1 1. Latar Belakang Masalah
Indonesia yang terletak diantara pertemuan tiga lempeng dunia, yaitu
Indo-Australia, Eurasia, dan lempeng pasifik [1]. Sehingga dapat dikatakan
Indonesia akan sering mengalami bencana alam akibat dari pergerakan ketiga
lempeng tersebut. Bencana alam merupakan sebuah kejadian fenomena alam
yang tidak bisa kita hindarkan, walaupun tidak semua bencana alam yang
terjadi tidak dapat kita hindarkan maupun kita mencegahnya. Namun bukan
berarti bencana yang terjadi serta merta membuat kita diam dan pasrah
dengan adanya suatu bencana. Dengan adanya suatu bencana yang terjadi,
maka kita harus dapat memikirkan bagaimana cara untuk dapat mencegah
maupun menanggulanginya. Untuk membantu mengurangi bencana alam dan
dampaknya, diperlukan sebuah system yang mampu menentukan daerah yang
termasuk daerah sering bencana alam [3].
Dalam seiring adanya bencana alam yang terjadi di Negara kita ini
masih belum bisa menanggulanginya secara maksimal bagaimana cara untuk
bisa mengurangi atau menekan banyaknya korban yang jatuh akibat bencana
yang melanda. Sehingga korban yang terkena bencana jauh lebih banyak
walaupun bencana tersebut tidaklah terlalu besar. Berdasarkan data dari
Kementrian Koordinasi Bidang Kesejahteraan Masyarakat
(menkokesra.go.id), jumlah korban akibat banjir dan tanah longsor pada tahun
2006 sebesar 215 jiwa [1]. Berdasarkan data dari BNPB pada tahun 2017
hingga bulan juni, dari seluruh bencana alam yang sudah terjadi sebanyak
1.368 kejadian, dan menelan korban sebanyak 227 jiwa.
Dengan adanya persoalan tersebut, peneliti ingin membuat sebuah
sistem informasi geografis yang nantinya akan menampilkan sebuah peta
persebaran daerah yang merupakan daerah rawan terjadinya bencana tanah
longsor. Sehingga nantinya diharapkan tidak ada lagi korban yang jatuh akibat
2
2. Kajian Pustaka
Berdasarkan penelitian yang dilakukan oleh Muh Lukman Sutrisno
(2011) yang berjudul Aplikasi Sistem Informasi Geografi Untuk Penentuan
Tingkat Kerentanan Longsor Lahan Di Kecamatan Imogiri Kabupaten Bantul.
Membahas tentang penentuan tingkat kerentanan longsor lahan dengan
menggunakan pengolahan dengan teknik tumpang susun (overlay) [1].
Penelitian kedua dilakukan oleh Jefri Ardian Nugroho dkk (2008) yang
berjudul Pemetaan Daerah Rawan Longsor Dengan Penginderaan Jauh Dan
Sistem Informasi Geografis. Membahas tentang menampilkan daerah rawan
terjadi longsor dengan cara membagikan data berdasarkan skor
masing-masing, baik itu dari kelerengan, ketinggian, curah hujan, lapisan tanah,
penggunaan lahan. Kemudian untuk menampilkan peta daerah rawan bencana
peneliti melakukan overlay pada peta tersebut sehingga menghasilkan data
spasial baru, sehingga skor terbaru yang telah didapatkan digunakan sebagai
menampilkan daerah rawan bencana longsor [2].
Penelitian ketiga dilakukan oleh Nur Azizah Latifah (2015) yang
berjudul Sistem Informasi Geografis Pemetaan Daerah Rawan Bencana Alam
di Kabupaten Kebumen Berbasis Web, membahas tentang pemetaan daerah
rawan bencana alam menggunakan google MapAPI yang disajikan dalam
sebuah peta pada web [3].
