Satellite Image Analysis and Terrain Modelling Buku panduan geospatial gratis untuk pengelolaan sumber daya alam, risiko bencana dan perencanaan pembangunan
SAGA GIS 2.3 Oktober 2016
Website: https://sagagisindonesia.wordpress.com/ 1
Diterbitkan oleh Charles Darwin University kerjasama Universitas Nusa Cendana dan Universitas Halu Oleo didukung oleh Australian Government Partnerships for Development: Artisanal and small scale mining for development in Eastern Indonesia program.
Cetakan pertama Oktober, 2016 ISBN: Copyright notice: © Charles Darwin University, Universitas Nusa Cendana dan Universitas Halu Oleo
This work is licensed under a Creative Commons AttributionNonCommercial-ShareAlike 4.0 International License. Charles Darwin University, Universitas Nusa Cendana dan Universitas Halu Oleo assert the right to be recognised as the copyright owner of the original material in the following manner: © Charles Darwin University, Universitas Nusa Cendana dan Universitas Halu Oleo 2016 Authors: Rohan Fisher – Research Institute for Environment and Livelihoods Charles Darwin University. Email:
[email protected] Sarah Hobgen – Research Institute for Environment and Livelihoods Charles Darwin University, Australia. Email:
[email protected] Iradaf Mandaya – Lembaga Pengembangan Masyarakat Pesisir dan Pedalaman. Email:
[email protected] Norman Riwu Kaho – Fakultas Pertanian, Universitas Nusa Cendana, Nusa Tenggara Timur, Indonesia. Email:
[email protected] Zulkarnain – Fakultas Kehutanan, Unviersitas Halu Oleo, Sulawesi Tenggara, Indonesia. Email:
[email protected] Facebook Group - Remote Sensing & GIS with SAGA https://www.facebook.com/groups/208599582556485/ Website (Bahasa Indonesia): https://sagagisindonesia.wordpress.com/ Website (English): http://sagatutorials.wordpress.com/
2
Foreword oleh Vice Chancellor, Charles Darwin University Throughout the ages, humans have sought ways to understand and depict our environment. As in many areas of human endeavour, new technologies give us much more powerful ways of interrogating the natural world, of interpreting what we find, and presenting that information. Importantly, in the digital era such technologies are becoming ever more affordable and ubiquitous, potentially accessible to many more people in many more countries. However the vast majority of environmental management decisions are not made by scientists, but by local people — local government, NGO’s and universities working with farmers and householders seeking to feed their families and to earn a livelihood. Our challenge is to find ways of combining scientific understanding with fine-grained local knowledge and experience to develop better and more sustainable ways of managing natural resources and improving human livelihoods. The use of satellite and digital elevation data for mapping, monitoring and modelling has become an important tool assisting effective and timely natural resource management. But we need local knowledge to help us to interpret mapped landscapes and observed changes, so that these data become more useful for management and policy. This training manual is a great example of a tool that will assist in bringing together local knowledge and experience, with very sophisticated remote sensing and landscape modelling technologies. The application of satellite data, once an expensive and specialist skill, has become cheap and accessible due to falling hardware costs and the availability of high quality free satellite data and software. This manual was produced as part of ongoing collaboration between Charles Darwin University (Darwin, Australia), Nusa Cendana University (Kupang, West Timor), Halu Oleao University (Kendari, South East Sulawesi) with funding support from the Australian government (DFAT) through their government partnerships for development program. This training output provides a platform for long term and sustained capacity building throughout the region. Professor Simon Maddocks Vice-Chancellor Charles Darwin University, Darwin
3
Foreword oleh Rektor Universitas Haluoleo Penyusunan buku petunjuk pembuatan peta yang menggunakan satellite dan elevation data ini, memanfaatkan perangkat program yang relatif murah bahkan dapat diakses secara gratis. Pemanfaatan program ini akan sangat membantu dalam memonitor dan menyusunan perencanaan kegiatan pertambangan tidak hanya di Bombana namun di daerah-daerah yang lain. Pengembangan dari satellite image and terrain modelling ini juga tidak hanya akan berguna untuk kegiatan di sector pertambangan saja, namun dapat digunakan untuk spatial monitoring dan penyusunan perencanaan untuk sektor-sektor lainnya. Sejak awal ditemukannya emas di Kabupaten Bombana pada tahun 2008, berbagai dampak lingkungan, sosial dan ekonomi terjadi. Pemanfaatan teknologi satellite and digital elevation data menjadi sangat penting untuk dapat melakukan pemetaan dampak dan merumuskan perencanaan pengendalian dampak yang timbul dari penambangan emas. Mewakili seluruh civitas akademika, sebagai rektor Universitas Haluoleo dalam kesempatan ini saya menyampaikan terima kasih kepada Australian Department of Foreign Affairs and Trade (DFAT) yang telah memberikan dukungan dalam program Government Partnerships for Development Program (GPFD) selama kurang lebih hampir dua tahun. Selain itu juga UHO menyampaikan terima kasih kepada Charles Darwin University (CDU), The Australian National University (ANU), Universitas Nusa Cendana (Undana) dan semua pihak yang terlibat sehingga kegiatan ini dapat terlaksana dengan baik.
Prof. Dr. Ir. H. Usman Rianse, MSi. Rektor Universitas Haluoleo, Kendari
4
Foreword oleh Rektor Universitas Nusa Cendana Kerja sama antar Universitas Nusa Cendana (UNDANA), Charles Darwin University (CDU), The Australian National University (ANU), dan Universitas Haluoleo (UHO) merupakan kemitraan yang sangat produktif. Hal ini terbukti dari, antara lain, telah disusun dan diterbitkannya buku panduan pemetaan dengan menggunakan program aplikasi sistem informasi geografik (SIG) akses terbuka (open access) SAGA GIS. Program aplikasi SIG akses terbuka ini memungkinkan dapat dilakukan analisis spasial berbasis citra satelit untuk mendukung proses perencanaan, pemantauan, dan evaluasi kegiatan pembangunan secara lebih akurat, termasuk kegiatan tambang rakyat skala kecil yang menjadi fokus penyusunan buku panduan. Kegiatan tambang rakyat skala kecil yang menjadi fokus dalam penggunaan SAGA GIS dalam buku petunjuk ini adalah penambangan mangan yang marak dilakukan di Provinsi Nusa Tenggara Timur, terutama di Timor Barat, sejak 2008. Kegiatan penambangan mangan skala kecil tersebut menimbulkan perubahan lanskap yang berdampak pada lingkungan hidup dan penghidupan masyarakat. Dengan menggunakan panduan ini, pihak-pihak yang berkepentingan diharapkan dapat terbantu dalam menggunakan program aplikasi SIG akses terbuka SAGA GIS untuk melakukan pemantauan dan evaluasi terhadap dampak yang ditimbulkan oleh penambangan mangan skala kecil tersebut, sekaligus melakukan perencanaan untuk meminimalisasi dampak negatif dan mengoptimalkan dampak positif yang diprakirakan akan terjadi. Atas nama sivitas akademika UNDANA, sebagai Rektor saya menyampaikan terima kasih kepada Australian Department of Foreign Affairs and Trade (DFAT) yang telah memberikan dukungan melalui program Government Partnerships for Development Program (GPFD) terhadap pelaksanaan penelitian tambang mangan skala kecil di Timor Barat. Melalui kesempatan ini saya juga menyampaikan terima kasih kepada Charles Darwin University (CDU), The Australian National University (ANU), dan Universitas Haluoleo (UHO) serta para peneliti, para penulis, dan semua pihak yang terlibat, sehingga kegiatan penelitian dan penerbitan buku panduan ini dapat terlaksana dengan baik.
Prof. Ir. Fredrik L. Benu, MSi, Ph.D. Rektor Universitas Nusa Cendana, Kupang
5
Contents Contents ..............................................................................................................................6 1
2
3
Pendahuluan .................................................................................................................8 1.1
Free Open Source Geospatial ................................................................................8
1.2
Apa yang akan anda pelajari? ..............................................................................10
1.3
Apa itu SAGA?......................................................................................................12
1.4
Dukungan pada pengguna SAGA.........................................................................13
1.5
Mengunduh dan Menginstal SAGA.......................................................................13
1.6
Data contoh untuk tutorial-tutorial ini ....................................................................14
Quick start guide to SAGA ..........................................................................................15 2.1
Pengenalan Layout SAGA GIS .............................................................................15
2.2
Mengimport dan menampilkan Digital Elevation Model (DEM) .............................20
2.3
Terrain Map View & Garis kontur ..........................................................................23
2.4
Tampilan 3D .........................................................................................................24
2.5
Cara termudah untuk tampilkan data Landsat ......................................................25
2.6
Landsat import with Options .................................................................................26
2.7
Visualisasi 3 Dimensi Landsat ..............................................................................28
2.8
Menambahkan Data Vektor – Shape file ..............................................................29
2.9
Menambahkan Google Earth sabagai peta dasar.................................................32
Konsep Dasar Sistem Informasi Geografis dan Penginderaan Jauh ..........................34 3.1
Apa itu SIG? .........................................................................................................34
3.2
Tipe Data SIG .......................................................................................................36
3.3
Citra Satelit ...........................................................................................................37
3.4
Beberapa Istilah Kunci dari Data Satelit ...............................................................38
3.5
Penginderaan Jauh Aktif Dan Pasif ......................................................................41
3.6
Apa itu Landsat? ...................................................................................................41
3.7
Apa itu data elevasi digital? ..................................................................................44
Mengunduh DEM ........................................................................................................44 3.8
Sistem Proyeksi dan Sistem Koordinat .................................................................45
3.9
Download Data Gratis...........................................................................................47
3.10 4
5
Pemetaan GIS partisipatif bersama Masyarakat ...............................................57
Geomorphometry dan Terrain Analysis .......................................................................60 4.1
Persiapan data – Mengisi genangan ‘Fill sinks’ ....................................................61
4.2
Basic Terrain Analysis ..........................................................................................64
4.3
Peta Kelas Kemiringan Lahan ..............................................................................67
Pemetaan Penutupan Lahan dengan Landsat ............................................................71 5.1
Landsat Band Composite .....................................................................................71
6
5.2
Penajaman citra (pansharpening) Komposit Kanal ...............................................76
5.3
Pemetaan Perubahan Penutupan Lahan (Unsupervised classification) ...............81
5.4
Pemetaan perubahan penutupan lahan - Metode Image Defference ...................90
5.5
Mozaik Citra ..........................................................................................................96
6
Export/import Data ......................................................................................................99 6.1
Mengimpor data ke SAGA GIS .............................................................................99
Mengimpor data lapangan dengan titik GPS .............................................................100 6.2
Reprojection – Mengubah koordinat system .......................................................101
6.3
Potong (Clip) data ...............................................................................................104
6.4
Mengekspor data dalam format .TIFF (Geotiff) ...................................................105
6.5
Mengekspor ke PDF-Maps.
........................................................................108
Aplikasi – Pengelolaan Sumber Daya Alam dan pemetaan Risiko Bencana ............110
7
7.1
Aliran sediment dari lokasi titik tambang (contoh dari tambang mangan di Timor) 110
7.2 Aliran sedimen dari lokasi tambang yang luas (contoh tambang emas di Sulawesi) ......................................................................................................................110 7.3
Risiko erosi – RUSLE .........................................................................................111
7.4
Lahan Kritis .........................................................................................................113
7.5
Kebakaran ..........................................................................................................114
7.6
Bencana .............................................................................................................115
8 Aplikasi - Perencanaan Pembangunan Infrastruktur, Akses Pelayanan Dan Respons Terhadap Bencana ..........................................................................................................116 8.1
Analisis Jarak-Biaya ...........................................................................................116
8.2
Analisis Waktu Tempuh (Jarak-Biaya) bagi Perencanaan Pelayanan Kesehatan 117
8.3
Alat Analisis Waktu Tempuh pada SAGA GIS ....................................................118
8.4
Pembuatan Grid Tutupan Lahan (Land Cover grid creation) ..............................120
8.5
Pembuatan Grid Waktu Tempuh ........................................................................121
8.6
Pemodelan Interaktif (Interactive modelling) .......................................................124
9
Advanced concepts ...................................................................................................126 9.1
Tool chains .........................................................................................................126
9.2
Ordinary Krigging ................................................................................................127
10
Penyelasaian masalah ...........................................................................................129
10.1
Persoalan yang sering terjadi – .......................................................................129
10.2
Ada pertanyaan? .............................................................................................132
7
1 Pendahuluan 1.1 Free Open Source Geospatial Geospasial dengan sumber yang Terbuka dan Gratis Penerapan aspek geospasial dalam pemetaan, pemantauan serta pemodelan sumberdaya lahan dapat menjadi data kunci dalam menyokong perencanaan pengelolaan sumberdaya alam. Meski demikian, dewasa ini kemampuan dalam melakukan aktivitas seperti pemodelan lansekap dan sumberdaya alam berbasis data satelit penginderaan jauh seringkali hanya terbatas dapat dilakukan pada segelintir institusi pusat dengan sedikit keterlibatan perwakilan local. Ini dapat berakibat pada beberapa perencanaan pengelolaan sumberdaya alam yang dihasilkan justru tanpa adanya kejelasan keterkaitan secara kontekstual local dalam permasalahan biofisik dan pengelolaannya. Meski demikian, dalam 10 tahun terakhir ini telah terjadi peningkatan yang pesat pada ketersediaan perangkatlunak (software) serta data geospasial yang gratis. Generasi terkini dari software geospasial yang gratis dan sumber terbuka (free and open source) serta data yang tersedia secara gratis dapat meminimalisasi atau bahkan menghilangkan keharusan untuk membeli data serta lisensi sehingga dapat memfasilitasi aplikasi pemodelan, pemantauan dan pemetaan sumberdaya lahan yang lebih terdesentralisasi. Selain itu, kemajuan dari sisi perangkatkeras (hardware) menyebabkan penggunaan alat analisis spasial yang canggih dapat dikerjakan pada laptop yang notebene tergolong standar. Signifikansi dari sejumlah hal yang disebutkan diatas adalah terbukanya peluang bagi para pemangku kepentingan (stakeholders) dalam memadukan analisis secara kuantitatif dari “hard data” dengan pengetahuan local ini dapat terfasilitasi dengan adanya peningkatan ketersediaan citra satelit, data elevasi serta software analisis spasial yang gratis. Meski software geospasial dengan sumber terbuka tersedia secara gratis, namun mesti diingat bahwa ini tidak menjadikan software semacam ini menjadi lebih inferior dibandingkan software GIS yang komersial atau berbayar. Sebaliknya, saat ini software yang gratis dan sumber terbuka umumnya dipertimbangkan lebih aman, lebih terpercaya dan lebih mampu beradaptasi jika dibandingkan software komersial. Ini bisa dikatakan benar ketika tersedia software geopasial yang dapat diaplikasikan lebih fungsional dalam hal analisis spasial dimana ini terkadang lebih baik jika dibandingkan pada pilihan software geospasial komersial lainnya. Software SAGA-GIS yang dikembangkan dengan tujuan utama sebagai platform untuk mendukung penelitian geospasial yang sedang dilakukan dan pengembangannya. Software SAGA dikembangkan oleh para pengguna dan untuk pengguna saat ini terus diperharui (update) oleh para pengembang dan komunitas penggunanya sehingga menjaga software ini tetap relevan dalam penelitian geospasial dewasa ini. Saat ini software SAGA memberikan lebih dari 700 modul geosaintifik dalam merespon sejumlah pertanyaan dan kebutuhan secara saintifik. Sebagai tambahan, oleh karena fleksibitas dan kemampuan reaksi yang cepat ini sehingga software geospasial yang gratis dan sumber terbuka ini dapat digunakan dalam memfasilitasi proses yang spesifik atau untuk tujuan pemecahan permasalahan pengelolaan sumberdaya alam tertentu.
8
Meski terdapat sejumlah software analisis data raster yang gratis dan terbuka lainnya seperti GRASS, White Box, dan ILWIS, namun SAGA GIS dipilih sebagai focus dalam pelatihan oleh karena beberapa hal, yaitu : 1. Pada SAGA lebih mudah serta hanya diperlukan satu langkah atau proses dalam visualisasi data Landsat 2. Lebih sederhana serta hanya diperlukan satu langkah atau proses dalam pemodelan lahan (terrain) dan hidrologi yang canggih 3. SAGA merupakan paket yang lengkap sehingga tidak dibutuhkan instalasi dan dengan demikian software ini menjadi mudah untuk dibagikan 4. Memiliki antarmuka (interface) yang mudah dipahami dan hampir serupa dengan paket SIG lainnya 5. Mampu bekerja secara baik dengan semua format data GIS yang baku; serta 6. Memiliki tim pengembang yang aktif dalam merespon usulan dari para pengguna dalam alat pemrosesan atau perbaikan kesalahan (bug) dari software SAGA. Tujuan dari buku pedoman pelatihan ini adalah untuk memberikan sejumlah kemampuan dasar untuk mendukung penerapan geospasial yang canggih serta lebih terdesentralisasi dalam penggunaan data satelit dan elevasi untuk meningkatkan pengaturan sumberdaya alam yang lebih baik. Sebagai tambahan bahwa salah satu kritik utama dari software gratis dan terbuka dimana ini juga terjadi pada SAGA adalah kurangnya ketersediaan bahan pelatihan yang komprehensif dan jelas. Inilah yang menjadi alasan dari buku pedoman ini untuk berkontribusi dalam membantu menyelesaikan masalah ini dan mendukung bahan pelatihan dari sumberdaya global yang menjadi bagian penting dari software SAGA ini. Buku pedoman pelatihan ini dikembangkan dengan dukungan dari Pemerintah Australia melalui pembiayaan yang diberikan pada proyek Artisanal and Small Scale Mining for Development yang dilakukan oleh Universitas Charles Darwin. Project ini telah dilakukan dan bahan dalam buku pelatihan ini dikembangkan melalui kolaborasi antara 3 Universitas di bagian Indonesia Timur dan Australia yaitu : 1) Charles Darwin University (CDU, Darwin), 2) Universitas Nusa Cendana (UNDANA, Kupang), dan 3) Universitas Haluoleo (UHO, Kendari - Sulewasi Tenggara). 1.1
Buku pedoman ini akan dipublikasikan dalam bahasa Indonesia maupun Inggris dan tersedia untuk disebarkan secara online melaui suatu lisensi creative commons Attribution –Non Commercial- Share Alike. Dengan lisensi ini maka siapapun bisa menggabungkan, mengambil atau menggunakan isi dari buku pedoman ini dalam pekerjaan non-komersial yang anda lakukan sepanjang menyebutkan sumber sitasi.
9
1.2 Apa yang akan anda pelajari? Tujuan dari buku pedoman ini adalah untuk menyediakan tinjauan fungsi dasar dalam SAGA GIS yang penerapannya dapat dibagi kedalam 2 wilayah kunci bagi pengelolaan sumberdaya alam yang didasarkan pada bukti (evidence based) yaitu : (1) pemantauan dan pemetaan berbasis satelit, dan (2) analisis lahan (terrain) dan pemodelan hidrologi. Buku pedoman akan dibagi kedalam beberapa bagian sebagai berikut.
Quick start: bagian ini ditujukan agar anda lebih familiar dengan tata letak (layout) serta agar anda mulai lebih menyadari kemampuan dari SAGA. Beberapa hal yang akan dipelajari pada bagian ini adalah bagaimana cara mengimpor citra satelit, elevasi dan beberapa bentuk data SIG. Selain itu, anda juga akan belajar bagaimana melakukan visualisasi lanskap secara 3 dimensi serta “terbang” untuk melihat lanskap melalui citra satelit.
Konsep SIG (GIS Concepts): Pada bagian ini anda akan mempelajari beberapa konsep dan istilah penting yang sering digunakan ketika berbicara mengenai data peta. Sebagai contoh, apa yang dimaksud dengan SIG, apa itu data spasial, dan apa saja jenis data spasial. Anda juga akan belajar bagaimana data tersebut ditampilkan pada software SIG, bagaimana cara kerja satelit dalam pengumpulan citra bumi dan data elevasi serta bagaimana anda dapat mengakses data tersebut secara gratis dan dalam-jaringan (online).
Analisis
Lahan
(Terrain
Analysis):
Pada bagian ini akan memperkenalkan konsep dasar dalam analisis lahan dan bagaimana mempersiapkan data elevasi bagi analisis hidrologi. Dengan SAGA anda dapat menciptakan lapisan (layer) terrain yang banyak dimana ini dapat digunakan untuk berbagai tujuan seperti pemodelan ekologis, pemetaan risiko bencana, fungsi daerah aliran sungai dan penerapannya pada bidang pertanian. Anda akan terkejut melihat bagaimana mudahnya dan bagaimana bergunanya informasi lanskap yang dapat dihasilkan menggunakan SAGA dimana hanya diperlukan 1 lapisan data – Elevasi (DEM, Digital Elevation Model)
Pemetaan Penutupan Lahan dengan Landsat: Satelit Landsat memberikan suatu arsip citra bumi yang sangat kuat dari seluruh belahan bumi hingga beberapa decade yang lalu. Landsat juga merupakan salah satu alat utama bagi ilmuwan, pemerintah maupun LSM dalam pemantauan sumberdaya alam bumi oleh karena Landsat akan menyediakan citra berkualitas tinggi secara reguler yang dapat diakses secara mudah dan gratis! Halangan utama untuk bekerja dengan Landsat adalah software penginderaanjauh (remote sensing) yang standar memiliki harga yang mahal dan sangat kompleks. Kita akan mempelajari bagaimana secara
10
mudah dan cepat mengimport dan memetakan tutupan lahan serta perubahan tutupan lahan menggunakan teknik penginderaanjauh yang canggih pada software SAGA yang notabene gratis dan memiliki sumber terbuka.
