DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Perumusan Masalah Tujuan Penelitian Manfaat Penelitian...

Transkripsi

1 DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii HALAMAN PERSEMBAHAN... iv KATA PENGANTAR... vi DAFTAR ISI... vii DAFTAR TABEL... ix DAFTAR GAMBAR... x INTISARI... xii ABSTRACT... xiii BAB I PENDAHULUAN Latar Belakang Perumusan Masalah Tujuan Penelitian Manfaat Penelitian... 5 BAB II TINJAUAN PUSTAKA Case Based Reasoning Tanah Longsor Rehabilitasi Hutan dan Lahan Peluang Aplikasi CBR untuk Kelola Pengetahuan Rahabilitasi Hutan dan Lahan Kawasan Rawan Longsor Validasi Model CBR Definisi dan Asumsi dalam Penelitian Penelitian Sebelumnya Mengenai Bencana Longsor BAB III METODE PENELITIAN Lokasi dan Waktu Penelitian Pengumpulan data Studi literatur dan konsultasi Pengambilan data lapangan Sampling pengukuran vegetasi Pengumpulan kasus-kasus longsoran Analisis data Pembangunan Aplikasi Sistem CBR Analisis Data Vegetasi Validasi Hasil Estimasi BAB IV GAMBARAN UMUM LOKASI PENELITIAN Letak dan Batas Wilayah Penelitian Kondisi Iklim Kawasan Sub DAS Tinalah Curah Hujan Temperatur vii

2 4.2.3 Tipe iklim Kondisi Biofisik Kawasan Sub DAS Tinalah Kondisi Tanah Kondisi Topografi Kondisi Vegetasi Kondisi Sosial Kawasan Sub DAS Tinalah BAB V HASIL DAN PEMBAHASAN Rancangan CBR untuk Sistem Penduga Bahaya Longsor Uji Coba Sistem Kasus Referensi Aplikasi MaMoLandS 1.0 (Mass Movement Landslide) Validasi hasil model penduga Peran faktor biofisik sebagai penduga longsoran Implementasi Sistem Posisi Sistem dalam Penanganan Bencana Longsor Peran aktor dalam sistem BAB VI KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN LAMPIRAN 1 Prinsip Case Based Reasoning untuk membangun Aplikasi MaMoLands LAMPIRAN 2 Transformasi LBDS dengan MSAVI LAMPIRAN 3 Dokumentasi Penelitian viii

3 DAFTAR TABEL Tabel 2.1 Keteragan Gambar 2.4. yang ditinjau dari mekanisme secara Hidrologi Tabel 2.2 Keterangan Gambar 2.4. yang meninjau dari mekanisme secara mekanis Tabel 2.3 Daftar penelitian sebelumnya mengenai tanah longsor Tabel 3.1. Kebutuhan data penelitian Tabel 3.2 Kebutuhan alat pengambilan data lapangan Tabel 3.3 Konsultasi pakar dalam penelitian Tabel 3.4 Nilai pixel tiap kerapatan vegetasi Tabel 3.5 Kombinasi plot Petak ukur berdasarkan data sekunder Tabel 3.6 Nilai Pembobotan Atribut dan Sub Atribut Secara Hierarki Tabel 4.1 Luas Administrasi di Sub DAS Tinalah Tabel 4.3 Suhu Sub Das Tinalah Tabel 4.4 Klasifikasi Tipe Iklim menurut Schimdt dan Ferguson Tabel 4.5 Perhitungan nilai Q dan tipe iklim Sub DAS Tinalah Tabel 4.6 Klasifikasi Famili tanah di Sub DAS Tinalah Tabel 4.7 Kelas lereng dengan sifat-sifat proses alami Sub DAS Tinalah 53 Tabel 4.8 Kerapatan vegetasi LBDS(m 2 )/ha Tabel 5.1 Nilai Pengujian Model Regresi Tabel 5.2 Tabel rerata panjang dan lebar aktual dengan nilai estimasinya 68 Tabel 5.3 Hasil pengujian estimasi panjang dan lebar kasus longsoran. 69 Tabel 5.4 Luas kelas lereng setiap ketinggian tempat ix

