LOGO. Oleh : Dosen Pembimbing : Bayu Rezki Pratama NRP Nani Kurniati NIP

(1)

LOGO

Jurusan Teknik Industri

Fakultas Teknologi Industri

Institut Teknologi Sepuluh Nopember

Bayu Rezki Pratama

NRP. 2507 100 113

Nani Kurniati

NIP. 197504081998022001

Oleh :

Dosen Pembimbing :

(2)

1. Pendahuluan – Latar Belakang

Paradigma bencana alam

o

Banjir, tanah longsor, angin badai,

gunung meletus, tsunami

diidentikkan dengan bencana alam

Natural hazard

O’Keefe et al (1976)

Bencana alam adalah perpaduan

antara natural hazard dan

vulnerable population

natural hazard adalah faktor

eksternal; vulnerable population

adalah faktor internal

Cardona (2003)

Peristiwa alam yang

mempunyai peran ekologis

“Bencana alam = peristiwa yang mengganggu masyarakat yang

menyebabkan timbulnya korban, kerugian harta benda, dan dampak

psikologis.”

(UU no.24 th 2007)

(3)

1. Pendahuluan – Latar Belakang

Masyarakat semakin rentan

terhadap bencana alam

Cutter (1996)

Konsep vulnerability

Kelman (2009)

vulnerable population adalah faktor

yang lebih dominan menyebabkan

bencana alam

Proses kontrol terhadap

vulnerability membutuhkan

usaha yang menyeluruh, tidak

hanya aspekTANGGAP

DARURAT namun juga aspek

KESIAPSIAGAAN

=

Manajemen bencana alam di

INDONESIA

UU n0 24 tahun 2007

BNPB (Badan Nasional

Penanggulangan

(4)

1. Pendahuluan – Latar Belakang

Rencana Strategis BNPB

Kendala dalam penganggulangan bencana alam di Indonesia adalah :

1. Kinerja aparat kelembagaan yang masih kurang

2. Kesadaran akan risiko bencana alam yang masih rendah

Implementasi

UU ??

Database Bencana Indonesia (DIBI)

Jawa Timur adalah provinsi ketiga yang

mengalami bencana alam paling banyak

Disaster Assessment

Vulnerability Analysis

Estimasi profil suatu daerah berdasarkan

parameter bencana tertentu

Untuk menaksir potensi kehilangan yang

akan terjadi (korban, harta benda, dll)

(5)

Vulnerability Analysis

Data dalam beberapa

periode terakhir di setiap

kabupaten/kota

Vulnerability Index (VI)

Penentuan lokasi gudang

logistik bencana

Tingkat vulnerability dari suatu

kabupaten/kota menjadi

terkuantifikasi sehingga

meningkatkan kesadaran akan

risiko bencana alam

Gudang akan memberikan kontribusi

positif pada peningkatan kinerja

aparat kelembagaan khususnya

dalam penyimpanan dan

pendistribusian bantuan.

1. Pendahuluan – Latar Belakang

(6)

1. Pendahuluan

Perumusan Masalah

Bagaimana menentukan dan menganalisis tingkat kerentanan

wilayah terhadap bencana alam melalui VI di setiap

kabupaten/kota di Jawa Timur dengan metode DEA sebagai

dasar pertimbangan penentuan lokasi gudang logistik bencana ?

Tujuan Penelitian

1. Menentukan nilai VI setiap kabupaten/kota di Jawa Timur

pada beberapa periode dengan metode DEA.

2. Menentukan lokasi gudang logistik bencana yang

mempertimbangkan faktor kerentanan wilayah dengan

metode absolute p-center.

(7)

1. Pendahuluan

Manfaat Penelitian

Terkuantifikasinya nilai VI setiap kabupaten/kota di Jawa Timur sebagai

informasi penunjang dalam penentuan kebijakan penanggulangan bencana

serta analisis penentuan lokasi gudang logistik bencana di Jawa Timur.

Batasan

1. Digunakan tiga jenis natural hazard yaitu banjir, tanah longsor dan angin

badai.

2. Tidak dilakukan pembahasan mengenai jenis dan banyaknya pasokan

serta alat transportasi yang digunakan.

