METODE PENELITIAN Kerangka Pemikiran Perencanaan tata ruang adalah suatu proses untuk menentukan struktur ruang dan pola ruang yang meliputi penyusunan dan penetapan rencana tata ruang (UU No. 26 tahun 2007). RTRW merupakan hasil perencanaan tata ruang di tingkat wilayah menyangkut aspek struktur dan pola ruang termasuk didalamnya mengatur tentang arahan penggunaan lahan. Dalam perkembangannya RTRW yang telah ditetapkan dapat mengalami perubahan baik dalam wujud struktur maupun pola ruangnya seiring dengan perkembangan sosial ekonomi masyarakat, pertumbuhan penduduk, perubahan kebijakan dan kelembagaan. Perubahan pola dan struktur lahan dapat didentifikasi dengan menganalisis perubahan penggunaan lahan, perkembangan wilayahnya dan faktor-faktor penyebabnya baik dari faktor fisik, sosial ekonomi maupun kebijakan. Selanjutnya prediksi penggunaan lahan diperlukan untuk mengetahui kondisi penggunaan lahan di masa yang akan datang yang dapat dijadikan sebagai bahan pengendalian RTRW dalam rangka mewujudkan struktur dan pola tata ruang wilayah yang kondusif terhadap kemajuan wilayah. Adapun kerangka pemikiran penelitian secara skematis diilustrasikan dalam bagan alir pada Gambar 1 sedangkan tahapan penelitian pada Gambar 2.
Gambar 1 Bagan alir kerangka pemikiran
20
Gambar 2 Bagan alir tahapan penelitian Lokasi dan Waktu Penelitian o
o
Lokasi penelitian adalah di Kabupaten Sukabumi pada posisi geografis 106 49’ – 107
00’ Bujur Timur (BT) dan 6o 57’ – 7o 25’ Lintang Selatan (LS) dengan luas wilayah 4,161 km2 (416.105 Ha). Penelitian dilaksanakan pada bulan Juli 2008 sampai Desember 2008.
21
Bahan dan Alat Bahan yang digunakan dalam penelitian adalah Citra Landsat ETM 7 pada 2 titik tahun (1997 dan 2006) dari Departemen Pengelolaan Sumberdaya Lingkungan -IPB, Peta Rupa Bumi Indonesia (RBI) dari Bakosurtanal, Peta RTRW, Peta Administrasi, Peta Penutupan Lahan tahun 1994, Peta Tanah, Peta Lereng, Peta Elevasi, dan Peta Kesesuaian Lahan (Bappeda Sukabumi), Data Potensi Desa (Podes) Tahun 2000 dan 2006 dari Lab. Pengembangan Wilayah Departemen Ilmu Tanah dan Sumberdaya Lahan IPB. Alat yang digunakan adalah Receiver GPS, Kamera Digital dan seperangkat komputer yang dilengkapi dengan software : ERDAS Imagine, Idrisi, ArcView, Google Earth, SPSS dan Microsoft Excel. Pengumpulan Data Sumber data yang dibutuhkan dalam penelitian ini baik data primer maupun data sekunder didapatkan melalui metoda pengumpulan data yang berbeda. Data sekunder didapatkan dengan menginventarisasi dan penelusuran data baik pada buku, peta, internet, perundang-undangan, penelitian terdahulu maupun dari instansi terkait baik pemerintah maupun swasta. Data primer diperoleh dari hasil survey/cek lapangan. Jenis, sumber data, ringkasan tujuan, cara analisis, jenis variabel dan output yang ingin dicapai disajikan pada Tabel 4. Analisis dan Pengolahan Data Analisis Perkembangan Wilayah Penentuan perkembagan wilayah didekati dengan indeks perkembangan dan hirarki wilayah dengan menggunakan analisis skalogram. Analisis dilakukan pada unit wilayah desa dan kecamatan. Input data yang digunakan adalah data Podes. tahun 2000 dan 2006 dengan parameter yang diukur meliputi : bidang pendidikan, kesehatan, transportasi, perekonomian dan aksesibilitas. Data Podes 2000 digunakan sebagai pendekatan perkembangan wilayah pada tahun 1997 mengingat data tahun 1997 yang tidak tersedia. Hasil analisis digambarkan pada peta administrasi untuk dianalisa secara spasial.
