buku 1 – kebencanaan iklim

PMI Greater Jakarta Urban Disaster Risk Reduction Project: Activities in Vulnerability Assessment of Climate Change Impact along the Ciliwung River Flowing through Bogor, Depok, and North Jakarta

1


2

DAFTAR ISI

BAB 1. PENDAHULUAN ................................................................................................... 5

BAB 2. MODEL PROYEKSI IKLIM ...................................................................................... 8

2.1 Persiapan Data .................................................................................................... 9

2.2 Membangun Model Iklim .................................................................................. 10

2.3 Perhitungan Proyeksi Cadangan Air Jakarta ..................................................... 15

BAB 3. HASIL PENELITIAN DAN PEMBAHASANNYA ...................................................... 20

3. 1 Hasil Validasi Pemodelan Iklim ......................................................................... 20

3. 2 Proyeksi Temperatur Hingga Tahun 2035 di Wilayah Jakarta .......................... 21

3. 3 Proyeksi Curah Hujan Hingga Tahun 2035 di Wilayah Jakarta.......................... 26

3. 4 Proyeksi Cadangan Air Tanah di Jakarta ........................................................... 29

3. 5 Proyeksi Kenaikan Muka Laut Hingga Tahun 2100 di Wilayah Jakarta ............. 35

3. 7 Proyeksi Temperatur Hingga Tahun 2035 di Wilayah Depok ........................... 41

3. 8 Proyeksi Curah Hujan Hingga Tahun 2035 di Wilayah Depok ........................... 43

3. 9 Proyeksi Temperatur Hingga Tahun 2035 di Wilayah Bogor ............................ 46

3. 10 Proyeksi Curah Hujan Hingga Tahun 2035 di Wilayah Bogor ....................... 48

Daftar Pustaka ................................................................................................................... 53


3

DAFTAR GAMBAR

Gambar 1. Letak Stasiun Pengamatan Iklim ........................................................................................... 8

Gambar 2. Perangkat lunak model perubahan iklim ............................................................................ 10

Gambar 3. Alur kerja dalam proses analisa kurva fitting ...................................................................... 11

Gambar 4. Bagan alur pengembangan model ...................................................................................... 12

Gambar 5. Proses validasi model iklim dengan data observasi ............................................................ 14

Gambar 6. Alur pekerjaan riset kerentanan iklim ................................................................................ 19

Gambar 7. Perkiraan Potret Peta Dunia dalam Perubahan Iklim ......................................................... 22

Gambar 8. Proyeksi temperatur ........................................................................................................... 24

Gambar 20. Data historis temperatur di wilayah Jakarta Utara ........................................................... 25

Gambar 8. Proyeksi curah hujan ........................................................................................................... 27

Gambar 33. (a) Proyeksi temperatur rata-rata tahunan dan (b) proyeksi curah hujan tahunan ......... 31

Gambar 34. Proyeksi limpasan (total run-off) ...................................................................................... 32

Gambar 35. Proyeksi air tanah (liter/m2) tahunan di Jakarta ............................................................... 33

Gambar 14. Peta proyeksi cadangan air tanah (liter/m2) tahunan di Jakarta dengan asumsi tanpa

pemukiman penduduk .......................................................................................................................... 35

Gambar 15. DEM Jakarta, Depok, dan Bogor menggunakan software Google Earth .......................... 36

Gambar 16.DEM dilihat dari bagian Barat wilayah Jakarta .................................................................. 37

Gambar 17.DEM di wilayah Jakarta Utara yang dioverlay dengan peta tata guna lahan .................... 38

Gambar 18. Proyeksi kenaikan muka laut Jakarta Utara ...................................................................... 40

Gambar 19. Proyeksi temperatur ......................................................................................................... 42

Gambar 20. Proyeksi curah hujan ......................................................................................................... 44

Gambar 21. Proyeksi temperatur ......................................................................................................... 47

Gambar 21. Proyeksi curah hujan ......................................................................................................... 50


4

DAFTAR TABEL

Tabel 1. Daftar stasiun pengamat curah hujan ....................................................................................... 9

Tabel 3. Faktor koreksi (F) untuk kedudukan matahari atau faktor lintang ......................................... 16

Tabel 4. Hasil Validasi Proyeksi Curah Hujan ........................................................................................ 21

Tabel 5. Hasil Validasi Proyeksi Temperatur ......................................................................................... 20


5

BAB 1. PENDAHULUAN

Secara global Laju perubahan iklim semakin meningkat dengan cepat. Kenaikan temperatur global

telah mengubah kondisi atmosfer menjadi tidak teratur. Sistem periodisitas musiman semakin

menunjukkan ketidaktepatannya di setiap awal terjadinya. Selain itu, kejadian iklim ekstrim selalu

terjadi setiap tahun dengan frekuensi yang lebih tinggi dibandingkan dengan frekuensi di tahun-

tahun sebelumnya. Untuk dua dekade ke depan diproyeksikan akan terjadi kenaikan temperatur

bumi sebesar 6.5oC. Kenaikan temperatur tersebut bisa mengakibatkan semakin seringnya cuaca

ekstrim seperti kekeringan, gelombang panas dan banjir (IPCC, 2007). Akibatnya, bencana tidak

dapat dihindari lagi khususnya di wilayah yang rentan terhadap bencana. Bahkan saat ini daerah

yang rentan sudah mulai ekspansi ke wilayah-wilayah yang berada sekitarnya. Hal inilah yang sudah

dialami oleh Jakarta sebagai wilayah padat penduduk serta perubahan lahan yang sangat tinggi.

Bencana bencana yang terkait dengan iklim yang sudah terjadi di Jakarta dan sekitarnya, di

antaranya adalh banjir, kenaikan muka laut, dan kurangnya ketersediaan air tanah, yang belakangan

ini selalu terjadi setiap tahun dan jumlahnya selalu lebih besar dari sebelumnya. Dan juga sering

terjadinya aktifitas pasang laut di wilayah utara Jakarta, curah hujan yang tinggi di wilayah Bogor dan

Depok dengan kondisi tanah Jakarta yang tidak mampu lagi menyerap air hujan. Selain banjir ada

beberapa daerah di Jakarta yang memiliki kepadatan penduduk yang tinggi sehingga menimbulkan

kurangnya cadangan air. Kejadian-kejadian seperti ini yang akan membuat Jakarta sekarang dan

pada masa mendatang menjadi daerah yang makin rentan bencana iklim.

Beberapa kasus terburuk dari kejadian banjir di DKI Jakarta, yaitu terjadi pada tahun 1996 dan 2002

dan Hal tersebut terjadi kembali pada 2 Februari 2007, dimana banjir besar terulang, yang

diakibatkan oleh besarnya curah hujan di wilayah DKI Jakarta Barat, DKI Jakarta Pusat dan DKI

Jakarta Utara (Gernowo dan Yulianto, 2010). Historis banjir DKI Jakarta dari catatan perkembangan

kota, banjir besar dimulai tahun 1621, 1654, 1918, 1976, 1996, 2002, dan 2007 (BPBD, 2013). Pada

tahun 2014 ini pun Jakarta kembali mengalami banjir besar yang disebabkan oleh kombinasi hujan

monsunal dan beberapa siklon tropis kecil di samudera Hindia.

Berdasarkan penelitian Intergovermental Panel On Climate Change (IPCC) menyatakan bahwa

temperatur tahunan di Indonesia meningkat 0,30C sejak tahun 1990 dan meningkat menjadi 1,30C –

4,60C pada tahun 2100 yang akan menyebabkan naiknya muka laut global di Indonesia sebesar 20


6

sampai 100 cm pada tahun 2100 (IPCC, 1999). Dengan demikian, Jakarta dengan laju penurunan

muka tanah yang tinggi akan memperparah tingkat ketergenangan air laut di wilayah Jakarta.

Kerentanan Jakarta sebagai akibat dari perubahan iklim global menimbulkan respon masyarakat

lokal di wilayah tersebut semakin besar. Namun, respon kesiagaan yang ditimbulkan harus memiliki

nilai efektifitas yang tinggi. Hal itu dimaksudkan agar resiko yang ditanggung masyarakat dan

pemerintah pada saat terjadi bencana iklim tidak menjadi besar. Sebab, kondisi lingkungan maupun

infrastruktur yang sudah di bangun ataupun yang sedang dalam tahap pembangunan, diharapkan

memiliki kapasitas yang mampu meminimalisasi ketika bencana terjadi. Respon kesiagaan tersebut

dinamakan dengan kapasitas adaptif, yang dalam hal ini ada kaitannya dengan bencana terkait iklim

akibat perubahan iklim global. Sebagaimana dalam penelitian sebelumnya yang di lakukan bersama

EEPSEA (Economy Environement Program for SouthEast Asia) menyebutkan bahwa Peningkatan

kapasitas adaptif khususnya di wilayah Jakarta sangat penting dilakukan, karena kemampuan adaptif

baik di tingkat pemerintah maupun masyarakat lokal masih rendah dalam menghadapi resiko akibat

kejadian bencana iklim (Susandi, dkk, 2009).

Penelitian ini difokuskan pada wilayah yang berdekatan dengan bantaran sungai Ciliwung, yaitu

Bogor, Depok, Jakarta Pusat, dan Jakarta Utara, karena kerentanan iklim di wilayah ini paling tinggi di

antara wilayah-wilayah lain di Jakarta dan sekitarnya. Bogor sebagai daerah dengan tingkat curah

hujan yang sangat tinggi sangat berpengaruh terhadap terjadinya banjir yang terjadi di sekitar

Daerah Aliran Sungai (DAS) Ciliwung, terutama Depok, Jakarta Pusat, dan Jakarta Utara. Selanjutnya

penelitian ini diharapkan dapat merespon perubahan pola curah hujan yang terjadi di wilayah

Jakarta, Depok dan Bogor di masa mendatang, serta implikasinya pada daerah yang dilakui oleh DAS

Ciliwung. Selain itu pertumbuhan populasi yang terjadi di Jakarta diperkirakan akan mempengaruhi

cadangan air tanah. Guna mendapatkan gambaran proyeksi kebencanaan terkait iklim yang terjadi di

Jakarta, termasuk kapasitas adaptif, maka dikembangkan model untuk wilayah Jakarta, serta

kerentanan yang akan menjadi gambaran dalam menyusun adaptasi menghadapai perubahan iklim

di wilayah Jakarta.Untuk itu, tujuan khusus yang ingin dicapai pada penelitian ini adalah sebagai

berikut:

1. Membangun model iklim untuk membuat proyeksi curah hujan dan temperatur hingga

tahun 2035 di wilayah Bogor, Depok, dan Jakarta Utara

2. Membangun model iklim untuk membuat proyeksi cadangan air tanah hingga tahun 2035 di

wilayah Jakarta Utara dan sekitarnya


7

3. Membangun model simulasi kenaikan muka laut di wilayah Jakarta Utara

4. Membangun proyeksi kapasitas adaptif hingga tahun 2035 di wilayah Bogor, Depok, Jakarta

Pusat, dan Jakarta Utara

5. Membangun proyeksi kerentanan iklim hingga tahun 2035 di wilayah Bogor, Depok, Jakarta

Pusat, dan Jakarta Utara

6. Mengembangan opsi adaptasi menghadapi kerentanan iklim hingga tahun 2035 di wilayah

Bogor, Depok, Jakarta Pusat dan Jakarta Utara.

