Dosen Pengampu
Dr. Mussadun, ST, M.Si.
Disusun oleh :
BRAMANTIYO MARJUKI
21040116410036
PROGRAM STUDI
MAGISTER PEMBANGUNAN WILAYAH DAN KOTA
FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO
SEMARANG
2016
Pada kesempatan ini akan disarikan mengenai sebuah tulisan ilmiah dengan topik penerapan
teknik pemodelan Cellular Automata dalam penerapannya untuk studi perkembangan kawasan fisik
perkotaan secara multitemporal dengan judul How Will Dhaka Grow Spatially In Future? Modelling
Its Urban Growth With A Near-Future Planning Scenario Perspective. Sistematika pembahasan dibuat
dalam tiga struktur bahasan, yaitu (1) pembahasan mengenai permasalahan yang dikaji dan urgensi
penelitian yang dilakukan kaitannya dalam menjawab permasalahan yang diangkat; (2) Metode yang
digunakan dan relevansinya dalam menjawab permasalahan; dan (3) Ringkasan pembahasan dan
kesimpulan.
1. Adanya peningkatan penggunaan teknologi Penginderaan Jauh dan Sistem Informasi Geografi
untuk melakukan pemantauan perubahan penutup/penggunaan lahan yang diintegrasikan
dengan berbagai informasi pendukung lain seperti aspek sosial, ekonomi dan biofisik. Model
model berbasis spasial ini bahkan mempunyai fungsi simulasi perkembangan (forecasting),
sehingga menarik untuk dikaji bagaimana kehandalannya dalam memprediksi perkembangan
penggunaan lahan perkotaan di masa mendatang. Model yang dapat memprediksi
perkembangan penggunaan lahan perkotaan yang akurat akan dapat membantu pengelola
kota dalam merumuskan strategi pengelolaan dan kebijakan kota agar fungsi kota untuk
mendukung berbagai kebutuhan penduduknya tetap lestari dan berkelanjutan.
2. Dhaka sebagai kota terbesar di Bhangladesh dan salah satu kota tertua di Asia Selatan telah
mengalami urbanisasi masif sejak Tahun 70-an dan semakin meningkat pada tahun tahun
terakhir. Urbanisasi dan peningkatan luasan lahan terbangun ini menyebabkan pemerintah
kota kesulitan dalam mengatur dan mencegah berlanjutnya perkembangan kota.
3. Berbagai penelitian terkait perkembangan kota yang telah dilakukan di Dhaka telah berhasil
mengindentifikasi karakteristik dan penyebab perkembangan lahan perkotaan, akan tetapi
aspek spasial dari pola perkembangan lahan perkotaan dan proses perkembangannya belum
diteliti secara menyeluruh.
2. Pengujian antara efek global dan lokal terhadap pengaruh dari faktor penentu yang berbeda
dalam probabilitas pertumbuhan.
2. Cellular Automata sangat cocok diterapkan untuk fenomena spasial pada tingkat kedetilan
tinggi.
Data, parameter dan penjelasan setiap parameter yang digunakan dapat dirangkum dalam
tabel 1 yang diuraikan di bawah ini. Gambar 1, Gambar 2, dan Gambar 3 merupakan contoh gambar
dari data yang digunakan.
Kebijakan Zona terlarang Peta Rencana Pola Ruang Kawasan lindung dan terlarang untuk
Perencanaan untuk dimanfaatkan dalam Rencana Tata Ruang dikembangkan seperti lahan pertanian
(Kawasan Lindung) Kota Dhaka produktif, area penampungan banjir, dan
dan Zona potensial daerah resapan air merupakan faktor
untuk pembatas perkembangan yang di dalam
dikembangkan model merupakan area yang tidak dapat
(Kawasan Budidaya) dikonversi. Sedangkan kawasan budidaya
seperti in fill zone adalah sebaliknya.
