BAB V EVALUASI BENCANA GUNUNGAPI V.1 Evaluasi Bencana Gunungapi
Evaluasi deterministik konservatif untuk setiap fenomena geologi perlu dilakukan dengan tujuan menentukan jarak SDV, yaitu jarak terjauh yang dapat dijangkau oleh produk gunungapi. Asumsi - asumsi berikut ini adalah bagian dari evaluasi tersebut: 1. Setiap erupsi muncul pada setiap pusat volkanik atau pada daerah paling dekat ke tapak PLTN. 2. Besaran dan lamanya erupsi dipostulasikan sebagai potensi maksimum erupsi untuk gunung tersebut. 3. Dalam hubungannya dengan fenomena geologi, terdapat kondisi - kondisi yang dapat menyebabkan bencana terhadap tapak PLTN, seperti misalnya: a. Pada kasus jatuhan piroklastik, sumber angin bertiup ke arah tapak secara langsung dengan kecepatan maksimum yang dimungkinkan, dan pada ketinggian dengan kerapatan kolom erupsi tinggi selama durasi letusan. b. Pada kasus avalanches, lahar, debris, dan aliran piroklastik, sumbernya diasumsikan adalah pengamatan maksimum terhadap bentuk dan aktvitas gunung - gunung lainnya yang sejenis dan dapat diperbandingkan.
Hasil dari evaluasi ini berupa suatu daerah di sekitar gunung dengan fenomena - fenomena geologi yang berhubungan yang perlu dianalisis lebih jauh. Jarak dari sumber erupsi ke batas daerah tersebut dinamakan screening distance value (SDV) untuk fenomena tertentu. Endapan - endapan volkanik yang diamati di sekitar lokasi adalah bukti langsung lokasi tersebut terletak di dalam SDV untuk fenomena tersebut. Untuk fenomena - fenomena di dalam jangkauan SDV, evaluasi lebih jauh dilakukan untuk mendefinisikan parameter dan memodelkan efek fenomena terhadap tapak. Evaluasi ini merupakan bagian dalam memutuskan apakah
50
penyelesaian teknik dapat dilakukan untuk melindungi tapak terhadap efek - efek tersebut. Keputusan dalam hal evaluasi lebih jauh didasarkan pada apakah fenomena yang berasosiasi dengan gunungapi aktif capable selama Holocene, yang berimplikasi pada persyaratan evaluasi deterministik, ataukah berasosiasi dengan sejarah (history) atau Pre-Holocene, yang berimplikasi pada persyaratan analisis statistik/stokastik untuk menentukan reccurence rate dan/atau probabilitas bahwa kejadian tersebut berada dalam beberapa kisaran yang mungkin (IAEA, 1997a). Dengan menggunakan rekaman aktivitas sumber atau gunung - gunung yang sejenis, evaluasi statistik/stokastik dapat dilakukan untuk menentukan pola dan kecenderungan.
V.2 Analisis Probabilistik Spasiotemporal Pembukaan Vent Erupsi Baru Pembukaan vent baru merupakan fenomena geologi yang dapat direpresentasikan sebagai titik dalam sebuah peta. Penilaian bencana geologi yang dilakukan terhadap fenomena tersebut berupa seberapa cepat bencana geologi dapat terjadi dengan didasarkan pada frekuensi kejadian dimasa lalu dan pemahaman mengenai proses geologi yang mengkontrol peristiwa tersebut. Salah satu tantangan yang berhubungan dengan penilaian probabilitas jangka panjang untuk kegiatan kegunungapian di masa depan adalah ketidakpastian yang inheren pada prosesproses kegunungapian, contohnya pembentukan dan naiknya magma. Salah satu pendekatan yang lebih robust terhadap evaluasi bencana geologi adalah memodifikasi analisis probabilistik dengan cara penggabungan data lain dalam analisisnya melalui inferensi Bayesian (Von Mises 1957; Connor et al. 2000; Martin et al. 2004). Inferensi Bayesian memungkinkan penggabungan dua atau lebih informasi (misalnya geofisika) untuk memprediksi probabilitas peristiwa kegunungapian, seperti pembentukan gunung baru, didasarkan pada pemahaman sistem kegunungapiannya. Data gunungapi yang digunakan dalam studi ini meliputi data dari gunungapi monogenetik (satu kali letusan) dan gunungapi poligenetik (lebih dari satu kali meletus). Tipe - tipe gunungapi meliputi cinder cone, kubah , gunungapi
51
komposit, maar, dan kaldera. Tiap erupsi diperlakukan sama dalam analisis probabilistik, tidak tergantung pada tipenya. Estimasi probabilitas injeksi dike, tanpa pembentukan gunung, tidak dipertimbangkan dalam penilaian bencana ini. Secara formal, setiap peristiwa kegunungapian dalam penilaian bencana ini dianggap independen terhadap peristiwa kegunungapian lainnya dalam dataset. Tabel 5.1. menunjukkan umur peristiwa kegunungapian di daerah Semenanjung Muria. Tabel tersebut memberikan beberapa data erupsi yang dapat digunakan dalam analisis spasio-temporal probabilistik. Tabel 5.1.
