3
menggunakan konsep-konsep yang dikenali pada SIG Sistem Informasi Geografis.
Dalam perancangan sistem akan dibuat berdasarkan rumusan masalah yang ada agar tujuan sistem tercapai. Rumusan masalah itu adalah : Bagaimana
penerapan logika
fuzzy
untuk menampung parameter – parameter guna
menentukan daerah konservasi tanah dan air yang baik di wilayah Kabupaten Semarang dan apakah penggabungan antara logika
fuzzy
dengan GIS bisa menampilkan output sesuai dengan rumus
–rumus perhitungan yang ada. Rumusan masalah akan menjadi pedoman untuk mencapai tujuan aplikasi yaitu menerapkan
logika
fuzzy
untuk perhitungan konservasi tanah dan air dan GIS sebagai sarana visualisasi dari hasil yang didapatkan.
2. Kajian Pustaka
Penelitian terdahulu yang digunakan sebagai acuan dalam proses penelitian ini berjudul Konservasi Tanah dan Air Indonesia. Dalam penelitian tersebut
membahas tentang daerah konservasi tanah dan air yang buruk beserta cara penanggulanganya hanya saja penentuan masih memakai nilai klasifikasi yang
ambigu dan belum ada visualisasi peta Inon, dkk , 2000. Berdasarkan penelitian tersebut maka dibutuhkan logika
fuzzy
untuk mengatasi hal tersebut. Penelitian selanjutnya berjudul Sistem Pendukung Keputusan Berbasis
Logika
Fuzzy
untuk Penentuan Kesesuaian Penggunaan Lahan. Dalam penelitian tersebut membahas tentang bagaimana menentukan kesesuaian lahan dengan
menggunakan logika fuzzy hanya saja belum terdapat visualisasi peta yang menggambarkan hal tersebut. Berdasarkan pernyataan tersebut diperlukan
visualisasi peta untuk menampilkan data hasil perhitungan
fuzzy
agar data lebih mudah untuk dipahami. Adi, dkk, 2010.
Penelitian selanjutnya Aplikasi Sistem Informasi Geografis menggunakan Logika
Fuzzy
dan framework Pmapper.Dalam penelitian tersebut dibahas tentang kesesuain lahan berdasarkan 3 parameter dengan logika
fuzzy
dengan visualisasi peta. Asarias, Deny, 2013.
Dari beberapa artikel dan penelitian ilmiah tersebut didapatkan sebuah gagasan untuk membangun sebuah aplikasi penyampaian informasi konservasi
tanah dan airmenggunakan logika
fuzzy
dan menampilkan hasil perhitungan
fuzzy
dalam visualisasi peta dengan sistem manajemen admin untuk mengatur manipulasi data.
Sistem Informasi Geografi
Sistem Informasi Geografi SIG merupakan model sistem informasi yang banyak digunakan untuk membuat berbagai keputusan, perencanaan, analisis, dan
sistem yang mendekati dunia nyata dengan hasil sedekat mungkin dengan aslinya. Didalam Sistem Informasi Geografi itu sendiri terdapat beberapa subsistem yang
digunakan untuk mengelola masukan-masukan data spasial yang ada serta menampilkan informasi baik dalam bentuk peta, tabel, maupun laporan. Sistem
Informasi Geografi dapat dioperasikan jika komponen-komponen utama penyusun
4
sistem tersebut telah terpenuhi. Komponen-komponen tersebut antara lain pengguna, aplikasi, data penunjang,
Software
, dan
Hardware
[1].
Gambar 1 Komponen Sistem Informasi Geografi
Pengguna yang ditunjukan pada Gambar 1 adalah orang yang mempunyai akses ke dalam sistem, orang tersebut dapat berprofesi sebagai
user
, operator, analisis,
programmer
, serta
database administrator
. Data yang digunakan dalam membangun SIG meliputi data grafis yang berupa rupa peta bumi dan data curah
hujan, kemiringan lereng, kerapatan sungai, jenis tanahporositas dan permeabilitas. Aplikasi merupakan sekumpulan fungsi-fungsi yang digunakan
untuk mengolah data dan perhitungan fuzzy.
Software
adalah program yang dibuat untuk mengelola, menyimpan, memproses, dan menayangkan data spasial berupa
peta. Sedangkan
hardware
yaitu seperangkat alat komputer yang dipergunakan untuk membangun SIG.
