Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Meningkatnya pertumbuhan penduduk dapat mengarah pada ketersediaan lahan permukiman, hal ini menyebabkan ketidakseimbangan populasi dengan permukiman yang ada. Sehingga tekanan populasi pada lahan permukiman akan semakin besar. Dalam beberapa tahun terakhir model Cellular Automata CA untuk simulasi pertumbuhan perkotaan telah tumbuh baik karena kesederhanaan, fleksibilitas dan intuitif, terutama Model Cellular Automata dapat menggabungkan dimensi spasial dan temporal. Studi ini menunjukkan model-model CA dalam perubahan kapasitas pendukung lahan temporal dan prediksi ke depan pada tahun 2032. Tujuan dari penelitian ini adalah untuk mensimulasikan daya dukung lahan perumahan di masa depan berdasarkan model CA dengan data fisik dan sosial di Kota Bengkulu. Pertama, matriks transisi dihitung dari peta penggunaan lahan 2002-2010 menggunakan model CA untuk memprediksi perubahan penggunaan lahan secara luas. Kedua, prosedur evaluasi integrasi digunakan untuk menghasilkan peta potensi transisi berdasarkan indikator fisik dan sosial. Akhirnya, matriks transisi dan peta potensial transisi diimplementasikan dalam model CA untuk mensimulasikan distribusi spasial kapasitas daya dukung lahan dari 2017-2032. Akibatnya, simulasi distribusi spasial menunjukkan bahwa ketersediaan lahan akan melebihi kebutuhan akan lahan yang akan digunakan. Studi ini diantisipasi untuk membantu pemerintah daerah untuk lebih memahami dan mengatasi sistem penggunaan lahan yang kompleks dan mengembangkan strategi pengelolaan penggunaan lahan yang lebih baik. ...... population with existing settlements area, so the population pressure on settlement land will be greater. In recent years, the Cellular Automata CA models for urban growth simulation has grown favorably because of its simplicity, flexibility and intuitive, especially the Cellular Automata Models can incorporate spatial and temporal dimensions. This study shows the CA models in the changing of temporal land support capacity and forward prediction in 2032. The purpose of this study is to simulate the carrying capacity of residential land in the future based on CA models with physical and social data in Bengkulu City. First, the transition matrix is calculated from land use maps 2002 2010 using the CA models to predict broad land use changes. Second, the integration evaluation procedure is used to generate transition potential maps based on physical and social indicators. Finally, transition matrix and transition potential maps are implemented in the CA models to simulate the spatial distribution of residential land carrying capacity from 2017 2032. Consequently, the simulation of spatial distribution shows that the availability of land will exceed the need for land to be used for shelter. The study is anticipated to help local authorities to better understand and address complex land use systems and develop better land use.

