Pendahuluan: Tantangan Lama dalam Rekayasa Geoteknik
Dalam praktik rekayasa lereng, faktor keamanan (factor of safety/FS) masih digunakan sebagai ukuran utama untuk menentukan kestabilan lereng. Namun, pendekatan ini tidak secara langsung berkaitan dengan peluang kegagalan tahunan akibat hujan, sehingga menyulitkan proses mitigasi risiko secara kuantitatif. Liu dan Wang (2022) mengusulkan metode baru yang lebih akurat dan praktis untuk mengukur probabilitas longsor tahunan akibat hujan, dengan menggabungkan analisis stabilitas lereng, infiltrasi hujan, dan data statistik curah hujan lokal.
Inti Penelitian: Model CRPC sebagai Solusi Inovatif
Penelitian ini mengenalkan konsep Critical Rainfall Pattern Curve (CRPC), yaitu kurva yang menunjukkan kombinasi intensitas dan durasi hujan minimum yang dapat menyebabkan nilai FS = 1 (ambang kegagalan). Dengan menggunakan analisis numerik berulang, tim menyusun berbagai pola hujan dan menghitung FS untuk masing-masing, lalu menentukan area tidak stabil (FS < 1) dan area stabil (FS > 1).
Parameter Lereng Ilustratif:
- Berat jenis tanah: 19 kN/m³
- Kohesi efektif: 2 kPa
- Sudut geser: 26°
- Hidrolik konduktivitas jenuh: 1×10⁻⁵ m/s
- Intensitas hujan: 9 hingga 100 mm/jam
- Durasi maksimum hujan: 100 jam
Studi Kasus: Lereng di Jalan Bride’s Pool, Hong Kong
Kondisi Awal:
- Lereng timbunan dengan kohesi rendah dan permeabilitas tinggi
- Faktor keamanan (FS): 0,838 — artinya tidak stabil
- Probabilitas longsor tahunan: 5,07%
- Mekanisme longsor: shallow slip setelah hujan 12 mm/jam selama 38 jam
Setelah Perkuatan (stabilisasi):
- Tanah timbunan diganti dengan semen-tanah berkoefisien permeabilitas sangat rendah (5×10⁻¹⁰ m/s)
- FS meningkat menjadi 1,336
- Probabilitas longsor tahunan: 0,0000413%
- Mekanisme longsor: deep slip hanya terjadi setelah hujan 15 mm/jam selama 198 jam
Catatan Penting:
Perbaikan lereng menurunkan peluang kegagalan tahunan lebih dari lima tingkat magnitudo, dari 1:20 menjadi 1:2.400.000.
Langkah-Langkah Metode yang Diusulkan
- Kumpulkan data lereng: geometrik, sifat tanah, kondisi air tanah.
- Bangun model infiltrasi dan stabilitas lereng (menggunakan perangkat seperti SEEP/W dan SLOPE/W).
- Lakukan simulasi berbagai pola hujan (intensitas × durasi) → hitung nilai FS → buat CRPC.
- Kombinasikan CRPC dengan data hujan aktual dari rain gauge terdekat (analisis distribusi Gumbel).
- Hitung Probabilitas Tahunan Longsor (PF) = nilai maksimum dari kemungkinan hujan kritis (PC).
- Bandingkan PF dengan standar risiko (seperti kurva F-N Hong Kong) untuk menentukan kebutuhan perkuatan.
Model Statistik Curah Hujan
Distribusi hujan di Hong Kong mengikuti distribusi Gumbel, dengan parameter yang dipasang terhadap durasi (1–168 jam). Nilai μ dan σ meningkat seiring durasi hujan. Kombinasi antara data ini dan CRPC memungkinkan kita menghitung Probabilitas Kelebihan Tahunan (AEP) untuk setiap pola hujan.
Contoh perhitungan:
- Untuk RC = 210 mm, intensitas 34,24 mm/jam, durasi 6,15 jam
- AEP (probabilitas kejadiannya dalam setahun) ≈ 5,07%
- Dalam 20 tahun, peluang kejadian: 64,7%
- Setelah stabilisasi: peluang dalam 20 tahun turun ke 8,26 × 10⁻⁶
Kelebihan Metode Ini Dibanding FS Konvensional
- FS hanya mengukur satu skenario hujan
- CRPC mencakup ribuan kombinasi hujan aktual, menjadikannya lebih representatif
- PF berbasis statistik → cocok untuk perencanaan risiko jangka panjang
- Bisa digunakan untuk evaluasi efektivitas stabilisasi sebelum dan sesudah pekerjaan perkuatan
Kritik dan Saran Pengembangan
Kelebihan utama:
- Praktis dan dapat diterapkan menggunakan software komersial biasa
- Mudah diintegrasikan ke sistem perencanaan lereng saat ini
- Mencakup respons tanah tak jenuh, parameter SWCC dan HCF
Namun perlu pengembangan di:
- Belum mempertimbangkan ketidakpastian parameter tanah (akan dikembangkan dalam studi lanjutan)
- Perlu diuji pada beragam zona iklim, bukan hanya Hong Kong
- Implementasi untuk lereng alami yang kompleks perlu verifikasi tambahan
Implikasi Luas: Arah Baru dalam Manajemen Risiko Longsor
Dengan metode ini, perancang lereng bisa:
- Membuat desain lebih akurat berdasarkan probabilitas, bukan tebakan pengalaman
- Menyusun sistem peringatan dini berdasarkan ambang hujan lokal
- Melakukan penilaian risiko kuantitatif sebagai syarat pembangunan (sustainable development)
Kesimpulan
Metode CRPC yang dikembangkan oleh Liu dan Wang menyederhanakan tantangan besar dalam dunia geoteknik: menghitung probabilitas longsor tahunan akibat hujan secara kuantitatif. Pendekatan ini menggabungkan model numerik dengan data cuaca nyata, memungkinkan desainer untuk membuat keputusan berbasis risiko dan melakukan mitigasi tepat sasaran. Efektivitasnya terbukti dari studi kasus nyata, dan sangat menjanjikan untuk diterapkan secara luas di berbagai negara tropis maupun subtropis.
Sumber : Liu, X., & Wang, Y. (2022). Quantifying annual occurrence probability of rainfall-induced landslide at a specific slope. Computers and Geotechnics, 149, Article 104877.