SEMINAR NASIONAL PENGINDERAAN JAUH 2015 ORAL PRESENTATION
Pemanfaatan Data Foto Lapan Surveillance Aircraft dengan Kamera Multispektral untuk Melihat Kualitas Vegetasi pada Ruang Terbuka Hijau Perkotaan Nurwita Mustika Sari1,*), dan Dony Kushardono1 1
Pusat Pemanfaatan Penginderaan Jauh LAPAN *)
E-mail:
[email protected]
ABSTRAK-Saat ini LAPAN sedang mengembangkan pesawat Lapan Surveillance Aircraft (LSA) yang diantaranya memiliki misi penginderaan jauh untuk mendukung penyediaan informasi spasial lahan skala rinci yang dibutuhkan dalam pembangunan dan pelestarian lingkungan di Indonesia.Penelitian ini melakukan kajian pemanfaatan data multispectral LSA untuk analisis kondisi ruang terbuka hijau (RTH) di wilayah perkotaan.Data yang dipergunakan adalah data hasil kamera multispektral Tetracam-ADC pada LSA yang memiliki tiga band yaitu merah, hijau, dan NIR, dengan resolusi spasial 58 cm untuk wilayah pengamatan Kota Indramayu, Jawa Barat.Dari penelitian ini telah diketahui bahwa data multispectral LSA dapat dipergunakan untuk analisis RTH perkotaan. Selain itu juga dihasilkan model pemanfaatan data multispektral LSA dengan metode klasifikasi penutup penggunaan lahan dan Normalized Difference Vegetation Index (NDVI) untuk analisis kualitas RTH skala rinci. Kata kunci : LSA, Penginderaan Jauh Udara, Multispektral, Ruang Terbuka Hijau ABSTRACT - LAPAN is currently developing LAPAN Surveillance Aircraft (LSA) that has remote sensing mission as one of its purpose to support the provision of detailed-scale land spatial information, which is necessary to build and preserve the environment in Indonesia. This research conducts utilization study of LSA multispectral data to analyze Green Open Space (GOS) condition in urban area. Data used is the data from multispectral camera namely TetracamADC, which is placed at the LSA. It has three bands, namely Red, Green, and NIR, with a spatial resolution 58 cm, the observation area is Indramayu Regency, West Java. From this study, it is identified that utilization of LSA multispectral data can be used to analyze Green Open Space in urban areas. In addition, this study also produced a utilization model of LSA multispectral data with land use/ landcover classification method and Normalized Difference Vegetation Index (NDVI) to analyze detailed-scale Green Open Space quality. Keywords: LSA, aerial remote sensing, multispectral, Green Open Space
1.
PENDAHULUAN
Pesawat LSA (LAPAN Surveillance Aircraft) menjadi salah satu wahana yang sangat potensial untuk misi penginderaan jauh skala rinci.Selain itu, pesawat ini juga dilengkapi sensor penginderaan jauh salah satunya adalah kamera multispektral Tetracam Agricultural Digital Camera (ADC).Dengan demikian data foto yang diambil dengan pesawat LSA kamera multispektral ini dapat melihat kondisi kesehatan tanaman.Hal tersebut dapat dilihat dengan bantuan band Red dan NIR untuk memperoleh nilai NDVI (Normalized Difference Vegetation Index) (Dony et al., 2014).Terkait diungkapkan Arnanto (2013) melalui penelitiannya bahwa nilai indeks vegetasi atau NDVI yang diperoleh dari transformasi memiliki kaitan erat dengan umur vegetasi dan kerapatan tegakan.Nilai NDVI pun mampu mengukur perubahan lahan yang diindikasikan pada perubahan vegetasinya seperti perubahan penutup/ penggunaan lahan, pemantauan biodiversitas, juga pemantauan ketahanan ekosistem (Yengoh et al., 2014). Menurut Undang-Undang nomor 26 tahun 2007, Ruang Terbuka Hijau (RTH) merupakan area memanjang dan atau mengelompok yang penggunaannya lebih bersifat terbuka, tempat tumbuh tanaman, baik yang tumbuh secara alamiah ataupun yang sengaja ditanam. Pemantauan terhadap kuantitas dan kualitas RTH diperlukan untuk menjalankan fungsi RTH secara sinergi. Sebagaimana ditulis Dwiyanto (2009) tentang pentingnya menjaga RTH tidak hanya sekadar kuantitatif namun juga kualitatif. Kualitas yang dimaksud adalah tanaman yang ada pada RTH. Obyek tanaman pada RTH ini dapat diamati dengan penginderaan jauh. Penginderaan jauh dengan skala rinci akan mampu menampilkan obyek secara jelas termasuk vegetasi berupa sawah (Sari & Dony, 2015). Keberadaan ruang terbuka hijau yang ada di wilayah perkotaan merupakan hal krusial, mengingat idealnya untuk menjaga kelestarian lingkungan diperlukan 30% luas ruang terbuka hijau.Ruang Terbuka Hijau memiliki fungsi penting untuk menjaga suhu udara agar tetap stabil dan tidak mengalami kenaikan terutama wilayah perkotaan yang rentan mengalami fenomena UHI (Urban Heat Island). Keterkaitan RTH
- 328 -
Pemanfaatan Data Foto Lapan Surveillance Aircraft dengan Kamera Multispektral untuk Melihat Kualitas Vegetasi pada Ruang Terbuka Hijau Perkotaan(Sari, N., dkk.)
dengan UHI diungkapkan Effendy (2007) bahwa pengurangan RTH menjadi salah satu faktor pemicu UHI sehingga keberadaan RTH sangat penting untuk suatu wilayah, terutama perkotaan. Ahmad (2012) juga mengungkapkan bagaimana RTH terkait erat dengan perubahan suhu perkotaan.Penurunan RTH secara signifikan berperan meningkatkan suhu wilayah tersebut sehingga menjadi pemicu UHI. Fungsi lain RTH secara lebih detail dijelaskan Putri (2010) dan Kusminingrum (2008) bahwa RTH seharusnya memiliki fungsi ekologis untuk menciptakan iklim mikro yang nyaman, mengurangi polusi dan debu; fungsi estetika untuk menciptakan kota yang lebih indah dan hijau; serta fungsi sosial budaya dan ekonomi sebagai tempat bagi masyarakat untuk melakukan berbagai jenis kegiatan secara sosial dan budaya. Ruang terbuka hijau yang dapat berupa taman kota merupakan aspek yang cukup penting dalam kesehatan sosial. Sebagaimana hasil penelitian yang dilakukan oleh Khotdee et al. (2011) bahwa melalui penelitiannya yang dilakukan dengan metode kuisioner diperoleh hasil kondisi kejiwaan orang-orang yang berkunjung ke taman kota berada dalam ambang batas normal untuk empat aspek, yaitu gejala somatik, kecemasan dan insomnia, disfungsi sosial, dan depresi berat. Beberapa wilayah seperti DKI Jakarta telah memiliki area yang diperuntukkan sebagai ruang terbuka hijau. Adapun luas RTH di DKI Jakarta baru mencakup 10% dari total luasnya (Febrianti & Sofan, 2014). Pemanfaatan penginderaan jauh telah cukup banyak dilakukan untuk deteksi ruang terbuka hijau diantaranya berbasis citra ALOS AVNIR 2 untuk wilayah Yogyakarta dan Pasuruan, berbasis citra Landsat 8 untuk wilayah DKI Jakarta, juga berbasis citra EO 1-ALI untuk wilayah Manado (Jati et al., 2013; Sudaryanto et al., 2014; Febrianti et al., 2014; Putra, 2012). Penelitian sebelumnya menunjukkan bahwa pemanfaatan data penginderaan jauh untuk deteksi RTH dapat dilakukan. Adapun ruang terbuka hijau yang diamati dan dianalisis lebih lanjut pada data LSA ini yaitu ruang terbuka hijau yang ditumbuhi tanaman. Dalam penelitian ini, akan dilakukan pengkajian awal mengenai metode analisis kualitas kehijauan dari RTH wilayah perkotaan menggunakan data multispektral dari pesawat LSA.
2. METODE 2.1. Bahan
Bahan utama yang digunakan dalam penelitian adalah data citra multispektral LSA yang diakuisisi oleh Pusat Teknologi Penerbangan LAPAN pada tanggal 18-19 September 2014 yang mencakup area perkotaan Indramayu, Jawa Barat, kemudian kumpulan data tersebut dimosaik dan dikoreksi ortho oleh Tim Pusat Pemanfaatan Penginderaan Jauh LAPAN, dan data hasilnya adalah sebagaimana terlihat pada Gambar 2-1. Dimana citra multispektral LSA ini diakuisisi mempergunakan kamera TetraCam ADC 3 band yakni Band Merah, Hijau dan Inframerah dekat, dan diterbangkan pada ketinggian terbang 2000m sehingga diperoleh resolusi spasial 58m.
Gambar 2-1 Hasil mosaik data LSA yang dipergunakan sebagai data utama penelitian.
2.2. Metode Metode pengolahan data LSA yang dilakukan dalam penelitian ini dilakukan dengan tahapan seperti terlihat pada gambar 2-2, yakni pemotongan (cropping) datahasil mosaik, klasifikasi penggunaan lahan berbasis objek dengan segmentasi, dan analisis kualitas kehijauan pada ruang terbuka hijau (RTH).
- 329 -
Pemanfaatan Data FotoLapan Surveillance Aircraft dengan KameraMultispektral untuk MelihatKualitasVegetasi pada Ruang Terbuka HijauPerkotaan (Sari, N., et al.)
Gambar 2-2 Tahapan Pengolahan Data Foto LSA untuk Analisis Kualitas Kehijauan RTH Perkotaan
a) Cropping data LSA Cropping data LSA dilakukan untuk wilayah kota Indramayu dan hasilnya seperti pada Gambar 2-3 berikut,
Gambar 2-3Hasil Cropping Data Citra Multispektral LSA pada daerah penelitian Kota Indramayu.
b) Segmentasi citra Segmentasi atau pemisahan citra dilakukan untuk memperoleh hasil pemisahan terbaik terhadap obyek-obyek yang ada pada citra.Penelitian yang dilakukan Nurwita dan Dony (2015) dilakukan pada citra yang merekam area perdesaan, dimana salah satu penutup lahannya meliputi persawahan dan diperoleh parameter skala tertentu untuk hasil segmentasi terbaik.Pada penelitian ini dipergunakan algoritma yang sama yaknimultiresolution segmentation yang menggabungkan piksel dengan kriteria yang sama, dengan parameter skala yang dipakai yaitu 100.Algoritma yang dipakai dalam proses ini
- 330 -
Pemanfaatan Data Foto Lapan Surveillance Aircraft dengan Kamera Multispektral untuk Melihat Kualitas Vegetasi pada Ruang Terbuka Hijau Perkotaan(Sari, N., dkk.)
yaitu K-Means (Widodo et al., 2011),yang menggabungkan piksel dengan kriteria sama dan dilakukan pengaturan parameter skala untuk memperoleh hasil segmentasi paling baik. Selanjutnya proses refinement menggunakan algoritma spectral difference segmentation untuk menggabungkan obyek dengan nilai spektral sama. Nilai perbedaan spektral maksimum ditentukan dengan nilai keabuan, jika nilainya di bawah nilai maksimum ini maka obyek bertetangga akan digabungkan (Anonim, 2011).
c) Klasifikasi Klasifikasi spasial berbasis obyek dilakukan untuk membedakan area dengan tutupan lahan vegetasi RTH dengan non vegetasi di wilayah perkotaan pada data citra hasil cropping dengan menggunakan metode yang sama dengan penelitian sebelumnya (Nurwita dan Dony, 2015). Dimana training data untuk klasifikasi diperoleh berdasarkan interpretasi visual citra asli pada data hasil segmentasi (Gambar 2-4).
Gambar 2-4Training data untuk Klasifikasi
d) Analisis kualitas kehijauan RTH
Analisis kualitas kehijauan RTH dilakukan dengan caraoverlaydata hasil klasifikasi pada kelas lahan RTH dengan data indek kehijauan vegetasi dari NDVI, dimana NDVI diperoleh bedasarkan data band merah dan band inframerah data multispektral LSA. Selanjutnya untuk memudahkan analisis dilakukan clustering terhadap data indek kehijauan pada area RTH menjadi 5 kelas, yakni kelas indek kehijauan tinggi, sedang, rendah, lahan terbuka non vegetasi dan kelas lainnya.
3. HASIL DAN PEMBAHASAN Segmentasi dilakukan pada data foto LSA dengan algoritma mutiresolution segmentation. Waktu yang dibutuhkan untuk melakukan proses ini yaitu 1 menit. Setelah dilakukan proses segmentasi kemudian dilakukan optimalisasi hasil segmentasi dengan algoritma spectral difference segmentation untuk menggabungkan obyek sejenis yang masih terpisahkan. Sesudah optimalisasi, segmen yang dihasilkan sebanyak 1.050 obyek dan obyek sejenis yang tadinya terpisah sudah tergabung.Citra hasil proses segmentasi ini seperti pada Gambar 3-1.
- 331 -
Pemanfaatan Data FotoLapan Surveillance Aircraft dengan KameraMultispektral untuk MelihatKualitasVegetasi pada Ruang Terbuka HijauPerkotaan (Sari, N., et al.)
Gambar 3-1 Hasil Segmentasi Data LSA
Hasil klasifikasi berbasis objek untuk mendapatkan 2 kelas penutup penggunaan lahan seperti pada Gambar 3-2, dimana kelas vegetasi yang berwarna hijau dan non vegetasi (bangunan, jalan, tubuh air, infrastruktur lainnya) yaitu warna magenta.Dimana untuk analisis kualitas vegetasi RTH kelas non vegetasi dihilangkan.Area yang termasuk dalam kelas vegetasi kemudian ditransformasi ke nilai NDVI untuk mengetahui pola spasial indeks kehijauan pada RTH di daerah penelitian.Hasil transformasi dibuat dengan gradasi warna hijau seperti terlihat pada Gambar 3-3, yang menunjukkan NDVI yang semakin tinggi dengan warna semakin terang pada gambar.Nilai NDVI wilayah yang ada pada kajian ini bervariasi mulai nilai terendah -0,849 hingga nilai tertinggi 1.
Gambar 3-2 Hasil Klasifikasi Vegetasi RTH dan Non Vegetasi
- 332 -
Pemanfaatan Data Foto Lapan Surveillance Aircraft dengan Kamera Multispektral untuk Melihat Kualitas Vegetasi pada Ruang Terbuka Hijau Perkotaan(Sari, N., dkk.)
-0.849
1
Gambar 3-3Nilai NDVI RTH wilayah Kota Indramayu, Jawa Barat
Gambar 3-4 Kelas Vegetasi Berdasarkan Indeks Kehijauan
Hasil klasifikasi kelas vegetasi pada RTH di Kota Indramayu adalah seperti Gambar 3-4.Secara umum area dengan kelas indek kehijauan rendah nampak tersebar pada tumbuh-tumbuhan tinggi atau pohon dan persawahan yang sedang menghijau atau fase vegetatif maksimum, sedang kelas dengan kualitas kehijauan sedang terjadi pada area rumput seperti di lapangan dan GOR.Sedang kelas vegetasi dengan indek ke rendah terdapat seperti di persawahan yang baru tanam.
- 333 -
Pemanfaatan Data FotoLapan Surveillance Aircraft dengan KameraMultispektral untuk MelihatKualitasVegetasi pada Ruang Terbuka HijauPerkotaan (Sari, N., et al.)
Gambar 3-5 Cuplikan wilayah sekitar GOR untuk data asli LSA, NDVI, dan Kelas Indeks Kehijauan Vegetasi
Pada cuplikan wilayah pada Gambar 3-5 dapat dilihat bagaimana kualitas indek kehijauan RTH pada area GOR dan sekitarnya, dimana nampakvegetasi dengan kelas indek kehijauan tinggi dilihat pada citra aslit terjadi pada tanaman besar atau tanaman naungan dan semak serta rumput yang hijau dihalaman luar GOR, sedang pada lahan terbuka pada lapangan bola terdiri dari rumput tipis dengan kelasindek kehijauansedang,kelas indek vegetasi rendah nampak pada taman disekitar GOR dan kelas lahan terbuka non vegetasi nampak terdapat pada jalur pacu atletik dan sebagian bungunan. Metode pengukuran akurasi dilakukan dengan survey langsung ke lapangan untuk mengamati obyek yang ada di lapangan. Uji dilakukan dengan membuat beberapa titik lokasi sampel yang diidentifikasi sebagai vegetasi pada data foto. Area vegetasi yang telah dikelaskan menjadi beberapa kelas kehijauan kemudian dicek ke lapangan terkait kondisinya. Selanjutnya hasil survey lapangan dihitung persentase akurasinya secara sederhana dengan membandingkan hasil interpretasi yang benar dengan interpretasi yang salah. Ada 10 obyek yang diamati dan dicek secara visual pada citra apakah termasuk vegetasi atau non vegetasi dan secara spesifik obyek ini dikategorikan sebagai obyek jalan/ non vegetasi, tanaman naungan 1, tanaman naungan 2, rumput, permukiman, halaman GOR, rumput tebal, jalur atletik beton, tanaman taman, dan lapangan non rumput. Hasil survey, mayoritas hasil interpretasi visual benar, namun ada beberapa yang kurang tepat seperti rumput tebal pada interpretasi visual ternyata di lapangan hanyalah rumput tipis, tanaman taman yang ternyata adalah tanaman naungan. Mengingat hasil cek yang tidak terlalu berbeda pada dua obyek yaitu rumput tebal dan tanaman taman, maka bobot tidak nol melainkan 0,5, sementara bobot benar adalah 1 dan bobot salah adalah 0. Dengan demikian, total nilai adalah 9 dan akurasi yang diperoleh yaitu 90%.
4. KESIMPULAN Melalui kajian awal ini dapat disimpulkan bahwa data kamera multispektral Lapan Surveillance Aircraft berpotensi untuk pemantauan kondisi ruang terbuka hijau perkotaan. Metode klasifikasi penutup penggunaan lahan berbasis objek dan analisis berdasarkan indeks vegetasi yang diuji coba pada penelitian ini dapat dipergunakan untuk mendeteksi kualitas kehijauan ruangterbuka hijau. Disarankan penelitian lebih lanjut untuk melakukan kajian pengaruh radiometrik data terkait perbedaan iluminasi sinar matahari mengingat waktu akuisisi data yang memerlukan waktu yang lama, dan analisis lebih lanjut terkait kerapatan dan jenis tanaman pada lahan terbuka hijau perkotaan menggunakan data multispektral LSA.
UCAPAN TERIMA KASIH Diucapkan terima kasih kepada Kepala Pusat Teknologi Penerbangan LAPAN atas kesempatan menggunakan data foto LSA dalam penelitian ini dan kepada Kepala Pusat Pemanfaatan Penginderaan Jauh LAPAN atas arahan yang diberikan
- 334 -
Pemanfaatan Data Foto Lapan Surveillance Aircraft dengan Kamera Multispektral untuk Melihat Kualitas Vegetasi pada Ruang Terbuka Hijau Perkotaan(Sari, N., dkk.)
DAFTAR PUSTAKA Ahmad, F., Arifin, H.S., Dahlan, E.N., Effendy, S., dan Kurniawan, R. (2012). Analisis Hubungan Ruang Terbuka Hijau (RTH) dan Perubahan Suhu di Kota Palu. Jurnal Hutan Tropis. Arnanto, A. (2013). Pemanfaatan Transformasi Normalized Difference Vegetation Index (NDVI) Citra Landsat TM Untuk Zonasi Vegetasi di Lereng Merapi Bagian Selatan. Jurnal Geomedia. Anonim (2011) eCognition Developer Reference Book 8.7, Trimble Documentation, München, Germany. Dony, K., Anas, A., Maryanto, A., Utama, A.A., dan Winanto (2014). Pemanfaatan Data LSA (LAPAN Surveillance Aircraft) Untuk Mendukung Pemetaan Skala Rinci. Prosiding Seminar Nasional Penginderaan Jauh. Dwiyanto, A. (2009). Kuantitas dan Kualitas Ruang Terbuka Hijau di Permukiman Perkotaan. Jurnal Teknik. Effendy, S. (2007). Keterkaitan Ruang Terbuka Hijau dengan Urban Heat Island Wilayah Jabotabek.Disertasi Doktor Sekolah PascasarjanaInstitutPertanian Bogor Febrianti, N., dan Sofan, P. (2014). Ruang Terbuka Hijau di DKI Jakarta Berdasarkan Analisis Spasial dan Spektral Data Landsat 8. Prosiding Seminar Nasional Penginderaan Jauh. Jati, A., Hepi, H.H., dan Udiana, W.D. (2013). Aplikasi Penginderaan Jauh untuk Monitoring Perubahan Ruang Terbuka Hijau.Jurnal Teknik POMITS Vol. X No. X. Khotdee, M., Wichitra, S., dan Nopadon, S. (2011). Effects of Green Open Space on Social Health and Behaviour of Urban Residents: A Case Study of Communities in Bangkok. ASEAN Conference on Environment-Behaviour Studies, Savoy Homann Bidakara Bandung Hotel, Bandung, Indonesia. Kusminingrum, N. (2008). Potensi Tanaman dalam Menyerap CO2 dan CO Untuk Mengurangi Dampak Pemanasan Global. Jurnal Permukiman. Putra, E.H. (2012). Analisis Kebutuhan Ruang Terbuka Hijau Berdasarkan Pendekatan Kebutuhan Oksigen Menggunakan Citra Satelit EO-1 ALI (Earth Observer-1 Advanced Land Imager) di Kota Manado.Info BPK Manado. Putri, D.G., Soemardiono, B., dan Suprihardjo, R. (2010). Konsep Penataan Ruang Terbuka Hijau di Pusat Kota Ponorogo.Tesis Magister Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh November Surabaya Sari, N.M., dan Dony, K. (2014). Klasifikasi Penutup Lahan Berbasis Obyek pada Data Foto UAV untuk Mendukung Penyediaan Informasi Penginderaan Jauh Skala Rinci. Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital, 11(2):114-127. Sari, N.M., dan Dony, K. (2015). Object Segmentation on UAV Photo Data to Support the Provision of Rural Area Spatial Information. Jurnal Forum Geografi, 29(1):49-59. Sudaryanto, M.S., dan Rini (2014). Penentuan Ruang Terbuka Hijau (RTH) dengan Indeks Vegetasi NDVI Berbasis Citra ALOS AVNIR-2 dan Sistem Informasi Geografi di Kota Yogyakarta dan Sekitarnya. Jurnal Magistra. Widodo, S., Hidayatno, A., dan Isnanto, R.R. (2011). Tugas Akhir: Segmentasi Citra Menggunakan Teknik Pemetaan Warna (Color Mapping) Dengan Bahasa Pemrograman Delphi. Semarang: Universitas Diponegoro http://eprints.undip.ac.id/25765/ diunduh 26 Desember 2014 Yengoh, G.T., David, D., Lennart, O., Anna, E.T., dan Compton, J.T. (2014). The Use of the Normalized Difference Vegetation Index (NDVI) to Assess Land Degradation at Multiple Scales: A Review of the Current Status, Future Trends, and Practical Considerations.Lund University Centre for Sustainability Studies – LUCSUS, Lund, Sweden
- 335 -