III. METODOLOGI 3.1 Waktu Penelitian Penelitian ini dilakukan dari bulan Februari sampai September 2011. Kegiatan penelitian ini meliputi tahap prapenelitian (persiapan, survei), Inventarisasi (pengumpulan data), membuat database spasial, analisis.
3.2 Lokasi Penelitian Penelitian ini dilakukan di tiga kecamatan yang terletak pada DAS Ciliwung Hulu, Kabupaten Bogor, Jawa Barat. Ketiga kecamatan tersebut juga berada di kawasan Bogor-Puncak-Cianjur yaitu (1) Kecamatan Ciawi (2) Kecamatan Megamendung (3) Kecamatan Cisarua. Pemilihan ketiga lokasi ini didasarkan atas adanya alasan-alasan sebagai berikut: 1. Keputusan Presiden Republik Indonesia Nomor 114 tahun 1999 Tentang Penataan Ruang Kawasan Bogor-Puncak-Cianjur yang telah menetapkan ketiga kecamatan yang telah disebutkan di atas termasuk dalam kecamatan yang diprioritaskan di Daerah Kabupaten Bogor dalam usaha rehabilitasi fungsi kawasan. 2. Peraturan Pemerintah Nomor 47 tahun 1997 Tentang Rencana Tata Ruang Wilayah Nasional, Kawasan Bogor-Puncak-Cianjur dikategorikan sebagai kawasan tertentu yang memerlukan penanganan khusus dan merupakan kawasan yang mempunyai nilai strategis sebagai kawasan yang memberikan perlindungan kawasan bawahannya bagi wilayah Daerah Propinsi Jawa Barat dan wilayah Propinsi Daerah Khusus Ibukota Jakarta. 3. Bahwa fungsi utama Kawasan Bogor-Puncak-Cianjur sebagai konservasi air dan tanah kurang berfungsi sebagaimana mestinya akibat perkembangan pembangunan yang pesat dan kurang terkendali, sehingga pemanfaatan ruangnya perlu ditertibkan kembali.
15 Jawa Barat
Pulau Jawa
DAS Cikarang
Megamendung
Ciawi
Sub DAS Cibeet
DAS Ciliwung Sub DAS Cigundul
DAS Cisadane
Cisarua
Sub DAS Cisokan
Gambar 2. Lokasi Penelitian (Kecamatan Ciawi, Megamendung, dan Cisarua)
3.3 Alat dan Bahan Penelitian Alat yang digunakan dalam penelitian ini adalah (1) GPS (Global Positioning System) (2) Komputer dalam pengolahan data menggunakan Geographic Information System (GIS) seperti ERDAS Imagine 9.1 dan Arc GIS 9.3 Version. Bahan yang digunakan dalam penelitian ini adalah AVNIR-2 sebagai spektrometer pencitraan resolusi tinggi yang beroperasi pada spektrum tampak dan inframerah-dekat. Selain itu juga dilakukan pengkajian data lapangan dalam memonitoring perubahan penutupan lahan.
16
Tabel 3. Jenis dan Sumber Data Kegiatan Monitoring Perubahan Penutupan Lahan di Kawasan DAS Hulu Ciliwung No.
Jenis Data
Bentuk
Sumber
Data 1
AVNIR-2 (19 Juli 2009)
2
Peta Penutupan Lahan (LANDSAT ETM+2002/12/22 )
3
Raster, Resolusi 10x10m Raster
Japan Aerospace Exploration Agency Syartinilia, 2004
Resolusi 30 x 30m
5
Digital peta rupa bumi lembar Vektor Bakosurtanal 1209-124, 1209-141, 1209-142, 1209-144, 1209-231 Peta rupa bumi 1998 lembar 1209- Lembaran Bakosurtanal 124, 1209-141, 1209-142, 1209144, 1209-231 Peta Administrasi Vektor Bakosurtanal
6
Peta Batas DAS
4
3.3.1
Vektor
BPDAS
Penutupan Lahan Tahun 2002 Penutupan
lahan
(LANDSAT
ETM+2002/12/22)
diperoleh
dengan
menggunakan metode Maximum Likelihood dari Klasifikasi Terbimbing (Supervised Classification) (Gambar 3) dimana mengklasifikasikan penutupan lahan menjadi 7 kelas, yaitu hutan, perkebunan, semak belukar, sawah, ladang, pemukiman, dan badan air.
