Sistem Informasi Geografis Kesesuaian Lahan Perumahan di Kota Malang menggunakan Metode MCE

  Vol. 2, No. 1, Januari 2018, hlm. 263-272 http://j-ptiik.ub.ac.id

  

Sistem Informasi Geografis Kesesuaian Lahan Perumahan di Kota Malang

menggunakan Metode MCE

_{1 2 3} Muhammad Hadi Selamet Hariyanto , Fatwa Ramdani , Mochamad Chandra Saputra

  Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Brawijaya _{1 2 3} Email: 135150400111019@ub.ac.id, fatwaramdani@ub.ac.id, andra@ub.ac.id

  

Abstrak

  Dalam paper ini. metode MCE digunakan untuk menganalisis kesesuaian lahan perumahan di Kota Malang. kriteria seperti keamanan, kenyamanan, dan kompatibilas digunakan dalam penelitian ini berdasarkan Standar Nasional Indonesia Tata cara perencanaan lingkungan perumahan di perkotaan.

  Ada dua teknik MCE yang digunakan, yaitu WLC dan OWA, keduanya memberikan hasil yang berbeda dan yang akurasi yang paling bagus didapat dari teknik OWA. Hasil dari kedua teknik tersebut kemudian divalidasi menggunakan metode ROC analisis. persentase dari model OWA menunjukkan hasil 79%, sedangkan persentasi dari model WLC hanya 67%. Model WLC dan OWA kemudian dimasukkan kedalam sistem informasi geografis yang telah diuji menggunakan metode Black-box dan White-box agar bisa diakses oleh masyarakat Kota Malang.

  Kata Kunci: GIS, MCE, ROC Curve, Black-box, White-box

Abstract

  

This research is applying Multi-Criteria Evaluation (MCE) method to analyze the land suitability of

residential in Malang. Criteria such as safety, convenience, and compatibility are used in this research

based on Indonesia National Standard procedure of housing environment planning in urban area. There

are two MCE techniques that are used; those are WLC and OWA techniques. Both techniques are giving

different results, and the closest result to the reality is the OWA technique. Then the results of both

techniques are validated using ROC analysis method. The percentage of the OWA model is showing

79%, while WLC model is only showing 67%. Then, WLC and OWA models are incorporated into

geographic information systems that have been tested using Black-box and White-box methods in order

to make the Malang’s society can access it Keywords: GIS, MCE, ROC Curve, Black-box, White-box

  pendatang (Aflahul, 2016). Akibatnya 1. kebutuhan rumah di Kota Malang terus melonjak

   PENDAHULUAN

  (Rochimawati, 2016). Untuk memenuhi Kebutuhan perumahan di kota-kota besar kebutuhan rumah yang tinggi, banyak

  Indonesia sangatlah tinggi, menurut Sri hartoyo pengembang perumahan maupun penduduk seperti yang dilansir oleh situs berita okezone, membangun rumah atau bangunan di sembarang kebutuhan rumah di kota besar mencapai 18,4 tempat tanpa mengantongi surat izin mendirikan juta, ia juga menyebutkan pertumbuhan bangunan (IMB) sehingga banyak perumahan penduduk di kota lebih cepat dibanding di desa yang tidak tertata dan melanggar peraturan (Meutia, 2014). daerah seperti membangun rumah di pinggir

  Malang merupakan salah satu kota dengan sungai dan di area serapan hujan (Surya, 2015). pertumbuhan penduduk paling pesat. Memiliki

  Pertumbuhan fisik yang tidak direncanakan 19 perguruan tinggi negeri dan swasta seperti diatas menjadi salah satu masalah besar

  (Malangkota, 2017), Kota Malang menjadi daya yang dihadapi kota besar seperti Malang, agar tarik bagi warga daerah lain untuk menimba ilmu tidak mengakibatkan masalah ekonomi dan di Kota Malang. Total jumlah penduduk Kota lingkungan (Lotfi,2009). Penataan sistem Malang mencapai 1,2 juta orang, jumlah tersebut perkotaan yang terintegrasi dan terencana sangat merupakan gabungan antara warga asli dan diperlukan agar bisa mengatasi masalah tersebut.

