STUDI PERUBAHAN TUTUPAN LAHAN DENGAN CITRA LANDSAT MENGGUNAKAN GEOGRAPHIC RESOURCES ANALYIS SUPPORT SYSTEM (GRASS) Agung Budi Cahyono1, Wahyu Winardi2, M. Nurchayadi1 1 Staf
pengajar Program Studi Teknik Geomatika, FTSP, ITS 2 PT. Pamapersada Nusantara, Indonesia
E-mail :
[email protected],
[email protected],
[email protected]
Abstrak Ketepatan informasi data dalam perencanaan dan pengembangan suatu wilayah sangat diperlukan agar memberikan hasil yang akurat dalam melakukan kajian pengembangan suatu daerah. Salah satu informasi yang penting dari data yang berupa peta adalah peta perubahan lahan. Perubahan lahan ini dapat dilakukan dengan cara mengamati suatu lahan secara kontinyu dari perubahan media citra satelit secara multitemporal. Untuk melakukan kegiatan monitoring dapat memanfaatkan teknologi penginderaan jauh, misalnya dengan menganalisa citra satelit Landsat. Dalam melakukan analisa tersebut akan diperlukan perangkat lunak pengolah citra (image processing). Mengingat UU No.19 Tahun 2002 tentang Hak Cipta, maka perangkat lunak open source GRASS dapat menjadi pilihan di bidang penginderaan jauh. Dalam penelitian ini digunakan perangkat lunak yang open source yaitu Geographic Resources Analysis Support System (GRASS). Salah satu kelebihan GRASS adalah dapat dijalankan dalam platform Windows (Cygwin) maupun dalam platform Linux (distribusi Linux Ubuntu). Hasil pengolahan citra Landsat pada penelitian ini memperlihatkan bahwa kemampuan GRASS 5.4.0 dalam tahap import data, penggabungan band (red, green dan blue), konversi data vektor menjadi data raster, rektifikasi (koreksi geometrik), digitasi dan klasifikasi dengan metode klasifikasi terselia dapat berjalan dengan baik. Walaupun pada tahap install tidak mudah namun telah berhasil dilakukan klasifikasi sesuai dengan Level I USGS. Adapun hasilnya terdapat perubahan luas yaitu lahan permukiman bertambah 4.739.320 m2, ladang/kebun berkurang 6.876.420 m2 dan rawa/tambak bertambah 5.920.278m2, lahan kosong bertambah 544.600 m2 dan lahan basah berkurang 3.463.640 m2. Kata kunci : Penginderaan Jauh, Open Source Software, GRASS, Perubahan Lahan
1.
Latar Belakang Dalam perencanaan dan pengembangan suatu wilayah, diperlukan data-data penunjang antara lain peta tutupan lahan. Peta tutupan lahan adalah peta yang memberikan informasi mengenai objekobjek yang tampak di permukaan bumi (Campbel, 1987). Ketepatan informasi tutupan lahan akan memberikan kemudahan dalam melakukan analisa perencanaan dan pengembangan suatu wilayah. Untuk membuat peta tutupan lahan, dapat memanfaatkan teknologi penginderaan jauh, misalnya dengan menganalisa citra satelit Landsat. Dalam melakukan analisa tersebut, diperlukan perangkat lunak pengolah citra. Mengingat semakin ketatnya pelaksanaan UU No.19 Tahun 2002 tentang Hak Cipta maka setiap perangkat lunak yang akan digunakan dalam kegiatan-kegiatan yang berkaitan dengan pengolahan citra, harus berlisensi. Hal ini mengakibatkan tingginya biaya operasional sebuah
kegiatan penelitian karena harus membeli perangkat lunak yang resmi/legal. Untuk itu dalam penelitian ini, digunakan perangkat lunak open source (bebas digunakan namun tetap dengan legalitas dari pembuatnya) yaitu perangkat lunak Geographic Resources Analysis Support System (GRASS). Mengingat semakin maraknya pendisiplinan terhadap penggunaan produk hak cipta, maka perangkat lunak open source GRASS dapat menjadi pilihan di bidang penginderaan jauh. Dalam penelitian ini GRASS digunakan dalam beberapa fungsi proses pengolahan citra satelit seperti import data, penggabungan band (red, green dan blue), konversi data vektor menjadi data raster, rektifikasi (koreksi geometrik), digitasi, klasifikasi terselia dan pembuatan layout sederhana. Hasil penelitian ini diharapkan dapat menambah khasanah/pustaka penelitian dalam
1
bidang penginderaan jauh menggunakan perangkat lunak open source, dimana di Indonesia saat ini masih sangat sedikit (3 orang dengan hasil hasil riset 3 makalah). 2.
Permasalahan Dalam penelitian ini permasalahan yang timbul adalah bagaimana menggunakan perangkat lunak GRASS dalam platform sistem operasi Linux distribusi Ubuntu dan Windows (lewat Cygwin) untuk mengolah citra satelit Landsat multi temporal sekaligus untuk mengetahui perubahan tutupan lahan suatu wilayah. 3.
Tujuan Penelitian Adapun tujuan dari penelitian ini adalah : 1. Mempelajari penggunaan GRASS dalam sistem operasi Linux dan Windows (Cygwin) untuk mengolah citra satelit Landsat. 2. Menganalisa citra satelit Landsat multi temporal untuk mendapatkan informasi perubahan tutupan lahan.
4.
Batasan Masalah Batasan masalah penelitian ini adalah : 1. Daerah yang akan dianalisa adalah daerah Surabaya Timur dan sekitarnya dari citra satelit Landsat tahun 1990 dan 2002, Path 118 Row 66, dengan sistem proyeksi UTM menggunakan datum WGS 84. 2. Perangkat lunak yang digunakan adalah GRASS 5.4.0 berbasis pada sistem operasi Linux versi Ubuntu dan Windows – Cygwin. 3. Analisa perubahan tutupan lahan terhadap lima kelas klasifikasi yakni permukiman, kebun/ladang, lahan basah, rawa/badan air dan lahan kosong, sesuai dengan ketentuan klasifikasi level 1 yang dikeluarkan USGS tahun 1976.
5. 5.1
Cygwin dan GRASS Cygwin GRASS 5.4.0 dapat dijalankan dalam dua sistem operasi paling lazim di dunia saat ini, yakni Microsoft Windows dan Linux. Masing-masing memiliki kelebihan dan kekurangan. Dalam sistem operasi Microsoft Windows (contoh dengan Windows XP) GRASS 5.4.0 dioperasikan dengan menggunakan perangkat lunak tambahan yang disebut Cygwin/X. Cygwin/X adalah sebuah port sistem X Windows untuk Cygwin; menyediakan sebuah UNIX, seperti API pada
platform Win32. Sejak 9 Maret 2002 platform yang sudah mendukung Win32 antara lain adalah Windows 95, Windows 98, Windows ME, Windows NT 4.0, Windows 2000, Windows XP dan Windows Server 2003. Cygwin/X terdiri atas dua bagian yaitu Cygwin, sebuah port GNU tools untuk Win32, dan Cygwin/X, sebuah port sistem X Windows untuk Win32. Kedua bagian tersebut dibutuhkan untuk dapat menjalankan platform Win32 dengan baik. 5.2
Geographic Resources Analysis Support System (GRASS) Geographic Resources Analysis Support System (GRASS) diperkenalkan pertama kali kepada publik pada tahun 1989. Ini adalah program yang dikembangkan oleh U.S. Army Corps of Engineers, tepatnya di CERL (Construction Engineering Research Lab). Namun sejak 1997 pengelolaannya diambil alih oleh “The GRASS Research Group” Universitas Baylor, Waco (Texas), U.S.A. Beberapa orang dari berbagai penjuru dunia juga turut berusaha membuat/menciptakan modul-modul GRASS – mendiskusikan dan saling menukar yang telah mereka lakukan melalui e-mail internet, WWWservers dan dua newsgroups. Mereka dapat mengcopy dengan bebas (dan gratis) dan semuanya didokumentasikan dengan baik. Paket GRASS dapat diperluas dengan menulis/mengarang/menciptakan sendiri modul-modul menggunakan GRASS programming library (dalam bahasa C). Beberapa institut telah mampu menciptakan modul-modul GRASS untuk prediksi erosi, pemodelan watershed, klasifikasi citra, solusi transportasi kimia dan sebagainya (Neteler, 1998). GRASS adalah sebuah perangkat lunak public domain raster geographical information system (GIS), vector GIS, image processing system dan graphic production system. Perangkat lunak ini bersifat gratis. Source code untuk perangkat lunak GRASS disediakan untuk pengguna, sehingga sangat mungkin bagi pengguna untuk mengubah perangkat lunak GRASS disesuaikan dengan keperluannya (GRASS Beginner’s Manual, 1991). GRASS dapat digunakan untuk mempersiapkan data geografis yang digunakan pada beberapa sistem program lain, atau untuk memproses dan menganalisa data geografis termasuk menampilkan pula hasilnya (GRASS Beginner’s Manual, 1991). 5.4
Struktur Umum GRASS
2
Struktur dari GRASS dapat digambarkan sebagai berikut :
Diagram 1. Struktur paket GRASS (Neteler, 1998). 5.5
Data-Data GRASS Data raster yang dapat dipergunakan (diimport) dalam GRASS antara lain : 1. 2. 3. 4. 5. 6. 7. 8. 9.
Tabel 1. Format data raster yang dapat di-import (Neteler, 1998). ASCII X, Y, Z values, z dengan jangkauan nilai 2E7 to -2E7 8 bit, dengan jangkauan nilai cell 0..255, tanpa, LZW atau PackBits TIFF compression GIF 8 bit, dengan jangkauan nilai cell 0..255, GIF87-encoding PPM 24 bit, dengan jangkauan nilai cell 0..16.7 mill. Sun Raster 8 bit, dengan jangkauan nilai cell 0..255 NHAP format citra foto udara BIL/BSQ Format citra satelit LANDSAT TM MSS Format citra satelit SPOT Format citra satelit
Ukuran pixel pada GRASS adalah mengacu pada data citra/raster yang diperolehnya, sehingga untuk sebuah citra LANDSAT TM resolusi terkecilnya adalah 30 m x 30 m. jika menginginkan resolusi
dibawah satu meter, maka pengguna harus mendefinisikannya sendiri. Jenis-jenis data vektor yang dapat di-import maupun yang hendak di-export adalah sebagai berikut :
Tabel 2. Format data vektor yang dapat di-import dan di-export (Neteler, 1998). Import Export ASCII format vektor ASCII format vektor ARC/INFO (.arc, .line, .point and .texlabel files) ARC/INFO DXF DXF DXF3D IDRISI DLG (U.S. digital line graph format: optional format MOSS 3) IDRISI TIGER vector points masih dapat dikonversi menjadi sites. Data titik dapat berupa titik tinggi atau merupakan Data titik, disebut ’sites’ dalam GRASS. sebuah nominal hasil perhitungan lokal. Data titik ini serupa dengan data vector point tetapi tersimpan didalam dalam sebuah modul khusus. Data
3
Data yang dapat di-import dan di-export kedalam maupun keluar GRASS adalah : ASCII format (X Y Z dan sebuah kata tunggal untuk deskripsi titik, dibatasi dengan spasi, titik atau koma). Untuk keluaran (produk) peta GRASS adalah berupa postcript map dan juga gambar peta dalam format PPM. Sebagai pilihan, ada sebuah program eksternal pembuatan peta yang disebut dengan XMAPGEN. Keduanya tidak memiliki kemampuan yang maksimal, definisi dari layout peta harus dimasukkan dalam bentuk file text. Sementara itu peta diolah dengan GRASS module dan hasil akhir dapat ditampilkan dengan sebuah gambar atau sebuah postcript display program. Jadi, pengguna akan lebih tertarik menggunakan program eksternal. Untuk tujuan ini layer-layer yang ada dapat diekspor dan kemudian diimpor kembali ke dalam program eksternal ini (Neteler, 1998). 6.
Citra Satelit Landsat Landsat merupakan satelit sumber daya bumi yang pada awalnya bernama ERTS-1 (Earth Resources Technology Satellite) yang diluncurkan pertama kali tanggal 23 Juli 1972. Satelit ini mengorbit bumi selaras matahari (Sun Synchronous). Satelit Landsat 1-7 merupakan proyek dari NASA. Ada 7 satelit yang telah diluncurkan sejak tahun 1972, yaitu : 1. Landsat 1 1972-1978 MSS 2. Landsat 2 1975-1982 MSS 3. Landsat 3 1978-1983 MSS 4. Landsat 4 1982-1987 MSS, TM 5. Landsat 5 1985-present MSS, TM 6. Landsat 6 1993 hilang pada saat peluncuran 7. Landsat 7 1999-sekarang, ETM+ Citra satelit Landsat dan data yang telah diperoleh selama ini digunakan untuk banyak aplikasi yang berbeda dalam berbagai studi permukaan bumi. Meski awalnya dirancang untuk tumbuh-tumbuhan dan penyelidikan lapisan tanah, pada akhirnya Landsat dikembangkan pula untuk berbagai keperluan yang berhubungan dengan fitur-fitur di permukaan bumi. 6.1
Koreksi Radiometrik dan Koreksi Geometrik Koreksi radiometrik karena kesalahan pada sistem optik dilakukan dengan pengggunaan bandpass filter atau notch filter (untuk bising periodik / periodic noise), penggunaan data dependent method (untuk bising garis / stripes noise), membuang
elemen gambar yang merepresentasikan bising sisir dan menggantinya dengan harga rata-rata tetangganya (untuk bising sisir / spike noise). Koreksi radiometrik karena gangguan energi radiasi pada atmosfer dapat dengan menggunakan model linier dan model kalibrasi bayangan awan. Kesalahan Geometrik terjadi karena jarak wahana dengan objek yang jauh, sehingga menimbulkan distorsi geometrik. Koreksi geometrik dilakukan sesuai dengan jenis atau penyebab kesalahannya, yaitu kesalahan sistematik dan kesalahan random. Adapun koreksi geometrik ini memiliki tiga tujuan, yaitu ; 1. Melakukan rektifikasi (perbaikan) dan restorasi (pemulihan) citra agar koordinat citra sesuai dengan koordinat geografi. 2. Registrasi (mencocokkan) posisi citra dengan citra lain atau mentransformasikan sistem koordinat citra multispektral atau multi temporal. 3. Registrasi citra ke peta atau transformasi sistem koordinat citra ke peta, yang menghasilkan citra dengan sistem proyeksi tertentu. Untuk mengeliminasi berbagai kesalahan geometrik, maka dilakukan koreksi geometrik. Terdapat dua metode koreksi geometrik, masingmasing berfungsi untuk mengeliminasi kesalahan sesuai dengan jenis kesalahan (kesalahan sistematik dan kesalahan random). Metode non-sistematik dipergunakan untuk menghilangkan atau mengurangi kesalahan geometrik random, besar kesalahan geometriknya dapat diprediksi melalui matrik data atau tracking data dan analisis titik kontrol tanah atau GCP (Ground Control Point). 6.2
Pengecekan Akurasi Untuk Koreksi Geometrik Pengecekan akurasi dimaksudkan untuk menguji model transformasi yang digunakan untuk koreksi citra. Jumlah titik kontrol diambil sebanyak mungkin setidaknya lebih dari jumlah parameter yang belum diketahui pada rumus transformasi yang digunakan. Jadi bila dalam proses transformasi affine polinomial orde 1 terdapat n parameter tidak diketahui maka sebaiknya jumlah titik GCP yang dipakai adalah n + 1. Demikian pula untuk penempatan GCP, sebaiknya menyebar di seluruh permukaan citra dan tidak mengelompok. Akurasi koreksi gometrik disajikan dalam bentuk standar deviasi (RMSE, Root Mean Square Error).
4
Standar Deviasi (σ) Standar deviasi didefinisikan sebagai kuadrat-akar rata-rata aritmatika jumlah kuadrat error. Kuadrat dari standar deviasi (σ2) disebut dengan
varian atau ‘mean square error dan konsekunsinya, kerapkali disamakan arti dengan Root Mean Square Error (RMSE). Jadi dari pengertian diatas dapat dijelaskan bahwa :
n
σ2 = Dimana
∑ vi 2 i =i
n −1
n
............................ (6)
v hasil pengamatan residu n adalah jumlah persamaan u atau nilai 1 adalah jumlah parameter
Catatan : Nilai t (true value), tidak diketahui.
rms = Dimana
∑ε i =i
n
2 i
............................. (7)
ε adalah nilai error n adalah jumlah persamaan
Catatan : Nilai t (true value), diketahui. (El-Sheimy, 2001)
Ketelitian dalam proses koreksi geometrik adalah 1 pixel. Jika data yang dipergunakan adalah citra satelit Landsat maka kesalahan terbesar yang masih diterima adalah 30 m (Purwadhi, 2001). 6.3 Klasifikasi Terselia (Supervised Classification) Klasifikasi Terselia yang didasarkan pada pengenalan pola spektral (spectral pattern recognition) yang terdiri atas tiga tahap : 1.
2.
Tahap training sample Analisis meyusun kunci interpretasi dan mengembangkan secara numerik spektral untuk setiap kenampakan dengan memeriksa batas daerah (training areas). Pembuatan batas training area dilakukan dengan membuat poligon pada citra terhadap penutup lahan yang seragam. Jumlah lokasi training area yang harus diambil pada land cover paling sedikit sejumlah n + 1 (n = jumlah saluran spektral). Jadi, dibutuhkan minimal 8 lokasi training area untuk citra landsat TM dan ETM multispektral (7 saluran). Tahap klasifikasi Setiap pixel pada serangkaian data citra dibandingkan setiap kategori pada kunci interpretasi numerik, yaitu menentukan nilai pixel yang tak dikenal dan paling mirip dengan kategori yang sama. Perbandingan tiap pixel citra dengan kategori pada kunci interpretasi
dikerjakan secara numerik dengan menggunakan berbagai strategi klasifikasi). Klasifikasi dengan metode kemiripan maksimum (maximum likelihood) merupakan model supervised classification dengan mengevaluasi nilai kuantitatif varian maupun korelasi pola tanggapan spektral pada saat mengklasifikasikan pixel yang tidak dikenal. Pengkelasan menggunakan bentuk training sampel yang bersifat sebaran normal (distribusi normal), yaitu semua sebaran pola tanggapan spektral land cover dianggap sebagai vektor rata-rata atau kovarian matrik. Setiap pixel kemudian diberi nama sehingga diperoleh matrik multidimensi untuk menentukan jenis kategori penutup lahan yang diinterpretasi. 3. Tahap keluaran Hasil matrik didelineasi sehingga terbentuk peta penutup lahan, dan dibuat tabel matrik luas berbagai jenis tutupan lahan pada citra. Penggunaan metode supervised classification ini dapat mempersingkat waktu. Sedangkan persyaratan yang harus dipenuhi adalah ketepatan dalam interpretasi citra, artinya interpreter harus dapat melakukan generalisasi dalam mendefinisikan setiap objek. Tujuan dari peerapan metode ini harus menampilkan karakteristik generalisasi yang konsisten, logis dan untuk menjelaskan akurasi prosedur dalam sebuah hitungan tertulis proses interpretasi (Campbell, 1987, p. 479).
5
6.4
Pemetaan Tutupan Lahan Lahan merupakan material dasar dari suatu lingkungan (situs), yang diartikan berkaitan dengan sejumlah karakteristik alami yaitu iklim, geologi, tanah, topografi, hidrologi dan biologi (Aldrich, 1981 dalam Lo, 1995). Sedangkan tutupan lahan dikatakan memiliki nilai kedekatan dengan kenampakan objek-
objek, baik yang natural maupun hasil rekayasa manusia, di permukaan bumi (Campbell, 1983 dalam Lo, 1995). Mengacu pada Tabel 4. disimpulkan bahwa untuk pembuatan peta tutupan lahan dapat menggunakan citra satelit Landsat dengan resolusi 30x30m.
Tabel 4. Empat level sistem klasifikasi untuk land cover dan land use serta tipe Remotely Sensed Data Typically (USGS, 1976). Classification Typical Data Characteristic Level I Landsat MSS (79x79 m), Thematic Mapper (30x30 m), SPOT XS (20x20 m) II SPOT panchromatic (10x10 m) data or high-altitude aerial photography acquired at 40.000 ft (12.400 m) or above; results in imagery that is ≤ 1:80.000 scale III Medium-altitude data acquired between 10.000 and 40.000 ft (3.100 d 12.400 m); results in imagery that is betwen 1:20.000 to 1:80.000 scale IV Low-altitude data acquired below 10.000 ft (3.100 m); results in imagery that is larger than 1:20.000 scale Menurut USGS (United States Geological Survey) sistem klasifikasi land use dan land cover disajikan sebagai berikut:
1
2
3 4 5
6
Tabel 5. Klasifikasi land use dan land cover USGS tahun 1976. Level I Level II Urban or built-up land 11 Residential 12 Commercial and services 13 Transportation, communications and utilities 14 Industrial and commercial complexes 15 Mixed and commercial complexes 16 Mixed urban or built-up land 17 Other urban or built-up land Agricultural land 21 Croplands and pasture 22 Orchards, groves, vineyards, nurseries and ornamental horticultural areas 23 Confined feedings operations 24 Other agricultural land Rangeland 31 Herbaceous rangeland 32 Shrub-brushland rangeland 33 Mixed rangeland Forest land 41 Deciduous forest land 42 Evergreen forest land 43 Mixed forest land Water 51 Streams and canal 52 Lakes 53 Reservoirs 54 Bays and estuaries Wetland 61 Forested wetland
6
7
Barren land
8
Tundra
9
Perennial snow or ice
Dari informasi dalam Tabel 4. untuk pembuatan nformasi tutupan lahan menggunakan citra satelit Landsat pada klasifikasi level 1 dipilih lima kelas klasifikasi yaitu : permukiman, kebun/ladang, lahan basah, rawa/badan air dan tanah kosong. 7. 7.1
Metodologi Peralatan dan Bahan Pelaksanaan penelitian ini didukung oleh beberapa peralatan berupa komputer (PC, Personal Computer) dengan spesifikasi sebagai berikut : • Processor Intel Pentium IV 1,8 GB. • Motherboard Elite ECS L4S8A2. • Memory Visipro 256 MB. • Harddisk Seagate Baracuda 40 GB. • VGA card Ge-Force 4 MX-440 64 MB.
62 71 72 73 74 75 76 77 81 82 83 84 85 91 92
Nonforested wetland Dry salt flats Beaches Sandy areas other than beaches Bare exposed rock Strip mines, quarries and gravel pits Transitional areas Mixed barren land Shrub and brush tundra Herbaceous tundra Bare ground tundra Wet tundra Mixed tundra Perennial snowfields Glaciers • Monitor LG Studioworks 505G 15”. • CD-ROM ASUS 52x. • Floppy Disk Drive. • Printer Epson Stylus C 45. Bahan yang digunakan adalah : • Perangkat lunak Ubuntu, • Perangkat lunak Cygwin, • Citra satelit Landsat tahun 1990 path row 66, direkam pada 15 Mei 1990. • Citra satelit Landsat tahun 2002 path row 66, direkam pada 19 Mei 2002. • Peta Rupa Bumi Indonesia, sheet 432, dan 414, menggunakan proyeksi UTM datum WGS 84.
118 118 423 dan
7.2
Metodologi Metodologi yang digunakan digambarkan dalam diagram berikut ini :
7
Diagram 3. Alur penelitian. 7.3
Proses Pemotongan Sebelum dilakukan kegiatan pengolahan citra lebih lanjut, dilakukan pemotongan citra. Pemotongan ini dilakukan dua kali yakni pemotongan
areanya
untuk area Surabaya dan sekitarnya untuk proses rektifikasi dan pemotongan untuk area studi klasifikasi yakni di area Surabaya Timur.
Untuk area penelitian klasifikasi batas-batas adalah sebagai berikut : Tabel 7. Batasan area penelitian.
No 1 2 3 4
Posisi Kiri Atas Kanan Atas Kanan Bawah Kiri Bawah
X 693920.3 E 703989.82 E 703989.82 E 693920.3 E
Koreksi Geometrik Citra Satelit Metode koreksi non sistematik ini menggunakan 6 titik kontrol tanah (ground control point). Lokasi titik GCP di tempat yang mudah dikenali, seperti persimpangan jalan, pojok
Y 9197691.43 N 9197691.43 N 9188818.14 N 9188818.14 N
Latitude 7:11:6.21 7:21:2.79 7:21:2.79 7:11:6.21
Longitude 112:41:15.77 112:41:15.77 112:51:17.92 112:51:17.92
7.4
bangunan. Data acuan yang digunakan adalah peta Rupa Bumi Indonesia digital skala 1:25.000.
8
Kemudian proses transformasi dengan affine polinomial orde 1, menggunakan datum WGS 84. Metode yang digunakan memenuhi ketelitian
Gambar 1. Sebaran titik gcp untuk citra tahun 1990 total RMSE 2.21.
11.
Pembuatan Training Area Pembuatan training area dilakukan terbagi atas lima kelas, yakni : a. Permukiman. b. Lahan kosong. c. Lahan basah. d. Ladang/kebun. e. Rawa/badan air.
Gambar 3. Training area citra tahun 1990
yang diinginkan kurang dari 4 pixel. Akurasi koreksi geometrik disajikan oleh RMSE (Rate Mean Square Error).
Gambar 2. Sebaran titik gcp untuk citra tahun 2002 total RMSE 2.36. Dari persyaratan yang telah dicantumkan diatas, maka tiap-tiap kelas harus memiliki jumlah training area sebanyak n + 1. Jika n adalah jumlah saluran yang ada dalam citra satelit Landsat (7 saluran), maka untuk tiap-tiap kelas harus dibuat sedikitnya 8 training area. Jadi jumlah training area yang akan terbentuk adalah : Total training area = kelas x minimum training area
Gambar 4. Training area citra tahun 2002.
9
7.5
Pembuatan Tampilan Tutupan lahan Tahun 1990 dan 2002 Pembuatan Peta Tutupan lahan Tahun 1990 dan 2002 dilakukan secara terpisah, dengan melalui prosedur pengolahan citra/data raster dalam perangkat lunak GRASS seperti telah dijabarkan pada sub-bab 3.6.3. Pembuatan Peta Tutupan lahan ini dapat pula dilakukan dalam GRASS, akan tetapi bentuknya sangat sederhana. Peta Tutupan Lahan ini hanya memuat : 1. Raster hasil klasifikasi, 2. Legenda, 3. Skala (bar scale), 4. Garis-garis grid tanpa nilai koordinat. 7.6
Penghitungan Luas Tutupan Lahan Setelah proses klasifikasi selesai dilaksanakan selanjutnya adalah penghitungan nilai luasan tiap-tiap kelas. Dengan menggunakan r.stats maka akan diketahui total nilai luasan dari tiap-tiap kelas. 8. 8.1
HASIL DAN ANALISA Perangkat Lunak GRASS Dari seluruh rangkaian kegiatan penelitian, diketahui bahwa GRASS mampu digunakan dalam pengolahan citra. Untuk pengoperasian diatas platform Windows diperlukan file-file tambahan sebagai berikut : • Paket instalasi install_cygwin_non_X11 (71,8 MB)
Gambar 5. Tampilan potongan citra satelit Landsat Surabaya dan sekitarnya tahun 1990.
•
Modul data GRASS (18,1) Setelah dilakukan ekstraksi modul-modul GRASS, maka space yang dipakai oleh cygwin dan GRASS akan bertambah besar dengan total ukuran file sebesar 303 MB. Untuk mendapatkan panduan dalam pengoperasian GRASS, dapat digunakan mode Help. Mode Help ini hanya akan membantu pengguna untuk mengetahui langkah-langkah yang harus dilakukan dalam pengolahan citra dan tidak menyediakan/ menampilkan fungsi-fungsi matematis atau dasar-dasar teori yang lengkap. Tampilan dalam GRASS memang tidak semenarik tampilan perangkat lunak pengolahan citra komersial yang lainnya. Akan tetapi dengan analisa dan pemilihan metode pengolahan citra yang tepat akan diperoleh hasil pengolahan citra yang hampir sama akuratnya dengan paket perangkat lunak pengolahan citra yang lain. 8.2 Pengoperasian GRASS 8.2.1 Import Data a. Data Raster Data raster yang dapat diimpor memiliki kualitas yang baik. Meski pada awalnya data yang masuk ke dalam database GRASS terpisah dalam tiga kanal (red, green dan blue) akan tetapi dengan melakukan pemilihan warna (penggabungan untuk menjadi RGB) maka kemudian dapat ditampilkan citra dalam rupa RGB.
Gambar 6. Tampilan potongan citra satelit Landsat Surabaya dan sekitarnya tahun 2002.
b. Data Vektor
10
Data vektor yang berhasil di-import ke dalam GRASS adalah data vektor yang memiliki format file .shp. untuk pelaksanaan konversi format file, digunakan bantuan software AutoDesk Land Desktop 2004 (dari format .dwg ke format .dxf) dan Arc View 3.2 (dari format .dxf ke format .shp). setelah
mengalami konversi data maka atributatribut dalam peta RBI vektor hilang secara otomatis, jadi nanti yang akan dapat ditampilkan hanya berupa garis tanpa adanya keterangan tempat dan atau simbolsimbol kartografis yang lainnya.
Rektifikasi Citra Seperti telah disinggung diatas, bahwa dalam penelitian dilakukan rektifikasi citra raster to raster. Citra yang akan direktifikasi adalah citra tahun 1990 dan tahun 2002. Sedangkan sumber data rektifikasi adalah peta RBI digital Bakosurtanal yang
telah digabungkan dan kemudian dikonversikan kedalam bentuk data raster. RMS error terkecil yang dapat dihasilkan dari rektifikasi citra dapat disajikan dalam tabel berikut ini :
8.2.2
Jumlah Titik 3 4 5 6 7
Tabel 10. Tabel pencapaian nilai rms error. Jangkauan nilai RMS Error terkecil yang dapat dihasilkan 0 0–2 1,5 – 4 2–4 4–7
Disamping itu masih ada ketentuan lain dalam tool GRASS, yakni penentuan orde yang diminta untuk proses rektifikasi-transformasi citra. Tahun Citra 1990 2002
Tabel 12. Hasil rektifikasi citra satelit. Nilai rms error Total yang Dapat Dicapai 2,21 (dengan 6 titik) 2,36 (dengan 6 titik)
Gambar 10. Persebaran
Proses rektifikasi yang dilakukan terhadap Citra Satelit Landsat tahun 1990 dan 2002 adalah sebagai berikut : GCP pada citra satelit GCP pada citra satelit Landsat Landsat tahun 2002. tahun 1990.
Gambar 11. Persebaran
11
8.2.3
Klasifikasi Terselia
Gambar 12. Hasil klasifikasi terselia citra satelit Landsat tahun 1990. Beberapa hal yang menjadi catatan dalam melakukan klasifikasi dengan metode klasifikasi terselia adalah : a. GRASS 5.4.0 belum dapat menyajikan hasil klasifikasi yang akurat. Untuk beberapa kelas , contohnya antara laut-tambak-rawa, digolongkan menjadi satu kelas, sehingga area yang terdiri dari badan air menjadi sangat luas. Disisi lain kemampuan GRASS 5.4.0 dalam melakukan upload warna belum dapat variatif. Warna yang ditampilkan untuk tiap-tiap kelas hampir sama. Sehingga dapat ditemukan bahwa warna tambak/sawah, lahan basah/rawa dan laut memiliki warna yang hampir sama. b. Perangkat/tools dalam GRASS masih belum mampu menyajikan bentuk peta yang ideal. Beberapa komponen peta yang dapat disajikan adalah : - muka peta. - legenda. - judul peta.
Setelah digunakan modul i.gensig dan i.maxlik, dihasilkan data klasifikasi citra satelit Landsat dalam lima kelas yang telah ditetapkan.
Gambar 13. Hasil klasifikasi terselia citra satelit Landsat tahun 2002. - kolom legenda. - barscale. Untuk membuat sebuah tampilan peta yang memenuhi kaidah kartografi, sebaiknya dilakukan pengeditan dengan jalan pengekstrakan tampilan dengan menggunakan tools dalam GRASS. c. Perlu kejelian yang tinggi untuk para pengguna GRASS karena GRASS tidak dapat melakukan setting bentuk cursor. Karena bentuk cursor yang digunakan dalam digitasi pembuatan training area tidak dapat diubah menjadi lebih ramping/runcing. Secara teknis ini akan menyulitkan pengguna dalam meletakkan titik-titik poligon pada objek citra. 8.2.4 Penghitungan Luasan Dengan menggunakan modul r.stats maka dapat diketahui luasan dari tiap-tiap kategori dari hasil klasifikasi terselia. Hasil yang didapatkan adalah sebagai berikut :
Tabel 13. Tabel perubahan luas area pada lima kelas klasifikasi. Kategori/kelas Tahun 1990 (m2) Tahun 2002 (m2) Perubahan (m2) Permukiman 35.904.680 40.644.000 + 4.739.320 Lahan Kosong 7.742.700 8.287.200 + 544.600 Ladang/Kebun 26.260.420 19.384.000 - 6.876.420 Lahan Basah 11.386.840 7.923.200 -3.463.640 Rawa/Tambak 39.376.322 45.296.600 + 5.920.278 Dari tabel diatas dapat diuraikan bahwa pada rentang waktu 1990 hingga 2002, telah terjadi
perubahan penggunaan lahan, baik berupa pertambahan maupun penyusutan luasan area. Nilai
12
perubahan luasan adalah sebagai berikut : permukiman + 4.739.320 m2, ladang/kebun 2 6.876.420 m dan rawa/tambak + 5.920.278m2, lahan kosong + 544.600 m2 dan lahan basah -3.463.640 m2. 9.
Kesimpulan Dari penelitian ini maka dapat diambil beberapa kesimpulan sebagai berikut : a. Perangkat lunak GRASS 5.4.0 dengan platform Windows (Cygwin) dan Linux (distribusi Ubuntu) dapat digunakan untuk mengolah Citra Satelit Landsat, yaitu untuk import data, penggabungan band (red, green dan blue), konversi data vektor menjadi data raster, rektifikasi (koreksi geometrik), digitasi dan klasifikasi terselia. b. Proses koreksi geometri dalam perangkat lunak GRASS 5.4.0 mampu menghasilkan nilai rms error terkecil lebih kurang 3 pixel dengan menggunakan 7 titik. Proses transformasi yang dipergunakan dalam koreksi geometrik ini adalah Affine & polynomial orde 1. c. GRASS dapat digunakan untuk klasifikasi lahan sesuai dengan ketentuan yang ditetapkan oleh USGS pada Level I yaitu permukiman, ladang/kebun, rawa/tambak, lahan kosong dan lahan basah. Dari hasil klasifikasi citra satelit Landsat tahun 1990 dan 2002 terdapat perubahan luas sebagai berikut : permukiman + 4.739.320 m2, ladang/kebun - 6.876.420 m2 dan rawa/tambak + 5.920.278m2, lahan kosong + 544.600 m2 dan lahan basah 3.463.640 m2. 10. Saran a. Perlu dilakukan lagi pengkajian lebih lanjut perangkat lunak GRASS 5.4.0 guna menghindari konsekuensi penerapan Undang-Undang Hak Cipta. b. Tampilan GRASS 5.4.0 masih belum familiar, beberapa paket modul agak sulit untuk diikuti, dan setting program masih bersifat konservatif sehingga lebih sulit untuk digunakan. Untuk mendapatkan sistem aplikasi yang lebih mendukung atau untuk aplikasi yang memiliki standart tinggi mungkin dapat dipergunakan GRASS 6.0.0.
DAFTAR PUSTAKA ---, 1991. GRASS Beginner’s Manual. Campbell, J. B., 1987. Introduction to Remote Sensing. Virginia Polytechnic Institute. The Guilford Press, New York, United States of America. El-Sheimy, N., 2001. Adjustment Computation. Department of Geomatic Engineering, The University of Calgary. Gomez, O. F., 1999. Change Detection of Vegetation Using Landsat Imagery. University of Texas. USA. http://www.crwr.utexas.edu/gis/gishydro99/cl ass/gomez/termproj.htm Dikunjungi 18 Mei 2005, 05.30 WIB Hadi, F., 2001. Pemetaan Lahan Kritis di Kabupaten Langkat, Sumatera Utara. Departemen Teknik Geodesi, Institut Teknologi Bandung. Bandung. Hunt, H. L., II, 2000. Cygwin/X User’s Guide. Howard, J. A., 1996. Penginderaan Jauh Untuk Sumberdaya Hutan (teori dan Aplikasi). Gadjah Mada University Press. Bulaksumur, Yogyakarta. Kiat, C. W., 2004. Unnoficial Ubuntu 4.10 Starter Guide. Kiefer T. M. dan Lillesand R. W., 1990. Penginderaan Jauh dan Interpretasi Citra. Gadjah Mada University Press. Bulaksumur, Yogyakarta. Kiefer T. M. dan Lillesand R. W., 1994. Remote Sensing and Image Interpretation. University of Wisconsin-Madison. John Wilwy & Sons Inc., New York, United States of America. Lennert, M., 2002. Grass Development Team.
Tutorial.
Grass
Lo, C. P., 1995. Pengindraan Jauh Terapan. Penerbit Universitas Indonesia, Jakarta. Mongkolsawat, C. dan Thirangoon P., 1990. Landcover Change Detection Using Digital Analysis of Remotely Sensed satellite Data : A Methodological Study. Khin Kaon University. Khon Kaen, Thailand.
13
http://www.gisdevelopment.net/aars/acrs/19 90/G/lclu003pf.htm Dikunjungi 18 Mei 2005, 06.13 WIB Neteler, M., 1998. Introduction to GRASS GIS Software. Institute of Physical Geography and Landscape Ecology University of Hanover. Hannover, Jerman. Purwadhi, F. S. H., 2001. Interpretasi Citra Digital. Penerbit PT. Gramedia Widiasarana Indonesia, Jakarta.
Satnik, D., 2002. i.class. Central Washington University, United States of America. Tim
Penelitian dan Pengembangan Wahana Komputer-Semarang, 2001. Mari Mengenal Linux. Penerbit Andi, Yogyakarta.
Wolf, P. R., 1981. Elemen Fotogrametri Dengan Interpretasi Foto Udara dan Penginderaan Jauh – Edisi Kedua. Gadjah Mada University Press, Bulaksumur, Yogyakarta.
14
