KAJIAN BANJIR PESISIR MENGGUNAKAN MODEL DELFT3D STUDI KASUS WILAYAH SERAM BAGIAN TIMUR
Abstract
The northern coastal area of eastern Seram is a region prone to flood disasters, especially those caused by sea level rise or tidal flooding. The coastal flood case that occurred on February 22, 2022, in the eastern Seram region resulted in significant losses. In order to reduce material losses and improve the accuracy of early warning systems for coastal floods, a more in-depth identification of coastal flooding in the area is necessary. This study integrated the DELFT3D model with flood mapping using change detection and threshold methods to obtain the characteristics of tidal fluctuations and flood distribution in the case study on February 22, 2022. Water level observation data from the National Geospatial Information Agency (BIG) were used to validate the model results. The analysis showed that the DELFT3D model had a high correlation with the BIG observation data, with a correlation value of 0.98 and an RMSE value of 0.11. The flood-prone areas were found to be distributed along the eastern Seram coastline. The DELFT3D model also successfully predicted the water level during coastal floods with adequate accuracy. These results can be used to develop disaster mitigation strategies and improve the accuracy of early warning systems for coastal floods in the eastern Seram region.
ABSTRAK
Wilayah pesisir utara Seram Bagian Timur merupakan wilayah yang rawan terjadi bencana banjir yang diakibatkan adanya kenaikan muka air laut atau ROB. Kasus banjir pesisir yang terjadi pada tanggal 22 Februari 2022 di wilayah Seram Bagian Timur telah menimbulkan kerugian yang signifikan. Dalam rangka mengurangi kerugian materi dan meningkatkan akurasi peringatan dini banjir pesisir, perlu dilakukan identifikasi yang lebih mendalam terkait terjadinya banjir pesisir di wilayah tersebut. Dalam penelitian ini, dilakukan integrasi antara model DELFT3D dan pemetaan wilayah banjir menggunakan metode deteksi perubahan (change detection) dan ambang batas (threshold) untuk mendapatkan karakteristik pasang surut dan sebaran banjir pada studi kasus tanggal 22 Februari 2022. Data pengamatan water level dari Badan Informasi Geospasial (BIG) digunakan untuk memvalidasi hasil model. Hasil analisis menunjukkan bahwa model DELFT3D memiliki korelasi yang tinggi dengan data pengamatan BIG, dengan nilai korelasi sebesar 0,98 dan nilai RMSE sebesar 0,11 serta wilayah terjadinya banjir menyebar sepanjang pesisir Seram Bagian Timur. Pemodelan DELFT3D juga berhasil memprediksi tinggi muka air selama banjir pesisir dengan akurasi yang memadai. Hasil ini dapat digunakan untuk mengembangkan strategi mitigasi bencana dan peningkatan akurasi peringatan dini banjir pesisir di wilayah Seram Bagian Timur.
Kata Kunci: Pemodelan, DELFT3D, banjir rob, wilayah pesisir, tinggi muka air laut
Downloads
References
Bioresita, F., Ngurawan, M. G. R., & Hayati, N. (2022). Identifikasi Sebaran Spasial Genangan Banjir Memanfaatkan Citra Sentinel-1 dan Google Earth Engine (Studi Kasus: Banjir Kalimantan Selatan). Geoid, 17(1), 108. https://doi.org/10.12962/j24423998.v17i1.10383
Budiman, A. S., & Supriadi, I. H. (2019). Potensi Kejadian Rob Di Pesisir Probolinggo Serta Perbandingan Kondisinya Antara Musim Barat Dan Musim Timur Berdasarkan Data Oseanografi Dan Meteorologi. Jurnal Ilmu Dan Teknologi Kelautan Tropis, 11(3), 667–681. https://doi.org/10.29244/jitkt.v11i3.20349
CNN Indonesia. (2022). 1.318 Warga di Seram Timur Terdampak Banjir Rob, Sebagian Mengungsi. CNN Indonesia.
Deltares. (2012). User manual DELFT3D-FLOW. Delft.
Efendi, U., Kristianto, A., & Pratama, B. E. (2021). Respon Hujan Lebat dan Kenaikan Tinggi Muka Laut Terhadap Prediksi Luasan Banjir Rob di Semarang (Studi Kasus Tanggal 3 – 5 Desember 2018). Jurnal Kelautan Nasional, 16(3), 157. https://doi.org/10.15578/jkn.v16i3.9634
Fajrin, F., yasma Adha, M., & Armi, I. (2019). Pemanfaatan Citra Sentinel-1 Sar Untuk Deteksi Banjir Studi Kasus Pangkalan Koto Baru Sumatera Barat. Seminar Nasional: Strategi Pengembangan Infrastruktur (SPI) 2019.