Penelitian keempat dilakukan oleh Cees J. van Westen (2010) yang
berjudul Remote Sensing and GIS for Natural Hazards Assessment and
Disaster Risk Management, membahas tentang penilaian bahaya bencana
alam dengan menggunakan data spasial dengan penekanan pada data
penginderaan jauh dan penggunaan data yang dipakai untuk menentukan
3
Penelitian kelima dilakukan oleh Himan Shahabi dan Mazlan Hashim
(2015) yang berjudul Landslide susceptibility mapping using GIS-based
statistical models and Remote sensing data in tropical environment,
membahas tentang pemetaan kerentanan tanah longsor menggunakan
penginderaan jauh di daerah tropis dan penelitian dilakukan di daerah dataran
tinggi Cameroon, sebab jika penelitian dilakukan di daerah tropis akan sulit
dilakukan karena terkendala oleh cuaca, dan untuk menentukan daerah yang
rawan peneliti menggunakan sepuluh faktor sebagai acuannya [5].
Penelitian keenam dilakukan oleh Sari Mulyaningsih dan Tedy Setiadi
(2014) yang berjudul Sistem Informasi Geografis Pemetaan Daerah Rawan
Tanah Longsor di Kabupaten Gunung Kidul Berbasis Web, membahas tentang
pemetaan daerah rawan bencana di gunung kidul dengan melakukan proses
digitasi peta dan overlay menggunakan arcview kemudian ditampilkan ke
dalam web [6].
Penelitian ketujuh dilakukan oleh Arief Yusuf Effendi dan Teguh
Haryanto (2016) yang berjudul Pembuatan Peta Daerah Rawan Bencana
Tanah Longsor Menggunakan Metode Fuzzy Logic, membahas tentang
pembuatan peta tingkat kerawanan daerah tanah longsor dengan
menggunakan proses overlay fuzzy yang terdapat pada ArcGIS [7].
Penelitian yang dilakukan oleh Fheny Fuzi Lestari (2008) yang
berjudul Penerapan Sistem Informasi Geografis Dalam Pemetaan Daerah
Rawan Longsor di Kabupaten Bogor membahas tentang pembuatan peta
rawan longsor menggunakan cara tumpang tindih (map overlay) dengan
softwareArc View [8].
Penelitian yang dilakukan oleh Novia Destriani dan Adjie Pamungkas
(2013) dengan judul Identifikasi Daerah Kawasan Rentan Tanah Longsor
dalam KSN Gunung Merapi di Kabupaten Sleman membahas tentang analisis
4
untuk menentukan penilaian kerentanan, dengan menggunakan alat bantu Arc
GIS [9].
Penelitian yang dilakukan oleh Nuri Iswoyo Ramadhani dan Hertiari
Idjati (2017) dengan judul Identifikasi Tingkat Bahaya Bencana Longsor,
Studi kasus : Kawasan Lereng Gunung Lawu, Kabupaten Karanganyar, Jawa
Tengah yaitu membahas tentang analisa bahaya di kawasan lereng gunung
lawu dengan menggunakan analisi AHP dan weighted overlay sum. Sehingga
didapatkan pembobotan untuk menentukan kawasan bahaya. Dan analisis ini
dibantu menggunakan alat Geographic Information System (GIS) [10].
Penelitian yang dilakukan oleh Praveen Kumar Rai dkk (2014) dengan
judul Landslide Hazard And Its Mapping Using Remote Sensing And GIS,
membahas tentang identifikasi daerah rawan tanah longsor menggunakan
penginderaan jarak jauh yang digambarkan dalam GIS dengan menggunakan
pengolahan data spasial untuk mendapatkan data sebagai pengidentifikasian
daerah rawan bencana tanah longsor [11].
Penelitian yang dilakukan oleh Rakesh L. Metha dkk (2015) dengan
judul Landslide Hazard Zonation Using Remote Sensing and GIS Technology:
A Case Study of Landslide Prone Area near Mahabaleshwar, Maharashtra,
India, membahas tentang identifikasi daerah rawan longsor menggunakan
Penginderaan data dan GIS sebagai alat terpadu perangkat lunak terhadap
zonasi bahaya longsor dan analisis spasial untuk mendapatkan kerentanan
lansekap dan zonasi Bahaya [12].