Konservasi Tanah dan Air
Konservasi tanah dan air atau yang sering disebut pengawetan tanah merupakan usaha-usaha yang dilakukan untuk menjaga dan meningkatkan
produktifitas tanah, kuantitas dan kualitas air. Apabila tingkat produktifitas tanah menurun, terutama karena erosi maka kualitas air terutama air sungai untuk irigasi
dan keperluan manusia lain menjadi tercemar sehingga jumlah air bersih semakin berkurang
[13]. Penerapan teknik konservasi tanah dan air meliputi teknik vegetatif, sipil
teknis dan kimiawi. Penerapan teknik vegetatif berupa penanaman vegetasi tetap, budidaya tanaman lorong, strip rumput dan lain
–lain, penerapan sipil teknis berupa pembuatan bangunan dam pengendali, dam penahan, teras, saluran
pembuagan air, sumur resapan, embung, parit buntu rorak, perlindungan kanan kiri tebing sungai dan lain
–lain, serta penerapan teknik kimiawi berupa pemberian mulsa, bitumen zat kimia[13].
Berikut 5 klasifikasi tanah yang dipakai dalam penelitian[14] : 1.
Klasifikasi 1: Kelas tanah yang sesuai untuk penanaman intensif dimana
batasan produksi pertanian yang berkelanjutan kecil atau hampir tidak ada. 2.
Klasifikasi 2: Kelas tanah yang sesuai untuk penanaman tanaman reguler,
tetapi tidak sesuai untuk penanaman yang terus menerus. Tanah ini memiliki kesesuaian yang tinggi untuk pertanian tetapi faktor tanah atau batasan-
batasan lingkungan mengurangi kemampuan produksi penuh dan mungkin membatasi fasa penanaman ke dalam bentuk rotasi penanaman.
3.
Klasifikasi 3: Padang rumput atau tanah yang bisa diperbaiki. Dapat ditanami
dengan rotasi penanaman. Produksi tanaman secara keseluruhan bersifat moderat karena faktor tanah atau batasan-batasan lingkungan.
5
4.
Klasifikasi 4: Tanah yang sesuai untuk padang rumput tetapi tidak sesuai
untuk penanaman. Pertanian berbasis harus dilandaskan pada teknik-teknik pertanian yang canggih dan mahal. Produksi pertanian mungkin sangat
bersifat musiman dan keseluruhan produksi rendah akibat faktor lingkungan.
5.
Klasifikasi 5: Tanah yang tidak sesuai untuk pertanian dan hanya sesuai
untuk padang rumput. Produksi pertanian sangat rendah akibat faktor lingkungan dan perbaikan kondisi ini hampir tidak mungkin dilakukan.
Meto
d
e Fuzzy
Metoda logika samar
fuzzy logic
, yang pada awalnya ditemukan oleh Lotfi Zadeh dari Universitas California pada tahun 1965 Lotfi, 2008, pada
dasarnya adalah metoda keanggotaan himpunan yang memungkinkan sesuatu yang bersifat kualitatif ‘dihitung’ menggunakan teknik yang bersifat kuantitatif.
Logika
fuzzy
seringkali berawal dengan dan dikembangkan berdasarkan sejumlah aturan
rule
yang didefinisikan oleh para pengambil keputusan. Selanjutnya, sistem inferensi
fuzzy
akan melakukan konversi aturan-aturan itu menjadi ekivalen-ekivalennya secara matematika, dimana hal ini pada gilirannya akan
membentuk hasil representasi perilaku sistem di dunia nyata secara lebih akurat. Keuntungan tambahan dari konsep logika
fuzzy
adalah kesederhanaan dan fleksibilitasnya. Selain itu, logika
fuzzy
mampu memodelkan fungsi-fungsi yang bersifat non-linier dari suatu permasalahan yang bersifat kompleks dan ambigu
mendua-arti[5]. Ada beberapa alasan mengapa orang menggunakan logika
fuzzy
[4] antara lain: 1.
Konsep logika
fuzzy
mudah dimengerti. Konsep matematis yang mendasari penalaran
fuzzy
sangat sederhana dan mudah dimengerti. 2.
Logika
fuzzy
sangat fleksibel. 3.
Logika
fuzzy
memiliki toleransi terhadap data-data yang tidak tepat. 4.
Logika
fuzzy
mampu memodelkan fungsi-fungsi non linier yang sangat kompleks.
5. Logika
fuzzy
dapat membangun dan mengaplikasikan pengalaman- pengalaman para pakar secara langsung tanpa harus melalui proses
pelatihan. 6.
Logika
fuzzy
dapat bekerjasama dengan teknik - teknik kendali secara konvensional.
