69
Gambar 25. Informasi Spasial Persentase Vegetasi pada Periode Januari-April 2006 Berbasis Batas Desa
5.2. AnomaliDeviasi Curah Hujan
BMKG dalam laporan bulanannya menyebutkan bahwa anomali atau deviasi hujan pada suatu periode bulanan terhadap nilai rataan hujan bulanan
selama 20 – 30 tahun rataan klimatologi menggambarkan kondisi kenormalan sifat hujan pada bulan yang bersangkutan. Suatu bulan berada dalam kondisi
hujan normal jika rasio antara hujan bulanan yang bersangkutan dengan rataan hujan klimatologinya berkisar antara 85 – 115 . Jika dinyatakan dalam anomali
atau deviasi hujan, maka suatu bulan dinyatakan dalam kondisi normal jika curah hujannya memiliki kisaran -15 sampai dengan 15 .
Easy PDF Creator is professional software to create PDF. If you wish to remove this line, buy it now.
70 Hasil análisis spasial menunjukkan bahwa Anomali Curah Hujan ACH
bernilai negatif yang tinggi -70 pada periode Mei – Agustus 2008 terjadi di bagian utara Patrol dan Losarang, hingga bagian selatan seperti pada
Kecamatan Lelea, Sukagumiwang, Tukdana, dan Cikedung lihat Gambar 26. Area yang memiliki ACH -70 tersebut diperkirakan akan mengalami
kekeringan, terutama di Kecamatan Losarang dan Kandanghaur, karena nilai PV nya juga rendah. Kondisi yang berlawanan ditunjukkan pada periode Januari-
April 2006 Gambar 27, dimana sebagian besar kondisi hujannya dalam keadaan normal -15 – 15 , sedikit di atas normal bagian tengah, hingga di
atas normal yang berpotensi menyebabkan banjir di bagian tenggara kecamatan
Krangkeng.
Gambar 26. Informasi Spasial Anomali Curah Hujan pada Mei- Agustus 2008
Easy PDF Creator is professional software to create PDF. If you wish to remove this line, buy it now.
71
Gambar 27. Informasi Spasial Anomali Curah Hujan pada Januari- April 2006
5.3. Rentan Kegagalan Panen Puso Akibat Banjir
Kegagalan panen puso tanaman padi secara langsung dialami akibat kejadian banjir, kekeringan, dan hama penyakit tanaman oleh organisme
pengganggu tanaman OPT. Kondisi Persen Vegetasi dan anomali hujan ACH tidak langsung menyebabkan kegagalan panen, tetapi berpengaruh terhadap
tingkat kekeringan yang ditunjukkan oleh nilai PV rendah dan ACH yang besar
negatif di bawah normal, sedangkan banjir dipengaruhi oleh nilai ACH yang besar positif di atas normal. Karakteristik bencana di kabupaten Indramayu
selama sepuluh tahun terakhir sebagian besar didominasi oleh kekeringan dan banjir. Kekeringan pada umumnya terjadi pada musim kemarau , yaitu pada saat
tanam kedua pada periode panen catur wulan kedua Mei - Agustus. Sedangkan
Easy PDF Creator is professional software to create PDF. If you wish to remove this line, buy it now.
72 bencana banjir terjadi pada musim penghujan, saat musim tanam Oktober-
Maret, yaitu pada periode panen Januari-April. Kejadian puso akibat kekeringan dan banjir di Kabupaten Indramayu disajikan pada Tabel 18.
Tabel 18. Luas Sawah yang mengalami Gagal Panen Puso Padi akibat Kekeringan dan Banjir di Indramayu
Sumber : Dinas Pertanian Kabupaten Indramayu Dalam penelitian ini kerentanan banjir di lahan sawah dihitung dengan
menggunakan faktor-faktor pemicu banjir yang bersifat tetapstatis, seperti faktor fisik elevasi, lereng, drainase, buffer sungai, bentuksistem lahan, rataan hujan
bulanan atau tahunan dan faktor dinamis. Faktor dinamis yang digunakan adalah indeks vegetasi rataan bulanan dan curah hujan bulanan yang bersangkutan.
Pembobotan setiap faktor dihitung menggunakan metode CMA, karena ada peta genangan banjir yang dibuat oleh dinas pengairan Indramayu lihat Gambar 28.
Skor setiap sub faktor dihitung dengan metode ratingskala berdasarkan nilai mínimum dan maksimum nilai rasio antara observasi dan ekspetasi pada metode
CMA. Perhitungan bobot relatif masing-masing faktor dan nilai skor sub faktor terhadap luasan kejadian banjir bulan Januari tahun 2006 secara detail dapat
dilihat pada Tabel Lampiran 2 sampai dengan 8. Hasil rekapitulasi perhitungan bobot relatif dan gabungan setiap faktor penyebab banjir dengan peta genangan
banjir berdasarkan laporan Dinas Pengairan Kabupaten Indramayu disajikan pada Tabel 19.
Tahun Banjir Ha
Kekeringan Ha
2002 3,071
8,026 2003
- 25,646
2004 11,497
3,026 2005
276 2,666
2006 18,140
16,546 2007
1,867 14,803
2008 5,230
28,615 2009
3,039 2,459
Jumlah
43,120 101,787
RataanTh 6,160
12,723
Easy PDF Creator is professional software to create PDF. If you wish to remove this line, buy it now.
