IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 (OLI) DI KABUPATEN OGAN KOMERING ILIR PROVINSI SUMATERA SELATAN
SRI WAHYUNI
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2015
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA* Dengan ini saya menyatakan bahwa skripsi berjudul Identifikasi Karakteristik dan Pemetaan Tutupan Lahan Menggunakan Citra Landsat 8 (OLI) di Kabupaten Ogan Komering Ilir, Provinsi Sumatera Selatan adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Januari 2015 Sri Wahyuni NIM E14100003
ABSTRAK SRI WAHYUNI. Identifikasi Karakteristik dan Pemetaan Tutupan Lahan Menggunakan Citra Landsat 8 (OLI) di Kabupaten Ogan Komering Ilir, Provinsi Sumatera Selatan. Dibimbing oleh NINING PUSPANINGSIH. Citra landsat 8 khusus sensor Operational Land Imager (OLI) merupakan citra satelit terbaru yang mempunyai kemampuan untuk mengidentifikasi kelas tutupan lahan. Sensor OLI memiki resolusi spasial 30 meter x 30 meter dan resolusi spektral 8 band. Penelitian ini bertujuan untuk mengidentifikasi dan memetakan tutupan lahan yang berada di Kabupaten Ogan Komering Ilir dengan citra landsat 8 (OLI). Metode yang digunakan adalah interpretasi citra secara digital hasil pansharpening dengan klasifikasi terbimbing menggunakan metode maximum likelihood. Hasil perhitungan kombinasi band terbaik menggunakan OIF (Optimum Index Factor) adalah kombinasi band 7-5-4 digunakan untuk klasifikasi tutupan lahan. Hasil klasifikasi tutupan lahan di Kabupaten OKI diperoleh 14 kelas tutupan lahan yaitu badan air, pemukiman, sawah, rawa, semak belukar rawa, rumput rawa, lahan terbuka, tambak, perkebunan (perkebunan karet, perkebunan kelapa sawit, kebun campuran, semak), hutan mangrove, hutan tanaman akasia, awan dan bayangan awan. Hasil analisis akurasi memberikan ketelitian yang baik dengan nilai overall accuracy sebesar 87.83% dan kappa accuracy sebesar 87.83%. Kata kunci: klasifikasi terbimbing, kombinasi band, landsat 8 (OLI), tutupan lahan ABSTRACT SRI WAHYUNI. Characteristic Identification and Land Cover Mapping Using Landsat 8 (OLI) in Ogan Komering Ilir Regency, South Sumatera Province. Supervised by NINING PUSPANINGSIH. Landsat image sensor 8 special Operational Land Imager (OLI) is the newest satellite images that have the ability to identify land cover classes. OLI sensor have a spatial resolution 30 x 30 meters and spectral resolution 8 band. This research aimed to identify and map the land cover located in Ogan Komering Ilir Regency with the image of landsat 8 (OLI). A method of this research is an interpretation image digitally the results of pansharpening having a supervised classification uses the maximum likelihood method. The calculation on a combination of best band use OIF (Optimum Index Factor) was the combination band 7-5-4 used for the classification of land cover. The results of the classification of land cover in OKI Regency were obtained 14 classes of land cover i.e water body, residential area, rice fields, swamp, brushwood swamp, grassy swamp, open land, embankment, plantation (rubber, palm oil, mix garden, bushes), mangrove forest, acacia plantation forest, cloud, and shadows of cloud. The accuracy analysis results showed a good accuracy with overall accuracy value was 87.83% and kappa accuracy value was 87.83%. Key words: supervised classification, band combination, landsat 8 (OLI), land cover
IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 (OLI) DI KABUPATEN OKI PROVINSI SUMATERA SELATAN
SRI WAHYUNI
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Departemen Manajemen Hutan
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2015
PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga skripsi ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Agustus 2014 ini ialah penginderaan jauh menggunakan citra satelit, dengan judul Identifikasi Karakteristik dan Pemetaan Tutupan Lahan Menggunakan Citra Landsat 8 (OLI) di Kabupaten Ogan Komering Ilir, Provinsi Sumatera Selatan. Terima kasih penulis ucapkan kepada Ibu Dr Nining Puspaningsih, MSi selaku dosen pembimbing atas nasihat, bimbingan dan arahan serta kesabarannya dalam penyelesaian skripsi ini. Di samping itu, terima kasih juga disampaikan kepada Dinas Kehutanan Kabupaten OKI dan Badan Perencanaan Daerah Kabupaten OKI yang telah membantu selama pengumpulan data. Penghargaan terbesar penulis sampaikan kepada Ayah (Abunawas), Ibu (Nursidah), Adik (Novi Purnamasari dan Irmatika Triana) serta seluruh keluarga, atas segala doa dan kasih sayangnya. Tidak lupa penulis ucapkan terima kasih pula untuk Bapak Uus Saepul beserta keluarga besar Laboratorium SIG dan Remote Sensing atas semua ilmu, bantuan, dan motivasi yang telah diberikan. Kepada sahabat dan temanteman Manajemen Hutan 47 atas semangat dan bantuannya, serta semua pihak atas segala doa dan kasih sayangnya. Semoga karya ilmiah ini bermanfaat.
Bogor, Januari 2015 Sri Wahyuni
DAFTAR ISI DAFTAR TABEL
ii
DAFTAR GAMBAR
ii
DAFTAR LAMPIRAN
ii
PENDAHULUAN
1
Latar belakang
1
Tujuan Penelitian
1
Manfaat Penelitian
2
METODE PENELITIAN
2
Waktu dan Tempat Penelitian
2
Alat dan Data
3
Metode Penelitian
3
HASIL DAN PEMBAHASAN
9
Kombinasi Band Terbaik
9
Karakteristik Tutupan Lahan Secara Visual Citra
12
Karakteristik Tutupan Lahan di Lapangan
15
Klasifikasi Tutupan Lahan Secara Digital
18
Tingkat Akurasi
23
SIMPULAN DAN SARAN
25
Simpulan
25
Saran
25
DAFTAR PUSTAKA
25
LAMPIRAN
27
RIWAYAT HIDUP
29
DAFTAR TABEL 1 Karakteristik band citra Landsat 8 2 Kriteria separabilitas transformed divergence 3 Contoh perhitungan akurasi 4 Saluran band dan kegunaannya 5 Nilai kombinasi OIF (Optimum Index Factor) hasil pansharpening citra landsat 8 (OLI) tahun 2014 6 Karakteristik 14 tutupan lahan tahun 2014 band 7-5-4 7 Jenis tutupan lahan yang ditemukan di lapangan 8 Karakteristik tutupan lahan hasil di lapangan tahun 2014 9 Hasil re-group 14 kelas tutupan lahan 10 Nilai separabilitas 14 tutupan lahan 11 Luas klasifikasi tutupan lahan di 15 kecamatan Kabupaten OKI tahun 2014 12 Matriks kontingensi hasil klasifikasi 14 kelas tutupan lahan
4 7 8 9 11 13 16 16 20 20 22 24
DAFTAR GAMBAR 1 Peta lokasi penelitian di Kabupaten OKI tahun 2014 2 Hasil tanpa pansharpening (a) dan pansharpening (b) citra landsat 8 (OLI) tahun 2014 di Kabupaten OKI 3 Kombinasi band 8-6-1 dan 7-5-4 (RGB) citra lansat 8 (OLI) tahun 2014 4 Sebaran titik pengamatan di Kabupaten OKI tahun 2014 5 Peta layout klasifikasi tutupan lahan di OKI tahun 2014
3 10 12 18 22
DAFTAR LAMPIRAN 1 Nilai separabilitas 24 kelas tutupan lahan di Kabupaten OKI 2 Nilai separabilitas 17 kelas tutupan lahan di Kabupaten OKI
27 28
PENDAHULUAN Latar belakang Penutupan lahan didefinisikan sebagai penyebutan kenampakan biofisik di permukaan bumi yang terdiri dari areal vegetasi, lahan terbuka, lahan terbangun, tubuh air dan lahan basah (Lillesand et al. 1990). Salah satu kegiatan yang dilakukan untuk pendataan penutupan lahan adalah kegiatan inventarisasi tutupan lahan. Inventarisasi tutupan lahan merupakan salah satu aplikasi dalam inderaja dan GIS yang digunakan untuk melakukan pendataan jenis tutupan lahan dalam cakupan wilayah kajian. Informasi mengenai jenis-jenis tutupan lahan dapat diperoleh dari kegiatan inventarisasi data tutupan lahan melalui kegiatan ground check atau pengambilan data kondisi tutupan lahan di lapangan, menggunakan teknologi penginderaan jauh dan kombinasi pengamatan terestis dan pengideraan jauh. Kabupaten Ogan Komering Ilir (OKI), Provinsi Sumatera Selatan merupakan wilayah kabupaten yang ada di Pulau Sumatera dengan luas sebesar 1.9 juta ha lebih luas daripada wilayah kabupaten di Pulau Jawa. Kegiatan inventarisasi tutupan lahan di Kabupaten OKI memerlukan waktu yang lama dan biaya yang tinggi karena aksesibilitas yang sulit. Teknologi penginderaan jauh sangat dibutuhkan untuk dapat mengidentifikasi jenis penutupan lahan secara cepat, akurat, efisien dan meliputi cakupan yang cukup luas dengan biaya yang relatif murah. Penginderaan jauh adalah ilmu untuk memperoleh informasi fenomena alam pada objek (permukaan bumi) yang diperoleh tanpa kontak langsung dengan objek permukaan bumi melalui pengukuran pantulan (reflection) ataupun pancaran (emission) oleh media gelombang elektromagnetik (Suwargana 2013). Menurut Jaya (2010) Penginderaan jarak jauh, khususnya satellite remote sensing dengan citra landsat merupakan sarana yang banyak digunakan untuk kegiatan pemetaan. Salah satu bentuk pemetaan yang dilakukan adalah pemetaan tutupan lahan. Jenis-jenis tutupan lahan dapat diidentifikasi dari kenampakan suatu citra satelit. Salah satu citra yang dapat digunakan adalah citra landsat 8 (OLI). Nasa meluncurkan satelit Landsat Data Continuity Mission (LDCM) pada tanggal 11 Februari 2013 yang dikenal dengan Landsat 8. Landsat 8 terdiri dari dua sensor yaitu sensor Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS) dengan 9 band sensor OLI dan 2 band sensor TIRS (USGS 2014). Jumlah band yang ada pada Landsat 8 diharapkan dapat meningkatkan kemampuan citra dalam mengidentifikasi citra tutupan lahan yang ada di Kabupaten OKI, Provinsi Sumatera Selatan.
