MERVIEW JURNAL

PEMODELAN SPASIAL PERKEMBANGAN FISIK PERKOTAAN

YOGYAKARTA MENGGUNAKAN MODEL CELLULAR AUTOMATA
DAN REGRESI LOGISTIK BINER

Disusun Oleh :

LEDIS FEBRIYANTI AMU 1725018

MUHAMMAD ZHORIF NASRI 1725038
NICOLAS ALNANDO 1725049
ANDRA IVANDANA 1725059
VIKANISA RAHMADANY 1725067
KEVINSANO TENIWUT 1725079
ANGELINA S. D. SANTOS 1725081

TEKNIK GEODESI
FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
INSTITUT TEKNOLOGI NASIONAL
MALANG
2020
Judul : Pemodelan Spasial Perkembangan Fisik Perkotaan Yogyakarta
Menggunakan Model Cellular Automata Dan Regresi Logistik
Biner

Volume : Volume 17 No. 2

Halaman : 165-172

Tahun : 2015

Penulis : Muhammad Sufwandika Wijaya dan Nuril Umam

Reviwer : LEDIS FEBRIYANTI AMU 1725018

MUHAMMAD ZHORIF NASRI 1725038
NICOLAS ALNANDO 1725049
ANDRA IPANDANA 1725059
VIKANISA RAHMADANY 1725067
KEVINSANO TENIWUT 1725079
ANGELINA S. D. SANTOS 1725081

1.1 Latar belakang

Pemodelan spasial perkembangan fisik di perkotaan di daerah
Yogyakarta harus dilakukan analisis perubahan perkembangan fisik agar
proses ekspansi terarah karena melihat Yogyakarta merupakan salah satu kota
di Indonesia yang memiliki keunikan dari segi historikal dan budaya.
Keunikan tersebut mengakibatkan Kota Yogyakarta memiliki daya tarik
tersendiri untuk digunakan sebagai tempat tinggal, investasi usaha, dan
pengembangan fasilitas publik. Daya tarik tersebut mengakibatkan ekspansi
lahan terbangun yang sangat pesat di Kota Yogyakarta. Banyak lahan
pertanian di pinggiran kota Yogyakarta yang berubah menjadi permukiman,
toko, ataupun bangunan lainnya.
Berdasarkan pentingnya kontrol akan fenomena ekspansi lahan
terbangun, maka diperlukan suatu kajian secara spasial mengenai monitoring
hingga prediksi mengenai fenomena tersebut. Salah satu model yang dapat
diterapkan untuk mengkaji fenomena ekspansi lahan terbangun adalah model
Cellular Automata (CA) dan Regresi Logistik Biner. Karena menurut Yunus
(2005) tinjauan kota berdasarkan morfologinya lebih ditekankan pada
kenampakan fisiknya yaitu secara morfologikal sebagai suatu daerah tertentu
 dengan karakteristik tata guna lahan non-agraris, tata guna lahan dimana
tutupan lahan terbangun lebih besar daripada tutupan vegetasi, pola jaringan
jalan yang kompleks dalam sistem permukiman yang kompak dan relatif jauh
lebih besar daripada kesatuan permukiman yang berada di daerah sekitarnya
untuk itu diperlukan permodelan spasial agar dalam proses ekspansi dapat
terarah, tidak mengganggu kenyamanan di suatu daerah dan pembangunan
dapat terkontrol dan tidak hilangnya lahan-lahan yang memiliki fungsi
ekologis.

1.2 Tujuan Penelitian

Untuk menganalis perkembangan fisik Kota Yogyakarta dan
memprediksi perkembangan fisik Kota Yogyakarta dari tahun 2003-2013 dan
memprediksi perkembangan fisik kota di 10 tahun yang akan datang dengan
menggunakan model Cellular Automata dan Regresi Logistik Biner.

