MODEL SIG-BINARY LOGISTIC REGRESSION UNTUK PREDIKSI PERUBAHAN PENGGUNAAN LAHAN (STUDI KASUS DI DAERAH PINGGIRAN KOTA YOGYAKARTA) TESIS

(1)

MODEL SIG-BINARY LOGISTIC REGRESSION

UNTUK PREDIKSI PERUBAHAN PENGGUNAAN LAHAN

(STUDI KASUS DI DAERAH PINGGIRAN KOTA YOGYAKARTA)

TESIS

Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari

Institut Teknologi Bandung

Oleh

BOWO SUSILO

NIM : 25105014

Program Studi Teknik Geodesi dan Geomatika

INSTITUT TEKNOLOGI BANDUNG

2008

(2)

ABSTRAK

MODEL SIG-BINARY LOGISTIC REGRESSION UNTUK PREDIKSI PERUBAHAN PENGGUNAAN LAHAN

(STUDI KASUS DI DAERAH PINGGIRAN KOTA YOGYAKARTA)

Oleh BOWO SUSILO NIM : 25105014

Dinamika perubahan penggunaan lahan selalu menarik dan penting untuk diteliti karena berkaitan dengan berbagai isu global. Penelitian ini bertujuan untuk: (1) mengkaji dan memprediksikan perubahan penggunaan lahan secara spasial menggunakan integrasi model regresi logistik biner dan SIG dan (2) mengkaji validitas model dalam memprediksikan perubahan penggunaan lahan. Penelitian berlokasi di enam wilayah kecamatan di daerarah pinggiran Kota Yogyakarta.

Perubahan penggunaan lahan diprediksikan berdasarkan nilai probabilitas yang dihitung menggunakan model binary logistic regression. Variabel prediktor perubahan ditentukan secara a priori kemudian dipilih berdasarkan uji statistik dengan metode

Spearman dan Mann-Whitney. Model binary logistic regression yang digunakan adalah: Y =

0,8963 - 0,0200 X1 + 0,3551 X2 - 0,0002 X3 - 0,0002 X4 + 0,0003 X5 + 0,0007 X6. Enam

variabel prediktor dalam model tersebut adalah: (1)jarak terhadap jalan utama, (2) jarak terhadap jalan lokal, (3) jarak terhadap kampus, (4) jarak terhadap lahan terbangun, (5) jarak terhadap pusat perekonomian dan (6) kepadatan jaringan jalan. Validitas model dalam memprediksikan perubahan Penggunaan lahan dianalisisis menggunakan metode ROC (Relative Operating Charactristic) dan tabulasi silang. Validitas model direpresentasikan dengan nilai actual agreement dan koefisien statistik Kappa ().

Model SIG-binary logistic regression menghasilkan prediksi perubahan penggunaan lahan yang bersifat spasial. Kategori perubahan hasil prediksi dan kategori perubahan aktual memiliki nilai actual agreement 81,8% dan koefisien statistik Kappa 0,24. Nilai koefisien statistik Kappa menunjukkan kesesuaian antara prediksi dan kondisi aktual termasuk dalam kategori fair agreement. Prediksi yang dihasilkan dari Model SIG-binary

logistic regression cenderung bersifat over estimate.

(3)

ABSTRAK ... i

ABSTRACT ... ii

LEMBAR PENGESAHAN ... iii

KATA PENGANTAR ... iv

DAFTAR ISI ... v

DAFTAR LAMPIRAN ... vii

DAFTAR TABEL ... viii

DAFTAR GAMBAR ... ix

I. PENDAHULUAN ... 1

1.1. Latar Belakang Penelitian dan Perumusan Masalah ... 1

1.2. Tujuan dan Sasaran ... 4

1.3. Ruang Lingkup Penelitian ... 5

1.4. Metode Penelitian ... 6

1.4.1. Data yang Digunakan ... 7

1.4.2. Analisis Data ... 7

1.4.2. Analisis Hasil Pemodelan dan Validasi ... 11

1.5. Sistematika Penulisan ... 13

II. STUDI PUSTKA ... 14

2.1. Konsep Penutup Lahan dan Penggunaan Lahan ... 14

2.2. Klasifikasi Penutup/Penggunaan Lahan ... 15

2.3. Fenomena Perubahan Penggunaan Lahan ... 17

2.3.1. Faktor Pemicu Perubahan Penggunaan Lahan ... 17

2.3.2. Dampak Perubahan Penggunaan Lahan ... 18

2.4. Model Perubahan Penggunaan Lahan ... 20

2.4.1. Hakikat dan Pengertian Model ... 20

2.4.2. Klasifikasi Model ... 21

2.4.3. Validasi Model ... 25

2.4.4. Penelitian Tentang Model Perubahan Penggunaan Lahan ... 27

2.5. Binary Logistic Regression ... 28

III. PEMODELAN PERUBAHAN PENGGUNAAN LAHAN ... 31

3.1. Penyusunan Peta Perubahan Penggunaan Lahan ... 32

3.1.1. Klasifikasi Penggunaan Lahan ... 32

3.1.2. Interpretasi Penggunaan Lahan dari Foto Udara ... 33

(4)

