PEMODELAN SPASIAL DEGRADASI LAHAN BERBASIS DINAMIKA PENGGUNAAN LAHAN UNTUK PRIORITISASI KONSERVASI ADAPTIF DI DAS PRAFI PAPUA BARAT = SPATIAL MODELING OF LAND DEGRADATION BASED ON LAND USE DYNAMICS FOR ADAPTIVE CONSERVATION PRIORITIZATION IN THE PRAFI WATERSHED WEST PAPUA

SITI HADJAR KUBANGUN. Pemodelan spasial degradasi lahan berbasis dinamika penggunaan lahan untuk prioritisasi konservasi adaptif di DAS Prafi Papua Barat (dibimbing oleh Sumbangan Baja, Hazairin Zubair, dan Samsu Arif). Latar Belakang. Daerah Aliran Sungai (DAS) Prafi mengalami tekanan pemanfaatan lahan akibat perubahan penggunaan lahan dan aktivitas antropogenik yang memicu degradasi lahan, sehingga diperlukan pendekatan terpadu untuk mengidentifikasi kondisi eksisting, memprediksi perubahan di masa mendatang, dan menyusun arahan konservasi yang berkelanjutan. Tujuan. Penelitian ini bertujuan untuk: (1) membandingkan kinerja algoritma Random Forest dan Gradient Tree Boost dalam memetakan degradasi lahan; (2) menganalisis hubungan tingkat degradasi lahan dengan sifat kimia tanah; (3) memprediksi perubahan penggunaan lahan dan degradasi lahan hingga tahun 2042; serta (4) menyusun prioritas konservasi lahan menggunakan pendekatan Analytical Hierarchy Process (AHP) dan weighted overlay berbasis Sistem Informasi Geografis. Metode. Penelitian ini menggunakan data geospasial yang diakses pada Google Earth Engine (GEE). Pemetaan degradasi lahan dilakukan menggunakan algoritma Random Forest dan Gradient Tree Boost, sedangkan hubungan degradasi lahan dengan sifat kimia tanah dianalisis menggunakan uji statistik. Prediksi perubahan penggunaan lahan dilakukan dengan model Random Forest dan CA Markov, sedangkan degradasi lahan tahun 2042 diprediksi menggunakan model Random Forest berbasis hasil proyeksi penggunaan lahan. Prioritas konservasi disusun melalui pembobotan AHP berdasarkan penilaian pakar, diintegrasikan menggunakan weighted overlay, dan dievaluasi melalui analisis sensitivitas spasial. Hasil. Random Forest memberikan kinerja terbaik dengan akurasi validasi tertinggi 95% dan kappa score 93%, dibandingkan Gradient Tree Boost dengan akurasi 92% dan kappa score 87% dalam memetakan degradasi lahan. Kejenuhan basa, karbon organik, Ca²⁺, Mg²⁺, K⁺, dan N-total berhubungan nyata dengan tingkat degradasi lahan, sedangkan pH, P-tersedia, natrium, dan kapasitas tukar kation tidak menunjukkan hubungan yang signifikan. Prediksi tahun 2042 menunjukkan penurunan luas hutan yang diikuti peningkatan perkebunan, sawah, lahan terbangun, serta peningkatan luas lahan dengan degradasi tinggi dan sangat tinggi. Analisis sensitivitas menunjukkan 80,4% wilayah tergolong stabil dan hanya 0,1% wilayah sangat sensitif terhadap perubahan bobot. Kesimpulan. Penelitian ini menghasilkan kerangka prediktif konservasi adaptif yang mengintegrasikan machine learning, dinamika penggunaan lahan, dan analisis multikriteria sehingga mampu mendukung pengambilan keputusan konservasi berbasis skenario spasial dan dapat digunakan sebagai dasar penyusunan kebijakan konservasi adaptif pada DAS tropis yang mengalami tekanan perubahan penggunaan lahan.