Abstrak :
Pelabuhanratu merupakan wilayah pesisir yang strategis untuk berkembang. Haltersebut membuat pemerintah setempat menjadikan Pelabuhanratu sebagai GrowthCenter dari Kabupaten Sukabumi. Berkaitan dengan hal itu, perubahan penggunaanlahan terus terjadi dan dikhawatirkan tidak mendukung keberlanjutan lingkungan.Tujuan dari penelitian ini adalah menganalisis bagaimana perubahan penggunaan lahankota Pelabuhanratu sampai dengan tahun 2032. Metode yang digunakan dalampenelitian ini adalah Cellular Automata-Markov dengan beberapa faktor yangmendorong terjadinya perubahan penggunaan. Faktor penentu dibuat dengan logikafuzzy dengan beberapa variabel yaitu jarak dari jalan, jarak dari point of interest, jarakdari sungai, jarak dari pantai, wilayah ketinggian, kemiringan dan tutupan lahan. Dataini digunakan sebagai masukan pada Cellular Automata-Markov Chain. Tutupan lahandiambil dari google earth pada tahun 2002, 2010 dan 2017. Hasil prediksi menunjukkanbahwa perubahan tutupan lahan sangat signifikan. Nilai akurasi kappa pada modelmencapai 91. Lahan terbangun berkembang linear pada bagian selatan, menyebarpada bagian utara dan beraglomerasi pada bagian barat. ...... Pelabuhanratu is a strategic coastal area that matter the local government makePelabuhanratu as a Growth Center of Sukabumi Regency. In this regard, landcoverchanges continue to occur and are feared not to support environmental sustainabilitycaused of growing center. The purpose of this study is to analyze how land use changeof Pelabuhanratu city until 2032. The method used in this research is CellularAutomata Markov in with several factors that encourage the land cover change. Drivingfactor made with fuzzy logic with some variables that is distance from road, distancefrom river, distance from coastline, distance from point of interest, elevation, slope andlandcover. This data is used to create suitability area for built up area as input forCellular Automata Markov tools. Land cover was obtained from google earth in 2002, 2010 and 2017 as the basis of model calculation. The prediction result shows that landuse change in Pelabuhanratu city is very significant with the Kappa Standard level ofaccuracy 91. Built up area has extended from the previous condition that coming fromagricultural area. Built up area growth with linear pattern at south area, spread pattern atnorth area and crowded at west area.

Abstrak :
ABSTRAK
Sub DAS Komering termasuk salah satu dari Sub DAS prioritas dari 9 Sub DAS Musi dengan luas mencapai 8060 km2. Pembangunan yang terjadi di kawasan ini harus dapat menjamin daya dukung tanah yang berkelanjutan, namun fakta yang terjadi adalah hutan, yang memiliki peran utama dalam menjaga keberlanjutan lingkungan, semakin menurun luasannya. Penelitian ini bertujuan untuk memprediksi perubahan penggunaan tanah dengan pendekatan model spasial dinamik. Metode yang digunakan untuk memprediksi perubahan penggunaan tanah adalah dengan pemodelan Markov ndash; Cellular Automata, selain itu, untuk mengevaluasi kesesuaian penggunaan tanah terhadap RTRW didapatkan dari hasil analisis tumpang tindih overlay . Parameter yang digunakan dalam penelitian ini antara lain lereng, elevasi, jarak dari jalan, jarak dari sungai, jarak dari ibukota kecamatan, dan jarak dari permukiman. Hasil penelitian menunjukkan bahwa penggunaan tanah di DAS Komering didominasi oleh hutan, perkebunan dan sawah. Selama rentang waktu tahun 1990-2016 DAS Komering mengalami penurunan luasan hutan yang cukup drastis yaitu seluas 157.514 hektar 19,54 dan peningkatan luasan perkebunan seluas 238.377 hektar 29,58 . Hasil prediksi penggunaan tanah tahun 2030 kembali menunjukkan penurunan luasan hutan seluas 50.047 hektar 6,21 dari luasan tahun 2016. Berdasarkan hasil prediksi persentase ketidaksesuaian penggunaan tanah terhadap RTRW sebesar 20,35 . Arahan pengendalian penggunaan tanah dengan skenario, dimana hutan yang berada di kawasan lindung dan penggunaan tanah sawah dipertahankan keberadaannya merupakan skenario yang efektif karena dapat menghambat penurunan luas perubahan penggunaan tanah hutan dan penurunan luas perubahan penggunaan tanah sawah serta menurunkan nilai ketidaksesuaian terhadap RTRW menjadi 14,79