73
Gambar 28 . Informasi Spasial Genangan Banjir Bulan Januari tahun 2006 di Indramayu
Tabel 19. Hasil perhitungan bobot setiap faktor penyebab banjir sawah No Parameter
Bobot Relatif Bobot Gabungan
1 Elevasi El
0.451 0.167
2 Indeks Vegetasi IV
0.436 0.162
3 Drainase Dr
0.360 0.133
4 Hujan Bulanan Hb
0.307 0.114
5 Sistem Lahan SL
0.306 0.114
6 Bufer Sungai BS
0.303 0.112
7 SPI Hujan Bulanan SPI
0.271 0.100
8 Lereng Lr
0.261 0.097
Jumlah 2.694
1.00
Easy PDF Creator is professional software to create PDF. If you wish to remove this line, buy it now.
74 Model spasial Rawan Banjir RB berdasarkan bobot faktor pada Tabel 19
dan nilai skor pada setiap kelas sub faktor disajikan pada persamaan 34 : RB = 0.167 El_Skor + 0.162 IV_Skor + 0.133 Dr_Skor + 0.114 Hb_Skor +
0.114 SL_Skor + 0.112 BS_Skor + 0.1 SPI_Skor + 0.097 Lr_Skor 34
Dua faktor dinamik yang kondisinya dapat berubah menurut deret waktu adalah faktor IV EVI MODIS dan curah hujan bulanan dan SPI, sedangkan
faktor yang lain relatif bersifat relatif permanen. Peta bahaya banjir Flood Hazard
dapat dibuat dengan menggunakan faktor-faktor statis ditambah dengan rata-rata kondisi faktor dinamis selama beberapa tahun. Misalnya dengan
mengunakan nilai rata-rata curah hujan bulanan atau tahunan selama 5 - 10 tahun terakhir serta rata-rata EVI bulanan selama beberapa tahun atau dengan
menggunakan faktor penggunaan lahan. Peta bahaya banjir tersebut selanjutnya digunakan sebagai masking deteksi, pemantauan, dan prediksi banjir yang
bersifat dinamis dengan perubahan kondisi curah hujan dan tingkat kehijauan lahan Indeks vegetasi untuk periode waktu yang lebih singkat.
Untuk tujuan pemantauan pertumbuhan tanaman pangan selama periode waktu yang lebih singkat misalnya 8 harian dasarian, dua mingguan dan
bulanan, khususnya tanaman padi di lahan sawah yang mencakup daerah yang lebih luas misalnya seluruh pulau Jawa, maka dapat digunakan empat faktor
saja, yaitu elevasi, indeks vegetasi EVI, curah hujan, dan drainase tanah. Jika belum memiliki peta digital drainase tanah, maka cukup digunakan tiga faktor
saja, yaitu EVI MODIS, curah hujan, dan elevasi. Elevasi ketinggian dapat diperoleh dengan menggunakan data SRTM 30 m maupun 90 m yang telah
tersedia untuk sebagian besar wilayah di Indonesia. Sedangkan informasi spasial curah hujan dapat diperoleh dengan menggunakan data TRMM yang memiliki
resolusi temporal tiga jam-an. Dengan demikian model spasial Rawan Banjir RB untuk tujuan pemantauan kerentanan pangan kegagalan panen akibat
banjir dapat digunakan model spasial yang menggunakan 4 faktor, jika memiliki peta digital drainase tanah atau yang menggunakan 3 faktor disajikan pada
persamaan 34 dan 36:
a RB = 0.281 EVI
skor
+ 0.198 CH
skor
+ 0.290 El
skor
+ 0.232 Dr
skor
35 b RB = 0.365 EVI
skor
+ 0.257 CH
skor
+ 0.378 El
skor
36
Easy PDF Creator is professional software to create PDF. If you wish to remove this line, buy it now.
75 Kategori tingkat Rawan Banjir selanjutnya dikelompokkan menjadi 5 kelas
sesuai dengan kebutuhan informasi pengguna Dirjen Perlindungan Tanaman Pangan, Kementrian Pertanian, yaitu : Tidak banjir, Banjir ringan, sedang, berat,
dan banjir sangat berat. Klasifikasi Rawan Banjir sawah menjadi 5 kelas dilakukan berdasarkan pembagian interval kelas menggunakan nilai rata-rata
mean dan
¼standar deviasi dari sebaran
spasial hasil
Overlay. Pengelompokan dengan metode ini dipilih karena sebaran spasial yang
terbentuk mendekati pola genangan banjir. Selain itu dapat dijadikan sebagai metode standar jika menggunakan data pada lokasi dan waktu kejadian yang
berbeda. Pengelompokan kategori kelas banjir sawah disajikan pada Tabel 20.
Tabel 20. Klasifikasi Tingkat Rawan Banjir Sawah
No Kriteria
Kisaran RB_Skor
Kelas Banjir
1 Mean + 0.5 Std
1 – 64 Tidak Banjir
2 Mean + 0.5 Std - Mean + Std
65 – 75 Banjir ringan
3 Mean + Std - Mean + 1.25 Std
76 – 80 Banjir sedang
4 Mean + 1.25 Std - Mean + 1.75 Std
81 – 91 Banjir berat
5 Mean + 1.75 Std
91 Banjir sangat berat
Implementasi model banjir berdasarkan persamaan no 28 untuk pemetaan kejadian banjir lahan sawah pada bulan Januari 2006 di Indramayu
disajikan pada Gambar 29. Lokasi yang mengalami banjir sawah pada kategori kelas Berat dan Sangat Berat yang berpotensi puso meliputi Kecamatan :
Kandanghaur, Losarang, dan Krangkeng.
Easy PDF Creator is professional software to create PDF. If you wish to remove this line, buy it now.
76
Gambar 29. Rawan Banjir Lahan Sawah Bulan Januari Tahun 2006
5.4. Rentan Kegagalan Panen Puso akibat Kekeringan