1.3 Metode Penelitian

Meotode yang digunakan ialah Kota dalam penelitian ini tidak diartikan
sebagai kota secara batas administratif, melainkan kota secara fisik meliputi
kota Yogyakarta secara administratif dan daerah di sekitarnya. Yaitu yaitu
faktor jarak terhadap aksesibilitas dari jalan utama dan jalan non-utama serta
jarak terhadap pusat kegiatan masyarakat. Sehingga dapat kita kita analisis
perkembangan kota Yogyakarta dari tahun 2003 -2013 dan 2013-2023.
 Ekstraksi Informasi Tutupan Lahan
Sistem klasifikasi penggunaan atau penutup lahan secara
terminologi memiliki arti standardisasi penggolongan kelas dalam suatu
penggunaan/penutup lahan yang dibagi dalam beberapa level klasifikasi.
Penelitian ini difokuskan pada identifikasi penutup lahan terbangun
untuk melihat faktor fisik perkotaan Yogyakarta. Penetapan klasifikasi
tutupan lahan menggunakan klasifikasi dari Anderson, J. R., Hardy, E.,
& Roach, J. T. (1976) level I yang dimodifikasi. Dasar modifikasi
klasifikasi tersebut adalah melihat tujuan serta karakteristik daerah
penelitian, modifikasi dilakukan dengan membagi penutup menjadi 2
 kelas, yaitu lahan terbangun dan bukan lahan terbangun, seperti
terlihat pada gambar di bawah ini.

Gambar 1. Penutupan lahan klasifikasi multispektral

(a) Tahun 2003 dan (b) Tahun 2013.
 Abstraksi Spasial Faktor Pendorong Perkembangan Lahan Terbangun
Pada perubahan tutupan lahan di daerah perkotaan seperti
Yogyakarta, faktor jarak dapat merepresentasikan tingkat aksesibilitas dan
keterjangkauan suatu lokasi. Hal tersebut mengakibatkan suatu lokasi
dengan tingkat aksesibilitas dan keterjangkauan tinggi memiliki tingkat
perkembangan lahan terbangun yang tinggi pula. Fenomena jarak ini
diabstraksikan secara spasial menggunakan analisis euclidean distance.
 Gambar 2. Ilustrasi perhitungan euclidiance distance (ESRI.com)
Analisis ini merupakan pengukuran jarak horizontal yang
diukur berbasis data raster, yaitu menghitung jarak suatu pusat piksel
melewati pusat piksel lainnya kearah objek/fenomena yang ditentukan.
Jarak tersebut ditentukan berdasarkan jarak dua titik pusat piksel
dalam bidang, dengan p1 di (x1, y1) dan p2 di (x2, y2), menggunakan
persamaan:
√ [(x1 -x2) ² + (y1 -y2) ²]............................(1)
 Regresi Logistik Biner
Regresi logistic biner digunakan untuk memodelkan probabilitas
perubahan tutupan lahan. Secara sederhana, model ini digunakan untuk
membuat suatu formula yang menghubungkan suatu kejadian perubahan
tutupan lahan terbangun menjadi lahan terbangun dengan faktor yang
diasumsikan mendorong. Dalam penelitian ini, kejadian ekspansi lahan
terbangun terhadap non-terbangun sebagai variabel dependen, sedangkan
faktor kesesuaian lahan terhadap lahan terbangun sebagai variabel
independen. Adapun hubungan antara variabel dependen dan
independen direpresentasikan dengan rumus berikut (Susilo, 2006).
Logit (ρi) = α+β1X1+β2X2+........+βKXK(2)
Dimana: ρi : probabilitas terjadinya perubahan/ekspansi.
α : konstanta persamaan regresi linier.
β1 : koefisien dari variabel prediktor 1/faktor kesesuaian
lahan.
X..K : variabel prediktor/faktor kesesuaian lahan (1,2,...K)
 Logit pi pada dasarnya merupakan natural logaritma (ln) dari odd
perubahan. Odd merupakan suatu indeks yang menyatakan peluang
terjadinya suatu peristiwa dan peluang tidak terjadinya peristiwa. Dalam
hal ini, peristiwa yang dimaksud adalah perubahan penutup lahan non-
terbangun menjadi lahan terbangun. Berdasarkan persamaan di atas,
peluang atau probabilitas dari peristiwa tersebut dapat diketahui dengan
mengunakan exponensial dari odd, yang secara matematis dapat dituliskan
sebagai berikut (Susilo, 2005)

