LAPORAN AKHIR PENELITIAN PASCASARJANA DANA ITS 2020

i

LAPORAN AKHIR

PENELITIAN PASCASARJANA

DANA ITS 2020

ANALISIS SPATIAL DAN TEMPORAL PERUBAHAN

LUASAN MANGROVE DI WILAYAH PANTAI UTARA

JAWA TIMUR SEBAGAI PELINDUNG PANTAI ALAMI

DALAM MENDUKUNG PROGRAM BUILDING WITH

NATURE

Tim Peneliti :

Muhammad ZIKRA (Departemen Teknik Kelautan/FTK)

Hasan IKHWANI (Departemen Teknik Kelautan/FTK)

Anita Wardhani (Mahasiswa Pascasarjana Kelautan)

DIREKTORAT RISET DAN PENGABDIAN KEPADA MASYARAKAT

INSTITUT TEKNOLOGI SEPULUH NOPEMBER

SURABAYA

2020

Sesuai Surat Perjanjian Pelaksanaan Penelitian No: 925/PKS/ITS/2020

i

Daftar Isi

Daftar Isi .......................................................................................................................................................... i

Daftar Tabel .................................................................................................................................................... ii

Daftar Gambar ............................................................................................................................................... iii

Daftar Lampiran ............................................................................................................................................. iv

BAB I RINGKASAN ..................................................................................................................................... 2

BAB II HASIL PENELITIAN ........................................................................................................................ 3

BAB III STATUS LUARAN .......................................................................................................................... 4

BAB IV PERAN MITRA (UntukPenelitian Kerjasama Antar Perguruan Tinggi) ........................................ 5

BAB V KENDALA PELAKSANAAN PENELITIAN ................................................................................. 6

BAB VI RENCANA TAHAPAN SELANJUTNYA ..................................................................................... 7

BAB VII DAFTAR PUSTAKA ..................................................................................................................... 8

BAB VIII LAMPIRAN ................................................................................................................................. 10

LAMPIRAN 1 Tabel Daftar Luaran ............................................................................................................. 11

ii

Daftar Tabel

Tabel 1. Data Kota dan Kecamatan di Pesisir Pantai Utara Jawa Timur .......................................... 4

Tabel 2. Luasan Mangrove di Kabupaten Tuban .............................................................................. 8

Tabel 3. Luasan Mangrove di Kabupaten Lamongan ....................................................................... 9

Tabel 4. Luasan Mangrove di Kabupaten Gresik ........................................................................... 10

Tabel 5. Luasan Mangrove di Kota Surabaya ................................................................................. 10

Tabel 6. Luasan Mangrove di Kabupaten Sidoarjo ......................................................................... 11

Tabel 7. Luasan Mangrove di Kabupaten Pasuruan ....................................................................... 12

Tabel 8. Luasan Mangrove di Kabupaten Probolinggo .................................................................. 13

Tabel 9. Luasan Mangrove di Kabupaten Situbondo ...................................................................... 14

Tabel 10. Total Potential Damage (million rupiah/year) ................................................................ 24

Tabel 11. Range of each vulnerability factor .................................................................................. 26

Tabel 12. Indexing result for all vulnerability ................................................................................ 27

iii

Daftar Gambar

Gambar 1. Peta Lokasi Penelitian ..................................................................................................... 3

Gambar 2. Perbandingan Citra Landsat Sebelum dan Sesudah dilakukan Pemotongan .................. 6

Gambar 3. Perbandingan Citra Landsat Sebelum dan Sesudah dilakukan Pan sharpening .............. 6

Gambar 4 Contoh Perubahan Luasan Mangrove di wilayah Kota Surabaya .................................... 8

Gambar 5 Shoreline Change Envelope ........................................................................................... 15

Gambar 6 Net Shoreline Movement ............................................................................................... 16

Gambar 7 End Point Rate ................................................................................................................ 16

Gambar 8 Gross Regional Domestic Product per Capita .............................................................. 24

Gambar 9 Peta Kerentanan ............................................................................................................... 1

Gambar 10 Peta Kerentanan ............................................................................................................. 2

Gambar 11 Peta Kerentanan ............................................................................................................. 2

iv

Daftar Lampiran

2

BAB I RINGKASAN

Proses alam yang berhubungan dengan daerah pantai berlangsung dalam variasi ruang (spatial)

dan waktu (temporal), yaitu dalam periode waktu singkat (menit, jam) dan pada areal yang

sempit ataupun luas. Daerah pantai merupakan lingkungan yang dinamis dimana proses erosi,

sedimen transport dan sedimentasi memberi kontribusi terus-menerus terhadap perubahan fisik

daerah pantai tersebut. Perubahan yang terjadi akibat proses-proses alam ini termasuk

didalamnya akibat perubahan iklim global (global warming) dan intervensi atau aktivitas

manusia. Identifikasi terhadap perubahan yang terjadi di daerah pantai perlu dilakukan untuk

mengetahui dan mengantisipasi dampak negatif yang bisa terjadi terhadap aktivitas/keberadaan

manusia di daerah pantai.

Peningkatan aktivitas manusia semakin meningkat disebabkan oleh bertambahnya

jumlah industri dan pemukiman penduduk yang membutuhkan pembukaan lahan-lahan baru.

Untuk dapat memenuhi kebutuhan tersebut, maka kawasan hutan mangrove sebagai pelindung

alami di wilayah pesisir pantai mulai banyak dialihfungsikan menjadi area pemukiman dan

industri. Hal ini secara langsung dapat menimbulkan dampak ekologis yang mengancam

kelestarian lingkungan pesisir karena hutan mangrove yang awalnya berfungsi sebagai habitat,

juga dapat menghilangkan fungsi hutan mangrove sebagai pelindung pantai alami dalam

mencegah serangan gelombang laut maupun melindungi pantai dari abrasi. Oleh karena

identifikasi terhadap perubahan yang terjadi di pantai ini membutuhkan kegiatan pemantauan

yang bersifat kontinu.

Penelitian ini bertujuan untuk untuk mengetahui dan mengidentifikasi perubahan yang

terjadi didaerah pantai terutama kawasan ekosistem mangrove akibat dari pengaruh fenomena

perubahan iklim (kenaikan muka air laut, gelombang pasang) di sepanjang wilayah pantai

utara Jawa Timur. Hal ini disebabkan masalah perubahan garis pantai akibat proses-proses

alam termasuk didalamnya perubahan iklim dan aktivitas manusia merupakan masalah penting

yang banyak terjadi di Indonesia, termasuk daerah pantai utara Jawa Timur salah satunya.

Analisa ini difokuskan pada perubahan luasan kawasan ekosistem mangrove yang berfungsi

sebagai pelindung pantai alami menggunakan data pengamatan citra satelit Lansat 7 dan 8. Dari

hasil analisa ini diharapkan diketahui wilayah-wilayah pesisir di pantai utara Jawa Timur,

Indonesia yang mengalami perubahan secara significant selama kurun 10 tahun lebih (2010-

2019).

Dengan mengetahui kondisi ekosistem mangrove yang ada di pesisir pantai, maka

diharapkan dapat diperoleh berbagai bentuk informasi dan data yang akurat dan mutahir dalam

mendukung program ‘Building with Nature’ di pantai utara Jawa Timur. Selain itu informasi

ini diharapkan berguna bagi masyarakat dan pemerintah dalam menentukan langkah-langkah

kebijakan dan perencanaan pembangunan yang berkelanjutan serta untuk mitigasi bencana

yang mungkin terjadi diwilayah pesisir dan pantai.

Kata kunci: mangrove, Jawa Timur, Building with Nature

3

Ringkasan penelitian berisi latar belakang penelitian,tujuan dan tahapan metode

penelitian, luaran yang ditargetkan, kata kunci

BAB II HASIL PENELITIAN

2.1 Kemajuan Penelitian.

Pada kegiatan penelitian ini hasil yang telah dilakukan adalah telah terkumpulnya data

sekunder maupun primer. Beberapa kegiatan pengumpulan data sekunder dilakukan dengan

mendatangi berbagai instansi terkait terutama Dinas Kelautan dan Perikanan Provinsi dan

Kabupaten/Kota. Beberapa data yang dikumpulkan terutama adalah data kondisi lingkungan,

data hidro-oceanografi dan data sosial masyarakat. Selain itu, data Citra Satelit dan data-data

stakeholders yang berwenang dalam pengelolaan wilayah pesisir dan laut juga menjadi salah

satu prioritas data yang dibutuhkan.

Pengumpulan data sekunder juga dilakukan melalui wawancara langsung dengan penduduk

diwilayah pesisir. Hal-hal yang dibahas terutama mengenai kondisi lingkungan pantai serta

berbagai keluhan masyarakat terkait perubahan kondisi alam disekitar wilayah mereka.

Pengumpulan data untuk penelitian ini berada pada di daerah sepanjang pesisir utara Jawa

Timur, meliputi Kabupaten Tuban, Kabupaten Lamongan, Kabupaten Gresik, Kota Surabaya,

Kabupaten Sidoarjo, Kabupaten dan Kota Pasuruan, Kabupaten dan Kota Probolinggo serta

Kabupaten Situbondo seperti terlihat pada gambar dibawah.

Gambar 1. Peta Lokasi Penelitian

4

Tabel 1. Data Kota dan Kecamatan di Pesisir Pantai Utara Jawa Timur No. Provinsi Kota Kecamatan

1

Jawa Timur

Tuban

Bancar

2 Tambakboyo

3 Jenu

4 Tuban

5 Palang

6 Lamongan

Brondong

7 Paciran

8

Gresik

Panceng

9 Ujungpangkah

10 Bungah

11 Manyar

12 Gresik

13 Kebomas

14

Surabaya

Benowo

15 Asemrowo

16 Krembangan

17 Pabean Cantian

18 Semampir

19 Kenjeran

20 Bulak

21 Sukolilo

22 Rungkut

23 Sidoarjo

Sedati

24 Jabon

25

Pasuruan

Bugul Kidul

26 Lekok

27 Nguling

28

Probolinggo

Tongas

29 Sumberasih

30 Kademangan

31 Mayangan

32 Dringu

33 Gending

34 Pejarakan

35 Kraksaan

36 Paiton

37

Situbondo

Banyuglugur

38 Besuki

39 Suboh

40 Mlandingan

41 Bungatan

42 Kendit

43 Panarukan

44 Mangaran

5

45 Kapongan

46 Arjasa

47 Jangkar

48 Asembagus

49 Banyuputih

2.2 Data

Data yang dikumpulkan dalam penelitian ini berupa data sekunder dari berbagai instansi

terkait seperti berikut :

1) Data iklim angin dan batimetri diperoleh dari BMKG.

