http://jtsl.ub.ac.id 473
MODEL TUTUPAN LAHAN DI DAERAH ALIRAN SUNGAI KOTA AMBON TAHUN 2031: STUDI KASUS DAS WAI BATU GANTUNG, WAI BATU GAJAH, WAI TOMU, WAI BATU MERAH DAN WAI RUHU
Land Cover Model in the Riverflow Region of Ambon City in 2031: A Case Study of Wai Batu Gantung, Wai Batu Gajah, Wai Tomu, Wai Batu Merah
and Wai Ruhu Watersheds
Heinrich Rakuasa1,2*, Daniel Anthoni Sihasale2, Philia Christi Latue3
1 Departemen Geografi, FMIPA, Universitas Indonesia, Depok 16424
2 Program Studi Pendidikan Geografi, FKIP, Universitas Pattimura, Ambon 97233
3 Departemen Biologi, Fakultas Biologi, Universitas Pedagogis Negeri Herzen Rusia, Saint Petersburg, 191186
* Penulis korespondensi: [email protected]
Abstrak
Perubahan penggunaan lahan/tutupan lahan (LULC) pada DAS di Kota Ambon berpotensi memicu perubahan tata guna lahan yang akan berdampak pada degradasi lahan, pencemaran air, banjir, dan erosi yang ke depan akan semakin meningkat. Oleh karena itu, pemanfaatan dan efisiensi tutupan lahan di kawasan DAS harus ditingkatkan berdasarkan perencanaan tutupan lahan yang rasional. Penelitian ini bertujuan untuk menganalisis perubahan tutupan lahan pada DAS Kota Ambon pada tahun 2012, 2017, dan 2022 serta memprediksi tutupan lahan pada tahun 2031. Penelitian ini menggunakan Cellular Automata Markov Chain (CA-MC) dan menggunakan enam faktor pendorong perkembangan pemukiman. Hasil penelitian menunjukkan bahwa dari tahun 2012, 2017, dan 2022, tutupan lahan untuk pemukiman dan lahan terbuka di DAS Kota Ambon terus meningkat, sedangkan tutupan lahan untuk kawasan non pertanian dan kawasan pertanian mengalami penurunan di kawasan tersebut. Pada tahun 2031, lahan pemukiman memiliki luas 1.863,34 ha, hal ini karena tutupan lahan pemukiman akan terus meningkat seiring dengan pertumbuhan penduduk dan tingginya kebutuhan akan lahan di daerah aliran sungai.
Kata kunci : cellular automata, Kota Ambon, Markov Chain, tutupan lahan
Abstract
Changes in land use/land cover (LULC) in watersheds of Ambon City are influenced by human activities, mostly driven by socio-economic factors. Changes in land use/land cover (LULC) in the watershed in the center of Ambon City have the potential to trigger land-use change which will have an impact on land degradation, water pollution, flooding, and erosion which will increase in the future. Therefore, the utilization and efficiency of land cover in the watershed area must be increased based on rational land cover planning. The objectives of this study were to analyze land cover changes in watersheds in Ambon City in 2012, 2017, and 2022 and predict land cover in 2031. This study used Cellular Automata Markov Chan (CA-MC) and six factors driving the development of settlements. The results showed that from 2012, 2017, and 2022, the land cover for settlements and open land in the watershed in Ambon City continued to increase, while the land cover for non-agricultural areas and agricultural areas decreased in the area. In 2031, residential land has an area of 1,863.34 ha; this is because the residential land cover will continue to increase along with population growth and high demand for land in watersheds.
Keywords : Ambon City, cellular automata, land cover, Markov Chain
http://jtsl.ub.ac.id 474 Pendahuluan
Kota Ambon merupakan ibukota Provinsi Maluku dan juga sebagai pusat kegiatan ekonomi, pendidikan dan budaya.Hal, ini membuat pertumbuhan ekonomi dan penduduk di Maluku memusat di Kota Ambon. Hal tersebut juga memicu datangnya penduduk dari wilayah lain ke Kota Ambon untuk menetap di kota Ambon dan berdampak pada meningkatnya penyediaan lahan untuk permukiman. Peningkatan jumlah penduduk di Kota Ambon sejalan dengan terus meningkatnya kegiatan manusia di berbagai sektor terutama sektor ekonomi mengakibatkan kebutuhan akan sumberdaya lahan semakin meningkat yang mengakibatkan terjadinya perubahan penggunaan lahan/tutupaan lahan yang tidak terkendali serta berdampak pada alih fungsi lahan (Villarreal-Rosas et al., 2022), kerusakan lingkungan (Balist et al., 2021) dan perubahan iklim (Mwabumba et al., 2022). Perubahan tutupan lahan yang terjadi di Kota Ambon adalah sebagai wujud dari proses interaksi yang dinamis antara aktifitas manusia dengan sumberdaya lahan, yang terdistribusi secara spasial temporal.
