Penggunaan Lahan dan Penutupan Lahan
Landuse (penggunaan lahan) dan landcover (penutupan lahan) sering
digunakan secara bersama-sama, namun kedua terminologi tersebut
berbeda. Menurut Lillesand dan Kiefer (1979), penutupan lahan berkaitan dengan jesis kenampakan yang ada di permukaan bumi, sedangkan penggunaan lahan berkaitan dengan kegiatan manusia pada obyek tersebut. Townshend dan Justice (1981) juga berpendapat bahwa penutupan lahan adalah perwujudan secara fisik (visual) dari vegetasi, benda alam, dan unsur-unsur budaya yang ada di permukaan bumi tanpa memperhatikan kegiatan manusia terhadap obyek tersebut. Sedangkan Barret dan Curtis (1982), mengatakan bahwa permukaan bumi sebagian terdiri dari kenampakan alamiah (penutupan lahan) seperti vegetasi, salju, dan lain sebagainya, serta sebagian lagi berupa kenampakan hasil aktivitas manusia (penggunaan lahan).
Dari beberapa tinjauan pustaka tersebut di atas tersirat bahwa penggunaan lahan adalah klasifikasi lahan berdasarkan aktifitas manusia, sedangkan penutupan lahan adalah karakteristik alamiah dari lahan tersebut. Penutupan lahan bisa dianggap sebagai kondisi saat ini, sedangkan penggunaan lahan berkaitan dengan status lahan. Penekanan di sini adalah bahwa analisis lahan seperti hidrologi, lanskap, dll harus menggunakan penutupan lahan. Namun, penutupan lahan itu sendiri akan dipengaruhi oleh status penggunaan. Contohnya, suatu lahan berhutan jika berada dalam penggunaan lahan pertambangan akan tidak tepat dianalisis menggunakan penutupan lahan jika rentang studi cukup lebar karena aktifitas pertambangan akan mengubah penutupan lahan berhutan tersebut dalam kisaran waktu analisis.
Penginderaan Jauh dalam Penutupan Lahan
Menurut Trisasongko (2009), perubahan penggunaan lahan dapat ditelaah dari data penginderaan jauh melalui dua pendekatan. Pendekatan pertama merupakan pendekatan yang umum digunakan yaitu pembandingan peta tematik. Berbagai teknik klasifikasi dapat dimanfaatkan dalam pendekatan ini, seperti telah dijelaskan pada bagian sebelumnya. Langkah selanjutnya adalah membandingkan dua atau lebih data tematik dalam suatu proses analisis, umumnya dikenal dengan analisis Land Use/Cover Change (LUCC). Pendekatan kedua tidak melibatkan prosedur klasifikasi, sehingga tidak ada data tematik yang dihasilkan sebagai data intermedier. Pendekatan kedua ini umumnya dikenal dengan deteksi perubahan (Change Detection). Berbagai prosedur statistika dapat digunakan pada pendekatan ini, diantaranya adalah Multivariate Alteration Detection (MAD) yang diperkenalkan oleh Nielsen et al. (1998). Secara umum, penelitian ini menggunakan pendekatan pertama mengingat tujuan utama dari kegiatan ini
adalah mengkaji dan memodelkan perubahan penggunaan lahan (Land Use
Perubahan Penggunaan Lahan dan Faktor-Faktor Penyebab terjadinya Perubahan
Perubahan penggunaan lahan adalah bertambahnya suatu penggunaan lahan dari satu penggunaan ke penggunaan lainnya diikuti dengan berkurangnya penggunaan lahan yang lain pada kurun waktu yang berbeda (Wahyunto et al.,
2001). Perubahan penggunaan lahan dalam pelaksanaan pembangunan tidak dapat dihindari. Perubahan tersebut terjadi karena dua hal, pertama adanya keperluan untuk memenuhi kebutuhan penduduk yang makin meningkat jumlahnya dan kedua berkaitan dengan meningkatnya tuntutan akan mutu kehidupan yang lebih baik.
