vii
DAFTAR ISI
HALAMAN JUDUL ... i
HALAMAN PENGESAHAN ... ii
HALAMAN PERNYATAAN ... iii
HALAMAN PERSEMBAHAN ... iv
KATA PENGANTAR ... vi
DAFTAR ISI ... vii
DAFTAR TABEL ... ix DAFTAR GAMBAR ... x INTISARI ... xii ABSTRACT ... xiii BAB I PENDAHULUAN ... 1 1.1Latar Belakang ... 1 1.2Perumusan Masalah ... 4 1.3Tujuan Penelitian ... 4 1.4Manfaat Penelitian ... 5
BAB II TINJAUAN PUSTAKA ... 6
2.1Case Based Reasoning ... 6
2.2Tanah Longsor ... 9
2.3Rehabilitasi Hutan dan Lahan ... 13
2.4Peluang Aplikasi CBR untuk Kelola Pengetahuan Rahabilitasi Hutan dan Lahan Kawasan Rawan Longsor ... 16
2.5Validasi Model CBR ... 22
2.6Definisi dan Asumsi dalam Penelitian ... 23
2.7Penelitian Sebelumnya Mengenai Bencana Longsor ... 28
BAB III METODE PENELITIAN ... 29
3.1Lokasi dan Waktu Penelitian ... 29
3.2Pengumpulan data ... 29
3.3Studi literatur dan konsultasi ... 31
3.4Pengambilan data lapangan ... 31
3.4.1 Sampling pengukuran vegetasi ... 31
3.4.2 Pengumpulan kasus-kasus longsoran ... 35
3.5 Analisis data ... 36
3.5.1 Pembangunan Aplikasi Sistem CBR ... 36
3.5.2 Analisis Data Vegetasi ... 41
3.5.3 Validasi Hasil Estimasi ... 42
BAB IV GAMBARAN UMUM LOKASI PENELITIAN ... 44
4.1Letak dan Batas Wilayah Penelitian ... 44
4.2Kondisi Iklim Kawasan Sub DAS Tinalah ... 46
4.2.1 Curah Hujan ... 46
viii
4.2.3 Tipe iklim ... 47
4.3Kondisi Biofisik Kawasan Sub DAS Tinalah ... 49
4.3.1 Kondisi Tanah ... 49
4.3.2 Kondisi Topografi... 53
4.3.3 Kondisi Vegetasi. ... 54
4.4Kondisi Sosial Kawasan Sub DAS Tinalah ... 62
BAB V HASIL DAN PEMBAHASAN ... 55
5.1Rancangan CBR untuk Sistem Penduga Bahaya Longsor ... 55
5.2Uji Coba Sistem ... 57
5.2.1 Kasus Referensi ... 66
5.2.2 Aplikasi MaMoLandS 1.0 (Mass Movement Landslide) 64 5.2.3 Validasi hasil model penduga ... 68
5.2.4 Peran faktor biofisik sebagai penduga longsoran ... 70
5.3Implementasi Sistem ... 80
5.3.1 Posisi Sistem dalam Penanganan Bencana Longsor .... 81
5.3.2 Peran aktor dalam sistem ... 82
BAB VI KESIMPULAN DAN SARAN ... 87
6.1Kesimpulan ... 87
6.2Saran ... 88
DAFTAR PUSTAKA ... 89
LAMPIRAN ... 91
LAMPIRAN 1 Prinsip Case Based Reasoning untuk membangun Aplikasi MaMoLands 1.0... 92
LAMPIRAN 2 Transformasi LBDS dengan MSAVI2 ... 121
ix
DAFTAR TABEL
Tabel 2.1 Keteragan Gambar 2.4.yang ditinjau dari mekanisme secara
Hidrologi ... 15
Tabel 2.2 Keterangan Gambar 2.4. yang meninjau dari mekanisme secara mekanis ... 15
Tabel 2.3 Daftar penelitian sebelumnya mengenai tanah longsor ... 28
Tabel 3.1. Kebutuhan data penelitian ... 29
Tabel 3.2 Kebutuhan alat pengambilan data lapangan ... 30
Tabel 3.3 Konsultasi pakar dalam penelitian ... 31
Tabel 3.4 Nilai pixel tiap kerapatan vegetasi ... 32
Tabel 3.5 Kombinasi plot Petak ukur berdasarkan data sekunder ... 32
Tabel 3.6 Nilai Pembobotan Atribut dan Sub Atribut Secara Hierarki.... 38
Tabel 4.1 Luas Administrasi di Sub DAS Tinalah ... 44
Tabel 4.3 Suhu Sub Das Tinalah... 47
Tabel 4.4 Klasifikasi Tipe Iklim menurut Schimdt dan Ferguson ... 48
Tabel 4.5 Perhitungan nilai Q dan tipe iklim Sub DAS Tinalah ... 48
Tabel 4.6 Klasifikasi Famili tanah di Sub DAS Tinalah ... 50
Tabel 4.7 Kelas lereng dengan sifat-sifat proses alami Sub DAS Tinalah 53 Tabel 4.8 Kerapatan vegetasi LBDS(m2)/ha... 55
Tabel 5.1 Nilai Pengujian Model Regresi ... 61
Tabel 5.2 Tabel rerata panjang dan lebar aktual dengan nilai estimasinya 68 Tabel 5.3 Hasil pengujian estimasi panjang dan lebar kasus longsoran. 69 Tabel 5.4 Luas kelas lereng setiap ketinggian tempat... 77
x
DAFTAR GAMBAR
