Analisis Spasial Deforestasi dan Prediksi Tutupan Lahan Tahun 2028 di Kesatuan Pengelolaan Hutan Produksi Unit II Bungo

P, Berlian (2025) Analisis Spasial Deforestasi dan Prediksi Tutupan Lahan Tahun 2028 di Kesatuan Pengelolaan Hutan Produksi Unit II Bungo. S1 thesis, UNIVERSITAS JAMBI.

	Text ABSTRAK.pdf Download (174kB)
	Text BAB I.pdf Download (227kB)
	Text BAB V.pdf Download (172kB)
	Text COVER.pdf Download (152kB)
	Text DAFTAR PUSTAKA.pdf Download (194kB)
	Text FULL SKRIPSI.pdf Restricted to Repository staff only Download (5MB)
	Text HALAMAN PENGESAHAN.pdf Download (504kB)

Abstract

Indonesia memiliki hutan tropis yang luas dan berperan penting sebagai penyangga kehidupan ekosistem global. Namun, meningkatnya jumlah penduduk dan aktivitas manusia telah menyebabkan konversi lahan dan deforestasi yang mengancam keanekaragaman hayati. Kawasan Kesatuan Pengelolaan Hutan Produksi (KPHP) Unit II Bungo, Provinsi Jambi, merupakan salah satu wilayah yang mengalami tekanan akibat pembukaan lahan untuk pertanian, perkebunan, serta pemukiman. Oleh karena itu, perlu dilakukan analisis spasial untuk mengidentifikasi pola deforestasi dan memprediksi perubahan tutupan lahan di masa depan sebagai dasar pengelolaan dan rehabilitasi hutan yang berkelanjutan. Penelitian ini bertujuan untuk menganalisis model spasial deforestasi yang terjadi pada periode 2015–2020, 2020–2024, dan 2015–2024 di wilayah KPHP Unit II Bungo, serta memprediksi tutupan lahan pada tahun 2028 menggunakan teknologi penginderaan jauh dan pemodelan spasial berbasis Artificial Neural Network (ANN) dan Multi Layer Perceptron (MLP). Hasil penelitian diharapkan dapat menjadi acuan bagi pihak pengelola KPHP dalam menyusun strategi pengelolaan dan rehabilitasi hutan di masa mendatang Penelitian ini dilaksanakan pada April–Mei 2025 di KPHP Unit II Bungo dengan menggunakan pendekatan kuantitatif berbasis analisis spasial. Data utama berupa citra Landsat 8 tahun 2015, 2020, dan 2024 diolah menggunakan perangkat lunak ArcGIS 10.8 dan Idrisi Selva. Klasifikasi penutupan lahan dilakukan dengan metode maximum likelihood menjadi enam kelas utama: hutan primer, hutan sekunder, pertanian campur, semak belukar, lahan terbuka, dan pertambangan. Uji akurasi dilakukan dengan data groundcheck, sedangkan model prediksi dibangun menggunakan metode ANN–MLP dan divalidasi dengan hasil klasifikasi aktual tahun 2024 untuk memastikan ketepatan hasil proyeksi. Hasil penelitian menunjukkan bahwa selama periode 2015–2024 terjadi penurunan luas hutan lahan kering primer dari 25.009 hektar menjadi 20.872 hektar, sementara lahan pertanian campur meningkat signifikan. Prediksi hingga tahun 2028 memperkirakan penurunan hutan primer menjadi 17.509 hektar dan peningkatan hutan sekunder hingga 17.595 hektar. Pergeseran tutupan hutan menuju lahan budidaya dan non-hutan menunjukkan adanya ancaman deforestasi berkelanjutan. Faktor utama yang mempengaruhi perubahan tersebut adalah jarak dari pemukiman, jalan, serta kondisi kelerengan wilayah. Temuan ini menegaskan pentingnya perencanaan berbasis spasial dalam pengelolaan hutan produksi untuk mencegah degradasi yang lebih luas dan mendukung pengelolaan hutan yang berkelanjutan di KPHP Unit II Bungo Indonesia possesses vast tropical forests that play a crucial role in sustaining the global ecosystem. However, increasing population and human activities have led to land conversion and deforestation, threatening biodiversity. The KPHP Unit II Bungo area in Jambi Province is one of the regions experiencing significant pressure due to land clearing for agriculture, plantations, and settlements. Therefore, spatial analysis is necessary to identify deforestation patterns and predict future land cover changes as a basis for sustainable forest management and rehabilitation planning. This study aims to analyze the spatial model of deforestation that occurred during the periods 2015–2020, 2020–2024, and 2015–2024 in the KPHP Unit II Bungo area, as well as to predict land cover in 2028 using remote sensing technology and spatial modeling based on the Artificial Neural Network (ANN) and Multi-Layer Perceptron (MLP) algorithms. The results of this study are expected to serve as a reference for forest managers in formulating sustainable forest management and rehabilitation strategies. The research was conducted from April to May 2025 in KPHP Unit II Bungo, employing a quantitative approach based on spatial analysis. The primary data consisted of Landsat 8 imagery from 2015, 2020, and 2024, which were processed using ArcGIS 10.8 and Idrisi Selva software. Land cover classification was carried out using the Maximum Likelihood method into six main classes: primary forest, secondary forest, mixed agriculture, shrubs, open land, and mining areas. Accuracy assessment was performed using ground-check data, while the predictive model was developed using the ANN–MLP method and validated with actual 2024 classification results to ensure projection accuracy. The results showed that between 2015 and 2024, the area of primary dryland forest decreased from 25,009 hectares to 20,872 hectares, while mixed agriculture areas increased significantly. Predictions for 2028 indicate a further decrease in primary forest area to 17,509 hectares and an increase in secondary forest area to 17,595 hectares. The shift in forest cover toward cultivated and non-forest land indicates a continuous threat of deforestation. The main factors influencing these changes are proximity to settlements and roads, as well as slope conditions.

Type:	Thesis (S1)
Uncontrolled Keywords:	Deforestasi, Tutupan Lahan, SIG
Subjects:	L Education > L Education (General)
Depositing User:	P
Date Deposited:	06 Nov 2025 02:49
Last Modified:	06 Nov 2025 02:49
URI:	https://repository.unja.ac.id/id/eprint/87488

Actions (login required)

View Item