Pemetaan Kerawanan Banjir di Kota Ambon
Abstract
Banjir dapat diartikan sebagai genangan atau aliran air yang tidak dapat ditampung dan melampaui batas normal, sehingga menyebabkan kerugian kepada alam dan manusia. Suatu daerah akan digolongkan menjadi rawan banjir bila memiliki intensitas hujan yang tinggi, kemampuan tanah yang rendah atau tanah yang jenuh air, permukaan yang kedap air, kondisi hutan yang telah rusak serta lereng yang curam di bagian hulu. Dengan menggunakan SIG, data dan informasi yang ada dapat diintegrasikan, pemodelan dapat dilakukan dengan mudah, selain itu kecenderungan dari pola hujan serta kemungkinan terjadinya banjir dapat dianalisis. Dengan demikian prediksi untuk terjadinya banjir serta kerugian yang diakibatkan dapat segera diketahui. Kota Ambon, merupakan daerah dengan topografi meliputi wilayah daratan, berbukit sampai berlereng terjal dengan kemiringan di atas 20%; Kondisi ini memungkinkan perkembangan kota yang cenderung menempati areal lahan yang datar hingga terjadi konsentrasi penduduk yang cukup tinggi. Di sisi lain, keterbatasan lahan datar menyebabkan penduduknya cenderung bertempat tinggal di pinggiran kota, dengan lahan yang berada di lereng-lereng bukit maupun bantaran sungai. Dampak yang dihasilkan terhadap lingkungan sekitarnya yaitu berkurangnya area hijau sebagai area tangkapan air, dan meningkatnya tutupan lahan oleh bangunan sehingga saat terjadi hujan dalam waktu yang lama dengan intensitas yang tinggi, menyebabkan terjadinya banjir atau genangan.
Downloads
References
Antzoulatos, G., Kouloglou, I. O., Bakratsas, M., Moumtzidou, A., Gialampoukidis, I., Karakostas, A., Lombardo, F., Fiorin, R., Norbiato, D., Ferri, M., Symeonidis, A., Vrochidis, S., & Kompatsiaris, I. (2022). Flood Hazard and Risk Mapping by Applying an Explainable Machine Learning Framework Using Satellite Imagery and GIS Data. Sustainability (Switzerland), 14(6). https://doi.org/10.3390/su14063251
Darmawan, K., Hani’ah, H., & Suprayogi, A. (2017). Analisis Tingkat Kerawanan Banjir Di Kabupaten Sampang Menggunakan Metode Overlay Dengan Scoring Berbasis Sistem Informasi Geografis. Jurnal Geodesi Undip, 6(1), 31–40.
Dewi, N. K. R. R., Nuarsa, I. W., & Adnyana, I. W. S. (2017). Aplikasi Sistem Informasi Geografis (SIG) untuk Kajian Banjir di Kota Denpasar. E-Jurnal Agroekoteknologi Tropika, 6(2), 134–142.
Faisal, Z., Azis, A., Subhan, A. M., Badaruddin, S., & Puspita, D. A. (2020). Spatial Analysis Study on the Flood Impact of WalanaeCenranae River Area in Soppeng Regency South Sulawesi Province. INTEK: Jurnal Penelitian, 7(1), 39. https://doi.org/10.31963/intek.v7i1.2112
Hernoza, F., Susilo, B., & Erlansari, A. (2020). Pemetaan Daerah Rawan Banjir Menggunakan Penginderaan Jauh dengan Metode Normalized Difference Vegetation Index , Normalized Difference Water Index dan Simple Additive Weighting ( Studi Kasus : Kota Bengkulu ). Jurnal Rekursif, 8(2), 144–152. https://ejournal.unib.ac.id/index.php/rekursif/
Kundzewicz, Z. W., Kanae, S., Seneviratne, S. I., Handmer, J., Nicholls, N., Peduzzi, P., Mechler, R., Bouwer, L. M., Arnell, N., Mach, K., Muir-Wood, R., Brakenridge, G. R., Kron, W., Benito, G., Honda, Y., Takahashi, K., & Sherstyukov, B. (2014). Le risque d’inondation et les perspectives de changement climatique mondial et régional. Hydrological Sciences Journal, 59(1), 1–28. https://doi.org/10.1080/02626667.2013.857411
Kwak, Y. (2017). Nationwide Flood Monitoring for Disaster Risk Reduction Using Multiple Satellite Data. https://doi.org/10.3390/ijgi6070203
Lasaiba, M. A. (2006). Evaluasi lahan untuk permukiman dalam pengembangan wilayah Kota Ambon. Tesis. http://etd.repository.ugm.ac.id/penelitian/detail/31752
Lasaiba, M. A. (2013). Kajian Keruangan Penggunaan Lahan Dalam Pengembangan Kota Ambon Berbasis Ekologi. Jurnal Pendidikan Geografi UNESA, 11(21), 34–56.
