Article Details

PEMILIHAN LOKASI PENUTUP – PENGGUNAAN LAHAN BERBASIS INTEGRASI KEDEKATAN, KOMPATIBILITAS, DAN KEPADATAN SPASIAL (3K): STUDI KASUS PULAU JAWA, INDONESIA

Oleh   Sitarani Safitri [35116002]
Kontributor / Dosen Pembimbing : Prof. Ir. Ketut Wikantika, M.Eng., Ph.D.;Dr. Akhmad Riqqi, M.Si.;Dr. Albertus Deliar, S.T., M.T
Jenis Koleksi : S3-Disertasi
Penerbit : FITB - Teknik Geodesi dan Geomatika
Fakultas : Fakultas Ilmu dan Teknologi Kebumian (FITB)
Subjek :
Kata Kunci : lokasi-alokasi penutup – penggunaan lahan, kesesuaian lahan, kedekatan spasial, kompatibilitas spasial, kepadatan spasial.
Sumber :
Staf Input/Edit : Irwan Sofiyan  
File : 1 file
Tanggal Input : 2021-11-12 12:52:29

Indonesia saat ini memiliki 269 juta atau 3,49% dari total populasi dunia dan menempati peringkat negara terpadat keempat di dunia. Analisis Kementerian Pekerjaan Umum dan Perumahan Rakyat Indonesia tahun 2010 menunjukkan bahwa biokapasitas Jawa sudah mengalami defisit. Oleh karena itu, perlu dilakukan optimalisasi untuk mengurangi defisit. Kajian ini bertujuan untuk mengoptimalkan dan menilai akurasi pemilihan lokasi penutup – penggunaan lahan (PPL). Dalam studi ini jejak ekologi – ecological footprint (EF) digunakan sebagai penilaian alokasi PPL berdasarkan kebutuhan fisiologis. Konsep kesesuaian lahan bertujuan untuk pemanfaatan lahan yang optimal dan berkelanjutan. Pada penelitian ini model kesesuaian lahan dilakukan dengan menggunakan Support Vector Machine (SVM). SVM digunakan untuk mencari hyperplane terbaik dengan memaksimalkan jarak antar kelas. Hyperplane adalah sebuah fungsi yang dapat digunakan untuk memisahkan jenis PPL. Overall-accuracy model kesesuaian PPL yaitu 86,46% dengan nilai koefisien kappa 0,812. Hasil akhir menunjukkan bahwa lahan pertanian, perkebunan, dan padang rumput masih mengalami defisit, namun ada penurunan. Penurunan defisit lahan pertanian mencapai 510.588,49 ha, perkebunan 18.986,14 ha, dan padang rumput 1.015,94 ha. Hasil penelitian menunjukkan bahwa algoritma SVM efisien dalam memetakan kesesuaian PPL dan mengoptimalkan alokasi spasial. Selanjutnya, dilakukan lokasi – alokasi dengan memperhatikan kedekatan, kompatibilitas, dan kepadatan spasial (3K). Lokasi – alokasi PPL dengan kedekatan spasial dilakukan dengan pendekatan nearest neighbor, kompatibilitas spasial dengan algoritma focal statistic, dan kepadatan spasial dengan pendekatan optimasi pareto. Masing-masing algoritma kemudian diverifikasi dengan uji 3K secara teori. Hasil verifikasi menunjukkan ketiga algoritma mampu memfasilitasi definisi dari masing-masing 3K. Berdasarkan uji 3K dan analisis pemenuhan kebutuhan PPL, model lokasi–alokasi PPL dengan 3K simultan lebih baik dan 3K secara terpisah.