INTERPOLASI DALAM PEMBUATAN PETA FUNGSI KAWASAN HUTAN MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS

Interpolasi adalah metode untuk mendapatkan data berdasarkan beberapa data yang telah diketahui . Dalam pemetaan, interpolasi adalah proses estimasi nilai pada wilayah yang tidak disampel atau diukur, sehingga terbuatlah peta atau sebaran nilai pada seluruh wilayah . Interpolasi spasial mengasumsikan bahwa atribut data bersifat kontinu di dalam ruang (space) dan atribut ini saling berhubungan (dependence) secara spasial (Christanto  2005). Kedua asumsi tersebut mengindikasikan bahwa pendugaan atribut data dapat dilakukan berdasarkan lokasi-lokasi di sekitarnya dan nilai pada titik-titik yang berdekatan akan lebih mirip dari pada nilai pada titik-titik yang terpisah lebih jauh.

Logika dalam interpolasi spasial adalah bahwa nilai titik observasi yang berdekatan akan memiliki nilai yang sama (mendekati) dibandingkan dengan nilai di titik yang lebih jauh (Christanto 2005). Pendekatan interpolasi dibutuhkan untuk mengeneralisasi data spasial dari pengumpulan data sampling dimana data tidak tersedia pada seluruh sebaran spasial. Untuk menutup semua wilayah pada wilaya studi, data sosial ekonomi rumah tangga yang diperoleh berdasarkan hasil survei digeneralisasi melalui metode interpolasi yang tersedia dalam Sistem Informasi Geografis. Hubungan langsung antara data sosial ekonomi dan posisi secara geografis mensyaratkan terdapatnya data agregat pada tingkat spasial seperti pendapatan petani dan lokasi rumah tangga. Pada penelitian ini metode interpolasi digunakan untuk mengeneralisasi karakteristik sosial ekonomi kedalam data spasial (Pramono 2008).

Beberapa metode yang bisa digunakan untuk melakukan interpolasi seperti Trend, Spline, Inverse Distance Weighted (IDW) dan Kriging. Setiap metode ini akan memberikan hasil interpolasi yang berbeda (Pramon 2008). Metode Inverse Distance Weighted (IDW) merupakan metode deterministik yang sederhana dengan mempertimbangkan titik disekitarnya (NCGIA 1997). Asumsi dari metode ini adalah nilai interpolasi akan lebih mirip pada data sampel yang dekat daripada yang lebih jauh. Bobot (weight) akan berubah secara linear sesuai dengan jaraknya dengan data sampel. Bobot ini tidak akan dipengaruhi oleh letak dari data sampel. Metode ini biasanya digunakan dalam industri pertambangan karena mudah untuk digunakan. Pemilihan nilai pada power sangat mempengaruhi hasil interpolasi.

Nilai power yang tinggi akan memberikan hasil seperti menggunakan interpolasi nearest neighbor dimana nilai yang didapatkan merupakan nilai dari data point terdekat. Kerugian dari metode IDW adalah nilai hasil interpolasi terbatas pada nilai yang ada pada data sampel. Pengaruh dari data sampel terhadap hasil interpolasi disebut sebagi isotropic. Dengan kata lain, karena metode ini menggunakan rata-rata dari data sampel sehingga nilainya tidak bisa lebih kecil dari minimum atau lebih besar dari data sampel. Jadi, puncak bukit atau lembah terdalam tidak dapat ditampilkan dari hasil interpolasi model ini (Watson & Philip, 1985). Untuk mendapatkan hasil yang baik, sampel data yang digunakan harus rapat yang berhubungan dengan variasi lokal. Jika sampelnya agak jarang dan tidak merata, hasilnya kemungkinan besar tidak sesuai dengan yang diinginkan.

Metode Kriging Metode Kriging adalah estimasi stochastic yang mirip dengan Inverse Distance Weighted (IDW) dimana menggunakan kombinasi linear dari weight untuk memperkirakan nilai diantara sampel data . Metode ini diketemukan oleh D.L. Krige untuk memperkirakan nilai dari bahan tambang. Asumsi dari metode ini adalah jarak dan orientasi antara sampel data menunjukkan korelasi spasial yang penting dalam hasil interpolasi. Metode Kriging sangat banyak menggunakan sistem komputer dalam perhitungan. Kecepatan perhitungan tergantung dari banyaknya sampel data yang digunakan dan cakupan dari wilayah yang diperhitungkan. Tidak seperti metode IDW, Kriging memberikan ukuran error dan confidence (Pramono 2008).