Gambar 1. Data Elevasi Gambar 2. Data Model Aksesbilitas
Ketersediaan data merupakan aspek yang membatasi penelitian ini, dan mendasari pemilihan
variabel di atas. Dalam hal ini data yang dianggap kurang antara lain, data jaringan jalan dan data lain
yang digunakan untuk analisa aksesbilitas hanya tersedia untuk satu waktu pengamatan, sementara
dalam kenyataannya bertambah seiring dengan berjalannya waktu. Keterbatasan ini menyulitkan
dalam pemodelan trend perkembangan kota di masa mendatang yang lebih baik. Lebih lanjut, faktor
sosial ekonomi lain seperti kondisi permukiman, status ekonomi, nilai lahan, kualitas air, sanitasi dan
jaringan listrik tidak dapat dimasukkan ke dalam model karena data yang tidak tersedia pada skala dan
luasan spasial yang layak untuk dapat dipertimbangkan dalam pemodelan.
II.4 Pemilihan Algoritma Cellular Automata
Algoritma yang dipilih untuk melakukan simulasi dan pemodelan perubahan pengggunaan
lahan dalam penelitian ini adalah algoritma DINAMICA. DINAMICA merupakan salah satu algoritma
Cellular Automata hibrida yang mendukung pemodelan statistik untuk menemukan area yang
berpotensi mengalami perubahan berdasarkan faktor pemicu yang ditentukan, dan juga memberikan
keleluasaan pada fungsi transisi Cellular Automata untuk mengubah berbagai pola yang berbeda dari
penggunaan lahan.
Alur pengolahan data dan simulasi perubahan di dalam DINAMICA digambarkan dalam
Gambar 4 di bawah ini.
Matriks Transisi
Penggunaan Lahan Awal (T1) (T1-T2)
Perkotaan dan Bukan
Perkotaan
Variabel Statis
Variabel Dinamis (Elevasi, jarak ke pusat
Jarak antar penggunaan
kota, dll)
lahan
Fungsi Transisi
Expander and Patcher
Iterasi
Penggunaan
Lahan
Hasil Simulasi
Validasi model dilakukan sebanyak dua kali, yaitu untuk periode 1988-1999 dan untuk 1999-
2005. Validasi dilakukan dengan cara membandingkan data hasil pemodelan pada tahun yang
bersangkutan dengan data hasil perubahan penggunaan lahan yang sebenarnya. Misalnya pada tahun
1999 dimodelkan menggunakan Cellular Automata untuk memperoleh perubahan penggunaan lahan
dari Tahun 1988 sampai 1999. Data ini kemudian dibandingkan dengan data penggunaan lahan aktual
Tahun 1999 untuk melihat perbedaan antara hasil simulasi dengan kenyataan yang terjadi. Indikator
statistik yang digunakan untuk mengukur akurasi adalah indeks kappa dan beberapa indeks
turunannya seperti location kappa dan fuzzy kappa. Selain itu, juga dibuat Null Model. Agar tidak
memberikan hasil yang menyesatkan, Null model yang digunakan adalah Random Constraint Match
yang menghasilkan jumlah perubahan penggunaan lahan yang sesuai dengan kenyataan yang
sebenarnya (diambil dari peta referensi). Alur kerja uji akurasi disajikan pada Gambar 5.
Tabel 2
Simulasi untuk satuan area yang lebih kecil dicoba menggunakan Spatial Planning Zone (SPZ)
yang disusun oleh otoritas penataan ruang di Dhaka yang terdiri dari 18 SPZ. Pada setiap SPZ dilakukan
simulasi secara terpisah, yang hasilnya kemudian diagregasikan menjadi satu, lalu disimulasikan pada
tingkat fungsi transisi (expander and patcher) untuk menghasilkan peta simulasi akhir. Hasil yang
diperoleh menunjukkan bahwa untuk setiap SPZ, kontribusi dan pengaruh setiap variabel ternyata
tidak sama, yang hal ini tidak akan terlihat jika simulasi dilakukan secara serentak untuk seluruh area
kajian (Contoh untuk dua SPZ disajikan pada Tabel 3 dan Tabel 4).
