Evaluasi Pendekatan SCORPAN dalam Prediksi Spasial Fraksi Tekstur Tanah pada Bahan Induk Hasil Proses Alterasi di Sub-DAS Bompon

Nurarfiyah Desi Fatmawati, Prof. Dr. rer. nat. Junun Sartohadi, M.Sc.

2026 | Tesis | S2 Ilmu Tanah

Tekstur tanah merupakan salah satu sifat dasar tanah yang memengaruhi berbagai sifat fisika dan kimia tanah. Tekstur tanah bersifat tidak mudah berubah sehingga  cocok untuk dipetakan dan peta tanah dapat digunakan dalam jangka panjang. Penelitian ini bertujuan untuk (1) menganalisis karakteristik dan distribusi spasial fraksi tanah, (2) mengevaluasi kinerja pendekatan Digital Soil Mapping (DSM) berbasis SCORPAN dalam memprediksi fraksi tanah, dan (3) menyusun manajemen pengelolaan lahan berdasarkan distribusi fraksi tanah. Penelitian menggunakan 50 titik sampel pada kedalaman 0–20 cm dan 20–40 cm. Prediksi spasial fraksi pasir, debu, dan lempung dilakukan menggunakan kovariat lingkungan berbasis SCORPAN yang diturunkan dari data LiDAR, citra Sentinel-2, serta data lingkungan lainnya. Pemodelan dilakukan menggunakan algoritma Random Forest, Quantile Regression Forest, CatBoost, dan Stacking, dengan menerapkan Recursive Feature Elimination (RFE) untuk menentukan skenario prediksi terbaik. Hasil penelitian menunjukkan bahwa fraksi lempung mendominasi pada kedua lapisan. Model DSM terbaik adalah Stacking dengan SMOGN, namun model tersebut menunjukkan kemampuan prediksi yang relatif rendah dengan nilai R² tertinggi sebesar 0,249 dan cenderung lebih baik pada lapisan permukaan. Kondisi ini berkaitan dengan dominasi lempung dan rendahnya variasi tekstur pada bahan induk teralterasi, sehingga hubungan fraksi tekstur tanah dengan kovariat lingkungan sulit diidentifikasi secara optimal oleh model. Integrasi distribusi fraksi tanah, khususnya kandungan lempung, dengan zona proses geomorfologi menghasilkan enam zona pengelolaan, yaitu residual lempung sedang dan tinggi, erosional lempung sedang dan tinggi, serta deposisional lempung sedang dan tinggi. Pengelolaan lahan diarahkan pada konservasi tanah vegetatif melalui pemilihan kelompok tanaman.

Soil texture is one of the soil attributes that influences various physical and chemical properties of the soil. Soil texture does not change easily so it is suitable for mapping and soil maps can be used in the long term. This research aims to (1) analyze the characteristics and spatial distribution of soil fractions, (2) evaluate the performance of the SCORPAN-based Digital Soil Mapping (DSM) approach in predicting soil fractions, and (3) develop land management based on the distribution of soil fractions. The research used 50 sample points at depths of 0–20 cm and 20–40 cm. Spatial predictions of sand, dust and clay fractions were carried out using SCORPAN-based environmental covariates derived from LiDAR data, Sentinel-2 imagery and other environmental data. Modeling was carried out using Random Forest, Quantile Regression Forest, CatBoost, and stacking algorithms, by applying Recursive Feature Elimination (RFE) to determine the best prediction scenario. The results showed that the clay fraction dominates in both layers. At a depth of 0–20 cm, the sand content ranges from 7.05–33.67%, dust 12.23–40.39%, and clay 39.40–80.92%, while at a depth of 20–40 cm it ranges from 7.15–30.03%, 10.09–36.52%, and 44.82–81.74% respectively. The best DSM model is stacking with SMOGN, but this model shows relatively low prediction ability and tends to be better in the surface layer. The best R² values at a depth of 0–20 cm were 0.249 for sand, 0.195 for dust, and 0.099 for clay, while at a depth of 20–40 cm they were 0.123, 0.137, and 0.093, respectively. Integration of the distribution of soil fractions, especially clay content, with geomorphological process zones produces six management zones, namely medium and high clay residual, medium and high clay erosional, and medium and high clay depositional. Land management is directed at vegetative soil conservation through selecting plant groups.

Kata Kunci : Digital Soil Mapping, SCORPAN, fraksi tanah, machine learning