BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 3.1

Tempat dan Waktu Penelitian dilakukan dari bulan Juli sampai September 2011 di Kabupaten

Sidoarjo, Jawa Timur. Pengolahan data dilakukan di Laboratorium Analisis Lingkungan dan Pemodelan Spasial, Departemen Konservasi Sumberdaya Hutan dan Ekowisata, Fakultas Kehutanan Institut Pertanian Bogor.

Sumber: Peta RTRW Kab. Sidoarjo & Peta RBI (dengan modifikasi)

Gambar 1 Peta wilayah administrasi Kabupaten Sidoarjo. 3.2

Alat dan Bahan Alat yang digunakan dalam penelitian ini adalah seperangkat komputer

yang dilengkapi dengan paket Sistem Informasi Geografis (perangkat keras dan lunak) dengan software Erdas Imagine 9.1, ArcGIS 9.3, Minitab 14. Alat yang digunakan di lapangan meliputi Global Positioning System (GPS) receiver, kamera digital, dan alat tulis. Bahan yang digunakan dalam penelitian ini adalah citra Landsat 7 ETM path/row 118/065 Kabupaten Sidoarjo dengan tanggal akuisisi 28 Mei 2011, peta administrasi Kabupaten Sidoarjo dan peta Rupa Bumi Indonesia (RBI).

10

3.3

Pengolahan Citra Satelit Landsat

3.3.1

Perbaikan citra (image restoration) Perbaikan citra perlu dilakukan terhadap data citra satelit, yang

dimaksudkan untuk memperbaiki data citra yang mengalami distorsi pada saat ditransmisikan ke bumi, ke arah gambaran yang lebih sesuai dengan gambaran sebenarnya. Koreksi geometrik bertujuan untuk memulihkan citra agar koordinat citra sesuai dengan koordinat geografi. Hal pertama yang perlu dilakukan dalam koreksi geometrik adalah penentuan tipe proyeksi dan sistem koordinat yang akan digunakan. Penyeragaman data-data ke dalam sistem koordinat dan proyeksi yang sama perlu dilakukan, guna mempermudah dalam proses pengintegrasian data-data selama penelitian. Proyeksi yang digunakan dalam penelitian ini adalah Universal Transverse Mercator (UTM) dan sistem koordinat geografik menggunakan garis latitude (garis barat-timur) dan garis longitude (garis utara-selatan).

3.3.2

Pemotongan citra (subset image) Pemotongan citra dilakukan dengan memotong wilayah yang menjadi

obyek penelitian, dimana peta administrasi Kabupaten Sidoarjo hasil digitasi (peta digital) dijadikan acuan pemotongan citra. Batas wilayah yang akan dipotong dibuat dengan area of interest (aoi), yaitu pada wilayah yang termasuk ke dalam Kabupaten Sidoarjo.

3.3.3

Klasifikasi citra (image classification) Persiapan yang harus dilakukan sebelum melakukan pengklasifikasian

adalah menetapkan kelas-kelas spektral yang terliput oleh citra satelit, kemudian membuat aturan penetapan klasifikasi setiap piksel ke dalam kelas-kelas yang telah ditentukan. Pemilihan kelompok-kelompok piksel ke dalam kelas klasifikasi merupakan proses pemilihan obyek (feature selection). Dalam penelitian ini, untuk klasifikasi citra menggunakan proses klasifikasi terbimbing (supervised classification) yang prosesnya melalui pemilihan kategori informasi atau kelas yang diinginkan dan kemudian memilih

11

daerah latihan (training area) yang mewakili tiap kategori. Tahapan yang dilakukan dalam klasifikasi terbimbing menggunakan software Erdas Imagine 9.1 1.

Pengenalan pola-pola spektral yang ditampilkan oleh citra dengan berpedoman pada titik kontrol yang diambil pada lokasi penelitian menggunakan GPS receiver.

2.

Pemilihan daerah (area of interest) yang diidentifikasi sebagai satu tipe penutupan lahan berdasarkan pola-pola spektral yang ditampilkan oleh citra.

3.

Proses klasifikasi citra yang dilakukan secara otomatis oleh komputer berdasarkan pola-pola spektral yang telah ditetapkan pada saat proses pemilihan daerah.

4.

