analisis kesesuaian lahan untuk perumahan di …

Jurnal Informanika, Volume 6 No.2, Juli-Desember 2020 ISSN :2407-1730

23

ANALISIS KESESUAIAN LAHAN UNTUK PERUMAHAN DI KELURAHAN

MARIANA KECAMATAN BANYUASIN 1 DENGAN METODE FUZZY

MAMDANI DAN SISTEM INFORMASI GEOGRAFIS (SIG)

Nia Umilizah

Dosen Sistem Informasi, Fakultas Ilmu Komputer Universitas Sjakhyakirti

Email :[email protected]

ABSTRAK

Kebutuhan rumah yang terus meningkat menyebabkan banyak pengembang

yang membangun perumahan untuk mencukupi kebutuhan konsumen, namun

pembangunan tersebut banyak yang tidak sesuai dengan kesesuaian lahannya maka dari

itu penelitian ini bertujuan untuk menganalisis kesesuaian lahan untuk perumahan

terutama Di Keluarahan Mariana Kecamatan Banyuasin 1 Dengan Metode Fuzzy

Mamdani Dan Sistem Informasi Geografis (SIG). Dari metode Fuzzy Mamdani

mendapatkan hasil kesesuaian yaitu RT 7, RT 24 dan RT 25 dengan nilai 4.912 dan Rt

23 dengan nilai 7,586 dan dari empat lokasi tersebut tidak sesuai untuk dijadikan

perumahan karena nilai dari kesesuaian lahanya <40. Aturan fuzzy menjelaskan nilai

yang kesesuaiannya <40 adalah tidak sesuai untuk di jadikan perumahan sedangkan

dengan Sistem Informasi Geografis (GIS) dengan skala 1 : 40000, dalam peta tersebut

terdapat empat warna yang menjelasakan setiap lokasi penelitian empat warna tersebut

adalah orange untuk Rt 07, ungu untuk Rt 23, biru untuk Rt 24 dan pink untuk Rt 25.

Jadi dapat disimpulkan Kesesuaian Lahan Untuk Perumahan Di Keluarahan Mariana

Kecamatan Banyuasin 1 Tidak Sesuai.

Kata Kunci:Fuzzy Mamdani, Sistem Informasi Geografis (SIG)

I. PENDAHULUAN

1.1 Latar Belakang

Pada era informasi ini,

kebutuhan informasi menjadi semakin

kompleks dan beragam. Masyarakat

memerlukan akses secara cepat dan

mudah untuk memperoleh informasi.

Dengan semakin berkembangnya

teknologi informasi, banyak instansi

dan masyarakat maju yang telah

memanfaatkan teknologi informasi

untuk memperoleh informasi. Informasi

yang dibutuhkan masyarakat

pada saat ini, salah satunya adalah

kebutuhan informasi geografis.

Teknologi SIG (Sistem Informasi

Geografis) / Georaphic Information

System (GIS) merupakan suatu

teknologi mengenai geografis yang

sangat berkembang.

Semakinmeningkatnyapersainga

n bisnis, perusahaan dituntutagar

mampumemberikan informasi yang

lebih lengkap dan akurat, baik untuk

kepentingan internalmaupun eksternal

perusahaan. Kebutuhan teknologi

informasi sangat penting sebagaisalah

satu faktor untuk dapat bersaing.

Perkembangan teknologiinformasi dan

computer sangat dirasakan manfaatnya

oleh para pengusaha untuk memonitor

bisnis mereka,termasuk pengusaha yang

menggeluti bisnis dibidang pengembang

perumahan. Denganadanya teknologi

informasi dan komputer, jarak dan

waktu tidak lagi menjadi masalahyang

berarti. Kapan saja dan dimana saja

laporan tentang pembangunan dan

mailto:[email protected]


24

penjualanunit rumah yang dibangun

bias diterima tanpa harus menunggu

lama.

Pembangunan di Indonesia yang

dilakukan seiring perkembangan zaman

dan pertumbuhan menyebabkan

kebutuhan akan lahan semakin besar.

Pemantauan perkembangan lahan

permukiman dengan cara manual akan

memakan banyak waktu, tenaga dan

biaya sehingga pemanfaatan data

variabel dan pemetaan yang lebih

mudah

akan digunakan dalam analisis ini.

Penerapan Sistem Informasi Geografis

(SIG) dalam evaluasi lahan pemukiman

akan mempermudah dan mempercepat

proses analisis data.

Sistem Informasi Geografis

(SIG) digunakan untuk menangkap,

meyimpan, memanipulasi,

menganalisis, mengatur dan

menampilkan seluruh jenis data

geografis. Akronim GIS terkadang

dipakai sebagai istilah untuk

geographical information science atau

geospatial information studies yang

merupakan ilmu studi atau pekerjaan

yang berhubungan dengan Geographic

Information System. Dalam artian

sederhana system informasi geografis

dapat kita simpulkan sebagai gabungan

kartografi, analisis statistic dan

teknologi sistem basis data (database).

Kebutuhan rumah yang terus

meningkat menyebabkan banyak

pengembang yang membangun

perumahan untuk mencukupi kebutuhan

para konsumen perumahan. Namun,

pembangunan tersebut banyak pula

yang tidak sesuai dengan peruntukan

lahannya. Kesesuaian penggunaan lahan

sangat penting dilakukan agar menjadi

acuan untuk Perusahaan Pembangun

Perumahan. Maka dari itu diperlukan

metode dalam menghitung kesesuaian

lahan untuk perumahan, penulis

menggunakan metode Fuzzy Mamdani.