  Fakultas Ilmu Komputer Universitas Brawijaya

263

  Penilaian dalam memilih kesesuaian lahan juga dibutuhkan agar tidak terjadi kerugian yang tidak dapat diubah dan degradasi lahan pertanian utama serta ekosistem ekologis lainnya secara signifikan di sekitar permukiman perkotaan (Seref, 2002).

  Dalam menata sebuah kota dibutuhkan banyak data dan informasi yang mana metode tradisional tidak mampu dalam memenuhi data- data tersebut. Kompleksitas penggunaan lahan di daerah urban harus bisa dikelola, salah satu tool yang dapat melakukan hal tersebut adalah Sistem Informasi Geografis (SIG) (Lotfi, 2009). SIG telah terbukti berguna dan efektif dalam menentukan lahan yang sesuai dalam membangun lingkungan (Imtiaz, 2011). Terutama dalam membangun sebuah perumahan, menurut Martopo dalam Arief (Arief, 2005) menjelaskan bahwa untuk menentukan kemampuan lahan untuk lokasi perumahan diperlukan analisis terhadap beberapa kriteria seperti kemiringan tanah, kerentanan terhadap banjir, dan ketersediaan air bersih.

  Dalam SIG banyak metode untuk menganalisis kesesuaian lahan, salah satunya adalah menggunakan metode Multi-Criteria Evaluation (MCE). Dalam Sistem informasi geografis, metode MCE sering digunakan untuk mengalokasikan kesesuaian lahan untuk tujuan tertentu berdasarkan keanekaragaman atribut yang dimiliki oleh area yang dipilih (Eastmen, 1999). Tujuannya adalah untuk mengidentifikasi pola spasial yang paling tepat untuk lahan di masa depan yang sesuai dengan requirement khusus, preferensi, atau prediksi beberapa aktifitas (Mokarram, 2010).

  Dalam metode MCE terdapat beberapa macam teknik seperti Boolean operator overlay, Weighted Linear Combination (WLC), Ordered Weighted Average (OWA), Analytical Hirarchy Process (AHP), dll. Namun dari beberapa teknik tersebut, WLC dan OWA merupakan teknik yang mudah dan sering digunakan untuk site- selection and suitability analysis (Malczewski 2004; Drobne and Lisec 2009). metode WLC merupakan variasi dari metode OWA yang mana menggunakan dua set bobot: criterion weight and order weight. Bobot kriteria digunakan untuk menentukan tingkat kepentingan dari setiap kriteria, sedangkan bobot urut berkaitan dengan nilai kriteria pada pixel (Boroushaki and Malczewski 2008).

• Jarak dengan jalan tidak boleh lebih dari 1,2 Km.
• Jarak dengan pusat kota tidak boleh lebih dari 5 Km • Jarak dengan universitas tidak boleh lebih dari 3 Km • Kemiringan tanah tidak boleh lebih dari 15%.

  Tujuan dari penelitian ini adalah untuk mengembangkan sistem informasi geografis yang dapat menilai kesesuaian lahan untuk dijadikan lahan perumahan di kota malang menggunakan metode Multi-Criteria Evaluation.

  2. LOKASI STUDI

  Kota Malang terletak di koordinat 112,06° - 112,07° Bujur Timur dan 7,06° - 8,02° Lintang Selatan. Kota dengan luas area sebesar 252.10 Km2 (97.34 sq mi) ini memiliki populasi penduduk sebesar 857.891 dengan kepadatan penduduk 3,400/Km2 (8,800/sq mi), menempati posisi 17 kota dengan kepadatan penduduk terbesar di Indonesia. Secara administratif, Kota Malang terbagi menjadi 5 Kecamatan yaitu Kecamatan Kedungkandang, Sukun, Klojen, Blimbing dan Lowokwaru (Wikipedia, 2017).

  Sebagian besar wilayah Kota Malang merupakan dataran tinggi dengan relative kemiringan 15% di daerah tanah andosol yang terletak di Kecamatan Lowokwaru. Untuk jenis tanah, Kota Malang memiliki 4 jenis tanah yaitu Alluvial kelabu kehitaman dengan luas 6,930,267 Ha, Mediteran coklat dengan luas 1.225.160 Ha, Asosiasi latosol coklat kemerahan grey coklat dengan luas 1.942.160 Ha dan Asosiasi andosol coklat dan grey humus dengan luas 1.765,160 Ha.

