Rekayasa Hijau: Jurnal Teknologi Ramah Lingkungan ISSN .
: 2579-4264 | DOI: https://doi.
org/10.
26760/jrh.
V10i1.
Volume 10 | Nomor 1 Maret 2026 Flood Inundation Potential Analysis in Denpasar City Using Topographic Wetness Index from Digital Elevation Model Akbar Cahyadhi Pratama Putra1,2*.
Theresia Puan Bertiana Wardoyo3.
Ni Putu Nanda Surya Dewi Tilija1.
Putu Venita Wirastuti1.
Tantri Utami Widhaningtyas4 Balai Wilayah Sungai Bali Penida.
Denpasar.
Indonesia Program Magister Ilmu Lingkungan.
Universitas Udayana.
Denpasar.
Indonesia Geografi Lingkungan.
Universitas Gadjah Mada.
Yogyakarta.
Indonesia Badan Pertanahan Nasional Kabupaten Tabanan.
Tabanan.
Indonesia Email: akbarcahyadhi@gmail.
com*, theresiapuann@gmail.
nandasuryadewii@gmail.
com, venitawirastuti1998@gmail.
com, tantriutamiw@gmail.
17 Januari 2026 | Revised 24 Januari 2026 | Accepted 2 Februari 2026
ABSTRAK
Banjir genangan sering terjadi di wilayah perkotaan, termasuk Kota Denpasar, akibat topografi, karakteristik daerah aliran sungai (DAS), dan perubahan penggunaan lahan.
Penelitian ini bertujuan mengidentifikasi potensi genangan banjir menggunakan algoritma Topographic Wetness Index (TWI) berbasis Digital Elevation Model (DEM) multiresolusi serta mengevaluasi pengaruh resolusi spasial terhadap akurasi hasil pada skala perkotaan.
Kebaruan penelitian terletak pada perbandingan kinerja DEM SRTM .
dan ALOS PALSAR .
,5 .
untuk TWI pada DAS kecil perkotaan yang masih terbatas Kedua DEM diseragamkan pada datum vertikal EGM 2008 dan dianalisis pada sembilan DAS sekitar Kota Denpasar.
Hasil TWI diklasifikasikan menjadi lima kelas potensi genangan dan divalidasi menggunakan 33 titik kejadian banjir periode SeptemberAeDesember 2025 menggunakan analisis sensitivitas berbasis confusion matrix kejadian.
Hasil menunjukkan ALOS PALSAR memiliki tingkat sensivitas kesesuaian lebih tinggi .
,30%) dibanding SRTM .
,24%).
Resolusi DEM lebih tinggi terbukti meningkatkan sensitivitas TWI dalam mendeteksi potensi genangan perkotaan dan mendukung perencanaan mitigasi banjir.
Kata kunci: ALOS PALSAR, banjir, digital elevation model.
SRTM, topographic wetness index
ABSTRACT
Flood inundation frequently occurs in urban areas, including Denpasar City, due to topography, watershed characteristics, and land-use changes.
This study aims to identify flood inundation potential using the Topographic Wetness Index (TWI) derived from multiresolution Digital Elevation Models (DEM) and to evaluate the effect of spatial resolution on model accuracy at the urban scale.
The novelty lies in comparing SRTM .
and ALOS PALSAR .
DEM performance for TWI modelling in small urban Both DEMs were standardized to the EGM 2008 vertical datum and analyzed across nine watersheds surrounding Denpasar.
TWI outputs were classified into five inundation-potential classes and validated using 33 flood event points (SeptemberAeDecember 2.
through event-based confusion matrix sensitivity analysis.
Results indicate that ALOS PALSAR achieved higher sensitivity .
30%) than SRTM .
24%).
Higher DEM resolution improves TWI sensitivity in detecting urban flood potential and provides more reliable information for flood mitigation planning.
Keywords: ALOS PALSAR, digital elevation model, flood.
SRTM, topographic wetness index Rekayasa Hijau Ae 37 Akbar Cahyadhi Pratama Putra dkk.
PENDAHULUAN
Bencana banjir merupakan bencana dengan frekuensi atau intensitas terjadi paling tinggi khususnya di kota-kota besar di Indonesia .