2) Data peta rupa bumi didapat dari Bakosurtanal (http://www.bakosurtanal.go.id/)

3) Data lingkungan di perairan Indonesia menggunakan data satelit. Terutama data citra

satelit LANDSAT 8 yang memiliki resolusi 30 x 30 m.

4) Data ekonomi wilayah pantai utara Jawa Timur.

5) Data penduduk wilayah pantai utara Jawa Timur.

6) Data ekologi wilayah pantai utara Jawa Timur.

7) Data arus diperoleh dari OSCAR

8) Data gelombang diperoleh dari ECMWF.

Untuk perangkat lunak yang digunakan dalam mengolah data dalam penelitian ini adalah

sebagai berikut :

ArcGIS 10.5

Digunakan untuk mengolah data citra satelit dalam proses digitasi dan pembuatan peta

wilayah, peta luasan mangrove, peta perubahan garis pantai, dan peta kerentanan.

DSAS 5.0

Digunakan untuk menganalisa perubahan garis pantai.

CERA 1.0

Digunakan sebagai plugin di QGIS guna menghitung kerentanan pantai akibat erosi.

2.3 Pengolahan Data

Dalam proses pembuatan peta sebaran mangrove, citra Landsat akan diolah dengan melewati

beberapa tahap, diantaranya seperti komposit warna dan pemotongan citra, penajaman citra,

pemisahan objek dan perhitungan luasan. Tahap-tahap tersebut akan dijelaskan secara lebih

rinci dalam sub bab dibawah ini.

2.3.1 Komposit Warna dan Pemotongan Citra Landsat

Tahap pengolahan citra satelit untuk ekosistem mangrove, diharuskan memilih beberapa kanal

yang masuk dalam kriteria pemetaan ekosistem mangrove. Hal ini dikarenakan Landsat 8

mempunyai beberapa kanal dengan memiliki panjang gelombang dan spesifikasi yang berbeda

pada tiap jenisnya. Menurut Pasaribu (2008), pembentukan citra komposit dimaksudkan untuk

mendapat gambaran umum mengenai data yang akan diolah. Citra komposit penggabungan

kanal (RGB) 5,6 4 untuk Landsat 7 dan Landsat 8.

Tahap cropping merupakan proses pemotongan citra pada koordinat tertentu pada area citra

tersebut berdasarkan wilayah penelitian. Pemotongan bagian dari citra digunakan dua

koordinat, yaitu koordinat awal adalah awal koordinat bagi citra hasil pemotongan dan

http://www.bakosurtanal.go.id/

6

koordinat akhir merupakan titik koordinat akhir dari citra hasil pemotongan. Hasilnya akan

terbentuk bangun segi empat dimana pada tiap pixel yang ada pada area koordinat tertentu akan

disimpan dalam citra yang baru (Informatika, 2014).

Proses ini dilakukan setelah melakukan penggabungan kanal, apabila sudah tertampil pada

layar display, perbesar pada daerah yang ingin diteliti ekosistem mangrovenya. Simpan gambar

tersebut dengan format (.ers).

Gambar 2. Perbandingan Citra Landsat Sebelum dan Sesudah dilakukan Pemotongan

2.3.2 Penajaman Citra Dengan Metode Image Sharpening

Cara-cara penajaman citra (image sharpening) digunakan secara automatik untuk

menggabungkan (fusi) suatu citra warna, multi spektral, atau hyper spektral yang mempunyai

resolusi spasial rendah dengan suatu citra tingkat keabuan yang mempunyai resolusi spasial

tinggi dengan melakukan resampling terhadap ukuran elemen citra (pixel) resolusi spasial

tinggi tersebut. Penajaman citra dengan menggunakan data citra Pankromatik (image

pansharpening) adalah dengan menggabungkan data citra multispektral (warna) yang

mempunyai resolusi rendah dengan citra pankromatik (hitam-putih atau tingkat keabuan) yang

mempunyai resolusi tinggi (Sitanggang, 2008).

Gambar 3. Perbandingan Citra Landsat Sebelum dan Sesudah dilakukan Pan sharpening

7

2.3.3 Klasifikasi Citra

Klasifikasi citra adalah proses mengatur, mengurutkan atau mengelompokkan piksel dalam

beberapa kelas berdasarkan pada kriteria atau kategori objek. Setiap piksel di setiap kelas

diasumsikan memiliki karakteristik homogen (Prahasta 2008).

Klasifikasi yang digunakan dalam penelitian ini adalah klasifikasi terbimbing atau supervised

classification dengan metode klasifikasi maksimum likelihood. Maximum likelihood secara

kuantitatif mengevaluasi varian dan korelasi pola respons dari kategori spektral ketika

mengklasifikasikan piksel yang tidak diketahui (Prahasta, 2008).

2.3.4 Normalized Difference Vegetation Index (NDVI)

Dalam membedakan objek vegetasi mangrove dengan vegetasi jenis lain (non-mangrove)

digunakan analisis NDVI. Dengan transformasi NDVI vegetasi mangrove akan terlihat lebih

kontras dengan proporsi tingkat kecerahan yang lebih tinggi (Prahasta, 2008). Ini dikarenakan

dalam pemanfaatan NDVI menggunakan gelombang sinar inframerah dekat (NIR) dan

gelombang merah (R), yang mana gelombang NIR sangat peka akan klorofil pada vegetasi.

𝑁𝐷𝑉𝐼 = 𝑘𝑎𝑛𝑎𝑙 𝑁𝐼𝑅 (𝑏𝑎𝑛𝑑 5) − 𝑘𝑎𝑛𝑎𝑙 𝑅𝑒𝑑 (𝑏𝑎𝑛𝑑 4)

𝑘𝑎𝑛𝑎𝑙 𝑁𝐼𝑅 (𝑏𝑎𝑛𝑑 5) + 𝑘𝑎𝑛𝑎𝑙 𝑅𝑒𝑑 (𝑏𝑎𝑛𝑑 4)

NDVI mempunyai rentang nilai dari -1,0 hingga 1.0. Awan, air, dan objek non-vegetasi

mempunyai nilai NDVI kurang dari nol. Nilai yang mewakili vegetasi terdapat pada rentang

0.1 hingga 0.7. Jika nilai indeks lebih tinggi dari rentang ini berarti penutupan vegetasi tersebut

lebih sehat (Lillesand dan Kiefer 1990). Nilai threshold masing-masing kelas vegetasi

ditentukan dengan melakukan pengecekan lapang serta menggunakan aplikasi Google Earth

dan Google Street View untuk ground truth check.

2.3.5 Perhitungan Luasan

Proses perhitungan luasan bertujuan untuk melihat perubahan luasan mangrove mulai tahun

2013 hingga tahun 2019. Perhitungan luasan mangrove diproses dengan metode calculate

geometric. Menurut Utama (2005), calculate geometric adalah prosedur perhitungan otomatis

pada ArcMap berdasarkan bentuk geometri dari data GIS yang tergambar dari sistem koordinat

yang digunakan. Pada proses ini digunakan data vector sehingga pada proses klasifikasi ini

data raster akan dikonversi ke dalam data vector. Menurut Yekti et al. (2013), konversi data

raster menjadi data vector dilakukan agar mempermudah perhitungan luas perubahan tutupan

lahan dari citra hasil klasifikasi yang sudah dipotong. Konversi data ini menggunakan salah

satu proses pada software ENVI yang mengubah data raster menjadi data vector dalam bentuk

shapefile (.shp). Kemudian dari shapefile tersebut akan dihitung luasannya melalui proses

calculate geometric yang terdapat pada software ArcGIS 10.5.

8

Gambar 4 Contoh Perubahan Luasan Mangrove di wilayah Kota Surabaya

2.4 Analisa dan Pembahasan

2.4.1 Kabupaten Tuban

Tabel 2. Luasan Mangrove di Kabupaten Tuban

Tahun Total Luas Mangrove

Tuban (m²)

Total Luas Mangrove

Tuban (Ha)

2013 1.554.917 155,491

2014 1.495.800 149,58

2015 1.257.300 125,73

2016 1.435.451 143,545

2017 1.273.500 127,35

2018 1.537.906 153,790

2019 1.630.569 163,056

9

2.4.2 Kabupaten Lamongan

Tabel 3. Luasan Mangrove di Kabupaten Lamongan


Lamongan (m²)

Total Luas Mangrove

Lamongan (Ha)

2013 800.768 80,076

2014 783.36 78,336

2015 768 76,8

2016 870.735 87,073

2017 888.492 88,849

2018 878.062 87,806

2019 691.2 69,12

10

2.4.3 Kabupaten Gresik

Tabel 4. Luasan Mangrove di Kabupaten Gresik


Gresik (m²)

Total Luas Mangrove

Gresik (Ha)

2013 21.271.500 2.127,15

2014 21.948.300 2.194,83

2015 25.034.400 2.503,44

2016 26.869.500 2.686,95

2017 27.971.100 2.797,11

2018 26.241.300 2.624,13

2019 24.924.600 2.492,46

2.4.4 Kota Surabaya

Hasil perhitungan perubahan luasan mangrove di Kota Surabaya dengan calculate

geometric pada software ArcGIS 10.5 mulai tahun 2013 hingga tahun 2019 ditampilkan pada

Tabel

Tabel 5. Luasan Mangrove di Kota Surabaya


Surabaya (m²)

Total Luas Mangrove

Surabaya (Ha)

