1 Santosa
1 Santosa
Diterima (received): 11Oktober 2014; Direvisi (revised): 26 Oktober 2014; Disetujui untuk dipublikasikan (accepted): 13 November 2014
ABSTRAK
Alih fungsi sawah terus terjadi di Pulau Jawa sehingga mengancam ketahanan pangan nasional. Rencana
Tata Ruang Wilayah (RTRW) dan kebijakan Lahan Pertanian Pangan Berkelanjutan (LP2B) belum mampu
mengendalikan alih fungsi sawah. Penelitian ini bertujuan untuk membangun model penetapan lahan sawah
berkelanjutan menggunakan metode regresi logistik dan evaluasi lahan multikriteria. Penelitian dilaksanakan di
Kabupaten Sukabumi yang merupakan wilayah perbukitan di bagian selatan Pulau Jawa dengan luas lahan
sawah yang cukup besar dan mendukung ketersediaan pangan nasional. Pemodelan dibangun berdasarkan
karakteristik alih fungsi lokal dengan mempertimbangkan konsep pembangunan berkelanjutan. Variabel-
variabel penting yang mendukung terjadinya alih fungsi sawah yang dipertimbangkan adalah jarak sawah
terhadap jalan, permukiman, dan industri. Hasil regresi logistik selanjutnya menjadi masukan bobot bagi
evaluasi lahan multikriteria yang dapat menghasilkan tiga skenario kebijakan perlindungan sawah, yaitu
standar, protektif, dan permisif guna kepentingan pembangunan. Melalui pemodelan ini diperoleh sawah-sawah
prioritas lindung yang memudahkan pengelolaannya dan sekaligus menjadi penyangga bagi sawah-sawah di
belakangnya.
Kata Kunci: model perlindungan lahan sawah berkelanjutan, regresi logistik, evaluasi lahan multikriteria
ABSTRACT
Conversion of paddy fields has continuously occurred in Java Islands, thus threatens a national food
security. The Regional Spatial Planning and the Policy on Sustainable Food-crop Agricultural programs seem to
unable to control paddy field conversion. This research was conducted to develop a sustainable paddy field
zone delineation model using logistic regression and multicriteria land evaluation. The research location is in the
Sukabumi Regency which is has various morphology and large paddy fields to support national food security.
The model is developed by local conversion characteristics and considering the concept of sustainable
development. Important variables that contribute to paddy fields conversion are the distance to road,
settlements and industrial regions. Results of logistic regression then become the input for weighted criteria to
develop three policy scenarios of paddy fields protection; standard, protective, and permissive in order to
support regional development. Through this model, we obtain the priority paddy fields to be protected as well as
become buffer zones for the surrounding paddy fields.
Keywords: paddy fields protection model, logistic regression, multicriteria land evaluation
181
Majalah Globe Volume 16 No. 2 Desember 2014: 181-190
Alih fungsi sawah banyak terjadi di wilayah lingkungan dalam waktu pengolahan data relatif
pinggiran kota, khususnya di sepanjang pantai cepat. Namun demikian, regresi logistik kurang
utara Pulau Jawa. Hal ini terjadi karena memperhatikan dinamika temporal dan preferensi
perkembangan kota dan sawah existing berada pribadi pengembangan penggunaan lahan.