Metode Mamdani sering juga

dikenal dengan nama Metode Max-Min.

Metode ini diperkenalkan oleh Ebrahim

Mamdani pada tahun 1975. Untuk

mendapatkan output diperlukan empat

tahapan, yaitu pembentukan himpunan

fuzzy, aplikasi fungsi implikasi (aturan),

komposisi aturan dan penegasan

(deffuzy).

Model mamdani mengingatkan

banyaknya data karateristik lahan yang

nilainya tidak pasti. Kelebihan dari

metode ini adalah kemampuan dalam

proses penalaran secara bahasa sehingga

dalam perancangannya tidak

memerlukan persamaan matematik yang

rumit.

Di dalam Kelurahan Mariana

Kecamatan Banyuasin 1 belum

memiliki analisis kesesuaian lahan

untuk perumahan dan devoloper

kesulitan untuk mengetahuai lahan

mana yang cocok untuk dijadikan

perumahan. Maka tujuan dari penelitian

ini adalah menganalisis fungsi lahan

yang sesuai sebagai daerah perumahan

dengan Metode Fuzzy Mamdani dan

Sistem Informasi Geografis (SIG).

1.2 Rumusan Masalah

Meninjau dari latar belakang

diatas, maka penulis merumuskan

penelitian ini, yaitu:

a) Bagaimanamenganalisis lahan

yang cocok untuk dijadikan

perumahan dengan menggunakan

Fuzzy Mamdani dan Sistem

Informasi Geografis (SIG)?

b) Memetakan kesesuaian lahan

untuk perumahan pada Kelurahan

Mariana Kecamatan Banyuasin 1

dengan bantuan Sistem Informasi

Geografis (SIG)?

1.3 Batasan Masalah

Batasan dari penelitian ini,

setelah melihat dari latar belakang dan

indetifikasi permasalahan yang ada,


25

maka perlu adanya batasan masalah.

Batasan masalah dalam penelitian ini

adalah: Melakukan identifikasi

kesesuaian lahan untuk perumahan

dengan Fuzzy Mamdani, lalu

dipetakanmenggunakan Sistem

Informasi Geografis (SIG).

II.TINJAUAN PUSTAKA

2.1Pengertian Kesesuaian Lahan

Lahan merupakan bagian dari

bentang alam (landscape) yang

mencakup pengertian lingkungan fisik

termasuk iklim, topografi/relief,

hidrologi bahkan keadan vegetasi alami

(natural vegetation) yang semuanya

secara potensial akan berpengaruh

terhadap penggunaan lahan. Lahan

dalam pengertian yang lebih luas

termasuk yang sudah dipengaruhi oleh

berbagai aktivitas manusia baik yang

dimasa lalu ataupun dimasa sekarang

Kesesuaian lahan adalah tingkat

kecocokan dari sebidang lahan untuk

suatu penggunaan tertentu yang lebih

spesifik dari kemampuan lahan.

Perbedaan dalam tingkat kesesuaian

ditentukan oleh hubungan antara

keuntungan dan masukan yang

diperlukan sehubungan dengan

penggunaan lahan tersebut.

Struktur klasifikasi kesesuaian

lahandapat dibedakan menurut

tingkatannya, yaitu tingkat Ordo, Kelas,

Subkelasdan Unit. Ordo adalah keadaan

kesesuaian lahan secara global. Pada

tingkatordo kesesuaian lahan dibedakan

antara lahan yang tergolong

sesuai(S=Suitable) dan lahan yang tidak

sesuai (N=Not Suitable).

Kerangka klasifikasi lahan

menurutFAO ini dapat dipakai untuk

klasifikasi kuantitatif maupun

kulaitatiftergantung dari data yang

tersedia. Strutur dari sistem klasifikasi

kesesuaianlahan ini terdiri dari empat

kategori yang merupakan tingkatan

genealisasiyang bersifat menurun yaitu:

a) Ordo kesesuaian lahan (Order) :

menunjukan jenis/ macam

kesesuaian atau keadaan kesesuaian

secara umum.

b) Kelas kesesuaian lahan (Class) :

menunjukan tingkat kesesuaian

dalam ordo.

c) Sub-kelas kesesuaian lahan (Sub-

class) : menunjukan jenis pembatas

atau macam perbaikan yang

diperlukan di dalam kelas.

d) Satuan kesesuaian lahan (Unit) :

menunjukan perbedaan-perbedaan

kecil yang diperlukan dalam

penggelolaan di dalam sub-kelas.

Kelas kesesuaian lahan pada tingkat

kelas merupakan pembagian lebih lanjut

dari ordo danmenggambarkan tingkat

kesesuaian dari suatu ordo. Tingkat

dalam kelaskesesuaian ditunjukkan oleh

angka (nomor urut) yang ditulis di

belakangsimbol ordo. Nomor urut

tersebut menunjukkan tingkatan kelas

yangmenurun dalam suatu ordo.