Umur dan interval statistik Gunung Muria (NEWJEC, 1995 dan NTT, 1998, dalam NTT, 2000).
52
Gambar 5.1. menunjukkan posisi aktual erupsi yang digunakan dalam analisis spasial studi ini.
Gambar 5.1. Erupsi vent dengan data umur di Gunung Muria.
Probabilitas sebuah peristiwa kegunungapian yang terjadi pada lokasi tertentu diberikan oleh:
P[N ≥ 1] = 1 − e − λt λs At
(Persamaan 5.1)
dimana: A
= luas efektif daerah penelitian (km2)
t
= jangka waktu (tahun)
λt
= temporal recurrence rate (jumlah peristiwa tiap tahun)
λs
= kerapatan spasial (jumlah peristiwa tiap kilometer)
53
dan
λt =
N −1 t0 − t y
(Persamaan 5.2)
dimana: t0
= umur tertua dari peristiwa (event)
ty
= umur termuda dari peristiwa
N
= jumlah gunung (jumlah titik)
Semua gunung di daerah Semenanjung Muria ini berumur Kuarter sehingga t0 sama dengan 1.6 juta tahun dan ty adalah 0 (saat ini). Harga
λ s diestimasi dengan menggunakan fungsi Gaussian karena gunungapi - gunungapi di daerah studi diperlakukan sebagai discrete event (kejadian yang tidak memiliki pola) dalam waktu dan ruang. Peta probabilitas yang dihasilkan oleh model ini bersifat kontinu dan memungkinkan untuk dibuat perbandingannya dengan data empiris lainnya (misalnya, gravity) yang dapat memberikan informasi bawah permukaan terhadap distribusi gunungapi. Kernel Gaussian bivariat diberikan oleh:
λs (x, y ) =
1 2πNh 2
∑e
1 ⎛ di ⎞ ⎜ ⎟ 2⎝ h ⎠
2
(Persamaan 5.3)
Dimana di
= jarak dari titik pada peta (x,y) ke lokasi gunungapi ith
h
= parameter smoothing
N
= jumlah gunungapi (jumlah titik)
54
Estimasi probabilistik dilakukan menggunakan Persamaan 5.1 dan 5.3 tergantung pada nilai yang dipilih untuk h. Dengan kernel Gaussian bivariat, peristiwa (event) vulkanik akan memiliki estimasi probabilitas tinggi pada jarak tertentu dari gunungapi dengan menggunakan nilai h kecil, namun estimasi probabilitasnya akan rendah semakin jauh dari gunungapi. Di sisi yang lain, nilai h yang sangat besar akan menghasilkan estimasi distribusi probabilitas yang seragam di seluruh daerah studi. Dalam kernel Gaussian, faktor smoothing adalah ekivalen dengan standar deviasi dari distribusi Gaussian bivariat yang simetris. Dengan demikian fungsi kernel bergantung pada asumsi bahwa parameter smoothing yang diestimasikan memiliki arti signifikan secara geologi dan/atau statistikal (Connor and Hill, 1995). Dalam studi ini nilai konstanta h yang digunakan adalah 16.7 km berdasarkan probabilitas tertinggi yang mungkin bila suatu peristiwa volkanik terjadi di lokasi NPP-ULA (Gambar 5.2.).