Tujuan Penelitian Tujuan dari penelitian ini adalah: 1. Menghitung dan mencari kombinasi band terbaik Landsat 8 (OLI). 2. Melakukan identifikasi karakteristik tutupan lahan pada Citra Landsat 8 (OLI) di Kabupaten Ogan Komering Ilir.
2 3. Melakukan pemetaan tutupan lahan di Kabupaten Ogan Komering Ilir menggunakan Citra Landsat 8 (OLI).
Manfaat Penelitian Hasil penelitian ini diharapkan dapat memberikan informasi terbaru mengenai tutupan lahan yang ada di Kabupaten Ogan Komering Ilir (OKI), Provinsi Sumatera Selatan.
METODE PENELITIAN Waktu dan Tempat Penelitian Penelitian ini dilakukan di Kabupaten OKI (Ogan Komering Ilir), Provinsi Sumatera Selatan. Secara geografis wilayah Kabupaten OKI terletak di bagian Timur Provinsi Sumatera Selatan tepatnya antara 104˚20’-106˚00’ Bujur Timur dan 2˚30’-4˚15’ Lintang Selatan. Kabupaten OKI terdiri dari 18 kecamatan yang terdiri dari kecamatan Kayuagung, Jejawi, Pedamaran, Pedamaran Timur, Lempuing, Lempuing Jaya, Mesuji, Mesuji Raya, Mesuji Makmur, Sungai Menang, Cengal, Tanjung Lubuk, Pampangan, Pangkalan Lampam, Tulung Selapan dan Air sugihan. Total luasan Kabupaten OKI mencapai 19 023.47 km2 dengan kepadatan penduduk sekitar 39 juta jiwa per km2. Penduduk yang berada di Kabupaten OKI mempunyai mata pencaharian yang beragam diantaranya Pegawai Negeri Sipil, wirausaha, pengrajin dan pekerjaan usaha kecil lainnya (BAPPEDA OKI 2012). Secara fisiografi, dataran di Kabupaten OKI dibedakan menjadi dataran lahan basah dengan topografi rendah (lowland) dan dataran lahan kering yang dengan topografi lebih tinggi (upland). Namun demikian, pada umumnya merupakan dataran rendah dengan ketinggian rata-rata 0-10 meter dari permukaan laut. Wilayahnya cenderung mendatar sampai miring landai dengan kemiringan antara 0-2º (BAPPEDA OKI 2012). Lokasi penelitian terdiri dari 15 kecamatan yang ada di Kabupaten OKI, dapat dilihat pada Gambar 1. Pengambilan data lapangan dilakukan bulan Agustus sampai dengan September 2014. Pengolahan data dilakukan pada bulan September sampai November 2014 di Laboratorium Remote Sensing Departemen Manajeman Hutan, Fakulas Kehutanan IPB.
3
Gambar 1 Peta lokasi penelitian di Kabupaten OKI tahun 2014 Alat dan Data Alat yang digunakan dalam penelitian ini terdiri dari alat tulis, GPS (Global Positioning System) untuk pengambilan titik koordinat di lapang, kamera digital untuk dokumentasi lapang, Suunto tandem untuk menentukan arah dan kelerengan, tally sheet, dan laptop yang dilengkapi dengan program software Erdas Imagine 9.1, ArcGis 9.3 dan Microsoft office (Ms. Word, Ms. Excel). Data yang digunakan dalam penelitian ini meliputi data primer dan data sekunder. Data primer merupakan data yang diperoleh langsung dari hasil pengambilan lapangan berupa ground check dan pengamatan tutupan lahan di lokasi penelitian. Data sekunder yang digunakan adalah Citra Satelit Landsat 8 dengan sensor (OLI) path/row 123/62, 123/63, 124/62, dan 124/63 perekaman tahun 2014 serta, peta batas administrasi Kabupaten OKI dan Peta jaringan jalan Kabupaten OKI.
Metode Penelitian a. Persiapan Persiapan dilakukan dengan studi pustaka tentang penelitian dan pengumpulan data sekunder. Data sekunder yang diperoleh berupa data Citra landsat 8 (OLI), peta administrasi, peta jaringan jalan Kabupaten OKI.
4 b. Pra-Pengolahan Citra Pra-pengolahan citra merupakan tahap awal sebelum melakukan pengolahan citra. Tahapan pra-pengolahan citra meliputi perubahan format, pansharpening, mozaik citra, pemotongan citra, registrasi dan perhitungan OIF (Optimum Index Factor). 1.
Perubahan Format Citra satelit landsat 8 (OLI) yang telah di unduh memiliki format data dalam bentuk GeoTiff/ .TIFF, sehingga perlu dilakukan perubahan format ke dalam bentuk Image/ .img. Proses pengubahan format ini menggunakan software Erdas Imagine 9.1. 2. Pansharpening Pansharpening merupakan salah satu cara yang digunakan untuk mempertajam kenampakan objek pada citra dalam melakukan analisis visual. Penajaman objek ini dilakukan dengan menggabungkan citra multiband (1,2,3,4,5,6,7 dan 9) yang memiliki resolusi 30 meter x 30 meter dan band pankromatik (band 8) yang memiliki resolusi spasial 15 meter x 15 meter. Karakteristik band landsat 8 dapat dilihat pada Tabel 1. Proses penggabungan ini menghasilkan citra yang memiliki banyak warna dengan resolusi spasial yang lebih tinggi yaitu 15 meter x 15 meter. Metode penggabungan citra yang digunakan adalah metode Brovey Transform atau Transformasi Brovey. Metode ini merupakan metode yang paling populer untuk memadukan dua macam citra yang berbeda resolusi spasial (Danoedoro 2012). Metode Brovey Tranform dapat diketahui dengan rumus: Saluran_MP = Saluran_HP = Saluran_BP = Keterangan : M = saluran merah B = saluran biru H = saluran hijau P = saluran pankromatik
Tabel 1 Karakteristik band citra Landsat 8 Saluran Panjang gelombang (µm) Resolusi spasial (m) 1 Coastal blue 0.43 - 0.45 µm 30 m 2 Blue 0.45 - 0.51 µm 30 m 3 Green 0.53 - 0.59 µm 30 m 4 Red 0.64 - 0.67 µm 30 m 5 NIR 0.85 - 0.88 µm 30 m
5 Saluran 6 SWIR 1 7 SWIR 2 8 PANKROMATIK 9 Cirrus 10 TIRS 1 11 TIRS 2
Tabel 1 Lanjutan Panjang gelombang (µm) 1.57 - 1.65 µm 2.11 - 2.29 µm 0.50 - 0.68 µm 1.36 - 1.38 µm 10.6 - 11.19 µm 11.5 - 12.51 µm
Resolusi spasial (m) 30 m 30 m 15 m 30 m 100 m 100 m
Sumber : USGS (2014)
3.
Mozaik Citra Mozaik citra merupakan proses menggabungkan beberapa citra yang kohesif (Jaya 2010). Lokasi penelitian terdiri atas beberapa scene pada citra landsat 8 dengan path/row 123/62, 123/63, 124/62, 124/63 sehingga perlu digabungkan menjadi satu scene untuk pengolahan selanjutnya. 4.
Registrasi citra Registrasi bertujuan untuk penyamaan posisi citra yang satu dengan yang lainnya. Pada penelitian ini registrasi yang digunakan adalah penyamaan posisi citra hasil mozaik dengan Peta Dasar Tematik Kehutanan (PDTK) tahun 2010 dan penyamaan garis pantai dari setiap citra. 5.
Perhitungan OIF (Optimum Index Factor) Perhitungan OIF ini bertujuan memilih kombinasi band terbaik untuk mengetahui gambaran awal dalam mengidentifikasi pola sebaran penutupan lahan. Menurut Jaya (2010), kombinasi OIF merupakan ukuran banyaknya informasi yang dimuat pada suatu citra komposit. Nilai OIF ini dapat diperoleh dengan rumus: S S j Sk OIFijk i rij rjk rik Dimana Si, Sj dan Sk adalah simpangan baku dari band ke-i, j dan k, sedangkan rij, rjk dan rik adalah koefisien korelasi antar bandnya (Jaya 2010). Pemilihan kombinasi band terbaik tidak hanya dilihat dari nilai perhitungan OIF, melainkan juga dari kenampakan visual yang terlihat pada citra hasil mozaik. 6.