7. Logika
fuzzy
didasarkan pada bahasa alami. Fungsi Keanggotaan mempresentasikan suatu kurva yang menunjukan
pemetaan titiktitik input ke dalam nilai keanggotaannya sering juga disebut dengan derajat keanggotaan yang memiliki interval antara 0 sampai 1. Berikut ini
3 tahap perhitungan
fuzzy
seperti pada Gambar 2.
Gambar 2 Proses Fuzzy[4]
6
Yang pertama adalah langkah
Fuzzifier
dimana sistem mengubah nilai bivalen curah hujan, kemiringan lereng, kerapatan sungai, porositas dan
permeabilitas menjadi nilai keanggotaan
fuzzy
tertentu seperti Linear, Kurva Segitiga, Kurva Bentuk Bahu, Kurva
–S tetapi dalam penelitian ini digunakan himpunan keanggotaan segitiga yang dirasa paling cocok dan sederhana untuk
penelitian ini dengan rumus seperti pada persamaan1.
Gambar 3 Kurva Segitiga
µ[ �] =
0; �
�
�− −
; �
−� −
; �
1
Yang kedua adalah proses
inference
dengan melakukan penalaran menggunakan fuzzy input dan fuzzy rules yang sudah ditanamkan dalam
sistem
,
dalam penelitian ini fungsi implikasi yang dipakai adalah fungsi implikasi Tsukamoto min untuk mencari nilai minimal dari data hasil proses
Fuzzifier.
Yang ketiga adalah proses
defuzzifier
, input dari proses ini adalah suatu himpunan
fuzzy
yang diperoleh dari proses
inference
sedangkan output yang dihasilkan berupa suatu bilangan pada domain himpunan
fuzzy
tersebut. Ada beberapa metode defuzzifikasi yaitu
Max Membership Principle, Centroid Method, Weight Average Area, Mean Max Membership
dll[7] dan dalam penelitian ini metode defuzzifikasi yang dipakai adalah
Weight Average Area Method
dengan rumus : Z =
�1∗�1+ �2∗�2+⋯ �1+ �2+⋯
Dimana: Z = nilai defuzzifikasi
α = nilai hasil implikasi min z = nilai hasil proses
inference
Kerapatan Aliran Sungai
Kerapatan sungai adalah suatu angka indeks yang menunjukkan banyaknya anak sungai di dalam sungai DASDaerah Aliran Sungai[8]. Indeks tersebut
diperoleh dengan persamaan sebagai berikut :
7
Dd =
indeks kerapatan sungai
km
��
2
L =
panjang sungai utama
km
A =
luas penampang ��
2
Panjang sungai utamaL adalah panjang alur sungai yang diukur mulai dari outlet DAS hingga perpanjangan sungai sampai batas DAS. Kenyataannya cukup
sulit membedakan sungai utama dengan bukan sungai utama bila terdapat banyak percabangan sungai. Karena itu proses penentuan sungai utama pada penelitian
akan dilakukan oleh
client
yang ahli dibidangnya. Perhitungan panjang sungai utama yang sebenarnya menggunakan rumus[12] :
L = panjang sungai utama dalam peta
cm
X penyebut skala peta Pengukuran luas penampangA daerah aliran sungai dilakukan dengan cara
membuat petak-petakkotak bujur sangkar pada daerah yang akan dihitung luasnya atau agar lebih praktis atau lebih sering disebut square method[12]
gambar DAS dapat langsung digambar pada kertas milimeter. Pada batas tepi yang luasnya setengah kotak lebih, dibulatkan menjadi satu kotak, sedangkan
kotak yang luasnya kurang dari setengah, dihilangkan. Hal yang perlu diperhatikan adalah pertimbangan keseimbangan, harus ada penyesuaian antara
kotak yang dibulatkan dengan yang dihilangkan. Sedapat mungkin, kotak yang dihilangkan sama atau seimbang dengan daerah yang dibulatkan.
Perhitungan luas penampang daerah aliran sungai menggunakan rumus[12] : A = jumlah grid X luas grid X
penyebutskala
2
Kerapatan aliran sungai menggambarkan kapasitas penyimpanan air permukaan dalam cekungan-cekungan seperti danau, rawa dan badan sungai yang
mengalir di suatu DAS. Kerapatan aliran sungai dapat dihitung dari rasio total panjang jaringan sungai terhadap luas DAS yang bersangkutan. Semakin tinggi
tingkat kerapatan aliran sungai, berarti semakin banyak air yang dapat tertampung di badan-badan sungai. Semakin besar nilai Dd semakin baik sistem drainasenya
semakin besar jumlah limpasannya. Indeks tersebut dapat diperoleh dengan persamaan[8]
: Dd = panjang sungai utamaLluas penampangA
3. Metode Penelitian