PERBANDINGAN KEMAMPUAN TEKNIK CELLULAR AUTOMATA DALAM MEMPREDIKSI PERTUMBUHAN SPASIAL LAHAN TERBANGUN DI KOTA PONTIANAK
Abstract
Penelitian mengenai pemodelan spasial dinamis seperti memprediksi perubahan penggunaan lahan menggunakan Cellular Automata sudah banyak dilakukan. Penelitian ini mengkaji alternatif metode yang terbaik dalam membangun model prediksi masih jarang dilakukan, terutama di Indonesia. Padahal dalam membuat model prediksi terdapat instrument Transition Potential yang dibangun dengan beberapa metode seperti ANN dan LR. Penelitian ini bertujuan untuk menguji metode ANN dan LR dalam memprediksi pertumbuhan lahan terbangun di Kota Pontianak. Penelitian ini menggunakan data sekunder berupa peta lahan terbangun tahun 2007 dari citra satelit Landsat-5 dan peta lahan terbangun tahun 2014 dari citra satelit Landsat-8 untuk memprediksi tahun 2019. Hasil penelitian menunjukkan bahwa metode LR (Logistic regression) lebih baik dibandingkan ANN (Artificial Neural Network) dalam memprediksi pertumbuhan lahan terbangun di Kota Pontianak dengan ketentuan bahwa kota tersebut telah berkembang menjadi pusat kota tetapi masih terdapat banyak lahan kosong.Downloads
References
Achmad, A., Hasyim, S., Dahlan, B.A., Dwira, N., 2015. Modeling of urban growth in tsunami-prone city using logisticregression: Analysis of Banda Aceh, Indonesia. Applied Geography 62 (2015) 237-246. //dx.doi.org/10.1016/j.apgeog.2015.05.0010143-6228
Ainiyah, N., Deliar, A., Virtriana, R., 2016. The Classical Assumption Test To Driving Factor Of Land Cover Change In The Development Region Of Northern Part Of West Java. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XLI-B6, 2016 doi:10.5194/isprsarchives-XLI-B6-205-2016
Al-sharif, A.A.A., & Pradhan, B., 2013. Monitoring and predicting land use change in Tripoli Metropolitan City using an integrated Markov chain and cellular automata models in GIS. Arab J Geosci. doi 10.1007/s12517-013-1119-7
Campbell, J.B., 2002. Introduction to remote sensing. 3rd ed. New York: The Guilford Press.
Haag, F., Haglund, S., 2002. The Application Of Remote Sensing Techniques To Landscape Level Environmental Research: A Hybrid Approach Combining Visual and Digital Interpretation. Norsk Geografisk Tidsskrift–Norwegian Journal of Geography, 56, 265–270.
Kamal, M., Arjasakusuma, S., 2010. Ekstraksi Informasi Penutup Lahan Menggunakan Spektrometer Lapangan Sebagai Masukan Endmember Pada Data Hiperspektral Resolusi Sedang. Jurnal Ilmiah Geomatika Vol. 16 No. 2, Desember 2010
Khayan., Sudarmadji., Sutomo, A. H., 2003. Hubungan Pengaturan Waktu Penampungan Air Hujan Dengan Penurunan Keracunan Pb Pada Masyarakat Di Kota Pontianak. Jurnal Manusia dan Lingkungan, 10(1), 33-42.
Kosasih, D., Saleh, M.B., Prasetyo, L. B., 2019. Interpretasi visual dan digital untuk klasifikasi tutupan lahan di Kabupaten Kuningan, Jawa Barat. Jurnal Ilmu Pertanian Indonesia, 24(2), 101-108.
Lang, S., Schoepfer, E., Langanke, T., 2009. Combined object-based classification and manual interpretation - Synergies for a quantitative assessment of parcels and biotopes. Geocarto International 24(2):99-114. DOI: 10.1080/10106040802121093
Langanke, T., Demel, W., Lang, S., Kias, U., 2004. Visuelle Interpretation von CIR-Luftbildern im direkten Vergleich mit objekt-basierter Bildanalyse – Showdown imNationalpark Berchtesgaden. In: J. Strobl, T. Blaschke, and G. Griesebner, eds.Angewandte Geoinformatik, Heidelberg: Wichmann, 404–410
Liu, Y., 2012. Modelling sustainable urban growth in a rapidly urbanising region using a fuzzyconstrained cellular automata approach. International Journal of Geographical Information Science 26(1), 151-167
Mohammadi, M., Sahebgharani, A., Malekipour, E., 2013. Urban Growth Simulation Throuh Cellular Automata (CA), Analytic Hierarchy Process (AHP) and GIS; Case Study of 8th and 12th Municipal Districts of Isfahan. Geographia Technica, Vol. 08, No. 2, 2013, pp 57 to 70
Mosammam, H.M., Nia, J.T., Khani, H., Teymouri, A., Kazemi, M., 2016. Monitoring land use change and measuring urban sprawl based on its spatial forms The case of Qom city. J. Remote Sensing Space Sci. DOI 10.1016/j.ejrs.2016.08.002
Mustafa, A., Rompaey, A.V., Cools, M., Saadi, I., Teller, J., 2018. Addressing the determinants of built-up expansion and densification processes at the regional scale. Urban Study, 55 (15), 3279–3298. doi:10.1177/0042098017749176.