Matriks transisi dan indeks WoE yang diperoleh dari model lokal 18 SPZ digunakan untuk
membuat simulasi prediksi perkembangan penggunaan lahan perkotaan sampai Tahun 2025. Dari
simulasi ini dihasilkan tiga skenario. Pertama, skenario normal (business as usual). Pada skenario ini
strategi dan kebijakan pengembangan tata ruang tidak dilibatkan dan faktor pembatas perkembangan
tidak diberlakukan. Hasil yang diperoleh dari skenario ini adalah simulasi mengubah area yang
merupakan faktor pembatas dan area yang menurut kebijakan pengembangan tata ruang merupakan
kawasan lindung, menjadi penggunaan lahan perkotaan Skenario ini merupakan gambaran dari
kontinuitas aktivitas ekonomi yang tidak dikendalikan yang menjadi penyebab tidak terkontrolnya
perkembangan penggunaan lahan perkotaan yang tidak terkontrol di Dhaka.
Pada skenario kedua diberlakukan pembatasan perkembangan pada kawasan lindung dan
faktor pembatas lain. Hasil yang diperoleh menunjukkan gambaran pertumbuhan kawasan perkotaan
di Dhaka yang lebih terkontrol dengan tetap mempertahankan kawasan lindung dan kawasan
pengembangan terbatas. Perlakuan pada skenario ketiga sama dengan skenario kedua, hanya pada
skenario ketiga tingkat pertumbuhan model diturunkan mengikuti tingkat pertumbuhan pada Tahun
1988-1999. Hasil yang diperoleh menunjukkan pertumbuhan lahan perkotaan dan tekanan konversi
lahan yang lebih rendah pada kawasan lindung atau kawasan pengembangan terbatas. Hasil akhir
simulasi disajikan pada Gambar 7.
Gambar 7. Peta hasil simulasi skenario tanpa pembatasan Tahun 2015 (a) dan 2025 (b); peta hasil simulasi
dengan pembatasan kawasan lindung Tahun 2015 (c) dan Tahun 2025 (d); peta hasil simulasi dengan
pembatasan kecepatan pertumbuhan pada Tahun 2015 (e) dan 2025 (f)
III.2 Kesimpulan
Hasil penelitian yang diperoleh memperlihatkan dengan jelas bahwa model ini mempunyai
banyak kelebihan dibanding model sejenis. Pertama, adanya pelibatan konsep waktu tempuh berbasis
banyak faktor, dapat memperbaiki hasil pemodelan untuk memprediksi pola dan perkembangan
penggunaan lahan perkotaan di Dhaka.
Adanya hasil yang berbeda antara model global dan model lokal membuka peluang untuk
kajian selanjutnya yang mengeksplorasi perbedaan hasil ini. Selain itu, hasil yang diperoleh
menunjukkan kemiripan atau bahkan performa yang lebih baik daripada model penggunaan lahan
sejenis yang pernah diterapkan di Dhaka. Lebih lanjut, simulasi yang dilakukan mampu memberikan
gambaran penggunaan lahan perkotaan di masa yang akan datang yang dapat dijadikan panduan
dalam mengantisipasi perkembangan lahan perkotaan.
Studi ini masih memilki beberapa kelemahan terkait dengan data yang digunakan, dimana
data yang cukup penting dalam studi perkembangan kota seperti jumlah dan kepadatan penduduk
belum dijadikan pertimbangan dalam studi, untuk itu perbaikan model di masa mendatang sebaiknya
turut juga melibatkan variabel demografi.
Melihat kemanfaatannya dalam perencanaan pengembangan perkotaan di masa mendatang,
hasil studi ini seyogyanya dapat diimplementasikan dalam sistem pendukung pengambilan keputusan
dan lebih lanjut dapat dielaborasikan bersama pemangku kebijakan untuk memperbaiki dan
meningkatkan kualitas pemodelan dalam konteks membantu menghasilkan keputusan yang lebih baik
dalam antisipasi perkembangan kota di masa mendatang.
Hasil penelitian yang memperlihatkan bahwa simulasi dapat dilaksanakan dalam skala lokal
dan global menunjukkan bahwa analisa ini dapat menjangkau perencanaan dan pengembangan
wilayah dalam skala yang lebih mikro dan detil
DAFTAR PUSTAKA
Ahmed, S., & Bramley, G. (2015). How will Dhaka grow spatially in future?-Modelling its urban growth
with a near-future planning scenario perspective. International Journal of Sustainable Built
Environment, 2 (4), 359-377.