MODEL SIG-BINARY LOGISTIC REGRESSION UNTUK PREDIKSI PERUBAHAN PENGGUNAAN LAHAN (STUDI KASUS DI DAERAH PINGGIRAN KOTA YOGYAKARTA) TESIS

Transkripsi

1 MODEL SIG-BINARY LOGISTIC REGRESSION UNTUK PREDIKSI PERUBAHAN PENGGUNAAN LAHAN (STUDI KASUS DI DAERAH PINGGIRAN KOTA YOGYAKARTA) TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut Teknologi Bandung Oleh BOWO SUSILO NIM : Program Studi Teknik Geodesi dan Geomatika INSTITUT TEKNOLOGI BANDUNG 2008

2 ABSTRAK MODEL SIG-BINARY LOGISTIC REGRESSION UNTUK PREDIKSI PERUBAHAN PENGGUNAAN LAHAN (STUDI KASUS DI DAERAH PINGGIRAN KOTA YOGYAKARTA) Oleh BOWO SUSILO NIM : Dinamika perubahan penggunaan lahan selalu menarik dan penting untuk diteliti karena berkaitan dengan berbagai isu global. Penelitian ini bertujuan untuk: (1) mengkaji dan memprediksikan perubahan penggunaan lahan secara spasial menggunakan integrasi model regresi logistik biner dan SIG dan (2) mengkaji validitas model dalam memprediksikan perubahan penggunaan lahan. Penelitian berlokasi di enam wilayah kecamatan di daerarah pinggiran Kota Yogyakarta. Perubahan penggunaan lahan diprediksikan berdasarkan nilai probabilitas yang dihitung menggunakan model binary logistic regression. Variabel prediktor perubahan ditentukan secara a priori kemudian dipilih berdasarkan uji statistik dengan metode Spearman dan Mann-Whitney. Model binary logistic regression yang digunakan adalah: Y = 0,8963-0,0200 X 1 + 0,3551 X 2-0,0002 X 3-0,0002 X 4 + 0,0003 X 5 + 0,0007 X 6. Enam variabel prediktor dalam model tersebut adalah: (1)jarak terhadap jalan utama, (2) jarak terhadap jalan lokal, (3) jarak terhadap kampus, (4) jarak terhadap lahan terbangun, (5) jarak terhadap pusat perekonomian dan (6) kepadatan jaringan jalan. Validitas model dalam memprediksikan perubahan Penggunaan lahan dianalisisis menggunakan metode ROC (Relative Operating Charactristic) dan tabulasi silang. Validitas model direpresentasikan dengan nilai actual agreement dan koefisien statistik Kappa ( ). Model SIG-binary logistic regression menghasilkan prediksi perubahan penggunaan lahan yang bersifat spasial. Kategori perubahan hasil prediksi dan kategori perubahan aktual memiliki nilai actual agreement 81,8% dan koefisien statistik Kappa 0,24. Nilai koefisien statistik Kappa menunjukkan kesesuaian antara prediksi dan kondisi aktual termasuk dalam kategori fair agreement. Prediksi yang dihasilkan dari Model SIG-binary logistic regression cenderung bersifat over estimate. Kata Kunci : SIG, binary logistic regression, perubahan penggunaan lahan i

3 DAFTAR ISI ABSTRAK... i ABSTRACT... ii LEMBAR PENGESAHAN... iii KATA PENGANTAR... iv DAFTAR ISI... v DAFTAR LAMPIRAN... vii DAFTAR TABEL... viii DAFTAR GAMBAR... ix I. PENDAHULUAN Latar Belakang Penelitian dan Perumusan Masalah Tujuan dan Sasaran Ruang Lingkup Penelitian Metode Penelitian Data yang Digunakan Analisis Data Analisis Hasil Pemodelan dan Validasi Sistematika Penulisan II. STUDI PUSTKA Konsep Penutup Lahan dan Penggunaan Lahan Klasifikasi Penutup/Penggunaan Lahan Fenomena Perubahan Penggunaan Lahan Faktor Pemicu Perubahan Penggunaan Lahan Dampak Perubahan Penggunaan Lahan Model Perubahan Penggunaan Lahan Hakikat dan Pengertian Model Klasifikasi Model Validasi Model Penelitian Tentang Model Perubahan Penggunaan Lahan Binary Logistic Regression III. PEMODELAN PERUBAHAN PENGGUNAAN LAHAN Penyusunan Peta Perubahan Penggunaan Lahan Klasifikasi Penggunaan Lahan Interpretasi Penggunaan Lahan dari Foto Udara Analisis Perubahan Penggunaan Lahan v