Berdasarkan penelitian sebelumnya, peneliti berpendapat bahwa dari
beberapa penelitian yang sudah dilakukan sebelumnya sebagian besar dalam
pembuatan pemetaan daerah rawan bencana masih menggunakan alat bantu
yaitu ArcGIS dan juga penginderaan jauh. Peneliti ingin membuat sebuah
aplikasi dengan menggunakan java desktop untuk menentukan hasil peta
5
menggunakan java desktop ini karena pada saat kita ingin melihat daerah
rawan bencana, tinggal kita mengganti datanya langsung, tidak perlu untuk
menggantinya dengan menggunakan peta yang baru. Karena pada penelitian
sebelumnya, jika menggunakan ArcGIS jika ingin melihat peta yang lebih
terbaru maka kita harus melakukan pembuatan peta lagi dari awal, sebab
datanya tidak dapat dibuah secara dinamis. Beberapa penelitian sebelumnya
untuk menentukan daerah rawan terjadi bencana longsor, para peneliti
menggunakan metode data analisis. Pada data analisis, para peneliti
melakukan penilaian skor dari setiap area yang digunakan, kemudian
dijumlahkan keseluruhan data area yang ada dan membaginya dengan selisih
nilainya dari beberapa tingkatan kerentanan derah rawan bencana tanah
longsor. Penentuan daerah rawan bencana peneliti ingin menggunakan metode
k-means, yaitu dengan mencari data terbesar, dan terkecil dari tiap data,
kemudian menghitungnya menggunakan rumus matematik untuk
mendapatkan nilai yang paling minimal. Peneliti menggunakan metode ini
karena pada penelitian sebelumnya belum digunakan. Kemudian aplikasi ini
ditujukan untuk masyarakat, agar lebih tahu daerah mana saja yang aman
untuk ditinggali dan juga tahu daerah yang memiliki potensi besar terjadinya
bencana rawan longsor.
3. Metode dan Perancangan
Penelitian ini merupakan implementasi sistem informasi geografis
daerah rawan tanah longsor pada sebuah aplikasi desktop. Sebelum
melakukan implementasi pada aplikasi, maka dibuatlah sebuah rancangan
6
Gambar 1 Tahapan Penelitian
Gambar 1 merupakan tahapan penelitian untuk mendapatkan informasi
yang sebenar - benarnya. Tahapan – tahapannya adalah sebagai berikut: 1)
Identifikasi Masalah, pada tahap ini dilakukan identifikasi pada setiap
permasalahan yang berkaitan tentang bencana tanah longsor di Kabupaten
Boyolali. 2) Mengumpulkan Teori tentang masalah yang ada, pada tahap ini
dilkaukan pencarian beberapa teori untuk dapat mengetahui apa yang
menjadikan permasalahan dan juga solusi untuk menyelesaikan masalah. 3).
Pengumpulan data dan pengolahan data, pada tahap ini dilakukan untuk
mendapatkan sebuah data yang pasti tanpa dibuat – buat, kemudian
mengolahnya untuk kita gunakan dalam peneitian kita. 4) Pembuatan
rancangan aplikasi dengan data sebelumnya, dalam tahap ini kita membuat
sebuah rancangan desain aplikasi untuk mengimplementasikan pada sebuah
aplikasi yang ingin kita buat. 5) Pengujian Hasil, dalam tahap ini kita uji
apakah aplikasi itu berjalan dengan sempurna apa tidak. 6) Pembuatan
laporan, dalam tahap ini kita menuliskan keseluruhan dalam penelitian yang
telah kita lakukan dalam bentuk laporan.
Metode untuk menentukan daerah rawan bencana tanah longsor maka
7
prosesnya yaitu berusaha untuk mengelompokkan beberapa data kedalam satu
kelompok, dimana dalam satu kelompok harus memiliki sebuah karakteristik
yang sama satu sama lainnya dan juga mempunyai sebuah karakteristik yang
berbeda dengan data yang ada pada kelompok yang lain. Dengan kata lain,
metode k-means ini berusaha untuk dapat meminimalkan antara data pada
suatu cluster dan juga memaksimalkan variasi dengan data yang ada pada
cluster yang lainnya.
√ (1)
Keterangan :
C1 : nilai cluster pertama
a : data pertama
b : data kedua
nmax1 : nilai maksimum dari semua data pertama
nmax2 : nilai maksimum dari semua data kedua
Rumus 1 merupakan rumus perhitungan untuk mencari nilai dari c1,
yaitu menghitung nilai maksimum dari ketinggian dan curah hujan.