pada wilayah tersebut. Menurut Rustiadi dan Wafda Evaluasi multikriteria pada dasarnya
(2008), konversi lahan sawah antara 1999-2000 di merupakan satu ekspresi atau sikap untuk
Pulau Jawa banyak terjadi di Jawa Barat yakni mempertimbangkan banyak masukan atau
sebesar 0,199 juta ha. Penelitian lain dari Direktorat pengaruh dalam menentukan hasil. Istilah tersebut
Jenderal Pengelolaan Lahan dan Air (2008) lebih banyak berkaitan dengan proses pengambilan
menunjukkan bahwa di Pulau Jawa, konversi lahan keputusan dimana dengan mengkombinasikan
sawah yang menjadi perumahan sebesar 58,7%, banyak faktor dapat memberikan banyak pilihan
sedangkan yang menjadi industri, perkantoran dan atau hasil. Penelitian dengan menggunakan
pertokoan adalah 21,8% dari total konversi lahan metode ini telah dilakukan oleh Shiddiq (2011)
sawah. Menurut publikasi BPN (2007), sepanjang dalam hal menentukan ketersediaan lahan sawah,
1994-2004 telah terjadi alih fungsi lahan sawah di Akinci et al. (2013) yang meneliti tentang
Pulau Jawa dan Bali sebesar 36.000 ha atau kesesuaian lahan untuk penggunaan lahan
sekitar 3.600 ha/tahun atau lebih luas dari lapangan pertanian, Gorsevski et al. (2012) dalam evaluasi
sepak bola per harinya. Upaya perlindungan sawah kesesuaian tempat pembuangan sampah,
di Pulau Jawa menjadi penting untuk menjaga Widiatmaka et al. (2014) yang menggunakan teknik
ketahanan pangan nasional. ini untuk delineasi wilayah revitalisasi tambak
Upaya pemerintah dalam mempertahankan udang, dan Bottero et al. (2013) yang meneliti
sawah dilaksanakan berdasarkan Rencana Tata tentang analisis kesesuaian wilayah yang
Ruang Wilayah (RTRW) dan program Lahan memperhatikan konservasi keanekaragaman
Pertanian Pangan Berkelanjutan (LP2B). Namun hayati. Melalui penelitian tersebut dapat dibuktikan
demikian, keberadaan RTRW belum mampu bahwa evaluasi multikriteria dapat membantu
secara efektif mencegah alih fungsi lahan sawah. dalam pengambilan keputusan secara lebih
Hasil penelitian Dewi (2010) menunjukkan bahwa fleksibel. Pada penelitian-penelitian tersebut,
masyarakat belum mengerti tentang RTRW, metode yang digunakan dalam pemberian bobot
sedangkan Isa (2007) menyebutkan bahwa adalah Analytical Hierarchy Process (AHP).
terdapat 42% dari luas sawah beririgasi yang Dalam rangka mendukung ketahanan pangan
perencanaan pemanfaatan ruangnya bukan untuk nasional, upaya perlindungan sawah di wilayah
lahan sawah. Sampai dengan September 2012, selatan Pulau Jawa menjadi sama penting dengan
baru terdapat 66 kabupaten/kota yang telah pengendalian alih fungsi sawah wilayah pantai
berkomitmen dalam perlindungan lahan pertanian utara Jawa. Hal ini disebabkan karena perbukitan
pangan berkelanjutan dalam RTRW-nya (Direktorat selatan Jawa telah menjadi lumbung beras
Jenderal Prasarana dan Sarana Pertanian, 2012). nasional. Di antara kabupaten-kabupaten di
Penyusunan RTRW dan LP2B idealnya didasarkan Provinsi Jawa Barat bagian selatan, Kabupaten
pada prinsip-prinsip pembangunan berkelanjutan Sukabumi merupakan wilayah dengan luas sawah
dengan memperhatikan karakteristik alih fungsi nomor 2 terbesar di Jawa Barat, setelah Kabupaten
sawah lokal. Karakteristik alih fungsi sawah dapat Cianjur (BPS, 2012). Keberhasilan pemerintah
ditelusuri melalui regresi logistik, yang selanjutnya dalam melindungi sawah-sawah di wilayah tersebut
menjadi input evaluasi multikriteria untuk menjadi kunci bagi keberhasilan meningkatkan
penetapan lahan sawah berkelanjutan. ketahanan pangan nasional.
Regresi logistik merupakan satu model Dalam rangka mendukung hal tersebut,
matematis untuk menganalisis hubungan variabel- penelitian ini bertujuan untuk membangun model
variabel bebas baik berupa data continue, discrete, penetapan lahan sawah berkelanjutan di
dichotomus, atau kombinasinya yang Kabupaten Sukabumi. Model penetapan lahan
mempengaruhi satu variabel terikat (Mc Cullagh & sawah berkelanjutan disusun dengan
Nelder, 1989 dalam Arsanjani, et al., 2013). Teknik mempertimbangkan aspek-aspek pembangunan
analisis ini telah dilakukan pada alih fungsi hutan berkelanjutan. Karakteristik alih fungsi sawah lokal
(Kumar, et al., 2014; Siles, 2009; Arekhi, 2011), dianalisis menggunakan regresi logistik.
pertumbuhan kota (Arsanjani, et al., 2013; Guo, Karekteristik lokal tersebut digunakan sebagai
2012; Hu and Lo, 2007). Penelitian-penelitian pembobot dalam penetapan lahan sawah
tersebut telah sukses mengungkap faktor-faktor berkelanjutan menggunakan evaluasi multikriteria.
