Analisis Spasial Banjir Rob di Pekalongan menggunakan Metode MatFlood

Abstract

Pekalongan, sebagai salah satu wilayah pesisir di Indonesia dengan topografi datar, sangat rentan terhadap kenaikan permukaan laut dan penurunan tanah. Tingkat kenaikan permukaan laut dan penurunan tanah yang tinggi di Pekalongan akan memperparah dampak negatif bencana banjir rob. Pengelolaan jangka panjang kawasan pesisir berbasis mitigasi perlu dilakukan yakni dengan mengestimasi area yang berpotensi tergenang banjir rob. Namun upaya tersebut terkendala oleh penggunaan metode konvensional dan memiliki akurasi yang rendah untuk mengestimasi daerah tergenang banjir rob. Salah satu metode yang digunakan untuk mengestimasi dampak banjir rob yang mampu menganalisis banjir statis dan dinamis yang efisien secara komputasi adalah MatFlood. Penelitian ini dilakukan analisis spasial kawasan tergenang banjir rob yang diestimasi menggunakan metode MatFlood. Estimasi kawasan tergenang banjir rob menggunakan data tutupan lahan, data pasang surut, laju kenaikan muka laut, laju penurunan muka tanah. Analisis klasifikasi tutupan lahan menggunakan citra Sentinel-2 yang diproses melalui algoritma Support Vector Machine (SVM) yang digunakan untuk mengestimasi dampak banjir rob. Pengolahan data pasang surut dari Stasiun Pekalongan tahun 2023 dianalisis menggunakan metode least square untuk memperoleh nilai Mean Sea Level (MSL) dan Highest High Water Level (HHWL). Estimasi laju kenaikan muka laut dihitung menggunakan regresi linear berdasarkan data satelit altimeter dari tahun 1993 hingga 2023. Penurunan muka tanah (PMT) dihitung dari citra radar Sentinel-1 periode 2021–2023 dan divalidasi menggunakan data Benchmark BIG. Seluruh data diintegrasikan dalam pemodelan skenario banjir rob secara Hydro-Connectivity menggunakan metode MatFlood. Model ini menghasilkan estimasi luas area terdampak pada tahun 2023 serta proyeksi genangan hingga tahun 2050. Hasil klasifikasi tutupan lahan diperoleh 8 kelas yaitu badan air, kebun/perkebunan, lahan pertanian, permukiman/lahan terbangun, sawah, semak/belukar, tambak dan tegalan/ladang dengan Akurasi keseluruhan yang diperoleh dalam studi ini mencapai 85,11%. Laju kenaikan muka laut di perairan Pekalongan sebesar 4,58 mm/tahun dan Laju penurunan muka tanah di Pekalongan sebesar 0,30 m/tahun. Nilai MSL dan HHWL perairan Pekalongan adalah 1,65 m dan 2,2 m. Tinggi genangan pada tahun 2023 adalah 0,56 m dan meningkat menjadi 0,68 m pada tahun 2050. Estimasi wilayah genangan banjir rob yang dihasilkan oleh model MatFlood menunjukkan akurasi sebesar 77,01%. Estimasi luasan area di Pekalongan yang tergenang banjir rob pada tahun 2023 adalah 3.593,29 ha atau 26,18% dari total luas kawasan penelitian. Pada tahun 2050, estimasi luasan area di Pekalongan yang berpotensi tergenang banjir rob adalah 12.660,51 ha atau 92,19% dari total luas kawasan penelitian.

Pekalongan, as one of Indonesia's coastal areas with flat topography, is highly vulnerable to sea level rise and land subsidence. The high rates of sea level rise and land subsidence in Pekalongan will exacerbate the negative impacts of tidal flooding. Long-term coastal zone management based on mitigation needs to be implemented, namely by estimating areas that are potentially prone to tidal flooding. However, these efforts are hindered using conventional methods, which have low accuracy in estimating areas prone to tidal flooding. One method used to estimate the impact of tidal flooding that can efficiently analyze both static and dynamic flooding is MatFlood. This study conducted a spatial analysis of areas prone to tidal flooding estimated using the MatFlood method. Estimation of tidal flood areas using land cover data, tidal data, sea level rise rates, and land subsidence rates. Land cover classification analysis using Sentinel-2 imagery processed through a Support Vector Machine (SVM) algorithm was used to estimate the impact of tidal flooding. Tidal data from the Pekalongan Station in 2023 were analyzed using the least squares method to obtain the Mean Sea Level (MSL) and Highest High Water Level (HHWL). The rate of sea level rise was calculated using linear regression based on satellite altimeter data from 1993 to 2023. Land subsidence was calculated from Sentinel-1 radar imagery from 2021 to 2023 and validated using BIG Benchmark data. All data were integrated into a tidal flooding scenario modeling using the Hydro-Connectivity method with the MatFlood approach. This model produced estimates of the affected area in 2023 and flood projections up to 2050. The land cover classification results eight classes, namely water bodies, gardens/plantations, agricultural land, settlements/built-up areas, rice fields, shrubs/scrubland, ponds, and fields/farmland, with an overall accuracy of 85.11% in this study. The rate of sea level rise in the waters of Pekalongan is 4.58 mm/year, and the rate of land subsidence in Pekalongan is 0.30 m/year. The MSL and HHWL values for the waters of Pekalongan are 1.65 m and 2.2 m, respectively. The flood depth in 2023 is 0.56 m and increases to 0.68 m by 2050. The flood inundation area estimated by the MatFlood model shows an accuracy of 77.01%. The estimated area in Pekalongan flooded by tidal flooding in 2023 is 3,593.29 ha or 26.18% of the total study area. By 2050, the estimated area in Pekalongan potentially flooded by tidal flooding is 12,660.51 ha or 92.19% of the total study area.