada tinggi dan waktu.
Pasang harian
F < 3,0 Dalam 1 hari terjadi 1 kali air pasang dan 1 kali air surut. Periode pasang surut adalah 24 jam 50 menit.
tunggal (diurnal)
Sumber : Schureman, P., 1988

2.3. Penentuan Elevasi Lantai Dermaga
Elevasi muka air rencana didasarkan pada pasang
surut dan kenaikan muka air laut. Pasang surut
menggunakan beberapa elevasi muka air, yaitu MHWL
(Mean High Water Level dan LLWL (Low Lowest Water
Level), sedangkan kenaikan muka air laut (Sea Level
Rise) diakibatkan oleh pemanasan global. Triatmodjo
(2010) memberikan persamaan untuk penentuan elevasi
muka air rencana (DWL) sebagai berikut:
DWL = MHWL + SLR
…………………………………(7)
dalam hal ini :
DWL : Design Water Level (Elevasi Muka Air Rencana)
MHWL : Mean High Water Level
SLR : Sea Level Rise (Kenaikan muka air laut akibat
pemanasan global).
Sedangkan untuk menentukan elevasi lantai dermaga
dihitung dengan persamaan sebagai berikut:
Elevasi Lantai Dermaga = DWL + Tinggi Jagaan……(8)
dalam hal ini :
DWL : Design Water Level (Elevasi Muka Air Rencana)
Tinggi Jagaan : 1,0 m – 2,0 m
2.4. Penentuan Panjang Dermaga
Pemberian jarak sebesar 10 % kali dari panjang
kapal terbesar yang menggunakan dermaga dilakukan
apabila dermaga digunakan oleh lebih dari satu
tambatan kapal dan penambahan jarak diberikan di
antara dua kapal. Biasanya kapal yang masuk ke
pelabuhan terdiri dari banyak ukuran, maka dihitung
panjang kapal rerata yang berlabuh di pelabuhan (Yose
R. N., dkk, 2014).
Panjang dermaga yang digunakan untuk
merapat beberapa kapal didasarkan pada panjang kapal
rerata. International Maritim Organization (1980),
memberikan persamaan untuk menentukan panjang
dermaga, seperti persamaan sebagai berikut ini :
Lp = NLOA + (n + 1) x 10% x Loa ……………..(9)
dengan :
Lp : panjang dermaga
LOA : panjang kapal yang ditambat
n : jumlah kapal

29
3. Hasil dan Pembahasan
3.1. Batimetri Di Sekitar Pulau Yeben
Berdasarkan pengukuran kedalaman dasar laut
dengan intrumen echo sounder diketahui kedalaman laut
disekitar Pulau Yeben memiliki variasi kedalaman 75
meter dengan radius 200 meter dari garis pantai.
Menurut Amri, C.H. dkk, (1990), karakteristik perairan di
sekitar pulau Yeben pembentukkanya dipengaruhi oleh
pengangkatan struktural oleh lempeng pasif secara
minor.
Berdasarkan hasil pengukuran kedalaman laut
diperairan Yeben diketahui bagian Utara merupakan tipe
lautan tertutup. Laut tertutup merupakan daerah perairan
dengan yang relatif tenang karena berada di Selat
Dampier dan tidak berhadapan dengan Laut lepas atau
Samudera (Rositasari, R., 2002). Sedangkan di sisi
Gambar 3. Batimetri di sekitar Pulau Yeben
Berdasarkan pengukuran kedalaman dasar laut
dijumpai batu karang memanjang Barat- Timur di radius
±90 meter dari garis pantai. Sehingga radius ±0-90
meter dasar laut dan pasir laut dari garis pantai relatif
dinamis bergerak mengikuti pergerakan dan arah
gelombang laut karena barisan batukarang merupakan
kawasan pecah gelombang. Pasir pantai di Sebelah
Selatan Pulau Yeben memiliki luas yang relatif lebih luas
karena efek dari proses litoral tersebut. Kedalaman dasar
laut 0-90 meter dari garis pantai menirun dari kedalaman
0.7 meter hingga 1,2 meter (Gambar 5.). Kedalaman
dasar laut lebih dari 90 meter menunjukan kedalaman
dengan variasi 12 meter hingga 22 meter.
Pengangkatan Pulau Yeben mengakibatkan dasar
laut yang terangkat memasuki zona litoral atau daerah
dengan pengaruh pasang surut dan daerah neritik.
Perairan Pulau Yeben memiliki 2 ekosistem laut yaitu
30
Selatan Pulau Yeben merupakan Laut Terbuka dengan
efek dari Gelombang Laut Seram dan Laut Halmahera
sehingga gelombang yang dihasilkan lebih banyak dan
ombak yang relatif tinggi (Amri, C.H. dkk, 1990). Hasil
pengukuran batimetri disajikan pada Gambar 3.
Karakteristik dasar laut di Utara Pulau Yeben 40
meter hingga 70 meter merupakan pasir pantai. Radius
50- 70 meter keluar dari garis pantai banyak dijumpai
batu terumbu dan terumbu karaang. Di bagian Utara
Pulau Yeben banyak ditemukan patahan di dasar laut
dengan jarak ±100 meter (Gambar 4) dengan morfologi
dasar laut berupa jurang jurang minor atau palung minor
laut. Sedangkan karakteristik dasar laut di Selatan Pulau
Yeben relatif konstan dengan penurunan dasar laut yang
relatif stabil.
daerah litoral dan daerah neritik. Daerah litoral adalah
daerah yang langsung berbatasan dengan darat
(Suharsono, 2011). Menurut Suharsono (2011) kondisi
radiasi matahari, variasi temperatur dan salinitas
mempunyai pengaruh yang lebih berarti untuk daerah ini
dibandingkan dengan daerah laut lainnya. Biota yang
hidup di Pulau Yeben antara lain: ganggang yang hidup
sebagai bentos, teripang, binatang laut, udang, kepiting,
dan ikan terumbu. Sedangkan daerah Nneritik
merupakan daerah laut yang tembus cahaya sehingga
dasar laut terlihat secara visual pancaindra. Daerah
Neritik merupakan daerah laut dangkal, daerah ini masih
dapat ditembus cahaya sampai ke dasar, kedalaman
daerah ini dapat mencapai 200 m. Biota yang hidup di
daerah ini adalah plankton, nekton, neston dan bentos
yang merupakan sumber makan bagi ikan karang, ikan
dangkal dan ikan perairan dalam.
 Gambar 4. Profil melintang dasar laut di Utara Pulau Yeben.

Gambar 5. Profil Melintang dasar laut di Selatan Pulau Yeben

Gambar 4. Morfologi dasar laut di Utara Pulau Yeben

3.2. Dinamika Pasang Surut
Pasang-surut (pasut) merupakan salah satu gejala
alam yang tampak nyata di laut, yakni suatu gerakan
vertikal (naik turunnya air laut secara teratur dan
berulang-ulang) dari seluruh partikel massa air laut dari
permukaan sampai bagian terdalam dari dasar laut
(Rositasari, R. 2002).
Menurut Rositasari, R. (2002) gerakan tersebut
disebabkan oleh pengaruh gravitasi antara bumi dan
bulan, bumi dan matahari, atau bumi dengan bulan dan
matahari. Pemantauan pasang surut di Pulau Yeben
dilakukan pada tanggal 29 September hingga 10 Oktober
2014. Instrumen pencatatan yang digunakan adalah
logger water level atau instrumen pencatat tinggi muka
air (permukaan air laut) dengan interval 1jam (Gambar
5). Instrumen tersebut dipasang di dasar laut dengan
dilindungi paralon. Cara kerja instrument ini mencatat
tinggi air laut berdasarkan nilai tekanan (k.Pa) yang
tercatat secara otomatis.
Lokasi pemasangan pemantauan pasang surut
berada di koordinat X: 65075, Y; 994666 berjarak 32,3
meter dari garis pantai di bagian utara dari pulau Yeben
berjarak 100 m dengan kedalaman pada saat
pemasangan 0,42 meter pada tangal 29 September
2014. Pencatatan pertama dimulai pada pukul 10.00
WITA pada tanggal 29 September 2014. Pengamatan
berlangsung selama 12 hari dengan pembulatan hari
prediksi pengamatan dengan metode untuk menguraikan
komponen-komponen pasang surut adalah kwadran
terkecil. Data hasil dari pengamatan pasang surut dapat
dilihat pada Tabel 2.

31
 Gambar 5. Lokasi pengukuran pasang-surut

Tabel 2. Dinamika Pasang surut di Pulau Yeben (Pukul 00.00-11.00 WITA)

Hari Tanggal Jam @
# 0:00 1:00 2:00 3:00 4:00 5:00 6:00 7:00 8:00 9:00 10:00 11:00
1 29-Sep-14 0.420 0.335
2 30-Sep-14 0.403 0.362 0.376 0.462 0.581 0.684 0.766 0.805 0.733 0.643 0.495 0.408
3 1-Oct-14 0.529 0.458 0.447 0.477 0.516 0.592 0.685 0.722 0.684 0.644 0.533 0.479
4 2-Oct-14 0.656 0.568 0.503 0.456 0.484 0.538 0.560 0.552 0.627 0.586 0.586 0.491
5 3-Oct-14 0.796 0.705 0.635 0.574 0.516 0.495 0.470 0.476 0.470 0.511 0.518 0.540
6 4-Oct-14 0.920 0.849 0.817 0.760 0.633 0.532 0.474 0.425 0.408 0.458 0.520 0.612
7 5-Oct-14 0.977 1.000 1.001 0.910 0.770 0.628 0.499 0.399 0.357 0.383 0.429 0.556
8 6-Oct-14 0.897 1.025 1.049 1.041 0.949 0.782 0.595 0.440 0.313 0.293 0.355 0.491
9 7-Oct-14 0.746 0.901 1.048 1.117 1.061 0.862 0.738 0.487 0.334 0.300 0.279 0.429
10 8-Oct-14 0.586 0.828 1.076 1.099 1.119 1.043 0.803 0.568 0.430 0.292 0.320 0.377
11 9-Oct-14 0.427 0.598 0.922 1.020 1.088 1.072 0.998 0.692 0.469 0.317 0.244 0.280
12 10-Oct-14 0.291 0.428 0.679 0.882 1.049 1.098 0.983 0.786 0.582 0.365 0.283 0.279
Sumber : Perhitungan , 2014

Tabel 2. Dinamika Pasang surut di Pulau Yeben (Pukul 12.00-23.00 WITA) (lanjutan)
Hari Tanggal Jam @
# 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00
1 29-Sep-14 0.324 0.358 0.478 0.670 0.881 1.045 1.130 1.150 1.079 0.877 0.675 0.507
2 30-Sep-14 0.375 0.401 0.465 0.623 0.762 0.955 1.060 1.118 1.083 0.968 0.824 0.656
3 1-Oct-14 0.436 0.439 0.458 0.529 0.654 0.784 0.931 1.018 1.007 0.970 0.895 0.773
4 2-Oct-14 0.491 0.453 0.496 0.518 0.590 0.667 0.765 0.801 0.892 0.930 0.912 0.840
5 3-Oct-14 0.552 0.542 0.581 0.558 0.575 0.623 0.673 0.718 0.788 0.862 0.907 0.896
6 4-Oct-14 0.672 0.688 0.706 0.687 0.670 0.625 0.572 0.555 0.621 0.680 0.796 0.868
7 5-Oct-14 0.690 0.786 0.829 0.814 0.750 0.657 0.583 0.514 0.478 0.518 0.614 0.762
8 6-Oct-14 0.668 0.829 0.952 0.966 0.939 0.792 0.656 0.503 0.418 0.369 0.387 0.532
9 7-Oct-14 0.614 0.772 1.055 1.056 1.156 0.942 0.752 0.629 0.409 0.308 0.287 0.402
10 8-Oct-14 0.504 0.762 0.997 1.180 1.224 1.179 0.951 0.734 0.486 0.341 0.248 0.273
11 9-Oct-14 0.452 0.671 0.909 1.150 1.355 1.324 1.135 0.867 0.597 0.393 0.266 0.231
12 10-Oct-14 0.364 0.612 0.997 1.180 1.224 1.179 0.951 0.734 0.486 0.341 0.248 0.273
Sumber : Perhitungan , 2014
Tabel 3. Surut Terendah dan Pasang Tertinggi di Pulau Yeben
Pasang Surut P.Yeben Minimun Maximum
Tanggal WaterLevel Tanggal WaterLevel
Observasi 9-Oct-14 23:00 0.231 9-Oct-14 16:00 1.355
Kalkulasi(Prediksi) 9-Oct-14 23:00 0.194 9-Oct-14 16:00 1.231
obs - calc 10-Oct-14 14:00 -0.138 10-Oct-14 18:00 0.147
Sumber : Perhitungan (metode kwadran terkecil), 2014

32
Keterangan : No observasi (n) : 288
No parameter (u) : 19
Redundan (r=n-u) : 269
Standar Deviation : 0.047 meter

Gambar 6. Grafik Pengamatan dan Prediksi Pasang Surut Pulau Yeben

Berdasarkan hasil analisis selisih nilai pasang surut adalah 1,124 m dengan pendekatan nilai observasi
sedangkan dengan pendekatan nilai prediksi menunjukkan nilai 1,221m. Selisih nilai observasi dan prediksi sebesar
0,138m. Nilai tersebut memiliki simpangan yang relatif kecil, sehingga nilai tersebut ideal untuk digunakan untuk
mengitung komponen pasang surut dengan nilai kwadran. Berdasarkan pendekatan perhitungan kwadran terkecil
diketahui kondisi rata-rata tinggi muka air laut (MSL) adalah 0,67 meter (Gambar 6). Pasang tertinggi adalah 1,37 meter
pada tanggal 9 Oktober 2014 dan surut terendah adalah 0,231 meter. Analisi komponen pasang surut adalah parameter
amplitude dan beda fase dari masing-masing komponen dapat dilihat pada Tabel 4.

Tabel 4. Komponen Pasang Surut

No Konstanta Simbol Deskripsi Perido ω A B go H=Amplitudo
(Jam) (rad/hour) phase (m)
0. Rata-rata muka air Z0 - - 0.6719
1. Main lunar constituent M2 semi 12.4206 0.50587 -0.0526 0.1423 110.2833° 0.1517
2. Main solar constituent S2 diurnal 12.0000 0.52360 0.3336 -0.4112 309.0554° 0.5295
3. Lunar constituent, due N2 12.6582 0.49637 -0.0899 -0.0336 200.4890° 0.0959
to Earth-Moon distance
4. Soli-lunar constituent, K2 11.9673 0.52503 -0.4142 0.4547 132.3368° 0.6151
due to the change of
declination
5. Soli-lunar constituent K1 diurnal 23.9346 0.26251 0.1399 0.1319 43.3052° 0.1923
6. Main lunar constituent O1 25.8194 0.24335 -0.0340 0.0908 110.5357° 0.0970
7. Main solar constituent P1 24.0658 0.26108 -0.0539 -0.0719 233.1704° 0.0899

Tabel 4. Komponen Pasang Surut (lanjutan)

No Konstanta Simbol Deskripsi Perido ω A B go H=Amplitudo
(Jam) (rad/hour) phase (m)
8. Main lunar constituent M4 quarterly 6.2103 1.01174 -0.0046 -0.0100 245.1822° 0.0110
9. Soli-lunar constituent MS4 6.1033 1.02947 0.0035 -0.0084 292.8218° 0.0091
Sumber : Perhitungan , 2014

Berdasarkan perhitungan kwadran terkecil
diperoleh nilai amplitudo dari masing-masing komponen
pasang surut maka dapat ditentukan tipe pasang surut
yang terjadi pada lokasi, yaitu dengan melakukan
perhitungan formzall (F). Besarnya nilai formzall (F) di
Pulau Yeben adalah 0,42 sehingga disimpulkan bahwa
pasang surut di Pulau Yeben memiliki karakteristik
Campuran, pasang didominasi semi- diurnal (harian
tunggal). Karakteristik campuran yaitu dalam 1 hari
terjadi 1 kali air pasang dan 1 kali air surut dengan
ketinggian yang berbeda. Kadang-kadang terjadi 2 kali
air pasang ketinggian yang berbeda. Kadang terjadi 2 kali
air pasang dalam 1 hari dengan perbedaan yag besar
pada tinggi dan waktu yang berbeda seperti yang
ditunjukan grafik pasang surut (Gambar 6).
3.3. Elevasi dan Panjang Lantai Dermaga
Perhitungan nilai elevasi diperoleh dari
perhitungan pasang surut. Parameter yang digunakan
antara lain nilai DWL (Design Water Level) dengan
penambahan tinggi 1,5 m., sehingga nilai yang diperoleh
elevasi dasar dermaga adalah + 2,15 m dengan nilai
MSL sebagai titik referensi.
33
 Kedalaman yang dibutuhkan untuk kawasan di
depan dermaga agar mencukupi kapasitas dan
karaktersitik kapal adalah 4 meter. Berdasarkan hasil
kedalaman yang didapat, kedalaman perairan di depan
dermaga yang sesuai dengan karakteristik kapal,
kedalaman yang dibutuhkan dimana pada jarak 240
meter kedalaman perairan berada pada kedalaman
sekitar ±4 meter. Panjang dermaga yang direncanakan
dengan karakteristik kapal kecil hingga sedang dengan
bobot 1.300 Gross Tonage, panjang Lenght Ovel All
(Loa) 44 m, lebar (breadth) 1.200 m dan draf 3,6 m.
Berdasarkan hasil analsisis diketahui bahwa
panjang dermaga yang diperlukan atau kebutuhan
panjang dermaga untuk memaksimalkan ukuran tersebut
adalah 57,161 m. Rencana disain dermaga di Pulau
Yeben berada di Utara dari pulau. Berdasarkan hasil
analisis elevasi dasar didepan pelabuhan adalah 4 meter
dan panjang dermaga ideal adalah 57, 616 dengan
karakteristik draf kapal sedang. Dengan adanya
perencanaan dermaga di daerah kawasan yang ramai
akan pengunjung wisata dapat meningkatkan potensi
wisata disekitar Raja Ampat.
4. Kesimpulan
Berdasarkan hasil pengukuran dan analisis
dapat disimpulkan sebagai berikut:
1. Tipe pasang surut di Pulau Yeben memiliki
karakteristik campuran, pasang didominasi semi-
diurnal (harian tunggal).
2. Kondisi rata-rata tinggi muka air laut (MSL) adalah
0,67 m.
3. Pasang tertinggi adalah 1,37 meter pada tanggal 9
Oktober 2014 dan surut terendah adalah 0,231 m.
4. Nilai elevasi lantai dermaga adalah + 2,15 m dengan
nilai MSL sebagai titik referensi.
5. Panjang dermaga yang aman untuk satu buah kapal
terbesar LOA 44, 68 m adalah 57,616 m.
6. kedalaman perairan aman didepan dermaga adalah
4 m untuk kapasitas draf kapal sedang.
DAFTAR PUSTAKA
Amri, C.H., Sanyoto, P., Hamonangan, B., Supriatna, S.,
Simanjuntak, W., Pieters, P.E., 1990. Peta Geologi
Lembar Sorong, Irian Jaya. Pusat Penelitian dan
Pengembangan Geologi.
Anzari, R., Hartoni, Surbakti, H. 2017. Pemetaan Batimetri
Menggunakan Metode Akustik DI Muara Sungai Lumpur
Kabupaten Ogan Komering Ilir Provinsi Sumatera
Selatan. Jurna Maspari. Vol.9 No.2 (77-84)
Badan Standarisasi Nasional (BSN). 2006. Standar Nasional
Indonesia (SNI) Survei Hidrografi menggunakan
Singlebeam Echosounder. BSN. Cibinong.
Badan Standarisasi Nasional (BSN).2016. Metode pengukuran
kedalaman menggunakan alat perum gema untuk
menghasilkan peta batimetri SNI
.2016.BSN.Jakarta.
Febriarta, E., Vienastra S., dan Rosaji C.S.F., 2018. Identifikasi
Kapasitas Embung Tambakboyo Yogyakarta. Prosiding
34
Seminar Nasional IV Pengelolaan Pesisir dan Daerah
Aliran Sungai. 2018. Fakultas Geografi.Vol V (210-214)
Gross, G.M. 1993. Oseanografi. Sixth Edition. Prentice Hall,
Inc. New Jersey
Hanifah, A., Hariadi., Subarjo P., dan Trenggono M., 2016.
Pemetaan Batimetri Dan Analisis Komponen Pasng
Surut Untuk Evaluasi Perbaikan Elevasi Dan Panjang
Lantai Dermaga Di Perairan Pulau Lirang Maluku Barat
Daya. Jurnal Oseanografi. Vol 5 No.4 (573-579)
Hoek, F., Muhfizar, Simau, S., Muruwaky, M.A., Ulat, A.M.,
Arafah, A. Potensi Sumberdaya Udang Penaeid Di
Perairan Aru Bagian Timur Sub Wilayah Aru dan
Sekitarnya-III. Jurnal Airaha. Vol.4. No.1 (18-26)
Pinet, P.R., 1992. Oceanography, An Introduction to The Planet
Oceanus. West Publishing Company. United States of
America. Rampengan, R.M., 2011. Konstanta Harmonik
Pasang Surut Perairan Teluk Totok, Sulawesi Utara.
Pacific Journal, Dewan Riset Daerah Provinsi Sulawesi
Utara. Vol. 2 No. 6
Rositasari, R. 2002. Beberapa Aspek Dasar yang Perlu
Diagendakan dalam Pengelolaan Wilayah Pesisir di
Indonesia. Oseana XXVII (3): 19-27.
Nontji, A. 2007. Laut Nusantara. Edisi Revisi. Jakarta. Penerbit
Djambatan.
Supriadi A., Widada S., Setiyono H. 2014. Pemetaan Batimetri
untuk Alur Pelayaran Pelabuhan Penyebrangan
Mororejo Kabupaten Kendal. Jurnal Oseanografi. Vol 3.
No2 (284-293)
Suharsono. 2011. Pertumbuhan Karang. Puslitbang LIP.
Jakarta.
Schureman, P., 1988. Manual of Harmonic Analysis and
Prediction of Tides. U.S. Department of Commerce,
Coast and Geodetic Survey. Washington, united States.
Soeroso, 1989. Cara memperoleh Konstanta Pasang
Surut.Dalam. Pasang Surut.Penyunting : O.S.R.
Ongkosongo dan Suyarso. Lembaga Ilmu Pengetahuan
Indonesia, Pusat Penelitian dan Pengembangan
Oseanologi. Jakarta.
Soeprapto. 1999. Survei Hidrografi. Gajah Mada University
press, Yogyakarta.
Triatmodjo, B. 1999. Pelabuhan. Beta offshet, Yogyakarta.
Yose R. N., Nugraha L. A., Subiyanto. S., 2014. Analisis
Pengukuran Batimetri Dan Pasang SUrut Untuk
Menentukan Kedalaman Kolam Pelabuhan. Jurnal
Geodesi UNDIP, Vol 3. No.4
Warpani SP, Warpani IP. 2007. Pariwisata dalam Tata Ruang
Wilayah. Bandung (ID): ITB
8282
Tema 3 - Kebencanaan di Wilayah Kepesisiran dan DAS

35
Analisis Kesesuaian dan Daya Dukung Ekowisata Pantai
Kategori Rekreasi Pantai Kuwaru Kabupaten Bantul Yogyakarta
Agustina Setyaningruma, dan Erik Febriartab,

aTeknik Kelautan, Fakultas Sumber Daya Alam, Institut Teknologi Yogyakarta; e-mail: agustina678@ity.ac.id
bTeknik Kelautan, Fakultas Sumber Daya Alam, Institut Teknologi Yogyakarta; e-mail : e.febriarta@gmail.com

ABSTRAK
Kegiatan pariwisata di Pantai Kuwaru mengalami puncak kejayaan antara taun 2010 hingga 2012. Paca tahun 2012, kegiatan
pariwisata di Pantai Kuwaru mulai meredup dan bahkan cenderung hampir mati. Salah satu penyebab adalah adanya ancaman
abrasi yang mengikis bibir pantai hingga kurang lebih 250 meter dari posisi di tahun 1999. Kondisi tersebut menyebabkan banyak
bangunan rusak dan ditinggalkan, yang menyebabkan pemandangan yang tidak nyaman untuk sebuah lokasi wisata. Atas kondisi
tersebut, untuk mengetahui potensi ekowisata pada tahun sekarang (2019) perlu dilakukan pendekatan analisis kesesuaian wisata
pantai. Tujuan penelitian ini adalah untuk melakukan kajian untuk kesesuaian dan daya dukung untuk ekowisata pantai dengan
kategori rekreasi di pantai Kuwaru. Metode yang digunakan dalam penentuan kesesuaian kawasan berdasarkan perkalian skor dan
bobot yang diperoleh dari setiap paremeter, antara lain: kedalaman, tipe pantai, lebar pantai, kecerahan, kecepatan arus, material
dasar perairan, dan ketersediaan air tawar. Berdasarkan hasil penelitian ini potensi yang diketahui adalah 52,0% S1 (sesuai) dengan
daya dukung ideal kawasan kategori ekowisata rekreasi sebesar 86 orang/hari. Berdasarkan hasil tersebut, saat ini pantai Kuwaru
masih dapat dijadikan ekowisata rekreasi unggulan di Kabupaten Bantul.

Kata kunci: Ekowisata pantai daya dukung kawasan; kesesuaian kawsa; pantai

ABSTRACT

Tourism activities on Kuwaru Beach experienced a peak from 2010 to 2012. Afterward, they began to fade and nearly collapsed. The
threat of abrasion persistently erodes the shoreline and has caused a retreat of approximately 250 m from its initial position in 1999.
As a result, many buildings are damaged and abandoned, giving an uncomfortable scenery to the tourist location. Referring to this
condition, the current ecotourism potential (in 2019) thereby needs to be identified, particularly using the coastal tourism suitability
analysis as an approach. This study intended to analyze the suitability and carrying capacity of the beach ecotourism for recreation
on Kuwaru Beach. The suitability was determined by multiplying the scores and weights of each parameter, namely depth, the type
and width of the beach, brightness, current velocity, seafloor material, and freshwater availability. The results showed that the potential
suitability for recreation was 52.0% Class S2 (suitable) with a carrying capacity of 86 people/day. As a conclusion, Kuwaru Beach can
still be developed as leading ecotourism for recreation in Bantul Regency.

Keywords: Beach ecotourism, carrying capacity, area suitability, beach

1. Pendahuluan berkelanjutan(Hasnina Malasari Pasaribu, Pindi Patana,

Indonesia merupakan negara maritim dan
merupakan salah satu negara kepulauan yang besar.
Kondisi ini menyebabkan Indonesia memiliki
keanekaragaman sumber daya hayati yang tinggi serta
potensi pariwisata yang tersebar mulai dari ujung timur
Indonesia hingga ujung barat Indonesia (Domo,
Zulkarnaini, & Yoswaty, 2017). Oleh karena hal tersebut,
pariwisata menjadi salah satu sektor yang sangat
menarik untuk terus dikembangkan. Undang-Undang
Republik Indonesia Nomor 10 Tahun 2009 tentang
kepariwisataan memberikan definisi terkait dengan
pariwisata yaitu berbagai macam kegiatan wisata dan
didukung oleh berbagai fasilitas serta layanan yang
disediakan masyarakat, pengusaha, pemerintah dan
pemerintah daerah (Wunani, D., Sitti, N., Faizal, 2013).
Seiring dengan perkembangan sektor pariwisata yang
meningkat, berbagai dampak positif dan negatif terjadi
karena perkembangan sektor ini. Tambahkan artikel
terkait dengan dampak positif wisata dan dampak negatif
pariwisata. Berbagai dampak negatif dari aktivitas
pariwisata memunculkan konsep baru yaitu pariwisata
2001).
Pariwisata berkelanjutan sebagai kegiatan
pariwisata yang tidak hanya untuk generasi sekarang
tetapi juga untuk generasi mendatang dengan
memperhatikan dampak ekonomi, sosial dan lingkungan
serta mampu menjawab kebutuhan pengunjung, industri
pariwisata, lingkungan dan masyarakat lokal (World
Tourism Organization, 2005). Ekowisata menjadi salah
satu kegiatan pariwisata yang diharapkan mampu
mendorong terwujudnya pariwisata yang berkelanjutan.
Ekowisata memiliki definisi yang beragam (Society,
2015). The International Ecotourism Society (TIES)
memberikan definisi terkait dengan ekowisata yaitu suatu
kegiatan perjalanan ke wilayah yang masih alami dengan
tujuan untuk melakukan konservasi lingkungan,
memberikan keberlanjutan kehidupan bagi masyarakat
lokal dan terdapat aktivitas pendidikan didalamnya
(Society, 2015).
Fandeli (2000) mendefinisikan ekowisata sebagai
kegiatan yang menjadikan lingkungan sebagai tumpuan
utama dan memberikan manfaat secara ekologi, sosial
dan ekonomi bagi masyarakat lokal, kelestarian dan

36
pemanfaatan sumberdaya yang berkelanjutan. Definisi
ekowisata juga tertuang dalam Peraturan Menteri Dalam
Negeri Nomor 33 Tahun 2009 tentang pedoman
pengembangan ekowisata di daerah, ekowisata
didefinisikan sebagai kegiatan wisata alam di daerah
yang bertanggungjawab dengan memperhatikan unsur
pendidikan, pemahaman, dan dukungan terhadap usaha-
usaha konservasi sumberdaya alam, serta peningkatan
pendapatan masyarakat lokal. Didalam peraturan
tersebut, disebutkan prinsip-prinsip dalam
pengembangan ekowisata yaitu: 1) kesesuaian antara
jenis dan karakteristik ekowisata, 2)konservasi, 3)
ekonomis, 4) edukasi, 5) memberikan kepuasan dan
pengalaman kepada pengunjung, 6) partisipasi
masyarakat dan 7) menampung kearifan lokal. Berbagai
definisi tersebut mengarah pada kegaitan ekowisata
berkaitan dengan lingkungan, peningkatan kesejahteraan
masyarakat lokal dan juga terdapat unsur edukasi
didalamya.
Ekowisata bahari dalah aktivitas pariwisata minat
khusus yang berhubungan dengan kelautan yang
aktivitasnya dapat dilakukan dibawah dan diatas
permukaan laut (Yulius, Rahmania & Kadarwati, 2018).
Ekowisata bahari mulai dikembangkan sebagai salah
satu aktivitas pariwisata yang dapat menjaga
keberlanjutan sumber daya alam dan tidak merusak
lingkungan.
Yulius (2018), mengelompokkan kegiatan
ekowisata bahari menjadi dua kegiatan yaitu wisata
pantai dan wisata bahari. Wisata pantai memiliki fokus
pada kegiatan pemanfaatan sumberdaya pantai dan
budaya masyarakat sedangkan wisata bahari didominasi
dengan kegiatan pemanfaatan sumber daya bawah laut
dan dinamika air laut Yulianda, 2007 dalam Yulius et al.,
2018). Beberapa kategori kegiatan dalam ekowisata
bahari adalah 1) rekreasi pantai, 2) ski air, 3) wisata
selam, 4) wisata lamun, 5) wisata mangrove, 6)selancar
dan 7 wisata snorkeling. Setiap kategori aktivitas
ekowisata bahari tersebut memiliki parameter yang dapat
diukur kesesuaiannya (Yulius, Rahmania & Kadarwati,
2018).
Pantai Kuwaru terletak di Kabupaten Bantul Daerah
Istimewa Yogyakarta. Pantai ini pernah mengalami
kejayaan namun kini mengalami penurunan jumlah
wisatawan. Jumlah wisatawan dan retribusi pariwisata di
Pantai Kuwaru mengalami penurunan secara bertahap
sejak tahun 2011 hingga 2016(Putro & Setyaningrum,
2017) . Dalam kajian yang dilakukan Santi (2015) serta
kajian selanjutnya oleh Putro dan Sertaningrum (2017)
menyebutkan abrasi terjadi di Pantai Kuwaru dan telah
menyebabkan terkikisnya bibir pantai sejauh 250 ke arah
darat sejak tahun 2009 hingga 2016. Berdasarkan pada
kondisi tersebut maka tujuan dari penelitian ini adalah
untuk mengetahui kesesuaian ekowisata kategori
rekreasi pantai serta menghitung daya dukung ekowisata
Pantai Kuwaru.
2. Metodologi
Kajian ini dilaksanakan di Pantai Kuwaru,
Poncosari, Kecamatan Srandakan Bantul. Pengambilan
data dilakukan melalui observasi dan pengukuran
dilapangan. Data yang dikumpulkan meliputi data primer
dan data sekunder. Data primer yang diperlukan untuk
menghitung nilai parameter kesesuaian wisata antara lain
: kedalaman perairan (m), tipe pantai, lebar pantai (m),
material dasar perairan, kemiringan pantai, kecerahan
pantai, penutup lahan pantai, biota berbahaya dan
ketersediaan air tawar(F Yulianda, 2007; Ferdinan
Yulianda et al., 2017) . Data primer tersebut diperoleh
dengan pengamatan dan pengukuran dilapangan (Yulius,
Rahmania & Kadarwati, 2018). Sedangkan data sekunder
untuk perhitungan parameter adalah kecepatan arus
(m/detik) menggunakan data sekunder yang diperoleh
dari Badan Meteorologi Klimatologi dan Geofisika
(BMKG) tahun 2018 disekitar Provinsi D.I.Yogyakarta
(Geofisika, 2018).
Analisis data menggunakan analisis data deskriptif
dan juga analisis Indeks Kesesuaian Wisata (IKW)
(Maindo, Nur, & Oetama, 2019; F Yulianda, 2007). Indeks
Kesesuaian Wisata (IKW) utuk kesesuaian di Pantai
Kuwaru menggunakan metrik perhitungan pembobotan
dengan modifikasi dari (F Yulianda, 2007; Ferdinan
Yulianda et al., 2017; Yulius, Rahmania & Kadarwati,
2018). Parameter yang digunakan untuk mengukur
kesesuaian wisata bahari kategori pantai disajikan dalam
Tabel 1

.
Tabel 1. Parameter Kesesuian Wisata Bahari Kategori Pantai
No Parameter Bobot Kategori S1 Skor Kategori S2 Skor Kategori S3 Skor Kategori N Skor
1 Kedalaman perairan (m) 5 0-3 3 >3-6 2 >6-10 1 >10 0
Pasir hitam,
Pasir putih, sedikit Lumpur
2 Tipe pantai 5 Pasir putih 3 2 berkarang, 1 0
karang berbatu, terjal
sedikit terjal
3 Lebar pantai (m) 5 >15 3 10-15 2 3-<10 1 <3 0
Pasir
4 Material dasar perairan 3 Pasir 3 Karang berpasir 2 1 Lumpur 0
berlumpur
5 Kecepatan arus (m/det) 3 0-0.17 3 0.17-0.34 2 0.34-0.51 1 >0.51 0
6 Kemiringan pantai (0) 3 <10 3 10-25 2 >25-45 1 >45 0
7 Kecerahan peraian (%) 1 >10 3 >5-10 2 3-5 1 <2 0
Hutan bakau,
Kelapa, lahan Semak belukar,
8 Penutupan lahan pantai 1 3 2 Belukar tinggi 1 permukiman, 0
terbuka rendah, savana
pelabuhan
Bulu babi, ikan Bulu babi,
9 Biota berbahaya 1 Tidak ada 3 bulu babi 2 1 0
pari pari, lepu, hiu
Ketersediaan air tawar
10 1 <0.5 (km) 3 >0.5-1 (km) 2 >1-2 1 >2 0
(jarak x km)
Sumber : Yulianda et al., 2017

37
Indeks Kesesuaian Wisata (IKW) adalah indeks yang 3. Hasil dan Pembahasan
digunakan untuk menilai parameter kesesuaian suatu Pantai Kuwaru merupakan salah satu deretan jalur
kawasan wisata dibandingkan dengan nilai parameter obyek wisata pantai dan pesisir di jalan utama jalan
pada suatu kawasan wisata. Yulianda (2007)dalam samas di kabupaten Bantul. Lokasi ini berada ± 19 km
Yulianda (2017) rumus IKW disajikan pada rumus no (1). kearah selatan dari pusat kota D.I.Yogyakarta. Secara
Keterangan dari nilai Indeks Kesesuaian Wisata (IKW) umum wisata pesisir dan pantai disepanjang kabupaten
pada Tabel 1 adalah sebagai berikut: Bantul memiliki kemiringan pantai yang datar hingga
S1 : sangat sesuai (75-100%) landau dengan material pantai adalah pasir berwarna
S2 : sesuai (50-<75%) hitam. Pantai Kuwaru secara administrasi berada di Desa
S3 : sesuai bersyarat (25-<50%) Poncosari, Kecamatan Srandakan, Kabupaten Bantul,
N : tidak sesuai (<25% dengan luas area pantai ± 55.500,923 m2 atau 0,055 km2
Nilai maksimal adalah 84. (Gambar 1). Lebar pantai kuwaru ± 483,3 m sedangkan
panjang pantai Kuwaru sangat dinamis, karena sangat
Rumus IKW = [∑(Ni/Nmaks] x 100% …………….(1) dipengaruhi oleh pergesaran garis pantai. Panjang pantai
Keterangan : diketahui rata-rata sepanjang 84 m.
IKW : Indeks Kesesuai Wisata Pengukuran dan pengamatan dilakukan pada
Ni : Nilai Parameter ke-I (Bobot x Skor) tanggal 23 Mei 2019 dengan 1 stasiun pengamatan.
Nmaks : Nilai Maksimum dari suatu kategori wisata Pengukuran dan pengamatan untuk kesesuaian pantai
kuwari menggunakan metode pengamatan 1 stasiun di
Yulianda (2007) dalam Yulianda et al (2017)
tengah-tengah kawasan Pantai Kuwaru. Lokasi
mendefinisikan analisis Daya Dukung Kawasan (DDK)
pengamatan berada di lokasi 414733; 91166625.
adalah analisis yang digunakan untuk mengetahui jumlah
Penentuan 1 stasiun pengamatan didasarkan atas
pengunjung yang dapat ditampung oleh suatu kawasan
pengamatan visual dengan panjang pandang cakrawala
dalam waktu tertentu tanpa adanya gangguan pada alam
± 200 m kanan dan kiri pandangan mata tanpa halangan.
dan manusia. Rumus DDK disajikan pada rumus no (2).
3.1 Kedalaman Perairan
DDK = K x Lp/Lt x Wt/Wp
Parameter kedalaman perairan merupakan salah
……………………………(2)
satu aspek yang cukup penting dalam penentuan suatu
Keterangan :
kawasan wisata pantai. Secara pengamatan fisik
DDK : daya dukung kawasan
kedalaman perairan memiliki profil dangkal dan curam.
K : Potensi ekologis pengunjung per satuan
Sehingga jika dilihat untuk kesesuaian obyek rekresi
unit area
pantai hanya memiliki wilayah aman ±20 meter dari garis
Lp : Luas area atau panjang area yang dapat
pantai dengan nilia kedalaman > 2 m. Berdasarkan nilai
dimanfaatkan
kedalaman rata-rata perairan ±7m. Sehingga nilai
Lt : Unit area untuk kategori tertentu
tersebut masuk kedalam kategori S3. Karakter obyek
Wt : waktu yang disediakan oleh kawasan
wisata pantai dilihat dari kondisi dasar pantai yang curam
untuk kegiatan wisata dalam satu hari
dam relatif dalam, lebih dikembangkan sebagai obyek
Wp : waktu yang dihabiskan oleh pengunjung
wisata pesisir dimana area terbuka dalah kawasan betting
untuk setiap kegiatan tertentu
gisik hingga sampai garis pantai.

38
 Gambar 1. Lokasi Pengukuran Pantai Kuwaru
3.2. Tipe Pantai
Pantai Kuwaru merupakan pantai dengan
material penyusun pasiran yang merupakan dari endapan
dari deposisi material pasir gunungapi Merapi yang
terbawa oleh aiiran sungai. Menurut Yulianda (2007)
wisata pantai ideal adalah pantai yang berpasir atau
dengan dominasi substrat pasir, dibandingkan dengan
pantai berbatu ataupun substrat karang. Pantai kuwaru
memiliki dominasi pasiran dihampir seluruh obyek wisata
pantai. Berdasarkan nilai kesesuian termasuk S3 dengan
faktor pembobot warna pasir berwarna hitam, yang
secara estetika warna hitam tidak lebih indah dari warna
putih.
Gambar 2. Pantai Kuwaru dengan substrat dasar pasiran
3.3. Lebar Pantai
Lebar pantai salah satu parameter kenyamanan
pengunjung di kawasan wisata. Lebar pantai dapat
diasumsikan juga seberapa luas wisatawan untuk
menjelajah area wisata. Lebar pantai juga meiliki
hubungan dengan kemiringan pantai dimana jika pantai
semakin datar maka tingkat kenyamanan dan keamanan
lebih baik jika memiliki nilai yang curam (Yulianda, 2017).
Lebar Kuwaru adalah 488,3 m dimana nilai tersebut
masuk kategori S1 (sangat sesuai).
3.4. Material Dasar Perairan
Material dasar perairan mempunyai korelasi
dengan nilai kecerahan pantai dimana semakin terang
warna dasar pantai maka semakin indah secara estetika
lingkungan dan dapat tembuh cahaya hingga kedasar.
Untuk mengetahui material dasar perairan dilakukan
dengan pengamatan langsung dilapangan secara visual.
Pengamatan langsung dilakukan dengan cara melihat
dasar permukaan dari pantai, jika tidak terlihat sampai
dasar maka memiliki nilai yang kurang sesuai. Di Pantai
Kuwari material dasar perairan adalah pasiran dengan
dominan substat dasar adalah pasir. Berdasarkan nilai
tersebut kesesuain material dasar peraian di Pantai
Kuwaru adalah S3 (sesuai bersyarat).
3.5. Kecepatan Arus
Kecepatan arus merupakan parameter yang
penting dimana keamanan para wisatawan dalam
kaitanya dengan berenang. Kecepatan arus di Pantai
Kuwaru berdasarkan informasi maritime, nilai arah dan
keceptan dari Badan Meteorologi, Klimatologi, dan
Geofisika (BMKG) rata-rata adalah 1m/detik. Nilai
tersebut dalam kategori keseuaian wisata pantai masuk
kedalam kesesuian S3 (sesuai bersyarat), dimana
nilainya dalah > 0,51 m/detik.
3.6. Kemiringan Pantai
Kemiringan pantai mempunyai hubungan dengan
kenyamanan para pengunjung disekitar pantai dan
pesisir. Kemiringan pantai juga mempengaruhi
keamanan pengunjung. Pengamatan dan pengukuran
kemiringan pantai dilakukan di stasiun pengamatan, dari
garis pantai hingga daerah pasang tertinggi. Berdasarkan
pengukuran dilapangan, nilai kemiringan panatai
diperoleh nilai 17%. Nilai kemiringan pantai 10-25
termasuk kedalam kategori S2 (sesuai).
3.7. Kecerahan Perairan
Kecerahan perairan merupakan salah satu daya
tarik wisata pantai dimana tidak terlalu banyak material
padatan yang tesuspensi dan kekeruhan. Kondisi ini
39
 dipengaruhi oleh banyak faktor diantaranya dimana ketersediaan air bersih dan air tawah cukup untuk
padatan tersuspensi, material pantai, kekeruhan, mencukup kebutuhan wisata maupun kegiatan
keadaan cuaca, tinggi gelombang dan waktu pengukran. pelelangan ikan. Berdasarkan nilai kesesuaian daya
Secara ideal pengukuran kecerahan perairan dilakukan dukung termasuk nilai S1 (sangat sesuai).
dengan diagram kecerahan atau secchi disk yang
ditenggelamkan kedasar perairan, tetapi di Pantai Kuwari
secara pengamatan visual sudah terlihat 3-5%. Nilai
kesesuain tersebut masuk kedalam kategori S3 (sesuai
bersyarat).

3.8. Penutup Lahan Pantai

Penutup lahan di Pantai Kuwaru, dibagian betiing
gisik atau pesisir didomiasi oleh semak, dan bagian
pantai hingga terdapat pohon cemara yang merupakan
salah satu ciri khas Pantai Kuwaru. Penutup lahan
sebagian besar berada di daerah betting gisik dan di
sekitar daerah pasang tertinggi tidak terdapat vegetasi.
Bedasarkan pengamtan, nilai kesesuaian untuk daya
dukung masuk kedalam S2 (sesuai). Gambar 3. Penutup lahan di Pantai Kuwaru

3.9. Biota Berbahaya

Biota berbahaya pada saat pengukuran di sekitar
stasiun pengamtan tidak dijumpai adanya biota
berbahaya. Waktu penamatan berlangsung pada waktu
siang hari. Berdasarkan nilai parameter untuk kesesuaian
daya dukung tanpa ditemukan biota berbahaya masuk
kedalam kategori S1(sangat sesuai).

3.10 Ketersediaan Air Tawar

Ketersediaan air merupakan faktor pendung utama
dimana kebutuhan air sebagai kebutuhan dasar manusia
dan kegiatan domestik. Faktor penting juga suntuk sektor
pariwisata dimana kebutuhan air sebagai pendukung
sanitasi dan berbilas pengunjung pantai Kuwaru.
Berdasarkan pengukuran dilapangan ketersediaan air
tawar di Pantai Kuwari cukup bagus karena infrstruktur Gambar 4. Ketersediaan air twar di TPI Kuwaru
pendukung sudah tersedia dengan jarak yan relatif dekat
(±0,5-1 km). 3.11. Analisis Kesesuaian Kawasan Ekowisata
Pantai Kuwaru merupakan kawasan pantai dengan Hasil pegukuran dilapangan dari 1 pengamatan stasiun di
insfraktruktur yang bagus. Selain Pantai kuwaru sebagai Pantai Kuwari menghasilkan penilaian IKW Pantai
tempat obyek wisata, terdapat Tempat Pelelangan Ikan Kuwaru berdasarkan parameter kesesuaian pantai oleh
(TPI). Dengan adanya aktifitas tersebut ketersediaan air Yulianda et al(2017) adalah sebagai berikut:
untuk akrtifitas pepelangan ingan juga sangat tepenuhi

Tabel 2. Penelilaian Kesesuan Pantai Kuwaru

No Parameter Kategori Skor Bobot Nilai
1 Kedalaman perairan (m) >6-10 1 5 5
2 Tipe pantai Pasir hitam 1 5 5

3 Lebar pantai (m) 483,3 3 5 15

4 Material dasar peraiaran Pasir 3 3 9
5 Kecepatan arus (m/det) 1 1 3 3
6 Kemiringan pantai (0) 10-25 2 3 6
7 Kecerahan peraian (%) 3-5 1 1 1
8 Penutupan lahan pantai Semak belukar, rendah, savana 2 1 2
9 Biota berbahaya Tidak ada 3 1 3
10 Ketersediaan air tawar (jarak x km) <0.5 km 3 1 3
Total skor S2 52
Sumber : Pengkuran Lapangan, Mei 2019

Nilai Indek kesesuaian wilayah ekowisata Pantai menunjukkan tingkat kelayakan Pantai Kuwaru masih
Kuwaru menujukkan nilai 52% (Tabel 2). Nilai tersebut layak menjadi tujuan ekowisata. Nilai 52% termasuk

40
kedalam kategori sesuai dengan faktor pemberat antara
lain adalah arus yang relatif tinggi, kemunduran atau
pengurangan luas wilayah pantai diakibatkan oleh abrasi
dan faktor alam substrat dasar berupa pasiran dengan
warna hitam.
3.12. Analisis Daya Dukung Kawasan
Kegiatan ekowisata pantai diasumsikan bahwa setiap
orang membutuhkan panjang garis pantai 50m,
dikarenakan panjang atau lebar luasan tersebut para
pengunjung dapat melakukan aktivitas yang memerlukan
ruang kegiatan berwisata (Yulianda, 2007). Berdasarkan
hasil analisis data dukung kawasan ekowisata nilai
potensi ekologis pengunjung per satuan unit area (K)
adalah 1, nilai luas area (Lp) adalah 483,3 m, nilai unit
area untuk kategori wisata (Lt) adalah 50, nilai waktu
kegiatan wisata (Wt) adalah 9 jam, dan nilai waktu yang
dihabiskan pengunjung (Wp) rata-rata adalah 1 jam.
Daya dukung ekowisata sangat penting untuk
menjada suatu lingkungan secara berkelanjutan terhadap
suatu ekowisata. Hasil analisis daya dukung kawasan
Pantai Kuwaru adalah 86 orang / hari. Nilai daya dukung
kawasan Pantai Kuwaru cukup banyak berkurang nilai
daya dukungnya yang dipenagruhi oleh abrasi dan
pergersan garis pantai dan luasan pesisir pantai. Hal
tersebut mengurangi luasan area pantai sebagai
kawasan ekowisata rekreasi pantai. Dibandingkan
dengan jumlah pengunjung rata-rata yang dating ke
pantai Kuwaru berkisar 20 orang/hari, dapat disimpulkan
masih dapat menampung seluruh kegiatan wisata yang
dilakukan para pengunjung dengan baik tanpa melebihi
daya dukung kawasan wisata rekreasi pantai dan masih
dapat dijaga kelesatraian lingkungannya.
4. Kesimpulan
Berdasarkan hasil pengukuran dan analisis dari
penelitian ini menunjukkan nilai indek kesesuaian
kawasan wisata Pantai Kuwaru sebesar 52 % atau S2
(sesuai) dan mempunyai daya dukung kawasan Pantai
Kuwaru sebesar 86 orang / hari. Faktor pemberat dalam
indek kesesuaian untuk kawasan pantai dengan kategori
rekreasi adalah berkurangnya luas wilayah pantai kuwaru
menjadi 483,3 m2 pada tahun 2019.
DAFTAR PUSTAKA
Domo, A. M., Zulkarnaini, Z., & Yoswaty, D. (2017). Analisis
Kesesuaian dan Daya Dukung Kawasan Wisata Pantai
(Studi Pantai Indah Sergang Laut di Pulau Singkep).
Dinamika Lingkungan Indonesia, 4(2), 109.
https://doi.org/10.31258/dli.4.2.p.109-116
Fandeli, C. M. (2000). Pengusahaan Pariwisata. Yogyakarta:
Gadjah Mada University Press.
Geofisika, B. M. dan. (2018). Laporan Pasang surut dan Tinggi
Geombang musiman. Indonesia.
Hasnina Malasari Pasaribu, Pindi Patana, S. U. (2001). Analisis
Kesesuaian Dan Daya Dukung Wisata Pantai Binasi
Kecamatan Sorkam Barat Kabupaten Tapanuli Tengah.
Aquamarine, 1–34.
Maindo, A. S., Nur, A. I., & Oetama, D. (2019). Analisis Daya
Dukung Kawasan Wisata Pantai Walengkabola
Kabupaten Muna Dalam Mendukung Pariwisata
Berkelanjutan [ Carrying Capacity Analilysis of The
Tourism Area of Walengkabola beach , Muna Regency in
Supporting sustainable Tourism ]. 4(2), 103–109.
Putro, S. T., & Setyaningrum, A. (2017). DAYA DUKUNG
KEGIATAN PARIWISATA TERHADAP ANCAMAN
ABRASI DI PANTAI KUWARU. Yogyakarta.
Santi, P. A. (2015). Ecosystem Based Measures To Reduce The
Impact Of Coastal Erosion In Kuwaru Coastal Area.
Yogyakarta.
Society, T. I. E. (2015). Climate Change and Tourism.
Washington.
World Tourism Organization. (2005). UNWTO Tourism
Highlights (2005 Editi).
https://doi.org/https://doi.org/10.18111/9789284411900
Wunani, D., Sitti, N., Faizal, K. (2013). Kesesuaian Lahan dan
Daya Dukung Kawasan Wisata Pantai Botutonuo ,. Jurnal
Ilmiah Perikanan Dan Kelautan, 1(September), 89–94.
Yulianda, F. (2007). Ekowisata Bahari Sebagai Alternatif
Pemanfaatan
Sumberdaya Pesisir Berbasis Konservasi Standar Sains
Departemen Manajemen Sumberdaya Perairan. Fakultas
Perikanan dan Ilmu Kelautan Institut Pertanian Bogor.
Yulianda, Ferdinan, Samosir, A., Fachrudin, A., Adimu, H. E.,
Febryane, A., & Muhidin. (2017). Daya Dukung
Lingkungan di Taman Nasional Kepulauan Seribu. Bogor:
Direktorat Pemanfaatan Jasa Lingkungan Hutan
Konservasi.
Yulius, Rahmania, & Kadarwati. (2018). Buku Panduan Kriteria
Penetapan Zona Ekowisata Ekowisata Bahari. Indonesia:
Pusat Riset Kelautan Badan Riset dan Sumber Daya
Manusia Kelautan dan Perikanan Kementerian Kelautan
dan Perikanan.
41
Pemanfaatan Data DEM dan Orthophoto Hasil UAV untuk
Pemodelan Tsunami di Wilayah Kepesisiran Baron dan
Sepanjang
Afif Ari Wibowoa, Muh Aris Marfaib, Widjo Kongkoc, Djati Mardiatnob, dan Amalia
Nurwijayantic
aMasterProgram MPPDAS, Fakultas Geografi UGM; e-mail: afifariw@gmail.com
bDepartemen Geografi Lingkungan Fakultas Geografi UGM
cBTIPDP-BPPT

Corresponding author: arismarfai@ugm.ac.id

ABSTRAK
Fungsi Unmanned Aerial Vehicle (UAV) dalam bidang geografi lebih kepada fungsi pemetaan, akusisi data foto udara, dan upaya
mitigasi bencana alam. Hasil dari UAV dapat berupa orthophoto dan data Digital Elevation Model (DEM) dengan resolusi tinggi. Salah
satu upaya mitigasi bencana yang memerlukan data dengan resolusi tinggi yaitu pemodelan bencana tsunami. Pemodelan tsunami
dengan TUNAMI N3 telah memperhitungkan kekasaran permukaan (roughness). Maka dari itu nilai roughness dalam pemodelan
tsunami akan dibedakan antara seragam (lahan terbuka) dan tidak seragam (sesuai kondisi penggunaan lahan). Pembagian tersebut
bertujuan untuk mengetahui pengaruh kekasaran permukaan dalam mereduksi energi tsunami. Data DEM juga dibedakan menjadi
tipe Digital Surface Model (DSM) dan Digital Terrain Model (DTM) karena DEM tipe DSM masih menganggap vegetasi dan bangunan
sebagai permukaan, sedangkan tipe DTM telah menggambarkan kofigurasi permukaan tanah sesuai kondisi di lapangan. Penelitian
ini bertujuan untuk mengklasifikasikan nilai kekasaran permukaan dari orthophoto hasil UAV dan memodelkan potensi genangan
tsunami berdasarkan perbedaan tipe data DEM. Data orthophoto dan DEM hasil UAV memiliki resolusi yang detail yaitu sekitar 9 cm
dan 36 cm. Data tersebut jika dibandingkan dengan data yang tersedia saat ini seperti Citra Quickbird, DEM dari SRTM dan DEMNAS
nilai resolusinya masih jauh lebih besar. Data orthophoto dari UAV kemudian diturunkan menjadi data penggunaan lahan melalui
tahapan digitasi on screen. Data penggunaan lahan ini selanjutnya digunakan untuk melakukan klasifikasi kekasaran permukaan
(roughness) dalam pemodelan tsunami. Nilai koefisien kekasaran permukaan diklasifikasikan berdasarkan klasifikasi Chow (1959),
dimana hasil identifikasi menunjukkan penggunaan lahan hanya terbagi menjadi tubuh air, lahan terbuka, vegetasi, dan permukiman.
Hasil pemodelan menunjukkan luasan area genangan secara berurutan dari yang terendah yaitu data DSM (229.587 m²), DTM
dengan roughness tidak seragam (338.927 m²), dan DTM dengan rougness seragam (364.182 m²). Keadaan ini disebabkan oleh
bangunan dan pepohonan yang diperhitungkan dalam pemodelan mampu mereduksi energi tsunami.

Kata kunci: UAV; DEM; tsunami; kekasaran permukaan; Gunungkidul

ABSTRACT
The function of Unmanned Aerial Vehicle (UAV) in geographic is for mapping purposes, aerial photography, and disaster mitigation
efforts. Products of UAV are orthophoto and high resolution of Digital Elevation Model (DEM) data. One of disaster mitigation efforts
that requires high resolution data is tsunami disaster modeling. Tsunami modeling using TUNAMI N3 considered surface roughness.
Therefore, roughness value in tsunami modeling was divided into uniform (open field) and not uniform (in accordance with the existing
land use). This division aims to find out surface roughness effect in reducing the energy of tsunami. DEM data was also divided into
Digital Surface Model (DSM) and Digital Terrain Model (DTM). DSM considered vegetations and buildings as surface, while DTM
represented land surface roughness configuration according to reality. This research aims to classify surface roughness value based
on orthophoto and modeling the potential of tsunami inundation based on DEM data type. Orthophoto and DEM data from UAV have
high spatial resolution of 9 cm and 36 cm. These data have much better resolution than available data such as Quickbird image, DEM
of SRTM, and BATNAS. Orthophoto data of UAV was processed into land use data by on screen digitizing. Then land use data was
used to classify surface roughness in tsunami modeling. Surface roughness coefficient value was classified according to Chow
classification (1959), and the identification showed that land use was only divided into water bodies, open field, vegetation, and
settlement. Modeling result was represented inundation area from the smallest one was DSM (229,587 m²), then DTM with not uniform
surface roughness (338,928 m²), and the largest one was DTM with uniform surface roughness (364,182 m²). This condition was
caused by the ability to reduce tsunami energy of buildings and trees which had been considered in tsunami modeling.

