BAB I PENDAHULUAN 1.1. Latar Belakang Longsorlahan merupakan salah satu bencana alam yang sering terjadi di Indonesia. Kejadian bencana alam ini kerap kali terjadi di saat musim penghujan. Intensitas curah hujan yang tinggi menjadi salah satu penyebab terganggunya kestabilan lereng yang kemudian memicu terjadinya longsor. Longsorlahan didefinisikan sebagai gerakan massa tanah, runtuhan, batuan, dan atau material organik menuruni lereng baik karena faktor utama berupa gaya gravitasi bumi dan faktor pemicu lainnya berupa faktor fisik dan manusia (Van Westen, 2003). Selama periode tahun 1815 hingga 2012, di Indonesia telah terjadi bencana longsorlahan sebesar 1.815 kejadian dan memakan korban meninggal sebanyak 1.762 jiwa (BNPB, 2012). Catatan tersebut membuktikan bahwa longsorlahan termasuk dalam kategori bencana besar yang harus diwaspadai oleh pemerintah dan juga seluruh masyarakat.
a
b
Gambar 1.1. (a) Longsorlahan merusak rumah seorang warga di Kecamatan Bener (Foto oleh Daryono, 2012). (b) Longsorlahan juga dipicu oleh adanya aktivitas pemotongan lereng untuk jalan raya (foto oleh Garry, 2012)
DAS Kodil yang sebagian besar areanya terletak di Kecamatan Bener Kabupaten Purworejo Provinsi Jawa Tengah adalah salah satu kawasan yang patut untuk diwaspadai dari bahaya longsorlahan. Mayoritas topografi yang berupa perbukitan dan pegunungan dengan lereng miring hingga curam membuat longsorlahan sering terjadi di daerah tersebut. Terbukti pada Bulan 1
Januari tahun 2012 yang lalu telah terjadi longsorlahan dari tebing setinggi 20 meter dan menimbun 6 rumah warga di Desa Kalijambe Kecamatan Bener (gambar 1.1a), namun tidak ada korban jiwa dalam kejadia tersebut (Daryono, 2012). Longsorlahan dapat dipicu pula oleh adanya aktivitas pemotongan lereng untuk jalan raya. Akibatnya, longsorlahan kerap kali mengganggu akses jalan raya seperti yang terjadi pada Bulan Desember tahun 2011 lalu dimana terdapat 9 titik longsor yang menutup akses jalan antar desa di Kecamatan Bener (Koliq, 2011). Jumlah dampak dan kerugian yang masih tergolong tinggi di sejumlah daerah yang termasuk dalam kawasan DAS Kodil membuktikan bahwa upaya mitigasi dan manajemen bencana di daerah tersebut masih belum optimal. Salah satu upaya mitigasi dan manajemen bencana yang sangat penting dilakukan adalah mengkaji secara mendalam tentang kerawanan longsorlahan di kawasan tersebut. Kajian kerawanan longsorlahan dapat dilakukan dengan cara menganalisis kapan saat–saat terjadi longsorlahan dan membuat peta kerawanan longsorlahan untuk menentukan prioritas lokasi mitigasi dan penenganan bencana. Permasalahan yang kerap kali muncul dalam pembuatan peta kerawanan longsorlahan adalah bagaimana caranya supaya peta yang dihasilkan memiliki derajat kepastian tinggi. Sejauh ini, zonasi kerawanan longsor yang dilakukan oleh institusi pemerintah di Indonesia seringkali menggunakan metode anaisis heuristik. Salah satu kelemahan metode heuristik adalah adanya unsur subjektivitas yang tinggi dalam penentuan bobot dan skor parameter longsorlahan yang digunakan (Wahono, 2010). Hal tersebut membuat peta yang dihasilkan antara peneliti satu dengan peneliti lainnya dapat berbeda beda, sehingga muncul keraguan dan ketidakpastian yang besar bagi pengguna peta. Salah satu cara untuk menghasilkan zonasi kerawanan longsorlahan dengan tingkat objektivitas yang tinggi adalah dengan menggunakan metode analisis statistik (Van Westen, 1993). Metode statistik yang digunakan dalam studi kerawanan longsorlahan kali ini adalah metode analisis statistik multivariat dalam bentuk Logistic Regression Model (LRM). Konsep metode
