ACARA I

METODE SKORING UNTUK PEMODELAN SIG

PEMODELAN KESESUAIAN

LAPORAN
Untuk Memenuhi Tugas Matakuliah
Praktikum SIG Terapan Pengembangan Wilayah dan Pariwisata
Yang dibina oleh Alfi Nur Rusydi, S.Si., M.Sc

Oleh :
Muhamad Faqih Hidayatullah
120722403888
Offering G

UNIVERSITAS NEGERI MALANG

FAKULTAS ILMU SOSIAL
JURUSAN GEOGRAFI
Januari 2015

ACARA I
METODE SKORING UNTUK PEMODELAN SIG

PEMODELAN KESESUAIAN

I.

Tujuan
- Untuk memahami aplikasi SIG berdasarkan pendekatan biner, pendekatan
-

peringkat, dan pendekatan penilaian

Untuk memahami dan menerapkan teknik pemetaan (input data untuk

pemodelan kesesuaian) dengan menggunakan aplikasi software ArcGIS 10.1

Untuk menerapkan pendekatan biner, pendekatan peringkat, dan pendekatan
penilaian untuk pemodelan kesesuaian

II.

Alat dan Bahan

- Material
1. Peta digital administrasi Kecamatan Girimulyo
2. Peta digital tanah Kecamatan Girimulyo
3. Peta digital curah hujan Kecamatan Girimulyo
4. Peta digital kontur Kecamatan Girimulyo
- Alat
1. Laptop
2. Software ArcGIS versi 10.1

III.

Dasar Teori
Kecamatan Girimulyo terletak di Kabupaten Kulon Progo, Provinsi
Daerah Istimewa Yogyakarta. Secara geografis daerah penelitian terletak pada
koordinat 110 07 14,5 110 11 36 BT dan 07 45 00 07 48 15 LS.
Kecamatan Girimulyo dikenal sebagai salah satu lokasi yang berpotensi cukup
tinggi dalam terjadinya tanah longsor. Hal ini terbukti dari banyaknya lokasi
longsor yang ditemukan dan telah menimbulkan kerugian. Tanah longsor atau
gerakan tanah adalah perpindahan material pembentuk lereng, dapat berupa
batuan asli, tanah pelapukan, bahan timbunan atau kombinasi dari materialmaterial tersebut yang bergerak ke arah bawah dan keluar lereng (Varnes, 1978
dalam Respati, et al, 2014).
Berdasarkan uraian diatas, diperlukan suatu mitigasi bencana atau
pemetaan daerah rawan bencana longsor. Hal tersebut agar dapat meminimalisir
terjadinya longsor dan meminimalisir korban apabila terjadi bencana. Dalam hal
ini, pemanfaatan teknologi dan aplikasi SIG (Sistem Informasi Geografi) sangat
penting dan dibutuhkan dalam merencanakan pemetaan. Karena SIG berguna
sebagai alat bantu (tools), data lebih padat karena dalam bentuk digital,

kemampuan analisa spasial lebih cepat dan tipe analisa dapat dikembangkan,
pemakai mendapatkan informasi yang lebih akurat, cepat dan dapat memanipulasi
sesuai dengan spesifikasi yang dibutuhkan. Pemanfaatan aplikasi SIG bermacammacam, baik untuk perencanaan wilayah, bidang kehutanan, pendidikan, sosial,
pariwisata, kebencanaan, dan lain-lain.
Melihat kondisi yang ada di Kecamatan Girimulyo, maka dalam hal ini
pemanfaatan aplikasi SIG yang akan dilakukan yaitu untuk mengetahui bahaya
longsor di Kecamatan Girimulyo dengan menggunakan 3 pemodelan kesesuaian
yaitu Binary Model, Ranking Model, dan Rating Model. Pemodelan kesesuaian
merupakan sebuah model habitat sederhana dapat dikembangkan hanya
menggunakan reklasifikasi dan operasi overlay. Binary model atau model biner
merupakan model overlay dengan cara melakukan perkalian pada peta lereng, peta
tanah dan peta curah hujan, serta dengan reklasifikasi hanya 2 kelas saja yaitu 0
dan 1. Ranking Model atau model peringkat atau berjenjang merupakan model
overlay dengan cara melakukan penjumlahan pada peta lereng, peta tanah dan
peta curah hujan. Sedangkan Rating Model atau model penilaian merupakan
dengan cara menilai atau memberi skor pada peta lereng, peta tanah dan peta
curah hujan sesuai dengan parameternya.
IV.