Hasil laporan dari penelitian tersebut akan dibagi dalam 3 laporan/buku.

Pada laporan 1 ini, disampaikan hasil penelitian sebagai berikut:

1. Pengembangan model proyeksi iklim

2. Proyeksi curah hujan hingga tahun 2035 di wilayah Jakarta Utara , Depok, dan Bogor

3. Proyeksi temperatur hingga tahun 2035 di wilayah Jakarta Utara, Depok, dan Bogor

4. Proyeksi cadangan air tanah hingga tahun 2035 di wilayah Jakarta Utara dan sekitarnya

5. Proyeksi kenaikan muka laut di wilayah Jakarta Utara hingga tahun 2100


8

BAB 2. MODEL PROYEKSI IKLIM

Dalam pengembangan model proyeksi iklim untuk wilayah Jakarta, Depok dan Bogor, diperlukan

data-data yang akan menjadi komponen utama dalam membuatkan model proyeksinya untuk

tahun-tahun ke depan. Berikut ini disajikan beberapa langkah yang diperlukan dalam membangun

model proyeksi iklim tersebut. Untuk melakukan proyeksi iklim, model iklim ini menggunakan

skenario konservatif, dimana curah hujan dan temperatur diasumsikan mengikuti trend dari tahun-

tahun sebelumnya. Variasi curah hujan dan temperatur mengikuti pola sebelumnya yang kemudian

setiap kenaikannya juga merupakan refleksi trend terdahulu.

Gambar 1. Letak Stasiun Pengamatan Iklim


9

2.1 Persiapan Data

Tabel 1. Daftar stasiun pengamat curah hujan

NO STA JENIS DATA

LON LAT

1 Cengkareng curah hujan dan

temperatur

106.66 -6.13

2 kemayoran curah hujan dan

temperatur

106.85 -6.15

3 Tj Priok curah hujan dan

temperatur

106.88 -6.10

4 Dermaga Bogor curah hujan dan

temperatur

106.77 -6.50

5 Ciledug curah hujan 106.67 -6.27

6 Jkt Observatorium curah hujan dan

temperatur

106.82 -6.17

7 Halim curah hujan 106.90 -6.26

8 Serang curah hujan dan

temperatur

106.13 -6.12

9 Citeko curah hujan dan

temperatur

107.13 -6.7

10 Batu Jaya curah hujan 107.12 -6.07

11 Curug curah hujan 106.65 -6.23

12 Gunung Mas Pabrik curah hujan 107.02 -6.68

13 Kedoya curah hujan 106.78 -6.19

14 Pakubuwono curah hujan 106.80 -6.23

15 Cipayung curah hujan 106.87 -6.65

16 Pacing curah hujan 106.27 -6.1

17 Sunter Hulu curah hujan 106.90 -6.10

18 Rawa Badak curah hujan 106.89 -6.12

19 Kodamar curah hujan 106.89 -6.1551

Untuk mendapatkan proyeksi iklim sebagai dasar pembuatan peta kerentanan iklim di wilayah

Jakarta, Depok, dan Bogor, maka diperlukan data curah hujan dan temperatur yang terletak di

wilayah kajian dan sekitarnya, yang diperoleh dari stasiun pemantau curah hujan dan temperatur

dengan posisi stasiun yang ditunjukkan pada Gambar 1. Data ini mencakup data curah hujan bulanan

di titik pengamatan selama kurun waktu 10 tahun di beberapa stasiun pengamatan dan 30 tahun di

stasiun pengamatan lainnya. Kegunaan dari data ini adalah untuk mengkaji karakteristik sifat


10

periodik data di masa lalu, dan untuk input model proyeksi curah hujan di masa mendatang. Data

curah hujan dan temperatur ini diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika

(BMKG). Adapun data curah hujan diperoleh dari 19 titik pengamatan dan temperatur di 7 titik

pengamatan yang berada dekat dengan wilayah kajian sebagaimana ditunjukkan pada Tabel 1.

2.2 Membangun Model Iklim

Data curah hujan dan temperatur akan menjadi input model proyeksi musim dan iklim yang sudah

dikembangkan pada penelitian sebelumnya (Susandi dkk, 2009). Adapun interface untuk model iklim

ditunjukkan pada Gambar 2. Model ini menggunakan metode fast fourier transform yang mampu

memproyeksi musim dan iklim dalam ketelitian hingga 90 % sebagaimana telah teruji. Untuk

menghasilkan data proyeksi yang baik, pengembangan Model Iklim Cerdas ini dilakukan dengan

beberapa tahap, yaitu model awal, model anomali, analisis sifat periodik, model prediksi final, dan

pemetaan Krigging. Berikut adalah penjelasan setiap langkah pemodelannya.

Gambar 2. Perangkat lunak model perubahan iklim

Langkah pertama atau disebut dengan model awal, adalah prediksi secara langsung terhadap. Data

curah hujan untuk satu lokasi dianalisis dengan Least Square untuk menghasilkan kurva fitting yang

bersesuaian. Persamaan kurva yang dipilih adalah Deret Fourier yang dimodifikasi sedemikian rupa

hingga bisa cocok dengan data curah hujan.


11

(1)

Suku 1, 2 dan 3 merupakan penyederhanaan dari deret Fourier kecuali pada suku kedua yang

disisipkan variabel x yang bertujuan untuk mengantisipasi perubahan data curah hujan yang semakin

ekstrim dan tidak stabil. Suku keempat adalah fungsi yang bertugas memberi gambaran perubahan

secara global, bentuknya dapat berupa fungsi polinomial maupun exponensial.

Algoritma yang digunakan untuk menghasilkan kurva dengan error simpangan terkecil adalah

algoritma Levenberg-Macquardt. Bagian tersulit dari algoritma ini adalah menentukan paramater

awal khususnya parameter frekuensi yang sangat peka pada perubahan sekecil

apapun. Penentuan parameter-parameter ini sendiri akan dikerjakan dengan bantuan algoritma

Fuzzy Logic dimana input-inputnya berasal dari pengalaman-pengalaman tim peneliti dalam

penelitian sebelumya. Gambar 3 menjabarkan secara singkat alur proses yang terjadi dalam analisis

kurva fitting.

Gambar 3. Alur kerja dalam proses analisa kurva fitting

Proses awal pada analisis kurva fitting(Gambar 3) adalah memilih fungsi fitting yang disediakan oleh

library sistem pemodelan yang terdiri sekumpulan model persamaan matematika yang diperlukan

dalam analisis data curah hujan, salah satunya adalah persamaan (1) diatas. Parameter tebakan awal

diproses secara otomatis oleh Fuzzy Logic. Proses fitting sendiri dilakukan secara iterasi oleh

algoritma Levenberq-Macquardt hingga menghasilkan error simpangan terkecil. Apabila error yang

dihasilkan masih relatif tinggi maka proses diulang dengan memilih fungsi fitting yang lain atau

0 sin cosi ia a x iwx b iwx f x

0 , , ,i ia a b w w

Proses Least Square

dgn Metode

Levenberg-

Macquard

Error dapat

diterima?

Memilih

Fungsi

Fitting

Estimasi

parameter

awal dgn

Fuzzy Logic

Tidak

Ya


12

mengubah parameter tebakan awal secara manual. Proses ini terus diulang hingga didapat error

yang dapat diterima secara statistik, lihat Gambar 4.

Gambar 4. Bagan alur pengembangan model

Langkah kedua, atau disebut dengan pemodelan anomali, adalah analisis perubahan yang bertujuan

untuk melacak perubahan dari waktu kewaktu yang terjadi sehingga trend perubahan cuaca itu

sendiri dapat teridentifikasi. Untuk mendapatkan data perubahan ini, data lapangan akan direduksi

oleh data rata-rata curah hujan dari selang waktu tertentu. Hasil dari reduksi ini menghasilkan data

dengan noise yang cukup tinggi sehingga untuk melakukan analisa secara langsung hanya akan

memunculkan error simpangan yang tinggi. Karena pada langkah penelitian ini menitik beratkan

pada pelacakan trend perubahan data, maka data dapat di filter untuk menghilangkan noise-noise

tersebut dengan metode Kalman Filter. Metode ini dipilih karena (tidak seperti metode smoothing

data yang sebaiknya digunakan hanya untuk memfilter pertengahan data) metode ini dapat

Pilih Metode

Data Lapangan di

reduksi dengan

model awal

Analisis

Model Anomali

Analisis Model Awal

Analisis Frekuensi

dgn FFT

Analisis

Sifat Priodik

Ambil data dr

Database untuk

lokasi (x,y)

Prediksi Data

Simpan Data

Prediksi

Ambil data

untuk lokasi lain

Analisis Curva

Fitting

Analisis Curva

Fitting

Koreksi Data

Prediksi

Memilih

Frekuensi

Perubahan

yang dominan

Penghalusan Data

dgn Kalman Filter

Pembuatan Kontur

dgn Metode

Kriging


13

memfilter data dari awal data hingga akhir dengan sempurna. Hasil filter ini akan dianalisis lebih

lanjut menggunakan analisis kurva fitting seperti langkah pertama sehingga memberikan trend

perubahan curah hujan yang akan digunakan dalam koreksi data prediksi sebelumnya.

Langkah ketiga adalah analisis sifat periodik data yang bertujuan untuk memberikan informasi

waktu berulangnya suatu simpangan curah hujan bersekala besar yang diduga diakibatkan oleh

suatu penomena alam yang terjadi seperti La-Nina dan El-Nino. Fast Fourier Transform diskrit

digunakan untuk mengubah data curah hujan domain waktu (time series) menjadi data frekuensi

curah hujan. Perubahan yang signifikan dengan periode tertentu akan dipilih secara manual sebagai

bahan koreksi data prediksi dalam kurun waktu jangka panjang.

Langkah keempat, atau disebut dengan model prediksi final, adalah membangun prediksi maupun

proyeksi iklim hingga tahun-tahun mendatang dengan tingkat akurasi yang paling tinggi dibanding

akurasi model-model sebelumnya. Model prediksi final ini merupakan gabungan dari model-model

yang sudah dibangun (model awal dan model anomali).

Langkah kelima dalam model ini adalah pemetaan kontur curah hujan untuk suatu wilayah dengan

metode Universal Kriging. Metode universal dipakai karena memberikan keleluasan dalam

menentukan tingkat kemiringan distribusi data (curah hujan) atau fungsi drift yang berbentuk

polinomial orde n. Penentuan fungsi drift sendiri mengacu pada data citra satelit untuk daerah

tersebut. Alur pemodelan ini ditunjukkan pada Gambar 4.

Untuk keperluan validasi, maka diperlukan uji coba dengan menggunakan metode R-Square, R-skill,

dan RMSE. Metode ini dibentuk dengan membandingkan antara hasil prediksi dengan data observasi

iklim. Karena dalam penelitian ini, parameter yang digunakan adalah curah hujan, maka semua

validasi digunakan untuk menghitung korelasi antara hasil prediksi curah hujan dengan data curah

hujan pada waktu dan lokasi yang sama.