  Pertumbuhan penduduk Kota Malang setiap tahunnya bertambah 1,58% (Surya, 2016). Belum lagi ditambah dengan jumlah warga pendatang yang tiap tahunnya semakin bertambah. Jika ditotal warga asli Kota Malang dengan Pendatang mencapai 1,2 juta.

  3. METODOLOGI DAN DATA

  Metode analisis kesesuaian lahan perumahan di Kota Malang pada paper ini menggunakan metode MCE teknik OWA dan WLC. Model kesesuaian lahan OWA dan WLC kemudian divalidasi menggunakan metode Receiver Operating Characteristics (ROC).

  Faktor

  Terdapat 4 faktor yang berhubungan dengan kenyamanan dan kompatibilitas, diantaranya adalah:

  Constraint

  Terdapat 2 constraint yang digunakan yaitu sungai dan area persawahan.

  Menentukan tujuan

  Tujuan dari dari penelitian ini adalah untuk

  Gambar 2 Fuzzy Sigmoid jarak dengan jalan

  melakukan identifikasi kriteria kesesuaian lahan perumahan serta menganalisis kesesuaian lahan

• Fuzzy jarak dengan pusat kota Gambar 3: perumahan di Kota Malang tidak boleh lebih dari 5 Km

  Menentukan Kriteria

  Dalam menentukan kriteria, disini peneliti melakukan wawancara dengan para expert dalam bidang perumahan. Dari hasil wawancara, para expert menganjurkan untuk menggunakan kriteria yang terdapat pada Standar Nasional

  Gambar 3 Fuzzy sigmoid jarak dengan pusat kota

  Indonesia (SNI) Tata cara perencanaan lingkungan perumahan di Kota Malang. Dari

• Fuzzy jarak dengan universitas Gambar 4 : identifikasi yang telah dilakukan, terdapat 3

  Jarak tidak boleh lebih dari 3 Km kriteria yang didapatkan yaitu kriteria keamanan, kenyamanan, dan kompatibilitas. Dalam setiap kriteria terdapat beberapa faktor, diantaranya adalah kriteria keamanan ada faktor daerah sawah dan ladang, kriteria kenyamanan memiliki faktor jarak dengan universitas, pusat kota dan jalan, sedangkan kriteria kompatibilitas terdapat faktor kemiringan. Untuk lebih

  Gambar 4 Fuzzy sigmoid jarak dengan universitas

  jelasnya, berikut ini struktur hirarki kesesuaian lahan perumahan Gambar 1.

• Kemiringan Gambar 5: Kemiringan tidak boleh lebih dari 15% Gambar 3.5

  Gambar 5 Fuzzy sigmoid kemiringan Pembobotan Kriteria

  Gambar 1 Struktur hirarki kriteria kesesuaian lahan perumahan

  Nilai pembobotan untuk kesesuaian lahan didapat berdasarkan opini dari para expert. Pada penelitian ini, expert yang diminta opini nya ada

  Standarisasi Kriteria

  3 yaitu expert Perencanaan Wilayah Kota (PWK) Tabel 3.1, expert Arsitektur Tabel 3.2,

• Fuzzy jarak dengan jalan Gambar 2 : tidak boleh berjarak lebih dari 1,2 Km dan expert di bidang perumahan Tabel 3.3.

  1. Perencanaan Wilayah Kota (PWK)

  Tabel 1 Bobot faktor dari expert PWK NO FAKTOR BOBOT

  1 Keamanan

  0.42

  2 Jarak dengan jalan

  0.13

  3 Jarak dengan universitas

  0.15 Agregasi kriteria

  4 Jarak dengan pusat kota

  0.04 Agregasi kriteria dilakukan dengan dua

  5 Topografi

  0.26

  teknik yaitu WLC dan OWA. Untuk agregasi WLC hanya dibutuhkan bobot urut Tabel 3.5, 2. Arsitektur namun untuk OWA dibutuhkan bobot urut yang didapatkan dari teori filev (Filev, 1998).