2013 9274078 883

2014 9450189 921

2015 8899200 861

2016 9657900 933

11

2017 9448200 917

2018 10080675 984

2019 10169357 982

2.4.5 Kabupaten Sidoarjo

Hasil perhitungan perubahan luasan mangrove di Kabupaten Sidoarjo dengan

calculate geometric pada software ArcGIS 10.5 mulai tahun 2013 hingga tahun 2019

ditampilkan pada Tabel

Tabel 6. Luasan Mangrove di Kabupaten Sidoarjo Tahun Total Luas

Mangrove Sidoarjo

(m²)

Total Luas Mangrove

Sidoarjo (Ha)

2013 32101410 2994

2014 20746350 1946

2015 25833187 2378

2016 18016200 1701

2017 20466000 1927

2018 20659692 1942

2019 19437803 1863

0

2000000

4000000

6000000

8000000

10000000

12000000

2013 2014 2015 2016 2017 2018 2019

Luas

an (

m²)

Tahun

Luasan Mangrove Surabaya (m²)

Tahun Total Luas Mangrove Surabaya (m²)

12

2.4.6 Kabupaten Pasuruan

Hasil perhitungan perubahan luasan mangrove di Kabupaten Pasuruan dengan



Tabel 7. Luasan Mangrove di Kabupaten Pasuruan

Tahun Total Luas

Mangrove Pasuruan

(m²)

Total Luas Mangrove

Pasuruan (Ha

2013 8280783 781

2014 8162827 767

2015 7112850 657

2016 7464150 686

2017 7927950 740

2018 7683300 723

2019 8280783 745

0

7000000

14000000

21000000

28000000

35000000

2013 2014 2015 2016 2017 2018 2019

Luas

an (

m²)

Tahun

Luasan Mangrove Sidoarjo (m²)

Tahun Total Luas Mangrove Sidoarjo (m²)

13

2.4.7 Kabupaten Probolinggo

Hasil perhitungan perubahan luasan mangrove di Kabupaten Probolinggo dengan



Tabel 8. Luasan Mangrove di Kabupaten Probolinggo

Tahun Total Luas

Mangrove

Probolinggo(m²)

Total Luas Mangrove

Probolinggo (Ha)

2013 7058986 671

2014 7860690 759

2015 7710570 733

2016 7758000 739

2017 8350800 799

2018 8734500 835

2019 8150456 771

0

2000000

4000000

6000000

8000000

10000000

2013 2014 2015 2016 2017 2018 2019

Luas

an (

m²)

Tahun

Luasan Mangrove Pasuruan (m²)

Tahun Total Luas Mangrove Pasuruan (m²)

14

2.4.8 Kabupaten Situbondo

Tabel 9. Luasan Mangrove di Kabupaten Situbondo


Situbondo (m²)

Total Luas Mangrove

Situbondo (Ha)

2013 4.629.273 462,927

2014 5.066.903 506,690

2015 5.227.844 522,784

2016 5.553.152 555,315

2017 5.668.864 566,886

2018 5.555.269 555,526

2019 6.344.573 634,457

2.5 Perubahan Garis Pantai

Setelah membuat peta perubahan luasan mangrove di pantai utara Jawa, maka kita bisa

menganalisa perubahan garis pantai masing-masing wilayah. Perubahan dapat berupa

sedimentasi atau erosi dan dapat terjadi di satu area dengan sedimentasi dan erosi. Dalam

0

2000000

4000000

6000000

8000000

10000000

2013 2014 2015 2016 2017 2018 2019

Luas

an (

m²)

Tahun

Luasan Mangrove Probolinggo (m²)

Tahun Total Luas Mangrove Probolinggo (m²)

15

penelitian ini analisa perubahan garis pantai dilakukan dengan bantuan program DSAS, seperti

contoh perubahan garis pantai berikut (lihat: gambar 4.2). Digital Shoreline Analysis System

(DSAS) merupakan aplikasi perhitungan perubahan garis pantai milik USGS. Dalam tahap

analisa perubahan garis pantai, dilakukan pembuatan transek pada peta hasil digitasi perubahan

garis pantai. Transek ialah garis atau jalur yang digunakan untuk menghitung dan menganalisa

daerah penelitian. Transek yang digunakan ialah kumpulan garis tegak lurus dengan garis

pantai acuan atau baseline dan memanjang sepanjang garis pantai pada daerah penelitian. Pada

analisa ini jarak baseline yang digunakan ialah sejauh 150 meter yang dibatasi dengan buffer

dalam ArcGis.

Profil dari transek pada tiap daerah memiliki jarak antar transek sebesar 300 m, smooting

tegakan-lurus sebesar 500 dan panjang maksimum 900 m dari garis pantai acuan (baseline)

untuk mendapatkan hasil yang baik. Transek digunakan untuk menghitung perbedaan letak dari

garis pantai setiap tahun dengan memotong arah tegak lurus dengan garis pantai yang dianalisa.

33. Transek kemudian digunakan pula untuk menghitung rata-rata tiap analisa Shoreline

Change Envelope, Net Shoreline Movement,dan End Point Rate dari penelitian ini.

Gambar 5 Shoreline Change Envelope

16

Gambar 6 Net Shoreline Movement

Gambar 7 End Point Rate

2.5.1 Kabupaten Tuban

17

2.5.2 Kabupaten Lamongan

2.5.3 Kabupaten Gresik

19

2.5.4 Kota Surabaya

2.5.5 Kabupaten Sidoarjo

20

2.5.6 Kabupaten Pasuruan

21

2.5.7 Kabupaten Probolinggo

2.5.8 Kabupaten Situbondo

22

2.6 Menentukan Kepadatan Populasi

Untuk menghitung nilai kepadatan populasi, pertama kita harus membuat daftar populasi dan

area masing-masing daerah. Dua hal ini dapat dilihat dalam publikasi dari Badan Pusat Statistik

(BPS) masing-masing daerah. Kita dapat mencari dengan kata kunci “Kecamatan dalam angka

tahun” sesuai dengan nama wilayah dan tahun yang kita butuhkan. Kami menggunakan data

ini untuk menghitung kerentanan sosial (lihat: gambar 4.3).

2.7 Menentukan Produk Domestik Regional Bruto

Terakhir, kita harus menghitung PDRB per kapita dari setiap wilayah yang kita miliki. tetapi

dalam publikasi Statistik Pusat Badan tidak ada PDRB per kecamatan, oleh karena itu kami

menganggap Produk Domestik Regional Bruto sama dengan Produk Domestik Regional Bruto

kabupaten / kota yang akan dibagi dengan total populasi kabupaten / kota. Meskipun Produk

Domestik Regional Bruto dari masing-masing kecamatan di satu kabupaten / kota tidak

mungkin sama, kami menganggapnya sama. Kami menggunakan data ini untuk menghitung

kerentanan ekonomi.

2.8 Analisa Kerentanan

Setiap jenis kerentanan memiliki formula yang berbeda. Rumus setiap kerentanan tergantung

pada data yang dikumpulkan dari masing-masing kerentanan. Rumus yang digunakan adalah

sebagai berikut:

Physical Vulnerability

23

𝑉𝑎𝑙𝑢𝑒 𝑜𝑓 𝐶ℎ𝑎𝑛𝑔𝑒 =erosion (m)

length of time of change(year)

2. Social Vulnerability

𝑃𝑜𝑝𝑢𝑙𝑎𝑡𝑖𝑜𝑛 𝐷𝑒𝑛𝑠𝑖𝑡𝑦 =total population (person)

total area (km2)

3. Economic Vulnerability

𝐺𝑅𝐷𝑃 𝑝𝑒𝑟 𝐶𝑎𝑝𝑖𝑡𝑎 =GRDP of an area (million rupiah)

Total Population (person)

4. Total Potential Damage

𝑇𝑜𝑡𝑎𝑙 𝑃𝑜𝑡𝑒𝑛𝑡𝑖𝑎𝑙 𝐷𝑎𝑚𝑎𝑔𝑒 = 𝑎 𝑥 𝑏 𝑥 𝑐

a : Physical Vulnerability; b : Social Vulnerability; c : Economic Vulnerability.

Daftar perhitungan kerentanan sosial.

Di sini kami hanya menampilkan diagram lingkaran dari provinsi yang berbatasan langsung

dengan pantai utara jawa. Dapat dilihat bahwa kepadatan penduduk paling banyak berada di

Provinsi Jawa Timur (lihat Gambar 4.3). Untuk populasi masing-masing kecamatan juga dapat

dilihat pada Lampiran A.

Gambar 4.3: Kepadatan populasi

Perhitungan Kerentanan Ekonomi

Kemudian kita akan menghitung kerentanan ekonomi. Untuk menghitung kerentanan ekonomi

ini, kita membutuhkan nilai PDRB dari setiap kecamatan dan penduduknya. Tetapi karena kita

bergantung pada data publikasi dari BPS, maka PDRB dari masing-masing kecamatan tidak

memiliki data. Jadi, kami membuat asumsi berikut:

2,279

11,982

1,218

1,499

1,120

BANTEN

DKI JKT

JABAR

JATENG

JATIM

- 5,000 10,000 15,000

Population Density (person/km2)

Population Density(person/km2)

GRDP of the

regency/city GRDP of the sub-distric

24

Setelah membuat asumsi seperti di atas, maka kami membaginya dengan populasi setiap

kecamatan untuk mendapatkan nilai PDRB per kapita daerah. Untuk melihat lihat PDRB dari

masing-masing kecamatan dapat dilihat pada Lampiran A. Dari grafik di bawah ini, dapat

dilihat bahwa PDRB per kapita bahwa pendapatan ekonomi regional terbesar yang berbatasan

dengan Pantai Utara Jawa adalah Jakarta Utara, kemudian Surabaya dan sebagainya (lihat:

gambar 4.4).

Gambar 8 Gross Regional Domestic Product per Capita

Perhitungan Total Potential Damage.

Setelah semua faktor kerentanan telah dihitung dan diketahui, maka kami akan menghitung

total potensi kerusakan dengan mengalikan semuanya. Sebelum mengalikan, kita harus

menyamakan semua unit kerentanan. Maka dari itu kerentanan fisik m / tahun akan diubah

menjadi ha / tahun, kerentanan sosial orang / km² akan diubah menjadi orang / ha, dan

kerentanan ekonomi tetap sama. Kemudian pada akhirnya total potensi kerusakan akan

memiliki unit juta / tahun (lihat: tabel 4.2).