Lasaiba, M. A. (2016). Dimensi Spasial Karakteristik Sebaran Dan Deviasi Pola Pegunungan Lahan Terhadap Ekosistem Pesisir Di Kota Ambon. Jendela Pengetahuan, 9(1), 24–34.
Lasaiba, M. A. (2022). Fenomena geosfer dalam perspektif geografi telaah substansi dan kompleksitas 1. 15(1), 1–14. https://ojs3.unpatti.ac.id/index.php/jp/article/view/6402/4501
Lestari, R. W., Kanedi, I., & Arliando, Y. (2016). Sistem Informasi Geografis (Sig) Daerah Rawan Banjir Di Kota Bengkulu Menggunakan Arcview. Jurnal Media Infotama, 12(1), 41–48. https://doi.org/10.37676/jmi.v12i1.271
Matondang, J., Kahar, S., & Sasmito, B. (2013). Analisis Zonasi Daerah Rentan Banjir Dengan Pemanfaatan Sistem Informasi Geografis (Studi Kasus : Kota Kendal Dan Sekitarnya). Jurnal Geodesi Undip, 2(2), 84658. https://ejournal3.undip.ac.id/index.php/geodesi/article/view/2442
Muslima, P. L., Lasaiba, M. A., & Salakory, M. (2022). Strategi Peningkatan Pendapatan Pengolah Madu Lebah Hutan ( Apis Dorsata ) Desa Kobisonta Kecamatan Seram Utara Timur Seti Kabupaten Maluku Tengah. 1(1).
Pham, B. T., Phong, T. Van, Nguyen, H. D., Qi, C., Al-Ansari, N., Amini, A., Ho, L. S., Tuyen, T. T., Yen, H. P. H., Ly, H. B., Prakash, I., & Bui, D. T. (2020). A comparative study of kernel logistic regression, radial basis function classifier, multinomial naive bayes, and logistic model tree for flash flood susceptibility mapping. Water (Switzerland), 12(1). https://doi.org/10.3390/w12010239
Plate, E. J. (2002). Flood risk and flood management. Journal of Hydrology, 267(1–2), 2–11. https://doi.org/10.1016/S0022-1694(02)00135-X
Rahman, M., Ningsheng, C., Islam, M. M., Dewan, A., Iqbal, J., Washakh, R. M. A., & Shufeng, T. (2019). Flood Susceptibility Assessment in Bangladesh Using Machine Learning and Multi-criteria Decision Analysis. Earth Systems and Environment, 3(3), 585–601. https://doi.org/10.1007/s41748-019-00123-y
Sofia, G., Roder, G., Dalla Fontana, G., & Tarolli, P. (2017). Flood dynamics in urbanised landscapes: 100 years of climate and humans’ interaction. Scientific Reports, 7(December 2016), 1–12. https://doi.org/10.1038/srep40527
Vojtek, M. (2019). Flood Susceptibility Mapping on a National Scale in Slovakia Using the Analytical Hierarchy Process. https://doi.org/10.3390/w11020364
