III. METODOLOGI 3.1 Kerangka Pikir Penelitian Penerapan UU No. 26 Tahun 2007 tentang penataan ruang mengamanatkan bahwa proses penyusunan alokasi ruang suatu kawasan harus mempertimbangkan aspek keberlanjutan sumberdaya dalam proses pembangunan. Distribusi kawasan dalam UU Penataan Ruang membagi suatu wilayah menjadi kawasan lindung dan kawasan budidaya, sebagai upaya mengakomodir kepentingan berbagai pihak dalam proses alokasi penggunaan lahan yang sesuai dengan kualitas dan karakteristik ekologisnya. Untuk itu diperlukan metode yang dapat membantu para pengambil keputusan dalam merumuskan arahan alokasi ruang untuk penggunaan sumberdaya lahan yang sesuai dengan kapasitas dan potensinya. Penelitian ini dilakukan dengan menerapkan teknik pengambilan keputusan multi-kriteria (multi-criteria decision making) dengan menggabungkan parameter-parameter yang berbasis spasial. Parameter yang digunakan meliputi aspek;
Aspek bio-fisik lahan meliputi; karakteristik fisik dan kimia tanah (misalnya; tekstur, pH, KTK, dll), aspek topografi, dan aspek iklim
Aspek infrastruktur meliputi; aksesibilitas, ketersediaan energi, dan jarak dari lokasi pasar
Aspek sosial ekonomi meliputi; jarak dari pemukiman serta pilihan jenis penggunaan lahan oleh masyarakat. Kerangka penelitian disusun menggunakan pendekatan pengambilan
keputusan multi-kriteria berbasis spasial dan pendekatan sektoral. Pendekatan ini merupakan proses pengambilan keputusan yang didasarkan atas sejumlah kriteria dan indikator berbasis data spasial dalam menentukan alokasi penggunaan lahan di suatu wilayah. Kombinasi antara SIG dan MCDM (multiple criteria decision making) merupakan salah satu pendekatan yang handal dalam penilaian evaluasi lahan. Namun, kendala yang dihadapi adalah bagaimana mengkombinasikan secara spasial antara berbagai kriteria yang dibuat (berdasarkan nilai atribut yang terdapat pada layer peta) dan pilihan para pengambil keputusan dalam mengklasifikasikan tingkat kesesuaian pada unit analisis lahan. Pada tataran ini
34
efisiensi pendekatan MCDM dalam proses pengambilan keputusan bergantung pada bobot derajat kepentingan yang diinginkan (Chen et al. 2009). Pendekatan sektoral dilakukan untuk melakukan analisis ekonomi wilayah pada aspek struktur ekonomi dan basis komoditi wilayah. Dalam melakukan proses alokasi ruang, aspek status kawasan menjadi kerangka terhadap jenis penggunaan lahan yang direncanakan. Selain itu, jenis penggunaan lahan aktual juga penting dipertimbangkan untuk menghindari konflik sosial di masyarakat. Sistem pengambilan keputusan kriteria majemuk umumnya digunakan untuk tujuan optimalisasi, yang melibatkan banyak faktor dan dari sudut pandang yang berbeda-beda (Jankowski dan Nyerges 2001). Dalam penelitian ini, analisis dengan metode MCDM akan memanfaatkan berbagai parameter yang diperlukan dalam menentukan optimasi penggunaan lahan, dalam bentuk indeks lahan untuk evaluasi kesesuaian lahan maupun alokasi sebaran lahan (nilai Lp-metric). Indeks lahan dari suatu tipe penggunaan lahan merupakan integrasi nilai-nilai optimal (dalam bentuk sebaran spasial) yang dibangun berdasarkan pertimbangan kriteria majemuk. Gambar 3 menyajikan kerangka penelitian yang disusun sebagai panduan penelitian sehingga dapat mencapai tujuan yang ditetapkan. Berdasarkan urutan pelaksanaannya, penelitian dilakukan melalui beberapa tahap, yaitu: 1.
Penyusunan kerangka dan formulasi masalah yang disusun menggunakan pendekatan kriteria majemuk. Tahap ini berupa penentuan tujuan, penentuan kriteria dan indikator serta evaluasi kriteria dan indikator pada setiap tahap analisis yang dilakukan.
2.
Analisis sektor basis dilakukan menggunakan metode Location Quotient (LQ) untuk menentukan sektor basis ekonomi dan komoditi basis di wilayah penelitian.
3.
Tahap evaluasi lahan. Evaluasi kesesuaian lahan dilakukan mengacu pada kerangka evaluasi lahan menurut FAO (1976) menggunakan pendekatan metode kontinyu.
Pendekatan ini dilakukan dengan tujuan mengetahui
tingkat kesesuaian suatu jenis penggunaan lahan di suatu wilayah menggunakan metode fuzzy set dengan pendekatan semantic import model (SIM).
35
Pemanfaatan Ruang Kawasan
Pendekatan Komoditi Basis
Pendekatan Keruangan (Spasial)
Formulasi Masalah (Pendekatan MCDM)
Aspek Kesesuaian Ekologis Lahan Analisis Komoditi Basis (Location Quotient)
Evaluasi Lahan (Metode Fuzzy Set)
Aspek Ketersediaan Infrastruktur Aspek Sosial Ekonomi Masyarakat Alokasi Lahan (Compromise Programming)
Lahan Lp-metric
Analisis Fungsi Kawasan
Analisis Penggunaan Lahan Aktual
Alokasi Lahan dan Rencana Pengembangan
Gambar 3 Kerangka penelitian. 4.
Tahap analisis alokasi lahan komoditi basis perkebunan. Pengembangan suatu jenis penggunaan lahan tidak hanya ditentukan oleh aspek bio-fisik lahannya, namun perlu di dukung oleh aspek infrastruktur wilayah dan kondisi sosial
36
ekonomi masyarakat. Untuk menentukan alokasi sebaran jenis penggunaan lahan tertentu, dilakukan analisis dengan metode compromise programming menggunakan kerangka pendekatan MCDM yang terdiri atas komponen; (1) Tujuan; (2) Kriteria keputusan; (3) Indikator; (4) Kondisi ideal masingmasing indikator, dan (5) Bobot indikator. Hasil analisis adalah diperolehnya indeks lahan (Lp-metric) alokasi sebaran komoditi basis perkebunan. 5.
Proses evaluasi lahan (metode fuzzy set) dan alokasi lahan (metode compromise programming) menggunakan kriteria dan indikator yang disusun menurut
prioritas
kepentingan.
Pembobotan
kriteria
dan
indikator
menggunakan metode PHA. 6.
Analisis fungsi kawasan dan analisis penggunaan lahan dipaduserasikan dengan hasil analisis Lp-metric untuk menentukan alokasi lahan komoditi basis perkebunan dan cadangan pengembangannya.