3. Periode kuantifikasi VI adalah mulai 2006 sampai 2009

Asumsi

(8)

2. Tinjauan Pustaka

A. Data Envelopment Analysis

•DEA adalah teknik

non-parametrik untuk

mengevaluasi efisiensi

dengan cara meninjau

input yang digunakan dan

output yang dihasilkan

oleh sejumlah unit (DMU).

•Indeks yang dihasilkan

berkisar antara 0 sampai 1

•Model CCR diperkenalkan

oleh Charnes, Cooper dan

Rhodes pada 1978.

(9)

2. Tinjauan Pustaka

B. Penelitian Terdahulu

Hakasmanti (2007)

Menentukan lokasi posko bantuan dengan

menggunakan metode p-median dengan

mempertimbangkan jarak antara titik bantuan

dengan taksiran korban melalui jumlah

penduduk di titik bantuan.

Azlia (2010)

Menghasilkan indikator vulnerability untuk

Jawa Timur, mengkuantifikasi vulnerability

tahun 2009 dengan metode pembobotan, dan

menentukan lokasi gudang yang

memperimbangkan jarak dan vulnerability

Wei et al. (2004)

Mengkuantifikasikan vulnerability multi

periode dengan metode DEA sebagai usulan

agar pengukuran tingkat kerentanan wilayah

terhadap bencana alam dilakukan dengan

(10)

3. Metodologi Penelitian

Mulai

Pengidentifikasian permasalahan

Perumusan permasalahan dan penetapan tujuan

Tinjauan pustaka

Pengumpulan data indikator

Pembuatan model kuantifikasi VI dalam software Lingo

Verifikasi model

Penentuan konfigurasi tree

Penentuan jumlah gudang logistik bencana

Penentuan lokasi gudang logistik bencana berdasar VI historis

Penentuan lokasi gudang logistik bencana berdasar perubahan nilai

rata-rata VI

Analisis dan interpretasi data

Penarikan kesimpulan dan saran

Selesai A

A

B

Tahap identifikasi awal

Tahap pengumpulan dan pengolahan data

Tahap analisis dan interpretasi data

Tahap penarikan kesimpulan dan saran Ya

Tidak

Mulai

Tinjauan pustaka

Pendefinisian vulnerability dan pengumpulan data indikator

A

Verifikasi model

Pengukuran VI dengan software Lingo

A

(11)

3. Metodologi Penelitian

Mulai

Tinjauan pustaka

Pengumpulan data indikator

Verifikasi model

Penentuan konfigurasi tree

Penentuan jumlah gudang logistik bencana

Penentuan lokasi gudang logistik bencana berdasar VI historis

Penentuan lokasi gudang logistik bencana berdasar perubahan nilai

rata-rata VI

Selesai A

A

B

Tahap identifikasi awal

Tahap pengumpulan dan pengolahan data

Tahap analisis dan interpretasi data

Tahap penarikan kesimpulan dan saran

Perataan beban cakupan untuk masing-masing lokasi terpilih

Selesai

Penentuan jumlah gudang logistik bencana berdasar jarak cakupan

dan VI B

(12)

4. Pengolahan Data - Vulnerability

A. Pengukuran VI

o Vulnerability adalah potensi kehilangan terhadap dampak bencana alam. Potensi ini

ditinjau dari kemampuan kabupaten/kota dalam menerima, bertahan, dan

memulihkan diri dari dampak bencana jika bencana melanda wilayahnya.

No Indikator Vulnerability

Jenis Natural Hazard Banjir Tanah

Longsor

Angin Badai

1 Luas kawasan terbangun - 

-2 Kepadatan penduduk   

3 Jumlah penduduk

miskin   

4 Jumlah pengangguran  

5 Jumlah buta huruf   

6 Jumlah penduduk yang

bersekolah   

No Indikator Vulnerability

Jenis Natural Hazard Banjir Tanah Longsor Angin Badai 7 Jumlah penyandang cacat  - 

8 Jumlah penduduk balita  - 

9 Jumlah penduduk lanjut

usia  - 

10 Jumlah penduduk

perempuan    11 Jumlah tenaga medis    12 Jumlah organisasi sosial  - 

(Azlia,2010)