√ (2)
Keterangan :
C2 : nilai cluster kedua
a : data pertama
b : data kedua
nmin1 : nilai minimum dari semua data pertama
8
Rumus 2 merupakan rumus perhitungan untuk mencari nilai dari c2,
yaitu menghitung nilai minimum dari ketinggian dan curah hujan. Kemudian
dibandingkan antara cluster pertama dan cluster kedua, sehingga didapatkan
nilai minimum.
Pemodelan pada sistem yang akan dibuat. Sistem ini menggunakan
pemodelan Unified Modeling Language (UML). Terdapat 5 tahapan pada
pemodelan UML yaitu Use case Diagram, Class Diagram, dan Activity
Diagram, deployment Diagram, dan Component Diagram.
Gambar 2 Use Case Diagram
Gambar 2 merupakan use case diagram yang terdiri dari dua aktor,
yaitu admin dan user. Kemudian di situ admin dapat melakukan pengolahan
data, area, dan tahun, serta menampilkan peta. Sedangkan user hanya dapat
9
Gambar 3 Class diagram
Gambar 3 merupakan gambar class diagram terdiri dari 3 tabel, pada
tabel Mengolah Data menjadi tampungan keseluruhan tabel – tabel yang
lainnya.
Gambar 4 Activity Diagram
Gambar 4 merupakan activity diagram admin yang seperti terlihat
digambar admin masuk ke tampilan utama, dan untuk dapat melakukan
pengolahan data, maka admin harus login terlebih dahulu untuk masuk ke
Tampilan Utama
Mengolah Area
Mengolah Tahun
Mengolah Data
Lihat Peta
Login
Menu Utama
10
menu utama dan di situ admin dapat melakukan pengolahan data, area, dan
tahun.
Gambar 5 Deployment diagram
Gambar 5 merupakan deployment diagram di situ user dan admin
menggunakan java desktop untuk melihat data dan peta, serta data disimpan di
database MySQL.
Gambar 6 component diagram
Gambar 6 merupakan component diagram, yaitu terdiri dari tiga
komponen dan pada komponen data membutuhkan komponen tahun untuk
membedakan daerah yang rawan. Kemudian untuk komponen area agar
mengetahui data daerah yang ada.
4. Hasil dan Pembahasan
Hasil dari sistem yang dibangun adalah sistem informasi geografis
untuk mengetahui daerah rawan bencana tanah longsor di Kabupaten Boyolali
user
database MySQL java
dekstop admin
Tahun
Area
11
menggunakan aplikasi desktop dengan bahasa pemrograman java. Sistem
informasi geografis dari data spasial dapat dihubungkan dengan shape file.
Sehingga pengguna dapat melihat tampilan berupa peta yang merupakan
daerah rawan bencana.
Sistem Informasi Geografis ini untuk menampilkan daerah rawan
bencana tanah longsor dengan menggunakan metode K-means, dengan begitu
akan didapatkan nilai minimum sebagai acuan dalam pewarnaan peta.
Gambar 7 Hasil Pemetaan
Gambar 7 merupakan hasil tampilan dari pemetaan daerah rawan
bencana tanah longsor di Kabupaten Boyolali. Pewarnaan daerah rawan
bencana dibagi menjadi tiga, yaitu ringan, sedang, parah. Untuk warna hijau
menunjukkan tingkat ringan dengan skala kurang dari 1474, warna kuning
menunjukkan tingkat sedang dengan skala antara 1474 sampai dengan 1668,
dan warna merah menunjukkan tingkat yang parah dengan skala lebih dari
1668. Pemetaan daerah rawan tanah longsor ini hanya dengan menggubah
data saja untuk merubah pewarnaan daerah rawan bencana tanah longsor,
sehingga tidak perlu lagi membuat peta baru untuk dapat memberikan
12
Kode Program 1 Fungsi Pewarnaan pada Peta
1.
private Fill getGreenFill() {
return styleFactory.createFill(
SimpleFeatureSource ss = DataUtilities.source(arl); Stroke stroke =
1-16 merupakan beberapa contoh script untuk pewarnaan peta, pada baris
ke-24 merupakan script untuk mengambil seluruh list bencana berdasarkan id
bencana, pada baris 30-38 merupakan aturan dari pewarnaan dimana nilai
untuk pembandingnya diambil dari nilai minimum perhitungan sebelumnya
telah dilakukan.
