Dinamika dan Proyeksi Perubahan Penggunaan Lahan di Kawasan Peri-Urban Kota Makassar (Kawasan Mamminasata)
|
|
- Fanny Rachman
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Dinamika dan Proyeksi Perubahan Penggunaan Lahan di Kawasan Peri-Urban Kota Makassar (Kawasan Mamminasata) Andi Ramlan 1, Muchtar S Solle 1, Seniarwan 2 1 JurusanIlmu Tanah FakultasPertanian, UniversitasHasanuddin 1 Alumni MitigasiBencanaKerusakanLahan, InstitutPertanian Bogor. PENDAHULUAN Abstrak Penetapan wilayah peri-urban pengembangan Kota Makassar yang merupakan bagian dari kawasan metropolitan Mamminasata dalam rencana tata ruang nasional dan kebijakan turunannya mendorong terjadinya perubahan penggunaan lahan di kawasan tersebut. Selain itu, mengingat sebagian wilayah pengembangan Kawasan Maminasata merupakan Daerah Irigasi Bili-Bili sehingga perkembangan kawasan tersebut akan menyebabkan terjadinya konversi lahan sawah. Oleh karena itu, proyeksi perubahan penggunaan lahan merupakan hal yang penting dilakukan untuk mengantisipasi dampak yang terjadi akibat implementasi kebijakan alokasi ruang kawasan. Penelitian ini bertujuan untuk menganalisis perubahan penggunaan lahan yang terjadi pada periode tahun dan memprediksi perubahan penggunaan lahan di tahun Teknologi penginderaan jauh digunakan untuk menganalisa data penggunaan lahan multi waktu (multi-temporal) berupa data citra satelit Landsat (akuisisi tahun 2014, 2009, dan 2004) di wilayah Maminasata yang dianalisis menggunakan metode klasifikasi terbimbing (supervised classification). Teknologi Sistem Informasi Geografis (SIG) digunakan untuk melakukan proses analisis data keruangan melalui model analisis CA-Marcov (Cellular Automata-Marcov Chain) yang diintegrasikan dengan model Regresi Logistik Biner diaplikasikan untuk memprediksi perubahan penggunaan lahan hingga 10 tahun mendatang (2024). Hasil penelitian menunjukkan bahwa telah terjadi perubahan penggunaan lahan dari lahan pertanian menjadi lahan terbangun yang semakin mengarah ke arah timur Kota Makassar dalam periode tahun Prediksi perubahan penggunaan lahan dengan menggunakan model CA-Marcov dan Regresi Logistik Biner mampu memprediksi perubahan yang terjadi pada tahun 2014 dengan sangat baik yang dapat dilihat dengan nilai indeks Kappa Prediksi dan proyeksi perubahan pada tahun 2024 dengan metode yang sama telah dilakukan dan memperlihatkan bahwa peningkatan luasan lahan terbangun secara kontinyu dimasa mendatang memiliki hubungan terbalik dengan menurunnya luasan lahan pertanian tanpa adanya pengendalian ruang. Kata kunci: Perubahan penggunaan lahan, CA-Marcov, Regresi Logistik Biner, Mamminasata, Irigasi Bili-Bili Pola pemanfaatan ruang di suatu wilayah merupakan dampak dari interaksi faktor sosial ekonomi yang berlangsung sejalan dengan perkembangan ruang dan waktu. Urbanisasi yang berlangsung cepat menyebabkan kebutuhan terhadap lahan pemukiman semakin meningkat. Hal tersebut menyebabkan terjadinya perubahan pola penggunaan akibat konversi lahan pertanian menjadi lahan non pertanian. Selain itu, perkembangan suatu wilayah turut dipengaruhi oleh kebijakan alokasi keruangan wilayah. Peraturan Pemerintah Nomor 26 Tahun 2008 tentang RTRW Nasional yang menetapkan Kawasan Mamminasata sebagai Kawasan Strategis Nasional (KSN) dan terbitnya Peraturan Presiden No. 11 Tahun 2011 tentang Rencana Tata Ruang Kawasan Perkotaan Mamminasata menempatkan Makassar sebagai Kota Inti dan Kota Satelit terdiri dari Kabupaten Maros, Kabupaten Gowa (Sungguminasa), dan Kabupaten Takalar. Penetapan wilayah peri-urban pengembangan Kota Makassar tersebut mendorong terjadinya perubahan penggunaan lahan di kawasan tersebut. Selain itu, mengingat sebagian wilayah pengembangan Kawasan Maminasata merupakan Daerah Irigasi Bili-Bili sehingga perkembangan kawasan tersebut akan menyebabkan terjadinya konversi lahan sawah. Oleh karena itu, proyeksi perubahan penggunaan lahan merupakan hal yang penting dilakukan untuk mengantisipasi dampak yang terjadi akibat implementasi kebijakan alokasi ruang kawasan. Teknologi penginderaan jauh dan Sistem Informasi Geografis (SIG) menyediakan sejumlah perangkat 1 JurusanIlmu Tanah FakultasPertanian, UniversitasHasanuddin 2 Alumni MitigasiBencanaKerusakanLahan, InstitutPertanianBogor. 57
2 analisis spasial yang dapat digunakan dalam mengetahui kecenderungan perubahan penggunaan lahan di suatu wilayah. Salah satu model spasial yang dapat digunakan dalam memprediksi perubahan penggunaan lahan yang terjadi pada tahun tertentu yaitu CA-Marcov. Dalam penelitian ini, model CA-Marcov dintegrasikan dengan model Regresi Logistik Biner digunakan untuk memprediksi perubahan penggunaan lahan pada tahun 2024 di wilayah peri-urban Kota Makassar. Penelitian ini bertujuan untuk menganalisis perubahan penggunaan lahan yang terjadi pada periode tahun dan memprediksi perubahan penggunaan lahan di tahun METODOLOGI Lokasi Penelitian Lokasi penelitian dilakukan di wilayah peri-urban Kota Makassar yang termasuk dalam kawasan pengembangan KSN Mamminasata. Lokasi tersebut tercakup dalam 3 wilayah administrasi kabupaten/kota yaitu Maros, Makassar dan Gowa yang masing-masing meliputi 4 kecamatan yaitu Kecamatan Moncongloe, Kecamatan Manggala, Kecamatan Sombaopu, dan Kecamatan Palangga (lihat Gambar 1). Gambar 1. Lokasi Penelitian Analisa Perubahan Penutupan/Penggunaan Lahan Perubahan penutupan lahan di lokasi penelitian dianalisis dalam kurun waktu 10 tahun yaitu dari tahun 2004 sampai tahun 2014 dengan menggunakan data citra Landsat 5 (tahun 2004 dan tahun 2009) dan Landsat 8 (tahun 2014) yang masing-masing tercakup dalam 1 scene. Pengolahan data citra dilakukan dengan menggunakan perangkat lunak Quantum GIS 2.4 untuk menghasilkan klasifikasi penutupan/penggunaan lahan secara multitemporal. Proses klasifikasi dilakukan dengan metode klasifikasi terbimbing (supervised classification) dengan bantuan Semi-Automatic Classification Plugin yang tersedia pada Quantum GIS. Pra-proses pengklasifikasian citra terdiri dari beberapa tahapan yaitu konversi nilai DN (Digital Number) menjadi nilai TOA (Top Of Atmosphere reflectance) masing-masing saluran (band), membuat data komposit citra, dan pembuatan ROI (Region Of Interest) atau training area. Konversi nilai DN ke TOA dilakukan dengan metode DOS1 (Dark Object Subtraction 1). Citra komposit dibuat dengan kombinasi saluran 432 untuk Landsat 5, dan kombinasi saluran 543 untuk Landsat 8. Pembuatan ROI didentifikasi berdasarkan 7 kelas penutupan/penggunaan lahan yang ada di lokasi penelitian yaitu badan air, lahan terbangun, tegalan/ladang, kebun campuran, lahan terbuka, semak belukar, dan sawah. Pengklasifikasian berdasarkan ROI yang telah dibuat dilakukan dengan pilihan algoritma Maximum Likelihood Classification. Setelah hasil klasifikasi diperoleh, proses selanjutnya adalah melakukan uji akurasi. Uji akurasi dilakukan dengan membandingkan hasil pengklasifikasian terhadap kondisi eksisting di lapangan melalui perhitungan overall accuracy dan nilai Kappa. Kondisi eksisting diamati dengan bantuan informasi secara visual dari citra resolusi tinggi yang tersedia di Google Earth untuk tahun-tahun yang dikaji. 58
