1 BAB 1
PENDAHULUAN 1.1 Latar Belakang
Pengamatan bumi (earth observation) melalui data penginderaan jauh seperti satelit dan foto udara merupakan salah satu ilmu pengetahuan modern (modern science) (Bhatta, 2010). Pengamatan bumi (earth observation) melalui data penginderaan jauh satelit yang pertama dilakukan oleh Satelit Landsat. Satelit Landsat pertama diluncurkan pada 23 Juli 1972. Satelit Landsat merupakan satelit paling lama dalam mendapatkan citra bumi dari luar angkas. Satelit Landsat telah melakukan pengamatan bumi selama 43 tahun sejak tahun 1972.
Perkembangan seri Landsat hingga sekarang telah meluncurkan 8 seri, yaitu Landsat 1 tahun 1972-1978 , Landsat 2 tahun 1975-1983, Landsat 3 tahun 1978-1983, Landsat 4 tahun 1982-1993, Landsat 5 tahun 1984-2013, Landsat 6 tahun 1993 gagal mengorbit, Landsat 7 tahun 1999, dan Landsat 8 tahun 2013 yang masih berfungsi hingga sekarang (http://landsat.usgs.gov//about_mission_history.php., diakses 28/11/2016). Kontinuitas Landsat menjalankan misi pengamatan bumi telah menghasilkan jutaan citra. Hal tersebut membuat Landsat menjadi sumberdaya yang unik terkait riset dinamika perubahan yang terjadi di permukaan bumi dalam memahami dinamika perubahan di permukaan bumi. Data citra Landsat diarsip di Amerika Serikat dan stasiun-stasiun penerima Landsat di seluruh dunia. Citra Landsat diakui dunia sebagai “the gold standard of land observation” (http://landsat.gsfc.nasa.gov/landsat-images-provide-the-gold-standard-for-new-earth-applications/ , diakses 28/11/2016).
Citra Landsat memiliki keunggulan secara temporal dan spasial dalam mencermati perubahan kota secara berkala. Secara temporal, citra Landsat memiliki temporal tinggi, sehingga dapat memantau perkembangan kota dan memprediksi perubahan di lanskap perkotaan masa depan. Secara spasial, Landsat secara konsisten menggunakan resolusi spasial 30, merupakan skala ideal untuk mengamati kenampakan fisik kota dan perkembangannya.
Pada dasarnya kota dan perkembangannya dapat dideteksi, diukur, dan dimodelkan dinamika spasialnya dengan menggunakan data time series dari citra
2 perekaman satelit Landsat. Konsistensi akuisisi data satelit Landsat berpotensi sebagai sumber informasi utama dalam menyadap kota dan perkembangannya. Data spasial temporal tinggi dapat digunakan untuk analisis perubahan secara berseri dari waktu ke waktu. Selain itu, data temporal tinggi berpotensi untuk menyadap elemen morfologi kota dari waktu ke waktu seperti jumlah, bentuk, kepadatan, bentuk tekstur, dan persebaran dari area terbangun (Webster 1995; mesev et al 1995; dalam Bhatta, 2010). Beberapa penelitian yang telah memanfaatkan data Landsat untuk studi kota dan perkembangannya antara lain perkembangan Kota Bogor dari 2002-2005 (Karsidi & Wijanarto, 2011); Kota Nanjing, Cina (Luo, Du, Alim, Xie, & Xue, 2014); Guangzhou, Cina (Sun, C., Wu, Z.F., Lv, Z.Q., Yao, N. and Wei, J.B., 2013); Kolkata, India 1980–2010 (Bhatta, 2012); Tokyo 1970-2010 (Bagan & Yamagata, 2012). Berdasarkan hal tersebut, penelitian ini akan memanfaatkan citra Landsat untuk memetakan dan menganalisis perkembangan kota secara spasiotemporal dan memprediksi kecenderungan perkembangan Kota Surabaya.
Perkembangan kota merupakan salah satu konsekuensi dari pertambahan jumlah penduduk. Menurut penelitian yang dilakukan oleh Tjahyati, dalam Wiyono, P. dkk. (2013), trend pertambahan jumlah penduduk di Kota Surabaya cenderung positif, laju pertumbuhan penduduknya 5,5 % per tahun pada dekade 1980-1990 dan 6 % pada dekade 1990-2000. BAPPENAS & BPS (2013) juga memprediksi jumlah penduduk Indonesia tahun 2035 akan terus meningkat, yaitu dari 238,5 juta pada tahun 2010 menjadi 305,6 juta pada tahun 2035. Sehubungan hal tersebut, mengindikasikan adanya potensi perkembangan kota di Kota Surabaya secara berkala.
Kota Surabaya terus berkembang secara spasial. Menurut penelitian Handinoto (1986), titik awal perkembangan Kota Surabaya bermula dari keputusan pembongkaran Benteng Prins Hendrik pada tahun 1871 yang mengelilingi Surabaya. Keputusan tersebut memberikan peluang bagi perluasan kota Surabaya kearah selatan. Hingga sekarang, invasi perkembangan kota Surabaya sisi selatan sudah lintas administratif tepatnya di Kabupaten Sidoarjo.
3 Kota Surabaya diprediksi akan terus tumbuh sehubungan adanya rencana pengembangan kedepan Kota Surabaya yang tertuang di Perda No.12 Tahun 2014 tentang Rencana Tata Ruang Wilayah Kota Surabaya Tahun 2014-2034. Beberapa kebijakan yang berpotensi pemicu pengembangan baru yaitu adanya rencana pengembangan jalan baru Lingkar Barat dan Timur, rencana pengembangan pelabuhan Tanjung Perak, dan eksistensi Bandar Udara Juanda di Kota Surabaya. Berdasarkan beberepa faktor pemicu tersebut, penelitian ini dimaksudkan untuk memprediksi perkembangan kota Surabaya ke depan.
Perkembangan fisikal kota yang cepat dan tidak ada upaya manajemen dapat membawa dampak negatif, seperti terjadinya proses densifikasi yang tidak terkontrol, death point, hingga memicu gejala deteriorisasi lingkungan. Menurut Yunus (2005), ada 3 upaya untuk mengatasi permasalahan tersebut yaitu (1) pemantauan terus menerus terhadap penambahan bangunan baru; (2) konsultasi dengan tata ruang yang ada; (3) aplikasi peraturan secara konsisten dan konsekuen. Allen & lu (2003) telah melakukan pemodelan prediksiuntuk memperoleh ukuran, spasial, temporal dan memvisualisasikan informasi perkembangan kota mendatang demi perencanaan, analisis dampak dan edukasi publik yang lebih baik.
Prediksi perkembangan kota pada masa mendatang secara spasial tidak sederhana, karena memerlukan teknik geospasial yang mampu merepresentasikan dinamika perkembangan kota. Salah satu metode prediksi perkembangan kota secara spasial adalah menggunakan Cellular Automata (CA) yang diintegrasikan dengan Sistem Informasi Geografis (SIG). Integrasi CA dan SIG telah mampu merepresentasikan dinamika perkembangan kota. Integrasi CA & SIG terbukti dapat merepresentasikan keterkaitan spasial dari perubahan serta dapat dipakai untuk memprediksi perkembangan kota (Karsidi, 2004). Oleh karena itu, penelitian ini prediksi perkembangan kota pada masa mendatang menggunakan Cellular Automata (CA) & SIG untuk prediksi perkembangan kota Surabaya ke depan. 1.2 Rumusan Masalah
Salah satu pertimbangan yang menjadi dasar memilih Kota Surabaya sebagai daerah penelitian adalah perkembangan kotanya sangat dinamis.
4 Perkembangan kota yang dinamis dan tidak ada upaya manajemen dapat membawa dampak negatif berupa perkembangan yang tidak terarah. Perkembangan kota yang tidak terarah akan memicu runtutan masalah, seperti uncontrolled densification, death point, hingga gejala deteriorisasi lingkungan. Salah satu upaya mengatasi permasalahan tersebut, yaitu melalui pemantauan terus menerus terhadap panambahan bangunan baru.
Pemantauan terhadap fenomena dinamika perkembangan fisikal kota yang paling efektif adalah memanfaatkan data penginderaan jauh. Data penginderaan jauh secara konsisten memantau perubahan yang terjadi di permukaan bumi adalah Landsat. Landsat memiliki arsip citra perekaman bumi dengan kualitas temporal tinggi. Arsip data penginderaan jauh citra Landsat berpotensi sebagai sumber informasi dalam menjelaskan fenomena perkembangan kota.
Berdasarkan uraian di atas, dapat diambil poin-poin utama permasalahan dalam penelitian ini, sebagai berikut :
1) Arsip data citra Landsat berpotensi dimanfaatkan untuk analisis perkembangan kota, namun belum optimal dimanfaatkan menjadi sumber informasi spasial dalam memantau perkembangan kota dari waktu kewaktu. Data citra Landsat memiliki beberapa keunggulan yaitu konsistensi resolusi spasial yang ideal dalam menyadap fisikal kota (areal terbangun) dan keunggulan pada resolusi temporal yang tinggi. Konsistensi resolusi spasial citra Landsat, sangat ideal dalam mengenali objek kota yang cakupannya luas. Landsat sangat optimal dalam menjelaskan dinamika perubahan perkembangan kota dari waktu ke waktu. Berdasarkan keunggulan tersebut, pemanfaatan data citra Landsat diharapkan mampu menjadi sumber informasi untuk ekstraksi elemen morfologi kota dan memetakan perkembangan kota di Kota Surabaya.
2) Perkembangan kota yang tidak terkontrol dapat berdampak negatif terhadap perkembangan kota kedepannya. Dampak negatif yang terjadi ada dua yaitu uncontrolled densification, death point, bahkan dampak terburuk terjadinya deterioritasi lingkungan kekotaan. Sebagai antisipasi pengendalian perkembangan kota kearah negatif, maka perlu mengkaji kecenderungan perkembangan kota baik pola, arah maupun lajunya. Informasi kecenderungan
5 kecenderungan perkembangan kota di masa lampau dapat digunakan sebagai dasar pertimbangan untuk prediksi perkembangan kota di masa yang akan datang.
3) Ketersediaan informasi perkembangan kota ke depan secara spasial masih terbatas. Keterbatasan tersebut dapat dilengkapi melalui prediksi perkembangan kota secara spasial. Manfaat pemodelan prediksi perkembangan kota secara spasial adalah memperoleh ukuran, spasial, temporal dan memvisualisasikan informasi perkembangan kota kedepan demi perencanaan yang lebih baik, serta analisa dampak dan edukasi publik (Allen & lu, 2003). Prediksi perkembangan kota pada masa mendatang secara spasial tidak sederhana, memerlukan teknik geospasial yang mampu merepresentasikan dinamika perkembangan kota. Salah satu metode prediksi perkembangan kota secara spasial adalah dengan Cellular Automata (CA) yang diintegrasikan dengan SIG (Sistem Informasi Geografis). Integrasi Cellular Automata (CA) & SIG (Sistem Informasi Geografis) terbukti dapat merepresentasikan keterkaitan spasial dari perubahan serta dapat dipakai untuk memprediksi perkembangan kota (Karsidi, 2004).
1.3 Tujuan Penelitian
Tujuan yang hendak dicapai dalam penelitian ini adalah :
1) Mengkaji kemampuan citra Landsat multitemporal dalam mengekstrak elemen-elemen morfologi kota untuk dapat dimanfaatkan sebagai informasi perkembangan kota Surabaya tahun 1994-2014 dan dapat digunakan untuk prediksi perkembangan Kota Surabaya di masa depan tahun 2034;
2) Memetakan dan menganalisis pola, laju pertumbuhan, serta arah
perkembangan Kota Surabaya tahun 1994-2014;
3) Melakukan prediksi perkembangan Kota Surabaya secara spasial pada tahun
2034 dengan menggunakan Cellular Automata (CA) berdasarkan
6 1.4 Manfaat Penelitian
Manfaat yang dapat diperoleh dari hasil pemelitian ini adalah 1) Manfaat teoritik
Manfaat teoritik terkait pengembangan keilmuan penginderaan jauh berupa cara ekstraksi elemen morfologi yaitu objek terbangun (built-up) dan bukan terbangun dari Citra Landsat.
2) Manfaat praktis
Manfaat praktis diharapkan dapat memberikan alternatif masukan kepada akademisi perencana, perencana, dan pemerintah terkait pemanfaatan data penginderaan jauh khususnya citra Landsat mampu digunakan untuk memahami fenomena perkembangan kota secara spasiotemporal, mengukur (measurment), memetakan (mapping), memonitor (monitoring), dan memprediksi secara spasial perkembangan kota di masa depan (modeling) sebagai upaya manajemen (management) kota secara spasial.
1.5 Keaslian Penelitian
Keaslian penelitian ini dengan penelitian yang pernah dilakukan ditunjukkan pada Tabel 1.1 sebagai berikut.
1) Terkait perbedaan utama dalam penelitian ini dengan penelitian yang pernah dilakukan adalah lokasi penelitian. Lokasi penelitian dalam studi kota akan memberikan suatu perbedaan mendasar. Hal ini dikarenakan ciri-ciri morfologi, bentuk, dan wujud kota dapat sangat berbeda antara satu kota dengan kota yang lain. Karakteristik suatu kota akan memiliki anatomi dan ciri khusus dalam perkembangannya.
2) Terkait metode ekstraksi informasi dari citra Landsat. Penelitian ini menggunakan teknik interpretasi hibrida. Interpretasi digital menggunakan metode klasifikasi decision tree. Parameter-parameter yang digunakan dalam proses klasifikasi decision tree adalah variabel transformasi IBI (Index-based Built-up Index), Rasio Band SWIR2/SWIR1, dan NDBaI (Normalized Difference Bareness Index). Ekstraksi informasi yang serupa dilakukan oleh Paramita (2011) dengan menggunakan klasifikasi decision tree hanya dengan indeks NDBI (Normalized Difference Built-up Index) dan dikombinasikan
7 dengan klasifikasi terselia maximum likehood. Al-Ageili, et al. (2013) menggunakan klasifikasi terselia maximum likehood ekstraksi tematik dari citranya. Penelitian ini juga menggunakan interpretasi visual untuk ekstrak elemen kota yang berupa jaringan jalan.
3) Metode prediksi prekembangan kota, penelitian ini menggunakan Cellular Automata (CA ) untuk melakukan prediksi kedepan. Kesamaan dari beberapa penelitian lain yaitu sama-sama menggunakan Cellular Automata (CA ). Perbedaan penelitian ini dengan yang lainnya dalah metode pembuatan probabilitas transisi. Pramita (2011) dan Al-Ageili, M., et al. (2013) menggunakan Markov CA sedangkan Mohammad, M., et al. (2013) menggunakan AHP. Penelitian ini menggunakan gabungan probabilitas transisi yaitu Markov Chain, Regresi Logistik, Neighbourhood, Probabilitas Faktor Pembatas/Constrais.