13
ketinggian dan curah hujan yang ditampung dalam sebuah array.
14 j=Float.valueOf(kolom4) - max; k=Float.valueOf(kolom6) - max2; m = Math.pow(j, 2);
n = Math.pow(k, 2); c1 = Math.sqrt(m + n);
Kode program 3 merupakan script untuk mencari nilai c1, yaitu
dengan cara menghitung data dengan nilai maksimum yang sebelumnya sudah
dicari dan kemudian memasukkannya kedalam rumus matematik pada baris 7.
Kode Program 4 Fungsi untuk mencari nilai c2.
1. o=Float.valueOf(kolom4) - min1; p=Float.valueOf(kolom6) - min2; q = Math.pow(o, 2);
r = Math.pow(p, 2); c2 = Math.sqrt(q + r);
Kode program 4 merupakan script untuk mencari nilai c2, yaitu
dengan cara menghitung data dengan nilai minimum yang sebelumnya sudah
dicari dan kemudian memasukkannya kedalam rumus matematik pada baris 7.
Kode Program 5 Fungsi untuk mencari nilai minimum diantara nilai c1 dan c2.
1.
Kode program 5 merupakan script untuk mencari nilai minimum yang
digunakan sebagai pewarnaan pada peta rawan bencana, apabila nilai c1 lebih
besar dari nilai c2 maka didapatkan nilai minimum yaitu c1, dan apabila c1
lebih kecil maka didapatkan nilai minimum yaitu c2.
15
perhitungan di atas mendapatkan nilai c1 yaitu 7.
√ (2)
perhitungan di atas mendapatkan nilai c2 yaitu 1732.64.
Kode Program 6 Fungsi Import Data dari Excel
1.
private void go1() throws Exception {
Workbook w = Workbook.getWorkbook(f);
k.setId_Area(Long.parseLong(s.getCell(0, i).getContents())); k.setKetinggian(Float.parseFloat(s.getCell(2, i).getContents())); k.setCurahHujan(Float.parseFloat(s.getCell(3, i).getContents())); k.setId_Tahun(dh);
fileexcel. Pada baris ke 4 berfungsi untuk mencari data yang memiliki nama
16
setiap baris pada fileexcel. Data setiap baris disimpan pada list di model data
bencana kemudian dimasukkan ke database.
Tabel 1 Hasil Pengujian Fungsionalitas Program Menggunakan Black Box
No Deskripsi Validasi Input Data Input Hasil Uji Status
Uji
1. Fungsi login admin Username dan password
Username dan password
Sistem akan meampilakn halaman login untuk admin
Valid data dan disimpan di database
Valid
3 Update data tahun, data area, data bencana
update data tahun, data area, data
Delete data tahun, data area, data proses delete data
Valid proses menampilkandata dari database
Valid
6 Lihat hasil pemetaan dari data bencana bentuk peta yang nantinya menampilkan hasil info peta dan memperbesar dan memperkecil peta
Sistem ini akan menginputkan data dari excel ke dalam database
9 Fungsi alert Alert Alert Sistem akan memunculkan alert jika pada setiap proses terjadi kesalahan
Valid
Setelah penelitian sistem dibuat, selanjutnya dilakukan pengujian
sistem dengan menggunakan black box yang dapat dilihat pada tabel 1.
Fungsinya adalah menguji sistem yang telah dibuat dan diimplementasikan
17
Aplikasi sistem informasi geografis ini menunjukkan daerah rawan
bencana dengan menunjukkan tingkatan yang berbeda dengan warna.
Sehingga nantinya masyarakat lebih waspada apabila mereka tinggal di
tempat yang paling parah. Dan tidak terjadi korban yang banyak pada saat
terjadi bencana tanah longsor.