Import dan Export Data (Data interoperability): Banyak orang yang bekerja menggunakan SIG akan bekerja dengan sejumlah tipe data dalam penerapannya pada software yang beragam. Pada bagian ini anda akan belajar bagaimana untuk mengekspor hasil analisis yang kita lakukan pada SAGA untuk dapat dilihat dan dianalisis pada software lainnya serta juga bagaimana mengimport data kedalam SAGA.
Penerapan (Applications): Pada bagian ini akan menampilkan sejumlah contoh penerapan yang dibangun dari apa yang anda telah pelajari dari bagian terdahulu. Bagian ini akan meliputi lima bidang penerapan yang luas, yaitu : a. Pemetaan dan pemantauan lintasan aliran sedimen. Studi kasus yang digunakan akan melihat beberapa cara untuk menilai dampak potensial dari pertambangan (mining) melalui data contoh serta data riil. b. Pembuatan peta potensi relative dari bahaya erosi dengan RUSLE. Melalui bagian ini juga akan dieksplorasi kekuatan dan kelemahan dalam penggunaan persamaan risiko erosi yang standar. c. Pemetaan bencana menggunakan contoh pemetaan longsor (landslide) dan kebakaran (fires) dan manfaat data dasar yang telah dikerjan dalam bagian lain untuk pemetaan risiko bencana
Konsep Lanjutan (Advanced concepts): Bagian ini akan mengeksplor beberapa ide lanjutan dalam hal analisis citra satelit dan juga menampilkan beberapa teknik tambahan untuk hasil yang lebih baik dari SAGA. Sebagai tambahan dari dokumen buku pedoman ini, telah disiapkan sejumlah latihan melalui screen-shot video yang menunjukkan kepada anda mengenai langkah demi langkah bagaimana untuk mengikuti sebagian besar prosedur yang telah dipresentasikan. Video-video ini akan tersedia pada DVD yang diberikan bersamaan dengan buku pedoman ini dalam bentuk hard copy. DVD ini akan berisikan sebagian besar data yang digunakan sebagai contoh dalam penerapan dalam buku pedoman ini. Video dan informasi terkini mengenai bahan pelatihan ini juga dapat tersedia melalui website proyek (sagatutorial.wordpress.com). Anda juga dapat membagikan pengalaman anda dengan SAGA GIS pada grup facebook pengguna SAGA GIS pada www.facebook.com/groups/208599582556485/
11
1.3 Apa itu SAGA? SAGA merupakan kepanjangan dari System for Automated Geoscientif Analysis. SAGA GIS dikembankan oleh sekelompok pengembang yang kecil terutama yang berasal dari Jerman. Sebagian besar pengembangan SAGA terkini maupun yang lampau datang dari tim yang dipimpin oleh J. Böhner dan O. Conrad, dimana keduanya saat ini bekerja pada Institute of Geography, Bagian Physical Geography, Klimacampus dan University of Hamburg, Jerman dan telah bersama dalam pengembangan SAHA sejak awal mula SAGA diciptakan. Ide pengembangan SAGA telah ada sejak akhir tahun 1990-an selama pekerjaan dalam beberapa proyek penelitian pada Dept. for Physical Geography, Göttingen. Fokus dari penelitian tersebut adalah analisis data raster, terutama Digital Elevation Model (DEM) yang digunakan dalam memprediksi karakteristik tanah serta factor topografi yang mengontrol proses dinamika seperti parameter iklim. Hal ini membutuhkan pengembangan dan implementasi dari banyak metode yang baru bagi analisis dan pemodelan spasial. SAGA kini telah berkembang menjadi suatu paket analisis geospasial yang makin mantap dan matang yang digunakan oleh para ilmuwan dan pengelola sumberdaya alam di seluruh dunia.
Versi SAGA mana yang digunakan? Salah satu keuntungan utama dari software sumber terbuka adalah software ini akan secara reguler diperharui (update). Hal ini dikarenakan kesalahan (bugs) yang ditemukan harus secara cepat diperbaiki serta ide-ide dan pilihan dalam pemrosesan yang baru akan ditambahkan secara reguler. Ini akan menyebabkan software ini secara umum akan lebih mantap dan lebih up-to-date dibandingkan paket software yang komersial. Meski demikian, dengan adanya rilis dan pembaharuan terbaru maka terdapat beberapa perubahan kecil dan bahkan beberapa perubahan yang sangat signifikan sehingga akan menyulitkan dalam menyesuaikan dengan versi paling terkini. Pada kasus SAGA, akan terdapat rilis terbaru setiap 3 s/d 6 bulan yang tergantung pada seberapa banyak pekerjaan yang telah diselesaikan oleh para pengembang. Hal ini berarti bahwa bahan pelatihan yang dikembangkan 5 tahun yang lalu bisa saja menggunakan 10 versi SAGA yang ketinggalan jaman (out-of-date). Oleh karena itu diperlukan suatu keseimbangan antara apa yang telah anda ketahui dengan versi SAGA yang paling terkini. Untuk buku pelatihan ini, kami menggunakan versi SAGA 2.3.1 yang merupakan versi paling terkini ketika buku ini ditulis. Sudah barang tentu kami mengetahui bahwa segala sesuatu akan berubah seiring berjalannya waktu, namun proses dan ide yang fundamental akan tetap sama dari satu versi SAGA ke versi lainnya.
12
1.4 Dukungan pada pengguna SAGA Penting untuk diingat bahwa SAGA diciptakan oleh para pengguna untuk mendukung para pengguna itu sendiri. Dengan demikian akan bergantung pada kita sendiri untuk secara proaktif mendukung komunikasi antara pengguna SAGA dan para pengembang. Kita perlu untuk bekerja sama dalam pengembangan SAGA dan juga komunitas pengguna SAGA. Selain itu yang lebih penting jika memungkinkan untuk kita ikut berkontribusi dalam pengembangan bahan pelatihan SAGA di kemudian hari. Para pengembang SAGA merupakan sekelompok tim kecil dari para relawan (volunteer), namun mereka amat sangat responsive terhadap pertanyaan dan usulan dari para pengguna. Kami merekomendasikan agar anda dapat bergabung dengan forum pengguna SAGA GIS dimana anda dapat memposting usulan dan pertanyaan yang anda temui setelah bekerja dengan SAGA. Beberapa referensi sumber pelatihan SAGA lainnya termasuk: • • • • •
https://sagagisindonesia.wordpress.com http://marinedataliteracy.org/margis.htm https://rohanfisher.wordpress.com/saga-gis-tutorials/ https://iradafmandaya.wordpress.com/ https://sourceforge.net/p/saga-gis/wiki/Tutorials/
1.5 Mengunduh dan Menginstal SAGA Jika anda tidak memiliki DVD yang didapatkan dari buku pedoman pelatihan ini, maka terlebih dahulu anda perlu untuk mengunduh (download) SAGA dari : https://sourceforge.net/projects/saga-gis/files/ Sangat direkomdasikan agar anda mengunduh versi paling terkini dalam format zipped yang disesuaikan dengan spesifikasi computer anda (contoh : 32bit atau 64 bit). Untuk menjalankan SAGA, maka ekstrak atau unzip file yang telah diunduh dan cari file SAGA GIS executable (.exe). Anda juga dapat langsung mengklik dua kali (double click) pada file tersebut untuk menjalankan SAGA secara langsung dari direktori, atau dapat klik kanan pada file tersebut dan pilih ‘send to’ desktop (create shortcut)’ sehingga anda akan memiliki pintasan (shortcut) pada desktop untuk memudahkan dalam mengakses SAGA.
13
1.6 Data contoh untuk tutorial-tutorial ini Data contoh dapat di DVD bersama buku ini atau dapat diunduh di Google Drive SAGA GIS Data (jika tidak bisa mengakses email kepada
[email protected])
14
2 Quick start guide to SAGA
2.1 Pengenalan Layout SAGA GIS Ketika anda membuka SAGA, anda akan melihat layout berisi jendela berikut ini : >Workspace/Manager Window: merupakan jendela dimana anda dapat menampilkan proses module dari data yang telah anda ambil dengan klik seluruh tab pada bagian bawah jendela, dan menampilkan peta yang anda telah buat dari data anda. >Work area/ Map Window: adalah tempat dimana gambar peta dan segala sesuatu yang berhubungan dengan data (table atribut, histogram, Plot) ditampilkan. >Object Properties: jendela ini menampilkan dan mengijinkan anda untuk mengubah informasi dari data yang anda muat dan menampilkan peta. >Message Window: menyediakan informasi mengenai semua proses yang sedang dijalankan oleh SAGA >Data Source Window: jendela ini akan menampilkan informasi sumber data.
15
Salah satu kelebihan dari SAGA yang tidak dimiliki oleh software SIG lainnya adalah kemampuan software SAGA untuk menampilkan lebih dari satu peta (maps) pada map window hanya dalam satu workspace.
Masing-masing jendela ini dapat dibuka dan ditutup dari bagian atas menu dengan mengklik pada tombol yang sesuai.
16
Tab Tools Tools merupakan suatu cara dimana seluruh fungsi dari proses di atur di SAGA. SAGA datang dengan sekumpulan tools/modul gratis yang komprehensif dan berkembang sehingga jmlah modul pada SAGA versi 2.2.5 telah mencapai 700 modul. Tidak semua modul memiliki tool untuk analisa dan pemodelan yang sangat rumit. Banyak modul yang menunjukkan operasi data yang sederhana. Namun beberapa modul lainnya menunjukkan sesuatu yang baru dalam bagian analisisnya. Seperti berikut ini:
* * * * * *
Data Import & Export Cartographic Projections & Georeferencing Raster & Vector Data Tools Image Processing Terrain Analysis Geostatistics
Modul juga mudah diakses melalui top menu “Geoprocessing” pada bagian drop down menu. Sebaiknya menggunakan drop down menu ini untuk menjalankan modul SAGA karena modul-modul itu dikelompokkan kedalam wilayah proses logika sehingga mudah untuk diakses.
Tab Data Data yang ditampilkan merupakan data raster (GRID), vektor atau tabel-tabel data yang telah anda buka. Seluruh data raster ditampilkan sebagai grid layer dalam suatu sistem grid. Suatu sistem grid mengelompokkan grid layer yang mempunyai ukuran grid sel yang sama, jumlah baris dan kolom yang sama dan semua itu meliputi daerah geografis yang sama. Secara umum, operasi spasial ditampilkan pada grid dengan sistem grid yang sama.
Variasi dari segala tipe data raster dapat di impor ke SAGA namun ketika data raster tersebut disimpan maka data tersebut akan disimpan dalam format SAGA yaitu SAGA GRID (disingkat *.sgrd). Perubahan nama dari sistem grid atau grid layer dapat dilakukan pada jendela properti obyek.
17
Ketika data vektor dibuka di SAGA maka akan terbentuk layer baru dengan data point (titik), line (garis) atau poligon.
Klik kanan pada layer data untuk menampilkan data yang dimasukkan dan pilih show atau secara singkat double klik pada layer tersebut. Maka data tersebut akan terbuka di suatu jendela. Untuk menampilkan layer data pada jendela peta maka klik tab maps.
Tab Maps Multi layer data dari sistem grid yang berbeda dapat ditampilkan dalam suatu peta layer tunggal: Layer-layer peta dapat di nonaktifkan dengan klik kanan pada suatu layer peta dan hilangkan tanda ? pada ‘show layer ‘ atau secara mudah dengan memilih layer dan tekan “enter”. Untuk melakukan pilihan Peta layer lainnya yang akan ditampilkan, maka klik dan pilih ‘move up’ untuk layer di atas atau ‘move down’ untuk layer dibawahnya.
Tab Setting Ada berbagai jenis layer data tergantung pada faktor-faktor yang dapat di edit dan di tampilkan sesuai parameter-parameter pada bagian “Setting”. Tab’Settings’ menyediakan users kesempatan untuk membuat pengaturan bagaimana layer data terlihat pada data dan pada jendela peta.
Tab Description Tab ini menunjukkan informasi (ukuran, proyeksi geografi) dari layer yang dipilih. Data ini tidak dapat diperbaiki/di edit.
Tab Legend Menampilkan legend atau menunjukkan warna yang sedang digunakan untuk menampilkan nilai data dari layer terpilih.
Tab History Jendela ini menampilkan proses yang sudah dilakukan untuk layer yang dipilih.
18
Tab Attributes Menggunakan tool aksi/action untuk menampilkan atribut informasi untuk sel grid yang dipilih pada suatu grid dari layer data atau atribut yang berhubungan dengan segala sesuatu dari vektor yang dipilih pada suatu shape/bidang layer data.
Tool Area Kerja Cursor/Action tool –Untuk memilih titik-titik atau daerah Zoom – Memperbesar atau memperkecil tampilan suatu peta Pan Tool – Untuk berpindah pada suatu tampilan peta Measuring tool - untuk mengukur Zoom to layer tools – Mendekati sampai seluruh layer kelihatan dalam jendela
19
2.2 Mengimport dan menampilkan Digital Elevation Model (DEM) Salah satu keunggulan dari software SAGA adalah kemudahannya dalam bekerja dengan DEM dimana akan ditunjukkan bagaimana cara mengimport dan melihat DEM pada SAGA. DEM yang digunakan pada tutorial ini merupakan DEM yang sudah disambung dan dipotong untuk wilayah Timor Barat (Catatan-pada SAGA kita bisa menggunakan module Mosaic untuk menyambung raster grid dan Clip Grid With Polygon atau Clip Grid (Interactive) untuk memotong raster grid seperti yang akan dibahas pada bagian 5.3). DEM yang digunakan pada tutorial ini merupakan citra yang diperoleh dari satelit Shuttle Radar Topographic Mission (disingkat SRTM) versi 2 dengan resolusi spasial 90 meter. Ini berarti satelit ini mampu merekam suatu obyek tunggal di permukaan bumi dengan bidang horisontal 90 meter.
Buka data DEM Klik pada tombol Open lalu buka data di DVD atau hasil download dari Google drive (Bagian 1.6). SAGA training> Chapter 2 > West Timor DEM.sgrd
TIPS : Klik dan drag file dari folder ke SAGA GIS untuk pembukaan file yang cepat, pastikan flie yang dipilih adalah file .SGRD (SAGA grid file)
20
Drag & drop DEM Timor Barat ke software SAGA dan double klik pada grid West Timor DEM (Tab Workspace) sehingga akan terlihat DEM Timor Barat pada Map Window. Untuk memahami konsep Grid System & Grid Layer, maka pada SAGA seluruh data raster ditampilkan sebagai grid layer dalam suatu sistem grid. Suatu sistem grid mengelompokkan grid layer yang mempunyai ukuran grid sel yang sama, jumlah baris dan kolom yang sama dan semua itu meliputi daerah geografis yang sama.
Elevasi dan koordinat lokasi Jika ingin mengetahui koordinat dan elevasi (dalam unit meter) dari DEM tersebut, maka geser kursor pada area tertentu pada DEM. Dapat terlihat dari 2 contoh dibawah ini, ketika kursor di geser pada lokasi tertentu, maka dapat terlihat koordinat easting dan northing pada sistem proyeksi universal tranverse mercator (UTM). Selain koordinat, maka dapat diketahui elevasi pada lokasi tersebut. Dari gambar berikut dapat terlihat elevasi 1.468 meter yang mengindikasikan daerah pegunungan.
Legend Untuk mengetahui legenda elevasi DEM Timor Barat ini klik pada tab Properti Obyek> dan klik tab Legend seperti yang terlihat pada gambar berikut. Secara default SAGA akan menciptakan gradasi warna, semakin berwarna merah akan semakin tinggi elevasinya dan semakin berwarna biru akan semakin rendah elevasinya. Kita bisa menyalin (copy) legenda ini untuk selanjutkan ditempel (paste) dengan cara klik kanan pada legenda DEM West Timor DEM>Copy Legend to Clipboard. Setelah itu, kita dapat menyalin Legenda ini pada laman kerja MS Word, Excel atau Powerpoint, sebagai contohnya.
21
Zoom & Pan Jika kita ingin melihat lebih jelas suatu area of interest, maka klik tool Zoom dan definisikan wilayah yang ingin diperbesar dengan melakukan drag pada suatu area seperti contoh gambar dibawah ini. Jika ingin mengetahui lokasi lain tanpa merubah area zoom kita juga bisa menggeser ke segala arah gambar yang telah diperbesar dengan cara klik tool Pan. Jika kita ingin kembali pada tampilan awal untuk seluruh DEM Timor Barat kita bisa klik pada tool Zoom to Full Extent.
22
2.3 Terrain Map View & Garis kontur Pada SAGA terdapat cara paling mudah untuk menampilkan topografi (terrain view) dengan cara klik Geoprocessing > Visualization > Grid > Terrain Map View
Pada dialog box Terrain Map View yang terbuka, diatur seperti berikut dengan menginput Grid System dan >> DEM serta Countur Lines diatur Equidistance 250 atau interval garis kontur adalah 250 meter (0, 250, 500, 750 meter, dst).
Kita bisa mengatur berapa interval garis kontur yang kita inginkan dari nilai default 50. Jika kita memiliki area of interest yang lebih kecil, maka bisa diatur equidistance < 250 untuk menunjukkan lebih jelas perbedaan elevasi wilayah tersebut, ataupun sebaliknya. Jika semua sudah, klik OKAY. Hasilnya adalah akan akan terbentuk grid baru daerah perbukitan analitik (analytical hillshiding) yang secara otomatis akan di-set transparansinya menjadi 40% dan gradasi warna DEM yang baru. Selain itu, akan terbentuk data vektor (shapes) kontur dalam bentuk garis (line) dengan interval 250 meter.
23
2.4 Tampilan 3D Keunggulan lain dari SAGA adalah kemampuan menampilkan gambar dalam 3 Dimensi yang sangat mudah jika dibandingkan software GIS lainnya. Untuk melakukannya, maka terlebih dahulu kita zoom pada wilayah area of interest seperti pada langkah 4 diatas kemudian klik tool Show 3D-View seperti berikut. Pada module 3D-View, silahkan input Grid System, >> Elevation dan merubah Exaggeration dari 1 menjadi 6. Jika kita menginginkan resolusi 3 dimensi yang lebih baik maka kita bisa merubah Resolution dari 100 menjadi 1000, 2000 dan seterusnya. Selain itu,jika kita mendapatkan lekuk topografi yang lebih tinggi/rendah maka kita bisa merubah Exaggeration. Jika sudah klik OKAY.
Hasilnya, akan tampak tampilan 3 dimensi yang menunjukkan wilayah pegunungan atau perbukitan serta daerah yang lebih landai dari area of interest tadi. Kita juga bisa melakukan pengaturan lebih lanjut atau mengedit tampilan 3 dimensi ini dengan menggunakan tool area kerja 3 dimensi. Untuk keluar dari tampilan 3 dimensi ini, klik tab Window > Close.
24
2.5 Cara termudah untuk tampilkan data Landsat Fungsi import data Landsat pada software SAGA merupakan yang termudah jika dibandingkan software lainnya, baik gratis maupun yang berbayar, dalam hal mengimport dan memvisualisasikan data Landsat yang hanya memerlukan 1 tahapan proses. Tool Landsat Import with Options pada SAGA akan mengkombinasikan 3 fungsi yang berbeda dalam satu dialog box sederhana, yaitu: 1. Reproyeksi Sistem Koordinat : secara default data Landsat akan berada pada sistem koordinat UTM utara dimana ini menjadi permasalahan bagi scene yang berada pada belahan bumi bagian selatan (southern hemisphere) dan bagi orang yang menginginkan data Landsat dalam sistem proyeksi geografis (lintang/bujur). Tool import Landsat pada SAGA akan mempermudah dalam memilih scene apakah ingin berada pada sistem koordinat UTM ataukah geografis. 2. Tampilan Komposit RGB (Red, Green, Blue): tool import pada SAGA akan mempermudah dalam memilih secara langsung kombinasi kanal (band) merah, hijau dan biru untuk ditampilkan secara langsung. 3. Peningkatan Kontras (contrast enhancing): Pada saat import kombinasi kanal yang dipilih, secara otomatis akan ditampilkan peta yang sudah dilakukan perentangan histogram (histogram stretching) untuk menghasilkan suatu tampilan yang dapat digunakan secara langsung. Selain itu, SAGA juga menyediakan cara untuk meningkatkan tampilan gambar berbasis on-the-fly pada peta yang sedang ditampilkan sehingga dapat dilakukan perentangan secara cepat untuk menunjukkan sebagian besar detail dari area of interest. Dalam tutorial ini akan dilakukan kombinasi band 4,5,6 Landsat 8 untuk melihat tutupan lahan dengan area of interest pada wilayah Timor Barat yang berada pada zona UTM 51S. Pembahasan lebih lanjut mengenai beberapa kombinasi band dan sistem proyeksi dapat dilihat pada bab sistem proyeksi dan kombinasi band.
25
2.6 Landsat import with Options Dari jendela kerja SAGA yang belum ditutup dari bagian sebelumnya, klik Geoprocessing >Imagery >Landsat> Landsat Import with Options Pada dialog box yang terbuka rubah Coordinate System dari UTM North menjadi UTM South lalu klik bagian yang ditandai berikut untuk mencari lokasi penyimpanan band Landsat pada SAGA training>Chapter 2>Landsat Tekan CTRL pada keyboard komputer dan pilih sekaligus Band 4, Band 5, dan Band 6 (pada contoh dibawah dapat diketahui dari nama akhir file) dan klik Open.
Pastikan susunan komposit band dimana warna merah adalah band 6, warna hijau adalah band 5, dan warna biru adalah band 4. Jika sudah, klik Okay.
26
Hasilnya adalah akan terbentuk kombinasi band 4,5,6 secara otomatis dengan proyeksi sistem koordinat UTM Selatan sebagai berikut.