8 Tabel 1. 1 Komparasi Penelitian Senada untuk melihat Keaslian Penelitian ini
No Nama Tahun Daerah
Kajian
Judul Tujuan Metode
1 Bowo Susilo 2013 Di Daerah
Pinggiran Kota Yogyakarta
Simulasi Spasial Berbasis
Sistem Geografi dan
Cellular Automata untuk
Pemodelan Perubahan
Penggunaan Lahan di
Daerah Pinggiran Kota Yogyakarta
Mengkaji dinamika perubahan
penggunaan lahan melalui
suatu pemodelan berbasis
simulasi spasial
Simulasi spasial
menggunakan
Sistem Informasi
Geografi (SIG) dan Cellular Automata (CA)
2 Bintang Aulia Pradnya Paramita
2011 Semarang Model Cellular Automata
Untuk Kajian
Perkembangan Wilayah
Menggunakan Data
Penginderaan Jauh (Studi Kasus: Kawasan Perkotaan Kedungsepur)
Tujuan dari penelitian ini
adalah (1) mengetahui
karakteristik KP Kedungsepur dengan pendekatan keruangan dari penggunaan lahan dari
tahun 1994 dan 2001
menggunakan beberapa
transformasi multispektral dari data penginderaan jauh (2)
menyusun peta kesesuaian
lahan perkotaan yang berisi faktor penentu perkembangan wilayah (3) menyusun model prediksi penggunaan lahan
Kawasan Perkotaan
Kedungsepur tahun 2008 dan 2015 dengan metode Cellular
(1) mengetahui karakteristik KP Kedungsepur dengan pendekatan keruangan dari penggunaan lahan
dari tahun 1994 dan 2001 menggunakan beberapa transformasi multispektral dari data penginderaan jauh (2) menyusun peta kesesuaian lahan perkotaan
yang berisi faktor penentu
9
No Nama Tahun Daerah
Kajian
Judul Tujuan Metode
Automata Rantai Markov dan memberikan analisis gambaran
arah perkembangan wilayahnya. perkembangan wilayah (3) menyusun model prediksi penggunaan lahan Kawasan Perkotaan Kedungsepur tahun 2008 dan 2015 dengan metode Cellular Automata Rantai Markov dan memberikan analisis gambaran arah perkembangan wilayahnya. 3 Munira Al-Ageili, Malek Mouhoub, Joseph Piwowar 2013 The City Of Montreal Integrating Remote
Sensing, Gis And Dynamic Models:Cellular Automata
Approach For The
Simulation Of Urban Growth For The City Of Montreal
Pendekatan Cellular Automata untuk model dinamik dari perkembangan kota Integrasi Penginderaan jauh, Sistem Informasi Geografis dan Cellular Automata 4 Mohammad,S ahebharani, dan Malekipour
2013 India Urban Growth Simulation
Through Cellular
Automata (CA), Analytic Hierarchy Process (AHP)
Simulasi perkembangan Kota melalui Cellular Automata, AHP, dan SIG
Cellular Automata, AHP, dan SIG
10
No Nama Tahun Daerah
Kajian
Judul Tujuan Metode
and GIS; Case Study of 8 Th and 12th Municipal Districts Of Isfahan
5 M. Sri harta 2016 Surabaya Pemanfaatan Citra Landsat
Multitemporal untuk
Prediksi Perkembangan
Kota dengan Menggunakan Cellular Automata (Kasus di Kota Surabaya, Jawa Timur
1) Mengkaji kemampuan
citra Landsat multitemporal dalam mengekstrak elemen-elemen morfologi kota untuk dapat dimanfaatkan sebagai informasi perkembangan kota Surabaya tahun 1994-2014 Memetakan dan menganalisis pola dan laju pertumbuhan perkembangan kota Surabaya tahun 1994-2014;
2) Melakukan prediksi
perkembangan kota Surabaya secara spasial pada tahun 2034 dengan menggunakan Cellular Automata (CA) Pengolahan data Penginderaan jauh dengan metode interpretasi hibrida, selanjutnya analisis spasial dengan
bantuan SIG untuk menentukan laju,arah perkembangannya, dan CA dengan pendekatan gabungan probabilitas transisi ( Markov Chain -Regresi Logistik-Neigbourhood- Probabilitas Constrais) untuk prediksi perkembangan kota. Sumber : hasil komparasi, 2016.
