Rahayu, Murniati (2024) Analisis Perubahan Penggunaan Lahan Dan Prediksi Perubahan Penggunaan Kota Bima Tahun 2017-2026 Dengan Pendekatan Artificial Neural Network. Undergraduate thesis, UNIVERSITAS DIPONEGORO.

Text 21110119120021-ABSTRAK.pdf Download (748kB)

Abstract

Meningkatnya kebutuhan manusia menjadi salah satu faktor pertumbuhan dan perkembangan suatu kota, sehingga kebutuhan dan alih fungsi lahan akan semakin bertambah yang menyebabkan perubahan penggunahan lahan atau berubahnya fungsi terhadap suatu lahan. Penelitian ini bertujuan untuk mengetahui perubahan tutupan lahan dan memprediksi arah perubahan lahan di Kota Bima dengan menggunakan metode Articial Neural Network (ANN) dan Celullar automata pada aplikasi qgis dengan memanfaatkan Plugin Molusce yang terdapat pada aplikasi Qgis. Serta mengukut Tingkat kesesuaian hasil prediksi dengan peta Rencana Tata Ruang Wilayah (RTRW) Kota Bima tahun 2011-2031. Data yang digunakan pada penelitian ini adalah citra landsat 8 tahun 2017,2020 dan 2023, RTRW Kota Bima, peta jaringan jalan, peta kepadatan penduduk serta peta jaringan Sungai. Untuk memperoleh peta tutupan lahan menggunakan metode supervised, overlay intersect untuk menganalisa perubahan tutupan lahan dan ANN untuk melakukan pemodelan dan prediksi perubahan tutupan lahan. Variable yang digunakan untuk proses pemodelan perubahan tutupan lahan berupa jarak ke jalan, jarak ke Sungai, jarak ke bangunan dan kepadatan penduduk. Hasil dari penelitian ini menunjukan perubahan tutupan lahan Kota Bima pada tahun 2017-2023 penurunann tutupan lahan terbesar terdapat pada tutupan lahan terbuka seluas 4.893,88 Ha atau sebesar 23,47%. Pemodelan perubahan tutupan lahan menggunakan metode ANN menunjukan hasil model yang relatif baik yang dapat dibuktikan melalui tahap validasi model. Hasil validasi menunjukan nilai indeks kappa sebesar 0,73 dengan tinggkat akurasi kepercayaan sebesar 81,3%. Untuk hasil kesesuaian prediksi tutupan lahan ditahun 2026 dengan Peta RTRW kota Bima Tahun 2011-2031 menunjukan kesesuaian lahan sebesar 57,94% sesuai dan 42,06% tidak sesuai Nilai kappa 0,41-0,6 menunjukkan bahwa hasil analisis kesesuaian hasil prediksi ANN terhadap RTRW masuk dalam kategori sedang atau cukup baik.

Actions (login required)

View Item