TUGAS MATA KULIAH

PERMASALAHAN PERENCANAAN DAN PEMBANGUNAN

Dosen Pengampu
Dr. Mussadun, ST, M.Si.

Ringkasan Paper dengan judul

HOW WILL DHAKA GROW SPATIALLY IN FUTURE?
MODELLING ITS URBAN GROWTH WITH A NEAR-FUTURE PLANNING
SCENARIO PERSPECTIVE
Oleh : Sohel Ahmed dan Glen Bramley (2015)

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.

I. PERMASALAHAN DAN TUJUAN PENELITIAN

Penelitian tentang perkembangan penggunaan lahan perkotaan di Kota Dhaka setidaknya

didasarkan atas beberapa permasalahan dan perkembangan keilmuan perencanaan kota sebagai
berikut:

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.

Dengan memandang beberapa permasalahan dan perkembangan kajian bidang

perkembangan kota di atas, maka penelitian ditujukan untuk memetakan pola dan perkembangan
lahan perkotaan di Dhaka dan mengkaji faktor biofisik dan sosial ekonomi yang berpengaruh terhadap
perkembangan lahan perkotaan, terutama sejak akhir tahun 1980-an dimana fenomena pertumbuhan
lahan perkotaan mulai muncul secara signifikan. Lebih lanjut, penelitian ini mengkaji peran dan
pengaruh dari faktor - faktor biofisik dan sosial ekonomi dalam memprediksi pertumbuhan lahan
perkotaan dalam skala menengah dan mensimulasikan bagaimana perkembangan tersebut terjadi di
masa depan (sampai tahun 2025) menggunakan algoritma Cellular Automata. Prediksi pertumbuhan
di masa mendatang merupakan kelebihan dari penelitian ini yang tidak ditemui di penelitian serupa
yang dilakukan di Kota Dhaka. Adapun kerangka penelitian yang dilakukan meliputi:

1. Penjelasan pemanfaatan Cellular Automata dalam model perkembangan kota. Penjelasan

meliputi struktur, tahapan pemodelan, kebutuhan data, dan elemen yang memungkinkan
untuk dieksplorasi dari model.

2. Pengujian antara efek global dan lokal terhadap pengaruh dari faktor penentu yang berbeda
dalam probabilitas pertumbuhan.

3. Percobaan simulasi yang kemudian dikalibrasi dan divalidasi.

4. Penggunaan parameter yang telah terkalibrasi untuk mensimulasikan perkembangan Kota

Dhaka di masa mendatang di bawah sebuah skenario perencanaan dengan dua proyeksi
pertumbuhan yang berbeda.

II. METODE PENELITIAN

II.1 Algoritma Cellular Automata
Berbagai metode dan instrumen telah dikembangkan dan digunakan untuk memodelkan
perubahan penutup/penggunaan lahan pada umumnya dan perkembangan lahan perkotaan pada
khususnya. Salah satu diantaranya adalah teknik Cellular Automata. Beberapa kelebihan Cellular
Automata antara lain:

1. Cellular Automata menggunakan pendekatan bottom up namun mampu memunculkan

tingkah laku dinamis yang kompleks, bahkan dalam kasus penggunaan Cellular Automata yang
paling sederhana (satu dimensi)

2. Cellular Automata sangat cocok diterapkan untuk fenomena spasial pada tingkat kedetilan
tinggi.

3. Cellular Automata dapat mensimulasikan secara realistis dinamika hubungan global-lokal

terkait lingkungan perkotaan secara spasio-temporal dengan visualisasi yang mumpuni.
 Penggunaan Cellular Automata untuk studi perkembangan kota telah banyak dilakukan,
antara lain dalam studi pemetaan urbanisasi regional, pembangunan alat pendukung pengambilan
keputusan berbasis spasial, dinamika penggunaan lahan, kepadatan bangunan, permukiman kumuh,
dan perkembangan dan pertumbuhan lahan perkotaan/kota. Namun demikian penggunaan Cellular
Automata bukan tanpa kelemahan. Dalam beberapa studi yang telah dilakukan, Cellular Automata
belum memberikan perhatian yang cukup pada aspek sosial, fisik, ekonomi dan institusi/kebijakan
yang seringkali menjadi penentu utama dalam perkembangan atau pembatasan perkembangan kota.
Untuk itu, dikembangkan pendekatan hibrida yang digunakan dalam penelitian ini. Pendekatan hibrida
memungkinkan komputasi dalam Cellular Automata dikombinasikan dengan aspek sosial, ekonomi,
fisik dan kebijakan untuk dapat memberikan gambaran yang lebih lengkap dan berdasarkan pada fakta
yang terjadi di Kota Dhaka.

