Gametwist Casino Online

🔥 Selamat datang di Gametwist Casino Online — Jelajahi tren terbaru tentang drueckglueck-casino!

Abstrak

Banjir merupakan bencana hidrometeorologi yang sering terjadi di Indonesia. Salah satu penyebab banjir diakibatkan curah hujan yang ekstrim >100mm/hari. Provinsi Papua Barat termasuk di antara daerah – daerah di Indonesia yang memiliki intensitas curah hujan yang tinggi sepanjang tahunnya, sehingga rentan terhadap potensi banjir. Untuk memudahkan masyarakat mengetahui wilayah yang berpotensi banjir, diperlukan sebuah informasi seperti peta potensi banjir. Penggunaan Sistem Informasi Geografis (SIG) dalam membuat peta potensi banjir dapat berguna untuk masyarakat maupun lembaga tertentu untuk mengambil kebijakan dalam penanggulangan bencana banjir. Dalam penulisan ini untuk membuat peta potensi banjir, digunakan sebuah aplikasi perangkat lunak yaitu ArcGIS, dimana di dalam perangkat lunak tersebut terdapat beberapa tool yang dapat dimanfaatkan untuk membuat model perintah salah satunya yaitu model builder. Model builder kemudian menghasilkan sebuah keluaran peta spasial berupa peta prakiraan potensi banjir di Provinsi Papua Barat. Dari hasil pemetaan wilayah di Provinsi Papua Barat, terdapat beberapa wilayah atau Kabupaten di Provinsi Papua Barat yang memiliki potensi daerah rawan banjir dengan kategori Rendah – Tinggi. Tingginya intensitas curah hujan di sebagian wilayah atau Kabupaten di Papua Barat sangat berpotensi tinggi terjadi banjir khususnya di Sorong dan Manokwari. Pembuatan model builder ini kemudian bisa dikembangkan dan dapat digunakan secara mudah dengan modifikasi menggunakan Python.

Kata Kunci: Banjir, SIG, Model Builder

Pendahuluan

Banjir merupakan salah satu bencana yang sering terjadi di Indonesia, berdasarkan data kejadian bencana dari geoportal data bencana Indonesia BNPD (Badan Nasional Penanggulangan Bencana) telah tercatat sebanyak 668 kali kejadian banjir (update data 21 Juli 2021) [1]. Banjir yang sering terjadi di Indonesia merupakan kombinasi dari faktor alam dan faktor antropogenik [2]. Banjir dianggap sebagai bencana iklim yang paling mengerikan di dunia dan membuat hilangnya nyawa serta kerusakan harta benda [3]. Menurut Perera dkk [4] banjir adalah luapan air yang dapat menenggelamkan daratan dan dapat menyebabkan kerusakan seperti lahan pertanian, daerah perkotaan dan bahkan dapat mengakibatkan hilangnya nyawa seseorang. Menurut hasil penulisan Baidya dkk [5] probabilitas banjir yang memiliki resiko menyebabkan kerusakan cenderung meningkat akibat dari peningkatan intensitas curah hujan yang ekstrim yaitu >100mm/hari. Provinsi Papua Barat termasuk di antara daerah – daerah di Indonesia yang memiliki intensitas curah hujan yang tinggi seperti di Kota Sorong dan Manokwari sepanjang tahunnya, sehingga rentan terhadap potensi banjir.

