23 ANALISIS KESESUAIAN LAHAN UNTUK PERUMAHAN DI KELURAHAN
MARIANA KECAMATAN BANYUASIN 1 DENGAN METODE FUZZY MAMDANI DAN SISTEM INFORMASI GEOGRAFIS (SIG)
Nia Umilizah
Dosen Sistem Informasi, Fakultas Ilmu Komputer Universitas Sjakhyakirti Email :niaumilizah05@unisti.ac.id
ABSTRAK
Kebutuhan rumah yang terus meningkat menyebabkan banyak pengembang yang membangun perumahan untuk mencukupi kebutuhan konsumen, namun pembangunan tersebut banyak yang tidak sesuai dengan kesesuaian lahannya maka dari itu penelitian ini bertujuan untuk menganalisis kesesuaian lahan untuk perumahan terutama Di Keluarahan Mariana Kecamatan Banyuasin 1 Dengan Metode Fuzzy Mamdani Dan Sistem Informasi Geografis (SIG). Dari metode Fuzzy Mamdani mendapatkan hasil kesesuaian yaitu RT 7, RT 24 dan RT 25 dengan nilai 4.912 dan Rt 23 dengan nilai 7,586 dan dari empat lokasi tersebut tidak sesuai untuk dijadikan perumahan karena nilai dari kesesuaian lahanya <40. Aturan fuzzy menjelaskan nilai yang kesesuaiannya <40 adalah tidak sesuai untuk di jadikan perumahan sedangkan dengan Sistem Informasi Geografis (GIS) dengan skala 1 : 40000, dalam peta tersebut terdapat empat warna yang menjelasakan setiap lokasi penelitian empat warna tersebut adalah orange untuk Rt 07, ungu untuk Rt 23, biru untuk Rt 24 dan pink untuk Rt 25. Jadi dapat disimpulkan Kesesuaian Lahan Untuk Perumahan Di Keluarahan Mariana Kecamatan Banyuasin 1 Tidak Sesuai.
Kata Kunci:Fuzzy Mamdani, Sistem Informasi Geografis (SIG) I. PENDAHULUAN
1.1 Latar Belakang
Pada era informasi ini, kebutuhan informasi menjadi semakin kompleks dan beragam. Masyarakat memerlukan akses secara cepat dan mudah untuk memperoleh informasi. Dengan semakin berkembangnya teknologi informasi, banyak instansi dan masyarakat maju yang telah memanfaatkan teknologi informasi untuk memperoleh informasi. Informasi yang dibutuhkan masyarakat
pada saat ini, salah satunya adalah kebutuhan informasi geografis. Teknologi SIG (Sistem Informasi Geografis) / Georaphic Information System (GIS) merupakan suatu
teknologi mengenai geografis yang sangat berkembang.
Semakinmeningkatnyapersainga n bisnis, perusahaan dituntutagar mampumemberikan informasi yang lebih lengkap dan akurat, baik untuk kepentingan internalmaupun eksternal perusahaan. Kebutuhan teknologi informasi sangat penting sebagaisalah satu faktor untuk dapat bersaing. Perkembangan teknologiinformasi dan computer sangat dirasakan manfaatnya oleh para pengusaha untuk memonitor bisnis mereka,termasuk pengusaha yang menggeluti bisnis dibidang pengembang perumahan. Denganadanya teknologi informasi dan komputer, jarak dan waktu tidak lagi menjadi masalahyang berarti. Kapan saja dan dimana saja laporan tentang pembangunan dan
24 penjualanunit rumah yang dibangun
bias diterima tanpa harus menunggu lama.
Pembangunan di Indonesia yang dilakukan seiring perkembangan zaman dan pertumbuhan menyebabkan kebutuhan akan lahan semakin besar. Pemantauan perkembangan lahan permukiman dengan cara manual akan memakan banyak waktu, tenaga dan biaya sehingga pemanfaatan data variabel dan pemetaan yang lebih mudah
akan digunakan dalam analisis ini. Penerapan Sistem Informasi Geografis (SIG) dalam evaluasi lahan pemukiman akan mempermudah dan mempercepat proses analisis data.
Sistem Informasi Geografis (SIG) digunakan untuk menangkap,
meyimpan, memanipulasi,
menganalisis, mengatur dan menampilkan seluruh jenis data geografis. Akronim GIS terkadang dipakai sebagai istilah untuk
geographical information science atau
geospatial information studies yang merupakan ilmu studi atau pekerjaan yang berhubungan dengan Geographic
Information System. Dalam artian sederhana system informasi geografis dapat kita simpulkan sebagai gabungan kartografi, analisis statistic dan teknologi sistem basis data (database).
Kebutuhan rumah yang terus meningkat menyebabkan banyak pengembang yang membangun perumahan untuk mencukupi kebutuhan para konsumen perumahan. Namun, pembangunan tersebut banyak pula yang tidak sesuai dengan peruntukan lahannya. Kesesuaian penggunaan lahan sangat penting dilakukan agar menjadi acuan untuk Perusahaan Pembangun Perumahan. Maka dari itu diperlukan metode dalam menghitung kesesuaian lahan untuk perumahan, penulis menggunakan metode Fuzzy Mamdani.
Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output diperlukan empat tahapan, yaitu pembentukan himpunan
fuzzy, aplikasi fungsi implikasi (aturan),
komposisi aturan dan penegasan (deffuzy).
Model mamdani mengingatkan banyaknya data karateristik lahan yang nilainya tidak pasti. Kelebihan dari metode ini adalah kemampuan dalam proses penalaran secara bahasa sehingga dalam perancangannya tidak memerlukan persamaan matematik yang rumit.
Di dalam Kelurahan Mariana Kecamatan Banyuasin 1 belum memiliki analisis kesesuaian lahan untuk perumahan dan devoloper kesulitan untuk mengetahuai lahan mana yang cocok untuk dijadikan perumahan. Maka tujuan dari penelitian ini adalah menganalisis fungsi lahan yang sesuai sebagai daerah perumahan dengan Metode Fuzzy Mamdani dan
Sistem Informasi Geografis (SIG).
1.2 Rumusan Masalah
Meninjau dari latar belakang diatas, maka penulis merumuskan penelitian ini, yaitu:
a) Bagaimanamenganalisis lahan yang cocok untuk dijadikan perumahan dengan menggunakan
Fuzzy Mamdani dan Sistem Informasi Geografis (SIG)?
b) Memetakan kesesuaian lahan untuk perumahan pada Kelurahan Mariana Kecamatan Banyuasin 1 dengan bantuan Sistem Informasi
Geografis (SIG)?
1.3 Batasan Masalah
Batasan dari penelitian ini, setelah melihat dari latar belakang dan indetifikasi permasalahan yang ada,
25 maka perlu adanya batasan masalah.
Batasan masalah dalam penelitian ini adalah: Melakukan identifikasi kesesuaian lahan untuk perumahan dengan Fuzzy Mamdani, lalu dipetakanmenggunakan Sistem Informasi Geografis (SIG).
II.TINJAUAN PUSTAKA 2.1Pengertian Kesesuaian Lahan
Lahan merupakan bagian dari bentang alam (landscape) yang mencakup pengertian lingkungan fisik termasuk iklim, topografi/relief, hidrologi bahkan keadan vegetasi alami (natural vegetation) yang semuanya secara potensial akan berpengaruh terhadap penggunaan lahan. Lahan dalam pengertian yang lebih luas termasuk yang sudah dipengaruhi oleh berbagai aktivitas manusia baik yang dimasa lalu ataupun dimasa sekarang
Kesesuaian lahan adalah tingkat kecocokan dari sebidang lahan untuk suatu penggunaan tertentu yang lebih spesifik dari kemampuan lahan. Perbedaan dalam tingkat kesesuaian ditentukan oleh hubungan antara keuntungan dan masukan yang diperlukan sehubungan dengan penggunaan lahan tersebut.
Struktur klasifikasi kesesuaian lahandapat dibedakan menurut tingkatannya, yaitu tingkat Ordo, Kelas, Subkelasdan Unit. Ordo adalah keadaan kesesuaian lahan secara global. Pada tingkatordo kesesuaian lahan dibedakan antara lahan yang tergolong sesuai(S=Suitable) dan lahan yang tidak sesuai (N=Not Suitable).
Kerangka klasifikasi lahan menurutFAO ini dapat dipakai untuk klasifikasi kuantitatif maupun kulaitatiftergantung dari data yang tersedia. Strutur dari sistem klasifikasi kesesuaianlahan ini terdiri dari empat
kategori yang merupakan tingkatan genealisasiyang bersifat menurun yaitu: a) Ordo kesesuaian lahan (Order) :
menunjukan jenis/ macam kesesuaian atau keadaan kesesuaian secara umum.
b) Kelas kesesuaian lahan (Class) : menunjukan tingkat kesesuaian dalam ordo.
c) Sub-kelas kesesuaian lahan
(Sub-class) : menunjukan jenis pembatas
atau macam perbaikan yang diperlukan di dalam kelas.
d) Satuan kesesuaian lahan (Unit) : menunjukan perbedaan-perbedaan kecil yang diperlukan dalam penggelolaan di dalam sub-kelas. Kelas kesesuaian lahan pada tingkat kelas merupakan pembagian lebih lanjut dari ordo danmenggambarkan tingkat kesesuaian dari suatu ordo. Tingkat dalam kelaskesesuaian ditunjukkan oleh angka (nomor urut) yang ditulis di belakangsimbol ordo. Nomor urut tersebut menunjukkan tingkatan kelas yangmenurun dalam suatu ordo. Pembagiannya adalah sebagai berikut: a) Kelas S1 : Sangat SesuaiLahan tidak
mempunyai faktor pembatas yang berarti atau nyataterhadap penggunaan secara berkelanjutan atau faktor pembatasbersifat minor dan tidak akan berpengaruh terhadao produktivitaslahan secara nyata. b) Kelas S2 : Cukup Sesuai Lahan
mempunyai faktor pembatas dan faktor pembatas ini akan
berpengaruh terhadap
produktivitasnya, memerlukan tambahan masukan (input).
c) Kelas S3 : Sesuai Marginal (Sesuai bersyarat) Lahan mempunyai faktor pembatas yang berat dan faktor pembatas ini akan sangat
berpengaruh terhadap
produktivitasnya, memerlukan tambahan masukan yang lebih
26 banyak dari pada lahan yang
tergolong S2.
d) Kelas N : Tidak Sesuai Lahan yang tidak sesuai karena mempunyai faktor pembatas yang sangat berat dan/atau sulit diatasi.