Keywords: UAV; DEM; tsunami; roughness; Gunungkidul

1. Pendahuluan geografi lebih kepada fungsi pemetaan dan akusisi

Unmanned Aerial Vehicle (UAV) dapat diartikan
pesawat terbang tanpa awak dengan pengoperasian
menggunakan remote atau otomatis yang saat ini
pemanfaatannya telah berkembang (Rosaji, 2017).
UAV biasa dimanfaatkan untuk pemetaan, misi
navigasi, foto udara, maupun menjadi perangkat
fotografi dan videografi. Fungsi UAV dalam bidang
42
data foto udara. Keberadaan UAV memberikan
kontribusi penting dalam bidang geografi yaitu dalam
hal kemudahan update data maupun pendetailan data.
Keberadaan UAV membuat peneliti dapat
mendapatkan data dengan tingkat kedetailan yang
diinginkan untuk mendudukung penelitiannya. Secara
umum terdapat dua macam tipe UAV, yaitu tipe fixed
wing dan tipe rotor. Hasil foto udara dari kedua tipe
tersebut dapat digunakan untuk kegiatan pemetaan
atau sering disebut juga dengan teknik fotogrametri
(Wulan, 2017).
Kegiatan pemotretan udara untuk skala
penelitian biasanya sangat memperhitungkan efisiensi
biaya yang selanjutnya akan mempengaruhi jenis
kamera dan wahana yang digunakan. Purwanto (2017)
menyebutkan perekaman menggunakan kamera
standar non-metrik berformat kecil akan menghasilkan
foto udara berupa Foto Udara Format Kecil (FUFK).
Keterbatasan wahana tersebut akan mempengaruhi
tingkat kedetailan data. Tingkat kedetailan data dalam
pemotretan FUFK ini akan berkaitan dengan
perencanaan ketinggian jalur terbang. Selanjutnya
penentuan jalur terbang dilakukan dengan
pertimbangan efektif dan efisien (Rosaji, 2017).
Kualitas hasil pemotretan udara dipengaruh juga
oleh tingkat akurasinya, baik akurasi secara horizontal
maupun akurasi vertikal. Cara untuk menambah atau
memaksimalkan tingkat akurasi pada foto udara yaitu
dengan pembuatan Ground Control Points (GCP).
GCP dipersiapkan saat lapangan sebelum
penerbangan pesawat. GCP yaitu berupa titik-titik
kontrol di lapangan dan dapat diidentifikasi pada foto.
Titik-titik tersebut memiliki informasi data X, Y, dan Y
(Hidayat, 2015). Data-data X, Y, dan Y diperoleh dari
pengukuran dengan menggukaan alat ukur topografi
seperti Theodolite atau Total Station. Namun, titik-titik
tersebut sebelumnya juga perlu diikatkan dengan
Benchmark (BM) yang telah terkoreksi oleh pasang
surut.
Pesisir di Kabupaten Gunungkidul merupakan
bagian dari Pesisir Selatan Jawa yang berbatasan
langsung dengan Samudera Hindia. Terdapat zona
penunjaman samudera yang masih aktif bergerak di
dasar Perairan Selatan Jawa. Keaktifan tersebut
ditandai dengan kejadian gempa tektonik yang masih
sering terjadi hingga saat ini. Data kejadian gempa
menyebutkan keberagaman intensitas gempa yang
telah terjadi di zona penunjaman selatan Jawa. Gempa
tektonik dengan intensitas besar juga pernah terjadi
dan menimbulkan kejadian tsunami, yaitu seperti
kejadian tsunami di Banyuwangi pada tahun 1994 dan
Pangandaran pada tahun 2006 (Chaeroni, Hendriyono,
dan Kongko, 2010). Apotsos dkk (2011) memaparkan
bahwa jika dilihat secara internasional dalam belasan
tahun terakhir, tsunami juga terjadi di Peru (2001),
Sumudera Hindia (2004), Kepulauan Solomon (2007),
Pasifik Selatan (2009), Chile (2010), dan Jepang
(2011).
Pesisir Kabupaten Gunungkidul merupakan aset
utama Kabupaten Gunungkidul karena potensi wisata
alamnya. Keindahan pantai dan fasilitas yang sudah
tergolong memadahi membuat wisata pantai menjadi
tujuan utama wisatawan untuk berwisata di Kabupaten
Gunungkidul. Karena menjadi sebuah aset, maka
potensi sumberdaya alam dan kegiatan pariwisata di
Pesisir Kabupaten Gunungkidul harus dijaga
keberlangsungan serta kelestariannya. Keberadaan
potensi ancaman bencana tsunami di selatan Pesisir
Jawa membuat pengelolaan wisata pantai juga perlu
memperhatikan kajian ancaman bencana tsunami.
Tsunami dapat diartikan sebagai gelombang
panjang yang salah satunya disebabkan oleh dislokasi
dasar laut (Triatmadja, 2010). Akibat dari pergerakan
kerak bumi tersebut dapat menggangu kesetimbangan
massa air di atasnya, sehingga terjadi pelepasan
energi air laut yang dapat menjalar mencapai pantai
(Basith dkk, 2015). Apotsos dkk (2012) menyebutkan
bahwa tsunami merupakan peristiwa yang jarang
terjadi dan tidak bisa diprediksi namun dapat
menyebabkan bencana bagi manusia serta kerugian
ekonomi. Samaras dkk (2015) menyebutkan bahwa
tsunami telah dipelajari sejak akhir tahun 1980an,
namun masih ada kesenjangan pengetahuan
mengenai identifikasi seperti apa gelombang
mendekati daratan dan menjalar ke daratan. Sriram
dkk (2016) memaparkan bahwa kejadian tsunami yang
sama akan dapat menghasilkan gelombanng yang
berbeda untuk lokasi yang berbeda, maka dari itu
dalam memodelkan tsunami perlu dipelajari berbagai
bentuk gelombang.
Kejadian dislokasi kerak bumi akan
mengakibatkan pergerakan air laut dalam volume
besar secara mendadak. Pergerakan ini yang
selanjutnya menimbulkan gelombang laut dengan
panjang gelombang yang sangat besar. Gelombang
tersebut dapat menjalar sampai ke wilayah daratan.
Penjalaran gelombang masuk ke area daratan dengan
suatu run-up gelombang tertentu. Run-up gelombang
merupakan tinggi vertikal maksimum gelombang yang
mengenai pantai atau struktur pantai (Soresen, 1997
dalam Jufri, 2016). Peristiwa dislokasi ditandai oleh
kejadian gempa dengan magnitute tertentu.
Peningkatan magnitude gempa bumi bawah laut
tersebut dapat meningkatkan ketinggian gelombang,
jangkauan maksimum, dan luas landaan tsunami
(Prakoso, 2016). Pemahaman mengenai dampak yang
dapat ditimbulkan oleh tsunami dapat dilakukan
dengan pemodelan tsunami. Berikut Gambar 1
memaparkan gambaran sebagian Zona Subduksi
Selatan Jawa yang berpotensi terjadi dislokasi kerak
bumi.
Gambar 1. Peta Zona Subduksi Selatan Jawa pada Bagian
Selatan Kabupaten Gunungkidul
Marfai (2015) menjelaskan pengertian model,
yaitu model adalah representasi terhadap realitas yang
dilakukan oleh seorang pemodel. Model juga dapat
diartikan sebagai penghubung antara dunia nyata
dengan dunia berfikir. Model dibuat atau dilakukan
dengan tujuan untuk menyelesaikan suatu
43
permasalahan dengan jalan menyederhanakan suatu
keadaan. Model dihasilkan dari proses berfikir terhadap
pemahaman tentang dunia nyata, kemudian dengan
proses berfikir dituangkan dalam suatu model yang
dapat memberikan pemahaman tentang dunia nyata.
Pengertian model ini juga berlaku untuk pemodelan
tsunami yang bertujuan untuk mengetahui potensi
kejadian tsunami di dunia nyata secara lebih sederhan.
Pemodelan tsunami merupakan proses
membangun pemindahan permukaan air dari awal
sebelum terjadi tsunami hingga terkena dampak
gempa bumi. Hasan dkk (2015) menyebutkan bahwa
pemodelan numerik tsunami dapat dibagi menjadi tiga
tahapan, yaitu pemodelan sumber gempa, pemodelan
propagasi tsunami, dan pemodelan penggenangan
tsunami. Pemodelan sumber gempa yaitu simulasi
inisiasi tsunami yang disebabkan oleh pergeseran
kerak bumi. Pemodelan propagasi tsunami adalah
pemodelan perambatan gelombang tsunami dari
sumber gempa ke daerah pantai. Pemodelan
penggenangan tsunami dapat dikatakan sebagai
simulasi propaganda gelombang tsunami dari wilayah
pantai sampai masuk ke daratan.
Perkembangan teknologi saat ini lebih
mempermudah peneliti dalam proses akusisi data,
sehingga data yang lebih detail akan lebih mudah
didapatkan. Kebaruan data berupa data DEM tipe DTM
dan DSM serta data orthophoto dengan resolusi yang
lebih detail semakin mudah didapatkan. Jika
dibandingkan dengan data sekunder yang tersedia
saat ini, data hasil UAV masih memiliki resolusi spasial
yang lebih besar. Data yang tersedia saat ini antara lain
Citra Quickbird dengan resolusi spasial 2,4 m, data
DEM SRTM dengan resolusi spasial 30 meter, dan
data DEMNAS dengan resolusi spasial 8,1 meter.
Proses dinamika pantai yang terus terjadi juga
memungkinkan terdapatnya perbedaan data dari waktu
ke waktu. DEM tipe DTM dan DSM serta data
orthophotohasil UAV memiliki resolusi yang lebih besar
serta lebih baru jika dibandingkan dengan data yang
sudah tersedia seperti Citra Quickbird, DEM dari SRTM
dan BATNAS, sehingga akurasi datanya lebih tinggi
dan lebih mendekati kondisi ekisting di lapangan.
Pemodelan tsunami dapat dilakukan dengan
beberapa skenario berdasar kondisi di lapangan,
ketersediaan data, serta program yang digunakan.
Pemodelan tsunami dengan TUNAMI N3 telah
memperhitungkan kekasaran permukaan (roughness).
Maka dari itu nilai roughness dalam pemodelan
tsunami akan dibedakan antara seragam (lahan
terbuka) dan tidak seragam (sesuai kondisi
penggunaan lahan). Pembagian tersebut bertujuan
untuk mengetahui pengaruh kekasaran permukaan
dalam mereduksi energi tsunami. Data DEM juga
dibedakan menjadi tipe DSM dan DTM karena DEM
tipe DSM masih menganggap vegetasi dan bangunan
sebagai permukaan, sedangkan tipe DTM telah
menggambarkan kofigurasi permukaan tanah sesuai
kondisi di lapangan. Data DTM dibagi lagi berdasar
kekasaran permukaan, yaitu DTM seragam (lahan
terbuka) serta DTM tidak seragam (eksisting).
Penelitian ini bertujuan untuk mengklasifikasikan nilai
kekasaran permukaan dari orthophoto hasil UAV dan
44
memodelkan potensi genangan tsunami berdasarkan
perbedaan tipe data DEM.
2. Metodologi
2.1. Alat dan Bahan
Alat yang digunakan dalam penelitian ini yaitu
Seperangkat Unmanned Arial Vehicle (UAV) dengan
jenis fixed wing bertipe airframe bixer yang difungsikan
untuk pemotretan udara. Kamera saku jenis Sony
Alpha A5100 resolusi 24.30 Mpix yang difungsikan
sebagai sensor. Sensor kamera konfensional termasuk
dalam sensor fotografik dan bekerja pada panjang
gelombang 0,4-0,7 μm sehingga masuk pada spectrum
tampak (Sutanto, 1994). Seperangkat GPS geodetic
dengan metode Real Time Kinematic (RTK) yang
difungsikan untuk mengambil data X, Y, serta Z pada
GCP dan ICP di lapangan. Seperangkat komputer yang
difungsikan untuk mengolah data, melakukan
pemodelan, penyajian hasil, dan pembuatan laporan
penelitian. Beberapa perangkat lunak, seperti Agisoft
Photoscan, ArcGIS 10.2, GlobalMapper 13, Surfer 13,
Matlab 2015, Textpad, TUNAMI-N3, Microsoft Word,
dan Microsoft Excel. Bahan yang digunakan dalam
penelitian ini yaitu berupa citra resolusi tinggi dari
Google Earth yang difungsikan untuk identifikasi
gambaran umum sebagai penentuan lokasi penelitian,
perencanaan jalur terbang, serta pemilihan lokasi take-
off dan landing.
2.2. Data
Beberapa data yang digunakan dalam penelitian
ini meliputi data untuk pemodelan tsunami, yaitu data
topografi, data batimetri, dan data pasang surut, serta
data parameter gempa bumi untuk pemodelan sumber
membangkitkan tsunami. Terdapat dua macam data
topografi yang digunakan, yaitu data primer hasil
pengolahan dari teknologi UAV dengan resolusi sekitar
30 cm x 30 cm dan data sekunder berupa data The
Shuttle Radar Topography Mission (SRTM) dengan
interval 1 arc-second atau resolusi spasial sebesar 30
m x 30 m. Data Batimetri yang digunakan yaitu data
General Bathymetric Chart of the Oceans (GEBCO)
dengan interval 30 arc-second atau dengan resolusi
spasial 925 m x 925 m serta data Navy Chart dari
Badan Pengkajian dan Penerapan Teknologi (BPPT)
dengan resolusi 90 m x 90 m. Data pasang surut
menggunakan TMD (Tidal Model Driver) yang diekstak
menggunakan software Matlab 2015.
2.3. Perencanaan dan Pelaksanaan Pemotretan
Foto Udara dengan UAV
Perencanaan pemotretan foto udara dilakukan
dengan pertimbangan tingkat kedetailan output yang
diinginkan serta kondisi karakteristik wilayah
pengkajian. Keluaran dari hasil pemotretan foto udara
ini diharapkan memiliki tingkat kedetailan dan akurasi
geometrik baik vertikal maupun horizontal yang tinggi.
Hal ini karena keluaran tersebut akan digunakan untuk
data dasar pemodelan bencana tsunami. Maka dari itu
skala analisis yang akan dilakukan pada penelitian ini
merupakan skala detail, yaitu skala 1:5.000.
Pemotretan udara direncanakan pada sebagian
wilayah Kepesisiran Gunungkidul dengan luasan ± 381
Hektar. Cakupan area memanjang dari area sekitar
Pesisir Baron hingga Pesisir Sepanjang. Sedangkan
cakupan ke belakang sampai pada aksesibilitas jalan
utama yang menghubungkan antar pantai.
Penentuan tinggi terbang pesawat akan
mempengaruhi resolusi foto yang didapatkan (Putra
dkk, 2016). Istilah yang digunakan dalam hal ini yaitu
Ground Sampling Distance (GSD). Nilai GSD
dipengaruhi oleh ketinggian terbang, sensor kamera,
dan fokus kamera (Harintaka, 2012). Nilai GSD dalam
kajian ini yaitu kurang lebih 9 cm/piksel. Nilai tersebut
memberikan kedetailan objek di wilayah kajian yang
relatif tinggi dan memudahkan dalam melakukan
interpretasi.
2.4. Pemrosesan Orthophoto dan Digital Surface
Model (DSM)
Foto Udara yang dihasilkan dari akuisisi
menggunakan UAV dapat diproses menggunakan
perangkat lunak fotogrametri, yaitu Agisoft Photoscan.
Perangkat lunak ini dapat mengolah foto udara tersebut
menjadi data mosaic orthophoto dan data ketinggian
dalam bentuk Digital Surface Model (DSM). Prinsip
pemrosesannya menggunakan structure from motion
(sfm) yang dapat menghasilkan data point cloud dari
rekonstruksi tampalan antar foto. Data point cloud ini
mempunyai koordinat 3D (x, y, dan z). Hasil foto udara
setelah pemotretan dilakukan pemilihan dengan
ketentuan tingkat kecondongan (oblique) yang besar
tidak dimasukkan pada pemrosesan mosaic dan
orthorektifikasi. Kemudian setiap foto hasil dari
pemulihan tersebut disamakan nilai kecerahan dan
kekontrasannya. Setelah kedua proses tersebut
dilakukan maka mosaic dan orthorektifikasi diproses
dengan perangkat lunak Agisoft Photoscan. Proses
orthorektifikasi bertujuan untuk merubah proyeksi dari
foto udara yang semula berproyeksi sentral menjadi
proyeksi orthogonal untuk dapat meminimalisir distorsi
geometri pada foto udara.
2.5. Skenario Pemodelan Tsunami
Pemodelan penjalaran tsunami dilakukan
dengan menggunakan program TUNAMI (Tohoku
University’s Numerical Analysis Model for Investigation
of Near-field Tsunami). TUNAMI menggunakan skema
numerik leap-frog dalam melakukan perhitungan
perambatan gelombang. Konsep yang digunakan
TUNAMI dalam mensimulasikan penjalaran tsunami
beserta run-up yaitu dengan teori gelombang linear
untuk laut dalam dan teori gelombang perairan dangkal
untuk laut dangkal. Pemodelan tsunami dengan
metode ini dilakukan untuk mengetahui ketinggian
gelombang di daratan serta waktu tiba gelombang
tsunami.
Dias dkk (2014) menjabarkan perlunya
pemahaman tentang pembangkitan tsunami dan
genangan berikutnya disamping penjalaran tsunami
yang telah dapat dimodelkan dengan model numerik
tersebut. Pemodelan penjalaran tsunami ke arah darat
hingga terjadinya run-up dilakukan masih
menggunakan TUNAMI. Program TUNAMI yang
digunakan dalam penelitian ini yiatu TUNAMI-N3. Bila
dibandingkan dengan versi TUNAMI sebelumnya,
TUNAMI-N3 telah mengaplikasikan teori perambatan
gelombang dengan sistem grid (variasi ukuran grid)
serta melibatkan efek kekasaran permukaan di
sepanjang pantai. Data initial condition yang digunakan
dalam pemodelan diambil dari hasil pemodelan
deformasi dan patahan.
Model numerik TUNAMI merupakan
pengembangan dari model numerik tidak linier
(Imamura, 2006). Program TUNAMI-N3 awalnya dibuat
oleh Imamura (1991), kemudian pada tahun 2003
dikembangkan oleh Iwama (Kongko, 2011). Program
TUNAMI-N3 dijalankan menggunakan bahasan
pemograman Fortran dengan software Microsoft
Developer Studio. Program ini juga peneliti dapatkan
dari Dr.-Ing. Ir. Widjo Kongko, M.Eng. (BTIPDP-BPPT).
Hasil visualisai pemodelan tsunami berupa peta
inundasi tsunami yang dapat memberikan informasi
tentang ketinggian tsunami serta jangkauannya ke
daratan. Pemodelan inundasi juga dapat dilakukan
dengan ILWIS GIS seperti yang digunakan oleh Marfai
dan King (2008) serta Ward dkk (2011) untuk
pemodelan inundasi banjir.
3. Hasil dan Pembahasan
3.1. Klasifikasi Kekasaran Permukaan
(Roughness)
Pengolahan foto udara hasil UAV dilakukan
dengan software Agisoft Photoscan, walaupun
software lain juga dapat digunakan seperti Pix4D
Mapper (Kustiyanto, 2019), Dronedeploy (Romadhoni
dkk, 2016), atau Photomodeler Scanner (Janitra,
2014). Agisoft Photoscan merupakan perangkat lunak
fotogrametri dengan prinsip menggabungkan foto
menjadi mosaic orthophoto. Jumlah foto yang diolah
dari hasil UAV yaitu 267 foto. Orthophoto yang
dihasilkan dengan luasan 9.319.894 m² dengan
resolusi foto yang dihasilkan sebesar 0,0903 m atau
sekitar 9 cm. Data orthophoto kemudian diturunkan
menjadi data penggunaan lahan melalui tahapan
digitasi on screen. Resolusi yang dihasilkan cukup
tinggi, sehingga memudahkan peneliti dalam
melakukan interpretasi.
Penggunaan lahan yang tergambar pada
Gambar 2 yaitu tegalan/ladang, kebun campuran,
padang rumput, semak belukar, lahan terbuka, sawah,
dan permukinan. Kebun campuran dan tegalan/ladang
menjadi penggunaan lahan yang mendominasi dengan
luasan lebih dari 50%. Penggunaan lahan permukiman
dalam peta ini lebih kepada bangunan tepi pantai,
warung, dan fasilitas pendukung pariwisata lainnya.
45
Gambar 2. Peta Penggunaan Lahan Pesisir Baron hingga
Sepanjang
Sumber: Digitasi Orthophoto UAV, 2018
Terlihat pola permukiman memanjang sejajar
garis pantai untuk Pesisir Sepanjang, sedangkan di
Pesisir Baron memanjang tegak lurus dengan garis
pantai mengikuti ketersediaan lahan yang ada. Data
penggunaan lahan ini selanjutnya digunakan untuk
melakukan klasifikasi kekasaran permukaan
(roughness) dalam pemodelan tsunami. Koefisien
kekasaran permukaan (roughness) diklasifikasikan
menurut klasifikasi Chow (1959) yang terbagi menjadi
tubuh air (ocean) dengan nilai 0,016, lahan terbuka
(crop Field) dengan nilai 0,035, vegetasi (medium
density of tree) dengan nilai 0,1, dan permukiman
(residential area + tree) dengan nilai 0,115.
3.2. Klasifikasi Data DEM
Hasil pengolahan foto udara yang lainnya yaitu
berupa data DEM (Digital Elevation Model). Terdapat
dua macam tipe DEM yaitu DSM dan DTM. Proses
pengolahan foto udara untuk data DSM relatif lebih
sederhana karena merupakan data yang tampak dari
atas, sedangkan untuk data DTM dibutuhkan perlakuan
tambahan yaitu dengan mengklasifikasikan ground dan
bukan ground. Data DEM tipe DSM dan DTM hasil UAV
memiliki resolusi 0,36 meter. Gambar 3 merupakan
kenampakan data DEM tipe DSM dengan data
pepohonan dan permukiman masih didefinisikan
sebagai permukaan. Terlihat dari gambar bagian
Pesisir Baron, Kukup, dan Sepanjang terdapat pola
yang tidak rata yang menandakan masih terdapat
bangunan-bangunan dan pepohonan. Data DSM
menjadi data yang belum sempurna bila digunakan
dalam pemodelan tsunami. Hal ini karena di dalam data
DSM, bangunan dan pohon dianggap sebagai
permukaan. Maka dari itu, diperlukan data DTM yang
menggambarkan konfigurasi permukaan tanah sesuai
kondisi di lapangan.
46
Gambar 3. Data DEM tipe DSM Pesisir Baron hingga
Sepanjang
Sumber: Laporan PUPT “Pemetaan Risiko Bencana
Kepesisiran menggunakan Teknologi UAV dan GIS pada
Wilayah Kepesisiran Kab. Gunungkidul”, 2017
Data DEM dengan tipe DTM (Digital Terrain
Model) merupakan olahan lanjutan dari data DSM.
Data DEM tipe DTM yang dihasilkan untuk penelitian
ini ditunjukkan oleh Gambar 3 Terdapat dua macam
cara pengolahan data DTM dalam penelitian ini, yaitu
diolah dari data dense cloud dengan klasifikasi slope-
based filtering (Martiana dkk, 2017 dan Togatorop,
2016) dan dari data DSM yang sudah ada
menggunakan bantuan aplikasi Surfer (Litwin dkk,
2013). Prinsip dari kedua cara tersebut sama, yaitu
mempertahankan data ground (permukaan tanah) dan
menghilangkan data non-ground (bangunan dan
pepohonan), kemudian dilakukan interpolasi ulang.
Cara pertama dilakukan untuk area Pesisir Baron dan
Kukup, yaitu pemisahan ground serta non-ground
dilakukan oleh aplikasi Agisoft Photoscan dengan
ketentuan kemiringan permukaan di atas 30⁰
diklasifikasikan sebagai non-ground. Cara kedua
dilakukan untuk Pesisir Sepanjang, yaitu pemisahan
antara ground dan non-ground dilakukan secara
manual dengan bantuan perangkat lunak
GlobalMapper 13. Interpolasi pada cara kedua
dilakukan menggunakan perangkat Surfer 13 dengan
metode interpolasi kriging. Pemilihan kriging dilakukan
karena tipe persebaran datanya merata berdasarkan
grid.
 Gambar 3. Data DEM tipe DTM Pesisir Baron hingga Gambar 4. Peta Inundasi Tsunami pada Data DSM
Sepanjang Sumber: Hasil Pemodelan Tsunami, 2019
Sumber: Olah Data, 2018
Nilai luasan area tergenang tertinggi pada
3.3. Pemodelan Tsunami skenario DTM dengan kekasaran permukaan seragam.
Skenario pemodelan tsunami ini dibedakan atas Skenario ini menganggap permukaan daratan area
data DEM yang digunakan, klasifikasi dan kekasaran terdampak tsunami sebagai daerah yang kosong atau
permukaan. Data DEM yang digunakan terdiri dari dua lahan terbuka tanpa adanya bangunan dan vegetasi,
tipe, yaitu DSM dan DTM. Skenario dengan data DSM sehingga energi tsunami lebih leluasa dalam
digunakan untuk mengetahui hasil model tsunami jika penjalarannya di area daratan. Berikut Gambar 5
bangunan dan pepohonan dianggap masif dan tidak menunjukkan kondisi tersebut.
terpengaruh oleh terjangan tsunami. Pemodelan
dengan data DTM dibagi lagi menjadi dua skenario,
yaitu kekasaran permukan seragam (lahan terbuka)
dan kekasaran permukaan sesuai dengan kondisi di
lapangan. Berikut Tabel 1 menjabarkan luasan area
serta ketinggian inundasi maksimal pada masing-
masing skenario pemodelan.

Tabel 1. Luasan dan Ketinggian Tsunami berdasar Skenario

Pemodelan
Ketinggian
Luas Area Kenaikan terhadap
Rendaman
Skenario Rendaman Skenario DSM
Maksimal
(m²) (%)
(m)

DSM 229587 8,57 Skenario DSM

DTM
364182 8,51
Seragam 58,62
DTM Tidak
338927 8,55
Seragam 47,62
Sumber: Olah Data Hasil Pemodelan Tsunami, 2019
Gambar 5. Peta Inundasi Tsunami pada Data DTM
Hasil pada Tabel 1 menunjukkan pola luasan Seragam
area tergenang tsunami paling rendah pada skenario Sumber: Hasil Pemodelan Tsunami, 2019
dengan data DSM. Keadaan ini karena data DSM
menganggap pepohonan dan bangunan sebagai Skenario DTM dengan kekasaran permukaan
topografi yang lebih tinggi, sehingga tidak tergenang yang sesuai dengan kondisi di lapangan menghasilkan
oleh tsunami. Keadaan ini seperti yang terpapar pada area genangan tsunami yang lebih kecil dari DTM
Gambar 4 berikut. seragam. Keadaan ini disebabkan oleh bangunan dan
pepohonan diperhitungkan dalam pemodelan,
sehingga dapat ditarik pemahaman bahwa bangunan
dan pepohonan mampu mereduksi energi tsunami.
Keadaan tersebut sesuai dengan penelitian Kongko
dan Schlurmann (2011) bahwa koefisien kekasaran
47
permukaan dapat berfungsi meminimalisasi luasan
landaan tsunami serta jangkauan maksimumnya.
Kondisi ini seperti yang tampak pada Gambar 6.
Gambar 6. Peta Inundasi Tsunami pada Data DTM Tidak Seragam
Sumber: Hasil Pemodelan Tsunami, 2019
Hasil menunjukkan tinggi tsunami di bibir pantai
pada Pesisir Baron lebih tinggi daripada pesisir
lainnya. Mardiatno dkk (2015) telah menyebutkan
bahwa Pesisir Baron memiliki morfologi teluk dengan
kemiringan rendah di ujung teluknya, sehingga
inundasi tsunami dapat masuk jauh ke area daratan.
Ketinggian tsunami di Pesisir Sepanjang lebih rendah
dibandingkan pesisir lainnya. Meskipun demikian,
Pesisir Sepanjang tumbuh menjadi area wisata dan
perdagangan. Jika tsunami menerjang area tersebut,
kerugian akan tetap besar (Marfai dkk, 2019). Tsunami
dapat dikatakan sebagai bencana alam. Bencana alam
merupakan kejadian yang dapat mengancam dan
menimbulkan kerusakan lingkungan (Marfai dan King,
2008).
Perlu dilakukan validasi untuk mengetahui
kebenaran hasil pemodelan. Gumbira dan Wibowo
(2017) juga menyebutkan validasi model bertujuan
untuk mengetahui tingkat akurasi data hasil
pemodelan. Validasi dilakukan dengan data tinggi
tsunami Pangandaran tahun 2006. Hasil validasi
menunjukkan pola tinggi muka air laut yang relatif
sama dengan nilai NRMSE 20,9 %.
4. Kesimpulan
Klasifikasi kekasaran permukaan (roughness)
terbagi menjadi tubuh air (ocean), lahan terbuka (crop
Field), vegetasi (medium density of tree), dan
permukiman (residential area + tree) dengan nilai
koefisien secara berurutan yaitu 0,016; 0,035; 0,1; dan
0,115. Hasil pemodelan menunjukkan luasan area
genangan secara berurutan dari yang terendah yaitu
skenario DSM sebesar 229.587 m², skenario DTM
dengan roughness tidak seragam sebesar 338.927 m²,
dan skenario DTM dengan rougness seragam sebesar
364.182 m². Keadaan ini disebabkan oleh bangunan
48
dan pepohonan yang diperhitungkan dalam pemodelan
mampu mereduksi energi tsunami.
Ucapan Terimakasih (Acknowledgement)
Penelitian ini menggunakan sebagian data dari
Hibah Penelitian Unggulan Perguruan Tinggi (PUPT)
Tahun 2017 dengan judul “Pemetaan Risiko Bencana
Kepesisiran menggunakan Teknologi Unmanned
Aerial Vehicle (UAV) dan GIS pada Wilayah
Kepesisiran Kabupaten Gunungkidul” yang didanai
oleh KEMENRISTEKDIKTI. Penulis mengucapkan
terima kasih atas pendanaan dan segala bantuan tim
peneliti yang diberikan dalam penelitian ini. Ucapan
terimakasih juga penulis sampaikan kepada BTIPDP-
BPPT atas bantuan, pemberian data, serta ijin
panggunaan laboratorium uji komputasi untuk
pemodelan tsunami.
DAFTAR PUSTAKA
Apotsos, A., Gelfenbaum, G., dan Jaffe, B. 2012. Time-
dependent Onshore Tsunami Respone. Coastal
Engineering, 64. Hal 73-86.
Apotsos, A., Jaffe, B., dan Gelfenbaum, G. 2011. Wave
Characteristic and Morphologic Effects on The
Onshore Hydrodynamic Respone of Tsunamis.
Coastal Engineering, 58. Hal 1034-1048.
Basith, A., Kongko, W., dan Oktaviani, N. 2015. Pemodelam
Spasial Landaan Tsunami menggunakan Variasi
Sumber dan Magnitud Gempa (Studi Kasus Kota
Padang). Research Gate.
http://www/reseachgate.net/publication/282243481
Chow, V. T. 1959. Open Channel Hydraulics. New York:
McGraw-Hill Book Company.
Gumbira, G. dan Wibowo, A. A. 2017. Kajian Karakteristik
Hidrodinamika Teluk Balikpapan dengan Model 3D
sebagai Pertimbangan Perawatan Insfrastruktur
Penting di Sekitar Teluk. Prosiding Seminar
Nasional ke-3 Pngelolaan Pesisir dan DAS, 2017.
Hal: 256-266.
Harintaka, 2012. Pengembangan Pemrosesan Fotogrametri
Digital Foto Udara Format Kecil untuk Penyediaan
Data Spasial. Disertasi. Yogyakarta: Teknik
Geomatika UGM.
Hasan, M. D., Mobassarul, Rahman, S.M., Mostafizur, dan
Mahamud, U. Numerical Modeling for the
Propagation of Tsunami Wave and Corresponding
Inundation. IOSR Journal of Mechanical and Civil
Engineering (IOSR-JMCE), Vol.12 (2). Hal: 55-62.
Hidayat, A. 2015. Evaluasi Titik Koordinat Orthophoto dari
Foto Udara menggunakan Wahana Nir-Awak
dengan Titik Koordinat Hasil Pengukuran GNNS
(Global Navigation Satellite System) Metode Radial
(Studi Kasus: Mosaic Foto Sungai Merawu Desa
Giritirta). Tesis. Yogyakarta: Fakultas Teknik UGM.
Imamura, F., Yalciner, A. C., dan Ozyurt, G. A. 2006. Tsunami
Modelling Manual (TUNAMI Model). (April), 58.
Janitra, I. N. H. G. 2014. Pembuatan Model Tiga Dimensi
Candi Gebang menggunakan Metode Fotogramtri
Jarak Dekat. Skripsi. Yogyakarta: Jurusan Teknik
Geodesi Fakultas Teknik UGM.
Jufri, R. G. 2016. Simulasi Numerik Penjalaran Gelombang
Tsunami dan Implementasi terhadap Mitigasi
Bencana di Kota Painan. Tesis. Yogyakarta:
Departemen Teknik Sipil dan Lingkungan UGM.
Kongko, W. 2011. South Java Tsunami Model using Highly
Resolved Data and Probable Tsunamigenic Source.
Disertasi. Hannover: Leibniz Universitat Hannover.
Kongko, W., dan Schlurmann, T. (2011). The Java Tsunami
Model: Using Highly-Resolved Data to Model The
Past Event and to Estimate The Future Hazard.
Coastal Engineering Proceedings, 1(32). Hal: 1–16.
Kustiyanto, E. 2019. Estimating Aboveground
Biomass/Carbon Stock and Carbon Sequestration
using UAV (Unmanned Aerial Vehicle) in
Mangrove Forest, Mahakam Delta, Indonesia. Tesis.
Enschede: ITC University of Twente.
Litwin, U., Pijanowski, J. M., Szeptalin, A., dan Zygmunt, M.
2013. Aplication of Surfer Software in Densification
of Digital Terrain Model (DTM) Grid with The Use of
Scattered Points. Geomatics, Landmanagement and
Landscape No. 1. Hal: 51-61.
Mardiatno, D., Sunarto, Rahayu, L., Saptadi, G., Ayuningtyas,
E. A. 2015. Risk Mapping and Tsunami Mitigation in
Gunungkidul Area, Yogyakarta. AIP Conference
Proceedings of 4th International Symposium on
Earthquake and Disaster Mitigation 2014 (ISEDM
2014). Hal: 050004-1 – 050004-9.
Marfai, M. A. dan King, L. 2008a. Potential Vulnerability
Implications of Coastal Inundation Tue to Sea Level
Rise for The Coastal Zone of Semarang City,
Indonesia. Environmental Geology 54. Hal:1235-
1245.
Marfai, M. A. dan King, L. 2008b. Tidal Inundation Mapping
under Enhanced Land Subsidence in Semarang,
Central Java Indonesia. Nat Hazards 44. Hal:93–
109.
Marfai, M. A. 2015. Pemodelan Geografi. Yogyakarta:
Penerbit Ombak.
Marfai, M. A., Sunarto, Khakim, N., Fatchurohman, H.,
Cahyadi, A., Wibowo, Y. A., dan Rosaji, F. S. C.
2019. Tsunami hazard mapping and loss estimation
using geographic information system in Drini Beach,
Gunungkidul Coastal Area, Yogyakarta, Indonesia.
E3S Web of Conferences 76, 03010 (2019)-ICST
2018.
Martiana, D. N., Prasetyo, Y., dan Wijaya, A. P. 2017. Analisis
Akurasi DTM terhadap Penggunaan Data Point
Clouds dari Foto Udara dan Las Lidar berbasis
Metode Penapisan Slope Based Filtering dan
Algoritma Macro Terrasolid. Jurnal Geodesi Undip
Vol. 6 (1). Hal: 293-302.
Prakoso, Y. 2016. Studi Landaan Tsunami di Sadeng
menggunakan Model Numerik dengan Parameter
Gempa Bumi Bawah Laut dan Kekasaran
Permukaan yang Beragam. Tesis. Yogyakarta:
Program Pascasarjana Fakultas Teknik UGM.
Purwanto, T. H. 2017. Pemanfaatan Foto Udara Format Kecil
untuk Ekstraksi Digital Elevation Model dengan
Metode Stereoplotting. Majalah Geografi Indonesia,
Vol. 31 (1). Hal: 73-89.
Putra, A. S., Ambarwulan, W., Mualana, E., Wulan, T. R.,
Maulia, N., Putra, M. D., Wahyuningsih, D. S.,
Ibrahim, F., Raharjo, T. 2016. Kajian Korelasi antara
Tinggi Terbang dan Resolusi Foto Udara Hasil
Akusisi dengan UAV di KAwasan Pesisir (Studi
KAsus: Pemotretan di Kantor Parangtritis
Geomaritime Science Park. Prosiding Seminar
Nasional Kelautan 2016. Hal: 216-225.
Romadhoni, M. F., Adiyanto, J., dan Sedoputro, H. W. 2016.
Penggunaan Drone sebagai Media Digitasi
Penggambaran 3 Dimensi Bangunan dan Pemetaan
Kawasan. Prosiding Temu Ilmiah IPLBI 2016. Hal:
149-154.
Rosaji, F. S. C. 2017. Pemanfaatan Teknologi Unmanned
Aerial Vehicel (UAV) untuk Perencanaa Evakuasi
Tsunami di Kawasan Wisata Pantai (Studi Kasus:
sPantai Pulang Syawal dan sekitarnya, Kabupaten
Gunungkidul). Tesis. Yogyakarta: Program
Pascasarjana Fakultas Geografi UGM.
Samaras, A. G., Karambas, Th. V., dan Archetti, R. 2015.
Simulation of Tsunami Generation, Propagation, and
Inundation in The Estern Mediterranean. Ocean
Science, 11. Hal 643-655.
Sriram, V., Didenkulova, I., Sergeeva, A., dan Schimmels, S.
2016. Tsunami Evolution and Run-Up in A Large
Scale Experimental Faciliy. Coastal Engineering,
111. Hal: 1-12.
Sutanto. 1994. Penginderaan Jauh Jilid 1. Yogyakarta:
Gadjah Mada University Press.
Togatorop, H. P. B. 2016. Pembuatan Peta Ortofoto
Pelabuhan Perikanan Pantai Sadeng dengan
menggunakan Wahana Udara tanpa Awak. Skripsi.
Yogyakarta: Jurusan Teknik Geodesi Fakultas
Teknik UGM.
Triatmadja, R. 2010. Tsunami: Kejadian, Penjalaran, Daya
Rusak, dan Mitigasinya. Yogyakarta: Gadjah Mada
University Press.
Ward, P. J., Marfai, M. A., Yulianto, F., Hizbaron, D. R., dan
Aerts, J. C. J. H. 2011. Coastal Inundation and
Damage Exposure Estimation: A Case Study for
Jakarta. Nat Hazards 56. Hal: 899–916.
Wulan, T. R., Ambarwulan, W., Putra, A. S., Ibrahim, F.,
Putra, M. D., Maryanto, D., Pinem, F., dan Maulana,
E. 2017. Pemetaan Cepat Kawasan Terdampak
Bencana Longsor dan Banjir di Kabupaten Bangli,
Provinsi Bali. Majalah Geografi Indonesia, Vol. 31
(2). Hal: 44-50
49
Kajian Pengaruh Siklon Tropis Menggunakan Model SWAN
(Simulating Waves Nearshore) Terhadap Tinggi Gelombang
Signifikan di Perairan Sekitar Pulau Bali
Yogi Muhammad Andariwana dan Hasti Amrih Rejekib
a, Badan Meteorologi Klimatologi dan Geofisika ; e-mail: yogiandariwanyogi@gmail.com
b Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

ABSTRAK
Posisi Pulau Bali terletak di utara Samudra Hindia yang sering menjadi trayektori siklon tropis. Ketika siklon tropis terjadi, fenomena
tersebut akan mengakibatkan banyak dampak, yang mana salah satunya adalah kenaikan tinggi gelombang. Di lain sisi, Pulau Bali
merupakan salah satu pulau yang padat penduduk dan menjadi andalan Indonesia di sektor pariwisata. Maka diperlukan informasi
tinggi gelombang untuk menunjang keselamatan daerah pesisir ketika terjadi siklon tropis. Pada studi ini, dilakukan pemodelan tinggi
gelombang menggunakan model SWAN (Simulating Waves Nearshore) untuk mengetahui tinggi gelombang yang terbentuk ketika
terjadi Siklon Tropis Jacob (2007), Freddy (2009) dan Gillian (2014). Data yang digunakan adalah data angin reanalisis dari ECMWF
(European Organisation for the Exploitation of Meteorological Satellites) dengan resolusi 0,125 ̊ x 0,125 ̊ dan data batimetri dari
GEBCO (General Bathymetric Chart of the Oceans) dengan resolusi 30 detik. Hasil penelitian menunjukkan kenaikan tinggi
gelombang signifikan ketika siklon tropis terjadi di ketiga fenomena siklon tropis tersebut dengan nilai yang bervariasi. Nilai tertinggi
terjadi ketika Siklon Tropis Freddy (1-2 m), kemudian Jacob (1-1,5 m) dan terakhir adalah Gillian (0,5-1 m). Perubahan arah
gelombang mengikuti perubahan arah angin yang terjadi di waktu kejadian masing-masing sikon tropis.

Kata kunci: SWAN; siklon tropis; tinggi gelombang signifikan.

ABSTRACT
Bali Island located at the north of the Indian Ocean that frequently become tropical cyclone’s trajectory. Everytime a tropical cyclone
occured, that phenomenon will have impact on many sector, which is one of it is increase of the wave height. On the other hand, Bali
Island is one of the most populated island and become Indonesia’s most well known place for tourism. Therefore, wave height
modelling is conducted using SWAN (Simulating Waves Nearshore) model to comprehend the wave height during Tropical Cyclone
Jacob (2007), Freddy (2009) and Gillian (2014). This study uses wind reanalysis data from ECMWF (European Organisation for the
Exploitation of Meteorological Satellites) with 0,125 ̊ x 0,125 ̊ resolution grid and bathymetry data from GEBCO (General Bathymetric
Chart of the Oceans) with 30 second resolution. Results show that wave height increase during tropical cyclone events with various
value. Highest value happened during tropical cyclone Freddy (1-2 m), then Jacob (1-1,5 m) and the last is Gillian (0,5-1 m). Wave
direction also changed following wind direction changes during each tropical cyclone events.

Keywords: SWAN; tropical cyclone; significant wave height.

1. Pendahuluan Samudra Hindia bagian tenggara, di mana 87% siklon

Pulau Bali adalah salah satu pulau termasuk ke
dalam gugusan Kepulauan Nusa Tenggara dan secara
astronomis terletak di antara 114,3o BT hingga 116o BT
dan dari 8o LS hingga 9o LS, sehingga Pulau Bali
termasuk ke dalam area tropis yang terbentang di antara
23,5o LU hingga 23,5o LS (Nieuwolt, 1998). Area tropis
memiliki faktor utama pendukung pembentukan siklon
tropis, yaitu suhu permukaan laut yang hangat dan
memiliki tekanan rendah. Ketika siklon tropis terbentuk,
pada proses pergerakan siklon tropis, angin mengalami
kontak dengan laut dan akan memicu terjadinya
gelombang laut (wind wave) yang kemudian disebut
sebagai daerah pembentukan gelombang (fetch). Seiring
dengan peningkatan kecepatan angin yang ditimbulkan
oleh sistem siklon tropis, akan memberikan dampak
terhadap tinggi gelombang laut di daerah sekitar tempat
kejadian.
Pulau Bali merupakan ikon utama sektor pariwisata
Indonesia yang meliputi daerah dataran tinggi hingga
lautan. Selain itu, lokasi Pulau Bali berdekatan dengan
trayektori dari siklon tropis yang sering tumbuh di
50
tropis terjadi di antara 20o LS hingga 20o LS (Henderson-
Sellers, 1998). Kondisi tersebut menyebabkan wilayah
Pulau Bali terpengaruh dampak siklon tropis baik
langsung ataupun tidak langsung. Salah satu dampak
terjadinya siklon tropis adalah adanya peningkatan tinggi
gelombang laut yang dapat membahayakan
keselamatan aktivitas manusia yang bertempat di laut
dan pantai.
Studi mengenai pengaruh siklon tropis terhadap
perubahan tinggi gelombang sangat penting karena
nantinya dapat dilakukan diseminasi peringatan dengan
lebih cepat dan dengan akurasi yang lebih baik.
Terutama ketika terjadi siklon di daerah penelitian.
Seiring dengan diseminasi informasi yang lebih cepat
dan lebih akurat, diharapkan bisa segera dilakukan
tindakan pencegahan-pencegahan untuk mengurangi
dampak dan kerugian yang dapat ditimbulkan.
2. Metodologi
Penelitian dilakukan di Gambar a, di area yang
ditunjukkan oleh kotak berwarna merah, yaitu dalam
rentang antara 114,3o BT hingga 116o BT dan 8o LS
hingga 9o LS.
Gambar 1. Lokasi penelitian
Menurut Gray (1968), 10% dari total kejadian siklon
tropis di seluruh dunia terjadi di Samudera Hindia, dan
sebagian dari itu terjadi di daerah antara Pulau Bali dan
Samudera Hindia. Oleh karena itu, perlu dilakukan
identifikasi dan seleksi dari keseluruhan data siklon
tropis. Data siklon tropis didapatkan dari situs
www.australiasevereweather.com. Adapun kriteria
dalam melakukan identifikasi menggunakan kriteria
ruang dan waktu.
Untuk kriteria ruang, siklon tropis yang dipilih dibagi
dalam 3 kondisi, yaitu melewati lokasi penelitian, berada
di selatan dari lokasi penelitian dan berada di barat daya
lokasi penelitian. Pembagian 3 kondisi tersebut
dimaksudkan agar dapat memahami pengaruh siklon
tropis terhadap arah tinggi gelombang. Untuk siklon
tropis yang berada di selatan dan barat lokasi penelitian,
jarak trayektori siklon tropis terhadap lokasi penelitian
adalah kurang dari 10o. Kemudian, jika ada beberapa
siklon tropis yang memenuhi syarat kondisi tersebut
maka dipilih yang trayektorinya lebih dekat dengan lokasi
penelitian. Untuk kriteria waktu, siklon tropis yang dipilih
adalah yang terjadi di antara tahun 2005 hingga tahun
2014. Berdasarkan identifikasi dan seleksi yang
dilakukan tersebut didapatkan siklon tropis Jacob (2007),
Freddy (2009) dan Gillian (2014).
Dari ketiga siklon tersebut, masing-masing memiliki
karakter trayektori yang berbeda. Jacob terletak di
selatan lokasi penelitian kemudian bergerak sedikit ke
kanan sehingga berada di barat daya lokasi penelitian
yang pada akhirnya berbelok ke kiri dan berbalik arah
(Gambar b. a), kemudian Freddy terletak selatan lokasi
penelitian lalu berbelok sedikit ke kiri (Gambar b. b)
sedangkan Gillian bergerak melewati daerah penelitian
(Gambar b. c). Dari variasi trayektori antar siklon tropis
yang terpilih, akan berdampak pada variasi arah angin
yang berbeda-beda antar siklon tropis yang pada
akhirnya akan berpengaruh pada variasi arah gelombang
pada masing-masing kejadian siklon tropis di lokasi
penelitian.
Kondisi angin di lokasi penelitian pada siklon tropis
Jacob mulai diamati pada tanggal 2 hingga 5 Maret 2007
(Gambar b). Dari rentang waktu tersebut, pada awalnya
angin bertiup dari barat laut dengan kecepatan 5-10 knot
dan kemudian arah angin bergeser menjadi bertiup dari
barat dengan kecepatan yang bertambah menjadi 10-20
knot. Untuk kondisi angin pada siklon tropis Freddy mulai
diamati mulai dari tanggal 3 hingga tanggal 8 Februari
2009 (Gambar c). Dari rentang waktu tersebut, pada
awalnya arah angin bertiup dari barat dengan kecepatan
bervariasi antara 5-15 knot dan kemudian arah angin
bergeser menjadi bertiup dari arah barat laut dengan
kecepatan 10-25 knot. Untuk kondisi angin pada siklon
tropis Gillian mulai diamati mulai tanggal 17 hingga 22
Maret 2014 (Gambar 2). Pada kejadian siklon tropis
Gillian, arah angin mengalami perubahan yang
signifikan pada rentang waktu tersebut karena
trayektorinya yang langsung melewati lokasi penelitian
sementara untuk kecepatan angin cenderung rendah
antara 5-15 knot.
Pada penelitian ini, data angin diperoleh dari
ECMWF (European Organisation for the Exploitation of
Meteorological Satellites), dengan elevasi angin 10
meter dengan resolusi grid 0,125o x 0,125o untuk rentang
waktu disesuaikan dengan masing-masing kejadian
siklon tropis. Kemudian untuk data batimetri diperoleh
dari GEBCO (General Bathymetric Chart of the Oceans)
yang memiliki resolusi 30 detik.
Pemodelan gelombang SWAN (Simulating Waves
Nearshore) digunakan karena SWAN memiliki performa
yang baik untuk perairan dangkal dan pantai (Sujantoko,
2009). Model SWAN mampu menyimulasikan
pembentukan gelombang yang ditimbulkan oleh angin di
area-area sempit seperti muara sungai, danau dan lain-
lain. Proses komputasi di SWAN mewakili proses-proses
pembangkitan gelombang oleh angin, interaksi
gelombang quadrupletswave, disipasi gelombang dan
gaya gesek dasar laut (Holthuijsen, 2007). Adapun
persamaan pengatur yang digunakan dalam model
SWAN dijelaskan dalam persamaan (1).
𝜕𝑁 𝜕𝐶𝑥 𝑁 𝜕𝐶𝑦 𝑁 𝜕𝐶𝜃 𝑁 𝜕𝐶𝜎 𝑁 𝑆
+ + + + =
𝜕𝑡 𝜕𝑥 𝜕𝑦 𝜕𝜃 𝜕𝜎 𝜎
(1)
Pada penelitian ini, model disimulasikan dengan grid
segiempat dengan ukuran 340 grid x 200 grid untuk
wilayah dengan ukuran 1,7ox1o, sehingga didapatkan
resolusi grid komputasi 0,005ox0,005o. Kemudian untuk
parameter fisis yang digunakan merupakan parameter
yang dapat merepresentasikan proses-proses fisis
dalam pertumbuhan dan pergerakan gelombang, seperti
difraksi, whitecapping, triad-wave interaction, quadruplet
wave interaction, depth induced wave breaking dan
bottom friction. Kemudian, karena siklon tropis terjadi
dalam rentang waktu harian maka dilakukan proses
pemodelan dengan interval output tiap 12 jam, dengan
tujuan agar semakin rapat interval waktu antar running
model. Kemudian output dari penelitian ini adalah tinggi
gelombang signifikan. Tinggi gelombang signifikan
adalah tinggi rata-rata dari 1/3 gelombang tertinggi dari
rekaman data yang nilainya setara dengan tinggi
gelombang hasil observasi visual (WMO, 1998). Tinggi
gelombang signifikan dipilih karena dianggap
51
merepresentasikan kondisi nyata lautan tanpa membuat angin berskala lokal, yaitu angin darat dan
dipengaruhi oleh bias pengelihatan visual. angin laut, menjadi lebih dominan. Akibatnya, pola arah

(a) (b)

(c) (d)

(e) (f)

Gambar 2. Streamline pukul 00 UTC ketika siklon tropis Gillian berada di dekat lokasi penelitian (a) 17 Maret 2014,
(b) 18 Maret 2014, (c) 19 Maret 2014, (d) 20 Maret 2014,
(e) 21 Maret 2014 dan (f) 22 Maret 2014.

3. Hasil dan Pembahasan gelombang di daerah pantai memiliki kecenderungan

Pada studi kasus siklon tropis Jacob, siklon tropis membentuk pola yang menyesuaikan
tersebut terletak di bagian selatan lokasi penelitian dan dengan arah angin laut dan angin darat, yaitu
seiring dengan pergerakannya yang menuju ke barat, menyesuaikan dengan letak daratan (Gambar 3). Selain
siklon tropis Jacob akan berada di barat laut dari lokasi itu, ada pengaruh kontur pantai yang mana ketika
penelitian. Siklon tropis Jacob terjadi pada tanggal 2 gelombang bergerak di daerah pantai, maka gelombang
Maret 2007 hingga tanggal 12 Maret 2007. Pada bulan memiliki kecenderungan akan menyesuaikan
yang sama, tepatnya sekitar tanggal 21 Maret, terjadi gerakannya dengan kontur batimetri daerah tersebut
equinox yaitu saat di mana matahari tegak lurus berada (Samulano, 2012).
di atas wilayah tropis yang mengakibatkan angin monsun
menjadi tidak aktif di bulan Maret (Tjasyono, 2009).
Kondisi tersebut mengakibatkan tidak adanya faktor
penggerak dominan, yaitu angin monsun, yang pada
bulan-bulan lain dominan membentuk pola tinggi dan
arah gelombang sebagaimana penelitian yang dilakukan
oleh Kurniawan (2011). Lemahnya angin monsun
52
(a)

(f)

(b)

(g)
Gambar 3. Kenaikan tinggi dan kondisi arah
gelombang signifikan ketika terjadi siklon tropis Jacob
(a) 00 UTC 3 Maret 2007, (b) 12 UTC 3 Maret 2007,
(c) 00 UTC 4 Maret 2007, (d) 12 UTC 4 Maret 2007
(e) 00 UTC 5 Maret 2007, (f) 12 UTC 5 Maret 2007
dan (g) 00 UTC 6 Maret 2007.
(c)

(d)

(e)

53
 (a) (b)

(c) (d)

(e) (f)

Gambar e. Kenaikan tinggi dan kondisi arah gelombang signifikan ketika terjadi siklon tropis Jacob (a) 00 UTC 3
Maret 2007, (b) 12 UTC 3 Maret 2007, (c) 00 UTC 4 Maret 2007, (d) 12 UTC 4 Maret 2007 (e) 00 UTC 5 Maret
2007, (f) 12 UTC 5 Maret 2007 dan (g) 00 UTC 6 Maret 2007.

(g) (h)
Gambar 4. Kenaikan tinggi dan arah gelombang signifikan (Hs) ketika terjadi Siklon Tropis Freddy (a) 00 UTC 4
Februari 2009 dan (b) 12 UTC 4 Februari 2009 (c) 00 UTC 5 Februari 2009, (d) 12 UTC 5 Februari 2009 (e) 00
UTC 6 Februari 2009, (f) 12 UTC 6 Februari 2009, (g) 00 UTC 7 Februari 2009 dan (h) 12 UTC 7 Februari
2009.

Pada kasus terjadinya siklon tropis Jacob, secara
umum kondisi angin di lokasi penelitian terpengaruh
adanya siklon tropis di selatan lokasi penelitian. Di bumi
belahan selatan, gerakan rotasi siklon tropis searah
dengan jarum jam (Smith, 2006). Berdasarkan hal
tersebut, jika terdapat siklon tropis di selatan lokasi
penelitian maka kemungkinan besar angin di lokasi
penelitian akan bergerak ke timur laut – tenggara.
Kondisi tersebut dapat dilihat pada Gambar 4, di mana
angin bergerak ke arah timur – tenggara. Kemudian,
angin di lokasi penelitian mengalami peningkatan
kecepatan di mana pada pukul 00 UTC
54
tanggal 2 Maret 2007 kecepatan angin di sebagian besar
lokasi penelitian berkisar antara 5 hingga 10 knot
sementara pada pukul 00 UTC tanggal 7 Maret 2007
kecepatan angin mencapai rentang 10 hingga 15 knot,
bahkan mencapai rentang 15 hingga 20 knot di daerah
Samudra Hindia. Berdasarkan Gambar 4, mulai dari
pukul 00 UTC tanggal Maret hingga pukul 00 UTC 6
Maret 2007 kenaikan tinggi gelombang signifikan
mencapai lebih dari 1 meter dengan kenaikan tinggi
gelombang tertinggi mencapai 1,3 meter di perairan
sebelah timur Pulau Bali. Kondisi tersebut mengalami
penurunan ketika pada pukul 00 UTC tanggal 6 Maret.
Kondisi peningkatan kecepatan angin dan perubahan
arah angin akibat adanya siklon tropis turut
memengaruhi perubahan tinggi dan arah gelombang di
lokasi penelitian. Arah gelombang secara umum menuju
ke arah timur laut – tenggara, menyesuaikan dengan
arah angin.
Pada penelitian ini, studi kasus yang kedua adalah
ketika terjadi siklon tropis Freddy. Berdasarkan Gambar
b. b, siklon tropis tersebut terletak di bagian selatan
lokasi penelitian dan bergerak menuju ke barat.
Kemudian, untuk siklon tropis Freddy terjadi pada pukul
06 UTC tanggal 2 Februari 2009 dan berakhir pada pukul
06 UTC tanggal 13 Februari 2009. Pada bulan yang
sama, secara umum angin monsun mulai melemah
(Tjasyono, 2009).
(a)
(c)
(e)
Gambar 5. Kenaikan tinggi dan arah gelombang signifikan (Hs) ketika terjadi siklon tropis Gillian (a) 00 UTC 19
Maret 2014 (b) 12 UTC 19 Maret 2014 (c) 00 UTC 20 Maret 2014, (d) 12 UTC 20 Maret 2014 dan (e) 00 UTC 21
Maret 2014.
Pada studi kasus terjadinya siklon tropis Freddy,
secara umum kondisi angin di daerah penelitian
terpengaruh adanya siklon tropis Freddy yang terletak di
selatan lokasi penelitian. Pengaruh posisi siklon tropis
terhadap kondisi arah angin memiliHolSamulanoSWANki
kesamaan dengan studi kasus siklon tropis Jacob,
namun pada studi kasus siklon Freddy kecepatan angin
di lokasi penelitian lebih kencang, terutama pada tanggal
6 hingga 7 Februari. Pada rentang waktu tersebut,
kecepatan angin di lokasi penelitian mencapai rentang
15 hingga 20 knot di sebagian besar lokasi penelitian,
bahkan mencapai rentang 20 hingga 25 knot di sebagian
lokasi penelitian. Tingginya kecepatan angin pada studi
kasus siklon Freddy karena pada pukul 06 UTC tanggal
6 Februari sistem siklon sudah berkembang dan
memasuki tahap matang menjadi siklon tropis kategori 1,
ketika tekanan sudah turun menjadi kurang dari 995 mb.
Kecepatan angin yang tinggi dalam studi kasus
siklon tropis Freddy berbanding lurus dengan kenaikan
tinggi gelombang signifikan. Berdasarkan Gambar
4, mulai dari pukul 12 UTC tanggal 4 Februari hingga
pukul 00 UTC tanggal 7 Februari kenaikan tinggi
gelombang signifikan mencapai lebih dari 1,5 meter
dengan kenaikan tinggi gelombang tertinggi mencapai 2
(b)
(d)
meter di perairan sebelah timur Pulau Bali. Kondisi
tersebut mengalami penurunan ketika pada pukul 12
UTC tanggal 7 Februari, di mana siklon tropis sudah
berada cukup jauh dari lokasi penelitian. Kondisi
tingginya gelombang signifikan pada studi kasus siklon
tropis Freddy tidak terlepas dari tingginya kecepatan
angin seiring semakin berkembangnya sistem siklon
menjadi siklon tropis kategori 1.
Pada penelitian ini, studi kasus yang ketiga adalah
ketika terjadi siklon tropis Gillian. Berdasarkan Gambar
55
b. c, siklon tropis tersebut tumbuh di Latu Arafuru,
kemudian bergerak ke Teluk Carpentaria, lalu kembali ke
wilayah perairan Indonesia ketika siklon bergerak
memasuki Kepulauan Nusa Tenggara, selanjutnya
sistem siklon bergerak ke barat dan melewati lokasi
penelitian hingga akhirnya meninggalkan lokasi
penelitian. Siklon tropis dinyatakan mulai tumbuh pada
pukul 00 UTC tanggal 6 Maret dan berakhir pada pukul
00 UTC tanggal 26 Maret 2014. Pada bulan Maret,
secara umum kondisi angin monsun sedang tidak aktif
sebagai akibat dari equinox, yaitu ketika matahari dalam
kondisi tegak lurus di atas wilayah tropis (Tjasyono,
2009). Akibatnya, pada bulan Maret kondisi tinggi
gelombang di wilayah Indonesia cenderung lebih rendah
dibandingkan dengan bulan-bulan lainnya (Kurniawan,
2011).
Pada kasus terjadinya siklon tropis Gillian, secara
umum kondisi angin di lokasi penelitian terpengaruh
adanya sistem siklon yang melewati lokasi penelitian.
Sebagai akibat dari sistem siklon yang melewati lokasi
penelitian, arah angin di lokasi penelitian mengalami
perubahan yang signifikan, bahkan berubah arah
menjadi ke arah sebaliknya (Gambar 2). Siklon tropis
mememasuki lokasi penelitian pada pukul 06 UTC
tanggal 20 Maret. Sebelum waktu tersebut, secara umum
angin bertiup dari tenggara menuju ke barat laut,
sementara setelah melewati lokasi penelitian arah angin
mengalami pembalikan menjadi bertiup dari utara
kemudian berbelok ke arah barat daya. Pada studi kasus
ini, secara umum kecepatan angin di lokasi penelitian
tidak begitu kencang. Kecepatan tertingginya terdapat di
waktu siklon sudah mendekati lokasi penelitian, yaitu
mulai tanggal 19 Maret hingga 21 Maret di mana di
sebagian besar lokasi penelitian didominasi oleh angin
dengan kecepatan berkisar antara 5 hingga 10 knot dan
di wilayah Samudra Hindia mencapai rentang 10 hingga
15 knot. Pada tanggal 18 dan 22 Maret kecepatan angin
di sebagian besar lokasi penelitian kurang dari 5 knot.
Rendahnya kecepatan angin tersebut dikarenakan pada
saat tersebut sistem siklon belum memasuki tahap
matang. Adapun pada tanggal 22 Maret siklon sudah
memasuki tahap matang dengan kategori siklon 1
menurut kategori badai Saffir-Simpson, namun karena
jaraknya yang sudah mulai menjauh maka dampak
kenaikan kecepatan angin hanya sedikit berpengaruh,
yaitu di Samudra Hindia yang mencapai rentang 5 hingga
10 knot (Gambar d).
Perubahan arah angin yang sangat bervariasi ketika
siklon tropis berimbas ke perubahan arah gelombang
signifikan sepanjang dilakukannya penghitungan oleh
model SWAN. Seperti yang telah dijelaskan sebelumnya
bahwa terdapat perubahan drastis dari arah angin, hal
tersebut memengaruhi arah gerakan gelombang yang
juga mengalami pembalikan. Sebelum siklon memasuki
lokasi penelitian, yaitu pukul 12 UTC tanggal 20 Maret
2014, gelombang bergerak ke arah barat laut dan secara
perlahan-lahan mulai bergeser ke arah barat. Ketika
siklon berada di lokasi penelitian, arah gelombang
menjadi ke arah barat dan di beberapa wilayah pantai
arahnya menyesuaikan dengan kontur pantai. Kemudian
setelah sistem siklon meninggalkan lokasi penelitian,
arah gelombang bergeser menjadi ke arah selatan. Pada
studi kasus siklon tropis Gillian, secara umum kenaikan
56
tinggi gelombang lebih rendah jika dibandingkan dengan
studi kasus siklon tropis Jacob, yang juga terjadi di bulan
Maret, dan siklon tropis Freddy. Nilai kenaikan tinggi
gelombang sekitar 0,5 hingga 1 meter dengan nilai
tertingginya adalah 1 meter. Hasil tersebut terjadi karena
faktor angin yang kecepatannya lebih rendah jika
dibandingkan dengan siklon tropis Jacob dan Freddy.
4. Kesimpulan/Rekomendasi
Berdasarkan studi kasus, siklon tropis yang terjadi
di dekat lokasi penelitian menyebabkan perubahan arah
dan kenaikan tinggi gelombang signifikan. Kenaikan
tinggi gelombang diakibatkan oleh tingginya kecepatan
angin ketika terjadi siklon tropis dan arah gelombang di
lokasi penelitian bergerak mengikuti arah angin
pergerakan siklon. Nilai kenaikan tertinggi terjadi saat
siklon tropis Freddy, kemudian Jacob dan terakhir adalah
Gillian. Kemudian untuk perubahan arah gelombang,
terjadi kemiripan pola arah pada siklon tropis Jacob dan
Freddy, sementara pada Gillian terdapat perubahan arah
gelombang yang signifikan dari hari ke hari.
DAFTAR PUSTAKA
Gray, W.M. 1968. Global View of The Origin of Tropical
Distrubance Storms. Colorado State University,
Colorado.
Henderson-Sellers, A., H. Zhang, G. Berz, K. Emanuel,
W. Gray, C. Landsea, G. Holland, J. Lighthill, S-L.
Shieh, P. Webster, dan K. McGuffie. 1998. Tropical
Cyclones and Global Climate Change: A Post-
IPCC Assessment. Bulletin of the American
Meteorological Society. 79:19-38.
Holthuijsen, L.H. 2007. Waves in the Oceanic and
Coastal Waters. Cambridge University Press, New
York.
Kurniawan R., M.N. Habibie, dan Suratno. 2011. Variasi
Bulanan Gelombang Laut di Indonesia. Jurnal
Meteorologi dan Geofisika. 12(3):221-232.
Nieuwolt, S., dan G.R. McGregor. 1998. Tropical
Climatology: an Introduction To The Climates of
The Low Latitudes. Wiley, New York.
Smith, R.K. 2006. Lectures on Tropical Cyclones.
University of Munich, Munich.
Samulano I. 2012. Refraksi dan Difraksi Gelombang Laut
di Dekat Pantai Pariaman. Tesis pada Fakultas
MIPA, Universitas Andalas, Padang.
Sujantoko. 2009. The Analysis of Wave Refraction Using
SWAN Model. The Journal for Technology and
Science. 20(2). Surabaya.
SWAN Team. 2017. SWAN User Manual Version 41.20.
Delft University of Technology, Delft.
Tjasyono, B. 2009. Meteorologi Indonesia Volume 1.
Badan Meteorologi Klimatologi dan Geofisika,
Jakarta.
WMO. 1998. No.702: Guide To Wave Analysis and
Forecasting. Secretariat of The World
Meteorological Organization, Geneva.
Zakir A., M.K. Khotimah, dan W. Sulistya. 2010.
Perspektif Operasional Cuaca Tropis. Puslitbang
BMKG, Jakarta.
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Rekomendasi Pengaturan dan Pemanfaatan Ruang pada Flood

Plain Berbasis Mitigasi Bencana di Kota Manado
Budi Santosaa, Yohanes Fajar S. Wibowob, Rizki Kirana Yuniartantic, Hani Fatimah
Azzahrad
a,b, c, dKementerian Agraria dan Tata Ruang
abig.bee.budi@gmail.com; byohanesfajarwibowo@gmail.com, crizki.kirana@gmail.com,
dhanifatimahazzahra@gmail.com

ABSTRAK

Bencana alam di Indonesia meliputi bencana akibat faktor geologi, dan bencana akibat hidrometeorologi. Salah satu efek dari
terganggunya siklus hidrometeorologi adalah bencana banjir. Total kejadian banjir di Indonesia tahun 2012-2016 sebanyak 3.062
kejadian. Tahun 2017 bencana banjir terjadi di sejumlah wilayah seperti Kota Bekasi, Kabupaten Pandeglang, Kabupaten Bangka
Barat, Kabupaten Gorontalo Utara, dan Kota Bitung. Kejadian bencana hidrometeorologi tahun 2018 tetap menjadi dominan, dengan
total 506 kejadian banjir. Kota Manado sebagai salah satu wilayah di Indonesia yang setiap tahunnya selalu terkena dampak bencana
banjir. Posisi Kota Manado pada hilir Daerah Aliran Sungai (DAS) Tondano sebagai tempat bermuaranya aliran air permukaan yang
berasal dari kawasan hulu. Terlebih lagi perubahan penggunaan lahan sebagai kawasan terbangun semakin masif. Sempadan sungai
yang seharusnya menjadi kawasan lindung berupa sabuk hijau, taman, dan Ruang Terbuka Hijau (RTH) telah mengalami alih fungsi
lahan sebagai hunian. Berkurangnya area resapan di sempadan sungai mengakibatkan banjir bandang dan hunian di sempadan
sungai berdampak paling parah. Penelitian ini mengkasifiklasikan flood plain menjadi 2 (dua), yaitu sempadan sungai dan flood fringe
yang memerlukan pengaturan yang berbeda. Penggunaan alat analisis Sistem Informasi Geografis (SIG) dalam penelitian ini akan
menghasilkan output pengaturan dan pemanfaatan ruang pada flood plain berbasis mitigasi bencana.

Kata kunci: flood plain, mitigsi bencana, dan banjir bandang

ABSTRACT

In general, natural disasters in Indonesia include disasters due to geological factors, and hydrometeorological disasters. The biggest
effect of the disruption of the hydrometeorological cycle is a flood. The total number of floods in Indonesia in 2012-2016 was 3,062.
In 2017, floods occurred in a number of areas such as Bekasi City, Pandeglang Regency, West Bangka Regency, North Gorontalo
Regency, and Bitung City. The hydrometeorological disaster in 2018 remained dominant, with a total of 506 floods. Manado is one of
the regions in Indonesia which is always affected by the floods every year. The position of Manado is in the downstream of Tondano
Watershed as a place to surface water flow from the upstream area. Moreover, changes in land use are built increasingly massive.
The river boundaries that are supposed to be protected areas in the form of green belts, parks, and Green Open Space (RTH) have
experienced the conversion of land as housing. The reduction in recharge area in the river boundary resulted in flash floods and
occupancy at the river banks having the most severe impact. This study confirmed the flood plain to be 2 (two), namely the border of
the river and flood fringe which require different settings. By using a Geographic Information System (GIS) analysis tool, this study
will produce regulatory output and space use in a plain flood based on disaster mitigation.

Keywords: flood plain, mitigation, and flash flood

1. Pendahuluan untuk Indonesia bagian timur.

Indonesia merupakan daerah rawan bencana,
karena letaknya berada di ring of fire (Soemabrata dkk,
2018), sehingga sangat berpotensi akan terjadinya
bencana alam, meskipun di sisi lain juga kaya akan
sumber daya alam. Bencana alam di Indonesia
meliputi bencana akibat faktor geologi (Voss, 2008)
dan bencana akibat hidrometeorologi (Suriadi, 2013).
Bencana hidrometeorologi seperti banjir semakin
meningkat tiap tahunnya di dunia (Scahad, 2011),
termasuk Indonesia (Savitri, 2017). Kejadian banjir
dipengaruhi oleh 3 (tiga) faktor, yaitu hidrologi,
meteorologi, dan iklim (Hapsari dkk, 2016). Curah
hujan berskala normal hingga tinggi terjadi di beberapa
wilayah Indonesia pada periode 2015-2016.
Berdasarkan data BMKG (2016), tahun 2016 curah
hujan di bawah normal dan normal terjadi di wilayah
Indonesia bagian tengah dan barat dan di atas normal
Efek terbesar dari terganggunya siklus
hidrometeorologi adalah bencana banjir (Yanto dkk,
2017). Berdasarkan Data dan Informasi Bencana
Indonesia, total kejadian banjir di Indonesia tahun
2012-2016 sebanyak 3.062 kejadian (BNPB, 216).
Pada tahun 2017, bencana banjir terjadi di sejumlah
wilayah seperti DKI Jakarta, Kota Bekasi, Kabupaten
Lebak, Kabupaten Pandeglang, Kabupaten Bangka
Barat, Kabupaten Sukabumi, Kabupaten Gorontalo
Utara, dan Kota Bitung. Pada tahun 2018, kejadian
bencana hidrometeorologi tetap menjadi dominan,
telah terjadi 605 kejadian puting beliung dan 506
kejadian banjir. Pada awal tahun 2019, telah terjadi
sejumlah kejadian bencana banjir. Bencana Banjir
bandang pada Bulan Maret 2019 di Distrik Sentani,
Kabupaten Jayapura, Provinsi Papua sebagai kejadian
bencana banjir yang terparah di awal tahun 2019.
57
Kejadian ini menewaskan paling sedikit 50 orang dan
sejumlah wilayah tertutup lumpur material banjir.
Wilayah yang tidak terdapat kejadian banjir pada
2016-2019, bukan berarti tidak terdapat ancaman
banjir terdapat wilayah-wilayah lain yang juga rentan
terhadap bencana dan berpotensi terjadi bencana
banjir, sebagai contohnya adalah Kota Medan,
kawasan Riau yakni Sungai Siak; Kampar; Rokan,
Jambi di Sungai Batanghari, Banten Sungai Ciujung
dan Cisadane, Jakarta yang dilewati Sungai Ciliwung;
Pesanggrahan; dan Angke, Jawa Barat yang dilalui
Sungai Citarum; Cimanuk, dan Kota Manado.
Berdasarkan historis, Kota Manado setiap
tahunnya selalu terkena dampak bencana banjir.
Terlebih lagi posisi Kota Manado yang berada pada hilir
Daerah Aliran Sungai (DAS) Tondano sebagai
cekungan tempat bermuaranya aliran luapan air
permukaan yang berasal dari kawasan hulu. Kawasan
hulu juga mengalami degradasi lingkungan. Begitu juga
di kawasan hilir, yaitu Kota Manado yang telah
mengalami banyak perubahan fungsi perkotaannya
sebagai kawasan permukiman. Bencana banjir yang
terjadi di Kota Manado tidak terlepas dari fungsi DAS
Tondano terutama di segmen hulu sebagai daerah
penyangga. DAS Tondano secara administratif berada
pada 4 (empat) wilayah, yaitu Kabupaten Minahasa,
Kabupaten Minahasa Utara, Kota Manado, dan Kota
Tomohon. Dengan melihat adanya ancaman banjir di
Kota Manado, maka penting adanya Pengurangan
Risiko Bencana (PRB) di Kota Manado. Perencanaan
DAS juga harus dilakukan melalui pendekatan
menyeluruh dengan merangkum semua aspek yang
terkait dengan pemanfaatan kawasan DAS, badan
sungai maupun sempadan sungai, baik secara kualitas
dan kuantitas, dengan konsep one river one plan
(Gregersen dkk, 2007). Pengaturan dan pemanfaatan
ruang pada flood plain dalam konsep pengelolaan
banjir yang terintegrasi diperlukan untuk mereduksi
risiko benjir di Kota Manado yang berada di segmen
hilir.
2. Metodologi
Ran Jing (2014) berpendapat bahwa penataan
Sumber : Hasil Analisis Peneliti, 2018
Gambar 1 Klasifikasi Penetapan Flood Plain
58
ruang sebagai instrumen untuk mereduksi dampak
banjir. Hal ini sebagai acuan pengaturan dan
pemanfaaan ruang pada sempadan sungai. Referensi
Austell Public Works (2018) sebagai acuan dalam
klasifikasi penetapan flood plain di Kota Manado
dengan tetap mempertimbangkan karakteristik Kota
Manado dan kebijakan dari Kementerian/Lembaga dan
Pemerintah Daerah dan Kota Manado terkait
pengaturan flood plain. Klasifikasi penetapan Flood
Plain Kota Manado terdiri atas sempadan sungai dan
flood fringe. Sempadan sungai sebagai area yang
berbatasan langsung dengan badan air atau juga dapat
dikatakan floodway karena area ini dapat berpotensi
terkena limpasan dari badan air. Sedangkan flood
fringe yaitu area di luar sempadan sungai yang masih
boleh diperuntukkan sebagai kawasan budidaya
terbangun dan non terbangun.
Ketentuan penetapan sempadan sungai
didasarkan pada Kajian Sempadan Sungai (Final
Report UFCSI (Package-1) Comprehensive Flood
Management Study in Manado City and Tondano River
Basin) yang telah dilakukan Balai Wilayah Sungai
Sulawesi I, dan penetapannya dilakukan oleh Menteri
PUPR, mengingat bahwa Wilayah Sungai Tondano
merupakan Wilayah Sungai Strategis Nasional.
Ketentuan penetapan sempadan sungai ini termasuk
pada upaya mitigasi banjir tang terdiri atas sistem
pengendali banjir, seperti upaya pembangunan tanggul
sungai dan normalisasi dan juga pembebasan lahan
yang akan diperuntukan pembangunan sistem
pengendali banjir tersebut. Mitigasi bencana banjir
dapat dengan elaborasi infrastruktur mitigasi struktural
dan non struktural (Anita, 2013).
Ketentuan penetapan flood fringe adalah berada
pada ketinggian genangan 1-3 meter dan < 1 meter dan
berada setelah sempadan sungai. Ketentuan
penetapan flood fringe di Kota Manado berdasarkan
kejadian historis banjir, pemodelan bahaya banjir, dan
penerapan infrastruktur mitigasi struktural oleh
Kementerian Pekerjaan Umum dan Perumahan Rakyat
dan Konservasi Tanah dan Air oleh Kementerian
Lingkungan Hidup dan Kehutanan. Gambar 1
menunjukkan klasifikasi penetapan flood plain.
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Konsep manajemen banjir perkotaan berfungsi sebagaimana mestinya tanpa ada

terintegrasi dan termasuk dalam manajemen sumber
daya air yang implementasi dari konsep tersebut perlu
holistik dan terpadu dalam pemanfatan ruangnya
(Tingsanchali, 2011). Arahan pemanfaatan ruang pada
sempadan sungai yaitu harus steril dari kegiatan dan
pengembangan kawasan budidaya terbangun dan non
terbangun. Kawasan ini diperuntukan khusus sebagai
area perlindungan kawasan dari banjir, sehingga fungsi
resapan pada kawasan sempadan sungai dapat
penghalang dari kegiatan dan kawasan budidaya.
tersebut. Arahan pemanfaatan ruang pada flood fringe
yaitu pada kawasan yang terdampak banjir 1-3 meter
dan < 1 meter termasuk kawasan masih dapat
dimanfaatkan sebagai kawasan budidaya terbangun
dan non terbangun karena aktivitas masih dapat
berjalan dan tidak menimbulkan dampak kerugian yang
besar jika terjadi banjir dengan ketinggian tersebut.
Gambar 2 arahan pemanfaatan ruang flood plain.

