Sistem Informasi Geografis Kesesuaian Lahan Perumahan di Kota Malang menggunakan Metode MCE

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 2, No. 1, Januari 2018, hlm. 263-272

e-ISSN: 2548-964X http://j-ptiik.ub.ac.id

Sistem Informasi Geografis Kesesuaian Lahan Perumahan di Kota Malang menggunakan Metode MCE Muhammad Hadi Selamet Hariyanto1, Fatwa Ramdani2, Mochamad Chandra Saputra3 Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Brawijaya Email: [email protected], [email protected], [email protected] Abstrak Dalam paper ini. metode MCE digunakan untuk menganalisis kesesuaian lahan perumahan di Kota Malang. kriteria seperti keamanan, kenyamanan, dan kompatibilas digunakan dalam penelitian ini berdasarkan Standar Nasional Indonesia Tata cara perencanaan lingkungan perumahan di perkotaan. Ada dua teknik MCE yang digunakan, yaitu WLC dan OWA, keduanya memberikan hasil yang berbeda dan yang akurasi yang paling bagus didapat dari teknik OWA. Hasil dari kedua teknik tersebut kemudian divalidasi menggunakan metode ROC analisis. persentase dari model OWA menunjukkan hasil 79%, sedangkan persentasi dari model WLC hanya 67%. Model WLC dan OWA kemudian dimasukkan kedalam sistem informasi geografis yang telah diuji menggunakan metode Black-box dan White-box agar bisa diakses oleh masyarakat Kota Malang. Kata Kunci: GIS, MCE, ROC Curve, Black-box, White-box

Abstract This research is applying Multi-Criteria Evaluation (MCE) method to analyze the land suitability of residential in Malang. Criteria such as safety, convenience, and compatibility are used in this research based on Indonesia National Standard procedure of housing environment planning in urban area. There are two MCE techniques that are used; those are WLC and OWA techniques. Both techniques are giving different results, and the closest result to the reality is the OWA technique. Then the results of both techniques are validated using ROC analysis method. The percentage of the OWA model is showing 79%, while WLC model is only showing 67%. Then, WLC and OWA models are incorporated into geographic information systems that have been tested using Black-box and White-box methods in order to make the Malang’s society can access it Keywords: GIS, MCE, ROC Curve, Black-box, White-box

pendatang (Aflahul, 2016). Akibatnya kebutuhan rumah di Kota Malang terus melonjak (Rochimawati, 2016). Untuk memenuhi kebutuhan rumah yang tinggi, banyak pengembang perumahan maupun penduduk membangun rumah atau bangunan di sembarang tempat tanpa mengantongi surat izin mendirikan bangunan (IMB) sehingga banyak perumahan yang tidak tertata dan melanggar peraturan daerah seperti membangun rumah di pinggir sungai dan di area serapan hujan (Surya, 2015). Pertumbuhan fisik yang tidak direncanakan seperti diatas menjadi salah satu masalah besar yang dihadapi kota besar seperti Malang, agar tidak mengakibatkan masalah ekonomi dan lingkungan (Lotfi,2009). Penataan sistem perkotaan yang terintegrasi dan terencana sangat diperlukan agar bisa mengatasi masalah tersebut.

1. PENDAHULUAN Kebutuhan perumahan di kota-kota besar Indonesia sangatlah tinggi, menurut Sri hartoyo seperti yang dilansir oleh situs berita okezone, kebutuhan rumah di kota besar mencapai 18,4 juta, ia juga menyebutkan pertumbuhan penduduk di kota lebih cepat dibanding di desa (Meutia, 2014). Malang merupakan salah satu kota dengan pertumbuhan penduduk paling pesat. Memiliki 19 perguruan tinggi negeri dan swasta (Malangkota, 2017), Kota Malang menjadi daya tarik bagi warga daerah lain untuk menimba ilmu di Kota Malang. Total jumlah penduduk Kota Malang mencapai 1,2 juta orang, jumlah tersebut merupakan gabungan antara warga asli dan Fakultas Ilmu Komputer Universitas Brawijaya

