Sensor Tinggi Air Sungai: Inovasi Lokal untuk Peringatan Dini Banjir yang Efektif

Membangun Sistem Peringatan Murah, Cepat, dan Andal dari Komunitas untuk Komunitas

Banjir telah lama menjadi mimpi buruk tahunan di banyak negara tropis, termasuk Filipina. Tak hanya memporak-porandakan rumah dan infrastruktur, tapi juga merenggut ribuan nyawa setiap dekade. Di tengah keterbatasan teknologi mahal dan akses sistem peringatan dini berbasis radar atau satelit, sekelompok peneliti dari Cebu Normal University menggagas sesuatu yang sederhana, murah, dan tepat guna: sistem sensor tinggi air sungai berbasis konduktivitas udara.

Penelitian ini bukan hanya contoh sains terapan berbasis komunitas, tetapi juga bukti bahwa teknologi tidak harus rumit untuk menyelamatkan nyawa. Artikel ini mengupas secara kritis ide, metode, hasil, dan potensi dari penelitian tersebut dengan membandingkannya dengan pendekatan global serta kebutuhan nyata di lapangan.

Latar Belakang: Krisis Banjir dan Kekosongan Sistem Peringatan

Filipina, seperti Indonesia, berada di jalur topan dan memiliki ratusan DAS (daerah aliran sungai) aktif. Data tahun 1990–2014 menunjukkan bahwa hampir 32% bencana alam di negara ini disebabkan oleh banjir, dengan tingkat kematian sebesar 5,9%. Meskipun ada badan seperti PAGASA yang menyediakan informasi cuaca dan peta bahaya, masih banyak wilayah yang tidak memiliki sistem real-time untuk memperingatkan warga sebelum air sungai meluap.

Sebagian besar pendekatan masih bersifat struktural, seperti bendungan atau drainase. Namun, seperti saran Bank Dunia, solusi informasi teknologi berbasis non-struktural justru lebih fleksibel dan murah untuk diterapkan di daerah padat penduduk.

Ide Dasar: Sensor Air Sungai Berbasis Konduktivitas

Konsep alat yang dikembangkan peneliti cukup sederhana namun cerdas: air sungai mengandung ion-ion yang membuatnya lebih konduktif dibandingkan air bersih (air keran). Saat udara menyentuh kabel terbuka pada alat, arus listrik mengalir dan membunyikan alarm dengan tingkat kekuatan yang berbeda sesuai ketinggian udara.

Tiga tingkat peringatan disusun berdasarkan tinggi udara terhadap permukaan sungai:

• Level 1 (Waspada): 2 meter di bawah bibir sungai.
• Level 2 (Siaga): 1 meter di bawah permukaan sungai.
• Level 3 (Awas): Udara sudah menyentuh permukaan—banjir sangat mungkin terjadi.

Setiap level mengaktifkan buzzer berbeda yang membunyikan suara dengan volume meningkat. Sistem ini tidak bergantung pada internet atau daya listrik permanen, cukup baterai dan komponen dasar kelistrikan.

Eksperimen: Mungkinkah Efektif Alat Ini?

Peneliti menguji alat di miniatur lingkungan yang meniru komunitas nyata dan mengisi aliran air dari tiga sungai utama di Cebu: Butuanon, Cubacub, dan Cansaga. Air keran digunakan sebagai pembanding (kontrol).

Beberapa parameter utama yang diuji:

• Tingkat kenaikan suara buzzer saat udara menyentuh sensor.
• Jarak dengar dari 5 m, 10 m, hingga 20 m.
• Efektivitas latar suara 60 dBA , menyerupai kondisi kota saat hujan.

Hasil Menarik:

1. Air menghasilkan suara alarm sungai lebih keras dibandingkan air keran.
   • Sungai Cubacub memberikan hasil paling signifikan dengan kenaikan 25,5 dBA pada level tertinggi.
2. Semakin tinggi tingkat banjir, semakin keras bel berbunyi.
   • Level 3 (Awas) mencapai 85–88 dBA pada jarak 5 meter, cukup untuk membangun seluruh lingkungan.
3. Daya dengar menurun secara signifikan ketika jarak diperbesar.
   • Pada jarak 20 m, penurunan mencapai 8–9 dBA. Meski masih terdengar, perlunya penguatan suara untuk wilayah yang lebih luas.

Hasil statistik menunjukkan bahwa alat bekerja lebih baik di air sungai karena ion dan konduktivitasnya jauh lebih tinggi dibandingkan air bersih biasa.

Nilai Tambah: Inovasi Murah dengan Potensi Luas

Keunggulan:

• Biaya sangat murah. Semua komponen bisa dibeli di toko elektronik lokal.
• Bisa dirakit oleh komunitas. Tidak membutuhkan teknisi atau insinyur untuk instalasi.
• Tidak tergantung sinyal atau listrik PLN. Ideal untuk desa terpencil.

Tantangan:

• Belum diuji dalam kondisi cuaca ekstrem nyata. Studi ini berbasis simulasi di lingkungan miniatur.
• Tingkat keawetan alat belum diketahui. Khususnya di udara berlumpur atau banjir besar.
• Belum ada integrasi ke sistem komunikasi darurat. Saat ini hanya berbasis suara lokal.

Studi Banding: Apakah Konsep Serupa Pernah Diterapkan?

Di negara-negara maju, sistem peringatan banjir perlu mengandalkan radar hujan, satelit, dan sensor otomatis berbasis IoT. Contohnya:

• Jerman dan Belanda menggunakan deteksi dini banjir yang terintegrasi dengan aplikasi warga.
• Bangladesh memanfaatkan radio komunitas untuk menyebarkan peringatan saat sungai naik.
• India mengembangkan sensor berbasis Arduino untuk sekolah dan desa rawan banjir.

Namun, semua itu relatif mahal dan membutuhkan jaringan. Alat yang dikembangkan dari tim Cebu memiliki keunggulan: sistem lokal, offline, murah, dan langsung dirasakan manfaatnya oleh masyarakat sekitar.

Dampak Sosial dan Potensi Replikasi

Dengan alat ini, masyarakat tak lagi hanya menjadi korban pasif. Mereka bisa membangun, menginstal, dan merespons peringatan dari lingkungan mereka sendiri.

Lebih dari itu, alat ini bisa menjadi sarana edukasi STEM (Science, Technology, Engineering, and Math) bagi pelajar dan komunitas. Penelitian ini bahkan menyarankan agar alat seperti ini dimasukkan ke dalam program bencana pelatihan atau kurikulum sains sekolah.

Rekomendasi untuk Implementasi Nyata

1. Uji lapangan di wilayah banjir musiman. Seperti Jakarta Utara, Samarinda, atau pesisir Bengawan Solo.
2. Integrasi dengan aplikasi lokal. Gunakan modul Wi-Fi atau SMS gateway agar sinyal peringatan dapat menjangkau HP warga.
3. Peningkatan daya suara. Tambahkan megafon kecil atau pengerasan suara terarah untuk mencakup radius lebih besar.
4. Pendidikan komunitas. Ajak masyarakat merakit alat sendiri agar rasa kepemilikannya meningkat.
5. Dukung dengan kebijakan lokal. Pemerintah desa dapat mengalokasikan dana darurat untuk instalasi alat ini di titik rawan banjir.