Pemotongan Citra (Cropping) Pemotongan citra (cropping) dilakukan untuk mengetahui lokasi penelitian yang diamati sesuai dengan batas administrasi Kabupaten Ogan Komering Ilir. Pemotongan citra dilakukan dengan menggunakan software Erdas Imagine 9.1 dan Arc.Gis 9.3. c. Identifikasi Karakteristik Tutupan Lahan Identifikasi merupakan proses pengenalan terhadap suatu objek tertentu sesuai dengan karakteristik tertentu, sedangkan karakteristik merupakan ciri-ciri yang melekat pada suatu objek tertentu. Tutupan lahan adalah kenampakan yang ada di permukaan bumi pada suatu lahan tertentu. Identifikasi karakteristik
6 tutupan lahan dapat diartikan sebagai proses pengenalan suatu objek tutupan lahan dengan ciri-ciri tertentu. Ciri-ciri objek yang menjadi tutupan lahan pada penelitian ini dapat dilihat dari pengenalan pola spektral. Menurut Purwadhi (2001), pengenalan pola spektral (spectral pattern recognation) adalah mengevaluasi informasi objek berdasarkan ciri spektral yang disajikan oleh citra penginderaan jauh. Karakteristik (ciri) spektral (spectral signature) dalam penginderaan jauh adalah karakteristik setiap objek dalam menyerap dan memantulkan tenaga yang diterima. d. Interpretasi Visual Citra Interpretasi visual citra ini dilakukan untuk mengidentifikasi tutupan lahan yang terlihat pada citra sebelum melakukan pengamatan lapangan. Identifikasi citra dilakukan berdasarkan unsur-unsur karakteristik citra yaitu rona/warna, bentuk, tekstur, pola, bayangan, ukuran, asosiasi, dan situs. Interpretasi visual dilakukan pada citra hardcopy ataupun citra yang tertayang pada monitor komputer (Somantri 2008). Interpretasi ini dilakukan untuk mendapatkan gambaran secara umum kondisi dan jumlah tutupan lahan yang ada di Kabupaten OKI, interptretasi citra secara visual dilakukan pada citra dengan komposit warna terbaik hasil perhitungan OIF. e. Pengamatan Data Lapangan (Ground Check) Kegiatan pengamatan di lapangan dilakukan dengan menggunakan metode purposive sampling pada setiap kelas tutupan lahan. Penentuan koordinat titik pengamatan sesuai dengan objek tutupan lahan yang ada disertai dengan pengamatan objek dan foto kenampakan tutupan lahan pada kondisi sebenarnya di lapangan. Selain itu, kondisi topografi dan kemudahan aksesibilitas juga mendukung untuk pengambilan koordinat titik. Koordinat titik yang diambil di lapangan sebanyak 124 titik. Pengamatan lapang ini bertujuan untuk mencocokan tutupan lahan yang telah diinterpretasi pada citra secara visual dengan kondisi tutupan lahan sebenarnya di lapangan. Pengambilan koordinat titik data lapangan ini menggunakan alat bantu GPS (Geographic Positioning System). f. Analisis Citra Digital Analisis citra digital merupakan suatu proses penyusunan, pengurutan, atau pengelompokan suatu piksel citra digital multispektral ke dalam beberapa kelas berdasarkan kategori objek. Analisis citra digital yang digunakan pada penelitian ini adalah klasifikasi terbimbing (supervised). Klasifikasi terbimbing (supervised) merupakan metode yang diperlukan untuk mentransformasikan data citra multispektral ke dalam kelas-kelas unsur spasial (Prahasta 2008). Setiap piksel yang berada pada satu kelas diasumsikan berkarakteristik sama, sehingga dilakukan pemilihan area contoh untuk mengelompokkan objek secara terpisah. Tahapan analisis citra digital, yaitu: 1. Penentuan Area Contoh (Training Area) Penentuan area contoh dilakukan berdasarkan data yang diperoleh dari hasil interpretasi citra secara visual, peta rupa bumi dan pengambilan titik objek di
7 lapangan. Pengambilan titik objek di lapangan harus mewakili satu kelas atau kategori tutupan lahan. Titik yang menjadi area contoh (training area) diambil ke dalam beberapa piksel dari setiap kelas tutupan lahannya dan ditentukan lokasinya pada citra komposit untuk menganalisis informasi statistik yang diperoleh dari lapang. Training area (area contoh) diperlukan pada setiap kelas yang akan dibuat, dan diambil dari areal yang cukup homogen. Secara teoritis jumlah piksel yang harus diambil per kelas adalah sebanyak jumlah band yang digunakan plus satu (N+1). Akan tetapi pada prakteknya, jumlah piksel yang harus diambil dari setiap kelas biasanya 10 sampai 100 kali jumlah band yang digunakan (10N~100N) (Jaya 2010). 2. Analisis Separabilitas Analisis separabilitas adalah analisis kuantitatif yang memberikan informasi mengenai evaluasi keterpisahan area contoh (training area) dari setiap kelas, apakah suatu kelas layak digabung atau tidak dan juga kombinasi band terbaik untuk klasifikasi. Metode yang digunakan pada penelitian ini yaitu metode Transformed Divergence (TD), metode ini digunakan untuk mengukur tingkat keterpisahan antar kelas. TD akan berkisar antara 0 sampai dengan 2000. Semakin kecil nilai, semakin jelek separabilitasnya. Nilai nol sama dengan tidak bisa dipisahkan, sedangkan nilai maksimum menunjukkan keterpisahan yang sangat baik (excellent) (Jaya 2009). Kriteria separabilitas Tranformed Divergence dapat dilihat pada Tabel 2. Nilai TD dapat diketahui dengan rumus:
Keterangan: TDij = seprabilitas antara kelas i dan kelas j Exp = -2.719 i dan j = Dua penciri kelas yang digabung Tabel 2 Kriteria separabilitas transformed divergence Nilai transformed divergence Deskripsi 2000 Sangat baik (excellent) 1900 - <2000 Baik (good) 1800 - <1900 Cukup (fair) 1600 - <1800 Kurang (poor) <1600 Tidak terpisahkan (Inseparable) Sumber : Analisis Citra Digital, Jaya 2009.
3. Klasifikasi Tutupan Lahan Analisis citra digital yang digunakan pada penelitian ini adalah klasifikasi terbimbing (supervised). Klasifikasi terbimbing (supervised) merupakan metode yang diperlukan untuk mentransformasikan data citra multi-spektral ke dalam kelas-kelas unsur spasial (Prahasta 2008). Metode yang digunakan dalam penelitian ini menggunakan metode peluang maksimum (maximum likelihood classifier). Metode maksimum likelihood mempertimbangkan nilai rata-rata dan keragaman antarkelas dan saluran (kovariansi) (Lillesand et al. 1990). Nilai pada metode maksimum likelihood didasarkan pada nilai piksel sama dan identik pada citra.
8
4. Uji Akurasi Uji akurasi digunakan untuk mengevaluasi ketelitian atau kesalahan dari klasifikasi tutupan lahan yang telah ditentukan berdasarkan training area. Akurasi ini dianalisis dengan menggunakan suatu matriks kontingensi atau matriks kesalahan (confusion matrix) yang ada pada Tabel 3. Tabel 3 Contoh perhitungan akurasi Di klasifikasi ke kelas Jumlah
Data referensi A B C D Jumlah User’s Accuracy
A X11 X21 X31 X41 X+1 X11/X+1
B X12 X22 X32 X42 X+2 X22/X+2
C X13 X23 X33 X43 X+3 X33/X+3
D X14 X24 X34 X44 X+4 X44/X+4
Producer’s accuracy
X1+ X2+ X3+ X4+ N
X11/X1+ X22/X2+ X33/X3+ X44/X4+
Sumber : Analisis Citra Digital, Jaya 2010.
Berdasarkan Tabel 3, akurasi yang bisa dihitung terdiri dari akurasi pembuat (producer’s accuracy), akurasi pengguna (user’s accuracy), dan akurasi keseluruhan (overall accuracy). Secara matematis rumus dari akurasi di atas dapat dinyatakan sebagai berikut : Akurasi pengguna = Akurasi pembuat = Akurasi keseluruhan = Keterangan: Xii = nilai diagonal dari matrik kontingensi baris ke-i dan kolom ke-i X+i = jumlah piksel dalam kolom ke-i X i+ = jumlah piksel dalam baris ke-i N = banyaknya piksel dalam contoh Menurut Jaya (2010), saat ini akurasi yang dianjurkan adalah akurasi kappa (kappa accuracy), karena overral accuracy secara umum masih over estimate. Akurasi kappa ini sering juga disebut dengan indeks kappa. Secara matematis akurasi kappa disajikan sebagai berikut: Kappa accuracy = Keterangan: N = banyaknya piksel dalam contoh Xii = nilai diagonal dari matriks kontingensi baris ke-i dan kolom ke-i Xi+ = jumlah piksel dalam baris ke-i X+i = jumlah piksel dalam kolom ke-i
9
HASIL DAN PEMBAHASAN Kombinasi Band Terbaik Citra landsat 8 merupakan satelit dengan misi kelanjutan dari citra landsat 7 dengan spesifikasi band yang baru maupun dari rentang spektrum panjang gelombang elektromagnetik yang ditangkap oleh sensor. Jumlah saluran band yang ada di landsat 8 lebih banyak dibanding dengan landsat 7 dengan fungsi yang berbeda. Citra landsat 8 memiliki jumlah saluran band sebanyak 11 buah. Kegunaan dari 11 saluran band pada citra landsat 8 disajikan pada Tabel 4. Tabel 4 Saluran band dan kegunaannya Band 1 2
3 4 5 6
7
8 9 10 11
Panjang gelombang (µm) 0.43 - 0.45 0.45 - 0.5
Deskripsi
Kegunaan
Coastal blue Blue
Mendeteksi wilayah pesisir. Penetrasi tubuh air, sehingga bermanfaat untuk pemetaan perairan pantai. Selain itu berguna untuk membedakan antara tanah dengan vegetasi, tumbuhan berdaun lebar dan konifer. Green Mengukur puncak pantulan hijau 0.53 - 0.59 bagi vegetasi. Red Saluran absorpsi klorofil yang 0.64 - 0.67 penting untuk deskriminasi vegetasi. Near Infrared Menentukan kandungan biomassa 0.85 - 0.88 (NIR) dan untuk dilineasi tubuh air. SWIR 1 Menunjukkan kandungan 1.57 - 1.65 kelembaban vegetasi dan kelembaban tanah. Saluran yang diseleksi karena 2.11 - 2.29 SWIR 2 potensinya untuk membedakan formasi batuan dan untuk pemetaan hidrotermal. Pankromatik untuk mempertajam 0.50 - 0.68 PAN kenampakan objek pada citra. Mendeteksi awan halus. 1.36 - 1.38 Cirrus 10.6 - 11.19 Thermal Infrared (TIRS) 1 Memberikan keakuratan suhu permukaan. Thermal Infrared 11.5 - 12.51 (TIRS) 2
Sumber : USGS (2014)
Kenampakan visual pada citra yang baik adalah kenampakan citra komposit yang sesuai dengan objek yang sebenarnya di lapangan. Menurut Danoedoro (2012), kenampakan objek berbeda satu sama lain karena adanya perbedaan
10 interval nilai piksel yang mempresentasikannya dan adanya perbedaan kesan pola spasial yang dihasilkannya. Oleh karena itu perubahan yang terjadi pada pola spasial atau nilai piksel akan menghasilkan perubahan kenampakan citra tersebut. Perubahan kenampakan pada citra dapat diperbaiki dengan metode perbaikan spasial. Perbaikan spasial (spatial enhancement) atau penajaman spasial merupakan perbaikan dengan memperbaiki nilai piksel berdasarkan nilai piksel itu sendiri dan piksel yang ada disekitarnya (Jaya 2009). Penajaman citra yang digunakan adalah pansharpening. Pansharpening merupakan perbaikan dengan penajaman citra yang mengkombinasikan resolusi band yang tinggi (pankromatik) sebagai acuan dan band multispektal dalam aspek warna (visualisasi dalam warna merah, hijau dan biru). Penajaman yang dilakukan dengan menggunakan metode Transformasi Brovey (Brovey Transform). Metode ini paling populer digunakan untuk memadukan dua macam citra yang berbeda resolusi spasial. Transformasi Brovey mengubah nilai spektral asli pada setiap saluran multispektral yang masing-masing diperinci secara spasial oleh citra pankromatik dan normalisasi nilai kecerahaannya dengan mempertimbangkan nilai-nilai pada saluran lainnya (Danoedoro 2012). Perbedaan hasil pansharpening dan tidak menggunakan pansharpening dapat dilihat pada Gambar 2.