263

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

Penilaian dalam memilih kesesuaian lahan juga dibutuhkan agar tidak terjadi kerugian yang tidak dapat diubah dan degradasi lahan pertanian utama serta ekosistem ekologis lainnya secara signifikan di sekitar permukiman perkotaan (Seref, 2002). Dalam menata sebuah kota dibutuhkan banyak data dan informasi yang mana metode tradisional tidak mampu dalam memenuhi datadata tersebut. Kompleksitas penggunaan lahan di daerah urban harus bisa dikelola, salah satu tool yang dapat melakukan hal tersebut adalah Sistem Informasi Geografis (SIG) (Lotfi, 2009). SIG telah terbukti berguna dan efektif dalam menentukan lahan yang sesuai dalam membangun lingkungan (Imtiaz, 2011). Terutama dalam membangun sebuah perumahan, menurut Martopo dalam Arief (Arief, 2005) menjelaskan bahwa untuk menentukan kemampuan lahan untuk lokasi perumahan diperlukan analisis terhadap beberapa kriteria seperti kemiringan tanah, kerentanan terhadap banjir, dan ketersediaan air bersih. Dalam SIG banyak metode untuk menganalisis kesesuaian lahan, salah satunya adalah menggunakan metode Multi-Criteria Evaluation (MCE). Dalam Sistem informasi geografis, metode MCE sering digunakan untuk mengalokasikan kesesuaian lahan untuk tujuan tertentu berdasarkan keanekaragaman atribut yang dimiliki oleh area yang dipilih (Eastmen, 1999). Tujuannya adalah untuk mengidentifikasi pola spasial yang paling tepat untuk lahan di masa depan yang sesuai dengan requirement khusus, preferensi, atau prediksi beberapa aktifitas (Mokarram, 2010). Dalam metode MCE terdapat beberapa macam teknik seperti Boolean operator overlay, Weighted Linear Combination (WLC), Ordered Weighted Average (OWA), Analytical Hirarchy Process (AHP), dll. Namun dari beberapa teknik tersebut, WLC dan OWA merupakan teknik yang mudah dan sering digunakan untuk siteselection and suitability analysis (Malczewski 2004; Drobne and Lisec 2009). metode WLC merupakan variasi dari metode OWA yang mana menggunakan dua set bobot: criterion weight and order weight. Bobot kriteria digunakan untuk menentukan tingkat kepentingan dari setiap kriteria, sedangkan bobot urut berkaitan dengan nilai kriteria pada pixel (Boroushaki and Malczewski 2008). Tujuan dari penelitian ini adalah untuk mengembangkan sistem informasi geografis Fakultas Ilmu Komputer, Universitas Brawijaya

264

yang dapat menilai kesesuaian lahan untuk dijadikan lahan perumahan di kota malang menggunakan metode Multi-Criteria Evaluation. 2. LOKASI STUDI Kota Malang terletak di koordinat 112,06° 112,07° Bujur Timur dan 7,06° - 8,02° Lintang Selatan. Kota dengan luas area sebesar 252.10 Km2 (97.34 sq mi) ini memiliki populasi penduduk sebesar 857.891 dengan kepadatan penduduk 3,400/Km2 (8,800/sq mi), menempati posisi 17 kota dengan kepadatan penduduk terbesar di Indonesia. Secara administratif, Kota Malang terbagi menjadi 5 Kecamatan yaitu Kecamatan Kedungkandang, Sukun, Klojen, Blimbing dan Lowokwaru (Wikipedia, 2017). Sebagian besar wilayah Kota Malang merupakan dataran tinggi dengan relative kemiringan 15% di daerah tanah andosol yang terletak di Kecamatan Lowokwaru. Untuk jenis tanah, Kota Malang memiliki 4 jenis tanah yaitu Alluvial kelabu kehitaman dengan luas 6,930,267 Ha, Mediteran coklat dengan luas 1.225.160 Ha, Asosiasi latosol coklat kemerahan grey coklat dengan luas 1.942.160 Ha dan Asosiasi andosol coklat dan grey humus dengan luas 1.765,160 Ha. Pertumbuhan penduduk Kota Malang setiap tahunnya bertambah 1,58% (Surya, 2016). Belum lagi ditambah dengan jumlah warga pendatang yang tiap tahunnya semakin bertambah. Jika ditotal warga asli Kota Malang dengan Pendatang mencapai 1,2 juta. 3. METODOLOGI DAN DATA Metode analisis kesesuaian lahan perumahan di Kota Malang pada paper ini menggunakan metode MCE teknik OWA dan WLC. Model kesesuaian lahan OWA dan WLC kemudian divalidasi menggunakan metode Receiver Operating Characteristics (ROC). Faktor Terdapat 4 faktor yang berhubungan dengan kenyamanan dan kompatibilitas, diantaranya adalah: • Jarak dengan jalan tidak boleh lebih dari 1,2 Km. • Jarak dengan pusat kota tidak boleh lebih dari 5 Km • Jarak dengan universitas tidak boleh lebih dari 3 Km • Kemiringan tanah tidak boleh lebih dari 15%.