2.2 Fuzzy Inference System (FIS) Mamdani
Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output, diperlukan empat tahapan yaitu :
1. Pembentukan himpunan fuzzy
Pada Metode Mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.
2. Aplikasi fungsi implikasi Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min.
3. Komposisi Aturan Tidak seperti penalaran monoton, apabila system terdiri-dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan
inferensi sistemfuzzy yaitu: max, additive dan probabilistik OR (probor).
4. Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan
fuzzy tersebut. Sehingga jika
diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crsip tertentu sebagai outputnya.
2.3Pengertian sistem Informasi Geografis (SIG)
SIG adalah sistem yang berbasis komputer untuk menyimpan dan memanipulasi informasi geografis. SIG dirancang untuk mengumpulkan, menyimpan dan menganalisis objek dan fenomena dimana lokasi geografis merupakan karakteristik penting atau kritis yang dianalisis. Dengan demikian, SIG merupakan system komputer yang memiliki empat kemampuan dalam mengangani data yang bereferensi geografis:
1. Masukkan
2. Manajemen data (menyimpan dan pemanggilan data)
3. Analisis dan manipulasi data. 4. Keluaran
2.3Pengertian ArcGIS
Perangkat lunak ArcGIS
merupakan perangkat lunak SIG yang baru dari ESRI (Environmental Systems
Research Institute), yang memungkinkan pengguna untuk memanfaatkan data dari berbagai format data. Dengan ArcGIS pengguna dapat memanfaatkan fungsi desktop maupun jaringan, selain itu juga pengguna bias memakai fungsi pada level ArcView,
ArcEditor, ArcInfo dengan fasilitas ArcMap, ArcCatalog dan Toolbox.
Materi yang disajikan adalah konsep SIG, pengetahuan peta, pengenalan dan pengoperasian ArcGIS, input data dan manajemen data spasial, pengoperasian Arc Catalog, komposisi atau tata letak peta dengan ArcMap. III. METODOLOGI PENELITIAN 3.1 Bagan Alir Penelitian
Metodelogi yang
digunakandalam penelitian metode yangdigunakan adalah metode fuzzy mamdani. langkah-langkah yang digunakandalam penelitian ini adalah sebagai berikut:,
1. Menentukan variabel fuzzy 2. Menentukan himpunan fuzzy
27 3. Melakukan Fuzzyfikasi
a) Menentukan fungsi keanggotaan setiap himpunan fuzzy pada masing masing variabel fuzzy b) Menghitung nilai keanggotaan
berdasarkan fungsi keanggotaan yang telah diperoleh.
4. Membentuk aturan fuzzy (fuzzy
rule)
5. Menganalisis Metode Fuzzy Mamdani
a) Melakukan Fungsi implikasi dengan menggunakan fungsi implikasi MIN.
b) Melakukan Komposisi aturan dari hasil aplikasi fungsi implikasi dari tiap aturan, menggunakan metode MAX untuk mengambil nilai maksimum dari semua nilai yang di hasilkan.
6. Defuzzifikasi dilakukan dengan metode centroid
IV. HASIL DAN PEMBAHASAN 4.1 Metode Mamdani
Di dalam Metode Mamdani terdapat 4 tahapan output yang di perlukan
yaitu : Pembentukan himpunan fuzzy, Aplikasi fungsi implikasi (aturan), Komposisi aturan dan Penegasan (defuzzy).
4.1.1Himpunan fuzzy
Ada lima variabel fuzzy yangakan di modelkan, yaitu;
a) Tinggi lahan, terdiri dari lima himpunan fuzzy, yaitu : RENDAH,CUKUP TINGGI,
TINGGI dan SANGAT
TINGGI.
Fungsi Keanggotaan variabel ketinggian : μ [Rendah] { 1 x ≤ 600 800−x 200 600 < 𝑥 ≤ 800 0 x > 800 μ[Cukup Tinggi] { 0 x ≤ 600 x−600 200 600 < 𝑥 ≤ 800 1000−x 200 800 < 𝑥 ≤ 1000 0 x > 1000 μ[Tinggi] { 0 x ≤ 800 x−800 200 800 < 𝑥 ≤ 1000 1200−x 200 1000 < 𝑥 ≤ 1200 0 x > 1200 μ[Sangat Tinggi] { 0 x ≤ 1000 x−1000 200 1000 < 𝑥 ≤ 1200 1 x > 1200 b) Kemiringan, terdiri dari lima
himpunan fuzzy, yaitu : DATAR, LANDAI, MIRING,
TERJAL dan SANGAT
TERJAL.
