Pemodelan Penentuan Hutan Lindung (HL) dengan Metode Pembobotan Perbandingan Berpasangan

Studi Kasus Kawasan Hutan Lindung (HL) Pulau Belitung

Pembimbing:DR. Albertus Deliar, MT

DR. Agung Budi Harto, M.Eng

Ujian Tesis GD 6091

Fahrudin25111002

Nilai Strategis Hutan

1. Mega Biodiversity

2. Sistem Pendukung Kehidupan:

Ekologi

Ekonomi

Sosial

3. Mengatur Perubahan Iklim

LATAR BELAKANG

Kriteria Fisik yang diskoring :

1. Kelerengan

2. Kepekan Tanah (erodibilitas)

3. Intensitas Hujan

SK Mentan No. 837/Kpts/Um/11/1980

Kriteria Hutan Lindung (HL)Model Skoring

Hutan Lindung (HL) = (*Lereng + * 20) + (*Tanah+ * 15) + (*Hujan + * 10) ≥ 175

PENELITIAN SEBELUMNYA

GUNGGUNG SENOAJI

JENIS MODEL

1. Model Kesesuaian Biner

2. Model Pembobotan

Model Kesesuaian Biner

• Dipakai untuk masalah yang sederhana – seperti query

• Klasifikasi layer ke dalam kelas baik ( 1 ) dan buruk ( 0 )- Kombinasi dengan AND,

penambahan dan perkalian:

Ski = [Snow] & [Slope] & [Sun]

• Keuntungannya adalah mudah digunakan

• Kerugiannya:1. Tidak ada situs terbaik berikutnya2. Semua layer dan kelas yang baik memiliki

kepentingan yang sama

Model Pembobotan

Digunakan untuk masalah yang kompleks

Layer diklasifikasi ke skala kesesuaian 1–9 (1= worst ; 9 = best)

1 9 5

1 5

9

Keuntungan : o Semua nilai dan layer mempunyai

kepentingan relatif

o Mengembalikan kesesuaian pada skala 1 – 9

1 9

5

5.0 6.6

1.8 4.2 9 7.0

Hutan Lindung = ([Slope]*0.2)+([DEM]*0.2)+([Non_Hutan]*0.2)+([Tubuh Air]*0.2)+([Tanah]*0.2)

Dibobotkan dan ditambah bersamaan

• Kerugian:Penilaian kepentingannya lebih sulit

1.RATING

2.RANKING

3.PAIRWISE COMPARISON

Model Pembobotan

Model PembobotanPairwise Comparison

THOMAS L. SAATY

Dalam Konteks Analytic

Hierarchy Process, AHP

Adanya pertimbanganprioritas relatif faktor-faktornya

Adanya Struktur Hierarki

Adanya skala baku

KEL

EBIH

AN

Pengelompokan kedalamlevel yang berbeda, denganisi berupa elemen-elemenyang sama

M e m a k a i s k a l a 1 - 9 u n t u kkeseragaman denganmempertimbangkan konsistensilogis (CR)

Dapat memi l ih a l ternat i fterbaik berdasarkan tujuanyang diinginkan

Input utama berupa persepsi seorang ahl i , tergantung pada subyektifitas sang ahli.

Alasan Memilih Metode Pairwise Comparison

sangat bergantungpada input utamanyaKEKURANGAN

PENELITIAN SEBELUMNYA

Analisis Risiko Aliran Piroklastik Gunung Merapi Semeru Jawa Timur, Menggunakan Metode Ranking dan

Perbandingan Berpasangan (Novie Noor Afatia)

A GIS-based multi-criteria decision making approach to forest conservation planning at a landscape

scale: a case study in the Kinabalu Area, Sabah, Malaysia

(Mui-How Phuaa, Mitsuhiro Minowab)

PERMASALAHAN

Bagaimana cara menentukan HL PulauBelitung metode pairwise comparison denganpembobotan yang konsisten (CR , 0,1).

Bagaimana cara menentukan model yangpaling potensi dari semua skenario yangdibuat.