Perubahan tutupan lahan dapat dikatakan pula sebagai beralihnya fungsi lahan yang satu dengan yang lain yang berhubungan langsung maupun tidak langsung dengan tujuan manusia dalam upaya pemenuhan kebutuhan hidupnya (Rakhmonov et al., 2021). Perubahan penggunaan lahan/tutupaan lahan biasanya terjadi dalam bentuk dikonversi menjadi jenis penggunaan lahan/tutupaan lahan yang lainnya (Ildoromi et al., 2015; Jafarpour Ghalehteimouri et al., 2022). Pada umumnya pertumbuhan penduduk dan ekspansi lahan permukiman di daerah perkotaan diduga sebagai pendorong utama terjadinya perubahan penggunaan lahan/tutupaan lahan di Daerah Aliran Sungai atau DAS (Girma et al., 2022). Hal ini terutama tercermin dalam pengembangan dan perluasan lahan permukiman di DAS, yang menyebabkan terjadinya degradasi lingkungan ekologis (Liu et al., 2022). Daerah Aliran Sungai (DAS) di Kota Ambon cenderung mendapat tekanan pertumbuhan penduduk dan ekspansi lahan permukiman yang tentu mengakibatkankan perubahan penggunaan lahan/tutupaan lahan serta alih fungsi lahan yang mempengaruhi kualitas DAS (Osok et al., 2018). Secara geografis terdapat lima DAS di daerah pusat Kota Ambon, yaitu DAS
Wai Batu Gantung, Wai Batu Gajah, Wai Tomu, Wai Batu Merah dan Wai Ruhu yang letaknya sangat strategis dimana Kota Ambon merupahkan sentral dari kegiatan ekonomi dan industri yang sangat berpotensi memicu alih fungsi lahan yang tidak terkendali yang nantinya akan menyebabkan terjadinya penurunan kualitas air, pencemaran air, banjir, longsor dan erosi di daerah DAS (Bandjar et al., 2016; Hermawan et al., 2021).
Bandjar et al. (2016) berpendapat bahwa setiap DAS memiliki permasalahan kualitas fisik dan hidrologinya jika dikonversi menjadi daerah permukiman penduduk (Bandjar et al., 2016).
Kondisi ini menjadi suatu permasalahan wilayah akibat tuntutan kebutuhan lahan dan keterbatasan lahan dan perlu dikaji untuk dapat memberikan solusi dalam penataan penggunaan lahan di DAS Kota Ambon ke depan yang sustainable berdasarkan aspek ekologis serta upaya-upaya konservasi guna mendukung perencanaan penggunaan lahan serta pengalokasian penggunaan lahan yang tepat disamping melakukan kegiatan konservatif sebagai upaya preventif dalam penggunaan lahan yang berbasis ekologis. Oleh karena itu perlu dilakukan penanganan dan pengelolaan lahan secara bijaksana agar dapat diambil keputusan pemanfaatan lahan yang menguntungkan dalam dimensi perencanaan penggunaan lahan di DAS yang berkelanjutan.
Penelitian ini bertujuan untuk menganalisis perubahan tutupan lahan di DAS di Kota Ambon, yakni DAS Wai Batu Gantung, Wai Batu Gajah, Wai Tomu, Wai Batu Merah dan Wai Ruhu pada tahun 2012, 2017 dan tahun 2022 serta memprediksi tutupan lahan tahun 2031.
Bahan dan Metode
Penelitian ini dilakukan di lima daerah aliran sungai (DAS) di Kota Ambon (Gambar 1), yaitu Wai Batu Gantung, Wai Batu Gajah, Wai Tomu, Wai Batu Merah dan Wai Ruhu yang mimiliki perkembangan lahan permukiman yang pesat.
Secara spasial lokasi penelitian disajikan pada Gambar 1. Data yang digunakan penelitian terdiri atas citra satelit Landsat 5 tahun 2012, Landsat 8 tahun 2017 dan 2022 yang diperoleh dari situs resmi United States Geological Survey (USGS) EarthExplorer, untuk menganalisis perubahan tutupan lahan yang ada. Data Digital Elevation Model (DEM) Nasional lembar 2612-23 dan 2612-24
http://jtsl.ub.ac.id 475 yang diperoleh dari situs resmi Badan Informasi
Geospasial digunakan untuk mendeliniasi lima
batas DAS tersebut di atas, dan mengklasifikasi ketinggian lahan dan kemiringan lereng.
