PEMODELAN PERKEMBANGAN KAWASAN PERMUKIMAN DIKOTA SURABAYA BERBASIS SIG

Ir. Dadet Pramadihano M. Eng PhD1, Ir. Wahjoe Tjatur Sesulihatien MT1,Ira Prasetyaningrum S.Si, M.T1, Adi Firmansyah2

Dosen1, Mahasiswa2

Politeknik Elektronika Negeri SurabayaInstitut Teknologi Sepuluh Nopember

Kampus PENS-ITS Keputih Sukolilo Surabaya 60111Telp (+62)31-5947280, 5946114, Fax. (+62)31-5946114

Abstract

Urban modeling is an important tool for efficient policy designing in a big city. Surabaya, a big city are nowrecognized as complex systems through which non-linear and dynamic processes occur. The paper present amethodological framework for urban modeling from socio economic point of view, which suggested frameworkincorporates a set of fuzzy systems. In this case, the variable consist of manufacture, hospital, school andshopping centre. Combining with spatial analysis in GIS, the result is a dynamic model was shown to be capableof replicating the trends and characteristics of an urban environment, in this case the city of Surabaya. Keyword: urban modeling, socio economic, fuzzy, GIS

1. Pendahuluan

Permukiman adalah bagian dari lingkunganhidup, di mana ada permukiman kawasanperkotaan dan kawasan pedesaan yang berfungsisebagai tempat tinggal atau tempat hunianpenduduk atau tempat kegiatan.Pertambahanjumlah penduduk dan tingkat perekonomian daritahun ke tahun semakin menambah kebutuhanmasyarakat terhadap kebutuhanrumah.Pemanfaatan lahan-lahan produktif danlahan kosong sangat dibutuhkan pengembangdalam mengembangkan permukiman. Hal inidilakukan karena lahan tengah kota sudah tidak adalagi tempat yang ideal dari sisi ekonomi.

Perkembangan suatu kawasan khususnyadaerah perkotaan mempunyai ciriciri denganadanya ketidakseimbangan perkembangan antarkawasan dan tidak meratanya pusat-pusatpelayanan untuk masyarakat, sehingga munculpermasalahan sebagai berikut : Kecenderunganpemusatan kegiatan (over concentration) padakawasan-kawasan tertentu, perkembanganpenggunaan lahan yang bercampur (mixed use),terjadinya alih fungsi lahan (land conversion) dariruang terbuka, lahan konservasi, atau ruang terbukahijau menjadi kawasan terbangun intensif(permukiman, industri, perkantoran, prasarana).

Kota Surabaya merupakan salah satu kotametropolitan terbesar kedua di indonesia setelahjakarta. Jumlah penduduk di surabaya berdasarkanrencana pada tahun 2015 mencapai 2.722.876 jiwa,sedangkan luas Kota Surabaya sendiri hanyasekitar 33.048 ha. Dengan demikian kepadatan

penduduk Kota Surabaya mencapai 83 jiwa /ha.Penggunaan lahan untuk permukimanmenghabiskan paling banyak lahan dari padapenggunaan lahan yang lain (RTRW Surabaya,2015).

Permasalahan yang akan dihadapi adalahseiring dengan semakin meningkatnyapertumbuhan / perkembangan jumlah pendudukyang ada di kota Surabaya, maka bertambah pulatingkat kebutuhan hidup mereka, sehinggamenyebabkan perubahan fungsi dari penggunaanlahan dalam perkembangan suatu permukiman.Oleh karena itu, pembuatan aplikasi ini berupayauntuk mengidentifikasi lebih dalam mengenaimodel perkembangan kawasan permukimanSurabaya yang dapat dijadikan masukan dalampenentuan kebijakan arah pembangunan fisik kota.

Proyek akhir ini dilakukan untuk membuataplikasi tentang pemodelan perkembangankawasan permukiman di Kota Surabaya. Data-datayang mengenai kondisi kependudukan, penggunaanlahan industri, sekolah, fasilitas kesehatan, kondisitransportasi akan diproses sehingga menghasilkansuatu rumusan yang nantinya akan digunakanuntuk memodelkan sebuah peta tentang prediksiperkembangan kawasan permukiman tersebut.

Rumusan masalah dari aplikasi ini adalahsebagai berikut :

1. Pengumpulan data-data yang berpengaruhterhadap pola perubahan perkembangankawasan permukiman.

2. Pengolahan data dari variabel-variabel yangmempengaruhi perubahan dan

perkembangan kawasan permukiman.3. Pembuatan sistem prediksi perkembangan

kawasan permukiman berdasarkan aturanfuzzy logic dan cellular automata.

4. Hasil output dari penelitian ini berupa petapemodelan tentang perkembangan kawasanpermukiman berbasis web..

Tujuan dari penelitian ini adalahmemodelkan sistem dan memproses data sertavariabel yang mempengaruhi suatu perkembanganpermukiman tersebut baik itu pertumbuhanpenduduk, pengaruh perkembangan wilayah sepertirumah sakit, swalayan, sekolah, dan industri yangkemudian dapat digunakan untuk menganalisisfaktor-faktor yang mempengaruhi perkembangankawasan permukiman dan memprediksi bagaimanaarah kecenderungan perkembangan kawasanpermukiman tersebut untuk kedepannya danperubahan luas lahan serta memberikan evaluasiserta revisi terhadap perencanaan tata ruang terkait.

Aplikasi Web-GIS ini diharapkanMembantu menginformasikan tentang bagaimanaarah kecenderungan perkembangan kawasanpermukiman kota Surabaya untuk kedepannyasebagai evaluasi dan revisi mengenai perenacanaantata ruang terkait, peta pemodelan perkembangankawasan permukiman kota Surabaya berbasissistem informasi geografis,mengetahui faktor-faktor yang mempengaruhi perkembangan kawasanpermukiman di Kota Surabaya.

2. Teori Penunjang

Menurut Teori Clark (1982). Perkembanganpermukiman kekotaan dipicu oleh dua peristiwautama yang mewarnai perkembangan peradabanmanusia di muka bumi ini. Kedua peristiwatersebut dikenal dengan peristiwa revolusipertanian dan peristiwa revolusi industri. Adapunfaktor-faktor yang mempengaruhi perkembanganseperti perkembangan sosial ekonomi,perkembangan industri, perkembangan transportasi.

Kemudian terdapat teori lainnya, yaitu TeoriHaggett. Menurut teori Haggett (1983).Pengklasifikasian evolusi perkembangan kota inididasarkan pada perkembangan permukiman padaabad pertengahan hingga kecenderunganperkembangan kota saat ini.Faktor-faktor yangmempengaruhinya hanya pada perkembangan dibidang transportasi.

Pada tahun 1992 terdapat teori Herbert &Thomas (1992), yang mana keberadaan industrirumah tangga secara individual sebenarnya sudahada pada suatu kota semenjak orang mengenalperadaban kota, sehingga kata atau istilahindustrialisasi akan lebih tepat, khususnya industriiyang muncul sebagai akibat ditemukannyaberbagai corak/jenis mesin dan kemudiandikembangakan di kota-kota dalam skala yang

lebih besar dari sekedar industri rumah tangga.Faktor-faktor yang mempengaruhi perkembangankota seperti perkembangan pusat kota,perkembangan industri, kemajuan di bidangtransportasi.

Menurut Borchert (1967), teoriperkembangan permukiman perkotaan didasari duahal yang dianggap determian pembedaan evolusiperkembangan kota-kota di Amerika Serikat adalahperubahan teknologi transportasi dan perubahanteknologi industri. Beochert mengemukakantesisnya berdasarakan perbedaan modatransportasiyang mendominasi kehidupan kekotaanya. Olehkarena tesisnya dicetuskan tahun 1967, sarjana inimengemukakan gejala evolusi yang terjadi sampaipada tahun 1960, namun masih relevan diacuhingga saat ini.

Berdasarkan kajian pustaka diatas, dapatdisimpulkan bahwa terdapat beberapa modelevolusi permukiman perkotaan menurut pakar yangberbeda-beda. Hal ini disebabkan penentuan modelyang dilakukan memiliki latar belakang daerahpenelitian dan waktu penelitian yang berbeda.Berdasarkan teori-teori yang telah dipaparkantersebut dapat diperoleh 5 faktor yangmempengaruhi perkembangan lahan yaitu :pertambahan julmlah penduduk, perkembanganpusat kota, kemajuan di bidang transportasi,perkembangan social ekonomi, pertumbuhanindustri.

Definisi SIG selalu berkembang,bertambah dan bervariasi. Hal ini telihat daribanyaknya definisi SIG yang telah beredar. Selainitu, SIG juga merupakan suatu kajian ilmu danteknologi yang relatif baru, digunakan olehberbagai bidang disiplin ilmu, dan berkembangdengan cepat.