“Pemodelan penentuan hutan lindung (HL) denganmetode pembobotan pairwise comparison”

TUJUAN PENELITIAN

WILAYAH STUDI

http://webgis.dephut.go.id/ditplanjs/index.html

RUANG LINGKUP PENELITIAN

1. Diasumsikan bahwa peta-peta yang digunakan dalampenelitian memiliki ketelitian geospasial yang sama,yaitu Peta Digital SK Menhut No. 357/Menhut -II/2004, peta RBI, peta kelerangan, peta ketinggian,peta vegetasi dan peta jenis tanah;

2. Layer yang dibuffer diberi batas jarak. Batas bufferpeta non hutan 100 m, batas buffer peta tubuh air500 m;

3. peta model direclass equal interval sebelumdicrosstab dengan peta hutan dan

4. Metode pembobotan untuk pemodelan adalahperbandingan berpasangan.

METODOLOGI PENELITIAN

Tanjung Kelayang Belitung

Diagram Alir MetodologiPENDEFINISIAN

MODEL

PEMILIHAN LAYER MODEL

PEMBOBOTAN PAIRWISE

COMPARISON

15 SKENARIO

LAYER

TERPILIH

HUTAN

PERBANDINGAN

NILAI KAPPA & AKURASI TINGGI

YA

PETA MODEL HL

MCE

15 PETA HASIL MCE

REKLASIFIKASI

REKLASIFIKASI

LAYER REKLASIFIKASI

HUTAN RC

PETA VEGETASI BELITUNG

KLASIFIKASI

BOBOT KRITERIA

MENDEFINISIKAN MODEL

Definisi Hutan Lindung

UU Kehutanan No. 41/1999 Pasal 1 Nomor 8

Hutan Lindung adalah:“Kawasan hutan yang mempunyai fungsi pokok sebagai

perlindungan sistem penyangga kehidupan untuk:”

2. mencegahbanjir

3. mengendalikanerosi

4. mencegahintrusi air laut

5. memeliharakesuburan tanah

1. mengatur tata air

MEMILIH LAYER MODEL

1. Layer Kelerengan (Slope)2. Layer Ketinggian (DEM)3. Layer Non Hutan4. Layer Tubuh Air5. Layer Kepekaan Tanah

RE-KLASIFIKASI

Tipe-tipe Satuan

Tipe-tipe SatuanCont.

Bertingkat

Menyamakan skala layer

1. Pertama semua nilai ditarik ke skala kesesuaian 1- 9,1= jelek; 9= terbaik

2. Kedua semua nilai ditarik ke daerah byte0 – 255 yang diassignment berdasarkan skala kesesuaian

Kesesuaian ketinggian1- Tidak potensi2- Potensi buruk3- Agak potensi4- Kurang potensi5- Potensi rata-rata6- Potensi sedang7- Potensi baik8- potensi sangat baik9- Potensi ekstrim

1. Skala KesesuaianKesesuaian ketinggian28 - Tidak potensi57 - Potensi buruk85 - Agak potensi113 - Kurang potensi142 -Potensi rata-rata170 -Potensi sedang198 -Potensi baik227 -potensi sangat baik255- Potensi ekstrim

2. Skala Byte

Re-klasifikasi Layer DEM

1. DemAwal

2. DemKesesuaian

3. DemByte

PEMBOBOTAN

Pulau Lengkuas Belitung

Struktur Hierarki Keputusan HL

LEVEL 1 : GOAL

LEVEL 3 : SKENARIO

HUTAN

LINDUNG (HL)

SLOPE DEM NON HUTAN TUBUH AIR TANAH

MODEL HL

SKENARIO 1

MODEL HL

SKENARIO 2

MODEL HL

SKENARIO 3

MODEL HL

SKENARIO 4

MODEL HL

SKENARIO 5-15

LEVEL 2 : KRITERIA

Eigen Vektor Skenario 1 Konsisten

Eigen Vektor Skenario

Tidak Konsisten

NILAI RASIO KONSISTENSI (CR) SETIAP SKENARIO

0.00

0.02

0.04

0.06

0.08

0.10

0.12

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

NILAI CONSISTENCY RATIO (CR) SETIAP SKENARIO

CR

No KriteriaBobot Kriteria Skenario ke-

9 10 11 12 13 14 15

1 Slope 0.3103 0.2432 0,1998 0.2642 0.3736 0.1039 0.5290

2 Dem 0.3103 0.2432 0,3142 0.4359 0.1026 0.3177 0.0755

3 Non HL 0.0345 0.2432 0,0996 0.1551 0.183 0.1466 0.1107

4 Tubuh Air 0.3103 0.2432 0,3337 0.0985 0.224 0.1511 0.2043

5 Tanah 0.0345 0.027 0,0527 0.0464 0.1169 0.2808 0.0805

No KriteriaBobot Kriteria Skenario ke-

1 2 3 4 5 6 7 8

1 Slope 0.2000 0.6923 0.0769 0.0769 0.0769 0.0769 0.0906 0.3103

2 Dem 0.2000 0.0769 0.6923 0.0769 0.0769 0.0769 0.0906 0.0345

3 Non HL 0.2000 0.0769 0.0769 0.6923 0.0769 0.0769 0.184 0.3103

4 Tubuh Air 0.2000 0.0769 0.0769 0.0769 0.6923 0.0769 0.3174 0.3103

5 Tanah 0.2000 0.0769 0.0769 0.0769 0.0769 0.6923 0.3174 0.0345

BOBOT KRITERIA

KETERANGAN BOBOT KRITERIA

1. Skenario 1 semua layer memiliki

kepentingan yang sama untuk melihat

tingkat kesesuaiannya pada uji

perbandingan.