3 Hasil klasifikasi yang terdiri dari 7 kelas penutupan/penggunaan lahan kemudian diklasifikasi ulang menjadi 5 kelas yang digolongkan menjadi badan air, lahan terbangun, pertanian lahan kering (tegalan/ladang, kebun campuran), sawah, dan lainnya (semak belukar, lahan terbuka). Selanjutnya, analisis perubahan penggunaan lahan dilakukan melalui proses tumpang susun (overlay) antara peta penggunaan lahan tahun 2004 dengan tahun 2009 dan peta penggunaan lahan tahun 2009 dengan tahun Pola perubahan ditunjukan dengan matriks transisi luas perubahan masing-masing kelas penggunaan lahan untuk setiap seri tahun yang dianalisis. Model Prediksi Perubahan Penutupan/Penggunaan Lahan Proyeksi perubahan penggunaan di masa mendatang dapat dilakukan dengan pendekatan hasil prediksi perubahan di masa sekarang melalui pemodelan spasial. Dalam penelitian ini, model prediksi yang digunakan adalah model CA-Marcov untuk menduga perubahan penggunaan lahan 10 tahun mendatang atau pada tahun CA-Marcov memiliki kemampuan untuk mensimulasikan perubahan penggunaan lahan antara beberapa kategori dan menggabungkan CA dengan prosedur rantai Markov (Eastman, 2009). CA-Marcov merupakan proses stokastik yang menggambarkan probabilitas dari perubahan satu state ke state lainnya (Mousiv etal, 2007) melalui matriks transisi dan masing-masing transisi didefinisikan sebagai tahapan (Zhang etal, 2011). Model CA- Marcov dijalankan dengan menggunakan perangkat lunak IDRISI Selva yang tersedia dalam suatu bentuk modul CA_Marcov. Data masukan dan aturan yang dibutuhkan dalam model ini terdiri dari data basis (periode sebelumnya) peta penutupan/penggunaan lahan, matriks area transisi (transition areas), peta kesesuaian lahan dan pengaturan filter ketetanggan. Data yang digunakan pada tahapan ini adalah dalam bentuk raster ukuran piksel 30 x 30 meter. Matriks Transisi Area Penentuan matriks transisi areadilakukan dengan menggunakan modul Marcov. Matriks transisi areaini merupakan hasil proses pendugaan kemungkinan berubahnya suatu kelas lahan menjadi kelas lahan lainnya dengan jumlah piksel tertentu pada periode selanjutnya berdasarkan data tahun awal dan tahun akhir pengamatan di suatu lokasi. Selain matriks transisi area, modul Marcov juga menghasilkan matriks probabilitas transisi yang merupakan nilai peluang setiap piksel kelas penggunaan lahan untuk berubah menjadi kelas lainnya. Akurasi hasil pendugaan matriks transisi area dan matriks probabilitas transis berdasarkan prosedur rantai Marcov ditentukan dengan nilai probabilitas error sebesar 15%. Kesesuaian Lahan Secara umum, penentuan peta kesesuaian setiap kelas penggunaan lahan pada model CA-Marcov dibuat dengan metode Multi-Criteria Evaluation (MCE). Namun dalam penelitian ini, kesesuaian kelas penggunaan lahan dibuat dengan model Regresi Logistik Biner. Regresi Logistik Biner menghasilkan peta prediksi probabilitas suatu kelas penggunaan lahan yang dapat berubah berdasarkan berbagai variabel yang diujikan. Peta probabilitas perubahan penggunaan lahan didapatkan dengan melibatkan variabel terikat/dependen (dependent) berupa perubahan penggunaan lahan eksisting serta variabel bebas/independen (independent) berupa faktor lingkungan pendorong yang mempengaruhi berubahnya suatu lahan di daerah kajian. Peta probalitas tersebut dapat dijadikan sebagai peta kesesuaian kelas penggunaan lahan. Nilai probabilitas juga menunjukkan suatu hubungan kesesuaian pada lokasi tertentu yang berpotensi menjadi kelas penggunaan lahan tertentu. Selain dengan menggunakan data diskrit (Boolean), kesesuaian suatu kelas penggunaan lahan juga dapat direpresentasikan dalam bentuk kontinyu yang menjadi masukan didalam model CA-Marcov. Faktor lingkungan pendorong sebagai variabel bebas yang digunakan dalam penelitian ini terdiri dari faktor topografi, faktor jarak, dan faktor sosial, seperti yang yang disajikan pada Tabel 1 dan Gambar 3. Tabel 1. Variabel bebas yang digunakan dalam model regresi logistik biner Variabel Bebas Sumber Data Metode Analisis Faktor Topografi Elevasi Lereng SRTM 30 m Analisa Permukaan Faktor Jarak Jarak dari Jalan Utama Jarak dari Jalan Non-Utama Jarak dari Ibukota Kecamatan Jarak dari Pusat Kegiatan Geodatabase RTRW Mamminasata Jarak Euclidean Faktor Sosial Jumlah Penduduk Sensus Penduduk 2010 Basis Administrasi Semua variabel independen dinormalisasi menjadi 0 1 untuk menyeimbangkan rentang nilai data. Normalisasi ini penting karena berpengaruh terhadap sensitivitas transformasi data regresi logistik. Selain itu, dalam analisis 59
4 multivariat seperti regresi logistik, variabel bebas yang kontinyu harus memiliki skala yang sama (Nefeslioglu etal, 2008). Proses normalisasi dilakukan dengan menggunakan persamaan berikut (Olaya, 2004): dimana X ij adalah nilai normalisasi data raster dan X ij adalah nilai asal data raster. Selanjutnya, variabel dependen model regresi logistik biner adalah lokasi yang mengalami perubahan pada masing-masing kelas penggunaan lahan. Lokasi perubahan penggunaan lahan didentifikasi dengan metode overlay (tumpang susun) antara peta penggunaan lahan tahun 2004 (t1) dengan 2009 (t2). Sebagai contoh, jika pada tahun 2004 terdapat kelas non-badan air yang kemudian berubah pada tahun 2009 menjadi kelas badan air maka kelas badan air yang terseleksi tersebut diberi nilai 1 dan yang tidak berubah diberi nilai 0, dan seterusnya untuk kelas lainnya. Hasil tersebut kemudian dijadikan sebagai variabel independen. Selain dapat diketahui lokasi persebarannya, juga dapat diketahui luas perubahannya. Proses identifikasi lokasi perubahan setiap kelas penggunaan lahan dapat dilakukan seperti pada Gambar 2. Gambar2. Ilustrasi proses overlay antara 2 data raster penggunaan lahan multi-temporal 60
5 Gambar 3. Variabel bebas yang digunakan dalam model regresi logistik: (a) Elevasi, (b) Lereng, (c) Jarak dari Jalan Utama, (d) Jarak dari Jalan Non-Utama, (e) Jarak dari Ibukota Kecamatan, (f) Jarak dari Pusat Kegiatan, dan (g) Jumlah Penduduk. Tahapan terakhir dari proses model CA-Marcov yaitu menentukan jenis filter ketetanggaan. Dalam penelitian ini, dipilih filter ketetanggan dengan ukuran filter 5 x 5. Dalam melakukan simulasi perubahan penggunaan lahan, pada penelitian ini dilakukan prediksi perubahan tahun 2014 sebagai proses validasi model berdasarkan data penggunaan lahan tahun 2004 dan Keakurasian model prediksi tahun 2014 dihitung dengan teknik validasi yaitu membandingkannya dengan peta penggunaan lahan eksisting tahun 2014 untuk menghasilkan nilai indeks Kappa statistik dengan menggunakan modul Validate pada Idrisi Selva. Menurut Foody (2002) dan Pontius (2002), Kappa dapat digunakan untuk menilai kecocokan keselurahan model (goodness of fit). HASIL DAN PEMBAHASAN Dinamika Perubahan Penggunaan Lahan Berdasarkan hasil pengamatan silang kondisi lapangan dengan pengambilan titik lokasi sampel secara acak sebanyak 70 titik pada citra resolusi tinggi yang tersedia di Google Earth, kemudian dibandingkan terhadap hasil klasifikasi penggunaan lahan pada masing-masing tahun, diperoleh nilai overall accuracy rata-rata sebesar 90% 61
