Spatial Mulicriteria Analysis (SMCE) merupakan metode AHP yang dispasialkan. AHP sendiri adalah metode untuk memecahkan suatu situasi yang komplek tidak terstruktur kedalam beberapa komponen dalam susunan yang hirarki, dengan memberi nilai subjektif tentang pentingnya setiap variabel secara relatif, dan menetapkan variabel mana yang memiliki prioritas paling tinggi guna mempengaruhi hasil pada situasi tersebut (Anonim, 2010). Metode SMCE sendiri bisa dilakukan pada ILWIS, yang merupakan software open source dengan basis data raster. Tulisan kali ini akan memberikan langkah teknis umum dalam melakukan analisis SMCE pada ILWIS.
Jauh sebelum melakukan analisis SMCE, dilakukan penyusunan tujuan dan variabel yang digunakan dalam analisa, yang dapat dipermudah dengan menggambarkannya dalam kerangka pohon masalah. Setelah tujuan, obyek dan variabelnya jelas maka yang dilakukan selanjutnya adalah persiapan dan analisis data. Pada tulisan kali ini, akan digunakan contoh kasus berupa Penentuan Lokasi SHELTER ( Hunian Darurat) D. I. Yogyakarta menggunakan metode Spatial Multi Criteria Evaluation ILWIS 3.3.
Persiapan Data
Persiapan data yang dimaksudkan dalam tahap ini tidak termasuk menyiapkan data vektor dan atributnya, tetapi dimulai dari import data shp ke software ILWIS. Berikut langkah – langkah yang dilakukan dalam persiapan data SMCE :
Pertama, Buka aplikasi ILWIS, import data yang sudah disediakan (format shp)
File -> Import -> Map
Pada jendela import, tab import format dipilih Arc/View. SHP. Shape File untuk dapat memasukkan data berekstensi shapefile.
selanjutnya, Melakukan georefensi ulang ke shp. Contoh : Klik kanan pada shp PL. Pada jendela “properties of polygon map PL” klik untuk mendefinisikan sistem koordinat yang masih unknown.
Ketik “UTMZONE49S” (penamaan terserah) dan pilih “CoordSystem Projection” lalu OK. Setelah itu select projection UTM dan ellipsoid WGS 1984. Lalu ketik 49 di kolom zone dan uncheck kolom Nothern Hemishphere kemudian pilih Apply.
Setelah georeferencing tersimpan dan dilakukan pada shp pl__1, terapkan georeferencing terebut pada semua shp tetapi tidak dengan mengulang langkah diatas, melainkan hanya membuka propertis setiap shp dan mengubah coordinate system menjadi “UTMZONE49S”.
Selanjutnya, Melakukan rasterisasi ke semua shp yang digunakan dalam penelitian, yaitu dengan cara klik kanan pada shp -> Polygon to raster
Klik , ketik pl pada kolom georeference name, klik OK kemudian Show/Define. Hal ini diulangi pada tiap shp lain, tetapi hanya sampai langkah 3.a saja, yaitu dengan memilih “pl” pada kolom
Selanjutnya, Membuat klasifikasi pada setiap data, sesuai dengan kebutuhan analisis penelitian. Untuk kasus yang digunakan pada tulisan ini, klasfikasinya adalah sebagai berikut.
Kriteria kedekatan dengan Jalan
Kriteria Bahaya Erupsi
Penggunaan Lahan
Status tanah
Cara membuat kolom klasifikasi di data atribut peta berbeda-beda tergantung jenis data. Data line (jalan), status tanah dan penggunaan lahan (polygon) serta radius bahaya (polygon logika boolean (ya/tidak)) tentu berbeda. Dibawah ini dijelaskan masing-masing cara :
Data polygon seperti status tanah dan penggunaan lahan. Dicontohkan peta status lahan
- Setelah merasterkan semua shp akan ada file pendamping raster yang muncul, yaitu raster itu sendiri, georeferensing dan atribut tabel. Buka atribut tabel kemudian Klik Tab Columns -> Columns Management.
- Pada jendela columns management klik Add Columns. Pada jendela Add Columns, pilih domain “Potensi”. OK. Maka data atribut potensi selanjutnya sudah termasuk dalam peta status lahan.
Catatan :
- Pemberian data pada atribut polygon ini lebih mudah dilakukan di ArcGis, terutama jika memilki banyak data. Tetapi pemberian atribut ini dilakukan sebelum di export ke ILWIS (sebelum dimualai Langkah 1).
- Jenis data yang digunakan pada atribut ini harus berupa Text/String
Data polygon radius bahaya logika boolean (true/false)
- Buka peta raster bahaya, buka data atribut, tambahkan kolom baru dengan nama bhy_bool, klik kanan.
