Pemodelan Sebaran Genangan Banjir Sungai Kali Surabaya berbasis Sistem Informasi Geografis Pada Ruas Aliran Kota Surabaya
Spatial Flood Inundation Modelling of Kali Surabaya River Using Geographic Information System on the Flow Section of Surabaya City
Abstract
Sungai Kali Surabaya merupakan sungai utama yang melintasi Kota Surabaya. Salah satu permasalahan banjir yang terjadi pada Kota Surabaya adalah peristiwa meluapnya aliran sungai akibat debit banjir ekstrem pada Sungai Kali Surabaya. Dalam penelitian ini digunakan program HEC-RAS untuk mendapatkan hasil pemodelan berupa luas sebaran genangan pada Sungai Kali Surabaya. Data yang diperlukan melibatkan geometri sungai yang diperoleh dari hasil pengukuran secara langsung, serta data hujan dan data pencatatan debit harian maksimum untuk setiap kala ulang yang terkait beberapa periode waktu tertentu. Analisis pemodelan banjir dilakukan dengan perhitungan sebaran dan tinggi genangan pada debit kala ulang dan historis pada tanggal 13 Februari 2016. Berdasarkan hasil pemodelan genangan mencakup 20 kelurahan pada 6 kecamatan, yaitu Kecamatan Dukuhpakis, Gayungan, Jambangan, Karangpilang, Wiyung, dan Wonokromo. Ketinggian genangan banjir mengalami peningkatan sebesar 0-0,75 meter untuk kala ulang 2, 5, 10, 25, dan 50 tahun. Sebaran banjir tertinggi terjadi melalui sungai utama dan semakin menurun ketika jarak genangan banjir menjauh dari sungai utama. Hasil pemodelan HEC-RAS dan genangan banjir eksisting memiliki kemiripan rendah. Ketidakakuratan pemodelan sebaran genangan disebabkan oleh resolusi DEM terlalu kecil sehingga kurang mampu menggambarkan pemodelan lebih rinci.
References
Baja, S. (2012). Perencanaan Tata Guna Lahan dalam Pengembangan Wilayah - Pendekatan Spasial & Aplikasinya (1 ed.). Penerbit Andi.
Butera, I., Climaci, M., & Tanda, M. G. (2020). Numerical analysis of phreatic levels in river embankments due to flood events. Journal of Hydrology, 590(July), 125382. https://doi.org/10.1016/j.jhydrol.2020.125382
Dhungel, S., Barber, M. E., & Mahler, R. L. (2019). Comparison of one- And two-dimensional flood modeling in urban environments. International Journal of Sustainable Development and Planning, 14(4), 356–366. https://doi.org/10.2495/SDP-V14-N4-356-366
Febrianto, H., Fariza, A., & Hasim, J. A. N. (2016). Urban flood risk mapping using analytic hierarchy process and natural break classification (Case study: Surabaya, East Java, Indonesia). 2016 International Conference on Knowledge Creation and Intelligent Computing, KCIC 2016, 148–154. https://doi.org/10.1109/KCIC.2016.7883639
Gumbel, E. J. (1941). The return period of flood flows. The Annals of Mathematical Statistics, 12, 163–190.
Limantara. (2010). Hidrologi Praktis. Lubuk Agung.
Maroua, H., Moumen, Z., & Lahrach, A. (2020). Hydraulic Modeling of Oued El Jawaher Using HEC-RAS Model for Flood Protection. Decision Support Methods for Assessing Flood Risk and Vulnerability, IGI Global, 199–210. https://doi.org/https://doi.org/10.4018/978-1-5225-9771-1.ch009
Sarchani, S., Seiradakis, K., Coulibaly, P., & Tsanis, I. (2020). Flood inundation mapping in an ungauged basin. Water (Switzerland), 12(6), 1–21. https://doi.org/10.3390/W12061532
Savitri, Y. R., Kakimoto, R., Begum, R. A., Anwar, N., Wardoyo, W., & Suryani, E. (2022). The Application of AHP to Determine the Priority Drainage System on Flood Mitigation in Surabaya – Indonesia. Journal of Disaster Research, 17(3), 431–443. https://doi.org/10.20965/jdr.2022.p0431
Soewarno. (1995). Hidrologi Aplikasi Metode Statistik Untuk Analisa Data. Nova.
Tegos, A., Ziogas, A., & Bellos, V. (2023). Modern Developments in Flood Modelling. Hydrology, 10(5), 1–5. https://doi.org/10.3390/hydrology10050112
Thiessen. (1911). Precipitation Averages for Large Areas. Monthly Weather Review, 39, 1082–1089.
Triatmodjo. (2013). Hidrologi Terapan. Beta Offset.
US Army Corps of Engineers. (2016). HEC-RAS River Analysis System Hydraulic Reference Manual. Hydrologic Engineering Center, February, 547.
Zhou, Y., Wu, Z., Jiang, M., Xu, H., Yan, D., Wang, H., He, C., & Zhang, X. (2023). Real-time prediction and ponding process early warning method at urban flood points based on different deep learning methods. Journal of Flood Risk Management, n/a(n/a), e12964. https://doi.org/https://doi.org/10.1111/jfr3.12964
