IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 (OLI) DI KABUPATEN PESAWARAN PROVINSI LAMPUNG
SITI PERMATA SARI
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 Pesawaran, Provinsi Lampung 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, Desember 2015
Siti Permata Sari NIM E14110025
ABSTRAK SITI PERMATA SARI. Identifikasi Karakteristik dan Pemetaan Tutupan Lahan Menggunakan Citra Landsat 8 (OLI) di Kabupaten Pesawaran, Provinsi Lampung. 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 tutupan lahan, memetakan tutupan lahan dan memetakan kawasan hutan di Kabupaten Pesawaran dengan citra landsat 8 (OLI). Metode yang digunakan adalah interpretasi citra secara visual dan interpretasi citra secara digital menggunakan hasil pansharpening. Hasil klasifikasi tutupan lahan di Kabupaten Pesawaran menggunakan interpretasi citra visual diperoleh 12 kelas tutupan lahan dan menggunakan interpretasi citra digital diperoleh 9 kelas tutupan lahan. Hasil analisis akurasi klasifikasi visual lebih rendah dibandingkan klasifikasi digital namun klasifikasi visual dapat mengidentifikasi tutupan lahan lebih detail. Oleh karena itu pada pemetaan tutupan lahan di kawasan hutan menggunakan hasil klasifikasi visual. Kata Kunci : landsat 8 (OLI), interpretasi citra, tutupan lahan.
ABSTRACT SITI PERMATA SARI. Identification Characteristic and Land Cover Mapping Using Landsat 8 (OLI) in Pesawaran Regency, Lampung Province. Supervised by NINING PUSPANINGSIH. Landsat image sensor 8 special Operational Land Imager (OLI) is the newest satelit images that have ability to identify land cover classes. OLI sensor have a spatial resolution 30 x 30 meters and spectral resolution 8 band. The research aimed to identify and map the land cover of Pesawaran Regency from the image of landsat 8 (OLI). This research used method of interpretation visual image and interpretation of digital image with of pansharpening. The result show that classification of land cover in Pesawaran Regency using visual interpretation were obtained 12 classes of land cover and using digital interpretation were obtained 9 classes of land cover. The result of the analysis of visual classification accuracy lower than the digital classification, but the visual classification can identify the land cover in more detail. Therefore on the mapping of land cover in the forest area using visual classification results.
Keywords : landsat 8 (OLI), image interpretation, land cover.
IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 (OLI) DI KABUPATEN PESAWARAN PROVINSI LAMPUNG
SITI PERMATA SARI Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Departemen Manajemen Hutan
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2015
Judul Penelitian
Identifikasi Karakteristik dan Pemetaan Tutupan Lahan Menggunakan
Citra
Landsat
8
(OLI)
di
Kabupaten
Pesawaran Provinsi Lampung Nama
Siti Permata Sari
NIM
El4110025
Disetujui oleh
��
gsih. M.Si
Dr Ninin
Pembimbing
/
Depat
Tanggal Lulus:
2 a DEC 2015
e/
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 Juni 2015 ini ialah penginderaan jauh menggunakan citra satelit, dengan judul Identifikasi Karakteristik dan Pemetaan Tutupan Lahan Menggunakan Citra Landsat 8 (OLI) di Kabupaten Pesawaran, Provinsi Lampung. 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 Pesawaran dan Badan Perencanaan Daerah Kabupaten Pesawaran yang telah membantu selama pengumpulan data. Penghargaan terbesar penulis sampaikan kepada Ayah (Sulaiman), Ibu (Emi Sabaryati), Kembaran (Ilham) 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 CHWS dan temanteman Manajemen Hutan 48 atas semangat dan bantuannya, serta semua pihak atas segala doa dan kasih sayangnya. Semoga skripsi ini bermanfaat.
Bogor, Desember 2015
Siti Permata Sari
DAFTAR ISI DAFTAR TABEL ................................................................................................. vii DAFTAR GAMBAR .............................................................................................. ii DAFTAR LAMPIRAN .......................................................................................... iii PENDAHULUAN .................................................................................................. 1 Latar Belakang
1
Tujuan Penelitian
2
Manfaat Penelitian
2
METODE PENELITIAN ........................................................................................ 2 Waktu dan tempat
2
Alat dan Data
3
Metode Penelitian
4
HASIL DAN PEMBAHASAN ............................................................................... 9 Karakteristik Tutupan Lahan di Lapang
9
Klasifikasi Tutupan Lahan Secara Visual
12
Klasifikasi Tutupan Lahan Secara Digital
22
Uji Akurasi
26
Pemetaan Klasifikasi Tutupan Lahan Pada Kawasan Hutan
27
SIMPULAN DAN SARAN .................................................................................. 29 Simpulan
29
Saran
29
DAFTAR PUSTAKA ........................................................................................... 29 LAMPIRAN
31
RIWAYAT HIDUP ............................................................................................... 35
DAFTAR TABEL 1 Karakteristik band landsat 8
4
2 Contoh perhitungan akurasi
8
3 Karakteristik tutupan lahan di lapangan Kabupaten Pesawara tahun 2015
9
4 Klasifikasi tutupan lahan secara visual di Kabupaten Pesawaran tahun 2015
20
5 Waktu pengolahan klasifikasi visual
22
6 Re-group 9 kelas tutupan lahan
23
7 Nilai separabilitas 9 kelas tutupan lahan
23
8 Klasifikasi tutupan lahan di Kabupaten Pesawaran tahun 2015
25
9 Waktu pengolahan klasifikasi digital
26
10 Uji akurasi klasifikasi tutupan lahan
27
DAFTAR GAMBAR 1 Peta lokasi penelitian di Kabupaten Pesawaran tahun 2015
3
2 Peta sebaran titik pengamatan di Kabupaten Pesawaran tahun 2015
12
3 Awan dan bayangan awan
13
4 Badan air pada citra (a) badan air di lapangan (b)
14
5 Lahan terbangun pada citra (a) lahan terbangun di lapangan (b)
15
6 Sawah pasca panen pada citra (b) sawah siap tanam
15
7 Kebun campuran pada citra (a) kebun campuran di lapangan (b)
16
8 Perkebunan karet produktif pada citra (a) perkebunan karet produktif di lapangan (b)
17
9 Perkebunan karet muda pada citra (a) perkebunan karet muda di lapangan (b)
17
10 Perkebunan karet tua pada citra (a) perkebunan karet tua di lapangan (b)
18
11 Tambak pada citra (a) tambak di lapangan (b)
18
12 Perkebunan sawit pada citra (a) perkebunan sawit di lapangan (b)
19
13 Hutan pada citra (a) hutan di lapangan (b)
19
14 Peta klasifikasi tutupan lahan secara visual di Kabupaten Pesawaran tahun 2015
21
15 Peta klasifikasi tutupan lahan secara digital di Kabupaten
24
16 Peta klasifikasi tutupan lahan pada kawasan hutan di Kabupaten Pesawaran 2015
28
DAFTAR LAMPIRAN 1 Nilai separabilitas 12 kelas tutupan lahan
31
2 Uji akurasi klasifikasi secara visual
32
3 Uji akurasi klasifikasi secara digital
33
4 Klasifikasi tutupan lahan pada kawasan hutan di Kabupaten Pesawaran tahun 2015
34
1
PENDAHULUAN Latar Belakang Penutupan lahan merupakan perwujudan secara fisik obyek-obyek yang menutupi lahan dan terkadang bersifat penutup lahan alami (Ardiansyah 1987). Penutupan lahan (land cover) berkaitan dengan jenis kenampakan yang ada di permukaan bumi. Sedangkan penggunaan lahan (land use) berkaitan dengan kegiatan manusia pada bidang lahan tertentu (Buono et al. 2004). Pengindraan jauh, khususnya remote sensing dengan citra landsat merupakan sarana yang banyak digunakan untuk kegiatan pemetaan tutupan lahan. Pada citra penginderaan jauh, informasi penutupan lahan umumnya mudah dikenali, sedangkan informasi penggunaan lahan tidak selalu dapat ditafsir secara tepat pada citra akan tetapi dapat dideduksi dari kenampakan penutupan lahan (Lillesand dan Kiefer 1990). Selain itu dengan teknologi pengindraan jauh, penjelajahan lapang dapat dikurangi, sehingga akan menghemat waktu dan biaya bila dibanding dengan cara teristris di lapangan (Wahyunto et al. 2004). Penafsiran citra pengindraan dapat dilakukan menggunakan beberapa analisis citra. Analisis citra yang umumnya digunakan adalah analisis citra secara visual dan analisis citra secara digital. Analisis citra secara digital memiliki beberapa keterbatasan seperti bayangan topografi dan topografi yang menghadap sensor (Salman 2011). Obyek yang berada pada bayangan topografi cenderung terjadi kesalahan klasifikasi dikarenakan nilai digital pada daerah bayangan topografi terkadang tidak sesuai dengan nilai digital tutupan lahan yang seharusnya. Penafsiran secara digital juga memiliki kelebihan dari segi waktu pengerjaan yang cendrung lebih cepat. Hal ini dikarenakan pengklasifikasian dilakukan oleh komputer berdasarkan