06 April 2016

Kegunaan QGIS & InaSAFE dalam Penyusunan Rencana Kontijensi dan Pemetaan Pencemaraan



Preface

QGIS & Inasafe

Indonesia Scenario Assessment for Emergencies disingkat InaSAFE adalah perangkat lunak berbasis open source untuk perkiraan dampak bencana secara cepat yang dikembangkan oleh BNPB bersama Australia-Indonesia Facility for Disaster Reduction (AIFDR) dan Word Bank InaSAFE
Untuk mendukung kesiapsiagaan menghadapi bencana, seperti banjir, gempa bumi, tsunami, erupsi gunungapi dan sebagainya secara efektif yang akan terjadi di masa depan, kita harus terlebih dahulu memahami dampak yang mungkin terjadi dan perlu dikelola. Bahkan hingga scenario terburuk dari potensi bencana yang ada. Misalnya, untuk mempersiapkan rencana tanggap darurat bencana banjir yang besar, maka pelaku penanganan darurat perlu menjawab pertanyaan seperti:



- Berapa luas daerah yang terendam?
- Obyek apa saja yang kemungkinan akan terpengaruh?
- Berapa banyak orang yang perlu dievakuasi dan perlu perlindungan?
- Berapa sekolah akan ditutup?
- Berapa rumah sakit masih dapat menerima pasien?
- Berapa kebutuhan dasar, seperti pangan, sandang, obat-obatan, sanitasi dan sebagainya yang diperlukan? Dan sebagainya.

InaSAFE menyediakan cara sederhana untuk menggabungkan data dari ilmuwan, pemerintah daerah dan masyarakat untuk memberikan wawasan ke dalam kemungkinan dampak peristiwa bencana di masa depan. Perangkat lunak ini difokuskan untuk menilai secara rinci, dampak bencana yang akan terjadi pada sektor-sektor tertentu, misalnya lokasi sekolah dasar dan perkiraan jumlah peserta didik yang terkena tsunami yang mungkin terjadi seperti di Maumere, misalnya, ketika itu terjadi selama jam sekolah.
Sebelum masuk dalam pembuatan peta bangunan dan penduduk terdampak banjir lahar harus sediakan dulu data Exposure (Bangunan dan Populasi) dan data Hazard agar dapat di run di plugins InaSAFE.
Bila belum memiliki data Exposure tersebut download datanya di OpenStreetMap.
Kemudian setelah data Exposure sudah ada maka berikutnya adalah data Hazard,
data Hazard banjir lahar hujan di peroleh dari BPBD DIY
Adapun data-data yang diperlukan diantaranya:
1. Peta administrasi Provinsi DIY (diperoleh dari Peta Digital BPS)
2. Data Exposure (Bangunan dan Populasi) (diperoleh dari OpenStreetMap dan Worldpop)
3. Data Hazard Banjir Lahar Hujan (diperoleh BPBD Yogyakarta)
Setelah semua data yang diperlukan sudah ada barulah kita masuk dalam proses analisisnya, hasil akan terlihat jumlah bangunan yang terdampak banjir lahar hujan
berikut ini hasil analisis dari plugins InaSAFE peta dan tabelnya:

Dari hasil diperoleh bahwa bangunan yang berwarna merah adalah bangunan terdampak banjir yang

Sementara dari hasil analisis untuk Penduduk yang terdampak banjir diperoleh:
Beras [kg]                                            : 54,326
Air Minum [liter]                                 : 339,535
Air Bersih [liter]                                  :1,299,934
Pelengkapan Kebersihan [unit]           : 3,881
WC [unit]                                            :971


Ketika terjadi erupsi, banyak material vulkanis yang tidak ikut tergelincir dan turun ke bawah, tetapi menumpuk di daerah dekat puncak gunung Merapi. Apabila terjadi hujan lebat di daerah puncak, maka bisa menimbulkan ancaman sekunder bagi daerah di sekitar lereng gunung merapi terutama daerah bantaran sungai, yaitu ancaman banjir lahar dingin.

Ketika meluncur dari puncak Merapi, material ini berupa material piroklastik yang menyebabkan terbentuknya awanpanas. Isinya terdiri atas batuan berukuran bongkah, kerakal, kerikil, pasir hingga debu panas. Setelah di daerah produksi ini terkena hujan maka di daerah transportasi di lerengnya akan memiliki energi sangat tinggi yang mampu merusak apa saja yang dilewatinya. Seterusnya ketika sampai dibawah maka akan terjadi proses sedimentasi dari pasir-pasir ini sebagai endapan material vulkanik yang sering kita lihat di tebing-tebing sungai ditengah  perkotaan Jogja

QGIS & InaSAFE untuk Teknik Lingkungan
Selain untuk kebencanaan InaSafe dalam lingkup teknik lingkunga dapat di gunakan untuk memetakan populas dari pencemaran.
Untuk data hazard di dapat dari overlay dari parameter pencemaran seperti TDS,TSS, PH, DO dan DHL, dari data tersebut kadar TSS dan TDS cukup tinggi yang menyebabkan DHL tinggi. Pencemaran ini berasal dari limbah perternakan yang di buang begitu saja tanpa ada pengolahan.



No comments:

Post a Comment