Menggabungkan daerah-daerah yang memiliki tipe penutupan lahan yang sama (recode).

5.

Pengkoreksian citra hasil klasifikasi dengan membandingkannya dengan citra sebelum diklasifikasi. Setelah dilakukan pengoreksian terhadap citra hasil klasifikasi, dilakukan

uji akurasi. Penutupan lahan di wilayah Kabupaten Sidoarjo dibedakan menjadi lahan terbuka, lahan terbangun, rumput dan semak, sawah, ladang, vegetasi rapat, vegetasi jarang, badan air dan tidak ada data.

3.3.4

Pengolahan citra landsat band 6 untuk estimasi suhu permukaan Untuk estimasi nilai suhu permukaan, dibangun sebuah model pada model

maker pada software Erdas Imagine 9.1 untuk mengkonversi nilai-nilai piksel pada band 6 Landsat 7 ETM. Dalam hal ini yang perlu diperhatikan adalah nilai DN (Digital Number) untuk dilakukan konversi menjadi nilai spektral radiansi. Berikut adalah rumus yang digunakan untuk mengkonversi nilai digital menjadi nilai spektral radiansi (USGS 2002, YCEO 2010). 𝐶𝑉R1 = keterangan: CVR1 : QCAL : LMINi : LMAXi : QCALMIN : QCALMAX :

𝐿𝑀𝐴𝑋 (𝑖) − 𝐿𝑀𝐼𝑁(𝑖) × 𝑄𝐶𝐴𝐿 − 𝑄𝐶𝐴𝐿𝑀𝐼𝑁 + 𝐿𝑀𝐼𝑁(𝐼) 𝑄𝐶𝐴𝐿𝑀𝐴𝑋 − 𝑄𝐶𝐴𝐿𝑀𝐼𝑁

the cell value as radiance digital number spectral radiance scales to QCALMIN spectral radiance scales to QCALMAX 1 (LGPS Products); 0 (NPLAS Products) Maximum pixel value (255)

12

Dengan diketahuinya nilai spektral radiansi, selanjutnya nilai spektral radiansi tersebut dikoreksi dengan memasukkan faktor emisivitas. 𝐶𝑉𝑅2 = keterangan: CVR2 : CVR1 : L↑MINi : L↓MAXi : ɛ : τ :

𝐶𝑉𝑅1 − 𝐿 ↑ 1 − 𝜀 − 𝐿↓ 𝜀 𝜀𝜏

the atmospherically corrected cell value as radiance the cell value as radiance upwelling Radiance (0,50) downwelling Radiance (0,84) transmittance (0,93) emissivity (typically 0.95)

Kemudian dilakukan konversi spektral radiansi yang terkoreksi untuk mengetahui suhu permukaan (USGS 2002):

𝑇=

𝐾2 𝐾1 +1) ln(𝐶𝑉 𝑅2

Keterangan : T : Suhu Efektif (K) K2 : Konstanta Kalibrasi 2 K1 : Konstanta Kalibrasi 1 CVR2 : Nilai radiansi terkoreksi

Tabel 2 Konstanta K1 dan K2 untuk Landsat 5/TM dan Landsat 7/ETM Satelit Landsat 5/TM Landsat 7/ETM

K1 (W/(m2*ster*µm) 607.76 666.09

K2 (Kelvin) 1260.56 1282.71

Sumber : USGS (2002)

3.4

Penentuan Jarak dengan Metode Euclidean Distance Euclidean distance merupakan teknik penghitungan jarak antara dua

obyek dengan menggunakan teorema phytagoras. Dalam penelitian ini, kelas penutupan lahan yang meliputi rumput dan semak, sawah, ladang, vegetasi rapat dan vegetasi jarang akan dihubungkan dengan penutupan lahan yang serupa. Dengan demikian, akan dihasilkan fungsi jarak antar vegetasi rapat yang satu dengan vegetasi rapat yang lainnya dalam lokasi penelitian, begitupun dengan rumput dan semak, sawah, ladang serta vegetasi jarang. Jarak-jarak tersebut digunakan sebagai peubah penjelas yang selanjutnya akan digunakan sebagai penduga suhu permukaan di suatu titik amatan.