II.2 Data dan Parameter Yang Digunakan

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.

Tabel 1. Parameter dan Jenis Data yang Digunakan Dalam penelitian

Parameter Jenis Data Sumber Data Penjelasan

Perkembangan Penggunaan Lahan Peta Penggunaan Lahan
lahan perkotaan Tahun 1988
Peta Penggunaan Lahan
Tahun 1999
Peta Penggunaan Lahan
Tahun 2005
Biofisik (Medan) Elevasi Elevasi diperoleh dari data
Digital Elevation Model dari
penelitian lain di Kota
Dhaka
Aksesbilitas Model lokasi alokasi Jaringan Jalan
aksesbilitas Indikasi kecepatan akses
pada setiap kelas
penggunaan lahan
Penghalang alam (danau,
sungai).
Peta Penggunaan Lahan diperoleh dari
beberapa penelitian sebelumnya. Peta ini
kemudian direklasifikasi ulang menjadi dua
kelas, yaitu perkotaan dan bukan perkotaan.
Data elevasi digunakan karena
kecenderungan perkembangan kota di Dhaka
adalah mencari area yang bebas banjir.
Dengan menggunakan data elevasi, dapat
diperoleh perkiraan area bebas banjir, yaitu
daerah dengan elevasi lebih dari 3 meter.
Data yang digunakan seperti jaringan jalan,
kecepatan akses dan keberadaan penghalang
alam diintegrasikan dalam pemodelan lokasi
alokasi aksesbilitas di dalam lingkungan SIG
Raster untuk memperoleh model aksesbilitas
berbasis waktu tempuh dari pusat kota.

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

Gambar 3. Kawasan Budidaya yang dapat dikembangkan

II.3 Kelemahan dan Kekurangan Terkait Data Yang Digunakan

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.

Untuk dapat melakukan simulasi perubahan penggunaan lahan, DINAMICA memerlukan

beberapa parameter masukan, yaitu:

1. Variabel statis dan dinamis;

Yang dimaksud sebagai variabel statis dalam pemodelan ini adalah data penggunaan lahan
multiwaktu yang berfungsi sebagai referensi fakta dalam pemodelan, dan juga data lain
seperti elevasi, jarak ke pusat kota, dan lain-lain. Sedangkan variabel dinamis yang digunakan
adalah jarak setiap piksel dari penggunaan lahan perkotaan ke penggunaan lahan bukan
perkotaan terdekat. Variabel dinamis diperoleh dari hasil kalkulasi antar data penggunaan
lahan dari waktu yang berbeda di dalam Cellular Automata DINAMICA.
2. Matriks transisi;
Matriks transisi diperoleh dari operasi tabulasi silang antara peta penggunaan lahan yang
digunakan. Hasil dari tabulasi silang ini adalah tingkat perubahan penggunaan lahan dalam
satuan persen, yang memperlihatkan berapa banyak piksel yang terkonversi dari satu kelas
penggunaan lahan ke kelas penggunaan lahan lain (bukan perkotaan ke perkotaan).
3. Probabilitas Transisi Spasial;
Probabilitas Transisi Spasial adalah kemungkinan perubahan dari penggunaan lahan bukan
perkotaan menjadi penggunaan lahan perkotaan. Secara statistik kuantitatif, probabilitas ini
dinyatakan sebagai WoE (Weight Of Evidence). WoE dapat memberikan informasi mengenai
faktor yang paling berperan secara signifikan (secara statistik) dalam mengubah piksel
penggunaan lahan bukan perkotaan menjadi penggunaan lahan perkotaan.
4. Fungsi Transisi.
Kemungkinan perubahan penggunaan lahan yang didekati melalui model statistik seperti WoE
hanya dapat menghasilkan perubahan bukan perkotaan menjadi perkotaan yang dipicu oleh
lingkungan perkotaan di sekitarnya (Self Organizational/Path dependent). Sementara dalam
kondisi lapangan, lahan perkotaan dapat muncul pada tempat (sel) yang disekelilingnya
merupakan lahan bukan perkotaan. Kemungkinan terjadinya kejadian acak munculnya
 penggunaan lahan perkotaan yang disebabkan faktor eksternal/spontan difasilitasi oleh fungsi
transisi. Dengan demikian, di dalam DINAMICA fungsi transisi melakukan kalkulasi pemilihan
piksel yang akan berubah dalam dua prosedur, yaitu fungsi perluasan (Expander Function)
yang diaplikasikan untuk kasus Path Dependent, dan fungsi tapak (Patch function) yang
diaplikasikan untuk kasus kejadian spontan (random), sesuai dengan nilai WoE-nya.