2
analisis LRM adalah memprediksi lokasi terjadinya longsorlahan di masa yang akan datang berdasarkan karakeristik unit lahan pada lokasi terjadinya longsorlahan terdahulu. Zonasi daerah rawan longsor yang didasarkan pada kondisi aktual di lapangan membuat hasil dari metode analisis LRM lebih memungkinkan untuk diterima di semua kalangan. Berbagai permasalahan yang dijelaskan di atas, kemudian melatarbelakangi penulis untuk melakukan penelitian yang berjudul "Kajian Kerawanan Longsorlahan Menggunakan Logistic Regression Model di DAS Kodil Provinsi Jawa Tengah”
1.2. Rumusan Masalah DAS Kodil yang sebagian besar topografinya berupa perbukitan dan pegunungan, membuat kondisi lereng di daerah tersebut kurang stabil. Tanahnya yang mayoritas memiliki kontak langsung dengan batuan induk berpotensi besar membentuk bidang gelincir yang dapat menciptakan longsorlahan. Dampak dan kerugian yang disebabkan oleh longsorlahan menjadi semakin besar seiring dengan pertumbuhan penduduk di daerah perbukitan dan pegunungan. Aktivitas manusia seperti pemotongan lereng untuk jalan, pembangunan area tempat tinggal dan pemanfaatan lahan pertanian pada lereng yang tidak sesuai dapat mengganggu kestabilitasan lereng yang akhirnya berdampak pada terjadinya longsorlahan. Kondisi tersebut yang mendorong perlunya kajian mendalam tentang dinamika kejadian longsorlahan secara temporal dan pembuatan peta kerawanan di DAS Kodil menggunakan metode Logistic Regrresion Model sebagai upaya mengurangi dampak dan kerugian yang diakibatkan dari bencana alam tersebut. Permasalahan yang diangkat pada penelitian kali ini akan dijelaskan secara rinci sebagai berikut: 1. Bagaimana dinamika persebaran kejadian longsorlahan secara temporal di DAS Kodil? 2. Bagaimana
distribusi
spasial
tingkat
kerawanan
longsorlahan
menggunakan metode analisis Logistic Regression Model di DAS Kodil?
3
1.3. Tujuan Penelitian ini bertujuan untuk mengkaji secara mendalam mengenai karakteristik daerah rawan longsorlahan di DAS Kodil sebagai upaya mengurangi dampak dan kerugian yang diakibatkan dari bencana alam tersebut. Secara spesifik penelitian ini juga bertujuan sebagai berikut: 1. Menganalisis dinamika persebaran kejadian longsorlahan secara temporal di DAS Kodil. 2. Merekonstruksi peta kerawanan longsorlahan menggunakan metode analisis Logistic Regression Model di DAS Kodil.
1.4. Manfaat Penelitian Penelitian
ini
diharapkan
mampu
memberikan
informasi
dan
pengetahuan baru bagi para akademisi terutama yang berkecimpung dan mendalami longsorlahan di wilayah Gunung Api SUmbing dan Perbukitan Menoreh. Analisis kerawanan longsorlahan menggunakan metode statistik diharapkan mampu melengkapi dan menginventarisasi data kajian longsorlahan maupun data–datayang terkait dengan variabel penentu longsorlahan. Kajian secara mendalam mengenai dianamika dan distribusi longsorlahan dapat dijadikan sebagai dasar perencanaan tata ruang dan arahan mitigasi yang sesuai untuk mengurangi resiko dan dampak kehilangan yang ditimbulkan. Hasil dari penelitian ini juga mampu menambah wawasan dan pengetahuan masyarakat khususnya yang bermukim di DAS Kodil mengenai karakteristik longsorlahan yang kerap terjadi di daerahnya, sehingga masyarakat lebih mengetahui bagaimana cara mengelola dan beradaptasi dengan daerah tempat tinggalnya yang memiliki kerawanan tinggi terhadap bencana longsorlahan.
1.5. Tinjauan Pustaka 1.5.1.
Landasan Teori
1.5.1.1.