Pembagiannya adalah sebagai berikut:

a) Kelas S1 : Sangat SesuaiLahan tidak

mempunyai faktor pembatas yang

berarti atau nyataterhadap

penggunaan secara berkelanjutan

atau faktor pembatasbersifat minor

dan tidak akan berpengaruh terhadao

produktivitaslahan secara nyata.

b) Kelas S2 : Cukup Sesuai Lahan

mempunyai faktor pembatas dan

faktor pembatas ini akan

berpengaruh terhadap

produktivitasnya, memerlukan

tambahan masukan (input).

c) Kelas S3 : Sesuai Marginal (Sesuai

bersyarat) Lahan mempunyai faktor

pembatas yang berat dan faktor

pembatas ini akan sangat

berpengaruh terhadap

produktivitasnya, memerlukan

tambahan masukan yang lebih


26

banyak dari pada lahan yang

tergolong S2.

d) Kelas N : Tidak Sesuai Lahan yang

tidak sesuai karena mempunyai

faktor pembatas yang sangat berat

dan/atau sulit diatasi.

2.2 Fuzzy Inference System (FIS)

Mamdani

Metode Mamdani sering juga

dikenal dengan nama Metode Max-Min.

Metode ini diperkenalkan oleh Ebrahim

Mamdani pada tahun 1975. Untuk

mendapatkan output, diperlukan empat

tahapan yaitu :

1. Pembentukan himpunan fuzzy

Pada Metode Mamdani, baik

variabel input maupun variabel

output dibagi menjadi satu atau

lebih himpunan fuzzy.

2. Aplikasi fungsi implikasi Pada

Metode Mamdani, fungsi

implikasi yang digunakan adalah

Min.

3. Komposisi Aturan Tidak seperti

penalaran monoton, apabila

system terdiri-dari beberapa

aturan, maka inferensi diperoleh

dari kumpulan dan korelasi antar

aturan. Ada 3 metode yang

digunakan dalam melakukan

inferensi sistemfuzzy yaitu: max,

additive dan probabilistik OR

(probor).

4. Input dari proses defuzzifikasi

adalah suatu himpunan fuzzy yang

diperoleh dari komposisi aturan-

aturan fuzzy, sedangkan output

yang dihasilkan merupakan suatu

bilangan pada domain himpunan

fuzzy tersebut. Sehingga jika

diberikan suatu himpunan fuzzy

dalam range tertentu, maka harus

dapat diambil suatu nilai crsip

tertentu sebagai outputnya.

2.3Pengertian sistem Informasi

Geografis (SIG)

SIG adalah sistem yang berbasis

komputer untuk menyimpan dan

memanipulasi informasi geografis. SIG

dirancang untuk mengumpulkan,

menyimpan dan menganalisis objek dan

fenomena dimana lokasi geografis

merupakan karakteristik penting atau

kritis yang dianalisis. Dengan demikian,

SIG merupakan system komputer yang

memiliki empat kemampuan dalam

mengangani data yang bereferensi

geografis:

1. Masukkan

2. Manajemen data (menyimpan dan

pemanggilan data)

3. Analisis dan manipulasi data.

4. Keluaran

2.3Pengertian ArcGIS

Perangkat lunak ArcGIS

merupakan perangkat lunak SIG yang

baru dari ESRI (Environmental Systems

Research Institute), yang

memungkinkan pengguna untuk

memanfaatkan data dari berbagai format

data. Dengan ArcGIS pengguna dapat

memanfaatkan fungsi desktop maupun

jaringan, selain itu juga pengguna bias

memakai fungsi pada level ArcView,

ArcEditor, ArcInfo dengan fasilitas

ArcMap, ArcCatalog dan Toolbox.

Materi yang disajikan adalah

konsep SIG, pengetahuan peta,

pengenalan dan pengoperasian ArcGIS,

input data dan manajemen data spasial,

pengoperasian Arc Catalog, komposisi

atau tata letak peta dengan ArcMap.

III. METODOLOGI PENELITIAN

3.1 Bagan Alir Penelitian

Metodelogi yang

digunakandalam penelitian metode

yangdigunakan adalah metode fuzzy

mamdani. langkah-langkah yang

digunakandalam penelitian ini adalah

sebagai berikut:,

1. Menentukan variabel fuzzy

2. Menentukan himpunan fuzzy


27

3. Melakukan Fuzzyfikasi

a) Menentukan fungsi keanggotaan

setiap himpunan fuzzy pada

masing masing variabel fuzzy

b) Menghitung nilai keanggotaan

berdasarkan fungsi keanggotaan

yang telah diperoleh.

4. Membentuk aturan fuzzy (fuzzy

rule)

5. Menganalisis Metode Fuzzy

Mamdani

a) Melakukan Fungsi implikasi

dengan menggunakan fungsi

implikasi MIN.

b) Melakukan Komposisi aturan

dari hasil aplikasi fungsi

implikasi dari tiap aturan,

menggunakan metode MAX

untuk mengambil nilai

maksimum dari semua nilai

yang di hasilkan.

6. Defuzzifikasi dilakukan dengan

metode centroid

IV. HASIL DAN PEMBAHASAN

4.1 Metode Mamdani

Di dalam Metode Mamdani

terdapat 4 tahapan output yang di

perlukan

yaitu : Pembentukan himpunan fuzzy,

Aplikasi fungsi implikasi (aturan),

Komposisi aturan dan Penegasan

(defuzzy).