penentu dari alih fungsi penggunaan lahan. Faktor-
faktor tersebut selanjutnya digunakan untuk METODE
melakukan prediksi penggunaan lahan dengan
periode waktu tertentu di masa mendatang. Guo Penelitian ini mengambil studi kasus
(2012) dan Hu and Lo (2007) menggarisbawahi Kabupaten Sukabumi yang merupakan kabupaten
bahwa metode regresi logistik mampu menangani di wilayah selatan Pulau Jawa. Kabupaten ini
berbagai variabel baik aspek fisik, tata ruang, dikenal dengan perkebunannya semenjak masa
demografi, sosial, dan ekonomi serta kebijakan penjajahan Belanda. Memiliki morfologi bervariasi
pembangunan tata guna lahan dan perlindungan dari datar, bergelombang, berbukit, hingga
182
Pemodelan Penetapan Lahan Sawah Berkelanjutan ................................................................................................................ (Santosa dkk.)
bergunung. Sawah mulai berkembang sejak ekonomi telah berdampak pada alih fungsi lahan
pemerintah Jepang menetapkan kawasan tersebut sawah. Alih fungsi sawah dapat dilihat di wilayah
sebagai Kawasan Pertanian pada tahun 1942-1945 Bandung, Indramayu, Ciamis, dan Sukabumi
(Galudra, dkk., 2005). Hingga saat ini, Kabupaten dengan besaran berturut-turut sebesar 20, 18, 13,
Sukabumi merupakan wilayah dengan luas sawah 18 ribu ha selama 18 tahun pada periode tahun
nomor 2 terbesar setelah Kabupaten Cianjur di 1981-1998 (Irawan dan Friyatno, 2002). Peta lokasi
Provinsi Jawa Barat (BPS, 2012). Meskipun tidak penelitian dapat dilihat pada Gambar 1, sedangkan
mengalami pertumbuhan secepat wilayah diagram kerja menyeluruh penelitian tersaji pada
Jabodetabek, Kabupaten Sukabumi memiliki Gambar 2. Diagram kerja tersebut merupakan
peringkat kedua sebagai daerah penyangga kedua gambaran umum dari penjelasan-penjelasan
dari pusat pertumbuhan ekonomi. Pertumbuhan selanjutnya pada artikel ini.
Pulau Jawa
Indonesia
Gambar 1. Lokasi Penelitian.
Regresi Logistik
Prediksi
Jenis irigasi Persamaan
konversi sawah Validasi
regresi logistik
2014
Produktivitas
sawah
Harga sawah
OWA
183
Majalah Globe Volume 16 No. 2 Desember 2014: 181-190
184
Pemodelan Penetapan Lahan Sawah Berkelanjutan ................................................................................................................ (Santosa dkk.)
Hasil akhir regresi logistik selain persamaan mendukung pembangunan berkelanjutan meliputi
hubungan variabel terhadap alih fungsi sawah, juga (a) faktor fisik meliputi kesesuaian lahan; (b) faktor
menghasilkan peta prediksi alih fungsi sawah tahun ekonomi meliputi penggunaan lahan dan kisaran
2014 dan residu peta sawah. Residu merupakan harga sawah; (c) faktor sosial meliputi penguasaan
selisih antara peta observasi yaitu sawah 2014 lahan; dan (d) faktor kelembagaan meliputi rencana
dengan prediksi alih fungsi sawah 2014. Peta hasil tata ruang wilayah. Desain evaluasi multikriteria
prediksi divalidasi dengan metode ROC (Relative secara utuh dapat dilihat pada Gambar 3.
Operation Characteristic) yang membandingkan
nilai piksel antara dua peta berdasarkan Tabel-3.--Pembobotan Variabel-variabel Penyusun
pengambilan contoh dalam jumlah tertentu. Lahan Sawah Berkelanjutan.
Variabel Bobot
Evaluasi Multikriteria RL Penyesuaian Normalisasi
Evaluasi multikriteria dilakukan untuk d jalan -0,462 0,462 0,0796
menetapkan sawah berkelanjutan untuk seluruh d perumahan -0,415 0,415 0,0716
wilayah Kabupaten Sukabumi menggunakan Idrisi d industri -0,317 0,317 0,0547
pada menu decision wizard. Pembobotan dalam
analisis ini menggunakan hasil persamaan dari d lahan 0,306 0,306 0,0528
regresi logistik. Penetapan lahan sawah d permukiman -0,301 0,301 0,0519
berkelanjutan menggunakan metode evaluasi Jenis irigasi - 1 0,1724
multikriteria (Multi Criteria Evaluation/MCE) dengan
pendekatan analisis spasial metode weighted Harga sawah - 1 0,1724
analysis. MCE terdiri atas dua hal yaitu penetapan Intensitas - 1 0,1724
tujuan dan penetapan kriteria. Kriteria dibagi Produktivitas - 1 0,1724
menjadi faktor dan kendala. Faktor terdiri atas
Jumlah 5,801 1,0000
subfaktor yang merupakan kriteria untuk mencapai
tujuan. Persamaan matematis dari analisis Keterangan: RL adalah regresi logistik, d adalah jarak.
