Prediksi Perubahan Penggunaan Lahan Menggunakan Cellular Automata  di Kecamatan Kedamean Kabupaten Gresik Tahun 2030

Thaariq Suryanullah Surya Sanjaya; Sayyidatul Khoiridah

doi:10.31292/jta.v8i3.493

Authors

Thaariq Suryanullah Surya Sanjaya Teknik Geomatika, Fakultas Teknik, Universitas Dr. Soetomo, Surabaya, Indonesia
Sayyidatul Khoiridah Teknik Geomatika, Fakultas Teknik, Universitas Dr. Soetomo, Surabaya, Indonesia

DOI:

https://doi.org/10.31292/jta.v8i3.493

Keywords:

Land Use Projection, Cellular Automata, MOLUSCE, Kedamean District

Abstract

Land use change in peri-urban areas is a dynamic phenomenon influenced by various social, economic, and physical factors. This study aims to analyze land use change in Kedamean District, Gresik Regency, and predict land use conditions in 2030 using a Cellular Automata-based spatial modeling approach through the MOLUSCE plugin in QGIS. Land use data from 2014, 2018, and 2022 were analyzed to identify the spatial dynamics that occurred, where an increase in built-up land area and a decrease in agricultural land, forests, and sparse vegetation was observed. Land use projections for 2026 and 2030 show a continuing trend of land conversion, especially in areas with high accessibility. Model validation was carried out using a Kappa accuracy test, which produced a correctness value of 97.44% and an overall Kappa of 0.87927, indicating that the model has high accuracy in predicting spatial change. The results of this study can be used as a reference in spatial planning and the preparation of adaptive and sustainable policies for controlling land conversion in peri-urban areas such as Kedamean District.

Perubahan penggunaan lahan di kawasan peri-urban merupakan fenomena yang dinamis yang dipengaruhi oleh berbagai faktor sosial, ekonomi, dan fisik wilayah. Penelitian ini bertujuan untuk menganalisis perubahan penggunaan lahan di Kecamatan Kedamean, Kabupaten Gresik, serta memprediksi kondisi penggunaan lahan pada tahun 2030 menggunakan pendekatan pemodelan spasial berbasis Cellular Automata melalui plugin MOLUSCE di QGIS. Data penggunaan lahan tahun 2014, 2018, dan 2022 dianalisis untuk mengidentifikasi dinamika spasial yang terjadi, di mana teramati adanya peningkatan luas lahan terbangun dan penurunan lahan pertanian, hutan, serta vegetasi jarang. Proyeksi penggunaan lahan tahun 2026 dan 2030 menunjukkan tren konversi lahan yang berlanjut, terutama pada wilayah dengan aksesibilitas tinggi. Validasi model dilakukan dengan uji akurasi Kappa yang menghasilkan nilai correctness sebesar 97,44% dan Kappa overall sebesar 0,87927, menunjukkan bahwa model memiliki akurasi tinggi dalam memprediksi perubahan spasial. Hasil penelitian ini dapat dijadikan referensi dalam perencanaan tata ruang dan penyusunan kebijakan pengendalian alih fungsi lahan yang adaptif dan berkelanjutan di kawasan peri-urban seperti Kecamatan Kedamean.

Downloads

Download data is not yet available.

References

Aldzahabi, M. A., Abrari, F. H., & Wibowo, A. F. (2024). Identifikasi Pengaruh Vegetasi dan Kepadatan Bangunan Kabupaten Klaten Terhadap Perubahan Suhu Melalui Citra Landsat-8 LST, NDVI, dan NDBI. Innovative: Journal Of Social Science Research, 4(1), 5710-5725. https://doi.org/10.31004/innovative.v4i1.8516

Annisa, L. H., & Pala, A. (2024). Rancangan Simulasi Sistem Dinamis Proyeksi Pertumbuhan Penduduk dan Penyusutan Lahan Sawah Terhadap Produksi Pangan di Kabupaten Bantul. Journal of Agribusiness Science and Rural Development, 4(1), 1-12. https://doi.org/10.32639/dkpvgm96.

