CoVARM: Penilaian Kerentanan Pesisir Sulawesi Tengah

Coastal Vulnerability Assessment and Reduction Module

Faza & Dony

2025-10-21

Daftar Isi

Struktur Presentasi

Bagian I: Pendahuluan

  1. Tujuan Presentasi
  2. Pengenalan CoVARM
  3. Ruang Lingkup Analisis

Bagian II: Metodologi

  1. Kerangka Kerja CoVARM
  2. Definisi Area Pesisir
  3. Pendekatan Analisis

Bagian III: Data dan Implementasi

  1. Indikator Kerentanan
  2. Alur Kerja Analisis
  3. Visualisasi Spasial

Bagian IV: Analisis Sensitivitas

  1. Kerangka Klasifikasi
  2. Visualisasi Indikator Individual
  3. Hasil Simulasi

Bagian V: Hasil Interaktif

  1. Peta Leaflet Interaktif
  2. Fitur Popup dan Navigasi

Bagian VI: Kesimpulan

  1. Hasil Utama dan Temuan
  2. Pengembangan Selanjutnya
  3. Penutup

Navigasi: Gunakan tombol panah atau menu samping untuk navigasi antar slide

Bagian I: Pendahuluan

Ikhtisar Bagian I

Yang akan dibahas:

  • Tujuan Presentasi: Sasaran dan ruang lingkup
  • Pengenalan CoVARM: Konsep dan kerangka kerja
  • Ruang Lingkup Analisis: Area studi dan fokus penelitian

Tujuan Presentasi

  • Memperkenalkan CoVARM (Coastal Vulnerability Assessment and Reduction Module)
  • Menjelaskan metodologi penilaian kerentanan pesisir multidimensi
  • Menampilkan hasil analisis sensitivitas untuk Sulawesi Tengah
  • Menyajikan visualisasi interaktif hasil penilaian kerentanan

Apa itu CoVARM?

CoVARM (Coastal Vulnerability Assessment and Reduction Module) adalah modul analisis yang dikembangkan untuk:

  • Mengukur kerentanan pesisir secara kualitatif dan komprehensif
  • Menghasilkan indeks relatif yang dapat dibandingkan antar wilayah
  • Mengintegrasikan tiga komponen utama kerentanan pesisir:
    • Keterpaparan (Exposure): Tingkat dampak bahaya eksternal
    • Sensitivitas (Sensitivity): Faktor internal yang mempengaruhi kerentanan
    • Kapasitas Adaptasi (Adaptive Capacity): Kemampuan mengatasi dampak

Tujuan Utama:

  • Identifikasi area berisiko tinggi
  • Dukungan perencanaan adaptasi
  • Prioritisasi intervensi mitigasi

Area Transisi Pesisir Sulawesi Tengah

Zona Studi: Area transisi pesisir Sulawesi Tengah dengan buffer 4 km dari garis pantai

Bagian II: Metodologi

Ikhtisar Bagian II

Yang akan dibahas:

  • Kerangka Kerja CoVARM: Komponen utama dan pendekatan metodologi
  • Definisi Area Pesisir: Zona litoral dan area transisi
  • Pendekatan Analisis: Klasifikasi dan agregasi indeks

Kerangka Kerja CoVARM

Komponen Utama

  1. Keterpaparan (Exposure)
    • Tingkat di mana area pesisir terdampak bahaya eksternal
    • Diperparah oleh perubahan iklim dan variabilitas biofisik
    • Contoh: banjir 100 tahun, kenaikan muka air laut, paparan gelombang
  2. Sensitivitas (Sensitivity)
    • Faktor internal yang mempengaruhi kerentanan populasi
    • Karakteristik sosial, ekonomi, dan lingkungan
    • Contoh: kepadatan populasi, lahan terbangun, vegetasi pesisir
  1. Kapasitas Adaptasi (Adaptive Capacity)
    • Kemampuan internal untuk mempersiapkan dan memulihkan diri
    • Kapasitas institusi dan infrastruktur
    • Contoh: indeks desa membangun, infrastruktur, layanan publik

