Ketelitian Model Kinematik untuk Memprediksi Karakteristik Longsor (Studi Kasus : Zona Longsor di Ciloto-Puncak, Jawa Barat)

1 Pendahuluan

Longsor merupakan bencana alam yang sering mengancam morfologi lereng di kawasan berbukit atau pegunungan, khususnya di musim hujan. Bencana longsor menyebabkan kerugian besar dalam perekonomian, bahkan mengancam keselamatan manusia. Berdasarkan laporan tentang bencana longsor dari Direktorat Jenderal Geologi dan Sumberdaya Mineral Departemen Energi dan Sumberdaya Mineral (2005) diketahui bahwa Indonesia memiliki ± 918 lokasi rawan longsor yang tersebar di 11 propinsi, yaitu Jawa Tengah 327 lokasi, Jawa Barat 276 lokasi, Sumatera Barat 100 lokasi, Sumatera Utara 53 lokasi, Yogyakarta 30 lokasi, Kalimantan Barat 23 lokasi dan sisanya tersebar di Nusa Tenggara Timur, Riau, Kalimantan Timur, Bali, dan Jawa Timur. Dalam kurun waktu tahun 2003 – 2005 telah terjadi 103 kejadian bencana longsor, seperti pada Tabel 1.

Tabel 1 Daftar Kejadian dan Korban Bencana Longsor Tahun 2003 – 2005

Sumber : Direktorat Jenderal Geologi dan Sumberdaya Mineral Departemen Energi dan Sumberdaya Mineral

Dengan demikian pemantauan terhadap perilaku material penyusun lereng penting dilakukan sebagai upaya meminimalis bencana longsor. Metode-metode yang ada untuk memantau perilaku material penyusun lereng dengan menghitung faktor keamanan (factor of safety) sebagai nilai yang menyatakan kestabilan lereng. Perhitungan tersebut menggunakan besaran-besaran fisik, seperti geometrik lereng, ketahanan material penyusun lereng, hidrogeologi, cuaca, stratigrafi, dan struktur batuan geologi. Penggunaan besaran fisik dapat menghasilkan suatu keluaran yang realistik dalam mewakili fenomena longsor. Tetapi pengukuran besaran fisik di lapangan berkaitan dengan keberagaman material dan kondisi alam sehingga memerlukan perangkat yang relatif mahal dan tidak mudah pengadaannya.

Dalam memantau pergerakan material longsor, pengukuran geodetik dapat lebih murah, praktis, dan mampu mencakup area yang lebih luas. Tetapi pemanfaatan metode geodetik belum dikembangkan hingga mampu berperan untuk mengetahui perilaku material penyusun lereng atau karakteristik dari suatu fenomena longsor sehingga dapat memberikan kontribusi dalam rangka mitigasi bencana longsor. Perilaku material penyusun lereng dapat diketahui melalui status vektor perpindahan posisi titik pantau geodesi, kecepatan, dan percepatan. Arah dan besar perpindahan titik pantau geodesi, kecepatan, dan percepatan dapat dijadikan masukan bagi penentuan strategi mitigasi bencana longsor.

2 Area Studi dan Pengumpulan Data

Area studi yang dipilih adalah zona longsor pada lereng seluas ± 40 hektar yang berada pada posisi geografis 1070000 – 1070020 BT dan 064240 – 064300 LS, yang berada pada kilometer 88.1 jalur jalan Cianjur – Puncak di Kampung Baru – Puncak Desa Ciloto Kecamatan Pacet Kabupaten Cianjur, Jawa Barat.

Dalam Sugalang [13], kawasan puncak Ciloto dibagi menjadi lima unit morfologi, yaitu unit I yang meliputi area kompleks Gunung Lemo, unit II meliputi area kompleks Pondok Cikoneng, Gunung Mas, Gunung Gedogan, dan Gunung Joglok, unit III meliputi area Puncak, Jember, dan sekitarnya, unit IV meliputi area kompleks Sindanglaya, dan unit V merupakan lereng perbukitan area Cempaka, Tugu, dan sekitarnya, dapat dilihat pada gambar 1. Dengan adanya pembagian morfologi ini maka arah aliran air tanah dapat diketahui, termasuk area akumulasi air. Unit I dan II berperan sebagai area infiltrasi air dengan curah hujan tinggi dan unit III, IV, dan V merupakan area aliran air yang bersifat lokal. Zona longsor berada pada unit morfologi III, seperti pada gambar 2. Pada unit III, air tanah akan terakumulasi. Air tanah tersebut akan merembes melalui lapisan batuan permeabel (lapisan pasir) dan mencapai unit IV. Sebelum mencapai unit IV, air tanah akan melewati unit III. Hal ini akan meningkatkan tekanan air pori, sebagai ilustrasi dapat dilihat pada gambar 3. Oleh sebab itu yang paling mungkin mengalami longsor adalah unit III. Kondisi ini sebagai salah satu penyebab terjadinya longsor.