3.2 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan di Kabupaten Mamuju Utara Provinsi Sulawesi Barat yang secara administrasi memiliki batas wilayah sebagai berikut:
Sebelah utara: Kabupaten Donggala Provinsi Sulawesi Tengah
Sebelah selatan: Kabupaten Mamuju Provinsi Sulawesi Barat
Sebelah barat: Selat Makassar
Sebelah timur: Kabupaten Donggala Provinsi Sulawesi Tengah Penelitian ini berlangsung dari bulan Maret 2012 hingga Desember 2012.
3.3 Jenis Data, Perangkat Analisis, dan Pengolahan Data 3.3.1 Jenis dan Sumber Data Data yang digunakan bersumber dari data primer hasil pengamatan langsung di lapangan (first hand sources) dan data sekunder yang dikeluarkan oleh lembaga/instansi pemerintah atau lembaga lain yang berkompeten. Data primer terdiri atas; (1) Data hasil pengamatan lapangan (ground truth) untuk validasi data karakteristik tanah dan penggunaan lahan (landuse/landcover), (2) Data kuesioner, (3) Citra satelit (Alos), dan (4) Citra SRTM. Data sekunder terdiri atas; (1) Data karakteristik tanah (2) Data statistik meliputi; Provinsi Sulawesi Barat dalam Angka, Kabupaten Mamuju Utara dalam
37
Angka, Data Potensi Desa (BPS 2011), dan Produk Domestik Regional Bruto (PDRB), (3) Data tematik tentang biofisik wilayah dan kebijakan keruangan, antara lain; peta sistem lahan, peta tata guna hutan kesepakatan (TGHK), peta moratorium kehutanan tahun 2012, peta geologi regional, dan data iklim, (4) Data dan peta-peta hasil penelitian sebelumnya yang relevan. Tabel 4 Jenis dan sumber data yang digunakan No 1
Jenis Data Peta karakteristik tanah
Skala 1:50.000
Tahun 2008
Bentuk Digital
2 3
Peta rupabumi Peta sistem lahan/RePPProT
1:50.000 1:250.000
2004 1987
Digital Digital
4
Peta status kawasan
1:250.000
Digital
5
Resolusi 30 m
Digital
USGS
6
Peta digital elevation model (DEM) Peta geologi regional
1999 dan 2012 2000
1:250.000
1997
Digital
7
Peta administrasi
1 : 100.000
2008
Digital
8 9
Peta penutupan lahan Data curah hujan
1:50.000 -
2010 Series
10
Statistik provinsi/kabupaten Kuesioner PHA
-
20012012 2012
Digital Tabular dan digital Tabular
Direktorat Geologi Bandung Bappeda Kab. Mamuju Utara Citra satelit BPP Pertanian (Stasiun Pasangkayu dan Karossa) Badan Pusat Statistik Peneliti dan pengambil kebijakan
11
3.3.2
-
Tabular
Sumber data Bappeda Prov. Sulbar Bakosurtanal Bakosurtanal dan Departemen Transmigrasi Direktorat Planologi Kemenhut
Perangkat Analisis Perangkat analisis yang digunakan adalah perangkat lunak SIG antara lain;
ArcGIS, Idrisi, Global Mapper, spreadsheet, dll. 3.3.3
Penyiapan dan Pengolahan Data Penyiapan data spasial dilakukan menggunakan format data vektor pada
perangkat lunak ArcGIS, sedangkan pengolahan data umumnya menggunakan format data raster. Data non-spasial diolah menggunakan perangkat lunak spreadsheet. Data spasial terbagi atas tiga kelompok data yaitu; (1) Data spasial untuk proses evaluasi lahan, (2) Data spasial untuk penentuan prioritas alokasi lahan, dan (3) Data spasial status kawasan, penggunaan lahan, dll.
38
3.3.3.1 Data Evaluasi Lahan Data evaluasi lahan dibagi menjadi tiga komponen, yaitu: (1) Data iklim, (2) Data lereng, dan (3) Data karakteristik tanah. Penyiapan basis data dimulai dari tahap pemasukan data (input data, standarisasi sistem koordinat/rektifikasi data), pemanggilan data (queri data), manipulasi data, penggabungan basis data hingga konversi format data (jenis data, format file, ukuran sel data, satuan yang digunakan, dll). Pertama, data iklim. Data iklim meliputi tiga jenis data, yaitu; curah hujan (mm/tahun), bulan kering dan temperatur udara (0C). Data curah hujan dan data jumlah bulan kering diperoleh dari pencatatan dua stasiun iklim, yaitu Stasiun Pasangkayu dan Karossa (BPP Pertanian) dan peta RePPProT. Pengumpulan data pada stasiun BPP Pertanian Kab. Mamuju Utara dilakukan karena stasiun klimatologi BMKG hanya terdapat di Kota Palu (Provinsi Sulawesi Tengah) dan Kabupaten Majene (Provinsi Sulawesi Barat) yang tidak mewakili wilayah Kabupaten Mamuju Utara. Metode interpolasi sebaran curah hujan dan bulan kering menggunakan metode Thiessen (Gambar 4). Jumlah bulan kering ditentukan berdasarkan nilai rata-rata curah hujan bulanan lebih kecil dari 60 mm/bulan. Dengan standar tersebut maka di lokasi studi tidak terdapat wilayah yang memiliki curah hujan kurang dari 60 mm/bulan. Data temperatur udara diperoleh dengan menggunakan pendekatan ketinggian tempat yang diadaptasi dari persamaan Braak (1929) sebagai berikut: t = 26.30C – (0.01 x elevasi x 0.60C) dimana; t = temperatur udara (0C) elevasi = ketinggian tempat dari permukaan laut (m)
(23)
Data temperatur udara dihitung menggunakan persamaan Braak karena data tersebut tidak tersedia dengan baik. Berdasarkan hasil penelitian Braak di Indonesia (Hindia Belanda), temperatur di dataran rendah (pantai) berkisar antara 25-270C, sehingga berdasarkan persamaan 23 setiap pertambahan ketinggian tempat 100 m menyebabkan perubahan temperatur sebesar 0.60C. Pendekatan tersebut juga digunakan dan menjadi dasar dalam penentuan kriteria evaluasi lahan yang digunakan oleh Djaenuddin et al. (2003) yang menjadi acuan dalam studi ini.
39
(a) Curah hujan (mm/tahun)
(b) Temperatur udara (0C)
Gambar 4 Sebaran curah hujan dan temperatur udara di Kab. Mamuju Utara.