Langkah Kerja
Langkah umum
1. Add data shapefile atau data vektor Administrasi Girimulyo, Kontur
Girimulyo, Jenis tanah Girimulyo, Curah hujan Girimulyo.
2. Untuk mengkonversi peta kontur (vektor) ke Digital Elevation Model
(DEM) dengan menggunakan alat (ArcToolbox) 3D Analyst Topo to
Raster (pilih field Elevasi dan Contour sebagai Type) lalu gunakan tools
Extract by Mask pada menu Spatial Analyst Tools Extraction
Extract by Mask
3. Untuk membuat peta kemiringan (raster) yang berasal dari DEM Peta
(raster) dengan menggunakan tools yaitu Spatial Analyst Tool Surface
Slope
4. Untuk interpolasi data titik hujan (vektor) ke Peta interpolasi curah hujan
(raster) dengan menggunakan menu ArcToolbox 3D Analyst Topo to
Raster (pilih field CHujan dan point elevasi sebagai Type) lalu gunakan

tools Extract by Mask pada menu Spatial Analyst Tools Extraction

Extract by Mask
5. Untuk mengubah peta tanah (vektor) ke dalam peta tanah (raster) dengan
menggunakan tools Conversion To Raster

Pendekatan Biner
1. Untuk mereklasifikasi peta raster tanah, peta interpolasi curah hujan, dan
peta kemiringan lereng dengan menggunakan tools Reclassify pada menu
ArcToolbox yaitu Spatial Analyst Tools Reclass Reclassify, dengan
klasifikasi sebagai berikut :
a. Untuk peta kemiringan : <40% 0 dan > 40% 1
b. Untuk peta tanah : latosol dan grumusol 1; regosol 0
c. Untuk peta curah hujan : <350 0 dan > 350 1
2. Untuk menghitung peta bahaya longsor dengan menggunakan pendekatan
biner yaitu sebagai berikut:
a. Spatial Analyst Tools Map Algebra Raster Calculator
b. Gunakan rumus perhitungan yaitu slope_bin * soil_bin * rainfall_bin
c. Untuk mengklasifikasikan peta bahaya longsor biner ke dalam kelas
yaitu: Daerah aman: 0, dan daerah bahaya longsor: 1

Pendekatan Ranking
1. untuk menghitung peta bahaya longsor berdasarkan pendekatan peringkat
atau berjenjang dengan menggunakan tools Raster Calculator, yaitu
dengan rumu slope_bin + soil_bin + rainfall_bin
2. Untuk klasifikasi peta bahaya longsor pendekatan peringkat yaitu ke
dalam kelas:
0: aman; 1: bahaya rendah; 2: Bahaya sedang; 3: Bahaya tinggi

Pendekatan Rating:
1. Dalam pendekatan rating ini perlu mereklasifikasi ulang setiap peta raster
(slope_ras peta, rain_ras peta, dan soil_ras peta), yaitu sebagai berikut :
a. Untuk soil_ras peta :
- Regosol 3
- Latosol 7
- Grumusol 9
b. Untuk slope_ras peta :
- <30% 1
- 30-50% 3
- 50% -100% 5
- 100% -150% 7
- > 150% 9
c. Untuk rain_ras peta :

- <325 mm 1
- 325-350 mm 3
- 350-400 mm 5
- 400-450 mm 7
- > 450 mm 9
2. Untuk menghitung peta bahaya longsor dengan menggunakan tools raster
calculator yaitu dengan rumus sebagai berikut:
Float (slope_rec + rain_rec + soil_rec) / 3
3. Untuk mengklasifikasikan peta bahaya longsor yaitu menjadi lima kelas:
1: daerah aman
2: daerah bahaya Rendah
3: daerah bahaya Moderat
4: daerah bahaya Tinggi
5: daerah bahaya Sangat Tinggi