  Tabel 2 Bobot faktor dari ahli arsitektur Tabel 5 Bobot urut faktor NO FAKTOR BOBOT NO FAKTOR BOBOT URUT

  1 Keamanan

  0.03

  1 N=1

  0.5

  2 Jarak dengan jalan

  0.41

  2 N=2

  0.25

  3 Jarak dengan universitas

  0.23

  3

  4 Jarak dengan pusat kota

  0.19 N=3

  0.13

  5

  4 N=4

  0.06 Topografi

  0.15

  5 N=5

  0.06 3.

  Agen properti

  Validasi hasil Tabel 3 Bobot faktor dari ahli agen properti NO FAKTOR BOBOT

  Validasi hasil dilakukan dengan menggunakan metode ROC Curve. Untuk

  1 Keamanan

  0.03

  menggunakan metode ini, dibutuhkan titik uji

  2 Jarak dengan jalan

  0.41 yang didapat dari survey data ke lapangan.

  3 Jarak dengan universitas

  0.23 Dalam melakukan survey, peneliti mendapatkan

  4 Jarak dengan pusat kota

  0.19

  75 titik uji yang terbagi menjadi tidak sesuai 36

  5 Topografi 0.15 titik, kurang sesuai 18 titik, cukup sesuai 12 titik dan sangat sesuai 9 titik.

  Dari ketiga bobot faktor yang telah didapat, kemudian bobot faktor tersebut di rata-rata. Sehingga mendapatkan hasil bobot faktor seperti berikut:

  Tabel 4 Rata-rata bobot faktor _WEIGH AGEN _TED PW ARSITEK PROPE _AVERA K TUR RTI _GE KEAMAN

  0.4

  0.03

  0.37

  0.27 AN

  2 JARAK

  0.1 DENGAN

  0.41

  0.21

  0.25

  3 JALAN JARAK DENGAN

  0.1

  0.23

  0.15

  0.18 Gambar 6 sebaran titik uji yang diambil UNIVERS

  5 ITAS JARAK 4. HASIL DAN VALIDASI DENGAN

  0.0

  0.19

  0.05

  0.09 PUSAT

  4 Setelah agregasi kriteria, maka akan KOTA

  didapatkan hasil analisis seperti pada gambar berikut:

  TOPOGR

  0.2

  0.15

  0.23

  0.21 AFI

  6 Analisis OWA Gambar 7 Hasil analisis teknik OWA Gambar 8 Hasil analisis teknik WLC

  Jika dibandingkan dengan metode OWA, Gambar 7 merupakan hasil akhir agregasi hasil analisis yang didapatkan dari metode WLC semua faktor menggunakan metode OWA.

Gambar 4.2 lebih merata, sensitifitas warna yang

  Maksud dari gambar diatas adalah warna biru ditampilkan juga rendah. Hal ini karena merupakan daerah yang sangat sesuai, dimana pengaruh tidak adanya bobot urut, dalam nilai suitable indexnya antara 0.075-0.1. Warna melakukan agregasi, metode WLC hanya hijau merupakan daerah yang cukup sesuai menggunakan bobot faktor tanpa bobot urut. dengan nilai suitable index antara 0.05-0.074.

  Sehingga, disaat melakukan agregasi tidak ada Warna kuning merupakan daerah yang sesuai faktor yang diurutkan berdasarkan kepentingan dengan nilai suitable index bernilai 0.025-0.04. faktor tersebut. Sedangkan warna merah merupakan daerah yang

  Dari peta hasil analisis kesesuaian lahan tidak sesuai dengan nilai suitable index bernilai perumahan menggunakan agregasi WLC, Kota antara 0-0.024. Malang hanya memiliki lahan yang sangat sesuai

  Dari peta hasil analisis menggunakan 16%, lahan yang cukup sesuai 47%, lahan yang operasi agregasi OWA, Kota Malang memiliki sesuai 30%, dan yang tidak sesuai 7%. lahan perumahan yang sangat sesuai 27%, lahan perumahan yang cukup sesuai 23%, lahan

  Perbedaan OWA dan WLC

  perumahan yang sesuai 28%, dan lahan yang Perbedaan mendasar dari kedua macam tidak sesuai 22%. metode tersebut adalah jika OWA

  

Analisis WLC pembobotannya berdasarkan ranking order

  daripada qualitas yang melekat (Eastman, 1999), sehingga criteria dengan bobot ranking order paling besar memiliki pengaruh yang besar dalam agregasi kriteria. Dibandingkan dengan WLC, metode ini hanya menggunakan satu bobot yaitu bobot kriteria yang dipakai untuk kriteria khusus. Sehingga menghasilkan hasil analisis yang full-trade-off, dimana kriteria dengan skor rendah akan digantikan dengan kriteria dengan skor tertinggi.