Gambar 1. Lokasi penelitan.
Data SASPlanet tahun 2022 digunakan untuk mengklasifikasi variabel Point of interest (POI) (fasilitas kesehatan dan fasilitas pendidikan). Data Pola Ruang Rencana Tatat Ruang Wilayah Kota Ambon tahun 2011-2031 yang diperolah dari situs resmi (GISTARU-Sistem Informasi Geospasial Tataruang) Kementerian Agraria dan tata Ruang/
Badan Pertahan Nasional digunakan untuk memvalidasi model tutupan lahan tahuh 2031.
Perkembangan tutupan lahan kelima DAS (Wai Batu Gantung, Wai Batu Gajah, Wai Tomu, Wai Batu Merah dan Wai Ruhu) di Kota Ambon dilihat dari hasil pengolahan data citra Kota Ambon tahun 2012, 2017, dan 2022. Kemudian data digitasi dijadikan dasar untuk melihat perkembangan dari tutupan lahan di lima DAS di Kota Ambon selama 15 tahun terakhir. Data tutupan lahan tersebut dibagi menjadi 5 klasifikasi berdasarkan SNI 7645:2010 yaitu terdiri dari tutupan lahan permukiman, daerah bukan pertanian, daerah pertanian, lahan terbuka, dan perairan (Badan Standarisasi Nasional, 2010).
Analisis yang dilakukan untuk melihat perkembangan tutupan lahan ini yaitu secara spasial, tabular, dan deskriptif
Penelitian ini menggunakan Cellular Automata Markov Chan (CA-MC) untuk memprediksi tutupan lahan di daerah aliran sungai (DAS) Kota Ambon tahun 2031. Cellular Automata Markov Chan (CA-MC) merupakan
model dinamis yang digunakan untuk simulasi spasial dengan waktu yang telah ditentukan (Palmate et al., 2022). Pemodelan perubahan penggunaan lahan/tutupaan lahan dengan aplikasi model CA-Markov merupakan salah satu cara untuk memprediksi perubahan penggunaan lahan/tutupaan lahan yang telah banyak diterapkan oleh banyak peneliti di dunia (Ghosh et al., 2017).
Pemodelan CA MC dipilih karena memiliki kemampuan prediksi secara spasial temporal dan statistik yang sangat baik dan akurat yang bersifat dinamis (Mustafa et al., 2021).
Pengolahan data dilakukan melalui tiga tahap, yaitu pengolahan data klasifikasi citra multi temporal, pengolahan data driving factors, dan pembuatan model prediksi tutupan lahan tahun 2031. Pengolahan data klasifikasi citra multi temporal dilakukan dengan mengacu pada SNI 7465:2010 (Badan Standarisasi Nasional, 2010), yaitu permukiman, lahan terbuka, daerah pertanian, daerah bukan pertanian, dan perairan.
Faktor pendorong perkembangan permukiman yang digunakan dalam penelitian ini diantaranya ketinggian lahan, lereng, jarak dari sungai, jarak dari POI, jarak dari jalan dan jarak dari pantai (Tabel 1). Pengolahan data driving factors dilakukan menggunakan software Arcgis 10.8 dimana setiap driving factors diklasifikasi dan diberikan skoring berdasarkan refrensi yang digunakan. Dalam penelitian ini skoring diberikan pada masing-
http://jtsl.ub.ac.id 476 masing driving factors dalam penentuan tingkat
kesesuaian perkembangan permukiman didaerah tersebut. Wilayah yang sesuai akan diberi skor tinggi dan wilayah yang tidak sesuai akan diberi skor rendah. Semakin rendah nilai skoring, maka
semakin rendah berkembangnya suatu permukiman, sebaliknya, semakin tinggi nilai skoring maka semakin tinggi berkembangnya tutupan lahan permukiman di wilayah tersebut (Supriatna et al., 2020).
Tabel 1. Skoring Driving Factors Perkembangan Permukiman di DAS Kota Ambon.