Nouri, J., Gharagozlou, A., Arjmandi, Reza. Faryadi, Shahrzad. Adl, Mahsa. 2014. Predicting Urban Land Use Changes Using a CA–Markov Model. Arab J Sci Eng. DOI 10.1007/s13369-014-1119-2
Nurhidayati, E., Buchori, I., Mussadun. Fariz, T.R., 2017. Cellular Automata Modelling in Predicting the Development of Settlement Areas, A Case Study in The Eastern District of Pontianak Waterfront City. IOP Conf. Series: Earth and Environmental Science 79 (2017) 012010. doi :10.1088/1755-1315/79/1/012010
Park, S., Jeon, S., Kim, S., Choi, C., 2011. Prediction and Comparison of Urban Growth By Land Suitability Index Mapping Using GIS and RS in South Korea. Landscape and urban planning, 99(2), 104-114.
Parasdyo, M.M., Susilo, B., 2016. Komparasi Akurasi Model Cellular Automata Untuk Simulasi Perkembangan Lahan Terbangun Dari Berbagai Variasi Matriks Probabilitas Transisi Kasus: Bagian Timur Kota Yogyakarta. Jurnal Bumi Indonesia, Vol 5, No 4, 2016.
Pemerintah Provinsi Kalbar., 2014. Peraturan Daerah Provinsi Kalimantan Barat Nomor 10 Tahun 2014 Tentang Rencana Tata Ruang Wilayah Provinsi Kalimantan Barat Tahun 2014 – 2034. Pontianak: Sekretariat Daerah Provinsi Kalimantan Barat
Pidora, D., Pigawati, B., 2014. Keterkaitan Perkembangan Permukiman dan Perubahan Harga Lahan di Kawasan Tembalang. Jurnal Wilayah dan Lingkungan, 2(1), 1-10.
Pijanowski, B.C., Tayebi, A., Delavar, M. R., Yazdanpanah, M. J., 2009. Urban expansion simulation using geospatial information system and artificial neural networks. International Journal of Environmental Research, 3 (4), 493–502
Pramana, A.Y.E., 2017. Analisis Faktor Yang Berpengaruh Terhadap Nilai Lahan di Kawasan Perkotaan Yogyakarta Studi Kasus Kecamatan Ngaglik, Kabupaten Sleman, Daerah Istimewa Yogyakarta. ReTII.
Ridwan, F. Ardiansyah, M., Gandasasmita, K., 2017. Pemodelan Perubahan Penutup/Penggunaan Lahan Dengan Pendekatan Artificial Neural Network dan Losgitic Regression (Studi Kasus: DAS Citarum, Jawa Barat). Buletin Tanah dan Lahan, 1 (1) Januari 2017: 30-36
Sampurno, J., Muid, A., Zulfian., Latief, F.D.E., 2018. Characterization the geometry of the peat soil of Pontianak using fractal method. OP Conf. Series: Journal of Physics: Conf. Series 1040 (2018) 012044 doi :10.1088/1742-6596/1040/1/012044
Susilo, B., 2011. Pemodelan Spasial Probabilistik Integrasi Markov Chain dan Cellular Automata Untuk Kajian Perubahan Penggunaan Lahan Skala Regional Di Provinsi Daerah Istimewa Yogyakarta. Gea, Vol. 11, No. 2, Oktober 2011
Szabó, S., Burai, P., Kovács, Z., Szabó, G., Kerényi, A., Fazekas, I., et. al. (2014). Testing Algorithms For The Identifiction Of Asbestos Roofing Based On Hyperspectral Data. Environmental Engineering and Management Journal 15 (2014), 11, 2875-2880
Tajbakhsh, S.M. Memarian, H. Moradim K. Afshar, A.H. Aghakhani. 2018. Performance comparison of land change modeling techniques for land use projection of arid watersheds. Global J. Environ. Sci. Manage.,4(3): 263-280, Summer 2018. DOI: 10.22034/gjesm.2018.03.002
Xu, T., Gao, J., Coco, G., 2019. Simulation of urban expansion via integrating artificial neural network with Markov chain – cellular automata. International Journal of Geographical Information Science. DOI: 10.1080/13658816.2019.1600701
Copyright (c) 2020 Plano Madani : Jurnal Perencanaan Wilayah dan Kota
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
By Submitting your manuscript to our journal, your are following Copyright & License