Estimasi Laju Penurunan Muka Tanah DKI Jakarta Tahun 2022 Menggunakan Metode Ordinary Kriging
Abstract
Abstract. Land subsidence in DKI Jakarta has become a serious issue with the potential to cause environmental damage, especially in terms of infrastructure damage and an increased risk of flooding. Monitoring and observing the rate of land subsidence need to be conducted regularly to prevent more severe impacts. However, due to limitations in budget, time, and resources, spatial interpolation methods like Ordinary Kriging can be used to estimate the rate of land subsidence in unsampled locations. The data used in this study were secondary data on the rate of land subsidence at 100 locations in DKI Jakarta in 2022. In this research, the data were assumed to be stationary. The results show that the best theoretical semivariogram model is the Spherical model because it has the smallest RMSE value compared to the Exponential and Gaussian models. The Ordinary Kriging method was successfully applied to estimate the rate of land subsidence in unsampled locations in 2022. According to the estimates, the highest rate of land subsidence occurred in the Duri Kosambi area of West Jakarta, while the lowest rate occurred in the Tangki area of West Jakarta. These interpolation results can serve as a basis for more effective mitigation, control, and prevention measures.
Abstrak. Penurunan muka tanah di DKI Jakarta menjadi masalah serius yang berpotensi menimbulkan kerusakan lingkungan terlebih pada rusaknya infrastruktur dan meningkatkan resiko banjir. Pengamatan dan pemantauan laju penurunan muka tanah perlu dilakukan secara teratur untuk mencegah dampak yang lebih buruk. Akan tetapi, karena adanya keterbatasan biaya, waktu, dan sumber daya yang tidak sedikit. Metode interpolasi spasial seperti Ordinary Kriging dapat dilakukan untuk mengestimasi laju penurunan muka tanah pada lokasi yang tidak tersampel. Data yang digunakan adalah data sekunder tentang laju penurunan muka tanah pada 100 titik lokasi di DKI Jakarta tahun 2022. Pada penelitian ini, data diasumsikan bersifat stasioner. Hasil penelitian menunjukkan bahwa model semivariogram teoritis yang terbaik adalah model Spherical karena memiliki nilai RMSE terkecil daripada model Eksponensial dan Gaussian. Metode Ordinary Kriging berhasil dilakukan untuk estimasi laju penurunan muka tanah pada lokasi tidak tersampel tahun 2022. Dari hasil estimasi, laju penurunan muka tanah terbesar yaitu 0,0529 cm/tahun terjadi di daerah Duri Kosambi Jakarta Barat, sementara laju penurunan terkecil yaitu 0,0306 cm/tahun di daerah Tangki Jakarta Barat. Hasil interpolasi ini dapat menjadi dasar untuk tindakan mitigasi, pengendalian, dan pencegahan yang lebih efektif.
References
R. Kasfari, D. Yuwono, and M. Awaluddin, “Pengamatan Penurunan Muka Tanah Kota Semarang Tahun 2017,” Jurnal Geodesi Undip Januari, vol. 7, no. 1, 2018.
B. Darmo Yuwono and H. Z. Abidin, “Analisis geospasial penyebab penurunan muka tanah di kota Semarang,” Prosiding SNST ke-4, 2013, [Online]. Available: https://www.researchgate.net/publication/303138051
N. Cressie, Statistics for spatial data. Wiley, 1993.
R. (Richard) Webster and M. A. Oliver, Geostatistics for environmental scientists. Wiley, 2007.
G. P. Robertson, GS*: GeoStatistics for the Environmental Sciences. Plainwell, Michigan USA: Gamma Design Software, 2008.
N. Cressie, “The Origins of Kriging 1,” 1990.
Dima, A., Kleden, M. A., & Atti, A. (2023). Analisis Faktor-Faktor yang Mempengaruhi Prestasi Siswa Menggunakan Metode Structural Equation Modeling (SEM). Statistika, 23(2), 132–146. https://doi.org/10.29313/statistika.v23i2.2642
Esra, R., Nohe, D. A., Fathurahman, M., Program, ), & Fakultas, S. S. (2023). Pemilihan Model Terbaik pada Generalized Poisson Regression Menggunakan Akaike Information Criterion (Vol. 23, Issue 1).
Primanda, E., & Oktora, S. I. (2024). Analisis Ketertinggalan Desa di Provinsi Papua dan Papua Barat Menggunakan Association Rule Mining. Statistika, 24(1), 102–114. https://doi.org/10.29313/statistika.v24i1.2302