Weighted Linear Combination (WLC) seperti pada
Persamaan 4. SASARAN KONSTRAIN TUJUAN FAKTOR
....................... (4) Kesesuaian lahan
dimana : Keberlanjutan
Xij = derajat kesesuaian faktor ke-j di lokasi ke-i fisik Produktivitas sawah
Wij = bobot faktor/subfaktor ke-j di lokasi faktor Intensitas sawah
Cj = konstrain pada faktor/subfaktor ke-j Keberlanjutan Irigasi sawah
Kawasan
ekonomi Harga sawah
Penetapan Hutan
Metode WLC didasarkan pada asumsi bahwa Kawasan Jarak jalan
Perijinan Skala
setiap faktor memiliki bobot yang berbeda-beda. Sawah Besar
Jarak permukiman
Proses penentuan bobot ini dilakukan dengan Berkelanjutan HGU, HGB, Ijin Jarak perumahan
lokasi
menggunakan hasil dari analisis regresi logistik, Jarak industri
dimana diperoleh urutan dan besaran peran Keberlanjutan Gambaran umum
variabel alih fungsi sawah di Kabupaten Sukabumi. sosial penguasaan tanah
Nilai tersebut selanjutnya dijadikan bobot dalam
Keberlanjutan
evaluasi multikriteria. Empat variabel terakhir tidak kelembagaan
Kawasan lahan basah
dapat dibobot melalui regresi logistik dikarenakan
varibel produktivitas, intensitas, dan jenis irigasi
merupakan variabel yang menempel/intrinsik dari Gambar 3. Desain evaluasi multikriteria penetapan
sawah existing, sedangkan data harga sawah tidak lahan sawah berkelanjutan.
diperoleh.
Pada saat survei lapangan, sawah-sawah Dalam evaluasi multikriteria, variabel-variabel
yang berjarak 50 m dari pinggir jalan memiliki harga terlebih dahulu dilakukan standardisasi maupun
lebih mahal dibandingkan dengan yang terletak di penetapan fungsi fuzzy (Gorsevski et al., 2012).
belakangnya, sehingga penilaian harga sawah Standardisasi merupakan proses transformasi dan
dibedakan pada batas 50 m dari pinggir jalan penyekalaan kriteria asli menjadi unit-unit yang
utama. Pembobotan dilakukan dengan pemberian dapat diperbandingkan. Sebagai contoh,
nilai maksimum berdasarkan pengamatan standardisasi kriteria raster menjadi nilai antara 0
pengaruhnya di lapangan serta dikaitkan dengan dan 1 untuk setiap piksel menggunakan fungsi
tujuan upaya perlindungan lahan sawah. Keempat keanggotaan fuzzy yakni sigmoidal, j-shaped, dan
variabel tersebut dibobot sama karena bentuk-bentuk kompleks lainnya. Fungsi lain
pengaruhnya relatif sama. Hasil pembobotan dan standardisasi adalah untuk mengelola penetapan
normalisasi disajikan pada Tabel 3. ketidakpastian. Standardisasi dan fungsi fuzzy
Pada evaluasi multikriteria, parameter- didasarkan pada karakteristik pengaruh variabel
parameter yang digunakan dalam rangka tersebut terhadap alih fungsi lahan sawah. Secara
185
Majalah Globe Volume 16 No. 2 Desember 2014: 181-190
umum, variabel terbagi atas dua jenis yaitu variabel sedikit lahan S1, sehingga sebagian besar
jarak dan variabel kategorikal. Untuk variabel jarak, perkembangan wilayah dan alih fungsi berada pada
penetapan fungsi fuzzy dilakukan dengan melihat kelas lahan S2. Dengan demikian, kelas lahan S2
kecenderungan jarak terhadap luasan alih fungsi menjadi pijakan perlindungan lahan sawah
yang terjadi. Sebagai contoh pada variabel jarak terhadap alih fungsi. Hasil penetapan fuzzy set dan
terhadap permukiman, alih fungsi sawah banyak fungsi variabel tersaji pada Tabel 4.
terjadi pada sawah-sawah yang berjarak hingga Hasil dari evaluasi multikriteria, selanjutnya
500 m. Variabel dengan jangkauan jarak alih fungsi diuji dengan analisis Ordered Weighted Average
sawah terbesar adalah perumahan, industri, dan (OWA). Metode OWA adalah teknik untuk
jalan berturut-turut 4.500 m, 2.800 m, dan 1.500 m. memberikan peringkat pada kriteria dan mengelola
Pada variabel kategorikal, penetapan nilai interaksi ketidakpastian (uncertainty). Metode OWA
standardisasi antara 0-255 dilakukan atas akan menghasilkan skenario skala continues antara
pertimbangan luasan sawah yang terkonversi di irisan (risk adverse) dengan union (risk taking)
tiap-tiap kelas pada masing-masing variabel. secara detail dapat dilihat pada Gorsevski et al.