 Cellular Automata
Cellular Automata (CA) adalah model yang awalnya dipahami
oleh Ulam dan Von Neumann pada tahun 1940 untuk membuat kerangka
kerja formal untuk menyelidiki suatu perilaku kompleks (Paramitha,
2011). Akan tetapi, dalam aplikasi SIG (Sistem Informasi Geografi), CA
diadaptasi menjadi sebuah model dinamis serta digunakan untuk simulasi
spasial (geosimulation). Pendapat lain juga menyatakan bahwa
pemodelan CA dalam SIG digunakan untuk mengetahui kedinamisan
suatu objek/fenomena, dimana kedinamisan banyak diartikan sebagai
suatu wujud perubahan (Paramitha, 2011; Liu, 2009; Deliar, 2010
dalam Wijaya, 2012).
Suatu automaton (A) diwujudkan dalam kumpulan state yang
terbatas S = (S1, S2, S3, ..., Sn) dan sekumpulan transisi (T). Dengan
demikian, A secara geometrik dipengaruhi oleh kondisi S dan T. Faktor
yang terakhir adalah N (Neighborhood), dalam fenomena spasial faktor
N ini akan menstimulus Automaton dengan membentuk relasi spasial.
 Adapun secara teoritis CA dapat direpresentasikan dalam bentuk
rumusan di bawah ini.
A = ( S. N.T )............................................(7)
Dimana:
A : automaton
S : state (kelas)
T : transition rules (aturan transisi)
N : neighborhood (ketetanggaan)

1.4 Hasil dan Pembahasan

Sistem Informasi Geografi (SIG) memiliki beberapa fungsi yaitu
pemodelan, pemetaan, pemantauan dan pengukuran (Aronoff, 1989).
Berdasarkan empat fungsi tersebut, SIG dapat digunakan untuk mengkaji
perkembangan fisik perkotaan melalui pendekatan terhadap fenomena
ekspansi lahan terbangun. Berikut ini data yang digunakan dalam penelitian
ini untuk menganalisa perkembangan fisik di Kota Yogyakarta :
a. Citra landsat 7 ETM + tahun 2003.
b. Citra landsat 8 oli tahun 2014.
c. Data digital peta rupa bumi indonesia skala 1:25.000.
Adapun yang melatar belakangi penelitian ini adalah proses ekspansi
yang terus-menerus dan tidak terarah akan mengganggu kenyamanan di suatu
daerah. Selain menghilangkan tingkat kenyamanan, ekspansi lahan terbangun
tanpa kontrol juga dapat berimbas pada hilangnya lahan-lahan yang memiliki
fungsi ekologis. Berdasarkan pentingnya kontrol akan fenomena ekspansi
lahan terbangun, maka diperlukan suatu kajian secara spasial mengenai
monitoring hingga prediksi mengenai fenomena tersebut. Hasil kajian
mengenai fenomena ekspansi lahan terbangun tersebut akan sangat berguna
sebagai salah satu acuan dalam perencanaan berkelanjutan di suatu daerah
perkotaan. Model CA (Cellular Automata) merupakan model yang bersifat
dinamis dan cocok digunakan untuk mengkaji ekspansi lahan terbangun yang
juga bersifat dinamis. Salah satu kelebihan CA adalah dapat diintegrasikan
dengan model lain baik yang berbasis visual, statistik, maupun kecerdasan
 buatan. Salah satu contoh model yang berbasis statistik adalah Regresi
Logistik Biner.
Regresi logistik biner merupakan sebuah regresi dengan variabel
dependen yang bersifat biner. Data yang bersifat biner merupakan
data/peristiwa yang memiliki 2 keputusan, sebagai contoh hitam atau putih,
gelap atau terang, baik atau buruk. Dalam kajian perubahan penutup lahan,
peristiwa yang bersifat biner adalah berubah atau tidak berubah. Regresi
logistik biner pada penelitian ini digunakan untuk mengetahui indeks
probabilitas perubahan penutup lahan dari lahan terbangun yang merupakan
indikator perkembangan fisik suatu perkotaan. Integrasi dari model CA
dengan model regresi logistik biner diharapkan mampu menghasilkan hasil
prediksi perkembangan fisik perkotaan yang mencerminkan realita/kenyataan
di lapangan. Tujuan penelitian ini adalah menganalis perkembangan fisik
Kota Yogyakarta, dan memprediksi perkembangan fisik Kota Yogyakarta
menggunakan model Cellular Automata dan Regresi Logistik Biner.
Hasil penelitian dalam menggunakan model CA dengan model regresi
logistik biner menunjukkan bahwa perkembangan lahan terbangun di Kota
Yogyakarta pada tahun 2003-2013 memiliki laju 329 ha/tahun dengan pusat
perkembangan ke arah timur laut Kota Yogyakarta, yaitu daerah sekitar
Kecamatan Gondomanan dan Kecamatan Depok. Model Cellular Automata
yang diintegrasikan dengan model Regresi Logistik Biner memprediksi Kota
Yogyakarta pada tahun 2013-2023 memiliki laju perkembangan 539 ha/tahun
dengan pusat perkembangan ke arah barat daya Kota Yogyakarta, yaitu
daerah sekitar Kecamatan Kasihan dan Mantrijeron.