Tabel 10. Total Potential Damage (million rupiah/year)

N

o. Provinsi

Kabupaten/

Kota Kecamatan

Erosi

(ha/thn)

Population Density

(jiwa/ha)

Pendapatan per kapita

(juta/jiwa)

Total

PD

110

Jawa

Timur Tuban

Bancar 0,00 5,47 31,20 0,00

111 Tambakboy

o 0,00 5,46 31,20 0,00

112 Jenu 0,00 6,87 31,20 0,00

113 Tuban 0,00 42,33 31,20 0,00

114 Palang 0,00 12,52 31,20 0,00

020406080

100120140160180200

Kota

Sera

ng

Ka

b. Sera

ng

Ka

b. Ta

ngera

ng

Kota

Ja

kart

a U

tara

Ka

b. Beka

si

Ka

b. K

ara

wa

ng

Ka

b. Sub

ang

Ka

b. In

dra

ma

yu

Ka

b. C

irebon

Kota

Cirebon

Ka

b. Bre

bes

Kota

Tegal

Ka

b. Te

gal

Ka

b. Pem

ala

ng

Ka

b. Peka

long

an

Kota

Peka

long

an

Ka

b. Bata

ng

Ka

b. K

end

al

Ka

b. Sem

ara

ng

Ka

b. D

em

ak

Ka

b. Je

para

Ka

b. Pati

Ka

b. Rem

bang

Ka

b. Tu

ba

n

Ka

b. La

mong

an

Ka

b. G

resik

Kota

Sur

aba

ya

Ka

b. Sid

oa

rjo

Kota

Pasu

ruan

Ka

b. Pasu

ruan

Kota

Pro

bolin

gg

o

Ka

b. Pro

bolin

gg

o

Ka

b. Situb

ond

o

GRDP per Capita

25

115

Lamongan Brondong 0,00 10,87 20,98 0,00

116 Paciran 0,00 16,37 20,98 0,00

117

Gresik

Panceng 0,00 8,39 70,70 0,00

118 Ujungpangk

ah 0,69 5,39 70,70 261,68

119 Bungah 0,00 8,53 70,70 0,00

120 Manyar 0,00 11,95 70,70 0,00

121 Gresik 0,00 164,48 70,70 0,00

122 Kebomas 0,00 35,90 70,70 0,00

123

Surabaya

Benowo 0,00 22,87 131,81 0,00

124 Asemrowo 0,00 36,96 131,81 0,00

125 Krembanga

n 0,00 203,66 131,81 0,00

126 Pabean

Cantian 0,00 212,34 131,81 0,00

127 Semampir 0,20 273,16 131,81 7054,1

3

128 Kenjeran 0,00 209,02 131,81 0,00

129 Bulak 0,00 63,96 131,81 0,00

130 Sukolilo 0,00 48,04 131,81 0,00

131 Rungkut 0,00 54,92 131,81 0,00

132

Sidoarjo Sedati 0,00 12,38 64,28 0,00

133 Jabon 0,00 6,70 64,28 0,00

134

Pasuruan

Bugul Kidul 0,00 28,97 27,08 0,00

135 Lekok 0,00 16,48 58,62 0,00

136 Nguling 0,00 12,95 58,62 0,00

137

Probolinggo

Tongas 0,00 8,86 17,80 0,00

138 Sumberasih 0,00 20,13 17,80 0,00

139 Kademanga

n 0,00 35,02 31,87 0,00

140 Mayangan 0,00 72,69 31,87 0,00

141 Dringu 0,00 16,76 17,80 0,00

142 Gending 1,07 11,26 17,80 214,24

143 Pejarakan 0,00 19,61 17,80 0,00

144 Kraksaan 0,00 18,64 17,80 0,00

145 Paiton 0,59 13,29 17,80 139,42

146

Situbondo

Banyuglugu

r 0,00 3,28 17,29 0,00

147 Besuki 0,00 24,67 17,29 0,00

148 Suboh 0,00 8,84 17,29 0,00

149 Mlandingan 0,00 5,66 17,29 0,00

150 Bungatan 0,00 3,84 17,29 0,00

151 Kendit 0,00 2,50 17,29 0,00

152 Panarukan 0,00 10,45 17,29 0,00

153 Mangaran 0,00 7,07 17,29 0,00

154 Kapongan 0,00 8,62 17,29 0,00

155 Arjasa 0,00 1,88 17,29 0,00

156 Jangkar 0,22 5,55 17,29 21,58

157 Asembagus 0,56 4,05 17,29 39,17

26

158 Banyuputih 0,00 1,23 17,29 0,00

Setelah semua perhitungan selesai, itu akan pergi ke langkah pemodelan. Tetapi jika kita ingin

memodelkan dengan GIS, untuk membuatnya lebih mudah maka kita dapat membagi data

menjadi beberapa indeks sesuai dengan rentang yang kita inginkan. Di sini kita bagi menjadi

5 rentang yaitu sangat rendah, rendah, sedang, tinggi, dan sangat tinggi (lihat: tabel 4.3). Kita

dapat membaginya dengan bantuan pencar di excel sehingga kita dapat melihat batas bawah

dan atas (lihat: gambar 4.5). Oleh karena itu kita akan mendapatkan hasil dari semua data saat

digabungkan dan telah diberi kategori indeks sesuai dengan masing-masing rentang, (lihat:

tabel 4.4).

Tabel 11. Range of each vulnerability factor

RANGE EROSI(m/year)

Very Low 0 - 10

Low 10 - 20

Medium 20 - 30

High 30 - 40

Very High 40 -

RANGE PENDUDUK(person/km²)

Very Low 0 - 1000

Low 1000 - 4000

Medium 4000 - 7000

High 7000 - 10000

Very High 10000 -

RANGE PENDAPATAN(million/person)

Very Low 0 - 30

Low 30 - 50

Medium 50 - 70

High 70 - 100

Very High 100 -

RANGE TOTAL(million/year)

