Prediksi Perubahan Tutupan Lahan (Bagian 1) : Skenario Business As Usual (BAU) Pada Terrset

Salah satu metode yang digunakan untuk melakukan simulasi perubahan penutupan ataupun penggunaan lahan adalah Cellular Automata Markov atau lebih dikenal dengan CA Markov. Metode ini sebetulnya adalah gabungan antara Cellular Automata dan Markov Chain.

Asumsi dalam Cellular Automata beranggapan perubahan penggunaan lahan pada tahun–tahun yang akan datang berjalan sesuai dengan model yang terjadi pada masa lalu, dimana faktor-faktor penghambat dan pendorong terjadinya perubahan penggunaan lahan tidak dikaji.

CA Markov dikembangkan oleh ilmuwan Rusia bernama Anderi A Markov, menurutnya probabilitas terjadinya suatu peristiwa ditentukan oleh peristiwa yang secara langsung mendahuluinya dan dapat digunakan untuk memprediksikan peristiwa berikutnya. Probabilitas tersebut disebut dengan istilah probabilitas transisi dan bersifat tetap (stationary process).

Jika ingin lebih lengkap mengenai konsep lebih teknis CA Markov ini silahkan baca beberapa jurnal akademis yang bisa diakses secara gratis, salah satunya adalah ini.

Lintasbumi kembali berbagi pengalaman permodelan penutupan lahan menggunakan CA Markov yang kali ini terbagi ke dalam 2 bagian. Postingan ini merupakan hasil menggali kembali catatan-catatan dan powerpoint sewaktu kuliah. Sebelumnya Lintasbumi pernah menuliskan hal serupa yaitu menggunakan aplikasi open source Molusce dan QGIS, nah kali ini yang dijelaskan adalah menggunakan software Idrisi 18.3 atau sering disebut Terrset. Hal ini juga sebagai alternatif karena Molusce sudah tidak running lagi di QGIS versi 3.

Baca Juga : Mau Bikin Model Perubahan dan Prediksi Penggunaan Lahan? Pake Aja QGIS & MOLUSCE!


Persiapkan Shp Penutupan Lahan dan Pola Ruang

Untuk mempersiapkan simulasi / proyeksi perubahan penutupan lahan ini tentunya yang harus dipersiapkan pertama adalah data penutupan / penggunaan lahannya. Data yang digunakan Lintasbumi adalah penutupan lahan Kecamatan Kuningan hasil clip dari data kabupaten, tahun 2011 dan 2016. Oh iya, ngomong-ngomong soal data tutupan lahan untuk permodelan, dari pengalaman Lintasbumi sebaiknya tidak menggunakan datanya KLHK, sebab terkadang suka terlihat tidak konsisten dan repot dijadikan bahan proyeksi, apalagi skalanya juga kecil. Jadi sebaiknya cari alternatif sumber lain. Untuk pengolahan shp Lintasbumi menggunakan ArcGIS.

Langkah pertama, usahakan shp nya berproyeksi UTM. Setelah itu memberi kode (angka) untuk setiap tipe penutupan lahan. Sebagai catatan jumlah penutupan lahan di kedua shp (awal dan akhir) haruslah sama, jadi jika ada yang berbeda maka usahakan yang lebih disamakan ke yang lebih sedikit, masukan tipe tutupan lahan yang tidak sama ke tipe yang terdekat atau kodenya disamakan dengan kode tipe penutupan lahan terdekat. Add field dengan nama kode_lu atau terserah teman-teman, tipe nya short / long integer, setalah itu masukan kode dari 1 sampai sesuai dan sejumlah tipe penutupan lahan. Lihat legenda di gambar berikut.

Peta tutupan lahan
Peta tutupan lahan

Setelah semua tutupan lahan terkode, rubahlah shp menjadi raster, menggunakan perintah Polygon to Raster pada ArcGIS. Lintasbumi memilih raster tipe file Erdas (.img), value field = Kode_LU, ukuran / resolusi 30 m, tipe Cell Center. Setelah menjadi raster, cek properties nya apakah jumlah baris – kolom (rows – columns) untuk masing-masing raster sudah sama. Jika belum sama, maka silahkan dengan segala cara dimodifikasi dulu / edit shp nya dan baru diekspor lagi. Karena kalau tidak maka tidak akan bisa diproses di Terrset. Untuk format raster bisa juga dipilih GeoTIFF (.tif).