6 dengan nilai indeks Kappa rata-rata lebih dari Overall accuracy serta Indeks Kappa tertinggi terdapat pada peta penutupan/penggunaan lahan tahun 2014, yaitu 95,87% untuk overall akurasi dan 0,91 untuk Indeks Kappa. Overall accuracy serta Indeks Kappa terendah terdapat pada peta penutup lahan tahun 2004 dengan nilai masingmasing yaitu 91,36% dan 0,88 untuk Indeks Kappa. Hasil tersebut menunjukkan bahwa akurasi peta penutupan/penggunaaan lahan pada penelitian ini (dapat dikatakan) baik. Menurut Jensen (2000), sebuah peta penutupan/penggunaan lahan hasil interpretasi dikatakan baik jika memiliki akurasi lebih dari 80%. Selain dengan menggunakan bantuan informasi dari citra resolusi tinggi, adanya pemahaman dan pengetahuan terhadap kondisi di lokasi penelitian menjadi salah satu faktor kunci dalam meningkatkan akurasi hasil interpretasi. Hasil klasifikasi dan perbandingan pola penggunaan lahan disajikan pada Gambar 4. Gambar 4. Perbandingan pola perubahan penutupan/penggunaan lahan dalam rentang waktu tahun Berdasarkan hasil overlay antara peta penutupan/penggunaan lahan tahun 2004 dan tahun 2009 menunjukkan perubahan luasan pada kelas lahan terbangun, pertanian lahan kering dan sawah yang cukup signifikan dalam kurun waktu 5 tahun tersebut. Lahan terbangun mengalami kenaikan luasan pada tahun 2009 menjadi 16.08%, sedangkan sawah mengalami penurunan menjadi 37.93% dan pertanian lahan kering menjadi 26.96% dari total luas lokasi penelitian pada tahun Adanya lahan terlantar yang merupakan perubahan kelas sawah menjadi kelas penggunaan lainnya terjadi di lokasi penelitian dengan luas sebesar Ha. Pola perubahan penggunaan lahan tahun dapat dilihat pada Tabel 2 dan Gambar 5. Hasil matriks transisi perubahan penggunaan lahan tahun (Tabel 3) menyajikan pola yang mirip dengan kondisi perubahan pada tahun Perubahan penggunaan lahan meningkat pada periode untuk kelas lahan terbangun menjadi 20.99%. Penurunan luasan lahan pertanian terus terjadi hingga saat ini, dimana luas lahan sawah semakin berkurang menjadi 38.41% dan diikuti oleh penurunan luas pertanian lahan kering menjadi 25.86% akibat terkonversi menjadi lahan terbangun. Perubahan Konversi lahan untuk pemukiman semakin pesat terjadi ke arah timur Kota Makassar yang merupakan wilayah peri-urban. Kebanyakan lahan yang terkonversi menjadi pemukiman dan lahan terbangun lainnya merupakan lahan yang produktif untuk pertanian. Tersedianya aksesibilitas dan dukungan kebijakan pemerintah mendorong terjadinya konversi lahan (Lanta, 2013). Fenomena ini merupakan indikasi terjadinya urban-sprawl, dimana telah terjadi perkembangan area periferi yang bergerak ke arah menjauhi pusat kota (Martinuzzi et al. 2007). Tabel 2. Matriksi Perubahan Penggunaan Lahan Tahun Penggunaan Lahan 2009 Penggunaan Lahan Lahan Penggunaan Pertanian Lahan Jumlah Badan Air Sawah 2004 Terbangun Lainnya Kering Ha % Ha % Ha % Ha % Ha % Ha % Badan Air Lahan Terbangun Penggunaan Lainnya Pertanian Lahan Kering Sawah Jumlah
7 Tabel 3. Matriksi Perubahan Penggunaan Lahan Tahun Penggunaan Lahan 2014 Badan Air Lahan Penggunaan Pertanian Lahan Jumlah Sawah Terbangun Lainnya Kering Penggunaan Lahan 2009 Ha % Ha % Ha % Ha % Ha % Ha % Badan Air Lahan Terbangun Penggunaan Lainnya Pertanian Lahan Kering Sawah Jumlah Simulasi Model Perubahan Penggunaan Lahan Prediksi Perubahan Penggunaan Lahan Tahun 2014 Predikasi perubahan penggunaan lahan pada tahun 2014 melalui analisa rantai Marcov dengan menggunakan data tahun 2004 sebagai tahun awal dan data tahun 2009 dapat dilihat pada Gambar 5. Berdasakan nilai probabilitas terjadinya perubahan penggunaan lahan pada tahun 2014 menunjukkan bahwa sawah (Class 5) memiliki peluang tertinggi untuk untuk berubah menjadi lahan terbangun (Class 2) dengan prediksi jumlah alokasi piksel sebanyak 8277 piksel atau setara dengan 745 Ha (luas piksel = 900 m 2 ). Nilai probabilitas 0 berarti bahwa tidak ada peluang berubahnya suatu kelas penggunaan lahan. Kelas lahan terbangun memiliki nilai probabilitas diatas 0 untuk berubah ke semua kelas lahan lainnya yang berarti bahwa peluang tersebut sesuai dengan hasil analisis perubahan penggunaan lahan eksisting. Gambar 5. Matriks transisi area dan probabilitas untuk peluang perubahan penggunaan lahan tahun Penentuan kesesuaian lahan untuk semua kelas penggunaan lahan dianalisis berdasarkan Tabel 4. Penggunaan model regresi logistik biner dalam menentukan kesesuaian lahan hanya digunakan untuk kelas lahan terbangun dan kelas penggunaan lainnya. Hal ini dilakukan berdasarkan hasil analisis penentuan variabel independen (berdasarkan Gambar 3) bahwa dalam periode tahun tidak terjadi perubahan dari suatu kelas penggunaan lahan menjadi kelas badan air, pertanian lahan kering, dan sawah. Berdasarkan hal tersebut, analisis kesesuaian lahan untuk masing-masing kelas tersebut tidak dilanjutkan untuk proses analisis dengan model regresi logistik biner. Cara lain agar diperoleh kesesuaian lahan untuk masing-masing kelas tersebut adalah mengacu pada kondisi eksisting penggunaan lahan pada tahun Masing-masing kelas penggunaan lahan yang eksis pada tahun 2014 dianggap sesuai (diberi nilai 1) dan yang tidak termasuk dianggap tidak sesuai (diberi nilai 0). 63
8 Tabel 4. Metode analisis kesesuaian lahan untuk semua kelas penggunaan lahan. Kelas Penggunaan Lahan Analisis Kesesuaian Badan Air Eksisting 2014 Lahan Terbangun Regresi Logistik Biner Penggunaan Lainnya Regresi Logistik Biner Pertanian Lahan Kering Eksisting 2014 Sawah Eksisting 2014 Berdasarkan hasil analisis kesesuaian lahan untuk semua kelas penggunaan lahan, diperoleh masing-masing kesesuaian lahan yang disajikan pada Gambar 5. Model regresi logistik untuk kelas lahan terbangun dan kelas penggunaan lainnya menghasilkan bahwa peta probabilitas yang dihasilkan oleh masing-masing kelas secara statistik dianggap valid dengan nilai ROC (Relative Operating Characteristics) masing-masing yaitu dan Kesuaian lahan masing-masing kelas penggunaan lahan ditunjukkan dengan rentang nilai 0-1 (indeks). Nilai 0 berarti alokasi lahan untuk penggunaan lahan tertentu tidak sesuai, sedangkan nilai 1 berarti sesuai untuk penggunaan lahan tertentu yang berarti bahwa peluang tersebut sesuai dengan hasil analisis perubahan penggunaan lahan eksisting. Gambar 5. Matriks transisi area dan probabilitas untuk peluang perubahan penggunaan lahan tahun Penentuan kesesuaian lahan untuk semua kelas penggunaan lahan dianalisis berdasarkan Tabel 4. Penggunaan model regresi logistik biner dalam menentukan kesesuaian lahan hanya digunakan untuk kelas lahan terbangun dan kelas penggunaan lainnya. Hal ini dilakukan berdasarkan hasil analisis penentuan variabel independen (berdasarkan Gambar 3) bahwa dalam periode tahun tidak terjadi perubahan dari suatu kelas penggunaan lahan menjadi kelas badan air, pertanian lahan kering, dan sawah. Berdasarkan hal tersebut, analisis kesesuaian lahan untuk masing-masing kelas tersebut tidak dilanjutkan untuk proses analisis dengan model regresi logistik biner. Cara lain agar diperoleh kesesuaian lahan untuk masing-masing kelas tersebut adalah mengacu pada kondisi eksisting penggunaan lahan pada tahun Masing-masing kelas penggunaan lahan yang eksis pada tahun 2014 dianggap sesuai (diberi nilai 1) dan yang tidak termasuk dianggap tidak sesuai (diberi nilai 0). 64