Pendefinisian Vulnerability

(13)

Parameter Indikator Simbol Indikator

Input Jumlah tenaga medis x₁

Jumlah organisasi sosial x₂

Jumlah penduduk yang bersekolah x₃

Output Kepadatan penduduk y₁

Jumlah penduduk miskin y₂

Jumlah buta huruf y₃

Jumlah pengangguran y₄

Jumlah penduduk perempuan y₅

Jumlah penyandang cacat y₆

Jumlah penduduk lanjut usia dan balita y₇

Parameter Indikator Simbol

Indikator

Input Jumlah tenaga medis x₁

Jumlah penduduk yang bersekolah x₂

Output Kepadatan penduduk y₁

Jumlah penduduk miskin y₂

Jumlah buta huruf y₃

Luas kawasan terbangun y₄

Jumlah penduduk perempuan y₅

Input = kemampuan yang dimiliki oleh

kabupaten/kota untuk

menghadapi bencana alam.

Output = sebagai elemen yang dinilai

rentan terhadap bencana alam.

Indikator Banjir dan Angin Badai

Indikator Tanah Longsor

Penggolongan Indikator

(14)

Verifikasi Model Kuantifikasi Vulnerability

Jika model telah benar maka ketika nilai

input (x) dan output (y) dari semua DMU

bernilai sama (misalnya = 1) maka

vulnerability akan bernilai 1 untuk semua

DMU yang dievaluasi.

Saat semua input (x) dinaikkan 2 kali lipat

(misalnya = 2) dan nilai output (y) tetap

(misalnya = 1) maka akan dihasilkan θ

yang bernilai 0.5

(15)

Memasukkan nilai input dan

output pada model kuantifikasi

DEA tahap I

Menyelesaikan dengan Lingo

untuk setiap kabupaten/kota

pada setiap tahun dan setiap jenis

natural hazard

Mendaftar kabupaten/kota

dengan nilai θi = 1 sebagai

DMU yang dievaluasi pada

tahap II

Menyelesaikan dengan Lingo

untuk setiap kabupaten/kota pada

setiap jenis natural hazard

Mendaftar nilai θi dan θt untuk

menentukan VI setiap

kabupaten/kota sesuai jenis

natural hazard

Menentukan nilai VI total

dengan mengakumulasi nilai VI

setiap jenis natural hazard

**VI = θi * θt**

VI total = VI

banjir

+ VI

badai

+VI

longsor

(16)

1.500 1.700 1.900 2.100 2.300 2.500 2.700 2.900 2006 2007 2008 2009 V un ne ra bi li ty I nd ex Tahun

1.Pa cita n 2.Ponorogo 3.Trengga lek 4.Tulunga gung 5.Blita r 6.Kediri 7.Ma la ng 8.Luma ja ng 9.Jember 10.Ba nyuwa ngi 11.Bondowoso 12.Situbondo 13.Probolinggo 14.Pa surua n 15.Sidoa rjo 16.Mojokerto 17.Jomba ng 18.Nga njuk 19.Ma diun 20.Ma geta n 21.Nga wi 22.Bojonegoro 23.Tuba n 24.La monga n 25.Gresik 26.Ba ngka la n 27.Sa mpa ng 28.Pa meka san 29.Sumenep 30.Kota Kediri 31.Kota Blita r 32.Kota Ma la ng 33.Kota Probolinggo 34.Kota Pa surua n 35.Kota Mojokerto 36.Kota Ma diun 37.Kota Sura ba ya 38.Ba tu

(17)

• Berdasarkan grafik NilaiVI per tahun, diperoleh bahwa tingkat kerentanan tidak statis

melainkan mengalami dinamika. Hal ini dikarenakan nilai setiap indikator kerentanan

mengalami perubahan mulai tahun 2006-2009.

• Terdapat tiga kabupaten dengan nilaiVI tertinggi setiap tahun dan VI rata-rata

(2006-2009) yang tertinggi yaitu Bondowoso, Situbondo, dan Sampang.

• Ketiga kabupaten tersebut tergolong kabupaten yang tidak padat penduduk.