Sebagai contoh perhitungan R-Square yang dilakukan, ditunjukkan pada Gambar 5(a). Pada Gambar

tersebut menunjukan deret waktu dan data curah hujan tahun 1982 hingga tahun 2008. Data curah

hujan yang dimasukkan ke dalam database adalah 1982 hingga 2007. Karena prediksi juga dilakukan

pada waktu-waktu ke belakang, maka perbandingan antara prediksi tersebut terhadap data curah

hujan selama kurun waktu 1982-2007 dapat dilakukan. Menurut para ahli, umumnya menyatakan

bahwa korelasi antara hasil prediksi dengan data dengan skor yang lebih tinggi dari 0,8 adalah yang

paling baik, sedangkan jika nilai korelasi adalah kurang dari 0,5, maka akurasi model prediksi adalah

lemah (McLean, 2006).


14

(a)

(b)

(c)

Gambar 5. Proses validasi model iklim dengan data observasi

Untuk contoh perhitungan R-Skill ditunjukkan pada Gambar 5(b). Pada Gambar tersebut

menunjukkan suatu deret waktu data curah hujan dari tahun 1982 hingga tahun 2008. Data curah

hujan yang dimasukkan ke dalam database adalah 1982 hingga 2007 yang berfungsi untuk

memprediksi data curah hujan yang terjadi sejak tahun 2008 hingga tahun mendatang. Oleh karena

itu, akan terdapat tahun yang sama antara tahun data dengan tahun prediksi, yaitu tahun 2008. Data

dan hasil prediksi curah hujan pada tahun ini selanjutnya dikorelasikan, sehingga akan diperoleh

suatu hasil korelasi, yang dinamakan dengan R-Skill hasil prediksi. Sama halnya dengan R-Square, R-

Skill juga Mengacu dari penilaian para ahli yang menyatakan bahwa korelasi antara hasil prediksi


15

dengan data dengan skor yang lebih tinggi dari 0,8 adalah yang paling baik, sedangkan jika nilai

korelasi adalah kurang dari 0,5, maka akurasi model prediksi adalah lemah (McLean, 2006).

Sedangkan untuk perhitungan RMSE (Root Mean Square Error), perhitungan dilakukan pada tahun

yang sama antara hasil prediksi dengan data curah hujan (Gambar 5(c)). Hasil RMSE akan

menunjukkan Besar kecil kesalahan antara hasil prediksi dan data curah hujan tersebut.

2.3 Perhitungan Proyeksi Cadangan Air Jakarta

Dalam konsep siklus hidrologi menunjukan bahwa jumlah air di suatu luasan tertentu di permukaan

bumi dipengaruhi oleh besarnya air yang masuk (input) dan keluar (output) pada jangka waktu

tertentu. Neraca masukan dan keluaran air di suatu tempat dikenal sebagai neraca air (water

balance). Karena air bersifat dinamis maka nilai neraca air selalu berubah dari waktu ke waktu

sehingga kemungkina di suatu tempat bisa terjadi kelebihan air (suplus) ataupun kekurangan

(defisit). Apabila kelebihan dan kekurangan air ini dalam keadaan ekstrim tentu dapat menimbulkan

bencana, seperti banjir ataupun kekeringan.

Neraca air menjadi ukuran dalam estimasi cadangan air tanah di DKI Jakarta. Jika di suatu wilayah

Jakarta terdapat surplus air, maka di wilayah itu masih terdapat cadangan air. Atau sebaliknya.

Dalam perhitungan neraca air lahan bulanan ini menggunakan metode Thornth-waite-Mather

(1957). Diperlukan data masukan yaitu curah hujan bulanan (CH), evapotranspirasi bulanan (ETP),

kapasitas lapang (KL) dan titik layu permanen (TLP). Nilai -nilai yang diperoleh dari analisis neraca air

lahan ini adalah harga-harga dengan asumsi-asumsi : (1) lahan datar tertutup vegetasi rumput, (2)

lahan berupa tanah dimana air yang masuk pada tanah tersebut hanya berasal dari curah hujan saja

dan (3) keadaan profil tanah homogen sehingga KL dan TLP mewakili seluruh lapisan dan hamparan

tanah.

Perhitungan probabilitas curah hujan (CH):

CH (P>75%) = 0,82 CH rata-rata –30

= (0,82 x 132 ) - 30 = 41,28 mm

Evapotranspirasi potensial (ETP)

Untuk menduga ETP metode Thornthwaite bisa menggunakan rumus. Rumus ini berlaku untuk

suhu udara rata -rata bulanan (t < 26,5 oC), yaitu

ETP = 1,6 (10 t/I)a


16

dimana,

ETP = evaporasi potensial bulan (cm/bulan)

t =suhu rata-rata bulanan (oC)

I = akumulasi indeks panas dalam setahun, diperoleh dengan rumus :

𝐼 = ∑ (𝑡

5)1,514

12𝑖=1

a = 0,000000675 I3 – 0,0000771 I2 + 0,01792 I + 0,49239

F = faktor koreksi terhadap panjang hari dari letak lintang (diperoleh dari tabel 1)

Sedangkan untuk data suhu t ≥ 26,5 oC, gunakan rumus :

ETP(t ≥ 26,5 oC) = - 0,0433 t2 + 3,2244 t – 41.545

Nilai ETP yang diperoleh ini belum dikoreksi dengan faktor kedudukan matahari atau faktor

lintang (F). Nilai F dapat dilihat dalam Tabel 2. Sehingga nilai :

ETP (terkoreksi) = ETP . F

Tabel 2. Faktor koreksi (F) untuk kedudukan matahari atau faktor lintang

Lintang Selatan

Bulan

1 2 3 4 5 6 7 8 9 10 11 12

6

1,

0

6

0,9

5

1,0

4

1,0

0

1,0

2

0,9

9

1,0

2

1,0

3

1,0

0

1,0

5

1,0

3

1,0

6

Akumulasi potensial kehilangan air untuk penguapan (APWL)

APWL merupakan penjumlahan nilai CH-ETP yang negatif secara berurutan bulan demi bulan.

Kandungan air tanah (KAT)

Menghitung kandungan air tanah (KAT) dilakukan jika terjadi APWL dengan rumus:

KAT = TLP + [ [ 1,00041 – (1,07381/AT)]| APWL| x AT]


17

dimana, TLP =titik layu permanen dan KL = kapasitas lapang dan air tersedia, AT = KL – TLP

|APWL| = nilai absolut APWL

Kemudian, hitung nilai KAT tidak terjadi APWL dengan cara:

KAT = KAT terakhir + CH - ETP , jika bila nilai KAT-nya mencapai Kapasitas Lapang (KL) maka yang

diambil adalah nilai KL.

Perubahan kadar air tanah (dKAT)

Nilai dKAT bulan tersebut adalah KAT bulan tersebut dikurangi KAT bulan sebelumnya. Nilai

positif menyatakan perubahan kandungan air tanah yang berlangsung pada CH > ETP (musim

hujan), penambahan berhenti bila dKAT =0 setelah KL tercapai. Sebaliknya bila CH < ETP atau

dKAT negatif, maka seluruh CH dan sebagian KAT akan di -evapotranspirasi-kan.

Evapotranspirasi Aktual (ETA)

Bila CH > ETP maka ETA = ETP karena ETA mencapai maksimum.

Bila CH < ETP maka ETA = CH + |dKAT|

karena seluruh CH dan dKAT seluruhnya akan dievapotranspirasikan.

Defisit (D)

Defisit berarti berkurangnya air untuk dievapotranspirasikan sehingga, D = ETP – ETA ,

berlangsung pada musim kemarau.

Surplus (S)

Surplus berarti kelebihan air ketika CH > ETP sehingga, S = CH-ETP-dKAT, berlangsung pada

musim hujan.

Run Off (RO)

Run off (RO) merupakan aliran permukaan atau limpasan. Thornthwaite dan Mather (1957)

membagi RO menjadi dua bagian :

1. 50% dari Surplus bulan sekarang (Sn).

2. 50% dari RO bulan sebelumnya (ROn -1).

Nilai 50% adalah koefisien run off studi di Amerika. Nilai ini dapat berubah sesuai kondisi

setempat. Sehingga,


18

RO bulan sekarang (Rn) = 50% (Sn + ROn -1)

Misal untuk RO Maret = 50% (152 + 137) = 144 mm.

Khusus RO bulan Januari, karena ROn -1 belum terisi maka ROn-1 diambil 50% dari surplus

bulan Desember (50% dari 56 = 28 mm).

Volume Air Tanah (WS)

Untuk menghitung cadangan air Jakarta, maka diperoleh dari selisih antara nilai Surplus dengan

nilai Run Off seperti berikut:

WS = Sn - RO

Proyeksi cadangan air tanah Jakarta

Untuk menghasilkan peta proyeksi besarnya kebutuhan air penduduk DKI Jakarta, maka metode

overlay akan dilakukan antara peta cadangan air Jakarta dengan peta distribusi penduduk.

Seluruh pemodelan iklim di atas (proyeksi temperatur, curah hujan, cadangan air tanah, dan

kenaikan muka laut) menjadi bagian dari alur kegiatan riset kerentanan iklim, sebagaimana

ditunjukkan pada Gambar 6 di bawah ini.


19

Gambar 6. Alur pekerjaan riset kerentanan iklim di wilayah Kabupaten Bogor, Depok, dan Jakarta Utara

Data CH & T

Model Iklim Proyeksi

Proyeksi CH & T

Indeks Kebencanaan iklim

Perhitungan Cadangan Air (Proyeksi)

Peta Tata guna lahan

Peta Hidrologi

DEM

IPCC scenario

dan subsisidenc

e

Proyeksi SLR

Kuesioner

FGD Data

Pendidikan, Kesejahteraan, Populasi (BPS)

Data Populasi

Peta Jenis

Tanah

Penilaian indeks potensi kebencanaan iklim keseluruhan kajian (proyeksi)

Peta Proyeksi SLR

format image Penilaian indeks kapasitas adaptif (proyeksi)

Peta indeks potensi kebencanaan iklim keseluruhan kajian (proyeksi)

Penilaian indeks kerentanan iklim (proyeksi)

Peta indeks kerentanan iklim (proyeksi)

Peta indeks kapasitas adaptif (proyeksi)

Proyeksi indeks kebencanaan iklim Peta cadangan air (Proyeksi)

Peta proyeksi CH

Peta proyeksi T

Proyeksi Populasi

Opsi Adaptasi

Dibahas di Buku ke-1 Dibahas di Buku ke-2 Dibahas di Buku ke-3


20

BAB 3. HASIL PENELITIAN DAN PEMBAHASANNYA

Pada bagian ini akan disampaikan tentang hasil pemodelan iklim untuk membuat

proyeksi curah hujan dan temperatur untuk wilayah Jakarta, Depok, dan Bogor. Karena

cadangan air tanah merupakan salah satu unsur kerentanan iklim yang terjadi di wilayah

Jakarta, maka model iklim yang di sampaikan pada bagian ini telah memproyeksikan

unsur kerentanan tersebut hingga tahun 2035. Selain itu, pada laporan ini juga

membahas mengenai proyeksi kenaikan muka laut di wilayah Jakarta Utara.