4 3.2. Identifikasi dan Penyusunan Peta Variabel Perubahan Penggunaan Lahan Peta Jarak Peta Kepadatan Penentuan Sampel Pemilihan Variabel untuk Pemodelan Uji Beda (Mann Whitney U ) Uji Korelasi (Spearman rho) Penyusunan Model Prediksi Perubahan Penggunaan Lahan Analisis Regresi Logistik Biner (Binary Logistic Regression) Integrasi Model Regresi Logistik Biner dengan SIG Validasi Hasil Pemodelan Analisis ROC (Relative Operating Characteristic) Koefisien Statistik Kappa IV. ANALISIS HASIL PEMODELAN Distribusi Spasial Perubahan Penggunaan Lahan Distribusi Spasial Variabel Perubahan Penggunaan Lahan Jarak Terhadap Jalan Utama Jarak Terhadap Jalan Lokal Jarak Terhadap Perguruan Tinggi Jarak Terhadap Lahan Terbangun (Existing) Jarak Terhadap Pusat Perekonomian Kepadatan Jaringan Jalan Korelasi dan Independensi Variabel Perubahan Penggunaan Lahan Koefisien Korelasi Spearman Koefisien Statistik U (Mann-Whitney) Distribusi Spasial Probabilitas dan Prediksi Perubahan Aspek Penting dalam Model SIG-Binary Logistic Regression Kontribusi Variabel Prediktor Peranan Sistem Informasi Geografi Validitas Model SIG-Binary Logistic Regression V. KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA vi

5 DAFTAR LAMPIRAN Lampiran 1 Lampiran 2 Lampiran 3 Jumlah Piksel dan Nilai Probabilitas Pada Setiap Kategori Perubahan Koordinat Kurva ROC Pada Berbagai Nilai Cut Value/ Treshhold Probabilitas Estimasi Koefisien Statistik Kappa pada Setiap Treshhold Probabilitas Lampiran 4 Luas Penggunaan Lahan dan Perubahannya Tahun vii

6 DAFTAR TABEL Tabel 2.1 Sistem Klasifikasi Penggunaan dan Penutup Lahan dari Anderson (USGS) Tabel 2.2 Klasifikasi Model Secara Dikotomi Menurut Korgensen Tabel 2.3 Klasifikasi Model Perubahan Penggunaan Lahan Tabel 2.4. Kategori Utama Model Perubahan Penggunaan Lahan Tabel 2.5 Teknik Validasi Terhadap Model Tabel 3.1 Klasifikasi Penggunaan Lahan Tabel 3.2 Nomor Lembar Foto Udara Tahun 1981 dan Tahun Tabel 3.3 Luas Penggunaan Lahan Tahun 1981 dan Tahun Tabel 3.4 Kombinasi Variabel Respon dan Prediktor Pada Setiap Titik Sampel Tabel 3.5 Representasi Rangking Setiap Variabel Pada Setiap Kategori Hasil Tabel 3.6 Analisis Metode Mann_Whitney Representasi Nilai Statistik U dan Signifikansinya Hasil Analisis Metode Mann_Whitney Tabel 3.7 Representasi Hasil Analisis Korelasi Metode Spearman Tabel 3.8 Perolehan Nilai Konstanta dan Koefisien Regresi Logistik Tabel 3.9 Tabulasi Prediksi Perubahan Treshhold 0.95 dan Perubahan Aktual Tabel 4.1 Penggunaan Lahan dan Perubahannya Antara Tahun Tabel 4.2 Distribusi Nilai Variabel Jarak Terhadap Jalan Utama Tabel 4.3 Distribusi Nilai Variabel Jarak Terhadap Jalan Lokal Tabel 4.4 Distribusi Nilai Variabel Jarak Terhadap Perguruan Tinggi Tabel 4.5 Distribusi Nilai Variabel Jarak Terhadap Perguruan Tinggi Tabel 4.6 Distribusi Nilai Variabel Jarak Terhadap Pusat Perekonomian Tabel 4.7 Distribusi Nilai Variabel Kepadatan Jaringan Jalan Tabel 4.8 Koefisien Korelasi Spearman rho Antar Variabel Prediktor Tabel 4.9 Rangking Variabel Prediktor Pada Setiap Kategori Lahan Tabel 4.10 Statistik Mann-Whitney U dan Wilcoxon W dari Variabel Prediktor Tabel 4.11 Statistik Mann-Whitney U dan Wilcoxon W dari Variabel Prediktor Tabel 4.12 Nilai Koefisien Regresi Variabel Prediktor viii

