Sudaryanto dan Melania Swetika Rini*

PENENTUAN RUANG TERBUKA HIJAU (RTH) DENGAN INDEX VEGETASI NDVI BERBASIS CITRA ALOS AVNIR -2 DAN SISTEM INFORMASI GEOGRAFI DI KOTA YOGYAKARTA DAN SEKITARNYA Sudaryanto dan Melania Swetika Rini*

Abstrak: Pembangunan dan pengembangan kota cenderung mengarah pada penggunaan lahan untuk memenuhi kebutuhan dan meningkatkan pelayanan pada penduduk kota. Pembangunan tersebut dilakukan karena lebih memberikan keuntungan secara ekonomis dibandingkan dengan keberadaan vegetasi, sehingga posisi RTH dikesampingkan dan kadangkala RTH yang ada di perkotaan hanya mengisi lahan-lahan sisa yang ada di perkotaan.MenurutUndang-undang R INo. 26 Tahun 2007 tentang Penataan Ruang dinyatakan bahwa proporsi RTH pada wilayah perkotaan paling sedikit 30% dari luas wilayah keseluruhan. Penginderaan jauh khususnya citra ALOS AVNIR-2 dan SIG digunakan untuk memperoleh informasi mengenai kenampakan dipermukaan bumi. Salah satu informasi yang dapat di sadap adalah kerapatan vegetasi. Kerapatan vegetasi dapat diperoleh dengan menggunakan index vegetasi NDVI (Normalized Difference Vegetation Index). Hasil penelitian adalah peta RTH Kota Yogyakarta dan sekitarnya pada skala 1:100.000. Kata kunci : Ruang terbuka Hijau (RTH), Penginderaan jauh, SIG, Citra Alos AVNIR-2, Kota Yogyakarta

ekonomis dibandingkan dengan keberadaan vegetasi,

PENDAHULUAN Pembangunan

gedung

perkantoran,

perbelanjaan, sekolah, perumahan, pabrik, dan sebagainya kurang memperhatikan aspek tata ruang kota. Kebutuhan akan pembangunan infrastruktur dan terbatasnya ketersediaan lahan tampaknya akan menjadi salah satu faktor terjadinya disintegrasi dalam pembangunan di perkotaan. Konsekuensi logis atas keadaan tersebut adalah menyempitnya lahan untuk ruang terbuka hijau (RTH). Pembangunan dan pengembangan kota cenderung mengarah pada penggunaan lahan untuk memenuhi kebutuhan dan meningkatkan pelayanan pada penduduk kota. Pembangunan tersebut dilakukan karena lebih memberikan keuntungan secara

sehingga posisi RTH dikesampingkan dan kadangkala RTH yang ada di perkotaan hanya mengisi lahanlahan sisa yang ada di perkotaan. Menurut Irwan (2005) pembangunan fisik yang ada di perkotaan setiap tahunnya mengalami peningkatan sehingga mengakibatkan semakin berkurangnya RTH di perkotaan dan bahkan mengalami kecenderungan gejala pembangunan “antiruang” di perkotaan. RTH

merupakan

diperhitungkan

dan

aspek

yang

diprioritaskan

perlu dalam

pembangunan di kawasan perkotaan, hal ini dimaksudkan supaya tidak terancam eksistensinya. RTH mempunyai peranan yang penting dalam tata ruang kota karena manfaatnya yang besar untuk

* Prodi Pendidikan Geografi, FKIP, UNWIDHA Klaten

90

Magistra No. 89 Th. XXVI September 2014 ISSN 0215-9511

Penentuan Ruang Terbuka Hijau (RTH) dengan Index Vegetasi NDVI berbasis .....

kenyamanan kota, kesehatan penduduk, masa depan

karena belum ada interpretasi data sesuai keperluan

kota beserta keberlangsungannya dan sekaligus

penelitian. Untuk itu diperlukan interpretasi citra

sebagai penyedia oksigen. Menurut Fandeli (2004)

penginderaan jauh khususnya variabel-variabel RTH.

RTH kota merupakan bagian dari penataan ruang

Data hasil interpretasi tersebut membutuhkan media

perkotaan yang berfungsi sebagai kawasan lindung.

untuk penyimpanan, pengolahan agar dapat dianalisis

Kawasan hijau kota terdiri atas pertamanan kota,

lebih lanjut. Perkembangan perangkat lunak lebih

kawasan hijau hutan kota, kawasan hijau rekreasi

memudahkan dalam pengolahan data secara digital

kota, kawasan hijau kegiatan olahraga, kawasan

yakni dengan bantuan SIG. Sementara untuk

hijau pekarangan. RTH diklasifikasi berdasarkan

keperluan interpretasi citra terkait dengan informasi

status kawasan, bukan berdasarkan bentuk dan

yang akan dikaji maka harus memperhatikan aspek

struktur vegetasinya. Menurut Undang-undang R INo.

resolusi citra.Karena kerincian informasi yang

26 Tahun 2007 tentang Penataan Ruang dinyatakan

diperoleh dari suatu data tergantung dari resolusi yang

bahwa proporsi RTH pada wilayah perkotaan paling

dimiliki oleh citra.

sedikit 30% dari luas wilayah keseluruhan.