Namun sebelum membahas hasil-hasil proyeksi untuk setiap parameter yang sudah

disebutkan di atas, model iklim tersebut harus divalidasi dengan menggunakan data

observasi dengan menggunakan 3 metode, yaitu R-Square, R-Skill, dan RMSE.

3. 1 Hasil Validasi Pemodelan Iklim

Tabel 3. Hasil Validasi Proyeksi Temperatur

No Stasiun lon lat

R-Square (1985-2005)

R-Skill (2006)

RMSE (2006)

1 Cengkareng 106.66 -6.13 0.84 0.82 0.1

2 Kemayoran 106.85 -6.15 0.91 0.84 0.2

3 Tanjung Priok 106.88 -6.10 0.83 0.77 0.1

4 Pd Betung 106.75 -6.25 0.78 0.72 0.3

5 Dermaga Bogor 106.77 -6.50 0.73 0.68 0.2

6 Serang 106.13 -6.12 0.79 0.83 0.2

7 Citeko 107.13 -6.7 0.85 0.81 0.1

Rata-rata 0.82 0.78 0.17

Ppada Tabel 3 di bawah ini menunjukkan hasil verifikasi model proyeksi temperatur di 7

stasiun yang juga dianalisis dengan menghitung R-Square, R-Skill, dan RMSE. R-Square

untuk model proyeksi temperatur ini menggunakan data 1985 hingga 2005. R-Square

tertinggi dicapai pada stasiun Kemayoran, sebesar 0.84. Sedangkan R-Skill tertinggi juga

diperoleh pada stasiun Kemayoran yang mencapai 0.91. Sedangkan RMSE, menunjukkan

besarnya tingkat kesalahan nilai proyeksi temperatur terhadap temperatur hasil


21

observasi. Kesalahan paling kecil diperoleh pada Stasiun Cengkareng, Tanjung Priok, dan

Citeko, sebesar 0.1.

Tabel 4. Hasil Validasi Proyeksi Curah Hujan

No Stasiun lon lat R-Square

(1980-2008)

R-Skill

(2009)

RMSE

(2009)

1 Cengkareng 106.66 -6.13 0.92 0.82 12

2 kemayoran 106.85 -6.15 0.82 0.77 25

3 Tj Priok 106.88 -6.10 0.75 0.78 33

4 Dermaga Bogor 106.77 -6.50 0.68 0.71 23

5 Ciledug 106.67 -6.27 0.78 0.81 34

6 Jkt Observatorium 106.82 -6.17 0.82 0.83 12

7 Halim 106.90 -6.26 0.84 0.82 4

8 Serang 106.13 -6.12 0.77 0.86 35

9 Citeko 107.13 -6.7 0.83 0.75 36

10 Batu Jaya 107.12 -6.07 0.9 0.83 20

11 Curug 106.65 -6.23 0.84 0.81 16

12 Gunung Mas Pabrik 107.02 -6.68 0.8 0.73 12

13 Kedoya 106.78 -6.19 0.71 0.72 25

14 Pakubuwono 106.80 -6.23 0.7 0.68 50

15 Cipayung 106.87 -6.65 0.69 0.71 39

16 Pacing 106.27 -6.1 0.84 0.69 22

17 Sunter Hulu 106.90 -6.10 0.77 0.72 8

18 Rawa Badak 106.89 -6.12 0.78 0.73 15

19 Kodamar 106.89 -6.1551 0.66 0.74 12

Rata-rata 0.78 0.76 22.78

Sedangkan Tabel 4 menunjukkan hasil verifikasi model proyeksi curah hujan di

keseluruhan stasiun yang dianalisis dengan menghitung R-Square, R-Skill, dan RMSE. R-

Square menunjukkan tingkat akurasi model terhadap data keselurahan tahun

sebelumnya, yaitu 1980 hingga 2008. R-Square tertinggi dicapai pada stasiun


22

Cengkareng, sebesar 0.92. R-Skill menunjukkan tingkat akurasi hasil prediksi ke depan

terhadap data observasi pada tahun yang sama. Pada uji ini, digunakan tahun 2009,

dimana R-Skill tertinggi diperoleh pada stasiun Serang yang mencapai 0.86. Sedangkan

RMSE, menunjukkan besarnya tingkat kesalahan nilai curah hujan prediksi terhadap

curah hujan observasi. Kesalahan terkecil diperoleh pada Stasiun Halim, sebesar 4.

3. 2 Proyeksi Temperatur Hingga Tahun 2035 di Wilayah Jakarta

Berdasarkan kondisi Jakarta saat ini, jakarta diperkirakan akan menjadi kota pertama

yang terkena dampak perubahan iklim akibat global warming di tahun 2029 dan di akhiri

di kota Anchorage tahun 2071. Seperti tampak pada gambar 6.

Gambar 7. Perkiraan Potret Peta Dunia dalam Perubahan Iklim di Kemudian Hari,

gambar: smithsonianmag.com

Salah satu parameter untuk memperkirakan terjadinya perubahan iklim adalah

temperatur. Parameter ini digunakan untuk mengukur tingkat stabilitas atmosfer secara

lokal maupun global. Untuk melihat dampak iklim secara global, maka proyeksi

temperatur global yang diperlukan untuk memperkirakannya, dan berdasarkan hasil


23

penelitian-penelitian sebelumnya mengenai perubahan temperatur global ini, bisa

mengakibatkan dampak perubahan iklim secara regional maupun lokal, termasuk

diantaranya adalah dampak perubahan iklim di wilayah Jakarta dan sekitarnya.

Pada penelitian ditunjukkan hasil proyeksi temperatur di wilayah Jakarta hingga tahun

2035 yang ditunjukkan pada Gambar 8. Pada laporan ini, ditunjukkan proyeksi

temperatur pada bulan Januari dan Februari setiap 5 tahun hingga tahun 2035.


24

(a) (b) (c) (d) (e) (f)

(g) (h) (i) (j) (k) (l)

Gambar 8. Proyeksi temperatur: (a) Januari 2012, (b) Februari 2010, (c) Januari 2015, (d) Februari 2015, (e) Januari 2020, (f) Februari 2020, (g) Januari 2025, (h) Februari 2025, (i) Januari 2030, (j) Februari 2030, (i) Januari 2035, (j) Februari 2035


25

Secara gradual, proyeksi temperatur baik di musim hujan maupun musim kemarau akan

berpotensi mengalami kenaikan. Hal ini dapat dilihat dari pola kenaikan temperatur

yang terlihat pada peta/gambar 8 dengan semakin meningkatnya warna merah pada

beberapa daerah di Jakarta. Secara umum, wilayah Jakarta bagian Utara merupakan

daerah yang palinh berpotensi karena memiliki temperatur paling tinggi dibanding

bagian Selatan. Hal ini yang menimbulkan meningkatnya intensitas curah hujan di

wilayah Utara. Selain itu, meningkatnya curah hujan juga bisa mendorong terjadinya rob

dari gelombang pasang laut di Utara Jakarta.

Gambar 9. Data historis temperatur di wilayah Jakarta Utara

Pada Gambar 9 ditunjukkan data historis temperatur wilayah Jakarta Utara, dimana dari

tahun ke tahun temperatur naik sekitar 0,1oC. Oleh karena itu, pada saat diproyeksikan

menggunakan model iklim, temperatur akan juga akan naik secara gradual sebagaimana

telah dijelaskan sebelumnya. Perbedaan temperatur yang sangat tinggi antara wilayah

daratan di Jakarta Utara dan Laut Jawa akan menyebabkan potensi angin yang lebih

kencang dari biasanya, dan juga pertumbuhan awan konvektif di pantai utara Jakarta.


26

Pemicu dari kenaikan temperatur ini diperkirakan akibat perubahan tata guna lahan dan

penggunaan transportasi yang cukup besar. Tata guna lahan yang berubah menjadi

gedung-gedung dan perumahan akan menurunkan albedo dan penyerapan temperatur

yang sangat tinggi. Sedangkan alat transportasi akan menyebabkan emisi karbon

monoksida yang sifatnya panas, yang berpaengaruh terhadap tingkat temperatur di

wilayah Jakarta Utara. Kedua sumber penyebab temperatur inilah yang juga dikenal

dengan urban heat island di wilayah kota.

3. 3 Proyeksi Curah Hujan Hingga Tahun 2035 di Wilayah Jakarta

Secara global Dampak dari perubahan iklim yang akan terjadi diantaranya yaitu adanya

peningkatan dan pengurangan curah hujan,yang menyebabkan kenikan curah hujan

dibeberapa daerah dan berkurangnya curah hujan di beberapa daerah lainnya. Daerah

Khusus Ibukota (DKI) Jakarta adalah salah satu wilayah yang sangat rentan terhadap

peningkatan curah hujan yang berakibat pada terjadinya banjir yang hampir setiap tahun

terjadi.

Data curah hujan bulanan stasiun meteorologi Jakarta dan sekitarnya yang dianggap

dapat mewakili kawasan Jabotabek khususnya Jakarta memeperlihatkan kemiripan pola

distribusi. Umumnya curah hujan bulanan pada bulan-bulan Januari dan Februari lebih

besar dari 200 mm, kemudian pada bulan Juni sampai Agustus menurun secara gradual,

namun jarang sekali mengalami tidak hujan sama sekali dalam satu bulan.

Pada monsun baratan (November s/d Maret) dimana iklim regional wilayah Indonesia

mengalami musim hujan. Hujan dikawasan Jakarta terjadi hampir selalu

menyebabkanbanjir. Surplus air (Water Surplus) dikawasan ini akanterjadi

danmenjadirendaman. Sedangkan pada monsun tenggara, bulan April s/d

Oktober,curahhujannyarendahdan surplus airnyakurang.

Berdasarkan keadaan geomorfologi daerah tangkapan pola aliran air permukaan

Kawasan Jakarta menuju ke utara, fakta yang terjadi cocok dengan pola aliran Sungai

Ciliwung yang bermuara ke arah laut Jawa. Limpasan air hujan dari daerah ketinggian

yaitu bogor sebagian besar mengallir ke kawasan Jakarta. Padahal kapasitas lapang di

kawasan Jakarta cepat sekali mengalami tingkat jenuh, karena tingkat kebasahan tanah

mendekati tingkat kapasitas lapang. Sehingga akibatnya, limpasan air akan menggenang,

dan sedikit sekali terjadi infiltrasi ke dalam tanah.


