Hasil Pencarian  ::  Simpan CSV :: Kembali

"Indonesia seringkali mengalami bencana alam, pada tahun 2008 Indonesia termasuk dalam 10 besar negara di dunia yang selalu mengalami bencana. Bencana terbesar yang terjadi adalah bencana hidrologi yang berhubungan dengan banjir, yaitu sekitar 34%. Ini mengindikasikan bahwa kejadian banjir perlu ditangani secara seksama oleh berbagai pihak. Pendekatan yang digunakan adalah secara nonstruktur dengan mengembangkan sistem peringatan dini banjir, menggunakan pemdektan pemodelan hidrologi dan hidraulik untuk menentukan karakteristik aliran banjir. Input yang dipakai dalam model menggunakan beberapa sumber data, seperti data pengamatan lapangan dengan sistem pengiriman data secara telemetri, data radar, satelit, dan data prakiraan hujan dari berbagai Numerical Weather Prediction (NWP) serta prakiraan muka air laut dengan menggunakan Astronomical Tide dan South China Sea Model. Penggunaan beberapa sumber data dimaksudkan untuk memperpanjang lead time yang dihasilkan oleh model. Sistem peringatan dini banjir Jakarta (J-FEWS) telah dioperasikan secara perdana untuk kejadian banjir pada akhir tahun 2012 dan awal tahun 2013. Hasil yang diperoleh menunjukkan bahwa sistem berjalan dengan baik meskipun hasil prakiraan masih memerlukan perbaikan, terutama data curah hujan yang digunakan (baik data pengamatan maupun data prakiraan). Penggunaan hujan prakiraan dapat menghasilkan lead time yang lebih panjang, tetapi akurasi prakiraan model menjadi berkurang."

"Wilayah pesisir adalah salah satu wilayah yang sangat rentan bencana. Salah satu bencana yang perlu mendapat perhatian serius di daerah pesisir termasuk di kota Jakarta adalah bencana yang disebabkan oleh banjir pantai. Permasalahan utama adalah saat ini belum tersedia sistem peringatan dini banjir pantai di Jakarta. Tujuan penelitian ini adalah membangun model sistem peringatan dini banjir pantai dengan memperhitungkan berbagai faktor dan menganalisis tingkat penerimaan masyarakat pada pengembangan sistem peringatan dini banjir pantai di daerah pesisir Jakarta. Metode yang digunakan adalah Mix Method (Kuantitatif dan Kualitatif). Pengembangan model dilakukan dengan memperhitungkan faktor meteorologi, klimatologi, oseanografi dan hidrologi dan juga melakukan analisis pada penerimaan masyarakat dengan deskripsi statistik, tabulasi silang dan analisis jalur. Hasil penelitian menunjukkan perbandingan tinggi muka laut pada saat kejadian banjir pantai antara model dan data observasi pada tanggal 29 Mei – 8 Juni 2016, 3 Januari – 13 Januari 2017 dan 28 November – 8 Desember 2017 menunjukkan korelasi yang baik yaitu nilai r masing - masing, 0,98, 0,99, dan 0,96. Hasil simulasi pada tanggal 5 Desember 2017 menunjukkan peta genangan dengan dampak terparah ada di wilayah Tanjung Priok, Marunda, Kalibaru dan Kamal Muara. Hasil analisis penerimaan masyarakat memperlihatkan adanya hubungan antara pengetahuan dan persepsi pada sikap masyarakat merespon model peringatan dini banjir pantai. Berdasarkan hasil penelitian dapat disimpulkan bahwa model yang dibangun dalam penelitian dapat digunakan sebagai sistem peringatan dini dalam mitigasi banjir pantai bagi masyarakat di pesisir Jakarta.