(a) Kedalaman efektif (cm)
(b) Kapasitas tukar kation (cmol)
Gambar 5 Data sifat fisik tanah (a) dan kimia tanah (b) di Kab. Mamuju Utara. Penyajian peta sebaran temperatur udara menggunakan data ketinggian tempat diturunkan dari pengolahan data kontur peta rupabumi skala 1:50.000. Interpolasi data kontur menghasilkan 22 interval kelas ketinggian tempat dari interval 0-100 m hingga 2 100-2 175 meter. Data hasil pengolahan temperatur menggunakan persamaan 23 kemudian digabungkan dengan data spasial kelas ketinggian untuk memperoleh peta sebaran temperatur udara. Data tersebut lalu dikonversi ke dalam format data raster (Gambar 4b). Kedua; data karakteristik tanah bersumber dari peta sistem lahan atau peta RePPProT (Regional Physical Planning Programme for Transmigration) skala 1:250.000. Untuk menyesuaikan dengan kebutuhan, maka peta RePPProT telah mengalami proses pendetilan pada unit lahan yang relatif luas. Pendetilan menggunakan pendekatan fisiografi landform yang diturunkan dari peta rupabumi
40
skala 1:50.000 dengan pembuatan kelas lereng. Kelas lereng yang terbentuk kemudian menjadi unit lahan baru dan lebih detil dari unit lahan pada peta sistem lahan. Hasil pendetilan sistem lahan menghasilkan 25 unit lahan. Proses pengamatan dan pengambilan contoh tanah di lapangan didasarkan pada unit lahan tersebut. Lokasi pengamatan dilakukan pada 166 titik yang berada pada kawasan budidaya (Bappeda Sulbar 2008). Karakteristik sifat tanah yang dianalisis meliputi sifat fisik tanah dan kimia tanah. Sifat fisik tanah terdiri atas; 1). Tekstur tanah, 2). Drainase, 3). Kedalaman tanah, 4). Batuan permukaan, dan 5). Genangan (banjir). Sifat kimia tanah, meliputi; 1). Kemasaman tanah (pH), 2). Kejenuhan basa (KB), 3). Bahan organik, 4). Kapasitas tukar kation (KTK), dan 5). Salinitas. Pengolahan data dilakukan pada setiap karakateristik tanah menggunakan format data raster dengan contoh hasil pengolahan tersaji pada Gambar 5, adapun peta unit lahan dan lokasi pengamatan lapangan disajikan pada Lampiran 4. Ketiga; data lereng. Data lereng diturunkan dari DEM SRTM (shuttle radar topography mission) resolusi 30 m. Data SRTM merupakan data topografi permukaan bumi yang diakuisisi tanggal 11-20 Februari tahun 2000 menggunakan wahana ruang angkasa Endeavor (Rabus et al. 2003). Pengolahan data dilakukan untuk menghasilkan data lereng dalam satuan tertentu (persen atau derajat), dimana dalam studi ini dilakukan dalam satuan persen. Proses tersebut diawali dengan ekstraksi lokasi penelitian dari sumber data, dan dilanjutkan dengan konversi sistem koordinat dari sistem koordinat geografik ke sistem koordinat UTM. Selanjutnya dilakukan proses standarisasi data DEM melalui teknik reklasifikasi data. Proses ini dilakukan menggunakan modul RECLASS pada Idrisi untuk menghilangkan nilai sel data < 0. Proses berikunya adalah penentuan satuan lereng menggunakan modul SLOPE pada Idrisi. 3.3.3.2 Data Indeks Lahan Compromise Programming Data yang digunakan dalam proses alokasi lahan bersumber dari: (1) Citra satelit, (2) Peta rupabumi skala 1:50.000, (3) Data potensi desa, (4) Hasil survei lapang, dan (5) Hasil evaluasi kesesuaian lahan. Pengolahan citra satelit dilakukan menggunakan teknik analisis terbimbing (supervised classification) pada citra ALOS akuisisi tahun 2010. Data tersebut
41
diklasifikasi menjadi empat belas jenis penutupan lahan, meliputi: hutan lahan kering primer, hutan lahan kering sekunder, hutan mangrove primer, hutan mangrove sekunder, kebun, kebun kelapa sawit, pemukiman, pertanian lahan kering, pertanian lahan kering campur semak, rawa, semak belukar, tambak, tanah terbuka, dan tubuh air. Data hasil analisis citra satelit digunakan pada indikator; pilihan jenis komoditi masyarakat, pemukiman, dan jalan (pemutakhiran data). Jenis layer data rupabumi skala 1:50.000 yang digunakan adalah data jalan yang dimutakhirkan dengan data analisis citra satelit. Menggunakan teknik buffering pada SIG, jarak lokasi dihitung menggunakan modul perhitungan jarak pada software Idrisi. Data potensi desa (BPS 2011) diolah untuk menentukan indeks ketersediaan energi listrik di setiap desa/kelurahan. Penentuan lokasi pasar dilakukan melalui survei menggunakan GPS. Data hasil evaluasi lahan diperoleh dari proses evaluasi lahan menggunakan teknik fuzzy set. 3.3.3.3 Data Spasial Lain dan Non-Spasial Data spasial lain yang digunakan adalah peta status kawasan/tata guna hutan kesepakatan (TGHK). Data non-spasial terdiri atas data sekunder dan data hasil kuesioner perbandingan berpasangan. Data kuesioner perbandingan berpasangan diolah menggunakan perangkat spreadsheet menggunakan persamaan 1-11. Adapun data sekunder diolah sesuai kebutuhan penyajian data (tabel atau grafik). 3.4 Tahapan Penelitian Pelaksanaan penelitian dilakukan dengan tahapan berikut: 3.4.1
Penentuan Sektor Basis dan Komoditi Basis Penentuan sektor dan komoditi basis dilakukan untuk mengetahui basis
ekonomi utama dan sumber penghasilan dominan masyarakat di Kabupaten Mamuju Utara. Selain itu, dengan penentuan komoditi basis analisis aspek biofisik lahan dapat difokuskan pada komoditi tertentu. Dalam konteks pengembangan wilayah, fokus analisis tersebut dapat mempermudah penentuan aspek penunjang pengembangan komoditi di suatu wilayah. Penentuan sektor basis dan komoditi basis menggunakan metode Location Quotient (LQ) (Persamaan 1). Komoditi basis ditentukan berdasarkan aspek luas
42
tanam, jumlah produksi, dan tenaga kerja komoditi tertentu yang termasuk pada sub sektor basis ekonomi wilayah. 3.4.2 Evaluasi Lahan dengan Metode Fuzzy Set Proses evaluasi lahan pada penelitian ini mengadaptasi model yang dikembangkan oleh Baja et al. (2002). Data indikator lahan yang digunakan dikelompokkan menjadi tiga kriteria, yaitu: (1) Kriteria iklim, terdiri atas; curah hujan, lamanya bulan kering dan temperatur udara, (2) Kriteria lereng menggunakan
data
DEM
(digital
elevation
model),
dan
(3)
Kriteria
karakteristik/kualitas tanah. Penentuan derajat keanggotaan (MF) indikator lahan Iklim
Lereng
Pengelompokan indikator (JMF)
Pengelompokan indikator (JMF)
Tanah
Pengelompokan indikator (JMF)
Penghitungan fungsi keanggotaan kriteria (JMFK)
Proses perkalian (kombinasi konveks) terbobot DKG tanah
DKG iklim
DKG lereng
0 ≤ IKL ≤ 1
Gambar 6 Prosedur evaluasi lahan menggunakan metode fuzzy set. Proses evaluasi lahan dengan pendekatan MCDM dilakukan dengan tahapan berikut; (1) Penyusunan kriteria evaluasi, (2) Standarisasi data, (3) Penentuan kriteria dan indikator evaluasi, (4) Penentuan bobot kriteria lahan, (5) Penentuan model dan derajat keanggotaan indikator, (6) Penggabungan indikator menggunakan fungsi kombinasi yang sesuai untuk memperoleh indeks kesesuaian lahan. Prosedur dan tahapan evaluasi lahan menggunakan metode fuzzy set diuraikan sebagai berikut. 3.4.2.1 Penyusunan Kriteria Evaluasi Kriteria evaluasi lahan yang digunakan mengacu pada kriteria evaluasi lahan Balai Penelitian Tanah, Pusat Penelitian dan Pengembangan Tanah dan