27

(a) (b) (c) (d) (e) (f)

(g) (h) (i) (j) (k) (l)

(a) (b)

Gambar 10. Proyeksi curah hujan: (a) Januari 2012, (b) Februari 2010, (c) Januari 2015, (d) Februari 2015, (e) Januari 2020, (f) Februari 2020, (g) Januari 2025, (h) Februari 2025, (i) Januari 2030, (j) Februari 2030, (i) Januari 2035, (j) Februari 2035


28

Pada penelitian ini telah dilakukan proyeksi curah hujan jangka panjang untuk daerah

Jakarta hingga tahun 2035 (Gambar 10). Terlihat dari gambar tersebut bahwa untuk

proyeksi curah hujan, hanya sedikit perubahan nilai curah hujan maksimum dari tahun

ke tahun yaitu tetap 340 mm. Namun terdapat sedikit perubahan pada pola sebaran

curah hujan, daerah dengan curah hujan tinggi (warna merah) sedikit demi sedikit

meluas ke pusat dan utara. Hal tersebut berarti terdapat kenaikan jumlah curah hujan di

beberapa daerah di sekitar Jakarta, terutama untuk yang berada di sebelah pusat dan

utara wilayah Jakarta.

Untuk proyeksi curah hujan jangka panjang hasilnya adalah terdapat kenaikan curah

hujan maksimum pada tahun 2025, 2030 dan 2035, curah hujan maksimum yang terjadi

pada tahun 2020 sebesar 360 mm, pada tahun 2035 mengalami kenaikan hingga 20 mm

yaitu 380 mm. Seperti proyeksi curah hujan jangka pendek, pada proyeksi jangka

panjang juga terdapat perubahan pola sebaran curah hujan. Daerah dengan curah hujan

besar (warna merah) yang berada di daerah selatan Jakarta mulai menyebar ke arah

utara.

Dari proyeksi curah hujan tersebut, banjir Jakarta akan dapat disebabkan oleh adanya

pergeseran awan konvektif (awan mengandung uap air) dari wilayah Bogor. Berdasarkan

model iklim yang dikembangkan, secara keseluruhan (Bogor, Depok, dan Jakarta)

diketahui adanya pergerakan awan konvetif tersebut dari wilayah Bogor menuju utara,

memasuki wilayah Jakarta. Daerah yang dilalui awan tersebut antara lain Depok, Pasar

Minggu, Bekasi, dan Cikarang. Pergeseran awan konvektif tersebut juga menyebabkan

pergeseran pola curah hujan dari Bogor ke wilayah tersebut. Konsekuensinya, daerah-

daerah tersebut menjadi daerah banjir.

Akibatnya wilayah Jakarta diguyur oleh hujan yang lebih tinggi dibanding tahun-tahun

sebelumnya. Adanya tambahan hujan ini dan kondisi daya tahan lingkungan di Jakarta

yang semakin lama makin rendah menyebabkan tambahan curah hujan tersebut

semakin tinggi di wilayah Jakarta. Apalagi dengan semakin meningkatnya laju perubahan

iklim akan mempercepat terjadinya hujan dan banjir di Jakarta


29

3. 4 Proyeksi Cadangan Air Tanah di Jakarta

Salah satu masalah utama yang sering terjadi di Jakarta adalah masalah sumber daya air.

Permasalahan air di Jakarta sudah sejak lama belum dapat dieselesaikan secara optimal.

Bahkan Hujan yang terjadi kawasan Jakarta tidak dapat menjadikannya sebagai

cadangan air tanah melainkan hujan tersebut menjadi bencana banjir yang merugikan

masyarakat Jakarta.

Tingginya kebutuhan air di Jakarta dapat diukur dari laju pertumbuhan penduduk dan

pembangunan di kawasan Jakarta, semakin tinggi laju pertumbuhan penduduk maka

akan semakin besar kebutuhan terhadap air di Jakarta. Berdasarkan data dari BPS DKI

Jakarta menyebutkan bahwa pertumbuhan penduduk di DKI Jakarta menunjukan

pertumbuhan penduduk sebesar 6,6 persen dibandingkan nilai PDRB tahun 2010. Hasil

penelitian yang dilakukan oleh McKinsey & Co (2011) menunjukkan Jakarta sebagai salah

satu megacity dengan prospek pertumbuhan ekonomi yang tinggi dengan proyeksi PDRB

perkapita sebesar $29.000 per tahun (estimasi 2025) atau setara dengan 4 kali lipat

PDRB di tahun 2010. Dari data tersebut, maka jika dikorelasikan secara kasar, pada

tahun 2025, masyakarat Jakarta akan memerlukan tambahan air minimal sebanyak 4 kali

lipat dari tahun 2010.

Kekurangan cadangan air dan bencana banjir di Jakarta saat ini berkaitan dengan

perubahan pola curah hujan yang disebabkan karena adanya dampak perubahan iklim.

Frekuensi dan besarnya curah hujan yang terjadi di Jakarta saat ini menjadi sulit untuk

diprediksi lagi sehingga pemerintah dan masyarakat kurang siap untuk dapat

menjadikan air hujan tersebut menjadi cadangan air tanah untuk memenuhi tingginya

kebutuhan masyarakat Jakarta terhadap air tanah. Sehingga sebagian besar air hujan

menjadi limpasan dan tergenang di daerah-daerah yang berdataran rendah, bukan

menjadi air tanah yang bisa dimanfaatkan untuk masyarakat Jakarta.

Permasalahan air di Jakarta akan mudah diatasi jika laju pertumbuhan penduduk dapat

dikendalikan. Namun fakta menunjukkan bahwa tingkat kepadatan penduduk semakin

tinggi, bahkan berdasarkan hasil proyeksi yang dilakukan oleh Badan Pusat Statistik

(BPS), peningkatan penduduk Jakarta tahun 2025 mencapai 5,6 persen dari jumlah


30

penduduk Jakarta tahun 2010. Dari perkiraan proyeksi penduduk tersebut, jika

didistribusikan berdasarkan tata guna lahan di kawasan DKI Jakarta, maka lahan terbuka

yang berada di kawasan Jakarta hanya akan tersisa sekitar 15% dari seluruh luas wilayah

DKI Jakarta (BPS, 2008). Penurunan lahan terbuka ini akan mengakibatkan penyempitan

lahan yang seharusnya berfungsi untuk infiltrasi air hujan yang akan menjadi cadangan

air tanah.

Laporan ini menyajikan hasil riset berupa peta cadangan air di Jakarta, peta kerentanan

sumber daya air. Peta cadangan air di Jakarta dan kerentanannya diproyeksikan untuk

tahun 2010, 2015, 2020, 2025, 2030, dan 2035. Lebih lanjut, hasil riset juga untuk

memperkirakan pilihan adaptasi yang akan digunakan di masa yang akan datang

sekaligus dapat diterapkan untuk mengatasi permasalahan sumber daya air di Jakarta

melalui pengembangan zona-zona kerentanan sumber daya air di Jakarta.

Pada laporan ini hanya ditunjukkan proyeksi curah hujan tahunan untuk menunjukkan

perubahan jumlah curah hujan yang terjadi di wilayah Jakarta dan sekitarnya. Untuk

keperluan perhitungan estmasii cadangan air Jakarta, maka sebelumnya curah hujan

bulanan juga telah diproyeksikan. Pada Gambar 11(a) diperlihatkan proyeksi temperatur

tahunan yang menunjukkan kenaikan temperatur di wilayah Jakarta mencapai 0,3 oC

hingga tahun 2035. Dari kelima stasiun yang dianalisis, stasiun Kemayoran memiliki

kenaikan temperatur yang paling tinggi. Pada tahun 2011, temperatur rata-rata tahunan

sebesar 30,5 oC dan akan meningkat mencapai 30,8 oC pada tahun 2035.

Proyeksi curah hujan tahunan di wilayah Jakarta ditunjukkan pada Gambar 11(b). Hingga

tahun 2035, wilayah Jakarta mengalami penurunan jumlah curah hujan tahunan sebesar

232 mm per tahun. Pada tahun tersebut, curah hujan rata-rata tahunan mencapai 1205

mm dan puncaknya terjadi pada bulan Januari. Tanjung Priok merupakan daerah Jakarta

yang memiliki curah hujan paling rendah diantara keempat daerah lainnya dimana pada

tahun 2011, wilayah ini hanya memiliki curah hujan tahunan sebesar 1195 mm atau

rata-rata sebesar 99 mm per bulan. Setelah diproyeksikan, curah hujan tahunan untuk

wilayah Tanjung Priok adalah sebesar 819 mm atau rata-rata sebesar 68 mm per bulan.


31

(a)

(b)

Gambar 11. (a) Proyeksi temperatur rata-rata tahunan dan (b) proyeksi curah hujan

tahunan

Hal yang sama juga dinyatakan oleh Institute for Essential Services Reform (IESR, 2010)

bahwa proyeksi curah hujan Jakarta menunjukkan trend naik dan menurun selama

periode 2001-2100. Proyeksi curah hujan menunjukkan kondisi yang berbeda dengan

temperatur yang menunjukkan trend naik. Curah hujan memiliki pola naik di

pertengahan 2001-2100 dan kemudian turun di akhir rentang waktu yang sama.

Jumlah limpasan di wilayah Jakarta diproyeksikan mengalami penurunan pada masa

mendatang. Hasil perhitungan tersebut belum memasukkan komponen tata guna lahan.

Tetapi, tinggi jumlah limpasan sangat tergantung dari kadar air tanah di suatu

permukaan. Umumnya, wilayah Jakarta bagian utara memiliki struktur tanah pasir

lempung yang mengakibatkan kapasitas lapang dan kadar air tanah yang rendah,

sehingga sangat memungkinkan curah hujan akan dikonversi menjadi limpasan. Berbeda

dengan daerah Jakarta bagian selatan hingga masuk wilayah Bogor, limpasannya lebih

rendah karena struktur tanahnya umumnya adalah tanah latosol.

0.0

10.0

20.0

30.0

40.0

2011 2015 2020 2025 2030 2035

Cengkareng

kemayoran

Tj Priok

Dermaga Bogor

Pd Betung

oC

01000200030004000500060007000

2011 2015 2020 2025 2030 2035

Cengkareng

kemayoran

Tj Priok

Dermaga Bogor

Pd Betung

mm


32

Tetapi faktor struktur tanah tersebut menjadi sangat kecil pada saat dibandingkan

dengan jumlah curah hujan. Perbedaan jumlah curah hujan yang signifikan antara

wilayah Jakarta bagian selatan (termasuk Bogor) dan wilayah Jakarta bagian utara,

mengakibatkan faktor struktur tanah menjadi sangat kecil. Sebagaimana diperlihatkan

pada Gambar 12, proyeksi jumlah limpasan sangat tinggi untuk wilayah Bogor dan

sangat rendah untuk wilayah Tanjung Priok. Sebagaimana telah dijelaskan sebelumnya,

jumlah curah hujan wilayah Bogor sangat tinggi sehingga menimbulkan jumlah limpasan

yang juga tinggi.

Gambar 12. Proyeksi limpasan (total run-off)

Penurunan air tanah Jakarta disebabkan oleh tren curah hujan yang semakin menurun.

Selain itu, temperatur yang cenderung meningkat menyebabkan kemampuan

lingkungan untuk melakukan evapotranspirasi juga meningkat. Akibatnya, surplus air

juga mengalami penurunan baik sebagai limpasan (run-off) maupun aliran dasar (base

flow). Dari sisi fisik dan tekstur tanah Jakarta secara keseluruhan juga menjadi faktor

yang berpengaruh terhadap air yang masuk ke dalam tanah. Jenis tanah memiliki

kapasitas lapang berbeda-beda yang mempengaruhi kelembabannya. Karena semakin

tinggi kelembaban tanah, maka kadar air tanahnya semakin menurun. Perbedaan dari

terjadinya penurunan dan peningkatan kadar air tanah terlihat pada musim hujan dan

musim kemarau.