Faktor penyebab banjir dapat dipengaruhi oleh tingginya curah hujan, berkurangnya daerah resapan air, tersumbatnya drainase perkotaan akibat masyarakat yang tidak peduli dengan lingkungan, dan faktor fisik lainnya .
Sehingga secara umum, faktor penyebab banjir dapat dikategorikan menjadi faktor alam dan non alam .
Bencana banjir selain merugikan secara materi, juga mengancam kehidupan manusia dan ekosistem sekitarnya .
Berdasarkan data jumlah kejadian bencana di Provinsi Bali, jumlah kejadian banjir di Kota Denpasar berjumlah 37 kali pada tahun 2021 dan merupakan jumlah kejadian tertinggi di antara kabupaten lainnya di Provinsi Bali .
Pada bulan September 2025 lalu, terjadi bencana banjir besar di Kota Denpasar.
Kejadian tersebut diduga erat kaitannya dengan tingginya intensitas curah hujan dan tingginya konversi lahan di bagian hulu DAS .
Bencana banjir tersebut mengakibatkan hancurnya infrastruktur dan menelan korban Oleh karena itu diperlukan upaya mitigasi bencana untuk mengurangi dampak negatif dari bencana banjir, salah satunya dengan pembuatan peta risiko banjir .
Berdasarkan data yang diperoleh dari Permen PUPR No.
4 Tahun 2015 tentang penetapan wilayah sungai.
Kota Denpasar merupakan hilir yang dilalui oleh 9 DAS, meliputi DAS Abianbasa.
DAS Ayung.
DAS Badung.
DAS Buaji.
DAS Loloan.
DAS Mati.
DAS Ngenjung.
DAS Serangan, dan DAS Singapadu .
Sehingga apabila terjadi konversi lahan yang semakin intensif di bagian hulu dari sembilan DAS tersebut, maka akan meningkatkan risiko bencana banjir di Kota Denpasar.
Salah satu upaya mitigasi bencana dapat dilakukan dengan membuat model hidrologi berbasis topografi dengan memanfaatkan data DEM (Digital Elevation Mode.
Data DEM adalah data digital yang menggambarkan geometri dari bentuk permukaan bumi atau bagiannya yang terdiri dari himpunan titik - titik koordinat hasil sampling dari permukaan dengan algoritma yang mendefinisikan permukaan .
Perhitungan tingkat kerawanan banjir dengan faktor topografi dapat diidentifikasi dengan menggunakan metode algoritma TWI .
Metode algoritma TWI merupakan metode pengukuran akumulasi air dan arah limpasan pada suatu daerah dengan mempertimbangkan topografi dari lereng atas hingga lereng bawah .
, 12, 13, .
Pemanfaatan algoritma TWI mampu memodelkan prediksi genangan banjir dan dinilai lebih efisien dibandingkan dengan metode hidrodinamik konvensional .
Metode algoritma TWI juga dapat digunakan untuk mengidentifikasi daerah yang terdampak banjir dan genangan yang disebabkan oleh hujan .
Hasil pengolahan algoritma TWI dapat diintegrasikan dengan data spasial tambahan lain melalui pengolahan Sistem Informasi Geografis (SIG) .
Terdapat hubungan hasil nilai algoritma TWI dengan kelembaban tanah, sehingga dapat diasumsikan bahwa tanah yang lembab memiliki kemampuan menyerap air yang tinggi .
Beberapa penelitian sebelumnya telah memanfaatkan algoritma Topographic Wetness Index (TWI) untuk analisis kerawanan banjir, yang umumnya masih menggunakan data DEM dengan resolusi spasial sedang, yaitu 30 meter .
, 19, .
Meskipun pendekatan tersebut cukup efektif dalam mengidentifikasi kecenderungan akumulasi limpasan, keterbatasan resolusi spasial berpotensi mengurangi tingkat ketelitian dalam merepresentasikan kondisi topografi mikro khususnya pada wilayah perkotaan.
Hingga saat ini kajian secara sistematis membandingkan performa DEM multiresolusi antara SRTM dan ALOS PALSAR dalam pemodelan TWI untuk wilayah hilir multi-DAS masih terbatas.
