Analisis Spasial Tinggi Muka Air Wilayah Jakarta Untuk Mitigasi Bencana Banjir Menggunakan Extreme Value Max Stable Process Model Brown-Resnick

Maitriani, Checellya (2023) Analisis Spasial Tinggi Muka Air Wilayah Jakarta Untuk Mitigasi Bencana Banjir Menggunakan Extreme Value Max Stable Process Model Brown-Resnick. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06311940000044-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (3MB) | Request a copy

Abstract

Negara Indonesia memiliki kondisi geografis, geologis, hidrologis dan demografis yang memungkinkan terjadinya bencana yang dapat menyebabkan berbagai kerugian baik materil maupun non-materil. Salah satu bencana yang sering terjadi di Indonesia adalah bencana banjir. Setiap tahun berbagai daerah di Indonesia mengalami kerusakan dan kerugian akibat bencana banjir, salah satunya adalah Daerah Khusus Ibukota (DKI) Jakarta. Pengelolaan pintu air menjadi salah satu upaya mitigasi bencana banjir oleh Provinsi DKI Jakarta. Pintu air berfungsi untuk mengatur aliran air ke sungai/laut dan sebagai alarm bencana banjir. Pada penelitian ini dilakukan analisis spasial tinggi muka air dari tiga pintu air wilayah Jakarta. Metode yang akan digunakan adalah Spatial Extreme Value dengan Max Stable Process Model Brown-Resnick. Data yang digunakan adalah data per jam periode 1 Mei 2016 hingga 1 November 2021. Pemilihan data ekstrem dengan Block Maxima menggunakan blok harian, sehingga terdapat 2011 blok untuk tiap pintu air. Proporsi data training dan testing adalah 85,15%:15,85%. Data ekstrem kemudian ditransformasi ke unit margin Frechet Z. Hasil perhitungan koefisien eksternal berkisar 1,9 menunjukan dependensi antarlokasi cukup lemah. Model trend surface terbaik adalah model yang memiliki faktor koordinat lintang dan bujur. Setelah estimasi parameter model spasial selanjutnya adalah validasi model dengan RMSE dan MAPE. Nilai RMSE adalah 39,9212 dan nilai MAPE adalah 11,7059%. Langkah terakhir adalah menghitung return level tahun 2022, 2023, 2024 dan 2025 untuk ketiga pintu air. Nilai return level atau ketinggian maksimum yang diduga dapat terjadi pada tahun 2022, 2023, 2024 dan 2025 dari pintu air Marina adalah 252,5139 cm, 254,1205 cm, 255,1943 cm dan 255,9912 cm. Sedangkan pada pintu air Jembatan Merah adalah 244,6233 cm, 247,2769 cm, 249,0499 cm, dan 250,3657 cm. Pada pintu air Istiqlal, return level yang diperoleh adalah 415,6587 cm, 420,6643 cm, 424,0077 cm, dan 426,4883 cm. Return level pintu air Marina dan Istiqlal berada di kategori Siaga I, sedangkan pintu air Jembatan Merah berada di kategori Siaga II. Hasil dari return level tersebut diperkirakan dapat menyebabkan luapan air dan berakibat pada bencana banjir. Maka dari itu, informasi return level ini diharapkan menjadi pertimbangan yang dapat digunakan oleh instansi terkait seperti Badan Meteorologi Klimatologi dan Geofisika (BMKG) dan Badan Penanggulangan Bencana khususnya daerah Provinsi Jakarta dalam upaya mitigasi bencana banjir agar lebih efektif, efisien dan tepat sasaran.
==============================================================================================================================
The Indonesian state has geographical, geological, hydrological and demographic conditions that allow disasters to occur that can cause various losses both material and non-material. One of the disasters that often occurs in Indonesia is floods. Every year various regions in Indonesia experience damage and losses due to flood disasters, one of which is the Special Capital Region (DKI) Jakarta.Water gate management is one of the flood disaster mitigation efforts by DKI Jakarta Province. The sluice serves to regulate the flow of water into the river / sea and as a flood disaster alarm. In this study, a spatial analysis of the water level of the three sluices in Jakarta was carried out. The method to be used is Spatial Extreme Value with Max Stable Process Model Brown-Resnick. The data used is hourly data for the period 1 May 2016 to 1 November 2021. The data used is hourly data for the period 1 May 2016 to 1 November 2021. Extreme data selection with Block Maxima uses daily blocks, so there are 2011 blocks for each sluice. The proportion of training and testing data is 85.15%:15.85%. The extreme data is then transformed to a unit of margin Frechet Z. The result of the calculation of the external coefficient around 1.9 shows that the dependency between locations is quite weak. The best trend surface models are those that have latitude and longitude coordinate factors. After estimation of spatial model parameters the next step is model validation with RMSE and MAPE. The RMSE value is 39.9212 and the MAPE value is 11.7059%. The final step is to calculate the return levels of 2022, 2023, 2024 and 2025 for the three sluices. The expected return level or maximum height that can occur in 2022, 2023, 2024 and 2025 from the Marina water gate are 252.5139 cm, 254.1205 cm, 255.1943 cm and 255.9912 cm. While at the Jembatan Merah water gate are 244.6233 cm, 247.2769 cm, 249.0499 cm and 250.3657 cm. And at the Istiqlal water gate are 415.6587 cm, 420.6643 cm, 424.0077 cm and 426.4883 cm. The return level value or maximum height that is expected to occur in a certain period of the Marina and Istiqlal sluices is in the Alert I category, while the Red Bridge sluice is in the Alert II category. The result of the return level is estimated to cause water overflow and result in flooding. Therefore, this return level information is expected to be a consideration that can be used by relevant agencies such as the Meteorological Climatology and Geophysics Agency (BMKG) and the Disaster Management Agency, especially the Jakarta Province area in an effort to mitigate flood disasters to be more effective, efficient and on target.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Banjir, Max Stable Process, Model Brown-Resnick, Spatial Extreme Value, Tinggi Muka Air, Brown-Resnick Model, Floods, Max Stable Process, Spatial Extreme Value, Water Level
Subjects:	H Social Sciences > HA Statistics > HA30.6 Spatial analysis H Social Sciences > HA Statistics > HA31.7 Estimation Q Science > Q Science (General) > Q180.55.M38 Mathematical models
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Checellya Maitriani
Date Deposited:	20 Jan 2023 06:30
Last Modified:	22 Feb 2023 08:10
URI:	http://repository.its.ac.id/id/eprint/95529

Actions (login required)

View Item