(a)
(b)
Gambar 2 Hasil tanpa pansharpening (a) dan dengan pansharpening (b) citra landsat 8 (OLI) tahun 2014 di Kabupaten OKI Pemilihan citra komposit multiband dapat dilakukan dengan melakukan metode perhitungan OIF (Optimum Index Factor). Menurut Sutanto (2011), salah satu metode untuk penajaman citra digunakan metode Faktor Indeks Optimum (OIF/Optimum Index Factor) yaitu untuk mendapatkan nilai statistik yang dapat digunakan dalam memilih kombinasi optimal dari tiga kanal pada citra satelit melalui komposit warna. Perhitungan nilai OIF dilakukan untuk menghasilkan kombinasi band terbaik dalam melakukan interpretasi, sehingga diharapkan dapat menghasilkan variasi informasi yang sesuai dengan kenampakan yang terlihat pada citra. Nilai kombinasi OIF disajikan pada Tabel 5.
11 Tabel 5 Nilai kombinasi OIF (Optimum Index Factor) hasil pansharpening citra landsat 8 (OLI) tahun 2014 No Kombinasi OIF No Kombinasi OIF 1 8-6-1 6880 29 8-7-5 853 2 8-7-1 6229 30 8-7-3 850 3 5-2-1 2482 31 8-5-4 837 4 8-5-1 2477 32 8-5-2 827 5 6-2-1 2464 33 6-5-2 819 6 8-4-1 2439 34 8-5-3 809 7 6-4-1 2400 35 6-54 809 8 5-3-1 2391 36 6-5-3 801 9 5-4-1 2387 37 5-4-2 779 10 6-3-1 2374 38 5-3-2 776 11 8-2-1 2299 39 5-4-3 761 12 8-3-1 2248 40 6-4-2 761 13 7-2-1 2149 41 6-3-2 754 14 7-4-1 2129 42 7-5-2 745 15 7-3-1 2075 43 6-4-3 743 16 6-5-1 2070 44 7-5-4 740 17 7-6-1 1968 45 7-6-2 739 18 7-5-1 1883 46 7-6-4 737 19 3-2-1 1840 47 7-5-3 729 20 4-2-1 1836 48 7-6-3 722 21 4-3-1 1775 49 8-4-2 694 22 8-7-6 1138 50 7-4-2 686 23 8-6-4 1019 51 7-6-5 685 24 8-6-2 1001 52 8-4-3 679 25 8-6-3 973 53 7-3-2 676 26 8-6-5 952 54 8-3-2 672 27 8-7-4 900 55 7-4-3 670 28 8-7-2 874 56 4-3-2 626 Keterangan:
= Kombinasi nilai OIF terpilih
Hasil perhitungan OIF pada Tabel 5 menunjukkan nilai OIF terbesar dari seluruh kombinasi band adalah kombinasi dari band 8-6-1 dengan nilai 6 880. Kombinasi band ini merupakan kombinasi band 9 (cirrus pada saluran band 8), band 6 (SWIR 1) dan band 1 (coastal blue). Hasil kenampakan secara visual yang ditampilkan dari kombinasi band 8-6-1 ini kurang baik dan memuat informasi yang sedikit, sehingga kombinasi band ini tidak dipilih. Jika dilihat dari kenampakan visual melalui citra satelit, diperoleh nilai kombinasi band yaitu 7-54 sebesar 740 yang memiliki variasi informasi yang lebih banyak dibandingkan dengan kombinasi band 8-6-1. Kombinasi band 7-5-4 merupakan gabungan dari band 7 (SWIR-2), band 5 (NIR) dan band 4 (red). Kombinasi band ini dapat dipilih karena hasil kenampakan secara visual citra lebih mendekati warna alam dan informasi kenampakan tutupan lahan yang ada cukup banyak. Menurut Paraditya dan Purwanto (2012), saluran band asli 4-5-7 untuk mengidentifikasi
12 batuan, bentuk lahan dengan menggunakan pendekatan relief, pola aliran dan vegetasi. Hasil visualisasi gambar dari kombinasi 8-6-1 dan 7-5-4 dapat dilihat pada Gambar 3.
(a)
(b)
Gambar 3 Kombinasi band 8-6-1 dan 7-5-4 (RGB) citra lansat 8 (OLI) tahun 2014 Karakteristik Tutupan Lahan Secara Visual Citra Pengenalan objek atau interpretasi data penginderaan jauh pada dasarnya untuk mengetahui karakteristik spektral objek. Namun, ada beberapa jenis benda yang berbeda tetapi mempunyai karakteristik spektral sama atau serupa sehingga menyulitkan dalam pengenalannya, sehingga dilakukan pengenalan objek dengan menggunakan karakteristik yang lain dengan melihat karakteristik spasialnya (keruangan). Karakteristik spasial dalam interpretasi citra digital dikenal dengan pengenalan pola dalam klasifikasi dengan pendekatan tekstur (Purwadhi 2001). Menurut Baplan (2008), dalam interpretasi citra, untuk mengenali suatu objek diperlukan alat bantu dengan menggunakan 8 unsur interpretasi citra yaitu rona atau warna, tekstur, bentuk, pola, ukuran, bayangan, asosiasi, dan situs. Identifikasi karakteristik tutupan lahan pada penelitian ini dilakukan dengan melihat kenampakan objek dalam berdasarkan ciri-ciri terhadap gambar citra dan keadaan tutupan lahan di lapangan. Interpretasi adalah menyampaikan informasi yang dilihat tentang suatu objek yang dilihat kepada informan. Menurut Purwadhi (2001), interpretasi atau penafsiran citra penginderaan jauh (fotografik atau non-fotografik) merupakan perbuatan mengkaji citra dengan maksud untuk mengidentifikasi objek yang tergambar dalam citra, dan menilai arti penting objek tersebut. Interpretasi merupakan proses penerjemahan data dan informasi tentang suatu objek, daerah atau fenomena pada suatu wilayah yang di teliti. Interpretasi secara visual citra dengan melihat 8 unsur interpretasi melalui komputer. Interpretasi visual citra yang dilakukan dengan melihat kenampakan tutupan lahan pada pada komputer dan secara langsung di lapangan. Proses penerjemahan data dan informasi suatu objek juga tergantung pada pola spektral yang dihasilkan oleh citra. Hal ini berarti nilai reflektansi yang dimiliki oleh citra berbeda-beda tergantung dari tingkat kecerahannya. Karakteristik kelas tutupan lahan secara visual pada citra dan hasil di lapangan dapat dilihat dapat Tabel 6.