---

ABSTRACT
The Komering watershed is one of nine sub Musi river basin and is located in the southern part of Sumatra island that has an area of 8060,62 km2. The development that occurred in the region should be able to guarantee the sustainable carrying capacity of the land. However, the fact is happening is forest, which has a major role in maintaining environmental sustainability, decreasing its range. This study aims to predict land use changes with a dynamic approach to spatial models. The method used to predict land use changes are the Markov Cellular Automata, in addition, to evaluate the appropriateness of using the land to the RTRW with overlay analysis. The parameters used in this study include slope, elevation, distance from the road, distance from the river, the distance from the capital district, and distance from settlements. The results showed that the land use in the Komering watershed dominated by forests, plantations and rice fields. Over the years 1990 2016 Komering Watershed experience drastic decrease in forest land use up to 157.514 ha 19,54 and an increase in plantation area up to 238.377 ha 29,58 . Land use predictive result in 2030 also shows decrease of forest acreage up to 50.047 ha 6,21 of the area in 2016. Based on the prediction existing land use unconformity percentage to RTRW in Komering watershed is 20,35 . Directive of scenario , where forest in protected areas and paddy fields areas are maintained is effective because it can inhibit a broad decline the change of use of forest and paddy fields, as well as lowering the value of land use unconformity percentage to RTRW be 14,79 .

Abstrak :
ABSTRAK
Tanah gambut merupakan ekosistem yang rapuh fragile , banyak diantaranya ketika akan dimanfaatkan, kemudian berujung pada kegagalan dan akhirnya ditelantarkan, sehingga pemanfaatan dan penggunaannya harus secara bijak dan didasarkan pada karakteristik tanah. Perluasan penggunaan tanah gambut meningkat pesat di beberapa provinsi yang memiliki areal gambut luas seperti di Jambi. Jambi merupakan salah satu provinsi yang memiliki tanah gambut dengan luasan, diurutan ketujuh di Indonesia. Penelitian ini bertujuan untuk melihat perubahan penggunaan tanah, yang berpotensi terhadap berkurang dan hilangnya fungsi-fungsi tanah gambut yang bernilai tinggi, dengan menggunakan metode Cellular Automata CA . Metode CA ini dijalankan dengan menggunakan aplikasi LCM Land Change Modeler dengan 6 faktor pendorong yang mempengaruhi, dimana perubahan paling dominan terjadi dari hutan menjadi perkebunan. Perubahan Penggunaan tanah dilihat pada rentang tahun 1990, 2000, 2010, dan 2014. Hasil analisis yang diperoleh kemudian dilakukan validasi Kappa. Hasil validasi Kappa tersebut digunakan untuk membuat simulasi model perubahan penggunaan tanah di tahun 2030, dengan tingkat akurasi model mencapai 75.74 .

---

ABSTRACT
Peatlands is a fragile ecosystem, which is very difficult to be maintained and utilized, and finally will be abandoned. Therefore, peatlands utilization must be careful and refer to the land characteristic. Massive and extensive peatlands utilizations could be found in some provinces, including Jambi. Peatlands area in Jambi is the seven largest in Indonesia. Using Cellular Automata CA method, the aim of this research is to identify land use change that gives impact to the loss and decrease of high value peatlands. CA method runs by LCM Land Change Modeler with 6 influencing supporting factors, where the most dominant change could be found in the forest to plantation area. Land use change is analyzed from following year 1990, 2000, 2010, and 2014. The result analysis is validated using Kappa to create a land use model simulation in 2030. The accuracy of this simulation reaches 75.74 .