---

The coastal area is one of the areas that are very vulnerable to disasters. One of the catastrophes that need serious attention in coastal areas, including in Jakarta, is a disaster caused by coastal flooding. The main problem is that currently, there is no coastal flood early warning system in Jakarta. This research aims to build a model of coastal flood early warning system by taking into account various factors and analyzing the level of public acceptance on the coastal flood early warning system in development in the coastal areas of Jakarta. The method used is the Mix Method (Quantitative and Qualitative). Model development is carried out by considering meteorological, climatological, oceanographic, and hydrological factors and conducting analysis on public acceptance with statistical descriptions, cross - tabulation, and path analysis. The results show the comparison of sea level between the model and the observation data at the time of coastal flooding on 29 May - 8 June 2016, 3 January - 13 January 2017 and 28 November - 8 December 2017 showed a good correlation, namely the respective r values, 0,98, 0,99, and 0,96. The simulation results on 5 December 2017 depict inundation maps with the worst impacts in the Tanjung Priok, Marunda, Kalibaru, and Kamal Muara areas. The public acceptance analysis results show that there is a relationship between knowledge and perceptions of people's attitudes in responding to the coastal flood early warning model. From the results of the study, it can be concluded that the model built in the study can be used as an early warning system in coastal flood mitigation for communities on the coast of Jakarta."

"Banjir di Jakarta merupakan masalah yang kompleks yang dipengaruhi oleh kombinasi faktor geografis, sosial, ekonomi, dan lingkungan. Studi ini berfokus pada prediksi banjir dengan membandingkan data stasiun darat Automatic Rain Gauge (ARG) dan data satelit Climate Hazards Group InfraRed Precipitation (CHIRPS) menggunakan Adaptive Neurofuzzy Inference System (ANFIS) yang terintegrasi dengan Principal Component Analysis (PCA). Dataset mencakup pengukuran curah hujan dari ARG dan CHIRPS, serta data ketinggian air dari tahun 2014 hingga 2020. ARG menyediakan data curah hujan lokal yang akurat, sementara CHIRPS menawarkan cakupan curah hujan regional yang luas. Teknik praproses seperti imputasi rata-rata, normalisasi data, dan metode interquartile range (IQR) digunakan untuk meningkatkan kualitas data. Model ANFIS-PCA, yang mengintegrasikan logika fuzzy dan pelatihan jaringan saraf tiruan, diterapkan dengan pembagian data 80:20 untuk pelatihan dan validasi. Ketika dilatih dengan data stasiun darat ARG dan pengukuran ketinggian air, model ANFIS-PCA menunjukkan akurasi yang superior, dengan root mean square error (RMSE) sebesar 0,13, mean absolute error (MAE) sebesar 0,12, dan R² sebesar 0,82. Sebaliknya, model ANFIS tanpa PCA menghasilkan kesalahan yang lebih tinggi, dengan RMSE 6,3, MAE 6,2, dan R² 0,74. Pelatihan dengan data satelit CHIRPS menghasilkan kesalahan yang jauh lebih tinggi (RMSE 30,14, MAE 24,05, R² 0,42). Sedangkan hasil ANFIS – PCA menghasilkan akurasi yang lebih bagus (RMSE 4,8, MAE 2,0 dan R² 0,55) . Hasil penelitian menunjukkan bahwa ANFIS-PCA memiliki kinerja yang lebih baik dibandingkan model ANFIS tanpa PCA, terutama ketika dilatih dengan data dari stasiun darat. Integrasi PCA berhasil mengurangi dimensi data, meningkatkan efisiensi komputasi dan akurasi model. Selain itu hasil ini juga menegaskan keunggulan pengukuran curah hujan data ground station untuk prediksi banjir, mempunyai angka presisi yang lebih tinggi dan kerentanan yang lebih rendah terhadap kesalahan dibandingkan data satelit. Sementara itu data satelit CHIRPS menawarkan cakupan spasial yang lebih luas.

---

Flooding in Jakarta is a complex issue influenced by a combination of geographical, social, economic, and environmental factors. This study focuses on flood prediction by comparing ground station data from Automatic Rain Gauges (ARG) and satellite data from the Climate Hazards Group InfraRed Precipitation (CHIRPS) using the Adaptive Neuro-Fuzzy Inference System (ANFIS) integrated with Principal Component Analysis (PCA). The dataset includes rainfall measurements from ARG and CHIRPS, as well as water level data from 2014 to 2020. ARG provides accurate local rainfall data, while CHIRPS offers broad regional precipitation coverage. Preprocessing techniques such as mean imputation, data normalization, and the interquartile range (IQR) method were employed to enhance data quality.