9 Hasil simulasi model CA-Marcov untuk memprediksi penggunaan lahan tahun 2014 disajikan pada Gambar 6. Berdasarkan hasil tersebut telah dilakukan uji validasi dengan membandingkan secara statistik antara peta hasil simulasi dengan peta eksisting. Hasil uji validasi yang diperoleh yaitu nilai overall Kappa (Kstandard) sebesar , Kappa for no information (Kno) sebesar , Kappa for grid-cell level location (Klocation) sebesar , dan Kappa for stratum-level location (KlocationStrata) sebesar menunjukkan bahwa simulasi model yang dilakukan sangat baik. Berdasarkan hasil tersebut dianggap bahwa model dapat digunakan untuk memprediksi perubahan penggunaan lahan di tahun Gambar 6. Hasil simulasi model prediksi perubahan penggunaan lahan tahun 2014 dan perbandingannya terhadap penggunaan lahan eksisting di tahun Prediksi Perubahan Penggunaan Lahan Tahun 2024 Berdasarkan hasil model prediksi CA-Marcov untuk perubahan penggunaan lahan di tahun 2024 menunjukkan bahwa akan terjadi perubahan secara pesat untuk lahan terbangun yang diikuti dengan semakin berkurang lahan pertanian (lihat Gambar 7). Hal ini menandakan bahwa di tahun mendatang akan terjadi konversi lahan pertanian menjadi lahan terbangun dengan sangat cepat ke arah timur Kota Makassar dimana sebagian besar wilayah tersebut merupakan daerah irigasi Bili-Bili. Perhitungan luasan antara tahun 2014 dan 2024 menghasilkan bahwa akan terjadi peningkatan luasan terhadap kelas badan air dan lahan terbangun yaitu masingmasing sebesar 0.15% dan 10.87% dari total luas lokasi penelitian. Kelas penggunaan lahan lainnya yaitu kelas penggunaan lainnya, pertanian lahan kering, dan sawah pada tahun 2024 akan mengalami penurunan luasan yaitu masing-masing sebesar 1.65%, 2.98%, dan 6.96% dari total luas lokasi penelitian. Proyeksi perubahan luasan penggunaan lahan dari tahun 2004 sampai tahun 2024 melalui tampilan grafik pada Gambar 8 menunjukkan bahwa dalam 10 tahun mendatang akan terjadi peningkatan luasan kelas lahan terbangun secara terus menerus. Perpotongan garis perubahan luasan antara kelas lahan terbangun dengan lahan pertanian (sawah ataupun pertanian lahan kering) di tahun 2024 menunjukkan bahwa luasan lahan pertanian akan terus menurun seiring dengan meningkatnya luas lahan terbangun. Kondisi ini tentunya sangat mengkhawatirkan, mengingat kebutuhan pangan terus meningkat yang juga seiring dengan pertumbuhan penduduk. Ironisnya, pertambahan penduduk dan dampak urbanisasi membutuhkan alokasi lahan untuk tempat tinggal dimana pilihan untuk tinggal di sekitar Kota Makassar mengarah pada wilayah peri-urban yang merupakan kawasan pertanian. Hal ini tentu saja harus mendapat perhatian pemerintah dalam merencanakan dan mengendalikan ruang di wilayah peri-urban. 65
10 Gambar 7. Hasil prediksi perubahan penggunaan lahan pada tahun Gambar 8. Proyeksi perubahan luasan penggunaan lahan dari tahun di lokasi penelitian KESIMPULAN DAN SARAN Kesimpulan Analisis perubahan penggunaan lahan dengan menggunakan matriks transisi perubahan lahan pada tahun telah dilakukan. Terjadi perubahan yang sangat signifikan dari lahan pertanian terkonversi menjadi lahan terbangun. Penggunaan model CA-Marcov untuk memprediksi perubahan penggunaan lahan pada tahun 2014 sebagai model validasi menghasilkan nilai akurasi yang sangat baik, sehingga dapat digunakan untuk memprediksi perubahan penggunaan lahan di tahun Model regresi logistik biner dalam menentukan kesesuaian lahan dapat digunakan untuk memodelkan perubahan penggunaan lahan. Proyeksi perubahan penggunaan lahan di tahun 2024 mengindikasikan terjadinya peningkatan luasan lahan terbangun secara kontinyu yang memiliki hubungan terbalik terhadap menurunnya luasan lahan pertanian. Saran Prediksi perubahan penggunaan lahan tidak hanya dapat dilakukan dengan model CA-Marcov, tetapi tersedia berbagai model lainnya. Perbandingan berbagai model kedepannya perlu dilakukan untuk melihat model mana yang terbaik dalam memprediksi perubahan penggunaan lahan di suatu wilayah. Perlu dilakukan penelitian lanjutan dalam menentukan kesesuaian lahan untuk masing-masing kelas penggunaan lahan dengan menambahkan variabel lainnya seperti faktor ekonomi dan kebijakan sebagai masukan dalam model regresi logisti biner. DAFTAR PUSTAKA Eastman, J. R IDRISI Taiga: guide to GIS and image processing. Worcester: Clark Labs.Foody, G. M. (2002). Status of land cover classification accuracy assessment. Remote Sensing of Environment, 80, Jensen, J.R. (2000). Remote Sensing of The Environment: An Earth Resource Perspective. London: Prentice Hall, Inc. 66
11 Lanta, M.A Analisis Fragmentasi Penggunaan Lahan di Wilayah Peri-urban Kota Makassar Provinsi Sulawesi Selatan. Program Studi Ilmu Perencanaan Wilayah, Sekolah Pascasarjana Institut Pertanian Bogor. Martinuzzi S, Gould WA, Gonzales OMR Land development, land use, and urban sprawl in Puerto Rico integrating remote sensing and population census data. Landscape and Urban Planning 79: Mousiv &, A. J., Alimohammadi Sarab, A., & Shayan, S A new approach of predicting land use and land cover changes by satellite imagery and Markov chain model (Case study: Tehran). MSc Thesis. Tarbiat Modares University, Tehran, Iran. Nefeslioglu, H.A., Gokceoglu C. and Sonmez An assessment on the use of logistic regression and artificial neural networks with different sampling strategies for the preparation of landslide susceptibility maps. Engineering Geology, 97, Elsevier B.V, pp Olaya, V A gentle introduction to SAGA GIS. [diakses pada 26 Januari 2015] Pontius, R. G. (2002). Statistical methods to partition effects of quantity and location during comparison of categorical maps at multiple resolutions. Photogrammetric Engineering & Remote Sensing, 68, Zhang, Q., Ban, Y., Liu, J., & Hu, Y Simulation and analysis of urban growth scenarios for the Greater Shanghai Area, China. Computers, Environment and Urban Systems, 35,
INTEGRASI MODEL SPASIAL CELLULAR AUTOMATA
INTEGRASI MODEL SPASIAL CELLULAR AUTOMATA DAN REGRESI LOGISTIK BINER UNTUK PEMODELAN DINAMIKA PERKEMBANGAN LAHAN TERBANGUN ( Studi Kasus Kota Salatiga) Muhammad Sufwandika Wijaya sufwandika.geo@gmail.com
Lebih terperinciMODEL PERUBAHAN PENGGUNAAN LAHAN MENGGUNAKAN CELLULAR AUTOMATA MARKOV CHAIN DI KAWASAN MAMMINASATA
MODEL PERUBAHAN PENGGUNAAN LAHAN MENGGUNAKAN CELLULAR AUTOMATA MARKOV CHAIN DI KAWASAN MAMMINASATA Tiur Vera Damayanti Peruge, Drs. H. Samsu Arief, M.Si, Drs. Sakka, M.Si Program Studi Geofisika Jurusan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penggunaan lahan merupakan hasil kegiatan manusia baik yang berlangsung secara siklus atau permanen pada sumberdaya lahan alami maupun buatan guna terpenuhinya kebutuhan
Lebih terperinciMETODE PENELITIAN. Badan Pusat Statistik Kabupaten Bengkalis
III. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian dilaksanakan mulai bulan Agustus 2011 sampai Januari 2012 dengan memilih Kabupaten Bengkalis, Provinsi Riau sebagai studi kasus penelitian.