Abstrak :
Kondisi hutan mangrove di Segara Anakan, Cilacap saat ini semakin mengalami penurunan baik secara kualitatif maupun kuantitatif. Penelitian ini bertujuan untuk membuat model dinamika spasial perubahan hutan mangrove pada tahun 1987-2016 dan membuat model prediksi penutup hutan mangrove pada tahun 2031 di Segara Anakan, Cilacap dengan skenario bebas dan skenario RTRW. Citra satelit yang digunakan adalah citra seperti SPOT 1 akusisi tahun 1987, Landsat 7 ETM akusisi tahun 2003 dan Landsat 8 OLI akusisi tahun 2016. Metode yang digunakan adalah Markov Chain-Cellular Automata dengan beberapa faktor pendorong di antaranya jarak dari pemukiman, kepadatan penduduk, jarak dari jalan, jarak dari sungai, jarak dari pusat kegiatan, sedimentasi dan salinitas. Hasil penelitian ini menunjukkan pada tahun 1987-2016 hutan mangrove lebih banyak dikonversi menjadi sawah dan ladang. Penambahan lahan hutan mangrove dari penutup lahan lainnya berasal dari perairan. Prediksi hutan mangrove pada tahun 2031 menunjukkan adanya penurunan luasan yang signifikan yaitu sebesar 64 skenario bebas , sedangkan prediksi hutan mangrove tahun 2031 skenario RTRW menunjukkan adanya sedikit peningkatan luasan hutan mangrove sebesar 1,33 . Model prediksi hutan mangrove dengan skenario RTRW lebih dapat mempertahankan kawasan hutan mangrove dari berbagai ancaman dan gangguan dari penutup lahan lainnya dibandingkan dengan model prediksi dengan skenario bebas. ...... The condition of mangrove forest in Segara Anakan, Cilacap is now decreasing both qualitatively and quantitatively. This study aims to create a model of distribution changes of mangrove forests in 1987 2016 and forecast the distribution of mangrove forests in 2031 in Segara Anakan, Cilacap. Satellite imagery that used such imagery SPOT 1 in 1987, Landsat 7 ETM in 2003 and Landsat 8 OLI 2016. The method used is a Markov Chain, Cellular Automata with driving factors such as distance from settlements, population density, distance from the road, distance from the river, the distance from the center of activity, sedimentation and salinity. The results of this study indicate that in 1987 2016 mangrove forests converted more into rice fields and fields. The addition of mangrove forest area comes from the waters. The prediction of mangrove forest distribution in 2031 with free scenario shows a significant decrease in mangrove forest area and increasing number of rice fields and dry lands. The predicted distribution of mangrove forests in 2031 with the RTRW scenario shows a slight increase in mangrove forest area and reduced rice fields and dry lands. Predicted models with RTRW scenarios can defend mangrove forest areas from various threats and disturbances from other land cover than prediction models with free scenarios.

Abstrak :
ABSTRAK
Kota Malang merupakan kota terbesar kedua dengan luas 110,6 Km2 di Provinsi Jawa Timur, pertumbuhan kota dengan adanya kegiatan pendidikan meningkatkan pembangunan di Kota Malang. Penelitian ini memiliki tujuan untuk menganalisis perubahan penggunaan tanah pada tahun 1996-2016 di Kota Malang. Menganalisis faktor-faktor yang mempengaruhi perubahan pengunaan tanah di Kota Malang tahun 1996-2016. Mensintesa dan membuat model prediksi penggunaan tanah di Kota Malang pada tahun 2030 dengan pendekatan aplikasi metode markov chain Celullar Automata.Metode yang dapat mengkaji fenomena perubahan penggunaan tanah kaitannya dengan pertumbuhan kota di Kota Malang adalah metode markov chain cellular automata. Metode markov chain cellular automata mampu memprediksi perubahan penggunaan tanah akibat pertumbuhan sebuah kota. Hasil prediksi pertumbuhan perkotaan dengan melihat dominansi lahan terbangun memiliki luas 8860,87 ha sedangkan lahan pertanian dan tegalan terus berkurang diangkibatkan adanya pertumbuhan perkotaan. Hasil prediksi tahun 2030 mengenai perubahan penggunaan tanah lahan tidak terbangun sebesar 2.145,13 dibandingkan tahun 2016 sebesar 3400.06 ha artinya terjadi perubahan penggunaan tanah sebesar 1,254.93. Berdasarkan hasil penelitian dari penerapan metode markov chain cellular automata ini maka diharapkan temuan ini dapat dijadikan pertimbangan dalam merancang RTRW Kota Malang yang berkelanjutan. Sehingga keseimbangan ekologis, keseimbangan lingkungan dan ketahanan pangan dapat terjaga dan memenuhi syarat sebuah Kota yang memiliki daya dukung dan daya tampung lingkungan.