Histogram stretch Untuk melakukan histogram stretch secara sederhana, kita perbesar (zoom) pada wilayah yang menjadi area of interest sebagai berikut:
Klik tab Maps > klik kanan pada Band 6 > klik pada Adjust Histogram Stretch to Map Extent. Hasilnya, tercipta citra dengan perentangan histogram sehingga lebih memberikan gambaran yang jelas mengenai kondisi tutupan lahan pada area of interest.
27
2.7 Visualisasi 3 Dimensi Landsat Tidak hanya pada DEM, kita juga dapat menampilkan hasil kombinasi Landsat ini dalam bentuk 3 dimensi dengan menggunakan DEM Timor Barat. Caranya klik tool Show 3D-View Setelah terbuka dialog box, maka input Grid System, >> Elevation dan ubah Exaggeration dari default 1 menjadi 6. Perlu dicatat ketika mengklik pada Grid System maka akan muncul 2 pilihan Grid System dan yang dipilih adalah Grid System dengan grid layer West Timor DEM. Oleh karena untuk menampilkan 3 dimensi maka diperlukan DEM, bukan grid kombinasi band Landsat. Jika sudah, klik Okay.
Hasilnya adalah tampilan 3 dimensi hasil kombinasi band 4,5,6. Dapat terlihat tutupan lahan bervegetasi dan aliran sungai yang terletak pada topografi yang didefinisikan dari DEM. Dengan memperbesar jarak perspektif (sudut pandang semakin dekat), maka semakin jelas terlihat lekuk topografi dan tutupan lahan.
28
2.8 Menambahkan Data Vektor – Shape file Cara pertama. Menambahkan data vektor pada SAGA dapat dilakukan dengan menggunakan cara yang simple yaitu “drag and drop” data vektor yang berekstensi .shp (shapefile). Sebagai contoh, kita ingin menambahkan vektor polygon Kabupaten yang ada di Pulau Timor dan Kecamatan di TTS, maka file yang berekstensi .shp pada kedua vektor yang akan di-drag dan drop pada SAGA.
Cara kedua. Klik File > Shapes > Load. Setelah itu, pilih kedua file tadi dan klik Open.
Akan terlihat pada workspace SAGA kedua polygon Kabupaten Pulau Timor dan kecamatan TTS tadi. Perlu dicatat bahwa SAGA akan membagi kedua tipe data GIS, raster dan vektor dengan penamaan yang berbeda. Data raster muncul pada workspace SAGA sebagai Grid, sedangkan data vektor muncul sebagai Shapes sesuai tipe data vektor tersebut yaitu garis (line), area (polygon), dan titik (point).
29
Untuk menampilkan vektor Kabupaten di pulau Timor, klik 2x dan pilih New untuk membuat map window yang baru. Jika kita ingin menginput vektor Kabupaten pada tampilan peta yang lain, maka bisa jangan dipilih New, tetapi salah satu dari 2 peta yang lain, apakah di DEM Timor Barat ataukah kombinasi band 4,5,6 Landsat.
Untuk menampilkan label nama Kabupaten, pada Tab Properti Obyek, klik pada Label (Attribute) dan pilih Nama_Kabupaten. Jika sudah klik Apply.
Selanjutnya, double klik vektor kecamatan TTS dan pilih Kabupaten Pulau Timor sehingga vektor ini akan diinput pada vektor sebelumnya. Dengan demikian, akan muncul wilayah Kecamatan TTS pada seluruh Kabupaten di Timor Barat.
Untuk mengecek atribut vektor Kecamatan TTS, klik kanan pada tts_kec > Attributes > Show Akan muncul atribut vektor Kecamatan TTS yang menunjukkan bahwa terdapat 21 Kecamatan/Kota, jumlah penduduk tiap Kecamatan, kepadatan (density) tiap Kecamatan, dan lainlain. Untuk menutup atribut, maka ulangi proses tadi dengan klik kanan pada tts_kec > Attributes > Show.
30
Dengan cara yang sama seperti diatas, ditampilkan label untuk Kecamatan TTS sehingga hasilnya akan terlihat seperti berikut.
31
2.9 Menambahkan Google Earth sabagai peta dasar Salah satu keuntungan lain menggunakan SAGA adalah kemudahannya dalam menampilkan citra Open Streertmap atau citra satelit google sebagai peta dasar. Hal ini dapat dilakukan dengan hanya beberapa langkah secara online (dalam jaringan) dengan menggunakan data vektor pada tutorial sebelumnya. Satu hal yang perlu diperhatikan adalah data vektor yang digunakan harus memiliki sistem koordinat yang tepat!! Klik Map > Add Base Map
Pilih citra dasar (a) dalam contoh ini kita akan menggunakan citra google (atau bisa dipilih beberapa citra lainnya) sehingga pada Server diubah menjadi Google Satellite; dan (b) pada Position diubah menjadi Top yang berarti posisi peta dasar akan berada paling depan pada layer peta. Jika sudah, klik Okay Hasilnya dapat terlihat pada jendela peta (map window) telah muncul citra satelit google dengan cakupan wilayah geografis yang sama dengan data vektor Timor Barat (jika data vektor memiliki sistem koordinat yang keliru, maka peta dasar tidak akan muncul atau muncul pada area yang lain). Peta dasar ini berada pada lapisan paling atas. Kita dapat secara bebas memindahkan ke lapisan paling bawah ataupun sebaliknya dengan menggeser keatas/kebawah.
32
33
3 Konsep Dasar Sistem Informasi Geografis dan Penginderaan Jauh
3.1 Apa itu SIG? SIG merupakan singkatan dari Sistem Informasi Geografik, terjemahan dari bahasa Inggris Geographic Information System yang lazim disingkat GIS. Bab 3 ini bertujuan memperdalamkan pengertian Anda baik tentang data maupun SIG dan proses yang Anda telah lakukan dalam bab-bab sebelumnya. SIG merupakan teknologi yang menggabungkan fitur geografi dengan data tabular untuk memetakan, menganalisis, dan menilai permasalahan dunia nyata. Kata kunci dari teknologi ini adalah geografi – ini berarti bahwa sebagian dari data yang digunakan adalah data spasial. Dengan kata lain, data yang dengan satu atau lain cara berkaitan dengan lokasi di permukaan bumi. Dikaitkan dengan data ini adalah data tabular yang juga dikenal sebagai data atribut. Data atribut dapat didefinisikan secara sederhana sebagai informasi tambahan terhadap setiap fitur spasial. Satu contoh adalah lokasi tambang. Dalam hal ini, lokasi merupakan data spasial. Data tambahan seperti ukuran tambang, tipe tambang, dan kepemilikan tambang merupakan data atribut. Gabungan kedua macam data inilah yang membuat SIG sebagai alat yang sangat efektif untuk digunakan melakukan pemecahan masalah melalui analisis spasial. SIG merupakan alat yang penting untuk memahami data secara lebih baik melalui visualisasi dan analisis, dan kini lazim digunakan dalam perencanaan dan pemantauan pengelolaan sumberdaya alam. SIG memungkinkan Anda untuk memetakan data yang telah Anda kumpulkan dan melihatnya dalam konteks informasi spasial lainnya seperti batas wilayah administrasi, jalan, atau citra satelit. SIG juga memungkinkan Anda memvisualisasikan atribut lapangan yang telah Anda kumpulkan melalui survei. Jenis Aplikasi atau perangkat lunak (software) SIG: 1. SIG berbasis jaringan (web): SIG dalam-jaringan (online), peta berbasis situs seperti halnya Google Earth dan Google Maps, NAFI (North Australia Fire Information), Sentinel, dan lain-lain. 2. Desktop SIG : software yang ada dalam computer seperti ArcGIS, QGIS dan SAGA, dan masih banyak lagi (beberapa software mesti diinstal terlebih dahulu namun adapula yang bersifat portable). Software-software ini secara umum sangat baik dan dapat digunakan untuk membuat query dari layer peta serta dapat digunakan untuk membuat peta. Beberapa software seperti QGIS dan SAGA merupakan software yang gratis, tetapi ArcGIS membutuhkan lisensi sehingga tergolong sebagai software yang berbayar. .
34
Google Earth merupakan platform yang sangat bermanfaat untuk melihat data lokasi titik bersama dengan citra satelit beresolusi sangat tinggi yang tersedia. Google Earth memungkinkan Anda untuk menempatkan lokasi tambang dalam hubungan dengan fitur lanskap.
QGIS merupakan program SIG sumber terbuka penuh yang gratis tetapi mampu melakukan banyak hal. OpenJump GIS memungkinkan Anda untuk memetakan data lapangan bersama-sama dengan informasi geospasial lainnya.
SAGA GIS merupakan program SIG program SIG sumber terbuka yang mempunyai kemampuan khusus untuk menampilkan dan menganalisis data raster berupa citra satelit. Program ini memungkinkan Anda dapat menganalisis data lapangan dan informasi geospasial lainnya bersama-sama dengan data citra satelit.
35
3.2 Tipe Data SIG Data SIG terdiri atas dua tipe utama: Data vektor menyimpan informasi sebagai rangkaian titik, sedangkan data raster sebagai piksel dalam grid. Data vektor dihubungkan dengan data tabular yang memuat informasi atribut, data raster biasanya hanya menyimpan satu nilai atribut untuk setiap piksel.
Data Vektor Data Vektor merupakan permukaan yang diskrit yang direpresentasi sebagai titik (point), garis,atau poligon (area). Data vektor selalu terlihat sebagai “seperti peta” dan selalu kelihatansebagai suatu abstrak jika dibandingkan gambar asli (contoh : shape yang merepresentasikanbatas desa/kelurahan/negara, titik yang merepresentasikan kota/kabupaten, dll). Data vektorini umumnya akan memiliki format ESRI shapefiles (.shp), ESRI coverages (.cov), google Keyhole Markup Language (.kml) dan lain-lain.
Data Raster Data raster merupakan suatu permukaan kontinu yang akan terbagi dalam sel-sel grid yang memiliki besaran yang sama. Setiap sel akan nampak sebagai warna tertentu berdasarkan nilai-nilai tertentu (contoh : pada pemantulan cahaya). File dalam format raster termasuk didalamnya foto udara, citra satelit atau peta yang telah di-scan. Selain itu, file raster juga dapat terdiri dari citra atau foto yang telah digeneralisasi atau memiliki nilai yang ditambahkan untuk menciptakan suatu lapisan (layer). Format umum dari raster ini antara lain .tif, jpg, .sid, dan lain-lain.
36
3.3 Citra Satelit Gambar (citra raster) dari permukaan bumi yang ditangkap oleh satelit yang mengorbit merupakan komponen yang penting dalam pemetaan dan pemantauan kebakaran. Seperti contoh dibawah ini merupakan citra yang diperoleh dari satelit MODIS yang menunjukkan asap dari kebakaran hutan dan lahan di Sulawesi Selatan pada tanggal 22/10/2015. http://modis.gsfc.nasa.gov/gallery/images/image10222015_250m.jpg
Satelit Sumberdaya Bumi (Earth Resource Satellites) berikut secara khusus didesain untuk mengukur sejumlah aspek pada permukaan bumi dengan menggunakan sensor (kamera) yang terpasang pada satelit tersebut (on-board). Satelit-satelit ini akan mengorbit/mengitari bumi pada lintasan yang tetap serta dapat diketahui sehingga satelit ini akan melintasi setiap permukaan bumi yang sama dengan selang waktu (interval) yang reguler. Terdapat banyak Earth Resource Satelite dengan karakteristik sensor dan orbit yang berbeda. Ini penting ketika kita ingin menggunakan informasi yang diperoleh dari satelitsatelit ini untuk memahami jenis informasi yang disediakan dari masing-masing satelit serta bagaimana informasi tersebut dapat digunakan. Satelit-satelit ini tidak selalu dapat ‘melihat’ kebakaran/api sehingga dengan memahami keterbatasan dari satelit-satelit ini merupakan kunci dalam menggunakan informasi dari satelit-satelit ini secara efektif. Penjelasan selanjutnya akan lebih terfokus pada dua (2) jenis satelit yang umumnya digunakan dalam pemetaan dan pemantauan (monitoring) kebakaran pada wilayah Australia bagian utara (Northern Australia) yatu satelit LANDSAT dan MODIS.
37
3.4 Beberapa Istilah Kunci dari Data Satelit Kunci untuk memahami data dari satelit adalah bagaimana karakteristik spasial dan temporal. 1. Spasial (ruang) dalam konteks data satelit akan merujuk pada ukuran suatu citra dimana karakteristik ini dapat diuraikan pada dua istilah lainnya yaitu resolusi dan luas cakupan (extent). a. Resolusi spasial merujuk pada ukuran piksel terkecil pada permukaan bumi yang dapat ditangkap dari suatu citra satelit. b. Cakupan spasial (spatial extent) merujuk pada luasan pada permukaan bumi yang dapat ditangkap oleh satelit ketika melintas pada suatu area. 2. Temporal (waktu) merujuk pada seberapa lama suatu satelit dapat menangkap suatu citra (extent) dan seberapa sering satelit tersebut dapat menangkap suatu citra (resolusi). Frekuesi temporal juga dapat digunakan sebagai frekuensi balik (revisit) satelit..
Resolusi Spasial Gambar disamping ini menunjukkan resolusi onground atau ukuran piksel dari 3 earth resource satelites : (1) MODIS dengan setiap piksel berukuran 250x250 meter, (2) LANDSAT, 28x28 meter, dan (3) SENTINEL-2 dengan resolusi setiap piksel 10x10 meter. Resolusi on ground memiliki dampak yang signifikan bagi kemampuan suatu satelit dalam hal akurasi pemetaan aktivitas kebakaran di permukaan bumi. Sebagai contoh, gambar berikut menunjukkan pengamatan udara dari kejadian kebakaran di dekat Taman Nasional Nitmiluk pada 10 Mei 2015. Pada citra Landsat dengan resolusi spasial 28 meter (kiri) memperlihatkan garis kebakaran berwarna merah yang sangat jelas. Selain itu, jelas dapat terlihat bahwa ketika terdapat lubang yang dapat menghentikan garis pintasan kebakaran maka terlihat jilatan api tetap dapat melintasinya. Tampilan seperti ini tidak akan secara jelas nampak pada citra MODIS dengan resolusi 250 meter.
38
Dari contoh pada halaman sebelum maka jelas terlihat bahwa Landsat akan menyediakan citra satelit yang lebih detail dalam hal pemetaan area kebakaran. Meski demikian, terdapat dua factor pembatas utama dalam menggunakan citra satelit Landsat dalam pemantauan api setiap hari yaitu: (1) citra Landsat relatif akan memiliki cakupan spasial (spasial extent) yang kecil, dan (2) citra Landsat memiliki resolusi temporal yang rendah.
Luasan Spasial Setiap kali satelit Landsat mengitari bumi akan selalu menangkap citra dengan setiap garis edar selebar 185 km. Hal ini berarti untuk menangkap gambar satelit untuk seluruh Australia bagian Utara akan membutuhkan banyak garis edar dan jutaan citra. .
Sebaliknya, dalam setiap satelit MODIS melintas akan dapat menangkap citra dengan lebar setiap jalur (path) mencapai 2000 kilometer. Hal ini berarti bahwa satelit MODIS dapat memetakan seluruh Australia utara dengan hanya memerlukan 2 kali lintasan atau 2 citra saja.
39
Resolusi Temporal (Frekuensi Balik) Selain resolusi spasial, factor kunci lainnya adalah frekuensi balik (revisit), atau selang waktu yang dibutuhkan suatu satelit dalam menangkap citra. Oleh karena satelit MODIS memiliki cakupan spasial yang besar maka hanya memerlukan sedikit dalam hal mengedari bumi (orbit) dengan demikian frekuensi lintasan kembali dari MODIS akan berlangsung cepat. Karakteristik resolusi temporal yang lebih tinggi ini berarti satelit MODIS setiap harinya akan melintasi lokasi yang sama, sedangkan satelit Landsat akan membutuhkan 16 hari sebelum melintas kembali pada lokasi yang sama. Sensor (kamera) MODIS sebenarnya terpasang pada 2 platform satelit sekalgus, yaitu Aqua dan Terra. Hal ini berakibat pada sensor MODIS yang dapat menangkap gambar dari suatu tempat yang sama di permukaan bumi sebanyak dua kali dalam sehari. Resolusi temporal yang sangat tinggi ini sangat penting dalam pemetaan, pemantauan dan respon terhadap kebakaran, banjir atau bencana lain yang sedang terjadi. Oleh karena atribut resolusi temporal ini, maka satelit MODIS merupakan dasar pemetaan kebakaran yang digunakan secara global dan pada skala benua. Selain menyediakan data bagi pemetaan area kebakaran, satelit MODIS juga menyediakan data titikpanas (hotspot) yang menggambarkan kebakaran yang masih terjadi (active fire). Sebagai tambahan, terdapat beberapa sensor satelit lainnya yang juga berkontribusi dalam pengumpulan data titik panas. Hal ini dapat mengurangi waktu yang dibutuhkan dalam pengumpulan data titik panas menjadi hanya beberapa jam. Meski demikian, akurasi dari lokasi titik panas akan berbeda pada setiap satelit. Tabel dibawah ini akan merangkum karakteristik utama dari beberapa earth resource satellite yang digunakan dalam pengelolaan sumber daya alam. Satellite Sensor
Resolusi Spasial :
MODIS LANDSAT Sentinel 2 Google Earth
250m 28m 10m 2.5 – 15m
Resolu si Titik Panas 1km n/a n/a n/a
Cakupan
Selang Balik (Return Interval)
Sensor Mulai Beroperasi
2330km 184km 290km ----------
2x/hari 16 hari 10 hari 2 tahun?
2003 1972 2015 2000?
Resolusi Spektral Resolusi Spektral merupakan ukuran kemampuan sensor dalam memisahkan objek pada beberapa kisaran panjang gelombang. Resolusi spektral merujuk pada kemampuan sensor dalam mendefinisikan interval panjang gelombang elektromaknetik secara halus. Oleh karena itu, citra digital yang resolusi spectral tinggi merupakan hasil rekaman dari suatu batas-batas spektral tertentu dan bandwidth yang cukup sempit untuk memperoleh spectral signature yang lebih akurat pada obyek-obyek diskrit (daripada bandwith yang lebih lebar atau kasaran).
40
3.5 Penginderaan Jauh Aktif Dan Pasif Objek yang ada dipermukaan bumi dapat diindera oleh sensor penginderaan jauh berdasarkan pantulan energi yang dipancarkan oleh objek tersebut. Berdasarkan sumber energinya maka system penginderaan jarak jauh dapat dibedakan menjadi dua bentuk, yaitu penginderaan jauh system aktif dan penginderaan jauh pasif. a. Penginderaan Jauh sistem aktif adalah system penginderaan jauh yang menggunakan energi yang berasal dari sensor tersebut. b. Penginderaan jauh sistem pasif adalah penginderaan jauh yang menggunakan energi yang berasal dari obyek.
3.6 Apa itu Landsat? Program penangkapan citra bumi dengan satelit Landsat merupakan program yang telah berjalan paling lama. Sejak tahun 1972, satelit-satelit Landsat telah menangkap jutaan citra satelit untuk seluruh dunia, sehingga Landsat merupakan koleksi citra yang paling lengkap, dan tersedia untuk masyarakat. Satelit yang terbaru adalah Landsat 8 yang diluncurkan pada bulan Pebruari, 2013. Landsat 8 menghasilkan citra berkualitas tinggi, untuk seluruh dunia, setiap 16 hari. Citra ini disediakan oleh United States Geological Service (USGS) untuk penggunaan umum, sebagai layanan gratis.
Citra Landsat 8 memiliki resolusi piksel 28.5m, dengan satu band yang resolusi lebih tinggi dengan ukuran piksel 15m. Satelit Landsat Landsat Resolution Extent ini, sekali lewat menangkap jalur citra selebar 8 185km, di ukur di permukaan bumi. Jalur citra Spatial 28.5m/15m 185km ini dipotong untuk mempermudahkan Temporal 16 days 2 years distribusi dan pengelolaan data. Setiap Spectral 11 bands potongan jalur (‘scene’) diberikan nomor jalur (path) dan nomor barisan (row), seperti yang digambarkan dibawah, untuk daerah SULTRA.
41
Untuk pelatihan ini, kita akan menggunakan citra Landsat 8 untuk menilai status pertambangan di berberapa daerah pertambangan di SULTRA. Kita juga akan menggunakan citra satelit Landsat 5 dan Landsat 7 untuk melihat perbedaan penutupan lahan yang disebebkan oleh kegiatan pertambangan. Perbedaan utama diantara Landsat 5 dan Landsat 8 adalah jumlah ‘band’ yang ditangkap. Semua data Landsat 5-8 memiliki kombinasi band yang kasat mata (visible) yaitu merah, hijau, biru, dan ada berberapa band merah-infra (infrared) dan panas (thermal). Gambar yang dibawah menunjukkan perbedaan diantara band untuk Landsat 7 dan Landsat 8 – yaitu untuk Landsat 5 dan 7, biru, hijau and merah adalah band 1,2,3, sedangkan untuk Landsat 8, warna itu adalah band 2,3 dan 4. Band infrared untuk Landsat 5-7 adalah band 4,5 dan 7, sedangkan untuk Landsat 8, merah infra adalah band 5, 6 dan 7. Untuk semua satelit band 8 adalah band yang resolusi lebih tinggi yang mewakili spektrum gelombang cahaya yang lebih luas.