Lebih terperinciKomparasi Akurasi Model Cellular Automata untuk Simulasi Perkembangan Lahan Terbangun dari Berbagai Variasi Matriks Probabilitas Transisi
Komparasi Akurasi Model Cellular Automata untuk Simulasi Perkembangan Lahan Terbangun dari Berbagai Variasi Matriks Probabilitas Transisi Kasus: Bagian Timur Kota Yogyakarta Muhammad Mangku Parasdyo mangku.parasdyo@gmail.com
Lebih terperinciMETODE PENELITIAN. Lokasi dan Waktu Penelitian
12 METODE PENELITIAN Lokasi dan Waktu Penelitian Lokasi yang diteliti adalah wilayah pesisir Kabupaten Karawang (Gambar 3), yang secara administratif berdasarkan Undang-Undang Republik Indonesia nomor
Lebih terperinciPREDIKSI PERUBAHAN LAHAN PERTANIAN SAWAH SEBAGIAN KABUPATEN KLATEN DAN SEKITARNYA MENGGUNAKAN CELLULAR AUTOMATA DAN DATA PENGINDERAAN JAUH
PREDIKSI PERUBAHAN LAHAN PERTANIAN SAWAH SEBAGIAN KABUPATEN KLATEN DAN SEKITARNYA MENGGUNAKAN CELLULAR AUTOMATA DAN DATA PENGINDERAAN JAUH Dicky Setiady dicky.setiady.geo@gmail.com Fakultas Geografi, Universitas
Lebih terperinciPEMODELAN SPASIAL PERKEMBANGAN FISIK KOTA YOGYAKARTA MENGGUNAKAN CELLULAR AUTOMATA DAN MULTI LAYER PERCEPTRON NEURAL NETWORK
PEMODELAN SPASIAL PERKEMBANGAN FISIK KOTA YOGYAKARTA MENGGUNAKAN CELLULAR AUTOMATA DAN MULTI LAYER PERCEPTRON NEURAL NETWORK Nuril Umam nurilgeo@gmail.com Bowo Susilo bowos@gmail.com Abstrak Perkembangan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Seiring dengan bertambahnya jumlah penduduk, kebutuhan akan lahan semakin meningkat. Interaksi antara manusia yang selalu bertambah jumlahnya dengan lingkungannya
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Hasil sensus jumlah penduduk di Indonesia, dengan luas wilayah kurang lebih 1.904.569 km 2 menunjukkan adanya peningkatan jumlah penduduk, dari tahun 2010 jumlah penduduknya
Lebih terperinciModeling Land Use/Cover Change Using Artificial Neural Network and Logistic Regression Approach (Case Study: Citarum Watershed, West Jawa)
Buletin Tanah dan Lahan, 1 (1) Januari 2017: 30-36 PEMODELAN PERUBAHAN PENUTUPAN/PENGGUNAAN LAHAN DENGAN PENDEKATAN ARTIFICIAL NEURAL NETWORK DAN LOGISTIC REGRESSION (STUDI KASUS: DAS CITARUM, JAWA BARAT)
Lebih terperinciMETODE PENELITIAN. Kerangka Pemikiran
METODE PENELITIAN Kerangka Pemikiran Perencanaan tata ruang adalah suatu proses untuk menentukan struktur ruang dan pola ruang yang meliputi penyusunan dan penetapan rencana tata ruang (UU No. 26 tahun
Lebih terperinciTATA LOKA VOLUME 18 NOMOR 4, NOVEMBER 2016, BIRO PENERBIT PLANOLOGI UNDIP P ISSN E ISSN
TATA LOKA VOLUME 18 NOMOR 4, NOVEMBER 2016, 211-221 2016 BIRO PENERBIT PLANOLOGI UNDIP P ISSN 0852-7458- E ISSN 2356-0266 T A T A L O K A ARAHAN PENGENDALIAN PERUBAHAN PENGGUNAAN LAHAN MENGGUNAKAN MARKOV
Lebih terperinci3 METODE. Lokasi dan Waktu Penelitian
8 3 METODE Lokasi dan Waktu Penelitian Lokasi penelitian adalah Kabupaten Bogor Jawa Barat yang secara geografis terletak pada 6º18 6º47 10 LS dan 106º23 45-107º 13 30 BT. Lokasi ini dipilih karena Kabupaten
Lebih terperinciIII. METODOLOGI 3.1 Waktu Penelitian 3.2 Lokasi Penelitian
III. METODOLOGI 3.1 Waktu Penelitian Penelitian ini dilakukan dari bulan Februari sampai September 2011. Kegiatan penelitian ini meliputi tahap prapenelitian (persiapan, survei), Inventarisasi (pengumpulan
Lebih terperinciPEMANFAATAN TEKNOLOGI PENGINDERAAN JAUH UNTUK MONITORING DENSIFIKASI BANGUNAN DI DAERAH PERKOTAAN MAGELANG
PEMANFAATAN TEKNOLOGI PENGINDERAAN JAUH UNTUK MONITORING DENSIFIKASI BANGUNAN DI DAERAH PERKOTAAN MAGELANG Vembri Satya Nugraha vembrisatyanugraha@gmail.com Zuharnen zuharnen@ugm.ac.id Abstract This study
Lebih terperinciIII. BAHAN DAN METODE
10 III. BAHAN DAN METODE 3.1. Tempat Dan Waktu Penelitian Penelitian dilakukan di laboratorium dan di lapang. Pengolahan citra dilakukan di Bagian Penginderaan Jauh dan Informasi Spasial dan penentuan
Lebih terperinciBAB I PENGANTAR. Perkembangan fisik kota merupakan konsekuensi dari peningkatan jumlah
1 BAB I PENGANTAR I.1 Latar Belakang Perkembangan fisik kota merupakan konsekuensi dari peningkatan jumlah penduduk dan segala aktivitasnya di suatu wilayah kota. Peningkatan jumlah penduduk tersebut dapat
Lebih terperinciMETODE PENELITIAN Kerangka Pemikiran
17 METODE PENELITIAN Kerangka Pemikiran Penggunaan lahan masa lalu dan penggunaan lahan masa kini sangat dipengaruhi oleh berbagai aspek yang saling berhubungan antara lain peningkatan jumlah penduduk
Lebih terperinciANALISIS HARGA DAN NILAI LAHAN DI KECAMATAN SEWON DENGAN MENGGUNAKAN PENGINDERAAN JAUH DAN SISTEM INFORMASI GEOGRAFIS.
ANALISIS HARGA DAN NILAI LAHAN DI KECAMATAN SEWON DENGAN MENGGUNAKAN PENGINDERAAN JAUH DAN SISTEM INFORMASI GEOGRAFIS. ANALYSIS PRICE AND VALUE OF LAND IN SEWON DISTRICT, USING REMOTE SENSING AND GEOGRAPHIC
Lebih terperinciMODEL SIG-BINARY LOGISTIC REGRESSION UNTUK PREDIKSI PERUBAHAN PENGGUNAAN LAHAN (STUDI KASUS DI DAERAH PINGGIRAN KOTA YOGYAKARTA) TESIS
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
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kebutuhan manusia untuk memenuhi hajat hidupnya semakin meningkat dari waktu ke waktu. Hal ini erat berkaitan dengan keinginan manusia untuk meningkatan mutu kehidupannya
Lebih terperinciAPLIKASI CITRA LANDSAT UNTUK PEMODELAN PREDIKSI SPASIAL PERKEMBANGAN LAHAN TERBANGUN ( STUDI KASUS : KOTA MUNTILAN)
APLIKASI CITRA LANDSAT UNTUK PEMODELAN PREDIKSI SPASIAL PERKEMBANGAN LAHAN TERBANGUN ( STUDI KASUS : KOTA MUNTILAN) Hernandea Frieda Forestriko Jurusan Sains Informasi Geografis dan Pengembangan Wilayah
Lebih terperinciAnalisa Perubahan Tutupan Lahan di Waduk Riam Kanan dan Sekitarnya Menggunakan Sistem Informasi Geografis(SIG) dan data citra Landsat
Analisa Perubahan Tutupan Lahan di Waduk Riam Kanan dan Sekitarnya Menggunakan Sistem Informasi Geografis(SIG) dan data citra Landsat Rully Sasmitha dan Nurlina Abstrak: Telah dilakukan penelitian untuk
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN DEM (Digital Elevation Model) Wilayah Penelitian Proses interpolasi beberapa data titik tinggi yang diekstraksi dari berbagai sumber dengan menggunakan metode semivariogram tipe ordinary
Lebih terperinciAninda Nurry M.F., Ira Mutiara Anjasmara Jurusan Teknik Geomatika FTSP-ITS, Kampus ITS Sukolilo, Surabaya,
KAJIAN PERUBAHAN TUTUPAN LAHAN DAERAH ALIRAN SUNGAI BRANTAS BAGIAN HILIR MENGGUNAKAN CITRA SATELIT MULTI TEMPORAL (STUDI KASUS: KALI PORONG, KABUPATEN SIDOARJO) Aninda Nurry M.F., Ira Mutiara Anjasmara
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN 5.1 Pengolahan Awal Citra (Pre-Image Processing) Pengolahan awal citra (Pre Image Proccesing) merupakan suatu kegiatan memperbaiki dan mengoreksi citra yang memiliki kesalahan
Lebih terperinciPrediksi Spasial Perkembangan Lahan Terbangun Melalui Pemanfaatan Citra Landsat Multitemporal di Kota Bogor
Prediksi Spasial Perkembangan Lahan Terbangun Melalui Pemanfaatan Citra Landsat Multitemporal di Kota Bogor Siti Zahrotunisa 1, Prama Wicaksono 2 1,2 Program Studi Kartografi dan Penginderaan Jauh, Departemen
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian dilakukan dari bulan Juli sampai September 2011 di Kabupaten Sidoarjo, Jawa Timur. Pengolahan data dilakukan di Laboratorium Analisis Lingkungan
Lebih terperinciBAB III PELAKSANAAN PENELITIAN
BAB III PELAKSANAAN PENELITIAN Pada bab ini akan dijelaskan mengenai alat dan bahan yang digunakan dalam penelitian ini serta tahapan-tahapan yang dilakukan dalam mengklasifikasi tata guna lahan dari hasil
Lebih terperinciBAB III METODE PENELITIAN
11 BAB III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian ini dilaksanakan selama dua bulan yaitu bulan Juli-Agustus 2010 dengan pemilihan lokasi di Kota Denpasar. Pengolahan data dilakukan di Laboratorium
Lebih terperinciLatar Belakang. Penggunaan penginderaan jauh dapat mencakup suatu areal yang luas dalam waktu bersamaan.