nilai digital. Penafsiran citra secara visual menggunakan beberapa elemen interpretasi seperti warna/rona, tekstur, bentuk, pola, ukuran, bayangan, asosiasi dan situs (Baplan 2008). Hal ini mengakibatkan tutupan lahan yang dapat diklasifikasikan menjadi lebih banyak karena tidak terpaku pada satu elemen interpretasi saja. Selain itu peranan penafsir dalam mengontrol klasifikasi menjadi lebih dominan dibandingkan dengan penafsiran secara digital. Keberhasilan interpretasi citra secara visual sangat bervariasi tergantung pada latihan dan pengalaman penafsir, sifat objek yang diinterpretasi, dan kualitas citra yang digunakan (Lillesand dan Kiefer 1990). Pesawaran merupakan Kabupaten ke sebelas yang ada di Provinsi Lampung terbentuk pada tahun 2007. Berdasarkan undang-undang no. 33 tahun 2007. Kabupaten Pesawaran beribukota di Gedong Tataan, memiliki jarak 27 km dari Bandar Lampung (Ibukota Provinsi Lampung). Sejak resmi dibentuk menjadi Kabupaten pada tahun 2007 hingga sekarang jumlah kecamatan di Kabupaten Pesawaran telah mengalami perubahan akibat pemekaran. Pada tahun 2013 Kabupaten Pesawaran terdiri dari 9 kecamatan dan 144 desa (BPS 2014). Penelitian ini dibantu dengan menggunakan citra landsat 8. Satelit Landsat Data Continuity Mission (LDCM) atau yang lebih dikenal dengan Landsat 8 diluncurkan pada tangga 11 Februari 2013 oleh Nasa. Citra Landsat 8 merupakan satelit observasi bumi hasil kerjasama antara National Aeronautics and Space Administration (NASA) dan U.S Geographical Survey (USGS). Satelit tersebut
2
mulai menyediakan produk citra open access sejak tanggal 30 Mei 2013. Landsat 8 memiliki sensor Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS) dengan ketinggian terbang 705 km dari permukaan bumi dan memiliki area scan seluas 170 km x 183 km dapat beroprasi selama tahun. Landsat 8 memiliki 11 saluran (band) yang terdiri dari 9 band berada pada sensor OLI dan 2 band lainnya pada sensor TIRS (NASA 2011). Selain itu landsat 8 sudah terkoreksi L-1T artinya data standard corection (koreksi tegak) berdasarkan data DEM dari GLS 2000 yang terdiri dari SRTM, NED, CDED, DTED termasuk GTOPO 30 untuk koreksi sistematik (USGS 2013). Penelitian ini dilakukan menggunakan citra Landsat 8 yang diharapkan dapat meningkatkan kemampuan dalam mengidentifikasi karakteristik citra tutupan lahan khususnya di Kabupaten Pesawaran. Tujuan Penelitian Tujuan penelitian ini adalah melakukan identifikasi karakteristik tutupan lahan di Kabupaten Pesawaran menggunakan Citra Landsat 8 (OLI) dengan analisis citra secara visual dan analisis citra secara digital serta memetakan tutupan lahan di kawasan hutan Kabupaten Pesawaran. Manfaat Penelitian Hasil penelitian ini diharapkan dapat memberikan data dan informasi terbaru mengenai tutupan lahan yang ada di Kabupaten Pesawaran, Provinsi Lampung. Serta dapat membantu dalam menentukan metode yang efisien dalam mengidentifikasi karakteristik dan pemetaan tutupan lahan.
METODE PENELITIAN Waktu dan tempat Penelitian dilakukan di Kabupaten Pesawaran, Provinsi Lampung. Secara geografi Kabupaten Pesawaran terletak pada 5o10’ - 5o50 Lintang Selatan, dan pada 105o - 105o20 Bujur Timur. Secara Administrasi Kabupaten Pesawaran terbagi dalam 9 Kecamatan, adalah Kecamatan Padang Cermin, Kecamatan Negeri Katon, Kecamatan Punduk Pidada, Kecamayan Way Khilau, Kecamatan Marga Punduh, Kecamatan Kedongdong, Kecamatan Way Lima, Kecamatan Gedong Tataan dan Kecamatan Tigeneneng. Total luas wilayah Kabupaten Pesawaran adalah 1 173.77 km2 atau 117 377 Ha dengan jumlah penduduk sebesar 416 372 jiwa (BPS 2014). Kabupaten Pesawaran memiliki iklim hujan tropis sebagaimana iklim Provinsi Lampung pada umumnya. Curah hujan per tahun berkisar antara 2 264 mm sampai dengan 2 868 mm dan hari hujan antara 90 sampai dengan 176 hari/tahun. Curah hujan tertinggi terjadi pada bulan Desember dan terendah terjadi pada bulan Agustus. Kabupaten Pesawaran merupakan daratan dengan ketinggian yang beragam, misalnya Gedong Tataan sebagai pusat kota mempunyai ketinggia 140.5 meter dari permukaan laut. Lokasi penelitian berada di 7 kecamatan yaitu Kecamatan Padang Cermin, Kecamayan Way Khilau, Kecamatan Kedongdong, kecamatan Negeri Katon,
3
Kecamatan Way Lima, Kecamatan Gedong Tataan dan Kecamatan Tigeneneng (Gambar 1). Pengambilan data dilakukan dari bulan Juni sampai dengan Juli 2015. Pengolahan data dilakukan pada bulan Agustus sampai dengan September 2015 di Laboratorium Remote Sensing Departemen Manajemen Hutan, Fakultas Kehutanan IPB.
Gambar 1 Peta lokasi penelitian di Kabupaten Pesawaran tahun 2015 Alat dan Data Alat yang digunakan dalam penelitian ini terdiri dari alat tulis, GPS (Global Positioning System), kamera, tally sheet, dan laptop yang dilengkapi dengan
4
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 lokasi penelitian. Data sekunder merupakan data yang diperoleh secara tidak langsung oleh peneliti diperoleh dari berbagai sumber yaitu Citra Satelit Landsat 8 (OLI) path/row 123/64 perekaman Maret 2015 daerah Kabupaten Pesawaran, peta batas administrasi Kabupaten Pesawaran dan Peta Jaringan Jalan Kabupaten Pesawaran. Metode Penelitian a. Persiapan Persiapan yang dilakukan dengan studi pustaka tentang penelitian yang akan dilaksanakan. Selain itu, persiapan ini juga dilakukan dengan pengumpulan data secara tidak langsung (sekunder) berupa data Citra landsat 8 (OLI), peta administrasi, peta jaringan jalan Kabupaten Pesawaran. b. Pra-Pengolahan Citra Pra-pengolahan citra merupakan tahapan awal sebelum melakukan pengolahan citra. Tahap-tahap pra-pengolahan citra meliputi perubahan format citra, layers stack, pemotongan citra dan pansharpening (Image Fusion). 1. Perubahan Format Citra Citra satelit landsat 8 (OLI) yang telah di download 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. Layers Stack Layer stack merupakan proses penggabungan band untuk memperoleh suatu citra yang memiliki band cahaya tampak (visible), TIR, NIR, SWIR dan Cirrus pada Landsat 8. Pada penelitian ini digunakan citra multiband yang meliputi band 1,2,3,4,5,6,7 dan 9 yang memliki resolusi sama yaitu 30 meter. Karakteristik band landsat 8 dapat dilihat pada Tabel 1. Tabel 1 Karakteristik band landsat 8 Saluran 1 Visible 2 Visible 3 Visible 4 NIR 5 NIR 6 SWIR 7 SWIR 8 PAN 9 Cirrus 10 TIRS 1 11 TIRS 2 Sumber : USGS (2014)
Panjang gelombang (µm) 0.43 - 0.45 µm 0.45 - 0.51 µm 0.53 - 0.59 µm 0.64 - 0.67 µm 0.85 - 0.88 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 30 m 30 m 30 m 30 m 30 m 15 m 30 m 100 m 100 m
5
3. Pemotongan Citra Pemotongan citra merupakan proses pemotongan citra sesuai dengan batas kawasan lokasi penelitian. Pemotongan citra dilakukan dengan tujuan untuk memperkecil daerah yang dikaji sesuai dengan daerah yang menjadi fokus penelitian, yakni Kabupaten Pesawaran. 4. Pansharpening atau Image Fusion Pan-sharpening atau Image Fusion merupakan salah satu teknik untuk mengintegrasikan detail geometri atau spasial dari suatu citra pankromatik beresolusi sedang. Proses ini juga disebut proses peningkatan resolusi spasial. Citra satelit yang digunakan pada penelitian ini juga melalui proses fusi band 8 yang memiliki resolusi spasial 15 m x 15 m (panchromatic) dengan band multispektral lainnya (band 1, 2, 3, 4, 5, 6, 7, 8 dan 9). Dengan penggabungan tersebut diperoleh citra yang mempunyai resolusi spasial 15 m x15 m. Metode penggabungan citra yang digunakan adalah metode Brovey Transform. Metode ini merupakan metode yang paling populer untuk memadukan dua macam citra yang berbeda resolusi spasial (Danoedoro 2012). Metode Brovey Transform dapat diketahui dengan rumus: 𝑀
Saluran_MP = (𝑀+𝐻+𝑃 × 𝑃) 𝐻
Saluran_HP = (𝑀+𝐻+𝐵 × 𝑃) 𝐻
Saluran_BP = (𝑀+𝐻+𝐵 × 𝑃) Keterangan : M = Saluran merah B = Saluran biru H = Saluran hijau P = Saluran pankromatik c. Pengamatan Data Lapang (Ground Check) Sebelum dilakukan ground check terlebih dahulu dilakukan interpretasi citra secara umum. Hal ini dilakukan untuk mendapatkan gambaran secara umum kondisi dan jenis tutupan lahan yang ada di lokasi penelitian. Interpretasi citra dilakukan berdasarkan unsur-unsur karakteristik citra yaitu rona/warna, bentuk, tekstur, pola, bayangan, ukuran, asosiasi dan situs. Pengambilan data lapang atau ground check dilakukan untuk mendapatkan informasi tentang keadaan tutupan lahan yang sebenarnya di lapangan dan titiktitik koordinat dari tutupan lahan. Kegiatan yang dilakukan adalah mendatangi titik-titik jenis tutupan lahan yang telah diidentifikasi pada citra dengan bantuan GPS untuk membandingkan dengan keadaan sebenarnya di lapang. Jumlah titik untuk kegiatan ground check sebanyak 100 titik koordinat.