Munibah et al., (2010) melakukan penelitian di DAS Cidanau Banten tentang erosi yang diakibatkan oleh adanya perubahan penggunaan lahan sekitar wilayah DAS. Perubahan penggunaan lahan yang diprediksi menggunakan
Celluler Automata (CA) dapat menunjukkan erosi yang terjadi di masa datang. Munibah et al., (2010) menyatakan bahwa beberapa faktor yang mempengaruhi perubahan lahan hutan menjadi lahan pertanian adalah bentuk lahan, kemiringan lereng, jenis tanah, curah hujan, jarak dari jalan raya, dan mata pencaharian masyarakat. Perubahan penggunaan lahan yang tidak terkendali juga dapat menjadi penyebab bahaya kerusakan lingkungan seperti banjir, longsor, erosi. Banjir dapat disebabkan oleh luapan air sungai atau danau. Luapan air permukaan ini dapat diminimalisir dengan adanya perencanaan penggunaan lahan (Tang et al., 2005).
Faktor-faktor yang secara nyata menentukan perubahan penggunaan lahan
menurut Saefulhakim et al., (1999) dengan menggunakan alat analisis
multinomial logit model adalah tipe penggunaan lahan pada masa sebelumnya, status kawasan dalam kebijakan tata ruang, hak penguasaan dan kepemilikan lahan, karakteristik fisik lahan, karakteristik sosial ekonomi wilayah, dan karakteristik interaksi spasial antara aktivitas sosial ekonomi internal dan eksternal suatu wilayah.
Dinamika alih fungsi lahan dapat terjadi pada segala bentuk pemanfaatan lahan, baik pada wilayah perkotaan maupun daerah perdesaan. Pada wilayah perkotaan, perubahan penggunaan lahan dapat dipicu oleh proses urbanisasi yang cepat, umumnya dalam upaya penyediaan sarana perumahan dan industri (Deng et al, 2009). Di Bangladesh, proses urbanisasi menjadi penyebab berkurangnya luasan badan air, tumbuh-tumbuhan, lahan pertanian dan lahan kering/lahan basah (Dewan dan Yamaguchi, 2009). Di Indonesia, proses urbanisasi juga ditengarai menyebabkan perubahan penggunaan lahan. Studi yang dilakukan Rustiadi dan Panuju (2002) menunjukkan bahwa terdapat keterkaitan antara proses urbanisasi dengan perkembangan wilayah urban yang tidak teratur. Selanjutnya, menurut Rustiadi (2008) dinamika perubahan penggunaan lahan di Jakarta mempengaruhi berbagai aspek lingkungan, dan dampak terbesar dari perkembangan ini banyak dijumpai di kawasan lahan pertanian yang banyak terdapat di wilayah sekitar Jakarta.
Pada umumnya, studi dinamika perubahan penggunaan lahan tidak terlepas dari pemanfaatan data spasial. Data tersebut dapat diturunkan dari data peta atau dari data penginderaan jauh secara langsung. Batisani dan Yarnal (2009) menunjukkan kelayakan citra optik Landsat dalam mendeteksi perubahan tutupan lahan. Dalam konteks teknologi geospasial, telaah literatur menunjukkan bahwa
terdapat dua pendekatan dalam mempelajari dinamika perubahan tersebut. Pendekatan pertama adalah deteksi perubahan (change detection). Pendekatan ini tidak menggunakan data tematik sebagai masukan data, tetapi memanfaatkan data penginderaan jauh asli dalam mendeteksi perubahan. Nielsen et al (1998) mengusulkan teknik Multivariate Alteration Detection (MAD) dalam mendeteksi perubahan tutupan lahan menggunakan data multispektral dan bitemporal. Alternatif lain dalam studi dinamika perubahan adalah dengan pemanfaatan data tematik yang dapat diturunkan dari data penginderaan jauh ataupun menggunakan peta sebagai data masukannya.
Regresi Logistik untuk Analisis Perubahan Penggunaan Lahan
Metode Regresi logistik adalah suatu metode analisis statistika yang mendeskripsikan hubungan antara peubah respon yang memiliki dua kategori atau lebih dengan satu atau lebih peubah penjelas berskala kategori atau interval. Peubah kategorik yaitu peubah yang berupa data nominal dan ordinal (Hosmer dan Lemeshow, 1989). Pendekatan model persamaan logistik digunakan karena dapat menjelaskan hubungan antara X dan π (x) yang bersifat tidak linear, ketidaknormalan sebaran dari Y, keragaman respon yang tidak konstan dan tidak dapat dijelaskan oleh model regresi linear biasa (Agresti, 1990).