Secara harafiah, SIG dapat diartikansebagai suatu komponen yang terdiri dari perangkatkeras, perangkat lunak, data geografis dansumberdaya manusia yang bekerja bersama secaraefektif untuk menangkap, menyimpan,memperbaiki, memperbaharui, mengelola,memanipulasi, mengintegrasikan, menganalisa, danmenampilkan data dalam suatu informasi berbasisgeografis. (Puntadewo A+, 2003)

Dengan kata lain Sistem InformasiGeografis (SIG) adalah sistem informasi khususyang mengelola data yang memiliki informasispasial (bereferensi keruangan). Atau dalam artiyang lebih sempit, adalah sistem komputer yangmemiliki kemampuan untuk membangun,menyimpan, mengelola dan menampilkaninformasi bereferensi geografis, misalnya data yangdiidentifikasi menurut lokasinya, dalam sebuahbasis data termasuk juga orang yang membangun

dan mengoperasikannya dan data sebagai bagiandari sistem ini. (Sembiring, 2007)

Himpunan Fuzzy

Pada himpunan tegas (crisp), nilaikeanggotaan suatu item x dalam suatu himpunan A,yang sering ditulis dengan A[x], memiliki duakemungkinan yaitu : Satu (1), yang berarti bahwa suatu item

menjadi anggota dalam suatu himpunan. Nol (0), yang berarti bahwa suatu item tidak

menjadi anggota dalam suatu himpunanSedangkan pada himpunan fuzzy nilai

keanggotaannya terletak pada rentang antara 0sampai 1. Apabila x memiliki nilai keanggotaanfuzzy A[x] = 0, berarti x tidak menjadi anggotahimpunan A, juga apabila x memiliki nilaikeanggotaan fuzzy A[x] = 1 berarti x menjadianggota penuh pada himpunan A.

Fungsi KeanggotaanFungsi keanggotaan adalah suatu kurva yangmenunjukkan pemetaan titik-titik input data kedalam nilai keanggotaannya (derajat keanggotaan)yang memiliki interval antara 0 sampai 1. Salahsatu cara yang dapat digunakan untuk mendapatkannilai keanggotaan adalah dengan melaluipendekatan fungsi. Fungsi-fungsi tersebut antaralain fungsi linier, kurva segitiga, kurva trapesiumdan kurva bahu. Dalam proyek ini menggunakanfungsi keanggotaan kurva segitiga.

Gambar 2.1 Proses dalam FIS

Inferensi itu sendiri adalah evaluasikaidah/aturan/rule fussy untuk menghasilkanoutput pada tiap rule. FIS yang digunakan dalampenelitian ini menggunakan metode Mamdanisering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh EbrahimMamdani pada tahun 1975. Untuk memperolehoutput, diperlukan 4 tahapan yaitu :1. Pembentukkan himpunan fuzzy;

Pada metode mamdani, baik variable inputmaupun variable output dibagi menjadi satuatau lebih himpunan fuzzy.

2. Aplikasi fungsi aturan;Pada metode mamdani, fungsi implikasi yangdigunakan adalah MIN.

3. Komponen aturan;Pada tahapan ini system terdiri dari beberapaaturan, maka inferensi diperoleh darikumpulan atau korelasi antar aturan. Metodeyang digunakan dalam melakukan inferensisystem fuzzy, yaitu metode MAX, solusihimpunan fuzzy diperoleh diperoleh dengan

cara mengambil nilai maksimum aturan,kemudian menggunakannya untukmemodifikasi daerah fuzzy, danmengaplikasikannya ke output denganmenggunakan operator OR (union). Secaraumum dapat ditulis :A[x] = max(A[x], B[y]) (1)

4. Penegasan (defuzzyfikasi)Input dari proses defuzzyfikasi adalah suatuhimpunan fuzzy yang diperoleh darikomposisi aturan-aturan fuzzy, sedangkanoutput yang dihasilkanmerupakan suatubilangan pada domain himpunan fuzzytersebut.Defuzzyfikasi menggunakan metode COAdengan persamaan :

v0 = nilai keluaranm = tingkat kuantisasivk = elemen ke-k

v(Vk) = derajat keanggotaan elemen-elemenpada fuzzy set vv= semesta pembicaraan

Cellular AutomataCellular system dapat didefinisikan sebagai

suatu koleksi tersusun dari unsur-unsur serupa yangdisebut cell. Struktur ini diberikan oleh pilihan daribentuk pixel atau biasa disebut lattice. Beberapalattice adalah 1-dimensi, 2-dimensi dan 3 atau lebihdimensi. Sel-sel tetangga (neighborhoods)merupakan bagian penting yang merepresentasikankesatuan cell yang berinteraksi langsung denganpusat cell. Jumlah dari sel tetangga sangatdipengaruhi oleh lattice dari sel tersebut. sepertiterlihat pada gambar berikut :