---

ABSTRACT
Malang is the second largest city with an area of 110.6 km2 in the province of East Java, the growth of the city with their educational activities to promote development in the city of Malang. This study has the objective to analyze the land use change in 1996 2016 in the city of Malang. Analyzes the factors that influence changes in land use in the city of Malang in 1996 2016. Synthesize and create predictive models of land use in Malang in 2030 with the approach ofapplicationmethod Markov chainCelullar Automata.This method to examine the phenomenon of land use changes in relation to the growth of the city of Malang is amethod of Markov chaincellularautomata.method Markov chain cellular automata is able to predict changes in land use due to the growth of a city. The result of urban growth predictions by looking at the dominance of developed and undeveloped land has an area of 8860.87 ha of agricultural land and moor while declining impact to their urban growth. The prediction results in 2030 regarding changes in land use land is not awakened at 2145.13 compared to 2016 amounted to 3400.06 ha it is mean changes in land use amounted to 1,254.93. Based on the results of the application method of cellular automataMarkov chain it is expected that these findings can be taken into consideration in designing a sustainable RTRW Malang. So that the ecological balance, food security and environmental balance can be maintained and qualify a city which has a carrying capacity and environmental capacity.

Abstrak :
Perubahan penutup lahan merupakan suatu proses dalam perkembangan wilayah. Model perubahan penutup lahan digunakan untuk menggambarkan perkembangan wilayah dari waktu ke waktu. Penelitian ini dilakukan untuk membuat model prediksi penutup lahan pertanian sawah Kabupaten Karawang pada tahun 2031. Metode pendekatan yang digunakan dalam penelitian ini adalah model dinamika spasial Cellular Automata CA -Markov Chain. Analisis simulasi spasial dalam penelitian ini menggunakan prinsip cellular automata CA dengan menggunakan multi layer perceptron MLP neural network, sedangkan prediksi penutup lahan menggunakan menggunakan markov chain. Prediksi kebutuhan lahan Tahun 2031 menggunakan dua skenario skenario bebas dan skenario Rencana Tata Ruang Wilayah . Model dinamika spasial dengan Cellular Automata CA -Markov Chain digunakan untuk prediksi penutup lahan di masa mendatang menghasilkan tingkat akurasi 95,63 . Prediksi lahan sawah tahun 2000-2031 menunjukkan adanya tren penurunan luasan lahan sawah. Prediksi dengan skenario bebas menunjukkan adanya pengurangan lahan sawah sebesar 32,96 Ha per tahun dalam kurun tahun 2000-2031, sedangkan prediksi lahan sawah dengan skenario RTRW menunjukkan adanya pengurangan lahan sawah sebesar 31,33 Ha per tahun dalam kurun waktu tahun 2000-2031. Kata kunci: Cellular automata, Karawang, lahan pertanian sawah, markov chain, model dinamika spasial.

---

Land cover change is a process in the regional development. The model of land cover change used to discribe the regional development with time series. This research was conducted to predict agricultural land of Ricefield in Karawang Regency in 2031. The method of the research is spatial dynamics model approach of Cellular Automata CA Markov Chain. Spatial simulation analysis is using cellular automata CA by multi layer perceptron MLP neural network, whereas the land cover prediction is using markov chain. Land cover prediction in 2031 are using two scenarios free scenario and Regional Spatial Planning scenario. The spatial model of Cellular Automata CA Markov Chain is used to predict future land cover with the level of accuracy of 95,63. The prediction of rice field in the period of 2000 2031 shows the decreasing trend of rice field area. The prediction with free scenario shows a reduction of rice fields of 32.96 Ha year 1 in the period of 2000 2031, while the prediction of rice field with RTRW scenario shows the reduction of rice fields of 31.33 Ha year 1 in the period 2000 2031.Keywords Cellular automata, Karawang, markov chain, Rice field, spatial dynamics model.