Peubah kategorik yaitu peubah yang berupa data nominal dan ordinal. Jika data hasil pengamatan p peubah bebas yaitu x1, x2, ..., xp dengan peubah respon Y, dengan Y mempunyai dua kemungkinan nilai 0 dan 1, Y=1 menyatakan bahwa respon memiliki kriteria yang ditentukan dan sebaliknya Y = 0 tidak memiliki kriteria, maka peubah respon Y mengikuti sebaran Bernoulli dengan parameter π (xi) sehingga fungsi sebaran peluang:
Model umum regresi logistik dengan p peubah jenis adalah:
Dimana
= Peluang terjadinya perubahan penggunaan lahan jika , dan tidak terjadi perubahan jika
= Peubah tak bebas = Peubah tak bebas = Peubah bebas
Dengan melakukan transformasi logit diperoleh: Sehingga diperoleh:
Konstanta setara dengan peubah respons ketika peubah penduga bernilai 0 (nol) atau parameter intersep, , ... dan adalah parameter-parameter
koefisien regresi untuk peubah , ... , dan adalah error atau sering disebut
residual (Hosmer dan Lemeshow, 1998). G merupakan fungsi transformasi atau penduga logit s, karena fungsi penghubung yang digunakan adalah fungsi penghubung logit maka sebaran peluang yang digunakan disebut sebaran logistik. Ada beberapa metode pendugaan parameter dalam regresi, salah satunya yaitu metode maximum likelihood. Secara sederhana dapat disebutkan bahwa metode ini berusaha mencari nilai koefisien yang memaksimumkan fungsi likelihood. Analisis regresi juga bisa digunakan untuk melihat hubungan perubahan
penggunaan lahan dengan pertumbuhan penduduk di wilayah perkotaan (Lopez et
al., 2001). Sementara Tarnama dan Sarasanti (2009) memanfaatkan model logit untuk menduga peluang terjadinya hujandi Banjarbaru.
Kombinasi metode regresi logistik dan SCS guna mengestimasi limpasan permukaan untuk beberapa tahun ke depan telah dilakukan oleh Apria (2005). Lokasi kajian adalah DAS Ciliwung Hulu dan variabel bebas (prediktor) yang digunakan adalah jarak ke jalan (X1), jarak ke sungai (X2), jarak ke permukiman (X3), jarak suatu penggunaan lahan terhadap penggunaan lahan yang lain (X4), kepadatan penduduk (X5) dan pendapatan penduduk (X6). Alasan dipilihnya 6 prediktor tersebut terkait dengan peluang berubahnya suatu penggunaan lahan. Misalnya, kepadatan penduduk yang tinggi diperkirakan sebagai salah-satu pendorong adanya perubahan penggunaan lahan tertentu jadi penggunaan lahan lain. Prediktor lain yang juga mendorong hal tersebut adalah jarak ke jalan raya atau sungai besar, maksudnya semakin dekat dengan jalan raya dan sungai besar maka peluang perubahan penggunaan lahan juga semakin besar. Penelitian lain dilakukan oleh Putra (2003) menyatakan bahwa faktor yang mempengaruhi perubahan lahan di Kota Mataram adalah fasilitas umum, fasilitas ekonomi, usaha produktif di luar sektor pertanian, dan faktor kekuatan/kemampuan pelaku ekonomi. Kemampuan pelaku ekonomi dalam hal ini diwakili oleh jumlah penduduk, pendapatan per kapita, tingkat pendidikan masyarakat dan pendapatan asli daerah.
Pemodelan Perubahan Penggunaan Lahan menggunakan Markov Chain
Metode Markov Chain merupakan salah satu model yang paling tua dan telah diaplikasikan dalam berbagai penelitian khususnya di bidang pertanian tidak hanya untuk menduga perubahan penggunaan lahan. Vandeveer dan Drummond (1976) menggunakannya untuk mengkaji dampak konstruksi sebuah reservoir. Lalu Judge dan Swanson (1981) juga menggunakan teknik ini untuk memprediksi besarnya produksi babi di negara bagian Illinois, USA.
Teknik prediksi Markov tersebut juga menjadi teknik yang banyak digunakan dalam menduga perubahan penggunaan lahan. Teknik Markov digunakan dalam penelitian Lopez et al. (2001) untuk memprediksi tutupan lahan dan perubahan penggunaan lahan di pinggiran perkotaan Morelia, Meksiko. Selain itu Weng (2001) juga menggunakan teknik yang sama dalam menganalisis perubahan penggunaan lahan di Delta Zhujiang.
