Abstrak
Letak geografis DAS Wae Ruhu berada di Kecamatan Sirimau yang merupakan kecamatan dengan jumlah
penduduk terbesar di Kota Ambon dan juga merupakan pusat kegiatan ekonomi, pendidikan, dan industri;
Hal ini menciptakan pertumbuhan ekonomi dan penduduk yang berpotensi memicu konversi lahan di
sekitar kawasan ini. Penelitian ini bertujuan untuk menganalisis perubahan tutupan lahan di Kota Ambon
pada tahun 2012, 2017, 2022 dan memprediksi tutupan lahan pada tahun 2031. Penelitian ini menggunakan
pemodelan Cellular Automata Markov Chains untuk memprediksi perubahan tutupan lahan pada tahun 2031.
Hasil penelitian menunjukkan bahwa jenis tutupan lahan adalah terbangun dan tutupan lahan. Areal terbuka
terus bertambah luas, sedangkan areal pertanian dan nonpertanian terus mengalami pengurangan luas, dan
badan air tidak mengalami pengurangan atau pertambahan luas. Hasil prediksi tutupan lahan tahun 2031
menunjukkan luas terbangun 345,79 ha, lahan terbuka 121,18 ha, lahan pertanian 657,35 ha, lahan non
pertanian 507,65 ha, dan badan air 11,46 ha. Hasil penelitian ini diharapkan dapat dijadikan acuan dalam
pengambilan kebijakan terkait penataan dan pemanfaatan ruang khususnya DAS Wae Ruhu serta dapat
mengoptimalkan pengelolaan DAS yang berkelanjutan sebagai langkah awal dalam upaya mitigasi bencana
alam.
Kata kunci: cellular automata, Kota Ambon, rantai Markov, tutupan lahan, Wae Ruhu
Abstract
The geographical location of the Wae Ruhu watershed is in Sirimau District, which is the sub-district with
the largest population in Ambon City and is also the center of economic, educational, and industrial
activities; this creates economic and population growth that has the potential to trigger land conversion
around this area. This study aimed to analyze land cover changes in Ambon City in 2012, 2017, 2022 and
predict land cover in 2031. This study used Cellular Automata Markov Chains modeling to predict land
cover changes in 2031. The results showed that the types of land cover are built and land cover. The open
area continues to increase in area, while agricultural and non-agricultural areas continue to experience a
decrease in area, and water bodies do not experience a decrease or increase in area. The results of land cover
predictions in 2031 showed that the built-up area is 345.79 ha, open land is 121.18 ha, agricultural land is
657.35 ha, non-agricultural land is 507.65 ha, and water bodies are 11.46 ha. The results of this study are
expected to be used as a reference in making policies related to spatial planning and utilization, especially
the Wae Ruhu watershed and can optimize sustainable watershed management as the first step in efforts to
mitigate natural disasters.
Keywords: Ambon City, cellular automata, land cover, Markov chain, Wae Ruhu
http://jtsl.ub.ac.id 285
Jurnal Tanah dan Sumberdaya Lahan Vol 9 No 2: 285-295, 2022
e-ISSN:2549-9793, doi: 10.21776/ub.jtsl.2022.009.2.9
10.8 untuk menghasilkan peta tutupan lahan tahun bukan pertanian, lahan terbuka dan perairan. Data
2012, 2017 dan 2022. Proses interpretasi dan driving factors yang digunakan dalam penelitian ini
digitasi dilakukan untuk mengklasifikasi tutupan terdiri atas kemiringan lereng, ketinggian lahan,
lahan di DAS Wae Ruhu yang mengacu pada SNI jarak dari jalan, jarak dari sungai dan jarak dari pusat
7465:2010 (Badan Standarisasi Nasional, 2010), kegiatan ekonomi (Tabel 2).
yaitu lahan terbangun, daerah pertanian, daerah
http://jtsl.ub.ac.id 287
Jurnal Tanah dan Sumberdaya Lahan Vol 9 No 2: 285-295, 2022
e-ISSN:2549-9793, doi: 10.21776/ub.jtsl.2022.009.2.9
Gambar 2. Driving Factors a). kemiringan lereng, b).ketinggian lahan, c). jarak dari sungai, d). jarak dari
pusat kegiatan ekonomi, e). jarak dari jalan.