Standardisasi dilakukan juga dengan menggunakan (2012). Metode OWA memberikan beragam pilihan
asumsi bahwa semua nilai terbaik di masing- di antara dua sisi ekstrim yakni hanya berfokus
masing variabel diberikan skor 255. Pada variabel untuk melindungi sawah-sawah terbaik saja dan
kesesuaian lahan untuk tanaman padi sawah, alih melindungi hampir semua sawah yang ada. OWA
fungsi paling banyak terjadi pada sawah dengan merupakan bagian dari MCE dalam Idrisi, yang
kelas kesesuaian lahan S2 yang mencapai 65,77 mampu memberikan gambaran seberapa besar
ha (63,6%) dari 103,36 ha alih fungsi sawah. resiko dari skenario kebijakan yang diambil apakah
Dengan demikian, kelas kesesuaian S2 diberikan standar, protektif, atau permisif. Metode OWA
nilai 250, sedikit di bawah kelas S1. Hal ini terjadi merupakan metode efektif untuk menyesuaikan
karena wilayah Kabupaten Sukabumi memiliki trade-off dan kompensasi antar-kriteria.
Tabel 4.--Fuzzy set dan fungsi variabel dengan titik kontrol untuk penetapan lahan sawah
berkelanjutan.
Standarisasi/Fungsi
Tujuan keberlanjutan Variabel Titik kontrol a Titik kontrol b
fuzzy
Faktor fisik Kesesuaian lahan
S1 255
S2 250
S3 150
N1 36
N2 74
Faktor ekonomi Jarak permukiman 0m 500 m Sigmoidal increasing
Jarak perumahan 0m 4500 m Sigmoidal increasing
Jarak industri 0m 2800 m J-shaped increasing
Jarak jalan 0m 1500 m Sigmoidal increasing
Jenis irigasi sawah
Setengah teknis 255
Sederhana 225
Tadah hujan 100
Kisaran harga sawah
> 50 m 255
< 50 m 100
Intensitas panen
2x padi/th 255
1x padi/th 100
Produktivitas panen
>4.5 ton/ha 255
<4.5 ton/ha 100
Faktor sosial Gambaran umum
penguasaan tanah
Tanah hak UUPA 1
HGU,HGB, Ijin lokasi, 0 (konstrain)
Kawasan hutan 0 (konstrain)
Faktor kelembagaan RTRW = Lahan basah 255
186
Pemodelan Penetapan Lahan Sawah Berkelanjutan ................................................................................................................ (Santosa dkk.)
Kelebihan OWA lainnya adalah kemampuan prediksi model. Hasil prediksi sawah tahun 2014
mengintegrasikan dataset heterogen seperti dapat dilihat pada Gambar 4a, dimana terlihat jelas
kualitatif maupun kuantitatif kriteria menggunakan bahwa ancaman alih fungsi sawah berdasarkan
expert knowledge, fleksibilitas untuk memilih kriteria persamaan regresi logistik terbesar berada di
tertentu untuk wilayah studi berbeda atau masalah sepanjang jalan utama dari arah Bogor hingga Kota
yang berbeda, fleksibilitas untuk mengubah tingkat Sukabumi. Wilayah ini merupakan jalur
kepentingan kriteria, dan kebebasan untuk pertumbuhan ekonomi, jalur pariwisata, kawasan
mengembangkan berbagai model skenario untuk industri, dan pertumbuhan permukiman. Kolom Set
tingkat resiko (Gorsevski et al., 2012). 8 pada Tabel 6 dapat disusun ulang menjadi
Pada penelitian ini, skenario yang dipilih Persamaan 5.
didasarkan pada tujuan perlindungan lahan sawah
p’ = 4,916 - 0,289X1 - 0,462X2 + 0,306X3 -
yaitu standar, protektif, dan permisif. Urutan bobot
1,023X4 - 0,301X5 - 0,415X6 - 0,317X7 ... (5)
yang diberikan pada masing-masing kelas
kesesuaian perlindungan tersaji pada Tabel 5. Persamaan tersebut menjelaskan seberapa
besar peran variabel terhadap alih fungsi lahan
Tabel-5.-Urutan bobot OWA pada skenario sawah baik yang bersifat positif maupun negatif.