Fungsi Keanggotaan variabel kemiringan : μ[Datar] { 1 x ≤ 2 4−x 2 2 < 𝑥 ≤ 4 0 x > 4 μ[Landai] { 0 x ≤ 2 x−2 2 2 < 𝑥 ≤ 4 8−x 4 4 < 𝑥 ≤ 8 0 x > 8 μ[Miring] { 0 x ≤ 4 x−4 4 4 < 𝑥 ≤ 8 21−x 3 8 < 𝑥 ≤ 21 0 x > 21
28 μ[Terjal] { 0 x ≤ 8 x−8 3 8 < 𝑥 ≤ 21 40−x 19 21 < 𝑥 ≤ 40 0 x > 40 μ[Sangat Terjal] { 0 x ≤ 21 x−21 19 21 < 𝑥 ≤ 40 1 x > 40
c) Lama genangan air, terdiri dari lima himpunan fuzzy, yaitu : TIDAK PERNAH, PERNAH, SERING, SANGAT SERING dan SELALU.
Daerah banjir pada penelitian ini dapat diketahui dengan mewawancarai RT yang terkait. Fungsi Keanggotaan untuk variabel lama genangan air :
μ[TidakPerna] { 1 x ≤ 0,5 3−x 2,5 0,5 < 𝑥 ≤ 3 0 x > 3 μ[Perna] { 0 x ≤ 0,5 x−0,5 2,5 0,5 < 𝑥 ≤ 3 5−x 2 3 < 𝑥 ≤ 5 0 x > 5 μ[Sering] { 0 x ≤ 3 x−3 2 3 < 𝑥 ≤ 5 10−x 5 5 < 𝑥 ≤ 10 0 x > 10 μ[SangatSering] { 0 x ≤ 5 x−5 5 5 < 𝑥 ≤ 10 12−x 2 10 < 𝑥 ≤ 12 0 x > 12 μ[Selalu] { 0 x ≤ 10 x−12 2 10 < 𝑥 ≤ 12 1 x > 12
d) Jarak terhadap jalan utama, terdiri dari lima himpunan fuzzy, yaitu : SANGAT DEKAT, CUKUP DEKAT, DEKAT, CUKUP JAUH dan JAUH.
Jarak terhadap jalan utama penting dalam penentuan lahan untuk dijadikan perumahan dan kemudahan mencapai jalan utama menjadi daya tarik bagi seseorang untuk membeli rumah.
Fungsi Keanggotaan untuk variabel jalan utama: μ[Sangat Dekat] { 1 x ≤ 22000 24000−x 2000 22000 < 𝑥 ≤ 24000 0 x > 24000 μ[Cukup Dekat] { 0 x ≤ 22000 x−22000 2000 22000 < 𝑥 ≤ 24000 25000−x 1000 24000 < 𝑥 ≤ 25000 0 x > 25000 μ[Dekat] { 0 x ≤ 24000 x−24000 1000 22000 < 𝑥 ≤ 25000 26000−x 1000 25000 < 𝑥 ≤ 26000 0 x > 26000 μ[Cukup Jauh] { 0 x ≤ 25000 x−25000 1000 25000 < 𝑥 ≤ 26000 27000−x 1000 26000 < 𝑥 ≤ 27000 0 x > 27000 μ[Jauh] { 0 x ≤ 26000 x−26000 1000 26000 < 𝑥 ≤ 27000 1 x > 27000
29 e) Jarak terhadap rumah sakit,
terminal dan pasar, terdiri dari empat himpunan fuzzy, yaitu : DEKAT, CUKUP JAUH, JAUH dan SANGAT JAUH.
Kemudahan jarak terhadap rumah sakit, terminal dan pasar menjadikan daya tarik untuk seseorang untuk memberli rumah, dengan begitu pengembang lokasi perumahan mejadikan salah satu hal penting dalam membuat perumahan. Fungsi Keanggotaan untuk variabel arak Terhadap Rumah Sakit, Terminal Dan Pasar: μ[Dekat] { 1 x ≤ 300 2000−x 1700 300 < 𝑥 ≤ 2000 0 x > 2000 μ[Cukup Jauh] { 0 x ≤ 300 x−300 1700 300 < 𝑥 ≤ 2000 4000−x 2000 2000 < 𝑥 ≤ 4000 0 x > 4000 μ[Jauh] { 0 x ≤ 2000 x−2000 2000 2000 < 𝑥 ≤ 4000 5000−x 1000 4000 < 𝑥 ≤ 5000 1 x > 5000 μ[Sangat Jauh] { 0 x ≤ 4000 x−4000 1000 4000 < 𝑥 ≤ 5000 1 x > 5000 4.1.2 Aplikasi Fungsi Implikasi
Berikut adalah data yang di peroleh dari keluraham mariana kecamatan banyuasin 1 dan Pada metode mamdani, fungsi implikasi yang digunakan adalah min. Berikut fungsi implikasinya.