The ANFIS-PCA model, which integrates fuzzy logic and neural network training, was implemented using an 80:20 data split for training and validation. When trained with ARG ground station data and water level measurements, the ANFIS-PCA model demonstrated superior accuracy, achieving a root mean square error (RMSE) of 0.13, mean absolute error (MAE) of 0.12, and R² of 0.82. In contrast, the ANFIS model without PCA yielded higher errors, with RMSE of 6.3, MAE of 6.2, and R² of 0.74. Training with CHIRPS satellite data resulted in significantly higher errors (RMSE 30.14, MAE 24.05, R² 0.42). Meanwhile, the ANFIS-PCA model trained on combined datasets showed improved performance, achieving RMSE of 4.8, MAE of 2.0, and R² of 0.55.

The results indicate that the ANFIS-PCA model outperforms the ANFIS model without PCA, particularly when trained with ground station data. The integration of PCA successfully reduced data dimensionality, improving computational efficiency and model accuracy. Furthermore, the findings reaffirm the superiority of ground-based measurements for flood prediction due to their higher precision and lower susceptibility to errors compared to satellite-derived data, while CHIRPS satellite data offers wider spatial coverage."

"Banjir merupakan bencana besar yang kerap kali melanda Indonesia. Jakarta sebagai Ibukota beberapa tahun sekali mengalami banjir besar ini. Salah satu wilayah yang mengalami dampak negatif bencana ini ialah Kampung Melayu, Jakarta Timur. Terletak dekat daerah aliran sungai Ciliwung, bencana banjir di Kampung Melayu tak terelakkan terjadi. Penelitian ini bertujuan untuk membuat sistem deteksi bencana banjir di Kampung Melayu dengan implementasi algoritma Random Forest. Temperatur, tekanan udara, intensitas curah hujan, intensitas radiasi sinar matahari dan kelembaban relatif dari Stasiun Cuaca Citeko digunakan sebagai dataset dengan data tambahan berupa tinggi muka air di Pos Air Bendung Katulampa, Pos Air Depok dan Pos Air Manggarai. Hasil prediksi berupa empat kelas klasifikasi status siaga banjir dari tiap pos. Selain menggunakan algoritma Random Forest, penelitian ini juga menggunakan algoritma Decision Tree sebagai pembanding untuk melihat kinerja terbaik dari keduanya. Kedua algoritma ini merupakan metode yang kerap kali digunakan untuk pemodelan data time -series. Random Forest mencapai akurasi sebesar 99,17% dan Decision Tree mencapai 98,90%. Hasil ini menunjukkan bahwa sistem deteksi bencana banjir di Kampung Melayu, Jakarta dapat bekerja lebih baik dengan pengimplementasian Random Forest.

---

Flooding is a severe disaster that happens frequently in Indonesia. Jakarta, as the capital city of Indonesia, experiences this big flood every few years. One of the areas which experienced the negative impact of this disaster was Kampung Melayu, East Jakarta. Located near the Ciliwung river basin, flooding in Kampung Melayu is inevitable. The research aims to create a flood detection system in Kampung Melayu with the implementation of the Random Forest algorithm. Temperature, air pressure, rainfall, solar radiation, and relative humidity from the Citeko Weather Station were used as datasets with the addition of water level at the Katulampa Dam Water Post, Depok Water Post, and Manggarai Water Post. Prediction results in the form of four classes of flood alert status classification from each water post. In addition to using the Random Forest algorithm, this research also uses the Decision Tree algorithm as a comparison to see the best performance of the two algorithms. Both algorithms are methods which often used for time – series data modelling. Random Forest achieved 99,17% accuracy and Decision Tree achieved 98,90%. These results show that the flood detection system in Kampung Melayu, Jakarta can work better with the implementation of Random Forest. "