Padahal, dalam konteks perubahan iklim yang ditandai oleh peningkatan intensitas dan frekuensi kejadian hujan ekstrem, kebutuhan akan informasi spasial yang lebih rinci menjadi semakin mendesak untuk mendukung perencanaan mitigasi bencana yang adaptif dan berbasis bukti .
Semakin tinggi resolusi DEM, semakin detail representasi kondisi topografi yang dihasilkan, sehingga memungkinkan pemodelan Rekayasa Hijau Ae 38 Flood Inundation Potential Analysis in Denpasar City Using Topographic Wetness Index from Digital Elevation Model proses hidrologi yang lebih akurat, khususnya dalam mengidentifikasi area akumulasi limpasan dan potensi genangan .
Oleh karena itu, penelitian ini bertujuan untuk mengidentifikasi sebaran potensi genangan banjir di Kota Denpasar serta membandingkan kemampuan DEM hasil ekstraksi SRTM dan ALOS PALSAR dengan resolusi spasial berbeda dalam pemetaan genangan banjir.
Hasil penelitian ini diharapkan dapat berkontribusi dalam mendukung upaya pengurangan risiko bencana banjir serta sejalan dengan pencapaian Tujuan Pembangunan Berkelanjutan (SDG.
, khususnya SDG 11 dan SDG 13, melalui penyediaan informasi spasial yang lebih akurat sebagai dasar pengambilan keputusan dalam perencanaan wilayah dan mitigasi bencana di Kota Denpasar.
METODOLOGI
1 Lokasi Penelitian Lokasi penelitian berada di Kota Denpasar.
Provinsi Bali yang terletak di antara 115A13'12.
670" BT dan 8A39'53.
818" LS, dapat dilihat pada Gambar 1.
Secara administrasi mencakup beberapa kecamatan, di antaranya: Kecamatan Denpasar Timur.
Kecamatan Denpasar Utara.
Kecamatan Denpasar Selatan, dan Kecamatan Denpasar Barat.
Berdasarkan Permendagri No.
58 Tahun 2021, luas wilayah Kota Denpasar adalah sebesar 125,98 km2 .
, dengan rincian luas masing- masing kecamatan adalah sebagai berikut - Kecamatan Denpasar Utara : 26,69 km2 - Kecamatan Denpasar Timur : 25,93 km2 - Kecamatan Denpasar Barat : 23,46 km2 - Kecamatan Denpasar Selatan : 49,89 km2 Gambar 1.
Peta lokasi penelitian 2 Data Pada penelitian ini digunakan dua sumber data DEM dengan resolusi spasial yang berbeda, yaitu data SRTM dan ALOS PALSAR.
Data SRTM memiliki resolusi 30 meter .
, sedangkan ALOS PALSAR memiliki resolusi 12,5 meter .
Data DEM menjadi data primer yang digunakan dalam analisis algoritma TWI.
Beberapa studi menunjukkan DEM beresolusi rendah belum cukup merepresentasikan Rekayasa Hijau Ae 39 Akbar Cahyadhi Pratama Putra dkk.
area genangan banjir, sehingga diperlukan data bersolusi tinggi dalam perhitungan TWI dan pemodelan banjir perkotaan .
, .
Diperlukan juga data sebaran banjir genangan Kota Denpasar yang diperoleh dari Balai Wilayah Sungai Bali Penida dengan rentang periode September hingga Desember 2025 sebagai data referensi untuk proses validasi model.
3 Metode Algoritma Topographic Wetness Index (TWI) Algoritma TWI pertama kali dikembangkan sebagai bagian dari pemodelan runoff .
, .
dan dapat menunjukkan kejenuhan permukaan terhadap distribusi air tanah.
Metode ini telah digunakan secara luas dalam pemodelan proses hidrologi, proses biologi, pola vegetasi, dan kehutanan .
TWI adalah indeks kebasahan topografi yang dapat mengukur kontrol topografi lokal selama proses hidrologi dan menunjukkan distribusi spasial kelembaban tanah .
, .
Pada penelitian ini menggunakan pendekatan kuantitatif dengan menganalisis data TWI.