Menurut Trisasongko et al. (2009), persamaan Markov Chain dibangun menggunakan distribusi penggunaan lahan pada awal dan akhir masa pengamatan yang terepresentasikan dalam suatu vektor (matriks satu kolom), serta sebuah matriks transisi (transition matrix). Hubungan ketiga matriks tersebut adalah sebagai berikut:
Keterangan:
Ut = Peluang setiap titik terklasifikasi sebagai kelas U pada waktu t
LCua = Peluang suatu kelas u menjadi kelas lainnya pada rentang waktu tertentu
MLC = Peluang
Mt = Peluang tahun ke t
Mt+1 = Peluang tahun t+1
Dari hasil penelitian Trisasongko et al. (2009) mengenai dampak
pembangunan jalan tol Cikampek terhadap perubahan penggunaan lahan di sekitarnya menunjukkan bahwa estimasi Markov Chain dapat dimanfaatkan lebih lanjut untuk kegiatan forecasting, karena penelitian ini memperoleh nilai Kappa sekitar 0,9355, dimana tingkat akurasi yang ditetapkan paling rendah yaitu akurasi sebesar 85%. Sementara pada penelitian Suryani (2012), tingkat ketepatan prediksi metode Markov untuk menduga luas penggunaan lahan tahun 2011 di Kabupaten Bungo adalah sebesar 98,5%.
Pengaruh Perencanaan Penataan Ruang Wilayah terhadap Perubahan Penggunaan Lahan
Menurut Rustiadi et al. (2009), perencanaan tata ruang merupakan suatu visi bentuk konfigurasi ruang masa depan yang menggambarkan wujud sistematis dari aspek fisik, sosial, dan ekonomi untuk mendukung dan mengarahkan ruang untuk meningkatkan produktivitas agar dapat memenuhi kebutuhan manusia secara berkelanjutan. Namun seringkali penataan ruang yang terjadi di lapangan menyimpang atau bahkan jauh dari koridor perencanaan tata ruang yang telah dibuat.
Penyimpangan struktur dan pemanfaatan ruang dalam Rencana Tata Ruang Wilayah (RTRW) umumnya terjadi karena tekanan tingginya pertumbuhan penduduk, terutama akibat arus urbanisasi (Dardak, 2006). Perkembangan spasial yang tidak terkendali tersebut bukan berarti suatu wilayah tidak mempunyai konsep/perencanaan tata ruang/tata spasialnya. Formulasi tata spasial dan aplikasinya kalah cepat berpacu dengan proses perubahan spasial yang ada di lapangan, karena permasalahan yang berkaitan dengan aplikasi peraturan tidak dilaksanakan secara konsisten dan konsekuen (Yunus, 2005). Dalam pelaksanaan pemanfaatan ruang/lahan belum seluruhnya mengacu pada RTRW karena beberapa kendala, salah satunya pelaksanaan atau pengarahan kesesuaian lahan hanya terbatas pada perorangan atau badan hukum yang mengajukan izin lokasi atau hak atas tanah, sementara sebagian besar masyarakat lainnya belum banyak berpartisipasi bahkan banyak yang tidak mengetahui keberadaan dan fungsi RTRW (Junaedi, 2008).
3 METODE
Lokasi dan Waktu Penelitian
Lokasi penelitian adalah Kabupaten Bogor Jawa Barat yang secara geografis terletak pada 6º18′ 6º47’10 LS dan 106º23’45- 107º 13’30 BT. Lokasi ini dipilih karena Kabupaten Bogor merupakan wilayah penyangga DKI Jakarta dan sekitarnya, sehingga diperkirakan akan mengalami perubahan penggunaan lahan yang nyata. Batas administrasi Kabupaten Bogor meliputi:
Utara : Kabupaten Tangerang, Kabupaten/Kota Bekasi, Kota Depok
Timur : Kabupaten Cianjur dan Kabupaten Karawang Selatan : Kabupaten Sukabumi dan Cianjur
Barat : Kabupaten Lebak (Provinsi Banten)
Tengah : Kota Bogor
Wilayah administrasi Kabupaten Bogor terbagi dalam 40 kecamatan dan 430 desa dengan luas wilayah 298.797 ha. Lokasi Kabupaten Bogor dapat dilihat pada Gambar 1. Penelitian dilakukan pada bulan Agustus 2010 hingga Juli 2014.
Gambar 1. Lokasi Penelitian Kabupaten Bogor
Jenis Data dan Sumber Data
Data utama dalam penelitian ini adalah citra Landsat Kabupaten Bogor tahun 1989, 1995, 2001, 2006, 2009 dan 2013. Sementara data pendukung untuk mengkaji faktor penentu perubahan penggunaan lahan terdiri dari data Potensi
Desa, Kabupaten Bogor Dalam Angka, Peta Tanah, Peta Lereng, Peta Pola Ruang dan Peta Hak Ijin Usaha. Data sekunder diperoleh dari Badan Pusat Statistik Kabupaten Bogor, Badan Perencanaan Pembangunan Daerah Kabupaten Bogor, Pusat Pengkajian Perencanaan dan Pengembangan wilayah (P4W), Lab Pengembangan Wilayah ITSL dan Badan Informasi Geospasial (BIG).
Jenis data, sumber data, teknik analisis data dan output yang diharapkan berdasarkan tujuan penelitian secara lengkap disajikan pada Tabel 1.
Tabel 1. Data, Sumber Data, Serta Teknik Analisis Berdasarkan Tujuan Penelitian
No Tujuan Penelitian Jenis Data Teknik Analisis Output yang diharapkan
1 Mengidentifikasi perubahan dan pola penggunaan lahan di Kabupaten Bogor tahun 1989-2013
Peta RBI 1989, Citra Landsat 1995, 2001, 2006, 2009, Landsat 8 2013, Peta
Administrasi
Kabupaten Bogor, Peta Dasar (jalan dan sungai) Koreksi geometri, klasifikasi visual penggunaan lahan, serta validasi dengan citra resolusi tinggi dan cek lapang Perubahan Penggunaan Lahan tahun 1989, 1995, 2001, 2006, 2009, 20113 2 Menentukan faktor-faktor penentu perubahan penggunaan lahan di Kabupaten Bogor
Hasil Analisis Tujuan 1, Peta RTRW 2005-2025, Peta Tanah, Peta Lereng, Peta Hak Ijin Usaha 2005 dan 2011, Peta Jalan, Laju pertumbuhan penduduk, Laju Pertumbuhan Fasilitas Calculate center of mass, Distance matrix, Regresi logistik biner
Jarak terhadap jalan terdekat, jarak ke pusat kabupaten dan kota, faktor penyebab perubahan penggunaan lahan 3 Memprediksi penggunaan lahan tahun 2025 dan menguji akurasinya dengan hasil prediksi tahun 2013
Hasil Analisis tujuan 1 Markov Chain Prediksi penggunaan lahan tahun 2025 berdasarkan prediksi tahun 2013 yang telah diuji akurasinya 4 Mengevaluasi
kesesuaian Rencana Tata Ruang Wilayah Kabupaten Bogor 2005-2025 dengan penggunaan lahan tahun 2025
Hasil Analisis tujuan 3, Peta RTRW 2005-2015 Combine, Matriks Transisi Proporsi kesesuaian RTRW 2005-2025 dengan Estimasi Penggunaan Lahan 2025
Prosedur Analisis Data
Tahapan analisis yang dilakukan dalam penelitian ini secara garis besar dibagi menjadi empat, yaitu: 1) Analisis perubahan penggunaan lahan, 2) Analisis regresi logistic biner, 3) Analisis Prediksi Penggunaan Lahan Markov Chain, 4) Evaluasi keselarasan prediksi penggunaan lahan 2025 dengan RTRW Kabupaten Bogor 2005-2025. Kerangka pemikiran penelitian disajikan pada Gambar 2.
Analisis Perubahan Penggunaan Lahan Analisis Regresi Logistic Biner Analisis Prediksi Markov Chain Evaluasi Keselarasan Landuse 2025 dengan RTRW 2005-2025 Rekomendasi Arahan Pemanfaatan Ruang Interpretasi & Digitasi 3 2 1 4 Data Sosek, Fisik, Ijin Lokasi, RTRW Faktor-Faktor Penentu Perubahan
Dinamika & Pola Perubahan Penggunaan Lahan Prediksi Landuse 2025 Potensi Masalah 2025 Peta Landuse 1989-2013 Citra Landsat Kab Bogor tahun 1989-2013
RTRW 2005-2025
Gambar 2. Kerangka Pemikiran Penelitian
Analisis Perubahan Penggunaan Lahan
Analisis ini bertujuan untuk mengidentifikasi dinamika perubahan dan pola penggunaan lahan di Kabupaten Bogor tahun 1989, 1995, 2001, 2006, 2009 dan 2013. Adapun tahap yang dilakukan meliputi aktivitas pengunduhan citra landsat, penggabungan kanal citra (layer stack), pemotongan citra, koreksi geometri, klasifikasi visual dan pengecekan lapang:
1. Pengunduhan citra Landsat
Citra Landsat tahun 1995, 2001, 2006, 2009 dan 2013 diunduh dari http://glovis.usgs.gov/. Citra yang diunduh adalah citra Landsat yang berada pada path/row 122/64 dan 122/65 dengan liputan awan yang minimum pada tahun yang bersesuaian. Jumlah citra yang diunduh adalah 10 scene. Penggunaan lahan tahun 1989 diambil dari Peta Rupa Bumi Indonesia yang diperoleh dari Bakosurtanal.