Gambar 1 Morfologi di Sekitar Zona Longsor

Gambar 2 Aliran Air di Sekitar Zona Longsor ¹³

Pemantauan terhadap zona longsor Ciloto dilakukan dengan survei GPS (2002 – 2005). Penentuan lokasi pemasangan titik-titik pantau GPS ini mengacu pada informasi geologi mengenai peta daerah longsor, hasil analisis obstruksi pengamatan satelit GPS, dan faktor kestabilan titik pantau yang sudah ada, dapat dilihat pada gambar 3. Berdasarkan jarak terhadap gawir utama, posisi titik GPS1, GPS2, GPS3, GPS4 dan GP13 berada pada bagian atas zona longsor, titik GPS5, GPS6, GPS7, GPS9, GP10, M010 berada pada bagian tengah zona longsor dan titik GPS8, GP11, GP12 berada pada bagian bawah zona longsor, dekat di sungai Cijember.

Gambar 3 Sebaran Titik-Titik Pantau GPS

Survei GPS yang dilakukan menggunakan metode statik differensial dengan alat receiver geodetik frekuensi ganda (dual frequency), lama survei berkisar antara 4 – 6 jam dengan interval perekaman data per 30 detik dan sudut elevasi 15° sehingga terhindar dari multipath/sinyal pantulan (lihat tabel 2).

Tabel 2 Strategi Survei GPS

Survei GPS terhadap titik-titik pantau dilakukan secara periodik sebanyak 5 (lima) kala. Kala 1 dilakukan tanggal 21 – 22 Januari 2002, yang merupakan musim penghujan terhadap 15 titik pantau dengan 2 titik referensi, kala 2 dilakukan tanggal 4 – 5 April 2002, yang merupakan musim kemarau terhadap

15 titik pantau GPS yang diamati 15 buah, kala 3 dilakukan tanggal 10 Mei 2003, yang merupakan musim kemarau terhadap 12 titik pantau (3 titik pantau tidak diamati karena mempunyai obstruksi yang kurang bagus) dan 1 titik referensi, kala 4 dilakukan tanggal 14 – 15 Mei 2004, yang merupakan musim kemarau terhadap 12 titik pantau, dan terakhir kala 5 dilakukan tanggal 3 – 4 Juli 2005, yang merupakan musim kemarau terhadap 12 buah dan 1 titik referensi.

3 Metodologi

Pendekatan kerangka pikir yang digunakan dapat dilihat pada gambar berikut ini.

Gambar 4 Kerangka Pikir

Apabila data pengukuran atau pengamatan yang dilakukan hanya dua periode waktu maka prediksi sangat diperlukan sehingga upaya mitigasi tetap dapat dilakukan dengan tepat.

Perpindahan posisi titik pantau diperoleh dengan menghitung selisih dua koordinat dari dua kala yang berurutan sehingga dihasilkan vektor perpindahan posisi titik pantau dalam arah easting, northing, dan beda tinggi, yang disebut sebagai model statik.

\[d_i = x_i^{(1)} - x_i^{(2)} \tag{1}\]

Dalam Yalcinkaya dkk [15], untuk memperoleh nilai kecepatan dan percepatan perpindahan material lereng digunakan model kinematik yang diaplikasikan terhadap data survei GPS. Dari model statik kemudian dikembangkan menjadi model kinematik, yang merupakan fungsi dari perpindahan posisi, kecepatan, dan percepatan titik pantau. Apabila disajikan dalam bentuk persamaan, dapat dilihat pada persamaan berikut ini:

\[E_{j}^{(i)} = E_{j}^{(i-1)} + (t_{i} - t_{i-1})V_{Ej} + \frac{1}{2}(t_{i} - t_{i-1})^{2} a_{Ej}\] \[N_{j}^{(i)} = N_{j}^{(i-1)} + (t_{i} - t_{i-1})V_{Nj} + \frac{1}{2}(t_{i} - t_{i-1})^{2} a_{Nj}\] \[h_{j}^{(i)} = h_{j}^{(i-1)} + (t_{i} - t_{i-1})V_{hj} + \frac{1}{2}(t_{i} - t_{i-1})^{2} a_{hj}\] (2)

Persamaan [1] disusun berdasarkan parameter yang akan dicari maka dibentuk persamaan berikut :

\[E_{j}^{(i)} = E_{j}^{(i-1)} + (t_{i} - t_{i-1})V_{Ej} + \frac{1}{2}(t_{i} - t_{i-1})^{2} a_{Ej}\] \[N_{j}^{(i)} = N_{j}^{(i-1)} + (t_{i} - t_{i-1})V_{Nj} + \frac{1}{2}(t_{i} - t_{i-1})^{2} a_{Nj}\] \[h_{j}^{(i)} = h_{j}^{(i-1)} + (t_{i} - t_{i-1})V_{hj} + \frac{1}{2}(t_{i} - t_{i-1})^{2} a_{hj}\] \[V_{Ej}^{i} = V_{Ej} + \frac{1}{2}(t_{i} - t_{i-1})^{2} a_{Ej}\]

\[V_{Nj}^{i} = V_{Nj} + \frac{1}{2} (t_{i} - t_{i-1})^{2} a_{Nj}\] \[V_{hj}^{i} = V_{hj} + \frac{1}{2} (t_{i} - t_{i-1})^{2} a_{hj}\] \[a_{Ej}^{i} = a_{Ej}\] \[a_{Nj}^{i} = a_{Nj}\] \[a_{hi}^{i} = a_{hi}\] (3)

Kecepatan longsor titik pantau diperoleh dari perpindahan posisi dua kala dibagi dengan selang waktu antara dua kala survei GPS, sementara percepatan longsor titik pantau diperoleh dari perpindahan posisi dua kala dibagi dengan kuadrat selang waktu antara dua kala survei GPS. Untuk memprediksi koordinat posisi titik pantau, kecepatan dan percepatan maka persamaan disusun dalam bentuk matriks:

\[\bar{Y}_{i,1} = \begin{bmatrix} E \\ N \\ h \\ V_E \\ V_N \\ V_h \\ a_E \\ a_N \\ a_h \end{bmatrix}_{i,1} = \begin{bmatrix} I_{3,3} & I_{3,3}(t_i - t_{i-1}) & I_{3,3} \frac{(t_i - t_{i-1})^2}{2} \\ 0_{3,3} & I_{3,3} & I_{3,3}(t_i - t_{i-1}) \\ 0_{3,3} & 0_{3,3} & I_{3,3} \end{bmatrix}_{a_1} \begin{bmatrix} E \\ N \\ h \\ V_E \\ V_N \\ V_h \\ a_E \\ a_N \\ a_h \end{bmatrix}_{i,1} (4)\]

\[\overline{Y}_{i,1} = T_{i,(i-1)} \hat{Y}_{(i-1),1} \tag{5}\]

\[Q_{Yi,Yi} = T_{i,(i-1)}Q_{Y(i-1),Y(i-1)}T_{i,(i-1)}^{T}\] (6)

\[\hat{L}_{i,1} = L_{i,1} + v_{Li,1} = A_{i,i} \hat{Y}_{i,1}\]

\[v_{Li,1} = A_{i,i}\hat{Y}_{i,1} - L_{i,1} \tag{7}\]

\[\hat{L} = F(dE, dN, dh, V_E, V_N, V_h, a_E, a_N, a_h);\]

terdiri dari jarak \(\hat{J}_i\) dan beda waktu \(\Delta \hat{t}_{i|i-1}\)

\[\hat{J}_{i} = \sqrt{(dE^{2} + dN^{2} + dh^{2})};\] \[\Delta \hat{t} = \frac{\sqrt{(V_{E}^{2} + V_{N}^{2} + V_{h}^{2})}}{\sqrt{(a_{E}^{2} + a_{N}^{2} + a_{h}^{2})}};\]

Sehingga persamaan [7] dapat ditulis sebagai berikut:

\[\begin{bmatrix} v_{J_i} \\ v_{\Delta t} \end{bmatrix} = \begin{bmatrix} \frac{dE}{J} & \frac{dN}{J} & \frac{dh}{J} & 0 & 0 & 0 & 0 & 0 & 0 \\ 0 & 0 & 0 & \frac{V_E}{V.a} & \frac{V_N}{V.a} & \frac{V_h}{V.a} & \frac{-a_E V}{a^3} & \frac{-a_N V}{a^3} & \frac{-a_h V}{a^3} \\ \end{bmatrix} \begin{bmatrix} \frac{dE}{dN} \\ V_E \\ V_N \\ V_h \\ a_E \\ a_N \\ a_h \end{bmatrix} - \begin{bmatrix} J_i - J_i^{\circ} \\ \Delta t - \Delta t_{i,i-1}^{\circ} \end{bmatrix}\]

Pada perhitungan awal, nilai pendekatan jarak \(J_i^{\circ}\) dan beda waktu \(\Delta t_{i,i-1}^{\circ}\) dianggap sama dengan nol. Perhitungan dilakukan menggunakan metode Kalman Filtering.

4 Hasil dan Diskusi

Untuk mengetahui ketepatan model matematika dalam memprediksi parameter yang dicari maka dilakukan komparasi hasil prediksi menggunakan model dengan hasil pengukuran. Hasil prediksi posisi (E,N,h) dapat dibandingkan dengan data ukuran dari kala yang sama. Prediksi koordinat, kecepatan dan percepatan pada titik pantau GP12, GP13 dan GP14 dilakukan menggunakan data kala 1-2 karena survei GPS di titik tersebut mengalami obstruksi. Standar deviasi pada ketiga titik tersebut mengalami loncatan nilai sehingga diputuskan untuk tidak menggunakannya pada tahap selanjutnya. Pada grafik dalam gambar 5, nilai posisi titik pantau hasil prediksi memiliki nilai lebih kecil dibandingkan dengan hasil pengukuran tetapi memiliki kecenderungan garis kurva yang sama dengan data ukuran.

Gambar 5 Prediksi vs Data Ukuran Status Vektor

Status kecepatan dan percepatan prediksi pada beberapa titik pantau memiliki loncatan nilai, yaitu titik pantau GPS7, GP11 dan GP14 secara horisontal, sementara titik pantau GPS7 dan GP10 memiliki loncatan nilai secara vertikal, seperti pada gambar 7.

Gambar 7 Kecepatan & Percepatan Prediksi vs Data Ukuran

Dalam Abidin dkk [2], untuk mengetahui hasil perhitungan parameter (perubahan posisi, kecepatan dan percepatan) suatu titik signifikan atau tidak maka dilakukan uji statistik T-Student. Hipotesa nol : tidak ada pergerakan sehingga persamaannya menjadi :

\[H_0: d_i = x_i^{(1)} - x_i^{(2)} = 0\]

Hipotesa tandingan:

\[H_1: d_i \neq 0 \tag{8}\]

Untuk melakukan test hipotesa nol maka dilakukan perhitungan nilai dengan sebaran T-Student. Sebaran T-student untuk perubahan posisi dihitung dengan persamaan :

\[T = \delta d_{12} / (\sigma \delta d_{12})\] \[\delta d_{12} = \sqrt{(dE_{12}^2 + dN_{12}^2 + dh_{12}^2)}\] \[\sigma \delta d_{12} = \sqrt{\frac{(dE_{12}^2 \sigma dE_{12}^2 + dN_{12}^2 \sigma dN_{12}^2 + dh_{12}^2 \sigma dh_{12}^2)}{\delta d_{12}^2}}\]

Untuk Kecepatan:

\[T = \delta V_{12} / (\sigma \delta V_{12})\] \[\delta V_{12} = \sqrt{(V_{E_{12}}^2 + V_{N_{12}}^2 + V_{h_{12}}^2)}\] \[\sigma \delta V_{12} = \sqrt{\frac{(V_{E_{12}}^2 \sigma V_{E_{12}}^2 + V_{N_{12}}^2 \sigma V_{N_{12}}^2 + V_{h_{12}}^2 \sigma V_{h_{12}}^2)}{\delta V_{12}^2} }\] \[(10)\]