Nilai TWI yang tinggi menunjukkan potensi akumulasi air yang lebih besar akibat kondisi topografi, sehingga dapat dikatakan bahwa lokasi yang memiliki nilai hasil algoritma TWI tinggi adalah area rawan banjir .
, 30, .
Perhitungan TWI biasanya didasarkan pada grid DEM .
Perangkat lunak yang digunakan dalam pengolahan TWI menggunakan ArcMap 10.
1 dan SAGA GIS 9.
Secara matematis.
TWI dihitung menggunakan persamaan yang ditunjukkan pada Persamaan .
yu ycNycOya = ycoycu.
an y.
Dimana.
TWI : Topographic Wetness Index : Akumulasi aliran : Kemiringan lereng Pemanfaatan algoritma TWI untuk pemetaan risiko bencana banjir di wilayah perkotaan sangat bermanfaat, karena mampu merepresentasikan variasi ketinggian topografi yang mempengaruhi pergerakan dan akumulasi aliran, sehingga mampu memprediksi skenario banjir .
Wilayah perkotaan dengan kondisi topografi yang bervariasi menunjukkan perilaku drainase dan banjir yang berbeda akibat konektivitas hidrologis yang unik .
Perhitungan flow accumulation atau akumulasi aliran menggunakan algoritma Deterministic 8 (D.
yang tersedia pada perangkat lunak SAGA GIS 9.
Algoritma tersebut dapat menentukan arah aliran berdasarkan arah gradien elevasi maksimum menuju ke salah satu dari delapan piksel tetangga terdekat .
Dalam formula TWI, nilai akumulasi aliran dikalikan dengan resolusi spasial DEM untuk merepresentasikan luas area kontribusi aliran per satuan lebar kontur .
pecific catchment are.
Kemiringan lereng atau slope adalah hasil perhitungan dari grid DEM dengan menggunakan metode finite difference .
Metode tersebut mengestimasi gradien berdasarkan elevasi pada nilai piksel utama terhadap delapan nilai piksel di sekitarnya.
Nilai kemiringan lereng yang dihasilkan dalam bentuk satuan derajat yang kemudian akan dikonversi ke radian sebelum digunakan dalam formula TWI.
Kelas Interval Potensi Genangan Nilai yang dihasilkan dari algoritma TWI akan memiliki rentang yang diklasifikasikan menjadi lima kelas potensi genangan banjir, yaitu sangat rendah, rendah, sedang, tinggi, dan sangat tinggi.
Pembagian rentang setiap kelas menggunakan metode interval sama .
qual interva.
, terlepas dari berapa banyak Rekayasa Hijau Ae 40 Flood Inundation Potential Analysis in Denpasar City Using Topographic Wetness Index from Digital Elevation Model titik data yang terdapat dalam setiap interval .
Sehingga penentuan nilai kelas interval dihitung menggunakan Persamaan .
yayceycoycayc ycnycuycyceycycycayco = ycAycnycoycaycn ycAycaycoycycnycoycycoOeycAycnycoycaycn ycAycnycuycnycoycyco yaycycoycoycaEa yayceycoycayc Validasi Model Validasi model dilakukan untuk menilai tingkat kesesuaian antara hasil klasifikasi potensi genangan banjir berbasis algoritma TWI dengan data genangan aktual periode September hingga Desember 2025 yang diperoleh dari Balai Wilayah Sungai Bali Penida.
Metode evaluasi menggunakan pendekatan spasial dan statistik.
Pendekatan spasial dilakukan melalui analisis overlay antara peta potensi genangan hasil pemodelan dan data genangan aktual untuk mengidentifikasi area yang memiliki kesesuaian dan ketidaksesuaian .
Evaluasi statistik dilakukan dengan menggunakan kerangka confusion matrix berbasis kejadian .
Pada penelitian ini, klasifikasi dibagi menjadi dua kelas yaitu tergenang dan tidak tergenang.
Kelas tergenang merupakan kelas potensi genangan tinggi dan sangat tinggi, sedangkan tidak tergenang mencakup kelas sangat rendah hingga sedang.
