ii - repository.uksw.edurepository.uksw.edu/bitstream/123456789/13654/1/T1_672013085_Full... ·...

1

1. Latar Belakang Masalah

Indonesia yang terletak diantara pertemuan tiga lempeng dunia, yaitu

Indo-Australia, Eurasia, dan lempeng pasifik [1]. Sehingga dapat dikatakan

Indonesia akan sering mengalami bencana alam akibat dari pergerakan ketiga

lempeng tersebut. Bencana alam merupakan sebuah kejadian fenomena alam

yang tidak bisa kita hindarkan, walaupun tidak semua bencana alam yang

terjadi tidak dapat kita hindarkan maupun kita mencegahnya. Namun bukan

berarti bencana yang terjadi serta merta membuat kita diam dan pasrah

dengan adanya suatu bencana. Dengan adanya suatu bencana yang terjadi,

maka kita harus dapat memikirkan bagaimana cara untuk dapat mencegah

maupun menanggulanginya. Untuk membantu mengurangi bencana alam dan

dampaknya, diperlukan sebuah system yang mampu menentukan daerah yang

termasuk daerah sering bencana alam [3].

Dalam seiring adanya bencana alam yang terjadi di Negara kita ini

masih belum bisa menanggulanginya secara maksimal bagaimana cara untuk

bisa mengurangi atau menekan banyaknya korban yang jatuh akibat bencana

yang melanda. Sehingga korban yang terkena bencana jauh lebih banyak

walaupun bencana tersebut tidaklah terlalu besar. Berdasarkan data dari

Kementrian Koordinasi Bidang Kesejahteraan Masyarakat

(menkokesra.go.id), jumlah korban akibat banjir dan tanah longsor pada tahun

2006 sebesar 215 jiwa [1]. Berdasarkan data dari BNPB pada tahun 2017

hingga bulan juni, dari seluruh bencana alam yang sudah terjadi sebanyak

1.368 kejadian, dan menelan korban sebanyak 227 jiwa.

Dengan adanya persoalan tersebut, peneliti ingin membuat sebuah

sistem informasi geografis yang nantinya akan menampilkan sebuah peta

persebaran daerah yang merupakan daerah rawan terjadinya bencana tanah

longsor. Sehingga nantinya diharapkan tidak ada lagi korban yang jatuh akibat

dari bencana tanah longsor yang terjadi.

2

2. Kajian Pustaka

Berdasarkan penelitian yang dilakukan oleh Muh Lukman Sutrisno

(2011) yang berjudul Aplikasi Sistem Informasi Geografi Untuk Penentuan

Tingkat Kerentanan Longsor Lahan Di Kecamatan Imogiri Kabupaten Bantul.

Membahas tentang penentuan tingkat kerentanan longsor lahan dengan

menggunakan pengolahan dengan teknik tumpang susun (overlay) [1].

Penelitian kedua dilakukan oleh Jefri Ardian Nugroho dkk (2008) yang

berjudul Pemetaan Daerah Rawan Longsor Dengan Penginderaan Jauh Dan

Sistem Informasi Geografis. Membahas tentang menampilkan daerah rawan

terjadi longsor dengan cara membagikan data berdasarkan skor masing-

masing, baik itu dari kelerengan, ketinggian, curah hujan, lapisan tanah,

penggunaan lahan. Kemudian untuk menampilkan peta daerah rawan bencana

peneliti melakukan overlay pada peta tersebut sehingga menghasilkan data

spasial baru, sehingga skor terbaru yang telah didapatkan digunakan sebagai

menampilkan daerah rawan bencana longsor [2].

Penelitian ketiga dilakukan oleh Nur Azizah Latifah (2015) yang

berjudul Sistem Informasi Geografis Pemetaan Daerah Rawan Bencana Alam

di Kabupaten Kebumen Berbasis Web, membahas tentang pemetaan daerah

rawan bencana alam menggunakan google MapAPI yang disajikan dalam

sebuah peta pada web [3].

Penelitian keempat dilakukan oleh Cees J. van Westen (2010) yang

berjudul Remote Sensing and GIS for Natural Hazards Assessment and

Disaster Risk Management, membahas tentang penilaian bahaya bencana

alam dengan menggunakan data spasial dengan penekanan pada data

penginderaan jauh dan penggunaan data yang dipakai untuk menentukan

daerah rawan bahaya [4].

3

Penelitian kelima dilakukan oleh Himan Shahabi dan Mazlan Hashim

(2015) yang berjudul Landslide susceptibility mapping using GIS-based

statistical models and Remote sensing data in tropical environment,

membahas tentang pemetaan kerentanan tanah longsor menggunakan

penginderaan jauh di daerah tropis dan penelitian dilakukan di daerah dataran

tinggi Cameroon, sebab jika penelitian dilakukan di daerah tropis akan sulit

dilakukan karena terkendala oleh cuaca, dan untuk menentukan daerah yang

rawan peneliti menggunakan sepuluh faktor sebagai acuannya [5].

Penelitian keenam dilakukan oleh Sari Mulyaningsih dan Tedy Setiadi

(2014) yang berjudul Sistem Informasi Geografis Pemetaan Daerah Rawan

Tanah Longsor di Kabupaten Gunung Kidul Berbasis Web, membahas tentang

pemetaan daerah rawan bencana di gunung kidul dengan melakukan proses

digitasi peta dan overlay menggunakan arcview kemudian ditampilkan ke

dalam web [6].

Penelitian ketujuh dilakukan oleh Arief Yusuf Effendi dan Teguh

Haryanto (2016) yang berjudul Pembuatan Peta Daerah Rawan Bencana

Tanah Longsor Menggunakan Metode Fuzzy Logic, membahas tentang

pembuatan peta tingkat kerawanan daerah tanah longsor dengan

menggunakan proses overlay fuzzy yang terdapat pada ArcGIS [7].

Penelitian yang dilakukan oleh Fheny Fuzi Lestari (2008) yang

berjudul Penerapan Sistem Informasi Geografis Dalam Pemetaan Daerah

Rawan Longsor di Kabupaten Bogor membahas tentang pembuatan peta

rawan longsor menggunakan cara tumpang tindih (map overlay) dengan

software Arc View [8].

Penelitian yang dilakukan oleh Novia Destriani dan Adjie Pamungkas

(2013) dengan judul Identifikasi Daerah Kawasan Rentan Tanah Longsor

dalam KSN Gunung Merapi di Kabupaten Sleman membahas tentang analisis

spasial menggunakan teknik overlay dari beberapa peta yang saling berkaitan

4

untuk menentukan penilaian kerentanan, dengan menggunakan alat bantu Arc

GIS [9].

Penelitian yang dilakukan oleh Nuri Iswoyo Ramadhani dan Hertiari

Idjati (2017) dengan judul Identifikasi Tingkat Bahaya Bencana Longsor,

Studi kasus : Kawasan Lereng Gunung Lawu, Kabupaten Karanganyar, Jawa

Tengah yaitu membahas tentang analisa bahaya di kawasan lereng gunung

lawu dengan menggunakan analisi AHP dan weighted overlay sum. Sehingga

didapatkan pembobotan untuk menentukan kawasan bahaya. Dan analisis ini

dibantu menggunakan alat Geographic Information System (GIS) [10].

Penelitian yang dilakukan oleh Praveen Kumar Rai dkk (2014) dengan

judul Landslide Hazard And Its Mapping Using Remote Sensing And GIS,

membahas tentang identifikasi daerah rawan tanah longsor menggunakan

penginderaan jarak jauh yang digambarkan dalam GIS dengan menggunakan

pengolahan data spasial untuk mendapatkan data sebagai pengidentifikasian

daerah rawan bencana tanah longsor [11].

Penelitian yang dilakukan oleh Rakesh L. Metha dkk (2015) dengan

judul Landslide Hazard Zonation Using Remote Sensing and GIS Technology:

A Case Study of Landslide Prone Area near Mahabaleshwar, Maharashtra,

India, membahas tentang identifikasi daerah rawan longsor menggunakan

Penginderaan data dan GIS sebagai alat terpadu perangkat lunak terhadap

zonasi bahaya longsor dan analisis spasial untuk mendapatkan kerentanan

lansekap dan zonasi Bahaya [12].

Berdasarkan penelitian sebelumnya, peneliti berpendapat bahwa dari

beberapa penelitian yang sudah dilakukan sebelumnya sebagian besar dalam

pembuatan pemetaan daerah rawan bencana masih menggunakan alat bantu

yaitu ArcGIS dan juga penginderaan jauh. Peneliti ingin membuat sebuah

aplikasi dengan menggunakan java desktop untuk menentukan hasil peta

daerah rawan terkena bencana longsor. Peneliti membuat aplikasi ini dengan

5

menggunakan java desktop ini karena pada saat kita ingin melihat daerah

rawan bencana, tinggal kita mengganti datanya langsung, tidak perlu untuk

menggantinya dengan menggunakan peta yang baru. Karena pada penelitian

sebelumnya, jika menggunakan ArcGIS jika ingin melihat peta yang lebih

terbaru maka kita harus melakukan pembuatan peta lagi dari awal, sebab

datanya tidak dapat dibuah secara dinamis. Beberapa penelitian sebelumnya

untuk menentukan daerah rawan terjadi bencana longsor, para peneliti

menggunakan metode data analisis. Pada data analisis, para peneliti

melakukan penilaian skor dari setiap area yang digunakan, kemudian

dijumlahkan keseluruhan data area yang ada dan membaginya dengan selisih

nilainya dari beberapa tingkatan kerentanan derah rawan bencana tanah

longsor. Penentuan daerah rawan bencana peneliti ingin menggunakan metode

k-means, yaitu dengan mencari data terbesar, dan terkecil dari tiap data,

kemudian menghitungnya menggunakan rumus matematik untuk

mendapatkan nilai yang paling minimal. Peneliti menggunakan metode ini

karena pada penelitian sebelumnya belum digunakan. Kemudian aplikasi ini

ditujukan untuk masyarakat, agar lebih tahu daerah mana saja yang aman

untuk ditinggali dan juga tahu daerah yang memiliki potensi besar terjadinya

bencana rawan longsor.

3. Metode dan Perancangan

Penelitian ini merupakan implementasi sistem informasi geografis

daerah rawan tanah longsor pada sebuah aplikasi desktop. Sebelum

melakukan implementasi pada aplikasi, maka dibuatlah sebuah rancangan

tahapan penelitian seperti berikut ini :

6

Gambar 1 Tahapan Penelitian

Gambar 1 merupakan tahapan penelitian untuk mendapatkan informasi

yang sebenar - benarnya. Tahapan – tahapannya adalah sebagai berikut: 1)

Identifikasi Masalah, pada tahap ini dilakukan identifikasi pada setiap

permasalahan yang berkaitan tentang bencana tanah longsor di Kabupaten

Boyolali. 2) Mengumpulkan Teori tentang masalah yang ada, pada tahap ini

dilkaukan pencarian beberapa teori untuk dapat mengetahui apa yang

menjadikan permasalahan dan juga solusi untuk menyelesaikan masalah. 3).

Pengumpulan data dan pengolahan data, pada tahap ini dilakukan untuk

mendapatkan sebuah data yang pasti tanpa dibuat – buat, kemudian

mengolahnya untuk kita gunakan dalam peneitian kita. 4) Pembuatan

rancangan aplikasi dengan data sebelumnya, dalam tahap ini kita membuat

sebuah rancangan desain aplikasi untuk mengimplementasikan pada sebuah

aplikasi yang ingin kita buat. 5) Pengujian Hasil, dalam tahap ini kita uji

apakah aplikasi itu berjalan dengan sempurna apa tidak. 6) Pembuatan

laporan, dalam tahap ini kita menuliskan keseluruhan dalam penelitian yang

telah kita lakukan dalam bentuk laporan.

Metode untuk menentukan daerah rawan bencana tanah longsor maka

digunakan sebuah metode perhitungan K-Means. Metode K-Means ini dalam

7

prosesnya yaitu berusaha untuk mengelompokkan beberapa data kedalam satu

kelompok, dimana dalam satu kelompok harus memiliki sebuah karakteristik

yang sama satu sama lainnya dan juga mempunyai sebuah karakteristik yang

berbeda dengan data yang ada pada kelompok yang lain. Dengan kata lain,

metode k-means ini berusaha untuk dapat meminimalkan antara data pada

suatu cluster dan juga memaksimalkan variasi dengan data yang ada pada

cluster yang lainnya.

√( ) ( ) (1)

Keterangan :

C1 : nilai cluster pertama

a : data pertama

b : data kedua

nmax1 : nilai maksimum dari semua data pertama

nmax2 : nilai maksimum dari semua data kedua

Rumus 1 merupakan rumus perhitungan untuk mencari nilai dari c1,

yaitu menghitung nilai maksimum dari ketinggian dan curah hujan.

√( ) ( ) (2)

Keterangan :

C2 : nilai cluster kedua

a : data pertama

b : data kedua

nmin1 : nilai minimum dari semua data pertama

nmin2 : nilai minimum dari semua data kedua

8

Rumus 2 merupakan rumus perhitungan untuk mencari nilai dari c2,

yaitu menghitung nilai minimum dari ketinggian dan curah hujan. Kemudian

dibandingkan antara cluster pertama dan cluster kedua, sehingga didapatkan

nilai minimum.

Pemodelan pada sistem yang akan dibuat. Sistem ini menggunakan

pemodelan Unified Modeling Language (UML). Terdapat 5 tahapan pada

pemodelan UML yaitu Use case Diagram, Class Diagram, dan Activity

Diagram, deployment Diagram, dan Component Diagram.

Gambar 2 Use Case Diagram

Gambar 2 merupakan use case diagram yang terdiri dari dua aktor,

yaitu admin dan user. Kemudian di situ admin dapat melakukan pengolahan

data, area, dan tahun, serta menampilkan peta. Sedangkan user hanya dapat

melihat tampilan data dan peta daerah rawan bencana.

Admin

UserInput

Update

Delete

InputArea

Update Area Delete Area

Input Data

Update Data

Delete DataMengolah Tahun

Mengolah Area

Mengolah Data

Tampilan Utama Admin

View Peta

View Data

Tampilan Utama

<<extend>>

<<extend>>

<<include>>

<<include>>

<<include>><<include>>

<<include>><<include>>

<<include>>

<<include>>

<<include>>

<<extend>>

9

Gambar 3 Class diagram

Gambar 3 merupakan gambar class diagram terdiri dari 3 tabel, pada

tabel Mengolah Data menjadi tampungan keseluruhan tabel – tabel yang

lainnya.

Gambar 4 Activity Diagram

Gambar 4 merupakan activity diagram admin yang seperti terlihat

digambar admin masuk ke tampilan utama, dan untuk dapat melakukan

pengolahan data, maka admin harus login terlebih dahulu untuk masuk ke

Tampilan Utama

Mengolah Area

Mengolah

Tahun

Mengolah Data

Lihat Peta

Login

Menu Utama

SistemAdmin

10

menu utama dan di situ admin dapat melakukan pengolahan data, area, dan

tahun.

Gambar 5 Deployment diagram

Gambar 5 merupakan deployment diagram di situ user dan admin

menggunakan java desktop untuk melihat data dan peta, serta data disimpan di

database MySQL.

Gambar 6 component diagram

Gambar 6 merupakan component diagram, yaitu terdiri dari tiga

komponen dan pada komponen data membutuhkan komponen tahun untuk

membedakan daerah yang rawan. Kemudian untuk komponen area agar

mengetahui data daerah yang ada.

4. Hasil dan Pembahasan

Hasil dari sistem yang dibangun adalah sistem informasi geografis

untuk mengetahui daerah rawan bencana tanah longsor di Kabupaten Boyolali

user

database MySQL

java

dekstop

admin

Tahun

Area

Data

11

menggunakan aplikasi desktop dengan bahasa pemrograman java. Sistem

informasi geografis dari data spasial dapat dihubungkan dengan shape file.

Sehingga pengguna dapat melihat tampilan berupa peta yang merupakan

daerah rawan bencana.

Sistem Informasi Geografis ini untuk menampilkan daerah rawan

bencana tanah longsor dengan menggunakan metode K-means, dengan begitu

akan didapatkan nilai minimum sebagai acuan dalam pewarnaan peta.

Gambar 7 Hasil Pemetaan

Gambar 7 merupakan hasil tampilan dari pemetaan daerah rawan

bencana tanah longsor di Kabupaten Boyolali. Pewarnaan daerah rawan

bencana dibagi menjadi tiga, yaitu ringan, sedang, parah. Untuk warna hijau

menunjukkan tingkat ringan dengan skala kurang dari 1474, warna kuning

menunjukkan tingkat sedang dengan skala antara 1474 sampai dengan 1668,

dan warna merah menunjukkan tingkat yang parah dengan skala lebih dari

1668. Pemetaan daerah rawan tanah longsor ini hanya dengan menggubah

data saja untuk merubah pewarnaan daerah rawan bencana tanah longsor,

sehingga tidak perlu lagi membuat peta baru untuk dapat memberikan

pewarnaan pada pemetaan daerah rawan tanah longsor

12

Kode Program 1 Fungsi Pewarnaan pada Peta 1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

12.

13.

14.

15.

16.

17.

18.

19.

20.

21.

22.

23.

24.

25.

26.

27.

28.

29.

30.

31.

32.

33.

34.

35.

36.

37.

38.

private Fill getGreenFill() {

return styleFactory.createFill(

filterFactory.literal(new Color(51, 255, 0)),

filterFactory.literal(0.5)); }

private Fill getYellowFill() {



filterFactory.literal(0.5));}

private Fill getRedFill() {




private Fill getWhiteFill() {




public int rangeDataMonth = 1;

private Layer getLayer(String kab, SimpleFeature[] arl)

throws ParseException {

SimpleFeatureSource ss = DataUtilities.source(arl);

Stroke stroke =

styleFactory.createStroke(

filterFactory.literal(Color.BLACK),

filterFactory.literal(0));

Fill f = getWhiteFill();

Bencana p = getBencana (new String (kab));

if (p.getNilai_Minimum()>= 1668.002) {

f = getRedFill();

}elseif(p.getNilai_Minimum()>=

1474.089&&p.getNilai_Minimum()<=1668.002) {

f = getYellowFill();

} else if (p.getNilai_Minimum()<= 1474.089) {

f = getGreenFill();

}

Kode program 1 merupakan script untuk pewarnaan peta, pada baris

1-16 merupakan beberapa contoh script untuk pewarnaan peta, pada baris ke-

24 merupakan script untuk mengambil seluruh list bencana berdasarkan id

bencana, pada baris 30-38 merupakan aturan dari pewarnaan dimana nilai

untuk pembandingnya diambil dari nilai minimum perhitungan sebelumnya

telah dilakukan.

Kode Program 2 Fungsi untuk mencari nilai maksimum dan minimum.

13

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

12.

13.

14.

15.

16.

17.

18.

19.

20.

21.

22.

23.

24.

25.

26.

27.

28.

29.

30.

31.

32.

33.

34.

35.

36.

37.

38.

39.

40.

float [] data1 = new float[19];

int index1 = 0;

for (Bencana dk : bc) {

data1[index1] = dk.getKetinggian();

index1++;}

float min1= 100000;

for (int i = 0; i < data1.length ; i++) {

if (data1[i]< min1) {

min1= data1[i];}}


int index2 = 0;


data2[index2] = dk.getCurahHujan();

index2++;}

float min2= 100000;


if (data2[i]< min2) {

min2= data2[i];}}


int index3 = 0;


data3[index3] = dk.getKetinggian();

index3++;}

float max= 0;


if (data3[i]> max) {

max= data3[i];}}


int index5 = 0;


data5[index5] = dk.getCurahHujan();

index5++;}

float max2= 0;


if (data5[i]> max2) {

max2= data5[i]}}

Kode program 2 merupakan script untuk mencari nilai masksimum

dan minimum pada data. Baris 1-20 merupakan script untuk mencari nilai

minimum dari ketinggian dan curah hujan yang ditampung dalam sebuah

array. Baris 21-40 merupakan script untuk mencari nilai maksimum dari

ketinggian dan curah hujan yang ditampung dalam sebuah array.

Kode Program 3 Fungsi untuk mencari nilai c1.

14

1.

2.

3.

4.

5.

6.

7.

double j,k,m,n,o,p,q,r,s,t;

j=Float.valueOf(kolom4) - max;

k=Float.valueOf(kolom6) - max2;

m = Math.pow(j, 2);

n = Math.pow(k, 2);

c1 = Math.sqrt(m + n);

Kode program 3 merupakan script untuk mencari nilai c1, yaitu

dengan cara menghitung data dengan nilai maksimum yang sebelumnya sudah

dicari dan kemudian memasukkannya kedalam rumus matematik pada baris 7.

Kode Program 4 Fungsi untuk mencari nilai c2.

1.

2.

3.

4.

5.

6.

7.

double j,k,m,n,o,p,q,r,s,t;

o=Float.valueOf(kolom4) - min1;

p=Float.valueOf(kolom6) - min2;

q = Math.pow(o, 2);

r = Math.pow(p, 2);

c2 = Math.sqrt(q + r);

Kode program 4 merupakan script untuk mencari nilai c2, yaitu

dengan cara menghitung data dengan nilai minimum yang sebelumnya sudah

dicari dan kemudian memasukkannya kedalam rumus matematik pada baris 7.

Kode Program 5 Fungsi untuk mencari nilai minimum diantara nilai c1 dan c2.

1.

2.

3.

4.

5.

6.

if (c1>c2) {

s = c1;

} else {

s = c2;

}

Kode program 5 merupakan script untuk mencari nilai minimum yang

digunakan sebagai pewarnaan pada peta rawan bencana, apabila nilai c1 lebih

besar dari nilai c2 maka didapatkan nilai minimum yaitu c1, dan apabila c1

lebih kecil maka didapatkan nilai minimum yaitu c2.

√( ) ( ) (1)

15

Misalnya :

√( ) ( )

√

Di atas merupakan perhitungan untuk mencari nilai dari c1,

perhitungan di atas mendapatkan nilai c1 yaitu 7.

√( ) ( ) (2)

Misalnya :

√( ) ( )

√

Di atas merupakan perhitungan untuk mencari nilai dari c2,

perhitungan di atas mendapatkan nilai c2 yaitu 1732.64.

Kode Program 6 Fungsi Import Data dari Excel

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

11.

12.

13.

14.

15.

16

private void go1() throws Exception {

Workbook w = Workbook.getWorkbook(f);

Sheet s = w.getSheet("tahun");

Bencana k;

for (int i = 1; i < s.getRows(); i++) {

k = new Bencana();

k.setId_Area(Long.parseLong(s.getCell(0, i).getContents()));

k.setKetinggian(Float.parseFloat(s.getCell(2, i).getContents()));

k.setCurahHujan(Float.parseFloat(s.getCell(3, i).getContents()));

k.setId_Tahun(dh);

// areas.add(k);

Controller.conBencana md = new conBencana();

md.save(k);

}

}

Kode program 6 merupakan script memasukkan data ke sistem dari

file excel. Pada baris ke 4 berfungsi untuk mencari data yang memiliki nama

sheet tahun. Baris ke 6-17 berfungsi memasukkan data ke dalam database

16

setiap baris pada file excel. Data setiap baris disimpan pada list di model data

bencana kemudian dimasukkan ke database.

Tabel 1 Hasil Pengujian Fungsionalitas Program Menggunakan Black Box

No Deskripsi Validasi Input Data Input Hasil Uji Status

Uji

1. Fungsi login admin Username dan

password

Username dan

password

Sistem akan meampilakn

halaman login untuk admin

Valid

2. Insert data tahun, data area,

dan data bencana

Data tahun, data

area, data bencana

Data tahun,

data area,data

bencana

Sistem akan menambahkan

data dan disimpan di database

Valid

3 Update data tahun, data

area, data bencana

update data tahun,

data area, data

bencana

Update data

tahun, data

area, data

bencana

Sistem akan melakukan

proses update data

Valid

4. delete data tahun, data area,

data bencana

Delete data tahun,

data area, data

bencana

Delete data

tahun, data

area, data

bencana


proses delete data

Valid

5. Lihat data tahun, data area,

data bencana

Lihat data tahun,

data area, data

bencana

lihat data

tahun, data

area, data

bencana


proses menampilkan data dari

database

Valid

6 Lihat hasil pemetaan dari

data bencana

Hasil pemetaan

dari data bencana

Hasil

pemetaan dari

data bencana


peroses untuk menampilkan

bentuk peta yang nantinya

menampilkan hasil

berdasarkan tahun

Valid

7 Fungsi Info peta, zoom peta Info peta, Zoom

peta

Info peta,

Zoom peta

Sistem akan menampilakan

info peta dan memperbesar

dan memperkecil peta

Valid

8 Fungsi Import data dari

Excel

Import data excel Import data

excel

Sistem ini akan menginputkan

data dari excel ke dalam

database

9 Fungsi alert Alert Alert Sistem akan memunculkan

alert jika pada setiap proses

terjadi kesalahan

Valid

Setelah penelitian sistem dibuat, selanjutnya dilakukan pengujian

sistem dengan menggunakan black box yang dapat dilihat pada tabel 1.

Fungsinya adalah menguji sistem yang telah dibuat dan diimplementasikan

apakah sistem berjalan dengan baik atau tidak.

17

Aplikasi sistem informasi geografis ini menunjukkan daerah rawan

bencana dengan menunjukkan tingkatan yang berbeda dengan warna.

Sehingga nantinya masyarakat lebih waspada apabila mereka tinggal di

tempat yang paling parah. Dan tidak terjadi korban yang banyak pada saat

terjadi bencana tanah longsor.

5. Kesimpulan

Berdasarkan penelitian yang telah dilakukan, maka dapat disimpulkan

bahwa penerapan dari sistem informasi dapat digunakan untuk mengetahui

daerah mana saja yang rawan bencana tanah longsor dan yang aman dari

bencana. Hasil dari perhitungan sebagai penentuan daerah rawan bencana

merupakan nilai minimum yang didapatkan dari perhitungan ketinggian dan

curah hujan. Dengan menggunakan hasil perhitungan digunakan sebagai

pewarnaan daerah rawan bencana tanah longsor, pewarnaan daerah rawan

bencana tanah longsor dibagi menjadi tiga bagian yaitu merah untuk

menunjukkan daerah yang parah atau sangat rawan, kuning untuk

menunjukkan daerah yang sedang, dan hijau untuk menunujukkan daerah

yang aman. Pemetaan daerah rawan bencana tanah longsor ini tidak perlu

mengubah dengan peta baru untuk dapat mengubah pewarnaan daerah rawan

tanah longsor, hanya dengan mengubah data saja sudah bisa mendapatkan

pewarnaan baru daerah rawan bencana tanah longsor. Dalam penentuan

daerah rawan ini masih sangat sederhana sekali, karena hanya menggunakan

dua indikator saja. Dengan begitu masih dapat dilakukan penambahan

beberapa indikator untuk menentukan daerah rawan tanah longsor, sehingga

keakuratan dalam penentuan daerah rawan bencana jauh lebih sempurna.

18

6. Daftar Pustaka

[1] Sutrisno, M. L. 2011. Aplikasi Sistem Informasi Geografi Untuk

Penentuan Tingkat Kerentanan Longsor Lahan Di Kecamatan Imogiri

Kabupaten Bantul. Yogyakarta : Universitan Negeri Yogyakarta.

[2] Jefri Ardian Nugroho, Prof. Dr. Ir. Bangun Muljo Sukojo, DEA, DESS,

Inggit Lolita Sari, ST. 2008. Pemetaan Daerah Rawan Longsor Dengan

Penginderaan Jauh Dan Sistem Inforrmasi Geografis. Surabaya.

[3] Latifah, N.A. 2015. Sistem Informasi Geografis Pemetaan Daerah Rawan

Bencana Alam di Kabupaten Kebumen Berbasis Web. Yogyakarta :

Universitas Islam Negeri Sunan Kalijaga.

[4] Westen, Cess J. van. 2010. Remote Sensing and GIS for Natural Hazards

Assessment and Disaster Risk Management. Netherlands : University of

Twente Hengelosestraat 90.

[5] Shahabi. H dan Hasim. M. 2015. Landslide susceptibility mapping using

GIS-based statistical models and Remote sensing data in tropical

environment. Malaysia : Universiti Teknologi Malaysia.

[6] Mulyaningsih. S dan Setiadi. T. 2014. Sistem Informasi Geografis

Pemetaan Daerah Rawan Tanah Longsor di Kabupaten Gunung Kidul

Berbasis Web. Yogyakarta : Universitas Ahmad Dahlan.

[7] Effendi. A. Y dan Hariyanto. T. 2016. Pembuatan Peta Daerah Rawan

Bencana Tanah Longsor Menggunakan Metode Fuzzy Logic. Surabaya :

Institut Teknologi Sepuluh Nopember.

[8] Lestari. F. F. 2008. Penerapan Sistem Informasi Geografis Dalam

Pemetaan Daerah Rawan Longsor di Kabupaten Bogor. Bogor : Institut

Pertanian Bogor.

[9] Destriani. N dan Pamungkas. A. 2013. Identifikasi Daerah Kawasan

Rentan Tanah Longsor dalam KSN Gunung Merapi di Kabupaten

Sleman. Surabaya : Institut Teknologi Sepuluh Nopember.

19

[10] Ramadhani. N. I dan Idjati. H. 2017. Identifikasi Tingkat Bahaya

Bencana Longsor, Studi kasus : Kawasan Lereng Gunung Lawu,

Kabupaten Karanganyar, Jawa Tengah. Surabaya : Institut Teknologi

Sepuluh Nopember.

[11] Rai. Praveen Kumar, Kshitij Mohan, dan V.K.Kumra. 2014. Landslide

Hazard And Its Mapping Using Remote Sensing And GIS. Varanasi :

Banaras Hindu University.

[12] Metha. Rakesh L, Supriya R. Koli, dan Vivek R. Koli. 2015. Landslide

Hazard Zonation Using Remote Sensing and GIS Technology: A Case

Study of Landslide Prone Area near Mahabaleshwar, Maharashtra,

India. International Journal of Engineering Research and General

Science Volume 3, Issue 4, Part-2. http://dibi.bnpb.go.id/ (20 Juni 2017)

http://dibi.bnpb.go.id/

ii - repository.uksw.edurepository.uksw.edu/bitstream/123456789/13654/1/T1_672013085_Full... ·...

Documents

Transcript of ii - repository.uksw.edurepository.uksw.edu/bitstream/123456789/13654/1/T1_672013085_Full... ·...