Hayati, N., Ghifary Royyan, M., Arief, R., & Darminto, M. R. (2023). The Use of Sentinel-1 in Response to Sequences of Natural Disasters in Indonesia: The South Kalimantan Floods and The Mamuju-Majene Earthquake. IOP Conference Series: Earth and Environmental Science, 1127(1), 012008. https://doi.org/10.1088/1755-1315/1127/1/012008
Iskandar, S. A., Helmi, M., Muslim, M., Widada, S., & Rochaddi, B. (2020). Analisis Geospasial Area Genangan Banjir Rob dan Dampaknya pada Penggunaan Lahan Tahun 2020 - 2025 di Kota Pekalongan Provinsi Jawa Tengah. Indonesian Journal of Oceanography, 2(3), 271–282. https://doi.org/10.14710/ijoce.v2i3.8668
Legionosuko, T., Madjid, M. A., Asmoro, N., & Samudro, E. G. (2019). Posisi dan Strategi Indonesia dalam Menghadapi Perubahan Iklim guna Mendukung Ketahanan Nasional. Jurnal Ketahanan Nasional, 25(3), 295. https://doi.org/10.22146/jkn.50907
Marfai, M. A., & King, L. (2008). Tidal inundation mapping under enhanced land subsidence in Semarang, Central Java Indonesia. Natural Hazards, 44(1), 93–109. https://doi.org/10.1007/s11069-007-9144-z
NOAA. (2022). What is a perigean spring tide? National Oceanic and Atmospheric Administration.
Perdinan, Ryco, F. A., Syafararisa, D. P., Suvany, A., Sabilla, C. J., Revia, M., & Ikrom, M. (2023). Tidal Flood Hazard Assessment in Pekalongan City, Central Java. IOP Conference Series: Earth and Environmental Science, 1266(1), 012058. https://doi.org/10.1088/1755-1315/1266/1/012058
Pratama, M. B. (2019). Tidal flood in Pekalongan: utilizing and operating open resources for modelling. IOP Conference Series: Materials Science and Engineering, 676(1), 012029.
Putra, D. R., & Marfai, M. A. (2012). Identifikasi Dampak Banjir Genangan (Rob) Terhadap Lingkungan Permukiman Di Kecamatan Pademangan Jakarta Utara. Jurnal Bumi Indonesia, 1(1).
Putra, F., Romadhoni, A., & Moe, I. (2021). Flood Evaluation in Bula District Seram Bagian Timur. MEDIA KOMUNIKASI TEKNIK SIPIL, 27(2), 260–267. https://doi.org/10.14710/mkts.v27i2.36163
Putri, D. A., Arhatin, R. E., & Gaol, J. L. (2023a). Spatial Distribution of Tidal Flood in the Coastal Areas of Pandeglang Regency, Banten Using Landsat 8 OLI Imagery. IOP Conference Series: Earth and Environmental Science, 1251(1), 012014. https://doi.org/10.1088/1755-1315/1251/1/012014
Putri, D. A., Arhatin, R. E., & Gaol, J. L. (2023b). Spatial Distribution of Tidal Flood in the Coastal Areas of Pandeglang Regency, Banten Using Landsat 8 OLI Imagery. IOP Conference Series: Earth and Environmental Science, 1251(1), 012014. https://doi.org/10.1088/1755-1315/1251/1/012014
Rahili, N., Al Hakim, B., Ariyanto, D., Cholishoh, E., Prabawardani, D. R., Prijambodo, T., & Gumbira, G. (2023). Tidal Characteristics for Disaster Preparedness in the Port Area (Case Study: Port of Semarang, Central Java). ILMU KELAUTAN: Indonesian Journal of Marine Sciences, 28(2).
Rahman, B., Karmilah, M., Kautsary, J., & Ridlo, M. A. (2021). The Tidal Flooding Causes In The North Coast Of Central Java: A Systemic Literature Review. Journal of Southwest Jiaotong University, 56(6), 184–194. https://doi.org/10.35741/issn.0258-2724.56.6.15
Salim, M. A., & Siswanto, A. B. (2021). Kajian Penanganan Dampak Banjir Kabupaten Pekalongan. Rang Teknik Journal, 4(2), 295–303. https://doi.org/10.31869/rtj.v4i2.2525
Sukarman, M. A., & Purwanto, S. (2018). Modifikasi metode evaluasi kesesuaian lahan berorientasi perubahan iklim. Jurnal Sumberdaya Lahan, 12(1), 1–11.
Syah, A. F. (2012). Strategi adaptasi masyarakat pesisir Bangkalan terhadap dampak banjir rob akibat perubahan iklim. Jurnal Kelautan: Indonesian Journal of Marine Science and Technology, 5(2), 167–174.
Takagi, H., Esteban, M., Mikami, T., & Fujii, D. (2016). Projection of coastal floods in 2050 Jakarta. Urban Climate, 17, 135–145. https://doi.org/10.1016/j.uclim.2016.05.003
Triatmodjo, B. (1999). Teknik Pantai. Yogyakarta.
Triatmodjo, B. (2010). Perencanaan pelabuhan. Yogyakarta: Beta Offset.
UTOMO, P. P. (2020). Identifikasi Sebaran Banjir Menggunakan Citra Satelit Sentinel-1. Jurnal Online Mahasiswa (JOM) Bidang Teknik Geodesi, 1(1).
Vanama, V. S. K., Mandal, D., & Rao, Y. S. (2020). GEE4FLOOD: rapid mapping of flood areas using temporal Sentinel-1 SAR images with Google Earth Engine cloud platform. Journal of Applied Remote Sensing, 14(03), 1. https://doi.org/10.1117/1.JRS.14.034505
Wilks, D. S. (2011). Statistical methods in the atmospheric sciences (Vol. 100). Academic press.
Copyright (c) 2024 Moch. Zainuri Damayanto, Simon Tubalawony, Yunita A Noya
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
