Pembuatan Model Prediksi Lahan Terbangun di Kabupaten Kulon Progo dengan Citra Satelit Penginderaan Jauh

Rifqi Alghifari Wibowo, Harintaka Harintaka

Abstract


Perubahan tutupan lahan terbangun pada kota atau kabupaten menjadi suatu hal umum yang sering terjadi dan terus berkembang di kawasan yang cepat tumbuh. Perkembangan lahan terbangun tersebut dapat diprediksi dengan melakukan pembuatan model prediksi dengan menggunakan teknologi penginderaan jauh dan sistem informasi geografis. Pada kajian ini, dilakukan pemodelan prediksi tutupan lahan di wilayah Kabupaten Kulon Progo pada tahun 2023 dengan menggunakan metode Cellular Automata (CA). Model prediksi tersebut disusun dengan hasil klasifikasi tutupan lahan pada tahun 2017 dan 2020 dengan menggunakan algoritma Support Vector Machine (SVM) dan variabel spasial berupa jangkauan jalan terhadap lahan terbangun. Model prediksi lahan terbangun yang berhasil dimodelkan memiliki pola persebaran dimana kelas daerah bervegetasi banyak mendominasi di Kapanewon Kokap, Girimulyo, Samigaluh, dan Kalibawang. Untuk Kapanewon lain lebih didominasi oleh tutupan lahan pertanian dan lahan terbangun. Berkaitan dengan itu, luasan tutupan lahan untuk masing-masing kelas meliputi lahan terbangun dengan 7.353,84 ha, badan air dengan 440,59 ha, daerah bervegetasi dengan 29.273,71 Ha, lahan pertanian dengan 17.665,76 ha, dan lahan terbuka dengan 2.920,24 ha. Di samping itu, untuk nilai akurasi tutupan lahan terbangun pada model prediksi memiliki nilai producer’s accuracy dan user’s accuracy secara berturut-turut sebesar 89% dan 76%. Adapun secara keseluruhan model prediksi ini mendapatkan nilai overall accuracy dan Indeks Kappa berturut-turut sebesar 81% dan 0,75. Berdasarkan nilai tersebut, model prediksi memiliki nilai akurasi yang cukup baik dan dapat digunakan sebagai salah satu alternatif untuk menjadi acuan dalam melihat potensi perubahan yang terjadi di masa yang akan datang.

Keywords


Model Prediksi; Lahan Terbangun; Kulon Progo; Citra Satelit Penginderaan Jauh

Full Text:

PDF

References


Anderson, J. R., Hardy, E. E., Roach, J. T., & Witmer, R. E. (1976). A Land Use and Land Cover Classification System for Use with Remote Sensor Data. Virginia: USGS.

Ardiyanti, F. (2022). Pemodelan Spasial Perkembangan Lahan Terbangun Kawasan Perkotaan Boyolali Menggunakan Model Cellular Automata dan Regresi Logistik Biner. Skripsi. Program Sarjana, Fakultas Geografi, Departemen Sains Informasi Geografi, Universitas Gadjah Mada.

Baja, S. (2012). Perencanaan Tata Guna Lahan Dalam Pengembangan Wilayah Pendekatan Spasial dan Aplikasinya. Yogyakarta: Penerbit Andi.

Congalton, R. G., Stehman, S., Jeffrey T. Morisette, John S. liames, Jr. Andrew N. Pilant, Elijah Ramsey, John Sydenstricker-Neto, & Siamak Khorram. (2004). Remote Sensing and GIS Accuracy Assessment Ed 1. Boca Raton: CRC Press.