265

Constraint Terdapat 2 constraint yang digunakan yaitu sungai dan area persawahan. Menentukan tujuan Tujuan dari dari penelitian ini adalah untuk melakukan identifikasi kriteria kesesuaian lahan perumahan serta menganalisis kesesuaian lahan perumahan di Kota Malang

Gambar 2 Fuzzy Sigmoid jarak dengan jalan

•

Fuzzy jarak dengan pusat kota Gambar 3: tidak boleh lebih dari 5 Km

Menentukan Kriteria Dalam menentukan kriteria, disini peneliti melakukan wawancara dengan para expert dalam bidang perumahan. Dari hasil wawancara, para expert menganjurkan untuk menggunakan kriteria yang terdapat pada Standar Nasional Indonesia (SNI) Tata cara perencanaan lingkungan perumahan di Kota Malang. Dari identifikasi yang telah dilakukan, terdapat 3 kriteria yang didapatkan yaitu kriteria keamanan, kenyamanan, dan kompatibilitas. Dalam setiap kriteria terdapat beberapa faktor, diantaranya adalah kriteria keamanan ada faktor daerah sawah dan ladang, kriteria kenyamanan memiliki faktor jarak dengan universitas, pusat kota dan jalan, sedangkan kriteria kompatibilitas terdapat faktor kemiringan. Untuk lebih jelasnya, berikut ini struktur hirarki kesesuaian lahan perumahan Gambar 1.

Gambar 3 Fuzzy sigmoid jarak dengan pusat kota

•

Fuzzy jarak dengan universitas Gambar 4 : Jarak tidak boleh lebih dari 3 Km

Gambar 4 Fuzzy sigmoid jarak dengan universitas

•

Kemiringan Gambar 5: Kemiringan tidak boleh lebih dari 15% Gambar 3.5

Gambar 5 Fuzzy sigmoid kemiringan Gambar 1 Struktur hirarki kriteria kesesuaian lahan perumahan

Standarisasi Kriteria •

Fuzzy jarak dengan jalan Gambar 2 : tidak boleh berjarak lebih dari 1,2 Km

Pembobotan Kriteria Nilai pembobotan untuk kesesuaian lahan didapat berdasarkan opini dari para expert. Pada penelitian ini, expert yang diminta opini nya ada 3 yaitu expert Perencanaan Wilayah Kota (PWK) Tabel 3.1, expert Arsitektur Tabel 3.2, dan expert di bidang perumahan Tabel 3.3. 1. Perencanaan Wilayah Kota (PWK) Tabel 1 Bobot faktor dari expert PWK

NO

Fakultas Ilmu Komputer, Universitas Brawijaya

FAKTOR

BOBOT

1

Keamanan

0.42

2

Jarak dengan jalan

0.13


266

3

Jarak dengan universitas

0.15

Agregasi kriteria

4

Jarak dengan pusat kota

0.04

5

Topografi

0.26

Agregasi kriteria dilakukan dengan dua teknik yaitu WLC dan OWA. Untuk agregasi WLC hanya dibutuhkan bobot urut Tabel 3.5, namun untuk OWA dibutuhkan bobot urut yang didapatkan dari teori filev (Filev, 1998).