Kesimpulan: Teknologi Rendah, Dampak Tinggi

Penelitian ini menunjukkan bahwa inovasi tidak selalu datang dari laboratorium mahal atau institusi besar. Kadang-kadang, solusi yang paling berdampak justru lahir dari eksploitasi lokal dan kreativitas komunitas. Alat deteksi banjir berbasis sensor air sungai ini layak mendapat perhatian lebih besar karena menawarkan:

• Solusi nyata untuk persoalan tahunan.
• Cara sederhana memahami sains dan teknologi.
• Jembatan antara komunitas dan kesiapsiagaan bencana.

Jika dikembangkan lebih lanjut, bukan tidak mungkin alat ini menjadi standar baru peringatan banjir di negara-negara berkembang, termasuk Indonesia.

Referensi (Gaya APA)

Callanga, C., Alegrado, CA, Hurano, K., Tenio, GS, Velarde, P., & Galon, CMV (2020). Sensor ketinggian air sungai sebagai sistem peringatan banjir sungai. Jurnal Internasional Ilmu Fisika, 15 (4), 138–150.

Transformasi prakiraan Cuaca dari Informasi ke Aksi

Ketika Jakarta diterpa hujan lebat, berita tentang banjir dan ribuan warga terdampak nyaris menjadi rutinitas musiman. Meskipun Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) secara rutin merilis prakiraan cuaca, sering kali informasi tersebut gagal diterjemahkan menjadi tindakan nyata di lapangan. Di sini Impact-Based Forecast (IBF) menawarkan sebuah pendekatan revolusioner: alih-alih sekedar menceritakan bahwa "akan hujan", IBF menyampaikan "apa dampaknya" dan "apa yang harus dilakukan".

Penelitian Younggy HM Hutabarat yang dimuat dalam Jurnal Widya Climago (2020) merupakan salah satu tonggak awal pengembangan sistem IBF di Indonesia. Fokusnya adalah Jakarta, kota megapolitan yang setiap musim hujan selalu menghadapi risiko banjir dengan skala yang kompleks dan variatif.

Mengapa Prakiraan Berbasis Dampak Penting bagi Jakarta?

Jakarta bukan hanya pusat pemerintahan dan perekonomian, tetapi juga wilayah dengan tingkat kerentanan bencana yang sangat tinggi. Sekitar 40% dari total wilayah Jakarta berada di bawah permukaan laut. Selain itu, topografi yang datar, aliran 13 sungai, dan pesatnya pembangunan membantu daya resap tanah dan memperbesar potensi banjir.

Badan Nasional Penanggulangan Bencana (BNPB) mencatat bahwa lebih dari 95% bencana di Indonesia adalah bencana hidrometeorologi—banjir, longsor, dan badai. Di Jakarta sendiri, pada tahun 2015–2019, terjadi lebih dari 100 kejadian banjir yang menimpa hampir 100.000 warga. Fakta ini menunjukkan bahwa hanya mengandalkan prakiraan konvensional tidak cukup. Masyarakat membutuhkan informasi yang bisa langsung diterjemahkan menjadi tindakan preventif .

Dari ramalan Konvensional ke Sistem Berbasis Dampak

prakiraan cuaca biasanya menyebutkan intensitas hujan, kecepatan angin, atau suhu udara. Namun, masyarakat umum—apalagi di wilayah tropis seperti Indonesia—sering mengabaikannya karena informasi ini terasa terlalu teknis dan tidak relevan secara langsung.

Model Impact-Based Forecast mengubah pendekatan tersebut. Informasi cuaca kini dikaitkan dengan:

• Skala dampak : mulai dari dampak minimal, minor, signifikan, hingga parah.
• Tingkat kemungkinan terjadinya (likelihood) : sangat rendah, rendah, sedang, dan tinggi.

Melalui matriks ini, informasi prakiraan tidak lagi hanya disampaikan sebagai kemungkinan hujan, tetapi juga risiko yang ditimbulkan dan langkah antisipatif yang harus dilakukan.

Pendekatan Penelitian: Data, Model, dan Matriks Risiko

Penelitian ini menggunakan tiga sumber utama:

1. Data banjir Jakarta 2015–2019 : Untuk mengidentifikasi pola dan intensitas kejadian banjir.
2. Prakiraan data dari model GFS (Global Forecast System) : Dengan resolusi 0,25° × 0,25°, digunakan untuk memprediksi parameter atmosfer hingga tiga hari ke depan.
3. Matriks dampak dan respon dari BNPB : Digunakan untuk mengklasifikasikan dampak banjir dan menentukan strategi respon.

Dengan kombinasi ketiganya, peneliti melakukan analisis komposit atas lima parameter cuaca yang dianggap berpengaruh terhadap banjir:

• Curah hujan
• Kelembapan relatif (RH)
• Suhu udara
• CAPE (Energi Potensial Konvektif yang Tersedia)
• Kecepatan vertikal (gerakan udara vertikal)

Temuan Utama: Ketika Hujan Bukan Lagi Satu-satunya Penentu

Salah satu temuan menarik dari penelitian ini adalah bahwa hujan—meskipun menjadi penyebab utama banjir—ternyata bukan satu-satunya indikator paling andal dalam model GFS . Model ini justru menunjukkan prediksi yang lebih stabil dan akurat untuk parameter lain seperti kelembapan dan suhu udara.

Hasil Utama:

• Curah hujan hanya memiliki probabilitas 20–25% untuk memprediksi banjir, tergolong kemungkinan sangat rendah .
• RH dan suhu memiliki probabilitas 50–55%, termasuk dalam kemungkinan rendah .
• CAPE berada di kisaran 43–45%, juga dalam kategori kemungkinan rendah .
• Kecepatan vertikal sekitar 35–38%, masuk kemungkinan rendah .

Artinya, model GFS lebih baik dalam menggambarkan kondisi atmosfer seperti kelembapan dan energi konvektif daripada hujan langsung. Hal ini membuka kemungkinan untuk menggunakan kombinasi variabel sebagai prekursor banjir yang lebih efektif daripada hanya mengandalkan hujan saja.

Dampak Praktis: Integrasi IBF dalam Kebijakan dan Sistem Peringatan

Informasi dari IBF tidak hanya bersifat teknis, tetapi diarahkan untuk bisa langsung dimanfaatkan oleh masyarakat dan pemangku kepentingan. Dalam IBF, setiap kombinasi antara tingkat dampak dan probabilitas kejadian akan menghasilkan peringatan berwarna :

• Hijau : tidak ada peringatan
• Kuning : waspada
• Oranye : waspada
• Merah : awas

Misalnya, meskipun curah hujan diprediksi kemungkinannya rendah, namun bila dampaknya parah (parah), sistem tetap dapat mengeluarkan peringatan oranye atau merah. Inilah yang membedakan IBF dari sistem prakiraan biasa— risiko yang ditentukan bukan hanya dari kemungkinan kejadian, tapi juga besarnya dampak yang bisa terjadi.

Inovasi yang Disarankan: Aplikasi Mobile IBF

Dalam penutup studinya, Hutabarat mengusulkan agar hasil prakiraan IBF disampaikan dalam aplikasi mobile . Ini bukan sekadar ide visual, tetapi usulan strategi agar masyarakat bisa menerima peringatan berbasis dampak langsung di ponsel pintar mereka. Dengan demikian, tindakan preventif bisa dilakukan lebih cepat, bahkan sebelum banjir terjadi.

