Keefektifan “ProKlim” dalam Pengendalian Longsor Secara Vegetatif di Kampung Iklim Desa Sambak, Kajoran, Magelang

https://doi.org/10.22146/agritech.72009

Erny Wibawanti(1), Junun Sartohadi(2), Ngadisih Ngadisih(3*), Anggri Setiawan(4), Djati Mardiatno(5)

(1) Program Studi Geo-Informasi untuk Manajemen Bencana, Ilmu Lingkungan Sekolah Pascasarjana, Universitas Gadjah Mada, Jl. Teknika Utara, Yogyakarta 55284
(2) Departemen Ilmu Tanah, Fakultas Pertanian, Universitas Gadjah Mada, Jl. Flora No. 1, Bulaksumur, Yogyakarta 55281
(3) Departemen Teknik Pertanian dan Biosistem, Fakultas Teknologi Pertanian, Universitas Gadjah Mada, Jl. Flora No. 1, Bulaksumur, Yogyakarta 55281
(4) Departemen Geografi dan Ilmu Lingkungan, Fakultas Geografi, Universitas Gadjah Mada, Jl. Kaliurang, Sekip Utara, Bulaksumur, Yogyakarta 55281
(5) Departemen Geografi dan Ilmu Lingkungan, Fakultas Geografi, Universitas Gadjah Mada, Jl. Kaliurang, Sekip Utara, Bulaksumur, Yogyakarta 55281
(*) Corresponding Author

Abstract


Partisipasi masyarakat Desa Sambak dalam adaptasi dan mitigasi perubahan iklim telah diapresiasi dalam bentuk penghargaan ProKlim. Desa Sambak terletak pada zona transisi Gunung Api Sumbing dan Pegunungan Menoreh sehingga rawan terhadap bencana erosi, longsor dan kekeringan. Penelitian ini berfokus untuk mengevaluasi efektivitas kegiatan ProKlim dalam pengendalian longsor secara vegetatif. Identifikasi sebaran longsor dilakukan dengan metode interpretasi visual foto udara dilanjutkan pemeriksaan lapangan yang digunakan untuk membangun peta kerawanan longsor menggunakan metode frekuensi rasio. Identifikasi lokasi pengendalian longsor secara vegetative dilakukan dengan partisipasi masyarakat dan dilanjutkan delineasi foto udara secara visual. Pola spasial distribusi longsor dan mitigasi longsor secara vegetatif ditentukan dengan metode analisis tetangga terdekat. Analisis keefektifan  ProKlim ditekankan pada identifikasi letak pengendalian longsor melalui kegiatan penanaman pada wilayah rawan longsor. Hasil penelitian menunjukkan bahwa kegiatan penanaman yang dilakukan belum ditempatkan pada zona rawan longsor sehingga mitigasi longsor kurang efektif. Kesimpulan diperoleh dari  42 kejadian  longsor di wilayah kajian didominasi pada: kelerengan 15-25° dan 8-15°; tutupan lahan pertanian lahan kering, semak, dan tanah terbuka; arah hadap lereng tenggara dan timur; profil kurvatur (+) dan (-); jarak dengan jalan 100-200 m dan 200-300 m; dan jarak dengan sungai < 150 m. Dengan nilai AUC (Area under the ROC Curve), validasi model kerawanan sebesar 0,66. Pada sebaran penanaman dalam konteks pengendalian longsor secara vegetatif terdapat pada tutupan lahan kebun campur dan hutan kering sekunder. Pola spasial longsor dan pengendalian longsor secara vegetatif memiliki pola random.


Keywords


Efektivitas; bencana; longsor; ProKlim; vegetatif

Full Text:

PDF


References

[BPBD] Badan Penanggulangan Bencana Daerah Kabupaten Magelang. (2021). Tabel Kejadian Bencana Kabupaten Magelang. Retrieved April 18, 2021, from http://sikk.bpbdmagelang.id/Tabel Kejadian.