Longsorlahan
Longsorlahan merupakan proses pergerakan massa tanah (mass movement) yang pada dasarnya merupakan proses degradasi alami
4
permukaan bumi dan juga merupakan salah satu faktor utama pembentuk bentang alam (Van Westen, 1993). Longsorlahan merupakan istilah yang dapat digunakan untuk mendiskripsikan pergerakan tanah, batuan, dan material organik menuruni lereng dibawah pengaruh gravitasi dan juga bentuklahan yang menentukan bagaimana bentuk dari gerakannya (Highland dan Bobrowsky, 2008). Tidak ada sistem klasifikasi yang sederhana dan ideal untuk menjelaskan longsorlahan karena sifatnya yang sangat kompleks (Hadmoko dan Mauro, 2012). Meskipun demikian longsorlahan dapat diklasifikasikan berdasarkan mekanisme, tipe material dan morfologi bidang gelincir dan kecepatan pergerakannya. Menurut Hadmoko dan Mauro (2012) longsorlahan dapat diklasifikasikan menjadi 5 tipe seperti di bawah ini: 1. Rockfall,
merupakan
gerakan
jatuh
material,
terpental
dan
menggelinding dari lereng curam atau bahkan hampir vertikal melalui sedikit atau tanpa bidang gelincir (gambar 1.2a) 2. Topples, merupakan pergerakan rotasi jatuh ke depan dan putus atau terpisah dengan lereng utama melalui bidang axis dibawah pusat gravitasi tanpa melalui bidang gelincir (gambar 1.2b). 3. Sliding, yakni gerakan luncuran material (batuan, tanah, debris atau percampuran dari ketiganya) menuruni lereng melalui permukaan bidang gelincir. Terdapat dua jenis sliding, disebut translational sliding bila memiliki bentuk permukaan bidang gelincir yang linear (gambar 1.2c) dan disebut rotational sliding bila bentuk permukaan bidang gelincirnya berbentuk seperti sendok (curve) (gambar 1.2d). 4. Lateral spreads, merupakan perambatan material tanah secara horizontal
yang
terjadi
pada
lereng
landai
dan
biasanya
dikombinasikan dengan gerakan penurunan (subsidence) pada material tanah atau batuan yang menyebabkan material tersebut bergerak (gambar 1.2e). 5. Debris Flow, merupakan gerakan mengalir dari material tanah yang telah jenuh air yang biasanya bergerak dengan kecepatan tinggi hingga sangat tingi pada periode waktu yang singkat (gambar 1.2f).
5
a
b
c
e
f
6.
d
Gambar 1.2 (a)Tipe rockfall. (b)Tipe topple. (c)Tipe translational sliding. (d)Tipe rotational sliding. (e)Tipe lateral spread. (f)Tipe debris flow. (Sumber: USGS,2008)
1.5.1.2.
Variabel yang Mempengaruhi Longsorlahan
Gravitasi merupakan faktor utama penyebab terjadinya proses gerakan massa tanah. Besarnya gravitasi yang bekerja pada material batuan dan tanah sangat dipengaruhi oleh besarnya sudut lereng (Sartohadi, 2005). Semakin besar sudut kemiringan lereng akan berpengaruh pada semakin besarnya gaya gravitasi yang bekerja (Kusky, 2008). Tekstur tanah menentukan gaya kohesi dan resistensi gesek tanah. Gaya kohesi dan resistensi gesek tanah tersebut berbanding lurus dengan kekuatan geser (shear strenght) lereng. Kekuatan geser yang bernilai lebih dari 1 maka lereng akan lebih stabil. Kondisi geologi, goemorfologi dan hidrologi di siatu wilayah dapat mempengaruhi kejadian longsorlahan. Konsep dasar geomorfologi yang digunakan untuk memprediksi kejadian longsorlahan adalah “the present is the key to the past” (Vernes, 1984 dalam Hadmoko, 2010). Konsep tersebut mengartikan bahwa longsorlahan pada masa yang akan datang dapat terjadi pada area yang memiliki kondsi geomorfologi yang sama dengan daerah sebelumnya dimana longsorlahan pernah terjadi. Batuan dan tanah berpengaruh pada proses gerakan massa. Batuan lepas - lepas dan tanah yang tebal akan mudah mengalami peningkatan berat massa karena pengaruh kandungan air yang tinggi pada musim hujan dan atau sebagai pengaruh pemberian air irigasi (Sartohadi, 2005). Permeabilitas
6
merupakan tingkat kemampuan tanah dalam meloloskan air. Semakin lambat sifat permeabilitas tanah maka air akan sulit bergerak dan terus tertampung di dalam tanah. Kondisi air yang tertahan di dalam tanah tersebut akan menambah beban massa dalam tanah. Aktivitas manusia juga dapat meningkatkan kemungkinan terjadinya longsorlahan (Hadmoko dan Mauro, 2012). Aktivitas manusia tersebut antara lain seperti tata ruang perkotaan dan pedesaan, pertambangan dan atau pola pertanian. Pemotongan dan penggalian lereng untuk pembangunan jalan dan permukiman, juga dapat mengurangi kestabilan dan kekuatan lereng, sehingga memicu terjadinya longsorlahan (Cornforth, 2005). Faktor lain yang dapat memicu terjadinya longsorlahan adalah tenaga aliran sungai. sungai yang mengalir deras dapat melunakkan dan menggerus kaki lereng, sehingga menyebabkan kestabilan lereng di kanan kiri sungai menurun. 1.5.1.3.
