Institutional Repository | Satya Wacana Christian University: Pemodelan Lahan Kritis Berbasis Spasial Temporal Menggunakan G-Statistik (Studi Kasus : Kabupaten Boyolali)

  

Pemodelan Lahan Kritis Berbasis Spasial Temporal

Menggunakan G-Statistik

Studi Kasus : Kabupaten Boyolali

  

Artikel Ilmiah

Peneliti :

  

Erick Budi Kurniawan (672010092)

Dr. Sri Yulianto J. Prasetyo, S.Si., M.Kom.

  

Kristoko Dwi Hartomo, M.Kom.

  

Program Studi Teknik Informatika

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Salatiga

  

Agustus 2014

  

Pemodelan Lahan Kritis Berbasis Spasial Temporal

Menggunakan G-Statistik

1 ) 2 ) 3 )

  Erick Budi Kurniawan Sri Yulianto Joko Prasetyo Kristoko Dwi Hartomo

  Fakultas Teknologi Informasi Universitas Kristen Satya Wacana

  Jalan Diponegoro 52-60, Salatiga 50771, Jawa Tengah, Indonesia Email : 1)ericbudi.kurniawan@gmail.com, 2)sriyulianto@gmail.com, 3)

  

Abstract

Indonesia as an agricultural country should pay attention to natural resources as a valuable

asset and should be considered sustainability. Over the land each year often leads to productive

agricultural land. Thus cause the occurrence of degraded land in each region, in order to avoid

the government's rehabilitation, land conservation and other critical land improvement, but it is

less effective government attempts because the maps have not been equipped with the critical

area calculation method, the use of GIS and also the calculation G * Statistic then degraded

land generated maps can be accessed using the Internet network, but also can diketahu any area

that has the effect of land kekeritisan with other areas, so the government can make efforts more

effective and efficient in performing rehabilitation and conservation.

  

Abstrak

  Indonesia sebagai negara agraris harus memperhatikan sumberdaya alam sebagai aset yang sangat berharga dan harus diperhatikan kelestariannya. Alih fungsi lahan setiap tahun sering mengarah pada lahan pertanian yang produktif. Sehingga menyebakan terjadinya lahan kritis pada masing-masing daerah, untuk menghindari ini pemerintah melakukan rehabilitasi, konservasi lahan dan juga perbaikan lahan kritis yang lain, namun upaya pemerintah dirasa kurang efektif dikarenakan peta lahan kritis belum dilengkapi dengan metode perhitungan, dengan menggunakan GIS dan juga perhitungan G* Statistic maka peta lahan kritis yang dihasilkan bisa diakses menggunakan jaringan internet namun juga bisa diketahu daerah mana saja yang memiliki tingkat pengaruh kekeritisan lahan dengan daerah lainnya, dengan demikian pemerintah bisa menempuh upaya yang lebih efektif dan efisien dalam melakukan rehabilitasi dan konservasi lahan.

  1) Mahasiswa Fakultas Teknologi Informasi Jurusan Teknik Informatika, Universitas Kristen 2) Staff Pengajar Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana Salatiga. 3) Staff Pengajar Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana Salatiga.

1. Pendahuluan

  Adanya lahan-lahan kritis umumnya disebabkan oleh kegiatan yang secara langsung menyebabkan rusaknya daya dukung tanah/lahan. Antara lain pemanfaatan lereng bukit yang tidak sesuai dengan kemampuan dan peruntukannya, lahan pertanian yang tidak menerapkan teknologi konservasi, bahkan tidak sedikit yang berubah fungsi menjadi areal permukiman. Tingginya lahan kritis sangat beresiko pada terjadinya kerusakan lingkungan

  [1] yang lebih kompleks.

  Upaya penanganan lahan kritis yang telah dilakukan selama ini telah membawa hasil, akan tetapi tampaknya hasil yang diperoleh tidak sebanding dengan kecepatan berkembangnya kerusakan lahan kritis yang terjadi. Salah satu faktor penyebab dari proses terjadinya lahan kritis yaitu adanya tekanan penduduk untuk memanfaatkan lahan sebagai usaha budidaya pertanian yang diusahakan dengan tidak memperhatikan prinsip pengelolaan lahan kritis lahan dan sumber daya air.

  Dengan bantuan Sistem Informasi Geografi, pemerintah dapat menyebarkan informasi mengenai lahan kritis ke masyarakat dengan lebih efektif dan efisien sehingga diharapkan peran serta dan kesadaran dari masyarakat mengenai lahan kritis menjadi meningkat, dengan menggunakan metode G*-statistik maka peta yang dihasilkan tidak hanya memberikan pesebaran mengenai lahan kritis, namun juga dapat memberikan informasi tambahan berupa hubungan atau keterikatan antar daerah, sehingga hasil perhitungan dari metode G*-Statistik ini bisa digunakan sebagai acuan pemerintah menangani lahan kritis secara lebih efektif dan efisien.

  Tujuan dan manfaat dari penelitian ini, diharapkan penyebarluasan informasi mengenai lahan kritis menjadi lebih cepat dan aktual, sedangkan metode G*-Statistik diharapkan dapat membantu pemerintah dalam mempercepat penanggulangan lahan kritis melalui konservasi dan rehabilitasi lahan dimulai dari daerah yang memiliki nilai keterhubungan paling tinggi dibandingkan dengan daerah sekitarnya, dengan demikian efektifitas dan efesiensi penanggulangan lahan kritis meningkat.

2. Kajian Pustaka

  Penelitian yang dilakukan Debby Iriani (2011) mengenai Model Spasial Klasifikasi Wilayah Resiko Demam Berdarah Dengue (DBD) Menggunakan Fungsi Gi* Statistik, penelitian terdahulu ini memiliki persamaan pada penggunaan metode perhitungan menggunakan Gi* Statistik guna pencarian hostpot/pola dan ditampilkan dalam pemetaan. Pada penelitian terdahulu penulis membahas mengenai persebaran demam berdarah pada wilayah solo, dengan cara membandingkan faktor-faktor mengenai masalah kependudukan seperti kepadatan penduduk, mobilitas penduduk, jender, mata pencaharian dan tingkat pendidikan serta perilaku. Dalam penelitian ini sang penulis mengeksplorasi pola spasial menggunakan data dari tahun 2001 sampai dengan 2006 menggunakan metode analisis spasial pada SIG. penelitian ini juga menggunakan metode Gi* statistik dari Getis dan Ord, nilai autokorelasi spasial Gi* statistic rentang +2 dan - 2.

  [2]

  Data Spasial mempunyai pengertian Sebagai suatu data yang mengacu pada posisi, objek dan hubungan diantaranya dalam ruang bumi. Data spasial merupakan salah satu item dari informasi mengenai perairan, dan daratan.

  Sebagian besar data spasial ditangani dalam bentuk sistem informasi geografi (SIG). data tersebut berorientasi geografis, memiliki sistem koordinat dan sebagai dasar referensinya mempunyai dua bagian penting yang membuatnya berbeda dari data lain, yaitu informasi lokasi (spasial) dan informasi deskriptif (attribute) yang dijelaskan berikut ini :

  1. Informasi lokasi (spasial), berkaitan dengan suatu koordinat baik koordinat geografi (lintang dan bujur) dan koordinat XYZ, termasuk diantaranya informasi data penduduk, persebaran penduduk, tingkat kemiskinan, daerah rawan banjir, daerah rawan kekeringan, saluran drainase kota, moda transportasi kota, dan sebagainya.

  2. Informasi deskriptif (attribut) atau informasi non spasial adalah suatu lokasi yang memiliki beberapa keterangan yang berkaitan dengan informasi deskritif, contohnya : jenis vegetasi, populasi, luasan, kode pos, dan sebagainya.

  Pada pemanfaatannya data spasial yang diolah dengan menggunakan komputer(data spasial digital) menggunakan model sebagai pendekatannya. Economic and Social

  

Comminssion for Asia and the Pasific (1996), mendefinisikan model data sebagai suatu set

  logika atau aturan dan karakteristik dari suatu data spasial. Model data merupakan representasi hubungan antara dunia nyata dengan data spasial.

  Terdapat dua model dalam data spasial, yaitu model data raster dan model datavektor. Keduanya memiliki karakteristik yang berbeda, selain itu dalam pemanfaatannya tergantung dari masukan data dan hasil akhir yang akan dihasilkan. Model data tersebut merupakan representasi dari obyek-obyek geografi yang terekam sehingga dapat dikenali dan diproses oleh komputer. Chang (2002) menjabarkanmodel data vektor menjadi beberapa bagian lagi (dapat dilihat pada Gambar 1.1).

Gambar 1.1. Klasifikasi model data spasial

  Data spasial yang berkembang besar dan canggih mempunyai kemampuan untuk visualisasi dan manipulasi di Sistem Informasi Geografi (SIG), menciptakan permintaan sebuah teknik baru untuk analisis data spasial pada eksplorasi dan sebuah penerimaan (hotspot), disebut Local Indicators of Spasial Association (LISA), ide dari statistik ini adalah semua hal yang saling berkaitan dengan events berbeda. Pengukuran global dari autokorelasi spasial untuk semua studi area menggunakan penjumplahan rata-rata. Untuk mendeteksi

• –tetangga yang berdekatan dengan titik panas (hotspot) tersebut. Penentuan indikator suatu wilayah dikatakan ekstrim tinggi hingga sangat rendah tergantung dari nilai z(Gi), dimana z(Gi) > 2 artinya ada hubungan lokal nilai positif signifikan, sedangkan apabila z(Gi) < -2 mengidetifikasikan bahwa nilai keterkaitan sangat kecil atau rendah.

  2

  : (

  2

  Wi : , = / S

  2 : Varience / perbedaan anat i (sites).

  : Jumlah kasus pada tetangga. n : Jumplah area yang berdekatan dengan hotspot. Wi : Jumplah tetangga antar wilayah studi dengan tetangga terdekatnya. S

  Dimana, Z(Gi) : Nilai local Indicator Spatial Autocorrelation – Getis and Ord.

  ) (sumber : Scrucca, Luca, 2005)

  −

  

hotspot , pengukuran dengan statistik lokal memiliki kuantitas variasi pada autokorelasi

spasial (Tobler, 1965).

  2 =

  − 1 (

  2

  

=1

  −

  Adapun Rumus Fungsi Gi* Statistik dari Getis dam Ord, =

  Pengukuran asosiasi spasial oleh Gtis dan Ord (1992), berdasarkan definisi dari sebuah tetangga tiap lokasi dari observarsi dari sebuah jarak d. Metode Gi* statistic z(Gi) dari Getis dan Ord merupakan metode yang membantu mencari lokasi hotspot,hotspot ini berguna dalam menentukan nilai dari tetangga

  − ) / Berdasarkan perhitungan dengan rumus Gi* statistik maka pada data tatagunalahan memunculkan pola spasial autokorelasi antar wilayah.

3. Metode Penelitian

  Metode yang digunakan dalam penelitian ini adalah metode kuantitatif, metode kuantitatif adalah penelitian ilmiah yang sistematis terhadap bagian-bagian dan fenomena serta hubungan-hubungannya (Jonatan Sarwono, 2006). Dengan menggunakan metode kuantitatif diharapkan data yang ada menjadi lebih bermakna dan kredibel sehingga tujuan dari penelitian ini bisa dicapai. Tahapan penelitian kuantitatif dibagi menjadi 6 yaitu : 1. Tahap Studi Literatur.

  Kegiatan pada tahapan ini adalah merumuskan suatu masalah, lalu melakukan studi pustaka sebagai analisa dasar dan penyusunan hipotesa.

  2. Tahap Analisa Penelitian.

  Pada tahapan ini peneliti menentukan metode yang digunakan sesuai dengan rumusan masalah yang telah dilakukan pada tahapan sebelumnya.

  3. Tahap Pengumpulan Data.

  Pada tahap ini peneliti melakukan pengumpulan data yang akan diolah, pada studi kasus ini, peneliti mengumpulkan data mengenai wilayah dari kabupaten boyolali, data produktifitas padi dan jagung, data manajemen hutan, data tingkat lereng, data jenis bebatuan pada wilayah boyolali, serta data tingkat erosi provinsi jawa tengah.

  4. Tahap Analisa Sistem dan Implemtasi.

  Pada tahapan ini peneliti melakukan analisis lebih jauh mengenai sistem yang dibangun semisal merancangan database, alur progam, pengaturan dari konfigurasi yang dibutuhkan sistem serta analisis dari output sistem.

  5. Tahap Perhitungan dan Analisis Hasil Implemtasi Pada tahap ini peneliti melakukan analisis perhitungan secara manual, serta membandingkannya dengan hasil output dari progam, serta melakukan analis secara keseluruhan dari data-data yang dihasilkan.

  6. Penulisan Laporan.

  Pada tahap ini peneliti menuliskan laporan berupa jurnal dari hasil penelitian yang telah dihasilkan.

  Alur pemodelan pada tahapan penulisan dapat dilihat pada gambar 2.1.

  

Gambar 2.1.

  Kegiatan penelitian ini dimulai dengan melakukan tahap studi literature untuk mencari bahwa topik yang akan diteliti belum pernah diteliti sebelumnya dan dapat diterapkan, dalam tahapan ini terdapat beberapa kegiatan yaitu pengidendifikasian masalah, studi pustaka penelitian terdahulu dan penyusunan hipotesa. Pada tahapan ini peneliti medapatkan hipotesa lahan kritis yang ada diboyolali memilik ciri yang mirip antara wilayah kecamatan yang satu dengan kecamatan yang lain, semisal kekeritisan lahan antar kecamatan diwilayah boyolali karena kurangnya manajemen hutan. Hipotesa yang telah disusun selanjutnya di identifikasi dengan menggunakan metode G*-Statistik sehingga hubungan antar wilayahnya dapat di hitung.

  Data primer yang akan diolah dalam penelitian ini meliputi, data mengenai luas wilayah kabupaten boyolali, luasan wilayah hutan boyolali, produktifitas padi di wilayah boyolali, tingkat lereng di boyolali, dan juga jenis bebatuan daerah boyolali. Sedangkan data skunder yang diperlukan antara lain data artikel-artikel ilmiah dari penelitian terdahulu maupun buku-buku pendukung yang terkait dengan penelitian. Tahap selanjutnya adalah analisa kebutuhan sistem guna mendokumentasikan kebutuhan minimum, maupun mencari kelemahan sistem pendukung yang akan digunakan untuk merancang sistem yang baru.

  Setelah semua data didapatkan, maka tahap selanjutnya adalah mengolah data-data yang sudah ada dengan menggunakan metode G-Statistik kemudian implemtasi pada progam. Dalam pemodelan sistem informasi geografi ini model proses yang digunakan adalah model prototype. merupakan metodologi pengembangan software yang menitik-beratkan pada

  Prototype

  pendekatan aspek desain, fungsi dan user-interface. Developer dan user fokus pada user-

  

interface dan bersama-sama mendefinisikan spesifikasi, fungsi, desain dan bagaimana software

  bekerja. Developer dan user bertemu dan menentukan tujuan umum, kebutuhan yang diketahui dan gambaran bagian-bagian yang akan dibutuhkan. Developer mengumpulkan detail dari kebutuhan dan memberikan suatu gambaran dengan cetak biru (Prototype).[4]

Gambar 3.1 Metode Prototype (Pressman, 2007)

  Pada Gambar 3.1, didapatkan alur kerja serta tahapan dalam implementasi program dengan menggunakan metode Prototype. sistem yang dibangun telah melewati 3 (tiga) proses perancangan dengan 4 (empat) tahapan Prototype. Proses tersebut diuraikan pada Tabel 1.