Dalam penelitian ini citra yang akan digunakan

Keberadaan undang-undang mengenai

adalah citra ALOS AVNIR-2. Citra satelit ALOS

penataan ruang tersebut kenyataannya belum

AVNIR-2 (Advanced Land Observing Satellite)

sepenuhnya menjadikan RTH di Kota Yogyakarta

adalah satelit milik Jepang yang merupakan satelit

sesuai

sudah

generasi lanjutan dari JERS-1 dan ADEOS yang

ditetapkan.Berkurangnya RTH ini dipicu oleh

dilengkapi dengan teknologi yang lebih maju, untuk

pesatnya perkembangan Kota Yogyakarta yang

memberikan kontribusi bagi dunia penginderaan jauh,

merupakan salah satu kota dengan perkembangan

terutama bidang pemetaan, pengamatan tutupan lahan

yang cukup pesat, mengingat Kota Yogyakarta adalah

secara lebih presisi dan akurat. Citra ini memiliki

kota wisata dan kota pendidikan.

resolusi spasial 10 meter (resolusi menengah)

dengan

proporsi

yang

Untuk mengetahui kondisi RTH aktual secara

diharapkan dapat memberikan informasi yang akurat

cepat dan akurat pada kawasan perkotaan maka

mengenai RTH meskipun belum diketahui tingkat

diperlukan teknologi penginderaan jauh dan Sistem

akurasinya dalam menyadap informasi RTH di Kota

Informasi Geografis (SIG). Data penginderaan jauh

Yogyakarta dan sekitarnya sesuai kebutuhan

yang berupa citra mampu menampilkan gambaran

penelitian.

permukaan bumi relatif lengkap, termasuk di dalamnyauntuk data terkait dengan RTH. Selain itu, proses perolehan data dapat dilakukan dengan cepat, biaya yang murah dibandingkan dengan perolehan data dengan cara metode survey terrestrial, wilayah kajianpun luas dan mempunyai ketilitian yang cukup tinggi. Kelengkapan data tersebut kurang bermakna


91


pantulan objek yang sebenarnya di lapangan. Metode

METODE PENELITIAN Metode

penelitian

yang

digunakan

adalahpenelitian kuantitatif dengan menggunakan datapenginderaan jauh khususnya citra ALOS AVNIR-2, SIG dan survey lapangan. Pemanfaatan citra tersebut dimaksudkan untuk memperoleh informasi mengenai tutupan lahan/penggunaan lahan

koreksi radiometrik yang digunakan adalah kalibrasi sensor dimana ada 3 tahap yang dilakukan yaitu proses at-sensor radiance, proses at-sensorreflectance dan proses at-surfacereflectance. Koreksi Geometrik

dan Kerapatan vegetasi. Untuk mendapatkan

Pada penelitian ini menggunakan metode

informasi kerapatan vegetasi dari citra satelit ALOS

koreksi geometrik image to map, koreksi ini dilakukan

AVNIR-2 digunakan indeks vegetasi NDVI

untuk mengubah koordinat yang ada pada citra

(Normalized Difference Vegetation Index), sedangkan

sehingga mendekati koordinat yang sebenarnya di

untuk membuat peta penggunaan lahan digunakan

lapangan (real world). Koreksi ini menggunakan 9

metode klasifikasi maximum likelihood.

titik-titik GCP (Ground Control Point) yang dipilih seteliti mungkin dan menyebar secara merata di daerah penelitian. Koordinat acuan yang digunakan

HASIL DAN PEMBAHASAN Pra Pemrosesan Citra Digital

dalam penentuan GCP diperoleh dari peta RBI skala 1:25.000. Teknik transformasi koordinat yang digunakan adalah teknik affine (orde 1) dengan alasan

Pra pemrosesan citra digital merupakan tahap awal yang dilakukan dalam penelitian ini dimana data utama yang akan diolah adalah citra Alos AVNIR-2

topografi daerah penelitian yang relatif datar, sedangkan untuk metode resampling dilakukan dengan teknik nearest neighbor.

level 1B2G tanggal perekaman 20 Juni 2009. Tahap ini dimulai dengan melakukan koreksi radiometrik kemudian dilanjutkan dengan koreksi geometrik.

