LAPORAN PRAKTIKUM

KONSERVASI LINGKUNGAN

“ANALISIS DAERAH RAWAN BANJIR”

MOH. ANDRE WAHYUDI / 362041311009 / 3A

DOSEN PENGAMPU
ABDUL HOLIK S.TP., M.Sc NIP/NIK.198909092019031OO8

PROGRAM STUDI D-IV AGRIBISNIS

POLITEKNIK NEGERI BANYUWANGI
2023
1.1 TINJAUAN PUSTAKA

Peta adalah penggambaran dua dimensi pada bidang datar keseluruhan atau sebagian
dari permukaan bumi yang diproyeksikan dengan perbandingan atau skala tertentu. (Farida
& Rosalina, n.d.) Pemetaan adalah pengelompokkan suatu kumpulan wilayah yang
berkaitan dengan beberapa letak geografis wilayah yang meliputi dataran tinggi,
pegunungan, sumber daya dan potensi penduduk yang berpengaruh terhadap sosial kultural
yang memilki ciri khas khusus dalam penggunaan skala yang tepat (Munir, 2012).

Indonesia tergolong negara yang rutin mengalami banjir di musim penghujan. Sekitar
30% dari 500 sungai yang ada di Indonesia melintasi wilayahwilayah berpenduduk padat
dan lebih dari 220 juta penduduk yang sebagian miskin tinggal di daerah rawan banjir
(Ramdani 2015). Potensi banjir di Indonesia semakin besar jika suatu daerah memiliki
topografi dataran rendah, cekungan, dan faktorfaktor fisik yang mendukung terjadi banjir.
Perubahan iklim menjadi salah satu faktor peningkatan tren kejadian banjir (Suprapto
2011). Banjir menurut Badan Nasional Penanggulangan Bencana (BNPB 2018) adalah
terendamnya suatu daerah atau daratan akibat dari volume air yang meningkat. Banjir dapat
disebabkan oleh intensitas hujan yang tinggi serta penggunaan lahan dengan daerah resapan
air rendah. Banjir dapat berdampak pada kehidupan sosial, ekonomi, kerusakan material,
kerusakan lingkungan dan kerusakan warisan budaya. Terdapat 430 korban meninggal dan
hilang pada kejadian banjir selama periode 2018-2019 di Indonesia. Sekitar dua juta orang
mengungsi, total rumah rusak berat mencapai 2399 dan 410 lainnya terendam dengan total
kerugian Rp 1.6 milyar rupiah (catatan kejadian banjir 2018-2019 BNPB). Kerugian
ekonomi dari kejadian banjir dapat berupa kegiatan ekonomi masyarakat yang terhambat,
kehilangan harta benda, kerusakan bangunan dan infrastruktur publik.

Penanggulangan banjir perlu dilakukan untuk mengurangi dampak banjir yang begitu
merugikan. Langkah awal yang perlu dilakukan untuk penanggulangan banjir yaitu dengan
memodelkan atau memetakan daerah rawan banjir. Pemetaan daerah rawan banjir yang ada
di Kabupaten Banyuwangi pada Praktikum kali ini menggunakan metode Skoring pada
aplikasi ArcGIS.
 METODOLOGI PENELITIAN

Judul Praktikum : Peta Perubahan Lahan Kecamatan Gambiran

Tempat : Praktikum ini dilaksanakan di Lab SIMA 2 Politeknik
NegeriBanyuwangi.
Waktu praktikum : Praktikum ini dilaksanakan pada pukul 08.20-10.00 WIB
Hari Jum’at, 03 Maret 2023.

A. Tujuan
1. Mahasiswa dapat mengetahui tata cara mengoperasikan Aplikasi Arcgis.
2. Mahasiswa mampu menganalisa perbedaan perubahan lahan Kecamatan
Gambiran 2015 dan 2022 dengan mnggunakan Aplikasi ArcGIS.

B. Alat dan Bahan

1. Laptop
2. Aplikasi ArcGis
3. Peta administrasi Banyuwangi
4. Peta jenis tanah Banyuwangi
5. Peta curah hujan Banyuwangi
6. Peta Tutupan lahan Banyuwangi
7. Data DEM Banywuangi
8. Data kerapatan sungai Banyuwangi
C. LANGKA KERJA
Membuat peta dan analisis daerah rawan banjir by arcgis melalui metode skoring dan
sistem informasi geografis.