13 Tabel 6 Karakteristik 14 tutupan lahan tahun 2014 band 7-5-4 Tutupan lahan Gambar pada citra Gambar di lapangan Pemukiman
Badan air
Sawah
Rawa
Semak belukar rawa
Rumput rawa
14 Tutupan lahan Pertanian lahan kering
Tabel 6 Lanjutan Gambar pada citra
Gambar di lapangan
Hutan tanaman akasia
Perkebunan karet/ perkebunan kelapa sawit/semak/kebun campuran
a. Perkebunan karet
a. Perkebunan karet
b. Perkebunan kelapa sawit
b. Perkebunan kelapa sawit
c. Semak
c. Semak
d. Kebun campuran
d. Kebun campuran
15 Tutupan lahan Lahan terbuka
Tabel 6 Lanjutan Gambar pada citra
Gambar di lapangan
Hutan mangrove
Tambak
Awan
-
Bayangan awan
-
Karakteristik Tutupan Lahan di Lapangan Pengamatan di lapangan dilakukan untuk menyesuaikan keadaan tutupan lahan yang terlihat pada citra visual dengan keadaan sebenarnya di lapangan. Berdasarkan hasil penentuan koordinat titik tutupan lahan secara purposive di lapangan, dengan jumlah titik koordinat pengamatan sebanyak 124 titik diperoleh 22 jenis tutupan lahan di lapangan. Koordinat titik yang diambil hanya meliputi 15 kecamatan dari 18 kecamatan yang ada di Kabupaten OKI. Hal ini disebabkan karena aksesibilitas menuju ke lokasi pengambilan koordinat titik tutupan lahan yang jauh dan sulit untuk dijangkau. Selain itu, secara visual kenampakan citra yang diperoleh di tiga kecamatan yang bukan menjadi tempat pengambilan
16 koordinat titik terdapat banyak awan, sehingga dapat mempersulit dalam mengidentifikasi jenis tutupan lahan. Jenis tutupan lahan yang ditemukan di lapangan disajikan pada Tabel 7. Tabel 7 Jenis tutupan lahan yang ditemukan di lapangan No Jenis tutupan lahan yang No Jenis tutupan lahan yang ditemukan ditemukan 1 Pemukiman 11 Hutan tanaman jabon 2 Badan air 12 Hutan kota 3 Sawah 13 Hutan tanaman akasia 4 Rawa 14 Kebun konservasi plasma nutfah 5 Rumput rawa 15 Perkebunan kelapa sawit muda 6 Semak belukar rawa 16 Perkebunan kelapa sawit tua 7 Kebun campuran 17 Perkebunan karet umur 4 sampai 6 tahun 8 Pertanian lahan kering 18 Perkebunan karet umur 7 sampai 10 tahun 9 Semak/belukar 19 Perkebunan karet umur 11 sampai 13 tahun 10 Lahan terbuka 20 Perkebunan karet umur 14 sampai 17 tahun 11 Tambak 22 Hutan mangrove Selain dari 20 jenis tutupan lahan pada Tabel 7 diatas, terdapat 2 jenis objek tutupan lahan tambahan yaitu awan dan bayangan awan (sumber: Baplan 2008). Informasi jenis tutupan lahan objek awan dan bayangan awan diketahui dari kenampakan pada citra. Oleh karena itu jenis tutupan lahan yang diperoleh sebanyak 24 tutupan lahan. Hal ini dilakukan untuk mengetahui kemampuan citra dalam mengidentifikasi jenis tutupan lahan. Karekteristik fisik tutupan berdasarkan hasil pengamatan objek lapangan di Kabupaten Ogan Komering Ilir, dapat dilihat pada Tabel 8 dan hasil pengambilan titik koordinat di lapangan dapat dilihat pada Gambar 4. Tabel 8 Karakteristik tutupan lahan hasil di lapangan tahun 2014 Kelas Tutupan No Keterangan Lahan 1 Pemukiman Kenampakan yang tersusun secara kelompok berupa bangunan-bangunan, baik di perkotaan maupun di pedesaan. 2 Badan air Kenampakan yang tergenang oleh air tanpa ada vegetasi. Kenampakan yang ditemukan dilapang berupa sungai dan danau. 3 Lahan terbuka Kenampakan yang berupa tanah kosong, lahan terbuka bekas tebangan di perkebunan Perkebunan kelapa sawit, lapangan terbuka, dan lahan bekas tebangan di Perkebunan karet. Kenampakan pada citra membentuk pola yang tidak teratur. 4 Tambak Aktivitas perikanan darat yang biasanya terletak di sepanjang pantai. Berdasarkan hasil wawancara tambak yang ada berupa tambak ikan dan hewan laut, seperti udang. Pola yang tampak teratur dan berkelompok.
17 Tabel 8 Lanjutan
5
Kelas Tutupan Lahan Sawah
6
Rawa
7
Semak rawa
8
Rumput rawa
9
Hutan mangrove
10
Hutan tanaman akasia Pertanian lahan kering
No
11
belukar
12
Perkebunan kelapa sawit muda
13
Perkebunan kelapa sawit tua
14
Perkebunan karet umur 4 sampai 6 tahun
15
Perkebunan karet umur 7 sampai 10 tahun
16
Perkebunan karet umur 11 sampai 13 tahun
17
Perkebunan karet umur 14 sampai 17 tahun
Keterangan Kawasan pertanian lahan basah yang berupa padi dengan luasan yang tidak terlalu besar. Padi yang terlihat di lapang berupa padi yang sudah hampir panen yang berwarna kekuningan dan padi yang berwarna hijau. Genangan air yang secara alami ada terus-menerus dengan vegetasi yang sangat sedikit. Berwarna biru gelap, dengan pola yang tidak teratur. Hamparan luas yang di atasnya di tumbuhi oleh vegetasi-vegetasi berupa semak, perdu, beberapa tanaman sejenis tiang. Terdapat juga gambut yang berada di bawah semak belukar yang ada. Tersebar hampir di wilayah Kabupaten OKI. Vegetasi yang berada di atas lahan gambut berupa hamparan ilalang. Hamparan hutan bakau, si api-api yang berada di sekitar pantai. Penutupan lahan yang merupakan budi daya manusia dengan pola teratur dengan jenis pohon akasia. Aktivitas di lahan kering yang berupa ladang, perkebunan campur yang didominasi oleh tanaman pertanian, seperti singkong, rambutan, duku, durian, pisang, tanaman obat dan jenis tanaman lainnya. Kenampakan yang ada pada aktivitas lahan kering dan basah. Memiliki pola yang teratur dengan jenis kelapa sawit kelapa sawit, memiliki warna hijau muda kekuningan sampai hijau. Kenampakan yang ada pada aktivitas lahan kering dan basah. Memiliki pola yang teratur dengan jenis tanaman kelapa sawit, memiliki warna hijau sampai hijau tua. Kegiatan di lahan kering yang terdiri dari jenis karet umur 4 tahun sampai 6 tahun. Pola yang dihasilkan ada yang teratur dan tidak teratur, berwarna hijau muda. Kegiatan di lahan kering yang terdiri dari jenis karet umur 7 tahun sampai 10 tahun. Pola yang dihasilkan ada yang teratur dan tidak teratur, berwarna hijau muda. Kegiatan di lahan kering yang terdiri dari jenis karet umur 11 tahun sampai 13 tahun. Pola yang dihasilkan ada yang teratur dan tidak teratur, berwarna hijau muda. Kegiatan di lahan kering yang terdiri dari jenis karet umur 14 tahun sampai 17 tahun. Pola yang dihasilkan ada yang teratur dan tidak teratur, berwarna hijau
18 Tabel 8 Lanjutan No
Kelas Tutupan Lahan
18
Kebun campuran
19
20 21 22
Keterangan
muda sampai hijau sampai hijau tua kekuningan. Kegiatan di lahan kering yang terdiri dari campuran tanaman pertanian dan kehutanan. Jenis yang ada pada perkebunan campuran yang ditemukan yaitu pohon karet, duku, durian, tanaman obat dan rambutan. Semak Vegetasi yang berada di atas lahan kering, biasanya tingginya tidak lebih dari 6 meter, memiliki pola yang tidak teratur. Hutan Kota Terdiri dari tanaman kehutanan yang ada di kabupaten OKI. Hutan tanaman Kumpulan dari pohon jabon yang tersusun sesuai jarak jabon tanam. Kebun konservasi Aktivitas yang berada di lahan basah, berada di atas plasma nutfah lahan gambut yang telah mengering, ditanamani jenis meranti, ramin, jelutung, medang, punak dan tanaman nanas.