Kerawanan Longsorlahan
Kerawanan longsorlahan (landslide susceptibility) didefinisikan sebagai kemudahan suatu medan atau wilayah terkena longsorlahan dan pada umumnya
direpresentasikan
melalui
sebuah
peta.
Peta
kerawanan
longsorlahan menggambarkan area yang berpotensi terjadi longsorlahan dimasa yang akan datang dengan cara melihat distribusi kejadian longsorlahan terdahulu dan hubungan beberapa faktor yang berkontribusi mempengaruhi kejadian longsorlahan (Brabb, 1984 dalam Yalcin, 2007). Peta kerawanan longsorlahan pada dasarnya merupakan langkah awal untuk menentukan zonasi bahaya longsorlahan. Zonasi bahaya longsorlahan ditentukan berdasarkan pada probabilitas terjadinya longsorlahan dengan besaran atau morfometri longsor yang pasti pada area dan periode tertentu (Panizza, 1996). Peta kerawanan longsorlahan biasanya dibuat oleh karena tidak tersedianya data temporal kejadian longsorlahan terdahulu, sehingga konsep dasar yang membedakan antara kerawanan dan bahaya longsorlahan adalah jika peta kerawanan dibuat untuk menjawab pertanyaan dimana (where) longsorlahan berpotensi terjadi kembali dimasa yang akan datang, sedangkan peta bahaya dibuat untuk
7
menjawab pertanyaan dimana (where) dan kapan (when) longsorlahan berpotensi terjadi kembali dimasa yang akan datang. Peta kerawanan dan bahaya longsorlahan dapat direkonstruksi dengan dua jenis teknik pemetaan yakni melalui direct mapping dan indirect mapping. Direct mapping merupakan teknik penentuan zonasi kerawanan dan bahaya longsorlahan yang didasarkan pada pengelaman dan pengetahuan mengenai kondisi medan yang dimiliki oleh geomorfologist (Van Westen dkk, 1999 dalam Duman dkk, 2006). Indirect mapping merupakan teknik penentuan zonasi kerawanan dan bahaya longsorlahan menggunakan perhitungan statistik atau deterministik. Perhitungan untuk memprediksi area rawan longsorlahan tersebut berdasarkan pada informasi hasil hubungan antara faktor-faktor bentuklahan dengan distribusi longsorlahan (Van Westen dkk, 1999 dalam Duman dkk, 2006). Memasuki tahun 1980an. Sistem Informasi Geografis (SIG) telah berkembang pesat dan banyak peneliti yang menggunakannya untuk membuat peta kerawanan dan bahaya longsorlahan terutama untuk pemetaan dengan indirect mapping. Kontribusi GIS dalam penelitian longsorlahan adalah sebagai alat bantu menyimpan, mengolah, dan menganalisis data spasial dan temporal (Panizza, 1996). Sebagai contoh pada pembuatan peta kerawanan longsorlahan, faktor – faktor penentu longsorlahan seperti geologi, morfologi lereng, peta distribusi longsor dan vegetasi penutup menjadi bagaian dari basis data yang disimpan, diolah dan kemudian dianalisis menggunakan GIS (gambar 1.3) Faktor Geologi (Litilogi, Tektonik)
Morfologi lereng
Peta distribusi longsorlahan
Penutup lahan
Sistem Informasi Geografis PETA KERAWANAN LONGSORLAHAN Gambar 1. 3. Kontribusi GIS dalam pemetaan longsorlahan (Sumber: Panizza, 1996)
8
1.5.1.4.