13

3.5

Pembuatan Model Data yang diperoleh dari hasil interpretasi pada citra, selanjutnya dijadikan

sebagai peubah untuk menentukan atau menduga pengaruh jarak RTH terhadap suhu permukaan. 1. Penentuan Peubah Penentuan peubah dilakukan untuk mengetahui jenis peubah yang mempengaruhi ataupun dipengaruhi oleh model. Dalam menentukan jenis peubah, terlebih dahulu perlu dilakukan analisa hubungan tiap peubah. Pada penelitian kali ini, peubah yang menjadi kajian penelitian yaitu suhu permukaan, rumput dan semak, sawah, ladang, vegetasi rapat dan vegetasi jarang. Peubah penjelas berupa rumput dan semak, sawah, ladang, vegetasi rapat dan vegetasi jarang merupakan fungsi jarak yang diperoleh dari tahap penentuan jarak dengan metode euclidean distance. 2. Penentuan Titik Amatan Titik yang digunakan adalah titik pada penutupan lahan berupa lahan terbangun dan lahan terbuka pada wilayah kajian. Pada titik-titik tersebut akan ditentukan berbagai peubah penjelas yang selanjutnya akan diekstraksi sebagai suatu model. 3. Uji Asumsi Dalam memodelkan dengan menggunakan analisis regresi, maka diharapkan data mengikuti asumsi sebagai berikut : a. Galat dari peubah penjelas menyebar normal. b. Ragam pada peubah penjelas homogen (homoskendastisitas). c. Diantara peubah penjelas tidak terdapat multikolinieritas dan bila terdapat multikolinieritas, maka hanya digunakan peubah inti yang merupakan peubah utama yang paling berpengaruh terhadap suhu permukaan. d. Galat pada model linier bersifat bebas antara satu observasi dengan observasi berikutnya atau yang biasa disebut dengan tidak ada autokorelasi antar galat pada model. Untuk mendeteksi ada atau tidaknya autokorelasi, dapat dilakukan dengan menggunakan statistik uji Durbin-Watson. Apabila nilai D-W mendekati angka 2, maka tidak terjadi autokorelasi.

14

4. Analisis Regresi Analisis regresi yang digunakan adalah dengan menghubungkan suhu permukaan, rumput dan semak, sawah, ladang, vegetasi rapat dan vegetasi jarang yang diperoleh dari data yang telah diolah. Selanjutnya, kelima prediktor tersebut akan dihubungkan dengan suhu permukaan titik amatan yang didasarkan pada koordinat titik tersebut. 5. Penentuan Peubah yang Berpengaruh Pada saat meregresikan suatu prediktor terhadap peubah respon, akan ada beberapa prediktor yang tidak berpengaruh terhadap peubah penjelas. Pada kondisi demikian, perlu adanya pemilihan prediktor yang berpengaruh dan selanjutnya dilakukan kembali analisis regresi. 6. Validasi Model Proses validasi model dimaksudkan untuk menguji kelayakan model untuk menduga titik-titik lain di wilayah kajian. Pada penelitian ini diambil 336 titik amatan. Validasi dilakukan dengan menggunakan 50% dari titik amatan, sehingga data yang digunakan untuk validasi adalah sebanyak 168 data dengan titik tersebar secara acak dan mewakili seluruh wilayah kajian.

3.6

Survey Lapangan Survey lapangan bertujuan untuk mengetahui kondisi lapangan dan

perubahan penutupan lahan. Pengambilan titik kontrol dilakukan tidak secara menyeluruh, melainkan hanya beberapa tempat saja yang dianggap dapat mewakili masing-masing kelas klasifikasi penutupan lahan. Setiap lokasi survey yang mewakili masing-masing kelas penutupan lahan, diambil titik koordinatnya dengan menggunakan Global Positioning System (GPS) receiver.

15

Landsat 7 ETM Perbaikan citra

Pemotongan citra

Band 6

Band 1,2,3,4,5,dan 7

Suhu Permukaan

Klasifikasi terbimbing

Badan Air

Sawah Rumput &Semak

Ladang

Vegetasi rapat

Vegetasi jarang

Euclidean distance

Titik amatan Uji Asumsi Tidak

Terpenuhi Ya

Analisis regresi

Tidak Nyata

Model

Validasi

Gambar 2 Diagram alir tahapan penelitian.

Lahan Terbangun Lahan Terbuka