2. Arsitektur Tabel 2 Bobot faktor dari ahli arsitektur

Tabel 5 Bobot urut faktor

NO

FAKTOR

BOBOT

1

Keamanan

0.03

NO

2

Jarak dengan jalan

0.41

3


4 5

FAKTOR

BOBOT URUT

1

N=1

0.5

0.23

2

N=2

0.25


0.19

3

N=3

0.13

Topografi

0.15

4

N=4

0.06

5

N=5

0.06

3. Agen properti Tabel 3 Bobot faktor dari ahli agen properti NO

FAKTOR

BOBOT

1

Keamanan

0.03

2

Jarak dengan jalan

0.41

3


0.23

4


0.19

5

Topografi

0.15

Validasi hasil Validasi hasil dilakukan dengan menggunakan metode ROC Curve. Untuk menggunakan metode ini, dibutuhkan titik uji yang didapat dari survey data ke lapangan. Dalam melakukan survey, peneliti mendapatkan 75 titik uji yang terbagi menjadi tidak sesuai 36 titik, kurang sesuai 18 titik, cukup sesuai 12 titik dan sangat sesuai 9 titik.

Dari ketiga bobot faktor yang telah didapat, kemudian bobot faktor tersebut di rata-rata. Sehingga mendapatkan hasil bobot faktor seperti berikut: Tabel 4 Rata-rata bobot faktor PW K

ARSITEK TUR

AGEN PROPE RTI

WEIGH TED AVERA GE

KEAMAN AN

0.4 2

0.03

0.37

0.27

JARAK DENGAN JALAN

0.1 3

0.41

0.21

0.25

JARAK DENGAN UNIVERS ITAS

0.1 5

0.23

0.15

0.18

JARAK DENGAN PUSAT KOTA

0.0 4

0.19

0.05

0.09

TOPOGR AFI

0.2 6

0.15

0.23

0.21

Gambar 6 sebaran titik uji yang diambil

4. HASIL DAN VALIDASI


Setelah agregasi kriteria, maka akan didapatkan hasil analisis seperti pada gambar berikut: Analisis OWA


Gambar 7 Hasil analisis teknik OWA

Gambar 7 merupakan hasil akhir agregasi semua faktor menggunakan metode OWA. Maksud dari gambar diatas adalah warna biru merupakan daerah yang sangat sesuai, dimana nilai suitable indexnya antara 0.075-0.1. Warna hijau merupakan daerah yang cukup sesuai dengan nilai suitable index antara 0.05-0.074. Warna kuning merupakan daerah yang sesuai dengan nilai suitable index bernilai 0.025-0.04. Sedangkan warna merah merupakan daerah yang tidak sesuai dengan nilai suitable index bernilai antara 0-0.024. Dari peta hasil analisis menggunakan operasi agregasi OWA, Kota Malang memiliki lahan perumahan yang sangat sesuai 27%, lahan perumahan yang cukup sesuai 23%, lahan perumahan yang sesuai 28%, dan lahan yang tidak sesuai 22%. Analisis WLC


267

Gambar 8 Hasil analisis teknik WLC

Jika dibandingkan dengan metode OWA, hasil analisis yang didapatkan dari metode WLC Gambar 4.2 lebih merata, sensitifitas warna yang ditampilkan juga rendah. Hal ini karena pengaruh tidak adanya bobot urut, dalam melakukan agregasi, metode WLC hanya menggunakan bobot faktor tanpa bobot urut. Sehingga, disaat melakukan agregasi tidak ada faktor yang diurutkan berdasarkan kepentingan faktor tersebut. Dari peta hasil analisis kesesuaian lahan perumahan menggunakan agregasi WLC, Kota Malang hanya memiliki lahan yang sangat sesuai 16%, lahan yang cukup sesuai 47%, lahan yang sesuai 30%, dan yang tidak sesuai 7%. Perbedaan OWA dan WLC Perbedaan mendasar dari kedua macam metode tersebut adalah jika OWA pembobotannya berdasarkan ranking order daripada qualitas yang melekat (Eastman, 1999), sehingga criteria dengan bobot ranking order paling besar memiliki pengaruh yang besar dalam agregasi kriteria. Dibandingkan dengan WLC, metode ini hanya menggunakan satu bobot yaitu bobot kriteria yang dipakai untuk kriteria khusus. Sehingga menghasilkan hasil analisis yang full-trade-off, dimana kriteria dengan skor rendah akan digantikan dengan kriteria dengan skor tertinggi. Kelebihan menggunakan metode OWA adalah kita dapat mengatur derajat ANDORness dan trade-off. Dalam penelitia ini, bobot OWA yang digunakan adalah 0.5, 0.25, 0.13, 0.6 dan 0.6. Sehingga, menghasilkan hasil analisis yang memiliki trade-off kuat dan derajat ANDness yang sedang. Hal itu terbukti dari hasil analisis


yang didapat pada gambar 4.39, pada gambar tersebut lahan dengan kelas sangat sesuai terdapat 27%, kelas cukup sesuai 23%, kelas kurang sesuai 28% dan kelas tidak sesuai 22%. Dibandingkan dengan hasil analisis metode WLC yang terdapat pada gambar 4.40, menghasilkan hasil analisis yang full-trade-off dan derajat ANDORness tepat di tengah (Drabno, 2009), hal ini disebabkan oleh tidak adanya bobot ranking order. Pada hasil analisis WLC, lahan di Kota Malang yang termasuk kedalam kelas sangat sesuai untuk perumahan hanya 16%, kelas cukup sesuai 47%, kelas kurang sesuai 30% dan kelas tidak sesuai 7%. Validasi hasil OWA Tabel 6 Perbandingan data survey dan hasil analisis KELAS 0-0.025 (TIDAK SESUAI) 0.026-0.05 (KURANG SESUAI) 0.051-0.075 (CUKUP SESUAI) 0.075-0.1 (SANGAT SESUAI) TOTAL

POSITIVE

NEGATIVE

32

4

15

3

10

2

7

2

64

11

Pada tabel 6 menjelaskan perbandingan data survey dengan data hasil analisis. Pada kelas tidak sesuai, dari 36 titik yang diambil terdapat 32 yang positive dan 4 yang negative. Untuk kelas kurang sesuai, dari 18 titik yang diambil terdapat 15 yang positive dan 3 yang negative. Untuk kelas cukup sesuai, dari 12 titik yang diambil terdapat 10 yang positive dan 2 yang negative. Sedangkan untuk kelas sangat sesuai, dari 9 titik yang diambil terdapat 7 yang positive dan 2 yang negative. Dari tabel 4.1 bisa didapatkan True Positive Rate (TPR) dan False Positive Rate (FPR) yang bisa digunakan untuk menggambarkan grafik ROC seperti berikut:

268

Gambar 9 Grafik ROC hasil analisis teknik OWA

Gambar 9 merupakan grafik ROC dari peta hasil analisis kesesuaian lahan perumahan di Kota Malang. Garis berwarna biru merupakan garis linear sedangkan garis berwarna orange merupakan garis yang dihasilkan dari FPR dan TPR hasil analisis kesesuaian lahan. Dari grafik diatas dapat disimpulkan bahwa validasi hasil analisis memiliki true positive rate yang lebih besar dibandingkan dengan false positive rate. Tabel 7 Akurasi dari setiap kelas hasil analisis teknik OWA KELAS

AKURASI

0.025

0.52

0.05

0.68

0.075

0.79

Tabel 7 merupakan akurasi dari validasi kesesuaian lahan perumahan di Kota Malang. Dari perhitungan validasi hasil analisis, akurasi dari keseluruhan cutpoint yaitu 79%. Validasi hasil WLC Tabel 8 Perbandingan data survey dan hasil analisis teknik WLC KELAS 0-0.025 (TIDAK SESUAI) 0.026-0.05 (KURANG SESUAI) 0.051-0.075 (CUKUP SESUAI) 0.075-0.1 (SANGAT SESUAI) TOTAL

