Identifikasi Bahaya Longsor Lahan di Sebagian Wilayah Poncokusumo dan Wajak Kabupaten Malang

Authors

  • Listyo Yudha Irawan Jurusan Geografi, Fakultas Ilmu Sosial, Universitas Negeri Malang, Malang, Indonesia
  • Ade Yulyanto Jurusan Geografi, Fakultas Ilmu Sosial, Universitas Negeri Malang, Malang, Indonesia
  • Ahmad Zaini T.S Jurusan Geografi, Fakultas Ilmu Sosial, Universitas Negeri Malang, Malang, Indonesia
  • Anang Ma’ruf Jurusan Geografi, Fakultas Ilmu Sosial, Universitas Negeri Malang, Malang, Indonesia
  • Elok Nailatus Sa'idah Jurusan Geografi, Fakultas Ilmu Sosial, Universitas Negeri Malang, Malang, Indonesia
  • Fadel Mahardhika Setiawan Jurusan Geografi, Fakultas Ilmu Sosial, Universitas Negeri Malang, Malang, Indonesia

DOI:

https://doi.org/10.29408/geodika.v4i2.2474

Keywords:

Longsor, Bahaya, SIG

Abstract

Wilayah Poncokusumo dan Wajak merupakan salah satu kecamatan di Kabupaten Malang. Poncokusumo dan Wajak memiliki penggunaan lahan, geologi, dan morfogenesis yang bervariasi. Kondisi fisiografis tersebut berpengaruh terhadap peningkatan ancaman bahaya longsor. Penelitian ini bertujuan untuk mengetahui tingkat bahaya longsor lahan dan persebarannya. Metode yang digunakan dalam identifikasi bahaya longsor yaitu metode skoring yang mengacu pada Peraturan Kepala BNPB Tahun 2012, Standar Nasional Indonesia (SNI) nomor 13-7124-2005, Metode Tidak Langsung, dan Risiko Bencana Indonesia (RBI) BNPB Tahun 2016. Hasil penelitian menunjukkan bahwa kondisi geologi wilayah penelitian tersusun atas material gunungapi seperti lahar dan endapan lahar. Material tersebut bersifat lepas dan tidak stabil. Berdasarkan klasifikasi kemiringan lereng wilayah ini terdiri dari daerah yang datar dengan kemiringan 0-8% hingga daerah yang curam dengan kemiringan >40%. Berdasarkan kondisi morfologinya dapat diketahui bahwa wilayah ini merupakan wilayah rawan terhadap kejadian longsor. Tingkat bahaya longsor lahan di sebagian wilayah Poncokusumo dan Wajak adalah rendah dan sedang. Tingkat bahaya longsor lahan rendah didominasi oleh penggunaan lahan hutan. Tingkat bahaya bencana lonsor sedang didominasi oleh penggunaan lahan permukiman. Luas wilayah dengan tingkat bahaya rendah adalah 860,8 Ha dan luas tingkat bahaya sedang adalah 365,1 Ha.

References

Bachri, S., Irawan, L. Y., Utaya, S., Nurdiansyah, F. D., Nurjanah, A. E., Tyas, L. W. N., ... & Purnama, D. S. (2019, June). Landslide Susceptibility Mapping (LSM) in Kelud Volcano Using Spatial Multi-Criteria Evaluation. In IOP Conference Series: Earth and Environmental Science (Vol. 273, No. 1, p. 012014). IOP Publishing.

BNPB. (2016). Risiko Bencana Indonesia. Jakarta: BNPB.

Buchori, I., & Susilo, J. (2012). Model Keruangan untuk Identifikasi Kawasan Rawan Longsor. Tataloka, 14(4), 282-294.

Dibyosaputro, S. (1997). Geomorfologi Dasar. Yogyakarta: Fakultas Geografi UGM.

Feizizadeh, B., & Blaschke, T. (2011). Landslide Risk Assessment Based on GIS Multi-Criteria Evaluation: A Case Study in Bostan-Abad County, Iran. Journal of Earth Science and Engineering, 1(1), 66-77.

Hasibuan, H. C., & Rahayu, S. (2017). Kesesuaian Lahan Permukiman pada Kawasan Rawan Bencana Tanah Longsor di Kabupaten Temanggung. Teknik PWK (Perencanaan Wilayah Kota), 6(4), 242-256.

