Publisher

USMUSM

Journal Jurnal TransformatikaJurnal Transformatika Abstract

Kecamatan Bandungan dan Sumonowo merupakan wilayah di Kabupaten Semarang yang ditetapkan sebagai kawasan Agropolitan. Pelaksanaan pembangunan di daerah tersebut berdampak negatif terhadap kuantitas dan tren sistem pertaniannya. Menurunnya semangat pertanian global dan nasional juga tidak sepenuhnya terjadi di semua lini pertanian didaerah tersebut. Penelitian ini berusaha memetakan penataan ruang secara objektif dengan metode Artificial Neural Network. Dimana hubungan antar objek spasial dikalkulasikan potensi perubahannya pada dua data spasial yang berbeda tempo. Hasilnya didapatkan bahwa simulasi objektif dengan metode ANN terhadap data spasial hasil klasifikasi menggunakan metode minimum distance diperoleh min validation error 0,0656. Hasil validasinya juga cukup baik, yaitu memperoleh prosentasi kebenaran 85,3% dan index kappa 0.80. Peta simulasi dihasilkan sampai pada tempo 2021. Dari peta simulasi didapatkan pengetahuan bahwa sistem pertanian terbuka akan terus mengalami pertumbuhan luasan secara positif dengan kisaran 0,015%. Adapun sistem pertanian tertutup akan terus mengalami penyusutan luasan pada kisaran 0,01%. Pengetahuan ini bisa menjadi alternaif solusi dalam mempertimbangkan implementasi rencana tata ruang dan wilayah pada kawasan tersebut.

Conclusion

Algoritma penataan ruang secara objektif dengan metode Artificial Neural Network (ANN) model Multilayer Perceptron (MLP) dalam penelitian kawasan agropolitan ini berhasil mendapatkan gambaran kondisi spasial di masa depan, ditunjukkan dengan nilai min validation error yang rendah (0,06566) dan akurasi validasi yang tinggi (85,3% dengan indeks Kappa 0.Penelitian ini menegaskan bahwa sistem pertanian terbuka di Kecamatan Bandungan dan Sumowono cenderung mengalami pertumbuhan positif sekitar 0,015%, sementara pertanian tertutup mengalami penyusutan kecil sekitar 0,01%, mengindikasikan bahwa pertanian secara keseluruhan akan terus berkembang dan kemungkinan didominasi oleh pertanian krisan.Meskipun fokus pada simulasi masa depan dan menunjukkan integritas kinerja ANN, penelitian ini mengakui adanya keterbatasan dalam detail penjelasan pra-proses citra digital dan penanganan gangguan awan pada tahap klasifikasi.

Future Research

Untuk memperkaya pemahaman dan akurasi model penataan ruang kawasan agropolitan, beberapa arah penelitian lanjutan yang menjanjikan dapat dieksplorasi. Pertama, mengingat adanya keterbatasan dalam proses klasifikasi citra digital dan penanganan gangguan awan, penelitian ke depan dapat berfokus pada pengembangan atau pengujian algoritma klasifikasi citra yang lebih canggih, seperti metode deep learning, yang secara spesifik dirancang untuk membedakan objek spasial kompleks seperti lahan pertanian tertutup plastik dengan area terbangun, sekaligus mengintegrasikan teknik penghilangan awan yang lebih efektif pada citra Sentinel 2a. Hal ini akan meningkatkan keakuratan peta penggunaan lahan awal yang menjadi input penting bagi simulasi. Kedua, model Artificial Neural Network yang saat ini hanya menggunakan infrastruktur jalan sebagai faktor pendorong perubahan dapat diperluas dengan memasukkan lebih banyak variabel penentu. Studi selanjutnya bisa mengkaji dampak faktor sosial-ekonomi seperti pertumbuhan penduduk, kebijakan tata ruang yang lebih spesifik, akses pasar, atau bahkan perubahan iklim mikro terhadap dinamika perubahan penggunaan lahan, guna menghasilkan simulasi yang lebih komprehensif dan mendekati realitas multidimensional. Terakhir, validasi model prediksi masa depan, terutama interpretasi tren pertumbuhan pertanian terbuka dan penyusutan pertanian tertutup, dapat diperkuat melalui pendekatan partisipatif. Penelitian di masa mendatang dapat melibatkan pemangku kepentingan lokal, seperti petani dan perencana wilayah, melalui wawancara mendalam atau fokus grup diskusi untuk mengkonfirmasi atau memperkaya pemahaman terhadap tren yang disimulasikan, serta mengidentifikasi faktor-faktor kearifan lokal atau strategi adaptasi yang mungkin belum terdeteksi oleh analisis spasial murni, sehingga rekomendasi kebijakan yang dihasilkan menjadi lebih relevan dan dapat diterima masyarakat setempat.

Metadata

File size	1.3 MB
Pages	15
DMCA	Report