Gambar 2.2 Cellular Automata

Pada gambar di atas, pusat cell ditandaidengan warna merah sedangkan neighborhoodsditandai dengan warna magenta. Lattice yang akandigunakan dalam sistem ini adalah Square. Karenadengan cell pusatnya yang berbentuk segiempat,maka sel-sel tetangganya akan semakin banyak.Sehingga sangat cocok digunakan dalam sistem

yang dinamis. Unit dasar komputasi pada cellularautomata disebut cell dan umumnya beberapa cellbersifat non-linear dynamic system. Cell yangdinamis dapat bersifat continous time. Secaramatematis didefinisikan discrete in time denganatau Ordinary Differential Equations (ODEs).Contoh:

-=Nk

kk tyaty )1(.)(1

mendefinisikan output dinamis, )(1 ty merupakandiscrete time autonomous cell yang didefinisikansebagai jumlahan berat semua neighboring celloutput pada waktu sebelumnya. Neighborhooddidefinisikan sebagai kesatuan N dan k dipilihuntuk mengidentifikasi cell tetangga padaneighborhood tertentu.

3. Rancangan Sistem

Gambar 3.1 Diagram Sistem

Penjelasan : Proses : Setelah mendigitasi dan pengolahan

data yang dimasukkan ke database.Selanjutnya melakukan perhitungan korelasiguna mendapatkan hubungan dua variable danfuzzy sebagai pembentukan aturan yang manahasilnya didapatkan dari data training yang

telah terkumpul,sehingga akan menghasilkanpemodelan kawasan permukiman dari datatersebut, kemudian dilakukan uji coba denganmelakukan metode perhitungan cellularautomata guna mendapatkan prediksi suatumodel perkembangan kawasan permukimandan analisa perkembangan kawasanpermukiman tersebut.

Output : Hasil yang diharapkan daripengerjaan dari penelitian ini adalah tentangsebuah prediksi pemodelan akan arahperkembangan kawasan permukiman kotaSurabaya untuk kedepannya

Korelasi Antar VariabelTujuan analsisi korelasi adalah ingin

mengetahui APAKAH ADA HUBUNGAN antaradua variabel atau lebih. Misal dalam tugas akhirkali ini adalah hubungan antara kepadatanpenduduk terhadap faktor-faktor yangmempengaruhinya seperti sekolah, industri, pasarswalayan, rumah sakit.

Adapun batas-batas nilai koefisien dari radalah sebagai berikut :

Tabel 3.1 Batas Nilai Koefisien r

Interval nilai r Tingkat hubungan

0 ? r < 0,2 Sangat rendah

0,2 ? r < 0,4 Rendah

0,4 ? r < 0,6 Sedang

0,6 ? r < 0,8 Kuat

0,8 ? r ?1 Sangat kuat

Mencari hubungan antara variabel X dan Y

})(}{)({

))((2222 yynxxn

yxxynrxyS-SS-S

SS-S

Keterangan :

xyr = nilai korelasin = banyak data / sampel

xS = jumlah variabel XyS = jumlah variabel Y

2xS = jumlah pangkat dua variabel X2yS = jumlah pangkat dua variabel Y

xyS = jumlah perkalian variabel X dan Y

Alur Kerja Fuzzy LogicDari hasil korelasi yang telah dilakukan, kita

tentukan metode yang tepat. Dalam sistemperkotaan, ada kombinasi kompleks banyak faktordan subsistem. Jadi, cara-cara seperti teori

matematika dan model harus digunakan dengankesadaran penuh kompleksitas.

Metode fuzzy mamdani dipilih sebagai carauntuk menentukan rule dari hasil korelasi antarvariabel. Adapun membership function besertakeluaran dari variabel sebelumnya :

(a)

(b)Gambar 3.2 Membership Function

(a). Input(b). Output

Setiap himpunan fuzzy digambarkan olehvariabel linguistik akrab terhadap kualitassementara kuantitatif (numerik) informasi ditunjukuntuk fuzzy set yang tepat oleh koresponden fungsikeanggotaan. Basis pengetahuan direpresentasikansebagai aturan linguistik "IF ... THEN ",menghubungkan hipotesis untuk kesimpulanmelalui faktor kepastian. Dalam hal ini penelitian,peraturan dilakukan untuk menentukanpembangunan dalam jangka SangatLambat,Lambat, Cukup Lambat, Sedang, CukupCepat, Cepat, dan Sangat Cepat. Adapun aturandasarnya sebagai berikut :

Gambar 3.3 Aturan Dasar

Alur Kerja Cellular AutomataBerikut ini adalah representasi model

moore neighborhood dari cellular automata 2dimensi, ukuran 3x3.