6
d. Analisis Citra 1. Analisis Citra Secara Visual Analisis citra secara visual dilakukan berdasarkan atas sifat fisik yang tampak pada citra. Keberhasilan didalam penafsiran citra sangat bervariasi bergantung kepada pengalaman penafsir, sifat objek yang diinterpretasi dan kualitas citra yang digunakan (Lillesand dan Kiefer 1990). Proses penafsiran dalam analisis citra visual dapat dipermudah dengan mempertimbangkan elemenelemen interpretasi meliputi: rona/warna, tekstur, bentuk, pola, ukuran,bayangan, asosiasi dan situs. Analisis citra secara visual memiliki beberapa tahapan yang harus dilakukan. Tahap-tahap analisis citra secara visual diantaranya; sebagai berikut: a. On-screen digitation On-screen digitation atau deliniasi dilayar komputer dilakukan untuk membuat batas setiap kelas tutupan lahan. Batas setiap kelas tutupan lahan didasarkan atas elemen interpretasi yakni: 1. Rona/warna ialah tingkat kecerahan objek pada citra yang tampak oleh mata. 2. Tekstur menunjukkan halus atau tidaknya suatu citra yang terlihat oleh mata. 3. Bentuk merupakan konfigurasi atau kerangka objek yang demikian mencirikan suatu objek sehingga citra dapat diidentifikasi langsung berdasarkan kriteria ini. 4. Pola merupakan susunan keruangan yang mencirikan objek bentukan manusia atau objek bentukan alamiah. 5. Ukuran objek pada citra harus dipertimbangkan sehubungan dengan skala citra. 6. Bayangan membantu dalam memberikan gambaran suatu objek dari bentuk atau kerangka bayangan 7. Asosiasi merupakan keterkaitan suatu objek dengan objek lain. 8. Situs menjelaskan letak objek terhadap letak lainnya b. Klasifikasi tutupan lahan Klasifikasi dilakukan secara manual dengan menggunaka hasil on-screen digitation, elemen interpretasi dan dicocokan menggunakan hasil pengamatan data lapang. Hasil pengamatan data dilapang bersifat memverifikasi kebenaran hasil yang diperoleh dari on-screen digitation. Hal ini menunjukan tutupan lahan yang telah ditafsir menggunakan elemen interpretasi apakah sesuai dengan keadaan lapangnya. Jika terjadi ketidak susuaian maka kesalahan yang terjadi dapat mengurangi nilai akurasi dari klasifikasi tutupan lahan tersebut. 2. Analisis Citra Secara Digital Analisis citra digital merupakan suatu proses penyususnan, pengurutan, 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 classification). Klasifikasi terbimbing (supervised classification) merupakan metode yang diperlukan untuk mentransformasikan data citra multispektral ke dalam kelas-kelas unsur spasial
7
(Prahasta 2008). Piksel-piksel yang berada pada satu kelas diasumsikan berkarakteristik sama, sehingga dapat dilakukan pemilihan area contoh (Training Area) untuk mengelompokkan objek secara terpisah. Tahap-tahap analisis citra secara digital, sebagai berikut: a. Penentuan Area Contoh (Training Area) Penentuan area contoh dilakukan berdasarkan data yang diperoleh dari hasil interpretasi citra secara visual dan pengambilan titik objek di lapang. Pengambilan titik objek harus mewakili satu kelas tutupan lahan. Titik yang menjadi area contoh diambil dalam beberapa piksel dari setiap kelas tutupan lahan dan ditentukan lokasinya pada citra untuk menganalisis informasi statistik yang diperoleh dari lapang. 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 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). b. 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 Transfer Divergence (TD), metode ini digunakan untuk mengukur tingkat keterpisahan antar kelas. Transfer Divergence akan berkisar antara 0 sampai dengan 2000. Semakin kecil nilai, semakin jelek separabilitasnya. Nilai nol sama dengan tidak bisa dipisahkan, sedangkan nilai maksimum menujukkan keterpisahan yang sangat baik (excellent) (Jaya 2009). Hasil analisis separabilitas diukur berdasarkan beberapa kriteria yang dikelompokkan ke dalam lima kelas, setiap kelasnya mendeskripsikan kuantitas keterpisahan tiap tutupan lahan. Kelima kelas yang diklasifikasimenurut Jaya (2010), sebagai berikut: 1. Tidak terpisah : < 1600 2. Kurang terpisah : 1600≤1800 3. Cukup terpisah : 1800≤1900 4. Sangat baik keterpissahannya : 2000 c. Klasifikasi Tutupan Lahan Analisis citra digital yang digunakan pada penelitian ini adalah klasifikasi terbimbing (supervised). Klasifikasi terbimbing (supervised) merupakan metode yang diperlukan untuk mentransformasi data citra multi-spektral ke dalam kelaskelas unsur spasial (Prahasta 2008). Metode yang digunakan dalam penelitian ini menggunakan metode peluang maksimum (maximum likelyhood classifier). Metode maximum likehood memperrtimbangankan nilai rata-rata dan keragaman antarkelas dan saluran (kovariansi) (Lillesand dan Kiefer 1990). Nilai pada metode maximum likelyhood didasarkan pada nilai piksel sama dan identik pada citra.
8
e. Uji Akurasi Klasifikasi Uji akurasi klasifikasi digunakan untuk mengevaluasi ketelitian atau kesalahan dari klasifikasi tutupan lahan yang telah. Akurasi ini dianalisis dengan menggunakan suatau matriks kontingensi atau matriks kesalahan (confusion matrix) yang ada pada Tabel 2 . Tabel 2 Contoh perhitungan akurasi Data Referensi A B C D Jumlah User’s Accuracy
Diklasifikasi ke Kelas
Jumlah
A X11 X21 X31 X41 X+1
B X12 X22 X32 X42 X+2
C X13 X23 X33 X43 X+3
D X14 X24 X34 X44 X+4
X11/X+1
X22/X+2
X33/X+3
X44/X+4
X1+ X2+ X3+ X4+ N
Producer’s accuracy X11/X1+ X22/X2+ X33/X3+ X44/X4+
Sumber : Analisis Citra Digital, Jaya 2010
Berdasarkan Tabel 2 diatas, akurasi yang bisa dihitung terdiri dari akurasi pembuat (producer’s accuracy), akurasi pengguna (user accuracy), dan akurasi keseluruhan (overall accuracy). Secara matematis rumus dari akurasi di atas dapat dinyatakan sebagai berikut : Akurasi pengguna = Akurasi Pembuat =
𝑋𝑖𝑖
100%
𝑋+𝑖 𝑋𝑖𝑖
𝑋𝑖+
100%
Akurasi Keseluruhan =
∑𝑟𝑖=1 𝑋𝑖𝑖 𝑁
100%
Dimana: 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: KappaAccuracy=
𝑁 ∑𝑟𝑖=1 𝑋𝑖𝑖 − ∑𝑟𝑖=1 𝑋𝑖+ 𝑋+𝑖 𝑁2 −∑ 𝑋𝑖+ 𝑋+𝑖
100
9
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
HASIL DAN PEMBAHASAN Karakteristik Tutupan Lahan di Lapang Pengamatan di lapang bertujuan untuk menyesuaiakan keadaan tutupan lahan yang terlihat pada citra dengan keadaan yang sebenarnya di lapangan. Berdasarkan penentuan titik koordinat pengamatan sebanyak 100 titik diperoleh 10 jenis tutupan lahan di lapangan. Koordinat titik yang diambil meliputi 7 kecamatan di Kabupaten Pesawaran tetapi tidak semua titik dapat di datangi karena aksesibilitas menuju ke lokasi pengamatan tutupan lahan yang jauh dan sulit untuk dijangkau. Selain dari 10 jenis tutupan lahan yang ditemukan dilapang, terdapat 2 jenis obyek tutupan lahan tambahan yaitu awan dan bayangan awan (Baplan 2008). Informasi jenis tutupan lahan objek awan dan bayangan awan diketahui dari kenampakan pada citra. Sehingga jenis tutupan lahan yang diperoleh sebanyak 12 tutupan lahan. Keberadaan awan dan bayangan awan sesungguhnya menyulitkan dalam mengidentifikasi tutupan lahan. Berdasarkan interpretasi citra secara umum dan pengamatan di lapangan, tutupan lahan yang terdapat di Kabupaten Pesawaran dapat dilihat pada Tabel 3 dan penyebaran titik koordinat pengamatan dilapang dapat dilihat pada Gambar 2. Tabel 3 Karakteristik tutupan lahan di lapangan Kabupaten Pesawara tahun 2015 No
Kelas tutupan lahan
Keterangan
1
Sawah
Kawasan petanian lahan basah yang berupa padi dengan luasan yang beragam. Sawah yang ditemukan dilapang berupa sawah irigasi dan berada disekitar pemukiman warga. Pola yang dibentuk dilapang merupakan pola yang teratur. Tanaman padi yang ditemukan di lapang berupa padi berumur 10 hari sampai dengan 40 hari.
2
Badan air
Daerah atau lokasi yang tergenang air tanpa ada vegetasi yang menaungi. Sebagian besar sungai yang ditemukan di lapang berada dekat pemukiman masyarakat, sawah dan perkebunan. Badan air yang ditemukan berupa sungai dan bendungan. Sungai yang berada dilapang biasanya digunakan untuk irigasi sawah dan keperluan MCK (mandi, cuci dan kakus) masyarakat ketika musim kemarau.
10
No
Kelas tutupan lahan
Tabel 3 (Lanjutan) Keterangan
3
Perkebunan sawit
Kawasan perkebunan dengan kenampakan yang ada pada aktivitas lahan kering. Memiliki pola yang teratur dengan jenis tanaman kelapa sawit. Perkebunan sawit berbatasan langsung dengan pemukiman masyarakat. Tanaman sawit yang ditemukan di lapang hampir semua masih dalam usia yang produktif. Dibeberapa perkebunan sawit dimanfaatkan masyarakat menjadi ladang pengembalaan ternak seperti sapi dan kambing.
4
Perkebunan karet produktif
Kawasan perkebunan lahan kering dengan jenis tanaman karet yang berumur kurang lebih 12 tahun sampai dengan 16 tahun. Karet ini merupakan karet produktif yang masih diambil getah karetnya karena masih berumur dibawah 20 tahun. Pola yang terlihat di lapang merupakan pola yang teratur. Lokasi perkebunan ada yang berbatasan langsung dengan pemukiman dan ada juga yang tidak. Perkebunan karet ini ada yang dimiliki oleh PTPN 7 dan ada juga yang dimiliki perseorangan.
5
Perkebunan karet muda
Kawasan perkebunan lahan kering dengan jenis tanaman karet yang berumur 3 tahun sampai dengan 5 tahun dengan pola yang teratur. Lokasi kebun karet muda biasanya berdekatan dengan kebun karet tua. Hal ini disebabkan karet tua yang sudah tidak produktif akan ditebang dan digantikan oleh karet muda. Tanaman karet muda biasanya ditanam berdampingan dengan tanaman ubi-ubian seperti mantang. Perkebunan karet muda berada di kawasan PTPN 7.
6
Perkebunan karet tua
Kawasan perkebunan lahan kering dengan jenis tanaman karet yang berumur lebih dari 20 tahun. Kebun karet tua yang berada di PTPN sudah tidak di sadap tetapi yang berada di perkubunan rakyat masih ada yang disadap. Bentuk pohon karet tua sudah tidak sebagus karet produktif bahkan daun-daunnya sudah mulai merontok. Pola yang dihasilkan ada yang teratur dan tidak teratur.
7
Lahan terbangun
Daerah atau lokasi yang tersusun secara kelompok berupa bangunan-bangunan, baik di perkotaan maupun di pedesaan. Pola yang terbentuk merupakan pola yang cukup teratur. Lahan terbangun yang ditemukan dilapang berupa pemukiman masyarakat, jalan, pabrik, perkantoran, sekolah dan pasar.
11
Tabel 3 (Lanjutan) No
Kelas tutupan lahan
Keterangan
8
Hutan
Penutupan lahan yang terdiri dari berbagai jenis pohon dengan luasan yang sangat besar dan berada di perbukitan. Lokasi yang berada diperbukitan menyulitkan untuk melakukan pengamatan lapang secara dekat. Beberapa jenis tanaman dan pohon yang ada disana durian, jati, pisang, kelapa, karet, kedong, jambu hutan, jelatung dan gemelina.
9
Kebun campuran
Perkebunan yang dikelola oleh masyarakat dengan jenis tanaman dan pohon yang beragam atau lebih dari satu jenis. Tanaman dan pohon yang biasa di tanam yaitu singkong, pepaya, karet, jati, durian, nangka, kelapa dan pisang. Pola yang dibentuk tidak teratur. Lokasi biasanya tidak jauh dari pemukiman tapi ada juga yang berada jauh dari pemukiman.
10
Tambak
Aktivitas perikanan darat yang biasanya terletak di sepanjang pantai. Berdasarkan wawancara tambak yang ada di kawasan itu berupa tambak udang untuk didistribusikan ke supermarket. Pola yang dibentuk tampak teratur dan berkelompok. Pada saat pengamatan data lapang terdapat beberapa tambak yang sedang dikeringkan atau sedan diperbaiki. Selain itu terdapat juga lahan yang sedang dibangun untuk dijadikan tambak.
12
Gambar 2 Peta sebaran titik pengamatan di Kabupaten Pesawaran tahun 2015
Klasifikasi Tutupan Lahan Secara Visual Kegiatan klasifikasi tutupan lahan secara visual merupakan kegiatan identifikasi citra melalui kemampuan interpreter dibantu dengan elemen-elemen interpretasi citra untuk mengenali suatu obyek. Pengenalan obyek ini dilakukan untuk dimanfaatkan kemudian hari sesuai disiplin ilmu yang membutuhkan. Penyimpulan obyek atau kondisi suatu daerah yang tergambar pada citra digunakan lebih dari satu unsur yang masing-masing mengarah ke satu
13
kesimpulan dan tidak ada yang pertentangan. Menurut Jaya (2010) menjelaskan kegiatan penafsiran citra secara visual memiliki elemen-elemen dasar diagnostik penafsiran yaitu mencakup tone atau warna, tekstur, bentuk, pola, ukuran, bayangan, lokasi dan asosiasi. Rona merupakan unsur dasar yang tampak pertama pada citra, setelah warna atau rona yang sama dikelompokkan dan diberi garis batas untuk memisahkannya dari rona atau warna yang berlainan barulah tampak bentuk, tekstur, pola, ukuran dan bayangannya. Selain itu penafsiran citra juga dicocokan oleh data pengamatan dilapang. Hal ini berpengaruh kepada benar atau tidaknya tutupan lahan yang sudang diidentifikasi sama dengan keadaan sebenarnya dilapang. Hasil identifikasi tutupan lahan klasifikasi secara visual pada penelitian ini diperoleh 12 kelas tutupan lahan yaitu awan, bayangan awan, badan air, lahan terbangun, sawah, kebun campuran, karet produktif, karet muda, karet tua, tambak, sawit dan hutan. Setiap kelas tutupan lahan memiliki karakteristik masing-masing yang dapat dilihat dari elemen interpretasinya dan data yang diperoleh dari lapang. Berikut merupakan karakteristik tiap tutupan lahan: 1. Awan dan bayangan awan Selain dari 10 kelas tutupan lahan yang ditemukan dilapang, terdapat 2 jenis obyek tutupan lahan tambahan yaitu awan dan bayangan awan (sumber: Baplan 2008). Informasi jenis tutupan lahan obyek awan dan bayangan awan diketahui dari kenampakan pada citra. Rona atau warna yang terlihat pada citra untuk awan berwarna putih dan ada yang berwarna putih kemerahan. Sedangkan untuk bayangan awan memiliki rona atau warna hitam. Bentuk awan dan bayangan awan berupa gumpalan yang tidak teratur bentuknya. Begitu juga dengan pola sebaran awan tidak teratur dikarenakan terpengaruh oleh cuaca. Tekstur awan dan bayangan awan yang nampak pada citra berupa tekstur yang halus (Gambar 3).