4.1.1Himpunan fuzzy

Ada lima variabel fuzzy yangakan

di modelkan, yaitu;

a) Tinggi lahan, terdiri dari lima

himpunan fuzzy, yaitu :

RENDAH,CUKUP TINGGI,

TINGGI dan SANGAT

TINGGI.

Fungsi Keanggotaan variabel

ketinggian :

μ [Rendah]

{

1 x ≤ 600800−x

200 600 < 𝑥 ≤ 800

0 x > 800

μ[Cukup Tinggi]

{

0 x ≤ 600x−600

200 600 < 𝑥 ≤ 800

1000−x

200 800 < 𝑥 ≤ 1000

0 x > 1000

μ[Tinggi]

{

0 x ≤ 800x−800

200 800 < 𝑥 ≤ 1000

1200−x

200 1000 < 𝑥 ≤ 1200

0 x > 1200

μ[Sangat Tinggi]

{

0 x ≤ 1000x−1000

200 1000 < 𝑥 ≤ 1200

1 x > 1200

b) Kemiringan, terdiri dari lima

himpunan fuzzy, yaitu :

DATAR, LANDAI, MIRING,

TERJAL dan SANGAT

TERJAL.

Fungsi Keanggotaan variabel

kemiringan :

μ[Datar]

{

1 x ≤ 24−x

2 2 < 𝑥 ≤ 4

0 x > 4

μ[Landai]

{

0 x ≤ 2x−2

2 2 < 𝑥 ≤ 4

8−x

4 4 < 𝑥 ≤ 8

0 x > 8

μ[Miring]

{

0 x ≤ 4x−4

4 4 < 𝑥 ≤ 8

21−x

3 8 < 𝑥 ≤ 21

0 x > 21


28

μ[Terjal]

{

0 x ≤ 8x−8

3 8 < 𝑥 ≤ 21

40−x

19 21 < 𝑥 ≤ 40

0 x > 40

μ[Sangat Terjal]

{

0 x ≤ 21x−21

19 21 < 𝑥 ≤ 40

1 x > 40

c) Lama genangan air, terdiri dari

lima himpunan fuzzy, yaitu :

TIDAK PERNAH, PERNAH,

SERING, SANGAT SERING

dan SELALU.

Daerah banjir pada penelitian ini

dapat diketahui dengan

mewawancarai RT yang terkait.

Fungsi Keanggotaan untuk variabel

lama genangan air :

μ[TidakPerna]

{

1 x ≤ 0,53−x

2,5 0,5 < 𝑥 ≤ 3

0 x > 3

μ[Perna]

{

0 x ≤ 0,5x−0,5

2,5 0,5 < 𝑥 ≤ 3

5−x

2 3 < 𝑥 ≤ 5

0 x > 5

μ[Sering]

{

0 x ≤ 3x−3

2 3 < 𝑥 ≤ 5

10−x

5 5 < 𝑥 ≤ 10

0 x > 10

μ[SangatSering]

{

0 x ≤ 5x−5

5 5 < 𝑥 ≤ 10

12−x

2 10 < 𝑥 ≤ 12

0 x > 12

μ[Selalu]

{

0 x ≤ 10x−12

2 10 < 𝑥 ≤ 12

1 x > 12

d) Jarak terhadap jalan utama,

terdiri dari lima himpunan

fuzzy, yaitu : SANGAT

DEKAT, CUKUP DEKAT,

DEKAT, CUKUP JAUH dan

JAUH.

Jarak terhadap jalan

utama penting dalam penentuan

lahan untuk dijadikan

perumahan dan kemudahan

mencapai jalan utama menjadi

daya tarik bagi seseorang untuk

membeli rumah.

Fungsi Keanggotaan untuk variabel

jalan utama:

μ[Sangat Dekat]

{

1 x ≤ 2200024000−x

2000 22000 < 𝑥 ≤ 24000

0 x > 24000

μ[Cukup Dekat]

{

0 x ≤ 22000x−22000

2000 22000 < 𝑥 ≤ 24000

25000−x

1000 24000 < 𝑥 ≤ 25000

0 x > 25000

μ[Dekat]

{

0 x ≤ 24000x−24000

1000 22000 < 𝑥 ≤ 25000

26000−x

1000 25000 < 𝑥 ≤ 26000

0 x > 26000

μ[Cukup Jauh]

{

0 x ≤ 25000x−25000

1000 25000 < 𝑥 ≤ 26000

27000−x

1000 26000 < 𝑥 ≤ 27000

0 x > 27000

μ[Jauh]

{

0 x ≤ 26000x−26000

1000 26000 < 𝑥 ≤ 27000

1 x > 27000


29

e) Jarak terhadap rumah sakit,

terminal dan pasar, terdiri dari

empat himpunan fuzzy, yaitu :

DEKAT, CUKUP JAUH, JAUH

dan SANGAT JAUH.

Kemudahan jarak terhadap

rumah sakit, terminal dan pasar

menjadikan daya tarik untuk

seseorang untuk memberli

rumah, dengan begitu

pengembang lokasi perumahan

mejadikan salah satu hal penting

dalam membuat perumahan.