Karena data referensi yang tersedia hanya berupa titik banjir, evaluasi difokuskan pada kemampuan model dalam mendeteksi kejadian banjir.
Oleh karena itu, metrik yang digunakan adalah recall .
, sedangkan metrik lain seperti OA (Overall Accurac.
tidak dihitung karena tidak tersedia data referensi eksplisit untuk area tidak tergenang.
Sensitivitas digunakan untuk merepresentasikan kemampuan model dalam mendeteksi kejadian banjir aktual .
Secara matematis, sensitivitas dihitung menggunakan persamaan pada Persamaan .
ycNycE ycIyceycuycycnycycnycycnycycayc = ycNycE yaycA Dimana.
TP : True Positive adalah jumlah titik kejadian banjir yang terklasifikasi pada kelas potensi genangan tinggi dan sangat tinggi FN : False Negative adalah jumlah titik kejadian banjir yang terklasifikasi pada kelas potensi genangan sangat rendah hingga sedang Dengan demikian, pendekatan validasi pada penelitian ini tidak hanya menggunakan overlay spasial sederhana, tetapi telah dikembangkan menjadi evaluasi statistik berbasis confusion matrix melalui perhitungan sensitivitas.
4 Diagram Alir Penelitian ini dilakukan melalui beberapa tahapan, meliputi pengumpulan data DEM SRTM dan ALOS PALSAR, pra-pemrosesan DEM, pemodelan Topographic Wetness Index dan analisis spasial, validasi menggunakan titik kejadian banjir lapangan, serta interpretasi hasil dalam bentuk peta potensi genangan banjir di Kota Denpasar.
Setiap tahapan disusun untuk mendukung tercapainya tujuan penelitian secara Alur penelitian disajikan dalam bentuk diagram alir agar tahapan yang dilakukan dapat dipahami dengan lebih jelas, yang ditampilkan pada Gambar 2.
Rekayasa Hijau Ae 41 Akbar Cahyadhi Pratama Putra dkk.
Gambar 2.
Diagram alir penelitian HASIL DAN PEMBAHASAN Data DEM yang digunakan sebelumnya memiliki kelemahan, yaitu belum dilakukan koreksi referensi ketinggian .
Oleh karena itu, dilakukan koreksi dan penyamaan referensi undulasi geoid ke EGM 2008 karena memiliki ketelitian yang lebih tinggi.
SRTM memiliki referensi datum ketinggian, yaitu EGM 1996, sedangkan data ALOS PALSAR menggunakan referensi datum ketinggian Ellipsoid WGS 84 .
Penyeragaman referensi ketinggian dilakukan untuk memastikan konsistensi serta meminimalkan bias vertikal pada data yang digunakan.
Analisa topografi dilakukan dari hulu hingga hilir pada seluruh DAS yang melintasi kawasan perkotaan Kota Denpasar.
Hal ini dilakukan untuk melihat kondisi topografi secara menyeluruh tanpa batasan wilayah administrasi.
Data DEM SRTM dan ALOS PALSAR beserta rentang ketinggian hasil koreksi datum dapat disajikan pada Gambar 3.
Perbedaan ketinggian pada lokasi koordinat yang sama antara DEM SRTM dan ALOS PALSAR mencapai sekitar 30 meter.
Perbedaan tersebut disebabkan oleh karakteristik sensor radar, resolusi spasial, serta kemampuan penetrasi terhadap vegetasi yang berbeda.
Meskipun demikian, perbedaan tersebut tidak berpengaruh signifikan terhadap hasil pemodelan karena analisis menggunakan referensi ketinggian relatif dan telah dilakukan penyeragaman datum vertikal.
Rekayasa Hijau Ae 42 Flood Inundation Potential Analysis in Denpasar City Using Topographic Wetness Index from Digital Elevation Model Gambar 3.
Data DEM SRTM pada DAS sekitar Kota Denpasar, .
Data DEM ALOS PALSAR pada DAS sekitar Kota Denpasar Hasil TWI dari masing- masing data DEM menghasilkan perbedaan tingkat kelas, yang ditunjukkan pada Gambar 4.
Berdasarkan data yang telah diolah, nilai TWI terbagi menjadi lima kelas.