Permisif dan Protektif. Variabel yang paling lemah mempengaruhi alih
Urutan Kebijakan fungsi sawah adalah penetapan kawasan lahan
Bobot Standar Protektif Permisif basah di RTRW dan jarak permukiman. Pengaruh
Weight 1 0,1111 0,0430 0,1 RTRW kecil dikarenakan oleh kecilnya alih fungsi
Weight 2 0,1111 0,0478 0,09 dan penetapan lahan basah yang luas. Sedangkan
Weight 3 0,1111 0,0531 0,081 faktor yang paling berpengaruh dalam alih fungsi
Weight 4 0,1111 0,0590 0,0729 sawah adalah faktor penguasaan lahan disusul
Weight 5 0,1111 0,0656 0,0656 oleh faktor jarak terhadap jalan. Hal ini
Weight 6 0,1111 0,0729 0,0590 menunjukkan bahwa penguasaan lahan semakin
Weight 7 0,1111 0,081 0,0531
kuat maka kemungkinan alih fungsi sawah semakin
besar. Sedangkan besarnya alih fungsi sawah yang
Weight 8 0,1111 0,09 0,0478
berdekatan dengan jalan utama menunjukkan
Weight 9 0,1111 0,1 0,0430
bahwa pertumbuhan ekonomi masih mendasar dan
berfokus di sekitar jalan utama.
HASIL DAN PEMBAHASAN Gambar 4 menunjukkan hasil prediksi dan
residual dari persamaan regresi logistik
Faktor Penentu Alih Fungsi Sawah Persamaan 5. Prediksi terjadinya alih fungsi sawah
terlihat dengan warna yang semakin merah dengan
Setelah melalui uji regresi logistik dari nilai mendekati 1. Alih fungsi diprediksi akan
berbagai kombinasi jumlah dan jenis variabel banyak terjadi di wilayah tengah memanjang ke
tersebut, selanjutnya diperoleh persamaan yang utara-selatan Kabupaten Sukabumi. Wilayah utara
paling baik. Tabel 6 menunjukkan bahwa merupakan kawasan industri yang berbatasan
persamaan yang paling baik adalah persamaan langsung dengan Kabupaten Bogor dan terhubung
pada kolom kombinasi Set 8 yang ditandai dengan via jalan tol ke Ibukota Jakarta. Ancaman alih
nilai pseudo R-square paling tinggi mendekati nilai fungsi sawah juga berada di sekitar Kota Sukabumi
standar minimal yakni 0,2. Kombinasi pada kolom ke arah barat maupun arah timur-utara.
Set 1 hingga Set 7 adalah kombinasi yang memiliki Gambar 4b menunjukkan bagaimana hasil
nilai paling baik setingkat di bawah kolom Set 8 prediksi tersebut dibandingkan dengan data sawah
yang dapat ditampilkan. Dari hasil analisis regresi tahun 2014. Warna merah mendekati nilai -1
logistik juga diperoleh sawah prediksi tahun 2009. menunjukkan bahwa wilayah-wilayah tersebut tidak
Dengan menggunakan metode ROC, mengalami alih fungsi di luar prediksi. Hal ini
diperoleh hasil validasi hasil prediksi sebesar membuktikan bahwa akselerasi alih fungsi sawah di
0,928. Hasil ROC memberikan hasil optimal hasil Kabupaten Sukabumi berjalan lambat.
187
Majalah Globe Volume 16 No. 2 Desember 2014: 181-190
0 0,36 -0,36 1
(a) (b)
Gambar 4.---Prediksi (a) dan residu (b) sawah tahun 2009 hasil regresi logistik, warna
menunjukkan nilai piksel.
188
Pemodelan Penetapan Lahan Sawah Berkelanjutan ................................................................................................................ (Santosa dkk.)
Tabel 7.---Luas masing-masing kelas perlindungan lapangan. Tidak lupa juga, terima kasih kepada
pada berbagai skenario. keluarga besar BPN-RI yang telah memberikan
Kelas Kisaran Luas setiap kebijakan (ha) kesempatan dan bantuan sehingga penelitian dapat
Nilai Standar Protektif Permisif berjalan dengan baik.
1 201-255 23571,94 31782,63 10945,88
2 151-200 23569,63 17259,19 30409,44 DAFTAR PUSTAKA
3 101-150 2366,69 473,88 8063,75
4 51-100 12,81 6,06 101,44 Akinci, H., Ozalp, A.Y. & Turgut, B. (2013). Agricultural
5 < 51 0,69 - 1,25 land use suitability analysis using GIS and AHP
Jumlah 49521,75 49521,75 49521,75 technique. Computers and Electronics in
Agriculture, 97,71–82.