No Parameter Kelas* Skor Keterangan Sumber
1 Ketinggian Lahan
0-7 m dpl 1 Tidak Sesuai
(Pratami et al., 2019) 8-25 m dpl 3 Sangat Sesuai
26-100 m dpl 2 Sesuai
>100 m dpl 1 Tidak Sesuai
2 Lereng
0-3 % 3 Sangat Sesuai
4-15 % 2 Sesuai
>15 % 1 Tidak Sesuai 3 Jarak dari Sungai
0-25 m 1 Tidak Sesuai
Supriatna et al., 2016
25-50 m 2 Sesuai
> 50m 3 Sangat Sesuai 4 Jarak dari POI
<400 m 3 Sangat Sesuai
Wulandari et al., 2019
401-1000 m 2 Sesuai
>1000 m 1 Tidak Sesuai 5 Jarak dari Jalan
0-100 m 3 Sangat Sesuai
101-1000 m 2 Sesuai
> 1000 m 1 Tidak Sesuai
6 Jarak dari pantai
0-100 m 1 Tidak Sesuai (Peraturan Menteri Pekerjaan Umum Nomor : 40/PRT/M/2007
Tentang Pedoman Perencanaan Tata Ruang Kawasan Reklamasi
Pantai, 2007)
101-2000 m 2 Sesuai
> 2000 m 3 Sangat Sesuai
*dpl = di atas permukaan laut.
Gambar 2. Faktor Pendorong; a) hasil overlay faktor pendorong, b) elevasi/ketinggian lahan, c) kemiringan lereng, d) jarak dari sungai, e). jarak dari garis pantai, f). jarak dari jalan, g), jarak dari Point of Interest (POI).
http://jtsl.ub.ac.id 477 Keseluruhan driving factors kemudian digabungkan
dengan menggunakan teknik fuzzy overlay yang dapat dilihat pada Gambar 2.
Pembuatan model tutupan lahan tahun 2022 dan 2031 dilakukan pada software pemodelan (Idrisi Selva 17) pada proses pembuatan model diperlukan kemampuan untuk menggunakan tools yang ada dalam software ini yaitu LCM (Land Change Modeller). Setelah model dihasilkan maka
dilakukan pengujian akurasi model menggunakan perhitungan K-standard (Kappa Coefficient). Jika hasil akurasi simulasi tercapai >75 % maka tidak perlu dilakukan pengulangan proses akurasi dan dapat dilanjutkan ke proses pemodelan selanjutnya (Supriatna et al., 2016). Model tutupan lahan tahun 2031 kemudian divalidasi dengan RTRW Kota Ambon. Alur kerja penelitian disajikan pada Gambar 3.
Gambar 3. Alur kerja.
Hasil dan Pembahasan
Perkembangan tutupan lahan di DAS Kota Ambon tahun 2012, 2017 dan 2022
Perkembangan tutupan lahan di kelima DAS Kota Ambon yakni DAS Wai Batu Gantung, Wai Batu Gajah, Wai Tomu, Wai Batu Merah dan Wai Ruhu pada tahun 2012, 2017 dan 2022 menunjukkan peningkatan pada jenis tutupan lahan permukiman dan lahan terbuka, sedangkan jenis tutupan lahan
daerah pertanian dan tutupan lahan daerah bukan pertanian mengalami penurunan luasan, hal ini dipengaruh oleh terus meningkatnya jumlah penduduk yang bermukim di daerah aliran sungai yang membuat semakin tinggi kebutuhan akan lahan terbangun/permukiman. Secara spasial, tutupan lahan DAS di Kota Ambon tahun 2012, 2017 dan 2022 dapat dilihat pada Gambar 4 dan luas setiap kelas tutupan lahan dapat dilihat pada Tabel 2.
http://jtsl.ub.ac.id 478 Gambar 4. Tutupan lahan DAS di Kota Ambon tahun 2012, 2017 dan 2022
Tabel 2. Luas kelas tutupan lahan DAS di Kota Ambon tahun 2012, 2017 dan 2022 (ha).