Abstrak :
Meningkatnya laju pembangunan dan pertumbuhan penduduk di Kota Depok, telah mendorong terjadinya perubahan penutup lahan. Lahan yang paling rentan terhadap perubahan tersebut yaitu lahan permukiman karena posisi Kota Depok yang cukup strategis untuk pembangunan perumahan, sehingga diprediksi akan terjadi perkembangan kawasan permukiman. Penelitian ini bertujuan untuk membuat model prediksi perkembangan kawasan permukiman di kota Depok serta menganalisis faktor-faktor yang mempengaruhi perkembangan tersebut. Pendekatan yang digunakan dalam penelitian ini adalah model spasial dinamik dengan metode Cellular Automata CA dan metode Rantai Markov Markov Chain untuk prediksi perkembangan serta metode Multi Layer Perceptron Neural Network MLPN untuk menguji nilai transisi potensial dari setiap variabel dan faktor penggerak driving factor. Metode pengumpulan data pada penelitian ini yaitu koleksi data sekunder, ekstraksi data dan interpretasi citra penginderaan jauh, dan pengecekan lapangan. Analisis data meliputi perubahan penutup lahan, faktor penggerak driving factor, dan RTRW Kota Depok Tahun 2012-2032. Secara spasial perubahan penutup lahan di Kota Depok menunjukan hasil yang cukup signifikan bahwa selama kurun waktu 15 tahun mulai dari periode tahun 2000-2015 diketahui bahwa telah terjadi perubahan penutup lahan antara Daerah Bervegetasi dengan Permukiman dan Bangunan yang berbanding terbalik dimana luas lahan Permukiman dan Bangunan semakin bertambah sedangkan luas lahan Daerah Bervegetasi semakin menurun di Kota Depok. Faktor-faktor yang mempengaruhi perkembangan kawasan permukiman di Kota Depok adalah Jarak ke Jalan, Jarak ke Fasilitas Pendidikan, dan Jarak ke Kantor Pemerintah, sedangkan faktor lain yaitu Kelerengan dan Daerah Rawan Longsor tidak mempengaruhi perkembangan kawasan permukiman di Kota Depok. Model spasial yang dibangun untuk memprediksi perkembangan kawasan permukiman di Kota Depok hingga tahun 2032 menunjukan bahwa kawasan permukiman di Kota Depok berkembang luas dengan persentase 73,12 dari seluruh luas wilayah yang ada dan dengan nilai validasi Kappa sebesar 87,73. ...... The increasing pace of development and population growth in Depok, has led to the change in land cover. Land most vulnerable to these changes, namely land settlement for the position of Depok strategic for the construction of housing, which is predicted to occur the development of residential areas. This research aims to create a predictive model development of residential areas in the city of Depok and analyzes the factors that influence these developments. The approach used in this study is a model of spatial dynamics method Cellular Automata CA and the method of Markov Chain Markov Chain for the prediction of the development as well as methods of Multi Layer Perceptron Neural Network MLPN to test the value of the transition potential of each variable and the drivers driving factor. Methods of data collection in this research is secondary data collection, data extraction and interpretation of remote sensing imagery, and field inspections. Data analysis included changes in land cover, driving forces driving factor, and the RTRW Kota Depok Year 2012 2032. Spatial changes in land cover in Depok showed a significant result that over a period of 15 years starting from the period 2000 to 2015 is known that there have been changes in land cover between Vegetated Regions with settlements and buildings are inversely where the vast land and building more settlements increased while the area of land Vegetated Regions declined in Depok. Factors that influence the development of residential areas in Depok is the distance to the road, distance to the Educational Facilities and Distance to the Office of the Government, while another factor is the Slope and landslide prone regions does not affect the development of residential areas in Depok. The spatial model built to predict the development of residential areas in Depok until 2032 showed that residential areas in Depok widespread with a percentage of 73.12 of the entire area of the existing and the validation value Kappa amounted to 87.73 .