Classification and Tree Method (CART) and Geostatistics for Land Use Land Cover Change Pattern Analysis in Flood Prone
3.2 Hasil klasifikasi Land Use Land Cover menggunakan Metode CART
Hasil pengolahan training area masing- masing klas menggunakan metode CARTmenunjukkan pemisahan yang jelas menurut layer (lihat Gambar 5.), namun demikian metode CART menunjukkan bahwa band hijau, merah, SWIR 1, SWIR 2, NDBI tidak digunakan dalam menentukan kelas land use land cover di daerah tangkapan hujan CiHeuleut- Ci Luar. Pada metode ini, CART berhasil memisahkan kelas yang
A
B
Seminar Nasional Penginderaan Jauh -2016
-215-
berhubungan vegetasi dengan menggunakan NDVI dan band NIR dimana hal ini dikarenakan band NIR dan band merah merupakan band yang memiliki reflektan vegetasi yang paling tinggi diantara band lainnya.
Selain itu, band biru mampu dimanfaatkan oleh metode CART untuk mengklasifikasi kelas badan air, hal ini memang menjadi karakteristik band biru Landsat 8 yang didesain untuk mendeteksi pantulan dari badan air.
Penelitian ini menambahkan satu kelas yaitu padang rumput kedalam peta penggunaan lahan tahun 2015, dikarenakan luas padang rumput cukup signifikan sebesar 61,88 hektar (2,97%) dan tampak sangat jelas dalam citra pembanding Google Earth terlihat mengelompok
di sebelah timur wilayah sub-DAS CiHeuleut– CiLuar.
Gambar 4. Sebaran titik sampel
Metode Classification and Tree Method (CART) dan Geostatistik untuk Analisis Perubahan Tutupan Lahan di Sub DAS Rawan Banjir CiHeuleut– CiLuar (Hernina, R.., dkk.)
-216-
Gambar 5. Diagram Alir Pemisahan Kelas Penggunaan Lahan Hasil Metode CART
Secara visual perubahan penggunaan lahan di Sub-DAS CiHeuleut- CiLuar tampak mengelompok di bagian tengah, timur, utara dan selatan dari Sub- DAS (Lihat Gambar 5). Hal ini disebabkan masih adanya lahan pertanian yang berpotensi berubah menjadi perkotaan, sedangkan di sebelah barat Sub-DAS cenderung tidak terjadi perubahan penggunaan lahan dikarenakan merupakan permukiman teratur. Pesatnya pertumbuhan perkotaan di daerah Sub-DAS tidak terlepas dari peranan Jalan Tol Jagorawi yang melintasi wilayah ini dan juga adanya pembangunan jalan BORR (Bogor Outer Ring Road) yang semakin melancarkan arus orang, barang, dan jasa sehingga diduga memerlukan permintaan yang besar akan infrastruktur perkotaaan seperti perumahan.
Gambar 6. (A) Peta Penggunaan Lahan Sub DAS CiHeuleut- CiLuar tahun 1998 , (B) Peta Pengunaan Lahan Sub-DAS CiHeuleut- CiLuar tahun 2015, (C)
Peta Perubahan Penggunaan Lahan 1998 -2015
Sumber : Pengolahan Data Peta Topografi 1998 dan Landsat 8 2015 Hilir
(Biru, Hijau, Merah, Near Infra Red, SWIR 1, SWIR 2, NDVI, NDBI) NIR > 19438
Seminar Nasional Penginderaan Jauh -2016
-217-
Dari hasil accuracy assessment yang dilakukan (lihat Tabel 2), tampak bahwa kelas perkotaaan memiliki user’s accuracy yang paling tinggi.Kelas badan air memiliki producer’s dan user’s accuracy yang paling rendah dibandingkan dengan kelas lainnya hal ini disebabkan oleh sedikitnya jumlah titik sample referensi badan air dikarenakan dalam artikel ini digunakan metode stratified random sampling dimana luas kelas yang paling besar memiliki jumlah titik referensi yang besar pula. Berdasarkanoverall accuracy dan Kappa Hatditemukan nilai sebesar 74,88 % dan 0.6288, hal ini diduga bahwa dalam melakukan sample training area masih terdapat beberapa ketidaksempurnaan diantaranya terdapat pencampuran pixel antara tanah kosong dan pertanian. Berdasarkan citra Google Earth biasanya tanah kosong terdapat bersebelahan dengan lahan pertanian dan biasanya lahan kosong tersebut dalam persiapan menunggu musim tanam. Dalam meneliti perubahan dinamis perubahan lahan di DAS Sungai Xiangxi, China menggunakan metode CART, Cao, Li [5] menemui overall accuracy sebesar 75,5%.