Nilai akurasi umum hasil klasifikasi terbimbing
dalam peta penutupan lahan tahun 2002 ini adalah sebesar 75,34%, sedangkan akurasi kappa yang diperoleh sebesar 65%. Berdasarkan Peta Penutupan Lahan DAS Ciliwung Hulu tahun 2002 (Gambar 3), dapat diketahui bahwa penutupan lahan yang terluas di DAS Ciliwung Hulu adalah ladang yaitu sebesar 6.293,8 Ha atau sekitar 34,08% dari total luas DAS Ciliwung Hulu di lokasi penelitian. Selain badan air (23,2 Ha), perkebunan memiliki luasan yang paling kecil jika dibandingkan dengan kelas penutupan lahan lain yaitu sebesar 1.188,0 Ha atau hanya 6,43% dari luas total. Gambaran lebih jelas mengenai luasan masing-masing kelas pada peta penutupan lahan disajikan pada Tabel 4.
17
Sumber: Syartinilia, 2004
Gambar 3. Peta Penutupan Lahan Tahun 2002 Tabel 4. Luas Hasil Klasifikasi Penutupan Lahan 2002 No.
Penutupan Lahan
Luas (Ha)
Luas (%)
1
Hutan
4.956,6
26,84
2
Perkebunan
1.188,0
6,43
3
Semak belukar
2.489,0
13,48
4
Sawah
2.322,1
12,57
5
Ladang
6.293,8
34,08
6
Pemukiman
1.196,3
6,48
7
Badan air
23,2
0,12
18.468,8
100,00
Total Sumber: Syartinilia, 2004
18
3.4 Metode Penelitian Penelitian ini dilakukan dalam 3 tahapan, yaitu: (1) Inventarisasi (survei, pengumpulan data), (2) Analisis dan (3) Output. Bagan alir penelitian dapat dilihat pada Gambar 4. Persiapan Data (AVNIR-2 19 Juli 2009 Resolusi 10x10 m)
Pengumpulan Data Spasial dan non-Spasial
Koreksi Geometrik
Subset Studi Area Survei Lapang
Inventarisasi
Analisis
Klasifikasi Penutupan Lahan : Klasifikasi Terbimbing
Training Area
Deteksi Perubahan Penutupan Lahan
a
Peta Penutupan Lahan 2002 Resolusi 30x30m
Peta Penutupan Lahan 2009 Resolusi 10x 10m
Resampling menjadi Resolusi 30x30m
Perubahan Penutupan Lahan (Periode 2002-2009)
Output Rekomendasi
Gambar 4. Bagan Alir Penelitian
Pendugaan Akurasi
19
3.4.1
Inventarisasi Data Pada tahap inventarisasi dilakukan berbagai kegiatan antara lain persiapan
data, pengumpulan data spasial dan non-spasial, serta survei lapang. Data yang dikumpulkan berupa data spasial serta data fisik dan biofisik mencakup lokasi, iklim, hidrologi, jenis tanah, kemiringan lahan, dan data sosial ekonomi. Pada kegiatan survei lapang dilakukan pengambilan titik tujuh kelas penutupan lahan (hutan, perkebunan, semak belukar, ladang, sawah, pemukiman, dan badan air), pengamatan secara langsung di lokasi penelitian dan melakukan dokumentasi keadaan tapak. Selain itu juga dilakukan studi pustaka yang terkait dan mendukung tujuan dilakukannya penelitian, Data satelit citra yang digunakan pada penelitian ini adalah citra dari AVNIR-2 periode 19 Juli 2009 Resolusi 10x10 m WGS 1984 UTM Zone 48S. Sebelum diinterpretasi, dilakukan pra-proses pada citra yang terdiri dari proses koreksi geometrik dan subset studi area. Subset studi area merupakan proses pemotongan citra yang dilakukan untuk memisahkan areal yang menjadi fokus penelitian, yaitu Kecamatan Ciawi, Cisarua, dan Megamendung yang termasuk dalam kawasan DAS Ciliwung Hulu. Areal yang dipotong disesuaikan dengan batas peta Administrasi Kabupaten Bogor. Hasil subset studi area dapat dilihat pada Gambar 5.
a
b
Gambar 5. Proses Subset Studi Area a. AVNIR-2 sebelum proses subset, b. AVNIR-2 setelah proses subset yang menjadi fokus penelitian.