Pendekatan Metodologi

  • Klasifikasi berbasis ambang batas untuk kategorisasi
  • Agregasi indeks berjenjang menggunakan geometric mean
  • Analisis spasial pada grid 1000×1000 meter
  • Perbandingan relatif antar-wilayah pesisir

Definisi Area Pesisir

Zona Litoral mencakup:

  • Pantai (pesisir): Garis pertemuan daratan dan lautan
  • Zona dekat pantai (nearshore): Perairan dangkal dekat garis pantai
  • Habitat pesisir strategis:
    • Mangrove: Hutan bakau sebagai pelindung alami
    • Terumbu karang: Ekosistem karang yang melindungi pantai
    • Padang lamun: Vegetasi bawah laut yang menstabilkan sedimen

Tidak termasuk: Area offshore (laut lepas)

Zona Transisi

  • Buffer 4 km dari garis pantai ke arah daratan
  • Fokus analisis: Interaksi dinamis darat-laut
  • Unit analisis: Grid persegi 1000×1000 m (100 Ha)
  • Justifikasi: Area paling rentan terhadap dampak perubahan pesisir

Bagian III: Data dan Implementasi

Ikhtisar Bagian III

Yang akan dibahas:

  • Indikator Kerentanan: Daftar lengkap variabel dan sumber data
  • Alur Kerja Analisis: Tahapan implementasi CoVARM
  • Visualisasi Spasial: Fungsi-fungsi visualisasi yang ditingkatkan

Indikator Kerentanan Pesisir

Daftar Indikator Kerentanan Pesisir Sulawesi Tengah
Indikator Komponen Sumber Data
Persentase populasi lanjut usia (%) Kapasitas adaptasi WorldPop
Indeks desa membangun Kapasitas adaptasi BPS
Kepadatan populasi (jiwa/ha) Sensitivitas WorldPop
Persentase lahan terbangun (%) Sensitivitas ICRAF
Persentase lahan terbuka (%) Sensitivitas ICRAF
Persentase hutan di area pesisir (%) Sensitivitas ICRAF
Area banjir 100 tahun (meter) Paparan Baugh dkk (2024)
Paparan gelombang (kW/m) Paparan Model gelombang
Paparan angin Paparan Model angin
Kenaikan muka air laut (mm/tahun) Paparan Satelit altimetri
Rerata elevasi (mdpl) Paparan USGS
Persentase habitat laut (%) Paparan Pemetaan habitat
Jarak ke sungai (meter) Paparan BIG

Fokus Implementasi Saat Ini

Catatan Penting

Implementasi saat ini hanya mencakup komponen Sensitivitas

  • Komponen Kapasitas Adaptasi dan Paparan: dalam pengembangan
  • Integrasi data CMS (Coral, Mangrove, Seagrass): belum diimplementasikan
  • Indeks kerentanan komposit: akan dikembangkan setelah semua komponen selesai

Variabel Sensitivitas yang Dianalisis:

  1. Kepadatan populasi (jiwa/ha)
  2. Persentase lahan terbangun (%)
  3. Persentase lahan terbuka (%)
  4. Persentase vegetasi pesisir (%)

Implementasi Workflow

Alur Kerja Analisis

Alur Kerja Analisis CoVARM

Demonstrasi Visualisasi Spasial

Lihat kode demonstrasi visualisasi spasial 
# Load the enhanced visualization functions
source("R/functions.R")

# Example: Create mock spatial data for demonstration
library(sf)

# Create example transition area (simplified polygon)
demo_coords <- matrix(
    c(
        120.0,
        -1.0,
        120.5,
        -1.0,
        120.5,
        -0.5,
        120.0,
        -0.5,
        120.0,
        -1.0
    ),
    ncol = 2,
    byrow = TRUE
)

demo_trans_area <- st_polygon(list(demo_coords)) %>%
    st_sfc(crs = 4326) %>%
    st_sf() %>%
    st_transform("EPSG:32751")

# Create example grids
demo_grids <- generate_grid_by_size(demo_trans_area, cellsize_m = 1000)

# Demonstrate enhanced visualization functions:
# 1. Transition zone plot
transition_plot <- plot_transition_zone(demo_trans_area, add_labels = TRUE)

# 2. Grid system plot
grid_plot <- plot_sampling_grids(
    demo_grids,
    demo_trans_area,
    show_grid_ids = TRUE
)

# 3. Grid statistics
grid_stats <- plot_grid_statistics(demo_grids)

# Display plots
print(transition_plot)
print(grid_plot)
print(grid_stats$coverage_summary)

Fungsi Visualisasi yang Tersedia

Implementasi ini menyediakan fungsi-fungsi visualisasi yang ditingkatkan:

  • plot_transition_zone(): Visualisasi area transisi dengan label Indonesia
  • plot_sampling_grids(): Sistem grid dengan statistik dan referensi
  • plot_harmonized_geometries(): Geometri raster yang telah diharmonisasi
  • visualize_grid_coverage(): Pola coverage dan kepadatan grid
  • create_grid_reference_plot(): Sistem referensi dengan koordinat

Kerangka Klasifikasi Sensitivitas

Kerangka Klasifikasi Variabel Sensitivitas
Variabel Bobot Arah Deskripsi
Kepadatan Populasi 0.3 Positif (+) Kepadatan tinggi meningkatkan kerentanan
Lahan Terbangun 0.3 Positif (+) Area terbangun meningkatkan aset berisiko
Lahan Terbuka 0.2 Positif (+) Lahan terbuka mengurangi perlindungan
Vegetasi Pesisir 0.2 Negatif (-) Vegetasi memberikan perlindungan alami

Bagian IV: Analisis Sensitivitas

Ikhtisar Bagian IV

Yang akan dibahas:

  • Kerangka Klasifikasi: Metodologi dan bobot variabel sensitivitas
  • Visualisasi Indikator Individual: Peta dan analisis per variabel
  • Hasil Simulasi: Distribusi dan kontribusi komponen

Demonstrasi Visualisasi Indikator

Lihat kode visualisasi indikator individual 
# Load the enhanced indicator visualization functions
source("R/functions.R")

# Example: Create mock sensitivity data for demonstration
library(sf)
library(dplyr)

# Create example grid data with sensitivity indicators
set.seed(123)
demo_grids <- generate_grid_by_size(demo_trans_area, cellsize_m = 1000) %>%
    mutate(
        # Mock sensitivity indicator data
        population_density_persons_per_ha_sum = pmax(0, rnorm(n(), 25, 15)),
        built_area_percent_pct = pmax(0, pmin(100, rnorm(n(), 30, 20))),
        open_area_percent_pct = pmax(0, pmin(100, rnorm(n(), 15, 10))),
        coastal_vegetation_percent_pct = pmax(0, pmin(100, rnorm(n(), 40, 25))),

        # Mock ranking data
        population_density_persons_per_ha_rank = sample(
            1:5,
            n(),
            replace = TRUE
        ),
        built_area_percent_rank = sample(1:5, n(), replace = TRUE),
        open_area_percent_rank = sample(1:5, n(), replace = TRUE),
        coastal_vegetation_percent_rank = sample(1:5, n(), replace = TRUE)
    )

# Demonstrate individual indicator plotting functions:
# 1. Individual indicator plots
pop_plot <- plot_individual_indicators(
    demo_grids,
    "population_density_persons_per_ha_sum"
)
built_plot <- plot_individual_indicators(
    demo_grids,
    "built_area_percent_pct",
    color_palette = "plasma"
)