Aplikasi semacam ini idealnya memuat:

• Peta risiko banjir berbasis IBF
• Tingkat peringatan berdasarkan warna
• Rekomendasi tindakan sesuai skenario dampak
• Notifikasi real-time ketika situasi memburuk

Perbandingan Internasional: Belajar dari Karibia hingga Bangladesh

Indonesia bukan satu-satunya negara yang mulai mengadopsi IBF. Studi internasional menunjukkan hasil yang serupa:

• Karibia menggunakan Platform Dewetra Karibia , yang memadukan data sosial-ekonomi, kerentanan, dan risiko meteorologi.
• Nepal dan Bangladesh mengembangkan sistem peringatan warna-warni dengan rekomendasi perilaku spesifik bagi masyarakat.
• Kenya fokus pada penguatan tindakan berbasis perkiraan untuk meminimalkan kerusakan banjir.

Dari sini dapat disimpulkan bahwa keberhasilan IBF sangat bergantung pada:

• Kolaborasi antar lembaga: BMKG, BNPB, BPBD, dan dinas teknis lainnya.
• Penguatan pendidikan masyarakat.
• Integrasi data spasial dan historis untuk prediksi berbasis dampak yang lebih akurat.

Kritik dan Saran Pengembangan

Penelitian ini menjadi pionir penting, namun ada beberapa hal yang bisa menjadi perhatian untuk pengembangan selanjutnya:

1. Model GFS belum optimal untuk prediksi hujan tropis
   memerlukan integrasi dengan model lokal seperti WRF atau Himawari yang lebih sensitif terhadap pola hujan mikro di Indonesia.
2. Data bencana masih terbatas di Jakarta
   Perlunya ekspansi riset IBF ke kota-kota lain yang rawan banjir seperti Surabaya, Medan, dan Makassar agar lebih representatif secara nasional.
3. Belum menguji faktor sosial-ekonomi secara langsung
   Meskipun dampak dibagi ke dalam tingkat empat, penelitian ini belum secara eksplisit mempertimbangkan variabel sosial seperti kepadatan penduduk atau tingkat kemiskinan yang sangat mempengaruhi risiko banjir.
4. Belum ada validasi terhadap tindakan nyata
   Keberhasilan IBF idealnya diukur dari berapa banyak korban atau kerugian yang bisa dikurangi berkat peringatan dini—dan ini memerlukan studi jangka panjang.

Kesimpulan: Prakiraan Cuaca yang Menggerakkan Tindakan

Prakiraan Berbasis Dampak bukan sekadar evolusi dari sistem informasi cuaca, tapi revolusi dalam mitigasi bencana . Jakarta sebagai kota dengan kompleksitas perkotaan dan risiko hidrometeorologi tinggi memerlukan pendekatan seperti ini untuk menanggulangi dampak banjir yang semakin tidak terduga akibat perubahan iklim.

Penelitian Younggy HM Hutabarat berhasil mengangkat potensi IBF secara ilmiah dan praktis, sekaligus membuka ruang untuk pengembangan sistem prediksi yang lebih cerdas, tanggap, dan proaktif.

Jika prakiraan cuaca bisa diterjemahkan menjadi keputusan yang cepat dan tepat, maka kita telah melangkah satu langkah lebih dekat menuju kota yang benar-benar tangguh menghadapi bencana.

Referensi

Hutabarat, YHM (2020). Pengembangan sistem informasi prakiraan cuaca berbasis dampak menggunakan model prakiraan cuaca numerik untuk wilayah Jakarta. Jurnal Widya Climago, 2 (2), 56–68.

Pendahuluan

Dalam dunia kelistrikan modern yang semakin kompleks, keandalan distribusi daya listrik menjadi prioritas utama. Operator sistem distribusi (DSO) kini dituntut untuk tidak hanya menjaga kontinuitas suplai, tetapi juga menekan biaya operasional melalui strategi pemeliharaan yang lebih cerdas dan efisien. Di tengah tantangan ini, tesis Johan Setréus bertajuk Development of a Simulation Module for the Reliability Computer Program RADPOW (KTH Royal Institute of Technology, 2006), memberikan kontribusi besar dengan mengembangkan modul simulasi berbasis Monte Carlo Simulation (MCS) dalam program RADPOW.

Apa Itu RADPOW dan Mengapa Penting?

RADPOW merupakan perangkat lunak yang dikembangkan untuk menilai keandalan sistem distribusi listrik secara kuantitatif. Sebelum pengembangan oleh Setréus, RADPOW hanya mengandalkan pendekatan analitis. Meskipun pendekatan ini cepat dan efisien untuk sistem sederhana, ia kurang mampu menangkap kompleksitas dan dinamika pada jaringan besar dengan banyak komponen yang saling terhubung.

Kebutuhan akan Simulasi

Pendekatan berbasis Monte Carlo memungkinkan dilakukannya eksperimen virtual yang mengacak kemungkinan gangguan (failure) untuk mengukur dampak aktualnya pada sistem secara statistik. Inilah kekuatan utama MCS: mengubah keandalan sistem dari nilai deterministik menjadi distribusi probabilistik.

Tujuan Penelitian

Tesis ini memiliki tiga kontribusi utama:

1. Membuat antarmuka grafis berbasis Windows untuk RADPOW.
2. Mengembangkan rutin analisis sensitivitas berbasis input acak.
3. Mengimplementasikan modul simulasi Monte Carlo dalam RADPOW sebagai modul mandiri bernama "Sim".

Metodologi dan Validasi

Setréus membandingkan hasil dari tiga pendekatan:

• Evaluasi analitik RADPOW versi lama.
• Evaluasi sensitivitas berbasis input acak.
• Simulasi Monte Carlo melalui modul Sim.

Sistem Uji:

Dua sistem digunakan untuk validasi:

• Test System 1: Jaringan sederhana dengan dua load points.
• Sistem Birka: Sistem nyata yang lebih kompleks.

Hasil simulasi dibandingkan dengan perangkat lunak komersial NEPLAN, dan hasilnya sangat konsisten.

Konsep Kunci dalam Simulasi Keandalan

Definisi Umum:

• Reliability (R(t)): Probabilitas komponen tetap berfungsi hingga waktu t.
• Failure Rate (\lambda(t)): Laju kegagalan per satuan waktu.
• MTTF: Mean Time To Failure.

Model Distribusi:

• Distribusi Eksponensial: Cocok untuk estimasi waktu hidup komponen.
• Distribusi Normal: Digunakan untuk parameter tak pasti.

Indeks Keandalan:

• SAIFI, SAIDI, CAIDI, AENS, ASAI: Mengukur frekuensi, durasi, dan energi yang hilang akibat gangguan.

Keunggulan Pendekatan Simulasi

Berbeda dengan perhitungan deterministik, metode simulasi memungkinkan:

• Memasukkan ketidakpastian waktu gangguan dan waktu pemulihan.
• Menyusun skenario realistis untuk perencanaan pemeliharaan preventif.
• Mengetahui kontribusi individual komponen terhadap total gangguan.

Analogi Nyata:

Bayangkan menguji 10.000 skenario kegagalan di jaringan PLN Jakarta secara digital, lalu melihat berapa banyak pelanggan yang terdampak, berapa jam blackout terjadi, dan bagaimana variasinya. Pendekatan seperti inilah yang disimulasikan oleh RADPOW versi Sim.