Dengan metode-metode tersebut, sawah- Arekhi, S. (2011). Modeling Spatial Pattern of
sawah terbaik tetap terlindungi dengan luasan yang Deforestation Using GIS and Logistic Regression: A
berbeda-beda. Apabila dilihat dari wilayah sawah Case Study of Northern Ilam Forests, Ilam Province,
yang menjadi prioritas perlindungan, maka sawah- Iran. African Journal of Biotechnology, 10(72),
sawah tersebut berada tidak jauh dari tengah 16236-16249.
Arsanjani, J.J., Helbich, M., Kainz, W. & Boloorani, A.D.
memanjang utara-selatan dan sekitar Kota (2013). Integration of logistic regression, Markov
Sukabumi. Wilayah-wilayah ini dapat dikatakan chain and cellular automata models to simulate
sebagai penyangga/buffer bagi keberadaan sawah urban expansion. International Journal of Applied
di belakangnya, baik di sebelah utara maupun Earth Observation and Geoinformation, 21, 265–
selatan. 275.
Bottero, M., Comino, E., Duriavig, M., Ferretti, V. &
KESIMPULAN Pomarico, S. (2013). The application of a
Multicriteria Spatial Decision Support System
Penelitian ini telah menyajikan model (MCSDSS) for the assessment of biodiversity
conservation in the Province of Varese (Italy). Land
penetapan lahan sawah berkelanjutan yang Use Policy, 30, 730-738.
dibangun menggunakan regresi logistik dan BPN. (2007). ATLAS Neraca Penatagunaan Tanah
evaluasi multikriteria dengan memperhatikan Nasional. Badan Pertanahan Nasional. Jakarta.
karakteristik alih fungsi sawah lokal dan konsep BPS. (2012). Jawa Barat Dalam Angka 2012. Badan
pembangunan berkelanjutan. Regresi logistik Pusat Statistik. Bandung.
mampu mengungkap variabel-variabel kunci dalam BPS. (2013). Sensus Pertanian 2013. Momentum Menuju
alih fungsi sawah di suatu wilayah dengan cepat. Swasembada Pangan Demi Masa Depan Petani
Variabel penentu alih fungsi sawah di Kabupaten dan Masyarakat yang Lebih Baik. Diakses dari
http://sulteng.bps.go.id/index.php/berita-
Sukabumi di antaranya jarak dari jalan,
artikel/artikel/ 543-ab.html [21 Februari 2014].
permukiman, dan industri. Dewi, I.A. (2010). Analisis Efektifitas Tata Ruang sebagai
Melalui evaluasi multikriteria dapat diperoleh Instrumen Pengendali Perubahan Penggunaan
sawah-sawah prioritas yang harus dilindungi dan Lahan Sawah menjadi Penggunaan Lahan Non
sekaligus menjadi penyangga bagi sawah-sawah di Pertanian di Kabupaten Bekasi. Tesis. Program
belakangnya. Kebijakan perlindungan lahan sawah Pascasarjana Institut Pertanian Bogor. Bogor.
berkelanjutan selanjutnya dapat diterapkan melalui Direktorat Jenderal Pengelolaan Lahan dan Air. (2008).
tiga skenario kebijakan, yaitu standar, protektif, dan Perlindungan Lahan Pertanian Pangan
permisif. Hal ini sekaligus memudahkan bagi Berkelanjutan. Rapat Koordinasi Penataan Ruang
Pusat dan Daerah. 23-25 Juli 2008. Gorontalo.
pemerintah untuk memberikan subsidi secara tepat
Direktorat Jenderal Prasarana dan Sarana Pertanian.
dan efisien serta tetap membuka peluang investasi (2012). Kebijakan pengendalian alih fungsi lahan
pembangunan wilayah. sawah melalui Implementasi UU No. 41 tahun 2009
Model yang dibangun dalam penelitian ini & 4 Peraturan pemerintah turunannya. Seminar:
melibatkan data spasial dan temporal yang mudah Koordinasi Kebijakan Pengelolaan dan Penyediaan
diperoleh untuk wilayah lain. Semakin lengkap dan Lahan dan Air. 11 Oktober 2012. Bogor.
akurat data pendukung, maka akan diperoleh hasil Galudra, G., Sirait, M., Ramdhaniaty, N., Soenarto, F.