Kelas Tutupan Lahan 2012 2017 2022
Permukiman 1.300, 12 1.404, 49 1479, 92
Lahan Terbuka 162, 27 217, 48 263, 18
Daerah Pertanian 1.756, 35 1.655, 27 1.412, 26
Daerah Bukan Pertanian 1.782, 91 1.766, 29 1.644, 40
Perairan 24, 31 24, 31 24, 31
Total 4.945, 95
Berdasarkan Tabel 2 dan Gambar 4 terlihat bahwa perubahan tutupan lahan tahun 2012, 2017 dan 2022 di DAS di Kota Ambon mengalami peningkatan pada tutupan lahan permukiman dan tutupan lahan terbuka, sedangkan tutupan lahan yang mengalami penurunan yaitu tutupan lahan daerah pertanian dan tutupan lahan bukan daerah pertanian. Kemudian tutupan lahan yang tidak mengalami perubahan hanya tutapan lahan perairan. Perkembangan tutupan lahan permukiman paling banyak mengarah pada utara dan barat. Laju pertumbuhan penduduk Kota Ambon tiap tahun dan juga di dukung dari semakin meningkatnya arus migrasi akibat tingginya daya tarik kota terutama sektor ekonomi bagi penduduk di wilayah sekitarnya mengakibatkan terus tingginya kebutuhan akan ruang kota, antara lain untuk permukiman, fasilitas kesehatan, fasilitas pendididkan, fasilitas perdagangan, jasa dan sebagainya menjadi salah satu factor yang memicu perubahan tutupan di Daerah Aliran Sungai (DAS) yang berada di pusat Kota Ambon. Hal ini didukung oleh pendapat dari Zheng et al., (2021) yang berpendapat bahwa perpindahan penduduk dari pedesaan ke perkotaan, membawa perubahan substansial dan
beragam ke lahan perkotaan, baik dalam penggunaan lahan dan tutupan lahan. He et al., (2018) juga menambahkan bahwa peningkatan jumlah penduduk sejalan dengan peningkatan kegiatan manusia diberbagai sektor terutama sektor ekonomi, sehingga kebutuhan akan sumberdaya lahan juga akan terus meningkat.
Model tutupan lahan DAS di Kota Ambon tahun 2022
Baris pada matriks probabilitas pada Tabel 3 menunjukkan asal dari tutupan lahan sedangkan kolom menunjukkan tujuan perubahan tutupan lahan. Besaran nilai Transition Probability Matrix (TPM) pada Tabel 4 berada pada kisaran 0-1.
Semakin besar nilai probabilitas pada tutupan lahan tujuan, maka akan semakin besar kemungkinan tutupan lahan sederhana dapat dilihat bahwa tutupan lahan terbuka memiliki kemungkinan lebih tinggi untuk berubah menjadi permukiman dengan nilai TPM sebesar 0.5130, sedangkan angka 1 pada jenis tutupan lahan perairan menunjukkan bahwa tutupan lahan tersebut akan tetap dan tidak berubah ke tutupan lahan lainnya. Hasil model tutupan lahan tahun 2022 ditampilkan pada Gambar 5.
http://jtsl.ub.ac.id 479 Tabel 3. Transition Probability Matrix (TPM) tahun 2022.
Permukiman Lahan
Terbuka Daerah
Pertanian Daerah Bukan
Pertanian Perairan
Permukiman 0,8456 0,0025 0,1519 0 0
Lahan Terbuka 0,5130 0,8799 0,0054 0,0018 0
Daerah Pertanian 0,1362 0,0565 0,8905 0,0167 0
Daerah Bukan Pertanian 0,0471 0,0990 0,0376 0,8163 0
Perairan 0 0 0 0 1
Gambar 5. Model tutupan lahan DAS di Kota Ambon tahun 2022.
Gambar 6. Hasil validasi model 2022 dengan uji Kappa.
http://jtsl.ub.ac.id 480 Pemodelan pada Gambar dilakukan dengan
Markov Chain Celullar Automata (CA-Markov), menggunakan driving factors yang sudah dibuat pada tahap sebelumnya. Pada Gambar 6 disajikan hasil uji akurasi model tahun 2022 dengan nilai Kappa
sebesar 0,9074 atau 90,74%, artinya hasil uji akurasi dapat dikatakan sangat baik. Hasil uji akurasi tersebut menjadi rancangan model terkonfirmasi untuk dilanjutkan menjadi model tutupan lahan tahun 2031.
Gambar 7. Perbandingan tutupan lahan 2022 eksisting (a) dan, model 2022 (b).
Model tutupan lahan DAS di Kota Ambon tahun 2031
Pemodelan ke tahun 2031 merupakan pemodelan kedua, dalam tahap ini menggunakan driving factors yang sama pada pemodelan pertama namun menggunakan nilai markovian yang berbeda.