0.0

1000.0

2000.0

3000.0

4000.0

5000.0

6000.0

2011 2015 2020 2025 2030 2035

Cengkareng

kemayoran

Tj Priok

Dermaga Bogor

Pd Betung

mm


33

Gambar 13. Proyeksi air tanah (liter/m2) tahunan di Jakarta dan sekitarnya dengan

asumsi tanpa pemukiman penduduk

Pada Gambar 13 di atas, terlihat Bogor secara umum selalu memiliki cadangan air tanah

paling tinggi dibanding 4 daerah lainnya. Bogor memiliki jenis tanah latosol. Jenis tanah

ini asosiasinya memiliki sifat tanah yang baik yang memiliki kadar air tanah yang tinggi

sehingga mampu menyerap air hujan disamping curah hujan yang selalu tinggi di

wilayah ini. Bogor juga memiliki temperatur paling rendah yang menyebabkan tingkat

evapotranspirasi juga rendah, sehingga air cenderung menjadi surplus dibandingkan

defisit karena evapotranspirasi di daerah ini.

Cengkareng merupakan daerah dengan cadangan air tanah yang paling rendah diantara

4 daerah pengamatan lainnya. Daerah Cengkareng umumnya memiliki tekstur tanah

pasir kasar-halus, sedikit lempung dengan pecahan cangkang kerang. Kapasitas lapang

untuk tekstur tanah jenis ini adalah sebesar 10 % (Saxton, dkk, 2006). Tekstur tanah ini

merupakan tanah dengan kadar air tanah yang sangat rendah. Oleh karena itu,

meskipun curah hujannya cukup tinggi (lihat Gambar 32(b)), kapasitas lapang untuk

membuat surplus air sangat rendah dan kemampuan evapotranspirasi sangat tinggi.

Sehingga, air hujan akan lebih banyak defisit dibandingkan surplus.

Hasil overlay (tumpang susun) antara peta proyeksi air tanah dengan kebutuhan air

menghasilkan peta proyeksi cadangan air tanah Jakarta tahun 2010, 2015, 2020, 2025,

2030, dan 2035, sebagaimana ditunjukkan pada Gambar 14. Pada tahun 2010,

kecamatan Johar Baru, Jakarta Pusat, merupakan daerah dengan cadangan air tanah

0100200300400500600700800900

2011 2015 2020 2025 2030 2035

Cengkareng

kemayoran

Tj Priok

Dermaga Bogor

Pd Betung

liter/m2

tahun


34

terendah, terhitung dalam simulasi menunjukkan cadangan air tanah terjadi defisit

hingga 1.383 liter/m2 per tahun. Kecamatan Johar Baru memiliki jumlah penduduk

sekitar 116.261 jiwa, dengan air tanah sebanyak 407 liter/m2 atau setara dengan

965.070.079 liter per tahun untuk seluruh wilayah Johar Baru pada tahun 2011. Hal

demikian juga terjadi pada tahun 2035, kecamatan Johar Baru ini juga adalah daerah

yang paling rentan terhadap cadangan air tanah. Pada tahun tersebut, kecamatan ini

mengalami defisit air tanah hingga 3.462 liter/m2 atau setara dengan 8.206.608.622 liter

(per luas wilayah kecamatan Johar Baru).

Kecamatan Cipayung, Jakarta Timur, merupakan daerah dengan cadangan air tanah

tertinggi diantara seluruh kecamatan di Jakarta. Terhitung surplus sebanyak 228 liter/m2

atau setara dengan 6.321.636.052 liter per seluruh luas wilayah Kecamatan Cipayung

pada tahun 2011, sedangkan pada tahun 2035, kecamatan ini hanya defisit air tanah

sebanyak 208 liter/m2.

Secara keseluruhan, DKI Jakarta sangat rentan terhadap ketersediaan cadangan air

tanah di masa mendatang. Hal ini sudah dibuktikan pada tahun-tahun sebelumnya,

bahwa masyarakat Jakarta saat ini pun sudah mengambil bahan baku air dari daerah

lain, termasuk daerah Jati Luhur dan sekitarnya, untuk memenuhi kebutuhan air bersih

sehari-hari. Adapun opsi adaptasi (penyesuaian kondisi) terhadap ketersediaan

cadangan air tanah di masa mendatang adalah dengan cara meminimalisasi penggunaan

air tanah,dengan cara menggunakan air permukaan, perpipaan, atau PAM. Saat ini pun

perencanaan dapat dilakukan dengan cara pembangunan poulder-poulder air, yang

berfungsi untuk mengambil air limpasan yang berasal dari air hujan. Melihat dari kondisi

curah hujan terbanyak terjadi di wilayah Selatan, maka pembangunan poulder dapat

dilakukan di wilayah Jakarta Selatan, Jakarta Timur, dan Jakarta Barat. Sedangkan untuk

wilayah Jakarta Pusat, dan Jakarta Utara, maka penggunaan pipa-pipa yang terhubung

ke wilayah Jakarta Selatan, Jakarta Timur, dan Jakarta Barat dapat dilakukan.

Berdasarkan hasil monitoring mengenai subsidence (penurunan muka tanah) di wilayah

Jakarta menggunakan GPS satellite yang dilakukan oleh Djaja, dkk (2004), wilayah

Jakarta Utara merupakan daerah dengan tingkat penurunan tanah paling tinggi. Kondisi

tersebut dikaitkan dengan pengaruh pengambilan air tanah (ground water extraction)


35

secara besar-besaran di wilayah tersebut. Hal ini juga sesuai dengan hasil penelitian ini

dimana proyeksi cadangan air tanah Jakarta menunjukkan kerentanannya paling tinggi di

wilayah Jakarta Utara yang kemudian akan berdampak pada tingginya laju penurunan

muka tanah.

(a) (b) (c)

(d) (e) (f)

Gambar 14. Peta proyeksi cadangan air tanah (liter/m2) tahunan di Jakarta dengan

asumsi tanpa pemukiman penduduk: (a) tahun 2010, (b) tahun 2015, (c) tahun 2020, (d)

tahun 2025, (e) tahun 2030, (f) tahun 2035

3. 5 Proyeksi Kenaikan Muka Laut Hingga Tahun 2100 di Wilayah Jakarta

Untuk memodelkan kerentanan iklim di wilayah Jakarta, salah satu unsur yang menjadi

input adalah proyeksi kenaikan muka laut. Karena parameter ini cukup signifikan di

wilayah Jakarta Utara, selain dari parameter curah hujan yang membuat banjir di

Jakarta. Berikut dijelaskan metode dan hasil simulasi proyeksi kenaikan muka laut di

wilayah Jakarta Utara. Untuk mendapatkan hasil simulasi kenaikan muka laut, maka

diperlukan data DEM (Digital Elevation Model), sebagaimana diperlihatkan pada Gambar

36, 37, dan 38) untuk DEM wilayah Jakarta, Depok, dan Bogor.


36

Pengolahan DEM (Digital Elevation Model)

Pembuatan simulasi kenaikan muka laut diawali dengan melakukan digitasi dan

interpolasi terhadap data DEM (Digital Elevation Model) yang digunakan untuk simulasi

kenaikan muka laut di wilayah Jakarta Utara. Digital Elevation Model atau DEM dibentuk

dari peta kontur, yaitu dengan melakukan interpolasi peta kontur dengan metode

Triangulation Irregular Network (TIN). DEM pada penelitian ini dibentuk dari hasil

interpolasi peta DEM Jakarta yang diperoleh dari IFSAR. IFSAR memilikidata elevasi

untuk menghasilkan data topografi digital dengan resolusi tinggi 5m. Pengolahan data

DEM untuk wilayah Jakarta Utara menggunakan format file ArcInfoASCII untuk skenario

perubahan elevasi di masa mendatang danformat yangGeoTiffuntuk pengolahan citra

yang akan menghasilkan peta simulasi kenaikan muka air laut di wilayah Jakarta Utara.

Gambar 15. DEM Jakarta, Depok, dan Bogor menggunakan software Google Earth

Untuk melakukan simulasi ini, tim ITB akan memprediksi daerah genangan dilakukan

dengan menerapkan model genangan berdasarkan Digital Elevation Model (DEM).

Model genangan disimulasikan dalam skenario input model trend kenaikan muka laut


37

berdasarkan prediksi IPCC lokal untuk Indonesiadikombinasikan dengan trend

penurunan muka tanah.

Pada penelitian ini dibuat DEM DKI Jakarta tahun 2010, 2020, 2030, 2040, dan 2050

untuk masing-masing skenario. Jadi dilakukan formulasi DEM tahunan untuk

mengetahui DEM pada tahun-tahun tersebut untuk masing-masing skenario pemodelan.

Formulasi DEM yang dilakukan, yaitu formulasi DEM yang dipengaruhi kenaikan muka

laut, formulasi DEM yang dipengaruhi kenaikan muka laut dan penurunan muka tanah,

serta formulasi DEM yang dipengaruhi oleh kenaikan muka laut, penurunan muka tanah,

dan banjir. Formulasi DEM dilakukan dengan menggunakanperangkat lunak ArcGis 9.2,

Global Mapper, dan Map Info Profesional.

Proses analisis spasial yang dilakukan adalah analisis data vektor. DEM hasil formulasi

tahunan tersebut kemudian di kelompokkan berdasarkan elevasinya, untuk keperluan

analisis daerah genangan, pada penelitian ini elevasinya dikelompokkan menjadi dua,

yaitu di bawah kontur 0 dan di atas kontur 0 ataudilakukan proses pengklasifikasian

(reclass).

Gambar 16.DEM dilihat dari bagian Barat wilayah Jakarta


38

Gambar 17.DEM di wilayah Jakarta Utara yang dioverlay dengan peta tata guna lahan

Topografi Jakarta cenderung landai dengan kemiringan 0 sampai 2 derajat di kawasan

Jakarta pusat, dan kemiringan 0 sampai 5 derajat di kawasan Jakarta selatan. Sungai-

sungai utama di Jakarta yang bermuara di teluk Jakarta adalahKali Cengkareng, kali

Muara Angke, kali Muara Karang, banjir Kanal Angke, kali Duri Muara Karang, kali Besar,

kali Pekapuran, kali Ancol, kali Lagoa, kali Sunter, dan kali Cakung.

Dari tahun 1982 sampai 1997, penurunan muka tanah di Jakarta telah mencapai

ketinggian 120-200 cm, tepatnya didaerah Jakarta Utara dimana material sungai dan

pantainya merupakan material alluvial dengan kompresibilitasnya tinggi. Penurunan

muka tanah di kecamatan Kalideres dan Cengkareng mencapai 200 cm, di Sunter 140

cm, dan di Ancol-pantai pluit 160 cm.