1. RT 7
Tinggi lahan 7 (rendah), lama genangan air 1 (perna), jarak terhadap rumah sakit, terminal dan pasar 1000 meter (dekat), jarak terhadap jalan utama 24000 meter (dekat) dan kemiringan 1,3 (datar). R110IF Tinggi Lahan RENDAHAnd Lama Genangan Air PERNAH And Jarak Terhadap Rumah Sakit, Pasar dan Terminal DEKATAnd Jarak Terhadap Jalan DEKAT And Kemiringan Lahan DATARTHEN Lahan Tidak Sesuai;
α110=μPredikatR110 =Min(μTLRendah[7],μLGAPerna[1] ,μJTRSPTDekat[1000],μJTJDekat[2 4000],μKLDatar[1,3]) =Min (1;0,2;0,588;0;1) = 0 2. RT 23
Tinggi lahan 8 (rendah), lama genangan air 1 (perna), jarak terhadap rumah sakit, terminal dan pasar 5000 meter (jauh), jarak terhadap jalan utama 27000 meter (cukup jauh) dan kemiringan 1,2 (datar).
R120IF Tinggi Lahan RENDAH And Lama Genangan Air PERNAH And Jarak Terhadap Rumah Sakit, Pasar dan Terminal JAUHAnd Jarak Terhadap Jalan CUKUPJAUHAnd Kemiringan Lahan DATARTHEN Lahan Tidak Sesuai;
α110=μPredikatR110 =Min(μTLRendah[8],μLGAPerna[1] ,μJTRSPTDekat[5000],μJTJJauh[27 000],μKLDatar[0,8]) =Min (1;0,2;0;1;1) =0 3. RT 24
Tinggi lahan 8 (rendah), lama genangan air 1 (perna), jarak terhadap rumah sakit, terminal dan pasar 1000 meter (dekat), jarak terhadap jalan utama 24000 meter (dekat) dan kemiringan 1,1 (datar).
30 R110IF Tinggi Lahan RENDAHAnd
Lama Genangan Air PERNAH And Jarak Terhadap Rumah Sakit, Pasar dan Terminal DEKATAnd Jarak Terhadap Jalan DEKAT And Kemiringan Lahan DATARTHEN Lahan Tidak Sesuai; α110=μPredikatR110 =Min(μTLRendah[8],μLGAPerna[1], μJTRSPTDekat[1000],μJTJDekat[2400 0], μKLDatar[1,1]) =Min (1;0,2;0,588;0;1) =0 4. RT 25
Tinggi lahan 10 (rendah), lama genangan air 1 (perna), jarak terhadap rumah sakit, terminal dan pasar 1000 meter (dekat), jarak terhadap jalan utama 24000 meter (dekat) dan kemiringan 0,5 (datar). R110IF Tinggi Lahan RENDAHAnd Lama Genangan Air PERNAH And Jarak Terhadap Rumah Sakit, Pasar dan Terminal DEKATAnd Jarak Terhadap Jalan DEKAT And Kemiringan Lahan DATARTHEN Lahan Tidak Sesuai;
α110=μPredikatR110 =Min(μTLRendah[10],μLGAPerna[1 ],μJTRSPTDekat[1000],μJTJDekat[2 4000],μKLDatar[0,5]) =Min (1;0,2;0,588;0;1) = 0 4.1.3 Komposisi Aturan
Komposisi aturan ini adalah mengambil nilai maksimum dari semua nilai yang dihasilkan. Dari R1 sampai dengan R1895 terdapat komposisi aturan adalah sebagai berikut :
a. RT 7, RT 24 Dan RT 25
Komposisi aturan yang di peroleh dari RT 7, RT 24 Dan RT 25 adalah 0.588.
b. RT 23
Komposisi aturan yang di peroleh dari RT 23 adalah 0.8
4.1.4 Defuzifikasi
Sebelum defuzifikasi, menentukan kesesuaian lahan peumahan terlebih dahulu.Dalam menentukan kesesuaian lahan perumahan dapat dedefinisikan menurut kelas kesesuaian lahan adalah sebagai berikut : 1 0 40 Tidak Sesuai 60 80 100 Sesuai bersyarat Cukup sesuai Sangat sesuai
Gambar 1: Kesesuaian Lahan Sesuai Bersyarat ={ 0 x ≤ 40 x−40 20 40 < 𝑥 ≤ 60 0 x > 60 } → 0,05 𝑥 2 μ(Z) Cukup Sesuai = { 0 x ≤ 60 x−60 20 60 < 𝑥 ≤ 80 0 x > 80 } 0,05 𝑥3 μ(Z) Sangat sesuai = { 0 x ≤ 80 x−80 20 40 < 𝑥 ≤ 100 0 x > 100 } 0,05 𝑥4 μ(Z)
Pada penelitian ini defuzzifikasi mengunakan metode Cetroid.