Gambar 2.1 Bagan Sistem Analisis Case Based Reasoning (CBR) ... 7 Gambar 2.2 Sketsa tipe- tipe longsoran material batuan (USGS (2008) dalam
Wacano (2010)) ... 12 Gambar 2.3 Sketsa tipe- tipe longsoran material tanah (USGS (2008) dalam
Wacano (2010)) ... 12 Gambar 2.4. Pengaruh hidromekanik vegetasi terhadap stabilitas lereng 14 Gambar 3.1 Gambar parameter pengukuran pohon di lapangan ... 34 Gambar 3.2 Transformasi ukuran pixel ke dalam plot ukur lapangan
sebagai sarana estimasi nilai variabel terikat(y) (y=f(x))... 35 Gambar 3.3 Sketsa pengukuran lapangan selidik kasus longsor ... 35 Gambar 3.4 Bagan alur sistem CBR (mengikuti prinsip CBR pada gambar
2.1) ... 36 Gambar 4.1 Peta lokasi Sub DAS Tinalah ...` 45 Gambar 4.2 Curah hujan Sub DAS Tinalah (stasiun hujan Samigaluh) dari tahun
2004-2014 ... 46 Gambar 4.3 Peta Famili Tanah di Sub DAS Tinalah (keterangan mengikuti
Tabel 4.6.)... 49 Gambar 5.1 Sistem pengelolaan kawasan rawan longsor ... 56 Gambar 5.2 Grafik Diagram Pencar nilai MSAVI2 dan LBDS aktual ... 60 Gambar 5.3 Hubungan tipe longsor terhadap kasus aktual dari tahun
2014-2015... 63 Gambar 5.4 Halaman muka sistem CBR MaMoLandS sebagai aplikasi
penalaran berbasis kasus untuk prediksi potensi gerakan massa ... 64 Gambar 5.5 Grafik hasil prediksi tipe longsoran di Sub DAS Tinalah... 65 Gambar 5.6 Peta hasil estimasi tipe longsor kawasan Sub DAS Tinalah.. 66 Gambar 5.7 Hubungan rata-rata estimasi panjang dan lebar longsoran
terhadap nilai aktual termiripnya... 69 Gambar 5.9 Grafik hubungan kelas lereng terhadap jumlah kasus referensi 71 Gambar 5.10 Grafik hubungan kelas lereng terhadap luasan estimasi
Wilayah longsor ... 71 Gambar 5.11 Grafik hubungan kelas LBDS terhadap jumlah kasus
referensi aktual ... 73 Gambar 5.12 Grafik hubungan kelas kerapatan LBDS terhadap luasan estimasi
wilayah longsor ... 73 Gambar 5.13 Hubungan buffer jalan terhadap jumlah kasus referensi
aktual ... 74 Gambar 5.14 Grafik hubungan buffer jalan terhadap luasan estimasi
wilayah longsor ... 74 Gambar 5.15 Hubungan buffer sungai terhadap jumlah kasus aktual ... 75 Gambar 5.16 Grafik hubungan buffer sungai terhadap luasan
estimasi wilayah longsor ... 75 Gambar 5.17 Hubungan kelas tinggi tempat terhadap jumlah kasus aktual 76
xi
Gambar 5.18 Grafik hubungan kelas tinggi tempat terhadap luasan estimasi
wilayah longsor... 77
Gambar 5.19 Grafik luas lereng setiap kelas ketinggian tempat ... 77
Gambar 5.20 Peta kelas lereng pada setiap kelas ketinggian tempat... 78
xii
DAFTAR LAMPIRAN
LAMPIRAN 1 Prinsip Case Based Reasoning untuk membangun AplikasI
MaMoLands 1.0... ... 92 LAMPIRAN 2 Transformasi LBDS dengan MSAVI2 ... 121 LAMPIRAN 3 Dokumentasi Penelitian ... 126
xiii
CASE BASED REASONING SEBAGAI PRINSIP DALAM APLIKASI REHABILITASI HUTAN DAN LAHAN UNTUK MENGURANGI RESIKO
BENCANA LONGSOR DI SUB DAS TINALAH, KULON PROGO, YOGYAKARTA
Oleh : Duwi Handoko1 Ir. Budi Murdawa, M.Sc.2 Dr. Ir. Ambar Kusumandari, M.ES3
INTISARI
Permasalahan bencana longsor belum terselesaikan dengan baik karena bersifat ketidakpastian. Case Based Reasoning (CBR) digunakan untuk menyelesaikan ketidakpastian tersebut melalui penalaran menggunakan pengetahuan masa lalu untuk menyelesaikan permasalahan baru. Hal ini bermanfaat dalam mengolah permasalahan kasus-kasus longsor lama untuk memprediksi kasus baru. Adapun tujuan penelitian ini adalah menerapkan prinsip CBR, menduga tipe dan ukuran longsor, dan strategi implementasinya dalam upaya mitigasi pra-bencana longsor.