  Prototype Deskripsi Revisi

Prototype Pertama Menghasilkan sebuah sistem Penambahan User Interface

  dimana PHP Mapscript yang sebagai tampilan awal berfungsi untuk menampikan sehingga data yang data yang sudah ada kedalam ditampilkan tidak hanya dalam bentuk perta berbentuk peta, namun juga secara tulisan dan grafik.

  

Prototype Kedua sistem sudah dapat Penambahan halaman

  menampilkan informasi- administrator, sehingga informasi mengenai wilayah memudahkan user untuk boyolali secara aktual melalui memperbaharui data pada website website.

  

Prototype Ketiga sistem sudah dapat melakukan Menampilkan data/nilai g

  perhitungan g statistik statististik berupa peta, table dan grafik.

• Prototype Keempat sudah menghasilkan sebuah sistem informasi geografis yang sesuai dengan kebutuhan dilengkapi dengan tampilan peta dan juga data g statistik berupa tabel dan grafik

  

Tabel 1 Prototype Sistem Aplikasi

  Diagram UML (Unified Modeling Language) yang digunakan dalam merancang sistem terdiri dari use case diagram, dan class diagram. Pada use case diagram, user yang dimempunyai hak akses hanyalah seorang administrator yang ditunjuk untuk dapat melakukan pembaharuan atau penambahan data. User selain administrator (guest) dapat langsung mengakses halaman web tanpa harus melalui pendaftaran. _{<<include>> <<include>>}

_{Login Sistem Publikasi Manajemen Admin}

_{<<include>>} <<include>> _{User Admin Akses Halaman Web Logout} Manajemen Data

Gambar 3.2 Use Case Diagram SistemGambar 3.2 menjelaskan bahwa administrator memiliki hak akses untuk mengakses halaman web, halaman peta dan fungsi untuk membaharui data, sedangkan Guest atau user selain

  administrator hanya dapat mengakses informasi yang terdapat pada halaman web dan peta.

Activity diagram menggambarkan proses-proses yang terjadi pada sebuah aktifitas mulai dari

  awal mula aktifitas tersebut dimulai hingga aktifitas tersebut berhenti. Gambar 3.3 menjelaskan proses aktifitas yang dimiliki oleh administrator. _{Admin SISTEM Start Login Halaman Valid Valid?} Tidak Administrator

  Draw Data Update _{Logout Data} Selesai

Gambar 3.3 Activity Diagram Sistem Informasi Geografi

  Activity diagram yang tergambar pada Gambar 3.3 menjelaskan proses aktifitas yang

  terjadi pada administrator dengan sistem. Proses ini dimulai dengan melakukan proses login terlebih dahulu. Setelah sistem mengenali user yang masuk sebagai administrator, user dapat melalukan pembaharuan data yang nantinya akan ditampilkan pada peta. Proses dimulai ketika

  

administrator memberikan data kepada server yang kemudian secara sistem dihitung dan hasil

  perhitungan tersebut dijadikan parameter sebagai variabel-variabel peta yang nantinya akan ditampilkan halaman utama website.

  Metode G-statistik dapat diubah menjadi sebuah fungsi pada bahasa pemograman PHP dengan demikian memudahkan pengembang untuk membuat Sistem informasi Geografi yang

  Uraian Algoritma dari proses perhitungan metode terintegrasi dengan perhitungan G*-Statistik. G*-Statistik yaitu : a.

  Tentukan semua nilai wij, atau semua jumplah tetangga, Kemudian semua jumplah

  2 tetangga di kuadratkan sehingga menghasilkan nilai w ij.

  2 n b.

  Jumplah perhitungan dari semua nilai wij dan w ij , menghasilkan dan

  =1 n 2 . =1

c. Hitung nilai xj, nilai xj adalah nilai dari variable yang akan diteliti, missal : luas wilayah,

  2

  nilai xj ini kemudian dikuadratkan menjadi xj , jumlah semua kudrat nilai xj akan

  n

  2 menghasilkan . =1 d.

  Hitung nilai yaitu adalah semua nilai sample yang akan diteliti dibagi dengan semua jumlah sample yang diteliti.

  

n

e.