43
Agroklimat Kementerian Pertanian yang disusun oleh Djaenuddin et al. (2003). Untuk menghasilkan kriteria evaluasi lahan yang mengakomodasi seluruh komoditi basis perkebunan dilakukan proses penggabungan kriteria evaluasi lahan seluruh komoditi basis. Meskipun tidak umum dilakukan dalam proses evaluasi lahan, namun pendekatan tersebut telah dilakukan pada studi penggunaan lahan DAS Cimanuk Hulu dalam menyusun kriteria evaluasi lahan komoditi perkebunan dataran rendah tidak sensitif kemasaman (tanaman kelapa dalam, jeruk, kelapa sawit, dan karet) oleh tim peneliti IPB dan Bappeda Provinsi Jawa Barat (Bappeda Jabar 1999). Menurut Mangoensoekarjo (2007) penggabungan kriteria kesesuaian lahan memungkinkan untuk dilakukan jika komoditi tersebut memiliki klasifikasi taksonomi famili yang sama. Meskipun pendekatan tersebut memiliki kelemahan secara metodik, khususnya ditinjau dari aspek budidaya namun dilakukan dengan pertimbangan, berikut: 1. Memperluas rentang kinerja kesesuaian komoditi basis sehingga dapat mengakomodir kebutuhan alokasi lahan secara lebih umum dan bersifat spesifik (site specific). 2. Dalam konteks fuzzy set pendekatan ini dilakukan untuk membuat rentang kesesuaian indeks lahan yang dapat mengakomodasi kebutuhan alokasi lahan secara agregat wilayah. Indeks kesesuaian lahan yang diperoleh dapat sesuai dengan indikator pengembangan wilayah yang dikembangkan pada analisis selanjutnya. 3. Berdasarkan aspek pembangunan wilayah menurut sub sektor kegiatan pembangunan, pendekatan ini dapat mengakomodasi kebutuhan evaluasi lahan menurut sub sektor pembangunan wilayah pada sektor pertanian. Dengan demikian, dalam konteks alokasi lahan untuk pengembangan pola ruang wilayah diperlukan pendekatan kriteria evaluasi lahan yang bersifat lebih umum dan tidak spesifik pada komoditi tertentu. Metode ini diharapkan dapat menjadi salah satu pendekatan dalam menjawab kebutuhan penentuan pola ruang wilayah. Namun demikian, pendekatan yang menggabungkan kriteria evaluasi lahan untuk beberapa jenis komoditi menjadi kelemahan dalam studi ini, mengingat proses
44
generalisasi kriteria evaluasi kesesuaian lahan menghilangkan kondisi spesifik indeks kesesuaian lahan jenis komoditi yang terdapat di wilayah penelitian. 3.4.2.2 Standarisasi data Permasalahan yang sering dijumpai dalam proses evaluasi lahan adalah data yang tersedia tidak dapat digunakan secara langsung sebagai input dalam SIG akibat perbedaan format. Sebagai contoh, dalam kriteria evaluasi lahan (Djaenuddin et al. 2003) tekstur tanah dikelompokkan ke dalam kelas halus, agak halus, sedang, kasar, dll. Jenis data tersebut tidak dapat dimasukkan sebagai input ke dalam SIG. Untuk itu, proses standarisasi data dilakukan berdasarkan jenis atribut data fuzzy. Menurut Kumadewi dan Purnomo (2010) dalam proses fuzzifikasi data, himpunan fuzzy memiliki dua jenis atribut, yaitu; (1) Atribut numerik, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti 23, 12.5, dan sebagainya. (2) Atribut linguistik, yaitu penamaan suatu kelompok yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa sehari-hari, seperti rendah, sedang, tinggi, halus, agak halus, cepat, terhambat, dan lain-lain. Dengan pertimbangan tersebut, dilakukan pengelompokan atribut data linguistik (data interval) sehingga dapat dimasukkan sebagai input dalam SIG. Data dalam bentuk ordinal (atribut data linguistik) diubah menjadi data numerik dalam bentuk nomor urut. Pengelompokan data dilakukan dalam bentuk pemeringkatan data. Peringkat data yang dinyatakan dalam bentuk ordinal dibagi menjadi empat kelas sesuai dengan pembagian kelas evaluasi lahan, sehingga informasi tekstual diubah menjadi nomor urut. 3.4.2.3 Penentuan Kriteria dan Indikator Evaluasi Lahan Penentuan kriteria evaluasi lahan menggunakan rentang kesesuaian lahan dari komoditi basis yang dihasilkan. Dengan demikian interval indikator kelas kesesuaian lahan yang dihasilkan memiliki rentang yang lebih lebar. Pendekatan tersebut untuk mengakomodasi kesesuaian lahan komoditi yang dihasilkan dari analisis komoditi basis perkebunan. Dalam menentukan kriteria dan indikator evaluasi lahan, tidak seluruh kriteria menurut Balai Penelitian Tanah, Pusat Penelitian dan Pengembangan Tanah dan Agroklimat Kementerian Pertanian
45
digunakan karena keterbatasan data. Indikator lahan yang datanya tidak tersedia atau tidak diperlukan pada analisis tidak dimasukkan sebagai indikator evaluasi lahan. Indikator yang tidak digunakan adalah kelembaban udara, bahan kasar, alkalinitas, dan kedalaman sulfidik. 3.4.2.4 Penentuan Bobot Kriteria Lahan Metode
pembobotan
yang digunakan
adalah
teknik
perbandingan
berpasangan menggunakan Proses Hirarki Analisis (PHA) (Saaty 1977). Dalam proses evaluasi lahan tidak semua parameter lahan yang digunakan memiliki peranan yang sama dalam menentukan tingkat perkembangan tanaman. Meskipun seluruh karakteristik lahan yang dipilih memiliki peranan dalam proses ekologi, namun bobot peranan masing-masing karakteristik berbeda. Dalam proses evaluasi lahan dibutuhkan identifikasi bobot kepentingan kriteria yang digunakan, khususnya jika proses tersebut menggunakan operasi matematik dalam menghasilkan indeks kesesuaian lahan (Baja et al. 2001; Braimoh et al. 2004). Oleh karena itu, penentuan bobot kepentingan pada studi ini dilakukan pada aspek kriteria menggunakan pendekatan MCDM. Tahapan penentuan bobot kepentingan dilakukan sebagai berikut; (1) Penyusunan kerangka dan tujuan, (2) Penyusunan kriteria evaluasi, serta (3) Penyusunan hirarki keputusan (Gambar 7). Selanjutnya dilakukan penyusunan kuesioner perbandingan berpasangan dan penentuan responden yang terlibat. Responden terdiri atas 9 peneliti, yang bekerja pada lembaga pendidikan dan penelitian. Kriteria responden adalah mereka yang mengetahui kondisi wilayah atau telah terlibat melakukan kegiatan survei/pengamatan tanah sehingga dianggap memahami karakteristik wilayah penelitian. Pengolahan data dilakukan dengan tahapan berikut; (1) Penyusunan matriks perbandingan berpasangan dari pendapat responden menggunakan persamaan 4, (2) Penghitungan bobot prioritas masing-masing kriteria menggunakan persamaan 5 dan 6, (3) Menentukan rata-rata geometrik matriks perbandingan berpasangan menggunakan persamaan 11, dan (4) Menguji tingkat konsistensi vektor prioritas menggunakan persamaan 7-10.
