Strategi Penanganan Banjir Berbasis Pemodelan Spasial di Kecamatan Klojen, Kota Malang

Abstract

Banjir menjadi salah satu ancaman hidrometeorologi yang terus berulang di Kecamatan Klojen, Kota Malang. Hal ini disebabkan oleh karakteristik fisik wilayah, perubahan tutupan lahan dan minimnya kapasitas drainase perkotaan. Genangan yang terjadi secara berulang berdampak pada aktivitas masyarakat dan infrastruktur kota. Oleh karena itu, diperlukan identifikasi wilayah rawan banjir sebagai dasar penyusunan strategi penanganan yang efektif dan berkelanjutan. Penelitian ini bertujuan untuk memetakan tingkat kerawanan banjir di Kecamatan Klojen menggunakan metode Frequency Ratio (FR) serta merumuskan strategi penanganan banjir menggunakan metode Analytical Hierarchy Process (AHP) dan analisis triangulasi. Parameter yang digunakan dalam penelitian ini yaitu, kemiringan lereng, ketinggian lahan, Topographic Wetness Index (TWI), curvature, jarak dari sungai, tutupan lahan, dan jenis tanah. Seluruh parameter diolah melalui platform Arcgis. Hasil pengolahan parameter kemudian dianalisis dengan metode FR untuk menghasilkan nilai Relative Frequency (RF), Predictor Rate (PR), yang selanjutnya dikombinasikan untuk menghitung Flood Susceptibility Index (FSI) yang menghasilkan peta kerawanan banjir. Hasil perhitungan Frequency Ratio (FR) menunjukkan bahwa tingkat kerawanan banjir di Kecamatan Klojen terbagi menjadi lima kelas, yaitu sangat rendah, rendah, sedang, tinggi dan sangat tinggi. Kelas kerawanan sedang merupakan kelas yang paling dominan dengan jumlah piksel 18918 (31%), diikuti kelas rendah sebanyak 15385 piksel (25%), kelas sangat tinggi sebanyak 13656 piksel (22%), kelas tinggi sebanyak 11777 piksel (19%) dan kelas sangat rendah sebanyak 1530 piksel (2%). Wilayah dengan tingkat kerawanan tinggi dan sangat tinggi umumnya berada pada kawasan permukiman, memiliki topografi rendah, kemiringan lereng landai, nilai topographic wetness index yang tinggi, serta berdekatan dengan sungai. Validasi peta kerawanan banjir menggunakan kurva Receiver Operating Characteristic (ROC) menghasilkan nilai Area Under Curve (AUC) sebesar 0,64 yang menunjukkan bahwa model memiliki tingkat akurasi sedang.