Irawan, L. Y., Syafi’i, I. R., Rosyadi, I., Siswanto, Y., Munawaroh, A., Wardhani, A. K., & Saifanto, B. A. (2020). Analisis Kerawanan Longsor di Kecamatan Jabung, Kabupaten Malang. Jurnal Pendidikan Geografi, 25(2), 102-113.

Kumajas, M. (2006). Inventarisasi dan Pemetaan Rawan Longsor Kota Manado-Sulawesi Utara. Forum Geografi, 20(2), 190-197.

Moayedi, H., Osouli, A., Tien Bui, D., & Foong, L. K. (2019). Spatial Landslide Susceptibility Assessment Based on Novel Neural-metaheuristic Geographic Information System Based Ensembles. Sensors, 19(21), 1-28.

Nursa’ban, M. (2010). Identifikasi Kerentanan dan Sebaran Longsor Lahan Sebagai Upaya Mitigasi Bencana di Kecamatan Bener Kabupaten Purworejo. Jurnal Geografi Gea, 10(2), 1-12.

Peraturan Kepala Badan Nasional Penanggulangan Bencana. 2012. Pedoman Umum Pengkajian Risiko Bencana. Jakarta: BNPB.

Permadi, M. G., Tjahjono, B., & Baskoro, D. P. T. (2018). Identifikasi Daerah Risiko Bencana Longsor di Kota Bogor. Jurnal Tanah dan Lingkungan, 20(2), 86-94.

Pradana, I. H., Irawan, L. Y., Setiawan, D., Yuliano, F. S., & Mufid, H. A. (2020). Analisis Daerah Tergenang Banjir di Desa Sitiarjo, Kabupaten Malang Menggunakan Data SAR (Synthetic Aperture Radar) Sentinel-1. Jurnal Georafflesia: Artikel Ilmiah Pendidikan Geografi, 5(1), 58-67.

Pradhan, A. M. S., & Kim, Y. T. (2016). Evaluation of a combined spatial multi-criteria evaluation model and deterministic model for landslide susceptibility mapping. Catena, 140, 125-139.

Priyono, K. D. (2012). Integrasi Analisis Model Medan Digital dan Pedogeomorfik untuk Identifikasi Kejadian Bencana Longsorlahan.

Priyono, K. D., & Priyana, Y. (2006). Analisis Tingkat Bahaya Longsor Tanah Di Kecamatan Banjarmangu Kabupaten Banjarnegara. Forum Geografi, 20(2), 175–189.

Ramadhani, N. I., & Idajati, H. (2017). Identifikasi tingkat bahaya bencana longsor, studi kasus: kawasan lereng gunung lawu, kabupaten karanganyar, jawa tengah. Jurnal Teknik ITS, 6(1), 87-90.

Salim, M., & Agustina, S. (2018). Partisipasi Kelompok Tani dalam Usaha Konservasi Tanah di Desa Sukaraja Kecamatan Praya Timur Kabupaten Lombok Tengah. Geodika: Jurnal Kajian Ilmu dan Pendidikan Geografi, 2(1), 46-53.

Santosa, L. W. (2006). Kajian Hidrogeomorfologi Mataair di Sebagian Lereng Barat Gunungapi Lawu. Forum Geografi, 20(1), 68-85.

SNI. 2005. Penyusunan Peta Zona Kerentanan Gerakan Tanah. Jakarta: Badan Standarisasi Nasional.

Tejo, R. K., Baskoro, D. P. T., & Barus, B. (2016). Regresi Logistik Biner dan Rasional Untuk Analisis Bahaya Tanah Longsor di Kabupaten Cianjur. Jurnal Ilmu Tanah dan Lingkungan, 18(1), 35-41.

Wahyuningrum, N., & Supangat, A. B. (2016). Identifikasi Tingkat Bahaya Longsor dengan Skala Data Berbeda untuk Perencanaan DAS Mikro Naruwan, Sub DAS Keduang. Majalah Ilmiah Globe, 18(2), 53-60.

Wang, L. J., Guo, M., Sawada, K., Lin, J., & Zhang, J. (2016). A comparative study of landslide susceptibility maps using logistic regression, frequency ratio, decision tree, weights of evidence and artificial neural network. Geosciences Journal, 20(1), 117-136.

Zhao, C., & Lu, Z. (2018). Remote sensing of landslides-a review. Remote Sensing. MDPI AG.

Downloads

Published

2020-12-29