Very Low 0 - 60

Low 60 - 200

Medium 200 - 400

High 400 - 1000

Very High 1000 -

27

Tabel 12. Indexing result for all vulnerability

No. Provinsi Kabupaten/Kota Kecamatan Erosi (ha/thn) Informasi

Population Density (jiwa/ha) Informasi

Pendapatan per kapita (juta/jiwa) Informasi Kategori

Total PD Informasi

Pendapatan Ekonomi

110

Jawa Timur

Tuban

Bancar 0,00 Very Low 5,47 Very Low 31,20 Low 0,00 Very Low

111 Tambakboyo 0,00 Very Low 5,46 Very Low 31,20 Low 0,00 Very Low

112 Jenu 0,00 Very Low 6,87 Very Low 31,20 Low 0,00 Very Low

113 Tuban 0,00 Very Low 42,33 Medium 31,20 Low 0,00 Very Low

114 Palang 0,00 Very Low 12,52 Low 31,20 Low 0,00 Very Low

115 Lamongan

Brondong 0,00 Very Low 10,87 Low 20,98 Very Low 0,00 Very Low

116 Paciran 0,00 Very Low 16,37 Low 20,98 Very Low 0,00 Very Low

117

Gresik

Panceng 0,00 Very Low 8,39 Very Low 70,70 High 0,00 Very Low

118 Ujungpangkah 0,69 Very Low 5,39 Very Low 70,70 High 261,68 Medium

119 Bungah 0,00 Very Low 8,53 Very Low 70,70 High 0,00 Very Low

120 Manyar 0,00 Very Low 11,95 Low 70,70 High 0,00 Very Low

121 Gresik 0,00 Very Low 164,48 Very High 70,70 High 0,00 Very Low

122 Kebomas 0,00 Very Low 35,90 Low 70,70 High 0,00 Very Low

123

Surabaya

Benowo 0,00 Very Low 22,87 Low 131,81 Very High 0,00 Very Low

124 Asemrowo 0,00 Very Low 36,96 Low 131,81 Very High 0,00 Very Low

125 Krembangan 0,00 Very Low 203,66 Very High 131,81 Very High 0,00 Very Low

126 Pabean Cantian 0,00 Very Low 212,34 Very High 131,81 Very High 0,00 Very Low

127 Semampir 0,20 Very Low 273,16 Very High 131,81 Very High 7054,13 Very High

128 Kenjeran 0,00 Very Low 209,02 Very High 131,81 Very High 0,00 Very Low

129 Bulak 0,00 Very Low 63,96 Medium 131,81 Very High 0,00 Very Low

130 Sukolilo 0,00 Very Low 48,04 Medium 131,81 Very High 0,00 Very Low

131 Rungkut 0,00 Very Low 54,92 Medium 131,81 Very High 0,00 Very Low

132 Sidoarjo

Sedati 0,00 Very Low 12,38 Low 64,28 Medium 0,00 Very Low

133 Jabon 0,00 Very Low 6,70 Very Low 64,28 Medium 0,00 Very Low

134

Pasuruan

Bugul Kidul 0,00 Very Low 28,97 Low 27,08 Very Low 0,00 Very Low

135 Lekok 0,00 Very Low 16,48 Low 58,62 Medium 0,00 Very Low

136 Nguling 0,00 Very Low 12,95 Low 58,62 Medium 0,00 Very Low

137

Probolinggo

Tongas 0,00 Very Low 8,86 Very Low 17,80 Very Low 0,00 Very Low

138 Sumberasih 0,00 Very Low 20,13 Low 17,80 Very Low 0,00 Very Low

139 Kademangan 0,00 Very Low 35,02 Low 31,87 Low 0,00 Very Low

140 Mayangan 0,00 Very Low 72,69 High 31,87 Low 0,00 Very Low

28

141 Dringu 0,00 Very Low 16,76 Low 17,80 Very Low 0,00 Very Low

142 Gending 1,07 Low 11,26 Low 17,80 Very Low 214,24 Medium

143 Pejarakan 0,00 Very Low 19,61 Low 17,80 Very Low 0,00 Very Low

144 Kraksaan 0,00 Very Low 18,64 Low 17,80 Very Low 0,00 Very Low

145 Paiton 0,59 Very Low 13,29 Low 17,80 Very Low 139,42 Low

146

Situbondo

Banyuglugur 0,00 Very Low 3,28 Very Low 17,29 Very Low 0,00 Very Low

147 Besuki 0,00 Very Low 24,67 Low 17,29 Very Low 0,00 Very Low

148 Suboh 0,00 Very Low 8,84 Very Low 17,29 Very Low 0,00 Very Low

149 Mlandingan 0,00 Very Low 5,66 Very Low 17,29 Very Low 0,00 Very Low

150 Bungatan 0,00 Very Low 3,84 Very Low 17,29 Very Low 0,00 Very Low

151 Kendit 0,00 Very Low 2,50 Very Low 17,29 Very Low 0,00 Very Low

152 Panarukan 0,00 Very Low 10,45 Low 17,29 Very Low 0,00 Very Low

153 Mangaran 0,00 Very Low 7,07 Very Low 17,29 Very Low 0,00 Very Low

154 Kapongan 0,00 Very Low 8,62 Very Low 17,29 Very Low 0,00 Very Low

155 Arjasa 0,00 Very Low 1,88 Very Low 17,29 Very Low 0,00 Very Low

156 Jangkar 0,22 Very Low 5,55 Very Low 17,29 Very Low 21,58 Very Low

157 Asembagus 0,56 Very Low 4,05 Very Low 17,29 Very Low 39,17 Very Low

158 Banyuputih 0,00 Very Low 1,23 Very Low 17,29 Very Low 0,00 Very Low

1

2.9 Hasil Peta Kerentanan

Dalam membuat peta kerentanan, kami menggunakan perangkat lunak QGIS. Kami membutuhkan

batasan regional yang akan kami gunakan dan masukan ke dalam perangkat lunak QGIS. Kita bisa

mendapatkan data batas regional ini dari Peta Rupa Bumi Indonesia, setelah itu kita gabungkan

dengan tabel data excel yang memiliki indeks (sangat rendah, rendah, dll.). Setelah digabungkan,

kita bisa membuat peta dengan warna yang akan menunjukkan indeks masing-masing wilayah (lihat

gambar dibawah). Dari setiap faktor kerentanan akan memiliki peta sendiri, sehingga akan ada peta

kerentanan fisik, kerentanan sosial, kerentanan ekonomi, dan total potensi kerusakan. Ini karena

Pantai Utara JawaTimur sangat panjang, sehingga akan terlihat sangat kecil pada tata ruang jika

tidak dibagi menjadi beberapa daerah.

Gambar 9 Peta Kerentanan

2



3

Kesimpulan

Berdasarkan peta perubahan garis pantai diketahui bahwa dinamika perubahan garis pantai dalam

kurun waktu 2015-2019 mengalami perubahan setiap tahunnya mengikuti perubahan pada luasan

mangrove. Berdasarkan hasil analisa net shoreline movement di Pantai Timur Surabaya

menggunakan perangkat lunak DSAS diketahui bahwa sejak tahun 2015-2019 mengalami pergerakan

kemajuan terbesar sejauh 677,64 m yang diketahui berada di wilayah Kecamatan Mulyorejo dan

pergerakan kemunduran terbesar sejauh 36,76 m yang diketahui berada di wilayah Sukolilo.

Sepanjang Pantai Timur Surabaya memiliki rata-rata pergerakan kemajuan garis pantai sebesar 27,79

m.

Berdasarkan peta luasan mangrove yang telah dibuat, diketahui bahwa luasan mangrove pada kurun

waktu 2015-2019 mengalami perubahan setiap tahun yang mempengaruhi perubahan garis pantai di

wilayah penelitian. Berdasarkan hasil analisa digitasi perhitungan area geometri diketahui bahwa

mulai tahun 2015-2016 terjadi penambahan luasan mangrove, namun terjadi penurunan luasan

mangrove pada tahun 2017 dan kembali mengalami penambahan luasan mangrove pada tahun 2018 dan 2019 di wilayah Pantai Timur Surabaya.

4

BAB III STATUS LUARAN

Untuk luaran yang dicapai sekarang yaitu :

1. PUBLIKASI ILMIAH

Berupa Jurnal dengan judul ‘ASSESSMENT OF MANGROVE AS A NATURAL BEACH PROTECTION

IN SURABAYA COAST, INDONESIA’ disubmit pada International Journal of Conservation

Science, Journal (Q2)

2. SEMINAR INTERNASIONAL

Berupa publikasi dengan judul Temporal and Spatial Analysis of Mangrove Forest

Change in the North Coast of East Java, pada the 8th International Seminar on Ocean and

Coastal Engineering, Environmental and Natural Disaster Management, 27-28 October

2020.

5

BAB IV PERAN MITRA

Berisi uraian realisasi kerjasama dan realisasi kontribusi mitra, baik in-kinddan in-cash

6

BAB V KENDALA PELAKSANAAN PENELITIAN

Untuk luaran masih menunggu hasil review dari pihak Journal International Journal of

Conservation Science (IJCS), Journal (Q2)

7

BAB VI RENCANA TAHAPAN SELANJUTNYA

Jika dalam tahun ini masih belum ada hasil review dari jurnal yang dituju, maka kemungkinan

Jurnal akan disubmit ke jurnal yang lain

.

8

BAB VII DAFTAR PUSTAKA

1. Campbell J. 2013. Landsat 8 Set to Extend Long Run of Observing

2. Hossain, M.D., Chen, D. 2019. Segmentation for Object-Based Image Analysis (OBIA): A

Review of Algorithms and Challenges from Remote Sensing Perspective. ISPRS Journal of

Photogrammetry and Remote Sensing.

3. Lillesland, Thomas. M dan Ralph W. Kiefer.2007. Penginderaan Jauh dan Interpretasi Citra.

Yogyakarta. Gadjah Mada University Press

4. NASA, 2016. Mission Updates. http://www.nasa.gov

5. Prahasta, Eddy. 2008. Remote Sensing Praktis Penginderaan Jauh dan Pengolahan data Citra

Dijtal dengan Perangkat Lunak ER Mapper, Informatika Bandung.

6. Pramudji, 2000. Dampak Perilaku Manusia PADA Ekosistem Hutan Mangrove di Indonesia.

Oseana, Vol.XXV, No.2, 13-20.

7. Pramudji, 2001. Ekosistem Hutan angrove dan Peranannya sebagai Habitat Berbagai Fauna

Aquatik. Oseana, Vol.XXVI, No.4, 13-23.

8. Roy, D.P., V. Kovalskyy., H.K. Zhang., E.F. Vermote., L. Yan., S.S Kumar., A. Egorov. 2015.

Characteristic of Landsat-7 to Landsat-8 Reflective Wavelength and Normalized Difference

Vegetation Index Continuity. Remote Sensing of Environment. Elsevier.

9. Shalihati, S.F. 2014. Pemanfaatan Penginderaan Jauh dan Sistem Informasi Geografi dalam

Pembangunan Sektor Kelautan serta Pengembangan Sistem Pertahanan Negara Maritim.

Geoedukasi Volume III Nomer 2. 115 – 126.

10. Sitanggang, Gokmaria, 2008. Teknik dan Metode Fusi (Pansharpening) Data Alos (Avnir-2 dan

Prism) untuk Identifikasi Penutup Lahan/Tanaman Petanian Sawah. LAPAN. Jakarta

11. Sukardjo, S. 1996. Gambaran umum ekologi mangrove di Indonesia Lokakarya Strategi

Nasional Pengelolaan Hutan Mangrove di Indonesia. Direktorat Jenderal Reboisasi dan

Rehabilitasi lahan, Departemen Kehutanan, Jakarta: 26 hal.

12. Tomlinson, P.B. 1986. The botany of mangrove. Cambridge University Press. Cambridge,

London, New York, New Rochelle, Melbourne, Sydney: p. 413.

13. Akbar, A. A., Sartohadi, J., Djohan, T. S. & Ritohardoyo, S., 2017. Erosi Pantai, Ekosistem

Hutan Bakau dan Adaptasi Masyarakat Terhadap Bencana Kerusakan Pantai di Negara Tropis.

Ilmu Lingkungan Vol. 15 Issue 1, pp. 1-10.

14. Anonim, 2000. Geochaching. [Online] Available at: geochaching.com/how-the-beach-build

[Accessed 16 January 2020].

15. Arisandi, P., 1998. Panduan Pengenalan Mangrove Pantai Timur Surabaya Mangrove Sang

Pelindung. Surabaya: Ecoton.

16. Aryanti, O. D., 2016. Laporan Kuliah Lapangan Kawasan Mangrove Wonorejo Surabaya,

Surabaya: Jurusan Perencanaan Wilayah dan Kota, FTSP, Institut Teknologi Sepuluh

Nopember.

17. Atmaja, A. P. E., 2007. Wilayah Pesisir (Coastal Zone), Semarang: Fakultas Hukum Universitas

Diponegoro.

18. Dedi, 2020. Keberadaan Wilayah Mangrove Kecamatan Mulyorejo [Interview] (17 Januari

2020).

19. Dinas Kelautan dan Perikanan, 2004. Rancangan Undang-undang tentang Pengelolaan Wilayah

Pesisir dan Pulau-pulau Kecil tahun 2004. Jakarta : Dinas Kelautan dan Perikanan.

20. Dinas Lingkungan Hidup Surabaya, 2018. Laporan Survey Analisa Vegetasi Mangrove 2018

Kota Surabaya. Surabaya: Pemerintah Kota Surabaya.

http://www.nasa.gov/

9

21. Haya, N., Zamani , N. P. & Soedharma, D., 2015. Analisis Struktur Ekosistem Mangrove di

Desa Kukupang Kecamatan Kepulauan Joronga Kabupaten Halmahera Selatan Maluku Utara.

Teknologi Perikanan dan Kelautan Vol. 6 No. 1, pp. 79-89.

22. Ika, N., 2017. Selamatkan Mangrove Surabaya dari Konversi Lahan. [Online] Available at:

academia.ecu

23. Kementrian Lingkungan Hidup dan Kehutanan, 2017. Miliki 23% Ekosistem Mangrove Dunia,

Indonesia Tuan Rumah Konferensi Internasional Mangrove 2017. [Online] Available at:

ppid.menlhk.go.id

24. Lillesand, T. M. & Kiefer, R. W., 1979. Remote Sensing and Image Interpretation. New York:

Cambridge University Press.