Selengkapnya transition probability matrix ke tahun 2031 dapat dilihat pada Tabel 4. Sama seperti pemodelan pertama besaran nilai Transition Probability Matrix (TPM) pada Tabel 4 merupahkan probabilitas tansisi diaman mengasumsikan kemungkinan bahwa pixel dari kelas tutupan lahan tertentu akan berubah menjadi kelas lain (atau tetap sama) dalam periode waktu berikutnya. Nilai
markov pada TPM dibangun menggunakan distribusi tutupan lahan pada awal dan akhir masa pengamatan yang terpresentasikan dalam suatu vector (matriks satu kolam), serta sebuah matriks transisi (transition matrix). Besaran nilai Transition Probability Matrix (TPM) pada kisaran 0-1. Angka 0 menunjukkan bahwa tidak terjadi perubahan tutupan lahan pada suatu wilayah ke tutupan lahan yang lainnya. Angka 1 menunjukkan bahwa tutupan lahan tersebut tetap dan tidak berubah ke tutupan lahan lainnya. Semakin besar nilai probabilitas pada tutupan lahan tujuan, maka akan semakin besar kemungkinan tutupan lahan untuk berubah.
Tabel 4. Transition Probability Matrix (TPM) tahun 2031.
Permukiman Lahan Terbuka
Daerah Pertanian
Daerah Bukan Pertanian
Perairan
Permukiman 0,8446 0,0015 0,1529 0,0010 0
Lahan Terbuka 0,6267 0,7690 0,0044 0 0
Daerah Pertanian 0,3207 0,0574 0,6932 0,1287 0
Daerah Bukan Pertanian 0,0690 0,1118 0.0077 0,8114 0
Perairan 0 0 0 0 1
http://jtsl.ub.ac.id 481 Tutupan lahan terbuka memiliki kemungkinan
lebih tinggi untuk berubah menjadi permukiman dibandingkan dengan kelas tutupan lahan lainnya dengan nilai TPM sebesar 0.6267. Angka 1 pada jenis tutupan lahan perairan menunjukkan bahwa tutupan lahan tersebut akan tetap dan tidak berubah ke tutupan lahan lainnya. Model tutupan lahan pada tahun 2031 dapat dilihat pada Gambar 8. Berdasarkan hasil pengolahan model tutupan lahan di tahun 2031 menggunakan Celullar Automata Markov Chain, lahan permukiman memiliki luas 1.863,34 ha, lahan terbuka memiliki luas 351,86 ha, daerah pertanian memiliki luas 1.189,41 ha, daerah bukan pertanian memiliki luas 1.517,03 dan jenis tutupan lahan perairan memiliki luas 24,31 ha. Hasil analisis tutupan lahan tahun 2012, 2017, 2022 dan model tahun 2031 menunjukkan bahwa lahan permukiman dan lahan terbuka mengalami pertambahan luasan setiap tahun, berbeda dengan jenis tutupan lahan
pertanian dan bukan pertanian yang mengalami penurunan luasan. Perubahan tutupan lahan jenis permukiman DAS di Kota Ambon pada periode 2012-2031 menunjukkan peningkatan tiap periode nya, peningkatan permukiman yang segnifikan terjadi pada DAS Wai Ruhu. Diantara kelima DAS yang berada di pusat Kota Ambon DAS yang mengalami perkembangan luasan lahan permukiman yang pesat yaitu DAS Wai Ruhu yang memiliki luas lahan permukiman pada tahun 2012 yaitu 393,90 ha bertambah di tahun 2017 menjadi 403,60 ha, tahun 2022 seluas 426,42 ha dan pada tahun 2031 menjadi 517,92 ha. Hal ini karena DAS Wai Ruhu merupahkan DAS terbesar di Kota Ambon dan juga berada di pusat Kota Ambon.
Perkembangan luasan lahan permukiman pada DAS Wai Batu Gantung, Wai Batu Gajah, Wai Tomu, Wai Batu Merah yang berada di daerah Pusat Kota Ambon pada tahun 2012, 2017, 2022 dan 2031 dapat dilihat pada Gambar 9.
Gambar 8. Model tutupan lahan DAS di Kota Ambon tahun 2031.
Sama sepertti model 2022 sebelumnya model 2031 juga dilakukan uji akurasi. Berbeda dengan model 2022 yang dilakukan uji akurasi menggunakan data exisiting tutupan tahun 2022, model prediksi tahun 2031 dilakukan uji akurasi menggunakan RTRW Kota Ambon tahun 2011-2031. Hasil uji akurasi dapat dilihat pada Gambar 10 yang menunjukkan nilai Kappa sebesar 0,8736 atau 87,36%. Hasil
pemodelan prediksi tutupan lahan DAS di Kota Ambon tahun 2031 sangatlah penting yang nantinya informasi tersebut dapat dijadikan sebagai dasar dan pijakan dalam pengambilan kebijakan terkait penataan dan pemanfaatan ruang serta dapat mengoptimalisasi pengelolaan DAS yang sustainable dan sebagai langkah awal dalam upaya mitigasi bencana alam.
http://jtsl.ub.ac.id 482 Gambar 9. Perkembangan lahan permukiman pada tahun 2012, 2017, 2022 dan 2031.
Gambar 10. Hasil validasi model 2031 dengan uji Kappa.
Peningkatan luasan lahan permukiman di Kota Ambon terkususnya di Daerah Aliran Sungai (DAS) dari tahun ke tahun akan menyebabkan penurunan daya dukung lingkungan (Tan et al., 2022) dan kerusakan lingkungan (Shang dan Wu, 2022). Oleh karena itu hasil analisis dan prediksi perubahan tutupan lahan ini dapat memberikan solusi dalam penataan penggunaan lahan Kota Ambon ke depan yang sustainable berdasarkan aspek ekologis serta upaya-upaya konservasi guna mendukung perencanaan penggunaan lahan serta pengalokasian penggunaan lahan yang tepat
disamping melakukan kegiatan konservatif sebagai upaya preventif dalam penggunaan lahan yang berbasis ekologis.
Kesimpulan
Selama 15 tahun terakhir dari tahun 2012, 2017, 2022 dan hasil prediksi model Celullar Automata Markov Chain tahun 2031 tutupan lahan DAS di daerah pusat Kota Ambon, yaitu DAS Wai Batu Gantung, Wai Batu Gajah, Wai Tomu, Wai Batu Merah dan Wai Ruhu terus mengalami
http://jtsl.ub.ac.id 483 pertambahan luasan. Tutupan lahan yang
konsisten mengalami peningkatan luasan terdapat pada tutupan lahan permukiman dan lahan terbuka. Tutupan lahan yang mengalami penurunan luasan terdapat pada tutupan lahan daerah pertanian dan daerah bukan pertanian.
Lahan permukiman akan terus mengalami pertambahan luasan seiring terjadinya pertumbuhan penduduk dan tingginya permintaan akan lahan DAS di daerah pusat Kota Ambon.
Oleh karena hasil penelitian ini diharapkan dapat menjadi bahan masukan dalam pengambilan kebijakan terkait penataan dan pemanfaatan ruang pada DAS di Kota Ambon.
Ucapan Terima Kasih
Penulis mengucapkan terimakasih pada Departemen Geografi, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Indonesia, Program Studi Pendidikan Geografi, Fakultas Keguruan dan Ilmu Pendidikan Universitas Pattimura dan Departemen Biologi, Fakultas Biologi, Universitas Pedagogis Negeri Herzen Rusia yang sudah bekerjasama dalam penelitian ini Daftar Pustaka
Badan Standarisasi Nasional. 2010. SNI 7645-2010 Tentang Klasifikasi Penutup Lahan.
Balist, J., Malekmohammadi, B., Jafari, H.R., Nohegar, A. and Geneletti, D. 2021. Detecting land use and climate impacts on water yield ecosystem service in arid and semi-arid areas. A study in Sirvan River Basin-Iran. Applied Water Science 12, Article number: 4.
Bandjar, A., Osok, R.M., Rachman, G. dan Sutapa, I.W.
2016. Strategi, mapping resiko, dan implementasi adaptasi perubahan iklim dan pengurangan risiko bencana untuk ketahanan di Kecamatan Sirimau Kota Madya Ambon. Bimafika: Jurnal MIPA, Kependidikan dan Terapan 6(1):
Ghosh, P., Mukhopadhyay, A., Chanda, A., Mondal, P., Akhand, A., Mukherjee, S., Nayak, S.K., Ghosh, S., Mitra, D., Ghosh, T. and Hazra, S. 2017.
Application of cellular automata and Markov-chain model in geospatial environmental modeling- a review. Remote Sensing Applications: Society and Environment 5:64-77.
Girma, R., Fürst, C. and Moges, A. 2022. Land use land cover change modeling by integrating artificial neural network with cellular Automata-Markov chain model in Gidabo river basin, main Ethiopian
rift. Environmental Challenges 6:100419.
He, Q., He, W., Song, Y., Wu, J., Yin, C. and Mou, Y.
2018. The impact of urban growth patterns on urban vitality in newly built-up areas based on an association rules analysis using geographical ‘big data.’ Land Use Policy 78(July):726-738.