Nilai TWI tinggi menunjukkan area atau lokasi tersebut memiliki tingkat akumulasi air atau tingkat kejenuhan terhadap air yang tinggi.
Sedangkan untuk nilai TWI rendah menunjukkan area atau lokasi dengan tingkat akumulasi air yang rendah.
Tingkat akumulasi air atau tingkat kejenuhan terhadap air pada kelas tinggi hingga sangat tinggi terjadi pada area dengan topografi dan kemiringan lereng relatif datar.
Berdasarkan analisis terhadap sembilan DAS yang melintasi Kota Denpasar, wilayah hulu DAS memiliki tingkat akumulasi aliran air yang sangat rendah, terutama pada area dengan topografi dan kemiringan lereng curam hingga sangat curam.
Nilai akumulasi aliran yang rendah juga ditemukan pada area punggung bukit atau igir topografi.
Sebaliknya, pada area lembah dijumpai akumulasi aliran yang relatif tinggi, yang menunjukkan keberadaan sungai utama pada bagian hulu DAS.
Temuan ini mengindikasikan bahwa distribusi akumulasi aliran sangat dipengaruhi oleh kondisi topografi dan kemiringan lereng, dengan area yang relatif datar cenderung memiliki potensi akumulasi air lebih besar.
Gambar 4.
Data pengolahan TWI dari data SRTM pada DAS sekitar Kota Denpasar, .
Data pengolahan TWI dari data ALOS PALSAR pada DAS sekitar Kota Denpasar Rekayasa Hijau Ae 43 Akbar Cahyadhi Pratama Putra dkk.
Nilai TWI yang terdapat di Kota Denpasar memiliki rentang nilai terendah pada rentang 3 hingga 4.
Sedangkan nilai tertingginya berada pada rentang 14 hingga 23, pada Gambar 5.
Data yang digunakan dalam penelitian berupa DEM dalam bentuk Digital Surface Model (DSM), sehingga tingkat kekasaran permukaan dipengaruhi oleh jenis penggunaan lahan.
Sehingga, nilai TWI pada kelas sangat rendah dan rendah tidak hanya dipengaruhi oleh faktor topografi, tetapi juga oleh ketinggian objek penggunaan lahan, seperti bangunan.
Untuk meminimalisir dan mengurangi bias faktor kekasaran tersebut, secara ideal perlu dilakukan konversi DSM ke DTM (Digital Terrain Mode.
agar diperoleh representasi permukaan tanah yang lebih akurat.
Namun, konversi tersebut tidak dilakukan pada penelitian ini karena keterbatasan data pendukung untuk proses filtrasi objek permukaan, khususnya pada konteks wilayah Selain itu, dalam konteks wilayah perkotaan, keberadaan bangunan dan infrastruktur permukaan turut memengaruhi pola aliran limpasan dan akumulasi air.
Dengan demikian, penggunaan DSM masih dianggap representatif untuk menggambarkan kondisi permukaan aktual yang berkaitan dengan potensi genangan banjir.
Gambar 5.
Data pengolahan TWI dari data SRTM Kota Denpasar, .
Data pengolahan TWI dari data ALOS PALSAR Kota Denpasar Perbedaan resolusi spasial antara data SRTM dan ALOS PALSAR berpengaruh terhadap luasan dan kemampuan validasi pemodelan banjir genangan di Kota Denpasar.
Uji validasi dilakukan menggunakan kerangka confusion matrix berbasis kejadian antara peta kelas potensi TWI dan 33 titik kejadian genangan banjir.
Dalam penelitian ini, kelas TWI tinggi dan sangat tinggi diasumsikan sebagai area dengan potensi genangan yang lebih besar.
Hasil uji validasi menunjukkan bahwa pada data ALOS PALSAR terdapat 10 titik kejadian banjir yang terklasifikasi pada potensi tinggi dan sangat tinggi, yang dikategorikan sebagai TP.
Dengan jumlah data referensi sebanyak 33 titik kejadian banjir, diperoleh nilai sensitivitas sebesar 30,30%.