Pemotongan Citra Daerah Penelitian

Secara umum tahap ini dilakukan untuk mendapatkan

Pada tahapan ini dilakukan pemotongan citra

citra satelit yang dapat menggambarkan kondisi

sesuai dengan wilayah dalam penelitian. Adapun

daerah penelitian yang sebenarnya, baik berupa

wilayah kajian dalam penelitian ini mencakup Kota

pantulan spektral setiap objek di daerah penelitian

Yogyakarta dan pinggiran Kota Yogyakarta meliputi

maupun posisi objek.

sebagian wilayah Kabupaten Bantul (sebagian Kecamatan Banguntapan, Sewon, dan Kasihan), dan

Koreksi Radometrik Koreksi radiometrik dalam penelitian ini

sebagian wilayah Kabupaten Sleman (sebagian Kecamatan Depok, Mlati, dan Gamping).

dilakukan untuk mengurangi pengaruh gangguan

Proses pemotongan citra dilakukan untuk

atmosfir pada citra ALOS AVNIR-2 sehingga nantinya

membatasi wilayah kajian yang akan diteliti sehingga

didapatkan nilai piksel standar yang merupakan nilai

proses pengolahan citra akan menjadi lebih cepat dan

92



ukuran kapasitas citra menjadi lebih kecil. Metode

tidak termasuk kelas vegetasi atau non vegetasi

yang digunakan untuk melakukan pemotongan citra

sedangkan rona yang cerah dengan kisaran nilai piksel

menggunakan metode Subset Data Via ROIs yang

dari 0 sampai 0,983 menunjukan kelas vegetasi. Jika

merupakan salah satu menu pada software ENVI 4.8.

nilai pikselnya mendekati satu maka termasuk kelas

Proses pemotongan dengan metode subset data via

vegetasi kerapatan tinggi.

ROI dilakukan berdasarkan luas ROI yang diambil

Prinsip kerja indeks vegetasi adalah mengukur

dengan tipe Rectangle atau persegi yang mencakup

tingkat intensitas kehijauan, namun adanya faktor

seluruh wilayah penelitian. Berikut ini adalah

pantulan tanah dapat meningkatkan nilai indeks

tampilan citra yang telah dipotong berdasarkan daerah

vegetasi. Pantulan tanah ini dipengaruhi oleh

penelitian yang dikaji dengan menggunakan komposit

kandungan kelembaban tanah, tesktur tanah

warna 432.

(susunan pasir, debu dan lempung) kekasaran permukaan, adanya oksida besi dan kandungan bahan

Analisis Indeks Vegetasi NDVI

organik (Lillesand et al., 2007). Berikut ini adalah tampilan citra hasil transformasi NDVI di daerah

NDVI (Normalized Difference Vegetation

penelitian.

Index) merupakan suatu nilai hasil pengolahan indeks vegetasi dari citra satelit kanal infra merah dan kanal merah yang menunjukkan tingkat konsentrasi klorofil daun yang berkorelasi dengan kerapatan vegetasi berdasarkan nilai spektral pada setiap piksel. NDVI merupakan salah satu metode yang banyak digunakan dalamperhitungan nilai indeks vegetasi. Nilai piksel hasil transformasi NDVI adalah -1 sampai 1, dimana kelas vegetasi berada pada kisaran 0-1 dan kelas non vegetasi berada pada kisaran -1 -0. Nilai piksel yang mendekati 1 atau sama denga 1 menunjukan bahwa vegetasi itu memiliki kerapatan yang tinggi.Menurut Malingreau (1987) nilai NDVI yang mencerminkan kondisi vegetasi berkisar antara 0,1 sampai 0,6 dengan nilai NDVI yang tinggi mempunyai tingkat kehijauan yang tinggi.

Gambar 1.Citra Hasil Transformasi NDVI

Julat nilai piksel hasil transformasi NDVI adalah -0.414 sampai 0.983. Nilai piksel yang kurang dari 0 dengan kisaran -0.414 sampai 0 yang ditunjukan dengan rona gelap mengindikasikan bahwa objek itu


93


Keberadaan vegetasi pada gambar citra hasil transformasi NDVI di atas ditunjukan dengan rona

Berikut ini adalah peta kelas tutupan hijau berdasarkan analisis ndvi :

yang cerah, semakin cerah maka semakin rapat vegetasinya sedangkan rona abu-abu sampai rona gelap menunjukan kerapatan vegetasi semakin kurang, adapun rona gelap menunjukan tidak adanya vegetasi. Indeks vegetasi pada penelitian ini digunakan untuk mengetahui persentase tutupan hijau yang dapat diasumsikan sebagai ruang terbuka hijau dari citra ALOS AVNIR-2, sehingga diharapkan dapat mencerminkan kondisi yang sebenarnya di daerah penelitian. Berdasarkan hasil analisis yang dilakukan menunjukan bahwa semakin tinggi nilai NDVI maka semakin tinggi nilai persentase tutupan hijau, hal ini menunjukan bahwa ada hubungan yang erat antara nilai indeks vegetasi dengan persentase tutupan hijau di daerah penelitian.

