Banjir hingga kini masih menjadi masalah pelik Indonesia. Berdasarkan data Badan Nasional Penanggulangan Bencana (BNPB) tahun 2020, peningkatan rata-rata kejadian banjir di seluruh wilayah Indonesia sejak tahun 2011 hingga 2019 adalah 649 kali dari rata-rata total kejadian bencana alam di Indonesia. Permasalahan banjir ini tentu tidak terjadi begitu saja. Kerusakan ekologi memegang peran penting dalam kejadian banjir ini. Salah satu penyebab kerusakan ekologi tersebut adalah adanya pemukiman di bantaran sungai. Adanya pemukiman di bantaran sungai menjadi faktor yang seharusnya mampu dikendalikan manusia. Hal ini tentu bermanfaat untuk mengurangi potensi banjir, dan mengurangi dampak bencana yang ditimbulkan. Fakta di lapangan menunjukkan bahwa mobilisasi penduduk yang tinggi, juga didorong oleh arus urbanisasi yang tinggi pula, memberikan dampak pada berkurangnya lahan pemukiman. Namun tuntutan kebutuhan ekonomi menjadi faktor utama pendorong masyarakat bertahan di kota-kota besar. Tak sedikit dari masyarakat yang akhirnya bertahan hidup dengan mendirikan pemukiman-pemukinan ilegal di bantaran sungai. Hal ini tentu semakin memperburuk kondisi ekologi, mengingat pencemaran sungai sudah cukup tinggi dan tidak dapat dikendalikan. Untuk itu perlu dilakukan estimasi jumlah bencana banjir berdasarkan jumlah pemukiman di bantaran sungai. Hal ini penting dilakukan untuk mempersiapkan upaya mitigasi yang tepat guna mengurangi jumlah bencana banjir dan dampak yang ditimbulkan.
Penelitian ini berfokus pada perbandingan hasil analisis antara Geographically Weighted Regression (GWR) dan regresi nonparametrik estimator lokal linear. Pendekatan GWR menghasilkan nilai parameter model di setiap lokasi pengamatan, sehingga masing-masing lokasi memiliki nilai parameter regresi yang berbeda. Artinya hubungan antar variabel di setiap lokasi dapat diidentifikasi. Kelebihan metode GWR juga dapat dilihat dari bentuk eksplorasi yang dapat menginterpretasikan hubungan melalui pemetaan. GWR juga menghasilkan variasi parameter model yang lebih informatif. Di sisi lain, pendekatan regresi nonparametrik estimator lokal linear dapat mengestimasi data yang tidak memiliki pola tertentu Pendekatan ini juga dapat mengestimasi fungsi di setiap titik sehingga model yang didapatkan lebih mendekati pola data yang sesungguhnya. Selain itu, estimator lokal linear dapat diinterpretasikan dengan mudah karena telah memenuhi prinsip parsimoni atau dapat menjelaskan model dengan baik dengan jumlah parameter yang minimal.
Penelitian ini terdiri dari satu variabel prediktor yaitu jumlah permukiman di sepanjang bantaran sungai di setiap provinsi pada tahun 2018. Data diperoleh dari website resmi BNPB. Unit observasi dalam penelitian ini adalah 34 provinsi. Sedangkan variabel responnya adalah jumlah bencana banjir di 34 provinsi pada tahun 2018 yang diperoleh dari Badan Pusat Statistik (BPS). Berdasarkan hasil analisis deskriptif, sebagian besar provinsi di Indonesia mengalami banjir pada tahun 2018. Tiga provinsi dengan kejadian banjir terbanyak adalah Jawa Timur, Jawa Tengah dan Nanggroe Aceh Darussalam yang masing-masing terdapat 84, 79, dan 74 kejadian banjir. Adapun provinsi dengan kejadian banjir paling sedikit adalah Daerah Istimewa Yogyakarta yang hanya mengalami satu kejadian. Tiga provinsi dengan jumlah desa di sepanjang bantaran sungai tertinggi pada tahun 2018 adalah Jawa Barat, Kalimantan Selatan, dan Jawa Tengah yang masing-masing secara berurutan terdapat 1.419, 1.039 dan 916 desa di bantaran sungai. Adapun provinsi dengan jumlah desa di bantaran sungai terendah adalah Provinsi Kepulauan Bangka Belitung dengan 31 desa di bantaran sungai.
Hasil penelitian menunjukkan bahwa metode regresi nonparametrik dengan pendekatan lokal linear menghasilkan estimasi yang lebih baik daripada metode GWR dalam menganalisis kasus jumlah bencana banjir di Indonesia. Hal ini berdasarkan nilai koefisien determinasi pada metode regresi nonparametrik dengan pendekatan lokal linear yaitu sebesar 51,48% yang lebih besar dari pada metode GWR yaitu sebesar 46,52%. Nilai Mean Square Error (MSE) hasil regresi nonparametrik dengan pendekatan lokal linear sebesar 24,26 yang lebih kecil dari metode GWR yaitu sebesar 32,16. Meskipun metode regresi nonparametrik dengan pendekatan lokal linear memiliki kemampuan estimasi yang lebih baik, namun penggunaan metode ini belum cukup untuk memperkirakan jumlah bencana banjir. Hal ini berkaitan dengan efek spasial yang tidak lepas dari fenomena banjir dimana bencana pada suatu lokasi dapat mempengaruhi banjir disekitar lokasi terdekat. Hasil penelitian ini juga dapat digunakan untuk mengembangkan metode alternatif dengan menggabungkan metode regresi spasial GWR dan regresi nonparametrik dengan pendekatan lokal linear.
Penulis: M. Fariz Fadillah Mardianto
Informasi detail dari riset ini dapat dilihat pada artikel ilmiah berikut:
Number of Flood Disaster Estimation in Indonesia using Local Linear and Geographically Weighted Regression Approach Proceedings of International Conference of Mathematics, Computational Sciences, and Statistics 2020. Authors: M. Fariz Fadillah Mardianto, Sediono, Novia Anggita Aprilianti, Belindha Ayu Ardhani, Rizka Firdaus Rahmadina, Siti Maghfirotul Ulyah dengan link sebagai berikut:
