ACARA IMETODE SKORING UNTUK PEMODELAN SIGPEMODELAN KESESUAIAN

LAPORANUntuk Memenuhi Tugas MatakuliahPraktikum SIG Terapan Pengembangan Wilayah dan PariwisataYang dibina oleh Alfi Nur Rusydi, S.Si., M.Sc

Oleh :Muhamad Faqih Hidayatullah120722403888Offering G

UNIVERSITAS NEGERI MALANGFAKULTAS ILMU SOSIALJURUSAN GEOGRAFIJanuari 2015

ACARA IMETODE SKORING UNTUK PEMODELAN SIGPEMODELAN KESESUAIAN

I. Tujuan Untuk memahami aplikasi SIG berdasarkan pendekatan biner, pendekatan peringkat, dan pendekatan penilaian Untuk memahami dan menerapkan teknik pemetaan (input data untuk pemodelan kesesuaian) dengan menggunakan aplikasi software ArcGIS 10.1 Untuk menerapkan pendekatan biner, pendekatan peringkat, dan pendekatan penilaian untuk pemodelan kesesuaian

II. Alat dan Bahan Material1. Peta digital administrasi Kecamatan Girimulyo 2. Peta digital tanah Kecamatan Girimulyo3. Peta digital curah hujan Kecamatan Girimulyo4. Peta digital kontur Kecamatan Girimulyo Alat1. Laptop2. Software ArcGIS versi 10.1

III. Dasar TeoriKecamatan Girimulyo terletak di Kabupaten Kulon Progo, Provinsi Daerah Istimewa Yogyakarta. Secara geografis daerah penelitian terletak pada koordinat 110 07 14,5 110 11 36 BT dan 07 45 00 07 48 15 LS. Kecamatan Girimulyo dikenal sebagai salah satu lokasi yang berpotensi cukup tinggi dalam terjadinya tanah longsor. Hal ini terbukti dari banyaknya lokasi longsor yang ditemukan dan telah menimbulkan kerugian. Tanah longsor atau gerakan tanah adalah perpindahan material pembentuk lereng, dapat berupa batuan asli, tanah pelapukan, bahan timbunan atau kombinasi dari material-material tersebut yang bergerak ke arah bawah dan keluar lereng (Varnes, 1978 dalam Respati, et al, 2014).Berdasarkan uraian diatas, diperlukan suatu mitigasi bencana atau pemetaan daerah rawan bencana longsor. Hal tersebut agar dapat meminimalisir terjadinya longsor dan meminimalisir korban apabila terjadi bencana. Dalam hal ini, pemanfaatan teknologi dan aplikasi SIG (Sistem Informasi Geografi) sangat penting dan dibutuhkan dalam merencanakan pemetaan. Karena SIG berguna sebagai alat bantu (tools), data lebih padat karena dalam bentuk digital, kemampuan analisa spasial lebih cepat dan tipe analisa dapat dikembangkan, pemakai mendapatkan informasi yang lebih akurat, cepat dan dapat memanipulasi sesuai dengan spesifikasi yang dibutuhkan. Pemanfaatan aplikasi SIG bermacam-macam, baik untuk perencanaan wilayah, bidang kehutanan, pendidikan, sosial, pariwisata, kebencanaan, dan lain-lain.Melihat kondisi yang ada di Kecamatan Girimulyo, maka dalam hal ini pemanfaatan aplikasi SIG yang akan dilakukan yaitu untuk mengetahui bahaya longsor di Kecamatan Girimulyo dengan menggunakan 3 pemodelan kesesuaian yaitu Binary Model, Ranking Model, dan Rating Model. Pemodelan kesesuaian merupakan sebuah model habitat sederhana dapat dikembangkan hanya menggunakan reklasifikasi dan operasi overlay. Binary model atau model biner merupakan model overlay dengan cara melakukan perkalian pada peta lereng, peta tanah dan peta curah hujan, serta dengan reklasifikasi hanya 2 kelas saja yaitu 0 dan 1. Ranking Model atau model peringkat atau berjenjang merupakan model overlay dengan cara melakukan penjumlahan pada peta lereng, peta tanah dan peta curah hujan. Sedangkan Rating Model atau model penilaian merupakan dengan cara menilai atau memberi skor pada peta lereng, peta tanah dan peta curah hujan sesuai dengan parameternya.