Alur pengolahan data dan simulasi perubahan di dalam DINAMICA digambarkan dalam
Gambar 4 di bawah ini.

Penggunaan Lahan Akhir (T2)

Perkotaan dan Bukan
Perkotaan

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

Peta probabilitas Probabilitas Transisi Spasial

transisi Weigh Of Evidence/Logistic
Regression

Fungsi Transisi
Expander and Patcher

Iterasi

Penggunaan
Lahan
Hasil Simulasi

Gambar 4. Alur Pemodelan Dalam DINAMICA

II.5 Kalibrasi dan Validasi

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.

Peta Referensi Peta Referensi Peta Simulasi Peta Referensi

Pada T2 Pada T1 Pada T2 Pada T2

Model peta netral yang Hasil pemodelan

dihasilkan dari MCK yang
menggunakan Constrain memperlihatkan
Match akurasi prediksi

Kedua hasil dibandingkan menggunakan indeks kappa

(overall, lokasi, fuzzy), dan persentase hasil klasifikasi
pada resolusi asli dan resolusi rendah

Gambar 5. Kalibrasi dan Validasi Model

III. RINGKASAN PEMBAHASAN DAN KESIMPULAN

III.1 Pembahasan
Hasil pertama yang diperoleh dari analisis adalah Peta Probabilitas WoE dari variabel yang
terangkum dalam Tabel 1, dimana variabel variabel ini akan menjadi penyebab perubahan piksel/sel
dari bukan perkotaan menjadi perkotaan. Rangkuman dari WoE tersebut disajikan pada Tabel 2. Nilai
WoE ini digunakan untuk menghitung probabilitas transisi dari setiap sel bukan perkotaan untuk
berubah menjadi sel perkotaan. Dari Tabel 2 tersebut dapat diketahui bahwa untuk variabel dinamis,
WoE-nya cenderung bernilai positif sampai jarak dari sel perkotaan melebihi 110-130 meter. Hasil ini
berimplikasi bahwa sel perkotaan yang sudah ada berperan lebih besar untuk mengubah sel bukan
perkotaan menjadi perkotaan. Namun demikian, hal yang sama tidak terjadi pada variabel lain seperti
elevasi, jarak ke pusat kota (CBD), kawasan komersial dan kawasan industri. Ketidaksamaan ini
berimplikasi pada hasil simulasi yang tidak sesuai dengan kenyataan yang terjadi di Kota Dhaka sendiri.
Ketidaan data jaringan jalan terbaru disinyalir menjadi penyebab dari ketidaklinearan WoE untuk
variabel diatas yang menyebabkan proses simulasi menjadi bergeser tidak seperti yang diharapkan.
Untuk itu dilakukan inisiatif untuk membagi area simulasi menjadi area yang lebih kecil untuk melihat
apakah ada perbedaan hasil simulasi dibandingkan dengan area kajian secara keseluruhan.

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).

Tabel 3 dan Tabel 4. Contoh WoE Pada Salah Satu SPZ

 Hasil analisis probabilitas transisi spasial dalam bentuk indeks WoE kemudian diterapkan pada
simulasi di tingkat fungsi transisi dan hasilnya dibandingkan satu sama lain secara visual. Selanjutnya
parameter dari fungsi transisi dimodifikasi sampai menghasilkan hasil simulasi yang mirip dengan
situasi lapangan sebaran penggunaan lahan perkotaan, baik pada periode 1988-1999 maupun 1999-
2005. Perlakuan ini dilaksanakan baik untuk model global maupun model lokal berbasis SPZ. Hasil yang
diperoleh memperlihatkan bahwa untuk model lokal berbasis SPZ memberikan hasil simulasi yang
lebih baik daripada model global dan Null model, baik secara visual (Gambar 6) maupun statistik kappa
(Tabel 5 dan 6). Dengan demikian maka model lokal berbasis SPZ dipilih untuk sebagai dasar simulasi
untuk prediksi perkembangan penggunaan lahan perkotaan Dhaka pada Tahun 2025, karena dianggap
lebih memiliki kekuatan prediksi yang lebih baik.

Gambar 6. Perbandingan Hasil Simulasi dan Observasi Lapangan periode 1988-1999.

 Tabel 5. Hasil Kalibrasi dan Tabel 6. Hasil Validasi

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.