LAPORAN PRAKTIKUM ANALISIS GEOSPASIAL

Minggu ke-11

Topik: Geosimulation Cellular Automata

Disusun oleh:
Fina Alfi Khasanah
19/446546/TK/49651
Kelas A

PROGRAM STUDI SARJANA TEKNIK GEODESI

DEPARTEMEN TEKNIK GEODESI
FAKULTAS TEKNIK
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2023
A. Tujuan
Mahasiswa mampu memahami cara melakukan Geosimulation dengan menggunakan
metode Cellular Automata Simulation
B. Landasan Teori
Cellular Automata (CA) adalah sistem dinamika diskrit dimana ruang dibagi kedalam
bentuk spasial sel teratur dan waktu berproses pada setiap tahapan yang berbeda. Setiap sel
pada sistem ini memiliki satu kondisi, dimana kondisi ini akan selalu diupdate mengikuti
aturan lokal, waktu yang diberikan, keadaanya sendiri, dan keadaan tetangganya pada saat
sebelumnya (Wolfram, 1984)
Menurut Liu (2009) cellular automata terdiri dari 5 unsur, yaitu:
1. Sel (Cell), merupakan unit dasar spasial dalam ruang seluler. Sel tersebut diatur
dalam spatial tessellation, yaitu sebuah grid dua dimensi dari sel merupakan
bentuk yang paling umum dari celullar automata yang digunakan dalam
permodelan pertumbuhan perkotaan dan alih fungsi lahan .
2. Kondisi (State), adalah mendefinisikan atribut dari suatu sistem. Setiap sel hanya
dapat mengambil satu kondisi dari serangkaian kondisi pada waktu tertentu.
Dalam studi ini, kondisi mewakili jenis penggunaan lahan.
3. Ketetanggaan (neighborhood), yang merupakan serangkaian sel yang saling
berinteraksi. Dalam ruang dua dimensi terdapat dua tipe dasar lingkungan, yakni
lingkungan Von Neumann (empat sel, meliputi Utara, Selatan, Timur dan Barat),
dan ketetanggaan Moore (delapan sel). Pada penelitian ini akan digunakan filter
3x3.
4. Aturan transisi (Transition Rules), adalah mendefinisikan bagaimana respon
perubahan suatu sel dalam menanggapi kondisi saat ini dan kondisi tetangganya.
5. Waktu (time-step), adalah suatu variabel yang menentukan dimensi wsktu yang
digunakan selama proses perhitungan dan kalkulasi yang didasarkan pada proses
celullar automata. Waktu disini dapat juga didefinisikan sebagai periode iterasi.
D. Alat dan Bahan
a. Komputer atau laptop
b. Perangkat lunak berbasis GIS
c. Bahan praktikum minggu kesebelas
E. Langkah Pengerjaan
1. Mempesiapkan alat dan bahan: ii. Mengunduh shapefile fitur yang ada sesuai dengan
lokasi asal daerah pada laman https://portal.ina-sdi.or.id/downloadaoi/ atau
https://tanahair.indonesia.go.id/portalweb/download/perwilayah berupa: Batas
administrasi kabupaten/kota, Jaringan jalan, Persebaran bangunan. iii. Mengunduh
raster LULC pada tahun 2017, 2019, dan 2021 pada laman
https://www.arcgis.com/apps/instant/media/index.html?app
id=fc92d38533d440078f17678ebc20e8e2, kemudian mengklik area yang akan
diunduh beserta tahunnya
 iv. Mengunduh dan menginstal perangkat lunak QGIS versi 2.18.4 pada laman
https://download.qgis.org/downloads/?C=M;O=A.

2. Preprocessing data pada ArcMap

a. Menghitung jarak dari data pendukung yaitu shp bangunan dan jalandengan
mengklik ArcToolbox → Spatial Analyst Tools → Distance → Euclidean Distance
→ memilih layer data pendukung, kemudian mengatur sistem proyeksi hasil keluaran
sesuai dengan sistem proyeksi raster 8 LULC dengan mengklik Environment →
Output Coordinate → OK. Dimana Extent adalah same as layer dengan layer LULC
sesuai tahun.

b. Clip hasil Euclidean Distances dari setiap data pendukung yaitu jalan dan bangunan
terhadap raster LULC dengan batas administrasi daerah rumah masing masing yaitu
sleman dengan toolbox Extracy by Mask.
 c. Seletah itu, ubah ukuran masing masing raster menjadi 20 x 20 piksel yaitu saat
export data.

3. Melakukan simulasi dengan metode celular automata menggunakan plugin Molusce.

a. Memasukkan data raster LULC yang telah direklasifikasi dan dilakukan pengecekan
pada QGIS versi 2.18.4 pada Browser Panel.
b. Memasukkan data raster hasil euclidean titik bangunan dan jaringan jalan pada QGIS
versi 2.18.4 pada Browser Panel.
c. Melakukan pengecekan geometri dengan cara Raster → Molusce → Molusce, kemudian
pada tab Inputs memasukkan LULC 2017 sebagai Initial, LULC 2019 sebagai Final,
serta hasil euclidean dari titik bangunan dan jaringan jalan sebagai Spatial Variables
dengan mengklik Add. Lalu melakukan pengecekan dengan mengklik Check geometry.

d. Mengklik tab Evaluating correlation → Check, kemudian memastikan nilai korelasi

raster kurang dari 0,7
 e. Mengklik tab Area Changes → Update Tables, kemudian menyimpan raster perubahan
dengan mengklik Create changes map

f. Mengklik tab Transition Potential Modelling, kemudian mengatur jumlah iterasi

maksimum, lalu mengklik Train neural network.

g. Mengklik tab Cellular Automata, kemudian menentukan lokasi penyimpanan hasil

simulasi dengan mengklik Browse pada Simulation result, menentukan jumlah iterasi
sesuai rentang waktu yang akan diperoleh, lalu mengklik Start.
B. Melakukan validasi hasil simulasi untuk tahun 2021 dengan raster LULC tahun 2021 dengan
mengklik tab Validation → menentukan raster referensi dan simulasi → Start validation →
Calculate Kappa.
F. Hasil dan Pembahasan
Geosimulasi berupa menggunakan metode Cellular Automata dengan raster land use &
land cover (LULC) untuk dapat mengetahui bagaimana perubahan penggunaan lahan dan
tutupan lahan yang terjadi pada suatu daerah. Analisis ini dilakukan pada data raster yang
berada pada daerah Kabupaten Sleman. Tutupan lahan yang ada pada raster LULC terdiri
dari perairan, hutan, rumput, vegetasi tergenang, tanaman panen, semak belukar, area
pembangunan, lahan kosong, salju, dan awan
Adapun hasil simulasi dengan Cellular Automata untuk prediksi lahan adalah sebagai
berikut :
Untuk prediksi tahun 2021
Dengan menambahkan iterasi pada proses cellular automata pada tab Cellular Automatan
simulation menambahkan setiap iterasi maka akan dihasilkan prediksi di dua tahun
berikut nya, berikut prediksi tahun 2023 :

Sedangkan prediksi untuk tahun 2024 adalah sebagai berikut :

 Hasil simulasi untuk perubahan tutupan lahan ini dapat mempertimbangkan variabel
spasial, di mana variabel ini menjadi faktor pendorong atau variabel yang mempengaruhi
adanya perubahan tutupan lahan. Pada praktikum ini digunakan data jaringan jalan dan titik
bangunan sebagai variabel spasial dengan melibatkan kedekatannya terhadap tutupan lahan
yang mengalami perubahan. Untuk membantu proses cellular automata diperlukan data
pendukung yaitu vector bangunan dan jalan sehingga dilihat korelasinya terhadap pengaruh
tutupan lahan.
Proses training yang dilakukan untuk mensimulasikan LULC di Kabupaten Sleman ini
dapat digunakan untuk memprediksi tutupan lahan pada waktu mendatang yaitu didapatkan
dengan melakkan iterasi setiap training data.

G. Kesimpulan
Cellular Automata (CA) adalah sistem dinamika diskrit dimana ruang dibagi kedalam bentuk
spasial sel teratur dan waktu berproses pada setiap tahapan yang berbeda. Setiap sel pada
sistem ini memiliki satu kondisi, dimana kondisi ini akan selalu diupdate mengikuti aturan
lokal, waktu yang diberikan, keadaanya sendiri, dan keadaan tetangganya pada saat
sebelumnya. Pada praktikum minggu ini, hasil simulasi untuk perubahan tutupan lahan ini
dapat mempertimbangkan variabel spasial, di mana variabel ini menjadi faktor pendorong
atau variabel yang mempengaruhi adanya perubahan tutupan lahan. Pada praktikum ini
digunakan data jaringan jalan dan titik bangunan sebagai variabel spasial dengan melibatkan
kedekatannya terhadap tutupan lahan yang mengalami perubahan.

H. Daftar Pustaka
Institut Teknologi Sepuluh Nopember. (2017). Geosimulation: Pemodelan dan
Simulasi Spasial untuk berbasis Prediksi Perkembangan Wilayah dan Perubahan Lahan
berbasis Sistem Informasi Geografis dan Cellular Automata. LanduseSim. Diakses dari
http://www.landusesim.com/wp content/uploads/2017/08/1.-Pengantar-Cellular-Automat