Gambar 3 Awan dan bayangan awan
14
2. Badan air Kelas tutupan lahan badan air merupakan seluruh kenampakan perairan termasuk laut, sungai, danau, waduk, terumbu karang dan padang lamun (Baplan 2008). Tutupan lahan berupa badan air yang terdapat dilapang berupa sungai dan bendungan/waduk. Rona atau warna yang tampak pada citra adalah warna biru. Bentuk yang dapat dilihat untuk sungai berbentuk memanjang dan meliuk dan untuk waduk atau bendungan berbentuk melingkar. Pola yang dibentuk oleh badan air merupakan pola yang teratur dan susunan yang berulang di setiap badan air. Sedangkan tekstur untuk badang air adalah halus (Gambar 4).
(a) (b) Gambar 4 Badan air pada citra (a) badan air di lapangan (b) 3. Lahan terbangun Kelas tutupan lahan terbangun merupakan kenampakan kawasan berupa pemukiman, jalan, pabrik, perkantoran, sekolah dan pasar, baik diperkotaan atau pedesaan. Rona atau warna yang nampak pada citra berupa warna merah muda terang sampai dengan merah muda agak gelap. Bentuk kelas tutupan lahan ini ada yang berupa memanjang dan ada juga yang melingkar. Pola yang terbentuk cukup teratur dan susunan berulang disetiap tutupan lahan terbangun. Tekstur yang dapat terlihat pada citra berupa tekstur yang kasar (Gambar 5).
15
(a) (b) Gambar 5 Lahan terbangun pada citra (a) lahan terbangun di lapangan (b) 4. Sawah Kelas tutupan lahan sawah merupakan kenampakan dari pertanian lahan basah yang dicirikan dengan pola pematang (JICA dan Fahutan IPB 2010). Pada citra ditemukan dua kenampakan sawah yang ditafsirkan sebagai sawah pasca panen dan sawah siap tanam. Sawah pasca panen memiliki rona atau warna berupa merah muda cerah dengan tekstur halus. Sedangkan untuk sawah siap tanam memiliki rona atau warna berupa merah muda cerah dengan sedikit warna kehitaman dan memiliki tekstur yang halus. Sedangkan untuk bentuk memiliki bentuk yang melingkar tidak teratur dan pola yang tidak teratur (Gambar 6). Pada saat melakukan pengamatan lapang tidak ditemukan sawah pasca panen dan sawah siap tanam tetapi sawah yang sudah ditanami padi berumur 10 hari sampai 40 hari. Hal ini dikarenakan citra yang digunakan merupakan citra perekaman pada bulan Maret 2015 sedangkan pengamatan data lapang dilakukan pada bulan Juni 2015. Selang waktu tiga bulan memungkinkan sawah yang tadinya berupa sawah pasca panen dan sawah siap tanam sudah dilakukan penanaman padi oleh petani.
(a) (b) Gambar 6 Sawah pasca panen pada citra (b) sawah siap tanam
16
5. Kebun campuran Kelas tutupan lahan kebun campuran merupakan kenampakan dari pertanian lahan kering dengan berbagai jenis tanaman dan pohon yang ada didalamnya. Jenis tanaman dan pohon yang terdapat pada kebun campuran berupa singkong, pepaya, karet, jati, durian, nangka, kelapa dan pisang. Rona atau warna yang nampak pada citra berupa warna hijau cerah dengan tekstur halus. Bentuk tutupan lahan ini biasanya membentuk melingkar tidak teratur. Pola yang terbentuk tidak teratur dikarenakan masyarakat yang memiliki kebun campuran menanam tanaman dan pohon secara acak tidak beraturan (Gambar 7).
(a) (b) Gambar 7 Kebun campuran pada citra (a) kebun campuran di lapangan (b) 6. Perkebunan karet produktif Kelas tutupan lahan karet produktif merupakan kenampakan dari pertanian lahan kering dengan jenis pohon karet yang berumur 12 tahun sampai dengan 16 tahun. Rona atau warna yang terlihat pada citra berupa warna hijau cerah. Pola yang terbentuk pada citra berupa pola yang tidak teratur akan tetapi pola yang terbentuk dilapang merupakan pola yang teratur. Hal ini bisa disebabkan karena tutupan tajuk pohon karet yang menutupi pola sebaran pohon karet itu sendiri. Sedangkan untuk tekstur perkebunan karet produktif memiliki tekstur yang halus (Gambar 8).
17
(a) (b) Gambar 8 Perkebunan karet produktif pada citra (a) perkebunan karet produktif di lapangan (b) 7. Perkebunan karet muda Kelas tutupan lahan karet muda merupakan kenampakan dari pertanian lahan kering yang berupa jenis pohon karet dengan umur 2 tahun sampai 3 tahun. Rona atau warna yang terlihat pada citra berupa warna hijau muda cerah dengan tekstur halus (Gambar 9). Pola yang terbentuk pada citra berupa pola yang tidak teratur. Lokasi karet muda berdampingan dengan lokasi karet tua. Hal ini dikarenakan blok karet yang sudah tua akan ditebang dan ditanam kembali dengan karet muda dan penebangan tidak dilakukan sekaligus tetapi dilakukan berkala.
(a) (b) Gambar 9 Perkebunan karet muda pada citra (a) perkebunan karet muda di lapangan (b) 8. Perkebunan karet tua Kelas tutupan lahan karet tua merupakan kenampakan dari pertanian lahan kering dengan jenis pohon karet yang berumur lebih dari 20 tahun. Pada saat pengamatan data di lapang ditemukan bahwa karet tua yang berada di PTPN 7
18
sudah tidak produktif dan tidak disadap atau diambil getahnya lagi, sedangkan pada kebun milik pribadi masyarakat karet tua masih disadap walaupun hasilnya sudah tidak banyak dan kualitas yang tidak bagus. Rona atau warna yang terlihat pada citra berupa warna hijau tua gelap dengan tekstur halus. Pola yang terbentuk merupakan pola yang tidak teratur (Gambar 10).
(a) (b) Gambar 10 Perkebunan karet tua pada citra (a) perkebunan karet tua di lapangan (b) 9. Tambak Kelas tutupan lahan tambak merupak kenampakan dari aktivitas perikanan darat yang terletak disepanjang pantai. Berdasarkan hasil wawancara dengan pegawai tambak jenis yang dikebangbiakan adalah udang. Rona atau warna yang dapat terlihat pada citra berupa warna hitam gelap dengan tekstur halus sampai kasar. Bentuk dari tambak sendiri berupa persegi-persegi yang berdekatan sehingga membentuk pola yang teratur dan dapat terlihat jelas pada citra (Gambar 11).
(a) (b) Gambar 11 Tambak pada citra (a) tambak di lapangan (b)
19
Perkebunan sawit Kelas tutupan lahan perkebunan sawit merupakan kenampakan dari pertanian lahan kering dengan jenis tanaman berupa kelapa sawit. Rona atau warna yang dapat dilihat pada citra berupa warna hijau dengan tekstur halus sampai dengan kasar. Pola yang terbentuk teratur dapat terlihat jelas pada citra (Gambar 12). 10.
(a) (b) Gambar 12 Perkebunan sawit pada citra (a) perkebunan sawit di lapangan (b) 11.
Hutan Kelas tutupan lahan hutan merupakan kenampakan dari hutan dataran rendah dan hutan perbukitan. Jenis tanaman dan pohon yang ada di hutan ini adalah durian, jati, pisang, kelapa, karet, kedong, jambu hutan, jelutung dan gmelina. Rona atau warna yang dapat dilihat pada citra berupa warna hijau sampai dengan hijau tua agak gelap dengan tekstur kasar (Gambar 13). Pola yang terbentuk tidak teratur.