25. Mujabuddawat, M. A., 2016. Perangkat Sistem Informasi Geografis (SIG) Dalam Penelitian dan

Penyajian Informasi Arkeologi. Kapata Arkeologi Vol. 12 No. 1, pp. 29-42.

26. Opa, E. T., 2011. Perubahan Garis Pantai Desa Bentenan Kecamatan Pusomaen Minahasa

Tenggara. Jurnal Perikanan dan Kelautan Tropis, pp. Vol. VII-3. 58

27. Pedro Narra, C. C. F. S. J. P., 2017. CERA: An open source tool for coastal erosion risk

assessment. Ocean & Coastal Management, pp. 1-14.

28. Poerbandono, 1999. Hidrografi Dasar. Bandung: Institut Teknologi Bandung.

29. Putra, D. S. W., 2017. Analisa Dampak Ekosistem Mangrove Terhadap Perubahan Garis Pantai

di Pesisir Timur Surabaya dan Sidoarjo Tahun 2006-2015. Surabaya: Jurusan Teknik Kelautan,

FTK, Institut Teknologi Sepuluh Nopember.

30. Risnandar, C., 2018. Hutan Mangrove. Jurnal Bumi Lingkungan hidup.

31. Supriharyono, 2000. Pelestarian dan Pengelolaan Sumber Daya Alam di Wilayah Pesisir Tropis.

Jakarta: Gramedia.

32. Sutanto, 1992. Penginderaan Jauh. Jilid 1 ed. Yogyakarta: Gadjah Mada University Press.

33. Syamsu, I. F., Nugraha, A. Z., Nugraheni, C. T. & Wahwakhi, D. S., 2018. Kajian Perubahan

Tutupan Lahan di Ekosistem Mangrove Pantai Timur Surabaya. Media Konservasi Vol. 23 No.

2, pp. 122-131.

34. Triatmodjo, B., 1999. Teknik Pantai. Yogyakarta: Beta Offset.

35. Tufaila, M., Karim, J. & Alam, S., 2012. Pemanfaatan Penginderaan Jauh dan Sistem Informasi

Geografis Untuk Pemetaan Bentuklahan di DAS Morami. Agroteknos Vol. 2 No 1, pp. 9-20.

36. Tukin, 2020. Keberadaan Mangrove di Pantai Timur Surabaya [Interview] (17 Januari 2020).

37. USGS, 2013. United State Geological Survey. [Online] Available at: usgs.gov [Accessed 16

January 2020].

38. Walikota Surabaya, 2014. Rencana Tata Ruang Wilayah Kota Surabaya Tahun 2014-2034

Perda No.12 Tahun 2014 Kota Surabaya. Surabaya: Pemerintah Daerah Kota Surabaya.

.

10

BAB VIII LAMPIRAN

11

LAMPIRAN 1 Tabel Daftar Luaran

Program : Penelitian Pascasarjana

Nama Ketua Tim : Muhammad Zikra

Judul : ANALISIS SPATIAL DAN TEMPORAL PERUBAHAN LUASAN

MANGROVE DI WILAYAH PANTAI UTARA JAWA TIMUR

SEBAGAI PELINDUNG PANTAI ALAMI DALAM MENDUKUNG

PROGRAM BUILDING WITH NATURE

1.Artikel Jurnal

No Judul Artikel Nama Jurnal Status Kemajuan*)

1 ASSESSMENT OF MANGROVE AS A

NATURAL BEACH PROTECTION IN

SURABAYA COAST, INDONESIA

International Journal

of Conservation ad

Science

Review Proses

*) Status kemajuan: Persiapan, submitted, under review, accepted, published

2. Artikel Konferensi

No Judul Artikel Nama Konferensi (Nama

Penyelenggara, Tempat,

Tanggal)

Status Kemajuan*)

Temporal and Spatial Analysis of

Mangrove Forest Change in the

North Coast of East Java

ISOCEEN 2020,

Surabaya, 27-28

Oktober 2020

Presented

*) Status kemajuan: Persiapan, submitted, under review, accepted, presented

3. Paten

No Judul Usulan Paten Status Kemajuan

*) Status kemajuan: Persiapan, submitted, under review

4. Buku

No Judul Buku (Rencana) Penerbit Status Kemajuan*)

*) Status kemajuan: Persiapan, under review, published

5. Hasil Lain

No Nama Output Detail Output Status Kemajuan*)

*) Status kemajuan: cantumkan status kemajuan sesuai kondisi saat ini

6. Disertasi/Tesis/Tugas Akhir/PKM yang dihasilkan

No Nama Mahasiswa NRP Judul Status*)

*) Status kemajuan: cantumkan lulus dan tahun kelulusan atau in progress

ISSN: 2067-533X

INTERNATIONAL JOURNAL

OF CONSERVATION SCIENCE

Volume XX, Issue X, Month-Month 202X: XXX-XXX

www.ijcs.ro

ASSESSMENT OF MANGROVE AS A NATURAL BEACH

PROTECTION IN SURABAYA COAST, INDONESIA

Muhammad ZIKRA1,*, Hasan Ikhwani, Anita Kusuma WARDHANI1

1 Ocean Engineering Department, Institut Teknologi Sepuluh Nopember, Kampus ITS Keputih Sukolilo, Surabaya,

Indonesia

Abstract

Mangrove area in east coast of Surabaya region is becomes a fortress to protect the city from

the threat of erosion and sea intrusion. According to its function, the development of mangrove areas will help this area in dealing with coastal erosion. This study presents a GIS

model that aims to determine the effect of mangrove changes to coastal erosion risk. The

method used Landsat satellite images during 2015-2019 to calculate mangrove changes. DSAS (Digital Shoreline Analysis System) is used to calculate shoreline changes. Finally, the

model used CERA to analysis coastal erosion risk. The results showed that there is the

dynamics change of shoreline (both accretion and abrasion) in the 2015-2019 period in each district. This change is influenced by the density of mangroves. Meanwhile, the analysis of

CERA showed that the Kenjeran and Bulak Districts are classified as high risk of erosion.

This condition is not only based on the extent of mangrove, but is also caused by other parameters such as geomorphology, land cover, population density, and so on.

Keywords: CERA, DSAS, Risk, Mangrove, Coastal

Introduction

Pamurbaya is an open space area that plays a major role in controlling the geographical

situation of the city of Surabaya, East Java, Indonesia. It is because the mangrove area on the

east coast of Surabaya is a stronghold of the city of Surabaya from the threat of abrasion, sea

intrusion, and subsidence. Indonesia's mangrove ecosystem is the largest in the world and has

the highest biodiversity. Traditional fisheries and aquaculture are also directly assisted by the

presence of mangrove forests as breeding grounds and nurseries [1].

One of the mangrove areas in Indonesia that is indicated to be damaged is the east

coast of Surabaya. Whereas according to the Surabaya City Spatial Plan and Region of 2014,

this area is designated as a protected area.

As an area of green open space that remains and becomes a fortress to protect the city

of Surabaya from the threat of erosion, sea intrusion, and subsidence, the mangrove area in

Pamurbaya has begun to experience changes due to land development for housing. This

happens because of the inconsistency of the Conservation Law and the housing permit that was

issued [2].

* Corresponding author: [email protected]

http://www.ijcs.ro/

Zikra and Wardhani

INT J CONSERV SCI XX, X, 202X: 405-414 406

However, there has been a degradation in the coastal area and the mangrove ecosystems

due to human activities. If this situation continues, the city of Surabaya will be very dangerous

and vulnerable to natural disasters [3].

The objective of this research is to determine the effect of mangrove changes to coastal

erosion risk using GIS model. The method analysis mangrove coastlines changes from 2015 to

2019 on the east coast of Surabaya using Landsat satellite images and DSAS. Also, CERA is

combine in this study to analysis coastal erosion risk The results of this study are expected to

provide an overview of the condition of mangroves and changes in the shoreline in order to

manage and to protect this area from erosion.

Material and Method

Study Location

This study is located in coastal area of Surabaya at coordinates 7° 14' - 7° 21' Latitute

and 112° 37' - 112° 57' Longitude. Surabaya east coast or also called Pamurbaya is located in

the eastern part of the city of Surabaya and is directly adjacent to the Madura Strait as seen in

Figure 1. This area has coastline length of 35.7 km along. Pamurbaya is divided into six

district as shown in Table 1. Surabaya features typical a tropical monsoon climate, with distinct

dry and wet seasons. For average high temperature of 32 °C and average low temperatures

about 25 °C.

Fig. 1. The location of east coast Surabaya in east Java province, Indonesia

ASSESSMENT OF MANGROVE AS A NATURAL BEACH PROTECTION IN SURABAYA COAST, INDONESIA

http://www.ijcs.ro 407

Table 1. East Coast of Surabaya Area

No District Sub-District

1 Gunung Anyar Gunung Anyar

2 Rungkut Medokan Ayu, Wonorejo 3 Sukolilo Keputih

4 Mulyorejo Dukuh Sutorejo, Kalisari, Kejawan

5 Bulak Kedung Cowek, Bulak, Komp. Kenjeran, Kenjeran, Sukolilo

6 Kenjeran Tambak Wedi, Bulak Banteng

Data

In the present study, we used Landsat 8 satellite image database which has a resolution

of 30-meter x 30 of the east coast region of Surabaya from 2015 to 2019. The LANDSAT

image data were downloaded from the United States Geological Survey homepages for free

(http://earthexplorer.usgs.gov). Added, the high spatial resolution images, which were collected

in 2015 and 2019 and derived from Google Earth, were used to validate the accuracy of the

classification image. Data of this study also supported by Digital Elevation Model and

Geological Map of Surabaya. Added, economic data, population density, ecological data, wave

height and tidal data in the Surabaya region are collected to support risk analysis model.

Methods

Image Analysis

First preparation in image management is radiometric correction and geometric

correction. Radiometric correction to correct pixel values from solar or atmospheric radiation

variation, while geometric correction to obtain correct geometry of the image that matches the

reference image with ground control points.

