STUDI KOMPARASI PEMETAAN PENGGUNAAN/PENUTUPAN LAHAN MELALUI CITRA LANDSAT DAN CITRA QUICKBIRD Studi Kasus: Sub Daerah Aliran Sungai (DAS) Ciliwung Hulu, Bogor
BAMBANG ADE WAHYUDI A14054173
PROGRAM STUDI MANAJEMEN SUMBERDAYA LAHAN DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN FAKULTAS PERTANIAN INSTITUT PERTANIAN BOGOR 2011
SUMMARY BAMBANG ADE WAHYUDI. Comparison Study The Mapping of Land Use/Land Cover through Landsat Image and Quickbird Image. Case Study: Subdrainage Area Riverbasin (DAS) Ciliwung Hulu, Bogor. Under supervision of Khursatul Munibah and Komarsa Gandasasmita. As the knowledge and technology develop, the satellite image also starts gaining its popularity as the component of remote sensing data. The Landsat image has eight spectral channels with spatial resolution 15 m (panchromatic) and 30 m (multispectral). The Quickbird image, a high-resolution image, has spatial resolution 0,6 m (panchromatic) and 2,4 m (multispectral). The difference of spatial resolution causes the difference of land use/land cover information among these two images. The purposes of this research are as follows: a) comparing the appearance of objects in the image of Quickbird panchromatic, multispectral, and fusion, b) comparing the results of mapping land use/land cover from Landsat and Quickbird image fusion, c) analyze the accuracy of geometric objects in the Quickbird image fusion with the condition in the field. This research comprises three stages, namely: preparation, data collection, and data analysis. The preparation stage includes the Landsat image downloading and the provision of revised Quickbird image with RBI map. Then, the data collection stage is divided into primary data collection (check field and the measurement object) and secondary data collection (RBI maps and map the study area boundary). Lastly, the data analysis stage consists of: object identification on the Quickbird image fusion, visual interpretation of the land use/land cover based on Landsat image and Quickbird image, conscientiousness test of the interpretation outcome, comparison of the polygon number and width of land use/land cover respectively, consistency of the land use/land cover type, and regression analysis of the object measurement between the Quickbird image and on-field measurement. The object interpretation and identification on the Quickbird image can be conducted more easily on the fusion image compared to the panchromatic image and multispectral image. The land use/land cover interpreted from the Landsat image and Quickbird image respectively consists of 8 and 12 classifications. The overall accuracy value and kappa value from Quickbird image are 91% and 0,89 respectively. The dominant land use/land cover from Landsat image is housing (23,75%), while the dominant one from Quickbird image is compound plantation (26,55%). The types of land use/land cover obtained from the Landsat image and Quickbird image that possesses high consistency are forest and tea garden, while the low ones comprise housing and water body. On the level of classification detail, the Quickbird image has 4 levels of classification, while the Landsat image only has one level of classification. The object measurement on the Quickbird image and on-field measurement show a fairly close relation, with R² = 0,983. Proposition for further research is the necessity of succeeding research on by adding satellite imagery that has a medium spatial resolution such as: CARTOSAT-1, FORMOSAT-2, RapidEye, SPOT-5, ALOS, and others.
RINGKASAN BAMBANG ADE WAHYUDI. Studi Komparasi Pemetaan Penggunaan/Penutupan Lahan Melalui Citra Landsat dan Citra Quickbird. Studi kasus: Sub Daerah Aliran Sungai (DAS) Ciliwung Hulu, Bogor. Di bawah bimbingan Khursatul Munibah dan Komarsa Gandasasmita. Seiring dengan berkembangnya ilmu pengetahuan dan teknologi, citra satelit mulai marak digunakan sebagai komponen data penginderaan jauh. Citra Landsat memiliki delapan saluran spektral tampak dengan resolusi spasial 15 m (pankromatik) dan 30 m (multispektral). Citra Quickbird merupakan citra beresolusi tinggi yang memiliki resolusi spasial 0,6 m (pankromatik) dan 2,4 m (multispektral). Perbedaan resolusi spasial ini mengakibatkan perbedaaan informasi penggunaan/penutupan lahan antara kedua citra. Tujuan dari penelitian ini adalah : a) membandingkan kenampakan objek di citra Quickbird pankromatik, multispektral, dan fusi, b) membandingkan hasil pemetaan penggunaan/penutupan lahan dari citra Landsat dan fusi citra Quickbird, c) menganalisis ketelitian geometrik objek di fusi citra Quickbird dengan kondisi di lapang. Penelitian terbagi dalam tiga tahap yaitu : persiapan, pengumpulan data, dan analisis data. Tahap persiapan meliputi pengunduhan citra Landsat dan penyediaan citra Quickbird yang telah terkoreksi dengan peta RBI. Tahap pengumpulan data terbagi menjadi pengumpulan data primer (pengecekan lapang dan pengukuran objek) serta pengumpulan data sekunder (peta RBI dan peta batas daerah penelitian). Tahap analisis data yang dilakukan meliputi: identifikasi objek pada fusi citra Quickbird, interpretasi visual penggunaan/penutupan lahan dari citra Landsat dan citra Quickbird, uji ketelitian hasil interpretasi, perbandingan jumlah poligon dan luas masing-masing penggunaan/penutupan lahan, konsistensi tipe penggunaan/penutupan lahan, serta analisis regresi pengukuran objek pada citra Quickbird dengan pengukuran objek di lapang. Identifikasi dan interpretasi objek pada citra Quickbird lebih mudah dilakukan pada citra fusi dibandingkan dengan citra pankromatik dan citra multispektral. Tipe penggunaan/penutupan lahan yang diinterpretasi dari citra Landsat dan citra Quickbird berjumlah masing-masing 8 dan 12 klasifikasi. Nilai overall accuracy dan nilai kappa dari citra Quickbird masing-masing sebesar 91% dan 0,89. Penggunaan/penutupan lahan yang dominan dari citra Landsat adalah pemukiman (23,75%), sedangkan dari citra Quickbird adalah kebun campuran (26,55%). Tipe penggunaan/penutupan lahan yang diperoleh dari citra Landsat dan citra Quickbird yang memiliki konsistensi tinggi adalah hutan dan kebun teh, sedangkan yang rendah adalah pemukiman dan badan air. Pada tingkat kedetailan klasifikasi, citra Quickbird memiliki 4 tingkat klasifikasi, sedangkan pada citra Landsat hanya memiliki 1 tingkat klasifikasi saja. Hubungan antara pengukuran objek pada citra Quickbird dengan di lapang cukup erat yang ditunjukkan dengan nilai R² = 0,983. Saran untuk penelitian selanjutnya adalah perlunya penelitian lanjutan dengan menambah citra satelit yang memiliki resolusi spasial menengah seperti: CARTOSAT-1, FORMOSAT-2, RapidEye, SPOT-5, ALOS, dan lain-lain.
STUDI KOMPARASI PEMETAAN PENGGUNAAN/PENUTUPAN LAHAN MELALUI CITRA LANDSAT DAN CITRA QUICKBIRD Studi Kasus: Sub Daerah Aliran Sungai (DAS) Ciliwung Hulu, Bogor
Bambang Ade Wahyudi A14054173
Skripsi sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Pertanian Pada Fakultas Pertanian, Institut Pertanian Bogor
PROGRAM STUDI MANAJEMEN SUMBERDAYA LAHAN DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN FAKULTAS PERTANIAN INSTITUT PERTANIAN BOGOR 2011
LEMBAR PENGESAHAN
Judul Skripsi
: Studi Komparasi Pemetaan Penggunaan/Penutupan Lahan melalui Citra Landsat dan Citra Quickbird. Studi Kasus: Sub Daerah Aliran Sungai (DAS) Ciliwung Hulu, Bogor
Nama Mahasiswa : Bambang Ade Wahyudi Nomor Pokok
: A14054173
Menyetujui,
Dosen Pembimbing I
Dosen Pembimbing II
(Dr. Khursatul Munibah, M.Sc)
(Dr. Ir. Komarsa Gandasasmita, M.Sc)
NIP. 19620515 199003 2 001
NIP. 19550111 197603 1 001
Mengetahui,
Ketua Departemen
(Dr. Ir. Syaiful Anwar, M.Sc) NIP. 19621113 198703 1 003
Tanggal Lulus:
RIWAYAT HIDUP
Penulis lahir di Bukittinggi, Sumatera Barat, pada tanggal 20 Januari 1988. Penulis merupakan anak keenam dari enam bersaudara dari pasangan Bapak H. Agustami St. Batuah dan Ibu Dra. Hj. Anita Djabar. Penulis menyelesaikan pendidikan sekolah dasar pada tahun 1999 di SDN 11 Cimpago Guguak Bulek, Kecamatan Mandiangin Koto Selayan, Bukittinggi. Kemudian pada tahun 2002, penulis menyelesaikan pendidikan sekolah menengah pertama di SMPN 5 Bukittinggi. Selanjutnya penulis melanjutkan pendidikan sekolah menengah atas di SMAN 1 Bukittinggi dan lulus pada tahun 2005. Pada tahun yang sama (2005), penulis diterima di Tingkat Persiapan Bersama (TPB) Institut Pertanian Bogor (IPB) melalui jalur Seleksi Penerimaan Mahasiswa Baru (SPMB) dan pada tahun 2006 diterima di Mayor Manajemen Sumberdaya Lahan, Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian, Institut Pertanian Bogor. Selama menjalani pendidikan di perguruan tinggi, penulis pernah aktif dalam Paduan Suara Mahasiswa “Agriaswara” pada periode 2005-2007 dan pernah juga mengikuti kegiatan mahasiswa lain seperti panitia dalam kegiatan Masa Perkenalan Departemen (MPD) tahun 2007, serta sebagai panitia dalam Semiloka Nasional Geomatika-SAR Nasional tahun 2009. Selain itu, penulis pernah menjadi asisten pratikum Penginderaan Jauh dan Interpretasi Citra (20092010), asisten pratikum Geomorfologi dan Analisis Lanskap (2009-2010), dan asisten pratikum Sistem Informasi Geografi (2009-2010).
KATA PENGANTAR
Puji syukur penulis ucapkan kepada Allah S.W.T yang telah memberikan nikmat dan karunia-Nya, sehingga penulis dapat menyelesaikan penelitian dan skripsi.
Skripsi
yang
berjudul
“Studi
Komparasi
Pemetaan
Penggunaan/Penutupan Lahan melalui Citra Landsat dan Citra Quickbird. Studi Kasus: Sub Daerah Aliran Sungai (DAS) Ciliwung Hulu, Bogor” ini merupakan salah satu syarat untuk mendapatkan gelar sarjana di Mayor Manajemen Sumberdaya Lahan, Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian, Institut Pertanian Bogor. Pada kesempatan ini, tak lupa penulis ingin menyampaikan ucapan terima kasih yang sebesar-besarnya kepada: 1. Dr. Khursatul Munibah, M.Sc selaku dosen pembimbing skripsi I yang telah memberikan banyak bimbingan, pengarahan, serta masukan selama masa penelitian dan penyusunan skripsi ini. 2. Dr. Ir. Komarsa Gandasasmita, M.Sc selaku dosen pembimbing skripsi II yang telah memberikan banyak bimbingan, pengarahan, serta masukan selama penelitian dan penyusunan skripsi ini. 3. Dr. Boedi Tjahjono, M.Sc selaku dosen penguji yang telah memberikan saran dan masukan dalam penyusunan skripsi. 4. Dr. Ir. Iskandar selaku dosen pembimbing akademik yang memberikan pengarahan dan bimbingan selama masa perkuliahan. 5. Kedua orang tuaku, Ayahanda H. Agustami St. Batuah dan Ibunda Dra. Hj. Anita Djabar, atas kasih sayang dan kesabarannya, semoga Allah S.W.T membalas semua pengorbanan mereka. 6. Kakak-kakakku tercinta: Besty Ineke, Dodi Kurniawan, Ismed Gusno, Khairi Yanti, dan abangku tersayang Alm. Khairi Yanto, untuk dorongan semangatnya selama ini. 7. Seluruh staf dan dosen pengajar Departemen Ilmu Tanah dan Sumberdaya Lahan. 8. Rekan-rekan seperjuangan di Laboratorium Bagian Penginderaan Jauh dan Informasi Spasial (Ikhsan, Tyo, Yudi, Poppy, Ivong, Atha, Yanti, Icong,
dan Luluk) serta staf Laboratorium Bagian Penginderaan Jauh dan Informasi Spasial (Mas Manijo, Mbak Reni, Mbak Agi, dan Mbak Nurul) atas dukungan dan bantuan selama ini. 9. Teman-teman komunitas Bujangers (Ali, Andre, Anter, Awank, Bobby, Carlos, Daniel, Ganda, Geges, Idan, dan Jire) atas segala bantuan, dukungan, dan canda tawa selama ini. 10. Bang Suraj, Ridho, Decil, Umbara, Hadi, Sendy, Rahardian, dan Linda atas bantuan dan dukungan selama ini. 11. Teman-teman kosan Pondok AA (Da Roni, Novel, Aat, Aan, Huda, Ibal, Isan, Luther, Wido, Bowo, Rizky, Anjar, Bedur), dan Wisma Alma (Mas Erwin, Aziz, Rey, Dendi, Janu, Ajoy, Mas Bilal) atas bantuan dan dukungan selama ini. 12. Dukungan dan bantuan dari teman-teman Departemen Ilmu Tanah dan Sumberdaya Lahan (ITSL) serta pihak-pihak yang tidak dapat disebut satu persatu.
Penulis menyadari bahwa masih banyak terdapat kekurangan pada skripsi ini. Namun, penulis berharap skripsi ini bermanfaat bagi semua pihak yang memerlukannya.
Bogor, November 2011
Penulis
DAFTAR ISI
Halaman KATA PENGANTAR ............................................................................................ i DAFTAR ISI ......................................................................................................... iii DAFTAR TABEL ................................................................................................. v DAFTAR GAMBAR ........................................................................................... vii DAFTAR LAMPIRAN ...................................................................................... viii I. PENDAHULUAN .............................................................................................. 1 1.1. Latar Belakang ............................................................................................. 1 1.2. Tujuan .......................................................................................................... 2 II. TINJAUAN PUSTAKA ................................................................................... 3 2.1. Penginderaan Jauh ........................................................................................ 3 2.1.1. Citra Landsat ......................................................................................... 3 2.1.2. Citra Quickbird...................................................................................... 5 2.2. Fusi Citra ...................................................................................................... 7 2.3. Penggunaan/penutupan lahan ....................................................................... 7 2.4. Aplikasi Citra Landsat untuk Pemetaan Penggunaan/Penutupan Lahan ..... 8 2.5. Aplikasi Citra Quickbird untuk Pemetaan Penggunaan/Penutupan Lahan .. 8 2.6. Akurasi Hasil Interpretasi Citra ................................................................... 9 2.7. Regresi Linier Sederhana ........................................................................... 10 III. METODE PENELITIAN ............................................................................ 11 3.1. Lokasi dan Waktu Penelitian ..................................................................... 11 3.2. Bahan dan Alat ........................................................................................... 11 3.3. Metode Penelitian....................................................................................... 12 3.3.1. Identifikasi Kenampakan Objek pada Fusi Citra Quickbird ............... 13 3.3.2. Interpretasi Visual Penggunaan/Penutupan Lahan dari Citra Landsat dan Citra Quickbird ............................................................................ 14 3.3.3. Uji Ketelitian Interpretasi .................................................................... 15 3.3.4. Perbandingan Jumlah Poligon dan Luas Masing-Masing Penggunaan/Penutupan Lahan ........................................................... 16 3.3.5. Konsistensi Tipe Penggunaan/Penutupan Lahan ................................ 16
3.3.6. Tingkat Kedetailan Penggunaan/Penutupan Lahan ............................ 17 3.3.7. Analisis Regresi Pengukuran Objek pada Citra Quickbird dengan Pengukuran Objek di Lapang ............................................................. 19 IV. HASIL DAN PEMBAHASAN ..................................................................... 20 4.1. Fusi pada Citra Quickbird .......................................................................... 20 4.2. Interpretasi Penggunaan/Penutupan Lahan pada Citra Landsat dan Citra Quickbird ................................................................................................... 22 4.3. Akurasi Hasil Interpretasi Penggunaan/Penutupan Lahan dari Citra Quickbird ................................................................................................... 27 4.4. Perbandingan Keluaran (Output) dari Interpretasi melalui Citra Landsat dan Citra Quickbird ................................................................................... 29 4.4.1. Luas dan Jumlah Poligon dari Masing-Masing Penggunaan/Penutupan Lahan dari Citra Landsat dan Citra Quickbird ................................... 32 4.4.2. Konsistensi Tipe Penggunaan/Penutupan Lahan yang Bersumber dari Citra Landsat dan Citra Quickbird ..................................................... 33 4.4.3. Tingkat Kedetailan Klasifikasi Penggunaan/Penutupan Lahan dari Citra Landsat dan Citra Quickbird ..................................................... 41 4.5. Hubungan antara Pengukuran Objek pada Citra Quickbird dengan Pengukuran Lapang ................................................................................... 48 V. KESIMPULAN DAN SARAN ...................................................................... 50 5.1. Kesimpulan ................................................................................................ 50 5.2. Saran ........................................................................................................... 50 DAFTAR PUSTAKA...........................................................................................51 LAMPIRAN..........................................................................................................53
DAFTAR TABEL
Nomor
Halaman Teks
1. Spesifikasi Satelit Landsat 7 ............................................................................... 4 2. Karakteristik Band Citra Landsat 7 ..................................................................... 5 3. Karakteristik Citra Quickbird .............................................................................. 6 4. Spesifikasi satelit Quickbird ............................................................................... 6 5. Bahan yang Digunakan Dalam Penelitian ........................................................ 12 6. Alat dan Perangkat Lunak yang Digunakan dalam Penelitian .......................... 12 7. Tingkat konsistensi tipe penggunaan/penutupan lahan ..................................... 17 8. Sistem Klasifikasi Penggunaan/Penutupan Lahan untuk digunakan dengan Data Penginderaan Jauh ................................................................................... 18 9. Tabel kenampakan objek pada citra pankromatik, citra multispektral, dan citra fusi…………………………………………………………………………….21 10. Persentase kenampakan pada citra pankromatik, citra multispektral, dan citra fusi…………………………………………………………………………….22 11. Nilai overall accuracy dari citra Quickbird .................................................... 27 12. Nilai kappa dari citra Quickbird ...................................................................... 28 13.Perbandingan jumlah kelas dan luas masing-masing penggunaan/penutupan lahan…………………………………………………………………………..32 14. Jumlah dan persentase poligon pada citra Landsat dan citra Quickbird ......... 33 15. Konsistensi hutan yang bersumber dari citra Landsat dan citra Quickbird .... 34 16. Konsistensi kebun campuran yang bersumber dari citra Landsat dan citra Quickbird .......................................................................................................... 35 17.Konsistensi kebun teh yang bersumber dari citra Landsat dan citra Quickbird 36 18.Konsistensi tegalan yang bersumber dari citra Landsat dan citra Quickbird ... 37 19.Konsistensi sawah yang bersumber dari citra Landsat dan citra Quickbird .... 38 20.Konsistensi pemukiman yang bersumber dari citra Landsat dan citra Quickbird……………………………………………………………………...39 21.Konsistensi badan air yang bersumber dari citra Landsat dan citra Quickbird 40
22.Konsistensi tanah kosong yang bersumber dari citra Landsat dan citra Quickbird .......................................................................................................... 40 23. Konsistensi tipe penggunaan/penutupan lahan yang bersumber dari citra Landsat dan citra Quickbird………………………………………………… 41 24. Pembagian Level Klasifikasi Penggunaan/Penutupan Lahan……………… 42 25. Hasil pengukuran objek pada citra Quickbird dan pengukuran lapang…… 48
DAFTAR GAMBAR
Nomor
Halaman Teks
1. Satelit Landsat ..................................................................................................... 3 2. Satelit Quickbird ................................................................................................. 6 3. Peta Lokasi Penelitian ....................................................................................... 11 4. Diagram Alir Penelitian .................................................................................... 13 5. Sistematik Pengambilan Sampel pada Penggunaan/Penutupan Lahan Kebun Campuran ......................................................................................................... 16 6. Kenampakan Objek Citra Quickbird pada Citra Pankromatik, Citra Multispektral, dan Citra Fusi ............................................................................ 20 7. Contoh Kenampakan Objek Pada Citra Landsat, Quickbird, dan Lapang ........ 25 8. Peta Penggunaan/Penutupan Lahan Daerah Aliran Sungai (DAS) Ciliwung Hulu (Landsat) .................................................................................................. 30 9. Peta Penggunaan/Penutupan Lahan Daerah Aliran Sungai (DAS) Ciliwung Hulu (Quickbird)……………………………………………………………...32 10. Peta Penggunaan/Penutupan Lahan Level 1 (Landsat) ................................... 43 11. Peta Penggunaan/Penutupan Lahan Level 1 (Quickbird) ............................... 44 12. Peta Penggunaan/Penutupan Lahan Level 2 (Quickbird) ............................... 45 13. Peta Penggunaan/Penutupan Lahan Level 3 (Quickbird) ............................... 46 14. Peta Penggunaan/Penutupan Lahan Level 4 (Quickbird) ............................... 47 15.Grafik analisis regresi linier sederhana antara pengukuran objek pada citra dengan pengukuran objek di lapang…………………………………………..49
DAFTAR LAMPIRAN
Nomor
Halaman Teks
1. Tabel Uji Lapang............................................................................................... 54 2. Data Statistik Pengukuran Objek Pada Citra dan Lapang................................. 57
1
I. PENDAHULUAN
1.1. Latar Belakang Seiring dengan berkembangnya ilmu pengetahuan dan teknologi, citra satelit mulai banyak dimanfaatkan dalam berbagai ilmu. Pada tahun 1972, Earth Resources Technology Satellite (ERTS-A) dari Amerika Serikat yang kemudian disebut Landsat 1 merupakan satelit penginderaan jauh pertama. Satelit ini memiliki resolusi spasial 80 m dan memiliki empat saluran Red Green Blue (RGB) dan saluran inframerah dekat. Generasi satelit Landsat berikutnya mengalami peningkatan dalam hal resolusi spasial dan resolusi spektral. Pada tahun 1999, muncul satelit baru yaitu Landsat 7 yang memiliki 8 saluran spektral dan resolusi spasial 15 m untuk citra pankromatik dan 30 m untuk citra multispektral. Saat ini telah banyak satelit baru yang diluncurkan diantaranya adalah ALOS, IKONOS, Quickbird, OrbView, dan lain-lain yang memiliki resolusi spasial yang lebih baik dari generasi sebelumnya. Citra Landsat telah dimanfaatkan oleh pemerintah, swasta, industri, sipil, dan pendidikan di seluruh dunia. Citra ini digunakan untuk mendukung berbagai bidang dalam aplikasi seperti: penelitian perubahan iklim global, pertanian, kehutanan, geologi, manajemen sumberdaya, geografi, pemetaan, hidrologi, dan oseanografi. Pemetaan penggunaan/penutupan lahan dengan citra Landsat mampu menyediakan informasi kenampakan objek dan kegiatan manusia di permukaan bumi. Quickbird adalah satelit penginderaan jauh komersial milik perusahaan Amerika Serikat, DigitalGlobe, yang menyediakan produk citra beresolusi tinggi. Diluncurkan pada tahun 2001, produk ini terdiri dari sensor pankromatik dan sensor multispektral. Kedua sensor tersebut menghasilkan citra yang memiliki resolusi spasial berbeda yaitu 0,61 m untuk citra pankromatik dan 2,44 m untuk citra multispektral. Pada resolusi ini, detail bangunan dan infrastruktur lainnya terlihat jelas. Munculnya citra Quickbird ini tentunya memberi harapan bagi praktisi di bidang planologi, pertanian, kehutanan, pertambangan, dan lain-lain yang
2
memerlukan data akurat. Dengan kemampuan citra Quickbird menyajikan data spasial hingga ketelitian 0,61 m, lokasi pemukiman dapat diidentifikasi per individu bangunan. Jalan raya dan sungai pun dapat diidentifikasi sebagai poligon. Pemetaan penggunaan/penutupan lahan dengan
citra Quickbird
mampu
menyediakan informasi kenampakan objek dan kegiatan manusia di permukaan bumi secara detail. Khusus untuk citra Quickbird, penggunaan salah satu citra baik citra pankromatik maupun citra multispektral terkadang belum cukup untuk mendapatkan output yang diinginkan karena adanya keterbatasan resolusi spektral dan resolusi spasial (Nisak, 2010). Oleh karena itu, fusi citra perlu dilakukan untuk mendapatkan gambar citra yang diinginkan yakni memiliki resolusi spasial tinggi dan kombinasi Red Green Blue (RGB). Teknik fusi citra yang digunakan dalam penelitian ini adalah Color Normalized (Brovey). Teknik ini berfungsi untuk menajamkan gambar dengan menggunakan kombinasi matematis dari citra multispektral dan citra pankromatik (Vrabel, 1996). Untuk mengetahui sejauh mana citra satelit mampu menyajikan informasi penggunaan/penutupan
lahan
suatu
wilayah,
perlu
dilakukan
penelitian
perbandingan. Penelitian ini membandingkan citra Landsat dan citra Quickbird. Studi komparasi pemetaan penggunaan/penutupan lahan melalui citra Landsat dan citra
Quickbird
diharapkan
mampu
menjawab
perbedaan
informasi
penggunaan/penutupan lahan tersebut.
1.2. Tujuan Tujuan dari penelitian ini adalah: 1. Membandingkan kenampakan objek di citra Quickbird pankromatik, multispektral, dan fusi. 2. Membandingkan hasil pemetaan penggunaan/penutupan lahan dari citra Landsat dan fusi citra Quickbird. 3. Menganalisis ketelitian geometrik objek di fusi citra Quickbird dengan kondisi di lapang.
3
II. TINJAUAN PUSTAKA
2.1. Penginderaan Jauh Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah, atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan objek, daerah, atau fenomena yang dikaji (Lillesand & Kiefer, 1999). Defenisi yang lain juga dikemukakan oleh Konecny (2003) yang mana penginderaan jauh adalah metode untuk memperoleh informasi dari objek yang jauh tanpa adanya kontak langsung. Dalam aplikasinya, teknologi penginderaan jauh menggunakan energi elektromagnetik seperti gelombang radio, cahaya, dan panas sebagai sarana untuk mendeteksi dan mengukur karakteristik objek atau target (Ho, 2009).
2.1.1. Citra Landsat Landsat 1 adalah satelit pengamatan bumi pertama kali di dunia (EOS), yang diluncurkan oleh Amerika Serikat pada tahun 1972. Satelit ini memiliki kemampuan untuk mengamati bumi jauh dari ruang angkasa, dan merupakan salah satu perangkat terbaik dalam penginderaan jauh. Setelah Landsat 1, Landsat 2, 3, 4, 5, dan 7 diluncurkan, Landsat 7 saat ini dioperasikan sebagai satelit utama.
Gambar 1. Satelit Landsat
4
Landsat 5 dilengkapi dengan multispectral scanner (MSS) dan thematic mapper (TM). MSS adalah sensor optik yang didesain untuk mengamati radiasi matahari yang dipantulkan dari permukaan bumi dalam empat band spektral yang berbeda, dengan menggunakan kombinasi dari sistem optik dan sensor. TM adalah peralatan observasi canggih yang digunakan dalam MSS. Peralatan ini mengamati permukaan bumi di tujuh band spektral yang berkisar dari sinar tampak hingga inframerah termal. Landsat 7 telah berhasil diluncurkan dari Pangkalan Angkatan Udara Vandenburg pada tanggal 15 April 1999. Satelit ini dilengkapi dengan instrumen Enhanced Thematic Mapper Plus (ETM+), penerus TM. Jumlah band dari Landsat 7 sama dengan Landsat 5 sebanyak tujuh band, tetapi pada Landsat 7 ditambahkan band 8 yaitu band pankromatik dengan resolusi 15 m. Data Landsat telah digunakan oleh pemerintah, masyarakat komersial, industri, sipil, dan pendidikan di seluruh dunia. Data tersebut mendukung berbagai berbagai aplikasi dalam bidang-bidang seperti penelitian perubahan iklim global, pertanian, kehutanan, geologi, manajemen sumberdaya, geografi, pemetaan, hidrologi, dan oseanografi. Citra Landsat dapat digunakan dalam pemetaan perubahan antropogenik dan alamiah di bumi selama periode beberapa bulan sampai dua dekade. Jenis perubahan yang dapat diidentifikasi meliputi pembangunan pertanian, penggundulan hutan, bencana alam, urbanisasi, dan pengembangan dan degradasi sumber daya air (www.satimaging.com, diakses 13 Oktober 2011). Spesifikasi satelit dan karakteristik band citra Landsat 7 disajikan pada Tabel 1 dan 2.
Tabel 1. Spesifikasi Satelit Landsat 7 Tanggal diluncurkan Resolusi Spasial Orbit Kecondongan Orbit Periode Orbit Resolusi Temporal Resolusi
15 April 1999, di Pangkalan Angkatan Udara Vandenberg, California 30 meter 705 +/- 5 km (di atas khatulistiwa) sun-synchronous 98,2 +/- 0,15 98.9 menit 16 hari (233 orbit) 15 hingga 90 meter
Sumber: www.satimaging.com, diakses 13 Oktober 2011
5
Tabel 2. Karakteristik Band Citra Landsat 7 Band 1
Rentang Spektral (µ) 0,450 - 0,515 (biru-hijau)
Resolusi Spasial (m) 30
Keterangan
Didesain untuk menembus badan air, membedaan tanah dan vegetasi, serta memetakan tipe hutan (berganti daun/daun jarum) 2 0,525 - 0,605 30 Cocok untuk mengukur nilai reflektan (hijau) hijau tertinggi pada vegetasi. Direkomendasikan untuk membedakan vegetasi dan vigor tanaman 3 0,630 - 0,690 30 Band ini dioperasikan untuk mengukur (merah) daerah absorpsi klorofil. Baik untuk mendeteksi jalan, tanah kosong, dan tipe vegetasi 4 0,775 - 0,900 30 Band ini digunakan untuk mengestimasi (inframerah dekat) biomassa. Walaupun band ini bisa memisahkan badan air dari vegetasi dan membedakan kelembaban tanah, tetapi tidak efektif untuk identifikasi jalan pada TM3 5 1,550 - 1,750 30 Band 5 dipertimbangkan sebagai band (inframerah menengah) tunggal terbaik dari semua band. Band ini bisa membedakan jalan, tanah kosong, dan air. Band ini juga mendukung kontras yang baik dalam membedakan tipe vegetasi dan paling baik dalam menembus kabut dan atmosfir 6 10,40 - 12,50 60 Band ini merespon radiasi termal yang (inframerah termal) diemisikan oleh target. Radiasi termal erat hubungannya dengan kelembaban tanah dan temperatur vegetasi baik untuk mengukur stress tanaman akibat panas dan pemetaan termal 7 2,090 - 2,35 30 Band ini baik dalam membedakan tipe (inframerah menengah) batuan dan mineral serta untuk interpretasi tutupan vegetasi dan kelembaban tanah 8 0,520 - 0,900 15 Band ini diperuntukan untuk mempertinggi (pankromatik) resolusi dan meningkatkan kemampuan deteksi Sumber: www.geocomm.com, diakses 13 Oktober 2011
2.1.2. Citra Quickbird Quickbird
adalah
satelit
resolusi
tinggi
dan
dioperasikan
oleh
DigitalGlobe. Menggunakan sensor BGIS 2000, Quickbird mengumpulkan data citra dengan detail tingkat resolusi piksel sebesar 0,61 m. Satelit ini merupakan sumber data lingkungan yang berguna untuk analisis perubahan penggunaan lahan, pertanian, dan iklim hutan.
6
Gambar 2. Satelit Quickbird
Kemampuan pencitraan Quickbird juga dapat diterapkan pada sejumlah industri, termasuk
eksplorasi dan produksi minyak dan gas, rekayasa dan
konstruksi, serta studi lingkungan (www.satimaging.com, diakses 13 Oktober 2011). Karakteristik citra dan spesifikasi satelit Quickbird disajikan pada Tabel 3 dan 4.
Tabel 3. Karakteristik Citra Quickbird Resolusi
Band Citra
Pankromatik: 61 cm (nadir) sampai 72 cm (25° off-nadir) Multispektral: 2,44 m (nadir) sampai 2,88 m (25° off-nadir) Pankromatik: 450 - 900 nm Biru: 450 - 520 nm Hijau: 520 - 600 nm Merah: 630 - 690 nm Inframerah Dekat: 760-900 nm
Tabel 4. Spesifikasi satelit Quickbird Resolusi
Band Citra
Pankromatik: 61 cm (nadir) sampai 72 cm (25° off-nadir) Multispektral: 2,44 m (nadir) sampai 2,88 m (25° off-nadir) Pankromatik: 450 - 900 nm Biru: 450 - 520 nm Hijau: 520 - 600 nm Merah: 630 - 690 nm Inframerah Dekat: 760-900 nm
7
2.2. Fusi Citra Fusi citra adalah proses dimana dua atau lebih gambar digabungkan menjadi satu gambar dengan mempertahankan fitur penting dari masing-masing gambar asli (Hill et al, 2002). Sedangkan menurut Liu dan Mason (2009), fusi citra adalah perpaduan citra komposit warna yang memiliki resolusi spasial lebih rendah dengan citra pankromatik yang memiliki resolusi lebih tinggi sehingga menghasilkan citra komposit warna beresolusi tinggi. Tujuan utama untuk fusi citra adalah untuk mengingkatkan kualitas informasi yang terkandung pada gambar output dalam proses yang dikenal sebagai sinergi. Sebuah studi dilakukan oleh Michell (2010) tentang teknik fusi citra dan aplikasi yang ada menunjukkan bahwa fusi citra dapat memberikan kita dengan gambar output dengan peningkatan kualitas. Dalam hal ini, manfaat dari fusi citra meliputi: 1. Memperluas jangkauan operasi 2. Memperpanjang cakupan spasial dan temporal 3. Mengurangi ketidakpastian 4. Meningkatkan kehandalan 5. Menguatkan kinerja sistem 6. Kompak dalam penyajian informasi Ada tiga macam teknik yang digunakan untuk fusi citra yaitu: penggantian intensitas (melalui transformasi RGB-HIS), transformasi Brovey, dan SFIM.
2.3. Penggunaan/penutupan lahan Penggunaan lahan dan penutupan lahan memiliki defenisi yang berbeda. Menurut Lillesand dan Kiefer (1999), istilah penutupan lahan berkaitan dengan jenis kenampakan yang ada di permukaan bumi. Sedangkan istilah penggunaan lahan berkaitan dengan kegiatan manusia pada bidang lahan tertentu. Konecny (2003) menyatakan bahwa penutupan lahan menggambarkan penampilan fisik dari permukaan bumi. Sementara itu, penggunaan lahan diartikan sebagai kategori lahan yang berhubungan dengan hak penggunaan tanah tersebut secara ekonomi.
8
2.4. Aplikasi Citra Landsat untuk Pemetaan Penggunaan/Penutupan Lahan Parwati et al, (2004) menggunakan citra Landsat 7 ETM dengan resolusi spasial 30 x 30 m untuk memetakan penutupan lahan. Klasifikasi penutupan lahan dilakukan secara digital. Teknik klasifikasi yang digunakan adalah metode supervised. Langkah awal adalah membentuk training sample tersebut secara statistik. Dengan bantuan training sample tersebut dilakukan proses klasifikasi secara digital, dimana objek dengan nilai statistik terdekat dikelompokkan menjadi kelas sesuai dengan kelas training sample yang diambil. Dalam penelitian Lisnawati dan Wibowo (2007), jenis penutupan lahan yang diidentifikasi dari citra Landsat dijadikan dasar untuk menginterpretasi jenis penggunaan lahan pada masing-masing penutupan lahan tersebut. Hasil penetapan jenis penggunaan lahan tersebut selanjutnya akan digunakan untuk mendeteksi perubahan penggunaan lahan. Proses interpretasi jenis penutupan lahan didasarkan pada kondisi lapangan yang diperoleh dari pengecekan lapang.
2.5. Aplikasi Citra Quickbird untuk Pemetaan Penggunaan/Penutupan Lahan Venus (2008) mengklasifikasikan penutupan lahan di Kecamatan Rumpin, Kabupaten Bogor, dengan menggunakan citra Quickbird. Kecamatan Rumpin memiliki 19 kelas tipe penutupan lahan yang dapat diidentifikasi berdasarkan klasifikasi secara kualitatif (interpretasi visual) yaitu awan, bayangan awan, danau/empang, kebun campuran, perkebunan kelapa, padang rumput, pemukiman, industri/kantor/sekolah, rawa, sawah, semak belukar, sungai, tanah kosong, tegakan akasia, perkebunan karet, tegakan pulai, hutan, jalan, dan tanah rusak. Tetapi berdasarkan analisis secara kuantitatif (digital), Kecamatan Rumpin memiliki 10 tipe kelas penutupan lahan yaitu badan air, sawah, pemukiman, vegetasi lebat, kebun campuran, perkebunan, lahan terbuka, padang rumput, awan, dan bayangan awan. Martono (2009) mengidentifikasi sebaran dan luas tata guna lahan dan jaringan jalan setiap Rukun Wilayah (RW) di Desa Cibatok, Bogor, menggunakan data penginderaan jauh Quickbird dan mengkaji keanekaragamannya berdasarkan perhitungan nilai Entropy. Perhitungan nilai Entropy dilakukan untuk dua jenis
9
fenomena yaitu penggunaan lahan dan jaringan jalan setiap RW. Semakin banyak jumlah peluang penggunaan lahan dan jaringan jalan dan semakin rata sebaran luas atau jenis pemanfaatannya, nilai Entropy semakin besar.
2.6. Akurasi Hasil Interpretasi Citra Kebutuhan untuk menilai akurasi dari peta yang dihasilkan dari data penginderaan jauh, telah menjadi universal dan diakui sebagai komponen proyek yang tidak terpisahkan (Congalton, 2000). Dalam beberapa tahun terakhir, sebagian besar proyek membutuhkan tingkat akurasi tertentu yang dicapai untuk proyek dan peta yang dianggap akan sukses. Dengan mempekerjakan data penginderaan jauh sebagai lapisan aplikasi luas dari sistem informasi geografis (SIG), kebutuhan untuk penilaian semacam itu telah menjadi penting bahkan lebih kritis. Ada sejumlah alasan mengapa penilaian ini sangat penting, termasuk: Kebutuhan untuk melakukan evaluasi diri dan belajar dari kesalahan Anda Kemampuan untuk membandingkan metode / algoritma / analis kuantitatif Keinginan untuk menggunakan peta yang dihasilkan / informasi spasial dalam beberapa proses pengambilan keputusan Martono (2008) berkesimpulan bahwa penggunaan metode analisis digital citra satelit “Hybrid (Supervised) Classification” untuk mendeteksi penyebaran lahan sawah dan penggunaan/penutupan lahan telah menghasilkan tingkat ketelitian (accuracy) analisis yang tertinggi karena dalam analisis dan klasifikasi citra tersebut telah mempertimbangkan masukan keterpisahan nilai spektral dan data informasi lapangan (hybrid classification). Informasi baku tentang tingkat ketelitian/kebenaran hasil analisis data digital ini sangat penting dan berguna bagi pemanfaatan data dan aplikasi bagi pengguna. Menurut Wibowo (2010), ketelitian klasifikasi adalah ketepatan dan keakuratan peta dalam pendeteksian dan pengidentifikasian suatu objek. Perhitungan ketelitian klasifikasi peta tutupan lahan dilakukan dengan menghitung nilai kappa dari matriks konfusi dengan menggunakan data inspeksi lapangan (ground truth) sebagai referensi validasi. Adapun perancangan matriks konfusi adalah dengan cara membuat tabulasi silang (crosstab) antara data hasil
10
interpretasi (data peta tutupan lahan) dengan data sebenarnya (data inspeksi lapangan. Nilai kappa adalah tingkat ketelitian dari suatu klasifikasi.
2.7. Regresi Linier Sederhana Analisis regresi merupakan salah satu uji statistika yang memiliki dua jenis pilihan model yaitu linear dan non linear. Model linear memiliki dua sifat yaitu regresi sederhana dan regresi berganda dengan kurva yang dihasilkan membentuk garis lurus, sedangkan untuk model non linear dalam parameternya bersifat kuadratik dan kubik dengan kurva yang dihasilkan membentuk garis lengkung (Yusnandar,2004). Analisis regresi merupakan sebuah alat statistik yang memberikan penjelasan tentang pola hubungan (model) antara dua variabel atau lebih (Draper & Smith, 1992). Dalam analisis regresi, dikenal dua jenis variabel yaitu: Variabel respon disebut juga variabel dependent yaitu variabel yang keberadaannya dipengaruhi oleh variabel lainnya dan dinotasikan dengan Y Variabel prediktor disebut juga variabel independent yaitu variabel yang bebas (tidak dipengaruhi oleh variabel lainnya) dan dinotasikan dengan X
11
III. METODE PENELITIAN
3.1. Lokasi dan Waktu Penelitian Lokasi penelitian terletak di Daerah Aliran Sungai (DAS) Ciliwung, Cisarua, Kabupaten Bogor, Jawa Barat. Penelitian berlangsung dari bulan Maret 2010 sampai dengan Bulan Mei 2011. Pengolahan data dan citra dilakukan di Laboratorium Bagian Penginderaan Jauh dan Informasi Spasial, Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian, Institut Pertanian Bogor. Peta lokasi penelitian disajikan pada Gambar 3.
Gambar 3. Peta Lokasi Penelitian
3.2. Bahan dan Alat Bahan dan alat yang digunakan dalam penelitian ini masing-masing disajikan pada Tabel 5 dan 6.
12
Tabel 5. Bahan yang Digunakan Dalam Penelitian No. 1 2 3 4 5
Data Citra Landsat tahun 2006 Citra Quickbird tahun 2006 Peta Rupa Bumi (RBI) skala 1:25.000 lembar Ciawi (1209-141) dan lembar Cisarua (1209-142) Peta batas daerah penelitian Peta penggunaan/penutupan lahan
Sumber http://glovis.usgs.gov/
Fungsi Data primer Data primer
BAKOSURTANAL
Data sekunder
Janudianto, 2004 Janudianto, 2004
Data sekunder Data sekunder
Tabel 6. Alat dan Perangkat Lunak yang Digunakan dalam Penelitian No. 1
Alat dan perangkat lunak ArcView 3.3 dan ArcGIS 9.3
2 3
ENVI 4.4, ErMapper 6.4, dan ERDAS IMAGINE 9.1 Frame and Fill IDL 7.0
4 5 6
Microsoft Excel Global PositioningSystem (GPS) Meteran/pita ukur
Fungsi Analisis data spasial berbasis Sistem Informasi Geografis (SIG) Analisis citra (Fusi dan Mosaik) Menghilangkan stripping pada citra Landsat ETM+ Editing data atribut dan analisis statistik Menentukan titik plot objek survei lapang Mengukur panjang dan lebar objek
3.3. Metode Penelitian Metode penelitian terbagi dalam tiga tahap yaitu persiapan, pengumpulan data, dan analisis data. Tahap persiapan meliputi pengunduhan citra Landsat dan penyediaan citra Quickbird yang telah terkoreksi dengan peta RBI. Matching dilakukan untuk menyamakan batas wilayah antara kedua citra. Pengumpulan data terbagi menjadi pengumpulan data primer dan pengumpulan data sekunder. Tahap pengumpulan data primer meliputi pengecekan lapang dan pengukuran objek. Pengecekan lapang bertujuan untuk mengecek kebenaran hasil interpretasi dan menambah informasi yang tidak dapat diperoleh dari citra. Pengukuran objek dilakukan pada objek yang nampak jelas pada citra. Adapun objek-objek di lapangan tersebut adalah panjang jalan, lebar jalan, panjang jembatan, dan lebar jembatan. Sedangkan, pengumpulan data sekunder meliputi peta RBI daerah penelitian (lembar Cisarua dan Ciawi) serta peta batas wilayah penelitian dari penelitian sebelumnya (Janudianto, 2004). Metode penelitian digambarkan pada Gambar 4.
13
Citra Landsat terkoreksi
Citra Quickbird terkoreksi
Matching Fusi Brovey Interpretasi penggunaan/ penutupan lahan Peta penggunaan/ penutupan lahan sementara (Landsat)
Peta penggunaan/ penutupan lahan sementara (Quickbird) Pengukuran objek
Pengecekan lapang
Peta penggunaan/ penutupan lahan akhir (Landsat)
Peta penggunaan/ penutupan lahan akhir (Quickbird)
Overlay
Analisis penggunaan/ penutupan lahan pada citra Landsat dan citra Quickbird
Perhitungan overall accuracy dan nilai Kappa
Analisis regresi pengukuran objek pada citra Quickbird dengan pengukuran objek di lapang
Gambar 4. Diagram Alir Penelitian
3.3.1. Identifikasi Kenampakan Objek pada Fusi Citra Quickbird Fusi citra Quickbird antara pankromatik dan multispektral dilakukan dengan teknik Brovey. Fusi citra ini bertujuan untuk menghasilkan citra gabungan yang memiliki kombinasi Red Green Blue (RGB) beresolusi spasial tinggi. Dalam penelitian ini, fusi citra hanya dilakukan pada citra Quickbird karena ketersediaan data yang ada. Adapun rumus Brovey yang digunakan adalah:
Sumber: http://www.geol.hu/data/online_help/UsingCNSpectralSharpening.html, November 2011
diakses
25
14
3.3.2. Interpretasi Visual Penggunaan/Penutupan Lahan dari Citra Landsat dan Citra Quickbird Interpretasi visual penggunaan/penutupan lahan dari citra Landsat dan citra Quickbird dilakukan dengan pendekatan unsur-unsur interpretasi (Lillesand & Kiefer, 1999), yaitu: 1. Bentuk; adalah konfigurasi atau kerangka suatu objek. Bentuk beberapa objek demikian mencirikan sehingga citranya dapat diidentifikasi langsung hanya berdasarkan kriteria ini. 2. Ukuran; objek pada foto udara harus dipertimbangkan sehubungan dengan skala foto. 3. Pola; adalah hubungan susunan spasial objek. Pengulangan bentuk umum tertentu atau hubungan merupakan karakteristik bagi banyak objek alamiah maupun bangunan, dan akan memberikan suatu pola yang membantu penafsir untuk mengenali objek tersebut. 4. Bayangan; penting bagi penafsir dalam dua hal bertentangan, yaitu: (a) bentuk atau kerangka bayangan dapat memberikan gambaran profil suatu objek (dapat membantu interpretasi), dan (b) objek dibawah bayangan hanya dapat memantulkan sedikit cahaya dan sukar diamati pada foto (menghalangi interpretasi). 5. Rona; adalah warna atau kecerahan relatif objek pada foto. Tanpa perbedaan rona, bentuk, pola, dan tekstur, suatu objek tidak dapat diamati. 6. Tekstur; adalah frekuensi perubahan rona pada citra fotografi. Tekstur merupakan hasil gabungan dari bentuk, ukuran, pola, bayangan, dan rona. 7. Situs; atau lokasi objek dalam hubungannya dengan objek yang lain, dapat berguna untuk membantu pengenalan suatu objek. Hasil dari interpretasi tersebut menghasilkan peta penggunaan/penutupan lahan citra Landsat dan peta penggunaan/penutupan lahan citra Quickbird yang berbeda tingkat kedetilannya. Hasil dari interpretasi ini didukung dengan data pengecekan lapang.
15
3.3.3. Uji Ketelitian Interpretasi Uji ketelitian hasil interpretasi dilakukan dengan membandingkan hasil interpretasi dari citra Quickbird dengan kondisi di lapang. Pengecekan lapang diperlukan untuk menghitung nilai overall accuracy dan nilai kappa dari interpretasi citra Quickbird. Tujuan dari menghitung nilai overall accuracy dan nilai kappa adalah untuk menguji kualitas klasifikasi. Rumus dari overall accuracy adalah:
keterangan: O = nilai overall accuracy ∑ A = total ketepatan klasifikasi ∑ B = jumlah klasifikasi Adapun rumus untuk menghitung nilai kappa menurut persamaan Jensen (1986) adalah:
keterangan: N
= jumlah data pengamatan = total kolom ke ii = total perkalian jumlah baris dengan jumlah kolom
16
3.3.4. Perbandingan Jumlah Poligon Penggunaan/Penutupan Lahan
dan
Luas
Masing-Masing
Berdasarkan hasil interpretasi visual yang didukung dengan pengecekan lapang diperoleh perbedaan jumlah poligon dan luas dari masing-masing penggunaan/penutupan lahan yang bersumber dari citra Landsat dan citra Quickbird. Jumlah poligon dapat menggambarkan kedetailan hasil interpretasi pada citra Landsat dan citra Quickbird, sedangkan luas dapat memberikan dominansi informasi tipe penggunaan/penutupan lahan dari citra Landsat dan citra Quickbird.
3.3.5. Konsistensi Tipe Penggunaan/Penutupan Lahan Konsistensi
ini
bertujuan
untuk
mengetahui
kekonsistenan
tipe
penggunaan/penutupan lahan dari citra Landsat dan citra Quickbird pada suatu lokasi. Teknik pengambilan sampel dilakukan secara sistematik pada setiap tipe penggunaan/penutupan lahan yang mengacu pada persebaran poligon dengan ukuran yang berbeda. Dalam hal ini ukuran poligon ditentukan berdasarkan pada luas maksimal (L), luas rata-rata (M), dan luas terkecil (S). Sebagai contoh, sistematik pengambilan sampel salah satu penggunaan/penutupan lahan (kebun campuran) disajikan pada Gambar 5.
Gambar 5. Sistematik Pengambilan Sampel pada Penggunaan/Penutupan Lahan Kebun Campuran
17
Tingkat konsistensi tipe penggunaan/penutupan lahan dapat diketahui dari persentase luas penggunaan/penutupan lahan yang dominan pada masing-masing klasifikasi di setiap ukuran poligon. Lebih lengkapnya disajikan pada Tabel 7.
Tabel 7. Tingkat konsistensi tipe penggunaan/penutupan lahan No 1 2 3 4
Kelas Rentang Persentase (%) Tidak Konsisten (TK) 0 - 25% Agak Konsisten (AK) 25 - 50% Konsisten (K) 50 - 75% Sangat Konsisten (SK) 75 - 100%
3.3.6. Tingkat Kedetailan Penggunaan/Penutupan Lahan Tingkat kedetailan penggunaan/penutupan lahan mengacu pada sistem klasifikasi United States Geological Survey (USGS). Penyusunan sistem multitingkat dilakukan karena tingkat kerincian data dapat diperoleh dari hasil penginderaan jauh yang berbeda bergantung pada sistem sensor dan resolusi citranya (Lillesand & Kiefer, 1999). Sistem ini membagi tingkatan klasifikasi penggunaan/penutupan lahan menjadi 4 tingkatan (tingkat I, II, III, dan tingkat IV). Tingkat I dan II ditetapkan oleh USGS. Sedangkan untuk tingkat III dan IV ditetapkan oleh pengguna lokal berdasarkan sistem USGS, mengingat bahwa kategori pada tiap tingkat harus dapat dikelompokkan ke dalam kategori pada tingkat yang lebih tinggi (Anderson et al, 1976). Pembagian level klasifikasi penggunaan/penutupan lahan disajikan pada Tabel 8.
18
Tabel 8. Sistem Klasifikasi Penggunaan/Penutupan Lahan untuk digunakan dengan Data Penginderaan Jauh No. 1
Tingkat 1 Perkotaan atau Lahan Bangunan
Tingkat 2 1.1. Pemukiman 1.2. Perdagangan dan Jasa 1.3. Industri 1.4. Transportasi, Komunikasi, dan Umum 1.5. Kompleks Industri dan Perdagangan 1.6. Perkotaan Campuran atau Lahan Bangunan 1.7. Perkotaan atau Lahan Bangunan Lainnya
2
Lahan Pertanian
2.1. Tanaman Semusim dan Padang Rumput 2.2. Daerah Buah-buahan, Jeruk, Anggur, Labu Bibit, dan Tanaman Hias 2.3. Tempat Pengembalaan Terkurung 2.4. Lahan Pertanian Lainnya 2.5. Lahan Tanaman Obat
3
Lahan peternakan
3.1. Lahan Peternakan Semak dan Belukar 3.2. Lahan Peternakan Campuran
4
Lahan hutan
4.1. Lahan Hutan Gugur Daun Musiman 4.2. Lahan Hutan Selalu Hijau 4.3. Lahan Hutan Campuran
5
Air
5.1. Sungai dan Kanal 5.2. Danau 5.3. Waduk 5.4. Teluk dan Muara
6
Lahan Basah
7
Lahan Gundul
6.1. Lahan Hutan Basah 6.2. Lahan Basah Bukan Hutan 7.1. Dataran Garam Kering 7.2. Gisik 7.3. Daerah Berpasir Selain Gisik 7.4. Batuan Singkapan Gundul 7.5. Tambang Terbuka, Pertambangan, dan Tambang Kerikil 7.6. Daerah Peralihan 7.7. Lahan Gundul Campuran
8
Padang Lumut
8.1. Padang Lumut Semak Belukar 8.2. Padang Lumut Tumbuhan Obat 8.3. Padang Lumut Lahan Gundul 8.4. Padang Lumut Basah 8.5. Padang Lumut Campuran
9
Es atau Salju Abadi
9.1. Lapangan Salju Abadi 9.2. Glasier
Sumber: Lillesand & Kiefer, 1999
19
3.3.7. Analisis Regresi Pengukuran Objek pada Citra Quickbird dengan Pengukuran Objek di Lapang Pada pengecekan lapang dilakukan juga pengambilan data pengukuran objek dengan menggunakan meteran/pita ukur. Objek yang diukur berupa lebar jalan, lebar jembatan dan panjang jembatan. Hasil pengukuran objek tersebut dihubungkan dengan pengukuran objek yang sama pada citra untuk dihitung nilai regresi linier sederhananya. Rumusnya adalah sebagai berikut: Y = a + bX keterangan: Y = peubah tak bebas (pengukuran objek di lapang) X = peubah bebas (pengukuran objek di citra) a = konstanta b = kemiringan
20
IV. HASIL DAN PEMBAHASAN
4.1. Fusi pada Citra Quickbird Analisis visual kenampakan objek pada citra pankromatik, citra multispektral, dan citra fusi disajikan pada Gambar 6 dan Tabel 9.
Objek
Pemukiman
Sawah
Hutan
Tegalan
Kebun campuran
Tanah kosong
Badan air
Pankromatik
Multispektral
Fusi
21
Objek
Pankromatik
Multispektral
Fusi
Kebun teh 2
Jalan raya
Rumput
Kebun teh 1
Sungai
Gambar 6. Kenampakan Objek Citra Quickbird pada Citra Pankromatik, Citra Multispektral, dan Citra Fusi Tabel 9. Tabel kenampakan objek pada citra pankromatik, citra multispektral, dan citra fusi Objek Pankromatik Multispektral Fusi Pemukiman VV VV VVV Sawah VV VV VVV Hutan VV VV VVV Tegalan VV V VVV Kebun campuran VV V VVV Tanah kosong V VV VVV Badan air VV VV VVV Kebun teh 2 V VV VVV Jalan raya VV V VVV Rumput V VV VVV Kebun teh V VV VVV Sungai VV V VVV keterangan: V = cukup jelas, VV = jelas, VVV = Sangat jelas
22
Pada Gambar 6 dan Tabel 9 menunjukkan bahwa kenampakan objek pada citra fusi sangat jelas untuk semua objek yang diidentifikasi. Hal ini terjadi karena kombinasi citra pankromatik dan multispektral menghasilkan citra fusi yang memberikan kenampakan objek yang berwarna dengan resolusi spasial yang lebih tinggi. Secara teori, mata manusia dapat membedakan tingkat warna lebih banyak daripada membedakannya dalam bentuk tingkat keabuan. Interpretasi pada citra pankromatik jelas tampak pada gambar, namun hanya memiliki tingkat keabuan saja. Sehingga identifikasi objek mengalami kendala dalam menentukan jenis objek yang terdapat pada citra dari segi rona. Sedangkan interpretasi pada citra multispektral cukup jelas tampak pada citra. Meskipun citra multispektral memiliki keunggulan pada tingkat warna, namun memiliki kelemahan dari segi ukuran. Lebih jelasnya, citra multispektral memiliki resolusi spektral yang lebih rendah dibandingkan dengan citra pankromatik. Persentase kenampakan sangat jelas (VVV) pada citra fusi mencapai 100%. Hal ini menunjukkan bahwa interpretasi objek lebih mudah dilakukan pada citra fusi. Sedangkan pada citra pankromatik dan citra multispektral, kemudahan interpretasi termasuk ke dalam kategori jelas (VV) dan cukup jelas (V) masingmasing sebesar 67% dan 33% (Tabel 10). Persentase kenampakan pada citra pankromatik, citra multispektral, dan citra fusi disajikan pada Tabel 10.
Tabel 10. Persentase kenampakan pada citra pankromatik, citra multispektral, dan citra fusi Kenampakan objek Pankromatik Multispektral Fusi V 33% 33% 0% VV 67% 67% 0% VVV 0% 0% 100% 4.2. Interpretasi Penggunaan/Penutupan Lahan pada Citra Landsat dan Citra Quickbird Tipe penggunaan/penutupan lahan yang diinterpretasi dari citra Landsat dan citra Quickbird berjumlah masing-masing 8 dan 12 klasifikasi. Adapun karakteristik masing-masing tipe penggunaan/penutupan lahan citra dan di lapang diuraikan sebagai berikut.
23
Pemukiman pada citra Landsat memiliki bentuk yang menyerupai bidang datar dengan pola mengelompok dan memanjang di pinggir jalan dan sungai. Umumnya bertekstur halus dan berwarna merah keungu-unguan. Pemukiman pada citra Quickbird tergambar jelas, baik letak, jarak, susunan, dan kondisinya. Kepadatan pemukiman juga terlihat jelas terutama di wilayah yang datar. Tekstur pemukiman pada citra tergolong agak kasar serta warnanya yang tergantung dari jenis atap yang digunakan. Di lapangan, pemukiman meliputi tempat tinggal, pertokoan, perkantoran, rumah ibadah, serta pabrik. Sawah pada citra Landsat bertekstur halus serta berwarna hijau muda, magenta dan biru. Polanya mengelompok terutama di daerah yang memiliki pasokan air irigasi yang cukup. Sedangkan sawah pada citra Quickbird lebih mudah dikenali karena petakan, saluran irigasi, dan teras sawah terlihat jelas. Tekstur dan warna kenampakannya beragam tergantung dari kondisi sawah dan fase perkembangan tanaman padi. Di lapangan, sawah meliputi sawah irigasi dan sawah tadah hujan. Tegalan pada citra Landsat didominasi oleh warna magenta dengan campuran hijau, putih dan kuning. Bertekstur agak kasar serta berpola mengelompok berdampingan dengan penggunaan/penutupan lahan yang lain seperti sawah, pemukiman, dan kebun campuran. Pada citra Quickbird, tegalan memiliki tekstur dan pola yang sama dengan citra Landsat. Warna tegalan pun tergantung pada kondisi tanaman yang dibudidayakan. Di lapangan, tegalan dominan ditanami oleh tanaman palawija dan tanaman hortikultura. Kebun campuran berwarna hijau bercampur magenta pada citra Landsat. Bertekstur
kasar
serta
berpola
menyebar
dan
bercampur
dengan
penutupan/penggunaan lahan lainnya. Pada citra Quickbird, kebun campuran berwarna hijau dan polanya menyebar lebih merata dibandingkan pada citra Landsat. Teksturnya kasar serta ukuran tajuk pohon terlihat jelas pada citra. Di lapangan, kebun campuran umumnya berbentuk wanatani (agroforestri). Hutan pada citra Landsat berwarna hijau gelap serta bertekstur kasar. Polanya mengelompok dan terletak di daerah dataran tinggi dan pegunungan. Igirigir yang terdapat di sekitar Daerah Aliran Sungai (DAS) dapat dilihat dengan jelas. Sedangkan hutan pada citra Quickbird bertekstur kasar karena ukuran dan
24
jarak tajuk yang terlihat jelas. Kenampakan pola dan warna hutan pada citra Quickbird sama dengan yang ada pada citra Landsat. Di lapangan, hutan terdapat di sekitar kaki gunung dan daerah reservoir. Kebun teh pada citra Landsat bertekstur halus, berpola mengelompok, serta berwarna hijau muda dan magenta. Terletak di dataran tinggi dan bersebelahan dengan penutupan/penggunaan lahan yang lainnya seperti hutan, kebun campuran dan pemukiman. Pada citra Quickbird, kebun teh bertekstur agak kasar, berwarna hijau muda dan berpola mengelompok. Kondisi perkembangan tanaman teh dapat terlihat jelas. Di lapangan, kebun teh terletak di dataran tinggi dan sekitar lereng pegunungan. Tanah kosong terlihat berwarna merah dan ungu pada citra Landsat. Teskturnya
halus
dan
memiliki
pola
mengelompok.
Terletak
diantara
penutupan/penggunaan yang lain seperti hutan dan kebun teh. Pada citra Quickbird, lahan terbuka terlihat berwarna kuning kecoklatan dan bertekstur halus. Berpola menyebar dan hampir merata di sepanjang daerah penelitian. Di lapangan, tanah lapang dikategorikan ke tanah kosong. Badan air pada citra Landsat berwarna biru dan bertekstur halus serta mempunyai pola menyebar terutama di daerah cekungan. Sedangkan pada citra Quickbird, badan air bertekstur halus, berwarna hitam, dan memiliki pola yang sama dengan citra Landsat. Badan air di lapangan berupa situ dan kolam. Selain penutupan/penggunaan lahan yang telah dijelaskan diatas, ada beberapa penutupan/penggunaan lahan yang tidak teridentifikasi pada citra Landsat, tetapi dapat diinterpretasi pada citra Quickbird. Penutupan/penggunaan lahan tersebut antara lain rumput, sungai, jalan raya, serta kebun teh 2. Rumput pada citra Quickbird berwarna hijau, bertekstur halus, serta berpola menyebar. Sebagian rumput ada yang ditanam, sebagian lagi merupakan rumput alami (tanpa campur tangan manusia). Di lapangan, rumput meliputi rumput budidaya (ditanami) dan rumput alami. Sungai memiliki tekstur yang halus, berwarna hitam, serta berpola memanjang dan berkelok-kelok (meander) pada citra Quickbird. Sungai di lapangan terdiri dari sungai induk dan anak sungai.
25
Jalan raya pada citra Quickbird bertekstur agak halus dan berwarna abuabu. Polanya pun umumnya memanjang, akan tetapi sebagian ada yang lurus dan ada yang berkelok-kelok tergantung pada kondisi geomorfologi medan. Di lapangan, jalan raya dibagi menjadi jalan tol, jalan lokal, dan jalan kecamatan. Kebun teh 2 yang terdapat pada citra Quickbird merupakan istilah yang digunakan untuk kenampakan kebun teh yang sedang mengalami masa pemangkasan. Memiliki tekstur yang agak kasar serta warna yang hijau agak kecokelatan. Polanya pun mengelompok dan berada tidak jauh dari kebun teh. Di lapangan, kebun teh 2 mengalami pergantian pemotongan secara berkala. Contoh kenampakan objek pada citra Landsat, Quickbird dan lapang disajikan pada Gambar 7.
Interpretasi Badan Air
Hutan
Kebun campuran
Kebun teh 1
Pemukiman
Landsat
Quickbird
Lapang
26
Interpretasi Sawah
Landsat
Quickbird
Lapang
Tanah kosong
Tegalan
Jalan raya
Sungai
Rumput
Kebun teh 2
Gambar 7. Contoh Kenampakan Objek Pada Citra Landsat, Quickbird, dan Lapang
27
4.3. Akurasi Hasil Interpretasi Penggunaan/Penutupan Lahan dari Citra Quickbird Tabel nilai overall accuracy dan kappa dari citra Quickbird, masingmasing disajikan pada Tabel 11 dan Tabel 12
Tabel 11. Nilai overall accuracy dari citra Quickbird KS KK Kc
Sw
Tg
Pm
Ht
Kt 1
Rm
Tk
Sg
Jr
Kt 2
To
Ba
UA
Kc
14
0
1
0
0
0
0
0
0
0
0
0
15
93%
Sw
0
8
1
0
0
0
0
0
0
0
0
0
9
89%
Tg
1
0
3
0
0
0
0
1
0
0
0
0
5
60%
Pm
1
0
0
40
0
0
0
0
0
0
0
0
41
98%
Ht
0
0
0
0
3
0
0
0
0
0
0
0
3
100%
Kt 1
0
0
0
0
0
1
0
0
0
0
0
0
1
100%
Rm
0
0
0
0
0
0
6
0
0
0
0
0
6
100%
Tk
0
0
1
0
0
0
2
8
0
0
0
1
12
67%
Sg
0
0
0
0
0
0
0
0
2
0
0
0
2
100%
Jr
0
0
0
0
0
0
0
0
0
4
0
0
4
100%
Kt 2
0
0
0
0
0
0
0
0
0
0
1
0
1
100%
Ba
0
0
0
0
0
0
0
0
0
0
0
1
1
100%
To
16
8
6
40
3
1
8
9
2
4
1
2
100
PA
88%
100%
50%
100%
100%
100%
75%
89%
100%
100%
100%
50%
Keterangan: KK KS Kc Sw Tg Pm Ht Kt 1 Rm
= Kategori Klasifikasi = Klasifikasi Sebenarnya = Kebun campuran = Sawah = Tegalan = Pemukiman = Hutan = Kebun teh 1 = Rumput
Tk Sg Jr Kt 2 Ba To PA UA
= Tanah kosong = Sungai = Jalan raya = Kebun teh 2 = Badan air = Total = Producer’s Accuracy = User’s Accuracy
28
Tabel 12. Nilai kappa dari citra Quickbird KS KK Kc
Sw
Tg
Pm
Ht
Kt 1
Rm
Tk
Sg
Jr
Kt 2
To
Ba
UA
Kc
14
0
1
0
0
0
0
0
0
0
0
0
15
93%
Sw
0
8
1
0
0
0
0
0
0
0
0
0
9
89%
Tg
1
0
3
0
0
0
0
1
0
0
0
0
5
60%
Pm
1
0
0
40
0
0
0
0
0
0
0
0
41
98%
Ht
0
0
0
0
3
0
0
0
0
0
0
0
3
100%
Kt 1
0
0
0
0
0
1
0
0
0
0
0
0
1
100%
Rm
0
0
0
0
0
0
6
0
0
0
0
0
6
100%
Tk
0
0
1
0
0
0
2
8
0
0
0
1
12
67%
Sg
0
0
0
0
0
0
0
0
2
0
0
0
2
100%
Jr
0
0
0
0
0
0
0
0
0
4
0
0
4
100%
Kt 2
0
0
0
0
0
0
0
0
0
0
1
0
1
100%
Ba
0
0
0
0
0
0
0
0
0
0
0
1
1
100%
To
16
8
6
40
3
1
8
9
2
4
1
2
100
PA
88%
100%
50%
100%
100%
100%
75%
89%
100%
100%
100%
50%
Keterangan: KK KS Kc Sw Tg Pm Ht Kt 1 Rm
= Kategori Klasifikasi = Klasifikasi Sebenarnya = Kebun campuran = Sawah = Tegalan = Pemukiman = Hutan = Kebun teh 1 = Rumput
Tk Sg Jr Kt 2 Ba To PA UA
= Tanah kosong = Sungai = Jalan raya = Kebun teh 2 = Badan air = Total = Producer’s Accuracy = User’s Accuracy
Pada Tabel 11 menunjukkan nilai overall accuracy pada interpretasi citra Quickbird sebesar 91%, berarti secara keseluruhan persentase kebenaran nilai piksel yang diklasifikan dianggap tepat. Dan pada Tabel 12 menunjukkan nilai
29
kappa pada interpretasi citra Quickbird sebesar 0,89, berarti interpretasi penggunaan/penutupan lahan pada citra Quickbird dianggap teliti. Perbedaan nilai overall accuracy dengan nilai kappa disebabkan oleh persamaan matematika yang digunakan dalam masing-masing rumus. Dapat dilihat pada Tabel 11, perhitungan nilai overall accuracy hanya melibatkan total klasifikasi (kuning) dan jumlah kolom ketepatan klasifikasi (biru). Hal ini menyebabkan angka faktor pembilang lebih besar pada perhitungan nilai overall accuracy. Sedangkan pada Tabel 12 menunjukkan perhitungan nilai kappa tidak hanya melibatkan total klasifikasi dan jumlah ketepatan klasifikasi. Namun, total klasifikasi pada kategori klasifikasi dan klasifikasi sebenarnya juga diikut sertakan dalam proses perhitungan. Sehingga angka faktor pembilang pada nilai kappa lebih kecil dibandingkan dengan angka faktor pembilang nilai overall accuracy.
4.4. Perbandingan Keluaran (Output) dari Interpretasi melalui Citra Landsat dan Citra Quickbird Dari hasil interpretasi visual dari citra Landsat dan citra Quickbird, diperoleh peta penggunaan/penutupan lahan citra Landsat (Gambar 8) dan peta penggunaan/penutupan lahan citra Quickbird (Gambar 9). Masing-masing peta penggunaan/penutupan lahan dilengkapi data luas, persentase, dan jumlah poligon yang akan dibandingkan keluarannya (output) dari citra Landsat dan citra Quickbird.
30
Gambar 8. Peta Penggunaan/Penutupan Lahan Daerah Aliran Sungai (DAS) Ciliwung Hulu (Landsat)
31
Gambar 9. Peta Penggunaan/Penutupan Lahan Daerah Aliran Sungai (DAS) Ciliwung Hulu (Quickbird)
32
4.4.1. Luas dan Jumlah Poligon dari Masing-Masing Penggunaan/Penutupan Lahan dari Citra Landsat dan Citra Quickbird Jumlah kelas penggunaan/penutupan lahan dari citra Landsat dan citra Quickbird masing-masing 8 kelas dan 11 kelas. Juga dengan luas dari masingmasing kelas berbeda seperti yang disajikan pada Tabel 13.
Tabel 13. Perbandingan jumlah kelas penggunaan/penutupan lahan No 1 2 3 4 5 6 7 8 9 10 11
Citra Landsat Luas Tipe LU/LC (Ha) (%)
dan
luas
masing-masing
Citra Quickbird Luas Tipe LU/LC (Ha) (%)
Pemukiman
1601.30
23.75
Pemukiman
1010.73
14.99
Sawah
1525.65
22.63
Sawah
1260.08
18.69
Tegalan Kebun Campuran Hutan
1296.13
19.22
1232.97
18.29
1145.40
16.99
1789.79
26.55
863.31
12.80
Tegalan Kebun Campuran Hutan
773.43
11.47
Kebun Teh
295.18
4.38
Kebun Teh
265.82
3.94
12.94
0.19
Tanah Kosong
109.15
1.62
2.43
0.04
Badan Air
Tanah Kosong Badan Air
Total
6742.34
100.00
2.79
0.04
Rumput
209.54
3.11
Sungai
49.91
0.74
Jalan Raya
38.17
0.57
Total
6742.39
100.00
Pada Tabel 13 menunjukkan perbedaan jumlah klasifikasi antara citra Landsat dan citra Quickbird terjadi karena informasi penggunaan/penutupan lahan pada citra Quickbird lebih detail jika dibandingkan dengan citra Landsat. Salah satu faktor yang menyebabkan perbedaan ini adalah nilai resolusi spasial yang berlainan. Perbedaan luas yang terjadi pada beberapa poligon yang sama disebabkan karena detail lekukan dalam digitasi. Dapat kita lihat pada Tabel 13, luas poligon yang dominan pada citra Landsat adalah pemukiman (1601,30 ha). Sedangkan pada citra Quickbird, luas poligon yang dominan adalah kebun campuran (1789,79 ha).
33
Perbedaan jumlah poligon citra Landsat dengan citra Quickbird terjadi karena pengaruh resolusi spasial, skala, dan unsur interpretasi. Sebagai contoh, pemukiman pada citra Landsat terlihat menyatu sehingga batas antara pemukiman yang satu dengan yang lain tidak terlihat. Sedangkan pada citra Quickbird, pemukiman dapat diinterpretasi baik struktur dan bentuknya karena batas pemukiman terlihat jelas. Hal ini lah yang mengakibatkan jumlah poligon pada citra Quickbird lebih banyak jika dibandingkan dengan citra Landsat. Tingkat kedetailan informasi penggunaan/penutupan lahan dapat diperoleh dari jumlah poligon disajikan pada Tabel 14.
Tabel 14. Jumlah dan persentase poligon pada citra Landsat dan citra Quickbird Citra Landsat No.
Tipe LU/LC
1 Badan Air 2 Hutan Kebun 3 Campuran 4 Kebun Teh 5 Pemukiman 6 Sawah 7 Tanah Kosong 8 Tegalan 9 10 11 12 Total
Citra Quickbird ∑ ∑ % Tipe LU/LC % Poligon Poligon 2 3.39 Badan Air 22 0.23 6 10.17 Hutan 21 0.22 Kebun 11 18.64 2114 21.75 Campuran 3 5.08 Kebun Teh 1 7 0.07 15 25.42 Pemukiman 4114 42.32 15 25.42 Sawah 562 5.78 1 1.69 Tanah Kosong 699 7.19 6 10.17 Tegalan 1127 11.59 Rumput 1045 10.75 Sungai 6 0.06 Jalan Raya 3 0.03 Kebun Teh 2 1 0.01 59 100.00 Total 9721 100.00
4.4.2. Konsistensi Tipe Penggunaan/Penutupan Lahan yang Bersumber dari Citra Landsat dan Citra Quickbird Pada Tabel 15 menunjukkan bahwa tiga poligon hutan di citra Landsat terdiri dari tujuh kelas penggunaan/penutupan lahan dari citra Quickbird yaitu hutan, kebun teh 1, tegalan, sawah, kebun campuran, pemukiman, dan tanah kosong. Penggunaan/penutupan lahan hutan pada citra Landsat di ketiga ukuran poligon (L, M, S) didominasi oleh penggunaan/penutupan lahan hutan pada citra Quickbird masing-masing sebesar 92,63%, 84,13%, dan 98,35%. Hal ini menunjukkan bahwa tingkat konsistensi penggunaan/penutupan lahan hutan
34
antara citra Landsat dan Quickbird termasuk dalam kategori sangat konsisten. Faktor yang mempengaruhi tingkat konsistensi ini adalah tingginya tingkat homogenitas tipe penggunaan/penutupan lahan. Yang dimaksud dengan tingkat homogenitas
disini
adalah
mengelompoknya
salah
satu
tipe
penggunaan/penutupan lahan dalam suatu cakupan wilayah.
Tabel 15. Konsistensi hutan yang bersumber dari citra Landsat dan citra Quickbird Besar (L) Luas (ha) (%) Hutan 393.42 92.63 Kebun Teh 1 20.66 4.86 Tegalan 5.53 1.30 Sawah 3.37 0.79 Kebun Campuran 1.68 0.40 Pemukiman 0.09 0.02 Tanah Kosong
No. Landsat Quickbird 1
Hutan
Sedang (M) Luas (ha) (%) 27.92 84.13 1.90 5.72 2.38 7.19 0.74 2.22 0.21 0.63 0.02 0.07 0.01 0.03
Kecil (S) Luas (ha) (%) 9.51 98.35 0.01 0.15
0.06 1.59
Pada Tabel 16 menunjukkan bahwa tiga poligon kebun campuran di citra Landsat terdiri dari sembilan kelas penggunaan/penutupan lahan dari citra Quickbird yaitu kebun campuran, tegalan, pemukiman, sawah, rumput, tanah kosong, sungai, jalan raya, dan hutan. Penggunaan/penutupan lahan kebun campuran pada citra Landsat di ketiga ukuran poligon (L, M, S) didominasi oleh penggunaan/penutupan lahan kebun campuran pada citra Quickbird masingmasing sebesar 50,77%, 35,44%, dan 37,78%. Hal ini menunjukkan bahwa tingkat konsistensi penggunaan/penutupan lahan kebun campuran antara citra Landsat dan Quickbird termasuk dalam kategori konsisten (L) dan agak konsisten (M dan S). Faktor yang mempengaruhi tingkat konsistensi ini adalah rendahnya tingkat homogenitas tipe penggunaan/penutupan lahan. Pada poligon kebun campuran ukuran L (Landsat) didominasi oleh kebun campuran, tegalan, dan pemukiman (Quickbird). Selanjutnya pada ukuran M didominasi oleh kebun campuran, tegalan, dan sawah. Pada ukuran S didominasi oleh kebun campuran, sawah, dan tegalan. Hal ini sangat mungkin terjadi karena keempat tipe penggunaan/penutupan lahan tersebut saling membaur satu sama lain
35
sehingga sulit dibedakan di citra Landsat tetapi mudah dibedakan pada citra Quickbird.
Tabel 16. Konsistensi kebun campuran yang bersumber dari citra Landsat dan citra Quickbird Besar (L) No. Landsat Quickbird Luas (ha) (%) 2 Kebun Campuran Kebun Campuran 173.97 50.77 Tegalan 82.03 23.94 Pemukiman 45.21 13.19 Sawah 15.47 4.52 Rumput 12.97 3.78 Tanah Kosong 7.94 2.32 Sungai 2.98 0.87 Jalan Raya 2.09 0.61 Hutan
Sedang (M) Luas (ha) (%) 36.64 35.44 21.22 20.52 8.27 8.00 15.38 14.87 6.81 6.58 1.19 1.15 1.04 1.00
Kecil (S) Luas (ha) (%) 17.51 37.78 9.02 19.46 1.46 3.14 10.46 22.56 0.35 0.76 0.24 0.51
12.86 12.43
7.32 15.80
Pada Tabel 17 menunjukkan bahwa tiga poligon kebun teh di citra Landsat terdiri dari sembilan kelas penggunaan/penutupan lahan dari citra Quickbird yaitu kebun teh 1, hutan, tegalan, kebun campuran, pemukiman, sawah, kebun teh 2, tanah kosong, dan rumput. Penggunaan/penutupan lahan kebun teh pada citra Landsat
di
ketiga
ukuran
poligon
(L,
M,
S)
didominasi
oleh
penggunaan/penutupan lahan kebun teh pada citra Quickbird, masing-masing sebesar 66,19%, 71,16%, dan 92,24%. Penggunaan/penutupan lahan kebun teh pada citra Landsat di ketiga ukuran poligon (L, M, S) didominasi oleh penggunaan/penutupan lahan kebun teh 1 pada citra Quickbird, masing-masing sebesar 66,19%, 71,16%, dan 92,94%. Hal ini menunjukkan bahwa tingkat konsistensi penggunaan/penutupan lahan kebun teh antara citra Landsat dan Quickbird termasuk dalam kategori konsisten (L dan M) dan sangat konsisten (S). Sama seperti penggunaan/penutupan lahan hutan, faktor yang mempengaruhi tingkat konsistensi ini adalah tingkat homogenitas tipe penggunaan/penutupan lahan yang cukup tinggi.
36
Tabel 17. Konsistensi kebun teh yang bersumber dari citra Landsat dan citra Quickbird Besar (L) Luas (ha) (%) Kebun Teh Kebun Teh 1 128.71 66.19 Hutan 26.77 13.77 Tegalan 19.51 10.04 Kebun Campuran 14.67 7.54 Pemukiman 2.67 1.37 Sawah 1.74 0.90 Kebun Teh 2 0.20 0.10 Tanah Kosong 0.18 0.09 Rumput
No. Landsat 3
Quickbird
Sedang (M) Luas (ha) (%) 43.94 71.16 13.55 21.95 1.62 2.62 1.73 2.80 0.16 0.26 0.71 1.15
0.04
Kecil (S) Luas (ha) (%) 36.23 92.94 1.84 4.71
0.36
0.92
0.56
1.43
0.07
Pada Tabel 18 menunjukkan bahwa tiga poligon tegalan di citra Landsat terdiri dari sebelas kelas penggunaan/penutupan lahan dari citra Quickbird yaitu tegalan, kebun campuran, sawah, pemukiman, tanah kosong, rumput, jalan raya, badan air, sungai, kebun teh 1, dan hutan. Penggunaan/penutupan tegalan pada citra Landsat di ketiga ukuran poligon (L, M, S) didominasi oleh penggunaan/penutupan lahan tegalan pada citra Quickbird, masing-masing sebesar 51,06%, 45,33%, dan 30,20%. Hal ini menunjukkan bahwa tingkat konsistensi penggunaan/penutupan lahan tegalan antara citra Landsat dan citra Quickbird termasuk dalam kategori konsisten (L) dan agak konsisten (M dan S). Faktor yang mempengaruhi tingkat konsistensi ini adalah rendahnya tingkat homogenitas tipe penggunaan/penutupan lahan. Pada poligon tegalan ukuran L (Landsat) didominasi oleh tegalan, kebun campuran, dan sawah (Quickbird). Selanjutnya pada ukuran M didominasi oleh tegalan, kebun campuran, pemukiman, dan sawah. Pada ukuran S didominasi oleh tegalan dan kebun campuran. Hal ini mungkin terjadi karena keempat tipe penggunaan/penutupan lahan tersebut saling membaur satu dengan yang lain sehingga sulit dibedakan di citra Landsat tetapi mudah dibedakan pada citra Quickbird.
37
Tabel 18. Konsistensi tegalan yang bersumber dari citra Landsat dan citra Quickbird Besar (L) Luas (ha) (%) Tegalan 220.84 51.06 Kebun Campuran 118.30 27.35 Sawah 55.51 12.83 Pemukiman 26.16 6.05 Tanah Kosong 8.73 2.02 Rumput 2.59 0.60 Jalan Raya 0.19 0.04 Badan Air 0.18 0.04 Sungai 0.05 0.01 Kebun Teh 1 Hutan
No. Landsat Quickbird 4
Tegalan
Sedang (M) Luas (ha) (%) 92.99 45.33 51.85 25.28 22.98 11.20 25.08 12.22 4.30 2.09 7.95 3.88
Kecil (S) Luas (ha) (%) 15.72 30.20 13.51 25.96 3.90 7.50 3.98 7.65 0.34 0.65
12.10 23.25 2.49 4.79
Pada Tabel 19 menunjukkan bahwa tiga poligon sawah di citra Landsat terdiri dari sembilan kelas penggunaan/penutupan lahan dari citra Quickbird yaitu sawah, kebun campuran, pemukiman, tegalan, sungai, rumput, tanah kosong, jalan raya, dan badan air. Penggunaan/penutupan sawah pada citra Landsat di ketiga ukuran poligon (L, M, S) didominasi oleh penggunaan/penutupan lahan sawah dan kebun campuran, masing-masing sebesar 43,28%, 55,85%, dan 30,37%. Hal ini menunjukkan bahwa tingkat konsistensi penggunaan/penutupan lahan sawah antara citra Landsat dan citra Quickbird termasuk kedalam kategori agak konsisten (L dan S) dan konsisten (M). Sama seperti penggunaan/penutupan lahan kebun campuran dan tegalan, faktor yang mempengaruhi tingkat konsistensi ini adalah rendahnya tingkat homogenitas tipe penggunaan/penutupan lahan. Pada poligon sawah ukuran L (Landsat) didominasi oleh sawah, kebun campuran, dan pemukiman (Quickbird). Selanjutnya pada ukuran M didominasi oleh sawah, kebun campuran, pemukiman, dan tegalan. Pada ukuran S didominasi oleh kebun campuran, sawah, pemukiman, dan sungai. Hal ini mungkin terjadi karena kelima tipe penggunaan/penutupan lahan tersebut saling membaur satu dengan yang lain sehingga sulit dibedakan di citra Landsat tetapi mudah dibedakan pada citra Quickbird.
38
Tabel 19. Konsistensi sawah yang bersumber dari citra Landsat dan citra Quickbird Besar (L) Luas (ha) (%) Sawah 227.15 43.28 Kebun Campuran 147.49 28.10 Pemukiman 54.80 10.44 Tegalan 43.46 8.28 Sungai 24.30 4.63 Rumput 14.67 2.79 Tanah Kosong 9.10 1.73 Jalan Raya 3.61 0.69 Badan Air 0.31 0.06
No. Landsat Quickbird 5
Sawah
Sedang (M) Luas (ha) (%) 48.25 55.85 21.24 24.58 9.02 10.44 9.02 10.44 0.26 0.23
Kecil (S) Luas (ha) (%) 5.68 27.03 6.38 30.37 4.85 23.11
2.63 12.51 0.30 0.91 4.33 0.26 0.23 1.09 0.33
1.56
Pada Tabel 20 menunjukkan bahwa pemukiman di citra Landsat terdiri dari sebelas kelas penggunaan/penutupan lahan dari citra Quickbird yaitu pemukiman, kebun campuran, tegalan, sawah, rumput, tanah kosong, jalan raya, hutan, sungai, badan air, dan kebun teh 1. Penggunaan/penutupan lahan pemukiman pada citra Landsat di ketiga ukuran poligon (L, M, S) didominasi oleh penggunaan/penutupan lahan pemukiman, tegalan, dan kebun campuran pada citra Quickbird, masing-masing sebesar 35,96%, 29,84%, dan 36,28%. Hal ini menunjukkan bahwa tingkat konsistensi penggunaan/penutupan lahan pemukiman antara citra Landsat dan Quickbird termasuk dalam kategori agak konsisten (L dan S) dan tidak konsisten (M). Sama seperti penggunaan/penutupan lahan sawah, kebun campuran dan tegalan, faktor yang mempengaruhi tingkat konsistensi ini adalah rendahnya tingkat homogenitas tipe penggunaan/penutupan lahan. Pada poligon pemukiman ukuran
L (Landsat) didominasi
oleh
pemukiman, kebun campuran, dan tegalan (Quickbird). Selanjutnya pada ukuran M didominasi oleh tegalan, pemukiman, dan kebun campuran. Pada ukuran S didominasi oleh kebun campuran, sawah, pemukiman, dan tegalan. Hal ini mungkin terjadi karena keempat tipe penggunaan/penutupan lahan tersebut saling membaur satu dengan yang lain sehingga sulit dibedakan di citra Landsat tetapi mudah dibedakan pada citra Quickbird.
39
Tabel 20. Konsistensi pemukiman yang bersumber dari citra Landsat dan citra Quickbird Besar (L) Luas (ha) (%) Pemukiman Pemukiman 250.23 35.96 Kebun Campuran 188.00 27.01 Tegalan 98.15 14.10 Sawah 61.82 8.88 Rumput 48.73 7.00 Tanah Kosong 29.18 4.19 Jalan Raya 9.14 1.31 Hutan 5.34 0.77 Sungai 4.88 0.70 Badan Air 0.49 0.07 Kebun Teh 1
No. Landsat 6
Quickbird
Sedang (M) Luas (ha) (%) 8.61 20.12 7.90 18.46 12.77 29.84 2.22 5.19
Kecil (S) Luas (ha) (%) 3.61 25.29 5.17 36.28 1.61 11.31 3.82 26.80
1.30
3.03 0.05
1.30
3.03
0.32
9.55 22.32
Pada Tabel 21 menunjukkan bahwa dua poligon badan air di citra Landsat terdiri dari empat kelas penggunaan/penutupan lahan dari citra Quickbird yaitu tegalan, badan air, pemukiman, dan kebun campuran. Penggunaan/penutupan lahan badan air pada citra Landsat di kedua ukuran poligon (L dan S) didominasi oleh penggunan/penutupan lahan tegalan dan pemukiman pada citra Quickbird, masing-masing sebesar 79,30% dan 62,37%. Hal ini menunjukkan bahwa tingkat konsistensi penggunaan/penutupan lahan badan air antara citra Landsat dan Quickbird termasuk dalam kategori tidak konsisten (L) dan agak konsisten (S). Faktor yang mempengaruhi tingkat konsistensi ini adalah rendahnya tingkat homogenitas tipe penggunaan/penutupan lahan. Pada poligon badan air ukuran L (Landsat) didominasi oleh tegalan dan badan air (Quickbird). Pada ukuran S didominasi oleh pemukiman dan badan air. Hal ini mungkin terjadi karena ketiga tipe penggunaan/penutupan lahan tersebut saling membaur satu dengan yang lain sehingga sulit dibedakan di citra Landsat tetapi mudah dibedakan pada citra Quickbird.
40
Tabel 21. Konsistensi badan air yang bersumber dari citra Landsat dan citra Quickbird No. Landsat 7
Quickbird
Badan Air Badan Air Tegalan Pemukiman Kebun Campuran
Besar (L) Sedang (M) Luas Luas (ha) (%) (ha) (%) 0.36 20.70 1.39 79.30
Kecil (S) Luas (ha) (%) 0.24 34.81 0.42 62.37 0.02 2.81
Pada Tabel 22 menunjukkan bahwa tanah kosong di citra Landsat terdiri dari empat kelas penggunaan/penutupan lahan dari citra Quickbird yaitu kebun teh 2, kebun teh 1, hutan, dan kebun campuran. Penggunaan/penutupan lahan tanah kosong pada citra Landsat di satu ukuran poligon (L) di dominasi oleh penggunaan/penutupan lahan kebun teh 2 pada citra Quickbird sebesar 52,73%. Hal ini menunjukkan bahwa tingkat konsistensi penggunaan/penutupan lahan tanah kosong antara citra Landsat dan Quickbird termasuk dalam kategori tidak konsisten (L). Faktor yang mempengaruhi tingkat konsistensi ini adalah rendahnya tingkat homogenitas tipe penggunaan/penutupan lahan. Pada poligon tanah kosong ukuran L (Landsat) didominasi oleh kebun teh 2 dan kebun teh 1 (Quickbird). Hal ini mungkin terjadi karena kedua tipe penggunaan/penutupan lahan tersebut hanya terdeteksi di citra Quicbird sehingga pada citra Landsat terinterpretasi sebagai penggunaan/penutupan lahan tanah kosong.
Tabel 22. Konsistensi tanah kosong yang bersumber dari citra Landsat dan citra Quickbird Besar (L) Sedang (M) Kecil (S) No. Landsat Quickbird Luas Luas Luas (ha) (%) (ha) (%) (ha) (%) 7 Tanah Kosong Kebun Teh 2 6.82 52.73 Kebun Teh 1 5.04 38.93 Hutan 0.91 7.00 Kebun Campuran 0.17 1.33
Secara keseluruhan, konsistensi tipe penggunaan/penutupan lahan yang bersumber dari citra Landsat dan citra Quickbird ditunjukkan pada Tabel 23. Tipe
41
penggunaan/penutupan lahan yang memiliki kekonsistenan yang tinggi adalah hutan dan kebun teh. Sedangkan tipe penggunaan/penutupan lahan yang memiliki kekonsistenan yang rendah adalah pemukiman dan badan air.
Tabel 23. Konsistensi tipe penggunaan/penutupan lahan yang bersumber dari citra Landsat dan citra Quickbird No.
Landsat
Quickbird
Besar (L)
Sedang (M)
Kecil (S)
Persen
Persen
Persen
(%)
Ket
(%)
Ket
(%)
Ket
1
Hutan
Hutan
92.63
SK
84.13
SK
98.35
SK
2
Kebun Campuran
Kebun Campuran
50.77
K
35.44
AK
37.78
AK
3
Kebun Teh
Kebun Teh
66.19
K
71.16
K
92.94
SK
4
Pemukiman
Pemukiman
35.96
AK
20.12
TK
25.29
TK
5
Sawah
Sawah
43.28
AK
55.85
K
27.03
AK
6
Tegalan
Tegalan
51.06
K
45.33
AK
30.2
AK
7
Badan Air
Badan Air
34.81
AK
Keterangan : 0 – 25% 25– 50% 50 – 75% 75 – 100% Faktor
20.7
TK
= Tidak konsisten (TK) = Agak Konsisten (AK) = Konsisten (K) = Sangat Konsisten (SK) yang
mempengaruhi
tingkat
kekonsistenan
tipe
penggunaan/penutupan lahan antara citra Landsat dan citra Quickbird adalah: 1. Ukuran poligon pada setiap tipe penggunaan/penutupan lahan 2. Homogenitas. Semakin tinggi konsistensi penggunaan/penutupan lahan pada citra Quickbird, maka semakin homogen penyebaran tipe penggunaan/penutupan lahannya. Sebaliknya, semakin rendah konsistensi penggunaan/penutupan lahan pada citra Quickbird, semakin heterogen penyebaran tipe penggunaan/penutupan lahannya.
4.4.3. Tingkat Kedetailan Klasifikasi Penggunaan/Penutupan Lahan dari Citra Landsat dan Citra Quickbird Pada ketelitian klasifikasi penggunaan/penutupan lahan, untuk citra Landsat hanya memiliki satu level klasifikasi saja. Sedangkan untuk citra Quickbird, memiliki empat level klasifikasi seperti yang ditampilkan pada Tabel
42
24 dan Gambar 10, 11, 12, 13, dan 14. Hal ini disebabkan karena kemampuan citra Landsat dalam menyajikan informasi penggunaan/penutupan lahan lebih sedikit dibandingkan dengan citra Quickbird. Sebaliknya, citra Quickbird mampu menyajikan informasi penggunaan/penutupan lahan lebih detail dengan didukung oleh resolusi citra yang tinggi sehingga objek yang tampak di permukaan bumi lebih jelas dan dapat dikelompokkan ke level yang lebih tinggi. Faktor inilah yang tidak dimiliki oleh citra Landsat.
Tabel 24. Pembagian Level Klasifikasi Penggunaan/Penutupan Lahan Level Klasifikasi I 1. Perkotaan atau Lahan Terbangun
II 1.1. Pemukiman
III 1.1.1.Pemukiman Satu Bangunan
1.1.2. Pemukiman Beberapa Bangunan
1.1.3. Pemukiman Kelompok
IV 1.1.1.1. Pemukiman Satu Bangunan Pekarangan 1.1.1.2. Pemukiman Satu Bangunan Non Pekarangan 1.1.2.1.Pemukiman Beberapa Bangunan Padat 1.1.2.2.Pemukiman Beberapa Bangunan Renggang 1.1.3.1. Pemukiman Mewah 1.1.3.2. Pemukiman Menengah
1.2. Perdagangan dan Jasa
1.1.4. Tempat Tinggal Sementara 1.2.1. Perdagangan 1.2.2. Jasa
1.1.3.3.Pemukiman Swadaya Padat Penduduk 1.1.4.1. Pondok 1.2.1.1. Pertokoan 1.2.2.1. Perkantoran 1.2.2.2. Rumah Ibadah
1.3. Perindustrian
1.3.1. Pabrik Pengolahan
1.3.1.1. Pabrik Pengolahan Kimia
1.4. Prasarana Transportasi
1.4.1. Jalan Raya
1.4.1.1. Jalan Tol 1.4.1.2. Jalan Lokal 1.4.1.3. Jalan Kecamatan
2. Lahan Pertanian
2.1. Tanaman Semusim
2.1.1. Sawah
2.1.1.1. Sawah Vegetatif 2.1.1.2. Sawah Digenangi 2.1.1.3. Sawah Bera
2.1.2. Tegalan
2.1.2.1. Tegalan Masa Awal Tanam 2.1.2.2. Tegalan Masa Vegetatif
3. Lahan Bervegetasi Alamiah 4. Perairan
5. Lahan Gundul
2.2. Wanatani
2.2.1. Kebun Campuran
3.1. Tanaman Rumputan 4.1. Perairan Darat
3.1.1. Rumput
2.2.1.1.Kebun Campuran Berkerapatan Tinggi 2.2.1.2.Kebun Campuran Berkerapatan Rendah 3.1.1.1. Rerumputan
4.1.1. Sungai
4.1.1.1. Sungai Permanen
4.1.2. Kolam
4.1.2.1. Kolam Ikan
5.1.1. Lahan Kosong
5.1.1.1. Tanah Kosong
5.1. Lahan Tidur
5.1.1.2. Tanah Lapang
43
Gambar 10. Peta Penggunaan/Penutupan Lahan Level 1 (Landsat)
44
Gambar 11. Peta Penggunaan/Penutupan Lahan Level 1 (Quickbird)
45
Gambar 12. Peta Penggunaan/Penutupan Lahan Level 2 (Quickbird)
46
Gambar 13. Peta Penggunaan/Penutupan Lahan Level 3 (Quickbird)
47
Gambar 14. Peta Penggunaan/Penutupan Lahan Level 4 (Quickbird)
48
4.5. Hubungan antara Pengukuran Objek pada Citra Quickbird dengan Pengukuran Lapang Hasil pengukuran objek pada citra Quickbird dan pengukuran lapang disajikan pada Tabel 25. Pada Gambar 15 menunjukkan nilai regresi (R²) antara pengukuran objek pada citra Quickbird dengan pengukuran di lapang sebesar 0,983. Berarti pengukuran objek pada citra Quickbird layak mewakili pengukuran objek di lapang. Sehingga data pengukuran objek pada citra Quickbird dapat dipakai untuk mengetahui panjang dan lebar suatu objek di suatu wilayah serta pengumpulan data pengukuran objek menjadi lebih efisien.
Tabel 25. Hasil pengukuran objek pada citra Quickbird dan pengukuran lapang PLOT
X_COORD
Y_COORD
KETERANGAN
PNGKRN_LPN
PNGKRN_CTR
1
702407
9266070
Jln Kcmtn (Lbr)
6,20 m
6.81 m
2
702366
9266462
Jln Kmplk (Lbr)
4,70 m
4.75 m
3
702796
9266532
Jln Ds (Lbr)
3,20 m
4.54 m
4
702799
9266535
Jmbtn Ttn Ktlmp (Pnjng)
19,70 m
21.86 m
5
702804
9266540
Jmbtn Ttn Ktlmp (Lbr)
1.54 m
1.43 m
6
702382
9266637
Jln Kmplk (Lbr)
5,10 m
4.83 m
7
706060
9264425
Jln Ds (Lbr)
3,00 m
4.90 m
8
710296
9264941
Jln Ds (Lbr)
2,46 m
4.21 m
9
711809
9264225
Jln Ds (Lbr)
3,50 m
3.09 m
10
713122
9262227
Jln Ds (Lbr)
3,60 m
4.63 m
11
707537
9264007
Jmbtn Gdg (Pnjng)
27,75 m
28.81 m
12
707539
9264021
Jmbtn Gdg (Lbr)
4,42 m
4.63 m
13
706678
9263235
Jln Kcmtn (Lbr)
3,99 m
4.21 m
14
705893
9263066
Jln Kcmtn (Lbr)
5,90 m
5.52 m
15
705262
9262501
Jln Kcmtn (Lbr)
5,88 m
4.56 m
16
707390
9265936
Jln Kcmtn (Lbr)
4.62 m
5.05 m
17
712407
9260849
Jln Kcmtn (Lbr)
5.59 m
5.90 m
18
712412
9265206
Jln Kcmtn (Lbr)
2.90 m
3.76 m
19
703169
9266752
Jln Ds (Lbr)
3.12 m
3.05 m
20
713132
9260377
Jln Ds (Lbr)
3.88 m
3.15 m
49
Gambar 15.Grafik analisis regresi linier sederhana antara pengukuran objek pada citra dengan pengukuran objek di lapang keterangan: X = Variabel pengukuran lapang Y = Variabel pengukuran citra
50
V. KESIMPULAN DAN SARAN
5.1. Kesimpulan 1. Interpretasi dan identifikasi objek pada citra fusi sangat jelas jika dibandingkan dengan citra pankromatik dan citra multispektral 2. Detail lekukan digitasi serta faktor resolusi spasial, skala dan unsur interpretasi, mempengaruhi jumlah kelas, luas, dan jumlah poligon pada citra Landsat dan citra Quickbird 3. Tinggi rendahnya konsistensi tipe penggunaan/penutupan lahan yang bersumber dari citra Landsat dan citra Quickbird, ditentukan oleh pola penyebaran klasifikasi penggunaan/penutupan lahan itu sendiri (homogen atau heterogen) 4. Dengan nilai overall accuracy sebesar 91% dan nilai kappa sebesar 0,89, citra Quickbird memiliki ketelitian dan ketepatan interpretasi klasifikasi yang cukup tinggi 5. Klasifikasi multiskala citra Quickbird memiliki level klasifikasi yang lebih detail (4 level) dibandingkan dengan citra Landsat yang memiliki level klasifikasi yang lebih umum (1 level) 6. Pengukuran objek pada citra Quickbird dinilai layak mewakili pengukuran objek di lapang karena memiliki nilai R² sebesar 0,983.
5.2. Saran Perlunya
penelitian
lanjutan
tentang
perbandingan
klasifikasi
penggunaan/penutupan lahan multiskala antara citra satelit yang perbedaan resolusi spasialnya tidak terlalu signifikan.
51
DAFTAR PUSTAKA Anderson JR, Hardy EE, Roach JT, Witmer RE. 1976. A Land Use And Land Cover Classification System For Use With Remote Sensor Data. Geological Survey Professional Paper 964. United States Government Printing Office, Washington. Congalton RG. 2000. Putting the map back in map accuracy assessment. Di dalam: Lunetta RS, Lyon JG, editor. Remote Sensing and GIS Accuracy Assessment. Florida: CRC Press. hlm 1-11. Drapper NR, Smith H. 1992. Analisis Regresi Terapan. Jakarta: PT Gramedia Pustaka Utama. Hill P, Canagarajah N, Bull D. 2002. Image fusion using complex wavelets. BMVC 487-496. Ho PP, editor. 2009. Geoscience and Remote Sensing. Vucovar: In-Tech Http:// www.geocomm.com. A Primer on Landsat7. Diakses 13 Oktober 2011. Http:// www.geol.hu/data/online_help/UsingCNSpectralSharpening.html. Diakses 25 November 2011. Http:// www.satimaging.com. LANDSAT Satellite Imagery and Satellite System Specifications. Diakses 13 Oktober 2011. Http://
www.satimaging.com. Quickbird Satellite Specifications. Diakses 13 Oktober 2011.
Imagery
and
System
Janudianto. 2004. Analisis perubahan penggunaan/penutupan lahan dan pengaruhnya terhadap debit maksimum-minimum di sub DAS Ciliwung Hulu [skripsi]. Bogor: Fakultas Pertanian, Institut Pertanian Bogor. Jensen JR. 1986. Introductory Digital Image Processing. New Jersey: PrenticeHall, Englewood Cliffs. Konecny G. 2003. Geoinformation: Remote Sensing, Photogrammetry, and Geographic Information Systems. London and New York: Taylor & Francis. Lillesand TM, Kiefer RW. 1999. Penginderaan Jauh dan Interpretasi Citra. Ed ke-4. Dulbahri, Suharsono P, Hartono, Suharyadi, penerjemah; Sutanto, penyunting. Yogyakarta: Gadjah Mada University Press. Terjemahan dari: Remote Sensing and Image Interpretatiton.
52
Lisnawati Y, Wibowo A. 2007. Penggunaan citra Landsat ETM+ untuk monitoring perubahan penggunaan lahan di kawasan Puncak. Jurnal Penelitian Hutan Tanaman 4(2): 69-118. Liu JG, Mason PJ. 2009. Essential Image Processing and GIS for Remote Sensing. Chichester: John Wiley & Sons Ltd. Martono DN. 2009. Aplikasi data penginderaan jauh dan sistem informasi geografis untuk identifikasi tingkat keragaman penggunaan lahan. Di dalam: Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI 2009); Yogyakarta, 20 Juni 2009. hlm D-27 – D-32. Martono DN. 2008. Aplikasi teknologi penginderaan jauh dan uji validasinya untuk deteksi penyebaran lahan sawah dan penggunaan/penutupan lahan. Di dalam: Seminar Nasional Aplikasi Teknologi Informasi 2008 (SNATI 2008); Yogyakarta , 21 Juni 2008. hlm G-47 - G-56. Mitchell HB. 2010. Image Fusion: Theories, Techniques, and Applications. Berlin Heidelberg: Springer-Verlag. Nisak NSC. 2010. Analisa peningkatan resolusi spasial citra multispectral menggunakan proses penggabungan dengan citra pankromatik. Studi kasus: Kecamatan Gresik – Kabupaten Gresik [tugas akhir]. Surabaya: Program Studi Teknik Geomatika, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi Sepuluh November. Parwati E, Carolita I, Effendy I. 2004. Aplikasi data Landsat dan SIG untuk potensi lahan tambak di Kabupaten Banyuwangi. Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital 1(1):76-86. Venus S. 2008. Klasifikasi penutupan lahan menggunakan citra satelit Quickbird di Kecamatan Rumpin Kabupaten Bogor [skripsi]. Bogor: Fakultas Kehutanan, Institut Pertanian Bogor. Vrabel J. 1996. Multispectral imagery band sharpening study. Photogrammetric Engineering & Remote Sensing. 62(9):1075-1083. Wibowo PE. 2010. Identifikasi perubahan tutupan lahan Pulau Panggang, Pulau Pramuka, dan Pulau Karya antara tahun 2004 dan tahun 2008 [tugas akhir]. Bandung: Fakultas Ilmu dan Teknologi Kebumian, Institut Teknologi Bandung. Yusnandar ME. 2004. Aplikasi analisis regresi non linear model kuadratik terhadap produksi susu kambing peranakan etawah (PE) selama 90 hari pertama laktasi. Informatika Pertanian 13:735-743.
53
LAMPIRAN
54
Lampiran 1. Tabel Uji Lapang Titik
Koordinat X
Koordinat Y
Interpretasi Citra
Interpretasi Lapang
Keterangan
1
712944
9265020
Pemukiman
Pemukiman
Resort (Mega Training)
2
712903
9264984
Pemukiman
Pemukiman
Pemukiman Pekarangan
3
712898
9265029
Pemukiman
Pemukiman
Pemukiman Pekarangan
4
712212
9265352
Hutan
Hutan
Hutan Konservasi
5
712413
9265199
Pemukiman
Pemukiman
Pemukiman Pekarangan
6
712925
9264876
Hutan
Hutan
Hutan Konservasi
7
710835
9264446
Pemukiman
Pemukiman
Pemukiman Pekarangan
8
710922
9264387
Rumput
Rumput
Rumput Gajah
9
710774
9264369
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
10
712369
9260885
Tegalan
Kebun Campuran
Kebun Pisang
11
712390
9260927
Tegalan
Tanah Kosong
Lapangan Bola
12
712425
9260787
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
13
705188
9263142
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
14
705179
9263079
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
15
705233
9263091
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
16
702426
9266085
Pemukiman
Pemukiman
Pabrik (Unitex)
17
702330
9266101
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
18
702402
9266071
Kebun Campuran
Kebun Campuran
Kebun Pisang dan Rambutan
19
702340
9266188
Kebun Campuran
Kebun Campuran
Kebun Pisang
20
702292
9266188
Tanah Kosong
Tanah Kosong
Lapangan Bola
21
702266
9266261
Tanah Kosong
Rumput
Rumput Gajah
22
702331
9266413
Pemukiman
Pemukiman
Komplek Perumahan
23
702375
9266445
Tanah Kosong
Tegalan
Ladang Talas dan Singkong
24
702516
9266332
Tanah Kosong
Tanah Kosong
Lapangan Bola
25
702391
9266585
Pemukiman
Pemukiman
Perumahan Griya Katulampa
26
702567
9266585
Sawah
Tegalan
Ladang Jagung dan Cabe
27
702497
9266578
Sawah
Sawah
Sawah Irigasi
28
702800
9266528
Pemukiman
Kebun Campuran
Kebun Pisang
29
702842
9266481
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
30
702775
9266588
Tegalan
Tegalan
Ladang Singkong
31
703175
9266728
Sawah
Sawah
Sawah Irigasi
32
703164
9266687
Tegalan
Tegalan
Ladang Talas dan Singkong
33
703101
9266644
Kebun Campuran
Kebun Campuran
Kebun Pisang
34
705210
9263087
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
35
705155
9263024
Kebun Campuran
Kebun Campuran
Kebun Pisang
36
705204
9263083
Jalan Raya
Jalan Raya
Jalan Kecamatan
37
705984
9262980
Pemukiman
Pemukiman
Kantor Pertanian Ciawi
38
705940
9263024
Tanah Kosong
Rumput
Lapangan Voli
39
705791
9263053
Tanah Kosong
Tanah Kosong
Lapangan Bola
40
705256
9263381
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
55
Titik
Koordinat X
Koordinat Y
Interpretasi Citra
Interpretasi Lapang
Keterangan
41
705305
9263363
Tanah Kosong
Tanah Kosong
Lapangan Bola
42
705288
9263346
Kebun Campuran
Kebun Campuran
Kebun Pisang
43
705536
9264010
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
44
705298
9263998
Jalan Raya
Jalan Raya
Jalan Tol
45
705504
9263892
Jalan Raya
Jalan Raya
Jalan Kabupaten
46
705683
9263986
Jalan Raya
Jalan Raya
Jalan Propinsi
47
705752
9263910
Kebun Campuran
Kebun Campuran
Kebun Pisang
48
705676
9263912
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
49
706084
9264462
Sawah
Sawah
Sawah Irigasi
50
706041
9264401
Sawah
Sawah
Sawah Tadah Hujan
51
706040
9264458
Pemukiman
Pemukiman
Pemukiman Pekarangan
52
706641
9263247
Pemukiman
Pemukiman
Villa
53
706679
9263268
Rumput
Rumput
Rumput Gajah
54
706729
9263178
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
55
707529
9264008
Kebun Campuran
Kebun Campuran
Kebun Pisang
56
707569
9263979
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
57
707461
9264026
Sawah
Sawah
Sawah Tadah Hujan
58
708120
9264339
Rumput
Rumput
Rumput Gajah
59
708060
9264325
Kebun Campuran
Kebun Campuran
Kebun Pisang
60
707994
9264191
Tanah Kosong
Tanah Kosong
Lapangan Bola
61
709978
9264590
Pemukiman
Pemukiman
Outlet
62
710087
9264641
Rumput
Rumput
Rumput Gajah
63
709801
9264348
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
64
710415
9264812
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
65
710373
9264779
Sungai
Sungai
Kali Ciesek
66
710401
9264756
Kebun Campuran
Kebun Campuran
Kebun Pisang
67
710136
9265047
Pemukiman
Pemukiman
Pemukiman Pekarangan
68
710187
9265082
Tanah Kosong
Tanah Kosong
Lapangan Bola
69
710096
9265213
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
70
710757
9264378
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
71
710722
9264347
Rumput
Rumput
Rumput Gajah
72
710826
9264270
Tanah Kosong
Tanah Kosong
Lapangan Bola
73
711154
9264280
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
74
711229
9264310
Kebun Campuran
Kebun Campuran
Kebun Pisang
75
711330
9264371
Sawah
Sawah
Sawah Irigasi
76
711663
9264255
Pemukiman
Pemukiman
Villa
77
711737
9264227
Kebun Campuran
Tegalan
Ladang Singkong
78
711675
9264200
Kebun Campuran
Kebun Campuran
Kebun Pisang
79
711166
9264023
Kebun Campuran
Kebun Campuran
Kebun Pisang
80
711191
9263906
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
81
711241
9264046
Sawah
Sawah
Sawah Tadah Hujan
56
Titik
Koordinat X
Koordinat Y
Interpretasi Citra
Interpretasi Lapang
Keterangan
82
712673
9262612
Kebun Campuran
Kebun Campuran
Kebun Pisang
83
712743
9262712
Pemukiman
Pemukiman
Villa
84
712895
9262524
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
85
713414
9262266
Kebun Campuran
Kebun Campuran
Kebun Pisang
86
713395
9262337
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
87
713316
9262332
Sawah
Sawah
Sawah Tadah Hujan
88
713042
9262224
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
89
713244
9261852
Pemukiman
Pemukiman
Wisma TNI AU
90
713242
9261767
Rumput
Rumput
Rumput Gajah
91
702377
9266552
Tanah Kosong
Badan Air
Kolam Ikan
92
703102
9266390
Sungai
Sungai
Kali Ciliwung
93
713231
9256879
Hutan
Hutan
Hutan Lindung
94
713274
9257034
Kebun Teh 1
Kebun Teh 1
Perkebunan Teh
95
713299
9258323
Kebun Teh 2
Kebun Teh 1
Perkebunan Teh
96
713173
9260019
Tanah Kosong
Tanah Kosong
Lapangan Bola
97
713357
9260200
Pemukiman
Pemukiman
Pemukiman Padat Penduduk
98
713203
9260150
Tegalan
Tegalan
Ladang Singkong
99
712668
9262396
Badan Air
Badan Air
Kolam Buatan
100
712258
9262960
Pemukiman
Pemukiman
Hotel Panorama, Puncak
Lampiran 2. Data Statistik Pengukuran Objek Pada Citra dan Lapang SUMMARY OUTPUT Regression Statistics Multiple R 0.991467626 R Square 0.983008053 Adjusted R Square 0.982064056 Standard Error 0.889762637 Observations 20 ANOVA df Regression Residual Total
Intercept X Variable 1
1 18 19 Coefficients 0.162235601 1.044570739
SS 824.3938991 14.2501959 838.644095
Standard Error 0.279228654 0.032370144
MS F 824.3938991 1041.325347 0.79167755
t Stat 0.581013441 32.26957308
P-value 0.568435826 2.20704E-17
Significance F 2.20704E-17
Lower 95% -0.424402031 0.97656359
Upper 95% 0.748873232 1.112577889
Lower 95.0% -0.424402031 0.97656359
Upper 95.0% 0.748873232 1.112577889
57
58
RESIDUAL OUTPUT Observation 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Predicted Y 6.638574184 5.071718075 3.504861966 20.74027916 1.770874539 5.489546371 3.295947819 2.731879619 3.818233188 3.922690262 29.14907361 4.779238268 4.33007285 6.325202962 6.304311547 4.988152416 6.001386033 3.191490745 3.421296307 4.215170069
Residuals 0.171425816 -0.321718075 1.035138034 1.119720836 -0.340874539 -0.659546371 1.604052181 1.478120381 -0.728233188 0.707309738 -0.339073614 -0.149238268 -0.12007285 -0.805202962 -1.744311547 0.061847584 -0.101386033 0.568509255 -0.371296307 -1.065170069
Standard Residuals 0.197944121 -0.371485481 1.195266229 1.292933365 -0.393605308 -0.761573315 1.852187186 1.706774668 -0.840885474 0.816725321 -0.391525794 -0.172324324 -0.138647232 -0.929761903 -2.014143638 0.071414948 -0.117069702 0.656453431 -0.428733099 -1.229943998