20
3.4.2
Analisis Klasifikasi
citra
dihasilkan
dari
Supervised
Classification
dengan
menggunakan metode Maximum Likelihood yang menggunakan area latihan (Training Area) yang diperoleh dari hasil ground check pada tanggal 24 Maret dan 9 April 2011. Penutupan lahan yang diperoleh kemudian diuji akurasinya menggunakan accuracy assesment dari software ERDAS Imagine 9.1. Tingkat akurasi yang bisa dipercaya adalah minimal 75% untuk akurasi keseluruhan (Syartinilia, 2004). Sebelum dibandingkan dengan peta penutupan lahan tahun 2002 resolusi 30x30m, peta penutupan lahan 2009 di-resampling terlebih dahulu menjadi reolusi 30x30m. Setelah memiliki resolusi yang sama, lalu dilakukan proses deteksi perubahan penutupan lahan dengan menggunakan metode Post Comparison Classification. 3.4.2.1 Klasifikasi Terbimbing (Supervised classification) Klasifikasi ini dilakukan dengan menggunaan arahan analisis (supervised). Kriteria pengelompokkan kelas ditetapkan berdasarkan penciri kelas yang diperoleh dari pembuatan training area. Pada penelitian kali ini, metode yang digunakan adalah Metode Peluang Maksimum (Maximum Likelihood Classifier). Metode ini merupakan metode yang paling umum digunakan dan merupakan metode standar. Metode ini mempertimbangkan peluang dari suatu piksel untuk dikelaskan ke dalam kelas atau kategori tertentu. Dapat dihitung dengan menghitung persentase tutupan pada citra yang akan diklasifikasi. 3.4.2.2 Training Area Training area diperlukan dalam setiap kelas yang akan dibuat dan harus bisa melihat secara jelas perbedaan yang tampak pada citra. Masing-masing training area mewakili satu kelas atau kategori penutupan lahan. Sebelum dilakukan training area, ditetapkan batasan mengenai kelas yang akan diklasifikasikan. Training area tidak hanya digunakan untuk proses klasifikasi, tetapi juga digunakan untuk proses akurasi hasil klasifikasi. Perbandingan bobot training area sebagai sampel untuk proses klasifikasi dan akurasi adalah 75% : 25% dari total training area yang dibuat. Deskripsi kelas penutupan lahan dapat dilihat pada Tabel 5.
21
Tabel 5. Deskripsi Kelas Penutupan Lahan No.
Label Kelas
1
Hutan
2
Perkebunan
3
Semak belukar
4
Sawah
5
Ladang
6
Pemukiman
7
Badan Air
8
Awan
Deskripsi Seluruh hamparan baik kering maupun basah yang didominasi oleh pohon. Seluruh kawasan kenampakkan kebun dengan jenis vegetasi teh. Seluruh kawasan yang terdiri dari campuran antara vegetasi tinggi dan vegetasi rendah yang tumbuh secara liar dan belum termanfaatkan. Seluruh kawasan berupa pertanian lahan basah yang ditanami padi. Seluruh kawasan berupa pertanian lahan kering yang ditanami non-padi seperti singkong, umbi-umbian, jagung, sayuran. Seluruh kawasan pemukiman padat (perumahan) atau bangunan lainnya. Seluruh kawasan dengan kenampakkan perairan, termasuk sungai, danau, dan waduk. Sekumpulan piksel yang berwarna putih (tidak mengandung informasi mengenai penutupan lahan) (no data)
Pembuatan training area pada penelitian ini dilakukan dengan membuat secara langsung pada citra dengan Tools AOI. Contoh penampakkan training area masing-masing kelas penutupan pada AVNIR-2 resolusi 10x10 m dapat dilihat pada Tabel 6.