Fungsi Keanggotaan untuk variabel arak

Terhadap Rumah Sakit, Terminal Dan

Pasar:

μ[Dekat]

{

1 x ≤ 3002000−x

1700 300 < 𝑥 ≤ 2000

0 x > 2000

μ[Cukup

Jauh]

{

0 x ≤ 300x−300

1700 300 < 𝑥 ≤ 2000

4000−x

2000 2000 < 𝑥 ≤ 4000

0 x > 4000

μ[Jauh]

{

0 x ≤ 2000x−2000

2000 2000 < 𝑥 ≤ 4000

5000−x

1000 4000 < 𝑥 ≤ 5000

1 x > 5000

μ[Sangat Jauh]

{

0 x ≤ 4000x−4000

1000 4000 < 𝑥 ≤ 5000

1 x > 5000

4.1.2 Aplikasi Fungsi Implikasi

Berikut adalah data yang di

peroleh dari keluraham mariana

kecamatan banyuasin 1 dan Pada

metode mamdani, fungsi implikasi yang

digunakan adalah min. Berikut fungsi

implikasinya.

1. RT 7

Tinggi lahan 7 (rendah), lama

genangan air 1 (perna), jarak

terhadap rumah sakit, terminal dan

pasar 1000 meter (dekat), jarak

terhadap jalan utama 24000 meter

(dekat) dan kemiringan 1,3 (datar).

R110IF Tinggi Lahan RENDAHAnd

Lama Genangan Air PERNAH And

Jarak Terhadap Rumah Sakit, Pasar

dan Terminal DEKATAnd Jarak

Terhadap Jalan DEKAT And

Kemiringan Lahan DATARTHEN

Lahan Tidak Sesuai;

α110=μPredikatR110

=Min(μTLRendah[7],μLGAPerna[1]

,μJTRSPTDekat[1000],μJTJDekat[2

4000],μKLDatar[1,3])

=Min (1;0,2;0,588;0;1)

= 0

2. RT 23




pasar 5000 meter (jauh), jarak


(cukup jauh) dan kemiringan 1,2

(datar).

R120IF Tinggi Lahan RENDAH

And Lama Genangan Air PERNAH

And Jarak Terhadap Rumah Sakit,

Pasar dan Terminal JAUHAnd Jarak

Terhadap Jalan CUKUPJAUHAnd


Lahan Tidak Sesuai;


=Min(μTLRendah[8],μLGAPerna[1]

,μJTRSPTDekat[5000],μJTJJauh[27


=Min (1;0,2;0;1;1)

=0

3. RT 24








30



Jarak Terhadap Rumah Sakit, Pasar dan

Terminal DEKATAnd Jarak Terhadap

Jalan DEKAT And Kemiringan Lahan

DATARTHEN Lahan Tidak Sesuai;


=Min(μTLRendah[8],μLGAPerna[1],

μJTRSPTDekat[1000],μJTJDekat[2400

0],

μKLDatar[1,1])

=Min (1;0,2;0,588;0;1)

=0

4. RT 25









Jarak Terhadap Rumah Sakit, Pasar

dan Terminal DEKATAnd Jarak

Terhadap Jalan DEKAT And


Lahan Tidak Sesuai;


=Min(μTLRendah[10],μLGAPerna[1

],μJTRSPTDekat[1000],μJTJDekat[2


=Min (1;0,2;0,588;0;1)

= 0

4.1.3 Komposisi Aturan

Komposisi aturan ini adalah

mengambil nilai maksimum dari semua

nilai yang dihasilkan. Dari R1 sampai

dengan R1895 terdapat komposisi aturan

adalah sebagai berikut :

a. RT 7, RT 24 Dan RT 25

Komposisi aturan yang di peroleh

dari RT 7, RT 24 Dan RT 25

adalah 0.588.

b. RT 23

Komposisi aturan yang di peroleh

dari RT 23 adalah 0.8

4.1.4 Defuzifikasi

Sebelum defuzifikasi, menentukan

kesesuaian lahan peumahan terlebih

dahulu.Dalam menentukan kesesuaian

lahan perumahan dapat dedefinisikan

menurut kelas kesesuaian lahan adalah

sebagai berikut :

1

040

Tidak

Sesuai

60 80 100

Sesuai

bersyarat

Cukup

sesuai

Sangat

sesuai

Gambar 1: Kesesuaian Lahan

Sesuai Bersyarat

={

0 x ≤ 40x−40

20 40 < 𝑥 ≤ 60

0 x > 60

} →

0,05 𝑥 2 μ(Z)

Cukup Sesuai

=

{

0 x ≤ 60x−60

20 60 < 𝑥 ≤ 80

0 x > 80

}0,05 𝑥3 μ(Z)

Sangat sesuai

=

{

0 x ≤ 80x−80

20 40 < 𝑥 ≤ 100

0 x > 100

}0,05 𝑥4 μ(Z)

Pada penelitian ini defuzzifikasi

mengunakan metode Cetroid.

