Analisis Spatial Potensi Bahaya Daerah Pantai

8/17/2019 Analisis Spatial Potensi Bahaya Daerah Pantai

1/12

ANALISIS SPASIAL POTENSI BAHAYA DAERAH PANTAI TERHADAP

PERUBAHAN IKLIM DI PULAU BALI

Huda Bachtiar1), Franto Novico2), Bagus Indrawan3)

1) Balai Pantai, Puslitbang-SDA, Kementerian Pekerjaan Umum

2)Pusat Penelitian dan Pengembangan Geologi Kelautan (P3GL), Kementerian ESDM,

3)Oseanografi, Institut Teknologi Bandung

Email: [email protected]

ABSTRACT

It was indicated that climate becomes one of the most important factors that derives economic activity

nowdays. Bali Island is a location that has a high economical value with complete infrastructures, but at the

same time it is also threatened by climate change. This study was aimed to analyze potenial hazard spatially.

The input of this spatial simulation consisted of DEM data and ocean hazard parameters( sea level rise and

temperature projection, ENSO event, and storm surge). Based on simulation result, scenario 1 showed that in

2012, Buleleng district was as the widest area with Hazard Potential Level (HPL) value up to 20.67 km2while the lowest district of HPL was Denpasar around 3.12 km2. Scenario 3 as an extreme condition showed

that HPL of Buleleng district in 2012 might reach up to 32.55 km2. In addition, hazard potential correspond

to time also would enhance HPL value. It was proven by the increase of HPL value in 2030, in which HPL of

Buleleng district would increase up to 37.26 km2. How large the area threatened by climate change will be

depend on the topography profile, thaccumulation of hazard parameters, as well as the hazard parameter

corresponds to the time.

Key words:Climate change, hazard potential, spatial analysis, Bali Island

ABSTRAK

Iklim merupakan salah satu faktor yang mempengaruhi kegiatan ekonomi pada saat ini. Pulau Bali

merupakan salah satu pulau yang memiliki nilai infrastruktur dan nilai ekonomi yang tinggi, tetapi di sisi

lain terdapat potensi bahaya akibat perubahan iklim yang dapat mengancam infrastruktur tersebut. Tujuan

dari kajian ini dilakukan adalah untuk memberikan informasi secara spasial area yang dapat terancam

berdasarkan hasil simulasi spasial. Input dalam simulasi spasial terdiri dari peta topografi sebagai peta

dasar dan parameter bahaya akibat perubahan iklim (kenaikan muka air laut, kejadian ENSO, dan

gelombang badai). Berdasarkan hasil simulasi, skenario 1 menunjukan pada tahun 2012 Kabupaten

Buleleng merupakan area yang memiliki potensi bahaya terluas dengan luas area bahaya tertinggi

20.67km2, sedangkan area yang memiliki potensi bahaya tersempit adalah Kabupaten Denpasar dengan

luas area sekitar 3.12km2. Hasil simulasi skenario 3 sebagai skenario kondisi ekstrim menunjukan luas area

potensi bahaya di Kabupaten Buleleng mencapai 32.55km2 dan area potensi bahaya tersempit di Kabupaten

Denpasar dengan estimasi area yang terancam dengan level sangat tinggi adalah 4.51km2. Selain itu,

berdasarkan hasil simulasi pada tahun 2030 skenario 1 menghasilkan luas area bahaya 37.26km2. Hasil

simulasi menunjukan luasan area yang terancam bahaya tergantung pada akumulasi profil topografi

pantai, parameter bahaya, dan waktu.Kata Kunci:Perubahan iklim, potensi bahaya, analisis spasial, Pulau Bali

PENDAHULUAN

Indonesia sebagai negara kepulauan

diketahui memiliki pulau sekitar 17.508 buah. Dari

seluruh pulau tersebut, lima pulau terbesar yang

telah umum diketahui yaitu Pulau Jawa, Pulau

Sumatera, Pulau Kalimantan, Pulau Sulawesi dan

Pulau Papua merupakan tempat tinggal sebagian

besar rakyat Indonesia. Selain ke lima pulau besar

tersebut, Indonesia masih memiliki Pulau Bali yangmerupakan pulau yang sangat terkenal tidak hanya

di Indonesia namun juga di manca negara. Hal

tersebut terjadi karena Pulau Bali memiliki pantai

yang sangat indah yang menjadi daya tarik

wisatawan untuk datang menikmatinya. Pulau Bali

sebagai daerah penyumbang devisa negara

terbesar di sektor pariwisata perlu dipelihara dan

dijaga akan kelangsungan alamnya khususnya

daerah pantai sehingga roda perekonomian

masyarakat setempat akan terus berjalan dengan

baik.