DEM di Jakarta Utara dan sebagian kecamatan di DKI Jakarta ditunjukkan dalam Gambar

18. DEM di Jakarta Utara didominasi oleh topografi yang landai. Skenario proyeksi

kenaikan muka laut menunjukan bahwa efek penurunan muka tanah berpengaruh

dalam menyebabkan luas genangan semakin membesar, terutama untuk tahun 2060

hingga tahun 2100.


39

Lahan Jakarta Utara memiliki lahan basah dan lahan kering. Adapun pengertian lahan

basah adalah suatu wilayah yang tergenang air, baik alami maupun buatan, tetap

ataupun sementara, mengalir ataupun tergenang, tawar, asin atau payau, termasuk

didalamnya wilayah laut yang kedalamannya kurang dari 6 meter pada waktu air surut

paling rendah (Lablink, 2006).

Model genangan dibagi dalam interval waktu hingga tahun 2100 yang dibagi menjadi 5

model, yaitu tahun 2020, 2040, 2060, 2080, dan 2100. Berikut ini luas genangan akibat

kenaikan muka laut berdasarkan skenario yang sudah dibangun:

1) Tahun 2020, luas genangan mencapai 8,86 km2 (lihat Gambar 39)






40

(a) (b) (c)

(d) (e)

Gambar 18. Proyeksi kenaikan muka laut Jakarta Utara tahun: (a) 2020, (b) 2040, (c) 2060, (d) 2080, dan (e) 2100


41

3. 7 Proyeksi Temperatur Hingga Tahun 2035 di Wilayah Depok

Proyeksi temperatur juga dibuat di wilayah Depok, yang merupakan DAS Ciliwung.

Berdasarkan hasil proyeksi model iklim yang sudah dikembangkan, wilayah Depok

memiliki distribusi temperatur yang merata di setiap daerah di wilayah Depok. Tetapi

dari tahun ke tahun, wilayah Depok mengalami kenaikan temperatur.

Untuk wilayah Depok, perbedaan temperatur terlihat dari tahun ke tahun. Di wilayah ini,

temperatur lebih tinggi di musim kemarau dibandingkan musim hujan. Terlihat pada

Gambar 19 (a), wilayah Depok bagian timur lebih tinggi dari wilayah lainnya, baik bulan

Januari maupun Februari pada tahun 2012 sebagai baseline.

Selanjutnya pada Gambar 19(a), proyeksi temperatur pada tahun 2012 menunjukkan

temperatur yang lebih tinggi di wilayah timur Depok selalu lebih tinggi dibanding

wilayah Depok lainnya. Dan wilayah Timur Laut merupakan daerah dengan temperatur

paling tinggi. Tetapi dibanding wilayah Jakarta, wilayah Depok lebih dingin karena lebih

dekat ke wilayah Bogor. Selain itu, wilayah Depok memiliki tutupan vegetasi yang lebih

banyak dibanding wilayah Selatan. Sehingga wilayah Depok lebih banyak menyerap

karbon (yang bersifat panas) dibanding wilayah Jakarta.


42

(a) (b) (c) (d) (e) (f)

(g) (h) (i) (j) (k) (l)



43

Meskipun terjadi kenaikan temperatur di wilayah Depok, tetapi kenaikan yang terjadi

tidak terlalu signifikan dibandingkan dengan wilayah Jakarta. Kenaikan temperatur di

wilayah ini hanya mencapai 0.05oC per tahun. Hal ini ditunjukkan dari mulai Gambar 19,

dimana temperatur semakin meningkat dari tahun ke tahun dengan distribusi merata ke

setiap wilayah Depok. Tetapi yang perlu dicermati adalah wilayah Utara maupun Timur

selalu lebih tinggi dibanding wilayah lain. Wilayah Utara berbatasan dengan wilayah

Jakarta Selatan, dan wilayah Timur berbatasan dengan Jakarta Timur. Artinya peranan

kondisi temperatur di wilayah Jakarta (Jakarta Selatan dan Jakarta Timur) terhadap

kenaikan temperatur di wilayah Depok ini sangat tinggi. Tetapi temperatur di wilayah

Depok bagian Selatan dan Barat lebih rendah, hal ini diperkirakan dipengaruhi oleh

tutupan vegetasi di Depok sendiri dan wilayah Bogor yang sangat banyak tutupan

vegetasinya.

Wilayah Bogor juga memiliki topografi yang sangat tinggi sehingga menyebabkan aliran

massa udara baik di musim kemarau maupun musim hujan memiliki temperatur yang

rendah. Sehingga aliran udara dengan nilai temperatur tersebut yang mengarah ke

wilayah Depok akan menyebabkan temperatur wilayah Depok menjadi lebih dingin.

Oleh karena itu, wilayah Depok merupakan pertengahan untuk kondisi temperatur di

wilayah Jakarta dan Bogor.

3. 8 Proyeksi Curah Hujan Hingga Tahun 2035 di Wilayah Depok

Wilayah Depok merupakan wilayah yang juga dialiri bagian tengah sungai Ciliwung. Oleh

karena itu, wilayah ini juga sangat berperan penting bagi terjadinya banjir di wilayah

Depok sendiri maupun di wilayah Jakarta. Jika terjadi curah hujan tinggi di wilayah ini,

maka akan juga berpotensi menyebabkan banjir di Depok dan Jakarta karena airnya

mengalir di sungai Ciliwung.


44

(a) (b) (c) (d) (e) (f)

(g) (h) (i) (j) (k) (l)

Gambar 20. Proyeksi curah hujan: (a) Januari 2012, (b) Februari 2012, (c) Januari 2015, (d) Februari 2015, (e) Januari 2020, (f) Februari 2020, (g) Januari 2025, (h) Februari 2025, (i) Januari 2030, (j) Februari 2030, (i) Januari 2035, (j) Februari 2035


45

Pada Januari tahun 2012, kondisi curah hujan di wilayah Depok mencapai 400 mm per

bulan (Gambar 20[a]) dan menurun di Februari 2012 (Gambar 20[b]). Selanjutnya pada

bulan Juni 2010, kondisi curah hujan kembali meningkat di wilayah Depok bagian

Selatan. Pada tahun 2012 ini, wilayah Depok selalu terjadi hujan di bagian Selatan,

diperkirakan akibat awan konvektif yang bergerak dari wilayah Bogor menuju Depok.

Kondisi curah hujan selanjutnya pada tahun 2015 ditunjukkan pada Gambar 20(a) dan

20(b), untuk bulan Januari dan Februari untuk musim hujan dan Juni hingga Agustus

untuk musim kemarau. Selama musim hujan, wilayah Depok mengalami hujan yang

berasal dari wilayah pusat Depok untuk bulan Januari, sedangkan pada bulan Februari

hujan berasal dari wilayah Depok bagian Utara. Selama musim kemarau, hujan juga

terjadi dengan curah hujan yang cukup tinggi mencapai 350 mm per bulan dan berasal

dari wilayah Bogor. Hujan pada musim kemarau ini diperkirakan terjadi dari proses

evapotranspirasi yang berasal dari vegetasi hutan di wilayah Bogor dan kemudian

digeser oleh angin gunung dan jatuh di wilayah Depok bagian Selatan.

Berbeda dari tahun-tahun sebelumnya, wilayah Depok pada musim hujan mengalami

curah hujan yang sangat tinggi terutama di wilayah Sukmajaya dengan jumlah curah

hujan mencapai 700 mm per bulan (Gambar 20(e)). Wilayah Sukmajaya merupakan

wilayah yang terlewati oleh Sungai Ciliwung. Oleh karena itu, pada bulan Januari dan

Februari 2020, kemungkinan potensi banjir besar akan terjadi di wilayah Sukmajaya,

Depok, dan kemudian meluap di wilayah Jakarta. Melihat curah hujan yang juga cukup

tinggi di wilayah Jakarta Utara dan Pusat, maka kemungkinan banjir yang besar ini akan

terdistribusi hampir di seluruh Jakarta dan Depok. Tetapi pada musim kemarau (Gambar

61), curah hujan menjadi sangat rendah dan tidak ada potensi terjadi banjir pada musim

ini.

Untuk proyeksi curah hujan di tahun 2025, wilayah Depok akan terjadi hujan dengan

jumlah mencapai 400 mm terutama di wilayah Sukmajaya, Cilodong, dan Tapos. Luapan

sungai Ciliwung cukup berpotensi untuk terjadi banjir selama bulan Februari 2025

(Gambar 20(g) dan 20(h)), tetapi lebih rendah intensitasnya dibanding tahun 2020.

Apalagi di musim kemarau, curah hujan juga sangat rendah, hanya beberapa wilayah

seperti Sawangan dan Cipayung terjadi hujan tetapi dengan intensitas yang kecil. Curah


46

hujan di musim kemarau ini cukup baik untuk vegetasi dan infiltrasi air tanah yang

menjadikan wilayah Depok tidak rentan terhadap cadangan air tanah, terutama di

daerah-daerah dengan vegetasi yang tinggi.

Curah hujan pada tahun 2030, diproyeksikan akan mengalami penurunan dan tidak

berpotensi terjadi banjir (Gambar 20(i) dan 20(j)). Curah hujan cukup tinggi di wilayah

Barat Laut, seperti Sawangan, Cipayung, dan Pancoran Mas dan tidak melewati bantaran

Sungai Ciliwung. Curah hujan di musim penghujan hanya mencapai 300 mm, sedangkan

di musim kemarau hanya mencapai 150 mm per bulan. Oleh karena itu, selama tahun

2030 ini, kerentanan terhadap banjir sangat rendah di wilayah Depok.

Kerentanan terhadap terjadinya banjir kembali meningkat di tahun 2035 untuk wilayah

Depok. Pada tahun tersebut, curah hujan cukup tinggi selama musim hujan dan juga

musim kemarau. Curah hujan pada musim hujan bisa mencapai 400 mm hingga 500 mm,

juga musim kemarau terutama pada bulan Juni 2035 mencapai 400-500 mm per bulan.

3. 9 Proyeksi Temperatur Hingga Tahun 2035 di Wilayah Bogor

Berikut ini dijelaskan proyeksi temperatur di wilayah Bogor dari tahun 2012 hingga

tahun 2035 (Gambar 21). Secara umum, temperatur di wilayah Bogor lebih merupakan

temperatur yang paling rendah di banding wilayah Depok dan Jakarta. Wilayah Bogor

memiliki vegetasi yang sangat tinggi yang menurunkan temperatur udara. Vegetasi

mengikat banyak karbon sehingga radiasi gelombang panjang yang sifatnya panas tidak

dipantulkan lagi ke permukaan bumi tetapi diteruskan ke angkasa. Kondisi demikian

terjadi di wilayah lokal Bogor, sehingga temperaturnya selalu lebih dingin. Selain itu,

Bogor berada pada elevasi 190 meter hingga 330 meter di atas permukaan laut, yang

termasuk dataran tinggi, sehingga menyebabkan temperatur selalu lebih rendah di

wilayah dengan dataran tinggi.