POSITIVE

NEGATIVE

25

11

11

7

11

1

6

3

53

22

Pada tabel 8 menjelaskan perbandingan data survey dengan data hasil analisis. Pada kelas tidak sesuai, dari 36 titik yang diambil terdapat 25 yang bernilai positive dan 11 yang Fakultas Ilmu Komputer, Universitas Brawijaya


269

bernilai negative. Untuk kelas kurang sesuai, dari 18 titik yang diambil terdapat 11 yang positive dan 7 yang negative. Untuk kelas cukup sesuai, dari 12 titik yang diambil terdapat 11 yang positive dan 1 yang negative. Sedangkan untuk kelas sangat sesuai, dari 9 titik yang diambil terdapat 6 yang positive dan 3 yang negative.

Gambar 11 Use case sistem informasi geografis kesesuaian lahan perumahan

Gambar 10 Grafik ROC hasil analisis teknik WLC

Gambar 10 merupakan grafik ROC dari peta hasil analisis kesesuaian lahan perumahan di Kota Malang metode WLC. Garis berwarna biru merupakan garis linear sedangkan garis berwarna orange merupakan garis yang dihasilkan dari FPR dan TPR hasil analisis kesesuaian lahan. Dari grafik diatas dapat disimpulkan bahwa validasi hasil analisis memiliki false positive rate yang lebih besar dibandingkan dengan true positive rate. Tabel 9 Akurasi dari setiap kelas hasil analisis teknik WLC KELAS

AKURASI

0.025

0.48

0.05

0.53

0.075

0.67

Pada sistem informasi geografis kesesuaian lahan perumahan hanya terdapat satu aktor yaitu masyarakat dan 5 fungsi yaitu melihat peta analisis, melihat statistik, melihat lokasi pengguna, melihat batas wilayah, dan mengganti peta dasar. Implementasi antar muka Halaman peta pada gambar 5.2 digunakan pengguna untuk melihat peta analisis kesesuaian lahan perumahan di Kota Malang dengan metode OWA dan WLC. Selain itu pengguna juga bisa menampilkan batas wilayah kelurahan, universtias, dan perumahan di Kota Malang. Pengguna juga bisa melihat lokasi pengguna saat ini dengan menekan tombol geolocate yang ada di sebelah kiri atas peta. Jika pengguna bosan dengan peta dasar OSM, mereka bisa menggantinya dengan peta dasar BING.

Tabel 9 merupakan akurasi dari validasi kesesuaian lahan perumahan di Kota Malang metode WLC. Dari perhitungan validasi hasil analisis, akurasi dari keseluruhan cutpoint hanya 67%. 5. PERANCANGAN DAN IMPLEMENTASI Bab ini menjelaskan tentang perancangan dan implementasi dari sistem informasi geografis kesesuaian lahan perumahan Kota Malang. Use case diagram


Gambar 12 Halaman Home

Halaman statistik pada gambar 5.3 berisi tentang informasi kesesuaian lahan perumahan di Kota Malang. Informasi yang ditampilkan berupa pie chart yang menampilkan persen serta luasan kesesuaian lahan dalam bentuk derajat. Terdapat 2 statistik yang ditampilkan pada halaman statistik, yaitu statistik kesesuaian lahan perumahan dengan metode OWA serta WLC.


Gambar 13 Halaman statistic

6. PENGUJIAN Sistem informasi geografis kesesuaian lahan perumahan diuji dengan 2 metode yaitu Black-box dan White-box. Pengujian Black-box Pada pengujian Black-box, terdapat 2 teknik yang digunakan yaitu validation testing dan compatibility testing. Untuk pengujian validation testing, dari ke lima kasus uji yang telah dilakukan menggunakan metode blackbox, hasilnya menunjukkan bahwa sema fungsi 100% valid atau dapat berjalan sesuai dengan yang diharapkan.. sedangkan untuk compatibility testing, Dalam pengujian ini, sistem informasi geografis ini diuji pada 8 browser, diantaranya adalah Interntet Explorer, Edge, Firefox, Safari, Opera, Chrome, iOS, dan Android. Hasilnya adalah sistem informasi geografis ini hanya memiliki kendala ketika dijalankan pada browser Internet Explorer di semua versi, sedangkan pada browser lainnya, sistem ini tidak mengalami kendala. Pengujian White-box Dari kelima belas kasus uji, hasilnya menunjukkan 100 persen benar. Skor dari kelima kriteria dijumlahkan menggunakan algoritme MCE kemudian dilihat hasil pixelnya lalu dibandingkan dengan perhitungan algoritmenya. 7. KESIMPULAN Berdasarkan hasil dari penelitian yang telah dilakukan, kesimpulan dari penelitian ini akan dijelaskan dalam poin-poin dibawah ini: • Kriteria untuk kesesuaian lahan perumahan di Kota Malang dapat diidentifikasi melalui peraturan SNI Tata cara perencanaan lingkungan perumahan di perkotaan. Setelah mendapatkan 3 kriteria yang terbagi menjadi 5 faktor dan satu constraint, faktor-faktor tersebut kemudian diserahkan kepada expert dari arsitektur, perencanaan wilayah kota, dan agen perumahan untuk diminta opininya menggunakan metode AHP. Setelah Fakultas Ilmu Komputer, Universitas Brawijaya

270

pengolahan menggunakan AHP, kemudian didapat bobot untuk setiap faktor. bobot disini menunjukkan seberapa besar pentingnya faktor tersebut dimata expert. Dari kelima faktor, faktor keamanan merupakan faktor yang paling penting, kemudian faktor jarak dengan jalan, topografi, jarak dengan universitas dan jarak dengan pusat kota. • Hasil analisis kesesuaian lahan perumahan di Kota Malang menggunakan metode MCE teknik OWA dan WLC menunjukkan hasil yang berbeda. Menurut hasil dari teknik OWA, 50% lahan Kota Malang termasuk kedalam kategori sangat sesuai dan cukup sesuai, 50% sisanya termasuk kedalam kategori kurang sesuai, dan tidak sesuai. Sedangkan hasil dari teknik WLC menunjukkan 63% lahan di Kota Malang termasuk kedalam kategori sangat sesuai dan cukup sesuai, sedangkan sisanya 37% termasuk kedalam kategori kurang sesuai dan tidak sesuai. • Dari kedua hasil analisis yang telah didapatkan, hasil analisis yang menunjukkan akurasi paling bagus adalah hasil analisis dengan teknik OWA yaitu 79%. Sedangkan persentasi untuk hasil analisis dengan teknik WLC hanya sebesar 67% dengan titik uji yang sama dengan titik uji teknik OWA. • Proses pengujian website KELAPA dilakukan menggunakan 2 metode pengujian yaitu Black-box dan White-box. Terdapat 2 teknik pengujian black-box yang digunakan yaitu validation testing dan compatibility testing. Dari kedua teknik tersebut, validation testing website KELAPA menunjukkan hasil 100% valid, sedangkan compatibility testing website KELAPA memiliki kendala pada browser Internet explorer. Dan untuk pengujian metode White-box, algoritme metode MCE yang terdapat pada plugin MCELite menunjukkan hasil 100% benar. Adapun saran yang diberikan untuk penelitian selanjutnya adalah sebagai berikut: • Kriteria dan faktor yang digunakan lebih diperbanyak lagi agar hasil analisis yang didapat lebih bagus. Faktor seperti kawasan serapan hujan, jaringan listrik, ketersediaan air bersih, jarak dengan fasilitas umum seperti rumah sakit, pusat perbelanjaan, dan taman kota dapat ditambahkan dalam penelitian selanjutnya.