Gambar 3.4 Metode Cellular Automata3x3

Pembuatan Grid untuk menghubungkanGIS dengan fuzzyAgar nilai dari fuzzy dapat dipakai dalam

fuzzy maka dibutuhkan teknik buatmenghubungkannya salah satunya adalah teknikgrid peta. Tiap peta dibagi dalam bentuk kotak,dalam kasus ini radiusnya 500m x 500m, dan setiapgrid memiliki database yang unik termasuk datageografis dan data dari hasil fuzzy tadi. Gambar 3.3menunjukkan peta Surabaya setelah di grid.

Gambar 3.5 Grid Peta Surabaya

Setelah itu semua data dalam grid hasil prosesfuzzy akan ditampilkan dalam dalam jangka SangatLambat,Lambat, Cukup Lambat, Sedang, CukupCepat, Cepat, dan Sangat Cepat.

4. Hasil dan Pembahasan

Uji coba ini dilakukan untuk mengetahuiapakah aplikasi yang telah dibangun telah berjalandengan baik dan memenuhi spesifikasi yang telahditentukan. Berikut ini adalah tampilan halamanutama dari website:

R1 : IF industri = tinggi v sekolah=sedikit v rumahsakit=sedikit v swalayan =sedikitTHEN perkembangan = sangat lambatR2 : IF industri = sedang v sekolah=sedang v rumahsakit=sedikit v swalayan =sedikitTHEN perkembangan = lambatR3 : IF industri = sedikit v sekolah=banyak v rumahsakit=sedikit v swalayan =sedikitTHEN perkembangan = cukup lambatR4 IF industri = sedikit v sekolah=sedang v rumahsakit=sedikit v swalayan =sedikitTHEN perkembangan = sedangR5 : IF industri = sedikit v sekolah= sedang v rumahsakit= sedikit v swalayan = sedangTHEN perkembangan = cukup cepatR6 : IF IF industri = sedikit v sekolah= sedang v rumahsakit=dikit v swalayan = sedang

Gambar 4.1 Halaman Utama

4.1. Korelasi antar variabelKorelasi adalah salah satu cara untuk

mengetahui seberapa besar hubungan antaravariabel satu dengan yang lain. Melaluiperhitungan ini, akan didapatkan nilai dari korelasiyang kemudian dipakai sebagai acuan dalammenentukan prioritas variabel dalam aturan fuzzy.

n 31jum_kpdtn (x) 422039.5375jum_rs (y) 53jum_xy 886629.9352jum_x2 8891832468jum_y2 109besar kolerasi 0.6863519Keterangan Kuat

(a)n 31jum_kpdtn (x) 422039.5375jum_swalayan (y) 62jum_xy 1016836.315jum_x2 8891832468jum_y2 264besar kolerasi 0.265850689Keterangan Rendah

(b)Gambar 4.2 Faktor Korelasi

(a) Rumah sakit dengan kepadatan(b) Sekolah dengan kepadatan

Hasil dari korelasi antara rumah sakitdengan kepadatan penduduk didapatkan bahwabesarnya korelasi sama dengan 0.6863519, denganhasil tersebut dapat diketahui bahwa denganadanya rumah sakit yang mana sebagai pelayananpublik. Ketika membangun rumah sakit,lingkungan berubah. Hal menarik orang untukhidup disekitar karena alasan ekonomi, sepertiperdagangan, sewa ruang dan sebagainya. Iniadalah alasan mengapa korelasi positif. Untuksekolah adalah salah satu faktor suatu kotamempengaruhi perkembangan, dengan beradadidekatnya fasilitas pendidikan, seseorang bisa

mencari ilmu dengan lebih mudah. Denganterbentuknya fasilitas-fasilitas sebelumnyaditambah dengan mudahnya akses ke fasilitaspendidikan perkembangan kota bias bergerak lebihcepat dan merambat ke tempat-tempat laindisekitarnya.

