Kesesuaian Penggunaan Lahan di Kota Metro Terhadap Pola Ruang
Keywords:
geodesy, geomatics, remotesensingAbstract
Perkembangan perekonomian di Kota Metro yang didominasi bidang industri, jasa dan pertanian berbanding lurus dengan peningkatan kebutuhan akan lahan. Pemenuhan kebutuhan akan lahan yang berimplikasi dengan kondisi ekonomi pada tingkat kabupaten/kota membutuhkan penggunaan lahan yang selaras dengan acuan yang ada agar mencapai tujuan pembangunan. Penelitian ini dilakukan dengan mengolah data citra landsat 8 menggunakan metode klasifikasi terbimbing dan pengujian hasil klasifikasi dengan menggunakan matriks konfusi. Proses analisis kesesuaian penggunaan lahan terhadap pola ruang dilakukan dengan menggunakan teknik overlay. Hasil penelitian menunjukkan kelas penggunaan lahan terdapat 4 kelas yaitu pemukiman, pertanian, tanah terbuka dan tubuh air. Luas penggunaan lahan yang sesuai dengan pola ruang sebesar 5416,75 Ha, sedangkan luas penggunaan lahan yang tidak sesuai sebesar 1457,25 Ha.
Kata kunci: kesesuaian lahan; penggunaan lahan; pola ruang
References
Abdelkareem, M., Kamal El-Din, G. M., & Osman, I. (2018). An Integrated Approach for Mapping Mineral Resources in The Eastern Desert of Egypt. International Journal of Applied Earth Observation and Geoinformation, 73, 682–696. https://doi.org/10.1016/j.jag.2018.07.005
Agraria dan Tata Ruang/Kepala Badan Pertanahan Nasional Republik Indonesia. (2021). Peraturan Menteri ATR/BPN Nomor 14 Tahun 2021.
BPS. (2018). Jumlah Penduduk Miskin Menurut Provinsi, 2007-2018.
Erle, E., & Pontius, R. (2007). Land-use and land-cover change. Encyclopaedia of Earth.(Eds.). Cutler J. Cleveland (Washington, DC: Environmental Information Coalition, National Council for Science and the Environment). Last Retrieved January, 19, 2008.
Haris, I., & Rahmawati, A. (2013). Evaluasi Tebal Lapis Tambah Perkerasan Lentur Menggunakan Metode Bina Marga (Pd T-05-2005-B) dan Asphalt Institute (MS-17)(Studi Kasus Jalan Yogyakarta-Bantul). Semesta Teknika, 16(2), 166-171.
Lechner, A. M., Foody, G. M., & Boyd, D. S. (2020). Applications in remote sensing to forest ecology and management. One Earth, 2(5), 405-412.
Lillesand, T., Kiefer, R. W., & Chipman, J. (2015). Remote Sensing and Image Interpretation. John Wiley & Sons.
Meyfroidt, P., Roy Chowdhury, R., de Bremond, A., Ellis, E. C., Erb, K.-H., Filatova, T., Garrett, R. D., Grove, J. M., Heinimann, A., Kuemmerle, T., Kull, C. A., Lambin, E. F., Landon, Y., le Polain de Waroux, Y., Messerli, P., Müller, D., Nielsen, J. Ø., Peterson, G. D., Rodriguez García, V., … Verburg, P. H. (2018). Middle-Range Theories of Land System Change. Global Environmental Change, 53, 52–67. https://doi.org/10.1016/j.gloenvcha.2018.08.006
Mishra, V. N., Prasad, R., Kumar, P., Gupta, D. K., & Srivastava, P. K. (2016). Dual-Polarimetric C-Band SAR Data for Land Use/Land Cover Classification by Incorporating Textural Information. Environmental Earth Sciences, 76(1). https://doi.org/10.1007/s12665-016-6341-7
Nedd, R., Light, K., Owens, M., James, N., Johnson, E., & Anandhi, A. (2021). A Synthesis of Land Use/Land Cover Studies: Definitions, Classification Systems, Meta-studies, Challenges and Knowledge Gaps on a Global Landscape. Land, 10(9), 994. https://doi.org/10.3390/land10090994
Werner, T. T., Bebbington, A., & Gregory, G. (2019). Assessing Impacts of Mining: Recent Contributions from GIS and Remote Sensing. The Extractive Industries and Society, 6(3), 993–1012. https://doi.org/10.1016/j.exis.2019.06.011
Wulder, M. A., Coops, N. C., Roy, D. P., White, J. C., & Hermosilla, T. (2018). Land Cover 2.0. International Journal of Remote Sensing, 39(12), 4254–4284. https://doi.org/10.1080/01431161.2018.1452075
Xia, H., Ji, Y., Liu, Y., & Xu, L. (2019). Maximum Likelihood-Based Multi-Innovation Stochastic Gradient Method for Multivariable Systems. International Journal of Control, Automation and Systems, 17(3), 565–574. https://doi.org/10.1007/s12555-018-0135-5