Gambar 3 menampilkan hasil overlay dari kelima Semakin merah warnanya maka semakin rendah
parameter driving factors, dimana pada gambar perkembangan lahan terbangun dan sebaliknya jika
tersebut menampilkan derajat (merah-hijau) yang warna semakin hijau maka daerah tersebut sangat
sama seperti kelima parameter sebelumnya. sesuai untuk permukiman.
http://jtsl.ub.ac.id 288
Jurnal Tanah dan Sumberdaya Lahan Vol 9 No 2: 285-295, 2022
e-ISSN:2549-9793, doi: 10.21776/ub.jtsl.2022.009.2.9
http://jtsl.ub.ac.id 289
Jurnal Tanah dan Sumberdaya Lahan Vol 9 No 2: 285-295, 2022
e-ISSN:2549-9793, doi: 10.21776/ub.jtsl.2022.009.2.9
Tabel 3. Komposisi tutupan lahan Kota Ambon tahun 2012, 2017 dan 2022.
Jenis Tutupan Lahan Luas
2012 2017 2022
ha % ha % ha %
Lahan Terbangun 226,63 13,75 245,50 14,89 272,70 16,54
Lahan Terbuka 52,70 3,20 61,84 3,75 76,54 4,64
Lahan Pertanian 789,30 47,88 771,34 46,79 756,64 45,90
Bukan Lahan Pertanian 568,36 34,48 558,29 33,87 531,09 32,22
Badan Air 11,46 0,69 11,46 0,69 11,46 0,69
Total Luas 1.648, 44
Gambar 5. Tutupan lahan DAS Wae Ruhu tahun 2012, 2017 dan 2022.
http://jtsl.ub.ac.id 290
Jurnal Tanah dan Sumberdaya Lahan Vol 9 No 2: 285-295, 2022
e-ISSN:2549-9793, doi: 10.21776/ub.jtsl.2022.009.2.9
Simulasi tutupan lahan tahun 2022 lahan disebut dengan Transition Probability Matrix
(TPM) (Tabel 2), sedangkan angka-angka yang
Pemodelan tutupan lahan DAS Wae Ruhu tahun
terdapat pada Tabel TPM menunjukkan bersaranya
2022 dilakukan dengan menggunakan Markov
kemungkinan tutupan lahan yang mengalami
Chains dan data driving factors yang telah dipersiapkan.
perubahan menjadi tutupan lahan yang lainnya.
Besarnya kemungkinan terjadi perubahan tutupan
Pada Tabel 4. merupakan Transition Probability memiliki kemungkinan lebih tinggi untuk
Matrix (TPM) dari tahun 2012 ke tahun 2022 mengalami perubahan menjadi lahan terbangun
dimana angka romawi I merupakan lahan dengan nilai transition probability sebesar 0,0736 kelas
terbangun, angka romawi II merupakan lahan tutupan lahan lahan terbuka memiliki nilai
terbuka, angka romawi III merupakan daerah transition probability 0,3261 untuk kemungkinan
pertanian, angka romawi IV merupakan daerah berubah menjadi permukiman, sedangkan daerah
bukan pertanian dan angka romawi V merupakan bukan pertanian memiliki nilai transition
perairan. Nilai 0 pada Transition Probability Matrix probability yaitu 0, dan perairan memiliki nilai
(TPM) menunjukkan tidak terjadi perubahan Transition Probability 0 berarti tidak akan berubah
tutupan lahan pada suatu wilayah ke tutupan lahan menjadi jenis tutupan lahan lainnya.
yang lainnya, sedangkan nilai 1 menunjukkan bahwa Secara spasial tutupan lahan perbandingan
tutupan lahan tersebut akan tetap dan tidak berubah tutupan lahan Exsisting tahun 2021 dan sumulasi
ke tutupan lahan lainnya. Tabel 4 juga menunjukkan untuk tahun 2021 dapat dilihat pada Gambar 6 dan
bahwa tutupan lahan jenis daerah pertanian Tabel 5.