Untuk memudahkan masyarakat mengetahui wilayah mana yang berpotensi banjir, diperlukan sebuah informasi seperti peta bahaya. Peta bahaya adalah suatu alat yang berguna untuk merencanakan arah masa depan pertumbuhan suatu kota, dan biasanya dapat digunakan untuk mengidentifikasi daerah yang rentan terhadap banjir [6]. Penggunaan Sistem Informasi Geografis (SIG) dalam bencana hidrologi dan pengolahan lahan air didasarkan pada gagasan bahwa air, iklim dan masyarakat membentuk keseluruhan sistem yang dapat dipelajari menggunakan pemodelan dan analisis spasial, penggunaan SIG dapat dijadikan alat yang berguna [7]. Munculnya Sistem Informasi Geografis (SIG) dan penginderaan jauh telah memberikan keringanan biaya dan waktu dalam sarana membuat pemetaan potensi air tanah yang lebih efektif [8]. SIG merupakan sistem informasi berbasis komputer yang dapat menggabungkan beberapa unsur seperti peta (geografis) dan informasi tentang peta tersebut (data atribut) yang dirancang untuk mendapatkan, mengolah, memanipulasi, analisa, memperagakan dan menampilkan data spasial [9].

Dalam penelitian ini untuk menghasilkan peta potensi banjir, penulis menggunakan perangkat lunak yaitu ArcGIS, dimana di dalam perangkat lunak tersebut terdapat beberapa tool atau aplikasi yang dapat dimanfaatkan untuk membuat model perintah salah satunya yaitu model builder. Model Builder pada ArcGIS atau ArcMap yaitu suatu teknik menggabungkan beberapa operasi SIG dan menjalankan modul dengan kumpulan data yang berbeda [10]. Sebuah model terdiri dari tiga elemen fundamental yaitu parameter input, alat geoproses dan data output, dimana model parameter adalah input model spesifik yang perlu ditentukan oleh pengguna, kemudian alat geoprocessing digunakan untuk menghasilkan data keluaran dalam urutan yang ditentukan pengguna menggunakan set input data [11]. Melalui proses arithmetic overlay yang ada pada model builder, kita dapat menentukan lokasi ideal yang cocok dengan menggabungkan theme – theme yang sudah dilengkapi dengan database [12]. Menurut Wiles dkk [13] model builder adalah sebuah aplikasi dimana pengguna dapat mengembangkan geoprocessing dalam bentuk model atau biasa dikenal dengan flowchart.

Berdasarkan latar belakang masalah yang telah dijelaskan, maka penulisan ini bertujuan untuk membuat suatu perintah pada aplikasi ArcGIS yaitu dengan menggunakan model builder yang kemudian akan menghasilkan sebuah keluaran peta spasial berupa peta prakiraan potensi banjir di Provinsi Papua Barat.

Metode Penelitian

Dalam penelitian ini data yang digunakan merupakan data prakiraan curah hujan (PCH) dalam bentuk PCH bulanan dengan nilai probabilitas yang memiliki intensitas > 100mm, >200mm dan >400mm. PCH bulanan digunakan untuk memproduksi Peta prakiraan Daerah Potensi Banjir Bulan. Data PCH diperoleh dari The European Centre for Medium – Range Weather Forecast (ECMWF). Selain itu diperlukan data daerah rawan banjir (DRB) yang merupakan data dasar historis dalam bentuk shp yang dihasilkan oleh kerja sama tiga lembaga yaitu BMKG, BIG dan Kementerian PU. Peta historis DRB dibuat melalui kegiatan survei lapangan yang telah memperhitungkan beberapa aspek seperti tutupan lahan, lereng, ketinggian lahan dan daerah genangan air. Peta historis DRB yang telah diintegrasikan dalam peta administrasi (kecamatan) kemudian disimplikasikan dalam 2 kelas daerah yaitu “banjir” dan “Non Banjir”. Adapun dua teknik dalam klasifikasi pembuatan peta prakiraan curah hujan bulanan pada Tabel 1.