"Secara geografis, Jakarta dibagi menjadi hulu dari 13 sungai dan terletak di daerah dataran rendah (Napier, 2021). Menurut laporan BPBD DKI Jakarta tahun 2018, terdapat 7.228 rumah tangga atau 11.450 orang yang terdampak banjir pada Selasa sore, 6 Februari 2018. Salah satu pendekatan pengurangan banjir yang mengurangi kerusakan akibat banjir adalah bendungan kering. Bendungan kering adalah daerah tangkapan yang dirancang untuk menampung kelebihan air selama banjir sambil memungkinkan air mengalir bebas dalam situasi normal. Ini adalah metode mitigasi banjir jangka pendek yang menahan air untuk durasi singkat sebelum melepaskannya secara bertahap untuk mencegah banjir di hilir. Analisis efektivitas bendungan kering dilakukan dengan analisis daerah aliran sungai menggunakan ArcGIS, curah hujan rancangan, analisis model hidrologi menggunakan HEC-HMS, dan analisis model tingkat air menggunakan HEC-RAS dengan dan tanpa bendungan untuk periode ulang 50 tahun, 100 tahun, dan banjir maksimum yang mungkin terjadi (PMF). Hasil perbandingan pengurangan banjir dan tingkat air dianalisis berdasarkan perubahan debit, tingkat air di Bendung Katulampa, dan tingkat peringatan di Bendung Katulampa. Debit dari pemodelan dikalibrasi dengan data aktual menggunakan analisis NSE, yang menghasilkan nilai 0,872; diklasifikasikan sebagai baik. Tingkat air dan tingkat peringatan untuk Tr 50 tahun di Bendung Katulampa berubah dari 2,59 m menjadi 1,98 m atau sebesar 24%, dan tingkat peringatan turun dari level 1 ke level 2. Namun, untuk Tr 100 tahun, tingkat peringatan tidak berubah karena tetap tercatat pada level 1, dan model PMF tidak dapat ditampung oleh bendungan karena melebihi elevasi maksimum.

---

Geographically, Jakarta becomes the headwaters of 13 rivers and is located in the lowlands area. (Napier, 2021). According to the DKI Jakarta BPBD report 2018, there were 7,228 households or 11,450 people affected by the floods on Tuesday afternoon, 6th February 2018. One of flood reduction approaches that reduce the damage caused by flooding is dry dam. Dry dams are catchment areas designed to hold surplus water during flooding while allowing water to flow freely under normal situations. This is a short-term flood mitigation method that holds water for short duration before gradually releasing it to prevent downstream flooding. The analysis of effectiveness of dry dams conducted by watershed analysis on ArcGIS, design rainfall, hydrological model analysis on HEC HMS, and water level model analysis on HEC-RAS with and without dams for 50, 100 years, and probable maximum flood (PMF) return period. The comparison between result in flood reduction and water level would be analyzed as the changes in discharge, water level at Katulampa Weir, and warning level at Katulampa Weir. The discharge from modelling calibrated to the actual data by NSE analysis, which resulted in 0.872; classified as good. The water level and warning level were resulted for Tr 50 years at Katulampa Weir changed from 2.59 m to 1.98 m by 24% and so the warning level from level 1 to level 2. However, for TR 100 years the warning level did not change as it was recorded at level 1 and the PMF model could not be accommodated by the dams as it exceeded the maximum elevation."