Sumber : Hasil Analisis Peneliti, 2018

Gambar 2 Arahan Pemanfaatan Ruang Flood Plain

3. Hasil dan Pembahasan

Pemanfaatan ruang pada KRB banjir
memerlukan implementasi urban stream buffer zone
dan ketersediaan kawasan konservasi. Kemudian
dalam menentukan kawasan budidaya tidak hanya
mempertimbangkan hasil pemetaan KRB banjir, tetapi
juga tingkat kerentanan bencana banjir dari aspek fisik,
sosial, dan budaya (Warouw, 2017).
Pada bagian ini akan menjelaskan delineasi
lebar sempadan dan juga jumlah persil bangunan di
setiap masing-masing kecamatan. Pemilihan mitigasi
bencana perlu mempertimbangkan keefektifan hingga
masa yang akan datang (Schad dkk, 2011), salah
satunya dengan pengaturan pemanfaatan ruang pada
KRB banjir. Berikut ini adalah penjelasannya.
Sumber : Hasil Analisis Peneliti, 2018
3.1. Delineasi Lebar Sempadan Sungai di Gambar 3 Delineasi Lebar Sempadan Sungai pada
Kecamatan Tuminting Kecamatan Tuminting
Sempadan sungai yang berada pada
Berdasarkan jumlah persil bangunan yang
Kelurahan Sindulang Satu, Kecamatan Tuminting
berada pada sempadan sungai merupakan persil
termasuk pada segmen Sungai Tondano (Gambar 3).
bangunan permukiman berdasarkan penggunaan
Lebar sempadan pada segmen sungai tersebut adalah
lahan RBI 2015. Hasil overlay menunjukan bahwa
35 meter dengan mitigasi struktural berupa pintu air.
100% persil bangunan berada di kawasan permukiman
Pada sempadan sungai di kelurahan ini terdapat 234
Kelurahan Sindulang Satu Kecamatan Tuminting.
persil bangunan.

59
 Tabel 1 Jumlah Persil Bangunan yang Berada pada Tabel 2 Jumlah Persil bangunan di Kecamatan Singkil
Sempadan Sungai di Kecamatan Tuminting berdasarkan penggunaan lahan
Kelurahan Jumlah Persil Bangunan Kecam Kelurahan Penggunaan Jumlah persil
atan Lahan bangunan
Sindulang Satu 234 Singkil Karame Permukiman 354
Total 234 Ketang Permukiman 181
Baru
Sumber : Hasil Analisis Peneliti, 2018 Kombos Industri 29
Timur Lahan 1
3.2. Delineasi Lebar Sempadan Sungai di Terbuka
Permukiman 102
Kecamatan Singkil
Singkil Permukiman 121
Sempadan sungai yang berada pada Satu
Kecamatan Tuminting, tepatnya Kelurahan Karame, Ternate Permukiman 241
Kelurahan Ketang Baru, Kelurahan Kombos Timur, Baru
Kelurahan Singkil Satu, Kelurahan Ternate Baru, Ternate Permukiman 662
Tanjung
Kelurahan Ternate Tanjung, dan Kelurahan Wawonasa Permukiman 51
Wawonasa. Sempadan sungai tersebut termasuk pada Sumber : Hasil Analisis Peneliti, 2018
segmen Sungai Tondano (Gambar 4). Lebar
sempadan pada segmen sungai tersebut adalah 35 3.3. Delineasi Lebar Sempadan Sungai di
meter dengan mitigasi struktural berupa 2 (dua) pintu Kecamatan Mapanget
air yang terdapat pada Kelurahan Singkil Satu dan Sempadan sungai yang berada pada
Ternate Baru. Pada sempadan sungai di kecamatan ini Kecamatan Mapanget, tepatnya Kairagi Satu.
terdapat 1.738 persil bangunan. Sempadan sungai tersebut termasuk pada segmen
Sungai Tondano (Gambar 5). Lebar sempadan pada
segmen sungai tersebut adalah 35 meter tanpa
terdapat mitigasi struktural. Pada sempadan sungai di
kelurahan ini terdapat 276 persil bangunan.

Sumber : Hasil Analisis Peneliti, 2018

Gambar 4 Delineasi Lebar Sempadan Sungai pada
Kecamatan Singkil

Bangunan di sempadan sungai pada Sumber : Hasil Analisis Peneliti, 2018

Kecamatan Singkil perlu direkomendasikan untuk
pembebasan lahan, sehingga fungsi dari sempadan
sungai dapat lebih optimal. Jumlah persil terbanyak
terdapat pada sempadan sungai di Kelurahan Ternate
Tanjung, yaitu 662 persil dan jumlah bangunan paling
sedikit berada pada Kelurahan Wawonasa, yaitu 51
persil. Berdasarkan hasil overlay dengan Penggunaan
Lahan RBI 2015, persentase persil terbesar adalah
permukiman di Kelurahan Ternate Tanjung dengan
persentase 38% dari jumlah persil keseluruhan di
Kecamatan Singkil. Jumlah persil bangunan di
Kelurahan Karame, Ketang Baru, Singkil Satu, Ternate
Baru, Ternate Tanjung, dan Wawonasa merupakan
permukiman.
Gambar 5 Delineasi Lebar Sempadan Sungai pada
Kecamatan Mapanget
Berdasarkan hasil overlay dengan
Penggunaan Lahan RBI 2015, persentase persil
terbesar adalah permukiman dengan persentase
54,64% dari jumlah persil keseluruhan di Kelurahan
Kairagi Satu. Selain penggunaan lahan permukiman,
terdapat pula persil bangunan Industri, Perdagangan
dan Jasa, Perkantoran, serta terdapat persil bangunan
yang berada pada penggunaan lahan kebun
campuran.

60
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Tabel 3 Jumlah Persil bangunan di Kecamatan Bangunan perdagangan dan jasa masif berada di
Mapanget berdasarkan penggunaan lahan sempadan sungai Kelurahan Paal Dua hingga 11,75%
Kecamat Kelurah Penggunaan Jumlah persil seperti yang dapat dilihat pada tabel 4 di bawah ini.
an an Lahan bangunan
Mapang Kairagi Industri 55
et Satu Tabel 4 Jumlah Persil Bangunan di Kecamatan Paal Dua
Kebun 18
Berdasarkan Penggunaan Lahan
Campuran
Perdagangan 49 Kecam Kelurahan Penggunaan Jumlah persil
dan Jasa atan Lahan bangunan
Perkantoran 5 Paal Dendengan Permukiman 323
Dua Dalam
Permukiman 153 Dendengan Perdagangan 96
Sumber : Hasil Analisis Peneliti, 2018 Luar dan Jasa
Permukiman 176
3.4. Delineasi Lebar Sempadan Sungai di Kairagi Kebun 17
Weru Campuran
Kecamatan Paal Dua Perdagangan 45
Sempadan sungai yang berada pada dan Jasa
Kecamatan Paal Dua, tepatnya Kelurahan Dendengan Permukiman 125
Dalam, Kelurahan Dendengan Luar, Kelurahan Kairagi Malendeng Fasilitas 4
Weru, Kelurahan Malendeng, Kelurahan Paal Dua, Umum
Kebun 1
Kelurahan Perkamil, Kelurahan Ranamuut. Sempadan Campuran
sungai tersebut termasuk pada segmen Sungai Permukiman 50
Tondano dan Sungai Tikala (Gambar 6). Lebar Paal Dua Lahan Terbuka 1
sempadan pada segmen Tondano adalah 35 meter Perdagangan 148
dan segmen Sugai Tikala adaah 15-35 meter dengan dan Jasa
Perkantoran 16
mitigasi struktural berupa 1 (satu) pintu air yang Permukiman 89
terdapat pada Kelurahan Dendengan Luar. Pada Perkamil Permukiman 112
sempadan sungai di kecamatan ini terdapat 1257 persil Ranomut Permukiman 57
bangunan. Sumber : Hasil Analisis Peneliti, 2018
3.5. Delineasi Lebar Sempadan Sungai di
Kecamatan Wenang
Sempadan sungai yang berada pada
Kecamatan Wenang, tepatnya Kelurahan Calaca,
Kelurahan Istiqlal, Kelurahan Komo Luar, dan
Kelurahan Pinaesaan. Sempadan sungai tersebut
termasuk pada segmen Sungai Tondano (Gambar 7).
Lebar sempadan pada segmen Tondano adalah 35
meter dengan mitigasi struktural berupa 2 (dua) pintu
air yang terdapat pada Kelurahan Istiqlal. Pada
sempadan sungai di kecamatan ini terdapat 565 persil
bangunan.

Sumber : Hasil Analisis Peneliti, 2018

Gambar 6 Delineasi Lebar Sempadan Sungai pada
Kecamatan Paal Dua
Pada sempadan sungai di Kecamatan Paal
Dua direkomendasikan perlunya dilakukan
pembebasan lahan, sehingga fungsi dari sempadan
sungai dapat lebih optimal. Jumlah persil terbanyak
terdapat pada sempadan sungai di Kelurahan
Dendengan Dalam, yaitu 323 persil dan jumlah
bangunan paling sedikit berada pada Kelurahan
Malendeng, yaitu 54 persil. Berdasarkan hasil overlay
dengan Penggunaan Lahan RBI 2015, persentase Sumber : Hasil Analisis Peneliti, 2018
persil terbesar adalah permukiman dengan persentase Gambar 7 Delineasi Lebar Sempadan Sungai pada
25,63% yang terdapat di Kelurahan Dendengan Dalam. Kecamatan Wenang
Selanjutnya di Kelurahan Dendengan Luar juga
memiliki persentase permukiman yang besar yaitu Bangunan di sempadan sungai pada
13,97% sedangkan di Kelurahan Perkamil dan Kecamatan Wenang perlu direkomendasikan untuk
kelurahan Ranomuut seluruh persil bangunan yang pembebasan lahan, sehingga fungsi dari sempadan
ada di sempadan merupakan bangunan permukiman. sungai dapat lebih optimal. Jumlah persil terbanyak

61
terdapat pada sempadan sungai di Kelurahan Komo Bangunan di sempadan sungai pada
Luar, yaitu 198 persil dan jumlah bangunan paling Kecamatan Tikala perlu direkomendasikan untuk
sedikit berada pada Kelurahan Calaca, yaitu 54 persil. pembebasan lahan, sehingga fungsi dari sempadan
Berdasarkan hasil overlay dengan Penggunaan Lahan
sungai dapat lebih optimal. Jumlah persil terbanyak
RBI 2015, persentase persil terbesar adalah
permukiman dengan persentase 33.9% yang terdapat terdapat pada sempadan sungai di Kelurahan Paal
di Kelurahan Komo Luar. Selanjutnya di Kelurahan Empat, yaitu 203 persil dan jumlah bangunan paling
Istiqlal juga memiliki persentase permukiman yang sedikit berada pada Kelurahan Banjer, yaitu 12 persil.
besar yaitu 29,11% selain penggunaan lahan Tabel 5 Jumlah Persil bangunan di Kecamatan Tikala
permukiman, terdapat juga persil bangunan Berdasarkan Penggunaan Lahan
Perdagangan dan Jasa, Fasilitas Umum, Jalan, hingga Kecama Kelurah Penggunaan Jumlah persil
tan an Lahan bangunan
Badan Air merupakan penggunaan lahan pada
Tikala Banjer Permukiman 12
sempadan sungai di Kecamatan Wenang.
Paal Fasilitas Umum 2
Tabel 5 Jumlah Persil bangunan di Kecamatan Wenang Empat
Industri 2
Berdasarkan Penggunaan Lahan
Kecama Kelura Penggunaan Jumlah persil Permukiman 201
tan han Lahan bangunan Tikala Permukiman 55
Wenang Calaca Badan Air 3 Ares
Jalan 3 Tikala Permukiman 127
Perdagangan 54 Baru
dan Jasa Sumber : Hasil Analisis Peneliti, 2018
Istiqlal Fasilitas Umum 1
Perdagangan 8 Berdasarkan hasil overlay dengan
dan Jasa
Permukiman 170 Penggunaan Lahan RBI 2015, persentase persil
Komo Permukiman 198 terbesar adalah permukiman dengan persentase
Luar
Pinaes Fasilitas Umum 10
50,38% yang terdapat di Kelurahan Paal Empat (Tabel
aan Permukiman 137 3.15). Pada Kelurahan Paal Empat terdapat persil
Sumber : Hasil Analisis Peneliti, 2018 bangunan Fasilitas Umum dan juga Industri sedangkan
pada Kelurahan Banjer, Tikala Ares, dan Tikala Baru
3.6. Delineasi Lebar Sempadan Sungai di
Kecamatan Tikala persil bangunan seluruhnya merupakan permukiman di
Sempadan sungai yang berada pada sempadan sungai.
Kecamatan Tikala, tepatnya Kelurahan Paal Empat,
3.7. Delineasi Lebar Sempadan Sungai di
Kelurahan Tikala Ares, Kelurahan Banjer, dan
Kecamatan Sario
Kelurahan Tikala Baru. Sempadan sungai tersebut Sempadan sungai yang berada pada
termasuk pada segmen Sungai Tikala (Gambar 3.14). Kecamatan Sario, tepatnya Kelurahan Ranotana,
Lebar sempadan pada segmen tersebut adalah 15-35 Kelurahan Sario Kota Baru, Kelurahan Sario Utara dan
meter dan tidak terdapat mitigasi struktural pada Kelurahan Titwungen Selatan. Sempadan sungai
segmen sungai tersebut. Pada sempadan sungai di tersebut termasuk pada segmen Sungai Sario (Gambar
kecamatan ini terdapat 397 persil bangunan. 9). Lebar sempadan pada segmen tersebut adalah 15-
20 meter dan tidak terdapat mitigasi struktural pada
segmen sungai tersebut. Pada sempadan sungai di
kecamatan ini terdapat 310 persil bangunan.

Sumber : Hasil Analisis Peneliti, 2018

Gambar 8 Delineasi Lebar Sempadan Sungai pada Sumber : Hasil Analisis Peneliti, 2018
Kecamatan Tikala Gambar 9 Delineasi Lebar Sempadan Sungai pada
Kecamatan Sario

62
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Bangunan di sempadan sungai pada Bangunan di sempadan sungai pada

Kecamatan Sario perlu direkomendasikan untuk Kecamatan Sario perlu direkomendasikan untuk
pembebasan lahan, sehingga fungsi dari sempadan pembebasan lahan, sehingga fungsi dari sempadan
sungai dapat lebih optimal. Jumlah persil terbanyak
sungai dapat lebih optimal. Jumlah persil terbanyak
terdapat pada sempadan sungai di Kelurahan Sario
Utara, yaitu 111 persil dan jumlah bangunan paling terdapat pada sempadan sungai di Kelurahan Pakowa,
sedikit berada pada Titiwungen Selatan, yaitu 58 persil. yaitu 178 persil dan jumlah bangunan paling sedikit
berada pada Karombasan Utara, yaitu 33 persil (Tabel
Tabel 6 Jumlah Persil bangunan di Kecamatan Sario 8).
Berdasarkan Penggunaan Lahan
Tabel 7 Jumlah Persil bangunan di Kecamatan Wanea
Kecam Kelurahan Penggunaan Jumlah persil
Berdasarkan Penggunaan Lahan
atan Lahan bangunan
Sario Ranotana Permukiman 62 Kecam Kelurahan Penggunaan Jumlah persil
atan Lahan bangunan
Sario Kota Permukiman 79 Wanea Karombasa Perdagangan 3
Baru n Utara dan Jasa
Sario Utara Permukiman 111 Permukiman 30

Titiwungen Permukiman 58 Pakowa Lahan Terbuka 1

Selatan Permukiman 177
Sumber : Hasil Analisis Peneliti, 2018
Ranotana Permukiman 92
Berdasarkan hasil overlay dengan Weru
Penggunaan Lahan RBI 2015, keseluruhan jumlah Tanjung Permukiman 70
Batu
persil bangunan yang ada pada sempadan sungai di Wanea Permukiman 37
Kecaatan Sario merupakan permukiman (Tabel 7)
yang tersebar di Kelurahan Ranotana, Sario Kota Baru Sumber : Hasil Analisis Peneliti, 2018
Sario Utara, dan Titiwungen Selatan. Persil bangunan
Berdasarkan hasil overlay dengan Penggunaan Lahan
terbanyak berada pada Kelurahan Sario Utara.
RBI 2015, persentase persil terbesar adalah
3.8. Delineasi Lebar Sempadan Sungai di permukiman dengan persentase 43,17% yang terdapat
Kecamatan Wanea di Kelurahan Pakowa (Tabel 3.19). Pada Kelurahan
Sempadan sungai yang berada pada Karombasan Utara terdapat persil bangunan
Perdagangan dan Jasa sedangkan pada Kelurahan
Kecamatan Wanea, tepatnya Karombasan Utara,
Ranotana Weru, Tanjung Batu, dan Wanea persil
Kelurahan Pakowa, Kelurahan Ranotana Weru, bangunan seluruhnya merupakan permukiman di
Kelurahan Tanjung Batu, dan Kelurahan Wanea sempadan sungai.
(Gambar 10). Sempadan sungai tersebut termasuk
pada segmen Sungai Sario. Lebar sempadan pada 3.9. Delineasi Lebar Sempadan Sungai di
segmen tersebut adalah 15-20 meter dan tidak Kecamatan Malalayang
Sempadan sungai yang berada pada
terdapat mitigasi struktural pada segmen sungai Kecamatan Malalayang, tepatnya Kelurahan
tersebut. Pada sempadan sungai di kecamatan ini Winangun Satu. Sempadan sungai tersebut termasuk
terdapat 410 persil bangunan. pada segmen Sungai Sario (Gambar 11). Lebar
sempadan pada segmen tersebut adalah 15-20 meter
dan tidak terdapat mitigasi struktural pada segmen
sungai tersebut.

Sumber : Hasil Analisis Peneliti, 2018

Gambar 10 Delineasi Lebar Sempadan Sungai pada
Kecamatan Wanea Sumber : Hasil Analisis Peneliti, 2018
Gambar 11 Delineasi Lebar Sempadan Sungai pada
Kecamatan Malalayang

63
 Pada sempadan sungai di kecamatan ini
hanya terdapat 3 persil bangunan.
Tabel 8 Jumlah Persil Bangunan yang Berada pada
Sempadan Sungai di Kecamatan Malalayang
Kelurahan Jumlah Persil Bangunan
Winangun Satu 3 Wenang juga berada dalam lingkup Sungai Tondano.
Total 3 Arahan pemanfaatan ruang Kecamatan Wenang untuk
Sumber : Hasil Analisis Peneliti, 2018
4. Arahan Pemanfaatan Ruang Flood Plain
Arahan pemanfaatan ruang flood fringe bertujuan
untuk mengatur kawasan di luar sempadan. Sehingga
peruntukan ruangnya dengan menambahkan syarat-
syarat khusus yang dapat berfungsi ssebagai kawasan
resapan. Pengaturan pemanfaatan ruang flood fringe
dilakukan pada Sungai Tondano, Sungai Tikala, dan
Sungai Sario.
Arahan Pemanfaatan ruang berdasarkan pada
unit administrasi kecamatan sesuai keberadaan flood
fringe tersebut. Ketentuan dari pemanfaatan ruang
pada flood fringe mempertimbangkan ketinggian
genangannya, apabila suatu wilayah berada pada
ketinggian 1-3 meter maka perlu adanya konsep
adaptasi dengan desain rumah panggung dan/atau
peninggian bangunan dan juga disertai degan tajuk
vegetasi yang rapat. Sedangkan bangunan yang
berada pada ketinggian < 1 meter maka diperbolehkan
pemanfaatan ruang sesuai dengan fungsi eksistingnya
dan disertai tajuk vegetasi rapat.
4.1. Arahan Pemanfaatan Ruang Flood fringe
Sungai Tondano dan Sungai Tikala
Arahan pemanfaatan ruang flood fringe
Sungai Tondano terdapat pada unit administrasi
Kecamatan Paal Dua, Kecamatan Singkil, Kecamatan
Tuminting, Kecamatan Wenang. Sedangkan arahan
pemanfaatan ruang flood fringe Sungai Tikala terdapat
pada Kecamatan Paal Dua dan Kecamatan Tikala
(Gambar 12).
Pada Kecamatan Paal Dua yang termasuk
pada Sungai Tondano terdapat rencana
pengembangan rumah susun. Kawasan permukiman
pada kecamatan ini juga memerlukan upaya adaptasi
bencana banjir dengan desain rumah panggung
dan/atau penginggian bangunan. Sedangkan
infrastruktur yang terdapat di Kecamatan Paal Dua
diperbolehkan sesuai dengan fungsi eksistingnya
dengan tetap mempertimbangkan tajuk vegetasi rapat
untuk meningkatkan kemampuan resapan kawasan
tersebut.
Arahan pemanfaatan flood fringe di
Kecamatan Singkil yang berada pada Sungai Tondano
terdapat pengembangan taman multifungsi seluas 1,05
Ha. Pada kecamatan ini juga terdapat rencana
pengembangan rumah susun. Sedangkan untuk
arahan peruntukan lainnya adalah diperbolehkan
sesuai dengan fungsi eksistingnya dengan tetap
mempertimbangkan tajuk vegetasi rapat untuk
meningkatkan kemampuan resapan kawasan tersebut.
64
Kecamatan Tuminting yang berada pada
Sungai Tondano, arahan peruntukan ruangnya adalah
dengan upaya adaptasi bencana banjir dan
meningkatkan kemampuan resapan pada wilayah
tersebut dengan tajuk vegetasi yang rapat. Kecamatan
kawasan perumahan yaitu melalui hunian vertikal dan
kawasan perumahan dengan upaya adaptasi bencana
banjir. Pada wilayah ini juga diperbolehkan
pengembangan taman multifungsi sebagai kawasan
resapan. Sedangkan sarana dan prasarana, seperti
kawasan pendidikan, kawasan perdagangan dan jasa,
dan juga kawasan peribadatan diperbolehkan sesuai
dengan fungsi eksistingnya dengan tetap
mempertimbangkan tajuk vegetasi rapat untuk
meningkatkan kemampuan resapan kawasan tersebut.
Kecamatan Paal Dua juga terdapat pada
ruang lingkup Sungai Tikala. Hanya saja luasnya lebih
kecil dibandingkan luas wilayah kecamatan yang
berada dalam ruang lingkup Sungai Tondano. Arahan
pemanfaatan ruang pada kecamatan ini melalui upaya
adaptasi bencana banjir dengan desain bangunan
rumah panggung dan/atau peninggian rumah disertai
tajuk vegetasi yang rapat dan juga diperbolehkan
sesuai dengan fungsi eksistingnya dengan tetap
mempertimbangkan tajuk vegetasi rapat untuk
meningkatkan kemampuan resapan kawasan tersebut.
Arahan peruntukan ruang Kecamatan Tikala
yang berada pada lingkup Sungai Tikala terdiri atas
taman multifungsi, kawasan perumahan dengan
desain rumah panggung dan/atau peninggian
bangunan, dan diperbolehkan sesuai dengan fungsi
eksistingnya dengan tetap mempertimbangkan tajuk
vegetasi rapat untuk meningkatkan kemampuan
resapan kawasan tersebut.
Sumber : Hasil Analisis Peneliti, 2018
Gambar 12 Arahan Pemanfaatan Ruang Flood fringe
Sungai Tondano dan Sungai Tikala
Total luasan pemanfaatan ruang flood fringe
Sungai Tondano adalah 88,35 Ha. Sebagai rinciannya
adalah luasan masing-masing kecamatan yang
terdapat pada Sungai Tondano, adalah Kecamatan
Paal Dua 3,11 Ha, Kecamatan Singkil 39,81 Ha,
Kecamatan Tuminting 3,62 Ha, Kecamatan Wenang
41,82 Ha.
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Arahan peruntukan ruang terluas yang Sungai Kecamatan Arahan Luas (Ha)
terdapat pada Kecamatan Paal Dua adalah Total 39.81
Tuminting Diperbolehkan 0.10
diperbolehkan sesuai dengan fungsi eksistingnya jaringan jalan dan tajuk
dengan tetap mempertimbangkan tajuk vegetasi rapat vegetasi rapat
untuk meningkatkan kemampuan resapan kawasan Diperbolehkan 1.86
tersebut, dengan luas 85% dari luas Kecamatan Paal kawasan perumahan
dengan desain rumah
Dua. Arahan peruntukan terluas yang terdapat pada panggung dan tajuk
Kecamatan Singkil adalah kawasan perumahan vegetasi rapat
dengan upaya adaptasi desain rumah panggung Diperbolehkan sesuai 1.66
dan/atau peninggian bangunan dengan disertai tajuk bangunan eksisting
disertai tajuk vegetasi
vegetasi yang rapat, yaitu 71% dari luas Kecamatan rapat
Singkil. Total 3.62
Arahan pemanfaatan terluas Kecamatan Wenang Diperbolehkan hunian 0.05
Tuminting adalah kawasan perumahan dengan upaya vertikal dan tajuk
vegetasi rapat
adaptasi desain rumah panggung dan/atau peninggian Diperbolehkan 3.28
bangunan dengan disertai tajuk vegetasi yang rapat, jaringan jalan dan tajuk
dengan presentase luasan terhadap luas keseluruhan vegetasi rapat
Kecamatan Tuminting adalah 51%. Sedangkan arahan Diperbolehkan 0.55
kawasan pendidikan
pemanfaatan ruang terluas Kecamatan Wenang dengan peninggian
diperbolehkan sesuai dengan fungsi eksistingnya bangunan dan tajuk
dengan tetap mempertimbangkan tajuk vegetasi rapat vegetasi rapat
untuk meningkatkan kemampuan resapan kawasan Diperbolehkan 6.18
kawasan
tersebut, dengan luas, yaitu 42% dari luas keseluruhan perdagangan&jasa
wilayah Kecamatan Wenang (Tabel 10). dengan peninggian
bangunan dan tajuk
Tabel 9 Luasan dan Arahan Pemanfaatan Ruang Flood vegetasi rapat
fringe Sungai Tondano Diperbolehkan 0.20
kawasan peribadatan
Sungai Kecamatan Arahan Luas (Ha) dengan peninggian
bangunan dan tajuk
Sungai Paal Dua Diperbolehkan 0.02
vegetasi rapat
Tondano jaringan jalan dan tajuk
Diperbolehkan 13.67
vegetasi rapat
kawasan perumahan
Diperbolehkan 0.10
dengan desain rumah
kawasan perumahan
panggung dan tajuk
dengan desain rumah
vegetasi rapat
panggung dan tajuk
Diperbolehkan sebagai 0.28
vegetasi rapat
taman multifungsi
Diperbolehkan 0.34
Diperbolehkan sesuai 17.61
pengembangan rumah
bangunan eksisting
susun dan tajuk
disertai tajuk vegetasi
vegetasi rapat
rapat
Diperbolehkan sesuai 2.65
Total 41.82
bangunan eksisting
Grand Total 88.35
disertai tajuk vegetasi
rapat Sumber : Hasil Analisis Peneliti, 2018
Total 3.11
Singkil Diperbolehkan 3.38 Arahan pemanfaatan ruang pada flood fringe
jaringan jalan dan tajuk Sungai Tikala adalah 9,99 Ha. Sebagai rinciannya,
vegetasi rapat
Diperbolehkan 0.80
Kecamatan Paal Dua yang berada pada Sungai Tikala
kawasan industri seluas 1,03 Ha dan Kecamatan Tikala yang berada
dengan peninggian pada Sungai Tikala seluas 8,96 Ha. Arahan
bangunan dan tajuk pemanfaatan ruang terluas Kecamatan Paal Dua
vegetasi rapat
Diperbolehkan 28.37
adalah diperbolehkan sesuai dengan fungsi
kawasan perumahan eksistingnya dengan tetap mempertimbangkan tajuk
dengan desain rumah vegetasi rapat untuk meningkatkan kemampuan
panggung dan tajuk resapan kawasan tersebut, dengan luas, yaitu 95% dari
vegetasi rapat
Diperbolehkan 0.74
luas keseluruhan wilayah Kecamatan Paal Dua.
pengembangan rumah Sedangkan arahan pemanfaatan ruang yang dominan
susun dan tajuk di Kecamatan Tikala adalah diperbolehkan sesuai
vegetasi rapat dengan fungsi eksistingnya dengan tetap
Diperbolehkan sebagai 1.05
taman multifungsi
mempertimbangkan tajuk vegetasi rapat untuk
Diperbolehkan sesuai 5.47 meningkatkan kemampuan resapan kawasan tersebut,
bangunan eksisting dengan luas, yaitu 97% dari luas keseluruhan wilayah
disertai tajuk vegetasi Kecamatan (Gambar 11).
rapat

65
 Tabel 10 Luasan dan Arahan Pemanfaatan Ruang Flood
fringe Sungai Tikala
Sungai Kecamatan Arahan Luas
(Ha)
Sungai Paal Dua Diperbolehkan jaringan jalan 0.00
Tikala dan tajuk vegetasi rapat
Diperbolehkan kawasan 0.05
perumahan dengan desain
rumah panggung dan tajuk
vegetasi rapat
Diperbolehkan sesuai 0.98
bangunan eksisting disertai
tajuk vegetasi rapat
Total 1.03
Tikala Diperbolehkan jaringan jalan 0.05
dan tajuk vegetasi rapat
Diperbolehkan kawasan 0.21
perumahan dengan desain
rumah panggung dan tajuk
vegetasi rapat
Diperbolehkan sebagai 0.00
taman multifungsi
Diperbolehkan sesuai 8.70
bangunan eksisting disertai
tajuk vegetasi rapat
Total 8.96
Grand Total 9.99
Sumber : Hasil Analisis Peneliti, 2018
4.2. Arahan Pemanfaatan Ruang Flood fringe
Sungai Sario
Arahan pemanfaatan ruang flood fringe
Sungai Sario terdapat pada unit administrasi
Kecamatan Sario dan Kecamatan Wanea. Pada
Kecamatan Sario terdapat arahan pemanfaatan ruang
taman multifungsi. Sedangkan untuk kawasan
permukiman diperbolehkan dengan syarat adanya
upaya adaptasi dengan desain rumah panggung
dan/atau peninggian bangunan dan juga terdapat
arahan peruntukan ruang hunian vertikal disertai tajuk
vegetasi yang rapat. Sarana dan prasarana yang
terdapat pada Kecamatan Sario juga memerlukan
upaya adaptasi berupa peninggian bangunan (Gambar
13).
Arahan peruntukan ruang Kecamatan
Wanea memiliki kemiripan dengan arahan
pemanfaatan Kecamatan Sario, yaitu diperbolehkan
pengembangan taman multifungsi. Kawasan
permukiman diperbolehkan dengan syarat adanya
upaya adaptasi dengan desain rumah panggung
dan/atau peninggian bangunan. Sarana dan prasarana
yang terdapat pada Kecamatan Sario juga memerlukan
upaya adaptasi berupa peninggian bangunan.
Arahan pemanfaatan ruang pada flood fringe
Sungai Sario adalah 50,63 Ha. Sebagai rinciannya,
Kecamatan Sario yang berada pada Sungai Sario
seluas 41,16 Ha dan Kecamatan Wanea yang berada
pada Sungai Sario seluas 9,47 Ha. Arahan
pemanfaatan ruang terluas Kecamatan Sario dan
Kecamatan Wanea adalah pengembangan kawasan
perumahan dengan desain rumah panggung dan/atau
peninggian bangunan dengan tajuk vegetasi rapat,
seluas 66% dari luas keseluruhan wilayah Kecamatan
Sario dan 70% dari luas keseluruhan wilayah
Kecamatan Wanea (Tabel 12).
Tabel 11 Luasan dan Arahan Pemanfaatan Ruang Flood
fringe Sungai Sario
Kecamatan Arahan Luas (Ha)
Sario Diperbolehkan hunian vertikal dan 2.02
tajuk vegetasi rapat
Diperbolehkan jaringan jalan dan 5.23
tajuk vegetasi rapat
Diperbolehkan kawasan 1.22
pendidikan dengan peninggian
bangunan dan tajuk vegetasi rapat
Diperbolehkan kawasan 5.29
perdagangan&jasa dengan
peninggian bangunan dan tajuk
vegetasi rapat
Diperbolehkan kawasan 27.39
perumahan dengan desain rumah
panggung dan tajuk vegetasi rapat
Diperbolehkan sebagai taman 0.02
multifungsi
Total 41.16
Wanea Diperbolehkan jaringan jalan dan 0.58
tajuk vegetasi rapat
Diperbolehkan kawasan 1.24
perdagangan&jasa dengan
peninggian bangunan dan tajuk
vegetasi rapat
Diperbolehkan kawasan 0.00
perkantoran dengan peninggian
bangunan dan tajuk vegetasi rapat
Diperbolehkan kawasan 6.69
perumahan dengan desain rumah
panggung dan tajuk vegetasi rapat
Diperbolehkan sebagai taman 0.94
multifungsi
Total 9.47
Grand Total 50.63
Sumber : Hasil Analisis Peneliti, 2018
5. Kesimpulan
Penentuan lebar sempadan sungai untuk
setiap wilayah di Indonesia tidak hanya berasarkan
kebijakan dan peraturan yang berlaku pada level
nasional. Akan tetapi, perlu mempertimbangkan
karakteristik sempadan sungai di masing-masing
wilayah, historis banjir, pemetaan Kawasan Rawan
Bencana (KRB), dan pemodelan banjir. Dengan begitu
sempadan sungai pada setiap wilayah akan berbeda
dan lebih berfungsi untuk mengurangi risiko bencana
banjir. Pemanfaatan sempadan sungai harus
dikembalikan sesuai dengan Peraturan Menteri Agraria
dan Tata Ruang/Kepala Badan Pertanahan Nasional
Nomor 1 Tahun 2018 Tentang Pedoman Penyusunan
Rencana Tata Ruang Wilayah Provinsi, Kabupaten dan
Kota yaitu berfungsi sebagai kawasan lindung.
Sedangkan kawasan flood fringe, pemanfaatan
ruangnya dapat sebagai kawasan budidaya non
terbangun yang dapat juga berfungsi sebagai
penampung aliran permukaan atau kawasan budidaya
terbangun dengan konsep adaptasi terhadap bencana
banjir.

66
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019
Pengembangan rumah susun di sempadan
sungai sebagai upaya adaptasi memerlukan desain
yang mempertimbangkan mitigasi bencana/PRB.
Dalam konsep desain ini sisi terluar yang dekat dengan
bibir sungai adalah safety railings yang bertujuan untuk
sebagai mitigasi struktural. Sedangkan terrace part dan
gentle slope bank dapat sebagai sempadan sungai
yang berfungsi RTH dan RTP. Kemudian rumah susun
berada pada super embankment. Sehingga lokasi
rumah susun topografinya lebih rendah dibandingkan
RTH dan RTP. RTH dan RTP berfungsi sebagai
kawasan konservasi yang dapat melindungi rumah
susun dari bahaya banjir.
Penelitian ini dapat ditindaklanjuti dengan
menuangkan hasil kajian ini dalam muatan Rencana
Tata Ruang Kota Manado. Sehingga pengaturan
pemanfaatan ruang flood plain terutama sempadan
sungai bersifat legal. Dengan begitu tidak terdapat alih
fungsi lahan pada sempadan sungai menjadi kawasan
budidaya.
DAFTAR PUSTAKA
Anita, Juarni, “Structural and Non Structural
Approaches as Flood Protection Strategy in
Muara Angke Settlement, North Jakarta”, dalam
The Second International Conference on
Sustainable Infrastructure and Built Environment
(SIBE), 2013, hal. 1-9
Austell Public Works. 2018. Beneficial Functions of a
Floodplain. Georgia
BMKG, “Fokus Utama Cuaca Ekstrim,” Buletin
Pemantauan Ketahanan Pangan Indonesia,
BMKG, 2016
BNPB, “Data dan Informasi Bencana Indonesia: Profil
Kebencanaan,” BNPB, 2016
Gregersen, Hans M, Peter F. Ffolliott, Kenneth N.
Brooks, “Integrated Watershed Management:
Connecting People to Their Land and Water”.
CAB International: London, 2007, hal. 87-96
Hapsari, R. I., & Zenurianto, M., “View of Flood Disaster
Management in Indonesia and the Key
Solutions”, American Journal of Engineering
Research, vol. 5, no. 3, hal 140-151, Maret 2016
JICA bekerjasama dengan BWS Sulawesi I. 2016.
Final Report UFCSI (Package-1) Comprehensive
Flood Management Study in Manado City and
Tondano River Basin. BWS Sulawesi I: Kota
Manado
Ministry of Land, Infrastructure, Transport and Tourism,
Japan. 2009. Japan Superlevee. MLIT: Japan
Peraturan Menteri Agraria dan Tata Ruang/Kepala
Badan Pertanahan Nasional Nomor 1 Tahun
2018 Tentang Pedoman Penyusunan Rencana
Tata Ruang Wilayah Provinsi, Kabupaten dan
Kota
Ran, Jing. 2014. Integrating Spatial Planning and Flood
Risk Management: A New Conceptual
Framework for The Spatially Integrated Policy
Infrastructure, 57, 68-79
Savitri, E. & Pramono, I. B, “Analisis Banjir Cimanuk
Hulu 2016,” JPPDAS, vol. 1, no. 2, hal. 97-110,
Oktober 2017
Schad, I., Schmitter, P., Saint-Macary, C., Neef, A.,
Lamers, M., Nguyen, L., … Hoffmann, V, “Why do
people not learn from flood disasters? Evidence
from Vietnam’s northwestern mountains,” Natural
Hazards, vol. 62, no. 2, hal 221-241, Oktober
2011
Soemabrata, J., Zubair, A., Sondang, I., & Suyanti, E,
“Risk mapping studies of hydro-meteorological
hazard in Depok middle city.” International
Journal of GEOMATE, vol. 14, no. 44, hal. 128-
133, April 2018
Suriadi, A. B., Arsyad, M., & Riadi, B, “Potensi Resiko
Bencana Alam Longsor (Potential Risk of
Landslide Related to Extreme Weather in Ciamis
Region, West Java,” Jurnal Ilmiah Geomatika,
vol. 19, no. 1, hal. 57-63, Mei 2013
Tingsanchali, “Urban Flood Disaster Management,”
Procedia Engineering. vol. 32, hal 25-37,
November 2011
Voss, M, “The vulnerable can′t speak. An integrative
vulnerability approach to disaster and climate
change research,” Behemoth: A Journal on
Civilisation, vol. 1, no. 3, Hal. 39–56, Januari
2008
Warouw, Fela. 2017. Adaptasi Permukiman Sungai di
Kampung Tubir Kota Manado terhadap Risiko
Banjir. Jurnal Arsitektur Daseng Unsrat Manado.
Vol. 6, No. 1
Yanto, Livneh, B., Rajagopalan, B., & Kasprzyk, J,
“Hydrological model application under data
scarcity for multiple watersheds, Java Island,
Indonesia” Journal of Hydrology: Regional
Studies, vol.9, no. 1, hal. 127-139. Desember
2017
67
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Pemodelan Spasial Banjir Genangan Akibat Potensi Kenaikan

Muka Air Laut di Kecamatan Buleleng, Bali
Hafiz Fatah Nur Adityaa, Bastian Andarinoa
a,Magister Perencanaan Pengelolaan Pesisir dan Daerah Aliran Sungai, Fakultas Geografi, UGM
ahafizfatahnur@gmail.com

ABSTRAK

Banjir genangan merupakan salah satu bencana yang banyak mengakibatkan kerugian harta benda. Terdapat banyak penyebab
terjadinya banjir genangan, salah satunya diakibatkan oleh kenaikan muka air laut karena pemanasan global. Wilayah pesisir utara
Bali, khususnya Kecamatan Buleleng merupakan wilayah yang rentan terdampak banjir genangan akibat kenaikan muka air laut.
Model spasial perlu dibuat untuk memahami sebaran spasial banjir genangan yang berpotensi terjadi di Kecamatan Buleleng. Model
banjir genangan dibuat dengan menggunakan analisis iterasi pada ILWIS. Data topografi berupa Digital Elevation Model diturunkan
dari interpolasi garis kontur Peta Rupa Bumi Indinesia. Penelitian ini bertujuan untuk membuat pemodelan spasial potensi banjir
genangan di pesisir Kecamatan Buleleng akibat kenaikan muka air laut. Hasil penelitian menunjukkan untuk skenario tinggi genangan
40 cm, secara umum seluruh wilayah pesisir Kecamatan Buleleng terdampak. Penggunaan lahan yang berpotensi tergenang adalah
area permukiman seluas 125.800 m2, sawah seluas 248.300 m2 , kebun seluas 60.500 m2 , dan lahan kosong seluas 13.025 m2 .
Hasil kajian diharapkan menjadi salah satu pertimbangan dalam perencanaan penggunaan tata ruang serta manajemen resiko
bencana di wilayah Kabupaten Buleleng.

Kata kunci : kenaikan muka air laut; banjir genangan, analisis neighborhood

ABSTRACT

Coastal flooding is one of the most destructive disasters resulting property losses in settlements. The cause of coastal flooding could
be several things, one of them is the sea level rise due to global warming. The northern coastal area of Bali, particularly the Buleleng
District, is an area prone to inundation due to rising sea levels. Spatial models need to be created to understand the spatial distribution
of inundation floods that may occur in Buleleng District. Coastal inundation models are created using iteration analysis in ILWIS.
Topographic data in the form of Digital Elevation Model is derived from interpolation of the contours of the RBI map. This study aims
to make spatial modeling of the potential for inundation in the coast of Buleleng District due to sea level rise. The results showed that
for the 40 cm inundation height scenario, the entire coastal area of Buleleng District is affected. Potentially inundated land uses are a
settlement area of 125,800 m2, paddy fields of 248,300 m2, gardens of 60,500 m2, and vacant land of 13,025 m2. The results of the
study is expected to be one of the considerations in planning the use of spatial planning and disaster risk management in the area of
the Regency of Buleleng.

Keywords: sea water rise, inundation flood, neighborhood analysis

I. Pendahuluan lingkungan utama di Jakarta dan Semarang (Ward,

Salah satu permasalahan yang dapat timbul dan
membawa konsekuensi yang besar dari pemanasan
global adalah kenaikan muka air laut. Kenaikan muka
air laut akan menjadi persoalan besar di daerah pesisir
yang padat penduduk dan aktivitas ekonomi dan
berimplikasi pada perlunya upaya adaptasi di kalangan
masyarakat pesisir (IPCC, 2014). Rerata muka air laut
global telah naik antara 10-25 cm dalam seabad
terakhir dan diperkirakan akan mengalami kenaikan
sampai 500 cm pada tahun 2100 (Nicholls dan Mimura,
1998). Kondisi demikian menyebabkan semakin
rentannya daerah pesisir terhadap erosi,
penggenangan, dan terjangan gelombang pasang
(Barth dan Titus, 1984). Sebagai negara dengan garis
pantai yang panjang, pesisir Indonesia menghadapi
ancaman permasalahan tersebut pada wilayah yang
luas. Banjir genangan akibat kenaikan muka air laut
dan penurunan tanah telah menjadi salah satu masalah
68
dkk. 2011; Marfai, 2008) dan merupakan fenomena
yang perlu diantisipasi di kota-kota pesisir lain di
Indonesia.
Kabupaten Buleleng merupakan salah satu
kabupaten di Provinsi Bali yang berpotensi mengalami
ancaman peningkatan muka air laut. Kabupaten
Buleleng memiliki garis pantai terpanjang di Pulau Bali
yaitu 121.180 meter. Menurut data dari BAPPEDA Bali
(2010) dalam Butaru (2011), garis pantai tererosi paling
tinggi dari ancaman peningkatan muka air laut terjadi di
wilayah pesisir Kabupaten Buleleng yang mencapai
54.830 meter atau sekitar 45% dari panjang garis
pantai Kabupaten Buleleng. Sriartha dan Putra (2015)
membuat estimasi kenaikan muka air laut di wilayah
barat Kabupaten Buleleng, yaitu di Kecamatan Seririt
dan Gerokgak, dan menemukan tren kenaikan muka
air laut sebesar 0,51 cm/tahun. Angka tersebut hampir
sama dengan prediksi IPCC (2014) yang mengestimasi
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019
kenaikan muka air laut global akan naik 28-98 cm pada
tahun 2100 atau rata-rata 0,49 mm/ tahun.
Kota Singaraja yang terletak di bagian utara
Pulau Bali merupakan salah satu kota di wilayah pesisir
yang padat penduduk. Laporan Badan
Penanggulangan Bencana Daerah (BPBD) mencatat
terjadinya gelombang pasang yang melimpas ke
permukiman penduduk setiap tahunnya (BPBD
Kabupaten Buleleng, 2019). Dampak adanya
gelombang pasang tersebut juga dirasakan oleh
pedagang atau penyedia jasa di lokasi wisata. Belum
terdata adanya banjir yang menggenang dalam waktu
lama di Kota Singaraja, namun dengan lahan
terbangun yang luas di sepanjang pesisirnya, Singaraja
dan Kabupaten Buleleng secara umum merupakan
wilayah yang rentan terhadap kenaikan muka air laut.
Pemodelan spasial perlu dilakukan untuk memetakan
wilayah yang berpotensi terdampak kenaikan muka air
laut. Model ini menunjukkan distribusi spasial dari
genangan yang akan terjadi di Kecamatan Buleleng
yang di dalamnya termasuk Kota Singaraja. Hasil
kajian diharapkan menjadi salah satu pertimbangan
dalam perencanaan tata ruang serta manajemen risiko
bencana di wilayah Kota Singaraja dan sekitarnya.
Gambar 1. Lokasi penelitian ditunjukkan oleh kotak berwarna kuning. (Pemerintah Kabupaten Buleleng, 2014)
Metode Penelitian
Penelitian ini menggunakan input data Citra
SPOT-5 dan Peta Rupa Bumi Indonesia. Berdasarkan
data SPOT-5 dilakukan proses pengolahan citra seperti
koreksi geometrik yang selanjutnya dilakukan
interpretasi untuk menghasilkan beberapa kelas vektor
penggunaan lahan seperti: permukiman, lahan kosong,
jalan dan sungai. Sedangkan untuk data Peta Rupa
Bumi Indonesia (Peta RBI), informasi garis kontur
digunakan sebagai input data untuk membangun
Digital Elevation Model atau DEM. Pembuatan DEM
dilakukan dengan menggunakan metode interpolasi
yang berdasarkan garis kontur dari Peta RBI.
2. Metode Penelitian
Lokasi Penelitian
Lokasi kajian meliputi wilayah Kecamatan
Buleleng. Kota Singaraja yang merupakan ibukota dari
Kabupaten Buleleng berada di Kecamatan ini.
Kecamatan Buleleng terdiri dari 17 kelurahan dan 12
desa, dengan . Kondisi topografi di wilayah ini berada
pada ketinggian antara 0-200 m dpl dengan morfologi
lahan dataran yang memiliki sudut lereng 0-5% pada
ketinggian 0-40 m dan perbukitan dengan sudut lereng
5-15% pada ketinggian 40-200 m. Bila ditinjau secara
geologis, wilayah ini tersusun oleh perlapisan batuan
hasil letusan gunung berapi yang terjadi pada masa
yang berlainan. Batuan tersebut pada umumnya terdiri
dari breksi, lava dan tufa kecuali sepanjang pantai
utara yang tersusun dari endapan aluvial. Sedangkan
jenis tanah ada wilayah ini adalah tanah regosol
dengan tekstur sebagian besar dalam kategori tekstur
sedang. Secara klimatologis, di daerah pantai minimal
1.250 mm dan di daerah pegunungan maksimal 2.500
mm. Luas seluruh wilayah Kecamatan Buleleng adalah
27,89 km2 yang terdiri dari lahan sawah seluas 844,15
km2, tegal/huma seluas 464,46 km2, perkebunan
seluas 121 km2, pekarangan seluas 1063,46 km2,
Kuburan seluas 6,61 km dan lahan lain-lain seluas
216,09 km2.
Teknik iterasi berbasis raster yang merupakan
bagian dari neighborhood operation pada perangkat
lunak ILWIS
digunakan untuk menghasilkan peta wilayah yang
berpotensi tergenang (Marfai, 2004). Proses ini
merupakan pengulangan operasi matematika secara
berturut-turut dengan menggunakan satu hasil
perhitungan sebagai input untuk perhitungan
selanjutnya. Perhitungan dilakukan melalui piksel per
piksel. Proses ini memiliki sistem perhitungan berulang
hingga mencapai kondisi yang diinginkan. DEM
digunakan sebagai peta yang dievaluasi dengan titik
mulai
69
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

pada garis pantai yang diasumsikan berketinggian 0.
Proses ini dilakukan dengan memasukkan script
command pada ILWIS sesuai dengan skenario tinggi
genangan yang diinginkan.
Berikutnya, identifikasi luas genangan
dilakukan dengan metode superimposed, yaitu dengan
menampalkan peta skenario genangan dengan peta
penggunaan lahan. Dari sini kemudian dapat diketahui
luas masing-masing jenis lahan yang terendam dalam
skenario genangan. Diagram alir penelitian ditunjukkan
pada Gambar 2.

Gambar 2. Lokasi penelitian ditunjukkan oleh kotak berwarna kuning. (Pemerintah Kabupaten Buleleng, 2014)

3. Hasil dan Pembahasan
Kecamatan Buleleng merupakan daerah
yang rentan terdampak kenaikan muka air laut. Dari
wawancara dengan warga setempat, pemukiman
padat di tepi pantai Kecamatan Buleleng mengalami
banjir akibat gelombang badai yang terjadi setiap tahun
di musim hujan. Pembuatan peta potensi genangan
tidak menggambarkan kondisi saat ini, namun prediksi
kondisi pada tahun 2100 dengan asumsi kenaikan
muka air laut berlangsung terus dengan tingkat yang
sama dengan saat ini. Berdasarkan prediksi kenaikan
muka air laut menurut Sriartha dan Putra (2015) yang
menyatakan tingkat kenaikan sebesar 0,51 cm/tahun,
maka dibuat skenario kenaikan sebesar 40 cm. Peta
pemodelan genangan banjir rob dengan skenario 40
cm ditampilkan pada Gambar 3.

Gambar 3. Skenario genangan 40 cm di pesisir Kecamatan Buleleng.

70
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019
Pada skenario genangan 40 cm, air laut telah
merambah ke daratan sampai paling jauh 60 m. Lahan
di pesisir Kecamatan Buleleng yang digunakan sebagai
wilayah permukiman dan pertanian terdampak. Luas
permukiman yang terendam yaitu seluas 125.800 m2 ,
sedangkan sawah yang tergenang seluas 248.300 m2 .
Kenaikan muka air laut juga berdampak pada lahan
kebun yang tergenang seluas 60.500 m2 dan lahan
kosong tergenang seluas 13.025 m2. Data luas lahan
yang tergenang pada skenario genangan 40 cm dapat
dilihat pada Tabel 1.
Tabel 1. Luas lahan yang tergenang pada skenario
genangan 40 cm.
Penggunaan lahan Luas area tergenang (m2)
Permukiman 125.800
Sawah 248.300
Kebun 60.500
Lahan kosong 13.025
Genangan banjir pada areal permukiman dapat
mengganggu aktivitas manusia dan memberikan
dampak yang buruk bagi kesehatan dan kebersihan
lingkungan. Menurut Marfai (2013) banjir genangan
merusak infrastuktur. Jalan dan bangunan yang
tergenang mengalami kerusakan atau pun penurunan
kualitas. Genangan yang melanda sawah dapat
menyebabkan berhentinya produktivitas. Lahan
tersebut tidak bisa lagi dimanfaatkan untuk kegiatan
pertanian. Imbasnya, produktivitas padi sebagai bahan
pangan akan menurun.
Potensi kerugian akibat kenaikan muka air laut
di Kecamatan Buleleng dapat dihindari. Kerugian
terbesar dalam hal ini mengancam area permukiman
dan sawah. Dalam jangka pendek, program mitigasi
struktural dengan membangun penahan gelombang
pasang di sepanjang pesisir atau meninggikan rumah
dapat dilakukan untuk mengatasi permasalahan yang
ditimbulkan oleh kenaikan muka air laut. Bagaimana
pun, solusi permanen dapat ditempuh dengan
penataan ruang yang memperhatikan potensi kenaikan
muka air laut.
4. Kesimpulan
Berdasarkan penelitian terdahulu, muka air laut
di pesisir Kabupaten Buleleng akan naik sekitar 40 cm
pada tahun 2100. Peta potensi genangan menunjukkan
lahan permukiman dan pertanian di Kecamatan
Buleleng akan terdampak.
Berdasarkan peta potensi genangan ini,
pengambil kebijakan dapat mengkaji perencanaan
pembangunan maupun pengelolaan risiko bencana di
Kec. Buleleng. saat ini merupakan salah satu wilayah
yang berpotensi untuk mengembangkan sektor
pariwisata sehingga perlu untuk memperhatikan
pembangunan sarana dan prasarana yang mendukung
serta kesiapsiagaan dalam menghadapi potensi
bencana yang akan terjadi.
DAFTAR PUSTAKA
Barth MC, Titus JG . 1984. Greenhouse effect and sea
level rise. Van Nostrand Reinhold, New York.
IPCC (2014) Climate Change 2014: impacts,
adaptation and vulnerability. Contribution of
working group II to the fifth assessment report of
the intergovernmental panel on climate change.
Cambridge University Press, Cambridge, UK
Marfai MA .2003. Tidal flood hazard
assessment:modelling in raster GIS, case in
western part of Semarang coastal area.
Indonesian J Geogr 36(1):25-38
Marfai, M.A. 2004. “Tidal flood hazard assessment:
modeling in raster gis, case in western part of
Semarang coastal area”. Indonesian Journal of
Geography, 36(1), 25–38.
Marfai MA, D Mardiatno, A Cahyadi, F Nucifera, dan H
Prihatno. 2013. Pemodelan spasial bahaya
banjir rob berdasarkan skenario perubahan iklim
dan dampaknya di pesisir Pekalongan. Jurnal
Bumi Lestari, Volume 13 No. 2,: 244-256
Nicholls, JR, Mimura N. 1998. Regional issues raised
by sea level rise and their policy implications.
Clim Res, 11:5-18
Sriartha, IP, dan IWKE Putra. 2015. Distribusi spasial
genangan air laut berdasarkan analisis data
satelit altimetri Envisat di wilayah pesisir barat
Kabupaten Buleleng, Bali. Jurnal Bumi Lestari,
Vol 15 No 2: 165-175.
Ward, PJ, Marfai MA, Yulianto F. Hizbaron DR, Aerts
JCJH. 2011. Coastal inundation and damage
exposure estimation: a case study for Jakarta.
Nat Hazard 56:899-916
71
Tema 4 - Dinamika Penggunaan Lahan di Wilayah Kepesisiran
dan DAS

72
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Pengaruh Kearifan Lokal Terhadap Pengelolaan Hutan Mangrove

Di Desa Tirtohargo Kabupaten Bantul Daerah Istimewa
Yogyakarta

Trisno Falloa, Febriyanti Angela Gintingb, dan Faizal Acoc

aUniversitas Proklamasi 45 Yogyakarta; e-mail: trisnofallo21@gmail.com

bUniversitas Proklamasi 45 Yogyakarta, e-mail: febriyanti.ginting@yahoo.co.id
cUniversitas Proklamasi 45 Yogyakarta; e-mail: faizal_basyarudin@yahoo.com

ABSTRAK
Indonesia mempunyai banyak etnik dan suku bangsa, diman setiap etnik dan suku bangsa mempunyai sistem dan
pendekatannya sendiri dalam memahami dan bersikap terhadap pengelolaan sumberdaya alam. Hampir setiap suku dan kelompok
etnis mempunyai sistem pengetahuan tradisional tersendiri bahkan telah melahirkan inovasi pengelolaan lingkungan dan
pemanfaatan sumberdaya alam yang unik berbasis adat dan budaya setempat (Marfai, 2013). Etika lingkungan memberikan
pemahaman bagaiman manusia bersikap dan bertindak terhadap lingkungan. Penghargaan terhadap lingkungan yang diwujudkan
melalui pengelolaan berkelanjutan, pemeliharaan dan pelestarian lingkungan merupakan bentuk-bentuk interpretasi dari etika
lingkungan. Dewasa ini, terjadi penurunan luas hutan mangrove di daerah pesisir dan vegetasi yang berada di daerah aliran
sungai. Oleh karena itu diperlukan pengelolaan yang baik untuk menjaga kelestarian di daerah pesisir dan daerah aliran
sungai. Kelestarian di daerah pesisir dan daerah aliran sungai dapat terjaga tanpa mengindahkan kaidah -kaidah pelestarian
alam. Pengelolaan kawasan hutan mangrove yang bersifat top down tanpa melibatkan komunitas lokal seringkali dihadapkan
pada kenyataan tidak efektifnya atau tidak taatnya masyarakat dalam mengikuti aturan -aturan pengelolaan kawasan
mangrove (Murdiyanto, 2004). Pemerintah dan masyarakat mempunyai peranan yang sangat menentukan kelestarian hutan
mangrove. Penanganan yang komprehensif sangat berkontribusi terhadap pola pikir, pengetahuan dan ketrampilan
masyarakat dalam mengelola hutan mangrove. Tujuan penelitian adalah mengidentifikasi Kearifan Lokal dan mengidentifikasi
Pemanfaatan Pengelolaan Hutan Mangrove di Desa Tirtohargo Kabupaten Bantul. Metode Penelitian ini menggunakan metode
deskriptif menggunakan studi kepustakaan dengan cara menghimpun informasi yang relevan dengan topik atau masalah yang diteliti
dari berbagai sumber informasi dan buku-buku ilmiah. Teknik pengumpulan data yang digunakan pada penelitian proposal ini
dilakukan dengan observasi, kuisioner (angket), dan wawancara mandalam. Hasil penelitian menunjukkan adanya pengaruh kearifan
lokal terhadap pengelolaan hutan mangrove baik secara fisik, sosial ekonomi dengan menciptakan lapangan kerja bagi masyarakat
di Desa Tirtohargo Kabupaten Bantul Daerah Istimewa Yogyakarta.

Kata kunci: Kearifan Lokal, Hutan Mangrove, Lingkungan

ABSTRACT
Indonesia has numerous ethnic groups, each of which has its own system and approach in understanding and managing natural
resources. Almost every ethnic group has their own traditional methods in managing natural resources; they were even able to create
unique, local culture-based innovations to manage and utilize those resources (Marfai, 2013). Environmental ethics provides
understanding in humans' behavior and action towards their environment. Appreciation to the environment, shown by sustainable
environmental management and preservation, are ways to interpret environmental ethics. Coastal mangrove forestry areas and
watershed area vegetations are radiply declining nowadays; therefore coastal and watershed areas need to be thoroughly preserved.
Coastal and watershed areas can be preserved without following environment conservation principles. A top down mangrove forest
management without involving local communities often ends in ineffectivness due to the locals' disobedience to the regulations set by
the government (Murdiyanto, 2004). Both the government and local communities have important roles in conserving and preserving
mangrove forests. A comprehensive management can contribute to the local communities' mindset, knowledge, and skills in managing
mangrove forests. This study aims to:
a. Identify the nlinfluence of local wisdom to mangrove forest management in Tirtohargo Village, Bantul District.
b. Identify the butilization and management of mangrove forest in Tirtohargo Village, Bantul District.
The method of this study is descriptive using literature study by collecting relevant information from various documents and scientific
books. Data used in this study is collected from observation, questionnaire, and in depth interview. Study results show that local
wisdom influences mangrove forest management phisically and socio-economically, by creating new workfields for the local
community of Tirtohargo Village, Bantul District, Yogyakarta Province.
Keywords: Local Wisdom, Mangrove, Environment

1. Pendahuluan serta lebih dari 17.508 pulau. Dengan demikian,

Menurut Kementerian Kelautan dan Perikanan, Indonesia merupakan salah satu negara dengan garis
Indonesia merupakan negara kepulauan terbesar di pantai terpanjang di dunia dan memiliki daerah pesisir
dunia dengan panjang garis pantai lebih dari 81.000 km yang sangat luas. Oleh karena itu diperlukan
73
pengelolaan yang baik untuk menjaga kelestarian
daerah pesisir. Kelestarian daerah pesisir dapat terjaga
tanpa mengindahkan kaidah-kaidah pelestarian alam.
Menurut Departemen Kelautan dan Perikanan, dewasa
ini terjadi penurunan luas hutan mangrove di daerah
pesisir rata-rata sebesar 11,74 %. Pemerintah dan
masyarakat mempunyai peranan yang sangat
menentukan kelestarian hutan mangrove. Penanganan
yang komprehensif sangat berkontribusi terhadap pola
pikir, pengetahuan dan keterampilan masyarakat dalam
mengelola hutan mangrove. Ekstensi masyarakat lokal
dalam pengelolaan hutan mangrove melalui kearifan
lokal secara terpadu dapat melestarikan hutan mangrove
dan meningkatkan kesejahteraan masyarakat. Dengan
demikian masyarakat dapat menjaga, memelihara, dan
melestarikan daerah pesisir. Penelitian ini terkonsentrasi
di daerah pesisir Dusun Baros, Desa Tirtohargo,
Kabupaten Bantul Daerah Istimewa Yogyakart, karena
memiliki kawasan mangrove. Penelitian ini ingin melihat
pengaruh kearifan lokal terhadap pengelolaan hutan
mangrove.
Tujuan dari penelitian ini adalah:
a) Mengidentifikasi pengaruh kearifan lokal terhadap
pengelolaan hutan mangrove pantai Baros Desa
Tirtohargo di Kecamatan Kretek Kabupaten Bantul
daerah Istimewa Yogyakarta.
b) Mengidentifikasi pemanfaatan pengelolaan hutan
mangrove pantai Baros Desa Tirtohargo di
Kecamatan Kretek Kabupaten Bantul daerah
Istimewa Yogyakarta.
2. Metodologi
2.1. Lokasi Penelitian
Lokasi penelitian ini berada di Desa Tirtohargo
Kabupaten Bantul Daerah Istimewa Yogyakarta. Lokasi
ini menjadi daerah penelitian karena merupakan salah
satu wilayah pesisir di Bantul yang rentan terhadap
abrasisehingga dengan adanya hutan mangrove dapat
mencegah abrasi atau kerusakan kawasan pesisir.
Gambar 1. Peta Desa Tirtohargo, Kecamatan Kretek,
Kabupaten Bantul, Propinsi Daerah Istimewa Yogyakarta.
a. Variabel Penelitian
Variabel yang digunakan dalam penelitian ini adalah
Kearifan Lokal.
b. Metode penelitian
Metode yang digunakan adalah studi kepustakaan
terhadap buku-buku, literatur-literatur dan laporan-
74
laporan yang ada hubungannya dengan masalah
yang diteliti. Peneliti berhadapan dengan berbagai
macam literatur sesuai dengan tujuan dan masalah
yang akan diteliti. Penelitian ini menghasilkan
kesimpulan tentang kecenderungan sebuah teori
digunakan dari waktu ke waktu, perkembangan
sebuah paradigma, dan pendekatan ilmu
pengetahuan tertentu (Bungin, 2004). Data yang
dikumpulkan merupakan data sekunder dari
berbagai sumber data dan publikasi yang terkait
dengan topik penelitian. Data primer yang digunakan
adalah dari kuisioner yang disebar ke masyarakat
yang merupakan populasi, misalnya pekerjaan,
umur, tempat tinggal, Penentuan sampel dalam
penelitian ini sebanyak 100 rumah tangga.
Penentuan sampel menggunakan snow ball. Data
yang disusun ditabulasi sesuai dengan kebutuhan
analisis. Metode penelitian ini adalah deskriptif.
3.2. Tahapan Penelitian
Tahapan proses dalam penelitian ini dapat
digambarkan pada flow chart sebagaimana terlihat pada
Gambar 3.2.
Mulai
Pengumpulan Data
Penyebaran Studi
Angket Kepustakaan
Analisa Data & Pembahasan
Selesai
Gambar 2. Tahapan Penelitian
Secara sekilas tahapan Penelitian ini dapat
dijelaskan sesuai dengan alur yang telah dibuat pada
Gambar 3.2.
a. Persiapan
Tahap persiapan meliputi observasi di Desa
Tirtohargo Kabupaten Bantul Daerah Istimewa
Yogyakarta
b. Pengumpulan Data
Proses pengumpulan data meliputi penyebaran
kuisioner tentang partisipasti dan manfaat yang
diperoleh dengan adanya pengelolaan hutan
mangrove bagi masyarakat di Dusun Baros Desa
Tirtohargo Kabupaten Bantul Daerah Istimewa
Yogyakarta dan studi kepustakaan.
c. Analisa dan Pembahasan
Data yang di kumpulkan dari kuisioner
dikombinasikan dengan data-data yang didapatkan
dari studi kepustakaan yang diperoleh dari
pemerintah setempat. Hasil penelitian
menunjukkan adanya Pengaruh Kearifan Lokal
Terhadap Pengelolaan Hutan Mangrove di Desa
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Tirtohargo Kabupaten Bantul Daerah Istimewa

Yogyakarta.

d. Kesimpulan dan Laporan

Setelah semua data pengujian dianalisa, maka
selanjutnya adalah membuat jurnal ilmiah di jurnal
teknik lingkungan Universitas Proklamasi 45
Yogyakarta dan laporan penelitian ke Dikti. Bagian
ini, merupakan bagian penutup dari Penelitian ini.