Layout Peta
1. Peta Raster (Peta Tanah, Peta Lereng, Peta Curah Hujan)
2. Peta Binary (Peta Tanah, Peta Lereng, Peta Curah Hujan)
3. Peta Bahaya Longsor Pendekatan Biner (Binary Approach)
4. Peta Bahaya Longsor Pendekatan Peringkat (Ranking Approach)
5. Peta Bahaya Longsor Pendekatan Penilaian (Rating Approach)

Diagram Alir
- Peta Raster
Shapefile
Kontur

Shapefile Data Titik

Curah Hujan
Topo To
Raster

Conversion
To Raster

Extract by
Mask

Slope

Output :
Peta Slope Raster

Shapefile
Jenis Tanah

Output :
Peta Jenis
Tanah Raster
Output :
Peta Curah
Hujan Raster

Peta Bineri
Peta Slope
Raster

Peta Curah
Hujan Raster

Peta Jenis
Tanah Raster

Klasifikasi kelasReclassify
:
-

Peta kemiringan lereng :

<40% 0 dan > 40% 1
Peta tanah : latosol dan grumusol
1; dan regosol 0

Output :
Peta Lereng Biner

Peta curah hujan : <350 0 dan

> 350 1

Output :
Peta Curah Hujan
Biner

Output :
Peta Jenis Tanah
Biner

Peta Bahaya Longsor (Pendekatan Binary)

Output :
Peta Lereng Biner

Output :
Peta Curah Hujan
Biner

Raster Calculator

Peta Lereng Biner * Peta Curah Hujan Biner

* Peta Jenis Tanah Biner

Output :
Peta Jenis Tanah
Biner

Output :
Peta Bahaya Longsor (Pendekatan Binary)

Peta Bahaya Longsor (Pendekatan Ranking)

Output :
Peta Lereng Biner

Output :
Peta Curah Hujan
Biner

Output :
Peta Jenis Tanah
Biner

Raster Calculator

Peta Lereng Biner + Peta Curah Hujan Biner

+ Peta Jenis Tanah Biner

Output :
Peta Bahaya Longsor (Pendekatan Ranking)

Peta Bahaya Longsor (Pendekatan Rating)

Peta Curah
Hujan Raster

Peta Slope
Raster

Peta Jenis
Tanah Raster

Reclassify ulang

Klasifikasi kelas
Peta Lereng :
- <30% 1
- 30-50% 3
- 50% -100% 5

Klasifikasi Kelas Peta

Curah Hujan :
<325 mm 1
325-350 mm 3
350-400 mm 5
400-450 mm 7
> 450 mm 9

Klasifikasi Kelas
Peta Janis Tanah :
- Regosol 3
- Latosol 7
- Grumusol 9

Raster Calculator

Float (Peta Lereng Reclassify + Peta Curah Hujan

Reclassify + Peta Jenis Tanah Reclassify) / 3

Output :
Peta Bahaya Longsor (Pendekatan Rating)
V.

Hasil Praktikum
1. Peta Raster (terlampir)
- Peta Tanah
- Peta Lereng
- Peta Curah Hujan
2. Peta Binary (terlampir)
- Peta Tanah
- Peta Lereng
- Peta Curah Hujan
3. Peta Bahaya Longsor Pendekatan Biner (Binary Approach) (terlampir)
4. Peta Bahaya Longsor Pendekatan Peringkat (Ranking Approach) (terlampir)
5. Peta Bahaya Longsor Pendekatan Penilaian (Rating Approach) (terlampir)

VI.

Pembahasan
Dalam praktikum acara 1 ini yaitu metode skoring untuk pemodelan SIG
dalam menentukan zona rawan longsor di Kecamatan Girimulyo, Kabupaten
Kulon Progo, Daerah Istimewa Yogyakarta. Dalam hal ini pemodelan SIG yang
digunakan yaitu pemodelan kesesuaian yang terdiri dari Binary Model, Ranking
Model, dan Rating Model. Ketiga model tersebut berbeda dalam perumusan dan
pengklasifikasian tingkat bahaya longsor. Serta memiliki karakteristik yang
berbeda dalam pengidentifikasian zona rawan longsor. Pemodelan kesesuaian ini
memerlukan penerapan kriteria untuk landscape untuk menilai mana yang paling
berpengaruh terhadap terjadinya bencana longsor.

