PREDIKSI PERUBAHAN PENGGUNAAN LAHAN SAWAH DI WILAYAH HILIR DAS BILA TAHUN 2036

##plugins.themes.academic_pro.article.main##

Arnur Hidayat
Reza Asra
Nining Triani Thamrin
Husnul Mubarak

Abstrak

Penggunaan lahan sawah menjadi lahan non pertanian jika dibiarkan terus menerus maka bukan tidak mungkin lahan pertanian akan semakin sempit, produksi pertanian akan menurun dalam jangka panjang dan Indonesia akan mengalami keadaan defisit pangan, maka penting untuk memprediksikan lahan sawah sehingga menjadi bahan pertimbangan pemerintah dan instansi terkait lainnya dalam menentukam kebijakan mengenai perencanaan penggunaan lahan di suatu daerah guna mendukung manajemen sumber daya lahan dan perencanaan pembangunan daerah yang berkelanjutan. Penilitian ini bertujuan untuk menganalisis drivin faktor perubahan lahan sawah berbasis System Informasi Geografis (GIS) serta mengetahui proyeksi perubahan lahan sawah menggunakan model Ca-Markov 2036. Penelitian ini berbasis Sistem Informasi Geografis (GIS) yaitu sebuah sistem yang didesain untuk menangkap, menyimpan, memanipulasi, menganalisa, mengatur dan menampilkan seluruh jenis data geografis. Proses pengolahan data driving factors dimulai dari proses klasifikasi pembobotan, analisis fuzzy untuk menghasilkan output yang menjadi acuan proses CA-Markov. Metode Ca-Markov Dengan menggunakan Idrisi Selva. dari hasil penilitan Perubahan Penggunaan Lahan pada tahun 2024-2036 diwilayah hilir das bila menunjukkan bahwa perubahan lahan yang meningkat pada lahan tersebut yaitu Sawah seluas 975,247 ha, Perkebunan seluas 594,523 ha, Permukiman seluas 1641,144 ha, adapun lahan yang mengalami penurunan luasan yang cukup signitifikan pada penggunaan lahan di wilayah hilir DAS bila yaitu Hutan seluas 125,623 ha, Tanah Kosong seluas 103,991 ha, Tegalang Ladang seluas 1809,481 ha, Semak Belukar seluas  594,523 ha.

##plugins.themes.academic_pro.article.details##

Cara Mengutip
PREDIKSI PERUBAHAN PENGGUNAAN LAHAN SAWAH DI WILAYAH HILIR DAS BILA TAHUN 2036. (2024). Jurnal Agritechno, 17(2), 205-216. https://doi.org/10.70124/at.v17i2.1423

Cara Mengutip

PREDIKSI PERUBAHAN PENGGUNAAN LAHAN SAWAH DI WILAYAH HILIR DAS BILA TAHUN 2036. (2024). Jurnal Agritechno, 17(2), 205-216. https://doi.org/10.70124/at.v17i2.1423

Referensi

  1. Achmadi, P. N., Dimyati, M., Manesa, M. D. M., & Rakuasa, H. (2023). Model Perubahan Tutupan Lahan Berbasis Ca-Markov: Studi Kasus Kecamatan Ternate Utara, Kota Ternate. Jurnal Tanah Dan Sumberdaya Lahan, 10(2), 451–460. https://doi.org/10.21776/ub.jtsl.2023.010.2.28
  2. Akbar F and Supriatna. 2019. Land cover modelling of Pelabuhanratu City in 2032 using celullar automata-markov chain method [Proceeding]. IOP Conference Series Earth and Environmental Science 311.
  3. Astuti, F. A., & Lukito, H. (2020). Perubahan penggunaan lahan di kawasan keamanan dan ketahanan pangan di kabupaten Sleman. Jurnal Geografi: Media Informasi Pengembangan Dan Profesi Kegeografian, 17(1), 1–6. https://doi.org/10.15294/jg.v17i1.21327
  4. Deng, J.S., K. Wang, Y. Hong, and J.G. Qi., 2009. Spatio temporal dynamics and evolution of land use change and landscape pattern in response to rapid urbanization. Landscape and Urban Planning. 92, 187-198.
  5. Hapsary, M. S. A., Subiyanto, S., & Firdaus, H. S. (2021). Analisis prediksi perubahan penggunaan lahan dengan pendekatan artificial neural networ dan regresi logistik di kota Balikpapan. Jurnal Geodesi UNDIP, 10(2), 88–97. https://ejournal3.undip.ac.id/index.php/geodesi/article/view/30637
  6. Jiang, D., Huang, Y., Zhuang, D., Zhu, Y., Xu, X., & Ren, H., 2012. A Simple Semi-Automatic Approach for Land Cover Classification from Multispectral Remote Sensing Imagery. PloS one, 7(9), e45889.
  7. Kubangun, S.H., Oteng, H., dan Komarsa, G., 2016. Model Perubahan Penutupan/Penggunaan Lahan Untuk Identifikasi Lahan Kritis Di Kabupaten Bogor, Kabupaten Cianjur, Dan Kabupaten Sukabumi. Majalah Ilmiah Globë, 18 (1), 21-32.
  8. Nugroho, R. A., & Handayani, H. H. (2021). Prediksi Perubahan Tutupan Lahan Menggunakan Metode Markov Chain dan Citra Satelit Penginderaan Jauh (Studi Kasus: Kota Surabaya). Jurnal Teknik ITS, 9(2). https://doi.org/10.12962/j23373539.v9i2.54473
  9. Permatasari, R. (2017). Effect of Changes in Land Use on Watershed Hydrological Regimes (Case Study: Komering Watershed). Jurnal Teknik Sipil, 24(1), 91–98. https://doi.org/10.5614/jts.2017.24.1.11
  10. Putri I M G, Supriatna, Koestoer R H and Siwi S E 2019 IOP Conf. Series: Earth and Environmental Science (United Kingdom: IOP Publishing Ltd) 311 012073
  11. Peter A, Zachariah B, Damuut LP and Abdulkadir S. 2021. Efficient traffic control system using fuzzy logic with priority [Proceeding]. International Conference on Information and Communication Technology and Applications 1350: 660–674.
  12. Staddal, I., Haridjaja, O., & Hidayat, Y. (2017). Analisis debit aliran sungai DAS Bila, Sulawesi Selatan. Jurnal Sumber Daya Air, 12(2), 117–130. https://doi.org/10.32679/jsda.v12i2.56
  13. Trihendradi, Cornelius. 2011. Step by Step SPSS 18 Analisis Data Statistik. Yogyakarta.
  14. Trisasongko, B.H., D.R. Panuju, L.S. Iman, Harimurti, A.F. Ramly, V. Anjani, dan H. Subroto., 2009. Analisis Dinamika Konversi Lahan di Sekitar Jalur Tol Cikampek. Publikasi Teknis DATIN. Kementrian Negara Lingkungan Hidup, Jakarta.
  15. Wahyudi, M. E., Munibah, K., & Widiatmaka, W. (2019). Perubahan penggunaan lahan dan kebutuhan lahan permukiman di kotaBontang, Kalimantan Timur. Tataloka, 21(2), 267. https://doi.org/10.14710/tataloka.21.2.267-284

Artikel paling banyak dibaca berdasarkan penulis yang sama