Ardiyanto, D. (2024). Model Spasial Prediksi Perubahan Penggunaan Lahan Koridor Solo-Semarang Tahun 2011-2031. https://digilib.uns.ac.id/dokumen/detail/119520/

Ariani, M., & Suryana, A. (2023). Kinerja ketahanan pangan Indonesia: pembelajaran dari penilaian dengan kriteria global dan nasional. Analisis Kebijakan Pertanian , 21 (1), 1-20. https://doi.org/10.21082/akp.v21i1.1-20

Ayuningtias, G. M., Istanabi, T., & Rini, E. F. (2025). Prediksi Perubahan Penggunaan Lahan pada Kawasan Pertanian Pangan Berkelanjutan di Suburban Selatan Kota Surakarta Menggunakan Pemodelan Spasial. Desa-Kota: Jurnal Perencanaan Wilayah, Kota, dan Permukiman, 7(1), 175-187. https://doi.org/10.20961/desa-kota.v7i1.91166.175-187

Aziz, R., Suherman, S., & Mirajiani, M. (2021). Analisis Kebijakan Perlindungan Lahan Pertanian Berkelanjutan Dalam Rangka Mengendalikan Alih Fungsi Lahan Di Kota Serang. Jurnal Ilmu Pertanian Tirtayasa, 3(2). http://dx.doi.org/10.33512/jipt.v3i2.13740.

Badan Pusat Statistik (2021). Kecamatan Kedamean dalam Angka 2021. BPS Kabupaten Gresik. https://gresikkab.bps.go.id

Dhonanto, D., Darma, S., Mulyadi, M., Imang, N., Fahrunsyah, F., Nurhasanah, N., ... & Nugroho, B. A. (2025). Solusi Pangan Berkelanjutan Atau Ancaman Ekologi? Menimbang Praktik Perladangan Berpindah. Jurnal Tanah dan Sumberdaya Lahan, 12(2), 301-310. https://doi.org/10.21776/ub.jtsl.2025.012.2.8

El Fuadi, M. B. (2022). Analisis Penataan Ruang Perkotaan di Kabupaten Gresik Tahun 2019-2024. As-Siyasah: Jurnal Ilmu Sosial dan Ilmu Politik, 7(2), 78-88. http://dx.doi.org/10.31602/as.v7i2.7190

Hidayat, A., Asra, R., Thamrin, N. T., & Mubarak, H. (2024). Prediksi Perubahan Penggunaan Lahan Sawah Di Wilayah Hilir Das Bila Tahun 2036. Jurnal Agritechno, 205-216. https://doi.org/10.70124/at.v17i2.1423

Jepril, J., Melo, R. H., Pambudi, M. R., & Asrul, A. (2025). Kajian Geospasial Untuk Pengembangan Fasilitas Pendukung Destinasi Wisata di Gorontalo: Literatur Review. Jurnal Riset dan Pengabdian Interdisipliner, 2(2), 362-368. https://doi.org/10.37905/jrpi.v2i2.31498

Kunz, A. (2017). Misclassification and kappa-statistic: theoretical relationship and consequences in application. Ludwig-Maximilians-Universitat Munchen Institut Fur Statistik.

Laksmana, MB, Zakaria, A., Novianti, TC, & Armijon, A. (2024). Analisis Prediksi Perubahan Tutup Lahan Tahun 2033 Menggunakan Metode Cellular Automata Dan Regresi Logistik. Jurnal Studi Plano , 1 (2), 94-103. https://doi.org/10.36982/jops.v1i2.4974

Lestari, D. A., & Salim, H. (2020). Efektivitas Pemodelan Automata Seluler Untuk Prediksi Area Yang Dibangun di Wilayah Pesisir Kota Bengkulu. Jurnal Kemaritiman: Indonesian Journal of Maritime, 1(1), 15-24. https://doi.org/10.17509/ijom.v1i1.24633

Marliza, S. P., & Ahmad, D. (2024). Model Cellular Automata untuk Masalah Evakuasi Pedestrian di Gedung Terpadu FMIPA UNP dengan Mempertimbangkan Kepanikan. MATHunesa: Jurnal Ilmiah Matematika, 12(1), 101-109. https://doi.org/10.26740/mathunesa.v12n1.p101-109

