digilib@itb.ac.id +62 812 2508 8800

Pemodelan mengenai land cover atau tutupan lahan akan terus dibutuhkan terutama di negara berkembang karena berkaitan dengan peningkatan populasi dan kebutuhan terhadap produksi pertanian dan pemukiman. Di kawasan dengan fungsi penting seperti daerah aliran sungai (DAS), perubahan lahan perlu dimonitor karena berkaitan erat dengan ketersediaan air, dan kemampuan lahan secara alami untuk mencegah terjadi bencana banjir. Munculnya produk NASA yaitu MODIS MCDQ12 yang dibuat khusus dengan algoritma untuk tutupan lahan berpotensi untuk memperbaiki model land cover karena menawarkan data yang lebih akurat dalam proses klasifikasi lahan. Markov Chain sangat efisien dalam melihat perubahan dari tutupan lahan model karena dapat meliputi analisis perubahan ruang dan waktu secara bersamaan. Sehingga perubahan lahan dapat diteliti dengan baik secara pixel to pixel. Nilai error yang dihasilkan dari proyeksi DAS Citarum Hulu untuk periode 2001- 2020 dengan menggunakan rantai Markov yaitu 15.9%. Data air permukaan juga dilibatkan untuk melihat pengaruh dari ketersediaan air dalam mendorong perubahan lahan. Kedua data digabungkan dengan meresample data MODIS dan data air permukaan ke dalam resolusi yang sama yaitu 500 m. Perubahan lahan yang terjadi di daerah Citarum Hulu sangat masif di tahun 2015-2020, hal tersebut dikarenakan adanya ketersediaan air di Citarum Hulu yang menjadi daya tarik terjadinya urbanisasi dan mendorong percepatan pembangunan di daerah peri urban kota Bandung. Data air permukaan ditambahkan untuk menguji kaitan ketersediaan air dengan kecenderungan perubahan lahan. Hasilnya, matriks transisi menunjukkan lokasi yang memiliki ketersediaan air besar cenderung mengalami perubahan lahan, yang diawali dari perubahan hutan ke pertanian, lalu pertanian ke daerah terbangun. Penelitian ini diselesaikan dengan menggunakan code dalam Bahasa R yang lalu dikumpulkan ke dalam package baru bernama Mallacha yang menawarkan fungsi untuk melakukan analisis tutupan lahan dengan menggunakan Markov chain.