Gambar 4 Sebaran titik pengamatan di Kabupaten OKI tahun 2014
Klasifikasi Tutupan Lahan Secara Digital Pemetaan merupakan proses yang dilakukan dalam pembuatan peta. Proses pembuatan peta ini memerlukan teknologi. Sistem informasi geografis dan
19 pengideraan jauh merupakan dua teknologi yang saat ini telah berkembang pesat. Penginderaan jauh adalah ilmu dan seni dalam memperoleh informasi mengenai objek, area, atau fenomena melalui analisis yang diperoleh dengan alat tanpa kontak langsung (Lillesand et all. 1990). Sistem Informasi Geografis (SIG) merupakan suatu sistem berbasis komputer yang digunakan untuk menyimpan, mengelola, mengnalisis dan mengaktifkan atau memanggil kembali data yang mempunyai referensi keruangan untuk berbagai tujuan yang berkaitan dengan pemetaan dan perencanaan (Danoedoro 2012). Teknologi SIG dan penginderaan jauh dalam penelitian ini digunakan untuk melakukan pemetaan tutupan lahan di Kabupaten OKI. Interpretasi pada penelitian ini dilakukan secara digital dengan bantuan komputer. Interpretasi dengan bantuan komputer ini biasanya disebut dengan interpretasi digital. Interpretasi digital yang dilakukan dengan menggunakan metode klasifikasi terbimbing, sesuai dengan kondisi tutupan lahan yang ada di lapangan. Klasifikasi terbimbing atau klasifikasi citra secara digital bertujuan untuk mengelompokkan suatu citra secara otomatik ke dalam kelas kategori tertentu berdasarkan nilai kecerahan piksel yang bersangkutan. Menurut Purwadhi (2001), klasifikasi terselia atau klasifikasi terbimbing digunakan data penginderaan jauh multispektral yang berbasis numerik, maka pengenalan polanya merupakan proses otomatik dengan bantuan komputer. Pola spektral dalam citra dapat mempenggaruhi kenampakan tutupan lahan yang ada. Pengaruh ini dapat disebabkan karena adanya perbedaan kombinasi dasar nilai digital pixel pada sifat pantulan (reflektansi) dan pancaran (emisi) spektral yang dimiliki citra tersebut. Tahapan awal dalam proses klasifikasi secara digital ini dilakukan dengan pembuatan area contoh (training area). Pembuatan area contoh dilakukan sesuai dengan hasil pengamatan dan informasi jenis tutupan lahan di lapangan. Informasi yang diperoleh mencakup tiap kategori jenis tutupan lahan sebagai kunci interpretasi untuk klasifikasi digital. Jenis tutupan lahan diambil dari piksel setiap jenis tutupan lahan dengan kategori yang sama atau homogen. Hasil training area yang baik dapat terlihat dari keterpisahan antar piksel tiap jenis kategori tutupan lahan. Keterpisahan ini dilakukan dengan analisis separabilitas. Analisis separabilitas adalah analisis kuantitatif yang menggunakan nilai spektral yang dihasilkan oleh setiap piksel pada kategori tutupan lahan. Metode yang digunakan yaitu metode Transformed Divergence (TD), metode ini digunakan untuk mengukur tingkat keterpisahan antar kelas. Menurut Jaya (2009) Semakin kecil nilai, semakin jelek separabilitasnya. Nilai nol sama dengan tidak bisa dipisahkan, sedangkan nilai maksimum menunjukkan keterpisahan yang sangat baik (excellent). Hasil analisis separabilitas pada penelitian ini menunjukkan dari 24 jenis tutupan lahan yang ada memiliki nilai separabilitas yang kurang baik, dimana nilai separabilitas yang dihasilkan masih kurang dari 1600. Hal ini menunjukkan bahwa keterpisahan antar kelas tutupan lahan belum dapat dipisahkan, sehingga jenis tutupan lahan yang tidak terpisahkan ini digabungkan atau regroup ke dalam jenis tutupan lahan relatif sama berdasarkan kondisi di lapang dan nilai spektral yang dihasilkan. Proses awal analisis terdapat 24 kelas tutupan lahan kemudian di re-group menjadi 17 kelas tutupan lahan. Terdapat 7 kelas tutupan lahan yang mempunyai
20 nilai rendah dan kenampakan visual pada pada kondisi lapang sama yaitu kelas perkebunan karet dengan perkebunan berbagai kelas umur, hutan tanaman jabon, hutan kota, perkebunan kelapa sawit dengan perkebunan kelapa sawit tua dan perkebunan kelapa sawit muda, yang hasilnya dapat dilihat pada Lampiran 1. Selanjutnya dilakukan kembali proses re-group yang kedua, menghasilkan 15 kelas dengan penggabungan antara kelas semak dan perkebunan campuran dengan Perkebunan karet. Hasil ini terlihat pada perhitungan separabilitas pada Lampiran 2. Hal ini disebabkan karena kebun campuran yang berada di lapang merupakan campuran dari perkebunan karet dan jenis tanaman pertanian lainnya sehingga pada kenampakan visual sulit untuk dipisahkan. Proses re-group ketiga menghasilkan 14 kelas tutupan lahan dimana kelas perkebunan kelapa sawit dan perkebunan karet tidak dapat dipisahkan menurut hasil analisis separabilitas namun pada kenampakan visual terlihat berbeda. Proses re-group disajikan pada Tabel 9. Tabel 9 Hasil re-group 14 kelas tutupan lahan 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Re-group awal Pemukiman Awan Bayangan awan Badan air Lahan terbuka Tambak Sawah Rawa Semak rawa belukar Rawa rumput Hutan mangrove Perkebunan kelapa sawit tua Perkebunan kelapa sawit muda Hutan tanaman akasia PLK
Re-group 1 Pemukiman Awan Bayangan awan Badan air Lahan terbuka Tambak Sawah Rawa Semak belukar rawa Rumput rawa Hutan mangrove Perkebunan kelapa sawit tua Perkebunan kelapa sawit Muda Hutan tanaman akasia PLK
Kebun campuran Semak belukar Perkebunan karet 4-6 tahun Perkebunan karet 7-10 tahun Perkebunan karet 11-13 tahun Perkebunan karet 14-17 tahun Hutan kota Perkebunan K.Pnutfah Hutan tanaman jabon
Semak belukar Perkebunan karet
Re-group 2 Pemukiman Awan Bayangan awan Badan air Lahan terbuka Tambak Sawah Rawa Semak belukar rawa Rumput rawa Hutan mangrove Hutan tanaman akasia PLK Perkebunan kelapa sawit Perkebunan karet/semak/ k. campuran
Re-group 3 Pemukiman Awan Bayangan awan Badan air Lahan terbuka Tambak Sawah Rawa Semak belukar rawa Rumput rawa Hutan mangrove Hutan tanaman akasia PLK Perkebunan*
Keterangan : * = Perkebunan karet, perkebunan campuran, Perkebunan kelapa sawit, semak/belukar
Tabel 10 Nilai separabilitas 14 tutupan lahan 1 1
2
3
4
5
6
0 2000 2000 2000 1998
2
2000
3
2000 2000
0 2000 2000 2000
4
2000 2000 2000
5
1998 2000 2000 2000
0 2000 2000 0 2000 0
7
8
9
10
11
12
13
14
2000 1999
2000
2000 2000 2000
2000 2000 2000
2000 2000
2000
2000 2000 2000
2000 2000 2000
2000 2000
2000
2000 2000 2000
2000 2000 2000
1997 2000
1906
2000 2000 2000
2000 2000 2000
2000 2000
2000
2000 2000 2000
2000 2000 2000
21 Tabel 10 Lanjutan 1
2
3
4
5 2000
6
7
6
2000 2000 2000 1997
7
1999 2000 2000 2000 2000
1999
8
2000 2000 2000 1906 2000
9
2000 2000 2000 2000 2000
10
8
0 1999
9
10
11
12
13
14
1992
2000 2000 2000
2000 2000 2000
0
1957
1997 2000 2000
2000 1998 1949
1992 1957
0
2000 2000 2000
2000 2000 2000
2000 1997
2000
0 2000 2000
2000 2000 2000
2000 2000 2000 2000 2000
2000 2000
2000
2000
11
2000 2000 2000 2000 2000
2000 2000
2000
2000 2000
0
2000 2000 2000
12
2000 2000 2000 2000 2000
2000 2000
2000
2000 2000 2000
0 2000 2000
13
2000 2000 2000 2000 2000
2000 1998
2000
2000 2000 2000
2000
14
2000 2000 2000 2000 2000
2000 1949
2000
2000 1950 2000
2000 2000
0 2000
2000 2000 1950
0 2000 0
Keterangan: 1=Pemukiman, 2=Awan, 3=Bayangan awan, 4=Badan air, 5=Lahan terbuka, 6=Tambak, 7=Sawah, 8=Rawa, 9=Semak belukar rawa, 10=Rumput rawa, 11=Hutan mangrove, 12=Hutan tanaman akasia, 13=Pertanian lahan kering, 14=perkebunan (Perkebunan karet/Perkebunan kelapa sawit/semak/perkebunan campuran)
Hasil nilai separabilitas tutupan lahan pada Tabel 10 menunjukkan bahwa kelas awan, bayangan awan, hutan mangrove, hutan tanaman akasia memiliki nilai separabilitas 2000. Hal ini berarti jenis kelas tutupan lahan ini dapat dipisahkan dengan sangat baik diantara jenis tutupan lahan lainnya. Secara umum, seluruh jenis kelas tutupan lahan pada 15 kecamatan yang ada di Kabupaten OKI terpisahkan dengan baik dengan nilai separabilitas lebih dari 1900. Nilai separabilitas terkecil ditunjukkan oleh jenis tutupan lahan antara badan air dan rawa dengan nilai separabilitas sebesar 1906. Metode yang dipakai dalam melakukan klasifikasi terbimbing ini adalah metode Maximum likelihood (kemiripan maksimum). Metode maksimum likelihood mempertimbangkan nilai rata-rata dan keragaman antarkelas dan saluran (kovariansi) (Lillesand et al. 1990). Nilai pada metode maksimum likelihood didasarkan pada nilai piksel sama dan identik pada citra. Dimana setiap piksel yang diambil dari jenis kategori harus mempunyai satu karekteristik dengan sebaran normal (Gauss). Secara umum pengkelasan kemiripan maksimum (maximum likelihood) diperlukan perhitungan yang banyak dan agak rumit untuk mengklasifikasikan setiap piksel. Meskipun demikian, teknik kemungkinan maksimum hasil klasifikasinya lebih teliti dibandingkan dengan strategi yang lainnya. Secara intuitif semakin banyak saluran yang dapat digunakan dalam pengkelasan kemiripan maksimum akan semakin membuahkan hasil klasifikasi yang baik (Purwadhi 2001). Klasifikasi citra bertujuan untuk mengelompokkan atau melakukan segmentasi terhadap kenampakkan yang homogen dengan menggunakan teknik kuantitatif yaitu memasukkan piksel-piksel ke dalam kelaskelas atau kategori-kategori yang telah ditentukan berdasarkan nilai kecerahan piksel yang bersangkutan. Hasil klasifikasi citra 14 kelas tutupan lahan dapat dilihat pada Gambar 5.