Raster penutupan lahan hasil eksor
Raster penutupan lahan hasil eksor

 

Import Data Penutupan Lahan dan Kesesuaian di Terrset

Setelah shp penutupan lahan dikonversi menjadi raster, kemudian data tersebut harus dirubah ke format raster Terrset. Jika ingin unduh Terrset silahkan klik di sini. Terlebih dulu semua raster sebaiknya sudah dipindahkan di satu folder khusus, jika itu sudah dilakukan maka tinggal ikuti langkah selanjutnya. Buka Terrset dan arahkan dulu Working Folder ke folder tersebut.

Kemudian barulah lakukan impor, dalam simulasi ini karena raster yang Lintasbumi hasilkan berformat Erdas (.img), maka pada Terrset diilih menu impor Erdas ke Idrisi (ERDIDRIS). Impor satu per satu atau gunakan batch import (jika raster GeoTIFF). Penamaam file hasil impor samakan dengan raster aslinya atau bisajuga dibedakan.

Impor selesai, file hasil impor berformat .rst. Pada kasus Lintasbumi raster hasil impor menjadi 15 kelas, padahal aslinya hanya 7 kelas penutupan lahan (lihat gambar bawah). Untuk memperbaikinya lakukan perintah Assign, yaitu klik File – Data Entry – Edit, akan keluar notepad.

Kode tutupan lahan menjadi 15
Kode tutupan lahan menjadi 15

Sebagai langkah pertama buat urutan angka 1 – 7 secara ganda (lihat gambar bawah), kemudian save as data tersebut sebagai file .avl, dalam contoh ini dinamai best.avl. Selanjutnya proses Assign dengan klik perintah File – New Data Entry – Assign, sebagai Feature definition image adalah raster hasil impor yang 15 kelas tadi, Output image tentukan nama baru di mana dalam contoh Lintasbumi nama file asli ditambah _as, lalu untuk Attribute value file arahkan ke file .avl. Klik OK dan akan menghasilkan raster baru yang sesuai kelasnya. Lakukan sekali lagi untuk peta penutupan lahan berikutnya (2016), dengan tetap menggunakan file .avl yang sama.

Edit dan proses Assign
Edit nilai dan jendela menu Assign
Hasil Assign
Hasil Assign

Agar legendanya menjadi lebih informatif, atur ulang category nya pada masing-masing file maka hasil Assign tadi jika perlu. Caranya jika nama file .rst diklik, ada jendela yang muncul di bawahnya, cari Categories, edit isinya dengan mengisikan kode dan keterangan tipe tutupan lahan yang sesuai. Setelah itu klik OK dan klik tombol save di kiri bawah, refresh atau buka kembali file tersebut.

Perbaruan kategori / legenda
Perbaruan kategori / legenda
Update legenda
Hasil perbaruan kategori

 

Markov Transistion Estimator

Metode CA Markov ini menggunakan probabilitas transisi sebagai bahan dasarnya. Maka setelah data penutupan lahan siap, langkah pertama yaitu terlebih dulu membuat markov transistion estimator, dengan perintah IDRISI GIS Analysis – Change / Time Series – Markov.

Sebagai First land cover image = penutupan lahan 2011 (hasil Assign), Second … = penutupan lahan 2016 (hasil Assign), Prefix = masukan kata preposisi, bebas saja tapi jangan terlalu panjang, pada contoh adalah kuningan. Number of time period between the first and second land cover images = 5 (karena LU 2011 – 2016), Number of time period to project forward from the second image = berapa tahun yang akan diprediksi, dalam simulasi ini adalah 5 tahun. Yang lain ikuti default, pada Proportional error = 0.15 (atau 15%). Nilai ini adalah nilai standar error yang diestimasi pada metode klasifikasi maximum likelihood. Setelah itu klik OK.

Perintah Markov
Perintah Markov

Markov transistion estimator ini akan menghasilkan cross tabulation table yang menyajikan probabilitas (berapa besar kemungkinan secara linier) satu tipe penggunaan lahan berubah menjadi tipe lainnya. Seperti bisa dilihat pada gambar berikut;

Tabel probabilitas Markov
Tabel probabilitas Markov

 

Proyeksi Bussiness As Usual Dan Validasi Hasil Simulasi

Setelah Markov transistion estimator nya ada, langkah selanjutnya adalah melakukan proyeksi penutupan lahanProyeksi ini sifatnya standar, artinya hanya mengikuti pola perubahan yang terjadi secara linier antara penutupan lahan awal dan akhir, yang sering disebut skenario Bussiness As Usual. Setelah dihasilkan Markov transistion estimator, selanjutnya jalankan perintah CA Markov, klik IDRISI GIS Analysis – Change / Time Series – CA Markov. 