Tabel 5. Perbandingan luasan tutupan lahan 2021 eksisting dan prediksi 2021 (ha).
Jenis Tutupan Lahan Luas (ha)
2021 Prediksi 2021
Lahan Terbangun 272,70 292,91
Lahan Terbuka 76,54 127,02
Lahan Pertanian 756,64 697,53
Bukan Lahan Pertanian 531,09 514,51
Badan Air 11,46 11,46
Total 1.648,44 100,00
Berdasarkan hasil pemodelan tutupan lahan tahun secara segnifikan di DAS Wae Ruhu. Kelas tutupan
2022 (Gambar 6), pada kelas lahan terbangun lebih lahan yang mengalami penambahan luasan yaitu
luas dibandingkan dengan hasil tutupan lahan 2022 kelas tutupan lahan permukiman dan lahan terbuka,
eksisting berbeda dengan jenis tutupan lahan sedangkan tutupan lahan yang mengalami
lainnya dimana luasannya lebih luas dibandingkan penurunan luasan yaitu kelas tutupan lahan pertanin
dengan tutupan lahan hasil pemodelan tahun 2022. sedangkan kelas tutupan lahan daerah bukan
Berdasarkan luasan tutupan lahan eksisting tahun pertanian dan perairan tidak mengalami
2022 dan hasil simulasi tahun 2021 (Tabel 5), dapat penambahan dan pengurangan luasan. Setelah
dilihat bahwa terjadi perubahan tutupan lahan pembuatan model 2022 kemudian model tersebut
http://jtsl.ub.ac.id 291
Jurnal Tanah dan Sumberdaya Lahan Vol 9 No 2: 285-295, 2022
e-ISSN:2549-9793, doi: 10.21776/ub.jtsl.2022.009.2.9
harus dilakukan uji akurasi. Uji Akurasi dilakukan sebagai pembanding (comparison image). Hasil Uji
untuk mengetahui apakah model yang dihasilkan akurasi dapat dilihat pada Gambar 7 menunjukkan
pertama dapat digunakan untuk membuat model bahwa nilai Kappa (K standard) yaitu 0,9267 atau
prediksi kedua. Uji akurasi dilakukan dengan datan 92,67% yang menunjukkan bahwa nilai akurasi ini
tutupan lahan tahun 2022 ekisting sebagai data dikatakan sangat baik dan dapat dilanjutkan untuk
dasar (reference image) (Kusratmoko et al., 2017) dan memodelkan tutupan lahan Kawasan pusat Kota
data model prediksi tutupan lahan tahun 2022 Ambon pada tahun 2041.
Gambar 6. Perbandingan tutupan lahan a) eksisting tahun 2022 dan b) prediksi 2022.
Model prediksi tutupan lahan DAS Wae Ruhu pemodelan tutupan lahan tahun 2031 ini juga
tahun 2031 menggunakan metode Markov Chains namun, pada
pemodelan ini menghasilkan nilai Transition
Pemodelan tutupan lahan tahun 2031 dilakukan
Probability Matrix (TPM) yang berbeda pemodelan
untuk memprediksi tutupan lahan di DAS Wae
pertama dimana transition probability yang dilihat
Ruhu pada tahun 2031. Pada tahapan ini digunakan
memilki rentang waktu 9 tahun dari tahun 2022 ke
driving factors yang sudah siapkan. Pada
http://jtsl.ub.ac.id 292
Jurnal Tanah dan Sumberdaya Lahan Vol 9 No 2: 285-295, 2022
e-ISSN:2549-9793, doi: 10.21776/ub.jtsl.2022.009.2.9
2031. Untuk lebih jelasnya dapat dilihat pada Tabel pertanian, angka romawi II menunjukkan daerah
6. Dapat dilihat pada Tabel 6 terdapat transitional pertanian, angka romawi III menunjukkan lahan
probability matrix dari tahun 2022 ke tahun 2031, terbuka, angka romawi IV menunjukkan perairan,
angka romawi I menunjukkan daerah bukan dan angka romawi V menunjukkan permukiman.
Model prediksi tutupan lahan DAS Wae Ruhu Nilai probabilitas antara jumlah kolom dan baris
tahun 2031 disajikan pada Gambar 8. maksimal adalah 1. Semakin besar nilai probabilitas
pada tutupan lahan tujuan, maka akan semakin
besar kemungkinan tutupan lahan untuk berubah.
Angka 1 pada TPM tutupan lahan perairan berarti
tutupan lahan tersebut akan tetap menjadi perairan,
sedangkan angka 0 menunjukkan bahwa tidak
terjadi perubahan dari tutupan lahan satu ke
tutupan lahan lainnya. Dari Tabel 6 dapat dilihat
bahwa masing-masing tutupan lahan mengalami
sedikit perubahan ke tutupan lahan lainnya pada
tahun 2031. Lahan bukan lahan pertanian memiliki
nilai TPM terkecil untuk berubah menjadi lahan
terbangun yaitu 0,0045, sedangkan jenis tutupan
lahan pertanian memiliki nilai TPM tertinggi yaitu
0.0913 untuk kemungkinan berubah menjadi lahan
terbangun. Berdasarkan hasil pengolahan prediksi
model tutupan lahan di tahun 2031 menggunakan
Celullar Automata Markov Chain diketahui jenis
tutupan lahan terbangun dan tutupan lahan terbuka
terus mengalami penambahan luasan dan untuk
jenis tutupan lahan pertanian dan jenis tutupan
lahan bukan pertanian terus mengalami penurunan
luasan dan jenis tutupan lahan badan air tidak
Gambar 8. Model prediksi tutupan lahan DAS mengalami penambahan dan pengurangan luasan.
Wae Ruhu tahun 2031. Luasan model tutupan lahan lahan DAS Wae Ruhu
tahun 2031 disajikan pada Tabel 7.
Tabel 7. Luasan model tutupan lahan DAS Wae Ruhu Tahun 2031.
Jenis Tutupan Lahan Luas
ha %
Lahan Terbangun 345,79 21,04
Lahan Terbuka 121,18 7,37
Lahan Pertanian 657,35 40,00
Bukan Lahan Pertanian 507,66 30,89
Badan Air 11,46 0,70
Total 1.643,44 100,00
http://jtsl.ub.ac.id 293
Jurnal Tanah dan Sumberdaya Lahan Vol 9 No 2: 285-295, 2022
e-ISSN:2549-9793, doi: 10.21776/ub.jtsl.2022.009.2.9
Berdasarkan Tabel 7 diketahui bahwa presentasi Dalam Angka 2020 merupakan seri publikasi
luasan hasil prediksi model tutupan lahan DAS Wae tahunan BPS, demografi dan perekonomian di
Ruhu pada tahun 2031 dimana jenis tutupan lahan Indonesia.
lahan pertanian memiliki presentasi luasan tertinggi Difanty, A. dan Supriatna, S. 2021. Spatial modeling for
prediction agricultural land-use change in Jampang
yaitu 657,35 ha atau sebesar 40,00% dari total
Kulon, Sukabumi Regency. IOP Conference Series:
luasan wilayah penelitian, bukan lahan pertanian Earth and Environmental Science 623:12084.
memiliki presentasi luasan yaitu 507,66 ha atau Ghosh, P., Mukhopadhyay, A., Chanda, A., Mondal, P.,
sebesar 30,89%, jenis tutupan lahan terbangun Akhand, A., Mukherjee, S., Nayak, S.K., Ghosh, S.,
memiliki presentasi luasan 345,79 ha atau sebesar Mitra, D., Ghosh, T. and Hazra, S. 2017. Application
21,04%, jenis tutupan lahan terbuka memiliki of Cellular automata and Markov-chain model in
presentasi luasan yaitu 121,18 ha atau 7,37% dan geospatial environmental modeling- A review.
jenis tutupan lahan yang memiliki presentase luasan Remote Sensing Applications: Society and
paling sedikit yaitu badan air yaitu 11,46 atau 0,70%. Environment 5:64-77.
Irawan, I.A., Supriatna, S., Manessa, M.D.M. and Ristya,
Y. 2019. Prediction model of land cover changes
Kesimpulan using the cellular automata-Markov Chain affected
by the BOCIMI toll road in Sukabumi Regency. KnE
Selama 20 tahun terakhir dari tahun 2012, 2017 dan Engineering 4(3 SE-Articles).
2022 perubahan tutupan lahan di DAS Wae Ruhu Kim, I., Arnhold, S., Ahn, S., Le, Q.B., Kim, S.J., Park,
terus mengalami peningkatan pada tutupan lahan S.J. and Koellner, T. 2019. Land use change and
jenis lahan terbangun dan lahan terbuka, sedangkan ecosystem services in mountainous watersheds:
tutupan lahan bukan daerah pertanian dan daerah Predicting the consequences of environmental
pertanian terus mengalami penurunan dan untuk policies with cellular automata and hydrological
modeling. Environmental Modelling & Software
tutupan lahan badan air tidak mengalami
122:103982.
peningkatan maupun penurunan. Hasil pemodelan Kusratmoko, E., Albertus, S.D.Y. and Supriatna. 2017.
tutupan lahan di tahun 2031 juga menunjukkan hal Modelling land use/cover changes with markov-
yang sama dimana jenis tutupan lahan terbangun di cellular automata in Komering Watershed, South
daerah DAS Wae Ruhu terus mengalami Sumatera. {IOP} Conference Series: Earth and
peningkatan yang sangat cepat, oleh karena itu Environmental Science 54:12103.
analisis dan prediksi terhadap perubahan tutupan Lisanyoto, L., Supriatna, and Sumadio, W. 2019. Spatial
lahan di DAS Wae Ruhu ini sangat penting dan Model of Settlement Expansion and its Suitability to
bermanfaat serta dapat dapat dijadikan sebagai the Landscapes in Singkawang City, West
bahan dalam pengambilan kebijakan terkait Kalimantan Province. IOP Conference Series: Earth
and Environmental Science 338:12034.
penataan dan pemanfaatan ruang khususnya di
Mohamed, A. and Worku, H. 2019. Quantification of the
DAS Wae Ruhu serta dapat mengoptimalisasi land use/land cover dynamics and the degree of
pengelolaan DAS yang berkelanjutan. urban growth goodness for sustainable urban land
use planning in Addis Ababa and the surrounding
Ucapan Terima Kasih Oromia special zone. Journal of Urban Management
8(1):145-158.
Penulis mengucapkan terimakasih pada Departemen Mustafa, A., Ebaid, A., Omrani, H. and McPhearson, T.
Geografi, Fakultas Matematika dan Ilmu Pengetahuan 2021. A multi-objective Markov Chain Monte Carlo
Alam Universitas Indonesia, Program Studi Pendidikan cellular automata model: Simulating multi-density
Geografi, Fakultas Keguruan dan Ilmu Pendidikan urban expansion in NYC. Computers, Environment
Universitas Pattimura dan Departemen Biologi, Fakultas and Urban Systems 87:101602,
Biologi, Universitas Pedagogis Negeri Herzen Rusia doi:10.1016/j.compenvurbsys.2021.101602.
yang sudah bekerjasama dalam penelitian ini Mwabumba, M., Yadav, B.K., Rwiza, M.J., Larbi, I. and
Twisa, S. 2022. Analysis of land use and land-cover
pattern to monitor dynamics of Ngorongoro world
Daftar Pustaka heritage site (Tanzania) using hybrid cellular
Badan Standarisasi Nasional. 2010. SNI 7645-2010 automata-Markov model. Current Research in
Tentang Klasifikasi Penutup Lahan. Environmental Sustainability 4:100126.
BPS. 2021. Kota Ambon Dalam Angka 2021 (BPS Kota Näschen, K., Diekkrüger, B., Evers, M., Höllermann, B.,
Ambon (ed.)). BPS Kota Ambon. Steinbach, S. and Thonfeld, F. 2019. The impact of
https://ambonkota.bps.go.id/publication/2020/04 land use/land cover change (LULCC) on water
/27/0072157fa7d7bf288ceb130a/kota-ambon- resources in a tropical catchment in Tanzania under
dalam-angka-2020.html#:~:text=Kota Ambon
http://jtsl.ub.ac.id 294
Jurnal Tanah dan Sumberdaya Lahan Vol 9 No 2: 285-295, 2022
e-ISSN:2549-9793, doi: 10.21776/ub.jtsl.2022.009.2.9
different climate change scenarios. Sustainability Tayane, Y.A., Boreel, A. dan Putuhena, J.D. 2021.
11(24):7083, doi:10.3390/su11247083. Perubahan tutupan lahan di DAS Waeruhu Kota
Pratami, M., Susiloningtyas, D. and Supriatna. 2019. Ambon menggunakan citra satelit MultitempORAL.
Modelling cellular automata for the development of Jurnal Hutan Pulau-Pulau Kecil 5(2):139-151.
settlement area Bengkulu City. IOP Conference Teklay, A., Dile, Y.T., Asfaw, D.H., Bayabil, H.K. and
Series: Earth and Environmental Science Sisay, K. 2021. Impacts of climate and land use
311:012073. change on hydrological response in Gumara
Putri, R.A. and Supriatna, S. 2021. Land cover change Watershed, Ethiopia. Ecohydrology & Hydrobiology
modeling to identify critical land in the Ciletuh 21(2).
Geopark tourism area, Palabuhanratu, Sukabumi Tentua, V. C., Gaspersz, E.J. dan Puturuhu, F. 2018.
Regency. IOP Conference Series: Earth and Evaluasi permukiman berdasarkan tingkat
Environmental Scienc, 623:012081. kerawanan banjir pada DAS Wae Ruhu. Jurnal
Shang, C. and Wu, J. 2022. A legendary landscape in Budidaya Pertanian 14(2):113-124.
peril: Land use and land cover change and Tian, G., Ma, B., Xu, X., Liu, X., Xu, L., Liu, X., Xiao,
environmental impacts in the Wulagai River Basin, L. and Kong, L. 2016. Simulation of urban expansion
Inner Mongolia. Journal of Environmental and encroachment using cellular automata and multi-
Management 301:113816. agent system model-A case study of Tianjin
Supriatna, S., Pratiwi, S.F., Marko, K., Manessa, M.D.M. metropolitan region, China. Ecological Indicators
and Ristya, Y. 2020. Spatial Dynamics of Tsunami 70:439-450.
Prone Areas in Pariaman City, West Sumatera. Zadeh, L.A. 1994. Fuzzy logic, neural networks, and soft
Journal of Computational and Theoretical computing. Communications of the ACM 37(3):77-
Nanoscience 17(2):1474-1491. 84.
Tan, S., Liu, Q. and Han, S. 2022. Spatial-temporal Zheng, H.W., Shen, G.Q., Wang, H. and Hong, J. 2015.
evolution of coupling relationship between land Simulating land use change in urban renewal areas: A
development intensity and resources environment case study in Hong Kong. Habitat International
carrying capacity in China. Journal of Environmental 46:23-34.
Management 301:113778.
http://jtsl.ub.ac.id 295