Untuk Percepatan:

\[T = \delta a_{12} / (\sigma \delta a_{12})\] \[\delta a_{12} = \sqrt{(a_{E_{12}}^2 + a_{N_{12}}^2 + a_{h_{12}}^2)}\] \[\sigma \delta a_{12} = \sqrt{\frac{(a_{E_{12}}^2 \sigma a_{E_{12}}^2 + a_{N_{12}}^2 \sigma a_{N_{12}}^2 + a_{h_{12}}^2 \sigma a_{h_{12}}^2)}{\delta a_{12}^2}}\] (11)

Dalam Abidin dkk [3], apabila maka hipotesa nol tidak benar dan hipotesa tandingan yang benar maka dapat dikatakan bahwa perubahan koordinat sebagai indikasi adanya longsor bersifat signifikan. Dalam survei GPS ini nilai perpindahan posisi diturunkan dari data pengamatan beberapa satelit selama empat sampai enam jam dengan interval waktu perekaman 30 detik maka dapat diasumsikan bahwa df = . Dengan tingkat kepercayaan 99% ( = 1%) maka t,0.005 adalah 2.576. df , / ² T t

Tabel 3 Hasil Uji Statistik T-Student pada Model Kinematik

Dari hasil uji statistik dengan T-Student terhadap status vektor prediksi menggunakan model kinematik diketahui bahwa hipotesa nol ditolak atau hipotesa tandingan diterima untuk dua belas titik pantau GPS, kecuali GPS6 dan GP13 pada kala 1-2.

5 Kesimpulan

Dengan uji statistika maka diketahui bahwa hasil prediksi sebagian besar titik pantau dapat digunakan sebagai data untuk dianalisis, kecuali titik pantau GPS6 dan GP13 pada kala 1-2. Dari vektor pergerakan material longsor akan diketahui arah dan besar perpindahannya, kecepatan dan percepatan geraknya.

Perpindahan horizontal titik pantau yang diperoleh survei GPS dipengaruhi oleh tekanan akibat aliran air dari unit morfologi I, II, dan V serta terlihat adanya tekanan dari unit morfologi IV, sebagai rembesan. Tekanan air yang terbesar berasal dari unit morfologi II dan V. Pengaturan aliran air dari unit morfologi tersebut dapat menjadi suatu upaya pencegahan berlanjutnya tanah longsor di Ciloto. Tekanan air yang disebabkan oleh morfologi sekitar zona longsor tersebut mempengaruhi perpindahan vertikal material lereng. Dominasi arah perpindahan material dapat diperkirakan, yaitu dari arah barat laut ke tenggara.

Kecepatan perpindahan material lereng Ciloto termasuk dalam kelompok lambat sampai sangat lambat. Akibat yang akan ditimbulkan pada lingkungan sekitar adalah melengkungnya retakan tanah dan bangunan serta batang pepohonan yang melengkung. Kecepatan bergerak yang terbesar adalah pada bagian tengah zona longsor sehingga penggunaan lahan yang berada di bagian tersebut harus diatur sedemikian rupa sehingga tidak merugikan perekonomian dan jiwa manusia.

6 Nomenclature

E = Easting; nilai posisi titik dalam arah sumbu koordinat x (timur) dalam proyeksi UTM, satuan meter

h = height; tinggi titik di atas ellipsoid referensi GRS'80, satuan meter

i = kala survei GPS 1, 2, 3, ...

j = nomor titik pantau GPS1, GPS2, M010, ...

\(\hat{j}_i\) = jarak

\(\hat{L}_{i,1}\) = matriks data survei GPS yang dianggap benar, yang merupakan fungsi dari prediksi status vektor kala i atau parameter

N = Northing; nilai posisi titik dalam arah sumbu koordinat y (utara) dalam proyeksi UTM, satuan

\(Q_{Y(i-1),Y(i-1)}\) = matriks kofaktor status vektor kala (i-1)

\(Q_{y_i,y_i}\) = matriks kofaktor prediksi status vektor kala i

t = selang kala survei GPS

\(\Delta t_{i,i-1}^{\circ}\) = beda waktu

\(T_{i(i-1)}\) = matriks prediksi

V_E = kecepatan dalam arah sumbu koordinat x (Easting), satuan meter/bulan

\(V_N\) = kecepatan dalam arah sumbu koordinat y

(Northing)), satuan meter/bulan

\(V_h\) = kecepatan dalam arah vertikal, satuan meter/bulan

meter/bulan

\(v_{Li}, v_{Ji}, v_{\Delta t}\) = matriks koreksi data survei GPS, matriks koreksi jarak dan matriks koreksi beda waktu