PCH Probabilistik Bulanan | PCH Deterministik Bulanan
Nilai Probabilitas | Tingkat Rawan Banjir | Nilai Curah Hujan | Tingkat Rawan Banjir
Prob PCH >100 mm: 0–80% | Aman | PCH 0–100 | Aman
80–100% | Rendah
Prob PCH >200 mm: 0–80% | Non | PCH 100–200 | Rendah
80–100% | Menengah | PCH 200–400 | Menengah
Prob PCH >400 mm: 0–80% | Non | PCH >400 | Tinggi
80–100% | Tinggi
Dalam penelitian ini metode yang digunakan cukup sederhana yaitu dengan memanfaatkan data prakiraan curah hujan kemudian dikombinasikan dengan peta historis daerah rawan banjir yang telah tersedia. Untuk menghasilkan model geofisik dalam penelitian ini menggunakan teknik model builder pada aplikasi ArcGIS. Model builder dibangun dari bahasa pemrograman Python atau VB Script yang dapat dimodifikasi dalam bentuk parameter atau formula perhitungan [14]. Model builder digunakan untuk menghasilkan peta prakiraan potensi daerah rawan banjir di Papua Barat.

Hasil dan Pembahasan

Hasil penelitian ini merupakan analisis spasial melalui aplikasi Sistem Informasi Geografis (SIG) untuk mengidentifikasi wilayah potensi Daerah Rawan Banjir (DRB) di Papua Barat pada bulan Juli 2021 melalui tool pada aplikasi ArcGIS yaitu menggunakan Model Builder yang nantinya dapat digunakan untuk mengotomatisasikan dan mendokumentasikan sebuah alur kerja dari proses – proses geoprocessing. Adapun hasil keluaran peta pada setiap tahapan dengan memanfaatkan model builder pada software ArcGIS sebagai berikut:

Gambar 1 merupakan bentuk model builder yang akan menghasilkan data grid pos hujan untuk wilayah Provinsi Papua Barat. Data grid tersebut berisi data prakiraan peluang curah hujan untuk wilayah Provinsi Papua Barat, dimana wilayah Papua khususnya Papua Barat masih sangat sedikit sehingga penulis menggunakan data prakiraan model satelit ECMWF. Gambar 2 merupakan bentuk model builder yang akan menghasilkan hasil interpolasi dari data grid pos hujan untuk wilayah Provinsi Papua Barat. Metode interpolasi yang digunakan yaitu interpolasi IDW (Inverse Distance Weighting), dimana metode ini sangat baik digunakan untuk menentukan suatu nilai di daerah yang tidak terdapat titik sampel pos hujan di suatu wilayah. Gambar 3 merupakan bentuk model builder yang akan menghasilkan hasil klasifikasi Daerah Rawan Banjir untuk wilayah Provinsi Papua Barat. Metode Reklasifikasi digunakan untuk menentukan kriteria atau kelas dari data yang dipakai. Gambar 4 merupakan bentuk model builder yang akan menghasilkan hasil Polygon Daerah Rawan Banjir untuk wilayah Provinsi Papua Barat. Gambar 5 merupakan bentuk model builder yang akan menghasilkan peta hasil gabungan dari ketiga hasil peta Polygon Daerah Rawan Banjir untuk wilayah Provinsi Papua Barat. Gambar 6 merupakan bentuk model builder yang akan menghasilkan peta hasil potongan Daerah Rawan Banjir untuk wilayah Provinsi Papua Barat. Gambar 7 merupakan keluaran tabel hasil digitasi dari proses klasifikasi, dimana pada gambar tersebut menunjukkan kelas serta kriteria dalam pembuatan peta Daerah Rawan Banjir dengan menggunakan data peluang curah hujan lebih 100 mm/bulan. Gambar 8 merupakan keluaran tabel hasil digitasi dari proses klasifikasi, dimana pada gambar tersebut menunjukkan kelas serta kriteria dalam pembuatan peta Daerah Rawan Banjir dengan menggunakan data peluang curah hujan lebih 200 mm/bulan. Gambar 9 merupakan keluaran tabel hasil digitasi dari proses klasifikasi, dimana pada gambar tersebut menunjukkan kelas serta kriteria dalam pembuatan peta Daerah Rawan Banjir dengan menggunakan data peluang curah hujan >400 mm/bulan. Gambar 10 merupakan keluaran tabel hasil digitasi dari proses penggabungan dari tiga kelas dan kriteria peluang curah hujan a100, a200 dan a400. Untuk menentukan kriteria rawan banjir, maka perlu ditambahkan kolom rawan banjir dan dilakukan kembali proses penentuan rawan banjir untuk masing – masing kelas. Gambar 11 merupakan keluaran tabel hasil digitasi dari proses penggabungan dari tiga kelas dan kriteria peluang curah hujan a100, a200 dan a400 dan hasil intersect (pemotongan) Daerah Rawan Banjir wilayah Papua Barat. Untuk menentukan Potensi Rawan banjir, maka perlu ditambahkan kolom Potensi Rawan banjir dan dilakukan kembali proses Potensi Rawan banjir untuk menentukan daerah mana saja yang masuk ke dalam daerah Potensi rawan banjir. Gambar 12 merupakan alur kerja pada model builder yang sudah selesai dioperasikan dan siap untuk di running pada software ArcGIS dan untuk selanjutnya dipetakan sebagai bahan informasi kepada masyarakat di wilayah mana saja yang berpotensi rawan terjadi banjir. Gambar 13 merupakan hasil keluaran model Builder yang sudah selesai untuk selanjutnya digunakan sebagai bahan informasi kepada masyarakat di wilayah mana saja yang berpotensi rawan untuk terjadi banjir. Dalam hal ini penulis menyajikan sebuah informasi peta prakiraan Daerah Rawan Banjir (DRB) di Provinsi Papua Barat pada bulan Juli 2021. Berdasarkan hasil keluaran peta spasial dapat dijelaskan bahwa perbedaan warna menunjukkan kategori potensi daerah rawan banjir dan sebagian besar wilayah di Papua Barat pada bulan Juli 2021, potensi daerah rawan banjir menunjukkan warna putih yaitu kategori Non Banjir. Kemudian terdapat beberapa wilayah yang memiliki potensi daerah rawan banjir dengan kategori Rendah – Tinggi. Pada wilayah Papua Barat bagian Timur yaitu di Teluk Wondamama dan Teluk Bintuni sebagian besar wilayah berpotensi rawan banjir dengan kategori rendah – menengah, sedangkan di wilayah Papua Barat bagian Utara yaitu Kota Sorong dan Manokwari berpotensi banjir dengan kategori Menengah – Tinggi. Tingginya intensitas curah hujan membuat sebagian besar wilayah di Papua Barat sangat berpotensi tinggi terjadi banjir, oleh karena itu perlu diwaspadai lebih lanjut untuk beberapa wilayah yang berpotensi rawan banjir dengan kategori menengah – tinggi.

Kesimpulan

Terdapat beberapa wilayah atau Kabupaten di Provinsi Papua Barat yang memiliki potensi daerah rawan banjir dengan kategori Rendah – Tinggi. Tingginya intensitas curah hujan di sebagian wilayah atau Kabupaten di Papua Barat sangat berpotensi tinggi terjadi banjir khususnya di Sorong dan Manokwari. Kemudian, pembuatan model geofisik untuk pemetaan potensi daerah Rawan Banjir (DRB) dapat dianalisis dengan memanfaatkan salah satu tool seperti model builder dalam aplikasi ArcGIS. Dengan melalui proses arithmetic overlay yang ada pada proses model builder, kita dapat membuat suatu alur kerja seperti membuat peta prakiraan Daerah Rawan Banjir (DRB) yang sudah dilengkapi dengan database. Database yang berisi informasi hasil digitasi yang dilakukan merupakan hal yang sangat penting dalam membuat peta spasial. Pembuatan model builder ini kemudian bisa dikembangkan dan dapat digunakan secara mudah dengan modifikasi menggunakan Python.