  Nilai . kemudian di kalikan dengaan

  

=1

  2 n n 2 f.

  ( Akar dari n( ) dikurangi dengan dibagi dengan n-1 w )

  =1 =1 _{n 2}

  2 =1 g.

  Akar dikalikan dengan nilai S, nilai S adalah akar dari − ( )

  Perhitungan dari kelas G*- Statistik akan menghasilkan nilai index gini berkisar -2 sampai dengan -2.

4. Hasil dan Pembahasan

  Analisis dari perhitungan metode G*-Statistik menghasilkan hubungan antara setiap wilayah dengan wilayah lainya membentuk sebuat hotspot dan menghasilkan nilai keterhubungan antara - 2 sampai dengan 2. Data atau parameter yang digunakan dalam pemodelan lahan kritis pada wilayah boyolali adalah lahan :

  Perhitungan pada parameter produktivitas boyolali menggunakan data-data yang ada menghasilkan nilai G*-Statistik yang berbeda-beda antara setiap wilayah kecamatan dengan rentang nilai -2 sampai dengan 2. Berikut adalah salah satu contoh perhitungan G*-Statistik pada wilayah Selo.

  Wilayah Selo : Kecamatan Jmp_tetangga kuadrat produktivitas kuadrat Jmp_tetangga x produktifitas

  Selo

  3

  9 26 676

  78 Ampel

  3 9 5588 31225744 16764 Cepogo

  4 16 491 241081 1964 Musuk

  4 16 3721 13845841 14884 Total

  14 50 9826 45313342 33690

  Wij =

  14

  2 W ij =

  50 Xj = 9826

  2 Xj = 45313342

   = 9826 / 4 = 2456,5 . Wij = 34391

  2

  2 W

  −

  =1 =1

  − 1

  2

  4 × 50 − 14

  4 − 1

  200 − 196

  3

  4

  3 = 1.154 Kemudian kita mencari nilai S ₂

  =1

  2 S =

  −

  45313342

  S = − 6034392.25

  4 S =

  11328335.5 − 6034392.25 S =

  5293943.25 S = 2300.85 _{2 2} W

  − =1 =1

  ×

  −1

  2300.85 × 1.154 = 2656.8

  33690 × 34391

  G*-Statistik =

  2656 .8 −701

  G*-Statistik =

  2656 .8

  G* Statistik = -0.2638 Sedangkan grafik dibawah adalah hasil perhitungan G*-Statistik untuk semua wilayah kecamatan pada kabupaten boyolali.

5. Simpulan

  Berdasarkan Metode G*-Statistik, analisa yang didapatkan cukup akurat dengan batas nilai G*- Statistik antara -2 sampai dengan 2, dari perhitungan diatas dapat disimpulan bahwa wilayah kecamatan Selo berada dalam kategori agak kritis ditunjukan dengan nilai yang didapat -0.26, dan wilayah selo memiliki keterhubungan yang kecil dengan wilayah lain disekitar selo, ditujukan dengan nilai negatif, jika dibandingkan dengan data yang asli maka dapat dikatakan bahwa wilayah selo ini memang termasuk wilayah yang agak kritis dikarenakan secara geografis berbatasan langsung dengan wilayah kota magelang yang memiliki resiko tinggi terhadap erosi, lalu ditambah dengan produktifitas wilayah selo yang relatif lebih kecil dibanding wilayah lain diboyolali.

6. Dftar Pustaka R, Andriana.

  

[1] ‎2007. Evaluasi kawasan lindung dataran tinggi Dieng Kabupaten

  Wonosobo. eprints.undip.ac.id [2] Iriani, Debby, 2011. Pemodelan Spasial Klasifikasi Wilayah Resiko Demam Berdarah

  Dengue (DBD) Menggunakan Fungsi Gi* Statistik, Informatika, salatiga : Progam Studi Teknik Informatika Fakultas Teknlogi Informasi Universitas Kristen Satya Wacana. [3] Walker, dkk (2003). Marketing Strategy A Decision Focused Approach, 4th Edition, The

  McGraw – Hill Companies, New York.