Perpustakaan Digital ITB

Tindakan konservasi atau faktor P, merupakan salah satu faktor yang sangat penting dalam dalam pendugaan laju erosi menggunakan model Revised Universal Soil Loss Equation (RUSLE), RUSLE adalah model erosi yang didisain untuk estimasi erosi tahunan. Faktor P dalam model estimasi erosi RUSLE diperhitungkan dalam menentukan jenis tindakan terhadap tanah yang dapat mengurangi atau menambah laju erosi. Penentuan nilai faktor P berbasis Self Organizing Map (SOM), merupakan metode untuk mendapatkan nilai faktor P pada suatu lahan secara otomatis memanfaatkan kemampuan sistem Jaringan Syaraf Buatan SOM, sehingga dapat mempercepat pengambilan kebijakan untuk menentukan tingkat pengaruh tindakan manusia terhadap tanah yang menyebabkan percepatan laju erosi. Kemudian klasifikasi nilai faktor P yang dihasilkan digunakan untuk menentukan sebaran laju erosi di lahan tersebut menggunakan model RUSLE. Permasalahan yang selama ini terjadi adalah pengamatan faktor P harus dilakukan secara langsung di lapangan, sehingga bila pengamatan dilakukan secara massal akan memakan waktu yang lama jika daerah yang diamati sangat luas, dan banyaknya variasi jenis faktor P yang harus diamati. Hal ini disebabkan karena faktor P harus diklasifikasikan secara sistematis agar dapat dijadikan sebagai faktor dalam estimasi erosi RUSLE secara otomatis. Dalam penelitian ini, dibuat model klasifikasi faktor P yang cepat, akurat dan dapat dilakukan secara massal dengan cara menganalisis data bentuk permukaan tanah dari data Digital Terrain Model (DTM). Proses parameterisasi morfometri dilakukan untuk menghasilkan parameter morfometri seperti; slope, maximum curvature, minimum curvature dan cross sectional curvature (4 dimensi) dengan menggunakan data DTM. Dengan menggunakan metode jaringan syaraf tiruan SOM dilakukan untuk menurunkan parameter morfometri menjadi 2 dimensi melalui proses pelatihan parameter morfometri, dan tetap menjaga hubungan topologinya. Pelatihan SOM diterapkan pada tahap kuantisasi data untuk menghasilkan neuron sebagai Best Matching Unit (BMU), yang disebut sebagai self organize. BMU merupakan neuron pemenang dalam konsep competitive learning yang digunakan sebagai acuan neuron lainnya untuk membentuk klasifikasi parameter morfometri. Pada tahapan klasifikasi neuron yang dikenal sebagai mapping, maka dari hasil klasifikasi morfometri ditransformasi menjadi faktor P melalui analisis tabel faktor P Wischmeier dan Smith. Data curah hujan, jenis tanah, panjang dan kemiringan lerang, data tutupan vegetasi diperoleh dari model persamaan NDVI yang diperoleh dari data citra satelit Landsat diimplementasikan kedalam model estimasi erosi RUSLE di Kecamatan Cidadap dan Kecamatan Lembang.