Fardani, I., Alain, F., Mohmed, J., & Chofyan, I. (2020). Pemanfaatan Prediksi Tutupan Lahan Berbasis Cellular Automata-Markov dalam Evaluasi Rencana Tata Ruang. Diambil kembali dari Media Komunikasi Geografi. No.2 Vol.21. hal. 157–171. https://ejournal.undiksha.ac.id/index.php/MKG/article/view/28121

Fitri, R. H. (2013). Dampak Urbanisasi Bagi Perkembangan Kota di Indonesia. Diambil dari Jurnal Society. No.1. Vol.I. hal. 35–45: https://media.neliti.com/media/publications/130628-ID-dampak-urbanisasi-bagi-perkembangan-kota.pdf

Fuglsang, M., Münier, B., & Hansen, H. S. (2013). Modelling land-use effects of future urbanization using cellular automata: An Eastern Danish case. Diambil dari Environmental Modelling & Software. Vol.50. hal. 1–11: https://www.sciencedirect.com/science/article/abs/pii/S1364815213001813

Ilachinski, A. (2001). Cellular Automata: A Discrete Universe (Edisi Pertama). Singapore: World Scientific Publishing Company.

Lillesand, T. M., Kiefer, R. W., & Chipman, J. (2008). Remote Sensing and Image Interpretation Ed 6. Hoboken: John Wiley and Sons Inc.

Liu, Y. (2020). Modelling Urban Development with Geographical Information Systems and Cellular Automata Ed 1. Boca Raton: CRC Press.

Mardiansyah, F. H. (2011). Menarik Pelajaran dari Judul Buku 50 Tahun Perjalanan Perencanaan Wilayah dan Kota di Indonesia Ed 1. Jakarta: ITB.

Marsoedy, A. A. F. (2020). Analisa Kekauratan Add-On MOLUSCE pada QGIS untuk Prediksi Perubahan Penggunaan Lahan di Kabupaten Sleman, DI Yogyakarta. Skripsi. Program Sarjana, Fakultas Teknik, Departemen Teknik Geodesi, Universitas Gadjah Mada.

Setyono, J. S., Yunus, H. S., & Giyarsih, S. R. (2017). Pengelolaaan Kota-Kota Kecil di Jawa Tengah: Studi Kasus Pada Empat Kota Kecil di Wilayah JOGLOSEMAR. Diambil dari Tataloka. No.2. Vol.19. hal. 142-162: https://ejournal2.undip.ac.id/index.php/tataloka/article/view/1334/pdf

Sheykhmousa, M., Mahdianpari, M., Ghanbari, M., Mohammadimanesh, F., Ghamisi, P., & Homayouni, S. (2020). Support Vector Machine Versus Random Forest for Remote Sensing Image Classification: A Meta-Analysis and Systematic Review. Diambil dari Ieee Journal of Selected Topics in Applied Earth Observations and Remote Sensing. Vol. 13. hal. 6308-6325: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9206124

Wibowo, R. A. (2023). Pembuatan Model Prediksi Lahan Terbangun di Kabupaten Kulon Progo dengan Memanfaatkan Hasil Klasifikasi Tutupan Lahan dengan Algoritma Support Vector Machine Pada Citra Satelit Sentinel-2 MSI Tahun 2017, 2020, dan 2023. Skripsi. Program Sarjana, Fakultas Teknik, Departemen Teknik Geodesi, Universitas Gadjah Mada.

Yuliastuti, N., Fatchurochman, A., Sudarto, J. H., & Semarang, T. (2012). Pengaruh Perkembangan Lahan Terbangun Terhadap Kualitas Lingkungan Permukiman (Studi Kasus: Kawasan Pendidikan Kelurahan Tembalang. Diambil dari Jurnal Presipitasi: Media Komunikasi Dan Pengembangan Teknik Lingkungan. No.1. Vol.9. hal. 10–16: https://ejournal.undip.ac.id/index.php/presipitasi/article/view/4806/4356




DOI: http://dx.doi.org/10.12962/j24423998.v19i1.17571

Refbacks

  • There are currently no refbacks.


Creative Commons License
Geoid Journal of Geodesy and Geomatics by Department of Geomatics Engineering - ITS is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.