MODEL PREDIKSI KEBERLANJUTAN PEMBANGUNAN BERDASARKAN DAYA DUKUNG WILAYAH DI DAERAH ISTIMEWA YOGYAKARTA (DIY)

ANDRI KURNIAWAN, Prof. Dr. R. Rijanta, M.Sc.

2013 | Disertasi | S3 Geografi

Kajian variasi daya dukung wilayah diperlukan untuk mengarahkan pembangunan agar sesuai dengan potensi dan faktor pembatasnya sehingga mampu mendukung pembangunan berkelanjutan. Pengembangan model prediksi keberlajutan pembangunan berdasarkan daya dukung wilayah sangat penting dilakukan untuk mengarahkan pembangunan agar lebih rasional dan optimal. Penelitian ini bertujuan untuk merumuskan dan menerapkan perhitungan daya dukung wilayah secara lebih komprehensif serta mengkaji variasi nilai, pola sebaran keruangan, dan faktor-faktor yang menentukan besarnya daya dukung wilayah di DIY. Tujuan selanjutnya adalah merumuskan model prediksi keberlanjutan pembangunan berdasarkan daya dukung wilayah melalui penggunaan Jaringan Syaraf Tiruan - Perambatan Galat Mundur (Artificial Neural Networks - Backpropagation) dan mengetahui pola hubungan keseimbangan daya dukung wilayah dengan keberlanjutan pembangunan. Pengolahan data daya dukung dilakukan melalui pendekatan kuantitatif, yaitu dengan menggunakan formulasi matematis yang diperoleh dari pengembangan konsep dan teori mengenai daya dukung wilayah. Klasifikasi, variasi nilai, pola sebaran keruangan, dan faktor penentu daya dukung wilayah dikaji melalui penggunaan Jaringan Syaraf Tiruan Model Kohonen (Artificial Neural Networks - Self Organizing Maps), Hot Spot Analysis (Getis-Ord Gi*), dan Discriminant Analysis. Pembuatan model dilakukan dengan Artificial Neural Networks (ANN) dengan topologi Backpropagation. Unit penilaian daya dukung wilayah digunakan unit desa di seluruh wilayah DIY yang berjumlah 438 desa. Hasil perhitungan daya dukung wilayah DIY menunjukkan adanya variasi nilai antar komponen dan antar bagian wilayah (kabupaten/kota). Daya dukung bioekologi (sumberdaya lahan) DIY tergolong rendah dan mengalami defisit bioekologi (sumberdaya lahan) sebesar 0,085 hektar global per kapita. Demikian juga dengan daya dukung pangan yang hanya mempunyai daya dukung sebesar 0,773 dan masih membutuhkan tambahan penyediaan beras yang cukup besar. Kondisi berbeda ditemukan untuk komponen daya dukung sumberdaya air, udara, permukiman, barang dan limbah, serta pelayanan yang nilai daya dukungnya masih cukup tinggi. Secara spasial sebaran klaster daya dukung wilayah lebih dipengaruhi oleh faktor tingkat kekotaan, jumlah penduduk, aspek fisiografi, dan penggunaan lahan. Faktor penentu besarnya daya dukung wilayah cukup bervariasi, multiperan, dan multisifat. Dari hasil pelatihan (training) dengan Jaringan Syaraf Tiruan Model Kohonen (Artificial Neural Networks - Self Organizing Maps) dihasilkan 5 (lima) klaster daya dukung wilayah dan membentuk penjenjangan. Selanjutnya, dari pelatihan yang telah dilakukan dengan menggunakan Jaringan Syaraf Tiruan atau Artificial Neural Networks (ANN) – Perambatan Mundur (Backpropagation) dihasilkan suatu Model Prediksi Tingkat Keberlanjutan Pembangunan Berdasarkan Daya Dukung Wilayah. Pencapaian nilai optimal dari tingkat keberlanjutan pembangunan tidak ditentukan oleh nilai individual setiap komponen daya dukung wilayah tetapi lebih ditentukan dari komposisi nilai daya dukung menurut aspek/komponen. Variasi komposisi daya dukung wilayah menurut komponen sangat menentukan tingkat keberlanjutan pembangunan dan berlaku Carrying Capacity Multicomponent Zero-Sum Game Theory. Wilayah yang mempunyai nilai daya dukung yang relatif seimbang antar aspek/komponen cenderung mempunyai tingkat keberlanjutan pembangunan yang lebih tinggi. Dari hasil penggunaan model prediksi tergambarkan adanya variasi jenjang secara spasial tingkat keberlanjutan pembangunan di DIY. Pengaturan komposisi penggunaan lahan melalui rencana tata ruang wilayah merupakan instrumen kunci untuk mencapai keseimbangan daya dukung wilayah sehingga diharapkan mampu meningkatkan keberlanjutan pembangunan. Selain itu, perlu diterapkan prinsip ekoefiseinsi (eco-efficiency) dalam pemanfaatan sumberdaya.