yang lebih optimal. Model disusun oleh tahapan- dan Nurzaman, B. (2005). Sejarah Kebijakan Tata
tahapan yang jelas sehingga sangat Ruang dan Penetapan Kawasan Taman Nasional
Gunung Halimun-Salak. Jurnal Manajemen Hutan
memungkinkan untuk diujicobakan pada wilayah
Tropika, 11(1), 1-13.
lain dengan karakteristik berbeda. Gorsevski, P.V., Donevska, K.R., Mitrovski, C.D. and
Frizado, J.P. (2012). Integrating multi-criteria
UCAPAN TERIMA KASIH evaluation techniques with geographic information
systems for landfill site selection: A case study
Ucapan terima kasih disampaikan kepada using ordered weighted average. Waste
Pemerintah Kabupaten Sukabumi yang telah Management, 32, 287–296.
memberikan bantuan baik data maupun selama Guo, Y.H. (2012). Using Remote Sensing and GIS to
survei lapangan. Juga diucapkan terima kasih Monitor and Predict Urban Growth—Case Study in
Alachua County, Florida. Disertassion. Graduate
kepada seluruh Pengelola Program Studi Ilmu
School of the University of Florida. Florida, United
Tanah IPB yang telah memberikan bimbingannya State of America.
selama di laboratorium maupun pada waktu survei
189
Majalah Globe Volume 16 No. 2 Desember 2014: 181-190
Hardjowigeno, S. & Widiatmaka. (2007). Evaluasi National Park and Indigenous Territory (TIPNIS),
Kesesuaian Lahan dan Perencanaan Tataguna Bolivia. Thesis. International Institute for Geo-
Lahan. Gadjah Mada University Press. Yogyakarta. informatuon Science and Earth Observation.
Hu, Z. & Lo, C.P. (2007). Modeling urban growth in Enschede, the Netherlands.
Atlanta using logistic regression. Computers, Widiatmaka, Ambarwulan, W. & Munibah, K. (2013).
Environment and Urban Systems, 31, 667–688. Landuse Change During A Decade as Determined
Isa, I. (2007). Konversi Tanah Sawah dan Ketahanan By Landsat Imagery of A Rice Production Region
Pangan. J. Agrimedia, 12(2), 15-20. and Its Implication to Regional Contribution to Rice
Irawan, B. & Friyatno, S. (2002). Dampak Konversi Lahan Self Sufficiency: Case Study of Karawang Regency,
Sawah di Jawa Terhadap Produksi Beras dan West Java, Indonesia. In: Pramono, G.H., Ramdani,
Kebijakan Pengendaliannya. Soca (Socio-Economic D., Barus, B., Ariansyah, R.M. (2013). Bridging
of Agriculture and Agribusiness), 2(12), 1-33. Sustainable Asia. Proceeding of 34th. Asian
Kumar, R., Nandy, S., Agarwal, R. & Kushwaha, S.P.S. Conference on Remote Sensing. 20-24 Oct 2013,
(2014). Forest cover dynamics analysis and Bali.
prediction modeling using logistic regression model. Widiatmaka, Ambarwulan, W., Tambunan, R.P.,
Ecological Indicators, 45, 444–455. Nugroho, Y.A., Suprajaka, Nurwadjedi, & Santoso,
Rustiadi, E. & Wafda, R. (2008). Urgensi Pengembangan P.B.K. (2014). Land use planning of paddy field
Lahan Pertanian Pangan Abadi dalam Perspektif using geographic information system and land
Ketahanan Pangan, dalam Arsyad Sinatala, evaluation in West Lombok, Indonesia. Indonesian
Rustiadi Ernan. Penyelamatan Tanah Air dan Journal of Geography, 45 (1), 79 – 88.
Lingkungan. Crestpen Press dan Yayasan Obor Widiatmaka, Ambarwulan, W., Riadi, B., Nahib, I.,
Indonesia. Jakarta. Budhiman, S. & Halim, A. (2014). Spatial Multi
Shiddiq, D. (2011). Analisis Multikriteria Spasial dalam Criteria Land Evaluation and Remote Sensing for
Penentuan Ketersediaan Lahan Sawah di Area Delineation of Shrimp Pond Culture
Kabupaten Cianjur. Tesis. Sekolah Pascasarjana Revitalization in Mahakam Delta, Indonesia.
Institut Pertanian Bogor. Bogor. Proceeding of 12th Biennial Conference of Pan
Siles, N.J.S. (2009). Spatial Modelling and Predicton of Ocean Remote Sensing Conference (PORSEC
Tropical Forest Conversion in the Isiboro Secure 2014), 04- 07 November 2014, Bali.
190