1. Defuzzifikasi untuk RT 7, RT 24 Dan RT 25 a. Menentukan z μ(x) = 0,05 x - 2 𝑧1 = μ(x)+2 0,05 𝑧1 = 0,588+2 0,05
31 𝑧1 = 51,76 𝑧2 = μ(x)+3 0,05 𝑧2 = 0,588+3 0,05 𝑧2 = 71,76 𝑧3 = μ(x)+4 0,05 𝑧3 = 0,588+4 0,05 𝑧3 = 91,76 b. Menentukan Momen (μ) μ1 = ∫ (0,05𝑧 − 2)𝑧𝑑𝑧40𝑧1 μ1 = ∫4051,76(0,05𝑧 − 2)𝑧𝑑𝑧 μ1 = ∫ (0,05𝑧3− 51,76 40 2𝑧)𝑑𝑧 μ1 = [0,05 3 𝑧 3− 𝑧2]51,76 40 μ1 = 0,05 3 (51,76 − 40) 3 − (51,76 − 40)2 μ1 = 0,05 3 (11,76) 3 − (11,76)2 μ1 = 27,106 – 138,297 μ1 = -111,191 μ2 = ∫ (0,05𝑧 − 3)𝑧𝑑𝑧 𝑧2 60 μ2 = ∫6071,76(0,05𝑧 − 3)𝑧𝑑𝑧 μ2 = ∫71,76(0,05𝑧3− 60 3𝑧)𝑑𝑧 μ2 = [0,05 3 𝑧 3 −3 2 𝑧 2]71,76 60 μ2 = 0,05 3 (71,76 − 60)3 − 3 2(71,76 − 60)2 μ2 = 0,05 3 (11,76) 3 − 3 2(11,76) 2 μ2 = 27,106 – 207,44 μ2 = -108,334 μ3 = ∫ (0,05𝑧 − 4)𝑧𝑑𝑧80𝑧3 μ3 = ∫8091,76(0,05𝑧 − 4)𝑧𝑑𝑧 μ3 = [0,05 3 𝑧 3 −4 2 𝑧 2]91,76 80 μ3 = 0,05 3 (91,76 − 80)3 − 2(91,76 − 80)2 μ3 = 0,05 3 (11,76) 3 − 2(11,76)2 μ3 = 27,106 – 276,595 μ3 = -249,489 c. Menghitung Luas A A1 = ∫ μ(z)dz40𝑧1 A1 = ∫4051,76μ(z)dz A1 = ∫4051,76(0,05𝑧 − 2)𝑑𝑧 A1 = [0,05 2 𝑧 2− 2𝑧]51,76 40 A1 = 0,05 2 (51,76 − 40)2 − 2(51,76 − 40) A1 = 0,05 2 (11,76) 2 − 2(11,76) A1 = 3,457 – 23,52 A1 = -20,063 A2 = ∫ μ(z)dz60𝑧2 A2 = ∫6071,76μ(z)dz A2 = ∫6071,76(0,05𝑧 − 3)𝑑𝑧 A2 = [0,05 2 𝑧 2− 3𝑧]71,76 60 A2 = 0,05 2 (71,76 − 60)2 − 3(71,76 − 60) A2 = 0,05 2 (11,76) 2 − 3(11,76) A2= 3,457 – 35,28 A2 = -31,823 A3 = ∫ μ(z)dz80𝑧3 A3 = ∫8091,76μ(z)dz A3 = ∫8091,76(0,05𝑧 − 4)𝑑𝑧 A3= [0,05 2 𝑧 2− 4𝑧]91,76 80 A3 = 0,05 2 (91,76 − 80)2 − 4(91,76 − 80)
32 A3 = 0,05 2 (11,76) 2 − 4(11,76) A3= 3,457 – 47,04 A3 = -43,583
d. Menentukan titik pusat terhadap z Z = μ1+ μ2+ μ3 A1+ A2+ A3 Z = −111,191+ −108,334+ −249,489 −20,063+ −31,823+ −43,583 Z = 469,014 95,469 Z = 4,912
Jadi dari hasil proses defuzifikasi di atas untuk lahan RT 7, RT 24 Dan RT 25 dengan nilai 4,912 adalah tidak sesuai karena nilai kesesuaian lahanya <40.
2. Hasi Defuzzifikasi untuk RT 23 a. Menentukan z μ(x) = 0,05 x - 2 𝑧1 = μ(x)+2 0,05 𝑧1 = 0,8+2 0,05 𝑧1 = 56 𝑧2 = μ(x)+3 0,05 𝑧2 = 0,8+3 0,05 𝑧2 = 76 𝑧3 = μ(x)+4 0,05 𝑧3 = 0,8+4 0,05 𝑧3 = 96 b. Menentukan Momen (μ) μ1 = ∫ (0,05𝑧 − 2)𝑧𝑑𝑧 𝑧1 40 μ1 = ∫ (0,05𝑧 − 2)𝑧𝑑𝑧4056 μ1 = ∫ (0,05𝑧4056 3− 2𝑧)𝑑𝑧 μ1 = [ 0,05 3 𝑧 3− 𝑧2]56 40 μ1 = 0,05 3 (56 − 40) 3 − (56 − 40)2 μ1 = 0,05 3 (16) 3 − (16)2 μ1 = 68.26 – 256 μ1 = -187,74 μ2 = ∫ (0,05𝑧 − 3)𝑧𝑑𝑧60𝑧2 μ2 = ∫ (0,05𝑧 − 3)𝑧𝑑𝑧 76 60 μ2 = ∫ (0,05𝑧6076 3− 3𝑧)𝑑𝑧 μ2 = [ 0,05 3 𝑧 3−3 2 𝑧 2]76 60 μ2 = 0,05 3 (76 − 60) 3 − 3 2(76 − 60) 2 μ2 = 0,05 3 (16) 3 −3 2(16) 2 μ2 = 68,26 – 384 μ2 = -315,74 μ3 = ∫ (0,05𝑧 − 4)𝑧𝑑𝑧80𝑧3 μ3 = ∫ (0,05𝑧 − 4)𝑧𝑑𝑧8096 μ3 = [0,05 3 𝑧 3−4 2 𝑧 2]96 80 μ3 = 0,05 3 (96 − 80) 3 − 2(96 − 80)2 μ3 = 0,05 3 (16) 3 − 2(16)2 μ3 = 68,26 – 512 μ3 = -443,74 c. Menghitung Luas A A1 = ∫ μ(z)dz40𝑧1 A1 = ∫ μ(z)dz4056 A1 = ∫ (0,05𝑧 − 2)𝑑𝑧4056 A1 = [0,05 2 𝑧 2− 2𝑧]56 40 A1 = 0,05 2 (56 − 40) 2 − 2(56 − 40) A1 = 0,05 2 (16) 2 − 2(16) A1 = 6,4 – 32 A1 = -25,6 A2 = ∫ μ(z)dz40𝑧2 A2 = ∫ μ(z)dz6076 A2 = ∫ (0,05𝑧 − 3)𝑑𝑧6076 A2 = [0,05 2 𝑧 2− 3𝑧]76 60 A2 = 0,05 2 (76 − 60) 2 − 3(76 − 60) A2 = 0,05 2 (16) 2 − 3(16)