Various studies of regional carrying capacity are necessary for leading development to be suitable with its limit and potency, so it is able to support sustainable development. The development of prediction model of developmental sustainability based on regional carrying capacity is important to be done to direct the development more rational and optimal. This research aims to formulate and determine the calculation of regional carrying capacity comprehensively and to study a variation of value, a spatial distribution pattern, and factors that determine the amount of regional carrying capacity in DIY. The next objective is formulating the model of developmental sustainability based on regional carrying capacity by the use of Artificial Neural Networks – Backpropagation and investigating the relation pattern of regional carrying capacity balance and developmental sustainability. Data processing of carrying capacity is done by quantitative approach, which is by using mathematical formulation obtained from concept and theoretical development in regional carrying capacity. Classification, variation of value, spatial distribution pattern, and determining factor of regional carrying capacity are studied by using Artificial Neural Networks – Self Organizing Maps, Hot Spot Analysis (Getis-Ord Gi*), and Discriminant Analysis. Model making is done by Artificial Neural Networks (ANN) with Backpropagation topology. Assessment unit of regional carrying capacity used is a village unit throughout Yogyakarta Special Region, amounting to 438 villages. The calculation result of DIY regional carrying capacity shows the value variation among components and among regional parts (regency/city). Bioecological carrying capacity (land resources) of DIY is considered low and is having bioecological deficit (land resources deficit) of 0.085 global hectares per capita. It is similar to food carrying capacity having carrying capacity of only 0.773, and it still needs a large additional supply of rice. A different condition is found for components of water, air, residential, goods and waste, as well as service that their values of carrying capacity are quite high. Spatially, cluster distribution of regional carrying capacity is affected more by factor of urbanity level, population, physiographic aspect, and land use. The determining factor of the amount of regional carrying capacity is quite varied, multi-role, and multi-trait. From the training result by Artificial Neural Networks – Self Organizing Maps, five clusters of regional carrying capacity are produced, and it forms leveling. Furthermore, from the training that has been done by the use of Artificial Neural Networks (ANN) – Backpropagation, a prediction model of developmental sustainability level based on regional carrying capacity is produced. The achievement of optimal value from the level of developmental sustainability is not determined by individual value of each regional carrying capacity component, but it is more determined by the value composition of carrying capacity according to the aspect/component. The composition variation of regional carrying capacity according to the component really determines the level of developmental sustainability and the application of Carrying Capacity Multicomponent Zero-Sum Game Theory. The region that has carrying capacity value that is relatively balanced among aspects/components tends to have a higher developmental sustainability level. From the result of prediction model use, it describes the existence of level variation spatially in the level of developmental sustainability in DIY. The arrangement of land use composition by regional spatial structure plan is the key instrument to obtain the balance of regional carrying capacity, so it is expected to be able to improve the developmental sustainability. Additionally, the need to be implemented the principles of eco-efficiency in resources utilization.

Kata Kunci : daya dukung wilayah, jaringan syaraf tiruan, keberlanjutan pembangunan.