•

•

Fitur yang telah ada ditambahkan berdasarkan kebutuhan pengguna, seperti fitur menampilkan pesan status kesesuaian lahan lokasi yang sedang ditempati oleh pengguna saat ini. Sistem dikembangkan dalam mobile application agar pengguna lebih mudah dalam mengakses fitur-fitur yang tersedia

DAFTAR PUSTAKA Arief, H., 2009. Kajian Kesesuaian Lahan Perumahan Berdasarkan Karakteristik Fisik Dasar di Kota Fakfak. Thesis. Universitas Diponegoro Aflahul, A., 2016. Kata walikota malang : urbanisasi dan kemacetan adalah masalah yang harus dicarikan solusi. [online] Tersedia di : [Diakses 23 Februari 2017] Boroushaki S, Malcjewski J (2008) Implementing an extension of the analytical hierarchy process using ordered weighted averaging operators with fuzzy quantifiers in ArcGIS. Comput Geosci 34:399–410 Dabno, S., Lisec, A., 2009. Multi-attribute Decision Analysis in GIS: Weighted Linear Combination and Ordered Weighted Averaging. University of Ljubljana Eastmen, J.R., Jin, W., Kyem, P.A.K. dan Toledano, J. 1 995. Raster procedures for multi‐ criteria/multi‐objective decisions.. Photogrammetric Engineering and Remote Sensing, 61: pp. 539–547. Eastmen, R., 1999. Multi-criteria evaluation and GIS. Chap. 35. In: Longley PA, Goodchild MF, Maguire DJ, Rhind DW (eds) Geographical information systems. Wiley, New York. pp. 493-502 Filev, D., Yager, R.R. 1995. On The Issue of Obtaining OWA operator weights. Gemitzi, A., Tshirintzhis, V.A., Voundaris, E. et al. Environ Geol (2007). Combining geographic information system, multicriteria evaluation and fuzzy logic in Fakultas Ilmu Komputer, Universitas Brawijaya

271 sitting MSW landfills. 51: doi:10.1007/s00254-006-0359-1

797.

Imtiaz, A.C., 2011. Gis-based Multi-Criteria Decision Analysis of Land Suitability for Hillside Development. International Journal of Environmental Science and Development, Vol. 2, No. 6. Jansen, R., Rietveld, P., 1990, Multi-criteria analysis and geographical information systems: an application to agricultural land use in The Netherlands. In Geographical Information Systems for Urban and Regional Planning, edited by H. J. Scholten and J. C. H. Stillwell (The Netherlands: Kluwer Academic Publisher), pp. 129± 139. Lotfi. S, Habibi. K, Kohsari. M.H., 2009. An Analysis of Urban Land Development Using Multi-Criteria Decision Model and Geographical Information System (A Case Study of Babolsar City). American Journal of Environmental Sciences 5 (1): 87-93, 2009 ISSN 1553-345X Malangkota, 2017. Perguruan tinggi. [online] Tersedia di : [Diakses 13 April 2017] Meutia, F.A., 2014. Kebutuhan rumah di Indonesia membludak 31 juta unit. [online] Tersedia di: [Diakses 23 Februari 2017] Rochimawati, D.A.P., 2016. Malang makin diminati, 7.000 rumah siap dibangun. [online] Tersedia di [Diakses 23 Ferbuari 2017]. Malcjewski J (2004) GIS-based land-use suitability analysis: a critical overview. Prog Plan 62:3–65 Mokarram, M., 2010. GIS-Based Multicriteria Land Suitability Evaluation Using Ordered Weight Averaging With Fuzzy Quantifier : A Case Study in Shavur Plain,Iran


Seref, K., 2002. Evaluation of Land Use Potential and Suitability of Ecosystems in Antakya for Reforestation, Recreation, Arable Farming and Residence. Surya.co.id, 2015. Pemkot Malang Punya PR Relokasi Pemukiman di Pinggir Sungai. [online] Tersedia di : [Diakses 23 Februari 2017]


272

Sistem Informasi Geografis Kesesuaian Lahan Perumahan di Kota Malang menggunakan Metode MCE

Recommend Documents