Tugas Latihan 2

Spatial Multi Criteria Evaluation (SMCE)

Dosen Pengampu:
Adi Wibowo S.Si., M.Si

Disusun Oleh:
Nabila Arizka Agustina
1706975311 (Pemsig B)

DEPARTEMEN GEOGRAFI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS INDONESIA
2019
 Latihan 2 SMCA (Spatial Constraint)
Pendahuluan

Salah satu perkembangan teknologi SIG yang mampu untuk melakukan analisis
kejadian suatu wilayah yaitu, Integrated Land and Water Information System (ILWIS).
Software ini memiliki kemampuan untuk mengolah citra penginderaan jauh. ILWIS dapat
digunakan sebagai alat untuk menginput data, manajemen data dan analisis input data untuk
kemudian menghasilkan data output tentang kejadian di suatu wilayah.

Dalam latihan praktikum mata kuliah pemodelan SIG kali ini menggunakan metode
SMCE. Multi Kriteria Evaluation (MCE) sendiri merupakan salah satu teknik dalam
pengambilan keputusan menggunakan beberapa kriteria/scenario. Metode MCE dijalankan
dengan memberikan nilai bobot pada setiap kriteria untuk memunculkan skala prioritas. Jadi
SMCE merupakan sebuah metode yang menggunakan kriteria spasial. Input dari SMCE berupa
peta-peta dari suatu wilayah yang nantinya disebut sebagai kriteria dan sebuah “criteria tree”
yang berisi informasi pengelompokan kriteria, standarisasi kriteria, dan bobot untuk kriteria
individu. Maka output yang dihasilkan berupa peta wilayah kesesuaian yang dapat membantu
dalam pengambilan kebijakan.

Pada latihan penelitian tersebut, dilakukan untuk melihat wilayah kesesuaian industri
Kota Serang dengan menambahkan spatial constraint (faktor penghambat). Kriteria yang
digunakan sebagai spatial factor, diantaranya: jaringan jalan (transportasi), jaringan sungai
(hidrologi), pemukiman, kenyamanan, ketinggian Kota Serang. Sedangkan untuk spatial
constraint berupa data penggunaan tanah (landuse). Berikut adalah langkah-langkah dalam
mengoperasikan aplikasi ILWIS:

1. Menentukan Fokus (Goals, aims, objectives)

2. Identifikasi dan pengelompokan criteria (Factors/Constraint) (Kebijakan)
3. Skoring untuk tiap‐tiap criteria
4. Standarisasi skor untuk criteria
5. Pembobotan untuk criteria
6. Peta kesesuaian (Stakeholder Preferences/Alternatif)
7. Pengambilan keputusan (Pilihan)
Langkah Kerja:

Dalam pemrosesan untuk pengolahan data dengan menggunakan spatial constraint

hanya menggunakan data landuse saja yang dapat dilakukan melalui langkah-langkah sebagai
berikut:

1) Hal pertama yang dilakukan adalah dengan membuka aplikasi ILWIS30, kemudian
membuka data yang telah diolah sebelumnya yang berisi data spatial factor

2) Melakukan standardize pada data landuse dengan membuka tabel pada data landuse.
Data landuse tersebut diolah dengan menentukan aturan untuk wilayah kesesuaian
industri berdasarkan jenis landuse yaitu, kebun campuran, semak belukar, tanah kosong
dan tegalan/ladang (True) yang berarti diperbolehkan sedangkan jenis landuse lain
tidak diperbolehkan (False).
3) Mengubah faktor lain yaitu dengan melakukan standardize dengan mengganti
pemukiman dan sawah tadah hujan menjadi diperbolehkan (True) sebagai faktor
wilayah kesesuaian industri Kota Serang

4) Kemudian menambahkan sawah irigasi dan tambak juga diperbolehkan (True) untuk
menjadi wilayah kesesuaian industry sedangkan untuk hutan, hutan rawa, dan rawa
tetap tidak diperbolehkan (False). Berikut adalah hasil standardize wilayah kesesuaian
industri Kota Serang.

5) Hal terakhir yang dilakukan dengan melakukan standardize pada setiap faktor untuk
dilakukan pembobotan yang sebelumnya telah dilakukan pada praktikum sebelumnya.
Pembobotan dilakukan pada faktor berikut: equal vision, economic vision, ecology
vision, dan social vision. Berikut adalah tabel hasil dari pembobotan sebelum dilakukan
stardardize dan setelah dilakukan standardize.
Hasil dan Pembahasan:

• Equal Vision (pembobotan 25% pada masing-masing variabel)

Sebelum Constraint Setelah Constraint
(Spatial Factor) (Spatial Constraint)

Didominasi oleh warna kuning Didominasi dengan warna merah hampir

(sesuai) dan warna hijau (sangat diseluruh wilayah yang menandakan
sesuai) ketidaksesuaian terjadi di ketidaksesuaian. Untuk warna kuning
bagian yang berwarna merah/oranye menandakan wilayah sesuai dan warna
menunjukkan sungai. Artinya hijau menandakan wilayah sangat sesuai.
industry tidak cocok di dekat sungai.

• Economic Vision (Pembobotan 70% untuk variabel transportasi)

Sebelum Constraint Setelah Constraint
(Spatial Factor) (Spatial Constraint)
 Bobot paling tinggi adalah transportasi Warna hijau dan merah memiliki
(70%) sisanya sebesar masing-masing sebaran yang hampir sama, sedangkan
10%. Hasil menunjukkan didominasi warna kuning hanya terletak dibagian
oleh warna hijau yang artinya dari sisi utara dan barat wilayah. Warna merah
transportasi, wilayah tersebut sesuai yang menandakan ketidaksesuaian.
untuk industri. Untuk warna kuning menandakan
wilayah sesuai dan warna hijau
menandakan wilayah sangat sesuai.

• Ecology Vision (Pembobotan 70% untuk variabel hidrologi)

Sebelum Constraint Setelah Constraint

Bobot paling tinggi adalah hidrologi Didominasi dengan warna hijau

(70%) sisanya sebesar masing-masing (sangat sesuai) di sebelah barat wilayah
10%. Hasil menunjukkan didominasi sedangkan warna merah (tidak sesuai)
oleh warna hijau yang artinya dari sisi tersebardi sebelah timur wilayah.
hidrologi, wilayah yang tidak dekat Wilayah-wilayah yang dekat dengan
sungai tersebut sesuai untuk industri. sungai menunjukan ketidaksesuaian
Sedangkan wilayah dengan warna yang ditandai dengan warna oranye.
oranye yang dekat sungai menandakan
ketidaksesuaian
 • Social Vision (Pembobotan 70% untuk variabel kenyamanan)
Sebelum Constraint Setelah Constraint

Bobot paling tinggi adalah Setelah dilakukan constraint sebagian

kenyamanan (70%) sisanya sebesar besar wilayah didominasi dengan
masing-masing 10%. Didominasi warna merah yang menandakan
dengan warna oranye kemerahan yang ketidakasesuaian. Wilayah yang
menandakan wilayah ketidaksesuaian sebelumnya masih terdapat kesesuaian
dalam segi kenyamanan. Namun di sebelah utara menjadi tidak sesuai.
terdapat sedikit warna hijau (sangat Waran hijau (sangat sesuai) tersisa di
sesuai) dan kuning (sesuai) di sebelah bagian barat dengan sebaran yang
utara dan barat. sangat sedikit

Kesimpulan:

Terdapat perbedaan hasil untuk kesesuaian industry Kota Serang bila dilakukan pembobotan
pada setiap variabel serta ditambahkan faktor constraint berupa landuse pada pengolahan data
tersebut.