Daftar Pustaka

- Geoportal Data Bencana Indonesia Badan Nasional Penanggulangan Bencana (BNPB); go (diakses 21 Juli 2021).
- Moh Isas, L., S., K. 2019. Pemanfaatan Sistem Informasi Geografis pada Pemetaan Ancaman Bencana Banjir di Kabupaten Indramayu dengan Menggunakan Teknik Model Builder. Tugas Akhir: Jurusan Geografi. Universitas Negeri Semarang.
- Hosseini M and Matlabifar F 2008 Study and investigation of flood management and solutions to reduce flood damages, Sepehr (Geographical Organization), 16th year; 63.
- Perera EDP, Hiroe A, Shrestha D, Fukami K, Basnyat DB, Gautam S, Hasegawa A, Uenoyama T, Tanaka S. 2015. Community-based flood damage assessment approach for lower West Rapti River basin in Nepal under the impact of climate change. Nat Hazards. 75:669–699.
- Baidya SK, Regmi RK, Shrestha ML (2007) Climate profile and observed climate change and climate variability in Nepal. Department of Hydrology and Meteorology Kathmandu, Nepal.
- Rahmati O., Zeinivand H., Besharat M. 2016. Flood Hazard Zoning in Yasooj Region, Iran, using GIS and Multi-criteria Decision Analysis. Geomatics, Natural Hazard and Risk, 7:3 1000–1017.
- Stanciu P., Chendes V., Corbus C., Matreata M. 2009. G.I.S Procedure for Flood-Prone Areas Mapping Based on the Result of the Flood Simulation Models. Studia Universitatis Babes-Bolyai. Geographia, LIV, 3.
- Rahmati O, Nazari Samani A, Mahdavi M, Pourghasemi HR, Zeinivand H. 2014. Groundwater potential mapping at Kurdistan region of Iran using analytic hierarchy process and GIS. Arab J Geosci. doi:10.1007/s12517-014-1668-4.
- Sasmita N., Reida R., Santi I., P., Nurahman D., Kurniawati N., Ridwan I. 2008. Identifikasi Kawasan Rawan Kebakaran di Martapura Kabupaten Banjar Kalimantan Selatan dengan Sistem Informasi Geografis. Jurnal Fisika FLUX, Vol. 5 No. 2 113–119.
- Pfaff., R.M. – Glennon, J.A. (2004): Building a groundwater protection model. ArcUser July–September 2004: 54–59.
- Csafordi P., Podor A., Bug J., Gribovszki Z. 2012. Soil Erosion Analysis in a Small Forested Catchment Supported by ArcGIS Model Builder. Vol.8 39–55.
- David. 2016. Sistem Informasi Geografis Pemetaan Lokasi Ideal Taman Nasional di Wilayah Kalimantan Barat. Vol.3, No.3, 2354–5771.
- Wiles, T., Mallard, J., 2008, Automating Tasks with ModelBuilder in ArcGIS, International Association of Crime Analyst’s Conference (IACA) in St. Petersburg, Florida, 14 Oktober 2008.
- Suwarsito., Nirwansyah., A., W. 2017. Analisis Kesesuaian Lahan Pesisir di Kabupaten Brebes untuk Pengembangan Budidaya Tambak Udang. Prosiding Seminar Nasional Geografis UMS: Pengelolaan Sumberdaya Wilayah Berkelanjutan. ISBN: 978-602-361-072-3.

Keamanan dimulai dengan memahami cara developer mengumpulkan dan membagikan data Anda. Praktik privasi dan keamanan data dapat bervariasi berdasarkan penggunaan, wilayah, dan usia Anda.

T: Bagaimana cara mengunduh Gametwist Casino Online?
J: Cukup klik tombol instal berwarna hijau di bagian atas dan ikuti instruksi amannya.

T: Apakah Gametwist Casino Online aman untuk perangkat saya?
J: Ya! Gametwist Casino Online dioptimalkan dan aman untuk semua perangkat yang didukung.