Metode yang digunakan dalam penelitian ini adalah prinsip CBR yang digunakan dalam perancangan model penduga longsor bernama MaMoLands 1.0. Metode Analytical Hierarchy Process (AHP) juga digunakan untuk pembobotan atribut. Validasi hasil pendugaan longsor dikaji dengan menghitung Root Mean
Square Error (RMSE), Simpangan Agregatif (SA), Simpangan Rata-rata (SR).
Aplikasi MaMoLands 1.0 mampu menduga longsor dengan baik. Hal ini ditunjukkan oleh hasil validasi pendugaan longsor dengan eror kecil (uji panjang : RMSE 1,1818 %, SA 5,9875 %, SR 56,3787% ; uji lebar : RMSE 0,5909%, SA 2,9067%, SR 25,1969%). Hasil dugaan tipe longsor Sub DAS Tinalah adalah aliran tanah, jatuhan batu, longsoran, longsoran batau dan tanah, rayapan, longsor berputar dan longsor bergeser. Implementasi sistem melibatkan 5 elemen sistem sebagai aktor berkepentingan dalam pengelolaan DAS rawan longsor yaitu BPBD, TAGANA, BPDAS, LITBANGHUT dan BAPPEDA. Hasil pendugaan longsor dapat dimanfaatkan oleh setiap aktor tersebut sebagai sistem pendukung keputusan dalam upaya mitigasi pra-bencana longsor melalui pendekatan rehabilitasi hutan dan lahan.
Kata kunci : Case Based Reasoning, aplikasi, pendugaan, longsor, mitigasi
1
Mahasiswa Fakultas Kehutanan Universitas Gadjah Mada 2
Dosen Bagian Manajemen Hutan, Fakultas Kehutanan Universitas Gadjah Mada 3
xiv
APLICATION OF CASE BASED REASONING AS A PRINCIPLE ON FOREST AND LAND REHABILITATION TO REDUCE LANDSLIDE DISASTER RISK IN TINALAH SUB-WATERSHED, KULON PROGO,
YOGYAKARTA By : Duwi Handoko1 Ir. Budi Murdawa, M. Sc2 Dr. Ir. Ambar Kusumandari, M.E.S.3
ABSTRACT
Landslide disaster problem doesn’t have a good solution, because it has uncertainty condition. Case Based Reasoning (CBR) is used for finishing this uncertainty by reasoning the past knowledge for finishing the new case. It can be benefit to processes past landslide cases for prediction a new cases. The study is aimed to apply CBR principle, predict the landslide type and size, and implementation strategy arrangements for landslide pre-disasters mitigation.
The study use CBR principle as method to design the landslide prediction model that called MaMoLands 1.0. Analytical Hierarchy Process (AHP) method as also used on weighting atttribute. The validation of result is measured by Root Mean Square Error (RMSE), Aggregative Deviation (AD), and Mean Deviation (MD).
The result shows that MaMolands 1.0 application can be predict the landslide disaster with good acurate. It is indicated by landslide predict validation is smalls error (length validation value is RMSE : 1,1818 %, AD : 5,9875 %, MD : 56,3787%; width validation value is RMSE : 0,5909%, AD : 2,9067%, MD : 25,1969%). Output landslide type’s prediction in Tinalah Sub-Watershed is earth flow, rock falls, slide, avalanche, creep, rotational slide and translational slide. The system implementation has involve five element system as the interested stakeholders in the landslide susceptible watershed management of Disasters Reducing Region Office (BPBD), Disasters Alert Youth (TAGANA), Watershed Management Office (BPDAS), Forest Research and Development (LITBANGHUT), Planning and Building Region Office (BAPPEDA). The landslide predict result can be using by this stakeholders for decision making system to do the pre-disasters mitigation with forest and land rehabilitation approach.
Keywords: Case Based Reasoning, application, prediction, landslide, mitigation.
1
Student in Forest Faculty, Gadjah Mada University
2
Lecture in Forest Management, Forest Faculty, Gadjah Mada University
3