46
Tujuan
Kriteria
Indikator
Tekstur Drainase Kedalaman tanah Batuan permukaan Genangan Tanah Kemasaman (pH) Bahan organik KTK C-Organik Salinitas Evaluasi Lahan Curah hujan Iklim
Bulan kering Temperatur
Lereng
Lereng (persen)
Gambar 7 Struktur hirarki evaluasi lahan. 3.4.2.4 Penentuan Model dan Derajat Keanggotaan Indikator Untuk melakukan proses evaluasi lahan menggunakan metode fuzzy set, salah satu tahapan penting yang mutlak dilaksanakan adalah menentukan derajat keanggotaan (Membership Function/MF) indikator lahan. Derajat keanggotaan indikator lahan mengacu pada salah satu model kurva S (sigmoid) pada pendekatan Semantic Import Model (SIM), yaitu; simetrik, asimetrik kanan, atau asimetrik kiri. Penentuan derajat keanggotaan (MF) indikator lahan menggunakan persamaan 13-16. Derajat keanggotaan indikator lahan diolah menggunakan modul FUZZY (decision support) pada Idrisi.
47
3.4.2.5 Penggabungan Indikator dan Indeks Kesesuaian Lahan Atribut data (indikator) pada masing-masing kriteria dikombinasikan menggunakan fungsi kombinasi, yang memungkinkan adanya trade-off diantara atribut lahan menggunakan persamaan 17. Hasil pengelompokan indikator lahan pada setiap kriteria adalah derajat keanggotaan gabungan (DKG) yang merupakan nilai rata-rata indeks lahan untuk setiap kriteria. Pengelompokan antara kriteria dalam proses evaluasi lahan dilakukan untuk melihat interaksi internal dari masing-masing kriteria dalam memberikan pengaruh terhadap hasil indeks kesesuaian lahan. Dengan pendekatan ini maka nilai MF yang tinggi untuk satu indikator dapat mengkompensasi nilai MF yang rendah untuk indikator lainnya. Dalam pendekatan evaluasi lahan yang menggunakan metode konvensional (Boolean), karakteristik lahan yang memiliki nilai pembatas terendah (MF dengan nilai terendah) akan menentukan nilai karakteristik kesesuaian yang dihasilkan, tanpa mempertimbangkan adanya indikator lain yang memiliki nilai yang lebih baik dalam proses evaluasi. Setelah proses penggabungan indikator lahan, dilanjutkan dengan proses perkalian bobot kepentingan setiap derajat keanggotaan gabungan (DKGK) lahan menggunakan persamaan 18. Indeks kesesuaian lahan diperoleh dengan melakukan proses perkalian antar kriteria (tanah, iklim dan topografi) dengan persamaan 19. Pendekatan ini memungkinkan terjadinya trade-off antar kriteria yang digunakan dan mengakomodasi pendekatan faktor pembatas (Baja 2012). Karena menghasilkan nilai indeks (interval 0–1), maka perkalian antara dua indikator atau lebih akan menghasilkan nilai indeks yang lebih rendah dari nilai indikator aslinya sebagaimana diuraikan dalam Rossiter (1996). Dalam studi ini, wilayah yang memiliki kelas lereng terjal (nilai hasil perkalian indikator rendah) tidak dapat dikompensasikan dengan nilai sel unit lahan (karakteristik tanah) yang bernilai tinggi. 3.4.3
Compromise Programming (CP) Compromise programming (CP) merupakan salah satu pendekatan dalam
MCDM yang mengutamakan “kompromi” antara semua fungsi tujuan yang ditetapkan untuk mencapai sasaran analisis (Baja et al. 2006). Fungsi tersebut
48
dapat dalam bentuk yang saling menunjang (synergic) ataupun bertentangan (conflict) antara satu dengan lainnya. Dalam penerapannya CP menggunakan teknik pemrograman matematik untuk mencari pemecahan masalah secara kompromi dalam suatu analisis yang meliputi kumpulan (beberapa) tujuan. CP mengandalkan prinsip fungsi jarak seperti yang dikenal dalam dalil Phytagoras dan fungsi jarak Eucledian. Makin dekat jarak ke titik ideal, maka akan semakin baik dan memenuhi tujuan fungsi yang ditetapkan. Studi alokasi lahan menyangkut model optimasi ruang secara spasial berdasarkan kompromi kepentingan antara berbagai pihak dalam menggunakan potensi sumberdaya lahan dilakukan secara terbatas oleh peneliti. Dalam penelitian ini penggunaan metode CP sebagai sebuah pendekatan dalam menentukan alokasi lahan dilakukan untuk melihat potensi aplikasi teknik CP dalam merumuskan alokasi ruang yang dibutuhkan di suatu kawasan. Sebagai sebuah pendekatan, kelemahan yang bersifat metodik sangat terbuka untuk ditemukan. Namun diharapkan kelemahan-kelemahan tersebut dapat diatasi di masa mendatang. Beberapa kelemahan aplikasi teknik CP dalam studi ini antara lain; penentuan indikator didasarkan atas kajian pustaka dan asumsi. Asumsi yang digunakan disusun menurut kondisi aktual yang diamati dan data statistik yang tersedia. Penetuan faktor-faktor yang mempengaruhi perkembangan wilayah secara ideal, hendaknya dilakukan berdasarkan studi pendahuluan yang memadai. Selain itu, penentuan titik ideal (kondisi optimal) suatu indikator tidak seluruhnya didasarkan atas hasil studi, melainkan disusun berdasarkan hasil pengamatan faktual di lapangan. Namun demikian, pendekatan tersebut diharapkan dapat dikembangkan dengan mengkombinasikan metode pengambilan keputusan berbasis spasial dengan metode lain secara lebih komprehensif. Aplikasi metode CP dilakukan terhadap sejumlah indikator spasial untuk menentukan alokasi penggunaan lahan di Kabupaten Mamuju Utara. Parameter yang digunakan merupakan sebuah pendekatan kewilayahan berbasis spasial, sehingga
seluruh
indikator
yang
digunakan
menekankan
pada
aspek
spasialisasinya. Selain itu dalam menentukan kesesuaian penggunaan suatu persil lahan tidak hanya ditentukan oleh aspek bio-fisik wilayahnya namun juga oleh aspek lain yang terkadang lebih dominan dibandingkan aspek lahan. Menurut