Penentuan zona rawan longsor berdasarkan 3 kriteria atau faktor yaitu

lereng, curah hujan dan jenis tanah. Karena ketiga kriteria atau faktor tersebut
merupakan faktor yang berpengaruh terhadap potensi terjadinya bahaya longsor.
Dari ketiga kriteria tersebut nantinya akan dibuat peta yang diperlukan untuk
skoring yaitu peta lereng, peta curah hujan, dan peta jenis tanah dengan
menggunakan metode skoring pemodelan SIG.
Pada Binary Model, informasi yang ditampilkan dan disampaikan pada
peta hanya terdapat 2 informasi yaitu baik dan buruk yang ditandai dengan angka
0 dan 1, tidak ada pilihan lain. Model ini sangat mudah untuk dibaca informasinya
dan untuk pengidentifikasian zona rawan bencana longsor dan zona tidak rawan
bencana longsor. Tetapi tidak ada degradasi kelas atau rentangan interval dalam
pengklasifikasian.
Pada Ranking Model, yaitu model peringkat atau berjenjang. Informasi
yang ditampilkan dan disampaikan pada peta terdapat rentangan interval sehingga
ada degradasi kelas dari yang rendah ke tinggi, yang akan menjadi rentangan yang
berbeda dari pemodelan kesesuaian. Semakin banyak nilainya maka semakin
bagus. Tetapi semua kriteria memiliki nilai atau bobot yang sama. Serta tidak bisa
menentukan kriteria atau faktor-faktor yang paling berpengaruh terhadap hasil
akhirnya yaitu zona rawan bencana longsor. Semua kriteria atau faktor sama
pentingnya.
Pada Rating Model, merupakan model penilaian pada setiap kriteria.
Informasi yang ditampilkan dan disampaikan pada peta hampir sama dengan
Ranking Model yaitu terdapat rentangan interval sehingga ada degradasi kelas dari
yang rendah ke tinggi, hanya saja pada Rating Model lebih bervariatif. Karena
setiap kriteria memiliki nilai atau bobot yang berbeda, dapat dikatakan sebagai
persentase dari nilai total. Sama halnya dengan Ranking Model, pada Rating
Model pun tidak bisa menentukan kriteria atau faktor-faktor yang paling
berpengaruh terhadap hasil akhirnya yaitu zona rawan bencana longsor. Tetapi
semua kriteria atau faktor memiliki kepentingan yang berbeda.
VII.

Kesimpulan

Dari hasil praktikum dan pembahasan diatas dapat disimpulkan bahwa

pemodelan SIG dengan menggunakan pemodelan kesesuaian memiliki 3 jenis
model yaitu Binary Model, Ranking Model, dan Rating Model. Ketiga model
tersebut memiliki karakteristik yang berbeda dalam pengidentifikasian zona rawan
longsor. Serta memiliki kelebihan dan kekurangan masing-masing. Dalam
penentuan zona rawan longsor diperlukan data lereng, curah hujan dan jenis tanah,
yang dijadikan sebagai acuan peta dasar dalam proses pembuatan peta rawan
longsor dengan menggunakan tiga model tersebut.

VIII. Daftar Rujukan

Respati, Yogi Saktyan. et. al. 2014. Analisis GIS Terhadap Gerakan Tanah di
Girimulyo, Kulonprogo, D.I. Yogyakarta, dan Kajian Faktor Faktor
Pengontrolnya. Teknik Geologi Universitas Gadjah Mada.
Rusydi, Alfi Nur, S.Si., M.Sc. 2014. Tinjauan Singkat Teori tentang Analisis dan
Pemodelan SIG. Geografi, Universitas Negeri Malang
Rusydi, Alfi Nur, S.Si., M.Sc. 2014. Praktikum SIG Terapan Pengembangan
Wilayah dan Pariwisata. Geografi, Universitas Negeri Malang
Schaeffer, John. 2008. Suitability Model with GIS. Juniper GIS Services

LAMPIRAN
1. Peta Raster
a. Peta Lereng

b. Peta Jenis Tanah

c. Peta Curah Hujan

2. Peta Biner
a. Peta Lereng

b. Peta Jenis Tanah

c. Peta Curah Hujan

3. Peta Bahaya Longsor (Binary)

4. Peta Bahaya Longsor (Ranking)

5. Peta Bahaya Longsor (Rating)