  Kelebihan menggunakan metode OWA adalah kita dapat mengatur derajat ANDORness dan trade-off. Dalam penelitia ini, bobot OWA yang digunakan adalah 0.5, 0.25, 0.13, 0.6 dan

  0.6. Sehingga, menghasilkan hasil analisis yang memiliki trade-off kuat dan derajat ANDness yang sedang. Hal itu terbukti dari hasil analisis yang didapat pada gambar 4.39, pada gambar tersebut lahan dengan kelas sangat sesuai terdapat 27%, kelas cukup sesuai 23%, kelas kurang sesuai 28% dan kelas tidak sesuai 22%.

  Dibandingkan dengan hasil analisis metode WLC yang terdapat pada gambar 4.40, menghasilkan hasil analisis yang full-trade-off dan derajat ANDORness tepat di tengah (Drabno, 2009), hal ini disebabkan oleh tidak adanya bobot ranking order. Pada hasil analisis

  Gambar 9 Grafik ROC hasil analisis teknik OWA

  WLC, lahan di Kota Malang yang termasuk kedalam kelas sangat sesuai untuk perumahan Gambar 9 merupakan grafik ROC dari peta hanya 16%, kelas cukup sesuai 47%, kelas hasil analisis kesesuaian lahan perumahan di kurang sesuai 30% dan kelas tidak sesuai 7%.

  Kota Malang. Garis berwarna biru merupakan garis linear sedangkan garis berwarna orange

  Validasi hasil OWA

  merupakan garis yang dihasilkan dari FPR dan TPR hasil analisis kesesuaian lahan. Dari grafik

  Tabel 6 Perbandingan data survey dan hasil analisis

  diatas dapat disimpulkan bahwa validasi hasil

KELAS POSITIVE NEGATIVE

  analisis memiliki true positive rate yang lebih besar dibandingkan dengan false positive rate.

  0-0.025

  32

  4 (TIDAK SESUAI)

  Tabel 7 Akurasi dari setiap kelas hasil analisis 0.026-0.05 teknik OWA

  15

  3 (KURANG SESUAI) KELAS AKURASI 0.051-0.075

  0.025

  0.52

  10

  2 (CUKUP SESUAI)

  0.05

  0.68 0.075-0.1

  0.075

  0.79

  7

  2 (SANGAT SESUAI)

  Tabel 7 merupakan akurasi dari validasi

  TOTAL

  64

  11 kesesuaian lahan perumahan di Kota Malang.

  Dari perhitungan validasi hasil analisis, akurasi Pada tabel 6 menjelaskan perbandingan dari keseluruhan cutpoint yaitu 79%. data survey dengan data hasil analisis. Pada kelas tidak sesuai, dari 36 titik yang diambil

  Validasi hasil WLC terdapat 32 yang positive dan 4 yang negative.

  Untuk kelas kurang sesuai, dari 18 titik yang

  Tabel 8 Perbandingan data survey dan hasil analisis

  diambil terdapat 15 yang positive dan 3 yang

  teknik WLC negative . Untuk kelas cukup sesuai, dari 12 titik

  yang diambil terdapat 10 yang positive dan 2

KELAS POSITIVE NEGATIVE

  yang negative. Sedangkan untuk kelas sangat

  0-0.025

  sesuai, dari 9 titik yang diambil terdapat 7 yang

  25

  11 (TIDAK SESUAI) positive dan 2 yang negative. 0.026-0.05

  Dari tabel 4.1 bisa didapatkan True Positive

  11

  7 Rate (TPR) dan False Positive Rate (FPR) yang (KURANG SESUAI)

  bisa digunakan untuk menggambarkan grafik

  0.051-0.075

  11

  1 ROC seperti berikut: (CUKUP SESUAI) 0.075-0.1

  6

  3 (SANGAT SESUAI) TOTAL

  53

  22 Pada tabel 8 menjelaskan perbandingan

  data survey dengan data hasil analisis. Pada kelas tidak sesuai, dari 36 titik yang diambil terdapat 25 yang bernilai positive dan 11 yang bernilai negative. Untuk kelas kurang sesuai, dari 18 titik yang diambil terdapat 11 yang

