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 :
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)
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
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)
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
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.
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
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.
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
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
B
Tahap identifikasi awal
Tahap pengumpulan dan pengolahan data
Tahap analisis dan interpretasi data
Tahap penarikan kesimpulan dan saran Ya
Tidak
Mulai
Pengidentifikasian permasalahan
Perumusan permasalahan dan penetapan tujuan
Tinjauan pustaka
Pendefinisian vulnerability dan pengumpulan data indikator
A
Pembuatan model kuantifikasi VI dalam software Lingo
Verifikasi model
Pengukuran VI dengan software Lingo
A
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
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
Analisis dan interpretasi data
Penarikan kesimpulan dan saran
Selesai
Penentuan jumlah gudang logistik bencana berdasar jarak cakupan
dan VI B
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
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
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
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
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
• 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
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
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
Hasil dari perhitungan optimasi
yang mempertimbangkan jarak
cakupan
Hasil dari perhitungan yang
mempertimbangkan
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%
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.
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.
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. (2008). Analisa Penyusunan Kinerja Makro Ekonomi dan Sosial Jawa Timur tahun 2007. Surabaya: Badan Pusat Statistik. Anonim. (2008). Provinsi Jawa Timur dalam Angka 2007. Surabaya: Badan Pusat Statistik.
Anonim. (2008). Survei Sosial Ekonomi Nasional tahun 2007. Surabaya: Badan Pusat Statistik.
Anonim. (2009). Analisa Penyusunan Kinerja Makro Ekonomi dan Sosial Jawa Timur tahun 2008. Surabaya: Badan Pusat Statistik. Anonim. (2009). Provinsi Jawa Timur dalam Angka 2008. Surabaya: Badan Pusat Statistik.
Anonim. (2009). Survei Sosial Ekonomi Nasional tahun 2008. Surabaya: Badan Pusat Statistik.
Anonim. (2010). Analisa Penyusunan Kinerja Makro Ekonomi dan Sosial Jawa Timur tahun 2009. Surabaya: Badan Pusat Statistik. Anonim. (2010). Provinsi Jawa Timur dalam Angka 2009. Surabaya: Badan Pusat Statistik.
Anonim. (2010). Rencana Strategis Badan Nasional Penanggulangan BencanaTahun 2010-2014. Jakarta: Badan Nasional Penanggulangan Bencana.
Anonim. (2010). Survei Sosial Ekonomi Nasional tahun 2006. Surabaya: Badan Pusat Statistik.
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.
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.
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.