 Metode ini menggunakan semivariogram yang merepresentasikan perbedaan spasial dan nilai diantara semua pasangan sampel data. Jenis Kriging yang bisa dilakukan adalah dengan cara spherical, circular, exponential, gaussian dan linear (ESRI 1999). Tahapan dalam menggunakan metode ini adalah: analisa statistik dari sampel data, pemodelan variogram, membuat hasil interpolasi dan menganalisa nilai variance. Metode ini sangat tepat digunakan bila kita mengetahui korelasi spasial jarak dan orientasi dari data. Oleh sebab itu, metode ini sering digunakan dalam bidang ketanahan dan geologi. Kelemahan dari metode ini adalah tidak dapat menampilkan puncak, lembah atau nilai yang berubah drastis dalam jarak yang dekat (Pramono 2008)

Metoda Spline adalah metoda interpolasi yang biasa digunakan untuk mendapatkan nilai melalui kurva minimum antara nilai-nilai input. Metoda ini baik digunakan dalam membuat permukaan seperti ketinggian permukaan bumi, ketinggian muka air tanah, ataupun konsentrasi polusi udara. Kurang bagus untuk siatuasi dimana terdapat perbedaan nilai yang signifikan pada jarak yang sangat dekat. Jika dipilih metoda Spline maka ada pilihan tipe Regularized dan Tension. Regularized membuat permukaan halus sedangkan Tension mempertegas bentuk permukaan sesuai dengan fenomena model. Interpolasi teknik ini sesuai fungsi matematika, polinomial tatanan tertentu, ke semua titik masukan (Christanto 2005).

Trend menggunakan interpolasi polinomial global yang cocok untuk membuat permukaan halus yang didefinisikan oleh fungsi matematika (polinomial) ke titik sampel input. Permukaan trend perubahan secara bertahap dan menangkap pola kasar-besaran di data. Terdapat dua Type of Regression yaitu Linear dan Logistic, dalam praktikum ini menggunakan Linear maka permukaan pada trend menciptakan point raster yang merata. Menggunakan regresi polinomial dalam hal ini menggunakan angka 1 pada Polynomial Order untuk menyesuaikan permukaan ke titik-titik input. Linear memungkinkan untuk mengontrol urutan polinomial yang digunakan untuk menyesuaikan permukaan. Nilai 1 akan cocok dengan bidang datar berdasarkan poin, dan nilai yang lebih tinggi akan cocok dengan permukaan yang lebih kompleks, nilai terendah yang digambarkan sebagai warna putih merupakan elevasi terendah semakin ke arah yang daerahnya memiliki elevasi tinggi maka warna akan semakin gelap sampai telah melewati daerah elevasi tinggi tersebut kemudian menyamaratakan elevasi, semakin gelap warna dan tinggi nilainya maka di daerah itulah yang memiliki point-point dengan elevasi yang lebih tinggi daripada daerah dengan warna terang dengan nilai rendah. Hal ini yang menyebabkan permukaan trend berbeda dengan metode lainnya (Bawafi 2013).

Hutan merupakan suatu kesatuan ekosistem berupa hamparan lahan berisi sumber daya alam hayati yang didominasi pepohonan dalam persekutuan alam lingkungannya, yang satu dengan lainnya tidak dapat dipisahkan (Pasal 1 angka 2 UU No. 41 Tahun 1999). Kawasan hutan yaitu  wilayah tertentu yang ditunjuk dan atau ditetapkan oleh pemerintah untuk dipertahankan keberadaannya sebagai hutan tetap (Pasal 1 angka 3 UU No. 41 Tahun 1999). Secara umum kawasan hutan terbagi tiga yaitu hutan lindung, hutan produksi, dan hutan konservasi.

Hutan konservasi adalah kawasan hutan dengan ciri khas tertentu, yang mempunyai fungsi pokok pengawetan keanekaragaman tumbuhan dan satwa serta ekosistemnya. Hutan lindung adalah kawasan hutan yang mempunyai fungsi pokok sebagai perlindungan sistem penyangga kehidupan untuk mengatur tata air, mencegah banjir, mengendalian erosi, mencegah intrusi air laut dan memelihara kesuburan tanah. Hutan produksi adalah kawasan hutan yang mempunyai fungsi pokok memproduksi hasil hutan Hutan produksi terbatas merupakan
Kawasan hutan dengan faktor-faktor kelas lereng, jenis tanah dan intensitas hujan, setelah masing-masing dikalikan dengan angka penimbang mempunyai jumlah nilai  antara 125 – 174 (seratus dua puluh lima sampai dengan seratus tujuh puluh empat), diluar kawasan lindung, hutan suaka alam, hutan pelestarian alam dan taman buru. Hutan produksi tetap merupakan. Kawasan hutan dengan faktor-faktor kelas lereng, jenis tanah dan intensitas hujan, setelah masing-masing dikalikan dengan angka penimbang mempunyai jumlah nilai di bawah 125 (seratus dua puluh lima), di luar kawasan lindung, hutan suaka alam, hutan pelestarian alam dan taman buru.