1. Defuzzifikasi untuk RT 7, RT 24

Dan RT 25

a. Menentukan z

μ(x) = 0,05 x - 2

𝑧1 = μ(x)+2

0,05

𝑧1 = 0,588+2

0,05


31

𝑧1 = 51,76

𝑧2 = μ(x)+3

0,05

𝑧2 = 0,588+3

0,05

𝑧2 = 71,76

𝑧3 = μ(x)+4

0,05

𝑧3 = 0,588+4

0,05

𝑧3 = 91,76

b. Menentukan Momen (μ)

μ1 = ∫ (0,05𝑧 − 2)𝑧𝑑𝑧𝑧1

40

μ1 = ∫ (0,05𝑧 − 2)𝑧𝑑𝑧51,76

40

μ1 = ∫ (0,05𝑧3 −51,76

40

2𝑧)𝑑𝑧

μ1 = [0,05

3𝑧3 − 𝑧2] 51,76

40

μ1 = 0,05

3(51,76 − 40) 3 −

(51,76 − 40) 2

μ1 = 0,05

3(11,76) 3 −

(11,76) 2

μ1 = 27,106 – 138,297

μ1 = -111,191

μ2 = ∫ (0,05𝑧 − 3)𝑧𝑑𝑧𝑧2

60

μ2 = ∫ (0,05𝑧 −71,76

60

3)𝑧𝑑𝑧

μ2 = ∫ (0,05𝑧3 −71,76

60

3𝑧)𝑑𝑧

μ2 = [0,05

3𝑧3 −

3

2 𝑧2] 71,76

60

μ2 = 0,05

3(71,76 −

60) 3 − 3

2(71,76 −

60) 2

μ2 = 0,05

3(11,76) 3 −

3

2(11,76) 2

μ2 = 27,106 – 207,44

μ2 = -108,334

μ3 = ∫ (0,05𝑧 − 4)𝑧𝑑𝑧𝑧3

80

μ3 = ∫ (0,05𝑧 − 4)𝑧𝑑𝑧91,76

80

μ3 = [0,05

3𝑧3 −

4

2 𝑧2] 91,76

80

μ3 = 0,05

3(91,76 −

80) 3 − 2(91,76 −

80) 2

μ3 = 0,05

3(11,76) 3 −

2(11,76) 2

μ3 = 27,106 – 276,595

μ3 = -249,489

c. Menghitung Luas A

A1 = ∫ μ(z)dz𝑧1

40

A1 = ∫ μ(z)dz51,76

40

A1 = ∫ (0,05𝑧 − 2)𝑑𝑧51,76

40

A1 = [0,05

2𝑧2 − 2𝑧] 51,76

40

A1 = 0,05

2(51,76 −

40) 2 − 2(51,76 −

40)

A1 = 0,05

2(11,76) 2 −

2(11,76) A1 = 3,457 – 23,52

A1 = -20,063


60

A2 = ∫ μ(z)dz71,76

60

A2 = ∫ (0,05𝑧 − 3)𝑑𝑧71,76

60

A2 = [0,05

2𝑧2 − 3𝑧] 71,76

60

A2 = 0,05

2(71,76 −

60) 2 − 3(71,76 −

60)

A2 = 0,05

2(11,76) 2 −

3(11,76) A2= 3,457 – 35,28

A2 = -31,823


80

A3 = ∫ μ(z)dz91,76

80

A3 = ∫ (0,05𝑧 − 4)𝑑𝑧91,76

80

A3= [0,05

2𝑧2 − 4𝑧] 91,76

80

A3 = 0,05

2(91,76 −

80) 2 − 4(91,76 −

80)


32

A3 = 0,05

2(11,76) 2 −

4(11,76) A3= 3,457 – 47,04

A3 = -43,583

d. Menentukan titik pusat terhadap

z

Z = μ1+ μ2+ μ3

A1+ A2+ A3

Z = −111,191+ −108,334+ −249,489

−20,063+ −31,823+ −43,583

Z = 469,014

95,469

Z = 4,912

Jadi dari hasil proses

defuzifikasi di atas untuk lahan

RT 7, RT 24 Dan RT 25 dengan

nilai 4,912 adalah tidak sesuai

karena nilai kesesuaian lahanya

<40.

2. Hasi Defuzzifikasi untuk RT 23

a. Menentukan z

μ(x) = 0,05 x - 2

𝑧1 = μ(x)+2

0,05

𝑧1 = 0,8+2

0,05

𝑧1 = 56

𝑧2 = μ(x)+3

0,05

𝑧2 = 0,8+3

0,05

𝑧2 = 76

𝑧3 = μ(x)+4

0,05

𝑧3 = 0,8+4

0,05

𝑧3 = 96

b. Menentukan Momen (μ)