Then, composite image was carried out using ENVI 5.3 software. This process is done to

classsify or to identification the mangrove vegetation. The RGB composite of 564 was used in

Landsat 8 satellite imagery.

Next, to distinguish mangroves from other types of land use, image classification was

implemented in this analysis. Image classification is sorting process by grouping pixels in

several classes based on objective or category. Every pixel in each class is assumed to have

similar characteristics. The classification method used in this paper is the supervised

classification with the maximum likelihood classification [4].

Finally is the calculation of mangroves area during 5 years from 2015 to 2019. The

calculation is done using the method of calculate geometric. Calculate geometrically method is

an automatic calculation procedure on ArcMap based on the geometric shape or coordinate

system used in GIS data. In this analysis, raster data will be converted into vector data to

simplify the calculation of land cover change area from the image of the classification results.

This data conversion uses one of tool in ENVI software. Then, the area will be calculated by

using calculate geometric method contained in ArcMap 10.5 software.In the present study, we

used Landsat 8 satellite image database which has a resolution of 30-meter x 30 of the east

coast region of Surabaya from 2015 to 2019. The LANDSAT image data were downloaded

from the United States Geological Survey homepages for free (http://earthexplorer.usgs.gov).

Added, the high spatial resolution images, which were collected in 2015 and 2019 and derived

Zikra and Wardhani


from Google Earth, were used to validate the accuracy of the classification image. Data of this

study also supported by Digital Elevation Model and Geological Map of Surabaya. Added,

economic data, population density, ecological data, wave height and tidal data in the Surabaya

region are collected to support risk analysis model.

Fig. 2. Mangrove change analysis

Digita Shoreline Analysis System (DSAS)

In the analysis of shoreline changes, Digital Shoreline Analysis System (DSAS) was

used in this study. DSAS is a GIS-based system invented and developed by USGS (the United

States Geological Survey) [5,6,7]. Analysis of shoreline changes is done by three methods,

namely SCE (Shoreline Change Enelope), NSM (Net Shoreline Movement), and EPR (End

Point Rate). In this paper, the EPR was chosen the statistical parameters describing the spatial

patterns of shoreline change [7]. EPR measures mangrove shoreline change by calculating the

rate of shoreline change by dividing the distance of the mangrove shoreline between its initial

(year 2015) and the last position of shoreline (year 2019).

Coastal Erosion Risk Assessment (CERA)

CERA is a tool based on geographic information systems, so it can be used in GIS

software especially open source software like QGIS or it can be used on ArcGIS software [8].

CERA will help calculate vulnerability, consequences, and erosion risks that occur in an area by

entering all the main parameters of vulnerability data, namely distance to shoreline, topographic

maps, geological maps, geomorphological data, human activity data, waves, average tides, etc.

The CERA software will analyze the risk of erosion by looking at vulnerability

assessments and assessing the consequences of existing parameters. A vulnerability map, a

consequence map and a risk map are generated outputs from CERA [8].

In CERA, the risk assessment analysis is divided into 2 parts. First is the vulnerability

assessment which estimates qualitatively the level of vulnerability of a coastal area to coastal

erosion, where the assessment focuses on the physical characteristics of the coastal area and the

potential threat to erosion. Second is an assessment of the consequences of hazard events by

reviewing social, environmental, cultural and economic aspects in the work area.

The assessment parameters and weights in the CERA tools are given in Table 4. For

assessment weights on the consequence parameter classification tools are presented in Table 5.



Table 2. Classification of Vulnerability Level Parameters [10,11,12,13]

Parameters Very Low

(1)

Low

(2)

Moderate

(3)

High

(4)

Very High

(5)

Distance to coastline

(m) >1000 200-1000 50-200 20-50 < 20

Topography (m) >30 20-30 10-20 5-10 <5

Geology Igneous rock Metamorphic

rocks

Sedimentary

rocks

Coarse-textured

sediment

Fine textured

sediments

Geomorphology mountains Rocky cliffs

The eroded

cliffs that

extend along the beach

Beach tourism, plain fluvio

marin

Sand dunes, river mouths,

estuaries

Land cover forest Agricultural

crops Open field

Rural

settlement

Urban

settlements, industrial areas

Anthropogenic

action

Coastal

stabilization interventions

Intervention

without

reduction of sediment

sources

Intervention

with reduction

of sediment

sources

Without

intervention or

reduction of sediment

sources

Without

intervention,

there is a

reduction in

sediment sources

Maximum

significant wave height (m)

<3 3-5 5-6 6-6.9 >6.9

The maximum

distance of tides (m) <1 1-2 2-4 4-6 >6

Average level of

beach erosion / accretion (m/tahun)

>0 (accretion) (-1) – 0

(erosion)

(-3) – (-1)

(erosion)

(-5) – (-3)

(erosion) < (-5) (erosion)

Table 3. Classification of the Level of Consequences [14, 15].

Parameters Very low

(1)

Low

(2)

Moderate

(3)

High

(4)

Very High

(5)

Population density

(people/ km2) 500 500-1000 1000-2000 2000-4000 >4000

Economic Level (number of workers)

0 0-10 10-30 30-50 >50

Ekology

Not an

ecological protection

area

Strategic

agricultural

area

Ecological

conservation

area

Ecological protected area

National Parks

Historic Site Not a historic site

There are

several historic

constructions

There are historic

constructions

and community activities therein

Regional-level

historic

construction

National Monument

The risk assessment matrix is as follows:

Table 4. Matrix of erosion risk assessment using CERA [14].

The consequences

I II III IV V

Vu

lnera

bil

ity

I I I I II III

II I I II III IV

III I II III IV V

IV II III IV V V

V III IV V V V

Zikra and Wardhani


At the analysis stage using CERA, data from each parameter are classified according to

table 4-5, respectively. The data used is data collected from various sources. Furthermore, all

parameters are inputted in the CERA tools for raster map operations according to the weight

calculation algorithm presented by CERA.

Results and discussion

Mangrove and Coastline Change

Figure 3 present the distribution of mangrove area in Surabaya east coast during 2015-

2019. Figure 4 present change in mangrove area based on Google Earth satellite during 2010-

2019. After the results of the digitization process are formed, the mangrove area is calculated

using the image processing software that produces the data in Table 2 as follows:

Table 5. Total Area of Mangrove for 2015-2019

No Year Area (Ha)

1 2015 475,40

2 2016 496,96

3 2017 490,04 4 2018 555,60

5 2019 609,88

Based on field survey [9], mangrove type in the study area are dominated by several

species, including Rhizophora sp., Avicennia sp., Exoecaria sp., Sonneratia sp., Xylocarpus sp.

and Bruguiera sp. as shown in Figure 5 below.

(a) (b)



(c) (d)

Fig. 3. Figures of mangrove area distribution; (a) 2015 to 2016; (b) 2016 to 2017; (c) 2017 to 2018; (d) 2018 to

2019.

(a) (b) (c)

Fig. 4. Figures of change in mangrove area; (a) 2010; (b) 2015; (c) 2019.

Table 6. Total Area of Mangrove for Every District

No District 2015 (Ha) 2016 (Ha) 2017 (Ha) 2018 (Ha) 2019 (Ha)

1 Kenjeran 25.28 35.41 32.59 38.38 44.77 2 Bulak 68.47 49.62 25.85 36.14 61.62

3 Mulyorejo 232.52 248.64 268.12 289.69 293.6

4 Sukolilo 62.54 71.53 71.15 96.05 111.46 5 Wonorejo 62.88 66.32 62.18 69.4 72.64

6 Gunung Anyar 23.65 25.43 22.16 25.93 25.8

Table 7. Shoreline Changes for Every District

No District 2015 (m) 2016 (m) 2017 (m) 2018 (m) 2019 (m)

1 Kenjeran - 46.72 24.4 27.83 29.4

2 Bulak - 36.16 33.98 27.61 31.85 3 Mulyorejo - 33.3 36.53 68.96 99.84

4 Sukolilo - 61.54 14.81 29.18 41.05

5 Wonorejo - 45.37 18.55 25.56 32.91 6 Gunung Anyar - 38.41 18.35 21.2 21.22

Zikra and Wardhani


Fig. 5. Mangrove species in eastern Surabaya

(a) (b)

(c) (d)



(e) (f)

Fig. 6. Changes in Coastline and Mangrove in eastern Surabaya; (a) Kenjeran; (b) Bulak; (c) Mulyorejo; (d) Sukolilo;

(e) Rungkut; (f) Gunung Anyar.

The results of changes in coastline and mangrove area in Surabaya east coast from 2015

to 2019 can be seen in Figure 6. In Figure 6, it can be seen that the change in coastline is in line

or have similar trend with the change in mangrove area. If mangrove area is decrease, the

shoreline also will be retreat.

Mostly, in every district such as Kenjeran, Sukolilo, Rungkut and Gunung Anyar, the

mangrove area was a decrease in 2017. In the next following year, the area was increasing

again. Logging activies from local fisherman is thought to have caused this decline

But in Mulyorejo, mangrove in this area increase every year. Based on the field

investigation, in this region there are mangrove planting activities were carried out by many

communities in large or small scale group. So it can be assumed that this can affect the addition

of mangroves area at all times. Added, start 2017, the mangrove area in every district in east

coast Surabaya was become an eco-tourism area and botanical garden.

Based on the analysis of the net shoreline movement on the East Coast of Surabaya

using DSAS software, it is known that from 2015-2019 the largest progression was 677.64 m,

which was known to be in the Mulyorejo district and the largest setback was 36.76 m which

was known to be at Sukolilo district. Overall, along the East Coast of Surabaya, the average

coastline progress has been 27.79 m.

Vulnerability Analysis

The data in the analysis of vulnerability levels are first classified based on predetermined

classification rules. Furthermore, all parameters can be input into the CERA application. The

following parameters are used in the analysis of vulnerability levels.