PROBABILITY OF AN EVENT OCCURING AT THE NPP-ULA 1.6E-05 max = 16.7 km 1.4E-05
1.2E-05
1.0E-05
8.0E-06
6.0E-06
4.0E-06
2.0E-06
0.0E+00 0
5
10
15
20
25
30
35
40
45
50
h (smoothing factor distance in km)
Gambar 5.2. Probabilitas terjadinya suatu peristiwa (event) vulkanik di lokasi NPP-ULA.
Gambar 5.3. menunjukkan peta probabilitas peristiwa volkanik di daerah Semenanjung Muria berdasarkan lokasi - lokasi vent yang diidentifikasi
55
sebelumnya. Pada lokasi NPP, nilai pasti (exact) probabilitas adalah 7.285 x 10-6 tiap 100 tahun.
Gambar 5.3. Peta probabilitas terjadinya event vulkanik berdasarkan posisi vent.
Penggabungan data gravitasi dalam memprediksi probabilitas event volkanik biasanya dilakukan pada tahap ini dengan melalukan transformasi peta anomali gravitasi ke fungsi likelihood. Dalam kasus prediksi bencana volkanik di Armenia oleh Weller (2004), nilai gravitasi rendah adalah indikator yang baik bagi aktivitas vulkanik di masa depan. Analisis sensitivitas antara tipe - tipe erupsi vent dan probabilitas yang dihasilkannya dilakukan dengan memisahkan data erupsi pusat dan maar. Nilai h = 16.3 km digunakan berdasarkan probabilitas tertinggi yang mungkin terjadi sebuah event terjadi pada lokasi NPP-ULA.
56
Gambar 5.4. menunjukkan peta probabilitas event volkanik di daerah Semenanjung Muria berdasarkan lokasi erupsi pusat saja. Pada lokasi NPP, nilai eksak probabilitas adalah 5.987 x 10-6 tiap 100 tahun. Nilai ini sedikit lebih kecil dari nilai probabilitas sebelumnya dengan menggunakan semua data erupsi.
Gambar 5.4. Peta probabilitas event vulkanik berdasarkan posisi erupsi pusat.
Gambar 5.5. menunjukkan peta probabilitas event vulkanik di daerah Semenanjung Muria berdasarkan lokasi erupsi maar saja. Pada lokasi NPP, nilai eksak probabilitas adalah 2.463 x 10-6 tiap 100 tahun. Dengan menggunakan data erupsi maar saja, nilai probabilitas berubah cukup signifikan satu order magnitudo lebih rendah.
57
Gambar 5.5. Peta probabilitas event vulkanik berdasarkan posisi erupsi maar.
V.3 Analisis Probabilistik Spasial dan Temporal Dengan Data Gravitasi
Penggabungan data gravitasi dalam memprediksi probabilitas peristiwa vulkanik dilakukan dengan mentransformasikan peta anomaly gravity ke fungsi likelihood:
L(θ | x, y ) =
G(x, y )W ( x, y ) ∑ G(x, y )W (x, y )
(Persamaan 3.4)
XY
dimana:
G ( x, y )
= nilai gravitasi pada lokasi (x,y)
W ( x, y )
= pembobotan pada nilai gravitasi pada lokasi (x,y)
58
Fungsi likelihood tersebut digabungkan dengan probabilitas kejadian vulkanik sebelumnya.
λs ( x, y | θ ) =
aλs (x, y ) + (1 − a )L(θ | x, y )
∫∫ aλ (x, y ) + (1 − a)L(θ | x, y )dxdy R
(Persamaan 3.5)
s
Dimana a adalah faktor bobot relatif yang diberikan secara subyektif pada tiap fungsi probabilitas geologi dan geofisika. Dua buah pilihan faktor bobot untuk penggabungan data gravitasi ditunjukkan pada Gambar 5.6 dan 4.7 Pada lokasi NPP, nilai pasti probabilitas dengan pembobotan 50% untuk data gravity adalah 9.799 x 10-9 tiap 100 tahun, sedangkan nilai pasti probabilitas dengan pembobotan 60% untuk data gravity adalah 9.809 x 10-9 tiap 100 tahun.
Gambar 5.6. Peta probabilitas peristiwa vulkanik dengan pembobotan 50%.
59
Gambar 5.7. Peta probabilitas peristiwa vulkanik dengan pembobotan 60%.
60