42
Band Band 1 – Aerosol Coastal (aerosol, pesisir) Band 2 – Blue (biru)
Kisaran Spektran (nm) 0.43-0.45 0.45-0.51
Band 3 – Green (hijau)
0.53-0.59
Band 4 – Red (merah) Band 5 – Near Infrared NIR (inframerah dekat)
0.64-0.67 0.85-0.88
Band 6 – Short wave infrared SWIR 1 (Inframerah gelombang pendek 1) Band 7 - Short wave infrared SWIR 2 (Merahinfra gelombang pendek 2) Band 8 – Panchromatic (hitam putih) Band 9 – Cirrus (awan sirus) Band 10 – Thermal Infra Red TIRS 1 (Inframerah panas 1) Band 11 – Thermal Infra Red TIRS 2 (Inframerah panas 2)
1.57-1.65
2.11-2.29
Dipergunakan untuk memetakan Daerah pesisir dan aerosol di udara Pemetaan bathimetri (dasar laut), bedakan tanah dan vegetasi Menerangkan vegetasi yang sedang bertumbuh Bedakan kemiringan vegetasi Menerangkan perbedaan banyaknya biomassa dan daerah pesisir Bedakan kebasahan tanah dan vegetasi, melewati awan yang tipis Peningkatan kapasitas bedakan kebasahan tanah dan vegetasi, melewati awan yang tipis Resolusi 15m, citra yang lebih jelas/tajam Peningkatan deteksi kontaminasi dalam awan sirus. Resolusi 100m, pemetaan panas
0.50-0.68 1.36-1.38 10.60-11.19
11.50-12.51
Resolusi 100m, pemetaan panas, kebasahan tanah
Setelah diunduh, setiap band disimpan sebagai file tersendiri, dan dapat ditampilkan sendiri atau sebagai komposit (red, green, blue/RGB).
43
3.7 Apa itu data elevasi digital? Data elevasi digital adalah model permukaan bumi yang tiga dimensi (3D). Biasanya data tersebut disimpan dalam format piksel grid (raster). Format raster berarti dalam suatu grid, setiap piksel mempunyai nilai elevasi yang mewakili ketinggian permukaan bumi di atas permukaan laut. Ada dua tipe data elevasi digital 1. Digital surface model (DSM Model permukaan landskap digital) yang nilai piksel adalah ketinggian permukaan landskap dan permukiman, termasuk gedung-gedung dan vegetasi. Secara umum, DSM dibuat dari data citra satelit atau pasangan foto udara. 2. Digital Terrain Model (DTM – Model Permukaan Bumi) – nilai dari setiap piksel adalah ketinggian permukaan bumi. Biasanya data ini dibuat dari sistem pencitraan radar (Radar imaging systems). Ada dua sumber data elevasi digital untuk seluruh bumi, yaitu ASTER dan SRTM. ASTER adalah DSM, yang dibuat dari citra satelit ALOS yang berpasangan. Walaupun resolusinya lebih tinggi (setiap piksel ukuran 30m x 30m) keakuratan untuk permukaan bumi masih kurang, sehingga pemodelan hidrologi bisa terganggu, terutama di daerah permukiman dan hutan lebat. Data SRTM (Shuttle Radar Topographic Mission) dibuat pada tahun 2003 dari citra yang ditangkap oleh dua radar yang dipasang di pesawat ruang angkasa. Data ini, walaupun resolusinya kurang (setiap piksel 90m x 90m), keakuratan lebih tinggi karena dibuat dari citra radar, sehingga SRTM lebih cocok untuk pemodelan hidrologi.
Mengunduh DEM Men-download data elevasi digital Cara paling mudah untuk mengakses data SRTM melalui situs ‘file grabber’ SRTM: http://dwtkns.com/srtm/ Pilih kotak yang dibutuhkan dan mendownload file GeoTIFF.
44
3.8 Sistem Proyeksi dan Sistem Koordinat Suatu system koordinat merupakan suatu system dalam perekaman suatu lokasi pada permukaan bumi dimana setiap lokasi dapat diidentifikasi melalui sekumpulan angka yang unik. Selanjutnya dalam aplikasinya SIG dan penginderaan jauh ada 2 sistem koordinat yang biasa digunakan, yaitu koordinat UTM (Universal Transverse Mercator) dan Koordinat geografi. Sistem Proyeksi Koordinat UTM (Universal Transverse Mercator) adalah rangkaian proyeksi Transverse Mercator untuk global dimana bumi dibagi menjadi 60 bagian zona. Setiap zona mencangkup 6 derajat bujur (longitude) dan memiliki meridian tengah tersendiri. Sistem koordinat UTM menggunakan satuan unit meter. Setiap zona memiliki panjang x sebesar 500.000 meter dan panjang y sebesar 10.000.000 meter. Sistem UTM akan membagi bumi kedalam beberapa zona grid (kotak) dan posisinya akan selalu dapat diindikasikan melalui posisi timur (easting) dan utara (northing) pada setiap sel-sel grid ini.
Sistem koordinat geografi digunakan untuk menunjukkan suatu titik di Bumi berdasarkan garis lintang dan garis bujur dengan satuan unitnya adalah derajat. Garis lintang yaitu garis vertikal yang mengukur sudut antara suatu titik dengan garis katulistiwa. Titik di utara garis katulistiwa dinamakan Lintang Utara sedangkan titik di selatan katulistiwa dinamakan Lintang Selatan. Garis bujur yaitu horizontal yang mengukur sudut antara suatu titik dengan titik nol di Bumi yaitu Greenwich di London Britania Raya yang merupakan titik bujur 0° atau 360° yang diterima secara internasional. Titik di barat bujur 0° dinamakan Bujur Barat sedangkan titik di timur 0° dinamakan Bujur Timur.
Image reproduced from Wikipedia http://en.wikipedia.org/wiki/File:Latitude_and_Longitude_of_the_Earth.svg)
45
Keuntungan dan kelemahan dari Setiap Sistem Proyeksi Sistem koordinat UTM akan bersandar pada ukuran satuan meter dimana system ini akan menggabungkan kesederhanaan system decimal dan juga akan lebih mudah dipahami dengan 10 setiap satuannya. Di sisi yang lain, system koordinat lintang/bujur (latitude/longitude) bersandar pada satuan pengukuran derajat, menit dan detik dimana system ini akan menggabungkan system sudut/agihan (angular) dan lebih sulit dipahami dengan setiap satuan 60 pada system ini. Meski demikian, system UTM akan sulit dipahami ketika bekerja dengan data yang terletak pada beberapa zone grid sekaligus. Pada wilayah Australia utara yang mana akan meliputi suatu area Negara yang besar (dan ini akan melintasi banyak zona grid), biasanya kita akan bekerja dengan sustem geografi (lintang dan bujur). Meski demikian, ketika bekerja pada lansekap yang kecil maka system UTM akan lebih berguna untuk digunakan. Dimana yang terpenting adalah bagaimana memahami cara kerja system koordinat yang kita gunakan. Dalam Software SAGA, konversi system koordinat dapat sangat mudah dilakukan, baik dari Georgrafis ke UTM ataupun sebaliknya. Pada contoh di bawah ini adalah mengubah format Lat/Long ke dalam format UTM adapun tahapannya adalah sebagai berikut : Setelah software SAGA terbuka dan data yang akan dirubah format koordinatnya terbuka, langkah selanjutnya adalah. Pilih Geoprocessing > Projection > Coordinate Transformation (Grid List).
Selanjutnya Ubah “Geographic Coordinate Systems” menjadi “WGS 84” dan Pilih “WGS 84/UTM Zone 51S” pada Projected Coordinate System. Pastikan jika data yang akan dirubah formatnya sudah sesuai dengan Zonanya pada proyeksi UTM. Kemudian akhiri dengan meng-klik “Okay”.
46
3.9 Download Data Gratis Sebagian dari data spasial dapat didownload secara gratis dari internet termasuk citra satelit. Berikut dijelaskan cara mengakses data-data tersebut dari beberapa sumber.
Historic Landsat Data downloads – 1972-Present Untuk mengunduh data Landsat 5 dan sebelumnya, cara paling mudah sekarang adalah Landsat Look disediakan oleh pemerintah Amerika Serikat. http://landsatlook.usgs.gov/viewer.html Situs ini membantu mengakses semua citra Landsat dari tahun 1972 sampai sekarang. Ada beberapa website yang lain yang khusus untuk citra Landsat 8 (2013+) dan lebih mudah dan cepat.
Ketika membuka website Landsat Look ada peta yang anda bisa mengunakan untuk mencari daerah yang dibutuhkan.
47
Pada bagian kanan atas di jendela peta, Anda bisa memilih untuk tampilkan batas citra Landsat. Ini mempermudahkan pencarian citra yang tepat untuk daerah yang dibutuhkan. Landsat 1, Landsat 2, dan Landsat 3 gunakan WRS-1, sedangkan data Landsat yang lebih baru mengunakan WRS-2. Gunakan tombol slider untuk menentukan tahun sesuai kebutuhan.
Daerah yang terpilih di peta akan digunakan untuk pencarian citra, jadi kalau lebih dari satu kotak citra terpilih, hasil pencitraan beberapa kotak akan dimasukkan hasil pencarian. Ketika sudah tentukan waktu dan lokasi melalui Zoom, klik “Show Images” Lalu gunakan slider untuk lihat setiap citra.
Jika sudah dapat citra yang cocok pilih “Active image only”. Buka “metadata and data access” lalu pilih “display images only”. Pilihan ini akan membuka jendela baru yang anda bisa ‘Add to Cart’ supaya bisa di download. Ketika sudah ditambahkan ke ‘cart’, tutup jendela itu dan memilih klik ‘go to cart’.
48
Jendela kedua akan muncul dan anda perlu pilih “Get Landsat Data”. Tombol ini akan mengantar anda ke website US government USGS untuk mengunduh Landsat.
Website US government yang lain untuk mengakses data Landsat adalah: http://earthexplorer.usgs.gov/ http://glovis.usgs.gov/ Semua website ini memerlukan anda untuk membuat Logon dan password,. Ini mudah dilakukan, Data tetap gratis. Untuk mengakses khusus data Landsat 8 yang 2013 – sampai sekarang ada dua website yang lebih cepat, yaitu Libra and Remote pixel (lihat bagian berikut).
49
Unduh Data Landsat 8 melalui Libra Development Download Landsat melalui Libra Devlopment lebih simpel dan juga tidak mengharuskan kita untuk menginstall Java terlebih dahulu. Langkah adalah sebagai berikut: 1. Pertama buka website libra https://libra.developmentseed.org/ 2. Arahkan kursor pada daerah yang akan didownload. Klik pada nomor yang terdapat pada bagian data yang akan di download sehingga akan muncul tampilan citra landsat pada kolom sebelah kanan dengan berbagai pilihan (Tanggal, bulan, dan tahun). 3. Selanjutnya pilih citra yang sesuai dengan keinginan kita. Kemudian akan muncul pilihan “Download Bundle” untuk mendownload semua bands pada citra yang dipilih dan “Download Bands” untuk mendownload band tertentu dari citra yang kita inginkan.
Download Landsat and Sentinel imagery via Remote Pixel Buka website https://remotepixel.ca
Pilih “Satellite search Landsat /Sentinel project” yang gambar seperti disebelah
50
Ini akan membawa anda ke view peta dimana anda bisa memilih melihat data Landsat 8 ATAU Sentinel (dua-dua gratis, sentinel resolusi lebih tinggi). Dengan pilihan ‘Landsat’ anda akan melihat setiap lokasi citra lengkap dengan nomor garis dan jalur
Untuk data Sentinel anda akan lihat ‘tiles’ dimana bisa ada luasan lebih dari 1 citra.
Contoh ini adalah mendownload citra untuk Palembang. Ketika mengklik salah satu kotak, citra terbaru kelihatan di bagian kanan.
51
Jika klik pada citra terbaru munculah semua citra Landsat yang tersedia untuk lokasi itu.
Jika klik tombol download (lihat dibwah) pada salah satu citra daftar band akan muncul. Klik kanan pada satu band untuk download (lihat bagian 5 untuk penjelasan band).
Sama hal ketika pilih data Sentinel, citra terbaru muncul di sebelah. Ketika melihat semua citra hany a tersedia dari awal 2016 (karena satelit Sentinel baru). Sentinel data berada dalam format jp2 format (JPEG 2000) dan tersedia dalam proyeksi UTM.
52
Data Sentinel juga dapat di download dari server amazon di http://sentinel-pds.s3-website.eucentral-1.amazonaws.com/
Peta Rupa Bumi Indonesia 1. Buka portal http://portal.ina-sdi.or.id/, kemudian pilih tab download peta 2. Masukan Informasi Identitas Anda, kemudian pilih tombol “Kirim”
Pilih area yang diinginkan datanya (Area of Interest/ AOI) dengan mengklik tombol polygon, lalu batasi wilayah AOI, setelah itu klik “Proses Data”.
53
Download Data Natural Earth 1. Kunjungi website Natural Earth : http://www.naturalearthdata.com/ 2. Pilih “Downloads” pada interface Natural earth Data. 3. Selanjutnya akan muncul tampilan seperti gambar di bawah ini. Pilih skala data yang ingin anda download. Terdapat 3 pilihan skala yang tersedia yaitu Large Scale Data , Medium Scale Data, Small Scale Data. Pilih “Physical” untuk mendownload data garis pantai, terumbu karang, sungai, maupun data batimetri. Kita juga dapat mendownload data batas administrasi, jaringan jalan, jalur rel kereta api, Bandar Udara, Pelabuhan dan Populasi pada pilihan “Cultural”.
4. Download semua data physical dengan memilih “Download All Physical Theme”. Kita juga dapat mengunduh data sesuai keinginan pada masing – masing data physical.
54
Download Data iklim WorldClim Worldclim merupakan data hasil pemodellan iklim yang didasarkan pengumpulan data iklim seluruh dunia. Data tersedia baik untuk iklim saat ini, maupun prediksi untuk masa depan dengan adanya pemanasan global dan perubahan iklim. www.worldclim.org. Pilih Version 1.4
Lalu pilih Current Conditions (didasarkan data kondisi iklim rata-rata dari 19601990).
Lalu pilih ‘Download by tile, sehingga data tidak terlalu besar untuk didownload.
Di halaman peta yang muncul, pertama-tama memilih kotak grid sesuai lokasi anda, lalu memilih data yang dibutuhkan: Mean Temperature – Suhu rata-rata Minimum Temparature – Suhu minim Maximum Terparature – Suhu maximum Precipitation – Curah Hujan (bulanan) Altitude – Ketinggian
55
56
3.10 Pemetaan GIS partisipatif bersama Masyarakat Pemetaan partisipatif dengan masyarakat adalah proses penyerapan pengetahuan spasial langsung dari masyarakat setempat. Proses ini dapat berikan dimensi spasial kepada pengetahuan lokal, dan berikan kesempatan kepada masyarakat untuk menceritakan sejarah suatu lokasi, termasuk kepemilikan lahan, pengunaan lahan dan isu pengelolaan lahan yang kompleks. Peta pengetahuan local juga bisa memberikan kewengangan ke pengetahuan local dan membantu masyarakat atau pemerintah lokal untuk promosikan isu-isu yang mereka hadapi ke pemeritah atasan dan orang berpengaruh yang lain. Methode SIG partisipatif sering dipergunakan untuk: Dokumentasikan dan menyelamatkan pengetahuan adat Perencanaan bersama Penelitian bersama Pengelolaan daerah kawasan secara kolaboratif Penyelesaian konflik perbatasan daerah dan sumber daya alam Pengetahuan yang paling penting untuk interpretasikan informasi spasial adalah pengetahuan lokal yang melibatkan pengetahuan lingkungan, social dan ekonomi. Jauh lebih mudah kami mengajarkan pemetaan ke orang yang memiliki pengetahun lokal yang sudah dikumpulkan seumur hidup, daripada orang yang kuasi pemetaan belajar seluruh sejarah dan pengetahuan setempat. Persiapan peta – sebelum ke lapangan siapkan peta sesuai apa yang mau dibahas – untuk skala DAS besar bisa gunakan citra Landsat atau untuk pembahasan di skala dusun sebaiknya siapkan peta dengan batas administrasi, titik-titik gedung pemerintahan dan sekolah, sungai dan jalan. Untuk skala yang besar gunakan Google Maps sebagai base map (bagian 2.9). Export peta ke format .png atau .tiff dan cetak peta sebagai spanduk (yang mudah di bawa dan dapat dicoret dengan spedol whiteboard). Di lapangan biasanya pemetaan mengunakan method wawancara atau diskusi kelompok dan minta orang yang diwawancari untuk coret di peta sementara ceritakan tentang suatu lokasi. Siapkan berberapa spedol white board dengan warna yang berbeda, untuk ceritakan aspek yang berbeda dalam ceritanya. Setelah informasi dikumpulkan, fotonya coretan di peta diambil untuk dipergunakan pada saat memasukkan informasi ke format SIG.
57
Salah satu contoh adalah pemetaan bekas tambang mangan di Timor. Untuk kegiatan ini di lapangan, tujuan adalah kumpulkan lokasi pertambangan mangan masih aktif dan tidak lagi ditambang. Dalam diskusinya, mungkin anda juga mau kumpulkan informasi tentang: Sejarah pertambangan setempat, daerah mana yang digalikan duluan, daerah mana yang baru Dampak terhadap kesehatan, sejarah kecelakaan, kesakitan yang disebabkan pertambangan Cerita lingkungan dampak, situs erosi, dampak pertanian dll Situs dan cerita dari lokasi tambang rehabiliation atau lokasi tambang berkebun Setelah data ini sudah dikumpul sebagai foto, kita bisa masukkan ke dalam GIS dengan cara digitisasi, dengan software SAGA-GIS, dengan gunakan citra satelit sebagai pemanduan.
Perbedaan “Apa” dan “Mengapa”? Penginderaan jarak jauh dan pemetaan lain bisa petakan perubahan dan keadaan (“Apa yang terjadi”) tetapi pengetahuan lokal setempat sangat memperkayakan hasil pemetaan untuk menjawab pertanyaan “Mengapa terjadi?”, jawaban pertanyaan “Mengapa” yang membantu cari penjelasan yang tindak lanjut yang sesuai keadaan dan tepat untuk menyelasaikan masalah.
Hati-hati! Informasi yang anda kumpulkan bersama masyarakat adalah milik masyarakat, jadi perlu minta ijin mereka jika mau digunakan atau dibagi kepada pihak lain. Informasi selanjutnya tentang PGIS lihat di: http://www.iapad.org/ http://issuu.com/rohanfisher/docs/partcicpatory_mapping_presentation
58
Pustaka konsep GIS dan penginderaan jarak jauh http://grindgis.com/what-is-remote-sensing/know-basics-of-remote-sensing http://gisgeography.com/remote-sensing-earth-observation-guide/ http://gisgeography.com/passive-active-sensors-remote-sensing/ https://id.wikipedia.org/wiki/Penginderaan_jauh (https://id.wikipedia.org/wiki/Penginderaan_jauh) https://iradafmandaya.wordpress.com/ http://indoatlas.net/index.php/2015/06/24/perbedaan-dem-dtm-dan-dsm/ https://rach3llp.wordpress.com/2009/07/30/proyeksi-peta/ https://rohanfisher.wordpress.com/ http:/rst.gsfc.nasa.gov/Intro/Part2_1.html http://rudigeoums.blogspot.co.id/ https://tnrawku.wordpress.com/2012/03/25/menilai-keunggulan-resolusi-citra/ http://viosurvey.blogspot.co.id/2013/05/perbedaan-koordinat-geografi-dan-utm_9931.html http://yoghaken.blogspot.co.id/2014/06/data-dem-aster.html
59
4 Geomorphometry dan Terrain Analysis Geomorphometry adalah ilmu perhitungan bentuk permukaan bumi. Tujuan utama Geomorphometry adalah memahami proses alami yang membentuk permukaan lahan (seperti erosi, longsor), proses yang sedang terjadi dan kemungkinan terjadi pada masa depan. Geomorphometry adalah jurusuan pembelajaran sedangkan 'Terrain Analysis' (penganalisaan terain) adalah methodemethode perhitungan bentuk permukaan lahan dalam SAGA. Terrain analysis dilakukan terutama dengan penganalisaan parameter permukaan lahan dari model ketinggian digital (Digital Elevation Model, singkatnya DEM).
Pada dasarnya semua Terrain Analysis memperbandingkan ketinggian suatu sel di DEM dengan sel disekitarnya. Misalnya kemiringan menghitungankan perbedaan ketinggian antara sel satu dan sel yang disebelah persis untuk menentukan kemiringan. Sedangkan aliran air (flow directions) yang menjadi dasar bentuk sungai mencarikan sel yang nilai paling rendah dari delapan sel yang di sebelah persis suatu sel.
Parameter yang dibutuhkan untuk memahami suatu landscape terdiri dari parameter bentuk permukaan lahan bahkan faktor yang lain seperti curah hujan, geologi, penutupan lahan dan perlakuan manusia. Contoh praktis hasil pemetaan parameter bentuk permukaan lahan adalah kemiringan dan kepanjangan lerengan (LS factor) yang dapat digunakan bersama faktor penutupan lahan, curah hujan dan pola pengelolaan lahan untuk memetakan risiko erosi permukaan lahan. Untuk memulai terrain analysis kita akan melalui 4 langkah besar: 1. Mengisi genangan (Fill sinks) 2. Memotong data ke batas DAS 3. Melakukan 'Basic Terrain Analysis' 4. Membuat peta kelas kelerengan lahan
60
4.1 Persiapan data – Mengisi genangan ‘Fill sinks’ Genangan (sinks) terjadi ketika nilai suatu sel lebih rendah dari semua sel sekeliling sel itu, dan jalur aliran air tidak jelas. Ada genangan ada yang alami, seperti danau dan rawah dan ada yang disebabkan data DEM. Eror di DEM terjadi karena ketinggian suatu titik mewakili suatu sel, jadi kalau misalnya ada kali kecil yang lebar hanya 1m, tidak kelihatan di DEM yang satu nilai mewakili sel yang luas 30m x 30m..
