Estimasi Wilayah Rawan Banjir Menggunakan Geographically Weighted Regression Dan Pemodelan Banjir Metode Steady Flow (Studi Kasus: Kecamatan Tanah Abang, Jakarta Pusat).

Muminah, Klarissa (2022) Estimasi Wilayah Rawan Banjir Menggunakan Geographically Weighted Regression Dan Pemodelan Banjir Metode Steady Flow (Studi Kasus: Kecamatan Tanah Abang, Jakarta Pusat). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 03311840000084-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (3MB)

Abstract

Banjir di DKI Jakarta sudah menjadi agenda tahunan pada saat musim hujan datang. Penyebab dari banjir tersebut bermacam-macam seperti meluapnya sungai, curah hujan yang tinggi, dan sedikitnya saluran air. Oleh karena itu, diperlukan suatu penanganan dari bencana banjir tersebut. Untuk langkah awal, dibutuhkannya pemetaan dari genangan banjir sebagai salah satu mitigasi terjadinya banjir. Pada penelitian ini, dilakukan pemodelan banjir dengan metode Steady Flow dan prediksi dari wilayah rawan banjir menggunakan Geographically Weighted Regression dengan fungsi pembobot Kernel Gaussian di Kecamatan Tanah Abang. Dari hasil pemodelan banjir yang telah dilakukan, didapatkan kedalaman genangan banjir dari sungai Kali Banjir Kanal Barat berkisar antara 0,000823 s.d 6,171440 m. Pemodelan banjir ini menggunakan software ArcGIS dengan ekstensi HEC Geo-RAS untuk pembuatan geometri sungai dan HEC RAS untuk pemodelan genangan banjir. Kemudian, kedalaman banjir tersebut dijadikan salah satu parameter GWR bersama dengan nilai DEM, Luas Saluran, Genangan Banjir, Manning’s Roughness, dan jumlah Drainase Vertikal. Untuk variabel dependen (Y), digunakan Genangan banjir yang tersebar diseluruh Kecamatan Tanah Abang. Langkah regresi awal adalah dengan melakukan regresi Ordinary Least Square untuk pengujian variabel yang signifikan dengan mengetahui nilai VIF < 10. Hasil dari Geographically Weighted Regression menunjukan nilai Bandwidth sebesar 0,002, R kuadrat sebesar 0,633148 atau 63,3148% dan AIC sebesar 17329,480. Pengolahan Spatial Regression OLS dan GWR ini menggunakan software ArcGIS dan GWR4.
===================================================================================================================================
Floods in DKI Jakarta have become an annual agenda when the rainy season comes. The causes of these floods are various, such as overflowing rivers, high rainfall, and few waterways. Therefore, we need a handling of the flood disaster. For the initial step, mapping of flood anticipation is needed as one of the mitigations for flooding. In this study, flood modeling was carried out using the Steady Flow method and predictions from flood-prone areas using Geographically Weighted Regression with a Gaussian Kernel weighting function in Tanah Abang District. From the results of flood modeling that has been carried out, it is found that the estimated depth of the flood from the Banjir Kanal Barat river ranges from 0.000823 to 6.171440 m. This flood modeling uses ArcGIS software with the HEC Geo-RAS extension for the creation of river geometries and HEC RAS for anticipating floods. Then, the flood depth is used as one of the GWR parameters along with the DEM value, Channel Area, Flood Inundation, Manning Roughness, and the amount of Vertical Drainage. For the dependent variable (Y), used flood inundation spread throughout Tanah Abang District. The initial regression step is to perform Ordinary Least Square regression to test the significant variables by knowing the VIF value < 10. The results from Geographically Weighted Regression show the Bandwidth value of 0.002, R squared of 0.633148 or 63.3148% and AIC of 17329.480. OLS and GWR Spatial Regression processing uses ArcGIS and GWR4 software.

Item Type:	Thesis (Other)
Additional Information:	RSG 526.028 5 Mum e-1 2022
Uncontrolled Keywords:	Banjir, Pemodelan Banjir, Geographically Weighted Regression. Flood, Flood Modelling, Geographically Weighted Regression.
Divisions:	Faculty of Civil, Planning, and Geo Engineering (CIVPLAN) > Geomatics Engineering > 29202-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	20 May 2026 07:01
Last Modified:	20 May 2026 07:01
URI:	http://repository.its.ac.id/id/eprint/133280

Actions (login required)

View Item