Kriteria hutan lindung, dengan memenuhi salah satu dari factor yaitu (1) Skor kawasan : kawasan hutan dengan faktor-faktor kelas lereng, jenis tanah dan intensitas hujan setelah masing-masing dikalikan dengan angka penimbang mempunyai jumlah nilai (skor) 175 (seratus tujuh puluh lima) atau lebih. (2) Kawasan hutan yang mempunyai lereng lapangan 40% (empat puluh per seratus) atau lebih. (3) Kawasan hutan yang berada pada ketinggian 2000 (dua ribu) meter atau lebih di atas permukaan laut. (4) Kawasan hutan yang mempunyai tanah sangat peka terhadap erosi dengan lereng lapangan lebih dari 15% (lima belas per seratus). (5) Kawasan hutan yang merupakan daerah resapan air. (6) Kawasan hutan yang merupakan daerah perlindungan pantai.

Faktor yang dipertimbangkan dalam penentuan skor kawasan hutan yaitu, (1)  Kelerengan lapangan. (2) Jenis tanah menurut kepekaannya terhadap erosi.(3) Intensitas curah hujan dari wilayah tersebut. (SK Mentan No. 837/Kpts/Um/11/1980 dan PP No. 44/2004). Adapun Kelemahan sistem skoring yaitu (1) Kriteria skoring cenderung untuk tujuan konservasi tanah (perlindungn terhadap erosi) pada kasus ekosistem daratan  tanah kering kontinental dan upland. (2) Kurang sesuai untuk ekosistem lahan basah. (3) Kurang sesuai untuk ekosistem pulau kecil yang memiliki DAS pendek dengan persoalan utamanya cenderung ke konservasi air. (4)  Masih memerlukan tinjauan ekoregional : satuan ekosistem, DAS, lansekap. (5) Metode skoring dibuat untuk kepentingan penyusunan TGHK  tahun 1980, dimana skala peta yang digunakan sangat kecil (1 : > 500.000), sehingga klasifikasi lerengnya bersifat makro/global.  Metode ini belum disesuaikan dengan penggunaan peta skala besar (1 : 50.000 – 100.000).

Pembuatan layout peta merupakan pekerjaan terakhir setelah input data, editing data, analisis data, penambahan label, dan pengaturan legenda daftar isi telah dilakukan. Melalui fasilitas layout dapat membuat dan mengatur data mana saja yang akan digunakan sebagai output dari proses atau analisis gis yang digunakan serta bagaimana data tersebut akan ditampilkan (Triyadi 2013).

Layout ini akan bermanfaat untuk memperjelas peta dan memperindah secara tampilan, selain itu tujuan yang lebih penting mengenai layout peta adalah sebagai atribut pelengkap yang mampu menjelaskan isi peta, yang merupakan informasi-informasi penting. Tanpa adanya layout, sebuah peta tidak akan berarti apa-apa, dan hanya bermakna sebagai gambar biasa. Pentingnya layout ini pada sebuah peta, sehingga perlu dilakukan pelatihan untuk meningkatkan pengetahuan dan keterampilan dalam mendesain layout yang baik. Melalui praktikum ini praktikan diharapkan akan mempunyai pengetahuan mengenai layout dan dapat mengaplikasikannya untuk keperluan lain. Hal  yang harus diingat dalam membuat layout adalah unsur-unsur peta harus masuk dalam peta seperti peta utama, judul peta, arah mata angin, skala (batang dan angka), keterangan (legend), riwayat peta, inset peta, pembuat peta, grid dan koordinat, sistem koordinat apa yang dipakai, dan hal lainnya yang bisa saja ditambahkan seperti tabel, logo, gambar (Triyadi 2013).

 DAFTAR PUSTAKA

Bawafi H. 2013. Sistem Informasi Geografis : Analisis 3 Dimensi (https://www.academia.edu/19036151/Sistem_Informasi_Geografis_-_Analisis_3_Dimensi) . (Diunduh 3 Juni 201721.53 WIB).

Christanto M, Prasasti I, Wijayanto H. 2005. Analisis Penerapan Metode Krigging dan Invers Distance pada Interpolasi Data Dugaan Suhu, Air Mampu Curah (AMC) dan Indeks Stabilitas Atmosfer (ISA) dari Data NOAA-TOVS, PIT MAPIN XIV. Surabaya (ID) : Institut Teknologi Sepuluh Nopember.

ESRI. 1999. ArcView Help. Redlands (US). Environmental Systems Research Institute, Inc.

NCGIA. 2007. Interpolation: Inverse Distance Weighting. (http://www.ncgia.ucsb.edu/pubs/spherekit/inverse.html). (Diunduh 3 Juni 2017 pukul 21.40 WIB).

Pramono H . 2008. Akurasi Metode IDW dan Kriging Untuk Interpolasi Sebaran Sedimen Tersuspensi. Forum Geografi, Vol. 22 : (1)  97 – 110.

Triyadi D. 2013. Layout Peta dengan Sistem Informasi Geografis. (http://triyadirikky06.blogspot.co.id/2013/01/layout-peta-dengan-sig.h). (Diunduh 1 Juni 2017 pukul 20.19 WIB).

 Watson, D.F. & Philip G.M. 1985. A Refinement of Inverse Distance Weighted Interpolation. Geo Processing 2: 315-327.