Tabel 6. Penampakkan Training Area pada AVNIR-2 tahun 2009 No. 1
Kelas Hutan
Penampakkan pada Citra
Keterangan • Band combinations Red : Layer 3 Green : Layer 2 Blue : Layer 1
22 2
Perkebunan
• Band combinations Red : Layer 3 Green : Layer 2 Blue : Layer 1
3
Semak belukar
• Band combinations Red : Layer 3 Green : Layer 2 Blue : Layer 1
4
Sawah
• Band combination Red : Layer 3 Green : Layer 2 Blue : Layer 1
5
Ladang
• Band combinations Red : Layer 3 Green : Layer 2 Blue : Layer 1
6
Pemukiman
• Band combinations Red : Layer 3 Green : Layer 2 Blue : Layer 1
7
Air
• Band combinations Red : Layer 4 Green : Layer 3 Blue : Layer 2
23
3.4.2.3 Pendugaan Akurasi Setelah dihasilkan peta penutupan lahan tahun 2009, maka perlu dilakukan evaluasi dengan menghitung tingkat akurasi peta tersebut. Akurasi tersebut disajikan dalam bentuk matrik kesalahan. Matrik kesalahan tersebut memberikan informasi mengenai penyimpangan klasifikasi yang berupa kelebihan jumlah piksel dari kelas yang lain atau emisi (omission) dan kekurangan jumlah piksel pada masing-masing kelas atau komisi (comission). Kesalahan emisi (omission error) dikenal juga dengan istilah akurasi pembuat (producer’s accuracy) yaitu akurasi yang diperoleh dengan membagi piksel yang benar dengan jumlah total piksel dari data acuan per kelas. Akurasi lainnya adalah akurasi pengguna (user’s accuracy), yaitu akurasi yang diperoleh dengan membagi jumlah piksel yang benar dengan total piksel yang dikelaskan ke dalam kelas tersebut, akurasi ini dikenal juga dengan istilah kesalahan komisi (comission error). Besarnya akurasi hasil klasifikasi keseluruhan dapat diukur menggunakan akurasi umum (overall accuracy) dan akurasi kappa. Akurasi umum adalah akurasi yang dihitung berdasarkan jumlah piksel yang dikelaskan dengan benar pada seluruh kelas, dibagi dengan jumlah total piksel yang digunakan. Akurasi ini akan menghasilkan pengukuran yang cenderung over estimate karena dalam proses perhitungannya, akurasi umum hanya melibatkan piksel-piksel yang dikelaskan dengan benar saja. Untuk saat ini selain akurasi umum, evaluasi hasil klasifikasi sangat disarankan menggunakan akurasi kappa. Piksel-piksel yang terlibat dalam perhitungan akurasi kappa adalah seluruh piksel yang digunakan sebagai acuan untuk pengukuran akurasi hasil klasifikasi, sehingga jika dibandingkan dengan akurasi umum, perhitungan akurasi kappa akan lebih akurat dalam mengevaluasi hasil klasifikasi. Pada penelitian kali ini, metode akurasi yang digunakan adalah Kappa. Seluruh proses pendugaan akurasi ini dilakukan di ERDAS. Sampel yang digunakan sebanyak 25% dari total training area yang dibuat. Secara matematik, akurasi Kappa ini dihitung dengan rumus sebagai berikut:
24
Dimana: Xii = nilai diagonal dari matarik kontingensi baris ke-i dan klom ke-i X+i = jumlah piksel dalam kolom ke-i Xi+ = jumlah piksel dalam baris ke-i N
= banyaknya piksel dalam contoh
3.4.2.4 Deteksi Perubahan Penutupan Lahan Salah satu metode yang digunakan pada proses ini adalah Post Classification Comparison. Metode ini bertujuan untuk mengetahui perubahan penutupan lahan di lokasi penelitian. Matrik metode ini disajikan pada Gambar 6. Peta tahun 2002
Peta tahun 2009
Fungsi perkalian
Peta Perubahan
Gambar 6. Matriks Post Classification Comparison Metode ini menggunakan fungsi perkalian antara nilai kelas penutupan lahan tahun 2002 dengan tahun 2009 yang telah di-recode terlebih dahulu. Proses tersebut menghasilkan image baru yang mengandung informasi berupa penutupan lahan yang berubah ataupun yang tidak mengalami perubahan dalam kurun waktu tersebut. Proses recode masing-masing nilai kelas pada masing-masing peta penutupan lahan dilakukan menggunakan ERDAS Imagine yang selanjutnya akan dilakukan fungsi perkalian antar nilai kelas (Lampiran 1) dengan menggunakan
25
modeler dengan fungsi pekalian (Lampiran 2). Dari hasil perkalian matriks tersebut diperoleh kelas penutupan lahan dengan nilai baru. Nilai tersebut menggambarkan perubahan masing-masing kelas dalam kurun waktu 2002-2009.