Isu climate change dan sea level rise

beberapa dekade terakhir menjadi perbincangan


2/12

yang hangat tidak hanya bagi negara yang memiliki

pantai namun juga negara di dunia secara umum.

Perubahan suhu yang terus meningkat diketahui

telah menimbulkan pencairan es di kutub yang

cukup besar sehingga menyebabkan kenaikan

muka air laut, selain itu peningkatan suhu telahmenyebabkan timbulnya beberapa cuaca ekstrem.

Hal-hal tersebut ternyata tidak hanya berdampak

pada perubahan elevasi air laut secara umum

namun juga sangat berpotensi buruk terhadap

kondisi pantai jika kondisi ekstrem tersebut terjadi

pada waktu yang bersamaan.

Kondisi ekstrem seperti badai, peningkatan

muka air laut akibat cuaca ekstrem dan kenaikan

muka air laut itu sendiri menjadi suatu hal yang

perlu dikaji sehingga dapat diperkirakan akan

kelangsungan suatu daerah pantai akibat

menerima kondisi ekstrem tersebut. Abrasi-akresi,erosi-sedimentasi, dan genangan banjir di daerah

pantai akibat kondisi-kondisi ekstrem tersebut

perlu dianalisis sehingga akan dihasilkan suatu

informasi yang berguna bagi kelangsungan,

keamanan dan keselamatan masyarakat,

ekosistem, infrastruktur dan tata guna lahan di

sepanjang daerah pantai tersebut.

Berdasarkan hal-hal di atas, maka tujuan

dari tulisan ini adalah untuk menganalisis kondisi

rawan bencana di daerah pantai sepanjang Pulau

Bali akibat beberapa kondisi ekstrem.

TINJAUAN PUSTAKA

Kajian pustaka dalam makalah ini berupa

hasil kajian yang telah dilakukan terkait

kerentanan pantai dan gelombang badai, dimana

dari hasil kajian tersebut juga dijadikan sebagai

referensi input paramater dalam analisis spasial

potensi bahaya.

Proyeksi Kenaikan Muka Air Laut

SLR akibat pemanasan global merupakan

salah satu parameter yang memberikan kontribusi

sangat signifikan di daerah pantai (Ewing, 2009),

dimana SLR merupakan salah satu faktor yangmempercepat laju erosi, merubah garis pantai, dan

memperluas area genangan di sepanjang daerah

pantai (Latief, 2010). Selain itu, ketika kenaikan

muka air laut dan kenaikan temperatur laut

melebihi batas normal dari kemampuan biota laut

untuk beradaptasi maka dampak dari kenaikan

tersebut dapat merusak akosistem laut dan

ekosistem pantai (Latief, 2010).

Perhitungan proyeksi SLR berdasarkan hasil

kajian resiko dan yang telah dilakukan di Pulau

Lombok, dimana untuk menghitung trend dan laju

SLR di Pulau Bali berdasarkan data pengamatan,

yaitu data pasang surut di Benoa dan data altimetri

(lihat Gambar 1). Analisis hasil perhitunganberdasarkan data historis menunjukan laju

kenaikan muka air laut sekitar 3.5 mm/tahun

sampai 8.0 mm/tahun. Selain itu, ouput model IPCC

menunjukan trend yang relatif sama. Data muka air

berdasarkan hasil skenario model IPCC-SRESa1b

menunjukan SLR bervariasi dari 4mm/thn sampai

8 mm/thn sampai 2100, dimana berdasarkan

skenario SRESa1b untuk tahun 2030 menunjukan

kenaikan yang bervariasi dari 10.5 cm sampai 24

cm terhadap kenaikan muka air di tahun 2000.

pada tahun 2080 akan mencapai 28 cm sampai 55

cm, dan pada tahun 2100 dapat mencapai 40

sampai 80 cm.

