Kombinasi Random Forest dan Cellular Automata untuk Pemodelan dan Prediksi Perubahan Penggunaan Lahan serta Dampaknya terhadap Laju Erosi di DAS Samin Tahun 2008-2031

Nur Lina Ekawati, Prof. Drs. Projo Danoedoro, M.Sc., Ph.D.; Dr. Sandy Budi Wibowo, S.P., M.Sc.

2025 | Tesis | S2 Penginderaan Jauh

Erosi merupakan fenomena pengangkutan material tanah oleh aliran air di atas permukaan tanah pada suatu bidang tanah yang dipengaruhi oleh panjang dan kemiringan lereng, serta upaya konservasi dan pengelolaan tanaman. Fenomena erosi dapat menyababkan kerusakan lahan yang berdampak pada menurunnya produktivitas lahan dan perubahan sifat tanah. Sub-DAS Samin merupakan bagian hulu dari hulu DAS Bengawan Solo mencakup 35.906,5 ha dari sebagian Kabupaten Karanganyar dan Sukoharjo. Menurut Surat Keputusan Menteri Kehutanan Indonesia tahun 2009 nomor SK. 328/Menhut-II/2009, DAS Bengawan Solo merupakan salah satu daerah aliran sungai kritis di Indonesia, yang mana lahan kritis merupakan lahan yang telah rusak akibar berkurangnya fungsi lahan, dengan perubahan penggunaan lahan dan erosi merupakan salah satu aspek penilaian lahan kritis. Penginderaan jauh sebagai teknologi untuk memperoleh informasi tanpa bersinggungan secara langsung dengan objek kajian, dengan memanfaatkan citra penginderaan jauh dapat memberikan model dan prediksi faktor tutupan vegetasi dan upaya konservasi. Random Forest sebagai salah satu klasifikasi digital non-parametrik yang tidak mempertimbangkan distribusi data dengan variabel yang beragam, dapat memberikan model penggunaan lahan tahun 2008, 2017 dan 2024 melalui integrasi nilai spektral citra Landsat dengan karakteristik fisik lahan dari DSM Alos Palsar dan turunannya. Prediksi erosi 2031 dilakukan dengan Cellular Automata Markov Chain (Ca-Markov) berdasarkan prediksi perubahan penggunaan lahan yang terjadi dengan mempelajari probabilitas dan pola perubahan yang terjadi antara tahun 2017 dan 2024. Hasil klasifikasi Random Forest tahun 2024 dilakukan uji akurasi Confusion Matrix antara model dan kenampakan lapangan, memberikan nilai akurasi sebesar 92?ngan koefisien kappa 0,88. Prediksi penggunaan lahan tahun 2024 juga dilakukan dengan Ca-Markov memberikan akurasi sebesar 86?n koefisien kappa 0,79. Pemodelan dan prediksi erosi dilakukan secara empiris dengan metode Revised Universal Soil Loss Equation (RUSLE) dengan mengintegrasikan faktor erosivitas hujan, erodibilitas tanah, panjang dan kemiringan lereng, serta tutupan vegetasi dan upaya konservasi, dengan hasil model tahun 2008 memiliki rentang erosi 0-1100,83 ton/ha/tahun, model tahun 2017 memiliki rentang 0-1984,9 ton/ha/tahun, serta model tahun 2024 dan prediksi tahun 2031 memiliki rentang 0-1174,61 ton/ha/tahun. Perbandingan laju erosi dengan perubahan penggunaan lahan menunujukkan hubungan yang sangat kuat, dengan nilai korelasi Pearson 0,95 atau sebesar 90,25% model erosi dipengaruhi oleh perubahan penggunaan lahan.

Erosion is a phenomenon of soil material transport by water flow over the land surface, influenced by the length and steepness of the slope, as well as conservation efforts and vegetation management. The phenomenon of erosion can cause land degradation, resulting in a decrease in land productivity and changes in soil properties. The Samin Sub-watershed is the upstream part of the Bengawan Solo Watershed, covering 35,906.5 hectares in parts of Karanganyar and Sukoharjo Regencies. According to the Decree of the Indonesian Minister of Forestry in 2009 (No. SK. 328 / Menhut-II / 2009), the Bengawan Solo Watershed is considered one of the critical watersheds in Indonesia. Critical land refers to land that has been degraded due to a loss of functionality, where changes in land use and erosion are key aspects in the assessment of critical land. Remote sensing, as a technology for obtaining information without direct contact with the object of study, utilizes satellite imagery to model and predict factors such as vegetation cover and conservation efforts. Random Forest, a non-parametric digital classification method that does not rely on data distribution or variable assumptions, was used to model land use in 2008, 2017, and 2024 by integrating Landsat spectral values with land physical characteristics derived from DSM Alos Palsar and its derivatives. Erosion prediction for 2031 was carried out using the Cellular Automata Markov Chain (Ca-Markov) model, based on land use change predictions from analysing the probabilities and patterns of changes between 2017 and 2024. The results of the Random Forest classification in 2024 were tested for accuracy using a Confusion Matrix, comparing the model to field observations. This provided an accuracy value of 92% with a Kappa coefficient of 0.88. Land use prediction for 2024 was also conducted using the Ca-Markov model, achieving an accuracy of 86% and a Kappa coefficient of 0.79. Erosion modelling and prediction were performed empirically using the Revised Universal Soil Loss Equation (RUSLE) method, integrating rainfall erosivity, soil erodibility, slope length and steepness, vegetation cover, and conservation efforts. The results showed that the 2008 model had an erosion range of 0-1100.83 tons/ha/year, the 2017 model had a range of 0-1984.9 tons/ha/year, and the 2024 model and 2031 prediction had a range of 0-1174.61 tons/ha/year. A comparison of erosion rates with land use changes showed a very strong relationship, with a Pearson correlation value of 0.95, meaning that 90.25% of the erosion model is influenced by land use changes.

Kata Kunci : Erosi, Penggunaan Lahan, Random Forest, Ca-Markov, RUSLE, Erosion, Land Use, Random Forest, Ca-Markov, RUSLE