3.2. Identifikasi dan Penyusunan Peta Variabel Perubahan Penggunaan Lahan 42

3.2.1. Peta Jarak ... 42

3.2.2. Peta Kepadatan ... 50

3.3. Penentuan Sampel ... 53

3.4. Pemilihan Variabel untuk Pemodelan ... 56

3.4.1. Uji Beda (Mann Whitney U ) ... 56

3.4.2. Uji Korelasi (Spearman rho) ... 59

3.5. Penyusunan Model Prediksi Perubahan Penggunaan Lahan ... 61

3.5.1. Analisis Regresi Logistik Biner (Binary Logistic Regression) ... 61

3.5.2. Integrasi Model Regresi Logistik Biner dengan SIG ... 63

3.6. Validasi Hasil Pemodelan ... 68

3.6.1. Analisis ROC (Relative Operating Characteristic) …... 69

3.6.2. Koefisien Statistik Kappa ... 70

IV. ANALISIS HASIL PEMODELAN ... 74

4.1. Distribusi Spasial Perubahan Penggunaan Lahan ... 74

4.2. Distribusi Spasial Variabel Perubahan Penggunaan Lahan ... 76

4.2.1. Jarak Terhadap Jalan Utama ... 76

4.2.2. Jarak Terhadap Jalan Lokal ... 77

4.2.3. Jarak Terhadap Perguruan Tinggi ... 78

4.2.4. Jarak Terhadap Lahan Terbangun (Existing) ... 79

4.2.5. Jarak Terhadap Pusat Perekonomian ... 81

4.2.6. Kepadatan Jaringan Jalan ... 82

4.3. Korelasi dan Independensi Variabel Perubahan Penggunaan Lahan ... 83

4.3.1. Koefisien Korelasi Spearman ... 83

4.3.2. Koefisien Statistik U (Mann-Whitney) ... 85

4.4. Distribusi Spasial Probabilitas dan Prediksi Perubahan ... 87

4.5. Aspek Penting dalam Model SIG-Binary Logistic Regression ... 89

4.5.1. Kontribusi Variabel Prediktor ... 89

4.5.2. Peranan Sistem Informasi Geografi ... 92

4.5.3. Validitas Model SIG-Binary Logistic Regression ... 93

V. KESIMPULAN DAN SARAN ... 94

5.1. Kesimpulan ... 94

5.2. Saran ... 95

(5)

DAFTAR LAMPIRAN

Lampiran 1 Jumlah Piksel dan Nilai Probabilitas Pada Setiap Kategori

Perubahan ... 99 Lampiran 2 Koordinat Kurva ROC Pada Berbagai Nilai Cut Value/

Treshhold Probabilitas ... 102 Lampiran 3 Estimasi Koefisien Statistik Kappa pada Setiap Treshhold

Probabilitas ... 104 Lampiran 4 Luas Penggunaan Lahan dan Perubahannya Tahun 1981 - 2000 107

(6)

DAFTAR TABEL

Tabel 2.1 Sistem Klasifikasi Penggunaan dan Penutup Lahan dari Anderson

(USGS) ... 16

Tabel 2.2 Klasifikasi Model Secara Dikotomi Menurut Korgensen ... 22

Tabel 2.3 Klasifikasi Model Perubahan Penggunaan Lahan ... 23

Tabel 2.4. Kategori Utama Model Perubahan Penggunaan Lahan ... 24

Tabel 2.5 Teknik Validasi Terhadap Model ... 26

Tabel 3.1 Klasifikasi Penggunaan Lahan ... 33

Tabel 3.2 Nomor Lembar Foto Udara Tahun 1981 dan Tahun 2000 ... 34

Tabel 3.3 Luas Penggunaan Lahan Tahun 1981 dan Tahun 2000 ... 39

Tabel 3.4 Kombinasi Variabel Respon dan Prediktor Pada Setiap Titik Sampel ... 55

Tabel 3.5 Representasi Rangking Setiap Variabel Pada Setiap Kategori Hasil Analisis Metode Mann_Whitney ... 58

Tabel 3.6 Representasi Nilai Statistik U dan Signifikansinya Hasil Analisis Metode Mann_Whitney ... 59