2. Penggabungan kanal citra (Layer Stack)
Pada tahap ini dilakukan penggabungan seluruh band kanal tampak dan infra merah pada setiap scene agar mempermudah pembuatan citra komposit warna alami (natural color) sesuai dengan kenampakan yang diharapkan.
3. Pemotongan Citra sesuai lokasi penelitian
Pemotongan citra dilakukan sesuai dengan batas luar Peta Administrasi Kabupaten Bogor. hal ini bertujuan untuk memfokuskan pada lokasi penelitian dan agar output peta penggunaan lahan memiliki luas yang konsisten
4. Koreksi Geometri
Tahap ini bertujuan agar citra Landsat yang akan digunakan memiliki spesifikasi koordinat yang sama dengan koordinat yang digunakan pada peta
Pengunduhan Citra Landsat Digitasi & Klasifikasi Cek Lapang Quickbird 2013 Agregasi Band, Pemotongan
Citra sesuai Administrasi Kab Bogor, Koreksi Geometrik
Overlay Dinamika Perubahan Penggunaan Lahan Reklasifikasi Landuse 2013 terkonfirmasi Landsat 1995 Landsat 2001 Landsat 2006 Landsat 2009 Landsat 2013 RBI 1989 Landuse 1989 Landuse 1995 Landuse 2013 Landuse 2009 Landuse 2006 Landuse 2001
dasar dan GPS (Global Positioning System). Koreksi geometri dilakukan dengan menggunakan acuan dari peta dasar (sungai dan jalan)yang juga dikenali pada citra Landsat. Berdasarkan 4 acuan titik kontrol GCP (Ground Control Point) tersebut, rektifikasi citra dilakukan dengan sistem proyeksi WGS 1984.
5. Klasifikasi Visual
Kegiatan klasifikasi ini dimulai dengan mengkompositkan citra Landsat dengan spesifikasi RGB 5-4-3 agar mempermudah proses interpretasi penggunaan lahan. Pada tahap selanjutnya, dilakukan interpretasi citra visual dengan memperhatikan unsur-unsur interpretasi seperti: ukuran, pola, rona, tekstur dan warna. Hasil dari interpretasi ini adalah peta penggunaan lahan Kabupaten Bogor tahun 1995, 2001, 2006, 2009 dan 2013. Jenis penggunaan lahan yang diamati adalah hutan, kebun, lahan terbangun, sawah, tegalan, tubuh air dan lain-lain. Untuk membantu proses interpretasi visual, penelitian ini juga memanfaatkan citra resolusi tinggi Quickbird tahun 2013 sebagai sumber data sekunder. Hasil dari analisis ini selanjutnya dibuat matriks transisi untuk mengetahui pola perubahan penggunaan lahan di wilayah kajian. Matriks transisi dibuat setiap periode pengamatan, yaitu tahun 1989-1995, 1995-2001, 2001-2006, 2006-2009 dan 2009-2013.
6. Pengecekan Lapang
Survei lapang dilakukan untuk mengklarifikasi penggunaan lahan tahun akhir (2013) hasil interpretasi citra yang tidak clear (meragukan). Klarifikasi dilakukan dalam dua cara: pertama melakukan cek pada citra dengan resolusi tinggi (Quickbird), kedua dengan cek kondisi lapangan secara langsung. Kerangka analisis perubahan penggunaan lahan disajikan pada Gambar 3.