22
Gambar 5 Peta layout klasifikasi tutupan lahan di OKI tahun 2014 Persentase hasil klasifikasi dari masing-masing jenis tutupan lahan menggunakan metode maximum likelihood diperoleh 18.23 % dari 15 kecamatan di Kabupaten OKI merupakan jenis tutupan lahan pertanian lahan kering yang memiliki luasan wilayah terluas yaitu 130 161 ha. Luasan terkecil terdapat pada jenis tutupan lahan hutan mangrove yaitu 864 ha atau sebesar 0.12%. Tabel 11 menyajikan luasan tutupan lahan yang ada di 15 kecamatan di Kabupaten OKI tahun 2014. Tabel 11 Luas klasifikasi tutupan lahan di 15 kecamatan Kabupaten OKI tahun 2014 Tutupan lahan Luas (ha) Persentase (%) Awan 36 333.61 5.09 Badan Air 23 115.58 3.24 Bayangan Awan 10 396.98 1.46 Hutan tanaman akasia 15 418.69 2.16 Hutan Mangrove 846.18 0.12 Perkebunan 126 156.00 17.67 Lahan Terbuka 12 474.52 1.75 Pertanian Lahan Kering 130 161.00 18.23 Pemukiman 28 882.69 4.05 Rawa 55 231.23 7.74 Rumput Rawa 93 019.74 13.03 Sawah 44 952.39 6.30
23 Tabel 11 Lanjutan Tutupan lahan Luas (ha) Persentase (%) Semak Belukar Rawa 114 665.00 16.06 Tambak 22 273.87 3.12 100 Total 713 927.47 Sumber: Hasil analisis klasifikasi terbimbing citra landsat 8 (OLI) tahun 2014
Tingkat Akurasi Analisis akurasi dilakukan untuk mengetahui tingkat ketepatan hasil dari klasifikasi yang dibuat. Akurasi menggunakan suatu matriks kontingensi yaitu suatu matriks bujur sangkar yang memuat sejumlah piksel yang diklasifikasi. Matriks ini sering disebut “error matrix” atau “confusion matrix”. Analisis akurasi ini dapat dinilai dari Producer’s accuracy, User’s accuracy, Overall accuracy dan Kappa accuracy. Menurut Jaya (2009), Producer’s accuracy (akurasi pembuat) adalah akurasi yang diperoleh dengan membagi piksel yang benar dengan jumlah total piksel training area per kelas. Pada akurasi ini akan terjadi kesalahan omisi, oleh karena itu akurasi pembuat ini juga dikenal dengan omission error. Sebaliknya jika jumlah piksel yang benar dibagi dengan total piksel dalam kolom akan menghasilkan akusari pengguna (user’s accuracy), yang juga dikenal dengan commission error. Hasil uji akurasi dapat dilihat pada Tabel 12. Berdasarkan pada hasil Tabel 12, dapat diketahui bahwa nilai producer’s accuracy terbesar diperoleh oleh jenis tutupan lahan hutan mangrove sebesar 100%. Hal ini menunjukkan bahwa jumlah piksel terklasifikasi dengan baik dan tidak ada yang masuk ke kelas lain. Namun terdapat juga nilai producer’s accuracy jenis tutupan lahan pertanian lahan kering dengan nilai terkecil 43.11% dari kelas tutupan lahan lainnya. Nilai 43.11% berarti dari total 1002 piksel terdapat 2 piksel masuk ke kelas pemukiman, 1 piksel masuk ke dalam kelas lahan terbuka, 66 piksel masuk kedalam jenis tutupan lahan sawah, 107 piksel ke kelas rawa, 8 piksel masuk ke dalam kelas rumput rawa, 386 piksel masuk ke dalam kelas tutupan lahan perkebunan dan sisanya 432 merupakan jumlah piksel yang terklasifikasi. Nilai user’s accuracy yang ada pada Tabel 11, menunjukkan nilai terbesar didapat oleh klasifikasi jenis tutupan lahan bayangan awan sebesar 99.89%. Hal ini berarti 99.89% jenis tutupan lahan sudah terkasifikasi dengan baik, meskipun masih ada penambahan piksel dari kelas lain. Badan air memiliki nilai user’s accuracy terkecil yaitu 76.11 % sebanyak 2644 piksel yang terklasifikasi. Hal ini disebabkan karena ada penambahan 21 piksel dari pemukiman, 2 piksel kelas awan, 110 piksel kelas bayangan awan, 15 piksel kelas tambak, 60 piksel dari sawah, 588 piksel dari rawa, 5 piksel dari semak belukar rawa, 15 piksel rumput rawa dan 15 piksel dari perkebunan. Selain dari producer’s accuracy dan user’s accuracy diperoleh juga nilai overall accuracy sebesar 87.83 % dan nilai kappa accuracy sebesar 87.83%. Overall accuracy jarang digunakan karena nilai yang dihasilkan overestimate. Akurasi yang biasa digunakan adalah kappa accuracy dimana perhitungan ini menggunakan seluruh elemen yang ada pada matrik kontingensi. Menurut Jaya (2009), nilai akurasi yang baik adalah nilai akurasi yang telah mencapai skor >85%.
Tabel 12 Matriks kontingensi hasil klasifikasi 14 kelas tutupan lahan Reference data (piksel) Producer’s Total baris accuracy 1 2 3 4 5 6 7 8 9 10 11 12 13 14 3154 0 0 21 103 4 56 6 27 0 0 0 0 4 3375 93.45 63 3497 0 2 0 0 2 0 177 0 0 0 2 0 3743 93.43 0 0 3219 110 0 0 0 17 0 0 0 0 0 0 3346 96.20 1 0 2 2644 0 39 10 401 0 3 7 0 0 1 3108 85.07 125 0 0 0 3807 0 2 10 5 0 0 0 0 0 3949 96.40 13 0 3 15 0 3159 4 55 0 0 3 0 0 0 3252 97.14 88 0 0 60 60 8 1070 166 6 12 1 10 25 200 1706 62.72 2 0 31 588 0 44 53 3874 7 0 0 0 1 12 4612 84.00 0 6 0 5 0 0 8 295 3723 37 9 4 0 28 4115 90.47 0 0 0 14 0 0 0 0 224 2821 0 4 0 568 3631 77.69 0 0 0 0 0 0 0 0 0 0 794 0 0 0 794 100.00 0 0 0 0 0 0 0 0 88 66 0 541 0 203 898 60.24 2 0 0 0 1 0 66 107 0 8 0 0 432 386 1002 43.11 6 0 0 15 0 0 75 2 116 143 0 10 12 4630 5009 92.43 3454 3503 3255 3474 3971 3254 1346 4933 4373 3090 814 569 472 6032 42540 91.31 99.83 98.89 76.11 95.87 97.08 79.49 78.53 85.14 91.29 97.54 95.08 91.53 76.76
Keterangan: 1=Pemukiman, 2=Awan, 3=Bayangan awan, 4=Badan air, 5=Lahan terbuka, 6=Tambak, 7=Sawah, 8=Rawa, 9=Semak belukar rawa, 10=Rumput rawa, 11=Hutan mangrove, 12=Hutan tanaman akasia, 13=Pertanian lahan kering, 14=perkebunan (Perkebunan karet/Perkebunan kelapa sawit/semak/kebun campuran)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 Total kolom User’s accuracy
Tutupan Lahan
24
24
25
SIMPULAN DAN SARAN Simpulan Hasil kombinasi band yang diperoleh dari perhitungan menggunakan OIF yaitu kombinasi band 7-5-4 dengan band 7 (SWIR-2), band 5 (NIR) dan band 4 (green). Klasifikasi tutupan lahan berdasarkan interpretasi citra digital dengan training area diperoleh 14 kelas tutupan lahan yaitu pemukiman, badan air, lahan terbuka, sawah, tambak, rawa berair, semak belukar rawa, rumput rawa, hutan mangrove, hutan tanaman akasia, pertanian lahan kering, perkebunan karet/semak/perkebunan kelapa sawit, awan dan bayangan awan. Nilai hasil uji akurasi separabilitas dengan Overall Accuracy (OA) sebesar 87.83 % dan Kappa Accuracy (KA) 87.83 %.
Saran Perlu dilakukan penelitian pemetaan klasifikasi tutupan lahan di Kabupaten Ogan Komering Ilir dengan menggunakan metode lain untuk mengidentifikasi kelas tutupan lahan yang lebih detil.
DAFTAR PUSTAKA [BAPLAN] Badan Planologi Kehutanan, Pusat Inventarisasi dan Perpetaan Hutan, Bapan Planologi Kehutanan, Kementrian Kehutanan. 2008. Pemantauan Sumber Daya Hutan. Jakarta (ID): Badan Planologi Kehutanan, Departemen Kehutanan. [BAPPEDA] Badan Perencanaan Pembangunan Daerah, Kabupaten Ogan Komering Ilir. 2012. Profil Kabupaten OKI 2011. OKI (ID): BAPPENAS. Danoedoro P. 2012. Pengantar Penginderaan Jauh Digital. Yogyakarta (ID): Penertbit ANDI. Jaya INS. 2009. Analisis Citra Digital: Perspektif Penginderaan Jauh Untuk Pengelolaan Sumberdaya Alam. Bogor (ID): Fakultas Kehutanan IPB. Jaya INS. 2010. Analisis Citra Digital : Perspektif Penginderaan Jauh Untuk Pengelolaan Sumberdaya Alam. Bogor (ID): Fakultas Kehutanan IPB. Lillesand TM, Kiefer RW. 1990. Pengginderaan Jauh dan Penafsiran Citra. Dulbahri,Suharsono P,Hartono, Suharyadi, penerjemah; Sutanto,editor. Yogyakarta (ID): Gadjah Mada University Press. Terjemahan dari: Remote Sensing dan Image Interpretation. Paraditya R, Purwanto TH. 2012. Pemanfaatan Citra Landsat 7ETM+ Untuk Pemetaan Potensi Mineralisasi Emas di Kawasan Gunung Dodo, Kabupaten Sumbawa, NTB. Jurnal Bumi Indonesia. 1(3). Prahasta. 2008. REMOTE SENSING : Praktis Penginderaan Jauh & Pengolahan Citra Dijital Dengan Perangkat Lunak ER Maper. Bandung (ID): Informatika Bandung. Purwadhi. 2001. Interpretasi Citra Digital. Jakarta (ID): Gramedia Widiasarana. Somantri L. 2008. Pemanfaatan Teknik Penginderaan Jauh untuk Mengidentifikasi Kerentanan dan Risiko Banjir. Jurnal Gea, Jurusan Pendidikan Geografi. 8 (2).