Gambar 3. Peta Kelas Tutupan Hijau

Analisis Penggunaan Lahan Data penggunaan lahan diperoleh dari proses klasifikasi multispektral yakni dengan klasifikasi terselia (supervised classification). Algoritma Gambar 2. Grafik Hubungan antara Nilai NDVI

supervised classification yang dipilih adalah

dengan Persentase Tutupan Hijau

maximum likelihood. Algoritma ini dipilih karena statistiknya paling mapan dibandingkan dengan algoritma yang lain. Langkah awal proses klasifikasi multispektral adalah pemilihan daerah contoh/ training area (Region Of Interest).

94



Pengambilan sampel dalam proses klasifikasi multispektral memiliki perananan yang sangat penting, karena bagus dan tidaknya hasil klasifikasi tergantung dari training area yang diambil. Sampel yang telah diambil sebagai training area selanjutnya dikontrol melalui uji keterpisahan atau uji separabilitas pada masing-masing kelas penutup lahan.Uji separabilitas digunakan untuk mengetahui apakah antara training area secara statistik memiliki tingkat keterpisahan yang tinggi atau rendah berdasarkan band input. Uji separabilitas dihitung dengan menggunakan algoritma transformed divergence (TD). Nilai transformed divergence (TD) antara 1900-2000 memiliki keterpisahan yang baik, sedangkan di bawah 1700 merupakan hasil keterpisahan yang kurang baik (poor), yang dimungkinkan piksel tersebut adalah piksel campuran, ( Jensen (2005). Hasil proses klasifikasi multispektral (metode maximum likelihood)ini selanjutnya digunakan sebagai acuan dalam melakukan pengkelasan penggunaan lahan. Klasifikasi ini menghasilkan 8 kelas penggunaan lahan. Berdasarkan hasil interpretasi dan cek lapangan pemetaan penggunaan lahan diketahui bahwa kelas penggunaan lahan di daerah penelitian didominasi oleh objek RTH sawah yakni sebesar 38,47% atau seluas 8227,24ha dari luas keseluruhan. Lahan permukiman menempati urutan

Gambar 4. Peta Kelas Penggunaan Lahan

kedua setelah RTH sawah yakni seluas 7792,47 ha (36,44%).. Berikut ini adalah tampilan peta hasil klasifikasi penggunaan lahan :


95


SIMPULAN Berdasarkan penelitian yang dilakukan maka

DAFTAR RUJUKAN Fandeli, C. Kaharudin dan Mukhlison, 2004.

di dapat beberapa kesimpulan sebagai berikut :

Perhutanan Kota. Fakultas Kehutanan

1.

Universitas Gadjah Mada. Yogyakarta

Metode index vegetasi NDVI yang diterapkan pada citra ALOS AVNIR -2 dapat digunakan untuk mendapatkan informasi tutupan hijau di

Irwan, Z.D. 2005. Tantangan Lingkungan dan Lansekap Hutan Kota. Bumi Aksara. Jakarta.

daerah penelitian. 2.

Adanya hubungan yang erat antara nilai index vegetasi NDVI dengan persentase tutupan hijau di daerah penelitian.

3.

Berdasarkan hasil interpretasi dan cek lapangan pemetaan penggunaan lahan diketahui bahwa kelas penggunaan lahan di daerah penelitian

Jensen, John.R.. 1986. Introductory Digital Image Processing – a Remote Sensing Perspective. Prentice Hall, London. Jensen, John. R. 2005.Introductory Digital Image Processing, A remote sensing perspective, 3rdedn, Pearson Prentice Hall, Sidney.

didominasi oleh objek RTH sawah yakni sebesar

Lillesand, T.M and Kiefer, R. W., 1997. Penginderaan

38,47% atau seluas 8227,24ha dari luas

Jauh dan Interpretasi Citra. Terjemahan Fakultas

keseluruhan.

Geografi, Gadjah Mada University Press, Yogyakarta Malingreau, Rosalia. 1982. A Land Cover/ Land Use Clasification For Indonesia Firs Revision. PUSPIC UGM Undang-undang R I No. 26 Tahun 2007 tentang Penataan Ruang

96


Sudaryanto dan Melania Swetika Rini*

Recommend Documents