Gambar 3. Diagram Alir Analisis Perubahan Penggunaan Lahan
Analisis Faktor-Faktor Penentu Perubahan Penggunaan Lahan
Berdasarkan beberapa literatur, faktor-faktor yang secara nyata menentukan perubahan penggunaan lahan adalah tipe penggunaan lahan pada masa sebelumnya, status kawasan dalam kebijakan tata ruang, hak penguasaan dan kepemilikan lahan, karakteristik fisik lahan, karakteristik sosial ekonomi wilayah, dan karakteristik interaksi spasial antara aktivitas sosial ekonomi internal dan eksternal suatu wilayah (Saefulhakim et al., 1999). Selain itu menurut Munibah et al., (2010) faktor-faktor yang mempengaruhi perubahan penggunaan lahan adalah bentuk lahan, kemiringan lereng, jenis tanah, curah hujan, jarak dari jalan raya dan mata pencaharian masyarakat.
Dalam penelitian ini, juga akan diuji variabel-variabel terkait karakteristik fisik lahan berupa peta jenis tanah dan peta kemiringan lereng. Karakteristik sosial ekonomi berupa kepadatan penduduk dan laju pertumbuhan fasilitas. Hak penguasaan dan kepemilikan lahan berupa peta hak ijin usaha. Status kawasan dalam kebijakan tata ruang berpa peta RTRW kabupaten bogor 2005-2025, serta jarak ke lokasi-lokasi strategis meliputi jarak ke jalan tol, jarak ke pusat aktifitas ekonomi, dan jarak ke pusat pemerintahan kota dan kabupaten. Ke 12 variabel-variabel terkait tersebut disajikan pada Tabel 2.
Perubahan penggunaan lahan yang dianalisis yaitu perubahan penggunaan lahan pertanian menjadi lahan non pertanian pada periode 1989 sampai 2013. Analisis dilakukan dengan menggunakan metode regresi logistik biner menggunakan perangkat lunak SPSS yang dapat menganalisis nilai kategori dan non kategori. Persamaan regresi logistik yang digunakan adalah:
dimana
= Nilai peluang untuk peubah tetap ke 1
= Konstanta
= Nilai koefisien untuk peubah bebas ke 1 sampai n
= Peubah bebas ke 1 sampai n, pada peubah tetap ke 1
n = Jumlah variebel
= Faktor yang diduga mempengaruhi proses perubahan penggunaan
lahan pertanian menjadi lahan non pertanian (Tabel 2)
Metode regresi logistik dilakukan dengan metode forward stepwise, yang berarti melakukan pemodelan regresi secara berulang dan memasukkan peubah bebas satu persatu kemudian mempertahankannya dalam model apabila peubah bebas tersebut signifikan. Peubah bebas yang tidak signifikan akan dikeluarkan dari model, sehingga peubah yang terdapat dalam model semuanya signifikan terhadap penggunaan lahan. Hal ini juga diharapkan dapat menghilangkan multikolinearitas yang mungkin ada diantara peubah. Secara sistematis proses kerja dalam mencari faktor-faktor yang mempengaruhi perubahan penggunaan lahan yang dihubungkan dengan teknik spasial disajikan pada Gambar 4.
Tabel 2. Variabel dalam pendugaan penentu perubahan penggunaan lahan
Peubah Respon (Y) Peubah Penjelas (X)
Y = Perubahan Lahan Pertanian menjadi Lahan Non-pertanian
X1: Kepadatan Penduduk (jumlah orang/km2)
X2: Laju Pertumbuhan Fasilitas (Jumlah dan Jenis Fasilitas ekonomi)
X3: Ijin Tahun 2005 X4: Ijin Tahun 2011
X5: Kelas Lereng (1=(0 - 8)%, 2=(9- 15)%, 3=(16- 25)% ), 4=(> 40)%
X6: Kelas Pola Ruang (1=Kawasan Lindung, 2=Kawasan Perkebunan, 3=Kawasan
Pertanian, 4=Kawasan Industri, 5=Kawasan Permukiman)
X7: Kelas Tanah (1= Aluvial & Latosol; 2= Andosol; 3= Grumusoli; 4= Podsolik; 5= Regosol)
X8: Jarak ke Jalan Kolektor X9: Jarak ke Jalan Tol
X10: Jarak ke Pusat Aktivitas Ekonomi X11: Jarak ke Pusat Pemerintahan Kabupaten
X12: Jarak ke Pusat Pemerintahan Kota
1.Overlay 2. Join Analisis Regresi Logistik Biner Faktor-Faktor yang mempengaruhi Perubahan Penggunaan Lahan Jarak ke Jalan tol Jarak ke Pst Aktiv. Eko&