Untuk mengisi genangan di DEM gunakan module 'Fill Sink (Wang & Liu)'
Memilih Grid system lalu DEM diganti jadi TimorB_SRTM30, lalu kilk Okay.
Module 'Fill sinks' menghasilkan 3 layer baru: 4. "TimorB_SRTM [no sinks]" adalah DEM yang genangan telah di isi 5. "Flow directions" adalah arah aliran air dari setiap pixel. 6. "Watershed basins" adalah batas daerah aliran sungai dalam format raster Klik dobel di layer Watershed basins (DAS) untuk tampilkan di peta.
61
Untuk analisa selanjutnya kita akan fokus terhadap suatu daerah aliran sungai, yaitu DAS Noelmina. Untuk memotong data ke batas DAS Noelmina kita konversikan batas DAS ke polygon lalu memotong data DEM.
Convert raster to polygons Gunakan module "Vectorising grid classes" Geoprocessing>Shapes> Grid>Vectorising grid classes Pilih grid system lalu Grid diganti jadi Watershed basins, lalu klik Okay.
Tampilkan layer 'Watershed Basins'. Memilih DAS yang ingin di teliti, data DEM akan dipotong ke batas polygon ini.
TIPS: Methode ini juga dapat digunakan untuk memotong data raster ke batasan yang lain, misalnya batas Kabupaten, Desa atau Kawasan Hutan. Untuk memotong layer DEM gunakan Geoprocessing>Shapes>Grid>Spatial Extent>Clip grid with polygon
62
Pilih Grid system 1
Klik diujung kanan Input untuk masukkan DEM Klik dobel di Input>DEM TimorB_SRTM [no sinks]
2 6
5
3 4
Gunakan pana untuk pindahkan DEM ke sebelah, lalu Okay. 'Polygons’ adalah polygon untuk gunting data raster - digantikan ‘Watershed Basins'. Lalu klik Okay. Tampilkan DEM yang baru di gunting.
Untuk mengurangi kebingungan antara data yang bernama sama, menganti nama DEM baru.
Klik di layer DEM baru di tab DATA, lalu lihat di tab SETTINGS, ganti nama ke DEM DAS Noelmina, lalu klik Apply.
STOP! Sangat penting untuk simpan data sekarang, sehingga meringankan prosesing di laptop dan menghindari SAGA overload dan tutup sendiri! Sebaiknya simpan layer baru. Klik kanan di layer DEM DAS Noelmina lalu pilih Save As. Simpan data ke folder 'Working'.
63
4.2 Basic Terrain Analysis Module Basic Terrain Analysis ini dapat menghasilkan 16 layer dasar untuk pengertian terrain. Geoprocessing>Terrain Analysis>Basic Terrain Analysis
Apa itu terrain? Terrain, atau land relief (relief lahan), merupakan dimensi vertikal dan horizontal dari suatu permukaan bentang lahan. Hal yang sama untuk bentang lahan di bawah permukaan laut disebut batimetri (bathymetry). Karena merupakan sesuatu yang kompleks maka terrain tidak bisa diukur dengan hanya menggunakan satu ukuran, melain dengan menggunakan berbagai ukuran tang disebut parameter terrain.
Hanya perlu ganti Grid system lalu >> Elevation pilih 'DEM DAS Noelmina' lalu Okay. Semua output dibiarkan
.
64
Parameter Terrain Dasar Analytical Hill Shading (bayang-bayang perbukitan analitik) Menghasilkan grid bayang-bayang sinar matahari, merupakan tool yang sangat berguna untuk memvisualisasikan topografi.
Slope (kemeringan lereng) Menghasilkan grid kemiringan lereng. Anda dapat melihat nilai kemiringan lereng dalam derajat pada bagian bawah jendela SAGA GIS
Aspect (aspek) Menghasilkan grid aspek atau arah muka lereng. Anda dapat melihat nilai aspek lereng dalam derajat pada bagian bawah jendela SAGA GIS
Plan/Profile Curvature (punggung/le kuk lereng) Mendeskripsi kan fitur lanskap berupa kelengkungan punggung lereng dan kelengkungan cekungan lereng, penting dalam pemodelan risiko terjadinya tanah longsor. Convergence Index (indeks konvergensi lereng) Menghitung indeks untuk menyatakan konvergensi/divergensi arah lereng/aliran.
Wetness index (indeks kebasahan) Menghasilkan grid mengenai akumulasi jalur aliran air, penting dalam pemodelan risiko bencana banjir.
LS Factor (faktor LS) Menghitung kombinasi antara panjang lereng (L) dan kemiringan lereng (S), penting untuk memodelkan risiko erosi dan tanah longsor.
Altitude above channel network (ketinggian di atas jaringan saluran drainase) Menghasilkan grid ketinggian di atas saluran, penting untuk memodelkan risiko banjir.
65
Channels (saluran drainase) Menghasilkan file vektor jaringan saluran drainase. Salah satu atribut data ini adalah ordo Strahler yang menentukan ordo saluran drainase dalam jaringan drainase yang mempunyai banyak cabang, penting untuk memodelkan potensi debit jalur aliran air dalam saluran Drainage Basins (DAS) Menghasilkan file SHP batas DAS.
Silahkan coba tampilkan parameter terrain dalam pandangan tiga dimensi untuk memudahkan memahami secara lebih jelas apa sebenarnya yang dimaksud oleh setiap parameter.
66
4.3 Peta Kelas Kemiringan Lahan Tampilkan layer kemiringan 'Slope', lalu tampilkan kali dan sungai 'Channels'. Untuk mengetahui kemiringan pada suatu titik, klik di layer slope, lalu kursor ke titik yang mau dilihat. Kemiringan dapat dilihat di ujung bawah screen. Tetapi masih dalam format 'radians'.
Ganti nilai grid dengan Grid Calculator Kemiringan dalam format radians dapat dikonversikan ke derajat atau persen kemiringan dengan mengunakan Grid Calculator. Kemiringann radians x 57.295 = Derajat ATAU Kemiringan radians x 57.295/0.90= Persen Kemiringan Untuk konversikan layer 'Slope' gunakan Raster Calculator Geoprocessing>Grid>Calculus >Grid Calculator Pilih Grid system lalu Grids > Slope. Untuk konversikan radians ke persen kemiringan mengisi formula: (g*57.295)/0.9 Dimana g1 = Grid 1 57.295 = konversi radians ke derajat 0.9 - untuk konversi derajat ke persen. Jika ingin hasilnya dalam derajat cukup dengan formulir g1*57.295
67
Hasilnya adalah layer bernama 'Calculation'. Tampilkan layer 'Calculation' lalu lihat nilai Z yang sekarang berada dalam format persen kemiringan.
Klasifikasikan nilai grid Peta kemiringan lerengan ini dapat digunakan dalam format ini, atau dapat dikonversikan ke kelas kemiringan lerengan. Untuk contoh membuat kelas di data raster kita akan buat kelas kemiringan lerengan dengan gunakan module ‘Reclassify Grid Values’.
68
Pilih Grid System lalu >>Grid diganti layer 'Calculation' yang merupakan hasil konversikan kemiringan dari radians ke persen.
Method diganti ke 'simple table' supaya kita menentukan nilai kemiringan yang dimasukkan ke kelasnya. Buka Lookup Table lalu tambahkan row dengan tombol ADD. Lalu menganti minumum, maximum dan new (nilai baru di grid), lalu klik Okay. Kelas kemiringan ini telah disesuaikan aturan penentuan lahan kritis dari Kementerian Kehutanan. Silakan menentukan kelas dan nilai sesuai kebutuhan anda. Tampilkan layer baru "Calculation_reclassified" Lalu lihat nilai kelas ditampilkan di Z.
69
Ganti warna kelas dengan Lookup Table Untuk ganti warna yang mewakili kelas kemiringanPilih Grid ‘Calculation reclassified’ lalu pilih tab ‘Settings’. Colour- Type diganti dari ‘Graduated Colours’ ke ‘Lookup Table’ Lalu klik di ujung kanan Table untuk buka Lookup Table.
Ganti Warna, Nama, Description, Minimum dan Maximum sesuai contoh ini. Lalu klik Apply.
Selamat ya! Anda telah menghasilkan Peta Kelas Lerengan. INGAT SAVE hasilnya! Klik kanan di layer data tab dan 'Save as' untuk simpan sebagai SAGA grid atau 'Save as image' untuk export gambarnya. Untuk penjelasan lengkap lihat Bab 6.
70
5 Pemetaan Penutupan Lahan dengan Landsat Bagian ini adalah lanjutan dari bagian Quick Start 2.6. Tujuan adalah memperdalamkan pengertian and tentang manfaat dan cara menggunakan citra Landsat. Pada dasarnya prinsip dan methode untuk kerja dengan citra yang lain juga sama.
5.1 Landsat Band Composite Disebut sebagai citra komposit karena dalam prosesnya kita akan melakukan komposit (penggabungan) 3 kanal (band) untuk mendapatkan warna merah (Red), hijau (green) dan biru (blue). Dalam software SAGA GIS proses komposit ini dinamakan sebagai “RGB composite”. Sebagai contoh, proses komposit band 4,3,2 pada citra Landsat 8 OLI akan menghasilkan citra dengan warna alami (natural color).
Gambar. Citra Komposit Band 4,3,2 Landsat 8-OLI Perlu dicatat bahwa pemilihan band untuk dilakukan komposit akan BERBEDA untuk citra dari Landsat 8 OLI dan versi Landsat sebelumnya (dalam contoh ini yaitu Landsat 4-5 TM). Berikut beberapa komposit kanal menggunakan area of interest wilayah Timor Barat menggunakan Landsat 8-OLI (dan perbedaannya pada Landsat 5/7 TM) yang disesuaikan dengan tujuan utama pemetaan.
71
Kombinasi Kanal Landsat 5, 7 Landsat 8 Kanal 3 -2 - 1 Kanal 4 – 3 - 2
Kegunaan
Kombinasi kanal ini akan menghasilkan “warna alami” (natural color) karena kombinasi ini akan menampilkan citra yang sama dengan sistem visual manusia.
Kanal 4 - 3 -2
Kanal 5 – 4 - 3 Komposit baku untuk “false color” dimana vegetasi akan tampak sebagai daerah berbayang merah. Semakin “baik” vegetasi (contoh vegetasi hutan), maka akan semakin tampak berwarna merah gelap. Daerah perkotaan yang padat akan nampak berwarna biru. Kombinasi ini paling sering digunakan dalam studi vegetasi, monitoring drainase dan pola tanah, serta tahapan dalam pertumbuhan tanaman
Kanal 7 -4 - 2
Kanal 7 – 5 - 3 Kombinasi ini akan memperlihatkan “naturallike” seperti halnya kombinasi 4-3-2 (Landsat 8) atau 3-2-1 (Landsat 5/7) dimana vegetasi akan tampak hijau gelap, tanah kosong akan tampak berwarna merah muda (pink), dan air akan tampak berwarna biru. Kombinasi ini sangat berguna dalam bidang geologi, pertanian dan wetland. Jika terdapat kebakaran maka akan tampak berwarna merah.
72
Kanal 4 –5 - 1
Kanal 5 – 6 - 2
Vegetasi sehat akan tampak berwarna merah, coklat, oranye dan kuning. Tanah akan nampak berwarna hijau dan coklat. Air yang jernih dan dalam akan tampak semakin gelap pada kombinasi ini. Untuk studi vegetasi maka dengan penambahan kanal Mid-IR akan meningkatkan sensitivitas dalam deteksi beberapa tahapan pertumbuhan atau stres tumbuhan tersebut, tetapi mesti cermat ketika intepretasi dilakukan pada citra yang diambil saat musim hujan. Kombinasi ini juga berguna dalam membandingkan area yang mengalami banjir (flood).
Kanal 4 –5- 3
Kanal 5 – 6 - 4 Kombinasi ini akan semakin memperjelas batas antara darat-air. Kombinasi kanal ini juga memperlihatkan perbedaan kelembaban yang berguna bagi analisis kondisi tanah dan vegetasi. Secara umum, semakin lembab tanah maka akan semakin terlihat berwarna gelap oleh karena kemampuan penyerapan (absorpsi) spektrum infra-merah oleh air.
Kanal 7 –5 - 3
Kanal 7 – 6 - 4 Kombinasi ini juga akan memberikan tampilan “natural-like” dimana vegetasi akan tampak sebagai area berbayang hijau yang gelap dan terang ketika musim pertumbuhan. Permukaan daratan yang panas seperti kebakaran hutan atau kaldera gunung berapi akan memberikan efek kejenuhan pada kanal Mid-IR sehingga akan tampak sebagai bayang berwarna merah atau kuning. Dengan demikian salah satu aplikasi khusus dari kombinasi ini yaitu digunakan dalam monitoring kebakaran hutan.
73
Kanal 5 – 4 - 3
Kanal 6 – 5 - 4 Seperti kombinasi kanal 4-5-1, maka kombinasi ini akan memberikan banyak informasi dan warna yang kontras. Vegetasi yang sehat akan berwarna hijau cerah dan tanah berwarna lembayung muda (mauve). Kombinasi ini sangat berguna dalam studi vegetasi dan pertanian serta digunakan secara luas dalam pengelolaan areal kayu dan serangan hama.
Kanal 5 – 4 - 1
Kanal 6 – 5 – 2
Kombinasi ini terlihat serupa dengan kombinasi 7-4-2 dimana vegetasi yang baik akan terlihat hijau cerah, kecuali kombinasi ini lebih baik jika digunakan dalam studi yang berkaitan dengan pertanian.
Kanal 7 – 5 - 4
Kanal 7 – 6 – 5 Oleh karena kombinasi kanal ini tidak menggunakan kanal tampak (visible band) dengan demikian kombinasi ini sangat baik dalam penetrasi atmosfer. Garis pantai dan laut akan terlihat jelas. Kombinasi ini seringkali digunakan untuk menemukan karakteristik kelembaban dan tekstur tanah. Vegetasi akan terlihat berwarna biru. Kombinasi kanal ini akan berguna dalam studi geologi.
74
Kanal 5 – 3 - 1
Kanal 6 – 4 – 2
Kombinasi ini lebih menunjukkan tekstur topografis, sementara kombinasi 7-3-1 lebih memperlihatkan perbedaan tipe berbatuan.
Keunggulan Melakukan Komposit Kanal Pada SAGA GiS Metode tampilan dan import data Landsat pada SAGA memiliki beberapa keunggulan daripada beberapa layanan tampilan gambar berbasis jejaring (web) sebagai berikut : Keterpaduan data. Penggunaan platform GIS berbasis desktop akan mempermudah penggabungan data spasial dari berbagai orang yang memiliki data tersebut. Sebagai contoh file GPX dan SHP dapat secara mudah dilakukan “draged and dropped” pada SAGA. Kombinasi kanal (band). Kebebasan dalam menentukan kombinasi kanal sangatlah penting bagi pengguna untuk menemukan cara terbaik untuk melihat fitur lansekap yang diinginkannya. Sebagai contoh, untuk memonitor dan memetakan area kebakaran maka penggunaan kanal thermal sangatlah penting. Oleh karena itu, memilih kombinasi kanal 4,5,10 (pada Landsat 8) untuk diimport akan menghasilkan visualisasi area kebakaran secara cepat. Keterbatasan akses internet. Bagi sebagian besar orang pada negara berkembang salah satu persoalan yang jamak adalah koneksi internet yang lambat dan tidak stabil. Oleh karena itu, penting artinya dalam suatu akses internet dan pengunduhan (download) yang kemudian dapat dibagikan (share) dan dieksplorasi citra resolusi penuh. Gambar dengan tanggal berbeda. Sebagian besar pengguna Landsat tertarik untuk menggunakan beberapa citra pada tanggal yang berbeda sekaligus untuk melihat perubahan dan membandingkan tutupan lahan. Dengan menggunakan tool SAGA import option maka pekerjaan tersebut akan menjadi mudah dalam menampilkan beberapa citra dengan tanggal yang berbeda hanya dalam satu jendela peta (map window) yang sama. Peningkatan skill dalam analisis. Memiliki citra Landsat dengan beberapa band sekaligus (multiband) pada fasilitas pemrosesan gambar berbasis desktop dapat memfasilitasi pembelajara secara berkelanjutan mengenai penginderaan jauh (remote sensing) dan analisis GIS. Dengan pemahaman konsep dasar dalam peningkatan kapasitas dapat menghasilkan analisis yang jauh lebih baik seperti halnya klasifikasi tutupan lahan, keterpaduan dan modelling data elevasi. Dua fitur kunci SAGA lainnya yang mempermudah untuk diadopsi lebih luas adalah tidak diharuskannya untuk menginstal dan GUI. SAGA GIS merupakan software yang portable sehingga dapat disalin (copy) ke semua komputer atau dijalankan langsun dari penyimpanan data USB. Fakta ini akan menolong seseorang yang bekerja pada
75
perusahaan/organisasi yang besar dimana komputer akan diberikan orang tersebut tanpa keistimewaan (privillage) sebagai administrator sehingga tidak bisa menginstal software. SAGA GUI, meski tidak menarik untuk dipandang, namun akan menyediakan antarmuka (interface) yang sederhana jika dibandingkan paket software GIS lainnya.
5.2 Penajaman citra (pansharpening) Komposit Kanal Seperti halnya film hitam-putih, maka kanal panchromatik akan mengumpulkan semua cahaya tampak (visible light) yang dipantulkan disaat yang sama menjadi satu kanal tunggal sehingga resolusi spasial dari band pankromatik ini paling kontras dalam mengumpulkan kanal merah, hijau, dan biru secara terpisah. Sebagai contoh, pada Landsat 7 dan 8 maka kanal pankromatik (kanal 8) memiliki resolusi spasial 15 meter setiap grid sel-nya, sedangkan kanal lainnya memiliki resolusi spasial hanya 30 meter (kecuali untuk kanal thermal). Dengan demikian fungsi dari kanal pankromatik ini adalah untuk mempertajam citra dengan pansharpening melalui proses mengkombinasi informasi warna dengan kanal pankromatik. Proses pansharpening dapat secara mudah dilakukan pada software SAGA GIS menggunakan citra Landsat 8 yang akan dipotong (clipping) pada wilayah tertentu (dalam hal ini menggunakan area/polygon Kota Kupang). Salah satu alasan mengapa proses penajaman citra menggunakan kanal pankromatik ini adalah untuk menghindari terjadinya crash yang sering terjadi pada SAGA ketika bekerja dengan grid yang besar. Proses penajaman dapat dilakukan dengan cara sebagai berikut.
Mengimpor Citra Landsat Klik Geoprocessing > Imagery > Landsat > Landsat Import with Options. Pada dialog box yang terbuka, (1) klik Files untuk mencari file tempat penyimpanan kanal-kanal Landsat. Klik dan pilih kanal 2, 3, 4 dan 8; (2) pada Coordinate System pilih UTM North (meski lokasi ini berada pada zona southern hemisphere akan tetapi SAGA memiliki problem dalam memproyeksi band 8-pankromatik pada sistem koordinat ini. Namun ini akan mudah diatasi dengan re-proyeksi pada hasil akhirnya); (3) pastikan komposit kanal seperti dibawah ini; (4) Jika sudah, klik Okay.
Hasilnya, pada workspace akan terbentuk grid kanal 2, 3, dan 4 yang memiliki ukuran pixel (resolusi spasial) 30 meter dan grid kanal 8 sebagai kanal pankromatik dengan ukuran pixel 15 meter.
76
Drag & drop polygon (vektor) Kota Kupang yang telah di-reproyeksi pada zona UTM 51 N sehingga memiliki sistem koordinat yang sama dengan grid sebelumnya.
Potong grid Landsat dengan polygon Untuk memotong grid Landsat dengan menggunakan polygon Kota Kupang, klik Geoprocessing > Shapes > Grid > Spatial Extent > Clip Grid with Polygon
Pada dialog box, (1) input Grid System kanal dengan ukuran pixel 30 meter; (2) pada >> Input klik dan masukkan 3 grid kanal; dan (3) pada >> Polygons klik dan masukkan polygon Kota Kupang. Jika sudah, klik Okay.
77
Hasilnya, akan terbentuk grid kanal 2, kanal 3, dan kanal 4 yang masih memiliki resolusi spasial 30 meter, tetapi dapat terlihat extent geografis-nya menjadi lebih kecil dari yang sebelum dipotong (clip). Ini dikarenakan grid yang baru ini merupakan kanal 2, 3, dan 4 hanya untuk wilayah Kota Kupang sesuai dengan polygon tadi. Ulangi proses Clip Grid with Polygon untuk grid kanal 8-pankromatik sehingga tercipta grid seperti berikut.
(Perlu dicatat, jika terjadi crash saat proses clip kanal 8, maka ulangi impor Landsat dengan hanya mengimport kanal 8. Setelah kanal 8pankromatik dipotong menggunakan polygon Kota Kupang, lalu ulangi dengan mengimport dan memotong kanal resolusi rendah lainnya).
Pan sharpening – penajaman citra Penajaman citra menggunakan kanal 8-pankromatik (pansharpening) di SAGA ada 4 methode, yaitu Colour Normalized Brovey Sharpening, Colour Normalized Spectral Sharpening, IHS Sharpening atau Principle Components Based Image Sharpening.