"Sistem Peringatan Dini Bencana (Disaster Early Warning System) atau yang disebut DEWS adalah sistem yang dikelola oleh Badan Penanggulangan Bencana Daerah Provinsi DKI Jakarta dan digunakan oleh petugas Unit Pelaksana Teknis Pusat Data dan Informasi Kebencanaan (UPT PDIK) serta petugas di Kelurahan terdampak bencana banjir. DEWS bertujuan untuk membantu masyarakat dalam menerima, memahami, dan bereaksi secara cepat dan tepat terhadap peringatan dini yang diinformasikan oleh petugas. DEWS dinilai belum optimal dan sesuai dengan ekspektasi yang diharapkan dalam mengelola layanan peringatan dini bencana. Hal ini ditunjukan dari permasalahan-permasalahan terkait kinerja DEWS.Tujuan penelitian ini adalah untuk melakukan evaluasi terkait analisis faktor yang memengaruhi kesuksesan dari Sistem Peringatan Dini Bencana (DEWS) dan rekomendasi peningkatan kualitas sistem. Salah satu cara menghindari kegagalan layanan e-government adalah dengan menentukan dan mendefinisikan faktor kesuksesan diawal implementasi (Napitupulu, Syafrullah, Rahim, Amar, & Sucahyo, 2018). Penelitian ini mengadopsi model kesuksesan DeLone & McLean dengan penambahan variabel kualitas teknologi pelengkap. Data dikumpulkan dengan menggunakan kuesioner yang disebar kepada petugas UPT PDIK BPBD Provinsi DKI Jakarta dan petugas kelurahan dimana DEWS telah terpasang. Data hasil kuesioner diolah dengan menggunakan Partial Least Squares-Structural Equation Model (PLS SEM).Dari 11 hipotesis pada penelitian ini setelah dilakukan pengolahan data dengan menggunakan PLS SEM terdapat 5 hipotesis yang diterima dan 6 yang ditolak. Kepuasan pengguna (user satisfaction) menjadi variabel paling memiliki pengaruh positif kepada kesuksesan DEWS. Kemudian diikuti kualitas sistem (system quality), kualitas teknologi pelengkap (complimentary). Penggunaan (use) saat ini belum memiliki pengaruh pada kesuksesan, dimana kualitas layanan berpengaruh positif pada penggunaan, namun belum berpengaruh pada kepuasan pengguna. Kualitas informasi (information quality) saat ini juga belum memiliki pengaruh positif pada penggunaan dan kepuasan pengguna.

---

The Disaster Early Warning System, called DEWS, is a system managed by the DKI Jakarta Provincial Disaster Management Agency and used by Disaster Data and Information Center Technical Implementation Unit (UPT PDIK) officers and officers in villages district that affected by flood disasters. DEWS aims to assist the community in receiving, understanding, and reacting quickly and precisely to early warnings that are informed by officers. DEWS is considered not optimal and in accordance with the expectations expected to manage disaster early warning services. This is shown from the problems related to DEWS performance.

The purpose of this study is to evaluate the analysis of factors that influence the success of the Disaster Early Warning System (DEWS) and recommendations for improving the quality of the system. One way to avoid the failure of e-government services is to determine and define success factors at the beginning of implementation (Napitupulu, Syafrullah, Rahim, Amar, & Sucahyo, 2018). This study adopts the DeLone & McLean success model with the addition of complementary technology quality variables. Data was collected using a questionnaire distributed to UPT PDIK BPBD DKI Jakarta Province staff and village officials in district where DEWS has been installed. Data from the questionnaire were processed using the Partial Least Squares-Structural Equation Model (PLS SEM).

By 11 hypotheses in this study after processing data using PLS SEM, there are 5 accepted and 6 rejected hypotheses. User satisfaction has the most positive influence on DEWS success. Then followed by the system quality and complimentary. Use does not currently have an influence on success, where service quality has a positive effect on use, but has not affected user satisfaction. The information quality at this time also does not have a positive influence on the use and user satisfaction."

"ABSTRAKBerdasarkan Comprehensive Flood Management Plan CFMP salah satu alternatif pengendalian banjir pada sungai Ciliwung ialah pembangunan Dry Dam JICA Yachiyo Engineering Co, 2013 . Pembangunan Bendungan Ciawi dan Sukamahi yang terletak di Kabupaten Bogor diharapkan dapat mengurangi puncak banjir dan menambah waktu konsentrasi akibat limpasan sungai Ciliwung, yang selama beberapa tahun memberikan dampak kerugian banjir. Dengan dibangunnya Bendungan Ciawi dan Sukamahi, perlu dilakukan penelitian terkait pengaruh kedua bendungan tersebut pada Bendung Katulampa, salah satu titik pantau sistem peringatan dini banjir di DKI Jakarta. Analisis hidrologi dengan bantuan aplikasi Win-TR 20 dan HEC-RAS dilakukan untuk mengetahui perubahan level siaga banjir pada sistem peringatan dini banjir di DKI Jakarta dengan adanya kedua bendungan tersebut. Hasil penelitian ini menunjukkan bahwa terdapat penurunan puncak banjir setelah dibangunnya Bendung Ciawi dan Bendung Sukamahi sekitar 2.5 sehingga terdapat penurunan level siaga banjir pada Bendung Katulampa setelah dibangunnya Bendung Ciawi dan Bendung Sukamahi.