SIDANG TUGAS AKHIR PEMANFAATAN CITRA RESOLUSI TINGGI UNTUK MENGIDENTIFIKASI PERUBAHAN OBYEK BANGUNAN (STUDI KASUS UPDATING RENCANA DETAIL TATA RUANG KOTA UNIT PENGEMBANGAN RUNGKUT SURABAYA) Oleh Dewi Nur
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian ini. Proses persiapan data ini berpengaruh pada hasil akhir penelitian. Persiapan yang dilakukan meliputi
Lebih terperinciBangunan Berdasarkan Citra Landsat 5 TM dan Sentinel 2A MSI (Kasus: Kota Salatiga) Anggito Venuary S
Interpretasi Hibrida Untuk Identifikasi Perubahan Lahan Terbangun dan Kepadatan Bangunan Berdasarkan Citra Landsat 5 TM dan Sentinel 2A MSI (Kasus: Kota Salatiga) Anggito Venuary S anggitovenuary@outlook.com
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1.1. Latar Belakang BAB I PENDAHULUAN Kota merupakan obyek geografis yang sangat popular di semua kalangan masyarakat, sehingga menjadikan kota sebagai objek kajian yang menarik untuk dikaji baik itu bagi
Lebih terperinciBAB IV ANALISIS 4.1 Analisis terhadap Data Tutupan Lahan
BAB IV ANALISIS Pada bagian ini, dilakukan analisis terhadap pemanfaatan metode Monte Carlo untuk analisis perubahan lahan secara spasial. Analisis yang dilakukan dalam hal ini terbagi menjadi dua bagian,
Lebih terperinciANALISIS SISTEM INFORMASI GEOGRAFIS STATISTIK LOGISTIK BINER DALAM UPAYA PENGENDALIAN EKSPANSI LAHAN TERBANGUN KOTA YOGYAKARTA
ANALISIS SISTEM INFORMASI GEOGRAFIS STATISTIK LOGISTIK BINER DALAM UPAYA PENGENDALIAN EKSPANSI LAHAN TERBANGUN KOTA YOGYAKARTA Robiatul Udkhiyah 1), Gerry Kristian 2), Chaidir Arsyan Adlan 3) 1,2,3) Program
Lebih terperinciBAB 1 PENDAHULUAN. Landsat 1 tahun , Landsat 2 tahun , Landsat 3 tahun 1978-
1.1 Latar Belakang BAB 1 PENDAHULUAN Pengamatan bumi (earth observation) melalui data penginderaan jauh seperti satelit dan foto udara merupakan salah satu ilmu pengetahuan modern (modern science) (Bhatta,
Lebih terperinciIII. BAHAN DAN METODE
III. BAHAN DAN METODE 3.1 Lokasi dan Waktu Penelitian Penelitian dilaksanakan di daerah Daerah Aliran Sungai (DAS) Cipunagara dan sekitarnya, Jawa Barat (Gambar 1). DAS Cipunagara berada dibawah pengelolaan
Lebih terperinciPEMODELAN SPASIAL PERKEMBANGAN FISIK PERKOTAAN YOGYAKARTA MENGGUNAKAN MODEL CELLULAR AUTOMATA DAN REGRESI LOGISTIK BINER
Pemodelan Spasial Perkembangn Fisik Perkotaan...(Wijaya & Umam) PEMODELAN SPASIAL PERKEMBANGAN FISIK PERKOTAAN YOGYAKARTA MENGGUNAKAN MODEL CELLULAR AUTOMATA DAN REGRESI LOGISTIK BINER (Spatial Modeling
Lebih terperinciV. HASIL DAN PEMBAHASAN
V. HASIL DAN PEMBAHASAN 5.1. Analisis Citra Digital Interpretasi dilakukan dengan pembuatan area contoh (training set) berdasarkan pengamatan visual terhadap karakteristik objek dari citra Landsat. Untuk
Lebih terperinciANALISIS GEOSPASIAL MENGGUNAKAN METODE CELLULAR AUTOMATA UNTUK PREDIKSI PERUBAHAN GARIS PANTAI. Baharuddin, Samsu Arif, Sakka*)
ANALISIS GEOSPASIAL MENGGUNAKAN METODE CELLULAR AUTOMATA UNTUK PREDIKSI PERUBAHAN GARIS PANTAI Baharuddin, Samsu Arif, Sakka*) *) Program Studi Geofisika FMIPA Unhas Email: baharuddin_buhari@yahoo.com,
Lebih terperinciPemanfaatan Citra Landsat Untuk Klasifikasi Tutupan Lahan Lanskap Perkotaan Kota Palu
Pemanfaatan Citra Landsat Untuk Klasifikasi Tutupan Lahan Lanskap Perkotaan Kota Palu ANDI CHAIRUL ACHSAN 1 1. Program Studi Perencanaan Wilayah dan Kota, Jurusan Teknik Arsitektur, Fakultas Teknik, Universitas
Lebih terperinciMETODE PENELITIAN Kerangka Pemikiran
METODE PENELITIAN Kerangka Pemikiran Pembangunan dan pengembangan wilayah di setiap daerah merupakan kegiatan yang dilakukan dalam rangka meningkatkan kesejahteraan dan taraf hidup masyarakat di wilayah
Lebih terperinciKAJIAN PERUBAHAN TUTUPAN LAHAN DENGAN MENGGUNAKAN METODE MULTI LAYER PERCEPTRON DAN LOGISTIC REGRESSION DI TAMAN NASIONAL GUNUNG CIREMAI
Kajian Perubahan Tutupan Lahan KAJIAN PERUBAHAN TUTUPAN LAHAN DENGAN MENGGUNAKAN METODE MULTI LAYER PERCEPTRON DAN LOGISTIC REGRESSION DI TAMAN NASIONAL GUNUNG CIREMAI (Study of Land Cover Change using
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Penelitian dan Perumusan Masalah
BAB I PENDAHULUAN BAB I PENDAHULUAN 1.1. Latar Belakang Penelitian dan Perumusan Masalah Dinamika perubahan penggunaan lahan merupakan obyek kajian yang penting dan selalu menarik untuk diteliti karena
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Lahan merupakan sumberdaya alam yang bersifat langka karena jumlahnya tidak bertambah, tetapi kebutuhan terhadap lahan selalu meningkat. Alih fungsi lahan pertanian
Lebih terperinciJurnal Geodesi Undip Januari 2016
ANALISIS PENGGUNAAN NDVI DAN BSI UNTUK IDENTIFIKASI TUTUPAN LAHAN PADA CITRA LANDSAT 8 (Studi Kasus : Wilayah Kota Semarang, Jawa Tengah) Dafid Januar, Andri Suprayogi, Yudo Prasetyo *) Program Studi Teknik
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1.1. Latar Belakang BAB I PENDAHULUAN Kawasan perkotaan cenderung mengalami pertumbuhan yang dinamis (Muta ali, 2011). Pertumbuhan populasi selalu diikuti dengan pertumbuhan lahan terbangun sebagai tempat
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA Pada bab ini akan dijelaskan mengenai data dan langkah-langkah pengolahan datanya. Data yang digunakan meliputi karakteristik data land use dan land cover tahun 2005 dan tahun 2010.
