RESUME KELOMPOK 31 (MENINGKATKAN KEMAMPUAN MODEL CA-MARKOV TERINTEGRASI MENSIMULASIKAN TREN PERTUMBUHAN PERKOTAAN SPATIO-TEMPORAL MENGGUNAKAN ANALISIS PROSES HIRARKI DAN RASIO FREKUENS

Abstrak
Tujuan dari penelitian ini adalah untuk meningkatkan kemampuan simulasi model CA-Markov Chain (CA-MC) yang terintegrasi menggunakan CA-MC berdasarkan pada Analytical Hierarchy Process (AHP) dan CA-MC berdasarkan Frequency Ratio (FR), keduanya diterapkan di Seremban, Malaysia, serta untuk membandingkan kinerja dan akurasi antara model tradisional dan hibrida. Untuk kalibrasi, tiga model diterapkan untuk mensimulasikan tren pertumbuhan perkotaan pada tahun 2010; data aktual tahun 2010 digunakan untuk validasi model menggunakan metode Karakteristik Operasi Relatif (ROC) dan koefisien Kappa Akibatnya, di masa depan peta pertumbuhan perkotaan tahun 2020dan 2030 dibuat.




Pendahuluan
Masalah pertumbuhan perkotaan adalah spatio-temporal dan sosial-ekonomi proses dan menunjukkan peningkatan signifikansi area perkotaan sebagaipusat populasi dan konsentrasi komersial dalam masyarakat tertentu (Bhatta et al., 2010; Aburas et al., 2016). Mensimulasikan pola pertumbuhan perkotaan telah menjadi hal yang penting bagi ekosistem perlindungan dan pembangunan berkelanjutan (Barredo et al., 2003). Selain itu, struktur kompleks lingkungan perkotaan harus dipahami untuk memprediksi dinamika perkotaan dengan benar (Barredo et al., 2003). Pemodelan pola pertumbuhan kota berdasarkan teknik RS dan GIS dilakukan untuk memahami proses spasial untuk pergerakan perkotaan dalam waktu tertentu menuju terciptanya masa depan.
Model Cellular Automata (CA) memiliki struktur terbuka dan dapat diintegrasikan dengan model lain untuk mensimulasikan dan memprediksi perkotaan pola pertumbuhan (Clarke, 1997). pentingnya menggunakan model CA-Markov Chain yang terintegrasi adalah bahwa ia memainkan peran penting dalam memodelkan pertumbuhan perkotaan, terutama di negara-negara berkembang, yang memiliki fitur perkotaan yang berbeda.
 
Metodologi
CA-Markov adalah model spasial struktur terbuka yang dapat digunakan untuk meningkatkan kemampuan simulasi pertumbuhan perkotaan. Dalam studi ini, model CA – Markov diterapkan untuk mensimulasikan dan memprediksi masa depan pertumbuhan kota di Seremban. Pada simulasi camarkov terintegrasi berdasarkan ahp dan ca-markov berdasarkan pada model fr, Model CA-Markov diintegrasikan dengan AHP, dan kemudian terintegrasi dengan FR untuk meningkatkan kemampuannya dalam mensimulasikan dan memprediksi pertumbuhan kota.  
Faktor-faktor yang mempengaruhi tingkat lokal ditentukan berdasarkan pernyataan yang diperoleh dari ahli lokal yang bekerja di otoritas Pemerintah terkait seperti Departemen Perencanaan Kota, Dewan Daerah, dan Departemen Perencanaan Federal. Pembuatan peta kesesuaian lahan primer, Peta kesesuaian primer berdasarkan FR dan AHP dikembangkan menjadi salah satu input signifikan dalam model integrase digunakan untuk penelitian ini, peta kesesuaian.

Hasil 
Model Rantai Markov digunakan untuk menghitung transisi matriks probabilitas, Dari hasil penelitian, dapat dicatat bahwa pertumbuhan perkotaan di Seremban akan meningkat di masa mendatang, CA-Markov model rantai meramalkan bahwa daerah perkotaan di Seremban akan meningkat hingga 242,1 km2 dan 278,1 km2 masing-masing pada tahun 2020 dan 2030. Di sebaliknya, wilayah non-perkotaan akan berkurang sebesar 709,77 km2 dan 673,77 km2 masing-masing pada tahun 2020 dan 2030. peta analisis kesesuaian lahan situs utama berdasarkan model AHP dan FR mengungkapkan bahwa Seremban dapat dibagi menjadi lima kategori yang sesuai. temuan AHP menunjukkan Persentase tinggi kesesuaian pertumbuhan kota sangat tinggi di Seremban, sedangkan temuan FR menunjukkan kesesuaian kota sedang pertumbuhan lebih mungkin bila dibandingkan dengan kategori tanah lainnya kesesuaian. Apalagi persentase kesesuaian perkotaan rendah pertumbuhan FR kurang dari AHP . Model CA-Markov dan AHP yang terintegrasi meramalkanperkotaan itu daerah di Seremban akan meningkat.
Hasil validasi berbasis CA-Markov, CA-Markov pada AHP, dan CA-Markov berdasarkan model AHP untuk mensimulasikan pertumbuhan perkotaan pada tahun 2000 menggunakan koefisien Kappa menunjukkan 83,9%, 87,2%, dan 90,3% akurasi prediksi, masing-masing. Sementara itu di Keakuratan prediksi 2010, 83%, 86,2%, dan 90,8% telah tercapai masing-masingmodel.

Kesimpulan
Dalam studi ini, simulasi tren pertumbuhan perkotaan masa depan adalah ditingkatkan. Proses simulasi CA-MC dikembangkan dengan mengintegrasikannya dengan teknik kuantitatif dan spasial (yaitu CA-MC berdasarkan model AHP dan FR). Pendekatan integrasi digunakan untuk menutupi keterbatasan model CA-MC asli seperti keterbatasan data dan kesulitan menggunakan kekuatan penggerak di proses simulasi. Beragam data dan sebagian besar kekuatan pendorong pertumbuhan perkotaan digunakan dengan mengintegrasikan AHP dan FR dengan model CA-MC asli.
Hasil validasi mengkonfirmasi bahwa simulasi kemampuan model CA-MC asli ditingkatkan dengan menggunakan AHP dan model FR. Di sisi lain, alasan utama untuk memperoleh akurasi CA-MC rendah berdasarkan AHP dibandingkan dengan CA-MC pada FR adalah bahwa ada pendapat ahli yang berbeda dan kontras dalam memilih faktor dan bobotnya dalam metode AHP . Sementara itu, tingkat akurasi dan kinerja yang lebih tinggi dicapai dengan menggunakan CAMC didasarkan pada model FR karena tidak memiliki batasan disebutkan dalam model sebelumnya. Akhirnya, CA-MC berdasarkan FR model yang dikembangkan akan membantu dan mendukung perencana kota dan pengambil keputusan untuk memantau dan mengendalikan tren pertumbuhan perkotaan mencapai prinsip pembangunankota berkelanjutan.