---

ABSTRACT<>br>Based on the Comprehensive Flood Management Plan CFMP , one of the flood control alternatives in the Ciliwung Watershed is dry dam construction JICA Yachiyo Engineering Co, 2013 . Construction of Ciawi and Sukamahi Dams located in Bogor District are expected to decrease the flood peak and increase the time of concentration in order to reduce the loss caused by flood in DKI Jakarta due to Ciliwung river. With the construction of Ciawi and Sukamahi Dams, it is necessary to conduct research on the influence of both dams in Katulampa Weir, one of monitoring points dams on the DKI Jakarta flood early warning system. Hydrological analysis with Win TR 20 and HEC RAS was conducted to identify changes in flood level in flood early warning system in DKI Jakarta without and with both dams available. The results of this study indicate that the peak floods decreased around 2.5 after implementation of Ciawi and Sukamahi Dam. The impact of this reduction will cause the changes on flood early warning system level at Katulampa Weir."

"

Indonesia secara geografis merupakan negara yang rentan terhadap bencana alam yakni termasuk DKI Jakarta. Dari tahun 2015 sampai 2020, 80% bencana alam yang dialami di DKI Jakarta adalah Banjir. 57 Kelurahan dan 23 Kecamatan dari DKI Jakarta rentan akan banjir. Sebagai tindakan pencegahan ada 4 fase dalam manajemen bencana alam. Logistik Kemanusiaan bermain peran yang krusial. Hal ini terdiri dari perencanaan, implementasi, sertal mengontrol biaya yang efektif dan efisien untuk aliran suplai, material, dan informasi terkait yang dimana memenuhi kebutuhan orang evakuasi di tempat pengungsi (Contoh: makanan dan minuman). Dalam memenuhi logistic kemanusiaan, ada beberapa ketidakpastian seperti, hal ini disebabkan karena bencana alam seperti banjir bersifat stokastik. Karena sifat tersebut, perencanaan harus dilakukan jauh sebelum terjadinya bencana. Salah satu caranya adalah dengan melakukan meng-alokasi suplai dalam depot sebelum terjadinya bencana, sehingga dapat didistribusikan ketika bencana terjadi. Pihak berwenang memiliki kewajiban dalam memunhi kebutuhan dengan tantangan sumber daya yang terbatas. Dalam penelitian ini, sang penulis ingin melakukan optimasi dalam pengalokasian suplai menggunakan pemrograman stokastik dan Sample Average Approximation. Hal ini dilaksanakan dengan meminimalkan biaya terkait dalam alokasi suplai yang ditaruh pra-bencana. Selain menunjukan hasil total biaya yang terminimalisir, hasil dari modelnya adalah rute kendaraan dalam memindahkan produk ke korban bencana serta pengalokasian jumlah produk di setiap depot.