[BBLSLP] Balai Besar Litbang Sumberdaya Lahan Pertanian. (2019). Petunjuk Teknis Teknologi Pengendalian Longsor. Kementerian Pertanian

Cevik, E. & Topal, T. (2003). GIS-based landslide susceptibility mapping for a problematic segment of the natural gas pipeline, Hendek (Turkey). Environmental Geology, 44, 949–962.

Chauhan, S., Sharma, M., Arora, M. K., Gupta, N. K. (2010). Landslide susceptibility zonation through ratings derived from artificial neural network. Applied Earth Observation and Geoinformation, 12, 340–350.

Dickie, A., Streck, C., Roe, S., Zurek, M., Haupt, F., & Dolginow, A. (2014). Strategies for mitigating climate change in agriculture: Abridged report. Climate focus and california environmental associates, prifadred with the support of the climate and land use Alliance. Report and supplementary materials available at: www.agriculturalmitigation.org

Das I., Sahoo, S., van Westen, C., Stein, A., & Hack, R. (2010). Landslide susceptibility assessment using logistic regression and its comparison with a rock mass classification system, along a road section in the northern Himalayas (India). Geomorphology. http://doi.org/10.1016/j.geomorph.2009.09.023

Eisenhauer, D. C. (2020). Climate Change; Adaptation. International Encyclopedia of Human Geography, 2nd edition Volume 2.

Hardiyatmo, H. C. (2012). Tanah Longsor dan Erosi. Yogyakarta (ID): Gadjah Mada University Press.

Hong, H., Chen, W., Xu, C., Youssef, A. M., Pradhan, B., & Bui, T. D. (2021). Rainfall-induced landslide susceptibility assessment at the Chongren area (China) using frequency ratio, certainty factor, and index of entropy. Geocarto International. http://doi.org/10.1080/10106049.2015.1130086

Islam, Md. A., Islam, M. S., & Elahi, T. (2020). Effectiveness of vetiver grass on stabilizing hill slopes: A numerical approach. Geo-Congress 2020.

IPCC. (2007). Climate change 2007: The physical science basis: Summary for policymakers. Contribution of the Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press.

Javier & Kumar L. (2019). Frequency Ratio Landslide Susceptibility Estimation in A Tropical Mountain Region. Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., XLII-3/W8, 173–179. http://doi.org/10.5194/isprs-archives-XLII-3-W8-173-2019

Karnawati, D. (2005). Bencana alam gerakan massa tanah di Indonesia dan upaya penanggulangannya. Jurusan Teknik Geologi, Fakultas Teknik, Universitas Gadjah Mada. Yogyakarta.

[KLHK] Kementerian Lingkungan Hidup dan Kehutanan. (2015). Peraturan Direktur Jenderal Planologi Kehutanan Nomor P.1/VII-IPSDH/2015 Tentang Pedoman Pemantauan Penutup Lahan.

Lin, W., Yin, K., Wang, N., Xu, Y., Guo, Z., & Li, Y. (2021). Landslide hazard assessment of rainfall-induced landslide based on the CF-SINMAP model: a case study from Wuling Mountain in Hunan Province, China. Natural Hazards. http://doi.org/10.1007/s11069-020-04483-x

Masruroh, H., Sartohadi, J., & Setiawan, A. (2016). Membangun metode identifikasi longsor berbasis foto udara format kecil di DAS Bompon, Magelang, Jawa Tengah. Majalah Geografi Indonesia, 30(2), 169–182.

Meiarti, R., Sartohadi, J., Pulungan, Ainun, N. & Setiawan, A. (2018). Analisis pola spasial distribusi longsor untuk penentuan faktor pengontrol utama longsor lahan di DAS Kodil Provinsi Jawa Tengah. Jurnal Geografi, Edukasi, dan Lingkungan (JGEL), 2(1).