• Namun memiliki jumlah medis dan penduduk bersekolah yang rendah serta penduduk

miskin dan buta huruf yang tinggi

Nama Indikator

Rata-rata

Bondowoso

Situbondo

Sampang

Kepadatan penduduk

2006

807

465

388

725 Kepadatan penduduk

2007

795

452

379

718 Kepadatan penduduk

2008

799

380

653

732 Kepadatan penduduk

2009

803

454

381

746 5. Analisis - Vulnerability

(18)

Nama Indikator Rata -rata Bondowos o Situbond o Sampan g Jumlah medis 2006 1183 788 500 489 Jumlah medis 2007 1220 793 500 536 Jumlah medis 2008 1234 795 471 536 Jumlah medis 2009 715 259 234 214

Nama Indikator Rata-rata Bondowos o Situbond o Sampang Jumlah penduduk bersekolah 2006 201185 126946 117330 194087 Jumlah penduduk bersekolah 2007 214748 126701 118858 214001 Jumlah penduduk bersekolah 2008 214687 117950 194654 216314 Jumlah penduduk bersekolah 2009 203815 1333372 1200743 215295 0 20000 40000 60000 80000 100000 120000 140000 160000 2006 2007 2008 2009 Bondowoso Situbondo Sa mpa ng Ra ta -ra ta 0 50000 100000 150000 200000 250000 300000 350000 2006 2007 2008 2009 Bondowoso Situbondo Sa mpa ng Ra ta -ra ta

5. Analisis - Vulnerability

(19)

No

Jumlah

Gudang

Kemampuan

Cakupan

Maksimal

(km)

No

Jumlah

Gudang

Kemampuan

Cakupan

Maksimal

(km)

1

6

110

5

10

72

2

7

94

6

11

62

3

8

84

7

12

55

4

9

74

8

13

51 13 gudang

6 gudang

Menurut Azlia (2010), jarak

cakupan gudang logistik

bencana adalah 50-100 km.

4. Pengolahan Data – Lokasi

(20)

Hasil dari perhitungan optimasi

yang mempertimbangkan jarak

cakupan

Hasil dari perhitungan yang

mempertimbangkan

(21)

4. Pengolahan Data – Lokasi

Jumlah

Gudang

Standard Deviasi Beban

Cakupan Setelah Perataan

Standard Deviasi Beban

Cakupan Sebelum

Perataan

Perbaikan dari

Hasil Optimasi

6

2.68

3.13 14.3%

7

1.47

1.90 22.4%

8

2.90

3.39 14.4%

9

2.04

2.59 21.4%

10

1.65

2.11 21.7%

11

1.60

2.11 24.2%

12

1.45

1.81 20.0%

13

1.66

1.84 9.8%

(22)

Kesimpulan

1. Tingkat vulnerability mengalami dinamika perubahan dari tahun ke tahun yang

ditunjukkan dengan pergerakan nilai VI.

2. Bondowoso, Situbondo, dan Sampang merupakan kabupaten dengan VI

tertinggi setiap tahunnya dan VI rata-rata tertinggi. Hal ini disebabkan karena

jumlah medis dan penduduk bersekolah yang hampir selalu kurang dari

rata-rata serta jumlah penduduk miskin dan buta huruf yang tinggi.

3. Terdapat enam sampai tigabelas gudang yang mempunyai jarak cakupan

maksimal berturut-turut 110, 94,84,74,72,62,55, dan 51 km yang ditempatkan

di Jawa Timur dengan mempertimbangkan jarak dan tingkat kerentanan

wilayah.

4. Selang penempatan lokasi gudang telah diuji dengan menggunakan

perubahan nilai VI sebesar ± 10% dan didapatkan tidak adanya pergeseran

penempatan lokasi gudang yang keluar dari selang yang dibuat.

(23)

Saran

1. Penentuan VI untuk beberapa periode yang akan datang dan untuk jenis

natural hazard dan wilayah lainnya.

2. Menentukan perencanaan gudang khususnya untuk jenis dan

banyaknya persediaannya yang mempertimbangkan karakteristik

bencana alam.

3. Analisis sensitifitas yang lebih komprehensif mengenai perubahan VI

berdasarkan perubahan nilai indikator.