Colour Normalised Brovey Sharpening Geoprocessing > Imagery > Image Sharpening > Colour Normalized Brovey Sharpening
Jika kita memilih module Colour Normalized Brovey Sharpening, maka : a) Pada Grid System klik dan input grid system dengan resolusi spasial 30 meter (resolusi rendah) hasil clip sebelumnya; b) Pada >> Red pilih kanal 4, >> Green pilih kanal 3, >> Blue pilih kanal 2 (karena kita ingin membuat komposit kanal 4,3,2 dalam susunan RGB Composite); c) Pada High Resolution Grid System klik dan input grid system dengan resolusi spasial 15 meter (pankromatik) hasil clip sebelumnya; d) Pada >> Panchromatic Channel pilih kanal 8; dan e) Pada opsi Resampling pilih Cubic Convolution atau Nearest Neighbor (tergantung dari jenis data-kategorikal atau diskrit dan keperluan untuk interpolasi atau tidak). Jika sudah, klik OKAY
78
Hasilnya, adalah akan terbentuk grid kanal 4, kanal 3, dan kanal 2 pada grid system yang sama dengan kanal 8-pankromatik tadi. Ini berarti proses penajaman (pansharpening) pada grid system dengan resolusi spasial 30 meter menjadi 15 meter telah berhasi dilakukan.
Tampilkan hasil pansharpening dengan RGB composite Untuk mengeceknya, double click kanal 4 pada grid sistem 15 meter sehingga akan tampak pada Map Window. Setelah itu, pada toolbar Properti Objek, klik : a) Ganti Pada Type Colors dari default Graduated Colors menjadi RGB Composite; b) Karena kanal 4 telah menjadi kanal merah (Red) dalam komposit RGB (red = merah, green = hijau, blue = biru), maka pada kanal Green pilih kanal 3, dan kanal Blue pilih kanal 2. c) Jika sudah, klik Appy.
79
Hasilnya, adalah akan tampak hasil komposit kanal 4-3-2 yang telah dipertajam menggunakan kanal 8-pankromatik. Untuk membandingkan, ulangi tampilkan sebagai RGB composite untuk kanal 4 pada grid system 30 meter dengan RGB Composite yang sama yaitu 4-3-2.
Hasilnya, setelah diperbesar (zoom) semakin jelas terlihat perbedaan antara kedua gambar berikut sebelum dan sesudah dilakukan penajaman citra menggunakan kanal pankromatik.
80
5.3 Pemetaan Perubahan Penutupan Lahan (Unsupervised classification) Dalam modul Klasifikasi Citra Landsat untuk menentukan tutupan lahan ini kita akan memakai data citra sebagian wilayah Kabupaten Kolaka dari dua tahun yang berbeda dengan tujuan untuk mengetahui perubahan tutupan hutan. Persiapan Data Landsat 5 dan Landsat 8 Buka data Landsat untuk wilayah Sulawesi Tenggara. Buka citra Landsat 8 (Tahun 2015) dengan memilih menu Geoprocessing > Imagery > Landsat > landsat Import With Option (lihat bagian 5.2 untuk petunjuk). Buka File Landsat pada SAGA Training> Chapter 5> Landsat 1996 Sultra, Landsat 2015 Sultra. Pilih System Pilih Band Lakukan hal untuk Landsat 5 1996) pilih
Landsat 8 OLI (Tahun 2015)
Cordinate UTM South, 3,6,7. yang sama membuka (Tahun band 2,5,7
Landsat 5 (Tahun 1996)
Zoom citra pada daerah yang akan menjadi fokus kerja (Area Of Interest) Memotong citra ke daerah yang dibutuhkan dengan memilih Geoprocessing > Grid > Grid System > Clip Grid Interactive Input grid system serta Grids data Landsat 8 untuk tahun 2015 kemudian klik Okay. Mulai memotong citra seperti yang telah dijelaskan pada BAB Sebelumnya (Clip Grids). Untuk memotong citra Landsat tahun 1996. Pilih Geoprocessing > Grids > Clip Grids. Input Grid System dan grid citra Landsat tahun 1996. Pada pilihan Extent pilih Grid System. Gunakan grid system Landsat 8 yang telah dipotong pada tahap sebelumnya. Hal ini berarti citra Landsat 1996 yang akan dipotong memiliki ukuran yang sama dengan citra Landsat 8 yang kita potong sebelumnya. Klik Okay.
81
Sekarang kita sudah memiliki Area Of Interest data Landsat dari dua tahun yang berbeda (Tahun 2015 dan 1996).
Atur Tampilan kedua data Landsat sebagai RGB Overlay (Bagian 5.2). Gambar berikut merupakan tampilan AOI dari kedua citra landsat berikut
Landsat 5 TM Tahun 1996
Landsat 8 OLI Tahun 2015
Unsupervised Classification Sekarang kita telah siap untuk melakukan Unsupervised Classification pada citra Landsat yang diproduksi tahun 2015. Pada SAGA GIS hal ini disebut sebagai suatu analisis klasifikasi cluster. Pilih menu Geoprocessing > Imagery > Classification > Unsupervised > K-Means Clustering For Grids.Pada pilihan Grids, pilih semua band pada citra tahun 2015 kemudian okay. Ini artinya semua nilai piksel dari semua band akan dipakai untuk menentukan ‘clusters’ (kumpulan piksel yang sama atau hampir sama).
Pilih Method Hill - Climbing (Rubin 1967) buat 10 Clusters. Klik Okay. Pada contoh ini kita membuat kelas tutupan lahan seperti tabel di bawah
82
Tunggu sampai beberapa saat sampai SAGA selesai melakukan analysis cluster. Tampilkan grid clusters pada map window Gambar di bawah ini merupakan hasil analysis cluster yang terbagi dalam 10 kelas.
aktifkan lookup table pada tab setting
Sekarang, identifikasi masing-masing kluster pada setiap warna. Ubah nilai Minimum dan Maximum. Beri nilai Minimum dan Maksimum baris pertama sebagai "0". Masukkan nilainilai semua baris lain dengan mengklik pada semua kolom dan menggantinya dengan nilai "-1". Klik Okay lalu klik 'Apply' di bawah. Ini akan membuat kelas yang ditandai dengan "1" tak terlihat. Perhatikan pada Map window, cluster yang nampak hanya cluster warna hitam yang memiliki nilai 0, dan kluster lain yang memiliki nilai -1 tidak terlihat.
Buka kembali Lookup table, kemudian beri deskripsi bawah cluster yang berwarna hitam merupakan Hutan Lebat. masukkan angka 1 pada Kolom Name dan ganti warna secara manual.
83
Kemudian masukkan nilai 1 pada kolom Minimum dan Maximum di baris kedua. Tetap masukkan nilai -1 untuk kelas yang lainnya.Klik Okay. Kemudian Apply Lihat pada map window.
Bagaimana menurut analisa anda ? jenis tutupan lahan apa yang termasuk dalam cluster warna merah ? Buka kembali Lookup table. edit warna,nama, serta deskripsi untuk baris kedua ini. Untuk baris ketiga, lakukan langkah yang sama seperti sebelumnya yaitu dengan mengganti nilai maksimum dan minimum dengan nilai asli. serta baris lain ganti dengan -1 agar cluster ini tetap tidak terlihat. Lakukan hal ini sampai 10 cluster. Setelah seluruh cluster diklasifikasi. Masukkan kembali nilai - nilai asli pada kolom minimum dan maximum seperti gambar di bawah ini. Pastikan bahwa kolom name sesuai kelas tutupan lahan yang kita buat sebelumnya. Tampilkan dalam map window dengan meng-kilk Okay dan Apply
Sekarang, save nilai Lookup Table dan beri nama Landcover Change. Simpan dalam tipe Text (*.txt)
84
Selanjutnya minimize SAGA GIS dan Jalankan Microsoft Excel. Buka data Lookup table. Sekarang buat sebuah kolom baru, sebagai contoh Kolom New. Copy seluruh nilai yang ada pada kolom NAME dan pindahkan pada kolom NEW
Hapus Kolom Color, Name, Description. Pastikan bahwa format angka pada kolom Minimum,Maximum dan New adalah format 'Number. Save Tabel ini untuk di buka kembali dalam SAGA GIS.
Buka kembali software SAGA GIS, Pilih Menu Geoprocessing > Grid > Values > Change Grid Values. Pilih Clusters sebagai Grid. Pilih Lookup table.
Buka data Lookup table yang telah di edit di Excel. Klik Okay
Tampilkan Change Grid pada Map Window.
Type Change grid adalah graduates color. buat kembali Lookup Tabel dan masukkan informasi cluster seperti tabel tutupan lahan yang ingin kita buat. Klik Okay dan Apply.
85
Ganti nama grid dengan Land Cover Change Kolaka 2015
Simpan grid ini, Save as .sgrd agar bisa dipakai pada latihan selanjutnya. Selanjutnya kita akan melakukan klasifikasi yang sama (Unsupervised Classification) untuk data Landsat 1996. Pilih menu Geoprocessing > Imagery > Classification > Unsupervised > K-Means Clustering Analysis For Grids. Kali ini pilih input grid band tahun 1996. Masukkan nilai 10 untuk clsuters. Gunakan metode yang sama seperti sebelumnya yaitu Hill-Climbing (Rubin 1965). Klik Okay Perhatikan! Langkah - langkah untuk membuat Unsupervised Classification pada citra landsat tahun 1996 adalah sama dengan step sebelumnya, yang membedakan adalah interpretasi kita pada setiap cluster. Kita akan membuat kembali klasifikasi dengan pembagian kelas seperti tabel di bawah. Gambar di bawah merupakan hasil akhir dari Unsupervised Classification pada citra landsat tahun 1996.
Simpan grid ini. Pada langkah selanjutnya kita akan mengidentifikasi perubahan tutupan lahan dari tahun 1996 - 2015.
86
Sekarang kita telah memiliki data mengenai tutupan lahan pada tahun 1996 dan 2015. Pada tahap ini kita akan menghitung luas perubahan pada tiap area.
Klik kanan pada grid Land Cover Change Kolaka 2015. Tampilkan Histogram
Lalu konversi Histogram ke Tabel. Pilih sebelah kiri atas 'Convert To Table' Sebuah layer Tables akan muncul pada Data manager. Klik double untuk melihat table. Kolom area merupakan luas dalam satuan Meter Persegi. Klik kanan pada judul kolom. pilih rename fields, ganti judul AREA dengan Luas (m2) 2015.
Simpan table. Klik kanan pada Grid dan Save As Type Text. Coba tampilkan Histogram dan Table Untuk grid Land Cover Change Kolaka 1996
87
Selanjutnya kita akan menggabungkan attribute pada tabel kedua tahun tersebut. Pilih Geoprocessing > Tables > Tools > Join Attributes from a table. Masukkan input data seperti ambar di bawah. Klik Okay Sebuah tabel baru hasil penggabungan akan muncul pada tab data manager. Klik kanan pada tabel baru. kemudian pilih diagram. Buat pengaturan seperti disebelah -
Confusion Matrix Confusion Matrix merupakan sebuah tools khusus untuk mendeteksi perubahan berdasarkan perbandingan dua grid hasil klasifikasi tutupan lahan dari citra sateli yang telah di kelasifikasikan. Kelas Grid harus didefinisikan dengan lookup tabel dan nilai-nilai dari kedua grid harus cocok satu sama lain. Kita menggunakan 2 grid data hasil klasifikasi untuk mengidentifikasi perubahan tutupan lahan yang terjadi dari data tahun 1996 dan 2015. Pilih menu Geoprocessing > Imagery > Classification > Confusion Matrix (Two Grids)
88
Gambar di bawah merupakan hasil dari Confusion Matrix (Two Grids). Grid baru akan muncul dalam daftar 'Data'. Peta Ini memiliki perubahan kelas ditunjukkan oleh warna. Perhatikan bahwa perubahan dari Hutan lebat ke Savana tampak dalam nuansa warna cokelat tua
Aktifkan Legend pada tab data properties. untuk melihat perubahan yang terjadi.
Tampilan Histogram
Buka tabel confusion matrix pada data manager.
Tabel ini berisi informasi mengenai luas setiap tutupan lahan yang mengalami perubahan dari tahun 1996 dan tahun 2015, dalam hitungan meter persegi (m2).
89
5.4 Pemetaan perubahan penutupan lahan - Metode Image Defference Pada bagian 5.3 kita telah memotong citra Landsat sebagai data Are Of Interest yang akan menjadi fokus kerja kita. Data AOI akan kita pakai kembali dalam tahap klasifikasi Image Difference kali ini.
Konversi Landsat 8 yang 16bit ke 8bit Pilih menu Geoprocessing > Grid > Calculus > Grid Calculator. Pertama - tama kita akan konversi band 7, setelah itu kita lanjutkan dengan band 3 dan 6. Pilih band 7 sebagai input grid kemudian Okay. Jangan tutup menu Grid Calculator sebelum mengisi formula yang digunakan.
Pada pilihan formula Gunakan g1/256, ganti nama menjadi 8bit band 7. Akhiri dengan mengklik Okay.
Setelah proses konversi selesai, akan muncul sebuah grid baru dengan nama 8 bit band 7. Ulangi proses yang sama untuk konversi band lainnya.
Selanjutnya pada Grid Calculator Konversi band 3
90
Lanjutkan dengan konversi band 6
Sekarang kita telah memiliki 3 band baru yang merupakan hasil konversi Citra Landsat 2015 ke 8bit.
Perbedaan citra - Image Difference Pilih menu Geoprocessing > Grid > Calculus > Grid Calculator . Pada tahap ini kita akan melakukan substraksi citra landsat (8bit) tahun 2015 terhadap citra tahun 1996. 8bit band 3 <> band 2 Landsat 1996 8bit band 7 <> band 7 Landsat 1996 8bit band 6 <> band 5 Landsat 1996 Masukkan 8 bit band 3 dengan band 2 sebagai input kemudian okay.
Masukkan 8bit band 3 dengan band 2 sebagai input kemudian okay. Pada pilihan formula masukkan (g1 - g2) + 128. Dalam Grid Calculator g1 maksudnya grid pertama dalam object yang di input sebelumnya.
Pada proses ini, output grid kita namakan diff band 3. Akhiri dengan klik Okay. Sebuah grid baru hasil substraksi akan muncul pada grid system
91
kukan langkah yang sama untuk 8bit band 7 dengan band 7 tahun 1996.
Pilih Geoprocessing kemudian Grid Calculator.
Lanjutkan untuk data 8bit band 6 dengan band 5 tahun 1996
Sekarang kita mempunyai 3 grid baru hasil substraksi.
Coba tamplikan grid baru dengan mode RGB Overlay pada tab setting. Atur Diff band 7 = red, diff band 6 = green dan diff band 3 = blue.
Gambar disamping merupakan hasil dari substraksi Image Difference.
Cluster Analysis Selanjutnya kita akan membuat klasifikasi untuk mengetahui perubahan penutupan lahan. Pilih menu Geoprocessing > Imagery > Classification > Unsupervised > K-Means Clustering Analysis For Grids.
92
Masukan input grid 3 band hasil substraksi. Gunakan metode Iterative Minimum Distance. Aktifkan grid Clusters pada Map Window. Ini merupakan hasil analisis cluster yang terbagi ke dalam 5 kelas
Coba bandingkan Grid cluster dengan perubahan lahan yang terjadi dari tahun 1996 dan tahun 2015. Gunakan icon action untuk mengidentifikasi perubahan tutupan hutan. Misalnya, kita mengidentifikasi bahwa Class 3 dan Class 4 merupakan kelas -kelas perubahan hutan yang terjadi dari data tahun 1996 dan 2015.
Pilih Lookup table, hapus baris class 1,2 dan 5 dengan cara meng klik baris kemudian delete. Ganti nama class 3 dan 4. Beri nama 'Perubahan Hutan" setelah itu pilih Okay.
Klik Apply untuk melihat perubahan yang terjadi pada Map Window anda. Coba tampilkan hasilnya di atas grid Landsat tahun 2015. Hal ini untuk merepresentasikan bahwa grid Cluster tersebut merupakan area yang mengalami kehilangan hutan dari tahun 1996. Hasilnya akan tampak seperti gambar di bawah.
Tampilkan nilai histogram dan Pilih convert to table
93
Simpan tabel histogram sama seperti sebelumnya yaitu dalam format .dbf.
Konversikan hasil ke polygon Langkah selanjutnya jika ingin konversi grid Cluster ke bentuk vector adalah dengan cara memilih menu Geoprocessing > Shapes > Grid > Vectorization > Vectorising Grid Classes. Klik Okay. Pilih Clusters pada input grid.
Pilih All Classes kemudian masukkan nilai 1 pada Class identifier lalu klik Okay Tampilkan vektor cluster pada map window. Pilih Fill style > Transparent pada tab setting. Klik Apply.
Sebelum memilih area (Polygon) mana saja yang merupakan perubahan hutan. Terlebih dahulu pisahkan semua polygon dengan cara : Pilih Menu Geoprocessing > Shapes > Polygon > Polygon parts to separate Polygon. Klik Okay. Tampilkan Display Transparent pada Tab Setting.Kemudian Apply. Pilih setiap polygon yang merupakan perubahan hutan. Gunakan icon action + tekan Ctrl. Setelah semua polygon terpilih klik kanan lalu pilih Merge Selection. Jika ingin mengapus polygon yang tidak termasuk perubahan hutan klik kanan lalu Delete Selected Shape(s)'.
Setelah proses selesai, ganti Fill Style transparent menjadi Opaque. Pilih Warna merah. Beri nama Perubahan Hutan 1996 - 2015. kemudian Apply hasilnya akan tampak seperti gambar di halaman berikut.
94
Simpan data Polygon ini. Klik kanan.Pilih Save As, pilih Save as type ESRI Shape Files.
Menghitung luas area polygon Pilih Geoprocessing > Shapes > Polygon > Polygon Properties. Masukkan Polygon Perubahan Hutan Create Polygon with Property Attribute. Beri tanda checklist pada pilihan Area. Klik Okay Klik Kanan pada layer baru, pilih atrribute dan Show
95
5.5 Mozaik Citra Mosaic adalah salah satu bentuk pengolahan data citra satelit dengan menggabungkan dua buah citra atau lebih menjadi satu. Cara ini biasa dilakukan untuk meminimalisir tutupan awan pada citra maupun menggabungkan lembaran citra sehingga Area of Interest (AOI) berada pada satu lembar citra. Metode ini sangat penting karena seringkali AOI tidak berada dalam satu scene ataupun AOI didominasi oleh tutupan awan. Sebagai contoh, berikut ini adalah langkah-langkah mosaic citra untuk menggabungkan lembaran citra dengan AOI Pulau Muna dan Pulau Buton di Provinsi Sulawesi yang wilayahnya terbagi pada scene 112/64 dan 112/63. Pada contoh berikut menggunakan hasil liputan bulan Oktober 2014.
Persiapan data untuk mosaik Buka data citra landsat lembar LC81120632014282LGN00 dan LC81120642014282LGN00. dengan cara pilih menu “Geoprocessing> Imagery>Landsat>Landsat Import With Option” dengan kombinasi band 432 (lihat bagian 5.2). Sehingga hasilnya akan tampak seperti gambar di samping. Perhatikan bahwa daerah yang berada di dalam kotak adalah Pulau Muna dan Pulau Buton yang akan di mozaic. Untuk memudahkan proses mozaik sebaiknya lakukan cropping terhadap AOI, agar proses mozaic menjadi lebih ringan dan file yang dihasilkan tidak terlalu besar, melalui “Geoprocessing> Grid>Grid System>Clip Grids (interactive)”, sehingga hasilnya akan seperti gambar di samping.
96
Mosaiking Selanjutnya lalukan proses “mozaic” dengan mengklik “Geoprocessing>Grid>Grid System>Mosaicking” kemudian akan muncul kotak dialok “Mozaicking” seperti berikut ;
Pada bagain “Input Grids” klik simbol untuk memasukkan Grid yang akan dimozaik. Sebagai catatan lakukan penggabungan pada band yang sama. Pindahkan Band 2 dari masing-masing grid system dari kolom “1” ke kolom “2” sys, lalu klik Okay”.
Selanjutnya akan muncul dialog box seperti dibawah ini. Pada kolom “Name” ketik nama yang memudahkan kita untuk mengenali grid baru yang merupakan hasil dari proses mozaicking. Lalu klik “Okay” hingga dihasilkan grid baru dengan nama “Mozaic B2”
97
Ulangi proses masaik untuk menggabungkan masingmasing band 3 dan band 4 sehingga diperoleh grid baru hasil mozaic untuk band 3 dan band 4. Untuk melihat hasil penggabungan, tampilkan citra hasil penggabungan dalam bentuk “RGB Composit” 432. Seperti gambar dibawah ini
98
6 Export/import Data Kebanyakan format data GIS dan pencitraan jarak jauh dapat digunakan dalam SAGA GIS. Sebaliknya, data yang diciptakan dalam SAGA GIS dapat diekspor ke program lain. Data ‘shape’ (polygon, titik dan garis) di SAGA GIS mengunakan format .shp, sama seperti ESRI ArcGIS, QGIS dan program lain, jadi tidak perlu di import atau ekspor secara khusus, hanya dibuka dan disimpan seperti biasa. Sedangkan data grid (raster cth DEM, citra satelit) di SAGA GIS, secara otomatis disimpan dalam format .sgrd yang tidak dapat dibaca program lain, tetapi gampang sekali ekspor dalam bentuk lain. Bab ini akan menjelaskan cara-cara untuk mengimpor dan mengekspor data dalam format yang cocok untuk tujuannya.
6.1 Mengimpor data ke SAGA GIS Hampir semua file dapat diimpor dengan cara paling gampang, yaitu klik di tombol ‘Open’ lalu pilih satu atau berberapa file, tidak ada bedanya file shape dan raster. Cara ini berlaku untuk semua file shape dari ESRI, ERMapper dan MapWindow (kadang-kadang file mapwindow tidak memiliki system koordinat – harus diproyeksi). Untuk data titik, garis atau polygon yang lihat File > Shapes > Import untuk banyak pilihan jenis file.