49
Kalogirou (2002) penggunaan data selain data bio-fisik lahan dalam studi evaluasi lahan perlu dilakukan untuk lebih memfokuskan proses evaluasi lahan sehingga menjadi model yang lebih realistik. 3.4.3.1 Hirarki Compromise Programming dalam MCDM Penyusunan indeks pengembangan komoditi basis perkebunan dilakukan dengan mempertimbangkan berbagai indikator yang dibagi menurut aspek optimasi produksi, aspek sosial ekonomi, serta aspek infrastruktur (Gambar 8). Penggabungan berbagai aspek tersebut menjadi dasar digunakannya pendekatan MCDM dalam proses alokasi lahan (Jankowski 1995). 3.4.3.2 Tujuan dan Indikator Tujuan yang ingin dicapai dalam proses alokasi lahan menggunakan pendekatan MCDM adalah mengkaji potensi pengembangan komoditi basis sesuai dengan aspek kesesuaian lahan, ditunjang oleh kondisi sosial ekonomi serta ketersediaan infrastruktur wilayah. Pertimbangan yang digunakan dan menjadi dasar penyusunan alokasi lahan adalah beberapa fungsi tujuan yang diuraikan pada masing-masing sub bab berikut dan disajikan secara ringkas pada Tabel 5. Tujuan
Kriteria
Optimasi produksi
Indikator
Indeks kesesuaian lahan
Jaringan jalan
Alokasi lahan
Ketersediaan infrastruktur
Jarak dari pasar Jarak dari sumber energi
Pilihan masyarakat Sosial ekonomi Lokasi pemukiman
Gambar 8 Struktur hirarki CP dengan pendekatan MCDM.
50
Tabel 5 Indikator fungsi tujuan yang dikembangkan dalam penyusunan model Fungsi Tujuan 1. Memaksimalkan ketersediaan energi
2. Meminimalkan jarak dengan jaringan jalan
3. Meminimalkan jarak dari lokasi pemukiman 4. Meminimalkan jangkauan pasar 5. Memaksimalkan pilihan masyarakat
6. Memaksimalkan produksi (indeks kesesuaian lahan)
Asumsi Listrik merupakan sumber energi untuk pengolahan hasil tanaman perkebunan. Ketersediaan sumber energi akan memperbaiki peluang pengembangan industri pengolahan hasil. Semakin baik indeks ketersediaan energi maka wilayah tersebut memiliki peluang yang lebih baik untuk mengembangkan tanaman perkebunan. Lahan yang berada dekat dengan jaringan jalan memiliki potensi dan peluang untuk mengakses prasarana dan fasilitas perekonomian. Semakin dekat dengan jaringan jalan maka potensi lahan akan semakin baik Semakin dekat kawasan pemukiman dengan kawasan perkebunan memungkinkan masyarakat lebih baik melakukan proses manajemen lahan Lokasi pasar akan memudahkan dalam memperoleh sarana produksi dan penjualan hasil. Semakin dekat dengan lokasi pasar maka potensi lahan akan semakin baik Kondisi aktual penggunaan lahan menunjukkan preferensi masyarakat terhadap pilihan jenis komoditi perkebunan yang akan dikembangkan. Kawasan yang mengembangkan tanaman perkebunan akan memiliki peluang yang lebih baik dibandingkan dengan kawasan yang tidak mengembangkan jenis komoditi perkebunan Bertujuan untuk mengalokasikan lahan yang memiliki potensi produksi yang lebih optimal. Hal ini dicapai melalui alokasi setiap persil lahan dalam sel data dengan faktor pembatas yang minimum.
3.4.3.2.1 Fungsi Tujuan: Ketersediaan Energi Faktor ketersediaan sumber energi merupakan salah satu faktor pendorong perkembangan wilayah pedesaan. Tidak tercukupinya suplai kebutuhan energi bagi wilayah pedesaan menyebabkan kurang berkembangnya sektor industri di wilayah ini, sehingga menyebabkan rendahnya pertumbuhan industri dan penyerapan tenaga kerja (Anwar 2005). Hal ini menjadi dasar sehingga faktor ketersediaan
energi
dimasukkan
sebagai
indikator
dalam
model
CP
pengembangan komoditi di wilayah studi. Semakin baik indeks ketersediaan energi maka wilayah tersebut memiliki peluang yang lebih baik untuk mengembangkan komoditi basis perkebunan khususnya dan komoditi pertanian umumnya. Data ketersediaan sumber energi dihitung menggunakan pendekatan jumlah rumah tangga di setiap desa yang menggunakan energi (listrik) bersumber dari PLN dan non-PLN. Data bersumber dari data potensi desa (BPS 2011). Proses normalisasi terhadap data dilakukan untuk menghasilkan nilai indeks ketersediaan energi di setiap desa/kelurahan yang diolah dalam perangkat lunak spreadsheet. Data indeks energi digabungkan dengan data spasial administrasi desa untuk
51
menghasilkan indeks spasial ketersediaan energi. Proses standarisasi data dengan teknik fuzzy tidak dilakukan terhadap indeks ketersediaan energi, mengingat data yang dihasilkan sudah merupakan data indeks dengan kisaran 0-1. Jika proses fuzzifikasi dilakukan maka kisaran nilai data tidak terdistribusi dengan baik bahkan memunculkan data baru yang tidak dapat dijelaskan maknanya. 3.4.3.2.2
Fungsi Tujuan: Aksesibilitas Jaringan Jalan
Pengembangan kawasan budidaya diarahkan untuk memanfaatkan seoptimal mungkin kesempatan ekonomi (economic opportunities) yang dimiliki suatu areal lahan. Selain faktor internal yang terdapat pada sebidang lahan, seperti ketersediaan hara dan faktor lainnya, juga ditentukan oleh faktor eksternal seperti aksesibilitas lokasi. Kawasan yang secara fisik sesuai untuk dikembangkan sebagai kawasan pengembangan komoditi tertentu tidak dapat berkembang dengan baik jika tidak memiliki tingkat aksesibilitas yang cukup. Bahkan pada beberapa kasus, pengembangan komoditas tertentu pada lahan marginal tetapi memiliki tingkat aksesibilitas yang tinggi lebih menguntungkan dibandingkan dengan lahan yang segi bio-fisik lebih baik tetapi terletak pada wilayah terpencil. Jalan sebagai salah satu infrastruktur dasar memiliki peranan kunci dalam pengembangan
perekonomian.