3. Hasil dan Pembahasan

3.1. Keadaan Umum Hutan Mangrove dan Desa Gambar 3. Vegetasi Hutan Mangrove di Pantai Baros
Tirtohargo
Menurut BPS Bantul, Desa Tirtohargo secara
geografis berada pada koordinat 08o00’ dan 110o17’ 55”
3.2. Kearifan Lokal Masyarakat Desa Tirtohargo
BT. Suhu tertinggi yang tercatat di Desa Tirtohargo
Terhadap Pengelolaan Hutan Mangrove
adalah 35ºC dengan suhu terendah 28ºC. Desa ini
Dusun Baros merupakan salah satu dusun di
memiliki 5 bulan hujan dengan curah hujan ± 1580-2748
Desa Tirtohargo yang memiliki hutan mangrove. Nilai-
mm/tahun. Bentangan wilayah di Desa Tirtohargo 95%
nilai yang tertanam tentang pentingnya menjaga hutan
berupa daerah yang datar sampai berombak dan 5%
mangrove sangat melekat di kalangan pemuda-pemudi
berupa daerah yang berombak sampai berbukit.
Baros. Berdasarkan observasi di lapangan dan
Ketinggian tempat Desa Tirtohargo dari permukan air
wawancara dengan para pemuda Baros, mereka
laut 3-4 meter di atas permukaan air laut. Desa
memiliki waktu rutin untuk kegiatan di kawasan hutan
Tirtohargo terbagi menjadi 6 wilayah pedukuhan yaitu :
mangrove.
Dusun Baros, Dusun Muneng, Dusun Gunung Kunci,
Dusun Gegunung, Dusun Kalangan, dan Dusun Karang.
Desa Tirtohargo memiliki luas tanah kering sebesar
121,98 ha, hutan konservasi sebesar 5 ha, dan hutan
mangrove sebesar 5 ha. Luas persawahan yang berada
di Desa Tirtohargo ini didukung dengan mata
pencaharian warga Desa Tirtohargo terbanyak pada
mata pencaharian buruh tani.
Kawasan konservasi hutan mangrove di Desa
Tirtohargo terbentuk sejak tahun 2003 atas kerja sama
LSM Relung dan Pemuda-Pemudi Baros. Pengelolaan
diserahkan penuh kepada kelompok Pemuda Pemudi
Baros pada tahun 2007 hingga saat ini. Vegetasi hutan Gambar 4. Kegiatan Pemuda Pemudi Baros
mangrove di daerah Pantai Baros terdiri dari Avicennia
sp, Rizophora sp, Bruguiera sp, Nypa frutican. Jenis Berbagai kegiatan kerap dilakukan, salah
yang paling dominan adalah Avicennia sp karena satunya adalah membersihkan kawasan hutan
memiliki struktur perakaran yang kuat sehingga dapat mangrove Pantai Baros yang sering kotor akibat sampah
menahan hempasan ombak dari pantai selatan Pulau yang dibawa oleh sungai. Masyarakat yang digerakkan
Jawa. oleh pemuda-pemudi Baros bergotong royong
membersihkan sampah yang mencemari kawasan hutan
mangrove. Ada sampah kasur, botol minuman, bungkus
snack, sepatu, baju, keset kaki, plastik, dan lainnya.
Menurut ketua pemuda pemudi Baros, setiap hari selalu
ada sampah yang dibawa sungai yang setiap hari
jumlahnya selalu meningkat.
Kawasan hutan mangrove berdampingan
dengan area pertanian masyarakat Desa Tirtohargo.
Area pertanian ini kerap dilanda buntu suangan yaitu
penutupan muara oleh pasir laut dan mengakibatkan
banjir di area pertanian. Solusi yang dilakukan warga
adalah bergotong royong membuat selokan agar air
dapat mengalir ke laut.

75

Gambar 5. Area Pertanian yang dekat dengan Kawasan
Hutan Mangrove
Salah satu usaha yang dilakukan pemuda-pemudi
Baros untuk menjaga kawasan hutan mangrove adalah
tidak memperbolehkan penambang ilegal mengambil
pasir yang berada di kawasan hutan mangrove Pantai
Baros. Kegiatan penambangan pasir sangat merugikan
dan berpotensi menimbulkan bencana. Salah satu
kerugian dan bencana akibat penambangan ini adalah
rusaknya jalan desa, keringnya sumur-sumur warga,
hingga mampetnya saluran irigasi. Teknik sedot yang
dilakukan para penambang dikhawatirkan amblasnya
lahan yang dapat membahayakan masyarakat Desa
Tirtohargo dan merusak hutan mangrove di sekitarnya.
Upaya lain yang kerap dilakukan Pemuda-Pemudi
Baros adalah menanam bibit mangrove. Kegiatan ini
diharapkan melindungi bibir pantai dari terjangan ombak
dan menjaga ekosistem pantai. Kegiatan-kegiatan yang
sudah dilakukan Pemuda-Pemudi Baros ini juga
merupakan upaya yang untuk merawat dan
mengembangkan kawasan mangrove secara terpadu
melalui SK Bupati Bantul nomor 284 tahun 2014 tentang
pencadangan kawasan konservasi Taman Pesisir di
Kabupaten Bantul.
Gambar 1.5a.
76
Gambar 1.5b.
Gambar 6. Hasil Kegiatan Penanaman Mangrove oleh
Pemuda Baros
3.3. Pemanfaatan Pengelolaan Hutan Mangrove di Desa
Tirtohargo Kabupaten Bantul
Pemanfaatan pengelolaan hutan mangrove
memiliki dampak fisik, sosial dan ekonomi masyarakat
baik secara langsung dan tidak langsung seperti adanya
pembanguan gardu pandang, joglo untuk menarik
wisatawan, selain itu adanya kegiatan penanaman
mangrove dari berbagai LSM, masyarakat atau
pemerintah serta meningkatkan pendapatan masyarakat
melalui kegiatan wisata atau penanaman benih
mangrove yang dibeli dari masyarakat sekitar.
Penanaman bibit mangrove memberikan dampak
terhadap lingkup yaitu menjaga bibir pantai dari
terjangan ombak laut. Di sebelah utara hutan mangrove
pantai Baros terdapat areal pertanian warga Desa
Tirtohargo, hutan mangrove bagi para petani merupakan
benteng pertahanan areal pertanian dari terjangan
ombak yang dapat merusak areal pertanian warga.
Hutan mangrove di Desa Tirtohargo secara
langsung memberikan dampak sosial ekonomi bagi
masyarakat sekitar. Hal ini terlihat dari aktivitas warga
yang mengolah sampah dari laut menjadi barang
kerajinan. Tidak hanya itu, masyarakat mengolah kayu
mangrove menjadi barang kerajinan sepert hiasan-
hiasan rumah yang memiliki nilai jual tinggi di pasaran.
Hiasan-hiasan rumah tersebut diekspor ke luar negeri.
Tidak hanya memberi dampak sosial ekonomi,
pemanfaatan pengelolaan hutan mangrove juga
menciptakan lapangan kerja baru bagi masyarakat Desa
Tirtohargo.
Gambar 7. Hasil Pengelolahan Sampah Menjadi
Barang Kerajinan
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

4. Kesimpulan/Rekomendasi
Kearifan lokal adalah bagian dari budaya suatu
masyarakat yang tidak dapat dipisahkan dari masyarakat
itu sendiri. Kearifan lokal masyarakat Desa Tirtohargo
dalam hal ini sebagai nelaya, petani dan tinggal di
daerah pesisir ikut berperan penting dalam pengelolaan
hutan mangrove baik secara fisik dan sosial ekonomi
sekaligus menciptakan lapangan kerja bagi masyarakat
Baros Desa Tirtohargo Kecamatan Kretek Kabupaten
Bantul Propinsi Daerah Istimewa Yogyakarta. Dengan
demikian perlunya dukungan dari pemerintah setempat
untuk menjadikan kearifan lokal sebagai pilar dalam
pengelolaan lingkungan selain itu juga pemerintah wajib
memberikan dukungan bagi industri kecil dari
masyarakat dalam pengelolaan kayu hasil hutan
mangrove.

DAFTAR PUSTAKA

Bengen, D.G. (2001). Sinopsis Ekosistem dan

Sumberdaya Alam Pesisir dan Laut. Pusat Kajian
Bengkulu Utara. Bengkulu.
Bungin, B., 2003. Analisis Data Penelitian Kualitatif. Raja
Grafindo Persada. Jakarta.
Christanto, J. 2010. Pengantar Pengelolaan Berkelanjutan
Sumberdaya Pesisir dan Pulau-Pulau Kecil.
Deepublish, Yogyakarta https://bantulkab.bps.go.id
(diakses tanggal 10 Agustus 2019)
Keraf, A. S., 2002. Etika Lingkungan. Kompas. Jakarta.
Kusmana, C. 1997. Metode survey vegetasi. IPB Press. Bogor.
Kustanti. 2011. Manajemen Hutan Mangrove. IPB Press,
Bogor.
Marfai, M.A. 2011. “The hazard of coastal erosion in Central
Java Indonesia: an overview”. GEOGRAFIA, Malaysia
Journal of Society and Space, 7(3), 1 – 9.
Peraturan Daerah Kabupaten Bantul Nomor 04 Tahun 2011
tentang Rencana Tata Ruang Wilayah Kabupaten
Bantul Tahun 2010-2030.
Purba, J. 2002. Pengelolaan Lingkungan sosial. Jakarta:
Yayasan Obor Indonesia.
Siburian & Haba. 2016. Konservasi Mangrove dan
Kesejahteraan Masyarakat. Jakarta : Buku Obor.
Srivastana, P. B. L., A. Sani And D. Kamis 1980. Status and
dispersal of natural regeneration in Matang mangrove
reserve on Paninsular, Malaysia. Tropical Ecology and
Development.

77
Karakteristik Habitat Peneluran Penyu Hijau (Chelonia Mydas) di
Sebagian Pesisir Jawa Timur
Sunartoa, Arlita Prasetyaningruma, Arinda Eka Safitria, Djati Mardiatnoa

a,Departemen Geografi Lingkungan, Fakultas Geografi, Universitas Gadjah Mada, Sekip Utara Jalan Kaliurang,
Bulaksumur, Yogyakarta, 55281, e-mail: sunarto@ugm.ac.id
bDepartemen Geografi Lingkungan, Fakultas Geografi, Universitas Gadjah Mada, Sekip Utara Jalan Kaliurang,

Bulaksumur, Yogyakarta, 55281, e-mail: arlitaprasetyaningrum@gmail.com

ABSTRAK
Salah satu jalur aktif migrasi penyu di Jawa Timur adalah Pesisir Malang dan Pesisir Jember yang memiliki banyak habitat peneluran
Penyu Hijau di dalamnya, karena lokasinya berbatasan dengan Samudera Hindia. Penelitian ini bertujuan menganalisis karakteristik
geomorfik habitat peneluran Penyu Hijau di sebagian pesisir Jawa Timur. Karakteristik geomorfologi penting dikaji karena habitat
peneluran penyu berkaitan dengan kondisi geomorfologi. Metode pengumpulan data secara purposive sampling dengan cara
mengidentifikasi karakteristik di setiap sarang Penyu Hijau. Data yang diperlukan adalah, aspek morfologi (panjang, lebar, dan
kemiringan pantai); material (ukuran butir dan bentuk butir); dan proses (angin dan gelombang). Hasil penelitian menunjukkan bahwa
morfologi di kedua pesisir tersebut memiliki kemiringan lereng 2-13%, yaitu sesuai untuk habitat peneluran Penyu Hijau. Material
berupa pasir sedang dengan kebundaran agak menyudut-kebundaran tinggi dan kebulatan sedang-tinggi. Angin tergolong dalam
udara ringan hingga sepoi kuat, dan memiliki tipe empasan surging.

Kata Kunci: Geomorfologi; Jember; Malang; Penyu; Pesisir

ABSTRACT
Malang Coastal Area and Jember Coastal Area are one of the active migration routes in East Java that have a lot of Green Sea turtle
nesting habitats since their locations are bordering The Indian Ocean. Therefore, this research aims to analyze the geomorphological
characteristic of turtles’ nesting habitat in East Java. The characteristic of geomorphology is important to study because turtle nesting
habitats relate to geomorphological conditions. The method of collecting data was purposive sampling by identified characteristic in
each nest. The data required a morphology aspect (length, width, and coastal slope), material (grain-size and grain-shape) and
process (wind and wave). The results show that the parts of East Java have a suitable area for turtle nesting habitat because they
have 2-13% of coastal slope. Type of material is composed of medium sand with sub-angular to well-rounded and moderate-sphericity
to high-sphericity. The wind is classified as light air to strong wind, and the type of waveform is surging.

Keywords: Geomorphology, Jember, Malang, Turtles, Coast.

1. Pendahuluan
Penyu hijau merupakan salah satu penyu yang
paling banyak ditemukan di perairan Indonesia karena
Penyu Hijau merupakan reptil yang mampu bermigrasi
jauh dan umumnya ditemukan di perairan bagian
subtropis dan tropis. Selain Penyu Belimbing, Penyu
Hijau merupakan salah satu penyu terbesar karena
memiliki diameter karapas yang besar. Bentuk kepala
yang kecil, paruh yang tumpul, dan lemak di bagian perut
yang berwarna hijau menjadi ciri khas dari jenis Penyu
Hijau.
Menurut Ibrahim, Djumanto, & Probosunu (2016),
jumlah telur Penyu Hijau untuk sekali bertelur sebanyak
74-114 butir, namun rasio keberhasilan penyu sampai
dewasa hanya berkisar 1 ekor dibanding 1000 ekor
penyu. Oleh sebab itu, Penyu Hijau merupakan hewan
yang dilindungi karena setiap tahun mengalami
penurunan populasi. Penurunan populasi penyu juga
dapat dikarenakan rusaknya kawasan pantai habitat
peneluran penyu, penurunan jumlah telur karena
perburuan telur dan ancaman dari fisik pantai maupun
aktivitas manusia. Menurut IUCN dalam Pratiwi (2016),
Penyu Hijau memiliki status yang rentan punah dalam
Appendix I.
78
Pesisir Selatan Jawa merupakan jalur migrasi
penyu untuk bertelur. Penyu memiliki karateristik tempat
bersarang yang khas sehingga tidak semua pantai dapat
menjadi habitat peneluran penyu. menurut Yustina, dkk
(2004), kemiringan pantai berpengaruh pada kehadiran
penyu untuk melakukan peneluran. Pantai yang luas juga
menjadi faktor habitat peneluran penyu. Salah satu
contoh lokasi pendaratan penyu untuk bertelur adalah
wilayah Pesisir Bajul Mati dan Pesisir Jolangkung,
Kabupaten Malang, serta Pesisir Paseban dan Pesisir
Nyamplong Kobong, Kabupaten Jember, Provinsi Jawa
Timur .
Sarang di pantai berpasir digunakan penyu sebagai
inkubator. Suasana dari lingkungan di suatu pantai harus
dapat mendukung perkembangan embrio penyu.
Persyaratan umum pantai peneluran penyu yakni
merupakan pantai yang mudah dijangkau dari laut, posisi
pantai cukup tinggi dari permukaan air laut untuk
mencegah telur terendam saat air pasang serta memiliki
pasir pantai dengan ukuran sedang dan relatif lepas-
lepas. (Satriadi, dkk, 2003). Habitat peneluran penyu
berkaitan dengan kondisi biologi pantai seperti jenis
vegetasi, kondisi fisik pantai berupa panjang dan lebar
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

pantai, kemiringan pantai serta jenis tekstur material.

(Yayasan Alam Lestari, 2000).
Kajian mengenai karakteristik geomorfik habitat
peneluran penyu penting guna upaya pengelolaan
pesisir, terutama pengelolaam pesisir berupa konservasi
kawasan. Konservasi kawasan diperlukan karena
populasi penyu terus menurun sehingga perlu adanya
kegiatan konservasi. Kondisi tersebut menjadi dasar
penelitian dengan tujuan menganalisis karakteristik
geomorfik habitat peneluran Penyu Hijau di sebagian
pesisir Jawa Timur.

2. Metodologi
Lokasi penelitian berada di pesisir selatan Provinsi
Jawa Timur khususnya di pesisir Kabupaten Malang dan
Kabupaten Jember. Terdapat dua pesisir di Kabupaten
Malang, yaitu Pesisir Bajul Mati dan Pesisir Jolangkung,
dan terdapat dua pesisir di Kabupaten Jember, yaitu
Pesisir Paseban dan Pesisir Nyamplong Kobong. Secara
administratif Pesisir Bajulmati dan Pesisir Jolangkung
terletak di Kecamatan Gedangan, Kabupaten Malang.
Kedua pesisir tersebut letaknya bersebalahan. Pesisir
Paseban dan Pesisir Nyamplong Kobong terletak di Gambar 1. Lokasi Penelitian Pesisir Paseban dan Pesisir
Kecamatan Gumukmas dan Kecamatan Kencong, Nyamplong Kobong, Kabupaten Jember, Provinsi Jawa Timur
Kabupaten Jember secara berturut-turut. Keempatan
pesisir di Kabupaten Malang dan Kabupaten Jember
berbatasan dengan Samudera Hindia di bagian selatan.
Gambar lokasi penelitian di Pesisir Paseban dan Pesisir
Nyamplong Kobong dapat dilihat pada Gambar 1, dan
gambar lokasi penelitian di Pesisir Bajulmati dan Pesisir
Jolangkung dapat dilihat pada Gambar 2.
Metode penelitian yang digunakan untuk
mengidentifikasi karakteristik geomorfik untuk habitat
peneluran Penyu Hijau adalah metode purposive
sampling. Metode ini dilakukan pada setiap sarang jenis
Penyu Hijau (Chelonia mydas). Masing-masing sarang
kemudian dilakukan pengukuran aspek morfologi,
material, dan proses geomorfik. Data yang digunakan
dalam mengidentifikasi karakteristik geomorfik untuk
habitat peneluran penyu antara lain morfologi yang terdiri Gambar 2. Lokasi Penelitian Pesisir Bajul Mati dan Pesisir
dari panjang pantai, lebar pantai, dan kemiringan pantai; Jolangkung, Kabupaten Malang, Provinsi Jawa Timur
data material sedimen terdiri dari ukuran butir dan bentuk
butir; dan data proses geomorfik yang terdiri dari angin Tabel 1. Data yang Dibutuhkan
dan gelombang. No Aspek Data
Sumber data yang digunakan pada penelitian ini 1 Morfologi Pantai Data panjang gelombang, lebar
berupa data primer yang diperoleh melalui observasi pantai, dan kemiringan lereng.
langsung di lapangan. Data yang dibutuhkan dalam 2 Material Sedimen Data ukuran butir dan bentuk butir.
penelitian ini ditampilkan pada Tabel 1. Aspek morfologi 3 Proses Geomorfik Data angin yang terdiri dari
yang terdiri dari lebar pantai, dan kemiringan lereng kecepatan angin dan arah angin.
diperoleh melalui pengukuran menggunakan pita ukur, Data gelombang yang terdiri dari
sedangkan data panjang pantai menggunakan estimasi periode gelombang, panjang
gelombang, tinggi gelombang,
citra google earth. Teknik pengumpulan data material
tinggi empasan gelombang, dan
sedimen diperoleh dengan cara mengambil sampel
tipe empasan gelombang.
sedimen sebanyak 1 kg dengan menggunakan cetok ke Sumber data: Kebutuhan penulis, 2019
dalam plastik sampel. Material sedimen diambil dengan
cara mengggali sarang sedalam ±30 cm. Aspek proses
geomorfik untuk data angin diperoleh melalui
pengukuran AWS (Automatic Weather Station), dan data
gelombang diperoleh melalui perhitungan menggunakan
Rumus Airy (Pethick, 1984).

79
 Teknik pengolahan data morfologi ditampilkan Penangkaran lama telur penyu yang ada di Pesisir Bajul
dalam bentuk tabel matriks. Data material sedimen Mati ditunjukkan pada Gambar 3.
berupa ukuran butir diolah melalui teknik pengayakan
atau sievening kemudian diolah menggunakan aplikasi
Gradistat. Aplikasi tersebut bertujuan untuk
menghasilkan menganalisa ukuran butir dan
menampilkannya dalam nilai-nilai statistik. Analisis
statistik ukuran butir sedimen yang ditampilkan dalam
ukuran statistik seperti mean, modus, skewness, sortasi,
dan standar deviasi (Blott & Pye, 2001). Data bentuk butir
diolah menggunakan tabel skala kebundaran dan skala
kebulatan. Data proses geomorfik yang meliputi angin
dan gelombang diolah melalui perhitungan
menggunakan Rumus Airy (Pethick, 1984).

3. Hasil dan Pembahasan

3.1. Pesisir Kabupaten Malang
Pesisir selatan yang terletak di Kabupaten Malang
merupakan salah satu lokasi pendaratan untuk spesies
Penyu Hijau (Chelonia mydas). Lokasi pendaratan
tersebut terletak di Pesisir Bajul Mati dan Pesisir
Joalngkung. Kedua pesisir tersebut berhadapan
langsung dengan Samudera Hindia di bagian selatan
dan terletak bersebalahan hanya dibatasi oleh cliff.
Secara umum kedua pesisir tersebut memiliki suasana
yang ramai saat akhir pekan karena kawasan tersebut
dijadikan kawasan pariwisata. Salah satu dari pesisir
tersebut terdapat penangkaran penyu untuk upaya
konservasi yaitu di Pesisir Bajul Mati yang didirikan sejak
tahun 2014 oleh swadaya masyarakat sekitar.
Gambar 3. Penangkaran Penyu di Pesisir Bajul Mati
3.1.1 Pesisir Bajul Mati
Karakteristik geomorfik untuk habitat peneluran
penyu terdiri dari aspek morfologi, material, dan proses
geomorfik. Secara rinci karakteristik geomorfik untuk
habitat peneluran penyu di Pesisir Kabupaten Malang
ditampilkan dalam Tabel 2. Aspek morfologi terdiri dari
panjang pantai, lebar pantai, dan kemiringan pantai.
Aspek morfologi dijabarkan berdasarkan analisis
morfometri yang diukur secara langsung di lapangan.
Karakteristik geomorfik disajikan dalam peta infografis
Pesisir Bajul Mati dan Pesisir Jolangkung yang
ditunjukkan dalam Gambar 4 dan Gambar 5 secara
berturut-turut.

Gambar 4. Peta Infografis Karakteristik Geomorfik Pesisir Bajul Mati, Kabupaten Malang

80
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Gambar 5. Peta Infografis Karakteristik Geomorfik Pesisir Jolangkung, Kabupaten Malang

Pesisir Bajul Mati memiliki panjang pantai sebesar
788 m dengan lebar pantai berkisar dari 29,4-41,2 m dan
memiliki rata-rata lebar pantai sebesar 34,09 m.
Kemiringan panta di kawasan ini berkisar darii 4-9%
dengan klasifikasi landai-miring dan rata-rata kemiringan
pantai sebesar 5,75 %. Menurut Nuitja (1992) ,
kemiringan pantai dengan nilai 5,75% termasuk dalam
kategori landai. Kemiringan pantai yang landai dapat
memudahkan penyu untuk menuju tempat sarang
peneluran. Namun pada salah satu satu titik pengamatan
ditemukan abrasi pantai yang cukup tinggi yaitu setinggi
1,2 meter yang terletak dekat dengan garis pantai. Abrasi
pantai tersebut dapat menjadi penghambat penyu untuk
mencapai lokasi sarang untuk bertelur. Pengahalang
menuju pantai berupa tebing batu-batu cadas serta
gangguan lainnya seperti abrasi berpengaruh terhadap
kehadiran penyu di pesisir tersebut karena penghalang
tersebut menjadi penghambat penyu untuk meraih
tempat aman untuk bertelur (Yustina et al, 2004). Kondisi
abrasi pantai yang ditemukan di Pesisir Bajul Mati
ditunjukkan pada Gambar 6.

Tabel 2. Hasil Rekapitulasi Karakteristik Geomorfik Habitat Peneluran Penyu di Pesisir Kabupaten Malang
Pesisir
Karakteristik Geomorfik Pesisir Bajul Mati
Jolangkung
Panjang Pantai (m) 788 694
Morfologi Lebar Pantai (m) 27,6-41,2 27,3-52,6
Kemiringan Pantai (%) 4-9 2-13
Rata-Rata (µm) 348,5-438,4 339,2-487,7
Tekstur Pasir sedang Pasir sedang
Sortasi Sortasi sedang-sortasi agak baik Sortasi sedang
Ukuran Butir
Kemencengan kasar Kemencengan kasar-kemencengan
Material Kemencengan
halus
Keruncingan Mesokurtik-platikurtik Mesokurtik-platikurtik
Kebundaran Bundar-sangat bundar Agak bundar-bundar
Bentuk Butir
Kebulatan Kebulatan tinggi Kebulatan sedang-kebulatan tinggi
0,89-12,7 1,1-11,01
Kecepatan Angin (m/s)
Angin
Arah Angin Timur Laut Timur Laut
Periode (detik) 9,33-12 9,3-11,93
Proses
Tinggi (m) 0,11-0,47 0,04-0,42
Gelombang Panjang (m) 165,1-224,6 134,9-222
Tinggi Empasan (m) 0,1-0,81 0,12-0,79
Tipe Empasan Surging Surging
Sumber data : Hasil pengolahan, 2019

Proses geomorfik terdiri dari angin dan gelombang. kuat menurut Skala Beaufort. Arah angin didominasi
Berdasarkan kecepatan angin, kondisi angin di Pesisir menuju ke timur laut, karena pengukuran dilakukan pada
Bajul Mati tergolong uadara ringan hingga angin sepoi bulan Januari (musim barat). Tipe gelombang di Pesisir
81
Bajul Mati adalah tipe surging yang memiliki karakteristik
pecah gelombang tepat di tepi pantai dengan tinggi
gelombang berkisar 0,11-0,47 m. Tipe gelombang
didapatkan melalui perhitungan dari periode gelombang,
tinggi gelombang, panjang gelombang, dan tipe
empasan gelombang.
Tinggi abrasi
1,2 meter
Gambar 6. Abrasi Pantai di Pesisir Bajul Mati
Material penyusun di Pesisir Bajul Mati terdiri dari
aspek ukuran butir dan bentuk butir. Berdasarkan hasil
analisis Gradistat, material sedimen di Pesisir Bajul Mati
dominan tergolong pasir sedang (medium sand) dengan
. nilai mean dari ukuran butir berkisar dari 348,5-438,4
µm. Kandungan tekstur pasir yang tinggi dapat
mengurangi resiko sarang terendam air laut karena sifat
pasir dapat meloloskan air sehingga mengurangi resiko
pembusukan telur (Nuitja & Uchida, 1983). Sortasi atau
pemilahan material pasir di Pesisir Bajul Mati tergolong
dalam klasifikasi soertasi sedang hingga agak baik .
Aspek bentuk butir didominasi oleh kebulatan yang tinggi
dan kebundaran agak bundar.
3.1.2 Pesisir Jolangkung
Pesisir Jolangkung memiliki panjang pantai
sebesar 694 m dengan lebar pantai berkisar dari 27,3-
52,6 m dan memiliki rata-rata lebar pantai sebesar 38,86
m. Kemiringan panta di kawasan ini berkisar darii 2-13%
dengan klasifikasi datar-miring dan rata-rata kemiringan
pantai sebesar 5,57 %. yang termasuk landai. Semakin
datar kemiringan dari suatu pantai maka kesesuaian
sebagai habitat peneluran penyu semakin tinggi.
Sebaliknya, semakin curam suatu pantai maka semakin
besar energi yang diperlukan penyu untuk naik menuju
sarang (Yusuf, 2000). Kondisi kemiringan pantai
ditunjukkan pada Gambar 7.
Proses geomorfik terdiri dari angin dan gelombang.
Berdasarkan kecepatan angin, kondisi angin di Pesisir
Jolangkung tergolong udara ringan hingga angin sepoi
kuat menurut Skala Beaufort dengan rah angin
didominasi menuju ke timur laut, karena pengukuran
dilakukan pada bulan Januari (musim barat). Tipe
82
gelombang di Pesisir Jolangkung adalah tipe surging
yang memiliki karakteristik pecah gelombang tepat di tepi
pantai dengan tinggi gelombang berkisar antara 0,04 -
0,42 m . Tipe gelombang didapatkan melalui perhitungan
dari periode gelombang, tinggi gelombang, panjang
gelombang, dan tipe empasan gelombang.
Material penyusun dominan pasir dengan
klasifikasi pasir sedang dengan nilai mean dari ukuran
butir berkisar antara 339,3-486,2 µm. Bentuk butir di
Pesisir Jolangkung temasuk dalam agak bundar-bundar
dengan kebulatan sedang-kebulatan tinggi.
Gambar 7. Kemiringan Pantai yang landai di Pesisir
Jolangkung
3.2. Pesisir Kabupaten Jember
Pesisir selatan yang terletak di Kabupaten Jember
merupakan salah satu lokasi pendaratan untuk spesies
Penyu Hijau (Chelonia mydas). Lokasi pendaratan
tersebut terletak di Pesisir Nyamplong Kobong dan
Pesisir Paseban. Kedua pesisir tersebut berhadapan
langsung dengan Samudera Hindia di bagian selatan.
Secara umum kedua pesisir tersebut memiliki suasana
yang sepi, jarang dikunjungi wisatawan, dan banyak
sampah di sekitar pantai. Vegetasi yang berada di Pesisir
Nyamplong Kobong dan Pesisir Paseban adalah Pandan
Laut (Pandanus tectorius) dan Rumput Duri (Spinifex
littoreus).
Karakteristik geomorfik untuk habitat peneluran
penyu terdiri dari aspek morfologi, material, dan proses
geomorfik. Secara rinci karakteristik geomorfik untuk
habitat peneluran penyu di Pesisir Kabupaten Jember
ditampilkan dalam Tabel 3. Aspek morfologi terdiri dari
panjang pantai, lebar pantai, dan kemiringan pantai.
Aspek morfologi dijabarkan berdasarkan analisis
morfometri yang diukur secara langsung di lapangan.
Karakteristik geomorfik disajikan dalam peta infografis
Pesisir Paseban dan Pesisir Nyamplong Kobong yang
ditunjukkan dalam Gambar 8 dan Gambar 9 secara
berturut-turut.
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Gambar 8. Peta Infografis Karakteristik Geomorfik Pesisir Paseban, Kabupaten Jember

Gambar 9. Peta Infografis Karakteristik Geomorfik Pesisir Nyamplong Kobong, Kabupaten Jember

83
 Tabel 3. Hasil Rekapitulasi Karakteristik Geomorfik Habitat Peneluran Penyu di Pesisir Kabupaten Jember
Pesisir
Karakteristik Geomorfik Pesisir Paseban
Nyamplong Kobong
Panjang Pantai (m) 750 3360
Morfologi Lebar Pantai (m) 42.29 - 87.9 30.8 - 40
Kemiringan Pantai (%) 2.44 - 7.34 5.42 - 12.63
Rata-Rata (µm) 264 - 336.1 337 - 398.8
Tekstur Pasir Sedang Pasir Sedang
Sortasi Sortasi Agak Baik Sortasi Agak Baik
Ukuran Butir
Kemencengan kasar - Simetri - Kemencengan
Kemencengan
Material Kemencengan halus halus
Keruncingan Mesokurtik – Platikurtik Mesokurtik - Leptokurtik
Agak Menyudut - Agak
Kebundaran Agak Bundar
Bentuk Butir Bundar
Kebulatan Kebulatan Tinggi Kebulatan Tinggi
Kecepatan Angin (m/s) 0.03 - 6.66 1.18 - 6.37
Angin
Arah Angin Barat dan Barat Laut Barat
Periode (detik) 15.5 - 16.9 16.3 - 20.7
Proses Tinggi (m) 0.0008 - 0.2118 0.037 - 0.197
Gelombang Panjang (m) 375.31 - 449.8 419.2 - 672.1
Tinggi Empasan (m) 0 - 0.9 0.0001 - 0.1172
Tipe Empasan Surging Surging
Sumber data : Hasil pengolahan, 2019

3.2.1 Pesisir Paseban
Morfologi dari Pesisir Paseban memiliki panjang
pantai 750 meter dengan lebar pantai rata-rata 61,36
meter. Kemiringan pantai di Pesisir Paseban berkisar
antara 2,44 sampai 7,34% dengan rata-rata kemiringan
pantai sebesar 4,67%. Kemiringan pantai <16%
merupakan kemiringan pantai yang sesuai untuk
habitat peneluran penyu (Nuitja, 1992). Kemiringan
pantai tersebut diklasifikasikan dalam kemiringan
pantai landai dan sesuai untuk habitat peneluran
penyu. Menurut Nuitja (1992), semakin landai suatu
pantai maka semakin memudahkan penyu dalam
mencapai lokasi penelurannya. Berdasarkan Tabel 3
kemiringan pantai di Pesisir Paseban lebih landai
dibandingkan Pesisir Nyamplong Kobong. Kondisi
kemiringan pantai yang landai dapat dilihat pada
Gambar 10.
Material sedimen di Pesisir Paseban terdiri dari
aspek ukuran butir dan bentuk butir. Berdasarkan hasil
analisis Gradistat, material sedimen di Pesisir Paseban
didominasi oleh pasir sedang (medium sand) dengan
ukuran 250-500 µm. Sortasi atau pemilahan material
pasir di Pesisir Paseban tergolong dalam klasifikasi
agak baik. Artinya, material sedimen di Pesisir
Paseban didominasi oleh tekstur pasir sedang dengan
sortasi yang agak baik sehingga pasir memiliki
kemampuan meloloskan air dengan baik. Kondisi
tersebut mampu menjadi inkubator yang baik untuk
penyimpanan telur penyu agar tidak busuk. Aspek
bentuk butir didominasi oleh kebulatan yang tinggi dan
kebundaran agak bundar.
Gambar 10. Kemiringan Pantai yang Landai di Pesisir
Paseban
Proses geomorfik terdiri dari angin dan
gelombang. Berdasarkan kecepatan angin, kondisi
angin di Pesisir Paseban tergolong dalam skala 0
(angin tenang) dan skala 4 (angin sepoi sedang)
menurut Skala Beaufort. Arah angin didominasi menuju
ke arah barat dan barat laut, karena pengukuran
dilakukan pada bulan April (musim timur). Tipe
gelombang di Pesisir Paseban adalah tipe surging
yang memiliki karakteristik pecah gelombang tepat di
tepi pantai. Tipe gelombang didapatkan melalui
perhitungan dari periode gelombang, tinggi
gelombang, panjang gelombang, dan tipe empasan
gelombang. Periode gelombang rata-rata di Pesisir
Paseban adalah 16,3 detik, tinggi gelombang rata-rata
adalah 0.0998 meter, dan panjang gelombang rata-rata
adalah 419.23 meter.
3.2.2 Pesisir Nyamplong Kobong
Berdasarkan Tabel 3, panjang pantai Pesisir
Nyamplong Kobong adalah 3367 meter dengan lebar
pantai rata-rata 34,97 meter. Kemiringan pantai di
Pesisir Nyamplong Kobong berkisar antara 5,42 -12,63
% dengan rata-rata kemiringan pantai sebesar 9,36%.
Menurut Nuitja (1992) kemiringan pantai tersebut
tergolong dalam klasifikasi miring. Klasifikasi
kemiringan lereng kurang dari 16% masih tergolong
sesuai untuk habitat peneluran penyu. Kemiringan
pantai yang miring tersebut diakibatkan oleh adanya
abrasi di beberapa titik pengamatan di Pesisir
Nyamplong Kobong. Adanya abrasi di Pesisir
Nyamplong Kobong juga menyebabkan mundurnya
garis pantai, sehingga lebar pantai akan semakin kecil.
Hal ini dibuktikan dengan perbandingan lebar pantai
yang lebih kecil di Pesisir Nyamplong Kobong
dibandingkan di Pesisir Paseban. Abrasi di Pesisir
Nyamplong Kobong dapat dilihat pada Gambar 11.
Berdasarkan hasil analisis Gradistat, material
sedimen di Pesisir Nyamplong Kobong didominasi oleh
pasir sedang (medium sand) dengan ukuran 250-500
µm atau 1-2 ɸ. Distribusi persentase ukuran butir yang

84
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019
didominasi oleh pasir sedang menggambarkan adanya
keseragaman dari proses pengendapan. Sortasi
Pesisir Nyamplong Kobong tergolong dalam klasifikasi
agak baik (moderately well sorted) dengan nilai antara
0,50-0,70 ɸ. Material pasir dengan pasir sedang dan
sortasi agak baik menandakan bahwa permeabilitas
pasir yang cukup tinggi, sehingga dapat meloloskan air
dengan baik. Bentuk butir sedimen di Pesisir
Nyamplong Kobong didominasi oleh kebulatan tinggi
dan kebundaran agak bundar.
Kecepatan angin Pesisir Nyamplong Kobong
tergolong dalam skala 1 (angin udara ringan) dan skala
4 (angin sepoi sedang). Arah angin didominasi menuju
ke arah barat sebanyak 12 kejadian dari 30 kejadian
arah angin. Tipe gelombang di Pesisir Nyamplong
Kobong adalah surging. Periode gelombang rata-rata
di Pesisir Nyamplong Kobong adalah 18,3 detik, tinggi
gelombang rata-rata adalah 0.1176 meter, dan panjang
gelombang rata-rata adalah 534 meter.
Gambar 11. Abrasi di Pesisir Nyamplong Kobong (dengan
tinggi 30 cm)
3.3 Pesisir yang Ideal untuk Habitat Peneluran
Penyu Hijau
Pesisir yang sesuai sebagai habitat peneluran
Penyu Hijau adalah pesisir dengan kemiringan yang
tidak curam, memiliki material berpasir halus dengan
air laut yang memiliki arus kuat serta memiliki
hamparan karang dengan rumput laut. Rumput laut
tersebut merupakan nutrisi bagi Penyu Hijau
(Yakardinata, 2013). Berdasarkan pernyataan
tersebut, sebagian Pesisir Jawa Timur memiliki
karakteristik yang sesuai untuk habitat peneluran
Penyu Hijau. Kehadiran Penyu Hijau di sebagian
Pesisir Jawa Timur diduga karena pesisir tersebut
merupakan lokasi yang cocok untuk bertelur. Berikut
Tabel 4 kesesuaian menurut Nuitja (1992) dan hasil
pengukuran karakteristik geomorfik di Pesisir
Kabupaten Malang dan Pesisir Kabupaten Jember.
Tabel 4. Perbandingan Kesesuaian Habitat Peneluran
Penyu Menurut Nuitja (1992)
Parameter Kesesuaian Kabupaten Kabupaten
habitat Malang Jember
peneluran
penyu
Lebar pantai 30-80 m 27,3-52,6 m 30,8-87,9 m
Kemiringan <16 % 2-13% 2,44-12,63
Pantai %
Tekstur Pasir Pasir Pasir sedang Pasir
sedang- sedang
pasir halus
Sumber: Nuitja (1992)
4. Kesimpulan/Rekomendasi
Kesimpulan dari penelitian ini adalah karakteristik
geomorfologi wilayah pesisir habitat peneluran Penyu
Hijau di sebagian Pesisir Selatan Jawa Timur ditinjau
dari aspek morfologi, material dan proses. Wilayah
pesisir habitat peneluran Penyu Hijau memiliki
morfologi dengan kemiringan pantai sebesar 2-13%
yang termasuk dalam klasifikasi datar hingga miring.
Material penyusun di wilayah pesisir tersebut dominan
bertekstur pasir dengan klasifikasi termasuk dalam
pasir sedang serta bentuk butir dengan agak menyudut
hingga kebundaran tinggi serta kebulatan sedang
hingga tinggi. Ditinjau dari aspek proses geomorfik,
pesisir habitat peneluran Penyu Hijau memiliki angin
dengan klasifikasi udara ringan hingga sepoi kuat
denga tipe empasan surging yang memiliki karakteristik
pecah gelombang tepat di tepi pantai. Gelombang
dengan tipe empasan tersebut dapat membantu penyu
untuk mencapai tempat bertelur.
DAFTAR PUSTAKA
Blott, S. J., & Pye, K. (2001). Gradistat: A Grain Size
Distribution and Statistics Package for the Analysis of
Unconcolidated Sediments. Earth Surface Processes
and Landforms, 26, 1237–1248.
https://doi.org/10.1002/esp.261
Ibrahim, A., Djumanto, & Probosunu, N. (2016). Sebaran
lokasi peneluran penyu hijau (Chelonia mydas) di
pulau sangalaki kepulauan derawan kabupaten berau.
Jurnal Perikanan, 18(2), 39–46.
Nuitja, I. N. (1992). Biologi dan Ekologi Pelestarian Penyu
Laut. Bogor: IPB Press.
Nuitja, I. N., & Uchida, I. (1983). Studies in the Sea Turtle-II
(The Nesting Characteristic of the Hawksbill and
Green Turtle). A jounal of Museum Zoologicum Bogor,
1(29), 63–79.
Pethick, J. (1984). An introduction to coastal geomorphology.
London: Edward Arnold Ltd.
Pratiwi, B. W. (2016). Keragaman Penyu dan Karakteristik
Habitat Penelurannya di Pekon Muara Tembulih,
Ngambur, Pesisir Barat. Universitas Lampung.
Satriadi, A., Rudiana, E., dan Af-Idati, N. (2003). Identifikasi
Penyu dan Studi Karakteristik Fisik Habitat
Penelurannya di Pantai Samas, Kabupaten Bantul,
Yogyakarta. Jurnal Ilmu Kelautan. Vol 8 2 (69-75).
Yakardinata, S. 2013. Studi Ekologi Penyu di Pulau Beringin
85
 Kecamatan Linggo Sari Baganti Kabupaten Pesisir
Selatan Sumatera Barat. Skripsi. Universitar Bung
Hatta
Yustina, Suwondo, Arneritis, & Hendri, Y. (2004). Analisis
Distribusi Sarang Penyu Hijau Chelonia mydas Di
Pulau Jemur, Riau. Jurnal Biogenesis, 1(1), 31–36
Yusuf, A. (2000). Mengenal Penyu. Jakarta: Yayasan Alam
Lestari.

86
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Pengaruh Penggunaan Lahan pada Penilaian Kerentanan Air

Tanah Bebas Terhadap Pencemar di Kawasan Pesisir Kota
Semarang
Adetya Arga Marjuantoa, Thomas Triadi Putrantob, dan Denny Nugroho Sugiantoc

aMagisterIlmu Lingkungan, Sekolah Pascasarjana, Universitas Diponegoro, Semarang; adetyaarga88@gmail.com

bDepartemen Teknik Geologi, Fakultas Teknik, Universitas Diponegoro, Semarang; putranto@ft.undip.ac.id
cDepartemen Oseanografi, Fakultas Perikanan dan Ilmu Kelautan, Universitas Diponegoro, Semarang;

dennysugianto@yahoo.com

ABSTRAK
Kota Semarang merupakan kota yang terletak di pesisir utara provinsi Jawa Tengah, dengan tingkat pertumbuhan yang tinggi
menyebabkan Kota Semarang menghadapi berbagai masalah lingkungan, terutama masalah pencemaran air tanah akibat dari
meningkatnya permukiman. Menjaga keberlangsungan air tanah baik dari segi kualitas maupun kuantitas sangat penting, maka
diperlukan upaya untuk mengetahui tingkat kerentanan air tanahnya. Tujuan dari penelitian ini adalah untuk mengetahui zona tingkat
kerentanan air tanah secara intrisik dan spesifik atau pengaruh penggunaan lahan. Metode penilaian kerentanan air tanah yang
digunakan dalam studi ini adalah metode Susceptibility Index (SI). Parameter yang digunakan dalam metode ini adalah peta
kedalaman muka air tanah, peta imbuhan air tanah, peta media akuifer, peta lereng dan peta penggunaan lahan. Dari hasil studi
menunjukkan bahwa terdapat perbedaan antara kerentanan air tanah intrisik dan kerentanan air tanah spesifik (penggunaan lahan),
kerentanan air tanah intrisik 23.2% dari total area merupakan zona kerentanan rendah, 51.3% zona kerentanan sedang, dan 25.5%
zona kerentanan tinggi, sedangkan kerentanan air tanah spesifik menunjukkan bahwa hanya 8.4% yang merupakan zona kerentanan
rendah, 50.3% zona kerentanan sedang dan 41.3% zona kerentanan tinggi dari seluruh area studi. Hasil studi menunjukkan adanya
perbedaan mendasar dari parameter penggunaan lahan dalam penilaian kerentanan air tanah terhadap pencemar.

Kata kunci: Penggunaan Lahan; Kerentanan Airtanah; Susceptibility Index; Semarang

ABSTRACT
Semarang City is a city located on the north coast of Central Java province, with a high rate of growth causing the City of Semarang
to face a variety of environmental problems, especially the problem of groundwater pollution due to increasing settlements.
Maintaining groundwater sustainability both in terms of quality and quantity is very important, so efforts are needed to determine the
level of vulnerability of groundwater. The purpose of this study is to find out the zone of the vulnerability of groundwater intricately and
specifically or the effect of land use. The method of assessing groundwater vulnerability used in this study is the Susceptibility Index
(SI) method. The parameters used in this method are maps of groundwater depth, groundwater recharge maps, aquifer media maps,
slope maps, and land use maps. The results of the study show that there is a difference between the vulnerability of intestinal
groundwater and the vulnerability of specific groundwater (land use), the vulnerability of groundwater 23.2% of the total area is a zone
of low vulnerability, 51.3% zone of moderate vulnerability, and 25.5% zone of high vulnerability, whereas Specific groundwater
vulnerability indicates that only 8.4% are low vulnerability zones, 50.3% are moderate vulnerability zones and 41.3% are high
vulnerability zones from all study areas. The results of the study indicate a fundamental difference in the parameters of land use in
the assessment of groundwater vulnerability to pollutants.

Keywords: Land Use; Groundwater Vulnerability; Susceptibility Index; Semarang

1. Pendahuluan aktifitas manusia yang paling menonjol adalah

Air merupakan kebutuhan pokok bagi setiap
makhluk hidup terutama bagi manusia. Manusia
bergantung pada air bukan hanya untuk memenuhi
kebutuhan domestik melainkan juga untuk memenuhi
kebutuhan lain seperti proses industri dan pertanian.
Air adalah bagian penting dari sumber daya alam yang
memiliki karakteristik unik dibandingkan dengan
sumber daya lainnya, karena air bersifat terbarukan
dan dinamis (Kodoatie, 2012). Sebagai sumber air
yang paling diminati, maka perlu cermat untuk
melakukan pengelolaan dan pemanfaatan air tanah
(Putranto & Alexander, 2017). Perkembangan fungsi
kota Semarang yang mengalami peningkatan aktifitas
manusia akan berdampak pada kualitas lingkungan,
perkembangan kawasan permukiman Jumlah
penduduk Kota Semarang pada tahun 2016 adalah
sebesar 1.729.428 jiwa dengan pertumbuhan
penduduk selama tahun 2016 sebesar 1,66%
dibandingkan pada tahun 2014 yang hanya mencapai
1.572.188 jiwa (BPS Kota Semarang, 2018). Hal ini
menunjukkan bahwa telah terjadi peningkatan jumlah
penduduk sebesar 157.240 jiwa. Peningkatan
pertumbuhan penduduk tersebut berakibat terhadap
perubahan fungsi tata guna lahan sebagai konsekuensi
dari proses perkembangan kota(Widayanti, 2010).
Pesisir kota Semarang saat ini menghadapi
banyak permasalahan lingkungan seperti degradasi
kualitas air tanah, penurunan tanah, intrusi air laut, dan
87
banjir, akibat dari eksploitasi berlebihan air tanah
(Putranto, Hidajat, & Susanto, 2017). Diprediksi bahwa
pada tahun 2030, kota semarang akan mengalami
krisis air, ini dikarenakan kebutuhan akan air bersih
oleh sektor industri pada tahun 2010 sekitar 90% air
diambil dari air tanah (Susanto, 2010). Pencemaran air
tanah berkaitan erat dengan penggunaan lahan,
karena penggunaan lahan merupakan sumber
pelepasan kontaminan yang berpotensi untuk
menurunkan kualitas air tanah melalui proses infiltrasi.
Meningkatnya pemanfaatan lahan bepengaruh pada
perubahan fungsi lahan yang merupakan akibat
tekanan dari peningkatan jumlah penduduk (Wijaya &
Purnama, 2018).
Dalam rangka untuk menjaga keberlangsungan
air tanah maka diperlukan kajian khusus yang lebih
spesifik, tujuan dari study ini adalah untuk mengetahui
pengaruh penggunaan lahan terhadap penggunaan
lahan berdasarkan zona tingkat kerentanan air tanah
secara intrisik dan spesifik. Kerentanan airtanah
secara intrisik adalah kerentanan yang dipengaruhi
oleh faktor hidrogeologis dari airtanah tersebut,
sedangkan kerentanan airtanah secara spesifik adalah
kerentanan yang dipengaruhi selain dari faktor
hidrogeologis juga dari faktor aktivitas manusia atau
penggunaan lahan(Riyanto & Widyastuti, 2016).
Penelitian dilakukan pada wilayah pesisir kota
Semarang dengan luasan 212.49 km2 yang meliputi
10 Kecamatan, yaitu Semarang Utara, Semarang
Timur, Semarang Tengah, Semarang Barat,
Semarang Selatan, Candisari, Tugu, Gajah Mungkur,
Gayamsari, Genuk, Ngaliyan, dan Pedurungan
(Gambar 1).

Gambar 1. Peta Administrasi Wilayah Study

2. Metodologi Riyanto dan Widyastuti (2016). Tiap-tiap parameter

Tahapan pengolahan data dengan menggunakan
metode geospasial dalam penelitian ini untuk
mendelineasi nilai kerentanan air tanah berdasarkan
beberapa peta parameter yang digabungkan. Dalam hal
ini penelitian ini menggunakan metode Susceptibility
Index yang dikembangkan oleh Ribeiro et al., (2003)
dan Stigter, et al., (2006) yang diadaptasikan oleh
memiliki pengaruh terhadap penilaian kerentanan air
tanah yang dibedakan dengan nilai bobot. Setiap
parameter memiliki nilai bobot yang masing-masing
mempengaruhi tingkat kerentanan air tanah, sedangkan
untuk skor tiap parameter dibedakan berdasarkan nilai
potensi kerentanan dari air tanah, klasifikasi bobot dan
skor dari setiap parameter dapat dilihat dalam tabel 1.

Tabel 1 Bobot dan Skor Parameter Kerentanan Airtanah.

Parameter Bobot Skor Sumber
Kedalaman Muka Air Tanah 0.186
<1,5 m 100 (Primer)
1,5-4,6 m 90 Pengukuran di
4,6-9,1 m 70 Lapangan
9,1-15,2 m 50
15,2-22,9 m 30
22,9-30,5 m 20
>30,5 m 10
Imbuhan Air Tanah 0.212
<51 mm 10 (Sekunder)
51-102 mm 30

88
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Parameter Bobot Skor Sumber

102-178 mm 60 BPS, Peta
178-254 mm 80 Geologi
>254 mm 90
Media Aquifer 0,259
Shale masif 20 (Sekunder)
Batuan metamorf/beku 30 Peta Geologi
Batuan metamorf/beku lapuk 40
Endapan glasial 50
Lapisan batu pasir, batu gamping, lapisan shale 60
Batu pasir masif 60
Batu gamping massif 80
Pasir dan kerikil 80
Basal 90
Batu gamping karst 100
Kelerangan 0.121
<2 % 100 (Sekunder)
2-6 % 90 Demnas
6 - 12 % 50
12 - 18 % 30
>18 % 10
Penggunaan Lahan 0.222
Tanaman semusim, sawah 90 (Sekunder)
Tanaman permanen 70 RBI, Skala
Area pertanian heterogen 50 1:25.000,
Padang pengembalaan dan area agroforestri 50 Bappeda Kota
Industri penghasil limbah, area pembuangan sampah 100 Semarang
Area tambang, galangan kapal, tambang 80
Area perkotaan, bandara, stasiun kereta api, area aktivitas
industry dan komersial, ruang terbuka hijau 75
Area semi urban 70
Ekosistem perairan (rawa, laguna, zona pasang surut 50
Hutan dan zona semi alami 0
Badan perairan 0
Sumber: Ribeiro dalam Stigter et al., (2006)

Klasifikasi kedalaman muka air tanah SI=(Dw x Dr)+(Rw x Rr)+(Aw x Ar)+(Tw x Tr)+(LUw x LUr)
menunjukkan bahwa semakin dalam muka air tanah Keterangan:
maka potensi untuk tercemar semakin rendah, Dw = Bobot Kedalaman Muka Air Tanah
klasifikasi imbuhan air tanah menunjukkan bahwa Dr = Skor Kedalaman Muka Air Tanah
semakin kecil imbuhan air tanahnya maka potensi Rw = Bobot Imbuhan Air Tanah
bahan pencemar untuk masuk ke air tanah semakin Rr = Skor Imbuhan Air Tanah
rendah, klasifikasi media akuifer air tanah menunjukkan Aw = Bobot Media Akuifer
bahwa semakin tinggi sifat porous maka potensi bahan Ar = Skor Media Akuifer
pencemar untuk masuk ke air tanah semakin tinggi, Tw = Bobot Lereng
klasifikasi lereng yang didasarkan pada kelas lereng Tr = Skor Lereng
menunjukkan bahwa semakin rendah kelas lereng LUw = Bobot Penggunaan Lahan
maka potensi bahan pencemar untuk masuk ke air LUr = Skor Penggunaan Lahan
tanah semakin tinggi, sedangkan klasifikasi Pengolahan peta kerentanan airtanah intrinsik
penggunaan lahan menunjukkan tingkat skor dari silakukan dengan overlay parameter kedalaman muka
penggunaan lahan tersebut dalam menghasilkan air tanah, imbuhan air tanah, media akuifer, dan lereng,
pencemar. sedangkan pengolahan kerentanan air tanah spesifik
Pengolahan kerentanan airtanah dilakukan dilakukan dengan overlay parameter kedalaman muka
dengan overlay dengan menggunakan software Arcgis
air tanah, imbuhan air tanah, media akuifer, lereng, dan
10.2 untuk dipetakan dari parameter kedalaman muka
air tanah, imbuhan air tanah, media akuifer, lereng, dan penggunaan lahan, selanjutnya dilakukan
penggunaan lahan, yang kemudian dilakukan perkalian pengklasifikasian kerentanan air tanah sesuai dengan
skor dan bobot sesuai dengan tabel 1 yaitu dengan tabel 2 kerentanan instrinsik dan untuk kerentanan
rumus persamaan sebagai berikut: spesifik.
Nilai Kerentanan Air Tanah:

Tabel 2. Klasifikasi Kerentanan Airtanah Secara Intrisik dan Spesifik

Kerentanan Intrisik Indeks Kerentanan Spesifik Indeks
Kerentanan Rendah 36 - 47 Kerentanan Rendah 36 - 53
Kerentanan Sedang 48 - 59 Kerentanan Sedang 54 - 71
Kerentanan Tinggi 60 - 71 Kerentanan Tinggi 72 – 89

Sumber: Riyanto & Widyastuti, (2016)

89
3. Hasil dan Pembahasan 2). Dari hasil pengambilan data dilapangan dan analisis
Pengukuran kedalaman muka airtanah dilakukan kedalaman MAT diperoleh zona kedalaman muka air
terhadap 30 sumur di pesisir Kota Semarang (Gambar tanah (Gambar 3).

Gambar 2. Peta Titik Pengukuran Muka Air Tanah Daerah Penelitian

Gambar 3. Peta Kedalaman Muka Air Tanah

Imbuhan airtanah didapat dari hasil perhitungan
curah hujan dari tahun 2012-2017 (BPS Kota
Semarang, 2018). Dari hasil perhitungan pengurangan
curah hujan dengan evapotranspirasi dan limpasan
maka didapatkan hasil imbuhan air tanah di kota
semarang sebesar 841.242 mm/tahun. Peta media
akuifer didapat dari hasil penelitian terdahulu di Kota
Semarang yang kemudian didelineasi berdasarkan
cakupan wilayah studi, media akuifer di Kota Semarang
sesuai dengan wilayah studi terdapat 2 jenis yaitu breksi
pada formasi damar dan batupasir pada alluvium
(Thaden, Sumadirdja, & Richards, 1975), seperti yang
terlihat pada Gambar 4.

90
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Gambar 4. Peta Media Akuifer

Gambar 5. Peta Lereng

Peta lereng wilayah penelitian didapat dari hasil Gambar 5. Peta penggunaan lahan didapatkan dari
data sekunder DEM resolusi 5m yang diklasifikasikan hasil delineasi peta penggunaan lahan Kota Semarang
berdasarkan klasifikasi parameter lereng dari metode Tahun 2017 dengan menyesuaikan citra satellite google
SI, peta lereng lokasi penelitian dapat dilihat pada earth, seperti yang terlihat pada Gambar 6.

91
 Gambar 6. Peta Penggunaan Lahan

Gambar 7. Peta Kerentanan Intrisik

92
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019
Gambar 8. Peta Kerentanan Spesifik
Peta kerentanan intrisik (Gambar 7) didapat dari
hasil overlay seluruh peta yang masuk dalam
parameter pembobotan, yang terdiri dari peta
kedalaman muka air tanah, imbuhan air tanah, media
akuifer, dan lereng, sedangkan peta kerentanan
spesifik (Gambar 8) dilakukan dengan overlay
parameter kedalaman muka air tanah, imbuhan air
tanah, media akuifer, lereng, dan penggunaan lahan,
selanjutnya dilakukan pengklasifikasian kerentanan air
tanah sesuai dengan tabel 2 kerentanan instrinsik dan
untuk kerentanan spesifik.
Berdasarkan hasil tumpeng susun
(overlay)didapatkan perbedaan antara kerentanan
intrisik dan spesifik, terkait luasan zona kerentanan
baik dari kerentanan rendah, kerentanan sedang
hingga kerentanan tinggi. Dari hasil kalkulasi luasan
kerentanan intrisik didapatkan hasil kerentanan air
tanah intrisik 23.2% atau seluas Ha dari total area
merupakan zona kerentanan rendah, 51.3% zona
kerentanan sedang, dan 25.5% zona kerentanan tinggi,
sedangkan kerentanan air tanah spesifik menunjukkan
bahwa hanya 8.4% yang merupakan zona kerentanan
rendah, 50.3% zona kerentanan sedang dan 41.3%
zona kerentanan tinggi dari seluruh area studi. Hasil
studi menunjukkan adanya perbedaan mendasar dari
parameter penggunaan lahan dalam penilaian
kerentanan air tanah terhadap pencemar.
4. Kesimpulan
Dari hasil studi menunjukkan bahwa adanya
pengaruh penggunaan lahan terhadap penilaian
kerentanan air tanah di daerah pesisir Kota Semarang,
hal ini ditunjukkan dari perbedaan luasan zona
kerentanan yang dihasilkan, pada zona kerentanan
rendah terdapat selisih 14.8% ketika pengunaan lahan
dimasukkan kedalam parameter penilaian, sehingga
zona kerentanannya lebih kecil, sedangkan pada zona
kerentanan sedang terdapat selisih 1%, dan pada zona
kerentanan tinggi luasannya membesar 15.8%, dapat
disimpulkan bahwa penggunaan lahan sangat
berpengaruh dalam penilaian kerentanan air tanah,
karena masuknya faktor aktivitas manusia sebagai
penyebab terjadinya pencemaran air tanah, namun
pengaruh dari penilaian kerentanan airtanah ini masih
perlu penelitian lebih lanjut, guna memvalidasi
kerentanan spesifik tersebut.
DAFTAR PUSTAKA
BPS Kota Semarang. (2018). Kota Semarang Dalam Angka
Tahun 2018. Kota Semarang, Jawa Tengah.
Kodoatie, R. J. (2012). Tata Ruang Air Tanah (Ed. I).
Yogyakarta: Penerbit Andi Offset.
Putranto, T. T., & Alexander, K. (2017). Aplikasi geospasial
menggunakan arcgis 10.3 dalam pembuatan peta
daya hantar listrik di cekungan airtanah sumowono.
8(1), 15–23.
https://doi.org/10.14710/presipitasi.v14i1.15-23
Putranto, T. T., Hidajat, W. K., & Susanto, N. (2017).
Developing groundwater conservation zone of
unconfined aquifer in Semarang, Indonesia. IOP
Conference Series: Earth and Environmental
Science, 55, 12011. https://doi.org/10.1088/1755-
1315/55/1/012011
Ribeiro, L., Serra, E., Paralta, E., & Nascimento, J. (2003).
Nitrate pollution in hardrock formations: vulnerability
and risk evaluation by geomathematical methods in
Serpa-Brinches aquifer (South Portugal). Proc IAH
International Conference on Groundwater in
Fractured Rocks, 377–378. Prague, Czech Republic.
Riyanto, I. A., & Widyastuti, M. (2016). Kerentanan Intrinsik
Dan Spesifik Airtanah Terhadap Pencemaran di
Kecamatan Banjarnegara Dan Sekitarnya. Jurnal
Bumi Indonesia, 5(4), 1–17.
Stigter, T. Y., Ribeiro, L., & Carvalho Dill, A. M. M. (2006).
Evaluation of an intrinsic and a specific vulnerability
assessment method in comparison with groundwater
salinisation and nitrate contamination levels in two
93
 agricultural regions in the south of Portugal.
Hydrogeol J, 14, 79–99.
https://doi.org/10.1007/s10040-004-0396-3
Susanto, A. (2010). Strategi Konservasi Pemanfaatan Air
Tanah Sebagai Sumber Air Bersih Di Kota Semarang
Yang Berkelanjutan. Semnas Nasional FMIPA-UT,
(November), 1–11. Semarang.
Thaden, R. E., Sumadirdja, H., & Richards, P. W. (1975).
Peta Geologi Lembar Magelang-Semarang.
Bandung.
Widayanti, R. (2010). Formulasi Model Pengaruh Perubahan
Tata Guna Lahan terhadap Angkutan Kota di Kota
Depok. Jurnal Tata Guna Lahan, 1–10.
Wijaya, K. A., & Purnama, I. L. S. (2018). Kajian Kerentanan
Airtanah Terhadap Potensi Pencemaran di
Kecamatan Kasihan Kabupaten Bantul. Jurnal Bumi
Indonesia, 7(1), 1–10.

94
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Tema 5 - Aspek Sosial, Ekonomi, dan Kependidikan

95
Modal Sosial dan Mitigasi Bencana Akibat Dampak Perubahan
Iklim

Muhammad Athif Firasmokoa, Estuning Tyas Wulan Meib, dan Muh Aris Marfaic

aProgram Magister Perencanaan Pengelolaan Pesisir dan Daerah Aliran Sungai, Universitas Gadjah Mada ; e-mail:
Muhammad.athif.f@gmail.com
bDepartemen Geografi Pembangunan, Universitas Gadjah Mada
cDepartemen Geografi Lingkungan, Universitas Gadjah Mada

ABSTRAK
Bencana rob dan abrasi yang terjadi di pesisir Kabupaten Brebes akibat perubahan iklim semakin merugikan masyarakat. Masyarakat
pesisir Kabupaten Brebes memiliki modal sosial yang digunakan dalam upaya adaptasi dan mitigasi bencana tersebut. Modal sosial
dalam pengelolaan bencana memiliki peran penting yaitu membantu kesiapsiagaan dan tanggap darurat hingga proses pemulihan
dan rekontruksi akibat bencana. Tujuan penelitian ini adalah menganalisis modal sosial masyarakat pesisir dalam upaya mitigasi
bencana akibat perubahan iklim dalam tiga tipologi modal sosial yaitu modal sosial bonding, bridging dan linking. Responden dalam
penelitian ini adalah masyarakat yang tergabung dalam kelompok peduli bencana di Desa Kaliwlingi, Sawojajar, dan Karangdempel
Kecamatan Brebes. Identifikasi modal sosial menggunakan pendekatan teori pengembangan top-down dan bottom-up yang
memperhatikan empat variabel yaitu integrasi, linkage, integritas dan sinergi Hasil penelitian menunjukkan bahwa modal sosial
bonding ditunjukkan dari rasa memiliki wilayah pesisr oleh masyarkat. Individu masyarakat terdorong untuk aktif melakukan mitigasi.
Modal sosial bridging mendorong individu untuk berkelompok, sehingga mitigasi dilakukan secara bersama agar lebih efisien dan
efektif. Adanya modal sosial linking dapat meningkatkan akses bantuan alat, komunikasi dan pertukaran informasi terkait mitigasi dari
stakeholder kepada masyarakat.

Kata kunci: Perubahan iklim, Modal Sosial, Pesisir, Brebes, Bencana

ABSTRACT
Tides and abrasions as the impact of climate change pose serious risks to coastal communities in Brebes Regency. The coastal
communities of Brebes Regency have social capital for disaster risk reduction as a form of disaster adaptation and mitigation
strategies. Social capital in disaster management is an effort to improve emergency preparedness and respond to the disaster
recovery and reconstruction process. The objective of this research is to analyze the social capital of coastal area societies in the
effort of disaster mitigation as the result of climate change into three social capital (bonding, bridging, and linking). The respondents
are the societies who join disaster care association in Kaliwlingi, Sawojajar, and Karangdempel Village, Brebes Subdistrict.
Identification of social capital uses a top-down and bottom-up development theory approach that considers four variables, integration,
linkage, integrity and synergy. The results showed that bonding social capital was shown from the sense of ownership of the coastal
areas by the community. Individuals in the community are encouraged to actively mitigate it. Bridging social capital encourages
individuals to group, so that mitigation is done together to be more efficient and effective. The existence of linking social capital can
improve access to aid tools, communication and information exchange related to mitigation from stakeholders to the community.