Lebih terperinciEVALUASI TUTUPAN LAHAN DARI CITRA RESOLUSI TINGGI DENGAN METODE KLASIFIKASI DIGITAL BERORIENTASI OBJEK (Studi Kasus: Kota Banda Aceh, NAD)
EVALUASI TUTUPAN LAHAN DARI CITRA RESOLUSI TINGGI DENGAN METODE KLASIFIKASI DIGITAL BERORIENTASI OBJEK (Studi Kasus: Kota Banda Aceh, NAD) Dosen Pembimbing: Dr.Ing.Ir. Teguh Hariyanto, MSc Oleh: Bayu Nasa
Lebih terperinciII. TINJAUAN PUSTAKA 2.1 Penggunaan Lahan dan Perubahan Penggunaan Lahan
II. TINJAUAN PUSTAKA 2.1 Penggunaan Lahan dan Perubahan Penggunaan Lahan Definisi lahan menurut Sitorus (2004) merupakan bagian dari bentang alam (landscape) yang mencakup pengertian lingkungan fisik termasuk
Lebih terperinciSudaryanto dan Melania Swetika Rini*
PENENTUAN RUANG TERBUKA HIJAU (RTH) DENGAN INDEX VEGETASI NDVI BERBASIS CITRA ALOS AVNIR -2 DAN SISTEM INFORMASI GEOGRAFI DI KOTA YOGYAKARTA DAN SEKITARNYA Sudaryanto dan Melania Swetika Rini* Abstrak:
Lebih terperinciPERBANDINGAN METODE SUPERVISED DAN UNSUPERVISED MELALUI ANALISIS CITRA GOOGLE SATELITE UNTUK TATA GUNA LAHAN
PERBANDINGAN METODE SUPERVISED DAN UNSUPERVISED MELALUI ANALISIS CITRA GOOGLE SATELITE UNTUK TATA GUNA LAHAN Latar Belakang Penginderaan jauh merupakan suatu ilmu atau teknologi untuk memperoleh informasi
Lebih terperinciBAB II TEORI DASAR. Beberapa definisi tentang tutupan lahan antara lain:
BAB II TEORI DASAR 2.1 Tutupan Lahan Tutupan Lahan atau juga yang biasa disebut dengan Land Cover memiliki berbagai pengertian, bahkan banyak yang memiliki anggapan bahwa tutupan lahan ini sama dengan
Lebih terperinciV. HASIL DAN PEMBAHASAN
27 V. HASIL DAN PEMBAHASAN 5.1. Penampilan Citra Dual Polarimetry PALSAR / ALOS Penampilan citra dual polarimetry : HH dan HV level 1. 5 PALSAR/ALOS masing-masing dapat dilihat pada ENVI 4. 5 dalam bentuk
Lebih terperinci4. PERUBAHAN PENUTUP LAHAN
4. PERUBAHAN PENUTUP LAHAN 4.1. Latar Belakang Sebagaimana diuraikan terdahulu (Bab 1), DAS merupakan suatu ekosistem yang salah satu komponen penyusunannya adalah vegetasi terutama berupa hutan dan perkebunan
Lebih terperinciBAB III IMPLEMENTASI MODEL MONTE CARLO
BAB III IMPLEMENTASI MODEL MONTE CARLO Sasaran dari penelitian tugas akhir ini adalah untuk memodelkan prediksi perubahan lahan dengan memanfaatkan metode Monte Carlo. Data ng digunakan untuk implementasi
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1 Hasil Segmentasi Dari beberapa kombinasi scale parameter yang digunakan untuk mendapatkan segmentasi terbaik, untuk mengklasifikasikan citra pada penelitian ini hanya mengambil
Lebih terperinciDINAMIKA SPASIAL PENGGUNAAN LAHAN DI KABUPATEN KATINGAN DAN KOTA PALANGKA RAYA PROVINSI KALIMANTAN TENGAH N I I N
DINAMIKA SPASIAL PENGGUNAAN LAHAN DI KABUPATEN KATINGAN DAN KOTA PALANGKA RAYA PROVINSI KALIMANTAN TENGAH N I I N SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN MENGENAI TESIS DAN
Lebih terperinciSTUDI PERKEMBANGAN KOTA MEDAN MENGGUNAKAN DATA PENGINDERAAN JAUH DAN SIG. Walbiden Lumbantoruan 1. Abstrak
STUDI PERKEMBANGAN KOTA MEDAN MENGGUNAKAN DATA PENGINDERAAN JAUH DAN SIG Walbiden Lumbantoruan 1 Abstrak Tujuan dilakukannya penelitian ini adalah: (1) Untuk mengtetahui perubahan ruang sebagai permukiman
Lebih terperinciKAJIAN UKURAN TRAINING SAMPLE OPTIMUM UNTUK KLASIFIKASI PENUTUP LAHAN DENGAN METODE KEMUNGKINAN MAKSIMUM ALFIANSYAH MUHAMMAD
KAJIAN UKURAN TRAINING SAMPLE OPTIMUM UNTUK KLASIFIKASI PENUTUP LAHAN DENGAN METODE KEMUNGKINAN MAKSIMUM ALFIANSYAH MUHAMMAD DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciMODELING SPATIAL INTEGRATION PROBABILISTIC MARKOV CHAIN AND CELLULAR AUTOMATA FOR THE STUDY OF LAND USE CHANGES REGIONAL SCALE IN DIY YOGYAKARTA
MODELING SPATIAL INTEGRATION PROBABILISTIC MARKOV CHAIN AND CELLULAR AUTOMATA FOR THE STUDY OF LAND USE CHANGES REGIONAL SCALE IN DIY YOGYAKARTA PEMODELAN SPASIAL PROBABILISTIK INTEGRASI MARKOV CHAIN DAN
Lebih terperinciKarena tidak pernah ada proyek yang dimulai tanpa terlebih dahulu menanyakan: DIMANA?
PENGUKURAN KEKOTAAN Geographic Information System (1) Lecture Note: by Sri Rezki Artini, ST., M.Eng Geomatic Engineering Study Program Dept. Of Geodetic Engineering Permohonan GIS!!! Karena tidak pernah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perubahan penutup lahan adalah suatu fenomena yang sangat kompleks berdasarkan pada, pertama karena hubungan yang kompleks, interaksi antara kelas penutup lahan yang
Lebih terperinciSeminar Nasional Penginderaan Jauh ke-4 Tahun Staf Pengajar Jurusan Teknik Geodesi FT-UNPAK.
Pembuatan Peta Penutup Lahan Menggunakan Klasifikasi Terbimbing Metode Maximum Likelilhood Pada Citra Landsat 8 (Studi Kasus: Kabupaten Indramayu, Provinsi Jawa Barat) Making Land Cover Map Using Supervised
Lebih terperinciPEMODELAN PERUBAHAN PENGGUNAAN LAHAN - CELLULAR AUTOMATA DI KECAMATAN ASEMROWO, KOTA SURABAYA
Jurnal Planoearth PWK FT UMMat ISSN 2615-4226 Vol. 3 No. 1, Februari 2018, hal. 12-16 PEMODELAN PERUBAHAN PENGGUNAAN LAHAN - CELLULAR AUTOMATA DI KECAMATAN ASEMROWO, KOTA SURABAYA Widiyanto Hari Subagyo
Lebih terperinciJURNAL TEKNIK POMITS Vol. X, No. X, (2013) ISSN: ( Print) 1 II. METODOLOGI PENELITIAN
JURNAL TEKNIK POMITS Vol. X,. X, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Studi Identifikasi Perubahan Obyek dengan Memanfaatkan Citra Resolusi Tinggi (Studi Kasus Unit Pengembangan Rungkut Surabaya)
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN.. Interpretasi Visual Penggunaan Lahan Setiap obyek yang terdapat dalam citra memiliki kenampakan karakteristik yang khas sehingga obyek-obyek tersebut dapat diinterpretasi dengan
Lebih terperinciPRISMA FISIKA, Vol. VI, No. 2 (2018), Hal ISSN :
Pemodelan Penyebaran Kebakaran Hutan dan Lahan di Kabupaten Mempawah Menggunakan Metode Cellular Automata Maria Sofiani a, Joko Sampurno a *, Apriansyah b a Prodi Fisika, FMIPA Universitas Tanjungpura,
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN A. Lokasi dan Waktu Penelitian ini dilakukan pada daerah kajian Provinsi Kalimantan Barat. Pengolahan dan analisis data dilakukan di Laboratorium Fisik Remote Sensing dan Sistem
Lebih terperinciModel Perubahan Penggunaan Lahan Untuk Mendukung Rencana Pengelolaan Kesatuan Pengelolaan Hutan (Studi Kasus KPH Yogyakarta)
2016 Biro Penerbit Planologi Undip Volume 12 (3): 277 292 September 2016 Model Perubahan Penggunaan Lahan Untuk Mendukung Rencana Pengelolaan Kesatuan Pengelolaan Hutan (Studi Kasus KPH Yogyakarta) Dony
Lebih terperinciPerumusan Masalah Bagaimana kondisi perubahan tutupan lahan yang terjadi di daerah aliran sungai Ciliwung dengan cara membandingkan citra satelit
Latar Belakang Meningkatnya pembangunan di Cisarua, Bogor seringkali menimbulkan dampak tidak baik terhadap lingkungan. Salah satu contohnya adalah pembangunan yang terjadi di Daerah Aliran Sungai Ciliwung.