7 DAFTAR GAMBAR Gambar 1.1 Lokasi Daerah Penelitian... 6 Gambar 2.1 Diagram Alir Penelitian Gambar 2.1 Bentuk Umum Kurva Sigmoid Fungsi Probabilitas Gambar 3.1 Diagram Alir Tahapan Pelaksanaan Penelitian Gambar 3.2 Foto Udara Tahun 2000 Nomor 11B-14 Sebelum Koreksi Geometrik (a) dan Sesudah Koreksi Geometrik (b) Gambar 3.3 Proses Interpretasi Foto Udara Gambar 3.4 Peta Penggunaan Lahan Tahun Gambar 3.5 Peta Penggunaan Lahan Tahun Gambar 3.6 Ilustrasi Proses Analisis Perubahan Penggunaan Lahan ( ).. 40 Gambar 3.7 Peta Perubahan Penggunaan Lahan Tahun Gambar 3.8 Enam Tipe Jarak: (a) Euclidean; (b) Manhattan; (c) Chessboard; (d) Hexagonal; (e) Chamfer 3-4 dan (f) Chamfer Gambar 3.9 Proses Analisis Jarak Terhadap Jalan Utama Gambar 3.10 Peta Jarak Terhadap Jalan Utama Gambar 3.11 Peta Jarak Terhadap Jalan Lokal Gambar 3.12 Peta Jarak Terhadap Lahan Terbangun Gambar 3.13 Peta Jarak Terhadap Pusat Perekonomian Gambar 3.14 Peta Jarak Terhadap Perguruan Tinggi Gambar 3.15 Prinsip Perhitungan Kepadatan Garis (Line Density) Gambar 3.16 Proses Analisis Kepadatan Jaringan Jalan Gambar 3.17 Peta Kepadatan Jaringan Jalan Gambar 3.18 Overlay Data Perubahan Penggunaan Lahan dengan Grid Gambar 3.19 Distribusi Spasial Lokasi Titik Sampel di Daerah Penelitian Gambar 3.20 Peta Variabel Prediktor Pada Model Regresi Logistik Biner Gambar 3.21 Data Spasial Nilai logit (pi) Gambar 3.22 Data Spasial Nilai Odd (p i /1- p i ) Gambar 3.23 Data Spasial Nilai Odd Gambar 3.24 Data Spasial Probabilitas Perubahan Penggunaan Lahan Gambar 3.25 Peta Probabilitas Perubahan Penggunaan Lahan Gambar 3.26 Konversi Probabilitas Perubahan Penggunaan Lahan Menjadi Kategori Perubahan Penggunaan Lahan Gambar 3.27 Perolehan Kombinasi Nilai Probabilitas dan Perubahan Aktual Gambar 3.28 Peta Prediksi Perubahan Penggunaan Lahan Gambar 3.29 Proses Tabulasi Silang Peta Prediksi dan Peta Perubahan Aktual Gambar 3.30 Representasi Error Matrix secara Matematis Gambar 4.1 Histogram Nilai Probabilitas Perubahan Pada Setiap Kecamatan Gambar 4.2 Hubungan Odd Perubahan dengan Kepadatan Jaringan Jalan dan Jarak Terhadap Lahan Terbangun 91 ix

8 x