5. Kesimpulan
Berdasarkan penelitian yang telah dilakukan, maka dapat disimpulkan
bahwa penerapan dari sistem informasi dapat digunakan untuk mengetahui
daerah mana saja yang rawan bencana tanah longsor dan yang aman dari
bencana. Hasil dari perhitungan sebagai penentuan daerah rawan bencana
merupakan nilai minimum yang didapatkan dari perhitungan ketinggian dan
curah hujan. Dengan menggunakan hasil perhitungan digunakan sebagai
pewarnaan daerah rawan bencana tanah longsor, pewarnaan daerah rawan
bencana tanah longsor dibagi menjadi tiga bagian yaitu merah untuk
menunjukkan daerah yang parah atau sangat rawan, kuning untuk
menunjukkan daerah yang sedang, dan hijau untuk menunujukkan daerah
yang aman. Pemetaan daerah rawan bencana tanah longsor ini tidak perlu
mengubah dengan peta baru untuk dapat mengubah pewarnaan daerah rawan
tanah longsor, hanya dengan mengubah data saja sudah bisa mendapatkan
pewarnaan baru daerah rawan bencana tanah longsor. Dalam penentuan
daerah rawan ini masih sangat sederhana sekali, karena hanya menggunakan
dua indikator saja. Dengan begitu masih dapat dilakukan penambahan
beberapa indikator untuk menentukan daerah rawan tanah longsor, sehingga
18
6. Daftar Pustaka
[1] Sutrisno, M. L. 2011. Aplikasi Sistem Informasi Geografi Untuk
Penentuan Tingkat Kerentanan Longsor Lahan Di Kecamatan Imogiri
Kabupaten Bantul. Yogyakarta : Universitan Negeri Yogyakarta.
[2] Jefri Ardian Nugroho, Prof. Dr. Ir. Bangun Muljo Sukojo, DEA, DESS,
Inggit Lolita Sari, ST. 2008. Pemetaan Daerah Rawan Longsor Dengan
Penginderaan Jauh Dan Sistem Inforrmasi Geografis. Surabaya.
[3] Latifah, N.A. 2015. Sistem Informasi Geografis Pemetaan Daerah Rawan
Bencana Alam di Kabupaten Kebumen Berbasis Web. Yogyakarta :
Universitas Islam Negeri Sunan Kalijaga.
[4] Westen, Cess J. van. 2010. Remote Sensing and GIS for Natural Hazards
Assessment and Disaster Risk Management. Netherlands : University of
Twente Hengelosestraat 90.
[5] Shahabi. H dan Hasim. M. 2015. Landslide susceptibility mapping using
GIS-based statistical models and Remote sensing data in tropical
environment. Malaysia : Universiti Teknologi Malaysia.
[6] Mulyaningsih. S dan Setiadi. T. 2014. Sistem Informasi Geografis
Pemetaan Daerah Rawan Tanah Longsor di Kabupaten Gunung Kidul
Berbasis Web. Yogyakarta : Universitas Ahmad Dahlan.
[7] Effendi. A. Y dan Hariyanto. T. 2016. Pembuatan Peta Daerah Rawan
Bencana Tanah Longsor Menggunakan Metode Fuzzy Logic. Surabaya :
Institut Teknologi Sepuluh Nopember.
[8] Lestari. F. F. 2008. Penerapan Sistem Informasi Geografis Dalam
Pemetaan Daerah Rawan Longsor di Kabupaten Bogor. Bogor : Institut
Pertanian Bogor.
[9] Destriani. N dan Pamungkas. A. 2013. Identifikasi Daerah Kawasan
Rentan Tanah Longsor dalam KSN Gunung Merapi di Kabupaten
19
[10] Ramadhani. N. I dan Idjati. H. 2017. Identifikasi Tingkat Bahaya
Bencana Longsor, Studi kasus : Kawasan Lereng Gunung Lawu,
Kabupaten Karanganyar, Jawa Tengah. Surabaya : Institut Teknologi
Sepuluh Nopember.
[11] Rai. Praveen Kumar, Kshitij Mohan, dan V.K.Kumra. 2014. Landslide
Hazard And Its Mapping Using Remote Sensing And GIS. Varanasi :
Banaras Hindu University.
[12] Metha.Rakesh L, Supriya R. Koli, dan Vivek R. Koli. 2015. Landslide
Hazard Zonation Using Remote Sensing and GIS Technology: A Case
Study of Landslide Prone Area near Mahabaleshwar, Maharashtra,
India. International Journal of Engineering Research and General
Science Volume 3, Issue 4, Part-2.