Keywords: Climate change, Social capital, Coastal area, Brebes, Hazard

1. Pendahuluan perubahan iklim di wilayah pesisir dan pulau kecil antara

Suhu permukaan bumi yang semakin meningkat
menyebabkan perubahan iklim di dunia. Perubahan iklim
mengakibatkan peningkatan pencairan es di kutup dan
meningkatkan aliran sungai gletser yang berdampak
pada kenaikan muka air laut (Satterthwaite, 2008).
Frekuensi fenomena alam seperti kenaikan muka air laut,
gelombang besar, hujan lebat, kekeringan, dan badai
siklon semakin meningkat sehingga wilayah pesisir
memiliki potensi bencana yang tinggi (IPCC, 2007).
Perubahan iklim yang terjadi secara umum di seluruh
dunia berdampak juga di Indonesia. Secara khusus,
Pantai Utara Jawa terkena dampak perubahan iklim
berupa kenaikan permukaan air laut. Pesisir Kabupaten
Brebes yang berada di wilayah Pantai Utara Jawa juga
mengalami dampak dari perubahan iklim. Dampak
lain meningkatkan intrusi air laut ke darat, gelombang
pasang, banjir, kekeringan, erosi pantai, kerusakan
pesisir, kerusakan ekosistem mangrove, kerusakan pada
tambak budidaya perikanan, kerusakan lahan pertanian,
kerusakan infrastruktur kota, memunculkan masalah
sanitasi lingkungan dan penyakit (Marfai, 2014;
Diposaptono et al., 2009).
Berdasarkan Peta Perubahan Garis Pantai Tahun
2000-2017 di Kecamatan Brebes yang dikeluarkan oleh
Dinas Perikanan Kabupaten Brebes menunjukkan
terjadinya perubahan garis pantai karena adanya abrasi
dan akresi. Degradasi mangrove dan abrasi di wilayah
pesisir Kabupaten Brebes masing-masing 68 Ha/tahun
dan 63 Ha/tahun (Suyono et al., 2015). Laju
pengurangan luas wilayah mangrove di Pesisir

96
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019
Kabupaten Brebes dalam kurun waktu tahun 1982-2000
yakni 107 Ha/tahun. Bencana yang terjadi juga
mempengaruhi kegiatan penangkapan ikan yang
dilakukan nelayan. Nelayan tidak dapat melaut saat
terjadi bencana tersebut (Fiazia, 2006). Selain itu,
perubahan lingkungan akibat bencana dapat memicu
munculnya konflik sosial di masyarakat pesisir. Sebagai
contoh konflik yang disebabkan masyarakat pesisir tidak
terima kepada pemerintah, karena harus tetap
membayar pajak lahan yang rusak akibat abrasi (Azahro
& Angga, 2017).
Manusia memberikan respon terhadap perubahan
yang berlangsung secara terus menerus dengan
berbagai pola mitigasi dan adaptasi (Marfai et al., 2015).
Mitigasi bencana dan pembangunan berkelanjutan agar
mencapai hasil maksimal diperlukan pemanfaatan
penghidupan masyarakat (livelihood) berupa modal/aset,
akses dan aktivitas. Aset livelihood didefinisikan sebagai
gabungan sumberdaya berupa natural capital, human
capital, sosial capital, financial capital dan physical
capital yang dimiliki dan digunakan seseorang atau
keluarga sebagai sumberdaya untuk memenuhi
kebutuhan hidup dan penghidupan (Ellis, 2000; Sconnes,
1998). Marfai et al., (2015) mengatakan bahwa modal
sosial merupakan kemampuan masyarakat untuk
bekerjasama, untuk mencapai tujuan bersama dalam
kelompok atau organisasi. Modal sosial adalah jaringan
dan nilai sosial yang dapat memfasilitasi individu maupun
kelompok untuk mencapai tujuan secara efektif dan
efisien (Maas, et al., 2015). Modal sosial memiliki
pengaruh positif terhadap keterlibatan dan tingkat
adaptasi masyarakat lokal terhadap dampak dari
perubahan iklim (Jones & Clark, 2013). Modal sosial
sebagai sumberdaya yang digunakan sebagai aset
produktif yang secara strategis dapat dilakukan oleh
individu dan kelompok untuk mencapai tujuan-tujuan
khusus. Penelitian ini bertujuan untuk menganalisis
modal sosial masyarakat pesisir dalam upaya mitigasi
bencana akibat perubahan iklim dalam tiga tipologi
modal sosial, yaitu modal sosial bonding, bridging dan
linking. Modal sosial bonding adalah ikatan dari sifat
individu masyarakat. Modal sosial bridging adalah ikatan
yang mendorong untuk membentuk kelompok. Modal
sosial linking adalah ikatan antara masyarakat dengan
level komunitas diluar masyarakat.
Tabel 1. Parameter setiap variabel
No. Parameter Integrasi
1. Status Kependudukan
2. Luas lahan kosong sekitar
3. Homogenitas (suku dan agama)
4. Jenis Mata Pencaharian
5. Ketersediaan Fasilitas Hidup
6. Fungsi Modal Sosial
7. Frekuensi Kegiatan Sosial
No. Parameter Integritas
1. Peran/Kontribusi Pemerintah
2. Kemudahan masyarakat dalam komunikasi
3. Kualitas peraturan dan pelaksanaan
4. Homogenitas (kegiatan)
5. Penjabaran kegiatan stakeholder
Populasi responden adalah anggota kelompok
mangrove yang ada di setiap desa. Anggota kelompok
mangrove dinilai mengetahui perkembangan kondisi
2. Metodologi
Lokasi penelitian berada di Kabupaten Brebes, tepatnya
di Desa Kaliwlingi Kecamatan Brebes, Desa
Karangdempel Kecamatan Losari, dan Desa Sawojajar
Kecamatan Wanasari ditentukan dengan metode
purposive. Alasan pemilihan lokasi berdasarkan data
sekunder terkait kejadian abrasi dan akresi Kabupaten
Brebes, terdapat kejadian bencana rob dan abrasi di
lokasi, keberadaan luasan mangrove dan kelompok
mangrove, dan masyarakat Brebes memiliki modal sosial
yang masih kuat, terdapat sifat saling membantu,
bekerjasama dan gotong royong.
Tiga tipologi modal sosial yang digunakan adalah
bonding, bridging dan linking. Modal sosial bonding,
bridging dan linking telah dijelaskan oleh Woolcock
(1998); Hawkins dan Maurer (2010); Nakagawa dan
Shaw (2004); Triyanti (2013):
- Bonding: ikatan yang terbentuk dari internal
masyarakat karena pengaruh kepercayaan,
kondisi lingkungan terdekat, kondisi demografis
dan norma yang berlaku.
- Bridging: ikatan yang muncul dari beberapa
karakteristik bonding di dalam masyarakat yang
mampu membentuk komunitas.
- Linking: ikatan antara masyarakat dengan level
komunitas yang ada diluar masyarakat.
Identifikasi modal sosial menggunakan pendekatan
teori pengembangan top-down dan bottom-up yang
memperhatikan empat variabel yaitu integrasi, linkage,
integritas dan sinergi sebagai data primer. Variabel
integrasi adalah karakteristik dasar dari masyarakat yang
menunjukkan kondisi modal sosial bonding. Variabel
linkage adalah kemampuan masyarakat dalam
berkelompok untuk meningkatkan sumberdaya yang
menunjukkan modal sosial bridging. Variabel integritas
menunjukkan kualitas stakeholder dalam mitigasi
bencana. Variabel sinergi menunjukkan kemampuan
masyarakat dan stakeholder untuk bekerjasama.
Variabel integritas dan sinergi menunjukkan modal sosial
linking. Parameter yang diamati dari setiap variabel dapat
dilihat dalam tabel 1. Sementara data sekunder untuk
mendapatkan informasi geografis dan kebencanaan.
No. Parameter Linkage
1. Latar Belakang Pembentukan Unit Kelompok
2. Status Keanggotaan Kelompok
3. Perencanaan kegiatan kelompok
4. Regenerasi Anggota Baru
5. Kepatuhan Peraturan Kelompok
6. Jumlah alat perlindungan coastal area
7. Cara pembelian alat perlindungan coastal area
No. Parameter Sinergi
1. Hubungan antar kelompok mangrove
2. Hubungan kelompok dengan stakeholder
3. Frekuensi interaksi stakeholder dengan kelompok
4. Syarat bekerjasama dengan stakeholder
5. Manfaat dari Jaringan
masyarakat dan kondisi pesisir dari pertama melakukan
upaya mitigasi hingga saat ini. Metode sensus digunakan
untuk menentukan sampel responden dalam kelompok.
97
Total terdapat 73 orang responden. Data yang didapat
dari responden kemudian dilakukan analisis deskriptif
kuantitatif, dan memberikan analisis kualitatif untuk
memperdalam pembahasan. Hasil skoring dari
parameter modal sosial menunjukkan kondisi modal
sosial masyarakat.
3. Hasil dan Pembahasan
3.1. Kondisi Bencana Pesisir Kabupaten Brebes
Kabupaten Brebes adalah salah satu
kabupaten yang terletak di Pesisir Utara Jawa Tengah
(gambar 1), tepatnya di barat laut dari Provinsi Jawa
Tengah. Kabupaten Brebes secara geografis terletak
antara 6o44’ sampai 7o21’ Lintang Selatan dan antara
108o41’sampai 109o11’ Bujur Timur (BPS, 2017). Luas
wilayah administrasi Kabupaten Brebes sebesar
1.662,96 km2. Kabupaten Brebes terbagi dari 17 wilayah
kecamatan, yang terdiri dari 292 desa dan lima
kelurahan.
Gambar 1. Peta Kecamatan Pesisir Kabupaten Brebes
Hasil lapangan menunjukkan seluruh pesisir
Kabupaten Brebes mengalami abrasi dan banjir rob.
Abrasi dan rob mulai dialami dari tahun 1980an hingga
saat ini. Kondisi kenaikan muka air laut di pantai utara
jawa diperparah dengan konversi mangrove menjadi
lahan tambak oleh masyarakat yang banyak dimulai
pada tahun 1980an. Fungsi mangrove di Kabupaten
Brebes sebagai pelindung pantai dari gelombang pun
semakin berkurang disebabkan luasan hutan mangrove
yang semakin sempit. Perubahan iklim mengakibatkan
meningkatnya gelombang laut yang menerjang pantai.
Gelombang tersebut mengakibatkan tergerusnya
sedimen pantai. Hasil observasi lapangan menunjukkan
ketinggian pantai di Pesisir Brebes rata-rata 1-2 meter
diatas permukaan laut, hal tersebut menjadi salah satu
alasan tingginya potensi banjir rob di Pesisir Kabupaten
Brebes. Banjir rob di Pesisir Kabupaten Brebes terjadi
98
berulang dalam kurun waktu bulanan. Banjir rob dapat
terjadi 1-2 kali dalam satu bulan dengan lama genangan
mencapai 1-3 hari. Kegiatan masyarakat dalam
pemanfaatan wilayah pantai menjadi pemukiman dan
tambak dapat meningkatkan kerentanan. Penanaman
mangrove secara berkelompok mulai dilakukan pada
tahun 2005-2010 oleh masyarakat sebagai bentuk
mitigasi.
3.2. Variabel modal sosial
3.2.1. Integrasi masyarakat
Status kependudukan dibedakan menjadi dua
kategori, yaitu penduduk asli dan penduduk yang
berpindah-pindah atau penduduk pendatang. Penduduk
asli adalah penduduk yang lahir di desa tersebut,
sementara penduduk pendatang atau berpindah-pindah
adalah penduduk dari daerah lain yang kemudian tinggal
sementara atau sudah lama tinggal di desa tersebut.
Menurut Triyanti (2013), penduduk asli memiliki
hubungan kuat antar penduduk. Hubungan kuat antar
penduduk dapat menciptakan kerjasama yang kuat pula.
Berdasarkan data yang didapatkan di lapangan (Tabel
2), setiap desa terdapat penduduk pendatang/berpindah-
pindah sebesar kurang lebih 13-20%. Salah satu alasan
responden berpindah tempat tinggal karena ikatan
pernikahan dan ikatan saudara. Pendatang yang
bermukim di Desa Sawojajar dan Kaliwlingi adalah
masyarakat desa lain yang masih termasuk dalam
Kabupaten Brebes. Daerah asal dari penduduk
pendatang di Desa Karangdempel tidak hanya dari
Kabupaten Brebes, namun terdapat masyarakat
Cirebon.
Luas lahan kosong di sekitar tempat tinggal
dibedakan menjadi area sempit dan luas. Area yang
tergolong sempit adalah lahan kosong kurang dari 50 m2,
sementara yang tergolong luas adalah lahan kosong
yang lebih dari 50 m2. Lahan kosong yang luas masih
dapat dimanfaatkan untuk kepentingan perlindungan
pesisir. Berdasarkan hasil wawancara responden
masing-masing desa (Tabel 2), responden Desa
Karangdempel sekitar 85% mengatakan di Desa
Karangdempel memiliki lahan kosong yang sempit.
Resoponden Desa Sawojajar sekitar tujuh orang
mengatakan di Desa Sawojajar memiliki lahan kosong
yang luas, sementara di Desa Kaliwlingi sebanyak 80%
mengatakan luas lahan kosong di Kaliwlingi tergolong
luas. Kondisi keberadaan lahan kosong berkaitan
dengan kerentanan dan potensi pengembangan
kawasan mangrove. Semakin banyak lahan kosong yang
dapat dimanfaatkan sebagai lahan mangrove baru
semakin baik untuk masyarakat, semakin banyak lahan
kosong yang belum dimanfaatkan juga semakin rendah
kerentanan jika terjadi bencana.
Penilaian homogenitas suku dan agama dilihat
pada banyaknya jumlah agama dan suku yang ada di
lapangan. Kategori homogenitas dibedakan menjadi dua,
homogen dan heterogen. Agama dapat tergolong
homogen jika hanya terdapat satu agama yang dianut.
Sementara suku dikatakan homogen jika hanya terdapat
paling banyak dua suku. Keseragaman suku dan agama
menjadi sebuah keuntungan dalam integrasi di Desa
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

(Triyanti, 2013). Data homogenitas suku dan agama di
setiap desa penelitian dapat dilihat pada Tabel 2.
Pekerjaan adalah salah salah satu rutinitas
yang dilakukan seseorang setiap hari, dan
mempengaruhi pengetahuan maupun informasi yang
didapat setiap hari. Semakin heterogen jenis pekerjaan
semakin sulit untuk menyatukan kepedulian atau arah
mitigasi yang dilakukan. Mata pencaharian di tiga desa
lokasi penelitian sangat bervariasi. Rata-rata pekerjaan
yang dilakukan adalah nelayan, petani, petambak,
penggiat wisata, dan pedagang. Desa Sawojajar dan
Kaliwlingi didominasi pendapat bahwa mata pencaharian
di masing-masing desa adalah heterogen. Pendapat
mata penacaharian bersifat homogen mencapai 30% di
Desa Karangdempel. Dominasi pekerjaan sebagai
nelayan sangat telihat di Desa Karangdempel, terutama
di Dusun Crucuk tempat kelompok mangrove. Kawasan
pesisir dinominasi pekerjaan yang berkaitan dengan
sumberdaya pesisir, seperti petambak garam dan ikan,
pengiat wisata, nelayan dan pedagang yang sama-sama
memiliki kepentingan untuk menjaga lingkungan pesisir.
Data jenis mata pencaharian dapat dilihat pada Tabel 2.
Persentase frekuensi dari kegiatan sosial
masyarakat di Desa Karangdempel sebesar enam orang
responden mengatakan kurang sering. Kegiatan gotong
royong, arisan, dan pengajian di Desa Karangdempel
masih terjaga meski kegiatan masing-masing dilakukan
minimal satu bulan satu kali atau bahkan satu bulan lebih
untuk satu kali kegiatan. Kegiatan sosial masyarakat di
Desa Sawojajar yang masih berjalan dengan baik adalah
gotong royong dan pengajian. Kegiatan kemasyarakatan
tersebut biasa dilakukan satu bulan satu kali. Meskipun
demikian, di Desa Sawojajar terdapat sekitar empat
orang responden mengatakan tidak ada/kurang rutin
agenda kegiatan sosial masyarakatnya. Desa Kaliwlingi
kegiatan sosial masyarakat seperti kerja bakti, gotong
royong, arisan ibu-ibu dan pengajian masih berjalan.
Kegiatan gotong royong dan kerja bakti rutin dilakukan
satu bulan dua kali. Sebanyak 85% responden di
Kaliwlingi mengatakan kegiatan sosial masyarakat sering
dilakukan. Kegiatan pesta laut, festival pesisir dan
sedekah bumi menjadi kegiatan sosial tahunan yang
menjadi kearifan dalam peduli terhadap lingkungan
pesisir. Data frekuensi kegiatan sosial masyarakat dapat
dilihat pada Tabel 2. Semakin sering dilakukan kegiatan
sosial masyarakat dapat memperkuat ikatan dalam
masyarkat. Robbins & Judge (2008) mengatakan bahwa
interaksi yang muncul ketika berkegiatan sosial adalah
sumber utama memenuhi kebutuhan afiliasi. Afiliasi
adalah kebutuhan-kebutuhan sosial yang dimiliki
seseorang seperti rasa nyaman secara sosial dalam
bermasyarkat. Setiap desa, 100% responden menilai
adanya kegiatan sosial berfungsi dan berdampak baik.
Ketersediaan fasilitas dasar dilihat dari adanya
sarana pendidikan, ekonomi dan kesehatan.
Keberadaan fasilitas dasar dapat meningkatkan modal
sosial masyarakat karena sebagai pondasi peningkatan
kualitas sumberdaya manusia dalam mitigasi bencana.
Berdasarkan hasil wawancara menunjukkan di Desa
Sawojajar 18% responden mengatakan fasilitas dasar
tidak tersedia, di Desa Karangdempel 68% mengatakan
fasilitas dasar tidak tersedia, dan di Desa Kaliwlingi 25%
mengatakan tidak tersedia fasilitas dasar.

Tabel 2 Persebaran jumlah responden berdasarkan parameter Integrasi

Sawojajar Karangdempel Kaliwlingi
Variabel Kriteria
(n=11) (n=15) (n=47)
Berpindah-
18% 20% 13%
Status kependudukan pindah/pendatang
Penduduk Asli 82% 80% 87%
Luas lahan kosong di sekitar tempat Sempit (<50 m2) 36% 87% 19%
tinggal Luas (>50 m2) 64% 13% 81%
Heterogen (>2) 0% 20% 0%
Homogenitas suku dan agama
Homogen (<2) 100% 80% 100%
Heterogen (>2) 100% 73% 91%
Jenis mata pencaharian
Homogen (<2) 0% 27% 9%
Tidak/kurang 36% 40% 15%
Frekuensi kegiatan sosial masyarakat
Sering 64% 60% 85%
Sedikit berfungsi 18% 67% 26%
Fungsi Kegiatan Sosial
Berfungsi sangat baik 82% 33% 74%
Tidak ada fasilitas dasar 0% 0% 0%
Kesediaan fasilitas dasar hidup
Fasilitas dasar tersedia 100% 100% 100%
Sumber: Pengolahan data primer (2018)

3.2.2 Linkage masyarakat
Kelompok yang terbentuk karena kebutuhan
masyarakat lebih kuat ikatannya dibandingkan dengan
kelompok yang dibentuk karena permintaan pemerintah.
Berdasarkan hasil wawancara, dapat dilihat pada Tabel
3, responden Desa Sawojajar dan Kaliwlingi 100%
mengatakan bahwa kelompok terbentuk karena
kebutuhan atau kesadaran masyarakat. Responden
Desa Karangdempel 20% mengatakan kelompok di
Karangdempel terbentuk atas inisiasi pemerintah.
Kondisi di Desa Karangdempel hampir sama dengan
Desa Bedono dalam penelitian Triyanti et al., (2017).
Terbentuknya kelompok mangrove di Desa Bedono
disebabkan sadarnya masyarakat setelah stakeholder
melakukan kegiatan penanaman mangrove.
Kelompok yang memiliki kegiatan yang
terencana menunjukkan kesiapan kelompok.
Berdasarkan hasil wawancara (Tabel 3), responden
Desa Sawojajar 35% dan Desa Karangdempel 65%
mengatakan bahwa kelompok di desa masing-masing
tidak memiliki rencana kegiatan. Responden di Desa
Kaliwlingi 100% mengatakan kelompok memiliki rencana

99
kegiatan terarah dalam menjalankan kegiatannya.
Keterikatan anggota dalam sebuah kelompok menjadi
penting karena anggota dapat mendukung atau tidak
jalannya setiap kegiatan yang diadakan. Kelompok yang
dapat mengikat anggotanya menunjukkan kesiapan
kelompok. Berdasarkan hasil wawancara (Tabel 3),
responden Desa Sawojajar 28% dan Desa
Karangdempel 40% mengatakan bahwa anggota
kelompok di desa masing-masing tidak terikat oleh
kegiatan. Di Desa Sawojaja terdapat permasalahan
internal kelompok, sehingga terdapat anggota yang
mulai tidak aktif dalam kegiatan. Responden di Desa
Kaliwlingi 100% mengatakan anggota kelompok sangat
terikat oleh kelompok. Anggota kelompok Desa Kaliwlingi
diharuskan untuk mengikuti setiap kegiatan dan telah
tercatat memiliki peran masing-masing. Keterikatan
anggota di Kaliwlingi berbanding lurus dengan jumlah
anggota kelompok yang terdaftar dan aktif.
Berdasarkan hasil wawancara (Tabel 3),
responden Desa Sawojajar 72%, Desa Karangdempel
85%, dan Desa Kaliwlingi 45% mengatakan bahwa
regenerasi anggota kelompok tidak berjalan baik.
Regenerasi yang dikatakan berjalan baik adalah ketika
terdapat anggota baru yang bergabung secara rutin, atau
terdapat proses kaderisasi untuk menggantikan anggota
yang sudah tua. Anggota kelompok Desa Kaliwlingi
memiliki sebaran umur yang beragam, banyak anggota
berumur 20an tahun yang aktif. Sementara Desa
Sawojajar dan Karangdempel rata-rata berumur 30 tahun
ke atas. Triyanti et al. (2017) mengatakan bahwa
keanggotaan di kelompok mangrove Desa Bedono terdiri
dari laki-laki tua dan muda, dan sebagian besar adalah
nelayan. Peraturan kelompok dibuat untuk mencapai
tujuan terbentuknya kelompok. Peraturan-peraturan
terkait perlindungan pesisir jika tidak dipatuhi dapat
mendukung kerusakan pesisir. Berdasarkan hasil
wawancara (Tabel 3), responden Desa Sawojajar 18%
dan Kaliwlingi 22% mengatakan bahwa peraturan yang
dibuat tidak laksanakan. Responden Desa
Karangdempel mencapai 72% mengatakan peraturan
kelompok di Karangdempel tidak dipatuhi.
Jumlah dan status pembelian sarana
prasarana perlindungan coastal area dapat menunjukkan
kemandirian kelompok. Responden di Desa Sawojajar
28% dan Desa Karangdempel 68% mengatakan
kelompok tidak memiliki sarana prasarana lebih dari dua.
Sementara Desa Kaliwlingi 100% responden
mengatakan kelompok memiliki sarana prasarana
perlindugan coastal area lebih dari dua (Tabel 3). Status
memperoleh sarana prasarana di Desa Sawojajar
sebanyak 55% responden dan di Desa Kaliwlingi
sebanyak 60% responden mengatakan bahwa sarana
prasarana didapatkan dari bantuan pemerintah.
Sementara Desa Karangdempel 100% responden
mengatakan sarana prasarana yang didapatkan dari
bantuan (Tabel 3). Kelompok di Desa Karangdempel
hanya memiliki lahan yang luas untuk area penanaman
mangrove serta bambu sebagai alat tanam. Peralatan
kelompok seperti kapal dan bibit didapatkan dari
bantuan-bantuan pihak luar. Luas lahan yang dimiliki
untuk ditanami mangrove lebih dari 15 ha. Perlengkapan
untuk menanam dan menjaga mangrove milik kelompok
di Desa Sawojajar dan Kaliwlingi cukup lengkap.
Ketersediaan perlengkapan banyak dibantu oleh pihak
luar seperti pemerintah dan swasta karena keberadaan
kelompok. Keberadaan kelompok meningkatkan akses
bantuan untuk masyarakat, seperti dalam penelitian
Triyanti et al, (2017) anggota kelompok mangrove di
Desa Bedono merasakan keuntungan status sosial dan
akses ke peluang keuangan dan pekerjaan baru setelah
berkelompok.

Tabel 3. Persebaran jumlah responden berdasarkan parameter Linkage

Sawojajar Karangdempel Kaliwlingi
Variabel Kriteria
(n=11) (n=15) (n=47)
Desakan perangkat desa 0% 20% 0%
Latar belakang pembentukan unit kelompok
Kebutuhan masyarakat 100% 80% 100%
Tidak terencana 36% 67% 0%
Perencanaan kegiatan kelompok
Terencana dengan baik 64% 33% 100%
Tidak terikat 27% 40% 0%
Status anggota kelompok
Sangat terikat 73% 60% 100%
Tidak berjalan baik 73% 87% 45%
Regenerasi anggota kelompok
Berjalan sangat baik 27% 13% 55%
Tidak patuh 18% 73% 23%
Kepatuhan terhadap peraturan
Patuh 82% 27% 77%
Jumlah sarana prasarana perlindungan pesisir yang Tidak ada alat (<2) 27% 67% 0%
dimiliki kelompok Jumlah alat banyak (>2) 73% 33% 100%
Bantuan 55% 100% 60%
Status pembelian sarana prasarana perlindungan
Pembelian mandiri oleh
coastal area 45% 0% 40%
komunitas
Sumber: Pengolahan data primer (2018)

3.2.3. Integritas Stakeholder Kabupaten Brebes
Homogenitas kegiatan menunjukkan
banyaknya jumlah jenis kegiatan yang diberikan oleh
stakeholder kepada kelompok. Semakin banyak kegiatan
yang dilakukan stakeholder artinya semakin kompleks
dan rinci upaya yang dilakukan stakeholder untuk
masyarakat. Berdasarkan hasil wawancara, responden
Desa Sawojajar 10%, Desa Karangdempel 40%,
mengatakan bahwa kegiatan stakeholder kurang
100
bervariasi. Sementara di Desa Kaliwlingi 100%
responden berpendapat bahwa kegiatan stakeholder
sudah baik (Tabel 4). Kegiatan yang telah dilakukan di
Desa Kaliwlingi antara lain sosialisasi, penyuluhan,
bantuan fisik, pembuatan system penyelamatan dini,
pendampingan pembangunan, dan membuat peraturan.
Sementara kegiatan di Desa Sawojajar dan Desa
Karangdempel antara lain sosialisasi, penyuluhan, dan
bantuan fisik.
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Kemudahan berkomunikasi antara masyarakat Setiap kegiatan dilakukan proses sosialisasi

dengan stakeholder menunjukkan dukungan yang
diberikan oleh stakeholder kepada masyarakat. Desa
Karangdempel memiliki persentase sebesar 68% yang
menyatakan tidak mudah dalam berkomunikasi dengan
stakeholder. Ketidakmudahan dikarenakan kelompok
mangrove Karangdempel tidak selalu mendapat respon
ketika mengajukan usulan atau proposal serta
stakeholder yang jarang datang ke Desa Karangdempel.
Desa Sawojajar memiliki persentase sebesar 45% dan
Desa Kaliwlingi sebesar 12% untuk ketidakmudahan
dalam berkomunikasi dengan stakeholder (Tabel 4).
Desa Sawojajar dalam dua tahun terakhir sedang
mengalami permasalahan karena penyalahgunaan
bantuan.
Kualitas peraturan dan pelaksanaan yang
dikeluarkan pemerintah memperlihatkan keseriusan
dalam perlindungan pesisir. Peraturan dan pelaksanaan
atau pengawasan yang baik akan diterima masyarakat.
Berdasarkan data wawancara, di Desa Sawojajar
terdapat 18%, Desa Karangdempel 20%, dan Desa
Kaliwlingi sebesar 8% responden mengatakan kualitas
peraturan dan pelaksanaan peraturan dirasa kurang
(Tabel 4). Peraturan yang dikeluarkan oleh stakeholder
secara umum sudah baik dan mampu diterima oleh
masyarakat. Permasalahan muncul ketika peraturan
diterapkan di desa masing-masing, pengawasan dan
kesadaran masyarakat yang menentukan keberhasilan
peraturan.
atau menjabarkan rencana kegiatan kepada kelompok
dan masyarakat, termasuk sosialisasi peraturan yang
dikeluarkan. Tidak semua penjabaran dilakukan secara
merata. Informasi yang merata dapat melancarkan
kegiatan yang direncanakan. Berdasarkan data pada
Tabel 4 di Desa Sawojajar terdapat 45%, Desa
Karangdempel 52%, dan Desa Kaliwlingi 22% responden
mengatakan tidak ada penjabaran rencana kegiatan dari
stakeholder. Penjabaran rencana tidak selalu dilakukan
kepada seluruh anggota atau seluruh masyarakat.
Beberapa rencana kegiatan dijabarkan hanya kepada
pengurus kelompok.
Penilaian kontribusi dilihat dari secara umum bagaimana
stakeholder membantu masyarakat dalam upaya
perlindungan pesisir. Penilaian kontribusi stakeholder di
Desa Sawojajar menunjukkan 8% dan Karangdempel
40% orang menyatakan kurang berkontribusi (Tabel 4).
Sementara di Desa Kaliwlingi 100% responden
berpendapat stakeholder telah berkontribusi dengan
baik. Banyaknya pendapat di Desa Karangdempel
bahwa stakeholder kurang berkontribusi tidak lepas dari
penilaian kurangnya penjabaran rencana, sulitnya
berkomunikasi dengan stakeholder, dan sedikitnya
bantuan atau kegiatan yang diberikan stakeholder dalam
upaya perlindungan pesisir. Studi kasus di Desa Bedono
menunjukkan perbedaan dalam memberi perhatian
kepada kelompok. Perbedaan dikarena inisiatif dan
antusiasme masyarakat dalam menanggapi perhatian
yang diberikan (Triyanti et al, 2017).

Tabel 4. Persebaran jumlah responden berdasarkan parameter integritas

Sawojajar Karangdempel Kaliwlingi
Variabel Kriteria
(n=11) (n=15) (n=47)
Tidak/kurang
Peran/kontribusi stakeholder kepada kelompok 9% 40% 0%
kontribusi
mangrove
Berkontribusi baik 91% 60% 100%
Kemudahan masyarakat dalam berkomunikasi Tidak mudah 45% 67% 13%
dengan stakeholder Mudah 55% 33% 87%
Kualitas peraturan dan pelaksanaan yang Tidak/kurang baik 18% 20% 9%
dikeluarkan stakeholder Sudah baik 82% 80% 91%
Homogen (<3) 9% 40% 0%
Homogenitas kegiatan stakeholder
Heterogen (>3) 91% 60% 100%
Tidak 45% 53% 23%
Penjabaran rencana kegiatan dari stakeholder
Ada 55% 47% 77%
Sumber: Pengolahan data primer (2018)

3.2.4. Sinergi masyarakat dengan stakeholder
Hubungan yang baik antar kelompok
mangrove yang berbeda desa menunjukkan sinergi yang
baik dalam upaya perlindungan pesisir. Berdasarkan
hasil wawancara, di Desa Sawojajar dan Kaliwlingi
responden 100% mengatakan berhubungan baik antar
kelompok mangrove. Hubungan baik antar kelompok
tercermin dari sering adanya kegiatan studi banding
untuk saling bertukar informasi dan ilmu. Terdapat 20%
di Desa Karangdempel yang menyatakan hubungan
kurang baik karena terdapat kecemburuan sosial.
Kecemburuan sosial yang muncul akibat bantuan yang
menurut kelompok Desa Karangdempel adalah hak
mereka, namun diberikan kepada kelompok lain. Studi
Desa Bedono menunjukkan kelompok mangrove disana
bersaing untuk mendapatkan bantuan. Kondisi
persaingan yang muncul mampu mengurangi
kemampuan mereka untuk menggunakan jaringan
mereka secara optimal (Triyanti et al, 2017).
Kecemburuan kelompok Desa Karangdempel dapat
merusak hubungan antar kelompok dan berdampak
buruk pada kelompok. Data hubungan antar kelompok
mangrove berbeda desa dapat dilihat pada Tabel 5.
Hubungan kelompok mangrove dengan stakeholder
dapat memperlihatkan keharmonisan sosial. Hubungan
baik dapat menciptakan kondisi sosial yang mendukung
untuk bekerjasama. Berdasarkan hasil wawancara, di
Desa Karangdempel dan Kaliwlingi terdapat responden
sebesar 45% dan 5% mengatakan terjadi hubungan
kurang baik antar kelompok mangrove dengan
stakeholder (Tabel 5). Sementara di Desa Sawojajar
terdapat 100% responden berpendapat terdapat
101
hubungan yang baik antar stakeholder dan kelompok
mangrove. Sementara kondisi dilapangan di Desa
Sawojajar terdapat penurunan kepercayaan dari
stakeholder terhadap kelompok. Turunnya kepercayaan
dikarenakan penyalahgunaan bantuan oleh oknum
pengurus kelompok. Perhatian stakeholder kepada
kelompok Desa Sawojajar dapat menurun. Pendapat
pejabat di Desa Bedono yang mengatakan terdapat
perbedaan dalam memberi perhatian kepada kelompok
tergantung antusiasme masyarakat (Triyanti et al., 2017).
Frekuensi interaksi menunjukkan gambaran
komunikasi yang dilakukan oleh stakeholder dan
kelompok. Frekuensi interaksi tinggi antara stakeholder
dengan kelompok menunjukkan hubungan yang baik
antara keduanya. Desa Sawojajar memiliki persentase
35% orang dan Desa Karangdempel sebesar 48% untuk
kurang interaksi antara kelompok dengan stakeholder.
Desa Kaliwlingi mengaku sering dengan periode minimal
satu bulan satu kali dalam berinteraksi. Permasalahan
internal kelompok di Desa Sawojajar dalam dua tahun
terakhir mengakibatkan tidak banyak aktivitas
stakeholder di kelompok dan Desa Sawojajar.
Sementara di Desa Karangdempel interaksi yang kurang
karena hanya beberapa stakeholder yang melakukan
aktivitas di Desa Karangdempel. Interaksi dengan
stakeholder di Desa Karangdempel satu bulan satu kali
atau lebih jarang. Interaksi kelompok mangrove di tingkat
Desa Bedono dengan stakeholder terkait dapat
berlangsung sebulan sekali atau lebih jika terdapat
kerjasama (Triyanti et al., 2017). Data frekuensi interaksi
stakeholder dengan kelompok dapat dilihat pada Tabel
5.
Kegiatan kelompok yang dilakukan bersama
dengan stakeholder dapat terjadi jika kelompok
mengajukan proposal. Jika kelompok tidak membuat
proposal terlebih dahulu, maka kemungkinan untuk
bekerjasama cukup sulit. Berdasarkan hasil wawancara,
di Desa Karangdempel, Sawojajar, Kaliwlingi terdapat
responden sebesar 55%, 72%, dan 32% mengatakan
sulit untuk bekerjasama (Tabel 5). Setiap kelompok
mendapat respon yang berbeda ketika mengajukan
proposal. Kelompok Desa Karangdempel merasa tidak
mudah untuk mendapatkan dukungan dari proposal yang
diajukan. Sementara Desa Kaliwlingi lebih mudah
mendapatkan dukungan ketika mengajukan proposal.
Manfaat jaringan dengan stakeholder
menandakan bahwa masyarakat merasakan peran
stakeholder. Berdasarkan hasil wawancara, di Desa
Karangdempel dan Kaliwlingi 100% responden
mengatakan adanya jaringan memberi manfaat.
Sementara di Desa Karangdempel terdapat tiga orang
responden mengatakan jaringan tidak bermanfaat pada
kelompok mangrove. Persentase kurangnya manfaat
jaringan di Karangdempel disebabkan kurang
maksimalnya dukungan pada proposal yang diajukan
kelompok. Data manfaat yang dirasakan dengan adanya
jaringan dengan stakeholder dapat dilihat pada Tabel 5.

Tabel 5. Persebaran jumlah responden berdasarkan parameter sinergi

Sawojajar Karangdempel Kaliwlingi
Variabel Kriteria
(n=11) (n=15) (n=47)
Tidak/kurang
0% 40% 0%
Hubungan antara kelompok mangrove berbeda desa berhubugan
Berhubungan baik 100% 60% 100%
Tidak/kurang baik 0% 47% 6%
Hubungan kelompok dengan stakeholder
Sudah baik 100% 53% 94%
Tidak/kurang interaksi 36% 47% 0%
Frekuensi interaksi stakeholder dengan kelompok
Sering interaksi 64% 53% 100%
Sulit 55% 73% 34%
Syarat bekerjasama dengan stakeholder
Mudah 45% 27% 66%
Tidak/kurang
Manfaat yang dirasakan dengan adanya jaringan dengan 0% 20% 0%
bermanfaat
stakeholder.
Sangat bermanfaat 100% 80% 98%
Sumber: Pengolahan data primer (2018)

3.3. Modal Sosial di Pesisir Kabupaten Brebes
Kegiatan sosial berjalan dengan teratur,
terdapat kegiatan bulanan maupun tahunan. Kegiatan
tahunan berupa kearifan lokal seperti kegiatan pesta laut,
festival pesisir dan sedekah bumi menjadi salah satu
kearifan yang mengarah pada masalah lingkungan dan
upaya perlindungan pesisir. Kearifan yang berjalan
menimbulkan rasa takut, hormat dan peduli di
masyarakat terhadap ekosistem pesisir. Kesadaran
masyarakat semakin meningkat dalam upaya
perlindungan pesisir, masyarakat menjadi peduli untuk
menanam dan merawat mangrove. Kegiatan sosial
masyarkat yang bersifat bulanan seperti kerja bakti,
gotong royong, arisan ibu-ibu dan pengajian berjalan
setiap satu atau dua kali dalam satu bulan atau ada yang
tidak tentu. Sering kali kerjabakti dan gotong royong
diarahkan pada kegiatan penanaman dan perawatan
mangrove untuk memanfaatkan lahan dan pembuatan
102
karung berisi pasir untuk menghambat rob masuk ke
rumah. Modal sosial bonding sangat terasa di Desa
Kaliwlingi, rasa memiliki wilayah pesisir sebagai tempat
lahir, tinggal dan mencari nafkah tiap individu
membentuk ikatan yang kuat di masyarakat. Azahro &
Angga (2017) mengatakan bahwa di Desa Kaliwlingi
dalam pelestarian mangrove didasari oleh rasa nasib
yang sama atas kerusakan dan kehilangan yang dialami.
Rasa memiliki wilayah pesisir oleh masyarakat pesisir
Brebes mendorong untuk bergerak aktif melakukan
mitigasi seperti upaya penanaman mangrove.
Keberadaan kelompok mangrove Dewi
Mangrove Sari di Desa Kaliwlingi, kelompok Wana
Lestari di Desa Sawjajar, dan Kelompok Mina Makmur di
Desa Karangdempel menjadi bukti adanya modal sosial
Bridging. Terbentuknya kelompok mampu membuat
peraturan terkait pengelolaan hutan mangrove. Adanya
peraturan yang dikeluarkan kelompok dapat memperluas
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019
pengaruh peraturan pada masyarakat. Seperti yang
terjadi di Desa Bedono berdasarkan Triyanti et al.,
(2017), peraturan yang ada adalah peraturan desa
yang dibuat oleh masyarakat setempat dalam
konsensus dengan para pemimpin desa. Peraturan
yang berjalan dengan baik dapat menjadi kearifan
lokal. Azahro & Angga (2017) mengatakan bahwa di
Desa Kaliwlingi larangan penebangan mangrove
sebagai bentuk kearifan lokal yang dihasilkan oleh
institusi lokal. Adanya modal sosial bridging
mendorong individu untuk berkelompok, sehingga
kegiatan penanaman, perawatan, dan pengelolaan
mangrove dilakukan secara bersama agar lebih efisien
dan efektif.
Modal sosial linking ditunjukkan dari
kerjasama antara pemerintah pusat dengan
pemerintah lokal hingga ke perangkat desa dan NGO
berjalan dengan baik. Adanya modal sosial linking
dapat meningkatkan akses bantuan alat mitigasi dari
stakeholder kepada masyarakat. Macam-macam
kegiatan mitigasi dari stakeholder seperti sosialisasi,
penyuluhan, bantuan fisik, pembuatan system
penyelamatan dini, pendampingan pembangunan, dan
membuat peraturan lebih mudah didapat. Komunikasi
dan pertukaran informasi antara masyarakat dan
stakeholder terkait mitigasi bencana lebih mudah.
Kondisi kesadaran setiap individu di masyarakat,
bagian kelompok dan organisasi masyarakat, serta
adanya hubungan antara masyarakat, organisasi
masyarakat, dan stakeholder yang baik dan saling
terikat menciptakan tipologi modal sosial linking yang
kuat (Marfai et al, 2015).
4. Kesimpulan/Rekomendasi
Modal sosial memiliki peran penting dalam tata kelola
sosio-ekologis, perhatian harus diberikan sesuai
kebutuhan masyarakat. Kondisi modal sosial pada
masyarakat Pesisir Kabupaten Brebes bervariasi.
1. Modal sosial bonding ditunjukkan dari rasa
memiliki wilayah pesisr oleh masyarkat. Individu
masyarakat terdorong untuk aktif melakukan
mitigasi
2. Modal sosial bridging mendorong individu untuk
berkelompok, sehingga mitigasi dilakukan secara
bersama agar lebih efisien dan efektif.
3. Adanya modal sosial linking dapat meningkatkan
akses bantuan alat, komunikasi dan pertukaran
informasi terkait mitigasi dari stakeholder kepada
masyarakat.
4. Rekomendasi untuk penelitian ini adalah asil
penelitian masih sangat terbatas dari informasi
yang didapat. Penggunaan metode kualitatif
dalam pengambilan data responden dari anggota
kelompok masyarakat dengan masa penelitian
lebih lama dirasa perlu dilakukan. Perlunya
menambah masyarakat yang berada diluar
kelompok peduli bencana untuk mengetahui
sudut pandang lain di masyarakat. Kurangnya
informasi dalam penyusunan penelitian ini cukup
membatasi penulis dalam menjabarkan lebih
dalam mengenai kondisi pesisir Kabupaten
Brebes.
DAFTAR PUSTAKA
Azahro, M & Angga D.P. 2017. Challenges of Climate
Change: Resilience Efforts in Rural Communities of
Kaliwlingi Village Based on Pengembangan Wilayah
Pesisir Tangguh (PKPT) Program. Jurnal Wilayah
dan Lingkungan, Vol.5. Hal: 59-70.
BPS. 2017. Kabupaten Brebes dalam Angka 2017. Brebes:
Koordinator Statistik Kabupaten Brebes.
Diposaptono, S.; Budiman; Firdaus, A. 2009. Menyiasati
Perubahan Iklim di Wilayah Pesisir dan Pulau-Pulau
Kecil. Bogor: PT. Sarana Komunikasi Utama.
Ellis, F. 2000. Rural Livelihoods and Diversity in Developing
Countries. New York: Oxford University Press
Fiazia, N.A. 2006. Struktur Komunitas Mangrove dan
Implikasinya pada Kegiatan Rehabilitasi di Pesisis
Brebes, Jawa Tengah. Bogor: Institut Pertanian
Bogor
Gemilang, W.A.; Wisha, U.J.; Rahmawan, G.A.; Dhiauddin,
R. 2018. Karakteristik Sebaran Sedimen Pantai
Utara Jawa (Studi Kasus: Kecamatan Brebes Jawa
Tengah). Jurnal Kelautan Nasional, Vol.13. Hal: 65-
74.\
Hawkins, R.L. and Maurer, K. 2010. Bonding, Bridging, and
Linking: How Social Capital Operated in New
Orleans Following Hurricane Katrina. Britnish
Journal of Social Work, Vol.40. Hal: 1777-1793.
[IPCC] Intergovernmental Panel on Climate Change. United
Kingdom. 2007. Climate Change 2007: Impacts,
Adaptation and Vulnerability. In M. Parry, O.
Canziani, J. Palutikof, P. Van Der Linden, & C.
Hanson (Eds.). United Kingdom: Cambridge
University Press.
Jones, N & Clark, J. R. A. 2013. Sosial capital and Climate
Change Mitigation in Coastal Areas: A Review of
Current Debates and Identification of Future
Research Directions. Ocean & Coastal
Management, Vol.80. Hal: 12-19.
Marfai, M. A. 2014. Impact of Sea Level Rise to Coastal
Ecology: A Case Study on the Northern Part of Java
Island, Indonesia. International Journal of
Quarstiones Geographicae, Vol.33. Hal: 107-114.
Marfai, M. A.; Rahayu E.; Triyanti A. 2015. Peran Kearifan
Lokal dan Modal Sosial dalam Pengurangan Risiko
Bencana dan Pembangunan Pesisir. Yogyakarta:
Gadjah Mada University Press.
Maas, L. T.; Sirojuzilam; Erlina; Badaruddin. 2015. The Effect
of Sosial capital on Governance and Sustainable
Livelihood of Coastal City Community Medan. Sosial
and Behavioral Sciences, Vol.211. Hal: 718 – 722.
Nakagawa, Y. dan Shaw, R. 2004. Social Capital: A Missing
Link to Disaster Recovery. International Journal of
Mass Emergencies and Disasters, Vol.22. Hal: 5-34.
Pahlevi, M. A. 2016. Karakteristik Banjir Rob dan Penilaian
Kerugian Petani Tambak Kecamatan Brebes
Kabupaten Brebes. Fakultas Keguruan dan Ilmu
Pendidikan Universitas Muhammadiyah Purwokerto.
Robbins, S. P. & Timothy A. J. 2008. Perilaku Organisasi.
Jakarta: Salemba Empat
Satterthwaite D. 2008. Climate Change and Urbanization:
Effects and Implications for Urban Governance. The
United Nations Expert Group Meeting on Population
Distribution, Urbanization, Internal Migration, and
Development. New York: United Nations Secretariat.
Scoones, I. 1998. Sustainable Rural Livelihood a Framework
for Analysis IDS Working Paper 72. Bringhton: IDS.
Suyono; Supriharyono; Boedi H., dan Ocky K. R. 2015.
Pemetaan Degradasi Ekosistem Mangrove dan
Abrasi Pantai Berbasis Geographic Information
103
 Sistem di Kabupaten Brebes Jawa Tengah. Ocatek,
Vol.9. Hal: 90-102.
Triyanti, A. 2013. The Role of Sosial Capital for Coastal
Protection: A Case Suty in Bedono Coastal Area.
Tesis. Fakultas Geografi Universitas Gadjah Mada.
Triyanti, A., Maarten B., Joyeeta G., and Muh A. M. 2017.
Sosial capital, Interactive Governance and Coastal
Protection: The Effectiveness of Mangrove
Ecosistem Based Strategies in Promotinginclusive
Development in Demak, Indonesia. Ocean & Coastal
Management, Vol.150. Hal: 3-11.
Woolcock, M. 1998. Sosial capital and Economic
Dvelopment: Toward A Theoretical Synthesis and
Policy Frame Work. Theory and Society. Vol.27. Hal:
151-208

104
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Analisis Manfaat dan Keuntungan Wisata Bahari Pemuteran

Terhadap Pemangku Kepentingan Lokal

Ismi Nuari Puspitaningruma, Danis Arbabun Najab, Fadhiya Rizka Yanuaric

a,b,c Magister Perencanaan Pengelolaan Pesisir dan Daerah Aliran Sungai, Program S-2 Geografi, Fakultas Geografi,
Universitas Gadjah Mada, Bulaksumur, 55281
aisminuari@gmail.com; bdanis.naja@gmail.com; cfadhiyarizka1101@gmail.com

ABSTRAK
Wisata Bahari Pemuteran terletak di pesisir utara Bali dengan potensi keindahan alam berupa terumbu karang. Hal tersebut menjadi
modal yang strategis dalam kegiatan ekonomi masyarakat lokal. Dalam sejarahnya, pengembangan wisata bahari Pemuteran tak
lepas dari peran pemangku kepentingan lokal dan kesadaran masyarakat lokal, sehingga Pemuteran kini dikenal sebagai desa wisata
yang mampu memberikan dampak manfaat kepada masyarakat lokal. Penelitian ini bertujuan untuk menganalisis dampak manfaat
baik langsung maupun tidak langsung yang diterima masyarakat dengan adanya wisata bahari. Data dikumpulkan dengan observasi,
wawancara, penyebaran kuisioner, studi literatur dan dokumentasi. Teknik analisis data dilakukan dengan cara deskriptif kualitatif.
Hasil yang diperoleh dari penelitian ini menunjukkan bahwa dampak langsung yang diterima masyarakat berupa perubahan mata
pencahariaan yang berkaitan dengan wisata dan kenaikan pendapatan per bulan dengan rata-rata pendapatan per bulan di atas Rp
2.000.000,- . Sedangkan dampak tidak langsung berupa dampak lingkungan, sosial budaya dan adanya nilai tambah.

Kata Kunci: Pemuteran; Dampak Langsung; Dampak Tidak Langsung

ABSTRACT
Pemuteran Marine Tourism is on the northern coast of Bali with the potential for its natural beauty consisting of coral reefs. This has
become a strategic capital in the economic activities of local communities. In its history, the development of Pemuteran marine tourism
is inseparable from the role of local stakeholders and awareness of the local community, so Pemuteran is now known as a tourist
village that is able to provide benefits to local communities. This study aims to analyze the benefits either directly or indirectly received
by the community in the presence of marine tourism. Data was collected by observation, interview, questionnaire distribution, literature
study and documentation techniques. The data analysis technique was conducted in a qualitative descriptive manner. The results
obtained from this study indicate that the community immediately accepts changes in livelihoods and increases in money, while indirect
impacts are the environment, socio-culture and added value.

Keywords: Pemuteran; Direct Impact; Indirect Impact

1. Pendahuluan Pitanatri, 2016 ). Sebagai destinasi wisata baik lokal

Sebagai negara dengan panjang garis pantai
terpanjang kedua di dunia yakni 95.181 km, serta luas
lautan 3,25 juta km2 menjadikan Indonesia sebagai
negara yang mempunyai keindahan bahari, potensi biota
laut dan hasil laut dengan kualitas terbaik. Luas terumbu
karang di Indonesia mencapai 50.785 km2 yang
menyumbang 18% luas total terumbu karang dunia dan
65% luas total di coral triangle (Roza, 2017).
Populasi terumbu karang di Indonesia tersebar
di beberapa bagian Indonesia, salah satunya di
Kabupaten Buleleng, Provinsi Bali, dengan panjang garis
pantai kurang lebih 144 km. Pemuteran merupakan salah
satu kawasan wisata bahari di Kabupaten Buleleng yang
menjadi habitat terumbu karang sebagai daya tarik
wisata bahari di Kabupaten Buleleng.
Desa Pemuteran merupakan salah satu desa
tua di Kecamatan Gerokgak, Kabupaten Buleleng. Desa
Pemuteran terletak pada posisi melintang dari Barat ke
Timur. Jarak Desa Pemuteran dari ibu kota kecamatan
sekitar 18 km, jarak dari ibu kota kabupaten sekitar 57
km, dan jarak dari ibu kota propinsi sekitar 160 km (
maupun mancanegara, Desa Pemuteran memiliki akses
transportasi yang mudah dan nyaman.
Desa Pemuteran adalah desa budaya dengan
aktivitas bahari sebagai daya tarik utama, seperti diving
dan snorkeling, yang merupakan bagian dari ekowisata
(Dewi, 2018). Lu dan Stepchenkova (2012)
mendefinisikan ekowisata sebagai salah satu jenis
wisata yang menawarkan aktivitas dari wisata alam,
konservasi alami, dan pemanfaatan oleh komunitas
lokal.
Data statistik menyebutkan terjadi peningkatan
jumlah wisatawan yang awalnya 638.147 pengunjung di
tahun 2013 menjadi 954.730 pengunjung di tahun 2017
(Badan Pusat Statistik Kabupaten Buleleng, 2018).
Peningkatan tersebut turut membuat sektor usaha lain
yang terkait dengan usaha wisata ikut berkembang,
seperti akomodasi penginapan, restoran, diving centre
serta toko-toko kecil yang dikelola masyarakat lokal.
Adanya perubahan keadaan dari daerah
dengan terumbu karang yang rusak menjadi destinasi
wisata tentunya turut menumbuhkan kegiatan ekonomi
105
masyarakat lokal sekitar. Penelitian ini bertujuan untuk 3. Hasil dan Pembahasan
menganalisis dampak manfaat adanya pariwisata 3.1. Sejarah Wisata Bahari Pemuteran
terhadap masyarakat lokal, baik dampak langsung Sejarah dari desa wisata Pemuteran dimulai
maupun dampak tidak langsung. Tujuan lainnya adalah sejak komunitas lokal di sana membangun kesadaran
untuk menganalisis keuntungan ekonomi dengan adanya untuk memperbaiki ekosistem terumbu karang yang
pariwisata terhadap masyarakat desa Pemuteran. rusak dan mengalami penurunan sejak tahun 1980.
2. Metodologi Pemuteran dikenal sebagai desa termiskin di Bali dan
Metode yang digunakan dalam penelitian ini sebagian besar penduduknya hanya mengenyam
adalah deskriptif kualitatif. Penelitian deskriptif kualitatif pendidikan di tingkat sekolah dasar. Hal tersebut
dilakukan untuk mendeskripsikan fenomena secara dikarenakan kondisi geografis di Pemuteran yang
sistematik, faktual, dan akurat (Surtikanti et al., 2019). beriklim kering sehingga tidak memungkinkan untuk
Penentuan sampel dilakukan secara purposive sampling berbudidaya padi yang membuat penduduk di
dengan memilih responden berupa pemangku Pemuteran mengeksploitasi terumbu karang dan ikan
kepentingan berkaitan dengan objek penelitian. dengan cara yang tidak diijinkan untuk memenuhi
kebutuhan pangan sehari-hari mereka.
Dua puluh tahun kemudian, tepatnya di awal
tahun 2000, kesadaran dari komunitas lokal yang ada di
Pemuteran mengawali sebuah proyek restorasi terumbu
karang bekerja sama dengan ilmuwan mancanegara
yang dikenal dengan teknologi Bio Rock. Teknologi ini
merupakan metode pemulihan terumbu karang melalui
proses penambahan mineral yang dilakukan dengan
mengalirkan arus listrik bertegangan rendah sekitar 1,2
Volt pada kerangka baja yang telah dibentuk dan
ditenggelamkan di dasar laut. Pada awalnya diakui Made
Gambar 1. Lokasi Kajian Wisata Bahari Pemuteran Gunarsa, pecalang laut Pemuteran yang sekaligus
pendiri Yayasan Karang Lestari, tidak mudah
Penelitian dilakukan di Objek Wisata Bahari menyadarkan para penduduk untuk meninggalkan
Pemuteran, Kabupaten Buleleng, Bali (Gambar 1). kebiasaan lama dalam mencari ikan. Bahkan, beberapa
Populasi dalam penelitian ini adalah seluruh stakeholder nelayan sempat memprotes saat area tempat mereka
baik lokal maupun non-lokal yang memiliki kepentingan menangkap ikan dibatasi dengan adanya restorasi
dan dampak secara ekonomi, sosial, dan budaya terumbu karang.
terhadap kegiatan pariwisata Pemuteran. Sampel terdiri Namun setelah adanya permusyawaratan dan
dari 30 responden (Tabel 1). Pemilihan sampel dilakukan duduk bersama, serta dengan adanya sosialisasi
berdasarkan pembagian sektor kegiatan terdiri dari mengajak para penduduk untuk study banding di objek-
hotel/homestay, restoran, dive center, Pecalang Laut, objek wisata lainnya di Bali, para nelayan pun menyadari
Kelompok Usaha Bersama Ketapang Indah, Kelompok pentingnya restorasi terumbu karang sebagai tempat
Sadar Wisata (Pokdarwis), Spa, Biorock, security, dan hidup ikan-ikan kecil. Sejak saat itu, proyek restorasi
perangkat desa. terumbu karang memberikan keuntungan kepada
Tabel 1. Tabel Jumlah Sampel Responden komunitas dengan meningkatkan biodiversitas laut dan
Stakeholder Jumlah sampel memperbaiki lingkungan untuk wisatawan melalui atraksi
Hotel/homestay 9 bawah air untuk menyelam dan snorkel (Jaminson,
Restoran 8 2009). Tercatat pada tahun 2016 terjadi peningkatan
ve center 5
Operator kapal 1
lima kali lipat dengan adanya aktivitas menyelam di area
KUB Ketapang Indah 1 terumbu karang dan menghasilkan kira-kira sebanyak Rp
Karyawan security 1 825.290.248 ,- keuntungan bersih per tahun. Pernyataan
Pokdarwis 1 tersebut juga diperkuat berdasarkan data dari
Perangkat desa 1 Pemerintah Kabupaten Buleleng dari tahun 2010 sampai
Biorock 1
2015 yang menunjukkan adanya penurunan jumlah
Spa 1
Pecalang Laut 1 pengangguran sebesar 85,31 % hanya dalam 5 tahun (
Total 30 Trialfhianty,2017).
Sumber : Data primer diolah , 2019 Hasil dari kesadaran masyarakat lokal dalam
menjaga lingkungan di sekitar pantai membuahkan hasil
Berdasarkan kelompok stakeholder tersebut yang sangat signifikan, tampak dari kawasan pantai yang
ditentukan jumlah responden sesuai proporsi populasi nyaman, tenang, dan bersih tanpa adanya pedagang
dan keterbatasan waktu penelitian. Wawancara asongan yang menjajakan dagangan di sepanjang
responden untuk pengambilan data dan informasi pantai. Terumbu karang di pantai Pemuteran pun telah
dilakukan secara in-depth interview dan semi terstruktur beberapa kali mendapat penghargaan di kancah
untuk mengetahui perspektif manfaat wisata terhadap internasional karena kebersihan dan kelestariannya.
masyarakat, baik manfaat langsung maupun tidak Pemuteran di beberapa tahun terakhir telah menjelma
langsung. menjadi kawasan wisata bahari yang paling dicari oleh
wisatawan baik lokal maupun mancanegara, terlebih

106
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

mereka yang gemar beraktifitas di bawah laut. Kini

sekitar 1500 kepala keluarga di desa Pemuteran telah Pertumbuhan hotel di desa Pemuteran 10 tahun
merasaan dampak peningkatan kesejahteraan di bidang terakhir mengalami pertumbuhan yang masif (lihat
ekonomi dari kegiatan pariwisata berbasis masyarakat Gambar 3) dengan grafik yang terbuka. Hotel berbintang
yang berkembang di wilayah tersebut ( Dewi, 2018). di tahun 2008 sampai 2018 mengalami pertumbuhan di
awal tahun 2008 pertumbuhannya 1 hotel, di tahun 2010
mengalami kenaikan 2 hotel pertumbuhannya statis 2
hotel dimulai dari tahun 2011 sampai 2016 lalu di tahun
2018 mengalami kenaikan menjadi 5 hotel. Sehingga
pertambahan hotel berbintang dari tahun 2008 sampai
2018 adalah 3 hotel, angka ini didapat dari jumlah hotel
di tahun 2018 dikurangi jumlah hotel di tahun 2008.
Hotel non bintang di awal tahun 2008 mempunyai
4 hotel, 2010 mengalami kenaikan 2 tingkat lebih tinggi
menjadi 6 hotel. Tahun 2011 pertumbuhan hotel tetap
dari tahun sebelumnya 6 hotel. Kenaikan terjadi di tahun
2012 yaitu 9 hotel sampai tahun 2015. Tahun 2016 hotel
non bintang mengalami kenaikan 14 hotel di tahun
Gambar 2. Yayasan Biorock Karang Lestari Desa Pemuteran
berikutnya 2018 kenaikannya 4 tingkat lebih tinggi yaitu
18 hotel. Dari data tersebut bisa di lihat bahwa
3.2. Dampak Adanya Wisata Bahari Pemuteran
pertumbahan hotel non bintang dari awal tahun 2008
Wisata bahari merupakan wisata yang menyajikan
sampai 2018 yaitu 14 angka ini didapat dari jumlah hotel
keindahan laut salah satunya jenisnya adalah wisata
ditahun 2018 dikurangi jumlah hotel di tahun 2008.
biorock di Pemuteran merupakan wisata yang
Pondok wisata di awal tahun 2008 terdapat 3 hotel.
menyajikan keindahan alam bawah laut dengan terumbu
Tahun berikutnya yaitu tahun 2010 sampai tahun 2011
karang dan jenis ikan yang bervariasi. Adanya wisata
pertumbuhannya tetap yaitu 3 hotel kemudian
biorock tentu berdampak langsung dan tidak langsung
mengalami kenaikan pada tahun 2012 yaitu 4 hotel. Di
pada masyarakat di desa pemuteran.
tahun 2013 sampai 2015 kenaikannya statis yaitu 6 hotel.
Di tahun 2016 meningkat dari tahun sebelumnya menjadi
3.2.1 Dampak Langsung
8 hotel dan di tahun 2018 mengalami kenaikan kembali
Dampak langsung yang didapatkan oleh
menjadi 10 dari tahun 2008 sampai 2018 maka pondok
masyarakat dengan adanya wisata biorock akhirnya
wisata mengalami pertumbuhan 7 hotel.
membuahkan hasil, tentunya dengan semakin
Pertumbuhan hotel berbintang, hotel non hotel dan
membaiknya konservasi terumbu karang dampak
pondok wisata dalam 10 tahun dari data yang diperoleh
langsung yang dihasilkan oleh masyarakat antara lain
mengalami kenaikan.
secara ekonomi dan sosial. Adanya perubahan jenis
pekerjaan yang sebelum adanya wisata biorock
kebanyakan dari meraka bekerja sebagai petani dan
nelayan sebagai pekerjaan dominan yang ada di desa
pemuteran, namun setelah adanya wisata biorock
pekerjaan masyarakat menjadi lebih bervariasi karena
adanya kesempatan pekerjaan yang terbuaka untuk
masyarakat lokal lebih banyak. Pembangunan ekonomi
yang terjadi di desa pemuteran bisa dikatakan berjalan
dengan cepat, data yang diperoleh dari BPS terkait
dengan Pemuteran dalam angka dari tahun 2008-2018
Gambar 4. Beberapa Contoh Guest House dan Restoran
dengan rentan waktu 10 tahun salah satunya
yang Bermunculan
pembangunan adanya hotel berbintang maupun hotel
yang non hotel. Selain adanya kenaikan pertumbuhan hotel maka
dampak langsung yang lain dengan adanya wisata
biorock yang ada di Pemuteran yaitu perubahan
pendapatan sebelum adanya wisata biorock ini (lihat
Gambar 5).

Gambar 3. Grafik Pertumbuhan Hotel Berbintang, Hotel Non

Bintang dan Pondok Wisata di Desa Pemuteran. (Sumber
BPS Pemuteran dalam Angka 2010- 2018)
107

Gambar 5 Grafik Pendapatan Masyarakat Lokal Sebelum dan
Sesudah Adanya Wisata Biorock (Sumber : Olah Data
Primer)
Pendapatan yang di peroleh oleh masyarakat lokal
dengan adanya wisata biorock tentu dipengaruhi oleh
berbagai faktor antara lain faktor bulan ramai dan bulan
sepi, adanya pekerjaan lain yang menyebabkan
pendapatan bertambah. Pendapatan (lihat gambar 2)
sebelum adanya wisata biorock hampir semua
pendapatannya di bawah angka Rp 2.000.000 baik itu
pemilik home stay, karyawan restoran, pemilik dive,
karyawan hotel, karyawan dive, operator kapal,
karyawan spa. Namun dengan adanya wisata biorock di
pemuteran maka pertumbuhan ekonomi masif dengan
mempunyai keahlian yang di butuhkan dengan wisata
biorock, bahkan adanya perubahan mata pencarian yang
dahulu lebih ke petani atau nelayan sekarang
mempunyai ketrampilan lain.
Pemilik homestay meningkat pendapatannya
menjadi ± Rp 5.000.000 dari 30 responden yang telah di
wawancara, sedangkan karyawan restoran
pendapatannya menjadi Rp.4.000.000 dari yang di
wawancara. Pemilik dive pendapatannya mencapai Rp
14.000.000 hal ini bisa di bilang paling besar diantara
yang lain dikarenakan mereka menjual jasa dan sewa
alat selam. Untuk karyawan hotel pendapatan yaitu
kisaran angka Rp 2.000.000. karyawan dive mempunyai
pendapatan di kisaran angka Rp.3.500.000 . Operator
kapal pendapatan sekitar Rp 4.000.000 dan karyawan
SPA yaitu sekitar 7.000.000.
Pendapatan yang dihasilkan dari masyarakat lokal
dengan pekerjaan yang bergantung pada wisata biorock
tentu berubah-ubah tergantung jumlah wisatawan yang
datang. Sehingga adanya bulan- bulan yang ramai dan
bulan yang sepi. Jika dalam bulan ramai pendapatan bisa
melonjak tinggi sedangkan bulan sepi pendapatan bisa
turun sangat drastis.
3.2.2 Dampak Tidak Langsung
Kegiatan pariwisata Pemuteran selain berdampak
secara langsung, juga terdapat dampak tidak langsung
yang dirasakan oleh masyarakat lokal dalam berbagai
aspek. Dampak tidak langsung tersebut berkaitan
dengan manfaat yang tidak hanya dapat diukur sebagai
angka nominal, melainkan secara empiris dapat
dirasakan adanya. Keberadaan pariwisata bahari
Pemuteran merubah banyak aspek salah satunya terkait
orientasi mata pencaharian dari sektor primer menuju
sektor sekunder dan tersier.
108
Kegiatan ekonomi sektor tersier seperti jasa
wisata, memberi dampak kebutuhan akan sarana
prasarana pendukung wisata. Selain hotel dan restoran
sebagai sarana kebutuhan pokok, kebutuhan sarana lain
seperti panggung hiburan, tempat menikmati keindahan
alam, dan tempat berswafoto.
a. Dampak Lingkungan
Dampak tidak langsung pengembangan
wisata bahari Pemuteran salah satunya adalah dampak
terhadap lingkungan. Kepadatan aktivitas manusia yang
disebabkan adanya pengunjung wisatawan baik lokal
maupun mancanegara, menimbulkan perubahan
terhadap kondisi lingkungan yang ada. Dimana terdapat
kegiatan manusia disitu pula menghasilkan residu
berupa sampah dan limbah domestik. Sampah menjadi
ancaman serius dalam kegiatan pengembangan
pariwisata (Citra, et al., 2017). Hal tersebut yang
membangun respon untuk melakukan penanganan
lingkungan melalui pengelolaan sampah secara
terintegrasi. Para pelaku wisata dan masyarakat memiliki
kesadaran bahwa lingkungan yang memberikan manfaat
ekonomi kegiatan wisata perlu dijaga kelestariannya.
b. Dampak Sosial Budaya
Pariwisata mampu meningkatkan revitalisasi
tradisi budaya, sejarah, serta kearifan lokal suatu wilayah
(Lakhsmi & Shaji, 2016). Objek wisata yang ada di
Pemuteran memiliki identitas kebudayaan yang sangat
dipegang teguh oleh masyarakat lokal dan pelaku wisata.
Kearifan lokal dan kekhasan budaya masyarakat
merupakan pendorong potensial pengembangan wisata
(Kristanto, et al., 2019). Kearifan lokal seperti
keramahtamahan menjadi identitas masyarakat dan
pelaku wisata untuk menyajikan kualitas wisata yang
berbasis budaya. Hal tersebut menjadi dampak tidak
langsung dari adanya kegiatan wisata, dimana
kesadaran masyarakat dalam kolaborasi melestarikan
ligkungan dan menjaga kenyamanan bersama semakin
meningkat.
c. Dampak Nilai Tambah
Kegiatan pariwisata, khususnya terumbu karang
mampu meningkatkan nilai-nilai komersil produk melalui
daya tariknya (Spalding, et al., 2017). Kegiatan
pariwisata juga memiliki dampak tidak langsung berupa
nilai tambah. Salah satu dampak nilai tambah dapat
ditemukan di Pemuteran adalah meningkatnya nilai jual
hasil perikanan laut. Sebelum adanya objek wisata
bahari, masyarakat lokal pesisir Pemuteran mayoritas
mata pencaharian utama bergantung pada sektor primer
berupa nelayan tangkapan laut dengan nilai jual hasil
tangkapan ikan cenderung rendah. Menurut Kevin, et al.
(2018) modal dan teknologi sebagai faktor eksternal
memiliki peranan penting dalam menigkatkan
produktivitas pariwisata. Oleh karena itu, kenaikan nilai
tambah dan efisiensi kegiatan ekonomi seperti penjualan
produk dapat terwujud. dalam kegiatan Keberadaan
pariwisata bahari berdampak pada meningkatnya nilai
jual hasil perikanan laut tersebut. Pariwisata
mengakibatkan meningkatnya kebutuhan terhadap
berbagai barang dan jasa, khususnya hasil perikanan
laut itu sendiri.
4. Kesimpulan
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Hasil penelitian menunjukkan kesadaran Surtikanti, H.K., Syulasmi, A., & Fatimah , T. 2019. Traditional
masyarakat yang meningkat membuat pengembangan Knowledge of Local Wisdom of Aga Tenganan
wisata bahari Pemuteran menjadi sarana untuk Pegringsingan Bali about Environmental Concervation
meningkatkan perekonomian. Dampak langsung yang and Sanitation. IOP Conf: Jounal of Physics: Conf.
Series 1157. doi:10.1088/1742-6596/1157/2/022117
diterima masyarakat berupa perubahan mata Trialfhianty, Tyas Ismi. Suadi. 2017. The Role Of Community
pencaharian dan peningkatan pendapatan. Perubahan In Supporting Coral Reef Restoration in Pemuteran, Bali,
mata pencaharian terjadi dari masyarakat yang bekerja Indonesia, Journal Coast Conversation, Vol. 21, Hal:
pada sektor usaha lain, kini sebagian besar menjadi 873-882.
pemilik dari usaha di bidang pariwisata. Sedangkan
peningkatan pendapatan pada masyarakat di bidang
sektor pariwisata meningkat rata-rata sebesar dua kali
lipat dibanding pendapatan sebelum adanya wisata.
Dampak tidak langsung yang diterima masyarakat
adalah dampak lingkungan, dampak sosial budaya dan
dampak adanya nilai tambah.

DAFTAR PUSTAKA
Badan Pusat Statistik Kabupaten Buleleng. 2010-2017.
Kabupaten Buleleng Dalam Angka 2010-2017. BPS.
Buleleng.
Badan Pusat Statistik Kabupaten Buleleng. 2018. Kabupaten
Buleleng Dalam Angka 2018. BPS. Buleleng.
Citra, M.E.A, Wibawa, I.M.S, & Wiasta, I.W. 2017. Pecalang
Sebagai Panyukerta Desa Adat Kutuh. Seminar
Nasional Riset Inovatif 2017. ISBN: 978-6026428-11-0.
Pp. 269-274
Das, M., Chatterjee, B., 2015. Ecotourism: a panacea or a
predicament? Tour. Manage.Perspec.14,3–16.
https://doi.org/10.1016/j.tmp.2015.01.002
Dewi, N I K, et all. 2018. Exploring The Potential Of Cultural
Villages As A Model Of Community Based Tourism.
Journal of Physic. Conf Series 953 012072.
Jamison N . 2009. The role of biorock artificial coral reefs in the
sustainable governance of marine protected areas: a
case study of Pemuteran, Bali, 60 p., M.Sc Thesis,
Sustainability and Management Programme,
Department of Geography, Royal Holloway College,
University of London
Kevin X.L, Mengjie, J. & Wenming, S. 2018. Tourism as
Important Impetus to Promoting Economic Growth: a
Critical Review. Tourism Management Perspectives.
26(2018) 135-142.
Kristanto, B., Fahrudin, A. & Salim, Z. 2019. Determinants of
sustainable small islands torism management: Case
study of Pahawang Island, Indonesia. IOP. Conf. Series:
Earth and Environmental Science 241(2019)012015.
doi:10.1088/1755-1315/241 /1/012015
Lakhsmi, S.R. & Shaji, T.L. 2016. Transformation of Coastal
Settlement Due To Tourism. International Conference
on Emerging Trends in Engineering, Science and
Technology (ICETEST- 2015). Procedia Technology
24(2016) 1668–1680 doi: 10.1016/j.protcy. 2016.05.188
Lu, W., Stepchenkova, S., 2012. Ecotourism experiences
reported online: classification of satisfaction attributes.
Tourism Manag. 33 (3), 702-712.
https://doi.org/10.1016/j.tourman.2011.08.003
Roza, E. 2017. Maritim Indonesia, Kemewahan Yang Luar
Biasa. Dakses pada 31 Maret 2019 dari Website
Kementrian Kelautan dan Perikanan Republik
Indonesia: http://kkp.go.id/artikel/ 2233-maritim-
indonesia-kemewahan-yang-luar -biasa
Spalding, M., Burke, L., Wood, S.A., Ashpole, J., Hutchison, J.
Ermgassen, P. 2017. Mapping the global value and
ditribution of coral reef tourism. Marine policy 82 (2017)
104-113.

109
Kemitraan Tiga Pihak Antara BMKG, Instansi Pemerintah Dan
Masyarakat Dalam Pengelolaan Pengamatan Curah Hujan Di
Sulawesi Selatan

A. Fachri Radjaba, dan Kikib,

a,bPusat Meteorologi Publik BMKG Jakarta, Jl. Angkasa 1 No. 2 Kemayoran, DKI Jakarta, 10610; e-mail:
afachriradjab@gmail.com; bkiki.ekasiwi@gmail.com

ABSTRAK
Pengamatan curah hujan yang baik mutlak diperlukan untuk menghasilkan informasi cuaca yang tepat dan akurat. Saat ini
pengamatan curah hujan di Indonesia dikelola oleh berbagai pihak dan dikoordinir oleh Badan Meteorologi Klimatologi dan Geofisika
(BMKG). BMKG memiliki jejaring pengamatan curah hujan yang tersebar di seluruh wilayah Indonesia. Namun dari sisi jumlah dan
sebaran, jejaring pengamatan curah hujan yang ada saat ini belum ideal. Perlu dilakukan penambahan kerapatan jejaring
pengamatan. Guna menambah kerapatan jejaring pengamatan curah hujan, BMKG perlu menjalin kemitraan dengan berbagai pihak
termasuk dengan instansi pemerintah dan masyarakat umum. Penelitian ini mencoba mengidentifikasi model kemitraan yang ideal
untuk pengelolaan pengamatan curah hujan di Indonesia, khususnya di Sulawesi Selatan. Metode yang digunakan dalam kajian ini
adalah metode penelitian kualitatif, yaitu dengan mendeskripsikan dan menganalisis teori serta data hasil penelitian. Tiga variabel
kemitraan, yaitu motivasi, konsistensi dan keberlanjutan serta dua variabel determinan, yaitu pembinaan dan insentif digunakan dalam
penelitian ini. Berdasarkan hasil survey dari 32 orang responden serta hasil analisis data rekapitulasi data pengiriman curah hujan
selama 6 bulan dari 257 pos pengamatan hujan kerjasama BMKG, didapati bahwa model kemitraan yang paling ideal adalah
pengoperasian bersama dan ditambah dengan unsur pembinaan secara intensif kepada para pengamat. Kemitraan BMKG dengan
instansi pemerintahan maupun masyarakat umum yang saat ini telah berjalan menunjukkan bahwa aspek motivasi untuk bermitra
telah cukup memuaskan, serta cukup konsisten terutama untuk pos pengamatan curah hujan yang telah dilengkapi dengan teknologi
pengiriman data otomatis. Namun untuk aspek keberlanjutan masih menunjukkan hasil yang kurang memuaskan, begitupun dengan
konsistensi pengiriman data hasil pengamatan oleh pos pengamatan curah hujan kerjasama yang belum dilengkapi fasilitas teknologi
pengiriman data otomatis. Serta didapati juga bahwa faktor insentif merupakan salah satu motivasi yang cukup signifikan untuk para
tenaga pengamat.

Kata kunci: Pengamatan, Curah Hujan, Kerjasama, BMKG, Sulawesi Selatan

ABSTRACT
Proper rainfall observation is required to obtain the right and accurate weather information. At present the observation of rainfall in
Indonesia is managed by various parties and coordinated by the Agency of Meteorology, Climatology, and Geophysics (BMKG).
BMKG has rainfall observation network that spread throughout Indonesia. But in terms of quantity and distribution, the current rainfall
observation network is not ideal yet. It is necessary to increase the density of observation network. In order to increase the density of
rainfall collection networks, BMKG needs to establish partnerships with all parties including government agencies and the general
public. This study attempts to solve the ideal partnership model for rainfall management in Indonesia, especially in South Sulawesi.
Method used in this study is qualitative research method, which is describing and analyzing the theory and data resulted on this
research. Three partnership variables, namely motivation, consistency and sustainability, and two determinant variables, namely
coaching and incentives used in this study. Based on the survey result from 32 respondents and 6 month data dissemination from
257 rainfall observation stations it was found that the most ideal partnership model was joint operations and added with an intensive
coaching element to the observers. BMKG partnership with governmental institutions and public that existing now shows that the
motivation aspect has already satisfying especially for rainfall observation stations equipped with automatic dissemination technology.
However for sustainability aspect and the consistency of rainfall data dissemination still showing less satisfying result, mainly for
rainfall observation stations that has not equipped by automatic dissemination technology. Another result that need to be underlined
is one of the significant factor on observer’s motivation is incentive.

Keywords: Observation, Rainfall, Partnership, BMKG, South Sulawesi

1. Pendahuluan berupa analisis maupun prakiraan, memiliki peran yang

1.1. Latar Belakang
Cuaca dan iklim merupakan fenomena alam yang
memiliki pengaruh yang sangat besar terhadap kehidupan
manusia di berbagai sektor, seperti kesehatan, pertanian
dan perkebunan, infrastruktur, rekreasi, transportasi,
energi, manajemen air, dan lain-lain. Informasi cuaca, baik
sangat penting untuk mendukung aktivitas sehari-hari bagi
masyarakat dari berbagai lapisan, mulai dari rumah
tangga hingga industri.
Saat ini layanan informasi cuaca dan iklim di
Indonesia dikelola oleh Badan Meteorologi Klimatologi
dan Geofisika (BMKG) yang merupakan lembaga

110
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019
pemerintah yang memiliki tugas untuk melaksanakan
tugas di bidang meteorologi, klimatologi, kualitas udara,
dan geofisika. Salah satu tugas yang diemban BMKG
adalah melakukan pengamatan cuaca dan iklim di seluruh
wilayah Indonesia. Data hasil pengamatan cuaca
merupakan masukan data awal yang sangat penting
dalam rangakaian pembuatan informasi prakiraan cuaca.
Data pengamatan yang tepat dan dengan sebaran titik
pengamatan yang rapat akan menghasilkan produk
informasi cuaca yang baik pula. Namun demikian saat ini
titik pengamatan cuaca yang dimiliki BMKG belum
tersebar merata dan rapat.
Guna meningkatkan kualitas dan kuantitas data
pengamatan cuaca di Indonesia, maka mutlak diperlukan
penambahan jejaring pengamatan cuaca tersebut. Namun
demikian, mengingat sumber daya yang dimiliki BMKG
untuk terus menambah jejaring pengamatan cuaca juga
terbatas, maka dibutuhkan berbagai upaya untuk
meningkatkan kerapatan jejaring pengamatan tersebut,
salah satunya adalah dengan membangun kemitraan
dengan pihak lain, baik instansi pemerintah maupun
masyarakat umum.
Salah satu kemitraan dalam pengamatan cuaca
yang telah dilakukan BMKG adalah pengamatan curah
hujan manual di berbagai pos hujan yang tersebar
diseluruh Indonesia, termasuk di Propinsi Sulawesi
Selatan. Propinsi Sulawesi Selatan dipilih menjadi lokus
penelitian karena jumlah pos hujan yang masih sedikit dan
belum merata serta keunikan pola curah hujan si Sulawesi
Selatan, dimana sisi barat dan sisi timur memiliki periode
musim hujan yang berkebalikan. Saat ini di Sulawesi
Selatan terdapat 257 pos hujan. Pada umumnya pos
hujan ini terletak di lingkungan kantor instansi mitra BMKG
seperti kantor Dinas Pertanian, Balai Benih dan lain
sebagainya. Apabila Dilihat dari distribusi spasialnya,
jaringan pos hujan di Sulawesi Selatan juga belum cukup
merata tersebar. Dengan luas wilayah sekitar 46.717,48
km2maka dapat dikatakan bahwa 1 (satu) pos hujan
mewakili area sekitar 182 km2.
Saat ini model kemitraan yang dibangun antara
BMKG dan instansi pemilik lahan adalah dalam hal
penyediaan alat oleh BMKG dan penyediaan lahan oleh
instansi terkait serta proses pengamatan oleh mayarakat
disekitar pos hujan yang diberi tugas untuk melakukan
pengamatan. Namun demikian, model kemitraan ini belum
menggambarkan dengan jelas kemanfaatan yang dapat
diambil oleh masing-masing pihak serta peluang
pengembangan yang dapat dilakukan. Penelitian ini
mencoba menemu kenali model kemitraan eksisiting
antara BMKG, instansi terkait dan masyarakat pengamat
serta mencoba menemukan pengembangan model
kemitraan yang ideal dalam pengamatan curah hujan ini.
1.2. Rumusan Masalah
Masalah yang akan dibahas pada penelitian ini
adalah bagaimana model kemitraan eksisting, model
kemitraan ideal dan faktor determinan dalam pengelolaan
pengamatan curah hujan di Sulawesi Selatan.
1.3. Tujuan Penelitian
a. Mengidentifikasi model kemitraan eksisting dalam
pengelolaan pengamatan curah hujan di Sulawesi
Selatan.
b. Menemukan model kemitraan yang ideal dalam
pengelolaan pengamatan curah hujan curah hujan di
Sulawesi Selatan.
c. Mengidentifikasi faktor determinan dalam kemitraan
pengelolaan pengamatan curah hujan di Sulawesi
Selatan.
1.4. Manfaat Penelitian
a. Meningkatkan kualitas layanan informasi cuaca dan
iklim.
b. Meningkatkan peran serta masyarakat dalam
pengamatan cuaca.
2. Metodologi
2.1. Jenis Penelitian
Jenis penelitian ini adalah penelitian kualitatif
dimana selain dilakukan proses deskripsi atas teori dan
data yang ada juga dilakukan analisis atas data yang
diproleh. Analisis kualitatif utamanya dilakukan pada
tataran operational teori, yaitu ketika dilakukan analisis
data hasil survei tentang model dan variabel kemitraan.
2.2. Variabel Penelitian
1. Variabel Kemitraan :
a. Motivasi Kemitraan
b. Konsistensi Kemitraan
c. Keberlanjutan Kemitraan
2. Variabel Determinan :
a. Pembinaan
b. Insentif
2.3. Definisi Operasional
1. Kemitraan di bidang pengembangan jejaring
pengamatan cuaca dan iklim adalah kemitraan antara
Badan Meteorologi Klimatologi dan Geofisika selaku
pihak pemerintah dengan instansi pemerintah lainnya
dan masyarakat.
2. Kemitraan eksisiting adalah kemitraan yang dilakukan
oleh BMKG bersama pemangku kepentingannya dan
dinyatakan dalam naskah kerjasama yang masih
berlaku. Total ada 166 naskah kerjasama yang akan
dianalisis dalam penelitian ini.
3. Instansi pemerintah lainnya adalah instansi
pemerintah di wilayah Sulawesi Selatan yang menjadi
mitra BMKG untuk menempatkan alat penakar hujan
manual sehingga berperan sebagai pos pengamatan
hujan.
4. Model kemitraan yang ideal adalah bentuk atau model
kemitraan dalam bidang pengelolaan jejaring
pengamatan cuaca dan iklim yang dinilai paling sesuai
untuk diterapkan di Indonesia.
5. Wilayah penelitian adalah propinsi Sulawesi Selatan
dengan objeknya adalah pos pengamatan hujan di
Sulawesi Selatan.
6. Varibel Determinan adalah faktor-faktor yang
berpengaruh dalam pelaksanaan kemitraan, yaitu
faktor pembinaan dan faktor insentif.
7. Kelompok Pengamat adalah kelompok pengamat
curah hujan. Kelompok pengamat ini terbagi atas 2
(dua) kelompok yaitu, kelompok pengamat umum
yaitu kelompok pengamat yang belum dilengkapi
dengan fasilitas teknologi pengiriman data
pengamatan berbasis aplikasi. Kelompok umum ini
terdiri dari 251 tenaga pengamat. Sementara
kelompok kedua, yaitu kelompok khusus, adalah
111
 kelompok pengamat yang telah dilengkapi fasilitas
teknologi untuk pengiriman data pengamatan.
Kelompok khusus ini berjumlah 32 tenaga pengamat.
2.4. Teori Kemitraan
Istilah kemitraan memiliki cakupan yang sangat luas
baik dari sisi konsep maupun penerapannya. Ada
berbagai asumsi yang menggarisbawahi definisi dari
kemitraan itu sendiri. Pertama, peluang sinergi dalam
berbagai bentuk, sehingga menghasilkan pemahaman
bahwa hasil dari bergabung akan lebih besar daripada
terpisah-pisah. Kedua, kemitraan melibatkan unsur
diantaranya pengembangan dan pelaksanaan strategi
atau sekumpulan proyek/operasi, meskipun setiap
pelakunya mungkin tidak memiliki tingkat keterlibatan
yang sama pada setiap tahapnya. Ketiga, didalam
kemitraan pemerintah dan swasta, sektor publik tidak
semata hanya mengejar tujuan komersil. Oleh karenanya
kriteria dari kemitraan dapat juga diartikan sebagai
adanya kemitraan sosial (McQuaid,2000).
Dalam perspektif pembangunan ekonomi,
kemitraan sebagai suatu skema dengan keterlibatan atau
pendanaan dari lebih dari satu lembaga (Sellgren, 1990).
Sedangkan (Bennet, 1994) menekankan hal yang sama,
yaitu adanya tujuan bersama dari beberapa lembaga dan
mendefinisikan kemitraan sebagai kesepakatan
kerjasama antara beberapa aktor untuk bekerja bersama
guna mencapai tujuan ekonomi yang telah ditentukan
bersama. Hingga saat ini telah banyak berkembang
definisi-definis tentang kemitraan dengan
mempertimbangkan perspektif kebijakan. Salah
satu definisi kemitraan adalah kolaborasi antara pelaku
bisnis, organisasi nirlaba dan pemerintah yang mana
segala resiko, sumber daya dan kemampuan dipikul
bersama dalam sebuah proyek yang pada akhirnya dapat
membawa kemanfaatan bagi para pihak yang terlibat dan
juga bagi masyarakat (Stratton, 1989).
Dalam perspektif pembangunan nasional di
Indonesia, kemitraan dalam pembangunan pada
dasarnya mengandung hakekat keadilan dalam perolehan
keuntungan dan manfaat, pembebanan biaya dan
penanggungan resiko yang timbul dalam kegiatan usaha
tersebut (Linder, 1999). Dengan demikian, kemitraan yang
dikembangkan adalah kemitraan yang setara antara para
pelaku sesuai dengan kemampuan kontribusinya.
2.5. Model-model Kemitraan
Dalam membangun kemitraan ada 5 (lima) dimensi
utama yang perlu diperhatikan, yaitu : a). Apa yang ingin
dicapai dari kemitraan tersebut, b). Siapa yang terlibat, c).
Kapan waktu pelaksanaannya, termasuk pentahapan, d).
Dimana kemitraan tersebut akan dilakukan, dan e).
Bagaimana kemitraan ini akan dilakukan (McQuaid,
2016). Mengacu kepada teori diatas, kita dapat
melakukan identifikasi awal model-model kemitraan
berdasarkan kelima dimensi tersebut.
Pada penelitian ini, penulis akan mengawali
identifikasi model kemitraan dengan mengacu pada
dimensi kedua, yaitu siapa yang terlibat atau aktor-aktor
dalam kemitraan. Dengan mengidentifikasi aktor-aktor
yang terlibat, maka model-model kemitraan dapat
dikategorikan menjadi :
a. Model Kemitraan dua Pihak
112
Bentuk model kemitraan dua pihak antara lain
kemitraan pemerintah dengan swasta (Public
Private Partnership), kemitraan pemerintah dengan
masyarakat (Public People Partnership), kemitraan
pemerintah dengan kalangan professional,
misalnya akademisi, peneliti, perekayasa dan lain
sebagainya (Public Professional Partnership).
b. Model Kemitraan Banyak Pihak
Seperti namanya, model kemitraan banyak pihak
dilakukan oleh lebih dari 2 (dua) pihak. Bentuk
model kemitraan banyak pihak sangat bervariasi,
contohnya antara lain Kemitraan Pemerintah
dengan Swasta dan Profesional (Public Private
Professional Partnership), Kemitraan Pemerintah
dengan Swasta, Profesional dan Masyarakat
(Public Private Professional and People
Partnership). Variasi model kemitraan, baik
kemitraan dua pihak maupun kemitraan banyak
pihak sangat beragam, hal ini dapat ditentukan oleh
4 (empat) dimensi kemitraan lainnya dari kemitraan
sebagaimana disebutkan diatas.
2.6. Kebijakan Nasional Bidang MKG
2.6.1. Landasan Hukum Kebijakan Nasional Bidang
Layanan Informasi Cuaca dan Iklim
Landasan hukum kebijakan nasional dibidang
layanan informasi cuaca dan iklim tercantum didalam
Undang-undang No.31 Tahun 2009 tentang Meteorologi,
Klimatologi dan Geofisika. Disebutkan bahwa pemerintah
dalam hal ini Badan Meteorologi Klimatologi dan Geofisika
wajib menyediakan pelayanan meteorologi, klimatologi,
dan geofisika, dimana didalamnya termasuk layanan
informasi cuaca dan iklim (UU RI No. 31 Tahun 2009). Dan
dalam UU tersebut diatur pula bahwa layanan yang
diberikan harus memenuhi standar, baik standar nasional
maupun intenasional.
Sebagai turunan dari undang-undang ini telah
dihasilkan peraturan dibawahnya yang mengatur tentang
layanan informasi cuaca dan iklim, baik itu peraturan
pemerintah, dalam hal ini tentang Pelayanan Meteorologi
Klimatologi dan Geofisika maupun peraturan dibawahnya,
yaitu peraturan Kepala Badan Meteorologi Klimatologi dan
Geofisika (PP No.11, 2016).
2.6.2. Komponen Utama Lembaga Pelayanan
Informasi Cuaca dan Iklim di Indonesia
Dalam menjalankan tugas dan fungsinya, Badan
Meteorologi Klimatologi dan Geofisika selaku lembaga
pemberi layanan informasi cuaca dan iklim memiliki 3
(tiga) komponen, yaitu:
a. Komponen infrastruktur teknis, yang meliputi Jaringan
Pengamatan, Peralatan, Kalibrasi, Sistem IT,
Perangkat Lunak, Gedung kantor, System Integrasi,
Jaringan Komunikasi dan Pemeliharaan.
b. Komponen Produksi, meliputi pengamatan,
pengolahan dan analisis data, prakiraan, supervisi.
c. Komponen Layanan yang menangani layanan cuaca
diberbagai bidang, baik yang bersifat terjadwal (rutin)
maupun informasi peringatan dini (Early Warning).
Dari ketiga komponen diatas dapat pula dikatakan
bahwa Komponen Infrastruktur Teknis dan Komponen
Produksi masuk kedalam kelompok komponen Back
Office dan Komponen Layanan merupakan kelompok
komponen Front Office.
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

2.7. Jejaring Pengamatan Global Maros, yang merupakan stasiun koordinator untuk
Pengelolaan jejaring pengamatan global saat ini Provinsi Sulawesi Selatan.
diatur oleh World Meteorological Organization (WMO)
dalam program yang disebut System Pengamatan Global
atau Global Observing System (GOS) (WMO, 2007).
Tujuan dari GOS adalah untuk menyediakan pengamatan
cuaca yang berkualitas baik dari daratan, permukaan laut
maupun dari angkasa, yang selanjutnya data hasil
pengamatan ini akan digunakan untuk pembuatan analisis
dan prakiraan cuaca serta aplikasi terkait lainnya (WMO,
2003).
Secara umum GOS terdiri dari 2 (dua) sub sistem
pengamatan, yaitu pengamatan berbasis permukaan
bumi (surface based observation) dan pengamatan
berbasis angkasa (space based observation).
Pengamatan berbasis permukaan bumi dapat terdiri dari
stasiun pengamatan sinoptik baik darat, laut, maupun
udara atas, stasiun pengamatan iklim, stasiun meteorologi
pertanian, stasiun meteorologi penerbangan dan stasiun
meteorologi khusus. Stasiun pengamatan cuaca darat
(land synoptic station) dapat berupa stasiun pengamatan
berawak (manned station) maupun stasiun pengamatan
otomatis (unmanned station).
Dalam melakukan pengamatan, seluruh stasiun
pengamatan harus dilengkapi dengan peralatan Gambar 1. Peta jaringan pos hujan di Sulawesi Selatan
pengamatan yang terstandarisasi dan sudah terkalibrasi
secara rutin, sehingga data yang dihasilkan layak untuk 2.9. Rancangan Penelitian
digunakan lebih lanjut. 2.9.1 Kerangka Pikir dan Kerangka Konseptual
2.8. Gambaran Pos Hujan di Sulawesi Selatan a. Kerangka Konseptual
Saat ini, jaringan penakar hujan di Sulawesi Selatan Gambar dibawah ini menjelaskan kerangka konsep
mencakup 257 pos seperti ditampilkan pada Gambar 1), dari penelitian ini, yaitu para pihak yang melakukan
termasuk di dalamnya stasiun MKG dan pos hujan kemitraan serta perannya masing-masing yang
kerjasama. Pada stasiun/pos hujan di Sulawesi Selatan, selanjutnya dilihat kemitraan eksisting yang ada seperti
pengukuran curah hujan rutin dilakukan setiap hari pada apa dan selanjutnya dilakukan analisis dengan variabel
pukul 07.00 WITA. Data curah hujan hasil pengukuran ini kemitraan dan variabel pengaruh sehingga dapat
kemudian dicatat lalu dilaporkan ke Stasiun Klimatologi ditemukan model kemitraan yang ideal.

Gambar 2. Diagram alir kerangka konseptual

b. Kerangka Pikir
Gambar dibawah ini menjelaskan alur pikir dan laur kerja dari penelitian ini.
113
 .
Gambar 3. Diagram alir kerangka pikir
2.9.2. Tahapan Penelitian
a. Pra Periode Pengamatan
Dilaksanakanan selama 1 (satu) bulan, yaitu pada
bulan Maret 2018. Adapun kegiatan yang dilakukan
meliputi:
- Penentuan lokasi pos pengamatan hujan yang
akan difasilitasi dengan aplikasi pengiriman data
- Pembuatan aplikasi pengiriman data
- Penyusunan pertanyaan survei
b. Periode Pengamatan
Dilaksanakan selama 6 (enam) bulan, yaitu mulai dari
bulan April hingga September 2018. Adapun kegiatan
yg dilakukan meliputi:
- Distrubusi aplikasi untuk pengamat yang
mendapatkan pembinaan.
- Pelatihan online untuk mengirimkan data
menggunakan aplikasi.
- Periode pengamatan
c. Pasca Periode Pengamatan
Dilaksanakan selama 1 (satu) bulan yang meliputi
kegiatan:
- Rekap data pengamatan
Data hasil pengamatan yang telah masuk akan
direkap untuk diketahui konsistensi pengamatan dan
pengiriman datanya.
- Survei keberlangsungan pengamatan
Dilakukan kepada para pengamat untuk mengetahui
apakah bersedia melanjutkan pengamatan untuk
periode yang lebih lama.
- Analisis data pengamatan
Dilakukan untuk mengetahui konsistensi frekwensi
pengamatan dan pengiriman data. Dari analisis
konsistensi ini diharapkan akan dapat ditarik
kesimpulan sementara model kemitraan seperti apa
yang memiliki tingkat konsistensi tinggi.
114
2.10. Sasaran dan Responden Penelitian
Sasaran penelitian adalah tiga pihak, yaitu
BMKG, Instansi Pemerintah lain selaku pemyedia
lahan dan masyarakat selaku pengamat. Adapun
responden dari penelitian ini adalah para pengamat
yang secara rutin melakukan pengamatan curah hujan.
2.11. Teknik Pengumpulan Data
2.11.1. Variabel Kemitraan
a. Data variabel motivasi dan keberlanjutan diperoleh
melalui survey yang dilakukan terhadap 28
responden yang merupakan para pengamat. Survei
dilakukan secara online selama 6 (enam) bulan,
yaitu antara bulan April – September 2018.
b. Data variabel konsistensi kemitraan diperoleh
melalui analisis data hasil pengamatan curah
hujan. Pengamatan curah hujan dilakukan melalui
2 (dua) metode, yaitu :
- Pengamatan Manual dengan pengiriman data
manual.
- Pengamatan manual dengan pengiriman data
otomatis.
2.11.2. Variabel Determinan
a. Data variabel insentif diperoleh melalui survey yang
dilakukan terhadap 27 responden yang merupakan
para pengamat. Survei dilakukan secara online
selama 6 (enam) bulan, yaitu antara bulan April –
September 2018.
b. Data variabel pembinaan diperoleh melalui analisis
data hasil pengamatan. Pengamatan curah hujan
dilakukan melalui 2 (dua) metode, yaitu :
- Fasilitasi teknologi, yaitu pengiriman data hasil
pengamatan dengan menggunakan aplikasi sistem
pengiriman data otomatis via ponsel.
- Non fasilitasi teknologi, yaitu pengiriman data hasil
pengamatan secara manual via sms.
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019
2.12. Teknik Analisis Data
2.12.1. Analisis Data Variabel Kemitraan
a. Variabel Motivasi Kemitraan dan Keberlanjutan
Kemitraan
Data yang digunakan adalah data hasil survei
secara online. Dimana survei ini mengandung
beberapa aspek yaitu motivasi, manfaat, peran serta
keberlanjutan. Beberapa poin pertanyaan yang
ditanyakan diantaranya adalah motivasi menjadi
pengamat cuaca, pendapat responden mengenai
penting tidaknya mengamati cuaca, apakah
responden memanfaatkan data cuaca untuk
kebutuhan operasional instansi atau riset, serta
kesediaan responden untuk menjadi pengamat cuaca
secara swadaya dan sukarela.
b. Variabel Konsistensi Pelaksanaan Kemitraan
Data yang digunakan dalam analisis ini adalah
data monitoring pengamatan curah hujan, baik yang
menggunakan fasilitas teknologi maupun non fasilitasi
teknologi. Indeks konsistensi pelaksanaan kemitraan
dihitung berdasarkan Tabel 1 berikut ini.
Tabel 1. Nilai penentuan indeks konsistensi
No. Prosentase Pengiriman Indeks Konsitensi
Data
1 0 – 25 % data terkirim 1 (Tidak konsisten)
tepat waktu
2 26% - 50% data terkirim 2 (Kurang konsisten)
tepat waktu
3 51% - 75% data terkirim 3 (Konsisten)
tepat waktu
4 76% - 100% data terkirim 4 (Sangat konsisten)
tepat waktu
2.12.2. Analisis Data Variabel Determinan
a. Variabel Pembinaan
Data yang digunakan adalah data monitoring
pengamatan curah hujan periode bulan April hingga
September 2018, baik untuk pos hujan yang
menggunakanfasilitas teknologi maupun non fasilitas
teknologi.
b. Variabel Insentif
Variabel insentif dianalisis dengan
menggunakan data yang diperoleh dari data hasil
survei.
3. Hasil dan Pembahasan
3.1. Analisis Data Variabel Kemitraan
Data variabel kemitraan terdiri atas 3 (tiga)
aspek, yaitu Motivasi, Keberlanjutan, serta Konsistensi.
1. Aspek Motivasi
Aspek ini diperoleh dari analisis hasil survei.
Dimana berdasarkan hasil survei tersebut diketahui
bahwa sebanyak 50% responden menyatakan motivasi
mereka menjadi pengamat cuaca adalah karena
merasa tertarik mempelajari cuaca, 25% karena
kewajiban pekerjaan, 18% karena tugas dari atasan,
dan 7% dikarenakan penghasilan tambahan yang
didapatkan. Sebagian besar responden mendapatkan
informasi mengenai pengamatan hujan langsung dari
BMKG (50%), sisanya beragam dari pimpinan instansi
tempat responden bekerja, serta kolega di kantor
masing-masing. Semua responden (100%) ini
mengatakan telah mendapatkan insentif bulanan
sebagai pengamat curah hujan, dan sebagian besar
responden (68%) menyatakan tetap bersedia
melaksanakan pengamatan meskipun insentif ini
ditiadakan.
Hasil analisis dari aspek ini bisa disimpulkan
cukup memuaskan, sehingga bisa dikatakan bahwa
penghasilan tambahan bukan merupakan alasan
utama para pengamat untuk bermitra.
2. Aspek Keberlanjutan
Analisis aspek ini juga diperoleh dari data hasil
survei. Sebanyak 64% responden menyatakan
terlambat mengirimkan data hasil pengatan kurang dari
3 kali perbulan. Sementara 25% responden
menyatakan tidak pernah terlambat mengirimkan data
hasil pengamatan, dan 11% lainnya menyatakan cukup
sering terlambat mengirimkan data curah hujan.
Sebanyak 64% responden menyatakan bersedia
menjadi pengamat hujan jika BMKG ingin
menambahkan jumlah pos hujan di wilayah responden,
namun jika tidak disediakan insentif
sebanyak 54% responden menyatakan tidak
bersedia menjadi pengamat. Begitupun saat diminta
untuk secara swadaya membeli alat penakar hujan dan
tanpa insentif, sebanyak 86% responden menyatakan
tidak bersedia.
Berdasarkan analisis hasil survei ini, disimpulkan
bahwa aspek keberlanjutan dalam kemitraan BMKG
yang eksisting saat ini masih belum cukup ideal,
dimana masih ada beberapa faktor yang harus
dipenuhi agar kemitraan ini bisa terus berlanjut di masa
yang akan datang, diantaranya faktor adanya insentif
serta penyediaan alat penakar hujan jika BMKG ingin
menambah jumlah pos pengamatan hujan.
3. Aspek Konsistensi
Aspek konsistensi ini diperoleh dari analisis data
monitoring perngamatan curah hujan, baik untuk pos
hujan yang telah dilengkapi dengan fasilitas teknologi
(pengiriman data menggunakan aplikasi), dan pos
hujan yang belum dilengkapi dengan fasilitas teknologi
(pengiriman data manual). Aspek konsistensi initerbagi
menjadi dua komponen, yaitu komponen konsistensi
dalam jumlah data yang masuk serta komponen
konsistensi dalam ketepatan waktu pengiriman data
curah hujan.
Berdasarkan komponen konsistensi jumlah data
curah hujan yang masuk, pos hujan yang dilengkapi
fasilitas teknologi pengiriman data curah hujan
berbasis aplikasi menunjukkan prosentase data masuk
yang lebih besar dibanding pos hujan yang belum
dilengkapi aplikasi ini. Nilai prosentase data yang
masuk untuk pos hujan dengan teknologi berada di
kisaran 87% - 98%, sedangkan pos hujan non-
teknologi ini memiliki prosentase yang lebih rendah,
yaitu pada kisaran 83%-90%. Namun jika dikonversi
kedalam nilai Indeks Konsistensi maka nilai komponen
konsistensi jumlah data yang masuk untuk kedua jenis
pos hujan ini masih masuk dalam kategori yang sama,
yaitu Sangat Konsisten.
Sedangkan bila ditinjau dari komponen
konsistensi ketepatan waktu pengiriman data hasil
pengamatan curah hujan, kedua tipe pos hujan ini
menunjukkan nilai prosentase yang jauh berbeda.
115
 Pada pos hujan yang telah dilengkapi fasilitas
teknologi, nilai prosentase ketepatan waktu pengiriman
data berada pada kisaran 83%-90% sedangkan pada
pos hujan non-teknologi berada pada kisaran 44%-
49%. Sehingga Indeks Konsistensi untuk pos hujan
teknologi masuk dalam kategori Sangat Konsisten,
sedangkan pos hujan non-teknologi masuk dalam
kategori Kurang Konsisten.
3.2. Analisis Data Variabel Determinan
Variabel determinan ini terdiri atas dua aspek,
yaitu aspek insentif dan aspek pembinaan. Aspek
insentif diperoleh dari analisis data hasil survei,
sedangkan aspek pembinaan ditinjau dari hasil
monitoring data curah hujan.
Berdasarkan hasil survei, kemitraan BMKG yang
eksisting saat ini sudah 100% memiliki insentif untuk
para mitranya, artinya setiap bulannya ada honor yang
diberikan untuk para tenaga pengamat cuaca. Dan
sebanyak 68% responden menyatakan bersedia
melanjutkan perannya sebagai pengamat cuaca
meskipun insentif tersebut dihentikan. Namun, jika
BMKG ingin menambahkan pos hujan baru dan tanpa
insentif sebanyak 54% responden menyatakan tidak
bersedia. Sehingga dapat disimpulkan bahwa aspek
insentif memegang peran yang penting dalam
kemitraan BMKG, dimana aspek ini wajib ada jika
BMKG ingin menambahkan jumlah pos hujan
pengamatan baru.
Sementara untuk aspek pembinaan ditinjau dari
perbedaan performa dari kedua tipe pos hujan, yakni
pos hujan yang telah dilengkapi fasilitas teknologi, dan
pos hujan non-teknologi. Dimana hasil monitoring data
pengamatan curah hujan dari kedua pos ini
menunjukkan hasil yang signifikan berbeda untuk
komponen ketepatan waktu pengiriman data, dimana
pos hujan teknologi masuk dalam kategori Sangat
Konsisten sementara pos hujan non-teknologi masuk
dalam kategori Kurang Konsisten. Sehingga dapat
disimpulkan bahwa dalam aspek pembinaan, pos hujan
yang telah dilengkapi dengan aplikasi pengiriman data
pengamatan otomatis memiliki kinerja yang lebih baik
dalam hal jumlah data yang masuk dan ketepatan
waktu pengiriman data dibandingkan pos hujan yang
belum dilengkapi aplikasi pengiriman data
pengamatan.
Tabel 2 berikut ini menampilkan nilai
prosentase konsistensi kemitraan untuk kelompok
umum (pos hujan tanpa fasilitas teknologi) dan
kelompok khusus (pos hujan dengan fasilitas
teknologi).
Tabel 2. Prosentase Konsistensi Kemitraan
Kelompok Konsistensi
No. Ket.
Pengamat (%)
1 Umum 65.9% Tidak mendapat pembinaan
2 Khusus 91.3% Mendapat pembinaan
(fasilitas teknologi dan
monitoring )
4. Kesimpulan/ Rekomendasi
116
Berdasarkan analisis dan kajian yang telah
dijelaskan di bab-bab sebelumnya dapat disimpulkan
sebagai berikut :
1. Model kemitraan eksisting dalam pengelolaan
pengamatan curah hujan di Sulawesi Selatan adalah
pengoperasian bersama (joint operation) dan
pemanfaatan lahan
2. Model kemitraan yang ideal dalam pengelolaan
pengamatan curah hujan di Sulawesi Selatan yaitu
model kemitraan pengoperasian bersama (joint
operation) dengan tambahan treatment pembinaan.
3. Faktor determinan dalam kemitraan pengelolaan
pengamatan curah hujan di Sulawesi Selatan adalah
faktor pembinaan. Hal ini dapat telihat dari temuan
bahwa pos hujan yang telah dilengkapi fasilitas
teknologi memiliki performa konsistensi dalam hal
jumlah data masuk dan ketepatan waktu pengiriman
yang lebih tinggi dibandingkan dengan performa pos
hujan non-teknologi.
Adapun rekomendasi yang dapat diberikan
kepada BMKG dari penelitian ini adalah bahwa model
kemitraan pengoperasian bersama yang dilengkapi
pembinaan perlu terus dilaksanakan dan diperkuat
dengan adanya kebijakan formil yang mengatur.
DAFTAR PUSTAKA
Bennett, Robert J., and Grebs, Gunter, 1994, Local economic
development partnerships: an analysis of policy
networks in EC-LEDA local employment
development strategies.
Kartasasmita, Ginandjar, Kemitraan dalam Pembangunan
Nasional, naskah pada Seminar Nasional
“Kemitraan dan Sinkronisasi Investasi Dalam
Pembangunan Berwawasan Lingkungan”,
Jakarta, 23 September 1996.
Linder, Stephen H., 1999, Coming to Terms With the Public-
Private Partnershi, American Behavioral Scientist,
43 (1), pp. 35-51.
Mc. Quaid, Ronald. W., 2000, The Theory Of Partnership -
Why Have Partnerships? Routledge, London.
McQuaid, Ronald, et all, 2016, Employer demands from
business graduates, Education + Training, Vol. 58
Issue: 1, pp.112-132, https://doi.org/10.1108/ET-
02-2014-0017
Peraturan Pemerintah Nomor 11, Tahun 2016, tentang
Pelayanan Meteorologi, Klimatologi, dan
Geofisika. 2016. Jakarta.
Sellgren, John, 1990, Local Economic Development
Partnership – An Assesment of Local Authority
Ecenomic Development Initiatives, Local
Government Studies, 16:4, 57-78.
Stratton, C. (1989). Quoted in: OECD, Mechanisms for Job
Creation. Paris, OECD, p.81; and Askew (1991).
Undang-Undang Republik Indonesia Nomor 31 Tahun 2009,
tentang Meteorologi, Klimatologi dan Geofisika.
2009. Jakarta.
World Meteorological Organization, 2003, Manual on the
Global Observing System, Volume I Global
Aspect, 2003 edition.
World Meteorological Organization, 2007, Guide to the
Global Observing System, WMO-No. 488, 2007
edition.
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Karakteristik Kualitas Air Embung Tambakboyo Di Kabupaten

Sleman Yogyakarta

Erik Febriartaa, Widiyana Riasasi b

aMagister Teknik Sipil Fakultas Sipil, Universitas Janabadra; e.febriarta@gmail.com

bProdi Geografi, Fakultas Sains dan Teknologi, Universitas AMIKOM; wiriasasi@amikom.ac.id

ABSTRAK
Embung Tambakboyo terletak pada lereng kaki selatan gunung Merapi yang merupakan bagian dari Daerah Aliran Sungai (DAS)
Tambakbayan dengan hulu di daerah Pakem, Sleman pada ketinggian +500 mdpal, sedangkan embung Tambakboyo berada pada
ketinggian +150m. Embung Tambakboyo mempunyai peranan penting sebagai konservasi sumber daya air, selain itu meningkatkan
potensi wisata di Kabupaten Sleman dan Yogyakarta, meningkatkan perekonomian masyarakat di sekitar embung, serta perikanan.
Yang terpenting adalah embung tersebut juga sebagai pasokan persediaan air baku Kabupaten Sleman dan Kota Yogyakarta. Hal
ini juga mengakibatkan meningkatnya muka air tanah di kedua daerah tersebut. Terutama pada musim kemarau, penyimpanan air
semakin berkurang dan penurunan kualitas air. Penelitian ini bertujuan untuk mengetahui karateristik embung Tambakboyo meliputi
sumber polusi, kualitas air fisik (suhu, EC, TDS, TSS dan kekeruhan), kualitas air kimia (pH, N02, N03, NH4, BOD, COD dan deterjen
dan kualitas air biologi (total coliform). Metode pendekatan untuk mengetahui karakteristik embung Tambakboyo dengan melakukan
metode survei pengambilan sampel air. Sebaran sampel air diambil secara purposive sampling berdasarkaan luas dan kedalaman
embung Tambakboyo. Hasil kualitatif menunjukkan bahwa embung Tambakboyo memiliki sumber pencemar dari kegiatan atau
aktifitas domestik seperti pembuangan limbah rumah tangga dan kegiatan industri kecil. Kriteria kualitas air di embung Tambakboyo
memenuhi syarat kualitas air baku untuk air kelas I, kecuali N02, N03 dan deterjen termasuk untuk kelas II.

Kata kunci: kualitas air; kelas air baku; embung; sungai tambakboyo;

ABSTRACT

Tambakboyo Reservoir is located on the southern slope of Mount Merapi and is part of Tambakbayan Watershed whose upper part
is in Pakem, Sleman at an elevation of +500 masl. The reservoir, situated at +150 masl, plays a crucial role in water resource
conservation, increases the tourism potential in Sleman Regency and Yogyakarta City, and improves the economy of the surrounding
communities and the fishery sector. Most importantly, it also supplies freshwater to both regions, increasing their water level. However,
during dry seasons, the water storage and quality decrease. This study aimed to determine the characteristics of Tambakboyo
Reservoir, including sources of pollutants, physical water quality (temperature, EC, TDS, TSS, and turbidity), chemical water quality
(pH, N02, N03, NH4, BOD, COD, and detergent), and biological water quality (total coliform). This process involved a water sampling
survey using purposive sampling technique that was based on the width and depth of the reservoir. The qualitative analysis results
showed that the pollutants came from domestic activities, such as household waste disposal, and small industrial activities. The water
quality parameters in Tambakboyo Reservoir met the requirements for Class I water, except for N02, N03, and detergent that
categorized the water as Class II.

Keywords: water quality, freshwater class, reservoir, Tambakboyo River

1. Pendahuluan dangkal dan sebagai irigasi disekitar Sleman yaitu Pakem

Sungai Tambakbayan merupakan bagian dari
bagain dari Daerah Aliran Sungai (DAS) Tambakbayan
yang pada bagian transport atau bagian tengah aliran
sungai melewati daerah dengan permukiman padat
penduduk dengan 750 jiwa/km2 di desa Condong Catur,
Kecamatan Depok Kabupaten Sleman. (Dinas PU, 2017).
Embung tambakboyo adalah bangunan konservasi air
berbentuk kolam untuk menampung air hujan dan air
limpasan serta sumber air lainnya untuk mendukung
usaha pertanian, perkebunan dan peternakan terutama
pada saaat musim kemarau (Dinas PU, 2005). Embung
merupakan cekungan yang dalam di suatu daerah
perbukitan (Fetter,2004). Air embung berasal dari
limpasan air hujan yang jatuh di daerah tangkapan.
Embung adalah bangunan penyimpan air yang dibangun
di daerah depresi, biasanya di luar sungai. Embung
tambakbayan merupakan bangunan yang didisain
dengan fungsi utama adalah sebagai cadangan airtanah
hingga Berbah (Dinas PU, 2015).
Embung tambakboyo merupakan salah satu waduk
buatan yang terdapat di Kabupaten Sleman yang terletak
diantara tiga Desa yaitu Condongcatur, Maguwoharjo dan
Wedomartani. Sumber air Embung Tambakboyo berasal
dari Sungai Tambak Bayan dan Sungai Buntung.
Pembangunan Embung Tambakboyo dimulai pada tahun
2003 dan mulai beroperasi pada tahun 2009. Embung
Tambakboyo memiliki luas genangan 7.8 Ha dan volume
tampungan 466.000 m3 (Balai Besar Wilayah Sungai
Serayu Opak, 2013) Manfaat pembangunan Embung
Tambakboyo antara lain : konservasi sumberdaya air
meningkatkan potensi wisata di Kabupaten Sleman dan
D.I.Yogyakarta Meningkatkan perekonomian masyarakat
disekita rembung tambakboyo sehingga menambah
pendapatan asli daerah (PAD).
Isu perkembangan permasalahan di embung
tambkboyo selain pendangkalan karena faktor

117
sedimentasi, termasuk berkurangnya kapasitas 4 B1 435539 9142747
tampungan air, kehilangan air dan penurunan kualitas air. 5 B2 435520 9142675
6 B3 434493 9142614
Selain dari faktor alam kegiatan dan perilaku dan aktivitas Sumber: Pengkuran lapangan (2018)
orang-orang disekitar embung juga mempengaruhi
munculnya permasalahan ini (Balai Besar Wilayah
Sungai Serayu Opak, 2013). Penyimpanan air embung
tambakboyo berkurang dikarenakan adanya sedimentasi
dari sungai bagian hulu dan tingkat infiltrasi. Selain itu,
dimungkinkan tingkat penguapan yang tinggi. Sementara
itu, penurunan kualitas air dapat disebabkan oleh
berbagai kegiatan, seperti limbah domestik yang masuk
ke sangai bagian hulu, yang memasukkan polutan ke
dalam air. Selain itu, dilihat dari penggunaan lahan pada
bagian hulu masih terdapat padi sawah dapat
mempengaruhi kualitas air, khususnya yang berkaitan
dengan keduanya pupuk organik dan anorganik.
Faktor pemasok dari beban polusi yang
berkelanjutan dapat melebihi kapasitas alam embung
untuk mengakomodasi beban polusi yang mengarah
dalam katagori penurunan kualitas. Meskipun secara
siklus peredaran, embung tambakboyo dapat
menurunkan beban pencemar karena embung , danau
atau waduk memiliki pergerakan siklus hidrologinya
bergerak dikarenakan adanya inlet dan outlet. Oleh
karena itu, studi tentang beban polusi diperlukan untuk
mempertahankan fungsi embung tambakboyo secara
kuantitatif dan kualitatif terhadap penggunaan air secara
lokal disekitar embung tambakboyo.
Lokasi penelitian berada di embung tambakboyo
kabupaten Sleman, D.I.Yogyakarta, Potensi embung
tambakboyo dapat dilihat ketika musim kemarau dimana
menjaga cadangan airtanah tetap terpasok, dan
penurunan kualitas airnya. Oleh karena itu penelitian ini Gambar 1. Lokasi sample kualitas air
bertujuan untuk menentukan karateristik kualitas air
Peralatan yang digunakan untuk kegiatan
embung tambakboyo meliputi, polusi, kualitas air fisik,
penelitian ini antara lain global positioning system (GPS)
kualitas air kima (pH, NH4, PO4, NO2, NO3, BOD, COD,
untuk menentukan koordinat lokasi, botol sampel 800 ml
deterjen dan kualitas air secara biologi yaitu (coliform).
untuk tempat sampel air dan box es, untuk menyimpan
dan mengawetkan sampel air untuk parameter biologi.
2. Metodologi
Data penelitian diperoleh dari pengukuran langsung
Penelitian ini dilakukan dengan metode survei
(data primer) dan survei kelembagaan (data sekunder).
dengan penekanan pada observasi dan pengukuran
Yang utama, data primer terdiri dari kondisi disekitar
variable. Teknik pengukuran variable berdasarkan
embung tambakboyo, pemanfaatan, kualitas air fisik,
sampel air dengan kedalaman 1-2m dari permukaan air,
kimia dan biologi dari embung tambakboyo.
dikarenakan sifat aliran hidrologinya bergerak dari inlet
Pengukuran lapangan termasuksifat fisik air, seperti
menuju outlet (Asdak, 2007). Teknik pengumpulan data
suhu dan daya hantar listrik (EC), dan parameter kimia,
berdasarkan sampel air yang lokasinya ditentukan
seperti pH. Sementara itu, untuk sampel di laboratorium
dengan metode purposive sampling, yaitu teknik
termasuk: 1) sifat fisik: TSS, TDS,dan kekeruhan; 2) sifat
pengambilan sampel berdasarkan pertimbangan bahwa
kimia: NH4 , PO4 ,NO2, NO3, BOD, COD, dan deterjen;
sifat -sifat sampel sudah diketahui dan sesuai dengan
dan 3)sifat biologis: coliform total. Setelah itu,hasil
masalah yang diamati dan sesuai dengan tujuan
analisis semua sifat air dibandingkan dengan kriteria
penelitian (Sugiyono, 2016). Pengambilan sampel secara
kualitas air Kelas II, seperti yang telah ditentukan oleh
purposive sampling mendasarkan atas sifat embung
Peraturan Gubernur Daerah Istimewa Yogyakarta Nomor
tambakboyo yang terbuka yaitu pergerakan air masuk
20 Tahun 2008. Kriteria kualitas air disajikan pada Tabel
(inlet) menuju outlet sebanyak 3 dengan kode sampel B1,
2.
B2 dan B3. Sedangkan pada bagian pengendapan
Tabel 2. Kriteria Kualitas air
sedimen pada bagian barat sebanyak 3 sampel, yaitu A1,
Kelas
A2, dan A3. Lokasi pengambilan sampel disajikan pada Parameter Satuan
I II III
Tabel 1. dan Gambar 1.
Fisik
Tabel 1. Koordinat pengambilan sampel Suhu °C ±3 suhu udara
No. Kode X Y pH 6-9 6-8.5 6-9
1 A1 435379 9142799 TSS mg/L 0 50 400
2 A2 434366 9142731 TDS mg/L 1000 1000 1000
3 A3 435349 9142680 Kimia
118
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

NH3 mg/L 0.5 - - minuman, atau kotak kardus, meskipun sudah ada tempat
P04 mg/L 0.2 0.2 1 sampah dan tanda tidak ada sampah.
Nitrat (N03) mg/L 10 10 20 Kegiatan pertanian di bagian hulu (utara inlet
Nitrit (N02) mg/L 0.06 0.06 0.06 embung) yang masuk ke aliran sungai tambakboyo di
BOD mg/L 2 3 6 sekitarnya juga berpotensi dan berkontribusi sebagai
COD mg/L 10 25 50 sumber pencemar (Gambar 1). Curah hujan-limpasan
Deterjen µg/L 200 200 200 permukaan yang diinduksi mentransfer residu pupuk
Biologi organik dan anorganik melalui saluran masuk ke embung
Coliform total Jml/ml 1000 5000 10000
tambakboyo.
Sumber: (Nitrit) PP No.82 tahun 2001 dan PerGub DIY No.20
tahun 2008, (Amoniak) Sawyer dan McCarry, 1978
3.3. Kualitas Air Fisik
3. Hasil dan Pembahasan Parameter fisik yang dianalisis meliputi suhu air,
3.1. Kapasitas Tampungan Embung Tambakboyo Konduktivitas Listrik (EC), Total Suspended Solids (TSS),
Embung tambakboyo merupakan embung buatan Total DissolvedPadatan (TDS) dan kekeruhan.
yang berada di bagian sungai tambakboyo. Penggunaan 3.3.1. Suhu Air dan Daya Hantar Listrik (EC)
lahan disekitar embung tambakboyo antara lain Pengukuran nilai daya hantar listrik dan suhu air
permukiman padat penduduk, pertanian dan tegalan di embung tambakboyo dilakukan langsung dilapangan.
utara embung tambakboyo. Sedangkan dibagian selatan Pengukuran suhu dan nilai daya hantar listrik disajikan
permukiman, pertanian padi sawah dan tegalan. pada Tabel 4.
Embung tambakboyo berada di atas formasi
endapan gunung api merapi muda (Qmi). Endapan Tabel 4. Suhu dan Daya Hantar Listrik
No. Kode Suhu (C) EC (μmhos /cm)
gunungapi merapi muda tersusun atas maetrial tuf, abu,
breksi, aglomerat, dan leleran lava tak terpisahkan. 1 A1 28,3 115
Secara umum material dasar dari embung tambakboyo 2 A2 28,2 115
adalah material pasiran. Kedalaman dasar embung 3 A3 28,3 114
4 B1 28,1 113
tambakboyo anatara 0,5-6,3 m. Perbandingan luas 5 B2 28,1 112
penampang terhadap kedalaman terhadap topografi 6 B3 28,1 111
(mdpal) disajikan pada Tabel 3. Rata-rata 28,2 110
Sumber: Pengkuran lapangan (2018)
Tabel 3. Perbandingan luas penampang
terhadap kedalaman (mdpal) Hasil pengukuran suhu bervariasi dari 28,2 -28,3
Kedalaman (mdpal) Luas (m²) °C. Nilai tersebut bila dibandingkan dengan nilai
151 55.066 Peraturan Daerah Istimewa YogyakartaNomor 20 Tahun
150 53.995 2008 (BLH, 2008) masuk dalam kategori kondisi dibawah
149 51.252 nilai baku mutu dikarenakan sifat embung tambakboyo
148 46.807 yang terbuka dan memiliki aliran air yang mengalir dari
147 40.706 inlet menuju outlet.
146 15.038 Daya hantar listrik (DHL) merupakan kondisi
145 72 kemampuan air untuk mengalirkan listrik. Parameter dari
Total 263.936 nilai daya hantar listrik adalah nilai garam terlarut untuk
Sumber: Febriarta, dkk (2018) mengionisasi, semakin tinggi nilia daya hantar listrik.
Tabel 4. menunjukkan bahwa EC wilayah penelitian
Volume tampungan embung tambakboyo pada adalah antara 110-115 μmhos / cm, yang berarti tidak ada
tahun 2017 adalah 235,666 m3 atau 58,9% dari rencana nilai yang menyimpang tinggi. Nilai daya hantar listrik
disain. Ketinggian normal berdasarkan lengkung (EC) merupakan bukan bagian dari Kelas II kriteria
kapasitas adalah pada elevasi 148 mdapal. Kapasitas kualitas air yang dikeluarkan oleh Peraturan Gubernur
optimum luas permukaan embung pada ambang spillway Daerah Istimewa Yogyakarta Nomor 20 Tahun 2008.
46.807 m2. Volume tampung waduk pada ambang
spillway sebesar 914.556 m3 (Febriarta, dkk, 2018). 3.3.2. Total Padatan Melayang (TSS)
Total padatan melayang atau Total Suspended
3.2. Sumber Polutan Solid (TSS) merupakan partikel yang nilai berat dan
Sumber polutan di sekitar embung tambakboyo ukurannya lebih kecil dari sedimen dengan ukuran < 2
secara umum adalah limbah domstik yang masuk ke mikrometer. Zat padatan tersuspensi merupakan
sistem sungai pada hulu sungai tambakboyo. Sumber endapan dari padatan total. Total padatan melayang atau
tersebut berada di permukiman disekitar embung Total Suspended Solid (TSS) merupakan padatan yang
tambakboyo. Jenis kegiatan domestik dapat terdapat pada larutan tetapi tidak terlarut, sehingga
menyebabkan akumulasi atau peningkatan kadar nilai menyebabkan larutan menjadi keruh, dan tidak dapat
fosfat (P04) dan deterjen didasar embung tambakboyo langsung mengendap di dasar larutan. . Total padatan
dan meningkatkan probabilitas eutrofikasi. Selain limbah melayang atau Total Suspended Solid (TSS) dapat
cair, limbah padat masih ditemukan di sepanjang tepi dipengaruhi oleh endapan lanau, pasir dasar embung,
embung tambakboyo seperti bungkus plastik, botol mikroorganisme maupun erosi disekitar embung
tambakboyo.
119
 Nilai Total Suspended (TSS) memiliki hubungan
Kekeruhan
positif dengan tingkat kekeruhan badan air. Semakin
350
tinggi Total Suspended Solid (TSS), semakin tinggi juga
nilai kekeruhan. Nilai Total Suspended Solid (TSS) dari 300
embung tambakboyo bervariasi di antaranya 9,5-75,4 250
mg/L (Gambar 2). Berdasarkan Peraturan Gubernur

NTU
200
Daerah Istimewa Yogyakarta Nomor 20 tahun 2008,
150
tentang nilai ambang batas Total Suspended Solid (TSS)
untuk air Kelas II adalah 50 mg/L. 100
50
3.3.3. Total Padatan Terlarut (TDS) 0
Total Disolve Solid (TDS) adalah zat partikel Sampel A1 A2 A3 B1 B2 B3
terlarut. Besar zat partikel terlarut memiliki diameter < 10-
6 mm dan koloid dengan nilai partikel 10 -6-10-3 mm. Nilai Gambar 3. Konsentrasi Kekeruhan
pengukuran Total Disolve Solid (TDS) di lapangan 111-
115 mg/L (Gambar 2). Berdasarkan Gubernur Peraturan Kekeruhan bukan bagian dari air Kelas II kriteria
Daerah Istimewa Yogyakarta Nomor 20 Tahun 2008, kualitas yang dikeluarkan oleh Peraturan
ambang batas TDS untuk Air Kelas II adalah 1.000 mg / GubernurDaerah Istimewa Yogyakarta Nomor 20 Tahun
L. 2008. Namun, tingkat kekeruhan ini memungkinkan
kondisi lingkungan embung tambakboyo, sebagai
parameter estetika dimana untuk menjaga keindahan dan
TSS dan TDS fungsinya sebagai sebuah objek wisata.
140
120 3.4. Kualitas Air Kimia
100 Parameter kimia yang dianalisis dari sampel air
80 embung tambakboyo meliputi pH, nitrat (NO3), nitrit
(NO2), amoniak (NH3N), fosfat (PO4P), Biological
mg/L

60
Oxygen Demand (BOD) atau Kebutuhan Oksigen
40
Biologis (KOB), Chemical Oxygen Demand (COD) dan
20
deterjen (Methyne Blue Active Substansi - MBAS). Hasil
0 pengukuran akan disajikan pada sub bab selanjutnya.
Sampel A1 A2 A3 B1 B2 B3
TSS TDS Ambang Batas TSS Kelas II 3.4.1. Tingkat Keasaman (pH)
Tingkat keasaman (pH) merupakan nilai
Gambar 2. Konsentrasi TSS dan TDS konsentrasi ion hydrogen dan pH memiliki hubungan
antara alkalinitas dan karbon dioksida. Nilai tingkat
3.3.4. Kekeruhan keasaman (pH) rendah (<5) menunjukkan nilai alkalinitas
Kekruhan adalah parameter tentang sifat optik nol, sedangkan nilai semakin tinggi menunjukkan
dari suatu badan air dilihat dari jumlah cahaya yang dapat alkalinitas yang tinggi. semakin tinggikonsentrai pH,
terserap dan dipendarkan oleh partikel dalam suatu tubuh semakin tinggi nilai alkalinitas. Sementara itu sebaliknya
air. Kekeruhan dapat diakibatkan oleh pengotor partikel nilai tersebut berkorelasi sama untuk nilai karbondioksida.
organik dan anorganik yang dilarutkan dalam air dalam Semakin tinggi nilai pH, semakin rendah karbondioksida
bentuk plankton atau mikroorganisme lainnya. Satuan bebas. Zat Asam larutan (pH rendah) bersifat korosif. pH
nilai kekeruhan adalah Nephelometric Turbidity Unit juga mengontrol toksisitas senyawa kimia.
(NTU. Nilai kekeruhan air mempunyai korelasi hubungan
dengan konsentrasi TSS yaitu semkain tinggi kekeruhan
Tingkat keasaman (pH)
semakin tinggi nilai TSS. Namun nilai kekeruhan yang
10
tinggi belum tentu atau tidak selalu diikuti oleh konstntrasi
yang lebih tinggi konsentrasi TDS. Hasil nilai pengukuran 8
kekeruhan menunjukkan nilai 26-330 NTU (Gambar 3). 6
4
2
0
A1 A2 A3 B1 B2 B3
Sampel
Ambang Batas Kelas II

Gambar 4. Tingkat keasaman (pH)

Berdasarkan Peraturan Gubernur Daerah

Istimewa Yogyakarta Nomor 20 Tahun 2008, nlai pH Air
kelas II adalah antara 6 dan 8,5. Oleh karena itu, nilai pH
embung tambakboyo berada dalam batas yang diterima
untuk air Kelas II.
120
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

3.4.2. Nitrat (N03) Nilai konsentrasi nitrit merupakan bukan

Nitrat merupakan hasil dari nitrogen yang
terolsidasi semperna selama nitrifikasi. Nirat merupakan
wujud nitrogen dalam perairan alami. Konsentrasi nitrat
sangat sedikit dipermukaan (<0,1 mg/L) sedangkan
berada dalam jumlah bersar di airtanah (100 mg/L). Nilai
nitrat besar yaitu >5 mg/L dala air permukaan
menunjukkan adanya polusi yang disebabkan oleh
manusia, misalnya darikegiatan rumah tangga, pupuk,
limbah industri,dekomposisi tanaman, dan kotoran
hewan. Hasil pengukuran nilai konsentrasi nitrat sampel
air embung tambakboyo berkisar antara 9-11 mg/L
(Gambar 5).
Nitrat (N03)
12
10
8 bervariasi konsentrsi antara 0,051-0,091 mg/L.
mg/L
parameter dari kualitas air yang dikeluarkan oleh
Peraturan Gubernur Daerah Istimewa Yogyakarta Nomor
20 Tahun 2008. Namun, berdasarkan tentang Peraturan
Pemerintah Nomor 82 Tahun 2001, nitrit dalam air Kelas
II adalah 0,06 mg/L. Nilai tersebut nitrit dalam setiap
sampel air melebihi nilai ambang yang diterima dan
memiliki ancaman terhadap kesehatan manusia.
3.4.4. Amoniak (NH3+N)
Amonium adalah produk perubahan senyawa
nitrogen (amonia) pada nilai pH rendah pada suatu
lingkungan (Alarets dan Santika, 1984 dalam Widyastuti
M, dan Haryono E, 2016). Salah satu sumber
antropogenik dari amoniak adalah air limbah (urin) atau
dekomposisi bahan organik; karenanya, polutannya
berasal dari alam. Hasil analisis laboratorium
menunjukkan bahwa amoniak di embung tambakboyo

6 Amoniak
4 0.45
2 0.4
0 0.35
Sampel A1 A2 A3 B1 B2 B3 mg/L
0.3
Ambang Batas Kelas II 0.25
Gambar 5. Konsentrasi Nitrat (N03) 0.2
0.15
Berdasarkan Peraturan Gubernur Daerah
0.1
Istimewa Yogyakarta Nomor 20 Tahun 2008, nilai
konsentrasi nitrat dalam air Kelas II adalah10 mg /L, Sampel A1 A2 A3 B1 B2 B3
sehingga rata-rata nilai konsentrasi nitrat melebihan nilia Ambang Batas
baku mutu air kelas II. Menurut Davis dan Cornwell (1991)
dalam Effendi (2003) nilai konsentrasi lebih dari 50 mg/L
adalah dianggap berbahaya bagi kesehatan. Gambar 7. Konsentrasi Amoniak (NH3+N)

3.4.3. Nitrit (N02) Berdasarkan ketetapan Peraturan Gubernur

Nitrit adalah zat partikel dalam jumlah yang
sangat kecil dalam suatu perairan dalam jumlah
komposisi <0,001 mg/L dan mudah berubah atau
teroksidasi menjadi nitrat (Effendi, 2003). Nilai nitrit hasil
laboratorum untuk sampel air embung tambakboyo
bernilai 0,8 – 0,91 mg/L (Gambar 6)
Daerah Istimewa Yogyakarta Nomor 20 Tahun 2008,
amoniak bukan bagian dari parameter kualitas air Kelas
II. Namun, menurut Sawyer dan McCarry, 1978 dalam
Widyastuti M, dan Haryono E, 2016)., nilai batas baku
mutu amoniak di perairan tidak boleh melebihi 0,2 mg/ L
karena sifat racunnya untuk air organisme. Secara umum
nilai konsentrai amoniak melebih baku mutu toleransi air.