Sementara pada data SRTM, terdapat 8 titik kejadian banjir yang termasuk kategori TP, sehingga menghasilkan nilai sensitivitas sebesar 24,24%, sebagaimana disajikan pada Tabel 1.
Rekayasa Hijau Ae 44 Flood Inundation Potential Analysis in Denpasar City Using Topographic Wetness Index from Digital Elevation Model Tabel 1.
Perbandingan Sesitivitas Menggunakan Data SRTM dan ALOS PALSAR
Model
SRTM
ALOS PALSAR
True Positive (TP) False Negative (FN) Sensitivitas (%) 24,24 30,30 Perbandingan nilai sensitivitas menunjukkan bahwa model TWI berbasis ALOS PALSAR memiliki kemampuan deteksi banjir lebih baik dibandingkan dengan SRTM, meskipun keduanya masih tergolong Kinerja ALOS PALSAR lebih tinggi karena dipengaruhi oleh resolusi spasial dan ketelitian vertikal yang lebih baik, sehingga mampu merepresentasikan mikro-topografi, seperti cekungan lokal dan jalur aliran secara lebih akurat.
Selain itu, karakteristik sensor radar L-band memungkinkan penetrasi vegetasi yang lebih baik sehingga elevasi permukaan tanah lebih mendekati kondisi aktual dan meningkatkan akurasi parameter turunan hidrologi, sebagai komponen utama TWI .
, .
Temuan ini konsisten dengan penelitian sebelumnya yang menyatakan bahwa kualitas dan resolusi DEM berpengaruh signifikan terhadap hasil indeks topografi dan pemodelan hidrologi .
Perbedaan performa tersebut menegaskan pentingnya pendekatan evaluasi kuantitatif dalam menilai kemampuan model.
Berbeda dengan sebagian besar penelitian sebelumnya yang menggunakan TWI hanya dengan validasi sampel pada beberapa titik kejadian .
, 14, 20, .
, penelitian ini menerapkan uji sensitivitas sehingga kemampuan deteksi model dapat dinilai secara empiris.
Hasil menunjukkan bahwa pemilihan sumber data topografi dan parameter klasifikasi berpengaruh terhadap akurasi pemetaan potensi genangan, yang dapat dilihat pada Gambar 6.
Gambar 6.
Peta potensi genangan Kota Denpasar dari data SRTM, .
Peta potensi genangan Kota Denpasar dari data ALOS PALSAR Berdasarkan nilai persentase TP, model dengan sensitivitas tertinggi dipilih sebagai model terbaik di antara algoritma TWI berbasis SRTM dan ALOS PALSAR.
Nilai sensitivitas ALOS PALSAR yang lebih tinggi menunjukkan kemampuan deteksi genangan yang lebih baik, sehingga lebih mampu merepresentasikan variasi topografi pada skala mikro.
Pada wilayah perkotaan, detail perubahan elevasi sangat menentukan pola aliran permukaan dan akumulasi limpasan.
Oleh karena itu, perhitungan luasan potensi genangan banjir di Kota Denpasar selanjutnya menggunakan model TWI berbasis ALOS PALSAR.
Hasil analisis menunjukkan bahwa luasan potensi genangan tinggi hingga sangat tinggi Rekayasa Hijau Ae 45 Akbar Cahyadhi Pratama Putra dkk.
499,94 ha atau sekitar 12% dari total wilayah, dengan konsentrasi terbesar berada di Kecamatan Denpasar Selatan seluas 631,98 ha, yang dapat dilihat pada Tabel 2.
Tabel 2.
Kelas Potensi Genangan Banjir Kota Denpasar dengan Model TWI Berbasis Data ALOS
PALSAR
Potensi Banjir Sangat Rendah Potensi Banjir Rendah .
Potensi Banjir Sedang .
Potensi Banjir Tinggi .
Potensi Banjir Sangat Tinggi .
Denpasar Barat
043,63
436,91
374,10
196,15
44,09
Denpasar Selatan 953,12 981,95 1148,88 631,98 92,17 Denpasar Timur
633,21
667,59
553,42
243,21
53,15
Denpasar Utara
413,61
524,98
358,46
189,82
49,37
Total Luas (H.