Studi Kasus: Test System 1

Salah satu ilustrasi dalam tesis adalah sistem uji sederhana dengan dua skenario:

• 1a: Disconnector dalam keadaan terbuka.
• 1b: Disconnector tertutup.

Dengan mensimulasikan berbagai kejadian, seperti gangguan aktif (misalnya sambaran petir) atau pasif (misalnya kesalahan perangkat lunak), sistem menunjukkan dampak kegagalan dalam hal jam gangguan dan jumlah pelanggan yang terpengaruh. Misalnya:

• Gangguan permanen karena kesalahan pasif pada breaker menyebabkan gangguan 6 jam.
• Gangguan sementara akibat overloading bisa dipulihkan hanya dalam 1 jam.

Hasil Simulasi dan Akurasi

Setelah mengimplementasikan metode Monte Carlo di modul Sim RADPOW, dilakukan perbandingan hasil dengan versi analitik dan perangkat NEPLAN.

Temuan Kunci:

• Akurasi tinggi: Hasil simulasi sangat mendekati pendekatan analitik.
• Fleksibilitas lebih tinggi: Simulasi memungkinkan skenario rumit yang sulit dianalisis secara analitik.
• Distribusi hasil: Memberikan rata-rata, deviasi standar, dan varian—menyediakan informasi lebih kaya.

Implikasi Industri dan Manajerial

Bagi pengelola jaringan distribusi seperti PLN, aplikasi model ini bisa sangat krusial:

• Optimasi investasi: Mengetahui komponen mana yang paling rentan dan layak diprioritaskan untuk pemeliharaan.
• Peningkatan layanan pelanggan: Prediksi durasi dan frekuensi gangguan secara lebih akurat.
• Integrasi dengan smart grid: Data simulasi dapat digunakan untuk pengambilan keputusan otomatis berbasis AI.

Kritik dan Saran Pengembangan

Kelebihan:

• Simulasi berbasis acak memberikan kedalaman analisis.
• Validasi dengan perangkat komersial meningkatkan kredibilitas.
• Antarmuka Windows membuatnya lebih ramah pengguna.

Keterbatasan:

• Komponen diasumsikan tidak saling berkorelasi (independen).
• Waktu simulasi relatif lama untuk sistem besar.
• Tidak mempertimbangkan dinamika jaringan real-time.

Rekomendasi:

• Integrasi dengan model berbasis pembelajaran mesin (ML).
• Penambahan analisis ekonomi dalam modul (biaya blackout, biaya pemeliharaan).
• Uji coba pada data nyata dari sistem distribusi negara berkembang.

Kesimpulan

Tesis Johan Setréus adalah fondasi kuat menuju pengembangan perangkat lunak keandalan sistem distribusi listrik berbasis simulasi. Dengan implementasi Monte Carlo Simulation dalam RADPOW, analisis tidak lagi terbatas pada nilai rata-rata, tapi mampu menangkap dinamika ketidakpastian secara komprehensif.

Dalam konteks kebutuhan energi masa depan dan tekanan terhadap efisiensi operasional, pendekatan seperti ini bukan lagi opsional, melainkan keharusan.

Sumber: Setréus, Johan. Development of a Simulation Module for the Reliability Computer Program RADPOW. Master Thesis. KTH Royal Institute of Technology, 2006. [Dokumen tersedia dalam PDF; tautan DOI tidak tersedia].

Pendahuluan: Ketika Kota Tak Lagi Menyerap Air

Sejak tahun 2015, banjir telah merenggut 4.701 jiwa dan menelan kerugian ekonomi hampir 73 miliar dolar AS di Tiongkok, sementara hanya 64 dari 654 kota yang memiliki kerangka hukum Sponge City.

Pada 20 Juli 2021, kota Zhengzhou diguyur hujan ekstrem sebesar 201,9 mm hanya dalam satu jam. Peristiwa ini memperkirakan lebih dari 300 orang dan menyebabkan kerugian ekonomi langsung mencapai 40,9 miliar yuan. Tragedi ini menyadarkan dunia bahwa infrastruktur drainase konvensional tidak lagi mampu menghadapi perubahan iklim. Kota-kota di Tiongkok pun mulai beralih pada konsep Sponge City Program (SCP) sebagai solusi perkotaan untuk memulihkan siklus udara dan meredam banjir.

Dalam ulasan ini, kami membedah secara kritis hasil studi Chen Zeng dan kolega (2023), yang menelusuri sejauh mana program ini efektif setelah delapan tahun dijalankan. Artikel ini tidak hanya memuat isi jurnal, tetapi berisi interpretasi, kasus nyata, serta rekomendasi agar SCP benar-benar bisa menyerap tantangan masa depan.

Mengapa Sponge City Dibutuhkan?

SCP lahir dari krisis yang nyata. Lebih dari 98 persen kota besar di Tiongkok pernah mengalami penampungan besar. Banjir bukan hanya persoalan infrastruktur, tapi juga kesehatan masyarakat. Studi menunjukkan bahwa banjir memicu peningkatan penyakit menular seperti diare dan leptospirosis, bahkan di negara-negara maju seperti Inggris dan Amerika Serikat.

Kerugian ekonominya pun masif. Dalam satu dekade terakhir, rata-rata kerugian akibat banjir di Tiongkok melampaui 10 miliar dolar AS per tahun. Ironisnya, angka tertinggi justru muncul setelah program Sponge City resmi diluncurkan pada tahun 2015.

SCP mengadopsi pendekatan pembangunan berdampak rendah (low-impact development ), seperti penggunaan taman hujan, atap hijau, dan paving berpori untuk menyerap dan menyimpan air hujan alih-alih langsung membuangnya ke saluran kota.

Apa Kata Penelitian?

Chen Zeng dkk. menggunakan pendekatan dokumenter interpretatif, menganalisis lebih dari 190 sumber literatur, baik dari jurnal internasional maupun sumber domestik Tiongkok. Mereka juga memanfaatkan data dari National Disaster Reduction Center dan visualisasi spasial menggunakan ArcGIS untuk menilai efektivitas SCP dalam mengurangi risiko banjir.

Metode ini kuat secara literatur, namun memiliki keterbatasan dalam menggali kondisi lapangan secara langsung karena tidak melibatkan wawancara mendalam dengan pengelola kota atau warga yang terdampak.

Temuan Utama: Antara Harapan dan Realitas

Hasil penelitian menunjukkan bahwa meskipun konsep Sponge City diterima secara luas, realisasinya masih terbatas. Kurang dari 10 persen kota di Tiongkok telah menetapkan peraturan lokal terkait implementasi SCP. Bahkan di kawasan utara yang kering, pengembangan infrastruktur penyerap udara sangat minim meskipun tren hujan ekstrem meningkat di wilayah tersebut.

Contoh yang paling mencolok adalah Zhengzhou, kota yang menggelontorkan 58,4 miliar yuan untuk membangun infrastruktur SCP. Namun, saat hujan ekstrem Juli 2021 datang, kota itu tetap lumpuh. Ini menandakan bahwa kapasitas desain sistem tidak cukup untuk menangani skenario cuaca yang semakin ekstrem.

Di sisi lain, tidak adanya undang-undang nasional yang mengatur SCP membuat pelaksanaannya sangat bergantung pada inisiatif lokal. Berbeda dengan Amerika Serikat yang memiliki Undang-Undang Air Bersih, Tiongkok belum memiliki kerangka hukum tunggal yang mengatur semua aspek pembangunan dan pemeliharaan sponsor kota.

Belajar dari Zhengzhou: Ketika Spons Tak Lagi Menyerap

Zhengzhou menjadi studi kasus yang penting. Di kota ini, curah hujan ekstrem melebihi batas desain infrastruktur SCP. Sistem kereta bawah tanah terendam, dan ratusan orang terjebak di dalamnya. Lebih dari 300 nyawa melayang, sebagian besar karena keterlambatan dalam peringatan dini dan kurangnya prosedur pertolongan.

Pelajaran dari peristiwa ini jelas: desain SCP harus mempertimbangkan kemungkinan kejadian cuaca ekstrem yang lebih langka, misalnya yang terjadi sekali dalam seribu tahun, bukan hanya sekali dalam seratus. Lebih jauh lagi, tidak cukup hanya membangun elemen hijau, tetapi juga harus memastikan sistem peringatan dan manajemen risiko berjalan dengan baik.

Bagaimana Negara Lain Mengelola Banjir Kota?

Beberapa negara memiliki pendekatan serupa dengan SCP, tetapi dengan fondasi regulasi dan teknis yang lebih kuat. Di Amerika Serikat, penggunaan pendekatan pembangunan berdampak rendah dilindungi oleh undang-undang air bersih dan didukung oleh insentif fiskal. Inggris menggunakan pendekatan sistem drainase perkotaan berkelanjutan (SUDS) yang tekanan integrasi antara udara dan tata ruang kota. Australia memiliki strategi desain perkotaan ramah air (WSUD) yang menggabungkan air hujan, air limbah, dan konservasi sumber daya.

Apa yang bisa dipelajari dari pengalaman mereka adalah pentingnya integrasi hukum dan kelembagaan, serta penguatan data pemantauan sebagai dasar pengambilan keputusan adaptif.

Kendala Utama Sponge City di Tiongkok

Masalah utama terletak pada fragmentasi fiskal dan kelembagaan. Pendanaan SCP sering kali berasal dari anggaran lokal, menyebabkan ketimpangan antara kota besar dan kecil. Selain itu, pemeliharaan elemen hijau seperti taman hujan dan sumur resapan memerlukan keahlian teknis yang belum merata di seluruh kota.

Tidak adanya sistem pemantauan nasional yang terintegrasi membuat evaluasi kinerja antar kota menjadi sulit. Bahkan warga sendiri sering kali belum menyadari manfaat ruang terbuka hijau yang "basah", dan justru mengeluh ketika taman kota tergenang air karena dianggap tidak nyaman.

Rekomendasi Strategis: Agar Spons Tak Mengering

Pertama, Tiongkok perlu menetapkan kerangka hukum nasional untuk SCP. Aturan ini harus mencakup standar layanan minimum dan penyesuaian terhadap proyeksi perubahan iklim, misalnya menggunakan skenario IPCC untuk merancang kapasitas sistem hingga tahun 2080.

Kedua, perlu diterapkannya insentif fiskal, seperti tarif air yang lebih rendah bagi bangunan yang mengadopsi atap hijau atau teknologi penampung air hujan. Ini bisa menumbuhkan partisipasi sektor swasta.

Ketiga, integrasi teknologi pertukaran seperti sensor IoT dan digital twin kota sangat penting. Dengan ini, kota dapat memantau kelembaban tanah secara real-time dan melakukan simulasi evakuasi sebelum musim hujan tiba.

Keempat, pendekatan sosial harus diperkuat. Keterlibatan masyarakat dalam mengelola taman hujan atau fasilitas SCP lainnya penting agar warga merasa memiliki dan ikut merawat.

Terakhir, perlu dilakukan penelitian lanjutan mengenai dampak SCP terhadap kesehatan masyarakat, ekonomi sirkular udara, serta perubahan perilaku masyarakat dalam menghadapi risiko banjir.

Kesimpulan: Kota yang Menyerap atau Tenggelam?

Delapan tahun sejak dimulai, Sponge City masih menjadi konsep yang menjanjikan namun belum sepenuhnya terbukti ampuh. Evaluasi Chen Zeng dan rekannya menyatakan bahwa infrastruktur saja tidak cukup. Regulasi nasional, edukasi masyarakat, pemantauan yang transparan, dan kapasitas institusi lokal harus berjalan beriringan.

Zhengzhou adalah contoh nyata bahwa pembangunan fisik tanpa kesiapan sosial dan kelembagaan dapat berakhir pada tragedi. Kota masa depan harus mampu tidak hanya menyerap udara, tetapi juga menyerap kompleksitas perubahan iklim dan dinamika sosial ekonomi yang menyertainya.

Jika tidak, kota sponsor hanyalah nama tanpa fungsi—basah oleh ambisi, tetapi kering dalam aksi.

Referensi

Chen, Z., Aboagye, EM, Li, H., & Che, S. (2023). Komentar dan rekomendasi tentang Sponge City—solusi Tiongkok untuk mencegah risiko banjir . Heliyon, 9, e12745.

Pendahuluan: Ketika Kota Tak Lagi Menyerap Air

Sejak tahun 2015, banjir telah merenggut 4.701 jiwa dan menelan kerugian ekonomi hampir 73 miliar dolar AS di Tiongkok, sementara hanya 64 dari 654 kota yang memiliki kerangka hukum Sponge City.

Pada 20 Juli 2021, kota Zhengzhou diguyur hujan ekstrem sebesar 201,9 mm hanya dalam satu jam. Peristiwa ini memperkirakan lebih dari 300 orang dan menyebabkan kerugian ekonomi langsung mencapai 40,9 miliar yuan. Tragedi ini menyadarkan dunia bahwa infrastruktur drainase konvensional tidak lagi mampu menghadapi perubahan iklim. Kota-kota di Tiongkok pun mulai beralih pada konsep Sponge City Program (SCP) sebagai solusi perkotaan untuk memulihkan siklus udara dan meredam banjir.

Dalam ulasan ini, kami membedah secara kritis hasil studi Chen Zeng dan kolega (2023), yang menelusuri sejauh mana program ini efektif setelah delapan tahun dijalankan. Artikel ini tidak hanya memuat isi jurnal, tetapi berisi interpretasi, kasus nyata, serta rekomendasi agar SCP benar-benar bisa menyerap tantangan masa depan.

Mengapa Sponge City Dibutuhkan?

SCP lahir dari krisis yang nyata. Lebih dari 98 persen kota besar di Tiongkok pernah mengalami penampungan besar. Banjir bukan hanya persoalan infrastruktur, tapi juga kesehatan masyarakat. Studi menunjukkan bahwa banjir memicu peningkatan penyakit menular seperti diare dan leptospirosis, bahkan di negara-negara maju seperti Inggris dan Amerika Serikat.

Kerugian ekonominya pun masif. Dalam satu dekade terakhir, rata-rata kerugian akibat banjir di Tiongkok melampaui 10 miliar dolar AS per tahun. Ironisnya, angka tertinggi justru muncul setelah program Sponge City resmi diluncurkan pada tahun 2015.

SCP mengadopsi pendekatan pembangunan berdampak rendah (low-impact development ), seperti penggunaan taman hujan, atap hijau, dan paving berpori untuk menyerap dan menyimpan air hujan alih-alih langsung membuangnya ke saluran kota.

Apa Kata Penelitian?

Chen Zeng dkk. menggunakan pendekatan dokumenter interpretatif, menganalisis lebih dari 190 sumber literatur, baik dari jurnal internasional maupun sumber domestik Tiongkok. Mereka juga memanfaatkan data dari National Disaster Reduction Center dan visualisasi spasial menggunakan ArcGIS untuk menilai efektivitas SCP dalam mengurangi risiko banjir.

Metode ini kuat secara literatur, namun memiliki keterbatasan dalam menggali kondisi lapangan secara langsung karena tidak melibatkan wawancara mendalam dengan pengelola kota atau warga yang terdampak.

Temuan Utama: Antara Harapan dan Realitas

Hasil penelitian menunjukkan bahwa meskipun konsep Sponge City diterima secara luas, realisasinya masih terbatas. Kurang dari 10 persen kota di Tiongkok telah menetapkan peraturan lokal terkait implementasi SCP. Bahkan di kawasan utara yang kering, pengembangan infrastruktur penyerap udara sangat minim meskipun tren hujan ekstrem meningkat di wilayah tersebut.

Contoh yang paling mencolok adalah Zhengzhou, kota yang menggelontorkan 58,4 miliar yuan untuk membangun infrastruktur SCP. Namun, saat hujan ekstrem Juli 2021 datang, kota itu tetap lumpuh. Ini menandakan bahwa kapasitas desain sistem tidak cukup untuk menangani skenario cuaca yang semakin ekstrem.

Di sisi lain, tidak adanya undang-undang nasional yang mengatur SCP membuat pelaksanaannya sangat bergantung pada inisiatif lokal. Berbeda dengan Amerika Serikat yang memiliki Undang-Undang Air Bersih, Tiongkok belum memiliki kerangka hukum tunggal yang mengatur semua aspek pembangunan dan pemeliharaan sponsor kota.

Belajar dari Zhengzhou: Ketika Spons Tak Lagi Menyerap

Zhengzhou menjadi studi kasus yang penting. Di kota ini, curah hujan ekstrem melebihi batas desain infrastruktur SCP. Sistem kereta bawah tanah terendam, dan ratusan orang terjebak di dalamnya. Lebih dari 300 nyawa melayang, sebagian besar karena keterlambatan dalam peringatan dini dan kurangnya prosedur pertolongan.

Pelajaran dari peristiwa ini jelas: desain SCP harus mempertimbangkan kemungkinan kejadian cuaca ekstrem yang lebih langka, misalnya yang terjadi sekali dalam seribu tahun, bukan hanya sekali dalam seratus. Lebih jauh lagi, tidak cukup hanya membangun elemen hijau, tetapi juga harus memastikan sistem peringatan dan manajemen risiko berjalan dengan baik.

Bagaimana Negara Lain Mengelola Banjir Kota?

Beberapa negara memiliki pendekatan serupa dengan SCP, tetapi dengan fondasi regulasi dan teknis yang lebih kuat. Di Amerika Serikat, penggunaan pendekatan pembangunan berdampak rendah dilindungi oleh undang-undang air bersih dan didukung oleh insentif fiskal. Inggris menggunakan pendekatan sistem drainase perkotaan berkelanjutan (SUDS) yang tekanan integrasi antara udara dan tata ruang kota. Australia memiliki strategi desain perkotaan ramah air (WSUD) yang menggabungkan air hujan, air limbah, dan konservasi sumber daya.

Apa yang bisa dipelajari dari pengalaman mereka adalah pentingnya integrasi hukum dan kelembagaan, serta penguatan data pemantauan sebagai dasar pengambilan keputusan adaptif.

Kendala Utama Sponge City di Tiongkok

Masalah utama terletak pada fragmentasi fiskal dan kelembagaan. Pendanaan SCP sering kali berasal dari anggaran lokal, menyebabkan ketimpangan antara kota besar dan kecil. Selain itu, pemeliharaan elemen hijau seperti taman hujan dan sumur resapan memerlukan keahlian teknis yang belum merata di seluruh kota.

Tidak adanya sistem pemantauan nasional yang terintegrasi membuat evaluasi kinerja antar kota menjadi sulit. Bahkan warga sendiri sering kali belum menyadari manfaat ruang terbuka hijau yang "basah", dan justru mengeluh ketika taman kota tergenang air karena dianggap tidak nyaman.

Rekomendasi Strategis: Agar Spons Tak Mengering

Pertama, Tiongkok perlu menetapkan kerangka hukum nasional untuk SCP. Aturan ini harus mencakup standar layanan minimum dan penyesuaian terhadap proyeksi perubahan iklim, misalnya menggunakan skenario IPCC untuk merancang kapasitas sistem hingga tahun 2080.

Kedua, perlu diterapkannya insentif fiskal, seperti tarif air yang lebih rendah bagi bangunan yang mengadopsi atap hijau atau teknologi penampung air hujan. Ini bisa menumbuhkan partisipasi sektor swasta.

Ketiga, integrasi teknologi pertukaran seperti sensor IoT dan digital twin kota sangat penting. Dengan ini, kota dapat memantau kelembaban tanah secara real-time dan melakukan simulasi evakuasi sebelum musim hujan tiba.

Keempat, pendekatan sosial harus diperkuat. Keterlibatan masyarakat dalam mengelola taman hujan atau fasilitas SCP lainnya penting agar warga merasa memiliki dan ikut merawat.

Terakhir, perlu dilakukan penelitian lanjutan mengenai dampak SCP terhadap kesehatan masyarakat, ekonomi sirkular udara, serta perubahan perilaku masyarakat dalam menghadapi risiko banjir.

Kesimpulan: Kota yang Menyerap atau Tenggelam?

Delapan tahun sejak dimulai, Sponge City masih menjadi konsep yang menjanjikan namun belum sepenuhnya terbukti ampuh. Evaluasi Chen Zeng dan rekannya menyatakan bahwa infrastruktur saja tidak cukup. Regulasi nasional, edukasi masyarakat, pemantauan yang transparan, dan kapasitas institusi lokal harus berjalan beriringan.

Zhengzhou adalah contoh nyata bahwa pembangunan fisik tanpa kesiapan sosial dan kelembagaan dapat berakhir pada tragedi. Kota masa depan harus mampu tidak hanya menyerap udara, tetapi juga menyerap kompleksitas perubahan iklim dan dinamika sosial ekonomi yang menyertainya.

Jika tidak, kota sponsor hanyalah nama tanpa fungsi—basah oleh ambisi, tetapi kering dalam aksi.

Referensi

Chen, Z., Aboagye, EM, Li, H., & Che, S. (2023). Komentar dan rekomendasi tentang Sponge City—solusi Tiongkok untuk mencegah risiko banjir . Heliyon, 9, e12745.

Pendahuluan

Di era digital, teknologi telah menembus berbagai disiplin ilmu, termasuk kinanthropologi—bidang yang mempelajari hubungan antara aktivitas fisik dan manusia. Salah satu terobosan penting adalah penggunaan Computerized Adaptive Testing (CAT) dalam menilai konsep-konsep laten seperti physical self-concept. Dalam disertasi doktoralnya di Charles University, Martin Komarc mengeksplorasi efektivitas CAT menggunakan simulasi Monte Carlo berbasis Physical Self-Description Questionnaire (PSDQ) untuk mengatasi keterbatasan metode tes konvensional.

Masalah dalam Tes Konvensional: Efisiensi vs Ketepatan

Metode penilaian tradisional seperti tes linear tetap memiliki kelebihan—konsistensi, biaya rendah, dan kemudahan administrasi. Namun, mereka juga memunculkan berbagai isu seperti:

• Durasi tes yang panjang dan membebani peserta.
• Tingkat kesalahan pengukuran yang tidak seragam.
• Kurangnya fleksibilitas dalam mengakomodasi kemampuan individu.

CAT hadir sebagai solusi dengan memilih item berdasarkan respons peserta secara real-time, mempersingkat waktu tes tanpa mengorbankan akurasi. Namun, efektivitas sistem ini bergantung pada beberapa faktor, seperti algoritma pemilihan item, metode estimasi kemampuan (trait), dan distribusi variabel laten.

Tujuan dan Metodologi Penelitian

Komarc merancang simulasi Monte Carlo untuk:

1. Mengevaluasi seberapa efisien CAT mempersingkat panjang tes PSDQ.
2. Mengukur akurasi estimasi trait dibandingkan hasil penuh PSDQ.
3. Membandingkan metode estimasi (MLE vs EAP), metode pemilihan item (Fisher vs Kullback-Leibler), dan berbagai tingkat ketelitian (berbasis standard error).

Parameter Simulasi:

• 70 item PSDQ (dimensi tunggal).
• 1000 peserta simulasi dengan distribusi trait normal dan uniform.
• Simulasi menggunakan 48 kombinasi pengaturan algoritma.
• Evaluasi menggunakan ANOVA dan korelasi Pearson.

Hasil Kunci

Efisiensi Panjang Tes

• Pada tingkat presisi tinggi (SE = 0.23), dibutuhkan 22–34 item.
• Pada presisi moderat (SE = 0.32), hanya 14–18 item yang diperlukan.
• Pada presisi rendah (SE = 0.45), cukup 4–10 item, penghematan hingga 90% dari total.

Hal ini menunjukkan bahwa CAT mampu mengurangi beban peserta secara signifikan tanpa mengurangi kualitas hasil, selama akurasi moderat dianggap memadai.

Akurasi Estimasi Trait

• Korelasi antara hasil CAT dan skor sebenarnya melebihi 0.90 dalam semua kondisi.
• EAP dengan distribusi prior normal menunjukkan keunggulan dalam efisiensi untuk trait tinggi, tetapi menghasilkan bias ke arah tengah (regression to the mean).
• MLE dan EAP-uniform menghasilkan bias lebih kecil dan konsisten di seluruh spektrum trait.

Dampak Distribusi Trait

• Distribusi trait uniform menyebabkan CAT membutuhkan lebih banyak item.
• Distribusi normal (lebih realistis untuk populasi pelajar) menghasilkan penghematan item yang lebih besar.

Studi Kasus: PSDQ dan Efisiensi Praktis

Physical Self-Description Questionnaire (PSDQ) dirancang untuk menilai 11 aspek konsep diri fisik, seperti koordinasi, kekuatan, penampilan, dan ketahanan. Komarc membuktikan bahwa CAT berdasarkan PSDQ dapat menilai dimensi umum dengan akurasi tinggi hanya dengan 15% item, tanpa kehilangan validitas jika fokusnya pada gambaran umum, bukan tiap subskala.

Namun, untuk mengukur trait ekstrem (misalnya konsep diri fisik yang sangat tinggi), diperlukan item dengan parameter ambang yang lebih tinggi. Ini menyoroti pentingnya pengembangan item pool yang merata di seluruh spektrum trait.

Implikasi untuk Praktik dan Penelitian

Bagi Peneliti dan Psikolog Olahraga:

• Hemat waktu dan sumber daya: Responden tidak perlu menyelesaikan seluruh kuesioner.
• Akurasi tetap terjaga: Cocok untuk studi berskala besar atau longitudinal.
• Kustomisasi tinggi: Tes dapat disesuaikan dengan target populasi secara statistik.

Bagi Desainer Tes:

• Pemilihan algoritma penting: MLE direkomendasikan untuk keseimbangan antara efisiensi dan akurasi.
• Distribusi prior harus realistis: Menghindari bias pada ujung spektrum.
• Perlu pengembangan item baru: Untuk mengukur dengan baik trait ekstrem.

Kritik dan Ruang Pengembangan

Kelebihan:

• Simulasi komprehensif dengan 48 kombinasi kondisi.
• Berdasarkan item kalibrasi nyata (IRT-GRM).
• Validasi menyeluruh terhadap metode estimasi dan pemilihan item.

Keterbatasan:

• Studi berbasis simulasi, belum diuji dalam konteks nyata.
• Kalibrasi item berasal dari sampel Australia; perlu verifikasi lintas budaya.
• Fokus hanya pada satu dimensi umum PSDQ, bukan pada 11 subskala secara eksplisit.

Opini dan Perspektif Industri

Dalam konteks pendidikan jasmani, psikologi olahraga, dan evaluasi kebugaran, penggunaan CAT berbasis PSDQ dapat mengubah cara asesmen dilakukan. Dibandingkan metode kertas konvensional, CAT menawarkan pengalaman yang lebih adaptif dan ramah peserta. Namun, untuk mencapai potensi penuh, item-item perlu didesain agar mencakup seluruh spektrum kemampuan.

Seiring meningkatnya digitalisasi dalam pendidikan dan riset, CAT memiliki peluang luas untuk diintegrasikan dalam platform pembelajaran daring, alat diagnostik atlet, atau bahkan screening psikologis cepat di sekolah.

Kesimpulan

Disertasi Martin Komarc memberikan kontribusi signifikan dalam membuktikan bahwa CAT berbasis IRT dan simulasi Monte Carlo dapat mengoptimalkan efisiensi pengukuran tanpa mengorbankan akurasi. Dengan fokus pada penghematan item, penyesuaian individual, dan validitas tinggi, CAT adalah masa depan evaluasi dalam kinanthropologi.

Penelitian ini juga menjadi pengingat bahwa teknologi harus diimbangi dengan desain instrumen yang kuat. Dalam jangka panjang, jika CAT dapat diimplementasikan dengan baik dalam asesmen psikometrik, bukan tidak mungkin metode ini menjadi standar baru di berbagai bidang ilmu sosial dan kesehatan.

Sumber: Komarc, Martin. Computerized Adaptive Testing in Kinanthropology: Monte Carlo Simulations Using the Physical Self Description Questionnaire. Doctoral Thesis. Charles University, Faculty of Physical Education and Sport, 2017. [Dokumen tersedia dalam PDF; tautan DOI tidak tersedia].

Ecodrainage di Semarang: Solusi Hijau Tangkal Banjir Perkotaan

Ketika Kota Butuh Lebih Dari Sekadar Saluran Air

Di tengah laju urbanisasi dan berkurangnya ruang terbuka hijau, kota-kota Indonesia menghadapi satu musuh bersama: berkumpul dan banjir. Di Kota Semarang, salah satu wilayah yang mulai menunjukkan langkah progresif adalah Kelurahan Jatisari, Kecamatan Mijen. Melalui kajian mendalam oleh Nisaul Kamila dan tim dari Universitas Diponegoro, pendekatan baru bernama ecodrainage ditawarkan sebagai alternatif dari sistem drainase konvensional yang selama ini terbukti kurang efektif.