  positive dan 7 yang negative. Untuk kelas cukup

KELAS AKURASI 0.025

  IMPLEMENTASI

  Halaman statistik pada gambar 5.3 berisi tentang informasi kesesuaian lahan perumahan di Kota Malang. Informasi yang ditampilkan berupa pie chart yang menampilkan persen serta luasan kesesuaian lahan dalam bentuk derajat. Terdapat 2 statistik yang ditampilkan pada halaman statistik, yaitu statistik kesesuaian lahan perumahan dengan metode OWA serta WLC.

  Gambar 12 Halaman Home

  Halaman peta pada gambar 5.2 digunakan pengguna untuk melihat peta analisis kesesuaian lahan perumahan di Kota Malang dengan metode OWA dan WLC. Selain itu pengguna juga bisa menampilkan batas wilayah kelurahan, universtias, dan perumahan di Kota Malang. Pengguna juga bisa melihat lokasi pengguna saat ini dengan menekan tombol geolocate yang ada di sebelah kiri atas peta. Jika pengguna bosan dengan peta dasar OSM, mereka bisa menggantinya dengan peta dasar BING.

  Implementasi antar muka

  Pada sistem informasi geografis kesesuaian lahan perumahan hanya terdapat satu aktor yaitu masyarakat dan 5 fungsi yaitu melihat peta analisis, melihat statistik, melihat lokasi pengguna, melihat batas wilayah, dan mengganti peta dasar.

  Use case diagram Gambar 11 Use case sistem informasi geografis kesesuaian lahan perumahan

  Bab ini menjelaskan tentang perancangan dan implementasi dari sistem informasi geografis kesesuaian lahan perumahan Kota Malang.

  kesesuaian lahan perumahan di Kota Malang metode WLC. Dari perhitungan validasi hasil analisis, akurasi dari keseluruhan cutpoint hanya 67%.

  sesuai, dari 12 titik yang diambil terdapat 11 yang positive dan 1 yang negative. Sedangkan untuk kelas sangat sesuai, dari 9 titik yang diambil terdapat 6 yang positive dan 3 yang

  0.67 Tabel 9 merupakan akurasi dari validasi

  0.53 0.075

  0.05

  0.48

  Tabel 9 Akurasi dari setiap kelas hasil analisis teknik WLC

  Gambar 10 merupakan grafik ROC dari peta hasil analisis kesesuaian lahan perumahan di Kota Malang metode WLC. Garis berwarna biru merupakan garis linear sedangkan garis berwarna orange merupakan garis yang dihasilkan dari FPR dan TPR hasil analisis kesesuaian lahan. Dari grafik diatas dapat disimpulkan bahwa validasi hasil analisis memiliki false positive rate yang lebih besar dibandingkan dengan true positive rate.

  Gambar 10 Grafik ROC hasil analisis teknik WLC

  negative .

5. PERANCANGAN DAN

  sistem informasi geografis ini diuji pada 8

  100% valid atau dapat berjalan sesuai dengan yang diharapkan.. sedangkan untuk

  testing. Dari kedua teknik tersebut, validation testing website

  memiliki kendala pada browser Internet explorer. Dan untuk pengujian metode

  Dari kelima belas kasus uji, hasilnya menunjukkan 100 persen benar. Skor dari kelima kriteria dijumlahkan menggunakan algoritme MCE kemudian dilihat hasil pixelnya lalu dibandingkan dengan perhitungan algoritmenya.

