Nama : Nur ‘aini Lathifah Rivai

NIM : 2104335
Kelas : Sains Informasi Geografi 3B

Intisari Jurnal Topik Proses, Analisis, dan Contoh Pemodelan Spasial

Artikel 1
“PEMODELAN SPASIAL PROBABILISTIK INTEGRASI MARKOV CHAIN DAN
CELLULAR AUTOMATA UNTUK KAJIAN PERUBAHAN PENGGUNAAN LAHAN
SKALA REGIONAL DI PROVINSI DAERAH ISTIMEWA YOGYAKARTA”
Intisari :

Artikel ini membahas mengenai perubahan penggunaan lahan, yang mana perubahan
penggunaan lahan sendiri merupakan fenomena dinamis yang berubah menurut ruang dan waktu
dan merupakan fenomena yang kompleks. Pemicu terjadinya perubahan sangat beragam demikian
pula dampak yang ditimbulkannya Perubahan penggunaan lahan banyak dikaji karena berkaitan
dengan berbagai isu global. Pemanasan, berkurangnya biodiversitas dan dampak terhadap
kehidupan manusia merupakan isu global yang memiliki keterkaitan dengan perubahan
penggunaan lahan.

Metode pemodelan spasial yang digunakan adalah Cellular automata (CA) dan Markv
Chain. Cellular automata (CA) merupakan model yang bersifat dinamis yang mengintegrasikan
dimensi ruang dan waktu, model CA banyak diadopsi dan diaplikasikan dalam bidang ilmu
kebumian, salah satunya adalah untuk kajian perubahan penggunaan lahan. Sedangkan Markov
Chain adalah konsep yang dikenalkan oleh ahli matematika Rusia Anderi A Markov. Chain, dalam
konsep Markov, pada hakekatnya merupakan model matematis yang didisain untuk menjelaskan
suatu proses yang berlangsung secara bertahap (move in sequence). Menurut teori Markov,
probabilitas terjadinya suatu peristiwa ditentukan oleh peristiwa yang secara langsung
mendahuluinya dan dapat digunakan untuk memprediksikan peristiwa berikutnya.

Dalam artikel ini mengambil wilayah Provinsi Daerah Istimewa Yogyakarta (DIY) sebagai
kajian wilayah penelitiannya. DIY merupakan provinsi yang dipandang memiliki faktor-faktor
yang potensial mendorong terjadinya dinamika perubahan penggunaan lahan, salah satunya adalah
lahan pertaniannya mengalami perubahan yang cukup signifikan. Dan dari artikel penelitian ini
menunjukkan perubahan penggunaan lahan yang terjadi selama periode 1996 – 2000 adalah seluas
1.720,2 ha. Kategori perubahan yang paling luas adalah perubahan dari sawah menjadi lahan
terbangun yaitu 1.526,1 ha. Integrasi Markov chain dan Cellular Automata dapat digunakan untuk
menyusun prediksi secara keruangan, perubahan penggunaan lahan tahun 2000 – 2006 di daerah
penelitian. Prediksi keruangan hasil integrasi Markov chain dan Cellular Automata bersifat
eksplisit sehingga dapat digunakan untuk membuat peta prediksi perubahan penggunaan lahan.
Artikel 2
“GIS-based spatial modeling of COVID-19 incidence rate in the continental United States”
Intisari :

Artikel ini membahas mengenai wabah COVID-19 yang menyebar di hamper seluruh
dunia, salah satunya di Amerika Serikat. Selama 90 hari pertama wabah COVID-19 di Amerika
Serikat, lebih dari 675.000 kasus penyakit yang dikonfirmasi telah dilaporkan, menimbulkan
beban sosial ekonomi yang belum pernah terjadi sebelumnya di negara tersebut.
Metode pemodelan spasial yang digunakan dalam penelitian ini adalah Geographically
Weighted Regression (GWR) dan Mixed Geographically Weighted Regression (MGWR).
Geographically Weighted Regression (GWR) adalah salah satu metode statistika yang dapat
digunakan untuk menganalisis faktor risiko secara spasial dengan pendekatan titik. Sedangkan
Mixed Geographically Weighted Regression (MGWR) merupakan model kombinasi atau
gabungan antara regresi global dengan GWR yang mempertimbangkan situasi dimana beberapa
variabel independen yang mempengaruhi variabel dependen bersifat global dan variabel
independen yang lainnya bersifat lokal. Pada model MGWR beberapa koefisien pada model GWR
diasumsikan konstan untuk seluruh titik pengamatan, sedangkan yang lain bervariasi sesuai lokasi
pengamatan data.
Hasil dari penelitian ini menyarankan bahwa meskipun menggabungkan autokorelasi
spasial dapat secara signifikan meningkatkan kinerja dari model kuadrat terkecil biasa global,
model ini masih menunjukkan kinerja yang sangat buruk dibandingkan kepada model lokal. Selain
itu, MGWR dapat menjelaskan variasi tertinggi (adj. R2 : 68,1%) dengan AICc terendah
dibandingkan dengan yang lain. Memetakan pengaruh variabel penjelas yang signifikan (yaitu,
ketimpangan pendapatan, median pendapatan rumah tangga, proporsi perempuan kulit hitam, dan
proporsi praktisi perawat) pada variabilitas spasial tingkat kejadian COVID-19 menggunakan
MGWR dapat memberikan wawasan yang berguna bagi pembuat kebijakan untuk intervensi yang
ditargetkan.
Artikel 3 :
“Pemodelan Spasial Erosi Kualitatif Berbasis Raster (Studi Kasus di DAS Serang, Kabupaten
Kulonprogo)”
Intisari :

Artikel ini membahas mengenai erosi, yang mana erosi memiliki pengertian sebagai proses
terlepasnya butiran atau bagian-bagian tanah dari suatu tempat ketempat lain karena terangkut oleh
air atau angin (Arsyad, 2010). Lalu pendekatan yang digunakan dalam artikel penelitian ini adalah
integrasi peginderaan jauh dan sistem informasi geografis berbasis raster. Validasi model
dilakukan dengan melihat faktor topografi dan indikator erosi kualitatif di lapangan yaitu armour
layer, singkapan akar, pedestal, erosi alur dan gully.

Dalam artikel ini mengambil wilayah kajian DAS Serang sebagai kajian wilayah
penelitiannya karena daerah tersebut termasuk salah satu DAS yang berada dalam kondisi kritis
yang dapat memicu terjadinya degradasi lahan, erosi dan longsor.
Hasil penelitian menunjukan model yang dihasilkan sangat efektif sebagai solusi cepat
prediksi erosi. Berdasarkan hasil analisis tingkat erosi sangat berat (35,44%) tersebar di sebagian
besar kecamatan Kokap, Girimulyo dan sebagian Pengasih. Hasil pengamatan indikator di
lapangan menunjukan DAS Serang termasuk area yang rentan terhadap erosi. Model kualitatif
yang dihasilkan dapat digunakan sebagai metode alternatif yang lebih efektif dan efisien untuk
prediksi erosi.