μ1 = ∫ (0,05𝑧 − 2)𝑧𝑑𝑧𝑧1

40

μ1 = ∫ (0,05𝑧 − 2)𝑧𝑑𝑧56

40

μ1 = ∫ (0,05𝑧3 − 2𝑧)𝑑𝑧56

40

μ1 = [0,05

3𝑧3 − 𝑧2] 56

40

μ1 = 0,05

3(56 − 40) 3 −

(56 − 40) 2

μ1 = 0,05

3(16) 3 − (16) 2

μ1 = 68.26 – 256

μ1 = -187,74

μ2 = ∫ (0,05𝑧 − 3)𝑧𝑑𝑧𝑧2

60

μ2 = ∫ (0,05𝑧 − 3)𝑧𝑑𝑧76

60

μ2 = ∫ (0,05𝑧3 − 3𝑧)𝑑𝑧76

60

μ2 = [0,05

3𝑧3 −

3

2 𝑧2] 76

60

μ2 = 0,05

3(76 − 60) 3 −

3

2(76 − 60) 2

μ2 = 0,05

3(16) 3 −

3

2(16) 2

μ2 = 68,26 – 384

μ2 = -315,74

μ3 = ∫ (0,05𝑧 − 4)𝑧𝑑𝑧𝑧3

80

μ3 = ∫ (0,05𝑧 − 4)𝑧𝑑𝑧96

80

μ3 = [0,05

3𝑧3 −

4

2 𝑧2] 96

80

μ3 = 0,05

3(96 − 80) 3 −

2(96 − 80) 2

μ3 = 0,05

3(16) 3 − 2(16) 2

μ3 = 68,26 – 512

μ3 = -443,74

c. Menghitung Luas A


40

A1 = ∫ μ(z)dz56

40

A1 = ∫ (0,05𝑧 − 2)𝑑𝑧56

40

A1 = [0,05

2𝑧2 − 2𝑧] 56

40

A1 = 0,05

2(56 − 40) 2 −

2(56 − 40)

A1 = 0,05

2(16) 2 − 2(16)

A1 = 6,4 – 32

A1 = -25,6


40

A2 = ∫ μ(z)dz76

60

A2 = ∫ (0,05𝑧 − 3)𝑑𝑧76

60

A2 = [0,05

2𝑧2 − 3𝑧] 76

60

A2 = 0,05

2(76 − 60) 2 −

3(76 − 60)

A2 = 0,05

2(16) 2 − 3(16)


33

A2= 6,4– 48

A2 = -41,6


80

A3 = ∫ μ(z)dz96

80

A3 = ∫ (0,05𝑧 − 4)𝑑𝑧96

80

A3= [0,05

2𝑧2 − 4𝑧] 96

80

A3 = 0,05

2(96 − 80) 2 −

4(96 − 80)

A3 = 0,05

2(16) 2 − 4(16)

A3= 6,4 – 64

A3 = -57,6

d. Menentukan titik pusat terhadap

z

Z = μ1+ μ2+ μ3

A1+ A2+ A3

Z = −187,74+ −315,74+ −443,34

−25,6+ −41,6+ −57,6

Z = 946,82

124,8

Z = 7,586

Jadi dari hasil proses

defuzifikasi di atas untuk lahan

RT 23 dengan nilai 7,586 adalah

tidak sesuai karena nilai

kesesuaian lahanya <40.

4.2 Sistem Informasi Geografis (SIG)

Didalam penelitian ini penulis

memanfaatkan salah satu teknologi dari

Google yaitu Google Earth dan ArcGis

10.3, di dalam ArcGis penulis

menggunakan ArcCatalog dan ArcMap.

Dalam perhitugan kesesuaian lahan

yang menggunakan fuzzy mamdani

untuk RT 07 dengan nilai 4.912, RT 23

nilai 7.586, RT 24 nilai 4.912 dan RT

25 nilai 4.912. dari ke empat Rt tersebut

nilainya kurang dari <40 maka tidak

sesuai untuk dijadikan perumahan.

Tampilan Peta Kesesuaian

Lahan dapat dilihat pada gambar di

bawah ini. Dalam peta tersebut skala

yang digunakan adalah 1 : 40.000 dan di

dalam legenda terdapat 10 jenis layer

yaitu, kantor camat banyuasin 1

mengunakan tipe (point), kantor lurah

mariana (point), sungai gerong (point),

jalan (polyline), sungai (poligon),

pemukiman (poligon), Rt 07 (poligon),

Rt 23 (poligon), Rt 24 (poligon) dan Rt

25 (poligon). Berikut adalah tampilan

peta yang penulis buat.

4.2.1 Tampilan Peta Utama

Kesesuaian Lahan

Tampilan Peta Utama

Kesesuaian Lahan dapat dilihat pada

gambar 2 di bawah ini.

Gambar 2:Tampilan Peta Utama

Kesesuaian Lahan

4.2.1 Tampilan Hasil Kesesuaian

Lahan Tampilan hasil kesesuaian lahan

dapat dilihat pada gambar dibawah ini:

Gambar 3:Tampilan Peta RT 07

Dari tampilan peta pada gambar

3 diatas dapat di lihat bahwa dalam


34

gambar tersebut berwarna orange dan

jika mengklik rt 07 maka akan muncul

hasil perhitungan fuzzy, status

kesesuaian dan grafik dari google earth.

Wilayah RT 07 tidak dapat dijadikan

perumahan karena dengan analisis fuzzy

di dapatkan bahwa nilai dari RT 07

adalah 4.912. Dalam kesesuaian lahan

nilai fuzzy yang <40 tidak sesuai untuk

dijadikan perumahan.


Pada gambar 4 diatas dengan

warna ungu dan jika mengklik Rt 23

maka akan muncul hasil perhitungan,

status kesesuaian dan grafik dari google

earth. Pada wilayah RT 23 tidak bisa

dijadikan perumahan karena nilainya

7.586 yang kurang dari nilai analisis

fuzzy, nilai kesesuaian analisis fuzzy

<40 maka tidak sesuai


Gambar 5 dengan biru di atas

dan jika diklik Rt 24 tersebut maka akan

terlihat hasil perhitungan fuzzy, status

kesesuaian dan grafik dari google earth.