Pada simulasi ini sebagai Basis land cover image = LU tahun 2011 (hasil Assign). Hal ini dipilih karena akan memprediksi tahun 2016 yang nantinya akan divalidasi dengan LU tahun 2016 yang sebenarnya. Idealnya memang dalam simulasi CA Markov ini dipersiapkan 3 tahun penutupan lahan. Selanjutnya untuk Markov Transition … dan Transition Suitability …,  arahkan ke file yang berawalan kuningan. Untuk Output land cover projection = sesuaikan lokasi dan namanya (bebas). Number of Cellular Automata iterations = 5 (agar diproses iterasi dilakukan per tahun, jadi jika prediksi 10 tahun maka isikan 10 dan seterusnya). Yang lain default saja, klik OK dan lamanya (progress) bergantung kepada besaran tahun prediksi, ukuran raster dan spek komputer.

Progress CA Markov
Progress CA Markov
Penutupan lahan 2016 asli dan proyeksi
Penutupan lahan 2016 asli dan proyeksi

Setelah dihasilkan raster hasil proyeksi penutupan lahan, lakukan validasi antara penutupan lahan hasil proyeksi dengan penutupan lahan yang sesungguhnya. Di dalam Terrset ada beberapa pilihan untuk melakukannya, bisa dengan perintah Crosstab (Cross Tabu;ation), Validate atau Errmat (Error Matrix). Lintasbumi sendiri lebih sering menggunakan Errmat.

Caranya klik  IDRISI Image Processing – Accuracy Assessment – ERRMAT. Mana yang dijadikan sebagai Ground truth image dan Categorical map image bebas saja, yang penting adalah antara raster hasil proyeksi tahun yang dimaksud dan raster tutupan lahan tahun yang dimaksud yang sebenarnya.

Hasil validasi
Hasil validasi dengan Errmat
Hasil validasi dengan Validate
Hasil validasi dengan Validate

Hasil validasi dengan Errmat dan Validate memberikan hasil yang berbeda, di mana pada simulasi ini hasil Errmat menunjukan Overall Kappa = 0,87 (87%), sedangkan Validate menunjukan Kstandard = 0,92 (92%). Nilai kappa minimal yang bisa diterima biasanya di atas 80%, ada juga yang mengatakan di atas 85% (beberapa referensi mungkin perlu dicari jika ingin lebih yakin). Intinya nilai kappa hasil simulasi ini bisa diterima. Ini juga berarti matrik Markov transistion estimator yang dihasilkan bisa diterima untuk melakukan simulasi.

Pada contoh ini idealnya data penutupan lahan yang digunakan sebagai simulasi ada 3, misalnya 2011, 2016, dan 2020. Data tahun 2011 dan 2016 diproses dengan CA Markov untuk prediksi penutupan lahan tahun 2020. Setelah itu validasi dilakukan antara raster pentupan lahan proyeksi 2020 dengan penutupan lahan 2020 sesungguhnya.

Ekspor Raster Hasil Proyeksi Menjadi Shp Di Terrset

Bisa saja hasil proyeksi ini ingin dianalisis lebih lanjut atau dilayout yang sebaiknya dilakukan di ArcGIS atau QGIS, sehingga umumnya dijadikan shp. Caranya adalah rubah dulu raster menjadi vector nya si Terrset, klik File – Reformat – RASTERVECTOR. Pada jendela yang muncul pilih Raster to vector, Conversion option = Raster to polygon, Output option = Idrisi polygon file. Sebagai Input image adalah raster hasil proyeksi dan Output Idrisi polyogon file = tentukan sendiri, file ini akan berekstensi .vct. Setelah terisi semua klik OK, hasil ekspor muncul.

Proses raster to vector
Proses raster to vector

Selanjutnya rubah file .vct tadi menjadi shp, caranya klik File – Export – Software Spesific Formats – SHAPEIDR (Esri Shape). Pada jendela yang muncul pilih Idrisi to Shapefile dan Export vector layer without a database.

Konversi Vector Idrisi ke Shp
Konversi Vector Idrisi ke Shp

Hasil ekspor Shp berupa poligon, menunjukan pada attribute table terdapat ada 8 value (kolom DATA_VALUE), di mana 0 adalah sebagai backgroud, sedangkan 1 – 7 sama dengan kode penggunaan lahan sebelumnya.

Shp hasil ekspor
Shp hasil ekspor

Sampai sini proyeksi penutupan lahan sukses dilakukan. Pada postingan berikutnya akan dibahas mengenai proyeksi penutupan lahan menggunakan skenario pola ruang atau RTRW.



Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *