ANALISIS KESESUAIAN LAHAN UNTUK PERUMAHAN DI …
Transcript of 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
Jurnal Informanika, Volume 6 No.2, Juli-Desember 2020 ISSN :2407-1730
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,
Jurnal Informanika, Volume 6 No.2, Juli-Desember 2020 ISSN :2407-1730
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
Jurnal Informanika, Volume 6 No.2, Juli-Desember 2020 ISSN :2407-1730
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
Jurnal Informanika, Volume 6 No.2, Juli-Desember 2020 ISSN :2407-1730
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
Jurnal Informanika, Volume 6 No.2, Juli-Desember 2020 ISSN :2407-1730
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
Jurnal Informanika, Volume 6 No.2, Juli-Desember 2020 ISSN :2407-1730
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
Tinggi lahan 8 (rendah), lama
genangan air 1 (perna), jarak
terhadap rumah sakit, terminal dan
pasar 5000 meter (jauh), jarak
terhadap jalan utama 27000 meter
(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
Kemiringan Lahan DATARTHEN
Lahan Tidak Sesuai;
α110=μPredikatR110
=Min(μTLRendah[8],μLGAPerna[1]
,μJTRSPTDekat[5000],μJTJJauh[27
000],μKLDatar[0,8])
=Min (1;0,2;0;1;1)
=0
3. RT 24
Tinggi lahan 8 (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 1,1 (datar).
Jurnal Informanika, Volume 6 No.2, Juli-Desember 2020 ISSN :2407-1730
30
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[8],μLGAPerna[1],
μJTRSPTDekat[1000],μJTJDekat[2400
0],
μKLDatar[1,1])
=Min (1;0,2;0,588;0;1)
=0
4. RT 25
Tinggi lahan 10 (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 0,5 (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[10],μLGAPerna[1
],μJTRSPTDekat[1000],μJTJDekat[2
4000],μKLDatar[0,5])
=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
Jurnal Informanika, Volume 6 No.2, Juli-Desember 2020 ISSN :2407-1730
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
A2 = ∫ μ(z)dz𝑧2
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
A3 = ∫ μ(z)dz𝑧3
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)
Jurnal Informanika, Volume 6 No.2, Juli-Desember 2020 ISSN :2407-1730
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
A1 = ∫ μ(z)dz𝑧1
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
A2 = ∫ μ(z)dz𝑧2
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)
Jurnal Informanika, Volume 6 No.2, Juli-Desember 2020 ISSN :2407-1730
33
A2= 6,4– 48
A2 = -41,6
A2 = ∫ μ(z)dz𝑧3
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
Jurnal Informanika, Volume 6 No.2, Juli-Desember 2020 ISSN :2407-1730
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.
Gambar 4:Tampilan Peta RT 23
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:Tampilan Peta RT 24
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.
Gambar 6:Tampilan Peta RT 25
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
Jurnal Informanika, Volume 6 No.2, Juli-Desember 2020 ISSN :2407-1730
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
Jurnal Informanika, Volume 6 No.2, Juli-Desember 2020 ISSN :2407-1730
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.