Logistic Regression Model
Logistic Regrresion Model (LRM) merupakan salah satu jenis metode analisis statistik multivariat. Analisis multivariat adalah analisis multi variabel dalam satu atau lebih hubungan. Analisis ini berhubungan dengan semua teknik statistik yang secara simultan menganalisis lebih dari dua variabel pada setiap objek atau orang (Santoso, 2002). LRM adalah metode pendekatan khusus untuk analisis kerawanan longsorlahan yang berbentuk model atau fungsi hubungan antara variabel dikotomi (ada/tidak adanya longsorlahan) dengan beberapa variabel bebas biofisik penentu longsorlahan (Guns dan Vanacker, 2012). Keunggulan LRM dibandingkan dengan metode multivariat lainnya seperti model diskriminan adalah dapat mengakomodasi tipe data kategori, kontinyu atau gabungan keduanya, dimana model diskriminan hanya mampu mengakomodasi data dengan tipe kontinyu saja (Chauhan dkk, 2010). Menurut Chauhan, metode LRM juga cocok diaplikasikan untuk semua skala. Fungsi linear LRM yang nilainya memiliki rentang antara 0 hingga 1 membuat
metode
ini
lebih
fleksibel
dan
memungkinkan
untuk
mendiskripsikan nilaiprobabilitas suatu area yang terkena longsorlahan (Brabb, 1984 dalam Yalcin, 2007). Rekonstruksi peta kerawanan longsorlahan menggunakan LRM memiliki
4
tahapan
utama
(gambar
1.4).
Langkah
awal
adalah
mengidentifikasi variabel apa saja yang berkontribusi terhadap kejadian longsorlahan, kemudian mengestimasi seberapa besar hubungan setiap variabel dan bagaimana bentuk hubungannya dalam mempengaruhi longsorlahan. Apabila suatu variabel tidak berhubungan terhadap kejadian longsorlahan maka variabel tersebut dapat dieliminasi atau dihilangkan. Uji signifikan dalam statistik kemudian menghasilkan variabel apa saja yang paling berpengaruh terhadap kejadian longsorlahan. Tahap terakhir adalah membuat fungsi permodelan yang dapat menghitung probabilitas kejadian longsorlahan di suatu daerah.
9
1
identifikasi variabel penentu longsorlahan
2
estimasi besar dan bentuk hubungan setiap variabel terhadap kejadian longsorlahan
3
penentuan variabel yang paling berpengaruh
4
pemodelan probabilitas longsorlahan
Gambar 1.4. Tahapan zonasi kerawanan longsorlahan menggunakan logistic regression model (Sumber: Chauhan dkk, 2010).
Tujuan utama metode LRM adalah untuk menghasilkan peta kerawanan longsorlahan indirect dengan tingkat objektivitas yang tinggi. Pemetaan kerawanan longsorlahan yang dihasilkan diharapkan dapat memberikan tingkat kepastian yang lebih tinggi karena menggunakan jumlah sumber data yang tergolong banyak. Metode ini juga dapat digunakan untuk memprediksi kejadian longsorlahan pada masa yang akan datang berdasarkan pada keterkaitan antar data informasi faktor pembentuk bentuklahan dengan distribusi kejadian longsorlahan (Van Westen, 1999 dalam Duman dkk, 2006). Meskipun demikian, jenis metode statistik ini memiliki kelemahan pada penyediaan basis data yang tergolong banyak, sehingga pengolahannya sedikit lebih rumit. Jumlah dan kelengkapan data sangat mempengaruhi perhitungan statistik yang dihasilkan, sehingga demi mendapatkan data yang lengkap dan akurat dibutuhkan biaya, waktu dan tenaga yang lebih banyak.
1.5.2. Keaslian Penelitian Penelitian kerawanan longsorlahan telah berkembang sejak lama di berbagai negara di dunia. Berbagai metode dan pendekatan telah dikembangkan untuk menentukan zonasi daerah rawan longsor mulai dari metode kualitatif hingga berkembang menjadi kuantitatif seperti metode heuristik, deterministik, dan probabilistik. Beberapa contoh penelitian kerawanan longsorlahan yang telah dilakukan dapat dilihat pada tabel 1.1. Duman dkk (2006) telah melakukan penelitian kerawanan longsorlahan menggunakan metode statistik di Istanbul, Turki. Tujuan dari penelitian tersebut
10
adalah untuk mengembangkan sebuah model guna mengetahui karakteristik kerawanan longsorlahan dalam bentuk peta menggunakan metode logistic reression. Mereka menggunakan 9 jenis variabel penentu longsor yakni variabel kemiringan lereng, arah lereng, elevasi, stream power index (SPI), plan curvature, profil curvature, geologi, geomorfologi, dan permeabilitas relatif dari unit litologi. Berdasarkan rekonstruksi logistic regression, dari 37 parameter (berasal dari 10 variabel) ternyata hanya 25 parameter yang signifikan memperngaruhi kejadian longsorlahan. Variabel yang memiliki pengaruh besar terhadap kejadian longsor di daerah penelitian adalah litologi, SPI dan kemiringan lereng. Hasil dari peta kerawanan logsorlahan, diketahui bahwa 83,8% dari total luas area merupakan daerah rawan longsor. Wahono (2010) meneliti tentang aplikasi metode statistik dan heuristik untuk merekonstruksi peta kerawanan longsorlahan di Kecamatan Wadas Lintang, Kabupaten Wonosobo, Provinsi Jawa Tengah, Indonesia. Peta kerawanan longsorlahan dibuat dengan tiga metode yang berbeda yakni metode statistik bivatiat dalam bentuk weight and density, statistik multivariat dalam bentuk logistic regression dan kombinasi metode statistik bivariat dengan perbandingan pair-wise. Berdasarkan hasil komparasi ketiga metode tersebut, metode yang menghasilkan peta kerawanan dengan tingkat keakuratan terbaik adalah metode logistic regression. Variabel penentu longsorlahan yang digunakan dalam penelitian tersebut adalah variable penggunaan lahan, jarak dari patahan, jarak dari sungai, jarak dari jalan, litologi dan kemiringan lereng. Luas area yang termasuk dalam kelas kerawanan tinggi berdasarkan peta kerawanan longsorlahan tipe rotational slide menggunakan logistic regression adalah sebesar 36,5% dari toal area, sedangkan berdasarkan peta kerawanan longsorlahan tipe translational slide adalah sebesar 14,35%. Hadmoko dkk (2010) melakukan penelitian yang bertujuan untuk merekonstruksi peta bahaya dan risiko longsorlahan di sisi timur Perbukitan Menoreh. Hasil kedua peta tersebut kemudian dijadikan dasar untuk perencanaan tata guna lahan dan penentuan aktivitas pencegahan dan pengurangan risiko bencana longsorlahan. Peta bahaya longsorlahan dibangun
11
menggunakan metode weight and score yang mana nilainya didapat dari hasil modifikasi nilai weight and score dari Peneliti Pusat Studi Bencana Alam (PSBA) UGM tahun 2001. Variabel penentu longsorlahan yang digunakan adalah bentuklahan, kemiringan lereng, geologi, famili tanah, dan penggunaan lahan. Luas daerah dengan tingkat kerawanan tinggi berdasarkan peta yang dihasilkan adalah sebesar 81 km2 atau 24% dari total area yang diteliti. Karakteristik lahan yang memiliki kerawanan tinggi pada umumnya memiliki kemiringan lereng >30%, ketebalan tanah >4m, dip searah dengan lereng, batuan memiliki banyak rekahan, dan lebih dari 25 kejadian longsorlahan terjadi di setiap tahunnya. Chauhan dkk (2010) melakukan penelitian yang bertujuan untuk mengetahui zonasi kerawanan longsorlahan di Chamoli Region, Garhwal Himalayas menggunakan logistic regression model (LRM). LRM digunakan untuk mengkorelasikan suatu kejadian dengan faktor – faktor fisik penentu longsorlahan yang meliputi kemiringan lereng, arah hadap lereng, relative relief, penggunaan lahan, litologi, jarak dari kelurusan dan kerapatan aliran. Koefisien setiap faktorpenentu yang dihasilkan dari pengolahan metode statistik LRM digunakan untuk menghitung probabilitas kejadian longsorlahan. Peta kerawanan yang dihasilkan memiliki tingkat keakurasian sebesar 71. 13% dan 21,96% dari total area yang diteliti termasuk dalam kategori kelas kerawanan sangat tinggi dan tinggi. Hasil uji signifikansi statistik menunjukkan bahwa faktor jarak dari kelurusan (0 – 500 meter) dan hadap lereng kearah timur serta selatan merupakan faktor yang paing berpengaruh menyebabkan longsorlahan di daerah tersebut.
12
Tabel 1.1. Penelitian – penelitian sebelumnya mengenai kajian kerawanan longsorlahan Peneliti Duman dkk (2006)
Judul Lokasi Application of Logistic Istanbul, Regression for Landslide Turkey. Susceptibility Zoning of Cekmece Area, Istanbul, Turkey.
Wahono (2010)
Application of Statistical Kec. Wadas and Heuristic Methods Lintang, Kab. for Landslide Wonosobo Susceptibility Assassments
Hadmoko dkk (2010)
Landslide Hazard and Risk Assessment and Their Application in Risk Management and Landuse Planning in Eastern Flank of Menoreh Mountains, Yogyakarta Province, Indonesia
Sisi timur Perbukitan Menoreh yang meiputi Kec. Samigaluh, Kalibawang, Girimulyo, Kokap, dan Nanggulan Kab. Kulonprogo
Tujuan Metode Hasil Mengembangkan sebuah Metode analisis 1. Rumus persamaan kerawanan longsorlahan model untuk mengetahui logistic regression dari 25 variabel yang mempengaruhi karakteristik kerawanan longsor di daerah tersebut. longsorlahan dalam bentuk 2. Variabel litologi, Stream power index (SPI) peta menggunakan metode dan lereng merupakan variabel yang paling analisis logistic regression besar pengaruhnya terhadap kejadian longsorlahan daripada lainnya. 3. Peta Kerawanan Longsorlahan menggunakan Logistic Regression. 1. Mengetahui karakteristik - Analisis statistik 1. Peta Kerawanan Longsorlahan longsorlahan di Kec. bivariat menggunakan setiap metode. Wadas Lintang. - Analisis statistik 2. Metode yang hasilnya paling baik dalam 2. Menentukan metode multivariat mengestimasi kejadian longsorlahan tipe penentuan kerawanan menggunakan rotational dan translational di daerah kajian longsorlahan yang paling logistic regression adalah Metode Analisis Statistik cocok di daerah kajian. - Kombinasi metode Multivariat menggunakan logistic 3. Membuat Peta Kerawanan bivariate dengan regression Longsorlahan dari metode perbandingan pairterbaik wise 1. Membuat peta bahaya dan - Metode weight and 1. Peta bahaya longsorlahan resiko longsorlahan yang score digunakan 2. Peta resiko longsorlahan dapat digunakan untuk untuk menentukan 3. Arahan perencanaan penggunaan lahan perencanaan tata guna zonasi peta bahaya berdasarkan pada informasi peta bahaya lahan dan pengurangan longsorlahan longsorlahan resiko bencana. - Metode semi 4. Contoh tindakan pencegahan (prevention) kuantitatif dengan dan perlindungan (protection) terhadap Indeks Resiko bahaya longsor digunakan untuk membuat peta resiko longsorlahan 13
Chauhan dkk (2010)
Pratiwi (2013)
Landslide Susceptibility Zonation of the Chamoli Region, Garhwal Himalayas, Using Logistic Regression Model. Kajian Kerawanan Longsorlahan Menggunakan Logistic Regression Model di DAS Kodil, Provinsi Jawa Tengah
Chamoli Region, Garhwal Himalayas
DAS Kodil, Provinsi Jawa Tengah, Indonesia
1. Menentukan zonasi - Metode logistic 1. Peta Zonasi Kerawanan Longsorlahan daerah rawan regression model longsorlahan menggunakan metode logistic regression model 1. Menganalisis - Metode deskriptif 1. Grafik distribusi dan trend kejadian dinamika persebaran kuantitatif untuk longsorlahan tiap bulan dalam kurun longsorlahan secara menganalisis waktu 4 tahun (2009 – 2012) temporal dinamika 2. Peta kerawanan longsorlahan di DAS 2. Merekonstruksi peta longsorlahan secara Kodil kerawanan temporal longsorlahan - Metode logistic menggunakan metode regression model logistic regression untuk model merekonstruksi peta kerawanan
14
1.5.3. Kerangka Pemikiran Indonesia merupakan negara kepulauan yang memiliki morfologi perbukitan hingga pegunungan yang cukup luas. Kondisi tersebut membuat bencana longsorlahan kerap terjadi dan salah satunya adalah di DAS Kodil yang terletak di Provinsi Jawa Tengah. Mayoritas morfologi DAS Kodil yang berbukit membuat daerah tersebut sering terjadi bencana longsorlahan dan menimbulkan dampak negatif terhadap kondisi lingkungan alam maupun kondisi sosial ekonomi penduduk setempat. Longsorlahan pada umumnya terjadi pada musim tertentu dan jumlah kejadian disetiap bulannya berbeda, sehingga analisis mengenai dinamika dan trend kejadian longsorlahan secara temporal sangat penting dilakukan untuk mengetahui karakteristik longsorlahan di daerah tersebut. Longsorlahan merupakan kejadian alam yang dipengaruhi oleh beberapa variabel yang satu sama lainnya memiliki pengaruh secara simultan. Longsorlahan dikontrol oleh variabel kemiringan lereng, geologi, tanah serta geomorfologi, sedangkan variabel pemicu longsorlahan dapat berupa aktivitas manusia seperti penggunaan lahan, pemotongan lereng untuk jalan serta tenaga kinetic aliran sungai yang menggerus lereng di kanan dan kirinya. Seluruh variabel tersebut saling mempengaruhi satu sama lain, meskipun demikian setiap variabel memiliki bentuk dan besaran pengaruh yang berbeda beda dalam mempengaruhi ada tidaknya kejadian longsorlahan. Sehingga, konsep tersebut dijadikan dasar sebagai penentuan metode zonasi kerawanan longsorlahan di DAS Kodil yakni menggunakan analisis statistik multivariate dalam bentuk logistic regression model. Bagan kerangka berfikir penelitian ini disajikan pada gambar 1.5.
15
Longsorlahan
distribusi temporal
distribusi spasial
Terjadi pada bulan – bulan tertentu
dipengaruhi secara simultan oleh Variabel Pengontrol - lereng - geologi - tanah (tebal, tekstur, permeabilitas)
Trend kejadian longsorlahan setiap bulan selama 3 tahun
Variabel Pemicu - pemotongan lereng untuk jalan - tenaga aliran sungai - Penggunaan lahan
Longsorlahan berpotensi terjadi pada lokasi dengan karakteristik unit lahan yang sama dengan kejadian longsorlahan terdahulu Zonasi kerawanan longsorlahan mengunakan logistic regression model Gambar 1.5. Diagram Alir Kerangka Pikir Penelitian
1.6. Batasan Operasional 1.Longsorlahan adalah gerakan massa tanah, runtuhan, batuan, dan atau material organik menuruni lereng baik karena faktor utama berupa gaya gravitasi bumi dan faktor pemicu lainnya berupa faktor fisik dan manusia (Van Westen, 2003). 2. Kerawanan Longsorlahan (Landslide Susceptibility) kemudahan atau potensi terjadinya longsorlahan dimasa yang akan dating dengan cara melihat distribusi kejadian longsorlahan terdahulu dan hubungan beberapa faktor yang berkontribusi mempengaruhi kejadan longsorlahan (Brabb, 1984 dalam Yalcin, 2007) 3. Tipe Longsorlahan merupakan bentuk (tipologi) longsorlahan yang dilihat dari jenis material, mekanisme, morfologi bidang gelincir dan kecepatan
pergeraknannya
(Hadmoko
dan
Mauro,
2012).
Tipe
16
longsorlahan yang dikaji dalam penelitian ini hanya tipe translational slide dan rotational slide. 4. Logistic Regression Model adalah metode pendekatan khusus untuk analisis kerawanan longsorlahan yang berbentuk model atau fungsi hubungan antara variabel dikotomi (ada/tidak adanya longsorlahan) dengan beberapa variabel bebas biofisik penentu longsorlahan (Guns dan Vanacker, 2012).
17