26 Suwargana N.2013. Resolusi Spasial, Temporal dan Spektral Pada Citra Satelit Landsat, Spot dan Ikonos. Jurnal Ilmiah WIDYA. 1 (2):167-174. Sitangang G. 2010. Kajian Pemanfaatan Satelit Masa Depan: Sistem Pengideraan Jauh Satelit LDCM (Landsat 8). Berita Dirgantara. 11 (2):47-58. Sutanto, Asriningrum W. 2011. Penginderaan Jauh dengan Nilai Indeks Faktor untuk Identifikasi Mangrove di Batam (Studi Kasus Gugusan Pulau Jandaberhias). Berita Dirgantara. 12 (3): 104-109. [USGS] United States Geological Survey. 2014. Landsat 8 OLI (Operational Land Imager) and TIRS (Thermal Infrared Sensor) [Internet]. [diacu 2014 Oktober 23]. Tersedia dari http://landsat.usgs.gov.
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 1980 2000 2000 1995 2000 Keterangan: Keterangan: 1=Pemukiman, 2=Awan, 3=Bayangan awan, 4=Badan air, 5=Lahan terbuka, 6=Tambak, 7=Sawah, 8=Rawa, 9=Semak belukar rawa, 10=Rumput rawa, 11=Hutan mangrove, 12=Perkebunan kelapa sawit muda, 13=Perkebunan kelapa sawit tua, 14=Hutan tanaman akasia, 15=Pertanian lahan kering, 16=kebun campuran, 17=Semak belukar, 18=Perkebunan karet umur 4-6 tahun, 19= Perkebunan karet umur 7-10 tahun, 20= Perkebunan karet umur 11-13 tahun, 21= Perkebunan karet umur 14-17tahun, 22=Hutan kota, 23= Kebun K. Plasma Nutfah, 24=Hutan tanaman jabon
14
15
16
17
18
19
20
21
22
23
24
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
1687 1997
2000
1880 1981
1990
1998
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
1987
2000
2000
2000
1996
0
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
1996
2000
2000
0
1996
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
0
2000
2000
2000
2000
2000
1992
2000
2000
1999
2000
1999
2000
2000
2000
0
2000
2000
2000
2000
2000
2000
2000
2000
2000
1991
1998
1998
2000
2000
0
2000
2000
1996
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
0
2000
2000
2000
2000
1987
2000
2000
2000
2000
2000
2000
1999
2000
1870
2000
0
2000
2000
2000
2000
2000
2000
2000
1998
2000
2000
2000
1928
1953
1289 2000
1998
0
2000
2000
1998
1999
2000
2000
2000
2000
1990
2000
2000
2000
2000
1942
2000
1980
0
1870 1998
2000
1998
2000
2000
2000
2000
1880 2000
2000
2000
2000
2000
1770 2000
1910
2000
0
1289 1980
2000
2000
1991
1999
2000
2000
2000
2000
1981
2000
2000
2000
2000
1940
2000
2000
0
2000
2000
2000
1999
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
1957
0
2000
1910
1942
1953
2000
2000
2000
2000
2000
2000
2000
1687 2000
2000
2000
2000
2000
2000
0
1957
1770 2000
2000
1928
2000
2000
2000
1992
2000
2000
2000
2000
1997
2000
2000
2000
2000
2000
0
2000
2000
1940
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
0
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
0 2000
2000
2000
2000
2000
2000
2000
13
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
12
2000
2000
2000
1901
2000
2000
2000
2000
2000
2000
2000
23
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
22
11
2000
2000
1954
2000
2000
2000
2000
2000
2000
2000
21
2000
2000
1996
2000
2000
2000
2000
2000
2000
2000
20
10
2000
2000
0
1901
2000
2000
2000
2000
2000
19
2000
2000
2000
2000
2000
2000
2000
2000
18
2000
2000
0
2000
1954
2000
2000
2000
17
9
2000
2000
2000
2000
2000
2000
2000
16
8
2000
1855 2000
1855 2000
2000
2000
2000
15
2000
2000
0
2000
2000
2000
2000
14
7
2000
0
2000
1996
2000
2000
13
2000
2000
2000
2000
2000
2000
12
6
2000
2000
2000
2000
2000
11
1995
2000
2000
2000
10
2000
2000
2000
2000
9
5
0
2000
2000
8
4
2000
2000
2000
7
2000
2000
1995
6
3
0
2000
5
2000
2000
4
2
2000
3
0
2
1
1
Lampiran 1 Nilai separabilitas 24 kelas tutupan lahan di Kabupaten OKI tahun 2014
27
0
2000
1995
2000
2000
1980
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
24
27
28
2000
2000
1981
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
3
4
5
6
7
8
9
10
11
12
13
14
15
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
0
2000
2
2000
1998
2000
2000
2000
1984
1998
1999
1999
2000
2000
2000
0
2000
2000
3
2000
2000
2000
2000
2000
2000
1751 2000
1879 2000
2000
0
2000
2000
2000
4
2000
2000
2000
2000
2000
2000
2000
1998
1997
2000
0
2000
2000
2000
1981
5
2000
2000
2000
2000
2000
2000
1969
1901
1963
0
1879 2000
2000
2000
2000
6
1819 1988
1941
2000
2000
2000
1997
1972
0
1963
1997
2000
1999
2000
2000
7
2000
2000
2000
2000
2000
2000
1997
0
1972
1901
1751 1998
1999
2000
2000
8
1998
1948
2000
2000
2000
1945
0
1997
1997
1969
2000
2000
1998
2000
2000
9
2000
1995
2000
2000
2000
0
1945
2000
2000
2000
2000
2000
1984
2000
2000
10
2000
2000
2000
2000
0
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
11
2000
2000
2000
0
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
2000
12
1986
1964
0
2000
2000
2000
2000
2000
1941
2000
2000
2000
2000
2000
2000
13
1965
0
1964
2000
2000
1995
1948
1819 2000
2000
2000
2000
1998
2000
2000
14
0
1965
1986
2000
2000
2000
1998
2000
1988
2000
2000
2000
2000
2000
2000
15
1727 1999
1824
2000
2000
2000
1996
2000
1907
2000
2000
2000
2000
2000
2000
16
2000 2000 2000 2000 2000 2000 1907 2000 1996 2000 2000 2000 1824 1727 1999 0 17 2000 2000 2000 2000 2000 2000 1732 2000 1999 2000 2000 2000 1990 1544 1737 1903 Keterangan: Keterangan: 1=Pemukiman, 2=Awan, 3=Bayangan awan, 4=Badan air, 5=Lahan terbuka, 6=Tambak, 7=Sawah, 8=Rawa, 9=Semak belukar rawa, 10=Rumput rawa, 11=Hutan mangrove, 12=Hutan tanaman akasia, 13=Pertanian lahan kering, 14=Perkebunan kelapa sawit, 15=Kebun campuran, 16=Semak/belukar, 17=Perkebunan karet
2000
2
16
0
1
1
Lampiran 2 Nilai separabilitas 17 kelas tutupan lahan di Kabupaten OKI tahun 2014
0
1737 1903
1544
1990
2000
2000
2000
1999
1732 2000
2000
2000
2000
2000
2000
2000
17
28
29
RIWAYAT HIDUP Penulis dilahirkan di Kayuagung Kabupaten OKI, Provinsi Sumatera Selatan pada tangga 01 Oktober 1992. Penulis merupakan anak pertama dari 3 bersaudara pasangan Bapak Abunawas, S Sos, MSi dan Ibu Nursidah, SAg. Penulis menyelesaikan pendidikan dasar di SD Negeri Muara Baru tahun 19992004, pendidikan menengah pertama di SMP 7 Kayuagung tahun 2004-2007, pendidikan menengah atas di SMA Negeri 3 Kayuagung tahun 2007-2010 dan diterima di Institut Pertanian Bogor tahun 2010 melalui jalur USMI di Departemen Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor. Selama menjadi mahasiswa, penulis pernah menjadi asisten mata kuliah Geomatika dan Inderaja Kehutanan pada tahun ajaran 2013-2014, Ilmu Ukur Tanah dan Pemetaan Wilayah tahun ajaran 2014, Teknik Inventarisasi Sumberdaya Hutan pada tahun ajaran 2014 dan Operasi Pemanenan Hutan tahun ajaran 2014. Selain itu penulis pernah bergabung dalam Unit kegiatan mahasiswa Koperasi Mahasiswa (Kopma) tahun 2010-2012, anggota divisi Bank Plastik Pengurus Cabang Sylva Indonesia tahun 2011-2012, anggota divisi Informasi dan Komunikasi FMSC (Forest Management Student Club) tahun 2011–2012, anggota Kelompok Studi Pemanfaatan Sumberdaya Hutan tahun 2011-2012 Kepala Bidang Kewirausahaan Pengurus Cabang Sylva Indonesia tahun 20122013. Penulis juga aktif berpatisipasi dalam berbagai kepanitiaan kegiatan kemahasiswaan di Institut Pertanian Bogor. Penulis melakukan kegiatan Praktik Pengenalan Ekosistem Hutan (PPEH) di Sancang Timur-Papandayan (Jawa Barat) pada tahun 2012, Praktik Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat (HPGW), Sukabumi dan KPH Cianjur Jawa Barat pada tahun 2013 dan Praktik Kerja Lapang (PKL) di IUPHHK-HA PT Bina Multi Alam Lestari, Muara Teweh, Kalimantan Tengah pada tahun 2014. Sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Program Studi Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor, penulis menyusun skripsi berjudul “Identifikasi Karakteristik dan Pemetaan Tutupan Lahan Menggunakan Citra Landsat 8 (OLI) di Kabupaten Ogan Komering Ilir, Provinsi Sumatera Selatan” di bawah bimbingan Dr Nining Puspaningsih, MSi.
