Dari hasil penelitian, perlu diuji tingkat keakuratan data jumlah pohon manggis yang di dapat melalui metode perhitungan sebaran pohon manggis berdasarkan satuan penutupan/penggunaan lahan dengan cara penentuan jumlah tanaman manggis di luar titik yang ditentukan sebagai titik sampling penelitian. Peta sebaran titik sampel uji metode tersebut adalah sebagai berikut;
41 Gambar 17. Titik Sample Uji Metode Penelitian
Dalam uji metode ini, setiap jenis penutupan/penggunaan lahan masing-masing diambil tiga titik sampel untuk kemudian dihitung distribusi dan sebaran pohon manggisnya lalu dibandingkan dengan hasil penelitian yang diperoleh, sehingga dapat terlihat selisih jumlah/akurasi antara hasil uji metode dengan hasil penelitian. Akurasi dari metode tersebut dapat di lihat dalam tabel berikut ini; Tabel 8. Uji Metode Penelitian
Landuse
Titik Sampel
(pohon/ha) Luas Landuse (ha)
Jumlah Pohon per Landuse Penelitian Uji Metode Penelitian Uji Metode Kebun Campuran 50 35 199,772 7.991 7.791 45 45 25 38 Rata-rata 40 39 Perkebunan Manggis 220 155 63,072 12.299 11.038 150 190 215 180 Rata-rata 195 175 Ladang 22 27 46,113 1.107 1.107 18 25 31 17 Rata-rata 24 24 Permukiman 23 15 27,326 437 410 14 21 11 9 Rata-rata 16 15 Lahan Terbuka 1 1 1,662 3 3 1 1 4 4 Rata-rata 2 2
42 Semak Belukar 18 12 32,720 393 393 9 8 9 17 Rata-rata 12 12 Hutan Sekunder 10 12 10,053 121 131 7 9 19 18 Rata-rata 12 13 Sawah 5 2 58,896 236 118 3 2 2 3 Rata-rata 3 2 Kebun Produksi 14 16 15,962 208 176 12 11 13 7 13 11 Jumlah 22.795 21.167
Dari hasil uji metode, terlihat bahwa selisih jumlah perhitungan antara uji metode dengan hasil penelitian, hasilnya tidak terlalu berbeda jauh, sehingga dapat disimpulkan bahwa metode perhitungan jumlah pohon manggis berdasarkan satuan penggunaan lahan masih dapat menghasilkan hasil yang tergolong akurat. Dari hasil ini pun dapat ditentukan bahwa akurasi metode yang digunakan adalah sekitar 92,86 %, yang didapat dari 21.167 ÷ 22.795 x 100% = 92,86 %.
Grafik Jumlah Pohon Manggis Kawasan Cendawasari
4% 4% 61% 12% 8% 4% 1% 1% 5% Lahan Terbuka Sawah Hutan Sekunder Semak Belukar Kebun Produksi Permukiman Ladang Kebun Campuran Perkebunan Manggis
48 VI. KESIMPULAN DAN SARAN
6.1 Kesimpulan
1. Citra Quickbird yang diunduh dari internet secara gratis (wikimapia), memiliki kualitas citra yang baik sebagai bahan dalam kegiatan pemetaan penutupan/penggunaan lahan.
2. Interpretasi citra Quickbird sangat sulit menentukan perbedaan antara kebun campuran dengan perkebunan manggis.
3. Terdapat 9 jenis penggunaan lahan di kawasan penelitian yang dapat dihasilkan, antara lain yaitu, kebun campuran, perkebunan manggis, sawah, ladang, semak belukar, permukiman, kebun produksi, hutan sekunder, dan lahan terbuka. Jenis penggunaan lahan yang mendominasi wilayah penelitian adalah kebun campuran (199,772 Ha), dan yang paling kecil adalah lahan terbuka (1,662 Ha).
4. Penggunaan Lahan yang terdapat di wilayah penelitian cenderung memiliki pola yang menyebar.
5. Di wilayah penelitian, setiap penggunaan lahan terdapat pohon manggis didalamnya. Dominasi pohon manggis di wilayah penelitian adalah pada jenis penggunaan lahan perkebunan manggis (12.299 pohon), dan yang paling kecil/sedikit adalah pada lahan terbuka (3 pohon)
6. perkebunan manggis di wilayah penelitian memiliki pola sebaran yang terkonsentrasi, sedangkan jenis penggunaan lahan selain perkebunan manggis memiliki pola yang menyebar di seluruh bagian wilayah.
6.2 Saran
1. Petani maupun pengelola kawasan Agropolitan Cendawasari perlu memulai untuk menentukan/menghitung data tentang produksi manggis sehingga produksinya dapat terkontrol pada setiap musim panen.
2. Dalam melakukan kegiatan pemetaan penggunaan lahan dan sebaran komoditas tertentu khususnya yang bersifat detil, citra Quickbird dapat dijadikan bahan pertimbangan dalam pemilihan citra.
49 VII. DAFTAR PUSTAKA
Barbosa P.M., M.A. Casterado and J. Herrero. 1996. Performance of Several Landsat 5 Thematic Mapper Image Classification Methods for Crop Extent Estimates in an Irrigation District. Int. Journ. Remote Sensing. 1996. Vol, 18:366-3674.
Diyono dan Bambang Suyudi. 2000. Analisis Perubahan Penggunaan Lahan di Sebagian Wilayah Teluk Jakarta Berdasarkan Citra SPOT XS 1986 dan 1990. Prosiding Forum Ilmiah Tahunan Ikatan Surveyor Indonesia di Bandung 15 Desember 2000, hal : 21-29. ISI, Bakosurtanal, Jalan Raya Cibinong, Bogor
Murthy C.S., S. Jouma, P.V.Raju, S. Thiruvengadachari and K.A. Hakeem. 1995. Paddy Yield Prediction in Bharada Project Command Area Using Remote Sensing Data. Asia Pasific Remote Sensing Journal. Vol.8.No.1, July 1995, p:79-83.
Barus, B . dan K . Gandasasmita , 1999. Sistem Informasi Geografi . Sarana Manajemen Sumberdaya . Jurusan Tanah , Faperta , Bogor .
Arsyad, S . 2000 . Konservasi Tanah dan Air . Cetakan Ketiga . Bogor : IPB Press .
Lillesand, T . M . dan R . W . Kieffer . 1997 . Penginderaan Jauh dan Interpretasi Citra . Cetakan Ketiga . Gajah Mada University Press . Yogyakarta . Sutanto. 1986. Pengantar Penginderaan Jauh. Gajah Mada University press.
Yogyakarta.
Wiradisastra, U, dkk. 1999. Geomorfologi dan Analisis Landsekap. Laboratoriun Penginderaan Jauh dan Kartografi. Jurusan Tanah. Fakultas Pertanian. Institut Pertanian Bogor. IPB.
Subagyo, H, dkk. 2000. Kriteria Kesesuaian Lahan untuk Komoditas Pertanian. Badan Penelitian dan Pengembangan Penelitian. Pusat Penelitian Tanah dan Agroklimat. Bogor.
50 LAMPIRAN
Menggabungkan Citra dari Wikimapia dengan metode Panavue; Metode Panavue
1. Buka Logo Panavue
2. Kemudian pilih File, lalu New Project
3. Pada kotak dialog New Project, pastikan Project Types adalah Image Stitching
4. Lalu OK
5. Kemudian muncul kotak dialog Project1, pilih Options, pada Stitching Options pilih Manual stitch with flag
51 6. Masih pada kotak dialog Project1, pilih Images, lalu pilih Add, kemudian
buka lembar peta yang ingin disatukan.
Pada contoh ini menggunakan lembar peta yang di posisikan pada kotak dialog Enter this images number yang pertama dengan angka 2 (#2), karena gambar yang pertama di buka ini berada di posisi sebelah kanan dari gambar ke-2 yang akan di masukan kemudian.
7. Lalu OK
8. Kemudian kembali pada kotak dialog Project1, lalu pilih Add dan masukkan gambar ke-2.
Pada contoh gambar ke-2 yang di masukkan ini, masukan angka 1 (#1) pada kotak dialog Enter this image number, karena gambar ke-2 yang di masukkan ini berada di posisi sebelah kiri dari letak gambar yang tadi di masukan pertama kali.