Kenaikan Intensitas Gelombang Badai

Gelombang badai adalah gelombang tinggi

yang disebabkan oleh kejadian badai, terutama

badai tropis. Kejadian tersebut merupakan

bencana serius di daerah pantai khususnya di zona

tropis dan sub tropis, dimana salah satu dampak

dari badai tropis adalah naiknya muka air ekstrim

akibat angin dan tekanan dari siklon tersebut

(Riandini, 2011). Gelombang badai yang

dibangkitkan oleh siklon tropis di samudera Hindia

sering menghantam perairan pantai Jawa, Bali, dan

Nusa Tenggara Barat sehingga dapat menyebabkanpotensi bahaya, seperti tergenangnya

insfrastruktur bangunan pantai dan rumah,

relokasi masyarakat ke daerah pengungsian,

terganggunya aktivitas pariwisata, dan

terganggunya aktivitas ekonomi di pelabuhan

(Nining., et al., 2010).

Berdasarkan hasil kajian yang telah

dilakukan, simulasi kerentanan terhadap kejadian

storm tide akibat badai (Nining et al., 2010)

menunjukan tinggi maksimum di sepanjang pantai

selatan Jawa, Bali, dan NTB terdapat di Nusa

Kambangan (Jawa; 19.0 cm), Tuban (Bali; 14.7 cm),Teluk Gumbang (Lombok; 12.2 cm), dan Tanjung

Labulawah (Sumbawa; 12.5 cm). Jarak maksimum

area tergenang (Rmax) dan tinggi run up (H)

terjadi di Teluk Penanjung (Java; Rmax = 835.2 m,

H = 0.73 m), Tuban (Bali; Rmax = 623 m, H = 1.02

m), Tanjung Ringgit (Lombok; Rmax = 1112.3 m, H

= 1.03 m), and Teluk Cempi (Sumbawa; Rmax =

4136.5 m, H = 1.0 m).


3/12

Gambar 1. proyeksi SLR sampai 2100 a) data pengamatan pasang surut Benoa

b) Distribusi SLR data altimetri (sumber: Latief, 2010)

METODOLOGI

Analisis spasial dalam kajian ini dilakukan

dengan cara menetapkan zona dengan

penetapan potensi bahaya, langkah

pengerjaannya, yaitu menggabungkan peta

dasar dan parameter bahaya dapat dilihat pada

Gambar 2. Pengolahan data meliputi,

penggunaan peta dasar dengan skala 1: 200:000yang selanjutnya akan dibuat sebagai peta

tematik berupa peta spatial potensi bahaya

akibat kondisi ekstrem. Selanjutnya analisis data

akan kondisi hidro-oseanografi yang meliputi

pasang surut, angin dan gelombang yang

merupakan rekaman data dari beberapa instansi

terkait dan terakhir adalah analisis data kondisi

ekstrem yang berpotensi terjadi di Pulau Bali

yang meliputi sea level rise, storm surge dan el

Niño southern oscillation.

Seluruh analisis data yang digunakan sebagai

input pengolahan data selanjutnya dimasukkan

ke dalam peta eksisting dan mulai dibuat

skenario akan potensi bahaya yang mungkin

terjadi. Pembuatan peta potensi bahaya pada

intinya Kondisi didasarkan pada rambatan

elevaasi muka air tertinggi akibat skenario yang

dibuat yang selanjutnya disuperposisikan

dengan kondisi topografi daerah pantai

penelitian. Hasil dari superposisi tersebut akan

dijadikan penilaian serta klasifikasi tingkat

potensi bahaya yang akan terjadi. Penilaian atau

scoring yang dhasilkan untuk masing-masing

daerah pantai akan memberikan informasi

tentang tingkat kerentanan suatu daerah pantai

di Pulau Bali terhadap kondisi ekstrem yang

dimodelkan.


4/12

Gambar 2. Diagram alir pembuatan peta potensi bahaya

HASIL DAN PEMBAHASAN

Peta Dasar

Peta dasar dalam kajian ini digunakan

data elevasi secara spasial di Pulau Bali atau

dikenal sebagai data DEM (Digital Elevation

Model) . Data tersebut didapat dari GLCF (the

Global Land Cover Facility)dengan tingkat

akurasi 90 meter (lihat Gambar 3).