99
Impor shape data dari Google Earth .kml Di Google Earth
Pertama-tama penting bawa data di Google Earth dipisahkan titik, garis dan polygon dalam folder yang berbeda di ‘My Places’. Kalau dicampur tidak bisa digunakan dalam program lain. Di Google Earth klik kanan di folder yang mau diekspor lalu pilih ‘Save Place As’ yang akan menghasilkan file .kml. Lalu di SAGA Geoprocessing> File> Shapes> Import Shapes (lihat halaman sebelumnya) dan muncul kotak Import shapes.
Files > memilih file .kml, dan Geometry type memilih jenis data. Data muncul dalam Tab Data – Tampilkan dan nikmati. Data dari Google Earth otomatis dalam proyeksi LatitudeLongitude (WGS84) jadi untuk gunakan bersama data lain harus di proyeksi ulang.
Mengimpor data lapangan dengan titik GPS Langkah pertama adalah masukkan data anda ke dalam Excel. Masukkan data yang anda kumpulkan di lapangan ke dalam ‘sheet’ Excel.
Setelah di tulis di Excel, anda perlu mengimpor data anda tersebut ke dalam bentuk file *.txt (tab delimited format)
Buka SAGA dan gunakan langkah berikut ini : Geoprocessing > Files>Shapes>Import>Import Shapes from xyz
100
6.2 Reprojection – Mengubah koordinat system
1.
Coordinate transformation (Grid List) untuk data raster
Untuk mengubah ke Latitude Longitude - Pilih Geographic Coordinate Systems – WGS84 Untuk mengubah koordinat ke UTM – Pilih Projected Coordinate System – lalu menentukan Zona. Resampling –untuk Data Citra gunakan B-Spline Interpolation - Untuk Data DEM dan data yang ada kelas gunakan Nearest Neighbour sehingga data tetap dalam format integer (angka utuh cth 2 bukan 2.11)
101
Setelah memilih Coordinat e system, method resamplin g dan Sumber data klik OK.
Kotak Coordinate transformation grid list berikut akan muncul. Bisa memilih ‘User defined’ jika ukuran grid tidak perlu disesuaikan dengan data lain, dan Cellsize (ukuran piksel) juga dapat disesuaikan kebutuhan.
102
Jika mau disamakan data lain yang sudah terbuka di SAGA, pilih Grid or Grid System yang sesuai data itu. Ini penting kalau mau menganalisa lebih dari satu layer (misalnya raster calculator).
Mengubah sistem koordinat untuk shape Geoprocessing>Projection>Coordinate Transformation (Shapes List)
Muncul kotak Coordinate transformation Shapes list Untuk mengubah ke Latitude Longitude - Pilih Geographic Coordinate Systems – WGS84 Untuk mengubah koordinat ke UTM – Pilih Projected Coordinate System – lalu menentukan Zona.
103
Kemudian masukkan data Source (.shp yang diubah sistem koordinat). Lalu klik okay. File baru muncul di tab data, dengan nama yang sama dengan file asli.
6.3 Potong (Clip) data Untuk poting data ke batas polygon gunkatan Clip grids with polygon – Geoprocessing>Shapes>Spatial Extent>Clipgrid with Polygon lihat bagian 5.2 untuk contoh
Untuk potong data ke segi empat sesuai pilihannya gunakan - Clip grids interactive – Geoprocessing>Grid>Grid System>ClipGrids [Interactive] lihat bagian 5.3 untuk contoh pengunaannya.
104
6.4 Mengekspor data dalam format .TIFF (Geotiff) Pilihan ini tepat jika ingin menambahkan suatu layer ke peta dalam program GIS yang lain seperti Quantum GIS, Open Jump atau ArcGIS. Klik kanan di layer yang mau diekspor, lalu pilih Save as Image (menyimpan sebagai gambar). Berikan nama kepada peta lalu 'Save as type' pilih Tagged Image File Format (.tif).
Muncul kotak berikut, biarkan terpilih 'Save Georeference' dan 'Legend: Save', supaya lokasinya disimpan bersama gambarnya. Jika buka folder untuk lihat file yang tersimpan, ternyata ada 3 file yang disimpan sekalian. 1) File .tfw (TIFF World File) yaitu file lokasi. 2) File .tiff (Tagged Image File) yaitu file gambar 3) File _legend.tif yaitu file legenda dari SAGA
105
Ekspor ke Google Earth (.kmz/kml) Google Earth berada dalam proyeksi Latitude Longitude (WGS84) jadi langkah pertama adalah menganti proyeksi data yang ingin di ekspor, dengan mengunakan tools Geoprocessing > Projection >Coordinate Transformation (Grid), Geographic Coordinate Systems memilih WGS84. Hati-Hati! Jangan berubah Projected Coordinate Systems jika ingin ganti koodinat system ke Latitude dan Longitude. Pilihan itu hanya terpakai jika ingin ganti koordinat ke UTM. ‘Resampling’ adalah cara yang SAGA gunakan untuk menentukan nilai suatu sel ketika letakkan sel tergesar dari tempat awal. Pilihan “Resampling” tergantung file yang di ekspor, kalau file raster yang sudah dijadikan kelas-kelas (cth Kelas kemiringan, tutupan lahan) pastikan memilih “Nearest Neighbour”, supaya jumlah kelas yang telah dikerjakan dilestari. Jika datanya DEM atau citra satelit yang belum diolah boleh memilih method yang lain.
Lalu grid system diganti dan >>Source dijadikan layer yang ingin ganti sistem koordinat. Di kotak Coordinate Transformation yang muncul ganti Cellsize ke 0.03 (yang berarti 0.03 derajat mendekati 30m).
Ulangi penggantian proyeksi untuk file polygon dengan mengunakan Geoprocessing > Projection > Coordinate Transformation (Shapes List).
106
Ekspor Grid Latitude/Longitude ke KML (Google Earth) Untuk ekspor grid ke .kml gunakan Geoprocessing> File> Grid> Export>Export Grid to Kml.
Pilih Grid System dan Grid yang diekspor lalu Output dibiarkan .kmz yang berarti kumpul file yang dibutuhkan (kml dan world file) dalam suatu folder yang di kompres (sama dgn .zip). Colouring artinya warna yang ditampilkan di Google Earth, dibiarkan ‘same as in graphical user inferface’ yang artinya sama seperti warna tampilan di SAGA saat ini.
Ekspor Shapes to KML Yang lebih sering dilakukan ekspor polygon seperti batas DAS, batas Desa atau titik GPS ke .KML. Gunakan Geoprocessing > File>Shapes>Ekspor>Shapes to KML.
107
Isi >> Shapes dengan file yang ingin di ekspor ke .kml (bisa polygon, garis atau titik), lalu di file menentukan tempat simpan file .kml itu.
6.5 Mengekspor ke PDF-Maps. Ketika kita turun di lapangan kita akan butuh berberapa citra satelit dan peta analisa hidrologi yang sudah dikerjakan. Cara yang paling mudah adalah pindahkan peta di gadget (tablet atau HP) Android melalui apps PDF Maps. PDF Maps adalah apps untuk melihat peta di layar HP dan mengambil data di lapangan, ada versi Apple, Android dan Windows – dapat didownload di Google Play Store. Untuk panduan pengunaan PDF maps silakan lihat di https://sagagisindonesia.wordpress.com/ Proses memindah peta dari SAGA ke PDF-Maps melalui tujuh langkah berikut: 1. Mengimpor dalam format lat/long 2. Zoom ke daerah yang dibutuhkan 3. Simpan citra ke workspace 4. Simpan sebagai SAGA grid 5. Simpan sebagai image 6. Zip .tiff, .twf, .prg files 7. Mengimpor file .zip ke PDF-MAPS 1. Mengimpor citra landsat ke SAGA dengan koordinat sistem “Geographic Coordinates” dan ‘interpolation method’ sebagai ‘Nearest Neighbour’ (lihat bagian 2.6) 2. Zoom ke daerah yang dibutuhkan 3. Gunakan Map>Save As image to workspace dan ganti cell size ke 0.003 (~30m). Ini akan simpan daerah yang ditampilkan ke layer baru dalam tab data
108
1. Klik kanan di layer citra yang baru di tab data dan ‘Save As’ SAGA grid (.sgrd). Pastikan anda berikan nama sesuai daerah peta (cth Bombana). 2. Klik kanan di layer citra yang baru di tab data dan ‘Save as Image’. Pastikan anda berikan nama yang sama persis dengan SAGA grid sebelumnya, pilih ‘Save Georeference’
dan
3. Buka folder yang file SAGA grid dan file image berada, lalu pilih file .tiff, .twf, .prj, kemudian klik kanan send to > Compressed (zipped) folder
4. S e k a rang anda sudah bisa mengimpor folder yang diZip ke PDF-Maps melalui Email, Dropbox atau kartu SD.
109
7 Aplikasi – Pengelolaan Sumber Daya Alam dan pemetaan Risiko Bencana Tujuan bagian ini adalah menginspirasikan anda untuk memikirkan aplikasi apa saja yang bisa kami gunakan SAGA, dengan memperlihatkan secara singkat berberapa aplikasi SAGA yang bermanfaat dalam pengelolaan sumber daya alam dan pemetaan risiko bencana. Berberapa aplikasi memliki pentunjuk yang lengkap di website https://sagagisindonesia.wordpress.com atau sagatutorials.wordpress.com.
7.1 Aliran sediment dari lokasi titik tambang (contoh dari tambang mangan di Timor) Masyarakat mulai penambangan mangan di Timor Barat pada tahun 2008 dengan harga mangan dan permintaan pasar yang tinggi. Awalnya petani mengumpulkan batu bijih kadar tinggi dari permukaan tanah, berikut ini sebagian kecil pertambangan terbuka dan terowongan digali dengan tangan. Contoh berikut ini mengunaan SAGA untuk menyelidiki aliran sedimen potensial dari daerah yang digalikan. Dalam hal ini ada banyak tambang-tambang kecil di seluruh bagian landskap. LS Factor dapat digunakan sebagai metode menghubungkan potensi erosi dari masing-masing titik lokasi ditambang. Kemudian analisis aliran hidrologi memperlihatkan aliran sedimen dari lokasi tambang tersebut. Materi lengkap untuk aplikasi lihat di https://sagagisindonesia.wordpress.com/2016/09/01/aliran-sedimen-dari-lokasi-titiktambang-contoh-dari-tambang-mangan-timor-barat/
7.2 Aliran sedimen dari lokasi tambang yang luas (contoh tambang emas di Sulawesi) Memetakan aliran sediment merupakan lanjutan dari Bagian 5.5 – Pemetaan bekas tambang dengan OBIA. Materi lengkap dapat dilihat pada website
110
7.3 Risiko erosi – RUSLE Revised Universal Soil Loss Equation (RUSLE) adalah rumus untuk perkirakan tingkat erosi tanah permukaan. RUSLE ditemukan di USA, oleh Wischmeier & Smith (1979) untuk memperkirakan erosi tanah permukaan dalam ukuran tonnes per hectare (t/ha), untuk suatu kebun. Hasil rumus ini cukup akurat untuk daerah cuaca temperate dan kemiringan yang datar sampai agak curam, untuk suatu kebun. Ada tiga kelemahan RUSLE untuk mengukur banyaknya erosi di suatu DAS di Indonesia. 1) RUSLE hanya dapat memperkirakan tanah yang dierosikan, dengan asumsi bahwa semua tanah yang dierosikan akan masuk di sungai langsung, sedangkan kebanyakan tanah dideposisikan kembali di lerengan. 2) Rumus dasar RUSLE dibentukan untuk daerah yang intensitas hujan relatif rendah dibandingkan daerah iklim tropis, dan rumusnya mengasumpsikan bahwa hubungan antara intensitas hujan dan tingkat erosi adalah hubungan linear sedangkan kemingkinan besar tidak seperti itu 3) Rumus ini mengasumpsikan bahwa tanah yang dapat tererosi tidak terbatas, sedangkan di lerengan yang paling curam biasanya banyak tanah berbatu. Jadi perkiraan erosi dalam t/ha dengan RUSLE di daerah tropis dapat melebihi tingkat erosi yang diukur 10-1000 kali lipat. Gunanya RUSLE di daerah tropis adalah memetakan risiko erosi yang relatif dalam suatu DAS atau suatu pulau kecil, yaitu berguna untuk menunujuk daerah yang perlu perhatian untuk rehabilitasi hutan atau upaya konservasi tanah yang lain. Bahayanya erosi dengan RUSLE juga adalah suatu data dasar untuk pemetaan 'Lahan Kritis' dan 'Pemanfaatan lain' Rumus RUSLE terdiri dari 5 factor A= R x LS x K x C x P yaitu A= risiko erosi, R = Intensitas hujan, LS = Kemiringan dan kepanjangan lerengan, K = Sifat tanah, C= Penutupan lahan, P= Pengelolaan lahan
111
National Soil Map
Bioclim data
(Vector format)
Digital Elevation Model (DEM) 30 meter
Clipped study area
Clipped study area
Landsat Image 2014
National Land use Map
Clipped study area
Clipped study area
Supervised classification
Re-coded management practices
Changed to vector
Converted to Raster format
(Vector format)
Clipped study area Look-up table (re-coded soil types)
Terrain Analysis
Resampled 30 meter Changed to raster
Re-coded classes Calculate R factor using Bols equation
Resampled 30 meter
Computed LS factor using Desmet&Govers (1996)
Change to Raster
Resampled 30 meter
R - factor
K factor
LS-Factor
C Factor
P Factor
RUSLE (Revised Universal Soil Loss Equation) = R * K * LS * C * P
112
7.4 Lahan Kritis Peta Lahan Kritis dibutuhkan oleh Dinas Kehutanan untuk perencanaan Rehabilitasi Hutan dan Lahan (RHL- INSERT LINK). Tujuan menyampaikan method ini adalah membuktikan kemampuan SAGA untuk memetakan Lahan Kritis dengan data yang dapat didownload gratis. Akan tetapi perlu diteliti apakan Lahan Kritis yang mengunakan kriteria ini, cocok untuk manfaat anda? Secara khusus yang dilihat jelas dalam method ini, kepentingan penutupan lahan dan kemiringan lerengan dihitung dua kali yaitu dengan kelas masing-masing lalu diulang sebagai factor yang penting di dalam analisa RUSLE untuk menilai tingkat erosi.
113
7.5 Kebakaran Kebakaran di Indonesia bagian barat merupakan bencana besar yang terus terjadi, dan dapat diperhatikan oleh banyak pihak. Tetapi tidak kalah dalam hal kepentingan lingkungan dan kesehjateraan masyarakat kejadian kebakaran padang dan hutan yang terjadi setiap tahun di Indonesia bagian timur yang sangat luas dan sering terjadi di tempat yang sama setiap tahun. Pemetaan bekas kebakaran dapat dilakukan setelah kejadian kebakaran besar atau rutin untuk mengetahui luasnya kebakaran tahunan. Dengan menggunakan citra Landsat juga dapat dimonitoring perbandingan dari tahun ke tahun (Lihat bagian 5.3 dan 5.4 untuk pemetaan membandingkan Landsat 5 dan Landsat 8). Data contoh ini dari Sumba Timur bagian utara.
114
7.6 Bencana Dengan perubahan iklim dan kesadaran risiko bencana yang terus meningkat, memetakan bencana adalah ketrampilan yang sering dicarikan. Pemetaan bencana ada dua bagian yaitu pemetaan risiko terjadi bencana dan pemetaan bekas bencana jika telah terjadi. Ada banyak jenis bencana dan salah satu diantaranya adalah kebakaran hutan dan lahan. Dalam dokumen ini ada berberapa contoh aplikasi yang bermanfaat untuk pengeololaan bencana - Analysis Waktu Tempuh (Bagian 8) yang dapat memperkirakan waktu respon kepada bencana pada suatu daerah - Pemetaan kelas kemiringan (Bagian 4.3) - Risiko erosi dengan USLE (Bagian 7.3) - Perubahan penutupan lahan (Bagian 5.4) - Pemetaan bekas kebakaran (Bagian 7.5) Untuk memetakan bencana kebakaran yang telah terjadi perlu dicarikan citra Landsat yang terbaru setelah kebakaran terjadi, sedangkan untuk melihat risiko terjadi kebakaran ada banyak factor termasuk keseringan terjadi kebakaran (yang dapat dianalisa dari citra landsat tahunan 10-20 tahun ke belakang), jenis vegetasi dan iklim. Tujuan bagian buku ini adalah menunjuk cara memetakan bekas kebakaran yang dapat digunakan untuk peta bencana maupun peta keseringan terjadi kebakaran. Walaupun kebakaran padang tidak dapat disebut bencana, kebakaran yang sering terjadi di lokasi yang sama merupakan bencana pada jangka panjang karena menyebabkan tingkat erosi yang tinggi, menghilangkan nilai produktivitas lahan, mengurangi kesuksesan program pemerintah maupun program LSM (misalnya menanam pohon) dan mengurangi keanekaragaman hayati. Selanjutnya adalah sketsa cara memetakan bekas kebakaran di software SAGA. TIPS: Semua tools yang di catat dalam tulisan miring di flow chart dapat dicarikan langsung di Geoprocessing > Find and Run Tool
115
8 Aplikasi - Perencanaan Pembangunan Infrastruktur, Akses Pelayanan Dan Respons Terhadap Bencana 8.1 Analisis Jarak-Biaya Analisis jarak-biaya (cost-distance analysis) merupakan suatu teknik geospasial dalam perhitungan pergerakan diatas suatu permukaan raster, terutama yang paling umum adalah dalam bentuk suatu lanskap. Analisis ini menggunakan suatu grid ‘biaya’ dimana setiap sel grid akan memiliki atribut nilai suatu ‘biaya’ bagi setiap perpindahan melalui grid ini. Nilai biaya dapat berupa setiap atribut yang dapat dihitung yang dapat berakibat pada setiap aksi saat melintasi suatu sel grid. Sebagai contoh nilai biaya dapat berupa : (1) jumlah waktu yang dibutuhkan ketika bergerak melintasi suatu sel grid; (2) suatu biaya konstruksi (seperti jumlah uang (Rupiah/Dollar) yang dibutuhkan untuk memasang sebuah pipa melintasi suatu sel grid); atau (3) suatu nilai keanekaragamanhayati. Pada contoh yang ditunjukkan ini maka suatu ‘grid biaya’ waktu tempuh (travel time) yang dapat digunakan untuk : (1) mencari jalur jarak tempuh yang terpendek menuju suatu rumah sakit, (2) pemodelan biaya konstruksi untuk membantu dalam mencari rute yang termurah untuk membangun suatu jalan, dan (3) untuk membantu perencanaan konstruksi jalur pipa yang memiliki pengaruh terkecil terhadap suatu keanekaragamanhayati. Penentuan suatu ‘jalur biaya terendah’ akan berdasarkan pada input nilai biaya dan dengan demikian dapat menjadi suatu alat yang sangat berguna bagi pekerjaan perencanaan yang sangat luas berkaitan dengan pembangunan infrastruktur serta penyediaan pelayanan. Selain itu analisis ini juga dimungkinkan untuk menciptakan ‘permukaan biaya terakumulasi’ (accumulated cost surface) yang menunjukkan ‘biaya terhadap jarak’ dari setiap titik dalam suatu grid. Hal ini sangat berguna dalam penerapan perencanaan yang luas seperti halnya dalam indentifikasi jarak suatu komunitas dari tempat layanan yang penting (rumah sakit, sekolah, dll), atau dalam mengindentifikasi lanskap yang ‘terpencil’ serta sulit untuk dikunjungi oleh manusia, atau juga potensi terhadap waktu respon ketika terjadi suatu kejadian bencana (banjir, longsor, dll).
Diadaptasi dari: http://www.spatialan alysisonline.com/
116
8.2 Analisis Waktu Tempuh (Jarak-Biaya) bagi Perencanaan Pelayanan Kesehatan Perkiraan menuju suatu tempat pelayanan kesehatan merupakan salah satu factor yang penting dalam menentukan luaran dari sebaran kondisi kesehatan. Akses yang mudah dalam perawatan sangatlah penting, tidak hanya bagi situasi yang genting (emergency) tetapi juga bagi perlakuan yang terus berlanjut pada kondisi yang kronis. Identifikasi keterpencilan suatu populasi masyarakat terhadap pelayanan kesehatan melalui pemodelan spasial dari waktu tempuh telah menjadi suatu alat perencanaan yang umum dalam mendukung perencanaan pengangkutan (transport) dan infrakstruktur. Pemodelan ini secara umum akan menggunakan salah satu dari tiga metode analisis jarak ini (1) Euclidian, (2) jaringan (network), dan (3) permukaan raster. Jarak Euclidian akan menggunakan perkiraan dari garis lurus dimana ini, meski mudah untuk dihitung, tetapi gagal dalam menangkap kompleksitas suatu perjalanan melalui suatu lanskap atau infrastruktur transportasi yang beranekaragam. Analisis jaringan menggunakan pengoptimalan jaringan infrastruktur tranportasi sebagai model perjalanan. Bentuk analisis ini seringkali digunakan dalam system navigasi kendaraan serta layanan navigasi menggunakan peta berbasis web dimana analisis ini dapat mengintegrasikan suatu arah yang kompleks dalam mengatur perjalanan pengangkutan. Meski analisis jaringan ini lebih akurat dibandingkan jarak Euclidian, tetapi metode ini tidak dapat digunakan pada kondisi jaringan lintasan jalan yang terputus terutama pada wilayah pemukiman yang terpencil pada banyak tempat di Negara berkembang dimana hanya terdapat sedikit infrastruktur transportasi dan oleh karena itu berjalan kaki merupakan hal yang lazim untuk dilakukan. Jaringan jalan yang terputus atau berjalan melintasi jaringan jalan dapat menjadi suatu komponen yang substansial dalam perjalanan pada suatu setting industri perkotaan. Analisis berbasis raster dengan menghitung potensi kecepatan perjalanan bagi seluruh sel grid pada suatu studi jaringan dapat dilakukan, baik ketika terdapat jaringan atau tanpa-jaringan. Meski demikian, analisis raster ini akan memiliki kekurangan dalam hal kemacetan (traffic) yang biasanya terjadi pada penerapan jaringan. Saat ini sebagian besar alat dalam pemodelan waktu tempuh yang tersedia hanya terbatas hak kepemilikannya pada software SIG yang mahal sehingga membatasi penerapannya secara terdesentralisasi. Alat-alat ini juga terbatas kemampuannya dalam mendukung penciptaan berbagai scenario yang seringkali berubah dengan cepat. Dengan demikian akan diterangkan lebih lanjut alat yang dikembangkan pada software SAGA GIS yang dapat menyederhanakan dan automatisasi sejumlah proses yang dibutuhkan dalam melakukan analisis waktu tempuh berbasis raster. Alat ini juga dapat memungkinkan untuk proses yang lebih interaktif dan adaptif dalam mendukung eksplorasi yang cepat dari berbagai scenario waktu tempuh yang beragam melalui perubahan variable-variabel kontinyu seperti kecepatan tempuh dan penambahan factor-faktor diskrit seperti halangan akibat banjir, jalanan yang baru atau penyediaan jasa pelayanan. Metode yang akan diuraikan ini pengembangannya bermula dari penilaian akses terhadap Emergency Obstetric Care (EMOC) atau perawatan ibu yang sedang mengandung pada wilayah pedesaan di Indonesia dimana rata-rata pengukuran terhadap perjalanan telah gagal untuk menangkap variable-variabel yang komplek serta saling berinterasi dalam mengakses layanan perawatan tersebut [13]. Pada contoh ini dalam mengurangi tingginya tingkat kematian ibu yang melahirkan akan memerlukan suatu pemahaman yang ekstrem, meskipun hal ini sebenarnya merupakan hal yang jamak, dari kasus-kasus individual terhadap perjalanan para ibu-ibu yang biasanya berusia muda dan tergolong miskin.