  Pengujian White-box

  Edge, Firefox, Safari, Opera, Chrome, iOS, dan Android. Hasilnya adalah sistem informasi geografis ini hanya memiliki kendala ketika dijalankan pada browser Internet Explorer di semua versi, sedangkan pada browser lainnya, sistem ini tidak mengalami kendala.

  browser , diantaranya adalah Interntet Explorer,

  Gambar 13 Halaman statistic 6.

  compatibility testing, Dalam pengujian ini,

  box, hasilnya menunjukkan bahwa sema fungsi

  compatibility testing website KELAPA

  telah dilakukan menggunakan metode black-

  validation testing, dari ke lima kasus uji yang

  Untuk pengujian

  compatibility testing.

  Pada pengujian Black-box, terdapat 2 teknik yang digunakan yaitu validation testing dan

  Pengujian Black-box

  Black-box dan White-box.

  Sistem informasi geografis kesesuaian lahan perumahan diuji dengan 2 metode yaitu

   PENGUJIAN

  KELAPA menunjukkan hasil 100% valid, sedangkan

7. KESIMPULAN

  Berdasarkan hasil dari penelitian yang telah dilakukan, kesimpulan dari penelitian ini akan dijelaskan dalam poin-poin dibawah ini:

  White-box, algoritme metode MCE yang

  terdapat pada plugin MCELite menunjukkan hasil 100% benar.

  Adapun saran yang diberikan untuk penelitian selanjutnya adalah sebagai berikut:

• Kriteria untuk kesesuaian lahan perumahan di Kota Malang dapat diidentifikasi melalui peraturan SNI Tata cara perencanaan lingkungan perumahan di perkotaan. Setelah mendapatkan 3 kriteria yang terbagi menjadi 5 faktor dan satu constraint, faktor-faktor tersebut kemudian diserahkan kepada expert dari arsitektur, perencanaan wilayah kota, dan agen perumahan untuk diminta opininya menggunakan metode AHP. Setelah pengolahan menggunakan AHP, kemudian didapat bobot untuk setiap faktor. bobot disini menunjukkan seberapa besar pentingnya faktor tersebut dimata expert. Dari kelima faktor, faktor keamanan merupakan faktor yang paling penting, kemudian faktor jarak dengan jalan, topografi, jarak dengan universitas dan jarak dengan pusat kota.
• Hasil analisis kesesuaian lahan perumahan di Kota Malang menggunakan metode MCE teknik OWA dan WLC menunjukkan hasil yang berbeda. Menurut hasil dari teknik OWA, 50% lahan Kota Malang termasuk kedalam kategori sangat sesuai dan cukup sesuai, 50% sisanya termasuk kedalam kategori kurang sesuai, dan tidak sesuai. Sedangkan hasil dari teknik WLC menunjukkan 63% lahan di Kota Malang termasuk kedalam kategori sangat sesuai dan cukup sesuai, sedangkan sisanya 37% termasuk kedalam kategori kurang sesuai dan tidak sesuai.
• Dari kedua hasil analisis yang telah didapatkan, hasil analisis yang menunjukkan akurasi paling bagus adalah hasil analisis dengan teknik OWA yaitu 79%. Sedangkan persentasi untuk hasil analisis dengan teknik WLC hanya sebesar 67% dengan titik uji yang sama dengan titik uji teknik OWA.
• Proses pengujian website KELAPA dilakukan menggunakan 2 metode pengujian yaitu Black-box dan White-box. Terdapat 2 teknik pengujian black-box yang digunakan yaitu validation testing dan compatibility
• Kriteria dan faktor yang digunakan lebih diperbanyak lagi agar hasil analisis yang didapat lebih bagus. Faktor seperti kawasan serapan hujan, jaringan listrik, ketersediaan air bersih, jarak dengan fasilitas umum seperti rumah sakit, pusat perbelanjaan, dan taman kota dapat ditambahkan dalam penelitian selanjutnya.
• Fitur yang telah ada ditambahkan berdasarkan kebutuhan pengguna, seperti fitur menampilkan pesan status kesesuaian lahan lokasi yang sedang ditempati oleh pengguna saat ini.
• Sistem dikembangkan dalam mobile

DAFTAR PUSTAKA

  Implementing an extension of the analytical hierarchy process using ordered weighted averaging operators with fuzzy quantifiers in ArcGIS. Comput Geosci 34:399

  Journal of Environmental Science and Development, Vol. 2, No. 6. Jansen, R., Rietveld, P., 1990, Multi-criteria

  analysis and geographical information systems: an application to agricultural land use in The Netherlands . In Geographical Information Systems for Urban and Regional Planning , edited by