 

---

Indonesia is a country that is considered as prone disaster which includes its capital city DKI Jakarta. From 2015 to 2020, 80% of disasters faced by DKI Jakarta were flood with 57 of its villages and 23 of its sub-districts are prone to it. As an act of precaution, there are 4 phases in disaster management with humanitarian logistics playing as its crucial role. Humanitarian Logistics plans, implements, and controls the cost-effective and efficient flow of goods, materials, and related information which includes fulfilling basic needs of people in shelters (example: food and drink). In fulfilling Humanitarian logistics there are several uncertainties, since flood occurs stochastically which means the occurrence and the impacts are not exactly known. Due to the stochasticity of the disaster, planning is done before its occurrence. One way is by pre-positioning supplies in depot which will be distributed during the disaster. The authorities need to be able to plan in fulfilling demand while being constrained by limited amount of resources. In this research, the author would like to optimize the allocation of Prepositioned supply using Stochastic Programming and Sample Average Approximation. It is done by minimizing the cost related to managing prepositioned supply. Aside from showing the minimum amount of cost, the optimization model produces the route of transportation in transferring the product from the depot to shelter while also allocating the supplies in every depot.

 

"

"Bencana banjir di DKI Jakarta merupakan bencana yang harus lebih diperhatikan lebih dalam. Solusi dalam mengatasi bencana banjir dapat dilakukan atau diselesaikan melalui penanggulangan bencana banjir. Penanggulangan bencana banjir bisa dengan melakukan dan melaksanakan mitigasi bencana banjir untuk mengurangi risiko bencana banjir tersebut. Untuk memaksimalkan penanganan banjir pada sektor mitigasi bencana banjir diterapkan konsep triple helix. Konsep triple helix adalah sebuah kerjasama tiga stakeholder yaitu pemerintah, akademisi, dan lembaga usaha. Tujuan dari penelitian ini adalah menggambarkan kerjasama ketiga stakeholder dalam upayanya untuk menghasilkan mitigasi banjir yang baik dengan mengeluarkan sebuah inovasi tepat guna melalui forum diskusi kebencanaan. Jumlah informan dalam penelitian ini berjumlah lima orang yang berasal dari lembaga BNPB, BPBD DKI Jakarta, PPGT UI, dan HOT Indonesia. Penelitian ini dilakukan melalui pendekatan post positivist dan teknik pengumpulan datanya dengan menggunakan studi kepustakaan dan wawancara mendalam. Pada penelitian ini menggunakan konsep triple helix dalam mengatasi mitigasi bencana banjir pada bencana banjir di DKI Jakarta melalui tiga dimensi, yaitu: Knowledge Space, Consensus Space, dan Innovation Space. Melalui penerapan dimensi triple helix pada kerjasama pemerintah, akademisi, dan lembaga usaha dalam mitigasi bencana banjir akan menjelaskan upaya mitigasi bencana banjir melalui tiga dimensi Knowledge Space yang mana sudah terdapat forum diskusi kebencanaan terkait bencana banjir sebelum banjir 2020 melanda; Consensus Space yang mana ketiga pihak memiliki komitmennya dalam upaya mitigasi bencana, dan Innovation Space yang mana terdapat hasil inovasi tepat guna yang berasal dari kerjasama tiga pihak.

---

The flood disaster in DKI Jakarta is a disaster that must be paid more attention to. Solutions in overcoming flood disasters can be done or resolved through flood disaster management. Flood disaster management can do and implement flood disaster mitigation to reduce the risk of flood disasters. To maximize flood management in the flood disaster mitigation sector, the triple helix concept is applied. The triple helix concept is a collaboration of three stakeholders, namely government, academia, and business institutions. The purpose of this study is to describe the cooperation of the three stakeholders in their efforts to produce good flood mitigation by issuing an effective innovation through a disaster discussion forum. The number of informants in this study amounted to five people from BNPB, BPBD DKI Jakarta, PPGT UI, and HOT Indonesia. This research was conducted through a post-positivist approach and data collection techniques using literature study and in-depth interviews. This research uses the triple helix concept in overcoming flood disaster mitigation in flood disasters in DKI Jakarta through three dimensions, namely: Knowledge Space, Consensus Space, and Innovation Space. Through the application of the triple helix dimension to the collaboration of government, academia, and business institutions in flood disaster mitigation, it will explain flood disaster mitigation efforts through three dimensions of Knowledge Space, which has a disaster discussion forum related to floods before the 2020 floods hit; Consensus Space, where the three parties are committed to mitigating disasters, and the Innovation Space, where there are appropriate innovation results from the cooperation of three parties."