2. Skenario 2 sampai 6 tingkat

kepentingannya diurut untuk melihat

kriteria manakah yang paling penting.

3. Skenario 7 sampai 15 dibuat

berdasarkan tingkat kepentingan

skenario 2 sampai 6.

MULTI-CRITERIAEVALUATION (MCE)

Hutan Lindung = ([Slope]*0.2)+([DEM]*0.2)+([Non_Hutan]*0.2)+([Tubuh Air]*0.2)+([Tanah]*0.2).

PERSAMAAN MCE

UJI PERBANDINGAN

Tanjung Kelayang Belitung

BA

GA

N A

LIR

U

JI P

ER

BA

ND

ING

AN

OVERALL

KAPPA

OVERALL

ACCURACY

MODEL PALING

POTENSI

PETA HASIL

BOBOT

NILAI KAPPA &

AKURASI

TERTINGGI

PETA VEGETASI

BELITUNG

1 : 100.000

ANALISIS

SPASIAL

TRAINING SAMPLE

HUTAN

(0)= NON_HL; (1)= HL

NILAI

CROSSTAB

YA

RECLASSRECLASS EQUAL

INTERVAL

PETA RCLS EQUAL

(0)= NON_HL; (1)=HL

HUTAN UTM

48S

Cross-tabulation of hutan_48s_rc_2 tes

(columns) against skenario1_rc (rows)

0 1 Total

------------------------------

0 | 1550820 19589 | 1570409

1 | 17425 110010 | 127435

------------------------------

Total | 1568245 129599 | 1697844

Chi Square = 1210119.50000

df = 1

P-Level = 0.0000

Cramer's V = 0.8442

Proportional Crosstabulation

0 1 Total

------------------------------

0 | 0.9134 0.0115 | 0.9249

1 | 0.0103 0.0648 | 0.0751

------------------------------

Total | 0.9237 0.0763 | 1.0000

Overall Kappa = 0.8442

Overall Accuracy = 97.82%

NILAI VALIDASIHASIL PEMODELAN

SkenarioOverall

Kappa

Overall

Accuracy

Luas Hutan

(Ha)

1 0.8442 97.82% 109602.28

2 0.3400 93.57% 36397.92

3 0.4314 94.41% 37774.88

4 0.8967 98.59% 102976.35

5 0.0321 91.64% 17332.87

6 0.3738 82.97% 337214.84

7 0.7087 96.44% 79138.81

8 0.6588 96.16% 62419.16

9 0.2737 93.07% 32902.62

10 0.7782 97.28% 79364.15

11 0.3554 93.51% 41840.4

12 0.4684 94.65% 41943.61

13 0.7066 96.32% 84343.92

14 0.7918 96.95% 120920.73

15 0.4458 94.17% 49618.82

GRAFIK UJI VALIDASIHASIL PEMODELAN

0

0.2

0.4

0.6

0.8

1

1.2

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Uji Validasi

Overall Kappa Overall Accuracy

PETA HASIL PEMODELAN

PETA HASIL PEMODELAN

REKOMENDASI

I. SKENARIO 4II. SKENARIO 1

III. SKENARIO 14

KESIMPULAN

1. Pemodelan penentuan hutan lindung (HL) dapatdilakukan dengan menggunakan metode pembobotanperbandingan berpasangan.

2. Peta model HL diperoleh setelah bobot kriteriaperbandingan berpasangan dievaluasi dengan MCE danpemilihan model yang paling baik dengan ujiperbandingan.

3. Nilai KIA uji perbandingan berturut-turut adalah rendahpada model 5, rata-rata pada model 2, 6, 9, 11, sedangpada model 3, 12, 15, tinggi pada model 7, 8, 10, 13, 14dan hampir sempurna pada model 1, 4 dengan rata-ratanilai overall accuracy-nya 94,50%.

SARAN

1. Pemilihan input kriteria untuk pemodelan HL tidakhanya memperhatikan aspek umum tetapi juga harusmemperhatikan aspek lokal dari wilayah yang akanditunjuk menjadi HL.

2. Peta hasil pemodelan perlu dibandingkan dengan petaHL yang lebih valid agar didapatkan nilai perbandinganyang lebih baik.

3. Perlu dilakukan penelitian lanjut agar didapat metodebaru dengan kombinasi kriteria dan skenario yangberbeda.

TERIMA KASIH