  H. J. Scholten and J. C. H. Stillwell (The Netherlands: Kluwer Academic Publisher), pp. 129± 139.

  Lotfi. S, Habibi. K, Kohsari. M.H., 2009. An

  Analysis of Urban Land Development Using Multi-Criteria Decision Model and Geographical Information System (A Case Study of Babolsar City). American Journal

  of Environmental Sciences 5 (1): 87-93, 2009 ISSN 1553-345X Malangkota, 2017. Perguruan tinggi. [online]

  Tersedia di : <http://malangkota.go.id/fasilitas- daerah/pendidikan/perguruan-tinggi/> [Diakses 13 April 2017]

  23 Februari 2017] Boroushaki S, Malcjewski J (2008)

  doi:10.1007/s00254-006-0359-1 Imtiaz, A.C., 2011. Gis-based Multi-Criteria

  Tersedia di : <http://suryamalang.tribunnews.com/2016 /08/27/kata-wali-kota-malang-urbanisasi- dan-kemacetan-adalah-masalah-yang- harus-dicarikan-solusi> [Diakses

  urbanisasi dan kemacetan adalah masalah yang harus dicarikan solusi . [online]

  Universitas Diponegoro Aflahul, A., 2016. Kata walikota malang :

  Arief, H., 2009. Kajian Kesesuaian Lahan Perumahan Berdasarkan Karakteristik Fisik Dasar di Kota Fakfak. Thesis.

  dalam mengakses fitur-fitur yang tersedia

  application agar pengguna lebih mudah

  Meutia, F.A., 2014. Kebutuhan rumah di Indonesia membludak 31 juta unit .

  Decision Analysis of Land Suitability for Hillside Development . International

• –410 Dabno, S., Lisec, A., 2009. Multi-attribute

  geographic information system, multi- criteria evaluation and fuzzy logic in sitting MSW landfills. 51: 797.

  Decision Analysis in GIS: Weighted Linear Combination and Ordered Weighted Averaging. University of Ljubljana

  Land Suitability Evaluation Using Ordered Weight Averaging With Fuzzy Quantifier : A Case Study in Shavur Plain,Iran

  23 Ferbuari 2017]. Malcjewski J (2004) GIS-based land-use suitability analysis: a critical overview. Prog Plan 62:3

  [online] Tersedia di <http://bisnis.news.viva.co.id/news/read/7 25074-malang-makin-diminati-7-000- rumah-siap-dibangun> [Diakses

  Rochimawati, D.A.P., 2016. Malang makin diminati, 7.000 rumah siap dibangun .

  [online] Tersedia di: <http://economy.okezone.com/read/2014/ 09/02/471/1033216/kebutuhan-rumah-di- indonesia-membeludak-31-juta-unit> [Diakses 23 Februari 2017]

  Eastmen, J.R., Jin, W., Kyem, P.A.K. dan Toledano, J. 1 995. Raster procedures for multi

  Filev, D., Yager, R.R. 1995. On The Issue of Obtaining OWA operator weights. Gemitzi, A., Tshirintzhis, V.A., Voundaris, E. et al. Environ Geol (2007). Combining

  ‐

  criteria/multi

  ‐objective

  decisions .. Photogrammetric Engineering and Remote Sensing , 61: pp. 539

• –547. Eastmen, R., 1999. Multi-criteria evaluation and

  GIS. Chap. 35. In: Longley PA, Goodchild MF, Maguire DJ, Rhind DW (eds) Geographical information

  systems. Wiley, New York. pp. 493-502 Seref, K., 2002. Evaluation of Land Use

• –65 Mokarram, M., 2010. GIS-Based Multicriteria

  Potential and Suitability of Ecosystems in Antakya for Reforestation, Recreation, Arable Farming and Residence.

  Surya.co.id, 2015. Pemkot Malang Punya PR Relokasi Pemukiman di Pinggir Sungai .

  [online] Tersedia di : <http://surabaya.tribunnews.com/2015/01/ 24/pemkot-malang-punya-pr-relokasi- pemukiman-di-pinggir-sungai?page=all> [Diakses 23 Februari 2017]