1.5 Kelebihan dan Kekurangan dari Metode yang Dilakukan

A. Kelebihannya dari permodelan spasial perkembangan fisik perkotaan
Yogyakarta menggunakan model Cellular Automata dan Regresi
Logistik Biner :
1. Dengan menggunakan model Cellular Automata dan Regresi
Logistik Biner dapat memprediksi ekspansi lahan terbangun
periode tahun 2003-2013.
 2. Dapat mengetahui Sebaran probabilitas perubahan penutup lahan
Non–Terbangun menjadi Terbangun.
3. Dapat memprediksi perkembangan lahan terbangun Kota
Yogyakarta tahun 2023.
B. Kelemahan dari permodelan spasial perkembangan fisik perkotaan
Yogyakarta menggunakan model Cellular Automata dan Regresi
Logistik Biner hanya mampu memberi gambaran secara deskriptif dan
perkiraan lokasi perubahan. Perubahan luasan secara pasti tidak
mungkin tepar 100%, untuk akurasi geometrik dan akurasi tematik
mengenai hasil prediksi masih perlu dilakukan kajian secara ilmiah
yang didasarkan pada data lapangan.

1.6 Dasar Teori Pemodelan Spasial

Analisis spasial merupakan teknik yang digunakan untuk
mengeksplorasi data dari perspektif keruangan. Dalam pengolahan data SIG,
analisis spasial dapat digunakan untuk memberikan solusi-solusi atas
permasalahan keruangan. Misalnya dalam analisis kesesuaian wilayah untuk
pemanfaatan tertentu, analisis hidrologi untuk pemodelan banjir, analisis
jaringan untuk menentukan rute terbaik, analisis geometrik untuk
pemeliharaan jaringan listrik dan air, dll. Dalam memberikan solusi atas
permasalahan keruangan, analisis spasial menjadi teknik atau cara dalam
pemodelan spasial. (spasi indo map.wixsite.com)
Pemodelan spasial adalah representasi ataupun model spasial dari
data yang digunakan dan merupakan penggambaran suatu bagian muka
bumi. Menurut Suharyadi dan Danoedoro (2004), pemodelan spasial
dapat digunakan untuk menyelesaikan suatu masalah dari dunia nyata
dan memodelkannya. Pemodelan ini terdiri dari berbagai variabel yang
dipetakan secara digital dan disesuaikan sistem proyeksi maupun
koordinatnya dengan melibatkan aspek resolusi dan sistem klasifikasinya.
Adapun secara garis besar terdapat lima macam model dalam SIG yang
dapat digunakan untuk suatu pemodelan, yaitu ;
a) Model Biner,
 b) Model Indeks,
c) Model Regresi,
d) Model Proses dan,
e) Model Jaringan.
Maka salah satu sarana bantuan yang sering digunakan untuk
melakukan kegiatan dalam rangka memperoleh gambaran situasi muka
bumi atau informasi tentang ruang muka bumi yang diperlukan, yang
dapat menjawab atau menyelesaikan suatu masalah yang terdapat dalam
ruang muka bumi yang bersangkutan, diperlukanlah Sistem Informasi
Geografis (SIG). Kegiatan yang terdapat dalam SIG tersebut merupakan
rangkaian kegiatan yang meliputi mengumpulkan, menata, mengolah,
menganalisis hingga menyajikan data/fakta yang terdapat dalam ruang
muka bumi yang kemudian sering disebut sebagai data/fakta geografis
atau spasial. Melalui tulisan Harseno E dan Igor V.R.T (2007), SIG
terutama digunakan untuk memodelkan dan mempresentasikan kembali
data-data spasial beserta data atributnya ke dalam bentuk peta digital
untuk data-data.