Hermawan, Y., Jaya, I., and Kosasih,. B. (2021). Flood Risk Assessment for Ambon City. 7th International Seminar of HATHI, 1–12.
Ildoromi, A., Nori, H., Naderi, M., Amin, S.A. and Zeinivand, H. 2015. Land use change prediction using Markov chain and CA Markov Model (Case Study: Gareen Watershed). Journal of Watershed Management Research 8(16):232-240.
Jafarpour Ghalehteimouri, K., Shamsoddini, A., Mousavi, M.N., Binti Che Ros, F., and Khedmatzadeh, A. 2022. Predicting spatial and decadal of land use and land cover change using integrated cellular automata Markov chain model based scenarios (2019–2049) Zarriné-Rūd River Basin in Iran. Environmental Challenges 6:100399.
Liu, Q., Niu, J., Wood, J.D., and Kang, S. 2022. Spatial optimization of cropping pattern in the upper- middle reaches of the Heihe River basin, Northwest China. Agricultural Water Management 264:107479.
Mustafa, A., Ebaid, A., Omrani, H. and McPhearson, T.
2021. A multi-objective Markov Chain Monte Carlo cellular automata model: Simulating multi-density urban expansion in NYC. Computers, Environment and Urban Systems, 87, 101602.
Mwabumba, M., Yadav, B.K., Rwiza, M.J., Larbi, I. and Twisa, S. 2022. Analysis of land use and land-cover pattern to monitor dynamics of Ngorongoro world heritage site (Tanzania) using hybrid cellular automata-Markov model. Current Research in Environmental Sustainability 4: 100126.
Osok, R.M., Talakua, S.M. dan Supriadi, D. 2018.
Penetapan kelas kemampuan lahan dan arahan rehabilitasi lahan DAS Wai Batu Merah Kota Ambon, Provinsi Maluku. Agrologia 7(1):32-41.
Palmate, S.S., Wagner, P.D., Fohrer, N. and Pandey, A.
2022. Assessment of uncertainties in modelling land use change with an integrated cellular automata–
Markov Chain model. Environmental Modeling &
Assessment, 27(2):275-293.
Peraturan Menteri Pekerjaan Umum Nomor : 40/PRT/M/2007 tentang Pedoman Perencanaan Tata Ruang Kawasan Reklamasi Pantai, (2007).
Pratami, M., Susiloningtyas, D. and Supriatna. (2019).
Modelling cellular automata for the development of settlement area Bengkulu City. IOP Conference Series: Earth and Environmental Science 311(1):12073.
Rakhmonov, S., Umurzakov, U., Rakhmonov, K., Bozarov, I. and Karamatov, O. 2021. Land use and land cover change in Khorezm, Uzbekistan. E3S
http://jtsl.ub.ac.id 484 Web of Conferences 227:01002. , doi:
Shang, C. and Wu, J. 2022. A legendary landscape in peril: land use and land cover change and environmental impacts in the Wulagai River Basin, Inner Mongolia. Journal of Environmental
Management 301:113816,
doi:10.1016/j.jenvman.2021.113816.
Supriatna, S., Pratiwi, S.F., Marko, K., Manessa, M.D.M. and Ristya, Y. 202). Spatial dynamics of tsunami prone areas in Pariaman City, West Sumatera. Journal of Computational and Theoretical Nanoscience 17(2):1474-1491.
Supriatna, Supriatna, J., Koestoer, R.H. and Takarina, N.D. 2016. Spatial Dynamics Model for Sustainability Landscape in Cimandiri Estuary, West Java, Indonesia. Procedia-Social and Behavioral Sciences 227(November 2015):19-30.
Tan, S., Liu, Q. and Han, S. 2022. Spatial-temporal evolution of coupling relationship between land development intensity and resources environment carrying capacity in China. Journal of Environmental Management 301:113778.
Villarreal-Rosas, J., Wells, J.A., Sonter, L.J., Possingham, H.P. and Rhodes, J.R. 2022. The impacts of land use change on flood protection services among multiple beneficiaries. Science of the Total Environment 806:150577.
Wulandari, R., Supriatna, and Latif Indra, T. 2019. A simulation model for urban development in Bandar Lampung City, Lampung, Indonesia. IOP Conference Series: Earth and Environmental Science 248:012090.
Zheng, Q., Weng, Q. and Wang, K. 2021.
Characterizing urban land changes of 30 global megacities using nighttime light time series stacks.
ISPRS Journal of Photogrammetry and Remote Sensing 173:10-23.