# 2. Grid-based indicator visualizations
indicator_plots <- create_indicator_grid_plots(
    demo_grids,
    sensitivity_framework = NULL
)

# 3. Statistical summaries
stats_table <- create_indicator_statistics_table(demo_grids)

# 4. Indicator comparison
comparison_plot <- create_indicator_comparison_plot(demo_grids)

# Display examples
print(pop_plot)
print(comparison_plot)
knitr::kable(stats_table, caption = "Statistik Indikator Sensitivitas")

Fungsi Visualisasi Indikator yang Tersedia

Implementasi ini menyediakan fungsi-fungsi visualisasi indikator yang komprehensif:

  • plot_individual_indicators(): Peta individual dengan statistik dan label Indonesia
  • create_indicator_grid_plots(): Visualisasi grid untuk semua indikator sensitivitas
  • create_indicator_statistics_table(): Tabel statistik deskriptif lengkap
  • create_indicator_comparison_plot(): Perbandingan multi-panel semua indikator
  • generate_indicator_range_displays(): Analisis distribusi dan rentang data
  • create_indicator_ranking_visualization(): Visualisasi ranking dan korelasi

Visualisasi Hasil (Simulasi)

Contoh Distribusi Sensitivitas

Contoh Distribusi Kelas Sensitivitas

Contoh Kontribusi Komponen

Kontribusi Rata-rata Komponen terhadap Sensitivitas

Bagian V: Hasil Interaktif

Ikhtisar Bagian V

Yang akan dibahas:

  • Peta Leaflet Interaktif: Visualisasi hasil sensitivitas dengan fitur interaktif
  • Fitur Popup dan Navigasi: Template popup dan kontrol navigasi
  • Demonstrasi Interaktivitas: Contoh penggunaan peta dalam presentasi

Demonstrasi Peta Leaflet Interaktif

Lihat kode peta leaflet interaktif 
# Load the enhanced leaflet map functions
source("R/functions.R")

# Example: Create mock sensitivity results for demonstration
library(leaflet)
library(sf)
library(dplyr)

# Create example sensitivity results with all required columns
set.seed(123)
demo_sensitivity_results <- demo_grids %>%
  mutate(
    # Add sensitivity index and classification
    sensitivity_index = pmax(1, pmin(5, rnorm(n(), 2.5, 1))),
    sensitivity_class = case_when(
      sensitivity_index >= 4 ~ "Sangat Tinggi",
      sensitivity_index >= 3 ~ "Tinggi", 
      sensitivity_index >= 2 ~ "Sedang",
      sensitivity_index >= 1.5 ~ "Rendah",
      TRUE ~ "Sangat Rendah"
    )
  )

# Demonstrate enhanced leaflet map functions:
# 1. Basic interactive sensitivity map
basic_map <- create_sensitivity_leaflet_map(
  demo_sensitivity_results,
  classification_column = "sensitivity_class",
  index_column = "sensitivity_index",
  basemap_options = c("CartoDB.Positron", "Esri.WorldImagery"),
  center_coords = c(120.25, -0.75),
  zoom_level = 11
)

# 2. Multi-layer map with individual indicators
multi_map <- create_multi_layer_sensitivity_map(
  demo_sensitivity_results,
  show_individual_indicators = TRUE,
  add_transition_zone = TRUE,
  transition_area = demo_trans_area
)

# 3. Presentation-optimized map
presentation_map <- create_presentation_leaflet_map(
  demo_sensitivity_results,
  presentation_mode = TRUE,
  map_height = "500px"
)

# Display the presentation-optimized map
print(presentation_map)

Fitur Peta Interaktif yang Tersedia

Implementasi ini menyediakan peta leaflet interaktif yang komprehensif:

  • create_sensitivity_leaflet_map(): Peta dasar dengan kontrol multi-layer dan popup Indonesia
  • create_multi_layer_sensitivity_map(): Peta berlapis dengan indikator individual dan area transisi
  • create_presentation_leaflet_map(): Peta yang dioptimalkan untuk presentasi
  • generate_enhanced_popup_content(): Popup dengan format HTML yang diperkaya dan visualisasi mini
  • add_interactive_features(): Fitur interaktif tambahan seperti click events dan hover effects

Fitur Popup yang Tersedia:

  • Template Ringkasan: Informasi kunci dengan styling yang bersih
  • Template Detail: Informasi lengkap dengan progress bar dan rating bintang
  • Template Perbandingan: Visualisasi perbandingan antar indikator

Contoh Popup Interaktif

Lihat kode template popup interaktif 
# Demonstrate different popup templates
# 1. Enhanced popup with progress bars and star ratings
enhanced_popups <- generate_enhanced_popup_content(
  demo_sensitivity_results,
  include_charts = FALSE,
  include_rankings = TRUE
)

# 2. Summary popup template
summary_popups <- create_custom_popup_template("summary", demo_sensitivity_results)

# 3. Comparison popup template  
comparison_popups <- create_custom_popup_template("comparison", demo_sensitivity_results)

# Example of popup content (first grid)
cat("Contoh Popup Enhanced:\n")
cat(enhanced_popups[1])

Bagian VI: Kesimpulan

Ikhtisar Bagian VI

Yang akan dibahas:

  • Hasil Utama dan Temuan: Ringkasan pencapaian implementasi CoVARM
  • Pengembangan Selanjutnya: Roadmap komponen yang akan ditambahkan
  • Penutup: Kontak dan sumber daya

Hasil Utama

  • Berhasil mengimplementasikan analisis sensitivitas untuk CoVARM
  • Menganalisis 4 variabel sensitivitas utama di Sulawesi Tengah
  • Menghasilkan indeks sensitivitas berbasis klasifikasi kuantil
  • Menyediakan visualisasi interaktif untuk eksplorasi hasil

Temuan Penting

Distribusi Sensitivitas

  • Mayoritas area: sensitivitas rendah-sedang
  • Hotspot sensitivitas tinggi: area dengan kepadatan populasi tinggi
  • Vegetasi pesisir berperan sebagai faktor protektif

Kontribusi Variabel

  • Kepadatan populasi: kontributor utama
  • Lahan terbangun: faktor penting kedua
  • Lahan terbuka: meningkatkan kerentanan
  • Vegetasi pesisir: mengurangi sensitivitas

Pengembangan Selanjutnya

Komponen yang Akan Ditambahkan:

  1. Analisis Paparan (Exposure)
    • Banjir 100 tahun
    • Kenaikan muka air laut
    • Paparan gelombang dan angin
    • Elevasi dan jarak ke sungai
  2. Analisis Kapasitas Adaptasi
    • Indeks desa membangun
    • Persentase populasi lanjut usia
    • Infrastruktur dan layanan

Integrasi Komponen

Indeks Kerentanan Komposit:

\[\text{Kerentanan} = f(\text{Paparan}, \text{Sensitivitas}, \text{Kapasitas Adaptasi})\]

Fitur Tambahan:

  • Integrasi data CMS (Coral, Mangrove, Seagrass)
  • Analisis skenario intervensi
  • Pemetaan prioritas adaptasi
  • Dashboard interaktif lengkap

Terima Kasih

Kontak dan Informasi

Tim Pengembang: - Faza - Dony

Institusi: ICRAF

Untuk informasi lebih lanjut: - Email: [kontak@icraf.org] - Website: [www.icraf.org]

Sumber Daya

  • Kode sumber: GitHub repository
  • Data: Tersedia sesuai lisensi
  • Dokumentasi: Manual pengguna
  • Tutorial: Video dan panduan

Ucapan Terima Kasih

Terima kasih kepada semua pihak yang telah berkontribusi dalam pengembangan CoVARM dan penyediaan data untuk analisis kerentanan pesisir Sulawesi Tengah.