Setelah mendapatkan nilai COG dari fuzzydiatas, nilai COG dimasukkan ke dalam setiap grid,kemudian dilakukan visualisasi prediksi arahperkembangan kota Surabaya denganmenggunakan perhitungan matematika CellularAutomata.

4.2. Visualisasi Arah Prediksi Perkembangandengan Cellular Automata

Gambar 4.3 Visualisasi Uji Coba 1

Dari hasil visualisasi uji coba pertamabahwa arah prediksi perkembangan mengarah kekecamatan pada Surabaya Pusat dulu, ini terlihatbahwa infrastuktur pada Surabaya Pusat memadaiseperti rumah sakit, sekolah, apalagi swalayan,karena sebagai pusat kota.

Gambar 4.4 Visualisasi Uji Coba 2

Pada hasil uji coba kedua arah prediksiprediksi arah perkembangan kota bergerak ke arahutara, selatan dan sebagian kea rah timurdikarenakan di Surabaya Utara, SurabayaSelatan,serta Surabaya Timur dekat denganSurabaya Pusat yang memiliki infrastruktur yangmenmadai tapi memiliki luas lahan yang kec,sehingga banyak penduduk yang pindah keSurabaya Utara, Surabaya Selatan dan sebagian keSurabaya Timur

Gambar 4.5 Visualisasi Uji Coba 3

Pada uji coba ketiga arah prediksiperkembangan mulai berkembang pada sebagiandaerah Surabaya Barat dikarenakan di daerahKecamatan Sukomanunggal terdapat banyak pasarswalayan seperti mall oleh sebab itu prediksi arahperkembangan bergerak daris situ. Untuk sebagiankecamatan daerah Surabaya Barat belummengalami prediksi arah perkembangan, karenapada daerah-daerah situ masih belum terlalubanyak infrastruktur yang tersedia

5. KesimpulanDari hasil uji coba perangkat lunak dapat

ditarik beberapa kesimpulan : Berdasarkan kajian pustaka yang ada terdapat

beberapa faktor yang mempegaruhiperkembangan suatu kota, yaitu :a. Pertambahan jumlah pendudukb. Pertambahan fasilitas kesehatanc. Perkembangan sosial ekonomi seperti

pasar swalayan dan sekolahd. Pertumbuhan industri.

Prediksi arah perkembangan permukimandengan menggunakan metode cellularautomata dapat membantu untuk menganalisadan pengambilan keputusan pengembangankota Surabaya secara makro.

Terjadi perkembangan yang memusat padapusat kota Surabaya mengingat adanyaindikasi dimana pergerakan pendudukmengalir dari pusat kota ke daerah-daerahpinggiran kota.

DAFTAR PUSTAKA[1]. Sugiarto, Boni. 2005, Model Perkembangan

Spasial Surabaya Metropolitan Area (StudiKasus : Kabupaten Sidoajo Dan KotaSurabaya), Surabaya : FTSP-ITS.

[2]. Hariyanto, Teguh. 2005, PengembanganSistem Informasi Geografis Untuk PrediksiPenggunaan Dan Perubahan LahanMenggunakan Citra Ikonos Multispektral.Surabaya : FTSP-ITS.

[3]. Wihono, Sri. 2005, Analisis PenginderaanJauh Dan Sistem Informasi Geografis (Sig)Untuk Memantau Perkembangan KawasanPermukiman Baru Di Kota Sidoarjo.Surabaya : FTSP-ITS.

[4]. Widajati, Tri. 2009. Manajemen BencanaLumpur Sidoarjo Menggunakan GisBerbasis Web. Surabaya : PENS-ITS.

[5]. Khalid Al-Ahmadia, Alison Heppenstallb,Linda Seeb and Jim Hoggb, ModelingUrban Growth Dynamics using CellularAutomata and GIS. Saudi Arabia :University of Leeds

[6]. Arashirins Weblog. "Konsep Dasar SistemInformasi Geografis",http://arashirin.wordpress.com/2007/12/31/konsep-dasar-sistem-informasi-geografis(diakses tanggal 20 Juli 2010).

[7]. Khalid Al-Ahmadia*, Alison Heppenstallb,Linda Seeb and Jim Hoggb, Modeling UrbanGrowth Dynamics using Cellular Automataand GIS

[8]. Verburg, P.H.; van Berkel, D.; Valbuena, D;Willemen, L, Modelling the influence ofland use and land cover change on landscapefunctions, 2007

[9]. Sigrun Kabisch, Annegret Haas, DagmarHaase, Beyond Growth- UrbanDevelopment In Shrinking Cities as achallenge for Modelling