Naseer, S., Ul-Haq, T., Khan, A., Tanoli, J. I., Khan, N. G., Qaiser, F. R., & Shah, S. T. H. (2021). GIS based spatial landslide distribution analysis of district Neelum, AJ&K, Pakistan. Natural Hazards 2021, 106, 965–989. http://doi.org/10.1007/s11069-021-04502-5

Ngadisih, N., Yatabe, R., Bhandary, N. P., & Dahal, R. K. (2014). Integration of statistical and heuristic approaches for landslide risk analysis: A case of volcanic mountains in West Java Province, Indonesia. Georisk, 29-47. http://doi.org/10.1080/17499518.2013.826030

Noviyanto, A. (2020). Karakteristik Morfologi Tanah dan Lapisan Klei Sensitif pada Tiga Longsor Aktif di Sisi Selatan Gunungapi Sumbing Jawa Tengah. Tesis, Yogyakarta: Fakultas Pertanian, Universitas Gadjah Mada.

Pulungan, N. A. & Sartohadi, J. (2018). New Approach to Soil Formation in the Transitional Landscape Zone: Weathering and Alteration of Parent Rocks. Journal of Environments, 5(1), 1–7. http://doi.org/10.20448/journal.505.2018.51.1.7

Purwaningsih, R., Sartohadi, J., & Setiawan, A. (2020). Trees and crops arrangement in the agroforestry system based on slope units to control landslide reactivation on volcanic foot slopes in Java, Indonesia. Land 2020, 9, 327. http://doi.org/10.3390/land9090327

Rabby, Y. W., Ishtiaque, A., & Rahman. Md. S. (2020). Evaluating the effects of digital elevation models in landslide susceptibility mappping in Rangamati District, Bangladesh. Journal Remote Sensing, 2020, 12, 2718. http://doi.org/10.3390/rs12172718

Riyanto, H. D. (2016). Rekayasa Vegetatif untuk Mengurangi Risiko Longsor. Balai Penelitian dan Pengembangan Teknologi Pengelolaan Daerah Aliran Sungai, Kementerian Lingkungan Hidup dan Kehutanan, Surakarta.

Saha, A. K., Gupta, R. P., & Arora, M. K. (2002). GIS-based landslide hazard zonation in the Bhagirathi (Ganga) Valley, Himalayas. Journal of Remote Sensing, 23(2), 357–369.

Salganik, M. J. & Heckathorn, D. D. (2004). Sampling and estimation in hidden populations using respondent-driven sampling. Sociological Methodology, 34(1), 193–240. http://doi.org/10.1111/j.0081-1750.2004.00152.x

Samodra, G., Chen, G., Sartohadi, J., & Kasama, K. (2017). Comparing data-driven landslide susceptibility models based on participatory landslide inventory mapping in Purwosari area, Yogyakarta, Java. Environmental Earth Sciences, 76(4).

Spiekermann, R. I., McColl, S, Fuller, I., Dymond, J., Burkitt, L., & Smith, H. G. (2021). Quantifying the influence of individual trees on slope stability at landscape scale. Journal of Environmental Management, 286, 112–194.

Wubalem, A. (2021). Landslide susceptibility mapping using statistical methods in Uatzau catchment area, northwestern Ethiopia. Geoenvironmental Disasters, 2021, 8(1). http://doi.org/10.1186/s40677-020-00170-y

Yalcin, A. (2008). GIS-based landslide susceptibility mapping using analytical hierarchy process and bivariate statistics in Ardesen (Turkey): Comparison of results and confirmations. Catena, 72, 1–12.



DOI: https://doi.org/10.22146/agritech.72009

Article Metrics

Abstract views : 1612 | views : 1834

Refbacks

  • There are currently no refbacks.




Copyright (c) 2023 erny wibawanti

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

agriTECH has been Indexed by:


agriTECH (print ISSN 0216-0455; online ISSN 2527-3825) is published by Faculty of Agricultural Technology, Universitas Gadjah Mada in colaboration with Indonesian Association of Food Technologies.


website statisticsView My Stats