33 A2= 6,4– 48 A2 = -41,6 A2 = ∫ μ(z)dz80𝑧3 A3 = ∫ μ(z)dz 96 80 A3 = ∫ (0,05𝑧 − 4)𝑑𝑧8096 A3= [ 0,05 2 𝑧 2− 4𝑧]96 80 A3 = 0,05 2 (96 − 80) 2 − 4(96 − 80) A3 = 0,05 2 (16) 2 − 4(16) A3= 6,4 – 64 A3 = -57,6
d. Menentukan titik pusat terhadap z Z = μ1+ μ2+ μ3 A1+ A2+ A3 Z = −187,74+ −315,74+ −443,34 −25,6+ −41,6+ −57,6 Z = 946,82 124,8 Z = 7,586
Jadi dari hasil proses defuzifikasi di atas untuk lahan RT 23 dengan nilai 7,586 adalah tidak sesuai karena nilai kesesuaian lahanya <40.
4.2 Sistem Informasi Geografis (SIG) Didalam penelitian ini penulis memanfaatkan salah satu teknologi dari
Google yaitu Google Earth dan ArcGis
10.3, di dalam ArcGis penulis menggunakan ArcCatalog dan ArcMap. Dalam perhitugan kesesuaian lahan yang menggunakan fuzzy mamdani untuk RT 07 dengan nilai 4.912, RT 23 nilai 7.586, RT 24 nilai 4.912 dan RT 25 nilai 4.912. dari ke empat Rt tersebut nilainya kurang dari <40 maka tidak sesuai untuk dijadikan perumahan.
Tampilan Peta Kesesuaian Lahan dapat dilihat pada gambar di bawah ini. Dalam peta tersebut skala yang digunakan adalah 1 : 40.000 dan di dalam legenda terdapat 10 jenis layer yaitu, kantor camat banyuasin 1
mengunakan tipe (point), kantor lurah mariana (point), sungai gerong (point), jalan (polyline), sungai (poligon), pemukiman (poligon), Rt 07 (poligon), Rt 23 (poligon), Rt 24 (poligon) dan Rt 25 (poligon). Berikut adalah tampilan peta yang penulis buat.
4.2.1 Tampilan Peta Utama Kesesuaian Lahan
Tampilan Peta Utama Kesesuaian Lahan dapat dilihat pada gambar 2 di bawah ini.
Gambar 2:Tampilan Peta Utama Kesesuaian Lahan
4.2.1 Tampilan Hasil Kesesuaian Lahan
Tampilan hasil kesesuaian lahan dapat dilihat pada gambar dibawah ini:
Gambar 3:Tampilan Peta RT 07 Dari tampilan peta pada gambar 3 diatas dapat di lihat bahwa dalam
34 gambar tersebut berwarna orange dan
jika mengklik rt 07 maka akan muncul hasil perhitungan fuzzy, status kesesuaian dan grafik dari google earth. Wilayah RT 07 tidak dapat dijadikan perumahan karena dengan analisis fuzzy di dapatkan bahwa nilai dari RT 07 adalah 4.912. Dalam kesesuaian lahan nilai fuzzy yang <40 tidak sesuai untuk dijadikan perumahan.
Gambar 4:Tampilan Peta RT 23 Pada gambar 4 diatas dengan warna ungu dan jika mengklik Rt 23 maka akan muncul hasil perhitungan, status kesesuaian dan grafik dari google earth. Pada wilayah RT 23 tidak bisa dijadikan perumahan karena nilainya 7.586 yang kurang dari nilai analisis fuzzy, nilai kesesuaian analisis fuzzy <40 maka tidak sesuai
Gambar 5:Tampilan Peta RT 24 Gambar 5 dengan biru di atas dan jika diklik Rt 24 tersebut maka akan terlihat hasil perhitungan fuzzy, status kesesuaian dan grafik dari google earth.