Tabel 3.7 Representasi Hasil Analisis Korelasi Metode Spearman ... 60

Tabel 3.8 Perolehan Nilai Konstanta dan Koefisien Regresi Logistik ... 62

Tabel 3.9 Tabulasi Prediksi Perubahan Treshhold 0.95 dan Perubahan Aktual ... 73

Tabel 4.1 Penggunaan Lahan dan Perubahannya Antara Tahun 1981 – 2000 ... 75

Tabel 4.2 Distribusi Nilai Variabel Jarak Terhadap Jalan Utama ... 76

Tabel 4.3 Distribusi Nilai Variabel Jarak Terhadap Jalan Lokal ... 77

Tabel 4.4 Distribusi Nilai Variabel Jarak Terhadap Perguruan Tinggi ... 79

Tabel 4.5 Distribusi Nilai Variabel Jarak Terhadap Perguruan Tinggi . ... 80

Tabel 4.6 Distribusi Nilai Variabel Jarak Terhadap Pusat Perekonomian ... 81

Tabel 4.7 Distribusi Nilai Variabel Kepadatan Jaringan Jalan ... 82

Tabel 4.8 Koefisien Korelasi Spearman rho Antar Variabel Prediktor ... 84

Tabel 4.9 Rangking Variabel Prediktor Pada Setiap Kategori Lahan ... 85

Tabel 4.10 Statistik Mann-Whitney U dan Wilcoxon W dari Variabel Prediktor ... 86

Tabel 4.11 Statistik Mann-Whitney U dan Wilcoxon W dari Variabel Prediktor ... 87

(7)

Gambar 1.1 _{Lokasi Daerah Penelitian ...} 6

Gambar 2.1 Diagram Alir Penelitian ... 12

Gambar 2.1 Bentuk Umum Kurva Sigmoid Fungsi Probabilitas ... 29

Gambar 3.1 _{Diagram Alir Tahapan Pelaksanaan Penelitian ...} 31

Gambar 3.2 Foto Udara Tahun 2000 Nomor 11B-14 Sebelum Koreksi Geometrik (a) dan Sesudah Koreksi Geometrik (b) ... 35

Gambar 3.3 _{Proses Interpretasi Foto Udara ...} 36

Gambar 3.4 _{Peta Penggunaan Lahan Tahun 1981 ...} 37

Gambar 3.5 _{Peta Penggunaan Lahan Tahun 2000 ...} 38

Gambar 3.6 _{Ilustrasi Proses Analisis Perubahan Penggunaan Lahan (1981-2000) ..} 40

Gambar 3.7 _{Peta Perubahan Penggunaan Lahan Tahun 1981-2000 ...} 41

Gambar 3.8 Enam Tipe Jarak: (a) Euclidean; (b) Manhattan; (c) Chessboard; (d) Hexagonal; (e) Chamfer 3-4 dan (f) Chamfer 5-7-11 ... 43

Gambar 3.9 _{Proses Analisis Jarak Terhadap Jalan Utama ...} 44

Gambar 3.10 _{Peta Jarak Terhadap Jalan Utama ... 45}

Gambar 3.11 _{Peta Jarak Terhadap Jalan Lokal ...} 46

Gambar 3.12 _{Peta Jarak Terhadap Lahan Terbangun ...} 47

Gambar 3.13 _{Peta Jarak Terhadap Pusat Perekonomian ... 48}

Gambar 3.14 _{Peta Jarak Terhadap Perguruan Tinggi ...} 49

Gambar 3.15 _{Prinsip Perhitungan Kepadatan Garis (Line Density) ...} 50

Gambar 3.16 _{Proses Analisis Kepadatan Jaringan Jalan ...} 51

Gambar 3.17 _{Peta Kepadatan Jaringan Jalan ...} 52

Gambar 3.18 _{Overlay Data Perubahan Penggunaan Lahan dengan Grid ...} 53

Gambar 3.19 _{Distribusi Spasial Lokasi Titik Sampel di Daerah Penelitian ...} 54

Gambar 3.20 _{Peta Variabel Prediktor Pada Model Regresi Logistik Biner ... 64}

Gambar 3.21 Data Spasial Nilai logit (pi) ... 65

Gambar 3.22 _{Data Spasial Nilai Odd (pi /1- pi) ...} 65

Gambar 3.23 _{Data Spasial Nilai Odd +1 ...} 66

Gambar 3.24 Data Spasial Probabilitas Perubahan Penggunaan Lahan ... 66

Gambar 3.25 Peta Probabilitas Perubahan Penggunaan Lahan ... 67

Gambar 3.26 Konversi Probabilitas Perubahan Penggunaan Lahan Menjadi Kategori Perubahan Penggunaan Lahan ... 68

Gambar 3.27 Perolehan Kombinasi Nilai Probabilitas dan Perubahan Aktual ... 69

Gambar 3.28 Peta Prediksi Perubahan Penggunaan Lahan ... 71

Gambar 3.29 Proses Tabulasi Silang Peta Prediksi dan Peta Perubahan Aktual ... ₇₂

Gambar 3.30 Representasi Error Matrix secara Matematis ... 72

Gambar 4.1 Histogram Nilai Probabilitas Perubahan Pada Setiap Kecamatan ... 88 Gambar 4.2 Hubungan Odd Perubahan dengan Kepadatan Jaringan Jalan dan

Jarak Terhadap Lahan Terbangun

(8)