4 DAFTAR GAMBAR Gambar 2.1 Bagan Sistem Analisis Case Based Reasoning (CBR)... 7 Gambar 2.2 Sketsa tipe- tipe longsoran material batuan (USGS (2008) dalam Wacano (2010)) Gambar 2.3 Sketsa tipe- tipe longsoran material tanah (USGS (2008) dalam Wacano (2010)) Gambar 2.4. Pengaruh hidromekanik vegetasi terhadap stabilitas lereng 14 Gambar 3.1 Gambar parameter pengukuran pohon di lapangan Gambar 3.2 Transformasi ukuran pixel ke dalam plot ukur lapangan sebagai sarana estimasi nilai variabel terikat(y) (y=f(x)) Gambar 3.3 Sketsa pengukuran lapangan selidik kasus longsor Gambar 3.4 Bagan alur sistem CBR (mengikuti prinsip CBR pada gambar 2.1) Gambar 4.1 Peta lokasi Sub DAS Tinalah...` 45 Gambar 4.2 Curah hujan Sub DAS Tinalah (stasiun hujan Samigaluh) dari tahun Gambar 4.3 Peta Famili Tanah di Sub DAS Tinalah (keterangan mengikuti Tabel 4.6.) Gambar 5.1 Sistem pengelolaan kawasan rawan longsor Gambar 5.2 Grafik Diagram Pencar nilai MSAVI2 dan LBDS aktual Gambar 5.3 Hubungan tipe longsor terhadap kasus aktual dari tahun Gambar 5.4 Halaman muka sistem CBR MaMoLandS sebagai aplikasi penalaran berbasis kasus untuk prediksi potensi gerakan massa Gambar 5.5 Grafik hasil prediksi tipe longsoran di Sub DAS Tinalah Gambar 5.6 Peta hasil estimasi tipe longsor kawasan Sub DAS Tinalah.. 66 Gambar 5.7 Hubungan rata-rata estimasi panjang dan lebar longsoran terhadap nilai aktual termiripnya Gambar 5.9 Grafik hubungan kelas lereng terhadap jumlah kasus referensi 71 Gambar 5.10 Grafik hubungan kelas lereng terhadap luasan estimasi Wilayah longsor Gambar 5.11 Grafik hubungan kelas LBDS terhadap jumlah kasus referensi aktual Gambar 5.12 Grafik hubungan kelas kerapatan LBDS terhadap luasan estimasi wilayah longsor Gambar 5.13 Hubungan buffer jalan terhadap jumlah kasus referensi aktual Gambar 5.14 Grafik hubungan buffer jalan terhadap luasan estimasi wilayah longsor Gambar 5.15 Hubungan buffer sungai terhadap jumlah kasus aktual Gambar 5.16 Grafik hubungan buffer sungai terhadap luasan estimasi wilayah longsor Gambar 5.17 Hubungan kelas tinggi tempat terhadap jumlah kasus aktual 76 x

5 Gambar 5.18 Grafik hubungan kelas tinggi tempat terhadap luasan estimasi wilayah longsor Gambar 5.19 Grafik luas lereng setiap kelas ketinggian tempat Gambar 5.20 Peta kelas lereng pada setiap kelas ketinggian tempat Gambar 5.21 Diagram Context Sistem Penduga Bencana Longsor xi

6 DAFTAR LAMPIRAN LAMPIRAN 1 Prinsip Case Based Reasoning untuk membangun AplikasI MaMoLands LAMPIRAN 2 Transformasi LBDS dengan MSAVI LAMPIRAN 3 Dokumentasi Penelitian xii