Mirnayani, M. (2021). Prediksi Surface Urban Heat Island Intensity (SUHII) Berdasarkan Analisis Citra Landsat Multitemporal Menggunakan Cellular Automata di Kota Makassar= Prediction of Surface Urban Heat Island Intensity (SUHII) Based on Multitemporal Landsat Imagery Analysis Using Cellular Automata in Makassar City (Doctoral dissertation, Universitas Hasanuddin). https://repository.unhas.ac.id/id/eprint/16522/

Rahmawati, T., & Kameswara, B. (2021). Tekanan Permukiman Perkotaan Terhadap Pertanian Dalam Dinamika Penggunaan Lahan Dengan Pendekatan Pemodelan Spasial (Studi Kasus: SWK GEDEBAGE). Creative Research Journal, 7(02), 51-64. https://doi.org/10.34147/crj.v7i2.297

Riatma, G. P. (2022). Pemodelan Propagasi Kebakaran di Ruang Tertutup Menggunakan Multiple State Variables Cellular Automata. CYCLOTRON, 5(2). https://doi.org/10.30651/cl.v5i2.13039

Putra, P. (2024). Prediksi Perubahan Area Pertambangan Batubara Di Kabupaten Muara Enim dan Sekitarnya Menggunakan Cellular Automata. Jurnal Ilmiah Teknik dan Sains, 2(2), 52-56. https://doi.org/10.62278/jits.v2i2.42

Rif'ati, N. A., Nurlaela, S., & Susetyo, C. (2023). Prediksi perubahan penggunaan lahan kawasan perbatasan Kabupaten Tuban− Kabupaten Bojonegoro menggunakan GIS. Region: Jurnal Pembangunan Wilayah dan Perencanaan Partisipatif, 18(1), 109-122. https://doi.org/10.20961/region.v18i1.57383

Sarastika, T., Saraswati, Y., Triyadi, R. A., & Susena, Y. (2024). Pemodelan prediksi konversi penggunaan lahan berbasis ann-ca di wilayah peri-urban Kabupaten Sleman. Jurnal Tanah dan Sumberdaya Lahan, 11(1), 161-173. https://doi.org/10.21776/ub.jtsl.2024.011.1.18

Sarastika, T., Susena, Y., & Kurniawan, D. (2023). Prediksi Konversi Lahan Pertanian Berbasis Artificial Neural Network-Cellular Automata (ANN-CA) di Kawasan Sleman Barat. Jurnal Tanah dan Sumberdaya Lahan, 10(2), 471-482. https://doi.org/10.21776/ub.jtsl.2023.010.2.30

Setiawan, W., Habibi, A., Setiawan, A. R., Nathanael, C., Silvia, N., & Wahyudi, A. (2025). Analisis Proyeksi Penggunaan Lahan Sawah untuk Kebutuhan dan Ketersediaan Beras di Kabupaten Jember Tahun 2032. Tunas Agraria, 8(2), 219-235. https://doi.org/10.31292/jta.v8i2.440

Silitonga, D. A., & Lubis, R. P. (2024). Studi Komparasi Penggunaan Dan Pemanfaatan Software Sistem Informasi Geografis (SIG) Dalam Analisis Penggunaan Lahan Dan Kesesuaian Lahan (Studi Kasus: Kawasan Perkotaan dan Perdesaan). Jurnal Teknovasi, 11(02), 19-33. https://doi.org/10.55445/jt.v11i02.193

Tarumingkeng, F. A., Kapantow, G. H., & Pakasi, S. E. (2023). Perancangan Model Spasial Kawasan Permukiman Perkotaan Berbasis Cellular Automata Di Kabupaten Minahasa Selatan. AGRI-SOSIOEKONOMI, 19(1), 669-680. https://doi.org/10.35791/agrsosek.v19i1.46893

Wibisono, P., Miladan, N., & Utomo, R. P. (2023). Hubungan Perubahan Kerapatan Vegetasi dan Bangunan terhadap Suhu Permukaan Lahan: Studi Kasus di Aglomerasi Perkotaan Surakarta. Desa-Kota: Jurnal Perencanaan Wilayah, Kota, dan Permukiman, 5(1), 148-162. https://doi.org/10.20961/desa-kota.v5i1.63639.148-162