1. Siapkan beberapa data spasial seperti Data administrasi, Data DEM (digital elevation
model) 30 x 30 m dari rspm, Data jenis tanah, Data curah hujan, Data ladcover, Data
kerapatan sungai.
2. Proses menyiapkan data skoring seperti skor ketinggian(m), skor kelerengan, skor
curah hujan, skor tutupan lahan dan skor kerapatan sungai.
3. DOWNLOAD DATA DEM BERDASARKAN DATA WILAYAH KAJIAN, Input Raster
(Data Dem) lalu dikelompokkan menjadi 5 kelas berdasarkan acuan skoring. Langkah –
Langkah proses pengkelasan menggunakan Arcgis yaitu sebagai berikut: ARCTOOL
BOX>3D ANALYST TOOLS>raster reclass>reclassify. Klik ikon
Classify>method>manual>clases>5. Kemudian atur output>beri nama “Skor Tinggi” dan
save berdasarkan default>Klik “Ok”.
4. Selanjutnya, lakukan skoring kelerengan (Slope). Arctoolbox>3D Analyst
Tools>Rater Surface>Slope. Input Raster>DataDem dan OutputRaster ganti nama
menjadi “Slope” Dan lakukan penyimpanan sesuai Default. Kemudia atur Output
Measurement>PERCENT_RISE>Ok.
5. Kemudian setelah membuat slope maka lanjutkan untuk proses Reclass. ARCTOOL
BOX>3D ANALYST TOOLS>raster reclass>reclassify. Input Raster>Data Slope.
Klik ikon Classify>method>manual dan clasess>5. Atur 5 Kelas Slope berdasarkan
acuan skor kelerengan. Kemudian atur output>beri nama “Skor_Slope” dan save
berdasarkan default>Klik “Ok”.

6. Setelah itu, Buat skoring curah hujan di wilayah kajiannya. Klik Kanan pada layer
data Curah Hujan>Klik Open Attribute Table. Setelah Muncul tabelnya, Klik Table
Options>Add Field>Beri Nama “Skor_CH” dan Pilih type “long interger”, kemudian
klik “Ok”. Kemudian EditFeatures>Ubah Nilainya sesuai dengan kriteria curah hujan.
7. Ubah Data Polygon Curah Hujan menjadi Data Raster Curah hujan menggunakan
Arctoolbox. Klik Arctoolbox>Convertiontools>To Raster>Polygon To Raster.
8. Selanjutnya, Buatlah penskoran Jenis tanah. Pertama klik kanan Pada layer jenis
tanah>Klik Open Attribute Table>Klik Table Options>Klik add filed. Beri nama
“SKOR_JENIS TANAH” dan pilih type “Long Interger”, setelah itu klik “Ok”.

9. Pilih Edit features kemudian lakukan editing pada tabel penskoran jenis tanah
berdasarkan kode jenis tanah yang tertera pada tabel “DOMSOI”.
10. Ubah Data Polygon jenis tanah menjadi Data Raster jenis tanah menggunakan
Arctoolbox. Klik Arctoolbox>Convertiontools>To Raster>Polygon To Raster.
11. Untuk Membuat penskoran LandCover, maka pertama klik kanan Pada layer jenis
tanah>Klik Open Attribute Table>Klik Table Options>Klik add filed. Beri nama
“SKOR_Tutupan Lahan” dan pilih type “Long/Short Interger”, setelah itu klik “Ok”.

12. Lakukan Penskoran Tutupan lahan berdasarkan jenis tutupannya dengan

menggunakan Options “Select By Attributes”. Klik 2x “Legenda” kemudian klik
tanda “=” hingga seperti gambar berikut.

13. Setelah iu klik Options “Get Uniqe Values” maka akan muncul berbagai jenis
tutupan lahan yang ada pada tabel legenda seperti bendara/Pelabuhan, hutan Dst.
14. Lakukan penskoran berdasarkan acuan penskoran tutupan lahan. Yang pertama yaitu
jenis hutan dengan nillai 1. Maka Setelah semua jenis hutan sudah diinput dan di
apply, selanjutnya klik kanan pada tabel “Skor_TutupanLahan” dan Klik “Field
Calculator” dan ketikan angka “1” dan pilih “Ok”.