043,57 611,43 434,87 261,16 238,78 Kecamatan Berdasarkan hasil identifikasi potensi genangan.
Kecamatan Denpasar Selatan merupakan hilir dari sembilan DAS yang melintasi Kota Denpasar sehingga menerima akumulasi limpasan lebih tinggi.
Kondisi topografi yang relatif datar turut meningkatkan potensi genangan pada beberapa lokasi.
Oleh karena itu, diperlukan rekomendasi untuk area dengan potensi banjir tinggi hingga sangat tinggi, baik secara teknis maupun tata ruang.
Rekomendasi teknis dapat berupa pembangunan infrastruktur pengendali genangan, seperti peningkatan jaringan drainase, saluran pembuangan, dan kolam retensi.
Rekomendasi berbasis kebijakan tata ruang dapat dilakukan dengan menerbitkan ketetapan sempadan sungai untuk memberi ruang apabila sungai melimpas.
Selain itu, pada lokasi dengan potensi genangan tinggi hingga sangat tinggi, fungsi tata ruang dapat diarahkan menjadi kawasan resapan air atau ruang terbuka hijau.
Pemanfaatan data DEM melalui pendekatan TWI dalam penelitian ini menggunakan SRTM dan ALOS PALSAR sehingga memungkinkan perbandingan karakteristik dan akurasi model.
Kinerja model masih berpotensi ditingkatkan melalui penambahan data validasi yang lebih beragam, tidak terbatas pada titik kejadian banjir.
Penggunaan variasi data tersebut diharapkan mampu memberikan gambaran yang lebih komprehensif terhadap kemampuan model TWI berbasis DEM SRTM dan ALOS PALSAR dalam mengidentifikasi potensi banjir genangan.
Meskipun demikian, penelitian ini memiliki keterbatasan karena belum membandingkan dengan DEM beresolusi lebih tinggi, seperti berbasis Sentinel-1 maupun DEM Nasional (DEMNAS) yang dikembangkan khusus untuk wilayah Indonesia.
Penelitian selanjutnya direkomendasikan untuk mengintegrasikan serta membandingkan multi-sumber DEM untuk mengevaluasi peningkatan ketelitian pemodelan .
Pendekatan tersebut diharapkan memperkuat dasar ilmiah pemetaan risiko banjir yang lebih adaptif terhadap dinamika perubahan iklim serta mendukung pencapaian Tujuan Pembangunan Berkelanjutan (SDG.
, khususnya SDG 11 dan SDG 13, melalui penyediaan informasi spasial yang semakin presisi bagi perencanaan wilayah dan mitigasi bencana.
KESIMPULAN
Penelitian ini menghasilkan informasi sebaran area potensi genangan banjir di Kota Denpasar melalui algoritma TWI berbasis data DEM, sekaligus membandingkan kemampuan DEM dengan resolusi spasial berbeda dalam memetakan potensi genangan.
Area dengan potensi genangan tinggi hingga Rekayasa Hijau Ae 46 Flood Inundation Potential Analysis in Denpasar City Using Topographic Wetness Index from Digital Elevation Model sangat tinggi terkonsentrasi pada wilayah bertopografi relatif datar dan bagian hilir DAS, dengan luas 499,94 ha atau 12% dari total wilayah Kota Denpasar.
Hasil nilai sensitivitas .
menunjukkan bahwa DEM ALOS PALSAR dengan resolusi spasial 12,5 m memiliki tingkat kesesuaian lebih baik terhadap kejadian banjir aktual .
,30%) dibandingkan DEM SRTM resolusi 30 m .
,24%), sehingga lebih representatif untuk pemodelan genangan wilayah perkotaan.
Peta potensi genangan yang dihasilkan dapat dimanfaatkan sebagai dasar penentuan zona prioritas pengendalian pemanfaatan ruang, perencanaan sistem drainase, serta evaluasi kawasan rawan banjir dalam dokumen RTRW dan RDTR.
Meskipun demikian, peningkatan sensitivitas maupun akurasi masih diperlukan melalui penggunaan data elevasi beresolusi lebih tinggi serta integrasi variabel hidrologi tambahan.
DAFTAR PUSTAKA