PADIS SYSTEM
Memuat data...
Sistem sedang mengambil dan memproses data analisis.
Metodologi Teknis
Metodologi Analisis Risiko Spasial
Sistem berbasis data raster yang mengintegrasikan hazard, kerentanan, dan exposure untuk menghasilkan estimasi kerugian langsung dan AAL tingkat Kabupaten/Kota di Indonesia.
Hazard
Banjir, Kekeringan, & Multi-hazard
Exposure
Sawah per Kabupaten/Kota
Vulnerability
Kurva Kerentanan
Loss & AAL
Luaran Risiko
Justifikasi Ancaman & Keterpaparan
Pemodelan PADIS didasari oleh perbandingan antara riwayat tingginya frekuensi bencana (Hazard) dengan wilayah-wilayah yang memiliki tingkat produksi padi terbesar (Exposure).
Memuat dan memproses data CSV...
Skenario Projection dan Baseline
Dalam PADIS, istilah Projection dan Baseline merujuk pada dua skenario pembentukan raster hazard. Keduanya memiliki format data yang sama, tetapi berbeda pada faktor pembentuk nilai bahayanya.
Skenario
Non-Iklim
Merepresentasikan kondisi hazard yang dipengaruhi oleh faktor fisik, spasial, dan sosial-ekonomi wilayah. Faktor ini dapat dikaitkan dengan pendekatan sosial-ekonomi seperti SSP, misalnya perubahan penggunaan lahan, aktivitas manusia, sistem irigasi, ketersediaan air, dan kondisi infrastruktur wilayah.
vs
Skenario
Iklim
Merepresentasikan kondisi hazard yang dipengaruhi oleh faktor iklim. Faktor ini dapat dikaitkan dengan pendekatan skenario iklim seperti RCP, misalnya perubahan pola curah hujan, hujan ekstrem, suhu, evapotranspirasi, dan kecenderungan kekeringan.
Format Raster Hazard (Kedua Skenario)
Banjir — nilai ketinggian genangan (meter)Kekeringan — nilai Standardized Precipitation Index (SPI)
Kedua skenario diproses melalui alur perhitungan risiko yang sama: ekstraksi nilai hazard, penerapan kurva kerentanan, estimasi kerugian langsung, dan agregasi ke Annual Average Loss (AAL) tingkat kabupaten/kota.
Model Kerentanan (Vulnerability Curve)
Kurva kerentanan merepresentasikan hubungan antara indeks bencana dan tingkat kehilangan produktivitas padi (loss of productivity) pada masing-masing hazard.
Kerentanan Banjir
Hendrawan & Komori (2021)Kurva Banjir
Formulasi Kerentanan
Kurva ini menunjukkan hubungan antara ketinggian genangan banjir dan kehilangan produktivitas padi (loss of productivity). Formulasi yang digunakan mengacu pada Hendrawan & Komori (2021) untuk merepresentasikan respons kerentanan banjir pada analisis PADIS.
Persamaan Loss of Productivity
y = 0.52 + 0.29 ln(x)
Pada formulasi ini, y merepresentasikan nilai loss of productivity, sedangkan x merepresentasikan ketinggian genangan banjir maksimum (meter).
Kerentanan Kekeringan
Guo dkk. (2021)Kurva Kekeringan
Formulasi Kerentanan
Kurva ini menunjukkan hubungan antara intensitas kekeringan dan kehilangan produktivitas padi (loss of productivity). Formulasi yang digunakan mengacu pada adaptasi kurva kerentanan kekeringan dari Guo dkk. (2021) untuk analisis PADIS.
Persamaan Loss of Productivity
y = −0.8381x³ + 0.8967x² + 0.9064x − 0.0106
Pada formulasi ini, y merepresentasikan nilai loss of productivity, sedangkan x merepresentasikan indeks kekeringan yang telah dinormalisasi.
Sumber Data
Spesifikasi & Metadata Geospasial
Katalog sumber data utama beserta parameter teknis yang digunakan sebagai input pemodelan risiko.
01
Batas Administrasi
Badan Informasi Geospasial (BIG)Digunakan sebagai referensi spasial dasar untuk spatial join dan agregasi estimasi kerugian langsung & AAL hingga ke tingkat kabupaten/kota.
Tipe GeometriVector Polygon
Format File.SHP / .GeoJSON
Atribut Kunciid_kabkota, kab_kota
Sistem ReferensiWGS 84 (EPSG:4326)
02
Penutupan Lahan Sawah
Kementerian LHKLayer spasial yang merepresentasikan penutupan lahan area persawahan. Digunakan untuk proses masking dan ekstraksi nilai hazard yang tumpang tindih (overlay).
Tipe GeometriVector Polygon
Skala Pemetaan1:250000
Format File.SHP / .GPKG
ValidasiClean Topology (No Self-Intersect)
03
Pemodelan Genangan Banjir
HEC-RAS 2D AnalysisLayer raster hasil simulasi hidrodinamika 2D yang berisi nilai ketinggian genangan (inundation depth) dalam satuan meter untuk diintegrasikan dengan kurva kerentanan.
Tipe DataRaster (.TIFF)
Resolusi Spasial30 meter
Skenario BaselineR25, R50, R100, R250
Skenario ProjectionRC25, RC50, RC100, RC250
04
Indeks Kekeringan
Standardized Precipitation Index (SPI)Layer raster nilai Standardized Precipitation Index yang merepresentasikan tingkat defisit curah hujan ekstrem berdasarkan observasi satelit dan proyeksi Multi-Model Ensemble.
Tipe DataRaster (.TIFF)
Resolusi Spasial~11 Kilometer
Skenario BaselineGPM25, GPM50, GPM100, GPM250
Skenario ProjectionMME25, MME50, MME100, MME250
LANGKAH BERIKUTNYA
Coba Langsung Analisis Risiko Padi
Gunakan dashboard PADIS untuk melihat estimasi kerugian, membandingkan skenario, dan mengidentifikasi wilayah prioritas secara spasial.