(a) (b) Gambar 13 Hutan pada citra (a) hutan di lapangan (b)
20
Hasil klasifikasi tutupan lahan secara visual memiliki presentase luasan terbesar pada tutupan lahan hutan sebesar 39.92% dan presentase tutupan lahan terkecil adala karet muda sebesar 0.1%. Luasan tiap tutupan lahan dapat dilihat pada Tabel 4 dan peta hasil klasifikasi tutupan lahan secara visual dapat dilihat pada Gambar 14. Tabel 4 Klasifikasi tutupan lahan secara visual di Kabupaten Pesawaran tahun 2015 Tutupan lahan Luas (Ha) Presentase (%) Awan/bayangan awan 33 251.16 29.58 Badan air 1 199.69 1.07 Hutan 43 840.89 39.00 Perkebunan karet muda 114.93 0.10 Perkebunan karet produktif 7 451.96 6.63 Perkebunan karet tua 1 698.79 1.51 Kebun campuran 6 177.29 5.50 Lahan terbangun 5 429.4 4.83 Sawah 7 870.36 7.00 Perkebunan sawit 4 717.7 4.20 Tambak 651.31 0.58 Total 112 403.38 100
21
Gambar 14 Peta klasifikasi tutupan lahan secara visual di Kabupaten Pesawaran tahun 2015 Pengolahan secara visual dibagi menjadi 2 tahapan yaitu tahapan deliniasi di layar komputer (on-screen digitation) dan tahapan pengolahan lanjutan. Tahapan on-screen digitation memerlukan waktu yang lebih lama yaitu 14 jam 21 mentit. Total waktu yang dibutuhkan untuk pengolahan klasifikasi secara visual yakni 16 jam 43 menit. Waktu tiap tahapan dapat dilihat pada Tabel 5.
22
Tabel 5 Waktu pengolahan klasifikasi visual Tahapan pengolahan Waktu Deliniasi di layar komputer (on-screen 14 jam 21 menit digitation) Klasifikasi tutupan lahan 2 jam 12 menit 16 jam 43 menit Total Klasifikasi Tutupan Lahan Secara Digital Klasifikasi tutupan lahan secara digital bertujuan untuk melakukan kategorisasi secara otomatik dari semua piksel citra kedalam kelas penutupan lahan atau suatu tema tertentu. Klasifikasi tutupan lahan secara digital dilakukan dengan menggunakan metode klasifikasi terbimbing. Klasifikasi terbimbing menggunakan data pengindraan jauh multispektral. Secara umum data multispektral menggunakan bentuk klasifikasi pola spektral data kategorisasi setiap piksel berbasis numerik. Perbedaan tipe kenampakan menunjukkan perbedaan kombinasi dasar nilai digital pixel pada sifat pantulan (reflektansi) dan pancaran (emisi) spektral yang dimiliki. Tahap awal proses klasifikasi secara digital dilakukan dengan pembuatan area contoh (training area). Pembuatan area contoh dilakukan dengan hasil pengamatan dan informasi jenis tutupan lahan di lapang. Informasi yang didapat mencakup jenis tiap tutupan lahan sebagai kunci interpretasi untuk klasifikasi digital. Jenis tutupan lahan diambil dari piksel setiap jenis tutupan lahan yang homogen. Pembuatan batas area contoh (training area) untuk klasifikasi merupakan pengkelasan yang didasarkan pada perhitungan statistik. Oleh karena itu, jumlah pengamatan pixel pada sejumlah training area untuk setiap tutupan lahan paling sedikit sejumlah (n+1) dimana n adalah jumlah saluran spektral yang digunakan. Hasil training area yang baik dapat dilihat dari keterpisahan antar piksel tiap jenis kategori tutupan lahan yang dilakukan dengan analisis separabilitas. Analisis separabilitas adalah analisis kuantitatif yang menggunakan nilai spektral yang dihasilkan oleh setiap piksel pada kategori tutupan lahan. Selain itu analisis separabilitas ini menunjukkan statistik antar kelas berdasarkan rara-rata nilai digital setiap kelas tutupan lahan untuk melihat apakan kelas tersebut layak digabung atau tidak. Metode yang digunakan pada analisis separabilitas penelitian ini adalah metode Transformed Divergence (TD). Metode Transformed Divergence (TD) digunakan untuk mengukur keterpisaan tiap kelas tutupan lahan. Semakin kecil nilai yang didapat, semakin jelek separabilitasnya (Jaya 2009). Nilai nol diartikan tidak bisa terpisah, sedangkan nilai maksimum (2000) menunjukkan keterpisahan yang sangat baik (excellent). Hasil analisis separabilitas menunjukkan keterpisahan yang kurang baik dan tidak terpisah antara beberapa kelas tutupan lahan. Hal ini dapat dilihat dari nilai separabilitas yang dihasilkan. Kelas tutupan lahan yang tidak terpisah (<1600) dan kurang baik terpisah (<1800) perlu dilakukan pengelompokan kembali atau regroup. Regroup dilakukan ke dalam jenis tutupan lahan yang relatif sama berdasarkan kondisi di lapang dan nilai spektral yang dihasilkan. Pengelompokan menjadi 12 kelas tutupan lahan pada analisis citra visual ternyata belum dapat memberi keterpisahan kelas yang optimal. Dari 12 kelas
23
tutupan lahan digabung menjadi 9 kelas tutupan lahan berdasarkan kedekatan kenampakan visual yang ditemukan dilapang. Kelas tutupan lahan perkebunan karet produktif dan perkebunan karet tua digabung menjadi hutan. Secara kualitatif karet produktif dan karet tua memiliki persamaan karakteristik ciri fisik dan kemiripan nilai digital. Kelas tutupan lahan sawit digabung dengan hutan dikarenakan memiliki kemiripan nilai digital. Proses re-group dari 12 kelas tutupan lahan menjadi 9 kelas tutupan lahan dapat dilihat pada Tabel 6.
1 2 3 4 5 6 7 8 9 10 11 12
Tabel 6 Re-group 9 kelas tutupan lahan Re-group awal Re-group 1 Badan air Badan air Tambak Tambak Awan Awan Bayangan awan Bayangan awan Lahan terbangun Lahan terbangun Sawah Sawah Kebun campuran Kebun campuran Perkebunan karet muda Perkebunan karet muda Hutan Hutan Perkebunan karet produktif Perkebunan karet tua Perkebunan sawit
1 2 3 4 5 6 7 8 9
Tabel 7 Nilai separabilitas 9 kelas tutupan lahan 2 3 4 5 6 7 2 000 2 000 2 000 2 000 2 000 2 000 0 2 000 2 000 1 996 1 896 2 000 2 000 0 2 000 2 000 2 000 2 000 2 000 2 000 0 2 000 2 000 2 000 1 996 2 000 2 000 0 2 000 2 000 1 896 2 000 2 000 2 000 0 2 000 2 000 2 000 2 000 2 000 2 000 0 1 935 2 000 2 000 1 896 1 966 1 999 2 000 2 000 2 000 2 000 2 000 1 994
1 0 2 000 2 000 2 000 2 000 2 000 2 000 2 000 2 000
8 2 000 1 935 2 000 2 000 1 896 1 966 1 999 0 2 000
9 2 000 2 000 2 000 2 000 2 000 2 000 1 994 2 000 0
Keterangan : 1= badan air, 2= perkebunan karet muda, 3= bayangan awan, 4= awan, 5= kebun campuran, 6= hutan, 7= lahan terbangun, 8= tambak, 9= sawah
Secara umum berdasarkan nilai separabilitas tutupan lahan pada Tabel 7 menunjukkan seluruh jenis kelas tutupan lahan pada 9 kecamatan di Kabupaten Pesawaran terpisah cukup baik. Kelas awan dan bayangan awan memiliki nilai separabilitas 2000. Hal ini berarti kelas tutupan lahan tersebut dapat dipisahkan dengan sangat baik. Nilai separabilitas terkecil ditunjukan oleh kelas tutupan lahan kebun campuran dan tambak dengan nilai separabilitas sebesar 1896. Klasifikasi terbimbing pada penelitian ini menggunakan metode maximum likelyhood (kemiripan maksimum). Metode maximum likelyhood mempertimbangkan nilai rata-rata dan keragaman antar kelas dan saluran
24
(kovariansi) (Lillesand et al. 1990). Metode maximum likelyhood didasarkan pada nilai pixel sama dan identifikasi pada citra. Dimana setiap pixel yang diambil dari jenis kategori harus mempunyai satu karakteristik dengan sebaran normal. Teknik maximum likelyhood memiliki hasil klasifikasi yang lebih teliti dibanding dengan strategi yang lainnya. Meskipun secara umum pengkelasan maximum likelyhood diperlukan perhitungan rumit dan banyak untuk mengklasifikasikan setiap pixel. Secara intuitif maka semakin banyak jumlah saluran yang dapat digunakan pada pengkelasan kemungkinan maksimum akan membuahkan hasil klasifikasi yang lebih baik (Lillesand et al. 1990). Hasil klasifikasi citra 9 kelas tutupan lahan dapat dilihat pada Gambar 15.
