Formulasi Kesesuaian Lahan Algoritma Proses

3.7 Algoritma Proses

Algoritma pada Webmap untuk mengetahui peruntukan lahan permukima n di Kabupaten Gresik ini adalah sebagai berikut :

3.7.1 Formulasi Kesesuaian Lahan

Berikut ini adalah algoritma dalam menentukan wilayah peruntukan permukiman. Dalam membantu pembuatan Sistem Pendukung Keputusan untuk menentukan lahan permukiman menggunakan metode MAUT Multi Attribute Utility Theory. Berikut ini adalah Flowchart penyusunan dari berbagai layer yang kemudian dihitung nilai bobot nya, sehingga memperoleh hasil akhir dari penggabungan semua layer. Dalam analisa data ini dibutuhkan beberapa layer yang memiliki nilai analisa, yaitu : layer jarak industri, layer jarak sungai, layer jarak akses jalan raya, layer jenis tanah, layer jarak sarana pendidikan, layer sarana kesehatan, dan layer kelerengan. Berikut ini adalah analisa dalam menentukan wilayah peruntukan permukiman yang berpotensi. Dalam membantu pembuatan Sistem Pendukung Keputusan untuk menentukan lahan permukiman menggunakan metode MAUT Multi Attribute Utility Theory. Berikut ini adalah Flowchart penyusunan dari berbagai layer yang kemudian dihitung nilai bobot nya, sehingga memperoleh hasil akhir dari penggabungan semua layer. Gambar 3.7 Proses Analisa Kesesuaian Lahan Keterangan : : Buffer : Hasil Buffer : Overlay : Hasil Overlay : Dissolve : Hasil Dissolve : Layer Pendidikan Kesehatan Sungai Industri Jalan Kelerengan Tanah B B B B B HB HB HB HB HB O HO O O HO O HO O O HO HO D HD B O HB D HO HD Proses analisa diatas menjelaskan analisa data dari data awal hingga memperoleh suatu keputusan. Mula – mula layer pendidikan, sarana kesehatan, sarana pendidikan, sungai, industri, dan jalan di buatkan peta buffer nya terlebih dahulu, setelah itu hasil buffer dari layer sarana pendidikan dan sarana kesehatan di overlay kan, begitu juga dengan sungai dan industri juga dioverlay. Kemudian hasil dari kedua overlay di overlay lagi, sehingga nanti akan tergabung ke empat layer. Sedangkan layer jalan di buatkan peta buffer nya dan kemudian di overlay kan dengan hasil overlay yang awal tadi, dari sini sudah terbentuk 5 layer peta yang tergabung. Setelah itu hasil akhir tadi dioverlay kan lagi dengan layer kelerengan dan layer tanah. Dari sini sudah terbentuk hasil analisa data dari ke 7 layer. Untuk sentuhan akhir, hasil akhir dari overlay tadi di dissolve untuk mengelompokka n masing – masing attribut yang memiliki kesamaan. Setelah terbentuk nilai – nilai bobot pada setiap field yang mewakili dari setiap layer, langkah selanjut nya ialah menganalisa dari nilai pembobotannya dengan menggunakan metode MAUT. Untuk melihat nilai bobot setiap layer, bisa merujuk ke tabel 3.1.1 hingga 3.1.7. Setelah mengetahui nilai nya, kemudian dihitung nilainya menggunakan metode MAUT. Pertama prioritas parameternya ditentukan terlebih dahulu, hal ini dilakukan untuk mempermudah penulis untuk melihat kriteria – kriteria khusus yang akan dianalisa lanjut. Kemudian tentukan bobot pada masing – masing layer. Nilai keseluruhan dari bobot ialah bernilai 1. Berikut ini pemilihan prioritas parameter penentu nya : Tabel 3.19 Prioritas Parameter Layer Nilai Prioritas Jumlah Nilai Tanah 0,3 5 Kemiringan Lereng 0,24 5 Jalan 0,17 3 Industri 0,12 2 Sungai 0,09 3 Sarana kesehatan 0,06 3 Sarana pendidikan 0,02 3 Tabel diatas adalah kriteria khusus sebagai bahan analisa dalam mengetahui peruntukan lahan permukiman di Kabupaten Gresik. Setelah mengetahui nilai prioritas nya, kemudian menghitung menggunakan formulasi sebagai berikut : Berdasarkan F.2.1[Hal. 42] y = Tanah 5 0,3 + Kemiringan Lereng 5 0,3 + Jalan 3 0,17 + Industri 2 0,12 + Sungai 3 0,09 + Sarana Kesehatan 3 0,06 + Sarana Pendidikan 3 0,02 Setelah dianalisa berdasarkan rumus diatas, akan muncul nilai akhir di masing – masing bagian kecil pada peta layer. Kemudian menentukan nilai terkecil dan terbesar dari seluruh perhitungan tersebut. Penilaian potensi lahannya sebagai berikut : Nilai minimum = 0 dan Nilai maksimum = 14 Kemudian proses pengklasifikasian berdasarkan nilai minimum dan maksimum tersebut, dibagi menjadi beberapa kelas berikut : 1. Nilai 0 – 2,8 = kelas 1  Sangat tidak cocok Merah 2. Nilai 2,8 – 5,6 = kelas 2  Tidak cocok Orange 3. Nilai 5,6 – 8,4 = kelas 3  Sedang Cukup Kuning 4. Nilai 8,4 – 11,2 = kelas 4  Cocok Hijau muda 5. Nilai 11,2 – 14 = kelas 5  Sangat cocok Hijau tua

3.7.2 Proses Penggunaan Webmap