Apa Itu Ecodrainage?

Ecodrainage atau drainase berwawasan lingkungan adalah sistem pengelolaan air hujan yang menekankan peresapan udara alami ke dalam tanah. Tujuannya bukan hanya mengalirkan udara ke saluran, melainkan meminimalkan limpasan permukaan, menjaga muka air tanah, serta menghindari berkumpulnya di wilayah hulu dan banjir di wilayah hilir.

Konsep ini menyadari bahwa air hujan bukan untuk dibuang, tetapi untuk dikelola sebagai aset ekologis. Dengan ekodrainase, udara tidak langsung masuk ke saluran beton, tetapi terlebih dahulu ditampung, diresapkan, atau ditahan agar tidak berbaring di sistem pembuangan kota.

Masalah Drainase di Jatisari: Nyata dan Mendesak

Wilayah Jatisari merupakan kawasan hulu yang sedang berkembang pesat, termasuk perumahan Bukit Jatisari dan BSB City. Masalah klasik muncul:

• Saluran alami mengalami pendangkalan karena longsor dan sedimentasi.
• Banyak saluran tersumbat sampah dan vegetasi liar.
• Warga kurang sadar akan pentingnya saluran karena tidak merasakan langsung dampaknya.

Dampaknya, setiap hujan lebat, tak terhindarkan. Lebih buruk lagi, hilangnya lahan resapan memperbesar risiko banjir di daerah hilir yang menerima aliran limpasan.

Studi Kasus: Menakar Ecodrainage dalam Angka

Penelitian ini menyajikan hitungan teknis tentang potensi efisiensi Ecodrainage dalam meresapkan air hujan sebelum mengalir ke saluran. Dengan curah hujan rata-rata 138,34 mm/jam, debit udara yang masuk ke sistem drainase Jatisari mencapai 8,643 m³/s.

Setelah penerapan berbagai metode ecodrainage, hasilnya cukup signifikan. Total udara yang bisa diserap sistem peresapan mencapai 4,419 m³/s , sedangkan udara yang benar-benar mengalir ke saluran hanya tersisa 4,224 m³/s . Artinya, lebih dari 50% air hujan dapat ditahan dan dikelola secara lokal — sebuah prestasi besar untuk wilayah perkotaan.

Teknologi Hijau yang Diterapkan

1. Lubang Resapan Biopori (LRB)
   Dibuat di sepanjang tepian jalan dan pekarangan rumah. Hanya di Jl. Duku V, penerapan 162 LRB mampu menyerap sekitar 0,0071 m³/s, mengurangi beban saluran hingga 26%.
2. Sumur Resapan
   Di kompleks perumahan seperti Graha Pesona Jatisari, sumur ini mampu menyerap 0,012 m³/s dari total debit 0,02 m³/s. Artinya, 60% udara tertangani di sumbernya.
3. Parit Infiltrasi
   Di wilayah padat penduduk, parit sepanjang 617 meter mampu menyerap 0,014 m³/s dari limpasan 0,602 m³/s. Meski tampak kecil, ini adalah langkah awal memulihkan peran tanah sebagai spons air.
4. Rorak
   Dipasang di dasar saluran dengan jarak 1,5 meter. Dalam satu ruas jalan, rorak menyerap 0,0092 m³/s — mengurangi tekanan pada saluran beton yang sebelumnya.
5. Kolam Konservasi (Danau Jatisari)
   Menampung lebih dari 11.000 m³ udara, meski belum dimanfaatkan secara maksimal karena masih tercemar udara limbah domestik.

Evaluasi Kritis: Apa Tantangannya?

1. Skala Implementasi

Jumlah lubang biopori idealnya mencapai 43.900 lubang, namun keterbatasan lahan dan peran serta warga membuat target itu sulit tercapai. Perlunya kebijakan dan insentif dari pemerintah kota untuk menggerakkan masyarakat.

2. Pemeliharaan

Bangunan peresapan memerlukan perawatan berkala agar tidak tersumbat lumpur atau sampah. Tanpa kesadaran warga dan dukungan operasional, sistem ini bisa kehilangan fungsinya dalam hitungan bulan.

3. Kontaminasi

Salah satu catatan penting adalah mencampurnya air limbah domestik ke sistem peresapan, terutama di danau buatan. Jika tidak ditangani, ecodrainage justru bisa mencemari tanah dan air tanah.

dibandingkan dengan Kota Lain

Bandingkan Jatisari dengan Jakarta, yang menggunakan sistem polder dan kolam retensi besar namun masih mengandalkan pembuangan udara sebagai solusi. Sementara di Jerman dan Belanda, pengelolaan air perkotaan dilakukan dengan prinsip menahan, meresap, dan menguapkan udara setempat sebanyak mungkin.

Jatisari mencoba menggabungkan keduanya: teknologi sederhana (biopori, rorak) namun dengan perhitungan teknis yang cermat. Jika tidak berguna, ini bisa menjadi model untuk daerah perkotaan padat yang memiliki keterbatasan lahan.

Dampak Lebih Luas: Lingkungan, Sosial, Ekonomi

• Lingkungan : Meningkatkan resapan air hujan membantu memulihkan air tanah dan mengurangi risiko amblesan tanah (turunnya tanah).
• Sosial : Partisipasi warga dalam membangun LRB atau sumur resapan dapat meningkatkan kesadaran kolektif tentang pentingnya menjaga keseimbangan air.
• Ekonomi : Mengurangi frekuensi banjir berarti mengurangi kerugian rumah tangga, perbaikan jalan, dan penanganan darurat. Ini adalah investasi jangka panjang.

Rekomendasi Penulis

1. Perlu Integrasi dengan Perda dan RTRW Kota
   Jangan jadikan ecodrainage sebagai proyek teknis semata. Harus menjadi bagian dari kebijakan tata ruang, seperti yang telah dirancang dalam Perda No. 14 Tahun 2011 tentang pengendalian banjir di Semarang.
2. Perlu Edukasi Massal
   Kampanye visual, edukasi rumah ke rumah, hingga insentif tarif air dapat mendorong masyarakat untuk lebih aktif terlibat.
3. Pemantauan dan Evaluasi
   Gunakan sensor sederhana atau aplikasi laporan warga untuk menjaga kondisi rorak, sumur, dan biopori. Jangan biarkan sistem mati karena ketiadaan data.

Penutup: Menuju Kota yang Menyerap Air, Bukan Menyebarkannya

Proyek ecodrainage di Jatisari bukan sekadar eksperimen akademik. Ia adalah gambaran bagaimana kota bisa kembali berdamai dengan air. Di era perubahan iklim dan urbanisasi yang brutal, konsep seperti ini bukan hanya relevan — namun mendesak untuk diterapkan secara lebih luas.

Alih-alih terus membangun saluran beton yang lebih besar, mengapa tidak menumbuhkan tanah yang lebih ramah udara? Jatisari sudah membuktikannya. Tinggal bagaimana kita meniru dan mengembangkannya.

Referensi (Gaya APA)

Kamila, N., Wardhana, IW, & Sutrisno, E. (2016). Perencanaan sistem drainase berwawasan lingkungan (Ecodrainage) di Kelurahan Jatisari, Kecamatan Mijen, Kota Semarang. Jurnal Teknik Lingkungan , 22(2), 63–72.