Page 474 - Trends in Science and Technology fo Sustainable Living

Trends in Science and Technology 435
for Sustainable Living

bersamaan atau dalam domain yang sama, hasilnya adalah
pendekatan operasional gabungan (Jaya, 2010). Keterkaitan spasial
baru dalam pola perubahan lahan ditemukan dalam kumpulan
data yang dihasilkan untuk tahun 1997, 2002, 2013, dan 2018.
Dengan menggunakan proses semi-otomatis, peta
kawasan TNLL di analisis terlebih dahulu, kemudian tempat-tempat
yang mengalami perubahan diuraikan di data peta citra satelit.
Selain itu, luas perubahan lahan diperoleh dengan digitalisasi peta
kawasan TNLL. Keberhasilan digitalisasi manual sangat bergantung
pada kemampuan penerjemah untuk mengidentifikasi dan
mengkarakterisasi tempat-tempat yang penggunaan lahan telah
mengalami perubahan. Inspeksi dan pemeriksaan kondisi eksisting
di lokasi yang ada tanda-tanda perubahan lahan dilakukan untuk
memverifikasi temuan hasil citra satelit.

c. Regresi Logistik Binner
Pola sebaran penggunaan lahan berdasarkan pemanfaatan
fungsi kawasan dapat dipengaruhi oleh kepadatan penduduk
(Prasetyo, Kartodihardjo, Okarada, Adiwibowo, & Setiawan, 2009),
jarak jalan (Kumar, Nandy, Agarwal, & Kushwaha, 2014), jarak
permukiman (Arekhi, 2011), jarak ibukota (Mahapatra & Kant, 2005),
jarak kelerengan (Chen, Powers, de Carvalho, & Mora, 2015), dan
jenis tanah (FAO, 2005). Proses perubahan penggunaan bersifat
dinamis seiring dengan faktor yang menjadi ciri khas di suatu
wilayah. Untuk memahami hubungan berbagai faktor pendorong
yang dapat menyebabkan pergeseran pola penggunaan lahan,
dapat diidentifikasi dengan analisis statistik terhadap lahan dengan
regresi logistik biner. Ukuran nilai peluang atau probabilitas dapat
menempatkan suatu peristiwa di mana saja antara 0 dan 1. Jika
nilainya nol, maka tidak ada kemungkinan terjadinya perubahan
lahan; dan jika nilainya satu, maka ada kemungkinan terjadinya
perubahan lahan. Untuk tujuan regresi logistik biner, menggunakan
persamaan Hosmer dan Lemeshow (1989):

 Pi 
Log  β = β +  X + β X … β X (1)
 1 − Pi    0 11 2 2 nn