Dalam
perspektif
kewilayahan,
jalan
memungkinkan terjadinya pergerakan atau mobilitas sumberdaya yang diperlukan oleh kegiatan ekonomi. Pengembangan komoditi perkebunan merupakan salah satu kegiatan ekonomi yang memerlukan investasi dimana faktor aksesibilitas memegang peranan penting dalam pengembangannya. Menurut Widodo (2007) wilayah yang memiliki aksesibilitas tinggi karena memiliki infrastruktur jalan yang baik cenderung memiliki memiliki daya tarik relatif lebih baik dibandingkan wilayah lainnya. Jarak dari jalan merupakan faktor penting secara ekonomi terhadap posisi suatu lokasi. Komoditi kelapa sawit misalnya memerlukan akses terhadap prasarana jalan sehingga memungkinkan untuk diangkut ke lokasi pabrik tepat waktu (Obiechina 1986). Asumsi yang digunakan dalam menentukan jarak dari jalan utama terhadap suatu persil lahan adalah semakin dekat dengan jarak jalan maka semakin baik posisi persil lahan tersebut dalam pengembangan komoditi. Perhitungan jarak dari jalan dilakukan dengan modul DISTANCE pada Idrisi. Proses fuzzifikasi
52
menggunakan pendekatan fungsi asimetrik kanan (semakin dekat dari jalan nilai indeks lahan semakin baik) dengan titik optimum 30 m dan titik infleksi tertinggi 3 000 m. 3.4.3.2.3 Fungsi Tujuan: Pemukiman Pemukiman merupakan kelompok karakteristik suatu populasi dalam suatu unit hunian, dimana terdapat berbagai fasilitas yang dapat melayani sejumlah populasi. Pemukiman merupakan komponen penting dalam pengusahaan suatu areal lahan sebab seluruh aktifitas masyarakat merupakan bagian dari sebuah sistem pemukiman tidak hanya di wilayah perkotaan namun juga di wilayah pedesaan (Pradhan 2003). Dalam konteks keruangan, wilayah pemukiman merupakan tempat aktifitas kegiatan masyarakat dan menjadi pusat dari struktur satuan pemukiman. Dalam analisis satuan pemukiman, morfologi pemukiman yang terbentuk merupakan hasil interaksi karakteristik fisik dan demografi wilayah. Pola hubungan tersebut akan mempengaruhi kondisi sosial dan ekonomi masyarakat (Rondenelli 1985). Dengan asumsi tersebut maka aspek pemukiman dijadikan sebagai indikator dalam penelitian ini, meskipun pendekatannya hanya sebatas pendekatan spasial. Namun demikian, proses interaksi indikator dalam mengalokasikan persil lahan dapat menghasilkan jenis penggunaan lahan yang lebih baik. Idealnya sebelum penentuan jarak dari suatu lokasi pemukiman, setiap satuan pemukiman telebih dahulu diklasifikasikan berdasarkan pola pemukimannya, misalnya; pola menyebar atau mengelompok. Namun karena keterbatasan waktu dan biaya hal tersebut tidak dilakukan dalam penelitian ini. Jarak ideal lokasi areal lahan usahatani dari wilayah pemukiman ditentukan sejauh 10 km sebagai radius commuting (Friedmann dan Douglass 1975). Dengan menggunakan asumsi tersebut, alokasi lahan yang ideal untuk pengembangan komoditi dilakukan melalui proses standarisasi data. Standarisasi data dilakukan dengan algoritma fuzzy menggunakan model asimetrik kanan (monotonically decreasing), dimana semakin dekat suatu lokasi dari wilayah pemukiman maka lokasi tersebut dianggap semakin ideal. Data lokasi pemukiman diperoleh melalui interpretasi citra ALOS yang telah diverifikasi melalui ground truth. Penghitungan jarak dari lokasi pemukiman
53
aktual dilakukan dengan metode jarak Eucledian menggunakan modul DISTANCE pada perangkat Idrisi. Proses standarisasi data dilakukan dengan metode fuzzy menggunakan pendekatan SIM. Penentuan derajat keanggotaan (MF) untuk menjalankan fungsi fuzzy menggunakan jarak dari pemukiman ditentukan dengan nilai optimum (titik c) 30 m (ukuran sel raster terkecil) dan titik infleksi tertinggi (titik d) 10 000 m. 3.4.3.2.4
Fungsi Tujuan: Jarak dari Pasar
Menurut von Thunen (1942) nilai land rent lahan merupakan fungsi dari lokasi (location rent). Land rent suatu lahan didasarkan atas hubungan jarak antara lokasi lahan dengan jarak ke pusat pasar, dimana semakin dekat jarak lahan ke pusat pasar maka semakin baik nilai land rent lahan tersebut (Rustiadi et al. 2009). Dalam penelitian ini, jarak dari lokasi pasar dihitung berdasarkan jarak rata-rata yang ditempuh masyarakat untuk menjangkau lokasi pasar terdekat jika di suatu desa tidak terdapat bangunan pasar. Lokasi pasar merupakan tempat/lokasi terjadinya transaksi perekonomian di suatu wilayah. Adapun jarak yang ditempuh untuk menjangkau lokasi pasar menjadi dasar untuk menentukan radius pengaruh suatu pasar. Jumlah bangunan pasar di Kabupaten Mamuju Utara terdapat 30 unit yang terletak di pada 30 desa/kelurahan. Posisi geografik setiap pasar ditentukan menggunakan GPS (Global Positioning System). Menurut data potensi desa (BPS 2011) jarak rata-rata untuk mencapai pasar terdekat dari suatu desa di Kabupaten Mamuju Utara adalah 5 km. Data jarak tersebut dijadikan dasar dan melandasi asumsi yang digunakan dalam menentukan radius pengaruh pasar. Penentuan fungsi jarak Eucledian dilakukan menggunakan modul DISTANCE dalam Idrisi. Standarisasi data dilakukan dengan menjalankan algoritma fuzzy menggunakan persamaan 16 atau model asimetrik kanan (monotonically decreasing). Derajat keanggotaan jarak dari lokasi pasar ditentukan dengan nilai optimum (titik c) 30 m (ukuran sel raster terkecil) dan titik infleksi tertinggi (titik d) 5 000 m. Semakin dekat dengan lokasi pasar maka potensi lahan semakin baik.
54
3.4.3.2.5 Fungsi Tujuan: Pilihan Komoditi Masyarakat Pilihan masyarakat terhadap pengembangan suatu jenis komoditi merupakan faktor penting dalam penyusunan model ini. Aspek pilihan masyarakat dalam pengembangan komoditi dilakukan dengan asumsi bahwa pengembangan komoditi yang dilakukan saat ini merupakan pilihan yang sesuai dengan keinginan mereka. Data komoditi yang diusahakan pada suatu persil lahan diperoleh melalui interpretasi citra ALOS tahun 2010. Pendekatan ini dilakukan karena data yang dibutuhkan lebih ditekankan pada aspek spasialnya. Hasil klasifikasi citra diperoleh penggunaan lahan untuk beberapa komoditi perkebunan, yaitu: kebun (kakao dan kelapa dalam), kebun kelapa sawit, dan tanaman kelapa dalam (pertanian lahan kering). Penggunaan lahan tersebut lalu diasumsikan menjadi pilihan masyarakat dalam mengembangkan komoditi perkebunan. Standarisasi data dilakukan untuk menentukan jarak ideal dari lokasi pengembangan komoditi perkebunan aktual. Semakin dekat dari jarak lokasi pengembangan tanaman perkebunan saat ini, maka lokasi tersebut semakin ideal. Proses fuzzifikasi dilakukan menggunakan pendekatan fungsi asimetrik kanan dengan titik optimum 0 m dan titik infleksi tertinggi 5 000 m. 3.4.3.2.6 Fungsi Tujuan: Indeks Kesesuaian Lahan Indeks kesesuaian lahan merupakan hasil analisis evaluasi lahan menggunakan metode fuzzy set untuk mengalokasikan lahan yang memiliki potensi produksi yang lebih baik. Hal ini dicapai melalui alokasi setiap areal lahan dalam sel data dengan faktor pembatas yang minimum. Indeks kesesuaian lahan dengan teknik fuzzy digunakan sebagai salah satu indikator dalam proses CP setelah dilakukan normalisasi. 3.4.3.3 Penentuan Bobot Kepentingan Untuk menentukan indeks lahan Lp-metric (Persamaan 22) diperlukan bobot kepentingan pada setiap indikator lahan. Bobot kepentingan indikator lahan diperoleh dengan menggunakan metode PHA. Penentuan bobot kepentingan kriteria dilakukan dengan kerangka MCDM, dengan tahapan sebagai berikut; (1) Penyusunan kerangka dan tujuan, (2) Penyusunan kriteria evaluasi, serta (3)
55
Penyusunan hirarki keputusan (Gambar 8). Selanjutnya dilakukan penyusunan kuesioner perbandingan berpasangan dan penentuan responden yang terlibat. Penentuan bobot kepentingan indikator lahan dilakukan dengan melibatkan tujuh responden terdiri atas tiga akademisi dan empat pengambil kebijakan di daerah. Responden pengambil kebijakan di daerah ditentukan berdasarkan tugas dan fungsinya dalam mengelola kebijakan keruangan, yaitu; kepala bidang fisik dan prasarana Bappeda, kepala bidang tata guna dan pengukuhan lahan (Dinas Kehutanan, Perkebunan dan Lingkungan Hidup), kepala seksi tata ruang (Kantor Tata Ruang dan Kebersihan), dan anggota Badan Koordinasi Penataan Ruang Daerah (BKPRD) Provinsi Sulawesi Barat. Pengolahan data dilakukan dengan tahapan berikut; (1) Penyusunan matriks perbandingan berpasangan dari pendapat responden menggunakan persamaan 4, (2) Penghitungan bobot prioritas masing-masing kriteria menggunakan persamaan 5 dan 6, (3) Penghitungan rata-rata geometrik matriks perbandingan berpasangan menggunakan persamaan 11, dan (4) Pengujian tingkat konsistensi vektor prioritas menggunakan persamaan 7-10. 3.4.3.4 Alokasi Lahan Komoditi Basis Alokasi lahan komoditi basis dilakukan menggunakan indeks Lp-metric sesuai dengan kebutuhan. Proses penentuan indeks lahan dilakukan menggunakan persamaan 22, dengan ketentuan yang diadaptasi dari Baja et al. (2006):
Jika nilai p=1 maka terdapat jarak geometrik maksimum antara dua titik. Dalam konteks evaluasi lahan akan terjadi kompensasi total antara berbagai indikator yang digunakan. Jika terjadi penurunan/pengurangan nilai pada satu indikator maka indikator lain pada sel raster yang sama akan memberikan kompensasi, sehingga model ini disebut juga sebagai tradeoff (pertukaran) penuh.
Jika nilai p=2, maka nilai Lp-metrik merupakan ukuran jarak Eucledian (Persamaan 21) akibatnya proses kompensasi hanya terjadi sebagian, dimana proses kompensasi hanya terjadi jika terdapat kelebihan dan kekurangan pada indikator yang digunakan.
56
Jika p=10 maka deviasi terbesar antara jarak |
| akan mendominasi dan
proses kompensasi hanya sedikit terjadi.
Proses tidak terjadinya kompensasi juga mungkin terjadi jika nilai p=∞ (Zeleny 1982). Untuk menghasilkan indeks lahan Lp-metric seluruh indikator dijalankan
menggunakan modul IMAGE CALCULATOR pada Idrisi. Mengingat nilai hanya terdiri atas satu nilai untuk semua alternatif, maka perhitungan nilai Lpmetrik diulang untuk masing-masing nilai p yang berbeda. Nilai 1 ( =1) merupakan titik ideal (ideal point) yang ingin dicapai bagi setiap areal lahan yang terdapat di dalam sel raster data. Alternatif nilai Lp-metrik yang terendah akan menawarkan solusi kompromi terbaik bagi setiap lahan sebab memiliki jarak Lpmetrik terpendek. Hasil indeks lahan Lp-metric berarti lahan yang memiliki nilai indeks yang rendah merupakan areal yang lebih sesuai untuk pengembangan komoditi basis (semakin rendah nilai Lp-metric, areal lahan tersebut semakin baik). Untuk menentukan alokasi lahan dilakukan penentuan batas nilai indeks Lpmetric yang digunakan. Penentuan titik cut-off dilakukan berdasarkan perkiraan kebutuhan lahan untuk komoditi basis perkebunan. Analisis yang dilakukan meliputi kesesuaian antara alokasi lahan yang dihasilkan dengan kondisi aktual pengembangan komoditi basis saat ini, kesesuaian alokasi lahan dengan hasil analisis sektor basis wilayah, kesesuaian alokasi lahan dengan kebijakan keruangan nasional, dan penyusunan arahan dan strategi pada berbagai peluang pengembangan komoditi basis menurut aspek alokasi lahannya.