Nitrit (N02) 3.4.5. Biochemical Oxygen Deman (BOD)

0.95 Biochemical Oxygen Deman (BOD) atau
0.9 kebutuhan oksigen adalah jumlah oksigen yang
0.85 dibutuhkan oleh mikroba aerob untuk mengoksidasi
0.8 bahan organik menjadi karbon dioksida dalam air. Nilai
hasil analisis laboratorium menunjukkan nilai konsentrasi
mg/L

0.75
0.7 Biochemical Oxygen Deman (BOD) memliki rentang nilai
0.65 1,2 – 1,7 mg/L (Gambar 8).
0.6 Berdasarkan ketetapan Peraturan Gubernur
0.55 Daerah Istimewa Yogyakarta Nomor 20 Tahun 2008, nilai
0.5 konsentrasi ambang batas untuk Biochemical Oxygen
A1 A2 A3 B1 B2 B3 Deman (BOD) dalam air Kelas II adalah 3 mg / L. Karena
Sampel itu, nilai konsentrasi Biochemical Oxygen Deman (BOD)
Ambang Batas di embung tambakboyo berada di bawah ambang batas
PP No.82 tahun 2001 yang diterima.
Gambar 6. Konsentrasi Nitrit (N02)

121
 menyediakan oksigen dalam air. Hal tersebut
BOD
mengakibatkan konsentrasi deterjen yang melimpah di air
2 menurunkan kadar kualitas. Berdasarkan hasil analisis
semua sampel air menunjukkan tingkat deterjen di
1.5 embung tambakboyo menunjukkan nilai antara 230-330
μg/L (Gambar 10)
mg/L

1
Deterjen
0.5 400

0 300
Sampel A1 A2 A3 B1 B2 B3
Ambang Batas Kelas II 200

μg/L
Gambar 8. Konsentrasi (BOD) 100

3.4.6. Chemical Oxygen Deman (COD) 0

Chemical Oxygen Deman (COD) adalah ukuran
polusi dalam air oleh zat teroksidasi secara alami dalam
proses mikro biologi, yang menghasilkan pengurangan
oksigen terlarut di dalam air. Hasil analisis laboratorium
untuk embung tambakboyo menunjukkan nilai
konsentrasi Chemical Oxygen Deman (COD) di embung
tambakboyo memiliki rentang nilai antara 5-6mg /L
(Gambar 9).
Nilai ambang batas yang diterima untuk Chemical
Oxygen Deman (COD) dalam air Kelas II, berdasarkan
ketetapan Peraturan Gubernur Daerah Istimewa
YogyakartaNomor 20 Tahun 2008, yaitu 25mg/L.
Berdasarkan kriteria tersebut kualitas air di embung
tambakboyo tidak mengalami polusi oleh bahan yang
teroksidasi secara alami mengakibatkan proses
mikrobiologis.
COD
7 dikotoran manusia. Kehadiran bakteri e.coli yang
6.5
6 bakteri patogen bersamaan. Tinja coliform, merupakan
mg/L
Sampel A1 A2 A3 B1 B2 B3
Ambang Batas Kelas II
Gambar 10. Konsentrasi Deterjen
Berdasarkan Peraturan Gubernur Daerah
Istimewa YogyakartaYogyakarta Nomor 20 Tahun 2008,
tingkat deterjen dalam air Kelas II adalah 200 μg/L atau
0,02 mg/L. Berdasarkan nilai tersebut kelas air melebih
baku mutu air. Pengamatan langsung di lapangan
menunjukkan sumber utama adalah saluran drainase dari
sekitar permukiman yang masik ke embung tambakboyo.
3.4.8. Kualitas Air Biologi
Parameter kualiatas air dilihat dari biologi adalah
coliform total. Parameter biologi e. coli adalah satu dari
total bakteri coliform tidak berbahaya yang ditemukan
melimpah di perairan Indonesia yang menunjukkan
kontaminasi oleh kotoran manusia dengan kemungkinan

5.5 bagian dari total coliform, dengan komposisi adalah 97%

dari bakteri coliform yang ditemukan dikotoran manusia
5
(Effendi, 2003). Hasil analisis laboratorium dari dari
4.5 sampel air embung tambakboyo berkisar antara 878-
4 1921 jml/ml (Gambar 10).
Sampel A1 A2 A3 B1 B2 B3 Berdasarkan ketetapan dari Peraturan Gubernur
Daerah Istimewa Yogyakarta Nomor 20 Tahun 2008, nilai
Gambar 9. Konsentrasi (COD) keberadaan coliform yang diterima di Kelas II adalah
5.000 jml/ml, tetapi melebih baku mutu kelas I yaitu 1.000
3.4.7. Deterjen jml/ml.
Paremeter kualitas air dapat dilihat dari nilai
deterjen. Deterjen adalah salah satu zat pembersih,
seperti sabun, terdiri dari senyawa petrokimia. Alaert dan
Santika, 1984, dalam Widyastuti M, dan Haryono E, 2016
menyebutkan bahwa zat deterjen memiliki lebih potensi
lebih banyak keuntungan dari pada sabun karena
bereaksi positif dengan air. Bahan yang biasa digunakan
dalam zat deterjen antara lain adalah dodecyl benzenes
ulfonate.
Penggunaan deterjen secara intensif bersama
dengan kandungan fosfat yang tinggi diketahui
menyebabkan eutrofikasi. Busa deterjen adalah merusak
dan mematikan untuk biota hadir di perairan dan/atau
daerah sekitarnya karena mencegah sinar matahari dari
122
 Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

regression modelling approach in Shivganga River basin,

Coliform total India. Modeling Earth Systems and Environment, 2019
2500 Singhal, B.B.S. and Gupta, R.P. 2010, Applied Hydogeology of
Fracture Rock. Springer Dordrecht Heidelberg London.:
2000 Springer.
Sugiyono. 2016. Metode Penelitian Kuantitatif, Kualitatif dan
jml/ml

1500 R&D. Bandung: PT Alfabet.

Widyastuti, M. dan Haryono E., 2016. Water Quality
1000 Characteristics of Jonge Telaga (Doline Pond) as Water
Resources for the People of Semanu District
500 Gunungkidul Regency. Indonesian Journal Of Geography
(48), 157-167.
0
Sampel
A1 A2 A3 B1 B2 B3
Gambar 10. Bakteri e.coliform

4. Kesimpulan/Rekomendasi
Kesimpulan dari penelitian kajian ini
menunjukkan bahwa air di embung tambakboyo
berdasarkan ketetapan Peraturan Gubernur Daerah
Istimewa Yogyakarta Nomor 20 tahun 2008, melebih
baku mutu kelas air kelas II. Parameter yang melebih
ambang baku mutu terbesar lebih dari kelas II adalah nitrit
(N02), nitrat (N03) dan deterjen. Polutan tersebut
berkorelasi dengan penggunaan lahan yang padat
penduduk di dusun Desa yaitu Condongcatur,
Maguwoharjo dan Wedomartani yang dihasilkan dari
limbah domestik.

DAFTAR PUSTAKA
Asdak, C. 2007. Hidrologi dan Pengelolaan Daerah Aliran
Sungai. Yogyakarta: Gadjah Mada University Press.
Alaerts & Santika, SS. 1984. Metoda Penelitan Air. Penerbit
Usaha Nasional. Surabaya.
Balai Besar Wilayah Sungai Serayu Opak, 2013. Profil Balai
Besar Wilayah Sungai Serayu -Opak. Direktorat Jendral
Sumber Daya Air Departemen Pekerjaan Umum.
BLH. 2008. Peraturan Gubernur Daerah Istimewa Yogyakarta
Nomor 20 Tahun 2008 tentang Baku Mutu Air di Provinsi
DIY. BLH Propinsi DIY, Yogyakarta.
Dinas Pekerjaan Umum. 2015. Profil sumberdaya air.
Departemen Pekerjaan Umum.
Dinas Pekerjaan Umum. 2017. Kawasan Permukiman.Dinas
Pekerjaan Umum, Perumahan dan Kawasan
Pemukiman. Dinas Pekerjaan Umum, Perumahan dan
Kawasan Pemukiman. Yogyakarta
Effendi, H. 2003. Telaah Kualitas Air. Kanisius, Yogyakarta
Febriarta, E., Vienastra S., Rosaji C.S.F., 2018. Identifikasi
Kapasitas Embung Tambakboyo Yogyakarta. Prosiding
Seminar Nasional IV Pengelolaan Pesisir dan Daerah
Aliran Sungai. 2018. Fakultas Geografi.
Fetter, C.W. 2004. Applied Hydrogeology 5 Edition. Ohio: Merril
Publishing Company.
Kadam A. K., Wagh, V. M. Muley, A. A. Umrikar B. N. and
Sankhua. R. N. 2019. Prediction of water quality index
using artificial neural network and multiple linear

123
 Tema 6 - Aplikasi Penginderaan Jauh dan SIG untuk
Pengelolaan Wilayah Kepesisiran dan DAS

124
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Estimasi Debit Puncak DAS Hulu Ciliwung Berbasis Data Radar

Cuaca

Rahpeni Fajariantia, Yoga Wahyu Pradanaa, Vensca Rini Parewanga, Imma Redha
Nugrahenia dan Abdullah Alib

aSekolah Tinggi Meteorologi, Klimatologi dan Geofisika; e-mail: rahpenifajarianti@gmail.com

bBadan Meteorologi, Klimatologi dan Geofisika

ABSTRAK
Luapan sungai Ciliwung sering menjadi penyebab terjadinya banjir di Jakarta. Perencanaan Jakarta Flood Early Warning System
perlu dikaji guna meminimalisir kerugian yang disebabkan bencana hidrometeorologi tersebut. Penelitian ini bertujuan untuk
mengetahui estimasi debit puncak DAS hulu Ciliwung berbasis data radar cuaca dengan korelasi Z-R Mueler dan Sims 1966 guna
dijadikan bahan pertimbangan untuk pengendalian banjir di hilir Ciliwung. Data radar cuaca memiliki kelebihan dalam mengestimasi
curah hujan secara spasial jika dibandingkan dengan data pos hujan. Data yang digunakan dalam penelitian ini antara lain: citra
Shuttle Radar Topography Mission (SRTM), Landsat-8 Operational Land Imaginer (OLI)/ Thermal Infrared Sensor (TIRS), dan data
radar cuaca serta data debit harian bendung Katulampa 11-13 November 2018. Pengolahan citra SRTM dan Landsat-8 OLI/TIRS
menggunakan sofware sistem informasi geospasial. Data radar cuaca diolah menggunakan software Gematronik 5.49 dengan
memanfaatkan produk Surface Rainfall Intensity (SRI), Precipitation Accumulation (PAC) dan River Subcatchment Accumulation
(RSA) untuk mengetahui debit puncak yang dihasilkan oleh radar cuaca dan mengetahui intensitas curah hujan yang digunakan
sebagai data input intensitas curah hujan pada perhitungan estimasi debit puncak metode rasional. Penelitian ini menggunakan
metode analisis statistik deskriptif. Perhitungan koefisien limpasan berdasarkan metode Cook menunjukan 0,77 dengan hasil debit
puncak tertinggi 13,33 m3/s pada 11 November 2018. Pola debit puncak yang dihasilkan radar cuaca cenderung memiliki pola yang
sama dengan perhitungan debit puncak metode rasional dan pengukuran langsung, hanya saja nilai yang dihasilkan bersifat
underestimate. Intensitas hujan pada 11 November 2018 mengindikasikan andil hulu Ciliwung terhadap banjir di hilir Ciliwung.

Kata kunci: debit puncak, radar cuaca, metode rasional, metode cook, banjir.

ABSTRACT
The overflow of the Ciliwung river is often the cause of flooding in Jakarta. The Planning of Jakarta Flood Early Warning System
needs to be reviewed in order to minimize the losses caused by the hydro-meteorological disaster. This study aims to determine the
estimated peak discharge of the Upper Ciliwung Watershed based on weather radar data with the correlation of Z-R Mueler and Sims
1966 to be used as consideration for flood control in the lower Ciliwung. Weather radar data has ability in estimating spatial rainfall
when compared to rainfall data. The data used in this study include: Shuttle Radar Topography Mission (SRTM) imagery, Landsat-8
Operational Land Imaginer (OLI)/ Thermal Infrared Sensor (TIRS), and weather radar data and also peak discharge data of Katulampa
dam on 11-13 November 2018. Processing SRTM and Landsat-8 OLI/TIRS images using software geospatial information systems.
Weather radar data is processed using Gematronic 5.49 software by utilizing surface rainfall intensity (SRI), precipitation accumulation
(PAC) and river subcatchment accumulation (RSA) products to determine the peak discharge generated by weather radar and know
the average rainfall used as data. Rainfall intensity input in the calculation of estimated peak discharge rational method. This research
uses descriptive statistic analysis method. Calculation of runoff coefficient based on the Cook method shows 0,77 with the highest
peak discharge result of 13,33 m3/s on 11 November 2018. The pattern of peak discharge generated by weather radar tends to have
the same pattern as the calculation of peak discharge rational method and direct measurement, only the resulting value is
underestimate. Rainfall intensity on 11 November 2018 indicates Ciliwung's upstream contribution to flooding in the lower reaches of
Ciliwung.

Keywords: peak discharge, weather radar, rational method, Cook method, flood.

1. Pendahuluan
Banjir merupakan salah satu bencana
hidrometeorologi yang sering terjadi di Indonesia. Pada
2018, frekuensi kejadian bencana banjir menempati
peringkat kedua setelah kejadian bencana puting
beliung, Gambar 1.

125
 PERSENTASE KEJADIAN BENCANA DI INDONESIA
TAHUN 2018
tanah
banjir
longsor
18% 26%
gelombang
pasang /
abrasi
puting 1%
beliung
kebakaran
33%
hutan dan
letusan gunung api
lahan
kekeringan 16%
2% 4%
Gambar 1. Persentase Kejadian Bencana di Indonesia
(sumber : BNPB, 2018)
Menurut Badan Nasional Penanggulangan
Bencana (BNPB) (2018), tercatat 871 kejadian banjir
tersebar di beberapa wilayah Indonesia dengan
dominan kejadian di Pulau Jawa. Dampak akibat
adanya banjir memberikan kerugian diberbagai sektor
baik perekonomian maupun kesehatan bahkan terdata
sejumlah 141 korban jiwa meninggal dan hilang, 946
unit rumah rusak berat dan beberapa fasilitas umum
seperti fasilitas kesehatan, peribadatan dan pendidikan
mengalami kerusakan. Permasalahan banjir dapat
diakibatkan oleh meluapnya air yang berlebihan di
suatu tempat karena hujan lebat, meluapnya air sungai
atau pecahnya bendungan sungai. Dimuat dalam
news.detik.com, kawasan Jakarta Selatan dan Jakarta
Timur dilanda banjir pada 12 November 2018 sekitar
pukul 02.00 WIB. Menurut BPBD Jakarta melalui akun
media sosialnya menyebutkan bahwa banjir terjadi
akibat luapan sungai Ciliwung. Sungai Ciliwung
merupakan salah satu sungai utama yang bermuara ke
Teluk Jakarta. Peningkatan debit dan volume banjir di
daerah hulu Ciliwung memiliki andil terhadap
peningkatan debit dan volume banjir di daerah hilir DAS
(Pawitan, 2002). Dalam hal ini, monitoring debit air
puncak sungai hulu Ciliwung diperlukan guna antisipasi
kejadian banjir di hilir Ciliwung. Oleh karena itu, perlu
adanya penelitian untuk mengetahui estimasi debit
puncak hulu Ciliwung guna membangun sistem
peringatan dini banjir di kawasan hilir Ciliwung. Banyak
penelitian yang telah dilakukan di kawasan Daerah
Aliran Sungai (DAS) hulu Ciliwung dengan berbagai
pemodelan hidrologi. Putiamini, dkk. (2017), dalam
penelitiannya menjelaskan bahwa estimasi debit
puncak dapat diketahui dengan menggunakan
kombinasi yang berbasis GIS dengan memodelkan
debit limpasan (Run-off) dan Soil Conservation Service
(SCS) menggunakan HEC-HMS. HEC-HMS adalah
model matematika numeris yang dikemas dalam paket
program komputer, yang terdiri dari sejumlah metode
untuk mensimulasikan watershed, saluran dan perilaku
bangunan air (water control structure). Selain
pemodelan hidrologi, perhitungan sederhana juga
dapat digunakan untuk mengestimasi debit puncak.
Metode rasional banyak digunakan untuk
memprakirakan debit puncak yang ditimbulkan oleh
hujan deras pada daerah tangkapan (DAS) kecil
dengan memperhitungkan beberapa parameter
hidrologi antara lain: intensitas hujan, durasi hujan,
frekuensi hujan, luas DAS, abstraksi (kehilangan air
akibat evaporasi, intersepsi, infiltrasi, tampungan
126
permukaan) dan konsentrasi aliran (Triatmodjo, 2008).
Parameter curah hujan menjadi variabel penting dalam
fluktuasi jumlah debit puncak suatu DAS. Semakin
besar curah hujan, maka debit DAS semakin besar
pula. Model hidrologi terdistribusi menggunakan
estimasi data grid curah hujan radar cuaca akan dapat
menghasilkan model curah hujan yang komplek secara
akurat (Hoblit & Curtis, 2001). Penelitian Sulistyowati
(2011) menggunakan produk radar CAPPI dengan
korelasi Z-R Marshal Palmer untuk estimasi curah
hujan sebagai produk inputan model hidrologi
terdistribusi limpasan. Selain itu, dalam penelitian
Putiamini, dkk. (2017) menjelaskan bahwa hasil
validasi simulasi hujan-debit data radar cuaca di DAS
hulu Ciliwung menggunakan koreksi metode RMSE
dan Nash menunjukan bahwa penggunaan data radar
mendekati nilai sebenarnya dan lebih baik dari
penggunaan data penakar hujan (rain gauge). Namun,
dalam penelitian Wardhana (2017) menyimpulkan
bahwa pemanfaatan data curah hujan radar dengan
QPE (Quantitive Precipitation Estimation) bersifat
underestimate sehingga belum mampu menjadi
pengganti curah hujan observasi. Berdasarkan hal
tersebut, permasalahan estimasi curah hujan radar
perlu diteliti lebih banyak. Menurut Lowe dkk. (2014),
estimasi curah hujan dari radar cuaca dimungkinkan
mampu menghasilkan produk prakiraan curah hujan
hingga 2-3 jam ke depan sehingga mampu
memprediksi limpasan yang akan terjadi di suatu area
tangkapan. Pemanfaataan curah hujan radar
terkalibrasi dengan menggunakan produk SRI (Surface
Rainfall Intensity) dan PAC (Precpitation Accumulation)
dapat digunakan untuk estimasi limpasan, prakiraan
banjir dan pemetaan zona banjir (Vanaja, 2018). Dalam
penelitian ini, estimasi debit puncak yang digunakan
adalah metode rasional dengan data input curah hujan
radar menggunakan produk SRI, PAC, RSA dengan
korelasi Z-R Mueler dan Sims 1966. Penelitian ini
bertujuan untuk mengetahui estimasi debit puncak
DAS hulu Ciliwung berbasis data radar cuaca dengan
korelasi Z-R Mueler dan Sims 1966 guna dijadikan
bahan pertimbangan untuk perencanaan sistem
pengendalian banjir hilir Ciliwung. Oleh karena itu,
diharapkan penelitian ini mampu menjadi referensi
untuk menemukan produk radar terbaik yang cocok
digunakan untuk estimasi debit puncak hulu Ciliwung
sehingga Jakarta Flood Early Warning System dapat
segera direalisasikan guna mengurangi dampak yang
merugikan akibat adanya banjir.
2. Metodologi
Area penelitian berada di Daerah Aliran Sungai
(DAS) Ciliwung dengan fokus area penelitian di wilayah
DAS hulu Ciliwung. Secara geografis, DAS hulu
Ciliwung terletak pada 6º37’- 6º46’ LS dan 106º50’ -
107º0’ BT dan memiliki luas sebesar 252.8 km2 seperti
pada Gambar 2. Periode penelitian pada 11 – 13
November 2018.
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

kondisi DAS sehat atau tidak sehat. Peta ditampilkan

dengan skala 1:125.000.
c. Menentukan Koefisien limpasan (C).
Koefisien limpasan menjadi faktor penting dalam
perhitungan debit puncak. Menurut Asdak (2002),
koefisien limpasan merupakan bilangan yang
menunjukkan perbandingan antara aliran permukaan
terhadap besarnya curah hujan. Penelitian ini
menggunakan metode Cook untuk menentukan
koefisien limpasan (C) yang mengacu pada klasifikasi
beberapa parameter pada Tabel 1-4. Nilai koefisien
aliran permukaan diperoleh dengan metode skoring 4
parameter tersebut. Faktor pembobotan per unit tanah
merupakan hasil bagi area unit tanah dibagi daerah
tangkapan (catchment area), kemudian hasil faktor
Gambar 2. Area Penelitian DAS hulu Ciliwung pembobotan tersebut dikalikan dengan total bobot tiap
parameter. Hasil setiap pembobotan parameter
Data penelitian yang digunakan antara lain: citra tersebut dijumlahkan untuk mendapat nilai total C DAS
SRTM dengan resolusi spasial 30 meter yang hulu Ciliwung.
digunakan untuk menentukan kondisi topografi DAS
hulu Ciliwung. Data tersebut diperoleh dengan Tabel 1. Parameter Kemiringan
mengakses https://earthexplorer.usgs.gov/. Data Kemiringan Konfigurasi relief Bobot
SRTM 1 Arc-Second Global diunduh dalam ekstensi 0-5% Datar 10
GEOTIFF. Pemanfaatan peta distribusi tanah tersebut 5-10% Bergelombang 20
dapat digunakan untuk memperkirakan kondisi tekstur 10-30% Perbukitan 30
dan infiltrasi tanah di area penelitian (Setiyono, dkk., >30% Curam 40
2017). Sumber Gunawan dkk., 2012
Citra Landsat-8 OLI/TIRS diperoleh dengan
mengakses https://earthexplorer.usgs.gov/ untuk Tabel 2. Parameter Infiltrasi
Infiltrasi Karakteristik lahan Bobot
mendapatkan informasi tutupan lahan guna
Cepat Pasir atau tanah lain yang bisa menyerap 5
memprakirakan persentase vegetasi berdasarkan
lebih cepat
setiap jenis tutupan lahan (Gao, 2010). Data Radar
Medium Tanah liat yang dalam dengan infiltrasi kira- 10
Cuaca C-band Stasiun Meteorologi Soekarno-Hatta kira sejenis dengan tanah padang rumput
11-13 November 2018 dengan format HDF untuk Lambat Tanah liat/tanah lain dengan kapasitas 15
mendapatkan estimasi intensitas curah hujan. Data infiltrasi rendah
intensitas curah hujan digunakan sebagai variabel Sangat Lambat Tidak ada penutup tanah yang efektif, tipis, 20
input dalam estimasi debit puncak metode rasional. (diabaikan) lapisan tanah
Data radar cuaca tersebut didapatkan dari Sub Bidang Sumber Gunawan dkk., 2017
Pengelolaan Citra Radar Badan Meteorologi,
Klimatologi, dan Geofisika (BMKG). Data debit harian Tabel 3. Parameter Tutupan Lahan
bendung Katulampa 11-13 November 2018 didapatkan Tutupan lahan Bobot
dari Balai Besar Wilayah Sungai Ciliwung Cisadane Sekitar 90% ditutupi oleh kayu 5
(BBWSCC). Metode penelitian ini menggunakan teknik Sekitar 50% tertutup oleh pohon dan rumput 10
analisis statistik deskriptif untuk mengintrepetasikan tutupan tanaman sedikit, tidak ada tanaman dan sedikit 15
hasil-hasil olahan data dalam bentuk angka, grafik dan tutupan alami
gambar. Data-data tersebut diolah sebagai berikut: tidak ada tutupan efektif atau sejenis 20
a. Citra SRTM diolah menggunakan software Sumber Gunawan dkk., 2017
Sistem Informasi Geospasial (SIG) menjadi peta
kemiringan, aliran permukaan, densitas drainase dan Tabel 4. Parameter Aliran Densitas
Kelas Aliran Densitas (mil/mil2) Bobot
tekstur tanah untuk menentukan pengaruh faktor-faktor
Tinggi >5 5
aliran permukaan.
Normal 2–5 10
b. Citra Landsat-8 OLI/TIRS diklasifikasikan
Rendah 1–2 15
sebagai tutupan lahan menggunakan Maximum
Diabaikan <1 20
Likehood Classification (MLC) yang mana MLC Sumber Gunawan dkk., 2017j
mempertimbangkan peluang dari suatu piksel untuk
dikelaskan ke dalam kelas atau kategori tertentu yang d. Estimasi Intensitas Curah Hujan.
disebut faktor prior probability (Sampurno dan Thoriq, Penelitian ini mengolah data radar dengan
2016). Klasifikasi tutupan lahan menggunakan band memanfaatkan produk hidrologi, SRI dan PAC.
6,5,4 untuk divisualisasikan dalam citra RGB dengan 8 Pengaturan produk SRI menggunakan hubungan Z-R
kelas (hutan, semak/rumput, sawah, pemukiman, berdasarkan persamaan Mueler and Sims 1966
lahan terbuka, perkebunan, semak belukar, tegalan) (Pers.1) (Battan, 1981) dengan pengaturan SRI level
guna diketahui persentasi vegetasi yang menunjukan

127
yaitu 0.8 km – 5km dengan range 100km dikarenakan 3. Hasil dan Pembahasan
jarak area penelitian dengan radar dibawah 100km. 3.1 Parameter Permukaan Aliran

Z = 311R1.44 (Pers.1) Berdasarkan Gambar 4a, topografi kemiringan

Rumus Z-R menyatakan hubungan antara
reflektivitas dan tingkat curah hujan untuk dipilih
distribusi ukuran tetes. Untuk tujuan hidrologi,
hubungan ini sering diasumsikan konstan dalam ruang
dan waktu meskipun bervariasi dalam intensitas hujan
(Smith, 2009). Data PAC dikirim dalam akumulasi 10-
menit pada resolusi spasial 1 x 1 km (Gilweski dan
Nawalany, 2018). Produk PAC dalam penelitian ini
menggunakan output produk SRI sebagai data input.
Pengaturan interval PAC yaitu 1 hari guna mengetahui
total curah hujan 24 jam dengan mode average. Selain
itu, digunakan juga produk RSA untuk mengetahui
intensitas curah hujan secara spasial di area penelitian.
DAS hulu Ciliwung diklasifikasikan menjadi 4 kelas
dengan topografi datar (0-5%) hingga curam (>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.

e. Estimasi Debit Puncak menggunakan Metode

Rasional.
Rumus perhitungan metode rasional (Triatmodjo,
2008) sebagai berikut:

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 (a)
I : intensitas hujan (mm/jam),
A : luas daerah tangkapan (km2).

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 <1 mil/mil2 dengan
persentase 54,99%, 34,65% untuk aliran densitas
rendah (1-2mil/mil2), 8,2% untuk aliran densitas normal
(2-5 mil/mil2) dan 2,16% untuk aliran densitas tinggi (>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 Total koefisien tiap parameter
Kemiringan 0,22
Infiltrasi 0,18
Tutupan lahan 0,20
Densitas Aliran 0,17
Total C 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
Subcatchment Area (RSA) karena algoritma Tanggal Qradar (m3/s)
perhitungan curah hujan rata-rata (Pers. 3) (SELEX, 11 34,32
2007) merupakan total curah hujan spasial dibagi 12 15,44
interval waktu hujan sesuai dengan rumus perhitungan 13 15,40
intensitas hujan menurut Subarkah (1980). Sumber data Balai Besar Wilayah Sungai Ciliwung Cisadane, 2019

Ravg = Rtot.dt (Pers.3) Berdasarkan Gambar 6, pola fluktuasi debit

puncak DAS hulu Ciliwung pada 11-12 November 2018
di mana, Ravg = rata-rata curah hujan, Rtot = total curah menggunakan metode rasional, produk radar cuaca
hujan (Rtot=Qtot/A(subcatchment area), dan dt=interval waktu dan pengukuran langsung menunjukan pola yang
yang diinput. cenderung sama.

Berdasarkan Tabel 6, nilai input untuk intensitas curah Debit Puncak DAS Hulu Ciliwung
hujan tertinggi terjadi pada 11 November 2018 senilai 40
5,85 mm selama 24 jam.

Debit harian (m3/s)

30
Tabel 6. Curah Hujan rata-rata 11 – 13 November 2018 20
Tanggal Curah Hujan rata-rata (mm/jam) 10
11 0,25 0
12 0,03 11 November 12 November 13 November
2018 2018 2018
13 0,05
Sumber data hasil pengolahan radar cuaca, 2019 metode rasional radar cuaca

3.4 Debit Puncak pengukuran langsung

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) A(km2) Qp(m3/s)
11 0,278 0,77 0,246339 252,8 13,33
12 0,278 0,77 0,0303112 252,8
13 0,278 0,77 0,0459835 252,8
sumber data hasil perhitungan, 2019
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
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
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.
1,64 Berdasarkan kondisi dilapangan, intensitas curah
2,49 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.
Precipitation Estimates Performance for Rainfall-
Runoff 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 dan Observasi Hujan Permukaan di DAS Ciliwung.
presented at the Floodplain Management Tesis. Tidak diterbitkan. Program Studi
Association Spring 2001 Conference, San Diego, Klimatologi Terapan. Institut Pertanian Bogor:
California, 13-16 March 2001. Bogor
http://bnpb.cloud/dibi/laporan4 (diaskes 27 Desember 2018) Sya’diah, S, 2015. Analisis Daerah Resapan Air DAS
https://earthexplorer.usgs.gov/ (diakses 01 Januari 2019) Ciliwung Hulu Menurut Penutupan Lahan dan
https://news.detik.com/berita/4297406/ciliwung-meluap- RTRW. Skripsi. Fakultas Matematika dan Ilmu
sejumlah-kawasan-di-jaksel-dan-jaktim-banjir Pengetahuan Alam Institut Pertanian Bogor,
(diakses 27 Desember 2018) Bogor
https://repository.ipb.ac.id/jspui/bitstream/123456789/55057/ Triadmojo, B. 2008. Hidrologi Terapan. Beta Offset
7/BAB%20IV%20Karakteristik%20Daerah%20Alir Yogyakarta:Yogyakarta. (cetakan ke-5)
an%20Sungai....pdf (diakses 5 Jamuari 2019) Wardhana, A. 2017. Pendugaan Debit Aliran Memanfaatkan
https://swat.tamu.edu/media/56773/E4-2-Vanaja.pdf Radar Cuaca dan Model Hidrologi di DAS Ciliwung
(diakses 19 Desember 2018) Hulu (Kasus Stasiun Katulampa). Tesis. Program
Löwe, R., Thorndahl, S., Mikkelsen, P.S., Rasmussen, M.R., Studi Klimatologi Terapan. Institut Pertanian
Madsen, H., 2014. Probabilistic Online Runoff Bogor: Bogor.
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.

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 :10.1088/1755-
1315/165/1/012032. Province. IOP Conf. Series:
Earth and Environmental Science 165 (2018) p.1-
12
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: 2303-
3142, 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: aarief.wicaksono08@mail.ugm.ac.id; bratih.winastuti@mail.ugm.ac.id

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, Sentinel-
2A, 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 abrasi pantai dan aktivitas di pesisir berupa perikanan

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
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.

132
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
penyajian yang berbeda. Hal ini dimaksudkan untuk Tabel 1. Tinggi gelombang air laut dari data satelit Altimetri
memperoleh pandangan yang berbeda dalam memahami Envisat.
namun saling berkaitan pada suatu fenomena Tinggi gelombang Tinggi gelombang
morfodinamika pesisir. Maksud dari multitemporal adalah Ta- (musim hujan) (m) (musim hujan) (m)
hun Dese- Janua- Febru- Ju Agus Septe
memanfaatkan beberapa citra dengan resolusi spasial
mber ri ari -li -tus mber
sama, tetapi waktu perekaman berbeda-beda. Hal ini
2003 0 1,6 0,9 1, 0,7 1
dimaksudkan untuk dapat mengamati perubahan
3
fenomena yang terjadi di pesisir. Dengan demikian, 2004 0 6 0 0, 0 1,6
penelitian ini bermaksud untuk mengkaji variasi spasio- 6
temporal morfodinamika yang terjadi di pesisir Kabupaten 2005 1,1 0 3,9 1, 1,7 4
Buleleng dan diharapkan dapat memperoleh kesimpulan 5
yang berbeda-namun saing melengkapi-dari penggunaan 2006 2,2 1,8 5 1, 1,3 0
data multisumber tersebut. 5
2007 0,8 6,6 4,3 0 0 0
2. Metodologi 2008 0,7 0,7 0 1 1,8 1,5
Deskripsi Wilayah 2009 1,6 2,9 1,3 0, 0 1,7
1. Penggunaan lahan 8
Luas lahan menurut penggunaannya di Kabupaten
Buleleng dibagi menjadi lahan pertanian dan lahan bukan
pertanian, adapun luas lahan terbesar merupakan lahan Pasang surut
pertanian bukan sawah dengan 70.430 ha. Dengan Berdasarkan data pasang surut selama bulan Juni
perbandingan persentase terbesar yaitu lahan pertanian 2019 (Gambar 4), tinggi muka air rata tinggi muka air
pada kecamatan sawan dengan 24,59% lebih dominan tinggi tertinggi (high highest water level) sebesar 0,668 m
dari lahan pertanian bukan sawah dengan 17,69% pada dan tinggi muka air terendah (low lowest water level)
Kecamatan Banjar sedangkan lahan bukan pertanian sebesar -0,848 m. Julat pasut yang hingga mencapai 1 m
terbesar pada Kecamatan Gerokgak yaitu 48,27%. Dari termasuk dalam kelas mikropasut, yang memang menjadi
luas lahan yang ada di Kabupaten Buleleng, secara garis karakteristik pasang surut di Indonesia pada umumnya.
besar dikelompokkan menjadi lahan basah (sawah) dan Kegiatan lapangan dilakukan pada tanggal 30 Mei – 2
lahan kering. Jika dilihat dari jenis penggunaan lahan Juni 2019, yang berarti dilakukan saat ketinggian pasut
Kabupaten Buleleng (BPS, 2017), Tegal/Kebun mencapai 0,4 m. Variasi pasut dan kemiringan pantai
mencakup hampir setengah dari luas keseluruhan lahan yang datar (khususnya pada wilayah terumbu karang
di Kabupaten Buleleng yaitu mencapai 36.991 ha. tepi) mengakibatkan posisi garis pantai saat pasang dan
Tegal/kebun ini tersebar hampir di semua wilayah surut berbeda hingga mencapai > 50 m.
kecamatan, kecuali Kecamatan Buleleng.
1
Ketinggian (m)

2. Oseanografi 0.5

Arus laut 0

Arus berperan penting di perairan mengalir karena -0.5

dapat menentukan kualitas dan kuantitas endapan, -1

1-Jun-19
4-Jun-19
7-Jun-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
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

disamping itu arus dapat mencegah tertimbunnya bahan-

bahan organik di tempat-tempat tertentu. Kecepatan arus
di perairan Kecamatan Gerokgak berkisar antara 0-0,4
m/detik. Tanggal

Gambar 4. Ketinggian pasang surut.

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
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
dokumentasi kenampakan di lokasi. Alat yang digunakan
dalam penelitian disajikan pada Tabel 2.
Tabel 2. Alat yang digunakan.
No. Nama Alat Kegunaan
1 GPS Navigasi Memplot titik koordinat lokasi sampel
Yalon, Pita Ukur, Mengukur morfologi pantai berupa
2
dan Abney Level panjang, lebar, dan kemiringan pantai
3 Stopwatch Menghitung waktu periode gelombang
4 Kompas Mengukur arah angin
5 Kamera digital Dokumentasi lapangan
Software ArcGIS
6 Menyajikan peta
10.5
7 Software ENVI 5.3 Mengolah citra penginderaan jauh
Software DSAS
8 Mengolah perubahan garis pantai
5.0
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.
(𝑠𝑎𝑙𝑢𝑟𝑎𝑛 ℎ𝑖𝑗𝑎𝑢 − 𝑠𝑎𝑙𝑢𝑟𝑎𝑛 𝑖𝑛𝑓𝑟𝑎𝑚𝑒𝑟𝑎ℎ 𝑡𝑒𝑛𝑔𝑎ℎ)
MNDWI=
(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).
d. Perolehan data garis pantai selanjutnya dilakukan
melalui digitasi dengan interpretasi visual, termasuk
pada citra resolusi tinggi (SPOT-7 Pansharpen
dengan resolusi spasial 1,5 m).
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.
Laju Perubahan Erosi/Abrasi
No Kriteria
(m/tahun)
1 Ringan < 0,5
2 Sedang 0,5 – 2,0
3 Berat 2,0 – 5,0
4 Amat Berat 5,0 – 10,0
5 Amat Sangat Berat > 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 Skala 1:65.000
tingkat kedetailan informasi yang diperoleh, berbagai Gambar 7. Garis pantai yang berubah signifikan selama 2
sumber data ini berbeda dalam hal resolusi spektral, tahun (2018 - 2019) dari Citra Sentinel-2A.
radiometrik, dan temporal. Oleh karena karakteristiknya
berbeda maka pengolahan citra yang dilakukan untuk Perubahan Garis Pantai Citra Landsat dan Sentinel-
memperoleh informasi garis pantai dari ketiga jenis citra 2A
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.
Tabel 4. Perbandingan panjang garis pantai antar citra.
Resolusi Panjang Garis
No Sumber Data
Spasial (m) Pantai (km)
1 Landsat 5 TM 2000 30 19,749
2 Landsat 7 ETM+ 2008 30 19,982
3 Landsat 8 OLI 2019 30 20,624
4 Sentinel-2A 2018 10 21,566
5 Sentinel-2A 2019 10 21,329
SPOT-7 Pansharpen Gambar 8. Peta perubahan garis pantai dari Citra Landsat.
6 1,5 21,393
2018

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 Gambar 9. Peta perubahan garis pantai dari Citra Sentinel-2A.
pada Gambar 6 berikut. 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
Skala 1:65.000
pantai, baik teluk maupun tanjung. Sementara itu,
Gambar 6. Garis pantai yang berubah signifikan selama 20 perubahan garis pantai selama 2018-2019 (Gambar 9)
tahun (2000 - 2019) dari Citra Landsat. mulai dari 0 hingga 35,1 m, dengan perubahan dominan
Melalui citra Sentinel-2A, dapat dilihat variasi garis adalah 0-4,3 m. Perubahan garis pantai signifikan (> 6,4
pantai selama 2 tahun (2018 - 2019). Dalam rentang m) terlihat pada bagian tanjung dan muara, sementara di
waktu 2 tahun tersebut, garis pantai di sebagian bagian teluk yang berubah signifikan adalah di teluk dekat
Kabupaten Buleleng cenderung mengalami akresi juga, PLTU Celukan Bawang.
tetapi ada beberapa lokasi yang mengalami abrasi masif.
Adapun garis pantai dari citra Sentinel-2A yang berubah Garis Pantai Citra SPOT-7 dan Bangunan Pantai
signifikan dapat dilihat pada Gambar 7. Terdapat empat Garis pantai yang diinterpretasi dari citra SPOT-7
lokasi yang konsisten mengalami abrasi, baik ketika dimaksudkan untuk mengamati variasi terkini (tahun
diamati melalui citra Sentinel-2A maupun melalui citra 2018) garis pantai di lokasi penelitian dengan akurasi
Landsat yang diamati selama rentang waktu 20 tahun, tinggi (resolusi spasial 1,5 m). Bentuk garis pantai di
yaitu di sekitar Teluk Karang Rata, muara Tukad lokasi penelitian bervariasi mulai dari lengkung, teluk,
Banyuraras dan Tukad Saba. tanjung, dan tidak beraturan. Garis pantai berbentuk
136
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 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.
(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.
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 lain untuk melindungi pura, permukiman, resort, tambak
mitigasi struktural. Adapun fungsi dari bangunan dan mereduksi energi gelombang. Distribusi bangunan
pelindung pantai yang ada di wilayah penelitian antara pantai ditunjukkan dalam Gambar 15.

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

grafik EPR, dimana kelas kerusakan pantai ringan

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
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.

(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-
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.

138
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 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. 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

wahyulazuardi35@gmail.com, Ridwan.ardiyanto07@gmail.com

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 menyerap karbondioksida (CO2) seperti halnya

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
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) 10
Resolusi
12-bit
Radiometrik
Resolusi Temporal 5 hari
Julat Spektral (pm)
saluran Blue 0,45-0,52
saluran Green 0,54-0,58
saluran Red 0,65-0,68
saluran near-infrared 0,78-0,90
Sumber: Suhet (2014)
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

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
Gambar 2. Diagram Alir Analisis Data
di perairan dangkal optis yang diintegrasikan dengan
koordinat GPS yang diatur sesuai dengan kesamaan
2.2.1 Koreksi Radiometrik
waktu, untuk memudahkan proses geotagging antara
Citra penginderaan jauh yang diperoleh dari sensor
foto dengan koordinat.
satelit pasti memiliki gangguan dari kondisi atmosfer
2.4 Klasifikasi Citra
maupun sensor perekamnya. Gangguan tersebut
Klasifikasi citra dilakukan dengan menerapkan
menyebabkan eror yang berpengaruh pada kualitas
skema kelas habitat bentik kelas mayor sesuai SNI 7716:
radiometrik citra yang dihasilkan. Untuk menghilangkan
2011 berjumlah empat kelas yakni, substrat, terumbu
eror tersebut, citra penginderaan jauh perlu dikoreksi
karang, lamun, dan makro alga. Klasifikasi diterapkan
untuk mengurangi atau meminimalisir efek dari
pada tiap tahun citra untuk memperoleh distribusi area
gangguan tersebut. Koreksi citra dilakukan dengan
lamun pada tahun yang digunakan, yang kemudian data
beberapa tahap yakni dari digital number (DN) menjadi
area lamun pada tiap tahun digunakan sebagai dasar
TOA radiance kemudian dikonversi kembali menjadi
analisis perubahan atau dinamika distribusi lamun yang
TOA reflectance serta koreksi atmosfer untuk
terjadi. Algoritma klasifikasi yang digunakan dalam
memperoleh citra dengan level surface reflectance atau
penelitian ini adalah klasifikasi supervised yang terdiri
biasa disebut bottom of atmosphere (BOA). Citra yang
dari Random Forest (RF) dan Support Vector Machine
digunakan dalam penelitian memiliki level koreksi TOA
(SVM).
reflectance sehingga masih perlu tahapan koreksi
2.4.1 Random Forest
atmosfer untuk meminimalisir pengaruh atmosfer.
Random Forest adalah sebuah metode klasifikasi
Koreksi atmosfer yang dilakukan menggunakan Dark
machine learning berbasis tree set unit. Setiap unit tree
Object Substraction (DOS) (Chavez, 1996 dalam Nazeer
tersebut memiliki kontribusi dalam menentukan kelas
et al., 2014). DOS dipilih karena merupakan salah satu
dari suatu piksel citra penginderaan jauh berdasarkan
metode koreksi atmosfer yang paling sederhana dan
data sampel yang dijadikan input dalam klasifikasi
mampu memberikan hasil yang lebih baik dibandingkan
(Breiman, 2001). Random Forest dipilih karena
metode koreksi atmosfer lain (Nazeer et al., 2014;
berdasarkan penelitian sebelumnya, algoritma ini
Wicaksono dan Hafizt, 2017).
mampu memberikan hasil dengan akurasi tinggi
2.2.2 Koreksi Sunglint
dibandingkan algoritma klasifikasi lainnya (Duro et al.,
Sunglint merupakan efek pantulan seperti kaca
2012; Zhang, 2014; Ma et al., 2017).
pada permukaan air yang tenang karena pengaruh
2.4.2 Support Vector Machine
cahaya matahari. Efek ini menyebabkan adanya eror
Support Vector Machine (SVM) adalah algoritma
untuk aplikasi penginderaan jauh, terutama pemetaan
klasifikasi terselia (supervised) non- parametrik. Sistem
pada perairan dangkal maupun perairan dalam optis.
kerja SVM adalah menemukan hyperplane yang mampu
Berdasarkan hal tersebut pengaruh sunglint perlu
memisahkan beberapa input dataset kedalam sejumlah
diminimalisir untuk meningkatkan kualitas peta yang
kelas yang telah ditentukan (Vapnik, 1995 dalam Zhang,
dihasilkan. Sunglint dapat diminimalisir dengan cara
2014). SVM memiliki dua kernel, kernel tersebut terdiri
dikoreksi dengan metode yang dikembangkan oleh
dari pengaturan lebar kernel dan derajat polinomial.
Hedley et al. (2005). Metode koreksi tersebut dipilih
Kernel tersebut dapat diatur untuk mengontrol tingkat
karena lebih sederhana dan memiliki hasil yang lebih
kesalahan klasifikasi yang dapat diterima (Huang et al.,
baik dibandingkan metode koreksi sunglint lain (Kay et
2002 dalam Zhang, 2014). Algoritma SVM digunakan
al., 2009).
karena mampu memberikan akurasi pemetaan yang
2.2.3 Koreksi Kolom Air
lebih tinggi dibandingkan algoritma klasifikasi supervised
Koreksi kolom air merupakan salah satu
lainnya (Pal dan Mather, 2005; Wahidin et al., 2015)
pendekatan dalam pengolahan citra penginderaan jauh

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 OA (%) Kappa
RF 68,39 52,89
DII
SVM 38,06 -2,86
2019
RF 58,06 38,44
Deglint
SVM 63,23 48,5

Tahun Band Machine Learning Algorithm OA (%) Kappa

RF 42,66 3,42
DII
SVM 46,85 0
2015
RF 62,24 42,63
Deglint
SVM 62,94 42,25

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.

mampu meningkatkan akurasi hasil tutupan lamun

2015 (Lyons et al., 2011).
100
Hal tersebut karena antara objek pasir pada
70 72.31 70.15 74.6 70.15
perairan dangkal jernih dan lamun memiliki
52.24 46.85 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
UA PA UA PA UA PA UA PA
menunjukkan bahwa terdapat pola distribusi tutupan
RF DII RF Deglint SVM DII SVM Deglint lamun pada tahun 2015 dan 2019. Terlihat pada bagian
tengah dekat dengan gilia tau gosong pasir, terdapat
perbedaan yang sangat signifikan. Tahun 2015 area
2019 tersebut masih merupakan subtrat pasir dan tahun
85.71 83.08 88.57 88.24 2019 area tersebut telah berubah menjadi lamun.
Berdasarkan luasannya, tutupan lamun pada tahun
47.69 46.15 2015 memiliki luasan sebesar 243,3 ha (termasuk
26.92 misklasifikasi) dan tahun 2019 seluas 185,2 ha. Hal
10.77
tersebut menunjukkan terdapat perubahan tutupan
lamun yang cukup besar.
UA PA UA PA UA PA UA PA
RF DII RF Deglint SVM DII 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 high-
spatial 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: latiefra@apps.ipb.ac.id
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 porositas sangat menentukan laju erosi (Rachman et

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
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 tanah-
tanah 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 mengendali-
kan 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 berlembar-
lembar 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%, Gambar 3. Peta Tutupan Vegetasi di Lokasi
30–45%, 45–65%, dan >65%.
Penelitian
Peta Kelas Lereng tersebut menunjukkan bahwa
sebagian besar areal penelitian merupakan wilayah Hasil foto udara dari drone juga dapat menghasil-
yang curam dengan lereng > 45 % dan hanya sebagian kan informasi terkait tindakan pengawetan atau
kecil saja yang memiliki kemiringan lahan kurang dari konservasi tanah yang sedang dilakukan atau
15%. diterapkan dalam suatu wilayah atau kawasan
Penggunaan drone untuk pemetaan kelas lereng pertanian. Umumnya bentuk tindakan konservasi yang
sangat membantu sekali dalam menarik batas kelas- mudah diinterpretasi dari hasil foto udara adalah
kelas lereng dan penyebaraannya secara spasial, terdapat teras teras serta pengolahan dan penanaman
dibandingkan dengan jika hanya menggunakan menurut garis kontur (contour planting).
metode survey lapangan biasa. Tindakan pengawetan atau konservasi tanah pada
Foto udara hasil drone juga mampu memberikan lokasi penelitian yang dapat diidentifikasi adalah olah tanah
informasi terkait tutupan vegetasi. Pada lokasi dan penanaman menurut garis kontur dan tanpa olah tanah,
penelitian terdapat tutupan vegetasi berupa hutan, seperti yang disajikan pada Gambar 4.
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 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 TBE
K R LxS C P (ton/ha) (ton/ha)
SL-2 0.149 3566.947 2.833 0.100 0.500 75.380 37.333 2.02
SL-3.1 0.182 3566.947 3.322 0.300 0.500 323.405 37.333 8.66
SL-3.2 0.149 3566.947 3.556 0.100 0.500 94.582 37.333 2.53
SL-4.1 0.130 3566.947 13.614 0.200 0.750 949.630 37.333 25.44
SL-4.2 0.149 3566.947 13.545 0.100 0.750 540.913 37.333 14.49
SL-5.1 0.133 3566.947 8.359 0.400 0.900 1426.641 37.333 38.21
SL-5.2 0.124 3566.947 10.268 0.280 0.900 1143.547 37.333 30.63
SL-6.1 0.107 3566.947 18.691 0.100 0.900 640.045 37.333 17.14
SL-6.2 0.106 3566.947 14.555 0.233 0.900 1158.435 37.333 31.03
SL-6.3 0.096 3566.947 19.765 1.000 0.900 6101.797 37.333 163.44
SL-7.1 0.134 3566.947 15.542 0.001 1.000 7.420 37.333 0.20
SL-7.2 0.117 3566.947 18.154 0.100 0.900 684.710 37.333 18.34
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 DAFTAR PUSTAKA

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.
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 Perencanaan dan Pengelolaan Pesisir dan DAS 1; e-mail: galihgdj17@gmail.com

bMagister 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 maupun wahana sejenis lainnya dengan awak dua orang

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
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
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
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).
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 Parameter Formula Deskripsi Referensi

1 Orde Sungai Sistem hierarki berdasarkan penggal - Strahler (1964)
sungai
2 Panjang Sungai Utama Panjang Sungai Utama (Lu) - Strahler (1964)
3 Panjang dan lebar DAS Panjang (Lb) dan lebar DAS (W) - Horton (1945)
4 Rasio panjang DAS RL = Lu/L(u-1) L(u-1) = total panjang sungai orde lebih Horton (1945)
rendah
5 Rasio bifurcasi Rb = Nu/N(u+1) N(u+1) = total panjang sungai orde Schumms (1956)
lebih tinggi
6 Kerapatan aliran D = Lu/A A = Luas DAS (km2) Horton (1945)
7 Faktor bentuk Rf = A/Lb2 A = Luas DAS (km2) Horton (1945)
Lb = Panjang DAS
8 Kemiringan sungai utama S = (h85-h10)/0,75 Lu h85 = ketinggian pada 0,85 Lu Schumm (1956)
h10 = ketinggian pada 0,10 Lu

9 Kemiringan DAS s12 a12 s23 a23 s( n 1) n a( n 1) n S(n-1)n = rata-rata land slope antara The Weighted
sb    ...  dua kontur n-1 dan n Mean Method
A A A
A(n-1)n = area antara dua garis
kontur (n-1) dan n
x 
10 Titik berat DAS ( xi .n xi ) n = jumlah titik grid dalam DAS Pareta et al. (2012)
n nxi= jumlah titik potong menurut
sumbu x dalam DAS
y   i n yi
( y .n )

 nyi= jumlah titik potong menurut

sumbu y dalam DAS
i = nomor grid (1,2,3 …dst)
11 Median elevasi DAS Menggunakan Kurva Hipsometrik - Strahler (1964)
12 Jumlah semua sungai STi - Horton, 1945
13 Jumlah sungai orde 1 ST1 - Horton, 1945
14 Jumlah panjang semua Li - Horton, 1945
sungai
15 Jumlah panjang sungai orde L1 - Horton, 1945
1
(Sumber: Mokarram, 2015)

Pemetaan Jeram jeraam. Berdasarkan kemiringan lereng dan jalur yang

Pemetaan jeram dilakukan berdasarkan sudah ada maka pemetaan arung jeram dilakukan pada
segmen yang diduga memiliki kemiringan lereng 10-20 segmen 7. Berikut merupakan lokasi pemetaan jeram
m/km. hal tersebut merupakan syarat pertama yang Sungai Saba.
harus dipertimbangkan dalam penentuan jalur arung

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

Karakteristik fisik ditunjukkan secara kuantitatif

Pemetaan jeram dilakukan berdasarkan berdasarkan penelitian yang telah dilakukan oleh
professional adjustment sepanjang jalur arung jeram Strahler (1964), Horton (1932) dan Schumms (1956).
yang sudah ada. Jeram dipetakan menggunakan Global Hasil perhitungan morfometri DAS Saba ditunjukkan
Positioning Sistem (GPS). Pemetaan jeram dilakukan pada Tabel 2.
pada jalur arung jeram Sungai Saba dari start hingga Tabel 13 Parameter Morfometri DAS Saba, Kabupaten
finish. Dokumentasi dilakukan untuk memberikan Buleleng, Bali
gamabaran terkait kondisi fisik sungai dan kondisi
No Parameter Nilai
rintangan sepanjang jalur arung jeram.
1 Luas DAS 145.25 km2
Beberapa karakteristik fisik dilakukan untuk 2 Panjang DAS 25.51 km
melengkapi parameter yang diinginkan. Parameter fisik 3 Lebar DAS 0.75 6.85 km
yang diukur seperti kemiringan sungai dan debit sungai 4 Lebar DAS 0.25 2.15 km
pada beberapa titik. Pengambilan sampel titik 5 Panjang Sungai Utama 35.73 km
pengukuran dilakukan berdasarkan keberadaan jeram- 6 Kemiringan Sungai Utama 50 m/km
7 Kemiringan DAS 0.015
jeram yang bersifat unik. 8 Jumlah Orde 1 160
9 Jumlah panjang orde 1 224.46 km
3. Hasil dan Pembahasan 10 Jumlah semua orde 307
Morfometri adalah kuantitatif karakteristik fisik 11 Jumlah panjang semua orde 1487.31 km
DAS. Karakteristik DAS dapat ditinjau dari parameter 12 Faktor bentuk DAS 0.29
13 Lemniscate Constant (k) 1.12
areal, linear dan reliefnya. Morfometri dalam kajiannya
14 Kerapatan drainase 1.98 km/km2
hal yang paling penting dilakukan untuk mengetahui Sumber: Analisis, 2019
potensi, dan anaman bahaya di dalam das. Terdapat dua Morfometri DAS merupakan nilai atau
skala pengukuran yang dilakukan untuk mengidentifikasi kuantifikasi dari parameter morfologi. Analisis morfometri
potensi pengembangan wisata arung jeram. DAS secara tidak langsung memberikan gambaran
terhadap bentuk dan karakteristik hidrologi DAS
3.1. Morfometri DAS Saba (Sukristiyanti et al., 2018). Terdapat 15 parameter
DAS Saba terletak di Kabupaten Buleleng, morfometri yang diukur sebagai dalam pendukung
Bali. DAS Saba merupakan DAS yang berpotensi dalam analisis bencana banjir di DAS Saba yaitu luas, panjang,
pengembangan wisata aurng jeram. Hal ini ditandai telah lebar, panjang sungai utama, kemiringan das,
munculnya jalur arung jeram sejak tahun 2017. Morfologi kemiringan sungai utama, faktor bentuk DAS, penetuan
Sungai Saba diperkirakan mendukung untuk dilakukan sistem orde sungai, jumlah semua sungai, jumlah semua
pengembangan wisata arung jeram. Analisis morfometri sungai orde 1, jumlah panjang semua sungai, jumlah
dilakukan pada beberapa segmen di Sungai Saba untuk panjang semua sungai orde 1, median elevasi, kerapatan
mendukung pengembangan wisata arung jeram yang drainase dan titik berat DAS.
berkelanjutan.

158
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
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
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.
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
Kemiringan air permukaan
Segmen Ketinggian (m) Panjang (m)
m/km
1 787.5 6423 122.6
2 325 4345 74.8
3 200 4028 49.7
4 150 4526 33.1
5 50 2603 19.2
6 62.5 3125 20.0
7 37.5 2645 14.2
8 25 2724 9.2
9 25 4500 5.6

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 15- (b)
20 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 (c)
yang telah ada. Posisi start point berada setelah Gambar 4 Kondisi Morfologi Sungai Saba di (a)
bendungan, sehingga kondisi debit sungai sangat Segmen 5 (b) Segmen 6 dan (c) Segmen 7
tergantung pada bendungan terutama pada musim
kemarau. Kondisi debit alami pada musim kemarau tidak Meandering dan kekeasaran dasar sungai
memungkinkan dilakukan pengarungan, apabila pintu air menjadi syarat tambahan terbentuknya jeram sungai.
bendungan tidak dibuka. Berikut merupakan gambaran (Marlina dkk. 2017) (Soewarno 1991) menyebutkan
umum Segmen 5, Segmen 6 dan Segmen 7. Mc Ginnis bhwa turbulensi air terjadi akibat kondisi dasar sungai
(1975) dalam Hasanah 2018) menyatakan kondisi debit yang tidak merata. Berdsarakan hasil survey lapangan
yang sesuai untuk kegiatan arung jeram sekitar 20-200 meandering lebih sering dijumpai di Segmen 7
m3/s. 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
(a) 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

160
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 Parameter Nilai
1 Waktu Puncak 13.15 jam
2 Waktu Dasar 24.1 jam
3 Debit Puncak 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 Parameter Nilai
1 Luas Penampang 3,9 m2
2 Perimeter basah 12,75 m
3 Lebar Penampang 13 m
4 Koefisien Manning 0,034
5 Kemiringan Permukaan Air 0,017
6 Jari-jari Hidrolik 0,31 m
7 Kapasitas Maksimum 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 terombang-
ambing, 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/V-
Set/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. Watershed-
based Morphometric Analysis: A Review. Earth and
Environmental Science, (118), doi:10.1088/1755-
1315/118/1/012028.
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 ; dandi.pelly21@gmail.com

bJurusan Geografi, Universitas Negeri Padang, Padang ; Nada.fauziaah17@gmail.com
c, Fakultas Geografi Universitas Gadjah Mada, Yogyakarta

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 chlorophyll-
a 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 tertentu di beberapa tempat akan terjadi peningkatan

Perairan timur laut Samudera Hindia yang
meliputi perairan Barat Sumatera dan Selatan Jawa-
Sumbawa merupakan perairan oseanis tropis,
umumnya memiliki konsentrasi klorofil-a yang rendah
(Hong et al., 2012). Namun pada periode musim-musim
164
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 Klorofil-
a 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
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
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"BT-
0°48'53"LS dan 100° 24' 47" BT - 1°9'51"BT dengan
kisaran luas daerah penelitian sebesar 90,327.58
hektar.
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.
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
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.
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.
(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 rata-
rata 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
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).
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) deteksi. Posisi sebaran kapal banyak terdeteksi di
yaitu 725 deteksi dan terendah pada musim peralihan wilayah dengan konsentrasi Klorofil-a tinggi hingga
timur (September, Oktober, November) yaitu 180 sedang di sekitar area lebih dekat pantai (Gambar 5).