Tabel 2. Confusion Matrix antara klas tutupan lahan dengan titik acuan referensi Google Earth
Klas Tutupan
Lahan 2015
Titik Referensi di Google Earth Tanggal Citra 21 Juni 2015 User's Accuracy Pertanian Tanah
Kosong Kebun Perkotaan Badan
Air Padang
Selama tahun 1998 – 2015, kelas pertanian mengalami penurunan yang signifikan yaitu sebesar 57,02 % dari sebesar 858,46 hektar di tahun 1998 menjadi 368,96 hektar pada tahun 2015 (lihatGambar 6). Kelas tanah kosong dan badan air mengalami kenaikan, hal ini dapat dijelaskan berdasarkan citra Google Earth bahwa kelas tanah kosong biasanya dalam tahap persiapan menjadi perumahan dimana sedang terjadi tahap pekerjaan cut and fill. Sedangkan kelas badan air, berdasarkanGoogle Earth bahwa di perumahan yang baru biasanya terdapat fasilitas kolam renang dan diduga ini bisa menyebabkan perubahan yang pada awalnya kelas perkotaan kemudian setelah beberapa tahun menjadi badan air.
Gambar 7. Grafik Luas Tutupan Lahan 1998 -2015
Sumber : Pengolahan Data Peta Topografi 1998 dan Landsat 8 2015 858,46
Pertanian Tanah Kosong Kebun Perkotaan Badan Air Padang Rumput
Luas Tutupan Lahan di Sub-DAS Ciheuleut- Ciluar 1998- 2015 (dalam hektar)
Tahun 1998 Tahun 2015
Metode Classification and Tree Method (CART) dan Geostatistik untuk Analisis Perubahan Tutupan Lahan di Sub DAS Rawan Banjir CiHeuleut– CiLuar (Hernina, R.., dkk.)
-218-
Dengan menggunakan metode spatial auto-correlation Morans I, diketahui bahwa pada tingkat kepercayaan 95% pola distribusi perubahan penggunaan lahan di daerah tangapan hujan DAS CiHeuleut- CiLuar mempunyai pola terklusterisasi.
4. KESIMPULAN
Selama tahun 1998 – 2015, kelas pertanian mengalami penurunan yang signifikan yaitu sebesar 57,02 % atau 858,46 hektar pada tahun 1998 menjadi 368,96 hektar pada tahun 2015Sedangkan kelas perkotaan mengalami peningkatan luas dari 926.25 Ha menjadi 998.73 Ha. Metode CART dapat mengklasifikasikan enam kelas tutupan lahan untuk citra satelit beresolusi spasial medium dengan tingkat akurasi yang cukup signifikan yaitu sebesar 74.8%. Hasil analisis pola perubahan tutupan lahan di daerah tangkapan hujan Kali Ciheuleut- Ciluar mengindikasikan pola kluster.
DAFTAR PUSTAKA
Hotimah, O., Wirutomo, P., dan Alikodra, H.S., (2015). Conservation of world heritage botanical garden in an environmentally friendly city. in The 5th Sustainable Future for Human Security.Science Direct.
B.P.S.K. Bogor(2015). Badan Pusat Statistik Kota Bogor: Bogor. p. 209.
Digital Elevation Mode (DEM) NASA SRTM 90m, NASA, Editor. 2001.
Kun, G., Wang, J., dan Wang, Y., (2015). Application of ZY-3 remote sensing image in the research of Huashan experimental watershed, in RSHS14 and ICGRHWE14. IAHS Press: Guangzhou, China. p. 56.
Cao, X., et al., (2010). Dynamic Remote Sensing Monitoring of Land Use Change in Xiangxi River Watershed by Decision Tree Method in 2010 18th International Conference on Geoinformatics. ieee.org: Beijing. p. 4.
Gao, J., (2009). Digital Analysis of Remotely Sensed Imagery. McGraw-Hill.
Fitzpatrick-Lins, K., (1981). Comparison of sampling procedures and data analysis for a land-use and land-cover map.
Photogramm Eng Remote Sensing, 47(3): p.7.
*) Makalah ini telah diperbaiki sesuai dengan saran dan masukkan pada saat diskui presentasi ilmiah BERITA ACARA