47

(a) (b) (c) (d) (e) (f)

(g) (h) (i) (j) (k) (l)



48

Untuk kondisi temperatur di wilayah Bogor pada masa mendatang, telah diproyeksikan

menggunakan model iklim hingga tahun 2035. Pada Gambar 20(c) dan 20(d),

ditunjukkan proyeksi temperatur pada tahun 2015. Selama musim hujan, temperaturnya

lebih rendah dibanding musim kemarau. Hal ini diperkirakan akibat uap air

memantulkan radiasi gelombang panjang, sehingga temperaturnya lebih hangat. Untuk

wilayah Bogor, temperaturnya merata di setiap wilayah. Temperatur lebih rendah untuk

wilayah-wilayah yang berada di sebelah Selatan, yang diperkirakan akibat dataran tinggi

berada di wilayah Selatan.

Secara keseluruhan, kenaikan temperatur di wilayah Bogor tidak mengalami

peningkatan hingga tahun 2035. Kestabilan vegetasi dan dataran tinggi wilayah Bogor

berpengaruh tinggi pada kondisi temperatur di wilayah tersebut. Oleh karena itu,

kondisi ini pun akan berimplikasi pada selalu tingginya curah hujan di wilayah ini.

Temperatur tinggi umumnya berada di wilayah Bogor bagian Tenggara. Laju penurunan

udara di wilayah Bogor mengikuti laju yang dikenal dengan laju penurunan lapse rate di

mana makin tinggi ketinggian suatu tempat maka suhu udara akan turun.

Kondisi temperatur ini menjadikan daerah pegunungan Bogor lebih banyak

dibandingkan daerah yang bukan pegunungan. Sebagian besar radiasi matahari lebih

banyak di absorpsi untuk pertumbuhan tanaman dan digunakan untuk proses

transportasi (pelepasan molekul air oleh tanaman ke atmosfer). Inilah juga yang

menyebabkan suhu udara jadi lebih rendah karena transfer energi yang digunakan untuk

meningkatkan suhu lebih banyak digunakan untuk transportasi dan elaborasi. Sehingga

aliran energi membentuk siklus antara tumbuhan dan atmosfer di wilayah-wilayah

Bogor.

3. 10 Proyeksi Curah Hujan Hingga Tahun 2035 di Wilayah Bogor

Sebagaimana disebutkan sebelumnya bahwa wilayah Bogor memiliki temperatur rata-

rata bulanannya lebih rendah dengan rata-rata mencapai 26oC dan kelembaban

udaranya kurang lebih 70%. Situasi ini menyebabkan curah hujan di wilayah Bogor

menjadi sangat tinggi. Bogor dikenal memiliki curah hujan yang sangat tinggi. Hal ini


49

karena Bogor dikelilingi pegunungan. Bogor terletak di kaki Gunung Salak, Gunung Gede

dan Pangrango sehingga sangat kaya akan hujan orografi.

Angin laut dari laut Jawa yang membawa banyak uap air masuk ke pedalaman dan naik

secara mendadak di wilayah Bogor. Uap air kemudian terkondensasi dan menjadi hujan

yang jatuh di kota Bogor dan sekitarnya. Karena dikelilingi gunung, ke mana pun arah

angin, dipastikan akan terjadi hujan. Berikut ini dijelaskan proyeksi curah hujan wilayah

Bogor hingga tahun 2035 yang disimulasikan menggunakan model iklim stokastik

metode Fast Fourier Transform dan Least Square Non-Liner (Gambar 21).


50

(a) (b) (c) (d) (e) (f)

(g) (h) (i) (j) (k) (l)

Gambar 22. Proyeksi curah hujan: (a) Januari 2012, (b) Februari 2012, (c) Januari 2015, (d) Februari 2015, (e) Januari 2020, (f) Februari 2020, (g)

Januari 2025, (h) Februari 2025, (i) Januari 2030, (j) Februari 2030, (k) Januari 2035, (l) Februari 2035


51

Curah hujan, baseline pada tahun 2012 ditunjukkan pada Gambar 21(a) dan 21(b). Curah

hujan sangat tinggi baik di musim hujan maupun musim kemarau. Sebagaimana

dijelaskan sebelumnya, bahwa hujan bisa saja terjadi di musim apa saja, karena kondisi

kelembaban yang rendah di wilayah Bogor dan orografi yang sangat tinggi. Aliran air di

sungai Ciliwung yang berasal dari Bogor bisa berpotensi menjadi banjir di wilayah Depok

dan Jakarta Selatan di musim hujan.

Selanjutnya pada tahun 2015, curah hujan di wilayah Bogor menurun dari tahun 2012,

kecuali pada bulan Februari masih terdapat curah hujan yang cukup tinggi terutama di

wilayah Cisarua, Ciawi, Tanjung Sari, dan Sukamakmur sebagaimana ditunjukkan pada

Gambar 21(c) dan 21(d). Sedangkan pada musim kemarau, hujan masih terjadi di

wilayah kota Bogor. Keberadaan hutan raya Bogor diperkirakan cukup berkontribusi bagi

rendahnya kelembaban dan temperaturnya kota Bogor sehingga menyebabkan

terjadinya hujan di wilayah tersebut.

Curah hujan pada tahun 2020 terutama di musim hujan di wilayah Bogor menunjukkan

intensitasnya yang sangat tinggi, yang terjadi di wilayah bagian Selatan. Terkait dengan

wilayah bantaran sungai Ciliwung yang melalui Depok dan Jakarta, pada tahun 2020 ini,

wilayah Depok dan Jakarta juga berpotensi terjadi hujan dengan curah hujan yang tinggi.

Untuk itu, ancaman banjir di wilayah Depok dan Jakarta, dan sebagian di wilayah kota

Bogor. Banjir ini diakibatkan oleh tingginya curah hujan selama bulan Februari 2020.

Besar kemungkinan, curah hujan yang tinggi ini diakibatkan oleh kombinasi antara hujan

monsunal dan hujan lokal. Hujan lokal di wilayah Jakarta dapat diakibatkan oleh

perbedaan temperatur antara darat dan laut, sehingga menyebabkan hujan konvektif.

Hujan lokal di wilayah Depok, diakibatkan oleh hujan konvektif akibat evapotranspirasi

dari vegetasi di wilayah Depok. Dan hujan lokal di Bogor, akibat hujan orografi dan hujan

konvektif.

Pada tahun 2025, curah hujan di wilayah Bogor masih tetap tinggi di bagian selatan

(Gambar 86). Tetapi untuk wilayah Depok dan Jakarta tidak terlalu tinggi. Oleh karena

implikasi dari hujan yang tinggi di Bogor ini juga berpotensi menjadi banjir di Depok dan

Jakarta tetapi dengan intensitas yang tidak terlalu tinggi dibandingkan banjir di tahun

2020. Hujan yang tinggi yang terjadi di tahun 2025, terjadi selama bulan Januari dan


52

Februari. Sedangkan selama musim kemarau 2025, hujan masih terjadi tetapi dengan

intensitas yang tidak terlalu tinggi.

Untuk hujan di wilayah Bogor tahun 2030, curah hujan menurun dibanding tahun 2025.

Curah hujan di bulan Januari bisa mencapai 700 mm per bulan (Gambar 88), yang terjadi

di wilayah Cisarua dan Ciawi berdekatan dengan aliran sungai Ciliwung. Oleh karena itu,

curah hujan tinggi ini juga akan berpengaruh pada potensi banjir di wilayah Jakarta.

Apalagi curah hujan ini dilanjutkan pada bulan Februari dengan curah hujan mencapai

650 mm per bulan. Sedangkan pada musim kemarau, hampir tidak terjadi hujan,

khususnya bulan Juni, Juli, dan Agustus.

Pada tahun 2035, curah hujan di wilayah yang sama berpotensi mencapai 650 mm per

bulan terjadi di bulan Januari dan Februari (Gambar 21(i) dan 21(j)). Dengan tingginya

curah hujan ini, maka kerentanan terhadap potensi banjir di Jakarta dapat terjadi karena

hujan turun di lokasi yang masih berdekatan dengan Daerah Aliran Sungai Ciliwung.

Secara menyeluruh, umumnya hujan di wilayah Bogor selalu tinggi di wilayah Cisarua

sebagai hulu dari sungai Ciliwung. Oleh karena itu, curah hujan di wilayah ini bisa

menjadi gejala terjadinya banjir di kawasan tengah dan hilir dari sungai Ciliwung,

khususnya wilayah Depok dan Jakarta. Wilayah Cisarua dan sekitarnya berada di wilayah

pegunungan yang memiliki kelembaban udara yang rendah dan selalu terjadi hujan

akibat faktor orografi pegunungan.


53

Daftar Pustaka

BPBD. (2013). Profil BPBP DKI JAKARTA. Retrieved Agustus 20, 2013, from BPBP DKI

JAKARTA: http://bpbd.jakarta.go.id/

Djaja, R., Rais, J., Abidin, H.Z., Wedyanto, K., (2004), Land Subsidence of Jakarta

Metropolitan Area, Proceeding of 3rd FIG Regional Conference, Jakarta, Indonesia,

October 3-7, 2004

Gernowo, R., & Yulianto, T. (2010). Fenomena Perubahan Iklim dan Karakteristik Curah

Hujan Ekstrim di DKI Jakarta. Pertemuan Ilmiah XXIV HFI Jateng & DIY (hal. 13-18).

Semarang

Global cities of the future: An interactive map. McKinsey & Co.

http://www.mckinseyquarterly.com/Cities_the_next_frontier_for_global_growth_2758

Intergovermental Panel On Cimate Change (IPCC)., Climate Change The IPCC Scientific

Assessment, Britain at the University Press, Cambridge, 1990.

IPCC. (2007) Climate change 2007: the physical science basis (summary for policy

makers), IPCC.

Lablink., (2006) Pengetian Lahan Basah, http://www.lablink.or.id/eko/wetland/lhbs.htm.

McLean, J.D. (2006), A Critical Review of Some Recent Australian Regional Climate

Reports. Journal of Energy and Environment. V. 17 No. 1

Proyeksi Penduduk Indonesia (Indonesia Population Projection) 2005-2025. Badan Perencanaan Pembangunan Nasional (Bappenas), Badan Pusat Statistik (BPS), dan United Nations Population Fund.

Saxton, K.E. dan Rawls, W.J.,(2006), Soil Water Characteristic Estimates by Texture and

Organic Matter for Hydrologic Solutions, Soil Science Society of America Journal 70:

1569-1578

http://www.lablink.or.id/eko/wetland/lhbs.htm


54

Susandi, A., M. Tamamadin., D. Farhamsa. (2009)Programming Aplication For Climate

Modeling Using Non-Linear Least Square And Fast Fourier Transform Methods, Journal

of Lingkungan Tropis, Special Edition August 2009: p. 125-136

Susandi, A., Pratiwi, D.R., Tamamadin, M., (2012) Adaptive Behavior Assessment Based

on Climate Change Event: Jakarta’s Flood in 2007, Publisher: LAP LAMBERT Academic

Publishing, 2012

Thornthwaite, C.W. dan J.R. Mather,(1957), Instruction and Tables for Computing Evapotranspiration and Water Balance. Publication in Cli-matology. Drexel Institute of Tech-nology, Laboratory of Climatology.

Perkiraan Potret Peta Dunia dalam Perubahan Iklim di Kemudian Hari, www.smithsonianmag.com

buku 1 – kebencanaan iklim

Documents