Tabel 1. Jumlah Sebaran Kapal yang terdeteksi Sensor VIIRS di Perairan Kota Padang, 2018.
Musim Barat Musim Peralihat Barat Musim Timur Musim Peralihan Timur
No Jenis
Des Jan Feb Mar Apr Mei Jun Jul Agus Sep Okt Nov
1 Boat (QF=1) 23 41 80 48 7 28 61 88 217 35 8 43
2 Weak (QF=2) 16 32 71 32 33 43 94 106 159 56 14 24
3 Blurry (QF=3) 0 0 1 0 0 0 0 0 0 0 0 0
Jumlah Perbulan 39 73 152 80 40 71 155 194 376 91 22 67
Jumlah Permusim 264 191 725 180
Sumber data diolah dari hasil Analisis Spasial dan atribut Field Caculator ArcGIS

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
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

170
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 screening-
based 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 low-
energy 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 Studi Perencanaan Wilayah dan Kota, Institut Teknologi Kalimantan, Balikpapan 76127
bProgram Studi Teknik Sipil, Institut Teknologi Kalimantan, Balikpapan 76127 e-mail: ririzky.nandar@gmail.com

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 komponen masukkan berupa curah hujan, proses yang

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
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

172
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 partikel-
partikel 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
(<30% dari luas DAS) yaitu sebesar 16,6% dari luas DAS
(BPDAS Mahakam Berau, 2014). Padahal menurut
Undang-Undang Nomor 26 Tahun 2007 tentang
Penataan Ruang, setiap daerah aliran sungai harus
ditetapkan luas kawasan hutan sebesar 30% dalam
rangka pelestarian lingkungan. Sehingga kodisi tutupan
lahan DAS Sepaku dapat dikatakan mengalami
degradasi lingkungan. Selain itu, menurut Aprisal dkk.
(2017) arahan penggunaan lahan yang optimal untuk
mengurangi laju erosi dan sedimen adalah dengan
keberadaan lahan hutan sebesar 30 persen di wilayah
DAS.
Berdasarkan data Balai Pengelola DAS Mahakam
Berau (2014), pada DAS Sepaku terdapat wilayah yang
telah mengalami tingkat bahaya erosi pada tingkat tinggi
dan sangat tinggi. Wilayah yang telah mengalami tingkat
bahaya erosi tersebut pada DAS Sepaku yaitu seluas
19.541,11 ha (84,01% dari luas DAS). BPDASLH (2014)
juga mengungkapkan data muatan sedimen yang
dihasilkan di DAS Sepaku yang telah berada pada tingkat
sedang yaitu sebesar 14,23 ton/ha/tahun. Semakin besar
sedimentasi pada aliran sungai mengindiksikan laju erosi
yang juga semakin tinggi sehingga kualitas DAS
mengalami penurunan kualitas dan merupakan indikasi
kerusakan DAS (Suripin, 2004). Dengan dialokasikan
penggunaan lahan optimal dapat menurunkan laju erosi
aktual sehingga mencapai tingkat erosi yang dapat
ditoleransi. (Rusdiana dkk, 2011).
Oleh karena itu, dengan kondisi DAS Sepaku yang
mengalami degradasi lingkungan dan dapat
mempengaruhi keluaran dari DAS yang berupa
sedimentasi maka diperlukan suatu kajian terkait alokasi
penggunaan lahan yang optimal yang dapat mengurangi
laju erosi.
1.2.Tujuan
Tujuan dari penelitian ini adalah
1. Menghitung laju erosi yang terjadi di DAS Sepaku.
2. Merumuskan alokasi penggunaan lahan optimal di
DAS Sepaku agar laju erosi yang terjadi dapat
dikurangi.
B. Metodologi
2.1.Lokasi Penelitian
Penelitian dilakukan di DAS Sepaku yang masuk
dalam wilayah administrasi Kabupaten Penajam Paser
Utara (Gambar 1.). DAS Sepaku secara geografis
terletak pada 0o47’30”-1o01’00”LS dan 116o35’00”-
116o51’00”BT dan memiliki luas yaitu 31.241,04 ha.
2.2.Metode Pengumpulan Data
Data yang digunakan dalam penelitian adalah data
sekunder. Metode pengumpulan data sekunder
dilakukan melalui survei instansional yaitu dengan
melakukan permohonan data kepada instansi penyedia
data maupun melalui pengunduhan data pada situs
instansi penyedia data. Jenis data dan penyedia data
dapat dilihat pada Tabel 1.
Tabel 1. Pengumpulan Data Sekunder
Jenis Data Penyedia Data
DEM (Digital Elevated Model) USGS (srtm.csi.cgiar.org)
Curah hujan harian BMKG Kota Balikpapan
(bmkg.go.id)
Peta batas DAS
Peta jaringan sungai BPDAS Mahakam Berau
Peta jenis tanah
Peta tutupan lahan BAPPEDA Provinsi Kalimantan
Timur
Gambar 1. Peta Lokasi Penelitian
2.3.Metode Analisis
Analisis data yang dilakukan dalam penelitian ini
didasarkan pada tujuan penelitian yang ingin dicapai,
yaitu 1)Menghitung laju erosi yang terjadi di DAS Sepaku
dan 2)Merumuskan komposisi penggunaan lahan
optimal di DAS Sepaku agar laju erosi yang terjadi dapat
173
dikurangi. Gambar 2. menjelaskan proses analisis yang
dilakukan dalam penelitian. Pembahasan proses analisis
dapat dilihat berikut :

1) Perhitungan laju erosi

Perhitungan laju erosi dalam penelitian ini
menggunakan model AGNPS (Agricultural Non-Point
Source Pollution Model) yang dikembangkan oleh Robert
A. Young di North Central Soil Conservation Research
Laboratory, USDA-Agricultural Research Service, Morris,
Minnesota. Model ini dikembangkan dengan membagi
DAS menjadi bujursangkar yang seragam, sehingga
analisa untuk setiap sel dapat dilakukan. Dalam AGNPS
persamaan yang digunakan untuk perhitungan laju erosi
adalah persamaan Wischmeier dan Scmith (1978) dalam
(Ananda, 2010), yaitu :
E = EI.K.L.S.C.P.SSF (1)
Dimana:
E : erosi (ton/acre)
EI :energi intensitas hujan (feet.ton.inch/acre.jam)
K : erodibilitas tanah (ton.acre/acre.feet.ton.inch)
L : faktor panjang lereng
S : faktor kemiringan lereng
C : faktor tanaman
P : faktor pengelolaan tanah
SSF : faktor bentuk permukaan tanah
Perhitungan besar erosi dengan model AGNPS
pada penelitian ini dibantu aplikasi MapWindow versi
4.8.8 dengan plugin MWAGNPS versi 1.3. Berdasarkan
tahapan penggunaan MWAGNPS oleh Leon dan George Gambar 2. Proses Analisis dalam Penelitian.
(2011), tahapan permodelan AGNPS dengan Nilai EI30 dihitung menggunakan persamaan Bols dalam
MWAGNPS yang dilakukan dalam penelitian ini adalah Hidayati (2018), yaitu
sebagai berikut:
a) Pembuatan grid sel model 2.476(𝑅)2
𝐸𝐼30 = (2)
Pembuatan grid sel didasarkan pada ketentuan standar 0.0727 R +0.725
Dimana :
pemodelan grid pada model AGNPS. Grid dengan
EI30 = erosivitas hujan (m.ton.cm/ha.jam)
ukuran 10 acre (200 meter x 200 meter)
R = curah hujan harian (cm)
direkomendasikan untuk DAS dengan luas kurang dari
Nilai curah hujan harian yang digunakan adalah curah
2.000 acre atau 809,36 ha sedangkan grid dengan
hujan harian maksimum dengan periode ulang 25 tahun.
ukuran 40 acre (400 meter x 400 meter)
d) Pemasukan data DAS ke database
direkomendasikan untuk daerah aliran sungai dengan
Pemasukan data DAS dilakukan untuk memasukkan
luas lebih dari 2.000 acre. Pada MWAGNPS, pembuatan
data yang meliputi nama DAS, deskripsi DAS, nilai curah
grid sel model membutuhkan masukkan berupa peta
hujan (inchi), energi intensitas hujan 30 menit (EI30),
batas DAS dan akan menghasilkan grid sel model yang
storm type, dan masukkan lainnya yang diatur secara
telah memiliki nomor sel (cell number).
default.
b) Pembuatan database
e)Pemasukkan data Digital Elevation Model(DEM)
Database dibuat untuk menyimpan seluruh parameter
masukan model berdasarkan grid sel model yang telah Pemasukan data DEM dilakukan dengan terlebih dahulu
merubah formatnya dalam bentuk tif. Pemasukkan peta
dibuat sebelumnya. Parameter masukkan model yang
DEM pada database akan menghasilkan nomor sel
dimaksud diantaranya curah hujan (energi intensitas
penerima (receiving cell number), arah aliran (flow
hujan 30 menit), peta DEM, peta jenis tanah, peta
direction), landslope (LS), slope shape (SS), dan slope
tutupan lahan, dan indikator saluran.
length (SL). Jika terdapat arah aliran yang salah dapat
c) Pengolahan data curah hujan
diperbaiki dengan memasukkan peta aliran sungai pada
Dalam menganalisis laju erosi dibutuhkan nilai erosivitas
aplikasi Map Window, kemudian lakukan perbaikan arah
hujan yang dalam model AGNPS digunakan nilai energi
intensitas hujan 30 menit (EI30). aliran pada grid sel yang salah sesuai aliran sungai.
f) Pemasukkan data peta
Data peta yang dimasukan ke dalam database adalah
peta jenis tanah dan peta tutupan lahan. Sebelum
dilakukan pemasukkan data peta ke database, perlu
dilakukan pengaturan attribute table peta berdasarkan
ketentuan MWAGNPS (Leon dan George, 2011). Hal

174
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

tersebut dilakukan agar proses pemasukkan data dapat Dimana:

berjalan tanpa error. C1, C2,.....,Cn = koefisien variabel keputusan
g) Pemeriksaan data per sel dan pemasukkan X1, X2,....., Xn = variabel keputusan
infomasi saluran c) Merumuskan fungsi kendala, yaitu berupa rumus
Pemeriksaan dilakukan untuk memastikan data per sel linear, mengadung variabel keputusan yang terdiri dari
yang diperoleh dari pemasukkan data peta sudah benar batasan atas keputusan yang dapat diambil. Dalam
dan sesuai. Jika semua data per sel sudah benar, penelitian ini fungsi kendala digunakan untuk batasan
masukkan informasi saluran sesuai ketentuan dalam model optimasi lahan dengan digunakan asumsi-asumsi
modul MWAGNPS yang berisi tipe saluran (channel type) batasan luas lahan yang dapat mengurangi laju erosi.
dan masukkan lainnya yang pengisiannya disesuaikan Secara umum bentuk dari fungsi kendala adalah sebagai
dengan tujuan menjalankan model, jika tidak berikut:
memperhitungkan ukuran partikel dan unsur hara maka A11X1 + A12X2 + ... + A1nXn < B1
fungsi keduanya dapat di nonaktifkan. A21X1 + A22X2 + ... + A2nXn < B2
h) Menjalankan model dan interpretasi hasil : : : :
Jika semua parameter masukan sudah benar dan sesuai AmX1 + Am2X2 + ... + AmnXn < Bm
maka model dapat dijalankan (run) untuk mendapatkan X1 > 0, X2 > 0, ... Xn > 0 (4)
hasil. Lama waktu penyelesaian bergantung pada Dimana:
banyaknya grid. Semakin banyak grid maka perhitungan A dan B = koefisien fungsi kendala
akan semakin lama. Hasil dari MWAGNPS dapat berupa X1, X2, ... Xn = variabel keputusan
tabular dan spasial.
Keluaran laju erosi dari MWAGNPS kemudian C. Hasil dan Pembahasan
dikelompokkan berdasarkan kelas tingkat erosi yang 3.1. Gambaran Umum Wilayah
terbagi dalam 5 kelas yaitu sangat tinggi(>480 ton/ha), A. Kondisi Iklim
tinggi (180-480 ton/ha), sedang (60-180 ton/ha), rendah Kondisi iklim di DAS Sepaku termasuk dalam iklim
(15-60 ton/ha) dan sangat rendah (>15 ton/ha). tropis basah, dimana tidak terdapat perbedaan musim
2)Membuat klaster wilayah yang jelas. Curah hujan selama 10 tahun terakhir (2009-
Pengklasteran dilakukan dengan mengelompokkan 2018) yang tercatat di stasiun Meteorologi Sultan Aji
grid sel berdasarkan kemiripan karakteristiknya. Hasil Muhammad Sulaiman Sepinggan memiliki rata-rata
pengklasteran akan membantu dalam penentuan luas curah hujan tahunan sebesar 2.721,16 mm/tahun dan
penggunaan lahan optimal di DAS Sepaku. hari hujan dalam satu tahun rata-rata adalah sebanyak
Pengklasteran didasarkan pada jumlah nilai bobot dari 218,7 hari. Distribusi curah hujan bulanan terjadi cukup
hasil tumpang susun (overlay) peta-peta yang akan merata, dengan bulan basah (curah hujan >200 mm)
diklasterkan. Penentuan besar nilai bobot didasarkan terjadi selama bulan November hingga bulan Juli, bulan
pada tingkat kelas dalam peta dengan bobot terkecil lembab (curah hujan 100-200 mm) terjadi pada bulan
adalah 1. Semakin tinggi tingkat kelas, maka nilai bobot Agustus hingga Oktober dan tidak terdapat bulan kering
semakin besar. Penentuan banyak klaster ditentukan (curah hujan <100 mm).
berdasarkan kebutuhan dengan panjang data tiap klaster Nilai erosivitas hujan atau energi intensitas hujan 30
adalah sama (Arwan, 2014). menit (EI30) diperoleh dengan melakukan perhitungan
3)Merumuskan penggunaan lahan optimal menggunakan persamaan (2) dengan masukkan data
Optimalisasi penggunaan lahan dilakukan dengan curah hujan harian tertinggi dengan periode ulang 25
analisis linear programming yang bertujuan untuk tahun yang dihitung dengan software Rainbow.
mengetahui komposisi penggunaan lahan yang optimal Dengan masukkan curah hujan harian tertinggi
untuk mengurangi laju erosi yang terjadi di DAS Sepaku. dengan periode ulang 25 tahun sebesar 185,2 mm atau
Proses optimalisasi yang dilakukan dibantu dengan 7,29 inchi yang dihitung dengan data curah hujan harian
program LINGO 11.0. Adapun tahapan analisis linear tertinggi selama 10 tahun (2009-2018) pada Tabel 2.
programming adalah sebagai berikut maka diperoleh nilai EI30 sebesar 409,98
a) Menentukan variabel putusan (X), yaitu variabel m.ton.cm/ha.jam atau 212,33 feet.ton.inch/acre.jam.
yang ditentukan besar/jumlahnya berdasarkan pada Nilai curah hujan dan nilai EI30 tersebutyang digunakan
keterbatasan-keterbatasan tertentu. Dalam penelitian ini untuk menghitung laju erosi dengan model AGNPS.
yang menjadi variabel putusan adalah unit-unit lahan Tabel 2. Curah Hujan Harian Maksimum Tahun 2009-2018
yang dibentuk dengan melakukan tumpang tindih Tahun Rmax/tahun (mm)
(overlay) antara peta klaster dengan peta penggunaan 2009 132,0
2010 119,7
lahan. 2011 119,6
b) Merumuskan fungsi tujuan, yaitu fungsi utama 2012 148,0
berupa persamaan linear matematis yang mencakup 2013 94,0
variabel keputusan dalam memecahkan persoalan. 2014 102,5
2015 108,1
Dalam penelitian ini yang menjadi fungsi tujuan adalah 2016 75,6
mengalokasikan penggunaan lahan yang optimal untuk 2017 198,0
mengurangi laju erosi. Secara umum bentuk dari 2018 161,4
persamaan fungsi tujuan yaitu Sumber: BMKG Kota Balikpapan, diolah
Maks atau Min Z = C1X1 + C2X2 + ... + CnXn (3) B. Topografi

175
 Berdasarkan data DEM (Digital Elevated Model) DAS Sepaku dapat dilihat pada Tabel 5. dan peta
yang diperoleh dari situs srtm.csi.cgiar.org, wilayah DAS persebaran jenis tanah dapat dilihat pada Gambar 6.
Sepaku terletak pada elevasi atau ketinggian wilayah Tabel 5. Luas Jenis Tanah di DAS Sepaku
antara 0- 599 meter di atas permukaan laut dengan Jenis Tanah Luas(Ha) Persentase (%)
elevasi antara 0-100 mdpl mendominasi wilayah DAS Komplek Padsolik Merah Kuning,
13.338,68 42,94
Sepaku sebesar 63,54% wilayah atau seluas 19.624,99 Latosol & Litosol
Ha. Kemiringan lereng yang mendominasi wilayah DAS Organosol Glei Humus 3.691,53 11,88
Sepaku adalah kelerengan 0-8% dengan luas 17.001,51 Padsolik,Merah Kuning 14.033,86 45,18
Ha (55,07% dari luas DAS Sepaku). Secara lebih jelas, Jumlah 31.064,08 100
elevasi dan kemiringan lereng di DAS Sepaku dapat Sumber: BPDAS Mahakam Berau, diolah
dilihat pada Tabel 3. dan Tabel 4. dan persebaran
secara spasial dapat dilihat pada Gambar 4. dan
Gambar 5.
Tabel 3. Luas Kelas Elevasi di DAS Sepaku
Luas
Elevasi/Ketinggian (mdpl)
Ha %
0-100 19.624,99 63,54
100-200 3.352,61 10,86
200-300 2.173,66 7,04
300-400 3.318,42 10,74
400-500 2.306,34 7,47
500-600 108,78 0,35
Jumlah 30.884,8 100
Sumber: SRTM, diolah
Tabel 4. Luas Kelas Kemiringan Lereng di DAS Sepaku
Kemiringan Bentuk Luas
Lereng (%) Wilayah Ha %
0-8 Datar 17.001,51 55,07
8-15 Landai 6.586,60 21,33
15-25 Agak curam 4.223,57 13,68
25-45 Curam 2.739,10 8,87
Sangat Gambar 5. Peta Kemiringan Lereng di DAS Sepaku
>45% 323,25 1,05
curam D. Tutupan lahan
Jumlah 30.874,03 100
Berdasarkan peta tutupan lahan yang diperoleh dari
Sumber: SRTM, diolah
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
Perkebunan 3427,89 10,97
Pertanian Lahan Kering 29,35 0,09
Pertanian Lahan Campuran 2108,72 6,75
Sawah 212,81 0,68
Gambar 4. Peta Elevasi di DAS Sepaku Tambak 145,08 0,46
C. Jenis tanah
Permukiman 22,968307 0,07
Berdasarkan peta jenis tanah yang diperoleh dari
Transmigrasi 1966,13 6,29
BPDASHL Mahakam Berau, terdapat 3 jenis tanah di
DAS Sepaku yang didominasi oleh jenis tanah padsolik Tanah Terbuka 4929,32 15,78
merah kuning yaitu mencapai luas 14.033,86 ha atau Air 159,49 0,51
45,18% dari luas DAS Sepaku. Luas setiap jenis tanah di Jumlah 31.241,07 100
Sumber: BAPPEDA Provinsi Kalimantan Timur, diolah

176
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
Kelas Tingkat Luas
Banyak sel
Erosi Ha %
Sangat rendah 137 4.932 15,77
Gambar 7. Peta Tutupan Lahan di DAS Sepaku Rendah 261 9.396 30,03
Sedang 231 8.316 26,58
3.2. Analisis laju erosi Tinggi 165 5.940 18,99
Perhitungan prediksi besar erosi di DAS Sepaku Sangat tinggi 75 2.700 8,63
Total 869 31.284 100
dilakukan dengan Dalam analisis besar erosi dengan
Sumber: Hasil Analisis AGNPS
permodelan perlu dilakukan validasi di lapangan, namun
dalam penelitian ini tidak dilakukan validasi di lapangan 3.3. Pembuatan Klaster Wilayah Penelitian
karena tidak diperolehnya data hasil pengukuran di Pengklasteran pada penelitian ini didasarkan pada
lapangan. Perhitungan dilakukan berdasarkan nilai jumlah nilai bobot dari hasil tumpang susun (overlay)
erosivitas, karakteristik topografi, jenis tanah, dan peta tingkat erosi dan kemiringan lereng. Pada masing-
tutupan lahan. Analisis model AGNPS dilakukan dengan masing peta terbagi menjadi 5 tingkat kelas. Semakin
membagi wilayah DAS Sepaku menjadi grid-grid sel tinggi tingkat erosi, maka nilai bobot semakin besar.
model dengan ukuran 600x600 meter. Banyak grid sel Begitu juga dengan tingkat kelerengan yang semakin
yang dihasilkan yaitu 869 grid sel dan telah memiliki curam maka nilai bobot juga semakin besar. Kemudian
nomor sel sesuai ketentuan AGNPS (Gambar 8.). hasil penjumlahan bobot di kelompokkan menjadi 3
Ukuran grid sel tersebut dipilih karena analisis klaster yang dapat dilihat pada Tabel 8. dan persebaran
permodelan AGNPS pada program MWAGNPS akan secara spasial pada Gambar 10.
mengalami kendala ketika banyak grid sel model
melebihi 1000 grid sel. Dari hasil pembuatan grid sel
tersebut, luas wilayah DAS Sepaku mengalami

177
 Klaster Klaster Klaster
Tutupan lahan
(1) (2) (3)
Perkebunan (K) X1.K X2.K X3.K
Pertanian Lahan
X1.PK X2.PK X3.PK
Kering (PK)
Pertanian Lahan
X1.PB
Basah (PB)
Permukiman (P) X1.P X2.P
Lahan Terbuka (LT) X1.LT X2.LT X3.LT
Sumber: Hasil overlay

Gambar 9. Peta Tingkat Erosi di DAS Sepaku

Tabel 8. Tingkat Erosi di DAS Sepaku

Klaster
Parameter
1 2 3
Tingkat erosi Sangat rendah 28,19% 0% 0%
Rendah 51,85% 3,11% 0%
Sedang 19,96% 46,37% 0%
Tinggi 0% 50,17% 21,28%
Sangat tinggi 0% 0,35% 78,72%
Kelerengan Datar 87,24% 1,04% 0% Gambar 10. Peta Klaster di DAS Sepaku
Landai 12,76% 51,9% 0%
Agak curam 0% 46,37 12,77%2) Perumusan fungsi tujuan
Curam 0% 0,69% 86,17% Fungsi tujuan yang dirumuskan berupa persamaan
Sangat curam 0% 0% 1,06% linear yang mencakup variabel keputusan. Dalam
Sumber: Hasil pembuatan klaster penelitian ini yang menjadi fungsi tujuan adalah luas
Berdasarkan Tabel, klaster 1 memiliki karakteristik penggunaan lahan yang optimal untuk mengurangi besar
tingkat erosi rendah hingga sedang dan kemiringan erosi yang terjadi di DAS Sepaku. Nilai koefisien variabel
lereng datar hingga landai. Klaster 2 memiliki putusan dalam penelitian ini adalah rata-rata besar erosi
karakteristik didominasi tingkat erosi sedang hingga yang dihasilkan dari tiap unit variabel putusan.
tinggi dan kemiringan lereng landai hingga agak curam. Persamaan fungsi tujuan dirumuskan berikut ini
Klaster 3 memiliki karakteristik didominasi tingkat erosi MIN = 37,46X1.H + 15,66X1.HM + 30,21X1.HP + 23,37X1.LT +
tinggi hingga sangat tinggi dan kemiringan lereng agak 84,79X1.K + 49,19X1.B + 43,04X1.PK + 7,48X1.PB +
curam hingga curam. 35,51X1.P + 114,61X2.H + 131,35X2.HP +
149,65X2.LT + 248,55X2.K + 219,68X2.B +
3.4.Optimalisasi Penggunaan Lahan DAS 280,65X2.PK + 127,23X2.P + 639,58X3.H +
1) Perumusan variabel putusan 355,78X3.HP + 538,94X3.LT + 809,23X3.K +
Variabel putusan dalam penelitian ini adalah berupa 742,07X3.B + 917,59X3.PK
penggunaan lahan yang didasarkan pada kondisi
tutupan lahan dan arahan penggunaan lahan di wilayah 3) Perumusan fungsi kendala
penelitian. Perumusan variabel putusan dilakukan Fungsi kendala yang dirumuskan dalam penelitian
dengan melakukan tumpang susun (overlay) pada peta ini adalah kendala yang akan membatasi luasan
penggunaan lahan yang akan dioptimalkan dengan peta penggunaan lahan yang dioptimalkan untuk mengurangi
klaster wilayah. Hasil overlay diperoleh variabel putusan laju erosi yang terjadi di DAS Sepaku. perumusan fungsi
yang dapat dilihat pada Tabel 9. kendala yang digunakan terbagi menjadi kendala luas
wilayah dan kendala alokasi penggunaan lahan.
Tabel 9. Variabel Putusan
Klaster Klaster Klaster a) Kendala luas wilayah
Tutupan lahan
(1) (2) (3)
Kendala luas wilayah dirumuskan untuk membatasi agar
Hutan Lahan Kering
(H)
X1.H X2.H X3.H luas wilayah hasil optimasi sama dengan luas wilayah
Hutan Produksi(HP) X1.HP X2.HP X3.HP sebelum optimasi. Persamaan fungsi kendala luas
Hutan Rawa Mangrove
X1.HM wilayah dapat dilihat pada Tabel 10.
(HM)
Semak Belukar (B) X1.B X2.B X3.B

178
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Tabel 10. Fungsi Kendala Luas Wilayah X1.LT + X2.LT + X3.LT = 0 Batasan luas lahan terbuka
Fungsi Kendala (Constrain) Keterangan Sumber: Hasil perumusan fungsi kendala
X1.H + X1.HM + X1.HP + X1.LT + X1.K Batasan luas wilayah klaster 1 4) Perumusan penggunaan lahan optimal
+ X1.B + X1.PK + X1.PB + X1.P = Dari hasil pemasukkan fungsi tujuan dan fungsi
17.496 kendala yang telah disusun ke dalam program linear
X2.H + X2.HP + X2.LT + X2.K + X2.B + Batasan luas wilayah klaster 2 programming pada aplikasi LINGO 11. maka diperoleh
X2.PK + X2.P = 10.404 komposisi penggunaan lahan yang optimal pada Tabel
X3.H + X3.HP + X3.LT + X3.K + X3.B + Batasan luas wilayah klaster 3 12.
X3.PK = 3.384
Sumber: Hasil perumusan fungsi kendala
D. Kesimpulan
Dari hasil analisis yang dilakukan dalam penelitian
b)Kendala alokasi penggunaan lahan di DAS Sepaku maka dapat diambil kesimpulan sebagai
Kendala alokasi penggunaan lahan dirumuskan untuk berikut:
memberikan alokasi penggunaan lahan sesuai dengan 1) Berdasarkan masukkan nilai curah hujan harian
asumsi-asumsi alokasi luas dan arahan penggunaan tertinggi dengan periode ulang 25 tahun sebesar
lahan. Perumusan fungsi kendala didasari oleh asumsi- 185,2 mm atau 7,29 inchi dan besar energi
asumsi yang dibuat, diantaranya: intensitas hujan 30 menit (EI30) sebesar 409,98
(1)Hutan dapat berada di klaster berapa pun dengan total m.ton.cm/ha.jam atau 212,33
luas minimal 30% dari luasan DAS. Luas hutan yang feet.ton.inch/acre.jam menghasilkan keluaran laju
telah ada, tetap dipertahankan. erosi yang terjadi di DAS Sepaku sebesar 66,21
(2)Hutan produksi diarahkan pada seluruh klaster ton/acre atau 163,48 ton/ha. Terdapat wilayah
dengan total luas maksimum sesuai luas pada RTRW. dengan tingkat laju erosi sangat tinggi dan tinggi
Luas hutan produksi yang telah ada, tetap dengan luasan mencapai 5.940 Ha dan 2.700 Ha
atau sebesar 18,99% dan 8,63% dari luas wilayah
dipertahankan.
DAS Sepaku.
(3)Hutan mangrove diarahkan pada klaster 1 dan luasan 2) Hasil optimalisasi penggunaan lahan dengan
sesuai dengan luas pada RTRW. menerapkan wilayah hutan seluas 30% dari
(4)Perkebunan lebih diarahkan pada klaster 2 dengan wilayah DAS dan asumsi batasan penggunaan
total luas maksimum sesuai luas pada RTRW. lainnya menunjukkan bahwa besar erosi dapat
(5) Pertanian lahan kering diarahkan pada klaster 1 dan dikurangi sebesar 39,16% dari yang sebelumnya
2 dengan total sama dengan luas pada RTRW. total erosi yang terjadi sebesar 5.114.308,32 ton
(6)Pertanian lahan basah diarahkan pada klaster 1 menjadi sebesar 3.111.795 ton.
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.
Tabel 11. Persamaan Fungsi Pembatas (Constrain)
Fungsi Kendala (Constrain) Keterangan
X1.H + X2.H + X3.H > 9.385.2
X1.H > 180
X1.H < 17.496
Batasan luas hutan lahan
X2.H > 144
kering
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
Batasan luas hutan produksi
X2.HP > 1.296
X2.HP < 10.404
X3.HP > 504
X3.HP < 3.384
Batasan luas hutan rawa
X1.HM = 1.000.17
mangrove
X1.B + X2.B + X3.B = 0 Batasan luas semak belukar
X1.K + X2.K < 1.705,22
X2.K > 972 Batasan luas perkebunan
X3.K = 0
X1.PK + X2.PK = 1.683,43 Batasan luas pertanian lahan
X3.PK = 0 kering
Batasan luas pertanian lahan
X1.PB = 201.91
basah
X1.P = 673,51 Batasan luas permukiman

179
 Tabel 12. Penggunaan Lahan Optimal
Luas Lahan
Klaste Hutan Hutan Semak Pertania Pertania Lahan
Kondisi Hutan Perkebuna permukima Total
r lahan mangrov beluka n lahan n lahan terbuk
produksi n n
kering e r kering basah a
17.49
Aktual 180 1.476 2.952 2.916 2.268 2.124 72 1.908 3.600
6
1
1.177, 12.759,7 17.49
Optimal 1.000,17 0 0 1.683,43 201,91 673,51 0
2 8 6
10.40
Aktual 144 0 1.296 6.588 972 216 0 36 1.152
4
2
10.40
Optimal 8.136 0 1.296 0 972 0 0 0 0
4
Aktual 72 0 504 2.592 36 72 0 0 108 3.384
3
Optimal 72 0 3.312 0 0 0 0 0 0 3.384
31.28
Aktual 396 1.476 4.752 12.096 3.276 2.412 72 1.944 4.860
4
Total
Optima 9.385, 17.367,7 31.28
1.000,17 0 972 1.683,43 201,91 673,51 0
l 2 8 4
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
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 Meteorologi Dok 2 Jayapura; adiramsess@gmail.com

bSekolah 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 ERA-
Interm 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 dipengaruhi oleh berbagai faktor. Fenomena ENSO,

Wilayah Indonesia yang secara geografis terletak Dipole Mode dan MJO menjadi faktor global yang
di daerah ekutor dan di kelilingi oleh samudra besar cukup dominan. Fakor regional juga berpengaruh
menyebabkan cuaca dan iklim di Indonesia 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), 3. Hasil dan Pembahasan
EUMETSAT (European Organization for the 3.1. 16-17 Maret 2019
Explotation of Meteorological Satellites), dan lainnya. Dari gambar 1a ditunjukkan jumlah curah hujan
GPM memiliki beberapa misi keilmuaan diantaranya tiap jam tanggal 16-17 Maret 2019. Hujan dengan
meningkatkan kemampuan pengukuruan presipitasi; intensitas ringan mulai tercatat pukul 17.00 WIT pada
meningkatkan pengetahuan tentang sistem presipitasi, ARG Dok 2 dan AWS Pelabuhan. Hujan dengan
variabilitas siklus air, ketersediaan air bersih; intensitas sedang hingga sangat lebat terjadi hingga
meningkatkan pemodelan iklim dan kapabilitas menjelang dini hari. Puncak curah hujan tiap jam
prediksi; meningkatkan prakiraan cuaca dan reanalisis tertinggi terjadi pukul 23.00 WIT-00.00 WIT keesokan
4 dimensi; meningkatkan prediksi dan pemodelan harinya yaitu sebesar 70.4 mm (ARG Dok2), 40.6 mm
hidrologi (Hou dkk., 2008) (AWS Digi), 55.8 mm (AWS Pelabuhan). Dari deret
Tabel 1. Jenis Data GPM yang Digunakan waktu jumlah curah hujan tiap jam dapat diketahui
Resolusi Wilayah Waktu Latensi Format bahwa hujan yang terjadi pada tanggal 16-17 Maret
HDF5, GeoTIF, 2019 berlangsung sekitar 10-11 jam.
NetCDF, ASCII,
0.10-30 900N-
Maret 4 jam
PNG, KMZ, Dari deret waktu suhu puncak awan dapat
2014- (Early diidentifikasi bahwa fase tumbuh awan konveksi terjadi
menit 900S, OpenDAP,
sekarang Run)
GrADS, sekitar pukul 09.00 UTC (18.00 WIT) yang ditandai
THREDDS dengan penurunan suhu secara tajam dan konsisten
hingga sekitar pukul 10.00 UTC (19.00 WIT) dan terus
Kondisi fisis atmosfer diamati dengan mengalami penurunan secara fluktuaktif hinga pukul
menggunakan data ECMWF yaitu ERA-Interm. ERA - 12.00 UTC (21.00 WIT). Setelahnya, suhu puncak
Interm adalah data reanalisis atmosfer global sejak awan diketahui berada pada nilai terendah yaitu <-
1979 hingga data tekini. Sistem model dan reanlisis 800C. Fase matang berlangsung hingga sekitar pukul
atmosfer yang digunakan adalah 3lr2 ECMWF 16.00 UTC (04.00 WIT). Fase punah awan konveksi
Integrated Forecast System dengan konfigurasi teridentifikasi dengan kenaikan suhu 22.00 UTC (07.00
resolusi spasial yaitu: 60 level vertikal dengan puncak WIT).
0.1 hPa; T255 spherical-harmonicI untuk dasar Sistem konveksi fase tumbuh awan di Jayapura
dinamis; model Gaussian untuk wilayah permukaan ditandai dengan indeks konvektif berkisar nilai 0-20
dan titik grid lainnya. pada jam 09.20 UTC (18.20 WIT). Indeks konvektif fase
Gerak udara vertikal merupkan komponen utama matang awan berkisar 26-36 pada jam 15.10 UTC.
dari momentum gerak di atmosfer dan mempunyai Indeks konvektif fase puncah awan berkisar 0-15 pada
peranan penting dalam mempengaruhi terbentuknya jam 18.10 UTC (03.10 WIT). Kontur awan pada awan
awan, hujan maupun kondisi cuaca cerah. Nilai gerak dengan diameter mayor terpanjang menunjukkan
vertikal negatif atau kecepatan vertikal ke atas bahwa wilayah Jayapura dan sekitarnya memiliki suhu
mempercepat terjadinya proses kondensasi dan puncak awan yang sangat rendah yaitu -71,60C di titik
proses presipitasi. Divergensi merupakan Stasiun Meteorologi Dok 2 Jayapura. Diameter mayor
kecenderungan udara mengumpul atau menyebar awan konveksi mencapai 490 km dengan suhu
dalam komponen horizontal. Nilai divergensi positif terendah awan konveksi pada kejadian ini mencapai -
atau divergensi menunjukkan gerak udara menyebar 86,80C dan indeks konvektif berkisar 30-36.
dan diindikasikan keadaan cuaca baik, sedangkan nilai
divergensi positif menunjukkan udara mengumpul 3.2. 17-18 Maret 2019
pada suatu daerah yang membantu untuk Dari gambar 1b ditunjukkan jumlah curah hujan
pembentukan awan. tiap jam tanggal 17-18 Maret 2019. Hujan dengan
Tabel 1. Jenis Data ECMWF yang Digunakan intensitas ringan mulai tercatat pukul 19.00 WIT pada
Model Atmosfer
Level Tekanan, 1000mb -200 mb
ketiga penakar hujan yang digunakan. Hujan dengan
Tipe Analisis, ERA Interm intensitas sedang hingga sangat lebat terjadi hingga
Dataset Interm_daily, 20190301-20190331 pergantian hari. Puncak curah hujan tiap jam tertinggi
Step 0 terjadi pukul 00.00 WIT-01.00 WIT keesokan harinya
Temporal 00:00:00, 06:00:00, 12:00:00, 18:00:00
Parameter Divergensi, Kelembaban, Kecepatan Vertikal
yaitu sebesar 44.2 mm (ARG Dok2), 46.4 mm (AWS
Area 90E 150E, 10N 15S Digi), 42.4 mm (AWS Pelabuhan). Dari deret waktu
Spasial 0.25x0.25 jumlah curah hujan tiap jam dapat diketahui bahwa
hujan yang terjadi pada tanggal 17-18 Maret 2019
berlangsung sekitar 9-11 jam.

183
 a
Curah Hujan Tiap Jam 16 Maret 2019
80
70.4
70
Curah Hujan (mm)

60 55.8

50 45 43
40.6
40 32.6

30
19.4 20.2 20 20.620.8 18.8
17.4 18.2
20 15.4
10.8
14.214.8
9
6.6 7.4
10 2.4 2.6 2 2.4 0.8 0.8 0.2
0 0.2 0.2 0 0
0
17-18 18-19 19-20 20-21 21-22 22-23 23-00 00-01 01-02 02-03 03-04
Jam (WIT)

ARG Dok 2 AWS Digi AWS Pelabuhan

b
Curah Hujan Tiap Jam 17-18 Maret 2019
50 46.4
44.2
42.4
Curah Hujan (mm)

40

30
19.2
20 14.6
10.4 10 11.81210.8
10.2
7.8 7.2 8.4
10 5.8 5 3.6 4.4 5
2.6 2 2.2
0.6 0.2 0.2 0 0.2 0 0.6 0 0 0.6 0.4
0
19-20 20-21 21-22 22-23 23-00 00-01 01-02 02-03 03-04 04-05 05-06
Jam (WIT)

ARG Dok 2 AWS Digi AWS Pelabuhan

c
Curah Hujan Tiap Jam 18-19 Maret 2019
20 18 18

14.8
Curah Hujan (mm)

15

9.6
10
7 7
6.2
5.45.4
4.6 4.2 4.2 4.44.4 4.4 4.4
5 3.63.6
2.8
3.63.6 3.4
2.82.8 3.23.2
2 1.61.6 2.22.2
1.21.2
0.40.20.2
0
21-22 22-23 23-00 00-01 01-02 02-03 03-04 04-05 05-06 06-07 07-08 08-09
Jam (WIT)

ARG Dok 2 AWS Digi AWS Pelabuhan

Gambar 1. Curah hujan tiap jam pada tanggal (a) 16 Maret 2019, (b) 17 Maret 2019, (c) 18 Maret 2019

184
 Sistem konveksi fase tumbuh awan di
Jayapura didahului dengan terbentuk sistem konveksi
yang berada disebelah timur Jayapura. Pada kondisi
ini, indeks konvetif disekitar Jayapura masih bernilai
kurang dari 0. Indeks konvektif fase matang awan
berkisar 32-36 pada jam 15.30 UTC (12.30 WIT).
Indeks konvektif fase punah awan berkisar 0-15 pada
jam 19.20 UTC (04.20 WIT). Kontur suhu awan pada
awan dengan diameter mayor terpanjang menunjukkan
bahwa wilayah Jayapura dan sekitarnya memiliki suhu
puncak awan yang sangat rendah yaitu -78,30C di titik
Stasiun Meteorologi Dok 2 Jayapura. Diameter mayor
awan konveksi mencapai 550 km dengan suhu
terendah awan konveksi pada kejadian ini mencapai -
82,40C dan indeks konvektif berkisar 32-36.
3.3. 18-19 Maret 2019
Dari gambar 1c ditunjukkan jumlah curah hujan
tiap jam tanggal 18-19 Maret 2019. Hujan dengan
intensitas ringan mulai tercatat pukul 21.00 WIT pada
ketika penakar hujan yang digunakan. Hujan dengan
intensitas sedang hingga lebat terjadi hingga
menjelang dini hari. Puncak curah hujan tiap jam
tertinggi terjadi pukul 00.00 WIT-01.00 WIT keesokan
harinya yaitu sebesar 14.8 mm (ARG Dok2), 18.0 mm
(AWS Digi), 18.0 mm (AWS Pelabuhan). Dari deret
waktu jumlah curah hujan tiap jam dapat diketahui
bahwa hujan yang terjadi pada tanggal 18-19 Maret
a b
e f
i j
Gambar 2. Pengolahan data satelit Himawari-8 16 Maret 2019 fase (IR, IK): tumbuh (a,e), matang (b,f), punah (c,g), diameter mayor
(d,h) dan kontur suhu (i) serta suhu puncah awan (j)
2019 berlangsung sekitar 12 jam. Dari deret waktu
suhu puncak awan dapat diidentifikasi bahwa fase
tumbuh awan konveksi terjadi sekitar pukul 11.30 UTC
(20.30 WIT) yang ditandai dengan penurunan suhu
secara tajam dan konsisten hingga sekitar pukul 13.00
UTC (22.00 WIT) dan secara fluktuaktif terjadi
penurunan suhu hingga pukul 15.00 UTC (24.00 WIT).
Suhu puncak awan terendah teridentifikasi pada fase
matang yang berlansung dari pukul 15.00 (24.00 WIT)
hingga pukul 19.00 UTC (04.00 WIT). Suhu puncak
awan pada fase ini secara fluktuaktif berada pada nilai
-600C sampai -800C. Fase punah awan konveksi
ditandai dengan kenaikan suhu puncak awan dari pukul
19.00 UTC (04.00 WIT) hingga pukul 22.00 UTC (07.00
WIT). Sistem konveksi fase tumbuh awan di Jayapura
didahului dengan terbentuk sistem konveksi yang
berada disebelah timur Jayapura. Pada saat sama
terbentuk konveksi kecil dengan nilai 0-20 pada jam
12.20 UTC (21.30 WIT) yang menjadi cikal bakal
sistem konveksi yang lebih besar terbentuk beberapa
jam berikutnya. Indeks konvektif fase matang awan
berkisar 32-36 pada jam 15.30 UTC (12.30 WIT).
Indeks konvektif fase punah awan berkisar 0-10 pada
jam 20.00 UTC (07.00 WIT). Kontur suhu awan pada
awan dengan diameter mayor terpanjang menunjukkan
bahwa wilayah Jayapura dan sekitarnya memiliki suhu
puncak awan yang sangat rendah yaitu -64,30C di titik
Stasiun Meteorologi Dok 2 Jayapura.
c d
g h
185
 a b c d

e f g h

i j

Gambar 3. Pengolahan data satelit Himawari-8 17Maret 2019 fase (IR, IK): tumbuh (a,e), matang (b,f), punah (c,g), diamter mayor (d,h)
dan kontur suhu (i) serta suhu puncah awan (j)

a b c d

e f g h

i i j

Gambar 4. Pengolahan data satelit Himawari-8 18 Maret 2019 fase (IR, IK): tumbuh (a,e), matang (b,f), punah (c,g), diamter mayor (d,h)
dan kontur suhu (i) serta suhu puncah awan (j)

186
 a
Perbandingan CH 16 Maret 2019
50.0
40.6

Curah Hujan (mm) 40.0 32.6

30.0
20.6
17.4
15.5
20.0 14.2
10.8
7.6 6.6 7.2
5.9
10.0 3.3 3.3 2.4 2
3.9
1.1
0.0
0 0.0
0 0.0
0 0.0
0 0.1
0 0.0
0 0.0
0 0.0
0 0.2
0 0.1 0.8 0 0.0
0 0.0
0 0.0
0 0.0
0 0.0
0
0.0

Jam (UTC)
GPM AWS Digi

b Perbandingan CH 17 Maret 2019

46.4
50.0
Curah Hujan (mm)

40.0
30.0
20.0 14.2
12
10.1
7.4 7.2
6.8 8.4
5.8
10.0 0.2
0 1.2
0 0.2
0.1 0.9
0 0.9
0 0.0
0 0.0
0 0.0
0 0.0
0 0.0
0 0.2
0.1 0.2
0.0
2
0.0
3.1
0
3.4 3.6
1.3 1.4
0.6 0.5
0
2.2
1.5 1.8
0.0
0.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Jam (UTC)

GPM AWS Digi

c
Perbandingan CH 18 Maret 2019
20.0 17.2
18
17.1
18.0
Curah Hujan (mm)

16.0
14.0
12.0
10.0 8.0
7
8.0 5.4
6.0 4.1 4.4
3.6 3.6 3.2
2.4 2.8
4.0 1.8 1.7 2.1
1.2
2.3
1.6
2.2
1 0.6
2.0 0.0 0.2
0.0 0.0 0 0.4 0 0.4
0 0.2
0.0 0.0
0 0.0
0 0.0
0 0.0
0 0.2
0.0 0.1 0.0 0.0 0.0 0.1
0.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Jam (UTC)

GPM AWS Digi

Gambar 5. Perbandingan curah hujan tiap jam pada tanggal (a) 16 Maret 2019, (b) 17 Maret 2019, (c) 18 Maret 2019

Diameter mayor awan konveksi mencapai 3.4. Perbandingan curah hujan

550 km dengan suhu terendah awan konveksi pada Gambar 5.a menunjukkan perbandingan
kejadian ini mencapai -84,50C dan indeks konvektif curah hujan GPM terhadap AWS Digitasi Dok 2
berkisar 20-26. Jayapura tanggal 16 Maret 2019. Secara umum curah

187
hujan GPM lebih rendah terhadap curah hujan AWS
Digitasi Dok 2 Jayapura dengan nilai koefisien korelasi
sebesar 0.54 dan RMSE sebesar 10,4 mm/jam.
Gambar 5.b menunjukkan perbandingan curah hujan
GPM terhadap AWS Digitasi Dok 2 Jayapura tanggal
17 Maret 2019. Secara umum curah hujan GPM lebih
rendah terhadap curah hujan AWS Digitasi Dok 2
Jayapura. Secara umum curah hujan GPM lebih
rendah terhadap curah hujan AWS Digitasi Dok 2
Jayapura dengan nilai koefisien korelasi sebesar 0.52
Gambar 6. Atmosfer vertikal: (a) kelembaban relatif, (b) kecepatan vertikal, (c) divergensi
3.5. Kondisi atmosfer permukaan dan vertikal
Gambar 6 menunjukkan kondisi atmosfer vertikal
dari tekanan permukaan hingga 200 mb. Kondisi
kelembaban vertikal tanggal 16-18 Maret 2019
menunjukkan keadaan udara yang cukup lembab
188
dan RMSE sebesar 8.3 mm/jam. Gambar 5.c
menunjukkan perbandingan curah hujan GPM
terhadap AWS Digitasi Dok 2 Jayapura tanggal 18
Maret 2019. Secara umum curah hujan GPM lebih
rendah terhadap curah hujan AWS Digitasi Dok 2
Jayapura dengan nilai koefisien korelasi sebesar 0.58
dan RMSE sebesar 4.1 mm/jam. Koefisian korelasi
rata-rata pada 3 kejadian hujan lebat di Jayapura
adalah 0.54 dengan RMSE rata-rata sebesar 7,6
mm/jam.
terutama pada lapisan dekat permukaan yang bernilai
80-90% sepanjang hari. Meskipun tidak diikuti lapisan
800-500 mb yang tidak cukup lembab namun kondisi
udara yang lembab berkisar 80-100%. Kondisi
kecepatan vertikal pada penampang atmosfer vertikal
menunjukkan nilai negatif yang menandakan adanya
arus udara naik yang mendukung proses terjadinya
kondensasi. Pola yang dominan yang ditunjukkan pada
tanggal 16 Maret 2019 adalah adanya gerak udara turun
yang besar pada lapisan 600-400 pada jam 12.00 UTC-
00.00 UTC. Pola dominan yang ditunjukkan pada
tanggal 17 Maret 2019 adalah gerak udara naik yang
besar pada jam 06.00 UTC – 12.00 UTC. Pola dominan
yang ditunjukkan pada tanggal 17 Maret 2019 adalah
gerak udara naik pada lapisan dekat permukaan hingga
lapisan 600 mb pada jam 00.00 UTC. Arus kovergensi
pada lapisan 800 mb-600 mb diikuti arus divergensi pada
lapisan atas yitu 500 mb - 200 mb terjadi pada tanggal
16 Maret 2019 jam 12.00 UTC. Pola serupa juga terlihat
pada tanggal 17 Maret 2019 jam 12.00 UTC. Arus
konvergensi teridentifikasi dari lapisan dekat permukaan
hingga lapisan 400 mb sedangkan arus divergensi pada
lapisan 400 mb – 200 mb. Pada tanggal 18 Maret 2019
arus konvergensi terindentifikasi pada lapisan 700 mb –
600 mb sedangkan arus divergensi pada lapisan 500 mb
– 200 mb. Gambar 7 menunjukkan parameter cuaca
a Tekanan Udara Permukaan Per 10 Menit AWS Digitasi Dok 2
Tekanan Udara (mb)
1011
1009
1007
1005
0:00:00 4:48:00 9:36:00
b Suhu Udara Permukaan Per 10 Menit AWS Digitasi Dok 2
Suhu Udara (C)
30
28
26
24
0:00:00 4:48:00 9:36:00
c Kelembababan Udara Permukaan Per 10 Menit AWS Digitasi Dok 2
Kelembababan Udara (%)
100
80
60
0:00:00 4:48:00 9:36:00
Gambar 7. Kondisi permukaan: (a) tekanan udara, (b) suhu udara, (c) kelembaban udara
4. Kesimpulan/Rekomendasi
Data satelit Himawari-8 dapat digunakan untuk
menganalisis kejadian hujan lebat di wilayah Jayapura.
Dilihat dari diameter awan, fase awan, serta durasi hujan,
kejadian hujan lebat-sangat lebat tanggal 16-18 Maret
2019 di Jayapura dapat disimpulkan bahwa sistem
konveksi yang terbentuk merupakan awan dengan skala
meso yang merujuk pada MCC (Mesoscale Convective
berupa suhu, kelembaban, dan tekanan udara pada
tanggal 16-18 Maret 2019. Suhu tanggal 16 Maret 2019
pada pagi hingga sore hari lebih tinggi dari tanggal 17
dan 18 Maret 2019. Kondisi suhu malam hingga
menjelang pagi hari pada tanggal 16 Maret 2019 lebih
rendah dari tanggal 17 dan 18 Maret. Hal ini diikuti
dengan nilai kelembaban udara dan tekanan udara yang
berkebalikan terhadap fluktuasi suhu. Kondisi tekanan
udara dan kelembaban udara pada tanggal 16 Maret
2019 lebih rendah dari tanggal 17 dan 18 Maret 2019
pada pagi hingga sore hari. Dari kondisi ini dapat
dijelaskan bahwa kejadian hujan 16-18 Maret 2019
didahului dengan perubahan suhu, kelembaban, dan
tekanan udara yang signifikan antara pagi hingga malam
hari. Kondisi suhu yang lebih rendah, kelembaban dan
tekanan udara yang lebih tinggi pada tanggal 17 dan 18
Maret 2019 di pagi hingga sore hari dibandingkan
tanggal 16 Maret 2019 menunjukkan kondisi permukaan
yang mendukung potensi hujan yang tinggi setelah
kejadian hujan lebat tanggal 16 Maret 2019.
16 Maret
17 Maret
14:24:00 19:12:00 0:00:00 4:48:00 18 Maret
Jam (UTC)
16 Maret
17 Maret
18 Maret
14:24:00 19:12:00 0:00:00 4:48:00
Jam (UTC)
16 Maret
17 Maret
14:24:00 19:12:00 0:00:00 4:48:00 18 Maret
Jam (UTC)
Complex). Hal ini juga dibuktikan dengan suhu puncak
awan yang sangat rendah yang bertahan selama
beberapa jam. Intensitas hujan lebat hingga sangat lebat
dijelaskan dengan nilai indeks konvektif yang rendah
pada fase matang awan. Hal tersebut juga didukung
dengan kondisi vertikal kelembaban yang tinggi, gerak
vertikal udara ke atas yang mendukung proses
terbentuknya presipitasi, arus konvergensi dekat
189
permukaan hingga lapisan diatasnya dan diverensi di
lapisan atas. Secara umum curah hujan dari data GPM
underestimate terhadap data curah hujan AWS Digitasi
Dok 2 Jayapura namun memiliki koefisien korelasi yang
cukup baik.
Shandy Al Mughozali, Prasetyo Umar Firdiantp, Amir Mustofa
Irawan. 2017. Analisis Hujan lebat dan angin kencang di
wilayah banjarnegara studi kasus rabu 8 november 2017,
Unnes Physics Journal. Hal: 65-69

DAFTAR PUSTAKA
Hou, A. Y., G. Skofronick-Jackson, C. Kummerow, and J. M.
Shepherd. 2008. Global precipitation measurement.
Precipitation: Advances in Measurement, Estimation and
Prediction, S. Michaelides, Ed., Springer-Verlag, Hal:
131–169.
Kristianto, A. dan Immanuel Jhonson Arizona Saragih, Gabriella
larasati, kartika akib. 2018. Indentifikasi kejadian hujan es
menggunakan citra radar dan satelit cuaca, prosiding PIT
ke-5 riset bencana IABI universitas andalas, Hal: 349-
361
Kurniawan, P. M. R. 2018. Analisis Cuaca Ekstrem Terkait
Bencana Hidrometeorologi di Jayapura (Studi Kasus
Hujan Lebat Tanggal 22 Februari 2014). Jurnal
Meteorologi Klimatologi dan Geofisika Vol. 5 No. 3
November. Hal: 1-13
Panjaitan, B. S. dan andersen panjaitan. 2015. seminar nasional
penginderaan jauh, hal 636-651, pemanfaatan data
satelit cuaca generasi baru himawari 8 untuk mendeteksi
asap akibat kebakaran hutan dan lahan di wilayah
indonesia (studi kasus:kebakaran hutan dan lahan di
palu)
Qordowi, W. 2018. Analisis Kondisi Atmosfer terkait kejadian
banjir menggunakan radioseonde dan citra satelit
himawari-8 (studi kasus: sungailiat, kabupaten bangka
tanggal 12 februari 2018). Prosising SNFA hal 277-286
Rinaldi, N. Imanuel J. A. Saragih, Agie Wandala Putra, Imma
Redha Nugraheni, Banu Wijaya Yonas. 2017. The 5th
Geoinformation Science Symposium, IOP conference
Series: Earth and Environmental Science, Identication of
Mesoscale Convective Complex (MCC) phenomenon
with image of Himawari 8 satellite and WRF ARW model
on bangka island (case study: 7-8 february 2016)
Sakurai, N., Murata, F., Yamanaka, M. D., Mori, S., Hamada, J.
I., Hashiguchi, H., Tauhid, Y. I., Sribimawati, T., dan
Suhardi, B. 2005. Diurnal cycle of cloud system migration
over Sumatera Island. Journal of the Meteorological
Society of Japan. Ser. II, 83(5). Hal: 835-850
Saragih, R. W. 2018. identifikasi karakteristik Mesoscale
Convective Complex (MCC) di wilayah Papua dan
sekitarnya, Skripsi, D4 STMKG, Tangerang

190
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
Firza Syarifa Zahraa, Lukluk Mahya Rahmahb, dan Thomas Triadi Putrantoc

aAfiliasi Deparemen Teknik Geologi, UNDIP; e-mail: firzasyarifa@gmail.com

bAfiliasi Departemen Teknik Geologi UNDIP ; e-mail: luklukmahya11@gmail.com
cAfiliasi Departemen Teknik Geologi UNDIP ; e-mail: putranto@ft.undip.ac.id

ABSTRAK
Perkembangan dan kemajuan Kota Semarang di bidang industri menimbulkan banyak dampak, salah satunya adalah meningkatnya
laju pertumbuhan penduduk yang menimbulkan kepadatan penduduk di Kota Semarang semakin bertambah. Seiring peningkatan
laju pertumbuhan penduduk, kebutuhan air bersih pun meningkat. Salah satu sumber air bersih yang dimanfaatkan oleh masyarakat
adalah airtanah. Pekembangan Industri seperti munculnya kawasan industri candi yang terdapat pada DAS-Silandak akan
berpengaruh pada meningkatknya jumlah penduduk dan sumberdaya alam di kawasan DAS-Silandak, seperti sumberdaya air.
Tujuan dari penelitian ini adalah untuk mengetahui kondisi airtanah, potensi airtanah yang terdapat di DAS-Silandak dan proyeksi
kebutuhan air bersih untuk masyarakat. Metode yang digunakan dalam penelitian ini adalah metode survei dan analisis kuantatif.
Survei dilakukan dengan mengukur sumur dangkal sebanyak 10 titik pada area DAS dan 6 titik pengukuran resistivity. Pemetaan
sumur dangkal untuk mengetahui gambaran hidrogeologi daerah penelitian. Sedangkan pemetaan bawah permukaan untuk
mengetahui kondisi bawah permukaan dan mengetahui jenis litologi yang mejadi akuifer dangkal. Pemetaan bawah permukaan
dengan metode resistivity konfigurasi schlumberger. Hasil penelitian menunjukkan MAT antara 0-120 mdpl dan arah aliran airtanah
mengalir dari selatan ke utara daerah penelitian. Dari hasil analisis bawah permukaan, didapatkan litologi berupa lempung dengan
nilai resistivitas 0,82–15,74Ωm, pasir dengan nilai resistivitas 32,8 Ωm, tuff dengan nilai resistivitas 24,48–43,3Ωm, pasir tuffan
dengan nilai resistivitas 28,41 – 85Ωm, breksi dengan nilai resistivitas 160 – 964Ωm, dan lava dengan nilai resistivitas 1.002-3.587
Ωm. Potensi airtanah di DAS-Silandak meliputi cadangan statis dan cadangan dinamis. Cadangan statis sebesar 7.424.802,63 m3
dan cadangan dinamis sebesar 6.782,926 m3/hari atau 2.475.768 m3/tahun. Proyeksi kebutuhan air bersih di daerah penelitian Tahun
2020 sebesar 1.051.930 m3/tahun dan Tahun 2025 sebesar 1.153.458 m3/tahun. Hasil perhitungan cadangan dan proyeksi kebutuhan
air bersih mampu dipenuhi dengan menggunakan airtanah.

Kata kunci: DAS Silandak, Airtanah, Resistivity, Potensi, Cadangan Statis, Cadangan Dinamis, Proyeksi Kebutuhan Air Bersih

ABSTRACT
The individual development of Semarang causes many impact, one of the impact is the increasing rate of population growth which
also increase population density. As the population growth rate increases, the need for clean water also increasing. One of clean
water resource utilized by community is groundwater. The industrial development such as Candi Industrial Park which is in the Silandak
watershed will increase population growth and affects natural resources including water resources. The aim of this study are to
determine groundwater condition, groundwater potential and clean water projection for the community. Researcher used survey
method & quantity analysis in this research. In survey method researcher measured 10 shallow wells and 6 resistivity measurement
in the watershed area. The aim of shallow wells mapping is to find out the major hydrogeology condition of the study area. The aim of
subsurface mapping is to find out subsurface condition and determine the lithology which potential to be shallow aquifer. The
subsurface mapping is conducted using Schlumberger configuration resistivity method. The result showed that the groundwater level
between 0-120 masl and the direction of groundwater is from south to north of the study area. From the subsurface analysis researcher
obtain the lithology of the study area those are Clay with resistivity value 0,82 - 15,74 Ω.m, Sand with resistivity value 32,8 Ω.m, Tuff
with resistivity value of 24,48 - 43,3 Ω.m, Breccia with values of 1.002 - 3.587 Ω.m. The groundwater potential in Silandak watershed
includes static reserves & dynamic reserves. The amount of static reserves is 7.424.802, 63 m3 and the dynamic reserves is 6.782,526
m3/day or 2.475.768 m3/year. The projected clean water needs in the study area is 1.051.920 m3/year in 2020 and 1.153.458 m3/year
in 2025. From the result of reserves calculation & projection of clean water needs, it can conclude that clean water needs can be
fulfilled using groundwater.

Keywords: Silandak watershed, groundwater, resistivity, potential, static reserves, dynamic reserves, projection of clean water

1. Pendahuluan pencemaran (Widada S., 2017). Salah satu sumber air

Seiring dengan bertambahnya laju pertumbuhan
penduduk, maka kebutuhan air bersih sebagai kebutuhan
pokok juga ikut meningkat. Sedangkan ketersediaan air
bersih semakin terbatas bahkan cenderung semakin
langka, terutama akibat penurunan kualitas air akibat
bersih daerah penelitian adalah airtanah.
Menurut Davis dan De Wiest (1966) dalam Kodoatie
(2012), airtanah merupakan air yang masuk secara alami
kedalam sumur, baik dalam keadaan bebas (unconfined)
maupun tertekan (confined). Airtanah hingga saat ini

192
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

masih menjadi pilihan utama masyarakat karena biaya
yang dikeluarkan relatif lebih murah jika dibandingkan
dengan sumber air bersih lainnya. Selain itu jasa penyedia
air bersih seperti PDAM tidak menjangkau semua wilayah
dan jumlahnya yang tidak mencukupi.
Penelitian dilakukan pada DAS Silandak. DAS
Silandak secara administrasi berada di Kota Semarang
dengan luas 85,5 m2 (BAPPEDA Kota Semarang, 2009).
DAS Silandak berada pada 3 Kecamatan, yaitu Ngaliyan,
Semarang Barat, dan Tugu. Aliran sungai mengalir dari
Selatan ke Utara dan bermuara di Laut Jawa (Gambar
1).

Gambar 1. Peta Administrasi

Berdasarkan peta geologi lembar Magelang-
Semarang (Gambar 2), daerah penelitian terdiri dari
Formasi Kalibeng, Damar, dan Alluvium. Alluvium
merupakan dataran pantai yang terdiri dari lempung dan
pasir yang mencapai ketebalan 50 m atau lebih.
Endapan pasir umumnya membentuk endapan delta
sebagai lapisan pembawa air. Endapan sungai dan
danau terdiri dari kerikil, kerakal, pasir dan lanau dengan
tebal 1-3 m. Bongkah tersusun dari Andesit,
Batugamping, dan sedikit Batupasir (Thanden dkk.,
1996).

Gambar 2. Peta Geologi Regional Daerah Penelitian

193
 Berdasarkan Peta Cekungan Airtanah Provinsi
Jawa Tengah, DAS Silandak termasuk kedalam
Cekungan Airtanah (CAT) Semarang-Demak. CAT
Semarang-Demak mempunyai aliran airtanah tidak
tertekan sebanyak 581,3 juta m3/tahun. Menurut Said,
dkk (1988), jenis akuifer daerah penelitian termasuk
kedalam akuifer produktif dengan penyebaran setempat
dan akuifer dengan produktifitas kecil.
Tujuan dari penelitian ini adalah untuk
mengetahui kondisi airtanah terutama potensi airtanah
yang meliputi cadangan statis dan cadangan dinamis
airtanah di DAS Silandak serta mengetahui proyeksi
kebutuhan air bersih untuk masyarakat.
2. Metodologi
Penelitian telah dilakukan pada DAS Silandak. Data
yang digunakan dalam penelitian ini antara lain adalah
Gambar 3. Peta Lokasi Pengukuran Airtanah dan Resistivity
Hasil pengukuran sumur dangkal dianalisis
dengan menggunakan metode interpolasi untuk
mendapatkan gambaran nilai muka airtanah dan pola
aliran airtanah keseluruhan daerah penelitian. Interpolasi
dilakukan dengan menggunakan software surfer 13.
Hasil pengukuran resistivity dianalisis menggunakan
metode matching curve untuk mendapatkan kondisi
bawah permukaan. Prosedur matching curve diawali
dengan menghubungkan titik-titik data resistivitas semu
membentuk lengkungan dengan pola tertentu. Lengkung
resistivitas semu tersebut dicocokkan dengan lengkung
bantu yang sesuai dengan cara menghimpitkan kedua
194
data-data sekunder dan primer. Data-data sekunder
berupa peta geologi regional, peta hidrogeologi, peta
CAT, peta tata guna lahan. Data-data primer berupa
elevasi titik sumur, kedalaman muka airtanah, dan data
resistivity.
Penelitian ini menggunakan metode survei dan
analisis kuantatif. Survei dilakukan dengan mengukur
sumur dangkal sebanyak 10 titik pada area DAS (Gambar
3). Pengukuran dilakukan untuk mendapatkan kedalaman
muka airtanah. Selain pengukuran sumur dangkal,
dilakukan juga survei bawah permukaan dengan
menggunakan metode resistivity konfigurasi
Schlumberger sebanyak 6 titik (Gambar 3).
lengkung tersebut. Matching dilakukan dengan
menggeser-geser lengkung resistivitas semu (dari data
lapangan) dan lengkung baku dengan sumbu-sumbu
absis dan ordinat harus selalu sejajar. Selanjutnya hasil
pengolahan matching curve dikoreksi menggunakan
software progress untuk meminimalkan nilai
penyimpangan yang muncul karena adanya ketidaktelitian
dalam pengolahan data yang dilakukan secara manual.
Hasil analisis diperoleh nilai resistivitas tiap lapisan
litologi, penentuan jenis litologi menggunakan klasifikasi
yang tersaji dalam tabel 1 berikut ini:
Prosiding Seminar Nasional V Pengelolaan Pesisir dan DAS
MPPDAS-STMKG, Jakarta 26 September 2019

Tabel 2.2 Nilai resistivitas Dari Berbagai Tipe Batuan.

Tahanan Jenis (Ωm)
Material
Musset dan Khan (2000) Telford, dkk (2004) Todd dan Mays (2005)
Lempung 1-100 1-100 1-500
Lanau 1-100 3-70 -
Batupasir 1-108 1-6,4x108 1-5x103
Pasir 5-5x103 - 1-103
Limestone 50-107 50-107 102-106
Konglomerat - 2x103-104 102-105
Lava - 100-5x104 102-105
Andesit - 1,7x102-4,5x104 102-105
Gabbro 103-106 103-106 102-105
Basalt 10-107 10-1,3x107 102-105
Breksi - - 102-105
Tuff - 2x103-105 102-105

Analisis kuantitatif dengan melakukan perhitungan Dimana:

potensi airtanah dan proyeksi kebutuhan air bersih Q = Debit aliran airtanah
masyarakat. Potensi airtanah erat kaitannya dengan T = Keterusan air
kuantitas airtanah. Kuantitas air tanah merupakan jumlah i = Landaian hidrolika
air yang dapat tersimpan pada suatu batuan ataupun L = Panjang daerah yang dihitung
tanah di bawah permukaan. Kuantitas airtanah berkaitan Harga keterusan air (trasmisivity) didapatkan dari
dengan volume batuan maupun volume tanah. Volume hasil perkalian antara kelulusan air dengan ketebalan
batuan maupun volume tanah merupakan faktor penting akuifer. Untuk menghitung besarnya harga keterusan air
yang harus diketahui dalam mengetahui kuantitas air (T) dapat dilihat dari persamaan berikut (Persamaan 1.3):
tanah pada bawah permukaan. Selain volume, perlu T=Kxb (1.3)
diketahui debit air yang masuk ataupun keluar ke bawah Dimana:
permukaan. T = Keterusan air (m2/hari)
Kuantitas air tanah terbagi menjadi dua yaitu K =Koefisien kelulusan air (m/hari)
cadangan statis dan cadangan dinamis. Cadangan statis (Persamaan 1.4)
dapat dihitung dengan rumus sebagai berikut (Persamaan b = Tebal akuifer (m)
1.1): Untuk menghitung besarnya harga kelulusan
V = Sy x V batuan (1.1) air (K) menggunakan persamaan berikut
Dimana: (Persamaan 1.4):
V = Volume air yang bisa diambil (k1 b1 +k2 b2 +...+kn bn )
K= (1.4)
b` +b2 +...+bn
Sy = Kesarangan efektif (Tabel 3)
Dimana:
Vbatuan = Volume total batuan
k = Koefisien kelulusan air (m/hari)
Cadangan statis dihitung berdasarkan jumlah air
(Tabel 2)
yang berasal dari aliran airtanah secara horizontal yang
b = Tebal akuifer (m)
melalui akuifer. Rumus yang dipakai untuk menghitung
cadangan dinamis sebagai berikut (Persamaan 1.2):
Q=TxixL (1.2)

Tabel 2. Koefisien kelulusan air dari berbagai batuan.

Material (batuan) k (m/hr) Material (batuan) k (m/hr)
Kerikil 450 Batupasir sedang 3.1
Kerikil Menengah 270 Batupasir halus 0,2
Kerikil Kasar 150 Lanau 0,08
Pasir kasar 45 Lempung 0,0002
Pasir sedang 12 Batugamping 0,94
Pasir halus 3 Dolomit 0,001
Sumber: Bisri, 2012
Tabel 3. Specific Yield dari berbagai batuan.
Material (batuan) Sy (%) Material (batuan) Sy (%)
Kerakal kasar 23 Lempung 3
Kerakal 24 Batupasir halus 21
Kerikil 25 Batupasir sedang 27
Pasir kasar 27 Sanddune 38
Pasir sedang 28 Sekis 28
Pasir halus 23 Batugamping 14
Lumpur 8 Tufa 21
Sumber: Johnson dalam Todd, 1980

195
 Proyeksi kebutuhan air masyarakat dihitung
berdasarkan jumlah penduduk yang tinggal di DAS Silandak
dan proyeksinya beberapa tahun ke depan. Pertumbuhan
jumlah penduduk adalah pertumbuhan langsung dan terus-
menerus (continuous), sehingga dapat diperhitungkan
pertumbuhan jumlah penduduk dengan persamaan berikut
(Persamaan 1.5):
Pt = Po(1+r)t (1.5)
Dimana: Pt = Jumlah penduduk untuk tahun ke t
Po = Jumlah penduduk awal perhitungan
r = Persen pertumbuhan jumlah penduduk
t = Interval waktu
Analisis kebutuhan air bersih untuk masa
mendatang menggunakan analisis pertumbuhan
penduduk pada daerah penelitian. Menurut Dirjen
Cipta Karya PU (1996) dalam kebutuhan air domestic
untuk kota dibagi dalam beberapa kategori, yaitu
(Tabel 4):

Tabel 4. Standar kebutuhan air bersih untuk rumah tangga..

Jumlah Penduduk Kebutuhan Air Bersih
Kategori Kota
(jiwa) (L/orang/hari)
I Metropolitan >1.000.000 150
II Besar 500.000-1.000.000 120
III Sedang 100.000-500.000 90
IV Kecil 20.000-100.000 80
V Desa 3.000-20.000 60
Sumber: Direktorat Jendaral Cipta Karta, 1996

3. Hasil dan Pembahasan tidak terdapat perubahan signifikan terhadap ketinggian

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 SG-
10 (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,
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
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
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:
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 didapat nilai cadangan dnamis daerah penelitian
dan jumlah air yang keluar. Dimana jumlah air yang sebesar 6.782 m3/hari atau 2.475.768 m3/tahun. Hasil
masuk ke dalam batuan lebih sedikit dibandingkan perhitungan cadangan dinamis tersaji pada tabel 4
dengan jumlah air yang keluar. hasil perhitungan berikut ini:

Tabel 4. Nilai cadangan dinamis airtanah daerah penelitian

Kode T (m2/hari) i L(m) Q (m3/hari)
1 142,13 0,014 696 1.421,252
2 182,97 0,010 792 1.463,775
3 0,35 0,046 429 6,961
4 11,51 0,003 1008 345,415
5 86,77 0,044 895 3.470,712
6 4,99 0,043 350 74,811
6.782,926 m3/hari
Jumlah
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

Jumlah Penduduk (Jiwa)
Tahun 2013 2014 2015 2016 2017 2020* 2025*
Penduduk 3 Kecamatan (Ngaliyan,
312.502 314.297 315.913 346.939 344.318 370.390 404.358
Tugu, Semarang Barat)
Tahun 2013* 2014* 2015* 2016* 2017* 2020* 2025*
Penduduk di DAS Silandak 30.018 30.267 30.502 34.987 33.311 36.025 39.502
Sumber: BPS Kota Semarang Tahun 2018 dan 2016
*hasil analisa
Jumlah penduduk di daerah penelitian dihitung Berdasarkan klasifikasi tersebut, dapat diketahui
berdasarkan persentase luasan kecamatan yang kebutuhan air bersih untuk penduduk rata-rata
masuk di daerah penelitian dengan asusmsi diasumsikan 80 L/orang/hari. Berdasarkan hasil
persebaran penduduk merata. Kebutuhan air bersih di perhitungan dari jumlah penduduk dan kebutuhan air
DAS Silandak untuk keperluan rumah tangga bersih diketahui jumlah kebutuhan air bersih pada
umumnya dipenuhidari sumur gali. Proyeksi kebutuhan Tahun 2017 sebanyak 972.681,12 m3/tahun, Tahun
air bersih untuk ruag tangga dilakukan dengan 2020 sebanyak 1.051,930 m3/tahun, dan Tahun 2025
mengacu pada Standar Kebutuhan Air Bersih untuk sebanyak 1.153.458 m3/tahun (Tabel 6).
Keperluan Rumah Tangga (Dirjen Cipta Karya, 1996).

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
Kebutuhan Air (m3/tahun)
2017 2020 2025
972.681,2 1.051.930 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