- Pada jendela columns properties pilih domain logika “bool”. Klik OK. Isikan pada atribut peta sesuai klasifikasi, misal range 0-20.000 meter non-potensi kesesuaian shelter maka logikanya adalah false. Begitu sebaliknya dengan radius 20.000-40.000 meter potensi dan true.
Data line jalan
- Terlebih dahulu membuat “new domain”. Operasi dapat ditemukan di operation-list. Beri nama Kelas_Buffer_Jalan pada kolom domain name. Dan Type Class untuk klasifikasi, dan isikan sesuai klasifikasi yang digunakan.
- Kemudian klik kanan pada peta raster jalan -> Image Processing -> Slicing. Pada jendela berikutnya isikan domain dengan “Kelas_Buffer_Jalan” yang telah dibuat sebelumnya.
3. Setelah klasifikasi selesai dilakukan, kemudian membuat domain baru untuk data raster yaitu dengan membuka tabel, Klik Kanan pada Keterangan -> Pilh “Create new Domain from String in Column”. Selanjutnya beri nama pada kolom “Domain Name” misalnya Keterangan; kemudian pilih “Class”-> Ok.
4. Membuat Atribut Map, yaitu dengan cara Klik Kanan pada Raster yang disiapkan à Raster Operation -> Attribute Map. Selanjutnya pada jendela Attribute Map of Raster isi nama output sesuai yang diinginkan dan kemudian pilih Domain sesuai dengan yang sudah dibuat sebelumnya, yaitu Keterangan.
Analisa Data
Klik Operation -> Raster Operations -> Spatial Multi Criteria Evaluation. Pilih opsi problem analysis. Pada tahap ini yaitu membuat criteria tree. Isi New Goal sesuai dengan tujuan analisis yang dilakukan. Kemudian isi juga nama output yang akan dihasilkan.
Selanjutnya, Buat Grup (kriteria) dengan memilih ikon sesuai dengan rencana kriteria yang akan digunakan dalam penelitian, yang pada kasus ini terdapat tiga grup.
Kemudian, mengisi kriteria dalam tiap grup dengan variabel yang dibedakan menjadi dua yaitu spatial constrain (variabel spasial yang membatasi) dan spatial factor (variabel spasial). Dengan mengklik ikon untuk spatial factor dan
untuk spatial constrain. Pengisian variabel tersebut tidak selalu dalam satu grup, bisa juga dilakukan diluar grup.
Langkah selanjutnya adalah memasukkan peta-peta raster yang sudah diklasifikasikan sebelumnya.
Setelah itu rubah mode dari problem definition ke multicriteria analysis. Masuk kepada tahap standarisasi (standarization) peta. Pilih peta kemudian klik standardize.
Catatan : Model standarisasi ada 3 tergantung jenis data / tipe atribut.
Atribut numerik (value maps). Contoh peta kemiringan lereng, peta hujan, peta jarak terhadap jalan, dan lain-lain. Pada jenis ini menggunakan linear standarization terdiri dari maximum, interval, goal, convex, concave.
Atribut String / Class. Contoh peta penggunaan lahan, peta jenis tanah, dan lain-lain. Jenis ini menggunakan rank order standarization.
Boolean Maps. Yaitu peta menyatakan ya atau tidak, true or false, termasuk tidak termasuk. Contoh peta sempadan sungai. Jenis ini menggunakan boolean standarization
Membobotkan grup dan variabel. Terdapat tiga jenis pembobotan yang disediakan dalam ILWIS, yaitu sebagai berikut :
- Direct method : Nilai bobot ditentukan oleh pengambil keputusan.
- Pairwise comparison : Perbandingan berpasangan dengan model pembobotan saaty
- Rank-ordering : terdiri dari dua model a) expected value b) rank sum method
Dalam tahap ini, karena pembobotan yang diinginkan seimbang maka dapat menggunakan rank-ordering model expected value. Hasilnya seimbang tiap-tiap kriteria mendapat bobot 0,333
Terakhir, pilih Generate kemudian pilih All Output untuk menghasilkan semua peta termasuk peta hasil analisis tiap grup, atau pilih Selected Item untuk menghasilkan salah satu output yang diinginkan. Hasil akhir pada kasus ini adalah berupa Peta Kesesuaian Lokasi Shelter dengan kriteria-kriteria yang disusun telah selesai dilakukan.
Oleh Erika Yuliantari S.Si (Kartografi dan Penginderaan Jauh)
*** SEMOGA BERMANFAAT ***