7 CASE BASED REASONING SEBAGAI PRINSIP DALAM APLIKASI REHABILITASI HUTAN DAN LAHAN UNTUK MENGURANGI RESIKO BENCANA LONGSOR DI SUB DAS TINALAH, KULON PROGO, YOGYAKARTA Oleh : Duwi Handoko 1 Ir. Budi Murdawa, M.Sc. 2 Dr. Ir. Ambar Kusumandari, M.ES 3 INTISARI Permasalahan bencana longsor belum terselesaikan dengan baik karena bersifat ketidakpastian. Case Based Reasoning (CBR) digunakan untuk menyelesaikan ketidakpastian tersebut melalui penalaran menggunakan pengetahuan masa lalu untuk menyelesaikan permasalahan baru. Hal ini bermanfaat dalam mengolah permasalahan kasus-kasus longsor lama untuk memprediksi kasus baru. Adapun tujuan penelitian ini adalah menerapkan prinsip CBR, menduga tipe dan ukuran longsor, dan strategi implementasinya dalam upaya mitigasi pra-bencana longsor. Metode yang digunakan dalam penelitian ini adalah prinsip CBR yang digunakan dalam perancangan model penduga longsor bernama MaMoLands 1.0. Metode Analytical Hierarchy Process (AHP) juga digunakan untuk pembobotan atribut. Validasi hasil pendugaan longsor dikaji dengan menghitung Root Mean Square Error (RMSE), Simpangan Agregatif (SA), Simpangan Rata-rata (SR). Aplikasi MaMoLands 1.0 mampu menduga longsor dengan baik. Hal ini ditunjukkan oleh hasil validasi pendugaan longsor dengan eror kecil (uji panjang : RMSE 1,1818 %, SA 5,9875 %, SR 56,3787% ; uji lebar : RMSE 0,5909%, SA 2,9067%, SR 25,1969%). Hasil dugaan tipe longsor Sub DAS Tinalah adalah aliran tanah, jatuhan batu, longsoran, longsoran batau dan tanah, rayapan, longsor berputar dan longsor bergeser. Implementasi sistem melibatkan 5 elemen sistem sebagai aktor berkepentingan dalam pengelolaan DAS rawan longsor yaitu BPBD, TAGANA, BPDAS, LITBANGHUT dan BAPPEDA. Hasil pendugaan longsor dapat dimanfaatkan oleh setiap aktor tersebut sebagai sistem pendukung keputusan dalam upaya mitigasi pra-bencana longsor melalui pendekatan rehabilitasi hutan dan lahan. Kata kunci : Case Based Reasoning, aplikasi, pendugaan, longsor, mitigasi 1 Mahasiswa Fakultas Kehutanan Universitas Gadjah Mada 2 Dosen Bagian Manajemen Hutan, Fakultas Kehutanan Universitas Gadjah Mada 3 Dosen Bagian Konservasi Sumber Daya Hutan, Fakultas Kehutanan Universitas Gadjah Mada xiii

8 APLICATION OF CASE BASED REASONING AS A PRINCIPLE ON FOREST AND LAND REHABILITATION TO REDUCE LANDSLIDE DISASTER RISK IN TINALAH SUB-WATERSHED, KULON PROGO, YOGYAKARTA By : Duwi Handoko 1 Ir. Budi Murdawa, M. Sc 2 Dr. Ir. Ambar Kusumandari, M.E.S. 3 ABSTRACT Landslide disaster problem doesn t have a good solution, because it has uncertainty condition. Case Based Reasoning (CBR) is used for finishing this uncertainty by reasoning the past knowledge for finishing the new case. It can be benefit to processes past landslide cases for prediction a new cases. The study is aimed to apply CBR principle, predict the landslide type and size, and implementation strategy arrangements for landslide pre-disasters mitigation. The study use CBR principle as method to design the landslide prediction model that called MaMoLands 1.0. Analytical Hierarchy Process (AHP) method as also used on weighting atttribute. The validation of result is measured by Root Mean Square Error (RMSE), Aggregative Deviation (AD), and Mean Deviation (MD). The result shows that MaMolands 1.0 application can be predict the landslide disaster with good acurate. It is indicated by landslide predict validation is smalls error (length validation value is RMSE : 1,1818 %, AD : 5,9875 %, MD : 56,3787%; width validation value is RMSE : 0,5909%, AD : 2,9067%, MD : 25,1969%). Output landslide type s prediction in Tinalah Sub-Watershed is earth flow, rock falls, slide, avalanche, creep, rotational slide and translational slide. The system implementation has involve five element system as the interested stakeholders in the landslide susceptible watershed management of Disasters Reducing Region Office (BPBD), Disasters Alert Youth (TAGANA), Watershed Management Office (BPDAS), Forest Research and Development (LITBANGHUT), Planning and Building Region Office (BAPPEDA). The landslide predict result can be using by this stakeholders for decision making system to do the pre-disasters mitigation with forest and land rehabilitation approach. Keywords: Case Based Reasoning, application, prediction, landslide, mitigation. 1 Student in Forest Faculty, Gadjah Mada University 2 Lecture in Forest Management, Forest Faculty, Gadjah Mada University 3 Lecture in Forest Resource Conservation, Forest Faculty, Gadjah Mada University xiv