IV. Langkah Kerja Langkah umum1. Add data shapefile atau data vektor Administrasi Girimulyo, Kontur Girimulyo, Jenis tanah Girimulyo, Curah hujan Girimulyo.2. Untuk mengkonversi peta kontur (vektor) ke Digital Elevation Model (DEM) dengan menggunakan alat (ArcToolbox) 3D Analyst Topo to Raster (pilih field Elevasi dan Contour sebagai Type) lalu gunakan tools Extract by Mask pada menu Spatial Analyst Tools Extraction Extract by Mask3. Untuk membuat peta kemiringan (raster) yang berasal dari DEM Peta (raster) dengan menggunakan tools yaitu Spatial Analyst Tool Surface Slope4. Untuk interpolasi data titik hujan (vektor) ke Peta interpolasi curah hujan (raster) dengan menggunakan menu ArcToolbox 3D Analyst Topo to Raster (pilih field CHujan dan point elevasi sebagai Type) lalu gunakan tools Extract by Mask pada menu Spatial Analyst Tools Extraction Extract by Mask5. Untuk mengubah peta tanah (vektor) ke dalam peta tanah (raster) dengan menggunakan tools Conversion To Raster

Pendekatan Biner1. Untuk mereklasifikasi peta raster tanah, peta interpolasi curah hujan, dan peta kemiringan lereng dengan menggunakan tools Reclassify pada menu ArcToolbox yaitu Spatial Analyst Tools Reclass Reclassify, dengan klasifikasi sebagai berikut :a. Untuk peta kemiringan : 40% 1 b. Untuk peta tanah : latosol dan grumusol 1; regosol 0 c. Untuk peta curah hujan : 350 1 2. Untuk menghitung peta bahaya longsor dengan menggunakan pendekatan biner yaitu sebagai berikut:a. Spatial Analyst Tools Map Algebra Raster Calculatorb. Gunakan rumus perhitungan yaitu slope_bin * soil_bin * rainfall_bin c. Untuk mengklasifikasikan peta bahaya longsor biner ke dalam kelas yaitu: Daerah aman: 0, dan daerah bahaya longsor: 1

Pendekatan Ranking1. untuk menghitung peta bahaya longsor berdasarkan pendekatan peringkat atau berjenjang dengan menggunakan tools Raster Calculator, yaitu dengan rumu slope_bin + soil_bin + rainfall_bin2. Untuk klasifikasi peta bahaya longsor pendekatan peringkat yaitu ke dalam kelas:0: aman; 1: bahaya rendah; 2: Bahaya sedang; 3: Bahaya tinggi

Pendekatan Rating:1. Dalam pendekatan rating ini perlu mereklasifikasi ulang setiap peta raster (slope_ras peta, rain_ras peta, dan soil_ras peta), yaitu sebagai berikut :a. Untuk soil_ras peta :- Regosol 3- Latosol 7- Grumusol 9b. Untuk slope_ras peta :- 150% 9c. Untuk rain_ras peta :- 450 mm 92. Untuk menghitung peta bahaya longsor dengan menggunakan tools raster calculator yaitu dengan rumus sebagai berikut:Float (slope_rec + rain_rec + soil_rec) / 33. Untuk mengklasifikasikan peta bahaya longsor yaitu menjadi lima kelas:1: daerah aman2: daerah bahaya Rendah3: daerah bahaya Moderat4: daerah bahaya Tinggi5: daerah bahaya Sangat Tinggi

Layout Peta1. Peta Raster (Peta Tanah, Peta Lereng, Peta Curah Hujan)2. Peta Binary (Peta Tanah, Peta Lereng, Peta Curah Hujan)3. Peta Bahaya Longsor Pendekatan Biner (Binary Approach)4. Peta Bahaya Longsor Pendekatan Peringkat (Ranking Approach)5. Peta Bahaya Longsor Pendekatan Penilaian (Rating Approach)

Diagram Alir Peta RasterShapefile KonturShapefile Data Titik Curah HujanShapefile Jenis Tanah

Conversion To RasterTopo To Raster

Extract by Mask

Output :Peta Jenis Tanah Raster

Output :Peta Curah Hujan RasterSlope

Output :Peta Slope Raster

Peta BineriPeta Curah Hujan RasterPeta Jenis Tanah RasterPeta Slope Raster

Reclassify

Klasifikasi kelas : Peta kemiringan lereng : 40% 1 Peta tanah : latosol dan grumusol 1; dan regosol 0 Peta curah hujan : 350 1

Output :Peta Lereng BinerOutput :Peta Jenis Tanah BinerOutput :Peta Curah Hujan Biner

Peta Bahaya Longsor (Pendekatan Binary)Output :Peta Jenis Tanah BinerOutput :Peta Curah Hujan BinerOutput :Peta Lereng Biner

Raster Calculator

Peta Lereng Biner * Peta Curah Hujan Biner * Peta Jenis Tanah Biner

Output :Peta Bahaya Longsor (Pendekatan Binary)

Peta Bahaya Longsor (Pendekatan Ranking)Reclassify ulangPeta Jenis Tanah RasterPeta Curah Hujan Raster

Output :Peta Bahaya Longsor (Pendekatan Ranking)Peta Lereng Biner + Peta Curah Hujan Biner + Peta Jenis Tanah BinerRaster CalculatorOutput :Peta Jenis Tanah BinerOutput :Peta Curah Hujan BinerOutput :Peta Lereng Biner

Peta Bahaya Longsor (Pendekatan Rating)

Klasifikasi Kelas Peta Janis Tanah :- Regosol 3- Latosol 7- Grumusol 9

Klasifikasi Kelas Peta Curah Hujan :- 450 mm 9

Klasifikasi kelas Peta Lereng :-