22 22
Tabel 4. Matrik hubungan antara tujuan, data, metode dan keluaran pada setiap tahapan penelitian Tujuan (1)
Variabel (2)
1. Mengidentifikasi dinamika perubahan penggunaan lahan (unit analisis: polygon penggunaan lahan)
Tipe Penggunaan lahan
Data dan Sumber Data (3) Citra Landsat 1997, dan 2006 Peta Rupa Bumi Indonesia (1: 25.000) Peta Administrasi Desa dan Kecamatan
Sumber data : Dept. PSL IPB Bappeda Sukabumi
2. Mengidentifikasi perkembangan wilayah pada kurun waktu perubahan penggunaan lahan
Infrastruktur Jumlah Penduduk Aksesibilitas
Data Podes 2000 dan 2006 Sumber data : Lab. Bangwil IPB
Metode / Analisis (4) Interpretasi Citra dengan menggunakan Sofware Pengolah Citra Verifikasii akurasi dengan: Ground check dengan GPS dan dari Lapangan Peta Penutupan lahan tahun sebelumnya Penutupan lahan dari Google Earh Overlay Analisis Shif-share Analisis Location Quotient
Analisis Skalogram
Keluaran (5) Peta penggunaan lahan Tahun 1997dan 2006 Skala 1:100.000 Matrik Perubahan penggunaan lahan
Pergeseran perubahan penggunaan lahan Pemusatan/konsentrasi Perubahan Penggunaan Lahan
Indeks Perkembangan wilayah (IPD dan IPK) Hierarki Desa dan Kecamatan
23 23 Tabel 4 (lanjutan) 22 (1) 3. Mengetahui faktor-faktor penyebab utama perubahan penggunaan lahan
4. Memprediksi perubahan penggunaan lahan
(2) perubahan penggunaan lahan jenis Tanah Elevasi Lereng Indeks Perkembangan Desa Arahan penggunaan lahan Hirarki desa Hirarki kecamatan Perubahan hirarki desa Perubahan hirarki kecamatan Kerapatan jalan desa Kerapatan jalan kecamatan Pemekaran kecamatan Jarak centroid desa ke Kota Sukabumi Jarak Centroid Desa ke Pelabuhanratu
Penggunaan Lahan Rencana tata ruang Kesesuaian lahan Moving filter 5 x 5 Matrix Trasformasi Perubahan
(3) Keluaran tujuan 1 dan 2 Peta administrasi Peta tanah Peta elevasi Peta lereng Peta RTRW IPD IPK Kerapatan jalan
(4) Overlay Binomial Logit Model
(5) Diperoleh Faktor-faktor penyebab peluang terjadinya perubahan penggunaan lahan
Sumberdata: Bappeda Sukabumi Dishut Sukabumi
Keluaran tujuan 1 Peta Kesesuaian Lahan Peta RTRW Sumber : Hasil analisis tujuan 1 Bappeda Sukabumi
Simulasi dengan Cellular Automata Analysis Overlay
Estimasi Peta Penggunaan Lahan Tahun 2015 Dugaan lokasi penyimpangan RTRW
23
24
Prosedur kerja penyusunan hirarki daerah berdasarkan infrastruktur dengan menggunakan skalogram adalah sebagai berikut (Saefulhakim, 2005): a.
Melakukan pemilihan terhadap data Podes sehingga yang tinggal hanya data yang bersifat kuantitatif;
b.
Melakukan seleksi terhadap data-data kuantitatif tersebut sehingga hanya yang relevan saja yang digunakan;
c.
Melakukan rasionalisasi data;
d.
Melakukan seleksi terhadap data-data hasil rasionalisasi hingga diperoleh 97 variabel di tahun 2000 dan 89 variabel di tahun 2006 variabel untuk analisa skalogram yang mencirikan tingkat perkembangan kecamatan di Kabupaten Sukabumi;
e.
Melakukan standardisasi data terhadap variabel-variabel tersebut dengan menggunakan rumus : Xij
Y ij
Xj min s
j
dimana: Yij
adalah variabel baru untuk kecamatan ke-i dan jenis sarana ke-j
Xij
adalah jumlah sarana untuk kecamatan ke-i dan jenis sarana ke-j
Xj
min adalah nilai minimum untuk jenis sarana ke-j
sj adalah simpangan baku untuk jenis sarana ke-j f.
Menentukan Indeks Perkembangan Desa dan Kecamatan (IPD dan IPK) serta kelas hirarkinya. Pada penelitian ini, IPD dan IPK dikelompokkan ke dalam tiga kelas
hirarki, yaitu hirarki I (tinggi), hirarki II (sedang), dan hirarki III (rendah). Data aksesibilitas untuk penentuan IPK adalah rata-rata data aksesibilitas ditingkat desa. Kelas hirarki didasarkan pada nilai standar deviasi (St Dev) dari indeks perkembangan wilayah dan nilai tengah, seperti terlihat pada Tabel 5. Variabel dan parameter yang dipergunakan untuk analisis skalogram, terlihat pada Lampiran 1.
25
Tabel 5 Nilai selang penentuan hirarki wilayah No. 1 2 3
Hirarki I II III
Nilai Selang (X) X>[Nilai Tengah +(1.5*St Dev IPN)] Nilai Tengah < X (1.5*St Dev) X < Nilai Tengah
Tingkat Hirarki Tinggi Sedang Rendah
Pemotongan Batas Area Penelitian Pemotongan batas area penelitian diperlukan untuk melakukan clip citra landsat sehingga tidak semua image karena dengan cakupan area citra Landsat sebesar 185 km x 170 km akan dianalisis. Data vektor peta administrasi desa dilakukan operasi geoprosesing pada Arcview, yaitu proses dissolve untuk membangun polygon kecamatan dan kabupaten. Peta hasil dissolve yang dihasilkan akan menjadi acuan dalam penentuan luas pada analisis selanjutnya. Rektifikasi Citra Citra landsat terlebih dahulu dilakukan rektifikasi/koreksi geometrik untuk mengurangi distorsi geomertik selama akuisisi citra seperti pengaruh rotasi bumi, kelengkungan bumi, kecepatan scanning dari beberapa sensor yang tidak normal dan efek panoramik yang menyebabkan posisi citra tidak sama posisinya dengan posisi geografis yang sebenarnya. Citra yang mempunyai kesalahan geometri memberikan implikasi terhadap variasi jarak, luas, arah, sudut dan bentuk di semua bagian citra sehingga perlu dikoreksi terlebih dahulu untuk dapat digunakan sebagai peta. Rektifikasi citra mentah bertujuan agar citra dapat semaksimal mungkin sesuai denga keadaan aslinya di lapangan. Koreksi geometri dapat
dilakukan dengan
menentukan fungsi
transformasi dan resampling citra. Pada koreksi ini diperlukan Ground Control Point (GCP) yang dapat diacu dari peta topografi seperti peta RBI ataupun dengan memanfaatkan satelit GPS. Rektifikasi citra yang umum digunakan adalah fungsi transformasi
Polinomial dengan tingkatan ordo. Contoh fungsi transformasi
Polinomial Orde 1 memiliki rumus fungsi sebagai berikut : X = a0 + a1X + a2X + a3XY Y = b0 + b1X + b2Y + b3XY
26
Dimana x, y = koordinat baris, kolom pada image yang belum terkoreksi, X, Y = koordinat kolom pada image yang sudah terkoreksi (GCP) Hal terpenting dari koreksi geometri adalah keakuratan hasil koreksi yang ditunjukkan dengan nilai RMS (Root Mean Square) yang kecil yaitu dengan memilih GCP yang kesalahan geometrinya kecil dan membuang GCP yang menyebabkan nilai RMS besar. Klasifikasi Penggunaan Lahan dan Deteksi Perubahan Klasifikasi penutupan/penggunaan lahan terdiri atas 7 (tujuh) tipe yaitu : hutan, kebun, permukiman, semak belukar, tegalan, sawah dan tubuh air. Klasifikasi citra dilakukan dengan menggunakan software ERDAS Imagine yaitu dengan
menggunakan metode klasifikasi
secara terbimbing (supervised
classification) pada kombinasi band 5, 4 dan 2 (RGB). Tahapan klasifikasi disajikan pada Gambar 3. Persiapan Citra: 1. Citra Landsat
2. 3.
Komposit Citra dengan Band 542. Koreksi Geometrik. Subset Citra dengan peta Administrasi
Klasifikasi Citra (Metode Terbimbing): 1. 2. 3. 4. 5. 6. 7. 8.
Membuat training area. Evaluasi training area Klasifikasi dengan metode maximum likelihood. Melakukan recoding-clump-eleminite- filtering (majority). Editing Informasi spasial liputan lahan tentatif Cek lapangan Editing dan revisi
Menghitung akurasi pengklasifikasian.
Sesuai (Kappa > 80%)
Peta penggunaan lahan per wilayah kecamatan
Peta penggunaan lahan
Peta Administrasi Kecamatan
Konversi data raster ke data vektor
Gambar 3. Diagram alur pengolahan data penginderaan jauh dengan klasifikasi digital secara terbimbing
27
Setelah
diperoleh peta penutupan lahan pada masing masing tahun
selanjutnya dilakukan analisi deteksi perubahan lahan setiap tahun penutupan lahan yang dapat dilakukan dengan dua cara yaitu: 1. Deteksi perubahan tanpa matrik transformasi, artinya mendeteksi perubahan tanpa mengetahui tipe penutupan lahan ke tipe perubahan lainnya. 2. Deteksi perubahan
dengan
matrik
trasformasi,
artinya
dapat
mendeteksi perubahan penutupan lahan ke perubahan lainnya termasuk luas dan sebarannya. Teknik analisis perubahan dapat dilakukan pada software ERDAS maupun IDRISI. Kelebihan dari IDRISI adalah dapat menampilkan matrik perubahan secara langsung dalam bentuk luasan (jumlah piksel) dan nilai peluangnya, sedangkan pada ERDAS harus dilakukan ekstraksi terlebih dahulu. Matrik perubahan yang dihasilkan ditunjukan pada Tabel 6. Tabel 6 Matrik transformasi perubahan penutupan lahan
Tahun 1997
Penggunaan Lahan Kab. Sukabumi
Tahun 2006 Total Htn
Kbn
Pmk
Sbk
Tgl
Swh
Tba
Hutan (Htn)
1
2
3
4
5
6
7
Htn1997
Kebun (Kbn)
8
9
10
11
12
13
14
Kbn1997
Permukiman (Pmk)
15
16
17
18
19
20
21
Pmk1997
Semak belukar, tanah kosong (Sbk)
22
23
24
25
26
27
28
Sbk1997
Tegalan (Tgl)
29
30
31
32
33
34
35
Tgl1997
Sawah (Swh)
36
37
38
39
40
41
42
Swh1997
Tubuh air (Tba)
43
44
45
46
47
48
49
Tba1997
Htn2006
Kbn2006
Pmk2006
Sbk2006
Tgl2006
Swh2006
Tba2006
Total Keterangan : = Tidak berubah
= Berubah ke penggunaan lain
28
Identifikasi Pergeseran dan Pusat-Pusat Perubahan Penggunaan Lahan Identifikasi pergeseran atau dinamika perubahan penggunaan lahan dilakukan dengan Shift-share Analysis (SSA) yaitu dengan menggunakan data atribut dari hasil overlay peta penggunaan lahan pada dua titik tahun dengan peta administrasi.
Teknik SSA mendasarkan kepada Tiga komponen yang
mempengaruhi pertumbuhan suatu aktivitas/penggunaan lahan pada dua titik waktu tertentu sebagai gambaran kinerjanya yang ditentukan oleh faktor share dan shift. Faktor share menggambarkan laju perubahan penggunaan lahan ratarata pada total wilayah (regional share). Faktor shift terdiri dua komponen yaitu proporsional shif yang menggambarkan laju penggunaan lahan tertentu pada total wilayah dan diffrerential shift yang menggambarkan laju perubahan penggunaan lahan tertentu di suatu sub wilayah tertentu secara relatif terhadap laju perubahan jenis penggunaan lahan tertentu pada total wilayah. Identifikasi pusat-pusat perubahan penggunaan lahan dapat dilakukan dengan analisis Location Quotient (LQ). LQ dapat menjelaskan lokasi atau daerah mana yang menjadi konsentrasi aktifitas perubahan penggunaan lahan tertentu sebagaimana yang telah dilakukan Andriani (2007). LQ merupakan suatu indeks untuk membandingkan pangsa sub wilayah dalam aktifitas tertentu dengan pangsa total aktifitas tersebut dalam total aktifitas wilayah.
Secara lebih
operasional, LQ didefinisikan sebagai rasio persentase dari total aktifitas pada sub wilayah ke-i terhadap persentase aktifitas total terhadap wilayah yang diamati. Analisis Faktor-faktor Penyebab Perubahan Penggunaan Lahan Faktor-faktor penyebab perubahan penggunaan lahan didekati dengan persamaan regresi logistik biner penggunaan lahan
(logit model).