Gambar 3. Peta dasar Pulau Bali

(sumber: GLCF, 2012)

Proyeksi Kenaikan Temperatur

Perhitungan analisis SST (Sea Surface

Temperature) berdasarkan perhitungan data

bulanan dari NOAA (National Oceanography and

Atmospheric Agency) Optimum Interpolation (OI)version 2 (Reynolds and Smith, 1994) sebagai

referensi data dari hasil simulasi model IPCC. Dari

perhitungan tersebut didapat nilai SST tahun 1981-

2012 sekitar 0.02720C.

Berdasarkan hasil simulasi, skenario IPCC

SRESa1b memiliki kecenderungan nilai temperatur

yang cenderung mendekati dengan nilai

temperatur di Bali Utara 0.0159-0.029 0C dan Bali

Selatan 0.0169-0.0338 0C. Selain itu, kenaikan SSTsecara global antara 0.30C -0.40C (Rayner, et

al.,2003).


5/12

Analisis Anomali Muka Air Terkait ENSO

Analisis ini dilakukan dengan

mengkorelasikan sea level anomali dengan periode

kejadian la nina (lihat Tabel 2). Hal tersebut

dilakukan, karena terjadi kenaikan muka air akibat

massa dari kolam air panas pada tahun La Niña

terbawa menuju ke arah Indonesia bagian timur

akibat menguatnya Angin Timuran. Hal ini

berdampak pada terjadinya penumpukkan massa

air di daerah Indonesia yang kemudian dapat

menaikkan level muka air laut di perairan

Indonesia. Selain itu, meningkatnya level muka laut

pada tahun La Niña adalah akibat adanya massa air

bertemperatur lebih tinggi yang dibawa dari

Pasifik Timur berasosiasi dengan massa air di

perairan Indonesia yang menyebabkan massa air

memuai dan meningkatkan level permukaan air

pada tahun La Niña (Indrawan, 2011).

Berdasarkan hasil kajian yang telah

dilakukan, ENSO merupakan salah satu fenomena

akibat adanya interaksi atmosfer-laut di daerah

tropikal pasifik (Philander 1983; Suarez dan

Schopf, 1988; Jin, 1998), dimana variabilitas ENSO

ini merupakan salah satu sumber variabilitas

terbesar yang di bangkitkan karena interaksi

proses laut dan atmosfer (Philander, 1983, 1990),

yang dampaknya terhadap perubahan sistem iklim

global (Rasmusson dan Carpenter, 1982;

Ropelewski dan Harpelt, 1987; Trenberth et al.,

1998; Goddard dan Dilley, 2005).

Tabel 2. Periode Kejadian La ninaSumber: BMKG, 2010Periode la nina Anomali suhu muka laut (

oC)

Pasifik Tengah (El

Nino/la nina

Perairan Indonesia Samudera Hindia

(Dipole Mode)

MAM 1954-DJF 1957 -2.0 -0.4 -0.1

ASO 1962-DJF 1963 -0.7 0.1 0

MAM 1964-DJF 1965 -1.2 -0.5 0.8

JJA 1970-DJF 1972 -1.3 0.1 0.4

AMJ 1973-AMJ 1976 -2.1 0.5 0.5

SON 1984-ASO 1985 -1.1 0 -0.4

AMJ 1988-AMJ1989 -1.9 0.1 -0.1

ASO 1995-FMA 1996 -0.7 0.2 0

JJA 1998-MJJ 2000 -1.6 0.4 -0.5

ASO 2007-AMJ2008 -1.4 0.2 -0.1

April 2011-28 Mei 2011 -0.6

-0.3

0.04

-0.1

0.13

-0.13

Kejadian ENSO ini dapat dideteksi dengan

melihat anomali temperatur di Pasifik Tengah dan

di perairan Indonesia. Pada tahun La Niña suhu

permukaan laut di Pasifik mengalami penurunan

dan sebaliknya di Indonesia mengalami kenaikansuhu permukaan laut. Ketika kondisi El Niño suhu

permukaan laut di Pasifik Tengah mengalami

kenaikan dan sebaliknya di Indonesia mengalami

penurunan suhu permukaan laut (Indrawan,

2011).Hasil perhitungan data UHSCL (The

University of Hawaii Sea Level Centre), anomali

elevasi muka air perarian Bali pada perioda la nina

menunjukan kenaikan muka air sebesar 25 cm

(lihat Gambar 4).

Gelombang Angin

Data angin berupa kecepatan dan arah anginharian. Data ini didapatkan dari stasiun BMG

Ngurah Rai di Kecamatan Kuta Kabupaten Badung-


6/12

Bali dengan koordinat, 080 44' 55" LS dan 1150 10'

09" BT. Berdasarkan rekaman data sejak 1 Januari

2003 hingga 30 November 2010 maka dapat

diketahui bahwa arah angin dominan berasal dari

timur, tenggara dan barat. Peramalan gelombang

dilakukan dengan menghitung pembentukangelombang di laut dalam dianalisa dengan rumus –

rumus empiris yang diturunkan dari model

parametrik berdasarkan spektrum gelombang

JONSWAP (Shore Protection Manual, 1984).

Berdasarkan hasil peramalan dapat diketahui

bahwa kondisi gelombang ekstrem di lokasi

Ngurah Rai memiliki ketinggian maksimum

sebesar 3.46 m untuk kala ulang 200 tahun (lihat

Tabel 3).

Analisis Pasang Surut

Pasang surut merupakan salah satu parameter

yang sangat penting dalam analisis potensi bahaya,

karena besarnya suatu elevasi pasang surut di

perairan dengan level tertentu akan memberikan

elevasi yang signifikan ketika pasang air tertinggi

dari suatu nilai pasang surut diakumulasikan

dengan fenomena lain di laut. Analisis pasang surut

dilakukan dengan melakukan pengukuran muka

air selama 17 hari, yaitu pada tanggal 20 Januari-5

Februari 2011 (lihat Gambar 5). Pengukuran

tersebut dilakukan untuk memperoleh karakteritik

pasang surut pada saat kondisi pasut purnama dan

pasut perbani di Tanjung Benoa, Bali. Hasil

pengukuran tersebut dijadikan sebagai referensi

dalam analisis pasang surut dalam kajian analisis

spasial ini.

Hasil analisis pasang surut menunjukankarakteristik pasang surut di Tanjung Benoa

cenderung semidiurnal hal ini berdasarkan

perhitungan nilai Formzal sebesar 0.54, dimana

muka air di perairan tersebut cenderung terjadi

dua kali pasang dan dua kali surut dalam satu hari.

Selain itu, nilai pasang air tertinggi (HHWL)

sebesar 3.796 m dan nilai rata-rata muka air

(MHWL) sebesar 2.047 m.

Skematisasi Skenario Potensi Bahaya

Skematisasi model dilakukan dengan membagi

model menjadi tiga skenario pada tahun 2012 dan

pada tahun 2030 (lihat Tabel 4). Pembagian

skenario tersebut berdasarkan akumulasi setiap

potensi bahaya yang digabungkan terhadap peta

dasar. Skenario pertama merupakan simulasi

spasial kondisi eksisting, dimana parameter input

berupa nilai SLR, MHWL, dan gelombang angin

cenderung berada dalam kondisi tidak ekstrim.

Sedangkan, skenario dua dan skenario tiga

merupakan akumulasi parameter pada kondisi

ekstrim.

Tabel 3. Nilai Kondisi Ekstrem Gelombang di Sta.Ngurah Rai

Periode ulang

(tahun)

Tinggi gel

(meter)

Periode gel

(detik)

200 3.46 7.55

100 3.16 7.27

50 2.85 6.97

25 2.54 6.65

10 2.13 6.19

5 1.84 5.78

3 1.54 5.43

2 1.30 5.08


7/12

Gambar 4.Hasil pengolahan anomali elevasi perairan Bali

Gambar 5. Data hasil pengukuran muka air Tanjung Benoa, Bali

Tabel 4. Skenario model

Nomor Potensi Bahaya

1 Kenaikan muka air laut

2 MHWL (Mean High

Water Level)

3 HHWL (Highest High

Water Level)

4 Gelombang Angin

5 Gelombang Angin

(ekstrim)

6 La Nina

7 Gelombang Badai

Akumulasi Skenario

1+2+4 1 (eksisting)

1+3+5 2

1+3+5+6+7 3(ekstrim)

-40

-30

-20

-10

0

10

20

30

40

50

Sep-05 Jan-07 Jun-08 Okt-09 Feb-11

A n o m a l i ( m m )

Waktu

BENOA

PRIGI

LAMBAR

El Nino Moderat 2006-2007

El NinoLemah 2009

La Nina Moderat 2007-2008


8/12

Analisis Spasial Potensi Bahaya

Peta potensi bahaya berupa pemberian informasi

secara spasial area yang berpotensi terkena

dampak dari suatu bencana berdasarkan input

parameter bahaya. Analisis potensi bahaya

berdasarkan pembagian cluster yangmerepresentasikan kondisi pantai Bali di setiap

lokasi, yaitu Kabupaten Buleleng (Bali Utara),

Kabupaten Karangasem (Bali Timur), Kabupaten

Denpasar (Bali Selatan), dan Kabupaten Jembrana

(Bali Barat). Secara umum, hasil simulasi

menunjukan daerah dengan potensi bahaya sangat

tinggi memiliki luas area yang sempit, karena

daerah tersebut memiliki karakteristik topografi

yang relatif tinggi, seperti daerah Uluwatu di Bali

Selatan. Begitu juga sebaliknya, daerah dengan

potensi bahaya sangat tinggi memiliki luasan area

yang luas cenderung memiliki karakteristik

topografi yang relatif landai, seperti daerahBuleleng di Bali Utara (lihat Gambar 6). Selain itu,

skenario 3 menunjukan potensi bahaya pada

kondisi ekstrim, dimana skenario tersebut

merupakan akumulasi dari setiap parameter yang

memiliki periode ulang kejadian yang relatif

panjang, seperti fenomena ENSO yang memiliki

periode ulang 2-7 tahun.

Gambar 6. Peta Potensi Bahaya Skenario 1 Tahun 2012



9/12




10/12

Hasil simulasi menunjukan skenario 3 dengan

potensi bahaya yang sangat tinggi memiliki luasan

area yang lebih besar dibandingkan skenario 1

(lihat Gambar 7). Selain itu, secara umum areapotensi bahaya pada tahun 2030 cenderung lebih

luas dibandingkan peta potensi bahaya pada tahun

2012 (lihat Gambar 8) dan begitu juga akumulasi

penambahan parameter bahaya dalam skenario 3

menunjukan trend penambahan luas area bahaya

(lihat Gambar 9).

Kuantifikasi data menunjukan luasan daerah

bahaya dengan klasifikasi bahaya dari level sangat

bahaya sampai level sangat rendah di setiap cluster

(lihat Tabel 5). Hasil kuantifikasi data skenario 1

dengan potensi bahaya sangat tinggi berada di

daerah Buleleng (Bali Utara) dengan estimasi area

20.67 km2, sedangkan daerah terluas ke dua

dengan potensi bahaya yang sangat tinggi berada

di daerah Jembrana (Bali Barat) dengan estimasi

area 15.60 km2. Hasil identifikasi lapangan

menunjukan bahwa daerah Buleleng dan Jembrana

cenderung memiliki karakter topografi yang landai

dibandingkan cluster lainnya. Selain itu, historikal

data bencana di Pulau Bali pada tahun 2010

sampai tahun 2012 menunjukan setiap tahun telah

terjadi kerusakan akibat gelombang pasang di

Pulau Bali. pada tahun 2010 telah terjadi

kerusakan akibat gelombang pasang dengan

frekuensi kejadian empat kali di KabupatenBuleleng pada bulan Januari (BKBPPM Provinsi

Bali, 2010). Pada tahun 2011 telah terjadi

kerusakan akibat gelombang pasang dengan

frekuensi kejadian enam kali di Kabupaten

Buleleng pada bulan Januari dan Februari dan di

Kabupaten Jembrana satu kali di Bulan Juni

(BKBPPM Provinsi Bali, 2011). Serta, pada bulan

Maret 2012 telah terjadi akibat gelombang pasang

(BPBD-Kabupaten Buleleng, 2012). Sedangkan,

area dengan potensi bahaya sangat tinggi yangmemiliki nilai terendah berada di Kabupaten

Denpasar, karena karakteristik kabupaten tersebut

cenderung memiliki karakter topografi yang tinggi.

Estimasi luas area yang berpotensi terhadap input

parameter bahaya akan memberikan pengaruh

yang sangat signifikan ketika parameter potensi

bahaya pada kondisi ekstrim berakumulasi dan

penambahan trend besarnya nilai parameter

bahaya terhadap waktu seperti ditunjukan hasil

simulasi skenario 3. Hasil simulasi skenario 3 pada

tahun 2012 di Kabupaten Buleleng menunjukan

potensi bahaya dengan level sangat tinggi dapat

mencapai 32.55 km2, dengan demikian terdapat

penambahan luas area yang mencapai 11.88 km2.

Selain itu, estimasi luas area dengan potensi

bahaya sangat tinggi setelah 18 tahun kemudian

(tahun 2030) mengalami trend penambahan luas

area, dimana hasil simulasi skenario 3 pada tahun

2030 dapat mencapai 37.26 km2. Dalam kajian

peta bahaya selanjutnya, parameter bahaya akan

lebih lengkap jika dilakukan penambahan

parameter potensi bahaya di daerah pantai, seperti

dengan memasukan elevasi muka air ketika terjadi

tsunami, sehingga peta potensi bahaya yang dibuat

akan melengkapi data base peta potensi bahaya.Selain itu, hasil simulasi dengan data DEM yang

memiliki resolusi lebih detail akan

merepresentasikan kondisi spasial mendekati

sebenarnya dengan kondisi lapangan, karena hasil

simulasi yang ditunjukan lebih bersifat moderat.

Tabel 5.Kuantifikasi luas area terhadap potensi bahaya

1 2 3 4 5 1 2 3 4 5 1 2 3 4 5

1 3.12 2.12 1.26 0.42 1.76 15.60 10.60 5.85 2.68 5.49 20.67 18.79 9.77 4.43 8.32

2 4.03 2.05 1.32 2.80 0.24 19.47 10.94 7.04 5.45 1.33 27.23 18.66 11.41 7.98 2.70

3 4.51 1.99 1.57 1.52 0.65 22.21 9.85 6.57 1.16 8.10 32.55 16.66 10.37 7.96 4.68

1 3.12 2.12 1.26 0.42 2.52 15.60 10.60 5.85 2.68 7.45 20.67 18.79 9.77 4.43 11.36

2 4.03 2.05 1.32 2.80 0.51 19.47 10.94 7.04 5.45 1.67 27.23 18.66 11.41 7.98 2.60

3 4.87 2.01 3.69 1.46 0.84 24.84 10.25 7.80 6.26 2.48 37.26 15.81 12.56 4.54 6.95

1 2 3 4 5

1 11.78 5.41 2.99 1.36 2.52

2 13.77 5.55 3.51 2.41 0.25

3 15.21 4.98 3.14 2.18 1.75

1 11.78 5.41 2.99 1.36 3.46

2 13.77 5.55 3.51 2.41 0.56

3 16.55 4.64 4.04 1.84 1.65

Karangasem

2012

2030

LUAS AREA BAHAYA (km2)

TAHUN SKENARIO

2012

2030

Buleleng

LUAS AREA BAHAYA (km2)

TAHUN SKENARIO Denpasar Jembrana

keterangan:

1 sangat tinggi

2 tinggi

3 moderat

4 rendah5 sangat rendah


11/12


12/12

Station, U.S. Government Printing Office,

Washington, D.C., 1,088 p

Suarez, M. J. and Schopf, P. S. 1988. A delayed action

oscillator for ENSO. J. Atmos. Sci. 45, 549 –

566.

Trenberth, K. E., Branstator, G. W., Karoly, D., Kumar,

A., Lau, N.-C., and co-authors. 1998.

Progress during TOGA in understanding

and modelling global teleconnections

associated with tropical sea surface

temperatures. J. Geophys. Res. 103, 14

291 –12 324.

UHSCL., 2011. Sea Level Center of Data. Hawaii,

USA. (diaksesdari

http://uhslc.soest.hawaii.edu/data/fdd).

Documents

Analisis Spatial Potensi Bahaya Daerah Pantai