15. Lakukan Berulang untuk penskoran semua jenis tutupan lahan yang tersedia pada
tabel.
16. Ubah Data Polygon Landcover_BWI menjadi Data Raster Landcover menggunakan
Arctoolbox. Klik Arctoolbox>Convertiontools>To Raster>Polygon To Raster. Jika
Data telah berhasil dikonversi maka akan muncul seperti gambar berikut

17. Sebelum melakukan analisis kerapatan sungai, maka perlu meyiapkan data kerapatan
sungai dan membuat fishnet. Langkah awal untuk membuat fishnet menggunakan
Arctoolbox>Data Management tools>Sampling>Create Sampling.
18. Setelah membuat Fishnet, maka Langkah selanjutnya adalah melakukan proses
Disolve. Data yang didisolve adalah data sungai wilayah kajian.
19. Data dissolve yang sudah di dapat maka selanjutnya di inputkan kedalam proses
Intersect Bersama dengan data fishnet yang sudah dibuat sebelumnya.
20. Lakukan Proses Join data pada attribute table layer “Fishnet4” dan layer
“Fishnet4_Intersect”. Kemudian Klik Kanan Pada layer “Fishnet4”>klik Join and
relates>klik Join.
21. Selanjutnya Open attribute table pada layer “Fisnet4” dan tambahkan tabel menggunakan
Addfield>Beri nama tabel “Panjang Gride” dan pilih type tabel “Double”.

22. Kemudian Klik Kanan pada tabel “Panjang Gride” dan klik “Field Calculate” lalu

pilih fields berupa “Fishnet4_Intersect.Shape_Length” kemudian klik “Ok”.

23. Selanjutnya lakukan “Remove Join” pada data yang sudah di join-kan sebelumnya.
Klik kanan pada Layer “Fishnet4”>KLIK “Join and Relate”>Klik “Remove
Joins”>Klik “RemoveAllJoins”.

24. Setelah data Kembali seperti semula, maka selanjutnya mengklip Fishnet dengan
menggunakan data Administrasi sebagai pemotongnya. Langkah pertama, Klik
Arctoolbox>KlikAnalystTools>Klik Extract>Klik Clip.

25. Setelah Proses Cliping, maka Hasilnya perlu di ubah ke data raster menggunakan
Convertion tools. Pertama Klik Arctoolbox>ConvertionTools>To Raster> Polygon
To Raster. Maka hasilnya akan seperti gambar berikut.
26. Jika sudah muncul data rasternya, maka selanjutnya lakukan proses Reclass. Klik
Arctoolbox>3D AnalystTools>Raster reclass>Reclassify.

27. Selanjutnya adalah proses Raste Calculator, menu ini bisa dijumpai di Toolsbox atau
bisa juga dengan ketikan cari di menu search. Lakukan pembobotan sesuai dengan
bobot yang ada pada modul dengan mengalikan semua skor dengan masinhg-masing
bobot. Atur opsi penyimpanan dan nama. Kemudian klik “Ok’ maka hasil overlay
analisis hasil bajir telah selesai.

28. Anda dapat melakukan Clasficay sesuai dengan kebutahan kelas. Pada kesempatan
kali ini terdapat kelas Tidak Rawan, Cukup Rawan, Rawan, dan Sangat Rawan.
SELESAI….
D. PETA HASIL ANALISIS RAWAN BANJIR KABUPATEN BANYUWANGI

LEGENDA:
Tidak Rawan
Cukup Rawan
Rawan
Sangat Rawan

Diatas merupakan hasil dari pemetaan daerah rawan banjir di kabupaten

Banyuwangi. Terlihat beberapa wilayah memiliki kerawanan yang cukup tinggi akan
terkena banjir apabila bencana tersebut datang. Daerah berwarna merah tersebar
disepajang timur Banyuwangi membentang jauh keselatan. Sedangkan daerah
berwarna kuning tersebar dibarat Banyuwangi dan untuk daerah berwarna cokelat
terebar ditengah-tengah. Untuk daerah yang tidak rawan yakni berwarna hijau tersebar
dibeberapa titik.
Pada pengerjaannya penulis mengalami beberapa kendala. Pertama, pada saat
penskoran data Dem dimana tidak muncul apabila mengkuti tutorial yang telah
diberikan. Selanjutnya pada saat membuat Fishnet tidak muncul dilayer padahal proses
telah sukses atau berhasil. Yang terakhir pada saat Fishnet terbuat namun tidak
menutupi keseluruhan peta Banyuwangi sehingga saat proses Cliping Fishnet tepotong
karena tidak terbaca sistem.
 Mengetahui Teknisi Mengetahui Dosen Pengampu Nilai

Moch. Shandy Sasmito, S.ST Abdul Holik S.TP., M.Sc

NIP. 199008302019031011 NIP. 198909092019031008