Gambar 15 Peta klasifikasi tutupan lahan secara digital di Kabupaten Pesawaran tahun 2015
25
Hasil klasifikasi dari masing-masing jenis tutupan lahan menggunakan metode masimum likelyhood diperoleh persentasi luas yang terbesar yaitu 54.2% dengan jenis tutupan lahan hutan dan yang terendah sebesar 0.1 % dengan jenis tutupan lahan perkebunan karet muda. Luasan tiap tutupan lahan dapat dilihat pada Tabel 8. Luasan tutupan lahan kebun campuran pada klasifikasi secara digital memiliki perbedaan yang cukup besar terhadap luasan tutupan lahan yang sama pada klasifikasi secara visual. Perbedaan ini terjadi dikarenakan pada klasifikasi visual tutupan lahan kebun campuran dapat dibedakan dengan jelas dengan tutupan lahan hutan. Sedangkan pada klasifikasi digital di beberapa lokasi kebun campuran dan hutan tidak dapat dibedakan karena adanya kemiripan nilai digital. Selain itu terdapat kesalahan pengklasifikasian pada tutupan lahan awan dan sawah yang terklasifikasi menjadi lahan terbangun. Hal ini dapat disebabkan nilai digital awan yang terklasifikasi menjadi lahan terbangun lebih memiliki kemiripan dengan nilai digital lahan terbangun dibandingkan nilai digital awan secara umum. Nilai digital untuk sawah dan lahan terbangun secara keseluruhan memiliki kemiripan yang mengakibatkan sawah dapat terklasifikasi menjadi lahan terbangun. Perbedaan luasan untuk tutupan lahan yang lain tidak terlalu besar. Hal ini dikarenakan saat deliniasi pada komputer di klasifikasi secara visual penafsir kurang teliti membuat batasan antara tutupan lahan. Ketidak telitian ini mengakibatkan terjadi perbedaan tutupan lahan diantara dua klasifikasi. Tabel 8 Klasifikasi tutupan lahan di Kabupaten Pesawaran tahun 2015 Tutupan lahan Luasan (ha) Persentase (%) Awan / Bayangan awan 28 766.78 Hutan 60 860.35 Sawah 860.39 Badan Air 750.72 Perkebunan karet Muda 116.78 Kebun Campuran 4 438.91 Lahan Terbangun 15 959.06 Tambak 650.39 112 403.38 Total
25.6 54.2 0.74 0.7 0.1 3.86 14.2 0.6 100
Pengolahan klasifikasi citra secara digital dibagi menjadi beberapa tahapan waktu. Tahapan-tahapan tersebut adalah penentuan area contoh, analisis separabilitas, klasifikasi tutupan lahan dan pengolahan lanjutan. Tahapan yang memakan waktu lebih banyak terjadi pada pengolahan lanjutan yaitu 8 jam 12 menit. Total waktu yang diperlukan untuk melakukan pengolahan citra secara digital adalah 9 jam 10 menit . Waktu tiap tahapan pengolahan dapat dilihat pada Tabel 9.
26
Tabel 9 Waktu pengolahan klasifikasi digital Tahapan pengolahan Waktu Penentuan area contoh 54 menit Analisis separabilitas 1 menit Klasifikasi tutupan lahan 3 menit Reclassifikasi 8 jam 12 menit Total 9 jam 10 menit
Uji Akurasi Uji akurasi dilakukan untuk mengetahui tingkat ketelitian hasil dari klasifikasi tutupan lahan yang dibuat. Metode yang digunakan untuk mengetahui tingkat akurasi adalah dengan menggunakan matriks kesalahan atau disebut juga matrik kontingensi. Matrik kesalahan adalah materi bujur sangkar yang berfungsi untuk membandingkan antara data lapangan dan korespondensinya dengan hasil klasifikasi (Lillesand et al. 1990). Dalam matrik kontingensi ada beberapa informasi yang didapat yaitu producer’s accuracy, user’s accuracy, overall accuracy dan kappa accuracy. Akurasi yang dianjurkan menggunakan kappa accuracy karena akurasi ini menggunakan seluruh elemen yang ada dalam matriks kontingensi. a. Uji akurasi klasifikasi tutupan lahan secara visual
Uji akurasi klasifikasi visual menggunakan data refrence berupa data titik pengamatan di lapang atau ground check dan data klasifikasi. Berdasarkan hasil uji akurasi klasifikasi secara visual pada lampiran 2 diperoleh Producer’s accuracy yang terkecil yaitu jenis tutupan lahan terbangun sebesar 53.85%. Hal ini dikarenakan dari 13 titik ground check terdapat 1 titik terklasifikasi menjadi badan air, 4 titik terklasifikasi menjadi sawah dan 1 titik terklasifikasi menjadi kebun campuran. Sedangkan untuk User’s accuracy nilai akurasi yang terkecil yaitu awan atau bayangan awan sebesar 66.67%. Hal ini dikarenakan adanya penambahan titik sebanyak 1 titik dari jenis tutupan lahan perkebunan karet produktif. Selain Producer’s accuracy dan User’s accuracy diperoleh juga nilai Overall accuracy sebesar 89% dan Kappa accuracy sebesar 87.59%. Hasil uji akurasi disajikan pada Tabel 10. b. Uji akurasi klasifikasi tutupan lahan secara digital
Uji akurasi klasifikasi digital menggunakan metode yang sama dengan uji akurasi klasifikasi visual tetapi data yang digunakan berbeda. Pada klasifikasi digital data refrence yang digunakan adalah data training area yang berupa piksel dan data hasil klasifikasi. Hasil uji akurasi klasifikasi secara digital pada lampiran 3 diperoleh nilai Producer’s accuracy terkecil diperoleh jenis tutupan lahan tambak sebesar 84.03%. Hal ini menunjukan bahwa dari 119 pixel terdapat 19 pixel yang masuk kedalam jenis tutupan lahan bayangan awan. Sedangkan untuk User’s accuracy nilai terkecil diperoleh jenis tutupan lahan bayangan awan sebesar 97.61% . Hal ini dikarenakan adanya penambahan 19 piksel tutupan lahan tambak dari total 119 pixel. Selain Producer’s accuracy dan User’s accuracy diperoleh juga nilai Overall accuracy sebesar 99.25% dan Kappa accuracy
27
sebesar 99.11%. Overall accuracy jarang digunakan karena nilai yang dihasilkan over estimate. Hasil uji akurasi disajikan pada Tabel 10. Nilai uji akurasi klasifikasi secara digital memiliki nilai yang lebih tinggi dibandingkan dengan nilai uji akurasi secara visual. Hal ini dikarenakan pengklasifikasian secara digital hanya berdasarkan dari training area, sedangkan pengklasifikasian secara visual berdasarkan banyak elemen dan bergantung kepada kemampuan penafsir. Tabel 10 Uji akurasi klasifikasi tutupan lahan Uji akurasi Metode klasifikasi Overall Kappa Accuracy (%) Accuracy (%) Metode visual 89 87.59 Mertode digital 99.25 99.11 Pemetaan Klasifikasi Tutupan Lahan Pada Kawasan Hutan Menurut Undang-Undang Republik Indonesia nomor 41 tahun 1999, kawasan hutan merupakan wilayah tertentu yang ditunjuk dan atau ditetapkan oleh pemerintah untuk dipertahankan keberadaannya sebagai hutan tetap. Kabupaten Pesawaran memiliki beberapa kawasan hutan yaitu hutan lindung, hutan produksi dan taman hutan raya (Tahura). Pemetaan klasifikasi tutupan lahan pada kawasan hutan di Kabupaten Pesawaran menggunakan data hasil klasifikasi tutupan lahan secara visual. Hal ini dikarenakan klasifikasi tutupan lahan secara visual mampu mengklasifikasi tutupan lahan lebih detail dibandingkan dengan klasifikasi digital. Hasil uji akurasi klasifikasi visual memiliki nilai yang lebih rendah dibandingkan uji akurasi klasifikasi digital tetapi hasil klasifikasi secara visual masih dapat digunakan karena memiliki nilai uji akurasi >80%. Pada kawasan hutan lindung terdapat 10.31 ha tutupan lahan kebun campuran dan 181.46 ha lahan terbangun berdasarkan klasifikasi tutupan lahan secara visual. Pada dasarnya fungsi dari kawasan hutan lindung merupakan pelindung sistem penyangga kehidupan untuk mengatur tata air, mengendalikan erosi dan memelihara kesuburan tanah. Terjadinya perubahan fungsi kawasan hutan lindung menjadi lahan terbangun dan kebun campuran perlu dilakukan penanganan lebih lanjut. Penanganan yang perlu dilakukan salah satunya adalah pengembalian lahan terbangun dan kebun campuran menjadi hutan lindung kembali guna menjaga kestabilan sumber daya alam yang tersedia (Kusumaningtyas et al. 2013). Pada kawasan hutan produksi terdapat 745.59 ha tutupan lahan sawah, 263.63 ha tutupan lahan perkebunan sawit dan 52.61 ha lahan terbangun. Perubahan fungsi hutan produksi cendrung mengarah kepada perkebunan sawit dan sawah. Perkebunan sawit dan sawah merupakan potensi yang menonjol di Kabupaten Pesawaran, hal ini dapat menjadi masukan bagi pengelolaan hutan selanjutnya. Pada kawasan Tahura terdapat 537.2 ha tutupan lahan perkebunan karet produktif dan 186.94 ha lahan terbangun. Seperti halnya Taman Nasional dan
28
Taman Buru, Tahura termasuk kawasan hutan konservasi yang tidak boleh diubah peruntukan dan fungsinya. Oleh sebab itu harus dilakukan penanganan berupa pengembalian kawasan dari perkebunan karet dan lahan terbangun menjadi Tahura kembali. Peta klasifikasi tutupan lahan pada kawasan hutan dapat dilihat pada Gambar 16.