(24)

Anonim. (2007). Analisa Penyusunan Kinerja Makro Ekonomi dan Sosial Jawa Timur tahun 2006. Surabaya: Badan Pusat Statistik. Anonim. (2007). Provinsi Jawa Timur dalam Angka 2006. Surabaya: Badan Pusat Statistik.

Anonim. (2007). Survei Sosial Ekonomi Nasional tahun 2006. Surabaya: Badan Pusat Statistik.

Anonim. (2010). Rencana Strategis Badan Nasional Penanggulangan BencanaTahun 2010-2014. Jakarta: Badan Nasional Penanggulangan Bencana.

Azlia, W. (2010). Model Penentuan Lokasi Fasilitas Gudang Kesiapsiagaan untuk Bencana Alam dengan Mempertimbangkan Faktor Kerentanan Wilayah. Surabaya: Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember.

Blaikie, P. T., Cannon, I., Davis, & Wisner, B. (1994). At Risk: Natural hazards, People's Vulnerability, and Disasters. London: Routledge.

Cardona, O. D. (2003). The Need for Rethinking the Concepts of Vulnerability and Risk from a Holistic Perspective: A Necessary dan Critism for Effective Risk Management. London: J Ingleton (ed) Natural Disaster Management.

Connor, R. F. (2006). Flood Vulnerability Index. Japan Water Forum.

Cooper, W. W., Seiford, L. M., & Tone, K. (2007). Data Envelopment Analysis: A Comprehensive Text with Models, Applications, References, and DEA-Solver Software. New York: Springer Science Business Media.

(25)

Cutter, S. L. (1996). Vulnerability to Environmental Hazards. Progress in Human Geography , 529-539.

Daskin, M. S. (1995). Network and Discrete Location - Model, Algorithms, and Applications. A Wiley Inter-Science Publication.

Daskin, M. S., & Owen, S. H. (1999, July). Two New Location Covering Problems: The Partial P-Center Problem and the Partial Set Covering Problem. Geographical Analysis.

Dibben, C., & Chester, D. K. (1999). Human Vulnerability in Volcanic Environments: the Case of Furnas, Sao Miguel, Azores. Journal of Volcanology and Geothermal Research , 133-150.

Dwyer, A., Zoppou, C., Nielsen, C., Day, S., & Roberts, S. (2004). Quantifying Social Vulnerability: A Methodology for Identifying Those at Risk to Natural Hazards. Geoscience Australia Record.

Hakasmanti, E. (2007). Analisis Penempatan Pusat Bantuan dan Posko- Posko Bantuan dengan Menggunakan Metode Covering Problem. Surabaya: Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember.

Hillier, F. S., & Lieberman, G. J. (2000). Introduction to Operational Research. Mc Graw Hill. Kelman, I. (2009). Understanding Vulnerability to Understand Disasters.

Lala, M. K., & Lala, K. R. (2006). Health After Disaster. Indian Journal of Community Medicine , 123-128.

Lowe, C. J. (2010). Analysing Vulnerability to Volcanic Hazards: Application to St. Vincent. London: Department of Geography, University College London.

Morrow, B. H. (1999). Identifying and Mapping Community Vulnerability. Disasters , 1-18. O'Keefe, P., Westgate, K., & Wisner, B. (1976). Taking the Naturalness Out. Nature , 566-567. Kelman, I. (2009). Understanding Vulnerability to Understand Disasters.

(26)

Simpson, D. M., & Katirai, M. (2006). Indicator Issues and Proposed Framework for a Disaster Preparedness Index (DPi). Centre for Hazards Research and Policy Development, University of Louisville.

Talluri, S. (2000). Data Envelopment Analysis: Models and Extensions. Silberman College of Business Administration, Fairleigh Dickinson University.

Wei, Y. M., Fan, Y., Lu, C., & Tsai, H. T. (2004). The Assessment of Vulnerability to Natural Disaster In China by Using the DEA Method. Environmental Impact Assessment Review , 427–439.

Yang, H. H., & Chang, C. Y. (2009). Using DEA Window Analysis to Measure Efficiencies of Taiwan’s Integrated Telecommunication Firms. Telecommunications Policy , 98–108.

(27)

(28)

Fractional

Programming

Linier

(29)