Lebih terperinciANALISA PERUBAHAN POLA DAN TATA GUNA LAHAN SUNGAI BENGAWAN SOLO dengan menggunakan citra satelit multitemporal
ANALISA PERUBAHAN POLA DAN TATA GUNA LAHAN SUNGAI BENGAWAN SOLO dengan menggunakan citra satelit multitemporal Oleh : Fidiyawati 3507 100 046 Pembimbing : 1. M. Nur Cahyadi, ST, MSc 2. Danang Surya Chandra,
Lebih terperinciq Tujuan dari kegiatan ini diperolehnya peta penggunaan lahan yang up-to date Alat dan Bahan :
MAKSUD DAN TUJUAN q Maksud dari kegiatan ini adalah memperoleh informasi yang upto date dari citra satelit untuk mendapatkan peta penggunaan lahan sedetail mungkin sebagai salah satu paramater dalam analisis
Lebih terperinciKESESUAIAN LAHAN TAMBAK GARAM MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS DI KABUPATEN SAMPANG
KESESUAIAN LAHAN TAMBAK GARAM MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS DI KABUPATEN SAMPANG Oleh : Firman Farid Muhsoni, S.Pi, M.Sc Program Studi Ilmu Kelautan Universitas Trunojoyo Madura e-mail : firman_fmm@yahoo.com.sg
Lebih terperinciGambar 7. Lokasi Penelitian
III. METODOLOGI PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini mengambil lokasi Kabupaten Garut Provinsi Jawa Barat sebagai daerah penelitian yang terletak pada 6 56'49''-7 45'00'' Lintang Selatan
Lebih terperinciIII. METODE PENELITIAN
14 III. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian ini dilakukan sejak bulan April 2009 sampai November 2009 di Laboratorium Penginderaan Jauh dan Interpretasi Citra, Departemen Ilmu
Lebih terperinciMETODOLOGI. Gambar 4. Peta Lokasi Penelitian
22 METODOLOGI Tempat dan Waktu Penelitian Penelitian dilakukan di Kota Sukabumi, Jawa Barat pada 7 wilayah kecamatan dengan waktu penelitian pada bulan Juni sampai November 2009. Pada lokasi penelitian
Lebih terperinciIII. METODOLOGI. Gambar 2. Peta Orientasi Wilayah Penelitian. Kota Yogyakarta. Kota Medan. Kota Banjarmasin
III. METODOLOGI 3.1. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan mulai dari bulan Maret sampai bulan November 2009. Objek penelitian difokuskan pada wilayah Kota Banjarmasin, Yogyakarta, dan
Lebih terperinciANALISIS SPASIAL DEGRADASI DAN DEFORESTASI KAWASAN HUTAN UNTUK PERENCANAAN PENGGUNAAN RUANG DI KABUPATEN TOBA SAMOSIR TESIS. Oleh
ANALISIS SPASIAL DEGRADASI DAN DEFORESTASI KAWASAN HUTAN UNTUK PERENCANAAN PENGGUNAAN RUANG DI KABUPATEN TOBA SAMOSIR TESIS Oleh POLEN SILITONGA 087003054/PWD S E K O L A H PA S C A S A R JA N A SEKOLAH
Lebih terperinciBAB IV PENGOLAHAN DATA
BAB IV PENGOLAHAN DATA 4.1 Koreksi Geometrik Langkah awal yang harus dilakukan pada penelitian ini adalah melakukan koreksi geometrik pada citra Radarsat. Hal ini perlu dilakukan karena citra tersebut
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Lahan merupakan bentang permukaan bumi yang dapat bermanfaat bagi manusia baik yang sudah dikelola maupun belum. Untuk itu peran lahan cukup penting dalam kehidupan
Lebih terperinciANALISIS SPASIAL PERUBAHAN PENGGUNAAN LAHAN DALAM KAITANNYA DENGAN PENATAAN ZONASI KAWASAN TAMAN NASIONAL GUNUNG HALIMUN-SALAK
Analisis Spasial Perubahan Penggunaan Lahan... (Ilyas dkk.) ANALISIS SPASIAL PERUBAHAN PENGGUNAAN LAHAN DALAM KAITANNYA DENGAN PENATAAN ZONASI KAWASAN TAMAN NASIONAL GUNUNG HALIMUN-SALAK (Spatial Analysis
Lebih terperinciDISKRIMINASI TEGAKAN HTI (Hutan Tanaman Industri) MENGGUNAKAN OBJECT ORIENTED CLASSIFICATION Studi kasus PT. HTI Wira Karya Sakti, Jambi 1
DISKRIMINASI TEGAKAN HTI (Hutan Tanaman Industri) MENGGUNAKAN OBJECT ORIENTED CLASSIFICATION Studi kasus PT. HTI Wira Karya Sakti, Jambi 1 Muhammad Ardiansyah, Dr.-Ing 2) dan Muhammad Rusdi, SP. 3) 2.
Lebih terperinciLaporan Praktikum III KLASIFIKASI CITRA SATELIT MENGGUNAKAN ERDAS IMAGINE
Mata Kuliah Dasar Sistem Informasi Geografi dan Lingkungan [PSL640] Dosen : Prof.Dr.Ir. Lilik B. Prasetyo Laporan Praktikum III KLASIFIKASI CITRA SATELIT MENGGUNAKAN ERDAS IMAGINE Oleh : Muhammad Ramdhan
Lebih terperinciV. HASIL DAN PEMBAHASAN
V. HASIL DAN PEMBAHASAN 5.1 Penutupan Lahan Tahun 2009 Peta penutupan lahan dihasilkan melalui metode Maximum Likelihood dari klasifikasi terbimbing yang dilakukan dengan arahan (supervised) (Gambar 14).
Lebih terperinciBAB II DASAR TEORI 2.1 Pengertian Tata Guna/Tutupan Lahan
BAB II DASAR TEORI Prediksi perubahan lahan merupakan salah satu informasi penting untuk mendukung perencanaan penggunaan lahan. Untuk itu perlu dibuat suatu model yang mampu mewakili prediksi perubahan
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian dilaksanakan di Kawasan Hutan Adat Kasepuhan Citorek, Kabupaten Lebak, Provinsi Banten. Pengambilan data lapangan dilaksanakan bulan Februari
Lebih terperinciABSTRACT. Key words: compromise programming, fuzzy set, land allocation, land evaluation, multi-criteria decision making.
5 ABSTRACT ANDI RAMLAN. Optimizing Plantation Allocation Using Spatially Multi- Criteria Approach Based Continuous Method. Supervised by BABA BARUS and MUHAMMAD ARDIANSYAH. The proficient planning of land
Lebih terperinciJURNAL TEKNIK POMITS Vol. X, No. X, (XXXX) ISSN: XXXX-XXXX (XXXX-XXXX Print) 1
JURNAL TEKNIK POMITS Vol. X, No. X, (XXXX) ISSN: XXXX-XXXX (XXXX-XXXX Print) 1 Analisa Perubahan Tutupan Lahan Daerah Aliran Sungai Brantas Bagian Hilir Menggunakan Citra Satelit Multitemporal (Studi Kasus:
Lebih terperinciIII. METODE PENELITIAN. Penelitian dilaksanakan di Taman Hutan Raya Wan Abdul Rachman (Tahura
III. METODE PENELITIAN A. Lokasi dan Waktu Penelitian Penelitian dilaksanakan di Taman Hutan Raya Wan Abdul Rachman (Tahura WAR). Berdasarkan administrasi pemerintahan Provinsi Lampung kawasan ini berada
Lebih terperinciIII. METODE PENELITIAN. berlokasi di kawasan Taman Nasional Way Kambas. Taman Nasional Way
13 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian dilaksanakan dari bulan Juni sampai dengan September 2012 yang berlokasi di kawasan Taman Nasional Way Kambas. Taman Nasional Way Kambas
Lebih terperinciAPLIKASI PENGINDERAAN JAUH DAN SISTEM INFORMASI GEOGRAFI UNTUK KESESUAIAN LAHAN PERMUKIMAN KOTA BEKASI. Dyah Wuri Khairina
APLIKASI PENGINDERAAN JAUH DAN SISTEM INFORMASI GEOGRAFI UNTUK KESESUAIAN LAHAN PERMUKIMAN KOTA BEKASI Dyah Wuri Khairina dyah.wuri.k@mail.ugm.ac.id Taufik Hery Purwanto taufikhery@mail.ugm.ac.id Abstract
Lebih terperinciJURNAL GEOGRAFI Media Pengembangan Ilmu dan Profesi Kegeografian
JURNAL GEOGRAFI Media Pengembangan Ilmu dan Profesi Kegeografian http://journal.unnes.ac.id/sju/index.php/ujet ESTIMASI PRODUKTIVITAS PADI MENGGUNAKAN TEKNIK PENGINDERAAN JAUH DALAM MENDUKUNG PROGRAM SWASEMBADA
Lebih terperinciJURNAL TEKNIK POMITS Vol. x, No. x, (2014) ISSN: xxxx-xxxx (xxxx-x Print) 1
JURNAL TEKNIK POMITS Vol. x,. x, (2014) ISSN: xxxx-xxxx (xxxx-x Print) 1 Pemanfaatan Data Penginderaan Jauh untuk Identifikasi Kerusakan Hutan di Daerah Aliran Sungai (DAS) (Studi Kasus : Sub DAS Brantas
Lebih terperinciGambar 1. Satelit Landsat
3 II. TINJAUAN PUSTAKA 2.1. Penginderaan Jauh Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah, atau fenomena melalui analisis data yang diperoleh dengan suatu
Lebih terperinciBAB I PENDAHULUAN. mengorbankan pemenuhan kebutuhan generasi masa depan (Brundtland, 1987).
BAB I PENDAHULUAN 1.1.Latar Belakang Pembangunan berkelanjutan adalah proses pembangunan (lahan, kota, bisnis, masyarakat) yang berprinsip memenuhi kebutuhan sekarang tanpa mengorbankan pemenuhan kebutuhan
Lebih terperinci1 PENDAHULUAN 1.1 Latar Belakang
1 PENDAHULUAN 1.1 Latar Belakang Luas mangrove di Indonesia adalah sekitar 4,25 juta hektar, yang merepresentasikan 25 % dari mangrove dunia. Indonesia merupakan pusat dari sebagian biogeografi genus mangrove
Lebih terperinciJurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember
Mahasiswa : Cherie Bhekti Pribadi (3509100060) Dosen Pembimbing : Dr. Ing. Ir. Teguh Hariyanto, MSc Udiana Wahyu D, ST. MT Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi
Lebih terperinci