\(x_j^{(1)}, x_j^{(2)}\) = vektor koordinat titik dari periode 1 dan 2 (E, N, h)⁽¹⁾ dan (E, N, h)⁽²⁾

\(\hat{Y}_{(i-1),1}\) = matriks status vektor (posisi, kecepatan dan percepatan) kala (i-1)

\(\overline{Y}_{i,1}\) = matriks prediksi status vektor kala i

7 Daftar Pustaka

• [1] Abidin, H.Z., H. Andreas, M. Gamal, M.A. Kusuma, D. Darmawan Surono, M. Hendrasto, O. K. Suganda, Studying Landslide Displacements in Ciloto Area (Indonesia) Using GPS Survey Method, Spatial Science, 2005.
• [2] Abidin, H.Z., H.Andreas, M.Gamal, Surono, M.Hendrasto, Studi Gerakan Tanah di Kawasan Rawan Longsor Ciloto (Jawa Barat) dengan Survei GPS, Journal JTM Vol. XI, No. 1. pp. 33-40, 2004.
• [3] Abidin, H.Z., H.Andreas, M.Gamal, Surono, M.Hendrasto, Studying Landslide Displacement in Megamendung (Indonesia) Using GPS Survey Method, Proc ITB Eng. Science. Vol 36B, No. 2. pp. 109-123, 2004.
• [4] Abramson, Lee W., Thomas S. Lee, Sunil Sharma, Glenn M. Boyce, Slope Stability and Stabilization Methods, 1 st ed., John Wiley & Sons Inc, pp. 629, 1996.
• [5] Bowles, J. E. & Johan K. Hainim, Sifat-Sifat Fisis dan Geoteknis Tanah (Mekanika Tanah), 2 nd ed., Penerbit Erlangga, pp. 578, 1984.
• [6] Dikau, Richard, Denys Brunsden, Lothar Schrott, Maia-Laura Ibsen, Landslide Recognition-Identification, Movement and Causes, Report No.1 of the European Comission Enviroment Programme, John Wiley and Sons, 1996.
• [7] Hartinger, H., F. K. Brunner, Development of a Monitoring System of Landslide Motion Using GPS, 9th FIC Symposium on Deformation Monitoring Glsztyn, pp. 29-38, 2003.
• [8] Philip, P., Large Landslides Monitored in Real Time on the World Wide Web, 1999.
• [9] Santoso, Djoko, Longsoran pada Jalur Lipatan Kuat Batuan Sedimen Turbidit Jawa Barat sebagai Kasus Khusus Gerakan Tanah dengan Longsoran di Desa Cikareo-Majalengka sebagai Model, Institut Teknologi Bandung, Bandung, 1990.
• [10] Schuster, Robert L. & Raymond, J. K., Landslides Analysis and Control, National Academy of Sciences, pp. 234, 1978.
• [11] Selby, M. J., Hillslope Materials and Processes, Oxford university press, 2 nd ed., pp. 520, 2000.
• [12] Selby, M. J., Earth Earth's Changing Surface - An Introduction to Geomorphology, Oxford University Press, 1 st ed., pp. 607, 1985.
• [13] Sugalang, Landslide in Ciloto Area West Java Indonesia, theses, Department of Soil Mechanics, Luleå University of Technology, 1989.
• [14] Tzenkov, T. & Slaveiko, G., Geometric Analysis of Geodetic Data for Invegtigation of 3D Landslide Deformations, Natural Hazards Review 10.1061/(ASCE) 1527-6988 (2003) 4:2 (78), 2003.

• [15] Yalcinkaya, Mualla & Temel, Bayrak, Comparison of Static, Kinematic and Dynamic Geodetic Deformation Models for KutlugÜn Landslide in Northeastern Turkey, Natural Hazard 34. pp 91-95, 2004.
• [16] Zâruba, Q., & Vojtêch, Mencl., Landslides and Their Control, Czechoslovak Academy of Sciences, pp. 193, 1969.