Based on the results of data from the Geospatial Information Agency it is known that the

highest tide distance in the East Coast of Surabaya is 2,367 m in Kenjeran sub-district, 2,367 in

Bulak sub-district, 2,686 m in Mulyerojo sub-district, 2,705 in Sukolilo sub-district, 2,716 in

Rungkut sub-district, and 2,705 in Gunung sub-district Anyar. The maximum wave height on

the east coast of Surabaya is included in the very low category because the average wave height

is 0.16 m. Wave height data was obtained from the Geospatial Information Agency during

2015-2019 in the east coast region of Surabaya.

Zikra and Wardhani


Topographic characteristics or land elevation in the East Coast region of Surabaya have

the same characteristics because it has a land height of 2 m. Topographic altitude data were

obtained from the Digital Elevation Model from the Shuttle Radar Topography Mission

website. Based on the analysis of shoreline changes through DSAS software, it is known that in

the east coast of Surabaya it has an erosion rate of> 5 m in each district. In general, the east

coast of Surabaya is dominated by urbanization in the Kenjeran sub-district and Bulak sub-

district. For the districts of Mulyorejo, Sukolilo, Rungkut, and Gunung Anyar are forest/pond

areas. Land cover data can be seen from Google Earth.

Anthropogenic actions are actions in an effort to reduce the level of erosion and beach

accretion. Google earth from Kenjeran and Bulak sub-districts is a coastline stabilization

intervention area, but for Mulyorejo sub-district, Sukolilo sub-district, Rungkut sub-district, and

Gunung Anyar sub-district are areas without intervention or reduction of sediment sources.

The distance to the coastline is calculated by drawing a line in the study area to the

coastline using the Google Earth software. From the analysis results it is known that parameters

of the coastline are classified as very low.

In general, the Surabaya east coast region is an area detected as land with fine sediments

based on geological maps in Indonesia. Therefore, the geology of the research area is classified

as very high. In geomorphological parameters, the study area has a different classification. In

Kenjeran and Bulak sub-districts are areas directly adjacent to the coast, while the sub-districts

of Mulyorejo, Sukolilo, Rungkut and Gunung Anyar do not directly border the coast.

Based on the results of the vulnerability level analysis as shown in Figure 7 (left), it was

found that the zones with a medium level of vulnerability in the Mulyorejo sub-district,

Sukolilo sub-district, Rungkut sub-district, and Gunung Anyar sub-district. Whereas in

Kenjeran and Bulak sub-districts they have a high level of vulnerability.

Consequence Analysis

The level of consequences is based on the estimated impact caused by erosion hazards in

the Surabaya east coast region. The more important an area will be marked by population

density, the distribution of ecological zones, the distribution of historic buildings, and economic

level activities, the area has consequences for coastal erosion that will occur because it will

affect the economic, social, and environmental structure in the region. The following

parameters are used in assessing the level of consequences for coastal erosion in the east coast

of Surabaya.

The economic level is measured based on the number of workers in a unit of land or in

this analysis is the district area. Therefore, all sub-districts are classified as very high economic

levels because they have an economic level of more than 480 workers/sub-districts. Where in

Kenjeran sub-district has 2400 workers, in Bulak sub-district has 2276 workers, in Mulyorejo

sub-district has 524 workers, in Sukolilo sub-district has 1172 workers, in Rungkut sub-district

has 9272 workers, and in Gunung Anyar sub-district has 9369 workers. All data are obtained

from data from BPS Surabaya City in 2018.

The level of population density is generally classified as very high in each district on the

East Coast of Surabaya because the population is more than 1000 people. It is known from BPS

data that in Kenjeran sub-district there are 21,034 inhabitants, in Bulak sub-district there are

5538 inhabitants, in Mulyorejo sub-district there are 6666 inhabitants, in Sukolilo sub-district

there are 5062 residents, in Rungkut sub-district there are 5744 residents, and in Anyar sub-

district there are 6398 residents.



High classified historical sites are found in Kenjeran sub-district, namely the Kedung

Cowek Fortress historic building. In addition, in other districts classified as very low because

there are no historic sites.

Ecological zone protection areas based on the Surabaya BLH [16] document show that

in Rungkut sub-district are classified as high because the ecological protection area, in Kenjeran

sub-district, Sukolilo is classified high because there are ponds and beaches, and in Mulyorejo

sub-district and Gunung Anyar sub-district classified as very high due to natural zones.

Based on the analysis results as presented in Figure 7 (middle), it is known that the

consequence level map has a different value distribution from the level of vulnerability because

in this analysis has different parameters and different weights. The level of secondary

consequences is found in the districts of Bulak, Sukolilo and Rungkut. Whereas the high level

of consequences is found in Mulyorejo and Gunung Anyar sub-districts. High levels of

consequence are found in Kenjeran sub-district.

Risk Analysis

Risk level analysis is the relationship between the results of the analysis of the level of

vulnerability and analysis of the level of consequences to erosion in the study area. This

analysis relationship is arranged in a matrix in the previous erosion matrix table. From the

results of this analysis is the final result of the erosion risk assessment in the east coast of

Surabaya and it will be seen that the zone or district that has a high level of erosion risk requires

special attention by making it a priority area for erosion risk management.

Based on the analysis it can be seen that the level of risk of middle class erosion erosion

is found in Mulyorejo sub-district, in Sukolilo sub-district, in Rungkut sub-district, and Gunung

Anyar sub-district as seen in Figure 7 (right). Whereas the high classified areas are in Kenjeran

sub-district and Bulak sub-district. High risk assessment in Kenjeran and Bulak Districts is due

to the geomorphological parameters of the tourist beach area, land cover is rural settlements that

have a very high population density, has historic construction and has a natural mangrove area

so it does not have special treatment programs by the local government.

(a) (b) (c)

Fig. 7. Map Results; (a) vulnerability; (b) consequences; (c) risk.

Zikra and Wardhani


Conclusions

Based on the analysis it is known that the extent of mangroves in the period of 2015-

2019 has changed every year which affects changes in coastline in the study area. From 2015-

2016 there was an increase in mangrove area, but there was a decrease in mangrove area in

2017 and again experiencing mangrove area expansion in 2018 and 2019 in the east coast

region of Surabaya.

Based on the analysis using CERA, the level of vulnerability and consequence indicate

that the Kenjeran sub-district and the Bulak sub-district have a high risk of erosion. This

condition is not only based on the extent of mangroves, but is also influenced by the parameters

of vulnerability and consequences used in the analysis.

Acknowledgments

The authors are grateful to RISTEK BRIN and DRPM ITS for supporting this project. This

research was funded by grant number 925/PKS/ITS/2020.

References

[1] Asokan, P. K. Mangroves and its importance to Fisheries. ISO 690, 2012.

[2] Aryanti, O. D. Report on Field Study of the Wonorejo Mangrove Area Surabaya,

Surabaya: Department of Regional and City Planning, FTSP, Institut Teknologi Sepuluh

November, 2016.

[3] Syamsu, I. F.; Nugraha, A. Z.; Nugraheni, C. T.; and Wahwakhi, D. S. Study of Land Cover

Change in Mangrove Ecosystems in East Coast of Surabaya. Conservation Media 2018,

Vol. 23 No. 2, (pp. 122-131).

[4] McLachlan G. Discriminant Analysis and Statistical Pattern Recognition. New York:

Wiley, 1991.

[5] Thieler ER., and Danforth WW. Historical shoreline mapping (1) Improving techniques and

reducing positioning errors. Journal of Coastal Research 1994a, 10, (pp. 549-563).

[6] Thieler ER., and Danforth WW. Historical shoreline mapping (II) Application of the Digital

Shoreline Mapping and Analysis Systems (DSMS/DSAS) to shoreline change mapping in

Puerto Rico. Journal of Coastal Research 1994b, 10(3), (pp. 600-620).

[7] Thieler, E.R.; Himmelstoss E.A.; Zichichi J.L.; Ergul A. Digital Shoreline Analysis

System (DSAS) version 4.0 - An ArcGIS extension for calculating shoreline change.

U.S. Geological Survey Open-File Report, 2009, 2008-1278

[8] Pedro Narra, C. C. S. S. J. P. CERA: An open source tool for coastal erosion risk

assessment. Ocean & Coastal Management, 2017, (pp. 1-14).

[9] A. K. Wardhani and M. Zikra, 2020, Analysis of mangrove forest changes as a natural

beach protection in Surabaya, East Java Indonesia, IOP Conf. Series: Earth and

Environmental Science 530, 2020 doi:10.1088/1755-1315/530/1/012023



[10] Gornitz, V. Global coastal hazards from future sea level rise. Palaeogeography,

Palaeoclimatology. Palaeoecology 1991, Vol. 89 No. 4, (pp. 379-398).

[11] Bryan, B.; Harvey, N.; Belperio, T. and Bourman, B. Distributed process modeling for

regional assessment of coastal vulnerability to sea-level rise. Environmental Modeling

and Assessment 2001, Vol. 6 No. 1, (pp. 57-65).

[12] Domínguez, L.; Anfuso, G. and Gracia, F.J, Vulnerability assessment of a retreating Coast

in SW Spain. Environmental Geology 2005, Vol. 47 No. 8, (pp. 1037-1044).

[13] Coelho, C.; Veloso, R.S.F. and Pinto, F.T. Modelos de previsão da evolução da

configuração costeira risk evaluation: predictive models of coastal configuration

evolution, 1as Jornadas de Hidráulica, Recursos Hídricos e Ambiente 2006, Porto, (pp.

17-25).

[14] Coelho, C. Riscos de Exposiç~ao de Frentes Urbanas para Diferentes Intervenç~oes de

Defesa Costeira. Doctoral Thesis, Universidade de Aveiro, 2005.

[15] Coelho, C.; Arede, C. Methodology to classify exposure risk to wave actions in the

northwest coast of Portugal. In: Medcoast 09 9th Int. Conf. Mediterr 2009. Coast.

Environ, (pp. 813-824).

[16] Surabaya Environmental Service, Mangrove Vegetation Analysis Survey Report

Surabaya City. Surabaya: Surabaya City Government, 2018

______________________________________ Received: November 04, 2020 Accepted: August 24, 2019

LAPORAN AKHIR PENELITIAN PASCASARJANA DANA ITS 2020

Documents

Transcript of LAPORAN AKHIR PENELITIAN PASCASARJANA DANA ITS 2020