Pemodelan Daerah Rawan Banjir di Kecamatan Sirimau Menggunakan Metode Multi-Criteria Analysis (MCA)

Jurnal Perencanaan Wilayah dan Kota Pub Date : 2023-03-30 DOI:10.29313/jpwk.v18i1.1964

Philia, Christi Latue, Juan Steiven Imanuel Septory, Glendy Somae, Heinrich Rakuasa

{"title":"Pemodelan Daerah Rawan Banjir di Kecamatan Sirimau Menggunakan Metode Multi-Criteria Analysis (MCA)","authors":"Philia, Christi Latue, Juan Steiven Imanuel Septory, Glendy Somae, Heinrich Rakuasa","doi":"10.29313/jpwk.v18i1.1964","DOIUrl":null,"url":null,"abstract":"Kecamatan Sirimau merupakan salah satu kecamatan di Kota Ambon yang sering terjadi banjir. Salah satu upaya awal untuk mitigasi bencana banjir yaitu dengan memetakan daerah rawan banjir di Kecamatan Sirimau. Penelitian ini bertujuan untuk memodelkan daerah rawan banjir Di Kecamatan Sirimau menggunakan metode Multi-Criteria Analysis (MCA). Variabel-variabel penyebab banjir yang digunakan yaitu kemiringan lereng, ketinggian, penggunaan lahan, buffer sungai, jenis tanah dan curah hujan yang kemudian dilakukan overlay menggunakan metode Multi-Criteria Analysis (MCA). Bahaya banjir di Kecamatan Sirimau dibagi menjadi tiga kelas yaitu kelas tinggi yang memiliki luas 540,09 ha atau 14,59%, kelas sedang seluas 1.607,14 ha atau 43,41% dan kelas rendah seluas 1.555,34 ha atau sebesar 42,01%. Daerah permukiman yang terdampak banjir di Kecamatan Seirmau berada pada kelas sedang seluas 660,16 ha (58,20 %) dan kelas tinggi yaitu seluas 474,21 ha atau sebesar 41,80 %. Desa yang memiliki presentasi luasan bahaya banjir terbesar pada setiap kelas bahaya banjir yaitu Desa Batu Merah. Hasil penelitian ini diharapkan dapat membantu pemerintah dan masyarakat setempat untuk metigasi bencana banjir kedepannya.","PeriodicalId":31501,"journal":{"name":"Jurnal Perencanaan Wilayah dan Kota","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-03-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"4","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Perencanaan Wilayah dan Kota","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.29313/jpwk.v18i1.1964","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 4

Abstract

Kecamatan Sirimau merupakan salah satu kecamatan di Kota Ambon yang sering terjadi banjir. Salah satu upaya awal untuk mitigasi bencana banjir yaitu dengan memetakan daerah rawan banjir di Kecamatan Sirimau. Penelitian ini bertujuan untuk memodelkan daerah rawan banjir Di Kecamatan Sirimau menggunakan metode Multi-Criteria Analysis (MCA). Variabel-variabel penyebab banjir yang digunakan yaitu kemiringan lereng, ketinggian, penggunaan lahan, buffer sungai, jenis tanah dan curah hujan yang kemudian dilakukan overlay menggunakan metode Multi-Criteria Analysis (MCA). Bahaya banjir di Kecamatan Sirimau dibagi menjadi tiga kelas yaitu kelas tinggi yang memiliki luas 540,09 ha atau 14,59%, kelas sedang seluas 1.607,14 ha atau 43,41% dan kelas rendah seluas 1.555,34 ha atau sebesar 42,01%. Daerah permukiman yang terdampak banjir di Kecamatan Seirmau berada pada kelas sedang seluas 660,16 ha (58,20 %) dan kelas tinggi yaitu seluas 474,21 ha atau sebesar 41,80 %. Desa yang memiliki presentasi luasan bahaya banjir terbesar pada setiap kelas bahaya banjir yaitu Desa Batu Merah. Hasil penelitian ini diharapkan dapat membantu pemerintah dan masyarakat setempat untuk metigasi bencana banjir kedepannya.

查看原文本刊更多论文

西里马克是安汶市最受影响的街道之一。最初的缓解洪水的尝试之一是在西里马卡地区绘制易受洪水区域的地图。这项研究的目的是用一种多晶体分析方法(MCA)来模拟西里姆区易洪区的洪水区域。用于洪水原因的变量包括斜坡、海拔、土地使用、河床缓冲区、土壤类型和降水，然后使用多重点分析(MCA)方法覆盖。西里茂街道的水灾危险被分为540.09 ha或14.59%的高级班，面积为1,607,14 ha或43,41%，低等级为1,555.34 ha或42.01%。受洪水影响的定居点占地660.16公顷(58.20公顷)，高阶层为447 4.21公顷(41.80%)。每堂课上水灾危险最大的村庄是红石村。预计，这项研究的结果将有助于各国政府和当地社区在未来几十年里解决水灾问题。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Jurnal Perencanaan Wilayah dan Kota

自引率

0.00%

发文量

审稿时长

24 weeks