RT 24 tidak sesuai di jadikan

perumahan karena nilai analisis

fuzzynya adalah 4.912 yang berarti nilai

tersebut <40. Dalam analisis fuzzy nilai

yang <40 dinyatakan tidak sesuai.


Dapat dilihat pada gambar 3.5

diatas dengan pink dan mengklik Rt 25

tersebut maka akan perhitungan fuzzy,

status kesesuaian dan grafik dari google

earth. Di wilayah RT 25 di atas dengan

nilai 4.912 yang kurang dari <40 maka

tidak sesuai. Dalam fuzzy nilai yang

<40 maka tidak sesuai untuk dijadikan

perumahan.

V. KESIMPULAN DAN SARAN

5.1 Kesimpulan

a) Dari hasil analisis Fuzzy

mamdani didapatkan nilai

kesesuaian lahan untuk RT 07,

RT 24, RT 25 dengan nilai

4.912, dan RT 23 dengan nilai

7.586 dari keempat RT tersebut

didapatkan nilai kesesuaian

lahannya kurang dari <40 maka

kesesuaian lahan untuk

perumahan tidak sesuai.

b) Dengan di dapatnya nilai

kesesuaian lahan maka di

petakan dengan menggunakan

Sistem Informasi Geografis

(SIG).

5.2 SARAN

a) Untuk penelitian berikutnya di

sarankan untuk mencari tempat

penelitian yang lebih baik atau


35

menggunakan fuzzy yang

berbeda.

b) Penulis menyadari sistem

informasi geografis yang dibuat

masih banyak kekurangan dan

penulis

mengharapkankedepannya akan

dibuat atau di kembangkan lagi.

DAFTAR PUSTAKA

Akbar, Taufik M.2014. Makalah

kesesuaian lahan dan pola

permukiman kota

banjarmasin.Diakses 16 Maret

2016, dari

http://geolava.blogspot.co.id/201

4/09/makalah-kesesuaian-lahan-

danpola.html

Ali, Machsun. 2018. Analisis rencana

tata ruang wilayah (RTRW)

terhadapkesesuaian lahan di

kecamatan parung panjang

tahun 2008-2015, 1-77.

Apriyanti, Rehulina., & Firman, Rully.

2014.Pemanfaatan Sistem

Informas, 321-330.

Bahri, Syamsual., & Fahkry,Zamzam.

2014) Model Penelitian

Kuantitatif Berbasis SEM-Amos.

Penerbit Deepublish.

Dharmaputeri, Endah. Aplikasi Sistem

Informasi Geografis Pelayanan

Kesehatan Kota Depok Berbasis

Web Menggunakan Quantum

GIS Universitas gunadarma

depok.

Fauzia, Ayu Nadya. 2011. Kajian

Perkembangan Perumahan

Terhadap kesesuaian Rencana

Tata Ruang Wilayah Kabupaten

Bekasi Tahun 2009-2011, 182-

191.

FAO. 1976. A Framework for Land

Evaluation. Soil Resources

Management and Conservation

Service Land and Water

Development Division. FAOSoil

Bulletin No.32. FAO-UNO,

Rome.

Irwansyah, Edy. 2013. Sitem Informasi

Geografis: Prinsip dasar dan

Pengembangan.Penerbit

Deepublish.

Joni Devitra, Fadli. 2017. Analisis Dan

Perancangan Sistem Informasi

Penjualan Rumah Berbasis Web

Pada PT. Mitra Hasri Hap, 2(3),

629-640.

Komputer, Wahana. (2014). Sistem

Informasi Geografis

Menggunakan ArcGIS :

Panduan Dasar Bagi

Mahasiswa Belajar Pemetaan

Dengan ArcGIS.Penerbit Elex

Media Komputindo.

Prahasta, Eddy. 2014. Sistem Informasi

Geografis. Penerbit

InformatikaBandung

Puryono, Alfa Daniel. 2015. Pemilihan

Varietas Tebu Sesuai Lahan

Mengunakan Metode Fuzzy

Inferensi System

Mamdani.STIMIKA, 2(1), 1-8.

Rohim, Nur wahyu., Moehammad,

Awaluddin., Andri, Suprayogi,.

2015. Semarang Charity Map ,

Penyajian Peta Donasi Sosial

Kota SemarangBerbasis Blogger

Javascript. Jurnal Geodesi

Undip, 2337, 117-130.

Sastrohartono, H. 2011. Evaluasi

Kesesuaian Lahan untuk

Perkebunan denganAplikasi

http://geolava.blogspot.co.id/2014/09/makalah-kesesuaian-lahan-dan%20pola.html




36

Extensi Artificil Neural Network

(ANN.Avx) dalam Acrview-Gis.

Sudibyo,. Andono Nurantantio Pulung.

Sistem Pakar Kesesuaian Lahan

Berdasarkan Syarat Tumbuh

Tanaman Menggunakan Metode

Fuzzy Mamdani.

Utubulang, J, Nofrendy., A, Veronica.,

Moniaga, L, Ingrid. 2015.

Analisis Kesesuaian Lahan

Permukiman Dikawasan Sekitar

Koridor Ringroad 1 Manado,

7(1), 447-455.

analisis kesesuaian lahan untuk perumahan di …

Documents