52 9. Lalu OK
10. Setelah itu lihat kedua gambar yang telah di masukkan, pada gambar terdapat bendera yang berfungsi untuk menjadi patokan antara gambar pertama dan gambar kedua yang memiliki jenis penampakan yang sama ( Dalam pemilihan gambar, harus memenuhi syarat bahwa sebagian objek pada lembar pertama harus ada juga pada sebagian objek lembar ke-2 ).
11. Kemudian atur posisi bendera sejenis pada kedua gambar agar berada di posisi yang sama pada objek yang sama di kedua gambar. Agar posisi bendera akurat, maka kita dianjurkan untuk men-zoom in gambar sampai batas gambar tersebut dapat di perbesar ( sampai terlihat menjadi suatu pixel )
12. Lakukan langkah serupa pada bendera lain yang sejenis yang terdapat pada kedua gambar.
53 13. Setelah seluruh bendera berada di posisi yang sama, kemudian klik Run
.
14. Penggabungan kedua gambar telah selesai, klik OK
54 Sehingga dari penggabungan 56 potongan gambar yang di unduh dari wikimapia dengan metode panavue tersebut dihasilkan citra Quickbird wilayah penelitian yang utuh adalah sebagai berikut;
Setelah mendapatkan citra yang utuh, kemudian citra tersebut terlebih dahulu di rektivikasi agar citra tersebut memiliki skala.
Metode Rektifikasi Tahapan awal
- Tetapkan data spasial yg akan dipakai sbg referensi, atau jika tidak ada, tetapkan minimal 4 titik referensi dari peta yg akan kita koreksi
- Misalnyia 4 titik referensi tsb memiliki koordinat ; X Y Titik 1 270000 9740000 Titik 2 320000 9740000 Titik 3 320000 9720000 Titik 4 270000 9720000 1. Buka Arcview
55 3. add theme
4. Paa kolom data Data sources type
-. Raster : Image data resource
-. pilih : Soil_kalsel.JPG... ok 5. Pilih View New theme
6. Feature type : point ok
7. Buat nama file baru ref,shp lokasi file sig_senin 8. pilih view properties
9. pada kolom data
10. map units : decimal degrees ok 11. Distance unit : meters ok
12. klik tombol draw pooint
13. tentukan 4 ttik referensi pd sembarang area
14. Pilih titik yang baru dengan pointer, klik kanan (tahan) 15. Pilih shape properties
56 masukkan titik x dan y ok ok
16. Ulangi prosedur di atas sampai 4 titik selesai 17. Dari menu theme pilih stop editing save 18. untuk melihat zoom to active theme (s) Tahap Selanjutnya
1. aktifkan jendela project 2. Pilih file Extension
3. Aktifkan ImageWarp & Spatial analyst ok 4. Pilih menu imagewarp ImageWarp session
5. Pada kolom image warp session setup
-. image to be rectified soil_kalsel.jpg ok -. theme to rectify to ref.shp ok
57 7. Kolom data pilih new GCP table choose save nama GCP ok
8. ImageWarp Session, dimulai & gambar yang akan diregistrasi akan tampil pada jendela
9. Sekarang kita akan memulai memilih ground control point (GCP)/tie point 10. Pada saat menggunakan tombol ini, pilih radio bottom pada posisi automatic 11. Tentukan GCP pada kolom TO view, kemudian tentukan titik yang sama pada jendela FROM view, untuk melakukan ini kita dapat memperbesar gambar 12. Pilih GCP pick tool tentukan titiknya
13. Pada kolom pilih yes 14. Ulangi sampai 4 titik selsai
15. Berikut adalah posisi ketika keempat GCP telah dibuat :
58 17. choose order polinomial : 1 ok
18. report : yes/no 19. pilih GO 20. ok
21. Methode resampling nearest neighbore 22. output image type JPG ok
23. buat nama citra hasil reg. ok 24. Status close
59 Gambar 24. Peta Dasar Kabupaten Bogor.
60 Gambar 25. Peta Infrastruktur Kabupaten Bogor.
61 Gambar 26. Peta Kelas Lereng Kabupaten Bogor.
62 Gambar 27. Peta Kesesuaian Lahan Manggis Kabupaten Bogor.
63 Gambar 28. Peta Ketersediaan Lahan Kabupaten Bogor.
64 Gambar 29. Peta Zona Agropolitan Kabupaten Bogor.