Data hasil peta perubahan
di-overlay dengan data faktor-faktor yang diduga
mempengaruhi perubahan penggunaan lahan baik secara fisik sosial maupun ekonomi maupun kelembagaan. Setiap tipe perubahan penggunaan lahan ke tipe penggunaan lahan lain dicari peluang perubahannya dengan persamaan umum logit model yaitu :
29
Dimana : P (i/r)
peluang lahan-i berubah menjadi lahan –r
bo r
intersept untuk perubahan menjadi penggunaan lahan –r
bj r
parameter koefisien variable ke-j untuk perubahan menjadi penggunaan –r
r
penggunaan lahan jenis ke-1, ke-2 ….dan ke-8
Xj
variabel bebas faktor peyebab ke-1, ke-2 …… ke-n
Variabel bebas dikelompokan pada tiga kategori yaitu fisik, sosial ekonomi dan kebijakan.
Variabel fisik terdiri atas kelas kemiringan lereng,
elevasi, jenis tanah dan kerapatan jalan di tingkat desa dan kerapatan jalan di tingkat kecamatan. sementara variabel sosial ekonomi terdiri atas IPD, IPK, hirarki Desa, hirarki kecamatan, perubahan hirarki desa, perubahan hirarki kecamatan, jarak sentroid desa ke ibu kota kabupaten (Pelabuhanratu) dan jarak sentroid desa ke Kota Sukabumi. Sedangkan variabel kebijakan terdiri atas arahan RTRW dan pemekaran kecamatan. Simulasi Perubahan Penggunaan Lahan Model spatial perubahan penggunaan lahan ideal (masih dianggap baik) pada penelitian ini hanya didasarkan pada karakteristik
fisik lahan,
yaitu
kesesuaian secara fisik untuk setiap tipe penggunaan lahan dan kecenderungan perubahan penggunaan lahannya pada selang waktu tertentu yang dilakukan dengan metoda Cellular Automata (CA). CA adalah suatu pemodelan berbasis spatial yang mampu memprediksi kondisi di waktu yang akan datang dari interaksi lokal antar sel pada grid yang teratur (Hand 2005; Manson 2001), dimana sel merepresentasikan penggunaan lahan. Adapun perubahan penggunaan lahan tergantung pada aturan (rule) yang mempertimbangkan penggunaan lahan tetangganya (Manson 2001). Komponen utama CA adalah cell (piksel), state, ketetanggaan/neighbourhood dan transition rule/transition function (Chen et al 2002). Skenario perubahan penggunaan lahan pada setiap piksel tergantung pada kesesuaian lahannya, penggunaan lahan periode sebelumnya dan penggunaan lahan tetangganya. Pengaruh ketetanggaan artinya perubahan penggunaan lahan pada satu piksel akan dipengaruhi oleh penggunaan lahan pada piksel tetangganya.
30
Simulasi perubahan penggunaan lahan pada penelitian ini mengacu pada penelitian Munibah (2008) yang dilakukan pada software Idrisi 32 dengan modul Celluler Automata Markov (CA-Markov). CA-Markov merupakan kombinasi dari modul Markov Chain dan Multi-Objective Land Allocation (MOLA). Hasil dari modul Markov Chain berupa Transitional Probability/Area Matrix, sedangkan proses iterasi dilakukan dengan modul MOLA. Input data dan hasil yang diharapkan seperti pada Tabel 7. Tabel 7. Input dan output data perubahan penggunaan lahan dengan cellular automata analysis pada software Idrisi 32 No 1.
Output Peta Perubahan penggunaan Lahan tahun 2015
Input Data Data raster kesesuaian penggunaan lahan (30 x 30) data raster penggunaan lahan tahun 2006 data raster penggunaan lahan tahun 1997 matrik perubahan penggunaan lahan antara tahun 1997- 2006 (transition rule)
Indikator Jumlah iterasi Nilai kappa
Peta kesesuaian lahan berfungsi sebagai referensi dalam pengalokasian suatu penggunaan lahan. Peta ini memiliki dua kelas yaitu sesuai (S) diberi bobot 2 dan tidak sesuai diberi bobot 1. Jumlah peta kesesuaian lahannya sesuai dengan jumlah tipe penggunaan lahannya. Alur pelaksanaan simulasi perubahan penggunaan lahan pada software Idrisi 32 ditampilkan pada Gambar 4. Hasil simulasi penggunaan lahan pada tahun 2015 kemudian dilakukan proses overlay dengan peta RTRW sehingga akan diperoleh besaran luasan penyimpangan RTRW dengan penggunaan lahan pada Tahun 2015.
31
Gambar 4 Alur simulasi penggunaan lahan dengan metode celluler automata pada software Idrisi 32