Gambar 16 Peta klasifikasi tutupan lahan pada kawasan hutan di Kabupaten Pesawaran 2015
29
SIMPULAN DAN SARAN Simpulan Klasifikasi tutupan lahan secara digital dengan training area diperoleh 9 kelas tutupan lahan yaitu awan, bayangan awan, badan air, tambak, lahan terbangun, sawah, perkebunan karet muda, kebun campuran dan hutan. Sedangkan klasifikasi tutupan lahan secara visual dengan on-screen digitation diperoleh 12 kelas tutupan lahan yaitu awan, bayangan awan, badan air, tambak, lahan terbangun, sawah, perkebunan karet muda, perkebunan karet produktif, perkebunan karet tua, kebun campuran, perkebunan sawit dan hutan. Waktu yang diperlukan dalam pengolahan secara digital yaitu 9 jam 10 menit dan pengolahan secara visual membutuhkan waktu 16 jam 43 menit. Hasil uji akurasi klasifikasi secara digital dengan Overall accuracy sebesar 99.25% dan Kappa accuracy sebesar 99.11%. Sedangkan hasil uji akurasi klasifikasi secara visual dengan Overall accuracy sebesar 89% dan Kappa accuracy sebesar 87.59%. Pada klasifikasi tutupan lahan di kawasan hutan terdapat tutupan lahan yang tidak sesuai dengan fungsi kawasan hutan dan harus dikembalikan sesuai dengan fungsi kawasan hutan tersebut. Saran Perlu dilakukan penelitian lebih lanjut dengan menggunakan landsat citra yang lebih baik agar dapat mengidentifikasi tutupan lahan yang lebih detail. Pemilihan analisis citra yang akan digunakan bergantung kepada tujuan dari analisis itu dilakukan dan kualitas dari citra itu sendiri. Jika analisis dilakukan bertujuan untuk mendapatkan hasil yang cepat dan akurasi yang tinggi sebaiknya menggunakan analisis citra secara digital. Sedangkan jika analisis dilakuka bertujuan untuk mendapatkan hasil klasifikasi yang detail sebaiknya menggunakan analisis citra secara visual. Analisis citra digital disarankan untuk digunakan pada citra yang memiliki kualitas yang baik. Sedangkan analisis citra visual dapat digunakan pada citra kualitas baik dan tidak baik.
DAFTAR PUSTAKA Ardiansyah M.1987. Analisis Digital Data MSS Landsat Untuk Pemetaan Penutupan Lahan atau Tataguna Lahan, Suatu Studi Kasus Daerah Lembang dan Sekitar Jawa Barat [skripsi]. Bogor (ID) : Institut Pertanian Bogor [BAPLAN] Badan Planologi Kehutanan, Pusat Investarisasi dan Perpetaan Hutan, Badan Planologi Kehutanan, Kementrian Kehutanan. 2008. Pemantauan Sumber Daya Hutan. Jakarta (ID): Badan Planologi Kehutanan, Departemen Kehutanan. [BPS] Badan Pusat Statistik Kabupaten Pesawaran.2014. Statistik Daerah Kabupaten Pesawaran 2014. Lampung (ID): Badan Pusat Statistik . Buono A, Marimin, Putri D. Klasifikasi Penutupan Lahan Pada Multispektral Image dari Landsat Thematic Mapper Menggunakan Probabilistik Neural Network. Jurnal Ilmiah. 2(2):1-3
30
Danoedoro P. 2012. Pengantar Penginderaan Jauh Digital. Yogyakarta (ID): Penerbit ANDI. Jaya INS. 2009. Analisis Citra Digital: Perspektif Pengindraan Jauh Untuk Pengelolaan Sumberdaya Alam. Bogor (ID): Fakultas Kehutanan IPB. Jaya INS. 2010. Analisis Citra Digital: Perspektif Pengindraan Jauh Untuk Pengelolaan Sumberdaya Alam. Bogor (ID): Fakultas Kehutanan IPB Kusumaningtyas R, Chofyan I. 2013. Pengelolaan Hutan Dalam Mengatasi Alih Fungsi Lahan Hutan Di Wilayah Kabupaten Subang. Ejurnal UNISBA. 2(13): 8-19. Lillesand TM, Kiefer RW.1990. Pengindraan Jauh dan Penafsiran Citra. Dulbahri, Suharsono P, Hartono, Suharyadi, penerjemah; Susanto, editor. Yogyakarta (ID): Gadjah Mada University Press. Terjemahan dari: Remote Sensing dan Image Interpretation. [NASA] National Aeronautics and Space Administration (US). 2011. Landsat Data Continuity Mission [internet]. [diunduh Maret 2015]. Tersedia pada http://ldcm.gsfc.nasa.gov/. Prahasta. 2008. REMOTE SENSING : Praktis Pengindraan Jauh & Pengolahan Citra Dijital Dengan Perangkat Lunak ER Maper. Bandung (ID): Informatika Bandung. Purwadhi. 2001. Interpretasi Citra Digital. Jakarta (ID): Gramedia Widiasarana. Salman F. 2011. Evaluasi Manual Penafsiran Visual Citra Alos Palsar Dalam Mengidentufikasi Penutupan Lahan Menggunakan Citra Alos Palsar Resolusi 50 Meter [skripsi]. Bogor (ID): Intitut Pertanian Bogor. Susanto. 1992. Pengindraan Jauh. Yogyakarta (ID): Gadjah Mada University Press. Undang-Undang Republik Indonesia Nomor 41 Tahun 1999 Tentang Kehutanan. [USGS] United States Geological Survey. 2013. Landsat 8 [internet].[diacu 2015 Oktober]. Tersedia dari http://landsat.usgs.gov/landsat8.php. [USGS] United States Geological Survey. 2014. Landsat 8 OLI (Operational Land Imager) and TIRS (Thermal Infared Sensor) [Internet]. [diacu 2015 Maret ]. Tersedia dari http://landsat.usgs.gov. Wahyunto, Murdiyati SR, Ritung S. 2004. Aplikasi Teknologi Pengindraan Jauh dan Uji Validasinya Untuk Deteksi Penyebaran Lahan Sawah dan Penggunaan/Penutupan Lahan. Balai penelitian tanah. 1(13): 746-769.
31
Lampiran 1 Nilai separabilitas 12 kelas tutupan lahan
32
Lampiran 2 Uji akurasi klasifikasi secara visual
33
Lampiran 3 Uji akurasi klasifikasi secara digital
34
Lampiran 4 Klasifikasi tutupan lahan pada kawasan hutan di Kabupaten Pesawaran tahun 2015
35
RIWAYAT HIDUP Penulis dilahirkan di Bandar Lampung pada tanggal 21 November 1992 dari Ayah Sulaiman Sartana dan Ibu Emi Sabaryati. Penulis adalah anak keempat dari lima bersaudara. Tahun 2011 penulis lulus dari SMA Negeri 3 Bandar Lampung dan pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor melalui Undangan Seleksi Masuk IPB dan diterima di Departemen Manajemen Hutan, Fakultas kehutanan. Selama mengikuti perkuliahan, penulis pernah menjadi asisten mata kuliah Geomatika dan Indraja Kehutanan pada tahun 2015, Teknik Inventarisasi Sumberdaya Hutan 2015-2016. Selain itu penulis aktif menjadi pengurus Himpunan Profesi Departemen Manajemen Hutan yaitu Forest Management Student’s Club (FMSC) sebagai Sekertaris Divisi Keprofesian periode 2013/2014 dan anggota Kelompok Studi Perencanaan Sumberdaya Hutan 2012-2014. Penulis pernah melakukan Praktek Pengenalan Ekosistem Hutan (P2EH) di KamojangSancang Barat Jawa Barat tahun 2013, Praktek Pengelolaan Hutan(PPH) di Hutan Pendidikan Gunung Walat tahun 2014 , serta Praktek Kerja Lapang (PKL) di APHR Wonosobo Februari – Maret 2015. Untuk Memperoleh gelar Sarjana Kehutanan di IPB, penulis menyelesaikan skripsi yang berjudul Identifikasi Karakteristik dan Pemetaan Tutupan Lahan Menggunakan Landsat 8 (OLI) di Kabupaten Pesawaran Provinsi Lampung di bawah bimbingan Dr Nining Puspaningsih, MSi.