RT 24 tidak sesuai di jadikan perumahan karena nilai analisis
fuzzynya adalah 4.912 yang berarti nilai
tersebut <40. Dalam analisis fuzzy nilai yang <40 dinyatakan tidak sesuai.
Gambar 6:Tampilan Peta RT 25 Dapat dilihat pada gambar 3.5 diatas dengan pink dan mengklik Rt 25 tersebut maka akan perhitungan fuzzy, status kesesuaian dan grafik dari google earth. Di wilayah RT 25 di atas dengan nilai 4.912 yang kurang dari <40 maka tidak sesuai. Dalam fuzzy nilai yang <40 maka tidak sesuai untuk dijadikan perumahan.
V. KESIMPULAN DAN SARAN 5.1 Kesimpulan
a) Dari hasil analisis Fuzzy
mamdani didapatkan nilai kesesuaian lahan untuk RT 07, RT 24, RT 25 dengan nilai 4.912, dan RT 23 dengan nilai 7.586 dari keempat RT tersebut didapatkan nilai kesesuaian lahannya kurang dari <40 maka kesesuaian lahan untuk perumahan tidak sesuai.
b) Dengan di dapatnya nilai kesesuaian lahan maka di petakan dengan menggunakan
Sistem Informasi Geografis (SIG).
5.2 SARAN
a) Untuk penelitian berikutnya di sarankan untuk mencari tempat penelitian yang lebih baik atau
35 menggunakan fuzzy yang
berbeda.
b) Penulis menyadari sistem informasi geografis yang dibuat masih banyak kekurangan dan penulis
mengharapkankedepannya akan dibuat atau di kembangkan lagi. DAFTAR PUSTAKA
Akbar, Taufik M.2014. Makalah kesesuaian lahan dan pola
permukiman kota banjarmasin.Diakses 16 Maret 2016, dari http://geolava.blogspot.co.id/201 4/09/makalah-kesesuaian-lahan-danpola.html
Ali, Machsun. 2018. Analisis rencana tata ruang wilayah (RTRW) terhadapkesesuaian lahan di kecamatan parung panjang tahun 2008-2015, 1-77.
Apriyanti, Rehulina., & Firman, Rully. 2014.Pemanfaatan Sistem Informas, 321-330.
Bahri, Syamsual., & Fahkry,Zamzam. 2014) Model Penelitian Kuantitatif Berbasis SEM-Amos.
Penerbit Deepublish.
Dharmaputeri, Endah. Aplikasi Sistem
Informasi Geografis Pelayanan Kesehatan Kota Depok Berbasis Web Menggunakan Quantum GIS Universitas gunadarma depok.
Fauzia, Ayu Nadya. 2011. Kajian
Perkembangan Perumahan Terhadap kesesuaian Rencana Tata Ruang Wilayah Kabupaten Bekasi Tahun 2009-2011,
182-191.
FAO. 1976. A Framework for Land Evaluation. Soil Resources Management and Conservation Service Land and Water Development Division. FAOSoil Bulletin No.32. FAO-UNO, Rome.
Irwansyah, Edy. 2013. Sitem Informasi
Geografis: Prinsip dasar dan Pengembangan.Penerbit
Deepublish.
Joni Devitra, Fadli. 2017. Analisis Dan
Perancangan Sistem Informasi Penjualan Rumah Berbasis Web Pada PT. Mitra Hasri Hap, 2(3),
629-640.
Komputer, Wahana. (2014). Sistem
Informasi Geografis
Menggunakan ArcGIS :
Panduan Dasar Bagi
Mahasiswa Belajar Pemetaan Dengan ArcGIS.Penerbit Elex
Media Komputindo.
Prahasta, Eddy. 2014. Sistem Informasi
Geografis. Penerbit
InformatikaBandung
Puryono, Alfa Daniel. 2015. Pemilihan
Varietas Tebu Sesuai Lahan Mengunakan Metode Fuzzy
Inferensi System
Mamdani.STIMIKA, 2(1), 1-8.
Rohim, Nur wahyu., Moehammad, Awaluddin., Andri, Suprayogi,. 2015. Semarang Charity Map ,
Penyajian Peta Donasi Sosial Kota SemarangBerbasis Blogger Javascript. Jurnal Geodesi Undip, 2337, 117-130.
Sastrohartono, H. 2011. Evaluasi Kesesuaian Lahan untuk Perkebunan denganAplikasi
36
Extensi Artificil Neural Network (ANN.Avx) dalam Acrview-Gis.
Sudibyo,. Andono Nurantantio Pulung.
Sistem Pakar Kesesuaian Lahan Berdasarkan Syarat Tumbuh Tanaman Menggunakan Metode Fuzzy Mamdani.
Utubulang, J, Nofrendy., A, Veronica., Moniaga, L, Ingrid. 2015.
Analisis Kesesuaian Lahan Permukiman Dikawasan Sekitar Koridor Ringroad 1 Manado,