117
Gambar berikut menunjukkan suatu hasil analisis waktu tempuh yang menggambarkan seberapa banyak waktu yang dibutuhkan (menit) untuk menuju salah satu dari lima (5) pusat kesehatan di Kabupaten Timor Tengah Selatan (wilayah tengah Timor Barat). Analisis ini berbasis pada penggunaan data tipe jalan, jenis vegetasi dan aliran air dalam membuat model akses terhadap pusat layanan perawatan kesehatan. Bagian latihan selanjutnya menggunakan beberapa data yang sama bagi Timor Barat dan fungsi dari analisis jarak-biaya pada SAGA GIS untuk menghasilkan waktu tempuh ini. Meski contoh yang akan ditampilkan akan berbasis pada scenario akses terhadap layanan kesehatan, tetapi metode yang sama juga dapat digunakan untuk menghitung keterpencilan dan aksesibilitas dalam hubungannya dengan respon terhadap bencana atau jika kita ingin menganalisis nilai biaya relatif dan efektifitas dalam pembangunan infrastruktur. Sebagai tambahan, meski titik yang ingin dituju (destination) pada contoh ini adalah klinik, tetapi titik lokasi ini dapat juga berupa sekolah, pasar, sumur atau segala bentuk dari infrastruktur atau layanan penting lainnya.
8.3 Alat Analisis Waktu Tempuh pada SAGA GIS Tujuan dari bagian ini adalah untuk menguraikan dan memperlihatkan sejumlah langkah dalam menggunakan 2 alat analisis waktu tempuh pada SAGA GIS. Dokumen ini akan memberikan uraian tahapan satu-per-satu dalam pemrosesan jalur menggunakan data contoh dari wilayah Timor Barat, Indonesia. Alat waktu tempuh pada SAGA GIS ini diciptakan untuk menggabungkan secara bersama dan melakukan automatisasi dalam sejumlah tahapan pemrosesan yang bertujuan untuk menyederhanakan pemodelan akses terhadap pelayanan. Tujuan dari alat ini adalah untuk menciptakan suatu cara melalui pengembangan terbuka (open source) yang sederhana dalam perhitungan waktu tempuh menuju tempat pelayanan untuk memfasilitasi percobaan yang cepat dari berbagai scenario perjalanan yang beragam. Alat ini hampir serupa dengan plugin AccessMod yang diciptakan oleh WHO (Nicolas, 2008) tetapi plugin ini akan hanya mampu dijalankan pada software SIG tertentu (ArcView). Sebagai tambahan, Tool Chains yang akan diuraikan disini akan menambahkan tingkat interaktif dalam proses pemodelan melalui analisis cepat dan tampilannya akan mengikuti dari modifikasi variable input yang digunakan. Hal ini akan memungkinkan untuk dilakukan permainan eksplorasi yang beragam. Dua alat telah diciptakan menggunakan proses Tool Chains pada SAGA GIS. Tool Chains pada SAGA memiliki kemampuan dalam penggunaan kode script xml yang sederhana sehingga memungkinkan untuk menggabungkan sejumlah proses yang beragam pada SAGA. Dua alat yang dihasilkan adalah (1) pembuatan grid tutupan lahan (land cover grid), dan (2) perhitungan waktu tempuh (travel time calculation), dimana alat yang
118
kedua ini akan membutuhkan output dari alat yang pertama. Dua alat analisis yang terpisah ini akan memungkinkan dalam pelaksanaan yang lebih mudah dan cepat untuk menguji berbagai scenario melalui alat pembuatan Grid Waktu Tempuh tanpa harus melakukan rekalkulasi terhadap grid tutupan lahan dasar pada setiap proses iterasi analisisnya. Flow chart bagaimana tahapan proses dan kaitan diantara kedua tool chains ini dapat terllihat sebagai berikut.
119
8.4 Pembuatan Grid Tutupan Lahan (Land Cover grid creation) Alat pembuatan grid tutupan lahan mengkombinasikan vegetasi, infrastruktur transportasi (jalan) dan data elevasi untuk menghasilkan suatu grid raster tutupan lahan termasuk didalamnya adalah sungai dan kali kecil. Grid tutupan lahan yang digunakan sebagai basis dalam perhitungan waktu tempuh pada setiap jenis tutupan lahan dialokasikan sebagai suatu nilai kecepatan perjalanan potensial. Pada contoh yang ditampilkan disini maka akan dilakukan tahap sebelum pemrosesan (pre-processed) terhadap data vegetasi dan jalan sebagai berikut : Data vegetasi dihasilkan dari citra Landsat 8 dan diklasifikasi kedalam 4 kelas utama: hutan, semak belukar, padang rumput dan tanah kosong. Sekumpulan data ini akan dihasilkan pada grid sel berukuran 50 meter dan menjadi system grid dasar dimana pembuatan data lainnya akan diresampling kedalam ukuran grid ini. Data jalan diperoleh dalam bentuk data vector dan dipasang atribut kedalam 3 kelas berdasarkan kualitas infrastruktur : Kelas 1 = jalan Nasional, Kelas 2 = jalan Provinsi, dan Kelas 3 = jalan Lokal. Data elevasi dihasilkan dari data digital elevation model (DEM) SRTM dan digunakan untuk menghasilkan data saluran air sungai. Data saluran air sungai diciptakan dalam tool chains alat pembuatan grid tutupan lahan dalam bentuk suatu lapisan (layer) raster orde Strahler (Strahler Order). Orde Strahler merupakan suatu pengukuran akumulasi pengaliran dalam suatu lanskap serta dalam perhitungan waktu tempuh ini digunakan sebagai model pembatas/halangan (barrier) dalam perjalanan berdasarkan scenario musiman yang berbeda. Lima kelas Strahler akan dihasilkan dalam analisis grid dimana kelas terbesar akan menjadi halangan yang bersifat permanen atau tidak dapat dilalui sepanjang tahun. Figure 1. Strahler order. Jendela input dalam alat pembuatan grid tutupan lahan yang dapat terlihat pada gambar berikut ini menggunakan beberapa input yaitu : 1. Timor_Barat_80m (DEM) 2. Veg (Vegetasi) 3. Jalan (Roads), dengan pemilihan kelas (class) sebagai attribut.
Grid yang dihasilkan sebagaimana yang ditampilkan pada gambar berikut masih dalam
120
bentuk warna-warna yang acak (random). Akan sangat membantu dalam mengintepretasikan output jika selanjutkan dilakukan pemilihan warna (re-colour) menggunakan skema warna yang lebih mendekati kebenaran secara intuisi.
Untuk mendapatkan warna yang lebih baik, klik kanan pada grid Land Cover (LC) dan pilih ‘Create Lookup Table’. Pilih “unique values” pada “classification Type”. Klik apply pada Tab Object Properties kemudian pilih Lookup Table pada Tipe Warna Sebagai langkah terakhir maka ubahlah warna pada lookup table untuk menghasilkan gambar grid tutupan lahan yang lebih mudah di-intepretasi sebagaimana ditampilkan pada gambar berikut.
8.5 Pembuatan Grid Waktu Tempuh Pembuatan alat grid waktu tempuh akan menunjukkan waktu yang dibutuhkan menuju suatu lokasi yang dituju (dalam satuan waktu menit) dan data ini akan direklasifikasi sebagai waktu tempuh atau zona-zone yang terpencil atau jauh. Pembuatan alat Grid Waktu Tempuh ini akan membutuhkan input dari Grid Tutupan Lahan, titik lokasi destinasi dalam bentuk data vector, serta dua tabel reklasifikasi. Data destinasi yang disediakan dalam bentuk data vector titik (point). Data ini dapat di-edit dan dipindahkan atau ditambahkan titik-titik baru setelah dijalankan pada model untuk menghasilkan skenario output baru berdasarkan pada perubahan penempatan lokasi pelayanan. Tabel reklasifikasi pertama (lihat pada tabel 1) memberikan nilai kecepatan perjalanan pada setiap kelas tutupan lahan yang dihitung sebagai jumlah detik yang dibutuhkan untuk berpindah melintasi 1 sel grid menggunakan rumus (Km/Jam x 180) dimana 180 merupakan jumlah detik yang dibutuhkan untuk berpindah sejauh 50 km pada kecepatan 1 km/jam. Pada kelas jalur-air (8-12) diberikan nilai yang paling tinggi (>99999) pada kelas tersebut sebagai penanda
121
rintangan (yang tidak dapat dilintasi) yang diakibatkan karena banjir. Nilai waktu tempuh ini dapat diubah setelah dijalankan pada model untuk menghasilkan scenario output yang baru berdasarkan pada kondisi perjalanan yang berbedabeda. Pada Tabel kedua mendefinisikan suatu look up table (LUT) dalam pewarnaan ulang grid yang dihasilkan pada zone-zone perjalanan (Tabel 2). Langkah ini hanyalah opsional atau dapat dilakukan maupun tidak dilakukan.
Tabel 1. ID
Kelas Tutupan
1 Hutan (Forest) 2 Rumput (Grass)
1 2
Waktu Tempuh (Detik) 180 90
3 Tanah Terbuka, Berbatu (Bare, Rocky)
3
60
0.75
240
101 Sungai Kelas 1
2
90
102 Sungai Kelas 2
2
90
103 Sungai Kelas 3
2
90
104 Sungai Kelas 4
2
90
105 Sungai Kelas 5
0
99999
201 Jalan Nasional (National Road/Hi-way)
50
3
202 Jalan Provinsi (Provincial Road) 203 Jalan Lokal (Local Road/Track)
25 10
7 18
4 Semak belukar (Scrub)
Tabel 2.
122
km/jam
Jendela input pada alat pembuatan Waktu Tempuh sebagaimana yang terlihat pada gambar berikut akan menggunakan beberapa input sebagai berikut : 1. Grid Tutupan Lahan yang dihasilkan dari alat pembuatan grid Tutupan Lahan 2. Destpoints sebagai Lokasi yang dituju (Destination Points) 3. LC_Speed (Tabel 1) 4. TT_Zones (Tabel 2)
Ouput pertama merupakan grid waktu tempuh yang menunjukkan jarak menuju lokasi destinasi dalam satuan waktu menit. Output kedua merupakan grid waktu tempuh yang direklasifikasikan kedalam zona-zona menggunakan tabel 2.
123
8.6 Pemodelan Interaktif (Interactive modelling) Alternatif lain dalam skenario waktu tempuh dapat secara cepat dilakukan pemodelannya melalui tiga cara, yaitu : (1) mengubah lokasi dan jumlah lokasi destinasi, (2) mengganti tabel kecepatan tempuh, dan (3) mengedit grid Tutupan Lahan. Untuk mengendit lokasi dan jumlah titik destinasi dapat dilakukan dengan memilih (select) lapisan data titik (point) pada tab data kemudian gunakan alat pointer untuk memilih suatu titik pada jendela peta (map window), klik kanan dan pilih Edit Selected Shape. Anda kemudian dapat memindahkan atau menghapus titik. Untuk menambahkan suatu titik, pada lapisan data titik pada tab data yang dipilih, kemudian klik kana pada jendala peta dan pilih “Add Shape” kemudian pilih lokasi pada peta dimana anda ingin untuk menambahkan suatu titik dan setelah itu klik Enter. Untuk mengubah nilai kecepatan perjalanan, klik kanan pada tabel kecepatan perjalanan pada tab data untuk membuka tabel kemudian ubahlah nilai pada kolom waktu perjalanan. Sebagai contoh, ketika kita menginginkan agar membuat seluruh nilai waktu perjalanan bagi kelas aliran air sungai menjadi sangat tinggi untuk membuat model perjalanan setelah terjadinya hujan lebat sehingga seluruh saluran sungai menjadi tidak dapat dilalui atau dengan meningkatkan semua waktu tempuh dengan berjalan kaki (tidak ada jalan/non-road) untuk mensimulasikan ketika seseorang sedang dibawa. Selain itu, secara langsung juga dapat dilakukan pengeditan pada grid Tutupan Lahan, sebagai contoh, dengan mengurangi kecepatan perjalanan pada bagian jalan yang diketahui mengalami kerusakan atau dengan menambahkan jalan baru atau jalur yang diketahui ada oleh para partisipan perencanaan, tetapi tidak dapat terlihat pada data yang digunakan dalam analisis awal. Untuk mengubah grid Tutupan Lahan gunakan “Change Values Interactive” yang dapat ditemukan pada menu Modules>Grid>Values>Change Values Interactive Pada contoh yang ditunjukkan pada gambar di sebelah kanan ini adalah nilai baru yang kita inginkan untuk “digambarkan” pada grid tutupan lahan yang diset menjadi 11 sehingga kita dapat menggambarkan suatu jalan local yang baru. Jika ingin menambahkan suatu pembatas/halangan bagi perjalanan, contohnya suatu area banjir, maka dapat diset dengan radius menjadi 1 atau lebih untuk membuat suatu garis yang lebih padat (solid). Dapat dicatat bahwa ketika menggambar pada grid perjalanan maka gerakkan kursor secara perlahan untuk menggambar suatu garis yang berdekatan. Sekarang gunakan tool kursor untuk menggambar secara perlahan untuk mengubah nilai grid sel yang baru pada grid tutupan lahan.
124
Setelah mengedit titik destinasi, tabel kecepatan perjalanan dan/atau grid tutupan lahan maka dimungkingkan untuk menjalankan kembali secara langsung Tool Waktu Tempuh untuk melihat output yang baru. Setelah setiap proses iterasi dari model, anda dapat menyimpan output yang dihasilkan sebagai grafik/gambar peta atau sebagai file SIG untuk kemudian akan dibandingkan dengan scenario lainnya.
125
9 Advanced concepts 9.1 Tool chains Tool Chains pada SAGA GIS menunjukkan kemampuan yang memungkinkan beberapa modul untuk bergabung bersama-sama untuk mengotomatisasi dan mempercepat urutan proses pengolahan data yang kompleks. Tool Chains mirip dengan Arcmap model builder (ataupun Graphic Modeller di Quantum GIS) namun bukannya grafis antarmuka pada SAGA menggunakan file xml untuk menggabungkan modul hasil pengolahan. Cara termudah untuk memulai membuat Tool Chains adalah dengan cara mengekspor file pengolahan History sebagai file xml kemudian mengedit di Notepad ++. Proses ini cukup mudah dan, seperti anda mendapatkan pemahaman untuk dapat membangun Tool Chains, Anda akan menemukan mereka sangat berguna. Tim SAGA telah menciptakan sejumlah Tool Chains yang dapat Anda gunakan untuk menyelidiki dan mendapatkan ide tentang bagaimana itu bekerja. Anda akan menemukan mereka di ‘modul \ toolchain \’ folder instalasi SAGA Anda. Saya telah membuat video tutorial singkat untuk membuat Tool Chains sederhana untuk pengolahan data elevasi. Silahkan mengunjungi link di bawah ini untuk memahami step by step membuat Tool Chains untuk menghasilkan grid interpolasi dengan metode Mesh Denoish dan Preprocessing. https://iradafmandaya.wordpress.com/2016/04/06/tool-chain/
126
9.2 Ordinary Krigging Secara umum Kriging merupakan suatu metode yang digunakan untuk menganalisis data geostatistik, yaitu untuk menginterpolasi suatu nilai kandungan relief berdasarkan data sampel. Metode ini digunakan untuk mengestimasi besarnya nilai karakteristik Z pada titik tidak tersampel berdasarkan informasi dari karakteristik titik – titik tersampel Z yang ada disekitarnya berdasarkan informasi dari karakteristik nilai Z tersampel yang berada disekitarnya dengan mempertimbangkan korelasi spasial yang ada pada data tersebut. Salah satu module dalam SAGA GIS yaitu Ordinary Kriging (Global) sangat bermanfaat untuk melakukan analisis geostatistik Kriging. Berikut langkah – langkahnya. Buka data Point (Shapefile). Data ini berupa titik koordinat yang diperoleh dari survey lapangan yang mempunyai nilai Koordinat X,Y dan Z (Elevasi).
Pilih Geoprocessing > Spatial And Geostatistics > Kriging > Ordinary Kriging (Global) Masukkan Point hasil survey dengan Attribute “Elevasi”. Akhiri perintah dengan Klik Okay.
Tunggu beberapa saat sampai proses selesai maka akan muncul pada map canvas grafik Variogram. Klik OK.
Saat ini pada Grid System terdapat hasil analisis Geostatistic data lapangan dengan metode Ordinary Kriging (Global).
127
Aktifkan grid dengan meng-klik double pada grid.
Pada kolom Properties, pilih Legend untuk melihat nilai elevasi hasil analisis geostatistic. Tampilkan visualisasi Analytical Hillshading dengan memilih Geoprocessing > Terrain Analysis > Lighting > Analytical Hillshading. Pilih Elevation Ordinary Kriging. Klik Okay.
Data Analytical Hillshading akan dipakai untuk menampilkan visualisasi yang lebih detail pada Terrain Map View. Selanjutnya Pilih Geoprocessing > Visualization > Grid > Terrain Map View. Pilih Data Object seperti gambar di bawah. Dengan memilih DEM : “Ele (Ordinary Kriging Global)” dan Shade : "Analytical Hillshading". Jika ingin menampilkan data kontur, pilih “Create”. Atur Equidistance (Interval) menjadi 5. Klik Okay.
Visualisasi Terrain yang disertai oleh garis kontur akan muncul pada Map Canvas seperti gambar di sebelah.
128
10 Penyelasaian masalah
10.1 Persoalan yang sering terjadi – Crash pada SAGA Penyebab: Random Access Memory (RAM) di laptop tidak mampu lagi mendukung processing SAGA Solusi: 1) Ketika melakukan proses save semua file yang merupakan hasil analisa, terutama file grid. Hasil analisa yang anda belum save berada di RAM belum disave ke harddrive. Gunakan 2) Milih data yang cocok untuk skala analisa (cth untuk peta skala pulau Bali DEM SRTM 90m lebih dari cukup, untuk skala desa menggunakan SRTM 30m) dan memotong data ke daerah yang dibutuhkan (clip grid interactive atau clip grid with polygon).
Ketika saya mau buka data tidak kelihatan Penyebab: Ketika klik tombol ‘Buka’ secara otomatis SAGA memilih mode “All Recognised Files” berarti file dalam bentuk yang SAGA mengenal (.sgrd, .shp) Solusi: ganti ke “All Recognised Files” ke “All Files”.
Tools/module ini di mana? Tidak kelihatan tools dalam menu yang disebut cth “Clip grid with polygon” Penyebab – Kesalahan dalam arahan atau versi SAGA yang berbeda Solusi – Gunakan module “Find and Run Tool”
129
Data baru tidak muncul Pastikan kamu berada di tabs DATA bukan MAPS
Data muncul di lokasi yang berbeda Apakah data berada dalam koordinat sistem yang sama? Mau samakan proyeksi lihat 6.2.
Tool Bar Map navigation menghilang Biasanya ada dua tool bar di menu bagian atas, window navigation tool bar dan map interaction tool bar:
Kadang-kadang Map interaction tool tidak kelihatan
130
Untuk perbaiki masalah ini, klik dan geser map navigation bar ke bawah lalu tempatkan kembali di atas. Biasanya map navigation tools akan muncul kembali.
Informasi tentang tools/algorithm dimana? Dimana saya bisa dapa informasi tentang gunanya tools, input yang dimasukkan, algorithm/methode yang digunakan dan output yang dihasilkan? Salah satu kelebihan SAGA adalah jika ada artikel jurnal tentang tools/method reference juga berada di sini.
131
10.2 Ada pertanyaan? Silakan kontak kelompok pengguna di Facebook Group - Remote Sensing & GIS with SAGA https://www.facebook.com/groups/208599582556485/ Website (Bahasa Indonesia): https://sagagisindonesia.wordpress.com/ Website (English): http://sagatutorials.wordpress.com/ Data di Google Drive https://drive.google.com/open?id=0B5W4P15UVvRuMTBnM3dxWWhYUDg
132
