KAJIAN KARAKTERISTIK
BACKSCATTER
ALOS PALSAR
RESOLUSI 50 METER DAN 12,5 METER
PADA PERKEBUNAN KARET DAN KELAPA SAWIT
MUKALIL
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
3
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI
Dengan ini saya menyatakan bahwa tesis Kajian Karakteristik Backscatter ALOS PALSAR Resolusi 50 Meter dan 12,5 Meter pada Perkebunan Karet dan Kelapa Sawit adalah karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Bogor, Oktober 2011
Mukalil
5
ABSTRACT
MUKALIL. Study on The Backscatter Characteristics of ALOS PALSAR Having Spatial Resolution of 50 Meters and 12.5 Meters within Rubber and Oil Palm Plantations. Under direction of M. BUCE SALEH and I NENGAH SURATI JAYA.
The study was performed to explore the relationship between the dimensions of rubber and oil palm plantations and backscatter of ALOS PALSAR having resolution 50 meters and 12.5 meters. The study was carried out in Simalungun Regency, Serdang Bedagai Regency, Asahan Regency and Pematang Siantar City North Sumatra Province. The main objective of the study is to identify crop variables that affect backscatter value. The study found that the rubber plantation variable that significantly affect the magnitude of backscatter of 50 meter resolution are the diameter at breast high (dbh) and basal area giving an accuracy of 75.44%. For oil palm plantation, the backscatter value was affected by canopy diameter with accuracy of 92.16%. For rubber plantation, the variable that affect the magnitude of backscatter of 12.5 meter resolution are the tree diameters, biomass volume and the ratio of crop spacing as well as canopy area with an accuracy of 66,67%. Meanwhile, for oil palm plantation, it was affected by height of plant with an accuracy of 62.75%.
7
RINGKASAN
MUKALIL. Kajian Karakteristik Backscatter ALOS PALSAR Resolusi 50 Meter dan 12,5 Meter pada Perkebunan Karet dan Kelapa Sawit. Dibimbing oleh MUHAMMAD BUCE SALEH dan I NENGAH SURATI JAYA.
Sensor radar (radio detection and ranging) merupakan sensor gelombang mikro aktif (microwave) yang memungkinkan untuk melakukan pengamatan permukaan bumi dengan baik. Sensor ini mampu menembus awan, partikel hujan dan mempunyai sumber energi sendiri sehingga mampu melakukan pencitraan baik siang maupun malam dan pada segala macam cuaca. Sampai sekarang telah banyak satelit radar yang dioperasikan menyusul SEASAT, salah satunya adalah ALOS PALSAR. ALOS PALSAR merupakan citra radar yang bekerja pada saluran band-L dengan polarimatrik penuh HH, HV, VV dan VH. Lebar cakupan areal antara 250 sampai 350 km. Sensor dengan band L mampu menembus vegetasi hutan mulai dari daun, ranting, cabang dan bahkan sampai ke batang tanaman. Kemampuan citra ALOS PALSAR menembus vegetasi hutan sampai ke batang tanaman atau tumbuhan bawah akan berpengaruh terhadap sinyal pancar balik (backscatter) pada setiap tutupan lahan, dalam hal ini adalah tutupan lahan perkebunan karet dan perkebunan kelapa sawit.
Penelitian ini mempunyai tujuan mengidentifikasi dimensi tanaman perkebunan karet dan perkebunan kelapa sawit yang mempengaruhi nilai
backscatter citra ALOS PALSAR resolusi 50 meter dan 12,5 meter.
Data citra yang digunakan adalah citra ALOS PALSAR resolusi 50 meter dan 12,5 meter tahun liputan 2009. Untuk pengolahan citra menggunakan software erdas imagine 9.1 dan arcview 3.2. Citra ALOS PALSAR resolusi 12,5 meter mengalami gangguan (noise) yang mempengaruhi kualitas citra. Oleh karenanya dilakukan langkah-langkah perbaikan dengan melakukan adaptif filtering dengan menggunakan frost filtering dengan moving window 7 x 7. Selanjutnya data citra diolah dan dianalisis sehingga diperoleh nilai backscatter
dan kelas-kelas perkebunan karet dan perkebunan kelapa sawit. Pada perkebunan karet terdapat 3 kelas pada resolusi 50 meter, 3 kelas pada resolusi 12,5 meter tanpa adaptif filtering dan pada resolusi 12,5 meter dengan frost filtering 7x7 ada 3 kelas. Sedangkan pada perkebunan kelapa sawit terdapat 2 kelas pada resolusi 50 meter, 2 kelas pada resolusi 12,5 meter tanpa adaptif filtering dan 3 kelas pada resolusi 12,5 meter dengan frost filtering 7x7.
8
sawit homogen dengan jarak tanam sama. Posisi plot contoh ditentukan pada citra dengan purposive sampling berdasarkan kelas dari perkebunan karet dan kelapa sawit. Data lapangan yang dikumpulkan berupa dimensi tanaman karet dan kelapa sawit, meliputi: titik koordinat pusat plot contoh, jenis dan umur tanaman, jarak tanam, arah lajur, diameter tanaman, tinggi tanaman total, diameter tajuk, tebal tajuk, jumlah pelepah (kelapa sawit), kemiringan lapangan (slope), arah kemiringan lapangan (Aspect), foto LAI (Leaf Area Index), dan foto lapangan plot contoh.
Data lapangan diolah untuk mendapatkan data turunan berupa; kerapatan tanaman, luas bidang dasar, volume tanaman, luas tajuk, dan biomassa. Untuk biomassa karet menggunakan persamaan dari Yulyana (2005) dan biomassa kelapa sawit menggunakan persamaan Yulianti (2009). Selanjutnya data citra dan data lapangan dilakukan merging (penggabungan) untuk dilakukan analisis. Analisis data dilakukan dengan analisis korelasi untuk mengetahui keeratan hubungan antar peubah lapangan dan analisis diskriminan untuk mendapatkan peubah dimensi tanaman yang berpengaruh terhadap nilai backscatter citra ALOS PALSAR resolusi 50 meter dan 12,5 meter pada perkebunan karet dan perkebunan kelapa sawit.
Hasil penelitian menunjukkan bahwa kondisi lapangan relatif datar (kemiringan < 8%) dan ketinggian tempat berada pada rataan 250 meter dari permukaan laut. Pada perkebunan karet jarak tanaman adalah 6 x 3,25 meter, 5 x 5 meter, 4,5 x 4,5 meter, dan 5 x 4,5 meter. Arah lajur tanaman adalah Barat ~ Timur. Penanaman kelapa sawit menggunakan jarak tanam 9 x 8 meter dan 10 x 10 meter. Arah lajur tanaman kelapa sawit adalah Utara ~ Selatan. Kerapatan tanaman karet dan kelapa sawit menurun pada umur tanaman tua. Hasil survei lapangan menunjukkan bahwa penurunan kerapatan pada perkebunan karet dan perkebunan kelapa sawit disebabkan tanaman ada yang mati dan tidak dilakukan penyulaman. Dimensi tanaman karet dan kelapa sawit selalu bertambah besar dengan bertambahnya umur tanaman. Namun bertambahnya ukuran dimensi tanaman karet berlangsung tidak normal karena ada pemangkasan batang utama untuk menghindari tanaman miring dan rebah akibat tertiup angin.
Nilai backscatter HH resolusi 50 meter pada perkebunan karet berkisar antara -15,73 ~ -1,48 dan HV -24,79 ~ -9,42, pada perkebunan kelapa sawit nilai
backscatter HH -13,10 ~ -3,38 dan HV -20,83 ~ -11,93. Sementara pada resolusi 12,5 meter nilai backscatter HH perkebunan karet adalah -20,20 ~ -0,69 dan HV -29,18 ~ -5,65, pada perkebunan kelapa sawit nilai backscatter HH adalah -21,18 ~ 0,16 dan HV -26,78 ~ -9,23.
9
menjelaskan pengaruhnya terhadap nilai backscatter citra ALOS PALSAR di perkebunan karet dan kelapa sawit.
Identifikasi peubah dimensi tanaman yang mempengaruhi nilai backscatter
citra ALOS PALSAR resolusi 50 meter pada perkebunan karet menghasilkan diameter tanaman dan luas bidang dasar dengan akurasi 75,44% dan mampu mengklasifikasikan sebanyak 3 kelas. Pada resolusi 12,5 meter tanpa filtering
peubah yang mempengaruhi adalah diameter tanaman, rasio jarak tanam dan luas tajuk dan biomassa dengan akurasi 66,67% mengklasifikasikan 3 kelas. Sedangkan pada resolusi 12,5 meter dengan frost filtering 7x7, peubah yang mempengaruhi nilai backscatter adalah diameter tanaman, rasio jarak tanam dan luas tajuk dan biomassa dengan akurasi 71,93% dapat mengklasifikasikan 3 kelas. Identifikasi peubah dimensi tanaman perkebunan kelapa sawit yang mempengaruhi nilai backscatter citra ALOS PALSAR resolusi 50 meter adalah diameter tajuk dengan akurasi 92,16% dapat mengklasifikasikan 2 kelas. Pada resolusi 12,5 meter tanpa filtering peubah dimensi tanaman yang mempengaruhi nilai backscatter adalah tinggi tanaman dengan akurasi 62,75% dan dapat mengklasifikasikan 2 kelas. Sedang pada resolusi 12,5 meter dengan frost filtering
7x7 nilai backscatter dipengaruhi oleh luas tajuk tanaman kelapa sawit dengan akurasi 64,71% dan mampu mengklasifikasi 3 kelas.
10
Hak Cipta milik IPB, tahun 2011
Hak Cipta dilindungi Undang-undang
Dilarang mengutip sebagian atau seluruh tesis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan yang wajar IPB
11
KAJIAN KARAKTERISTIK
BACKSCATTER
ALOS PALSAR
RESOLUSI 50 METER DAN 12,5 METER
PADA PERKEBUNAN KARET DAN KELAPA SAWIT
MUKALIL
Tesis
sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada
Program Studi Ilmu Pengelolaan Hutan
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
12
13
Judul Tesis : KAJIAN KARAKTERISTIK BACKSCATTER ALOS PALSAR RESOLUSI 50 METER DAN 12,5 METER PADA
PERKEBUNAN KARET DAN KELAPA SAWIT Nama : Mukalil
NRP : E151080141
Disetujui
Komisi Pembimbing
Dr. Ir. M. Buce Saleh, M.S. Prof. Dr. Ir. I Nengah Surati Jaya, M.Agr.
Ketua Anggota
Diketahui
Ketua Program Studi Ilmu Pengelolaan Hutan,
Prof. Dr. Ir. Hariadi Kartodihardjo, M.S.
Dekan Sekolah Pascasarjana,
Dr. Ir. Dahrul Syah, M.Sc.Agr
Tanggal Ujian: 23 September 2011 Tanggal Lulus:
(tanggal pelaksanaan ujian tesis) (tanggal penandatanganan tesis oleh
15
PRAKATA
Puji dan syukur penulis panjatkan kehadirat Allah SWT. atas limpahan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan tesis ini. Tesis ini berjudul “Kajian Karakteristik Backscatter Citra ALOS PALSAR Resolusi 50 Meter dan 12,5 Meter pada Perkebunan Karet dan Kelapa Sawit”. Tesis ini merupakan salah satu syarat yang harus dipenuhi untuk memperoleh gelar Magister Sains pada Mayor Ilmu Pengelolaan Hutan pada Sekolah Pascasarjana Institut Pertanian Bogor.
Penulis menyampaikan terima kasih dan penghargaan setinggi-tingginya kepada semua pihak yang membantu dalam penyelesaian tesis ini, terutama:
1. Bapak Dr. Ir. M. Buce Saleh, M.S. dan Bapak Prof. Dr. Ir. I Nengah Surati Jaya, M.Agr. selaku dosen pembimbing dan Ibu Dr. Dra. Nining Puspaningsih, M.Si. selaku dosen penguji yang telah banyak memberikan saran.
2. Rekan-rekan IPH angkatan 2008 dan rekan-rekan serta adik-adik di Laboratorium Fisik Remote Sensing dan Sistem Informasi Geografis FAHUTAN Institut Pertanian Bogor atas bantuan dan dukungannya.
3. Kementerian Kehutanan melalui Pusat Diklat Kehutanan sebagai sponsor, Kepala Balai Diklat Kehutanan Samarinda yang telah memberikan kepercayaan kepada penulis untuk melanjutkan ke jenjang S2.
4. Japan Aerospace Exploration Agency (JAXA) dan Japan International Cooperation Agency (JICA) yang telah memfasilitasi dalam pengadaan citra ALOS PALSAR.
5. Kedua orang tua penulis di Samarinda dan Penajam Paser Utara, istriku tercinta, dan ketiga putra-putriku tersayang yang rela dan sabar menemani ayahandanya serta seluruh keluarga besar penulis atas do’a dan dukungannya.
Penulis menyadari, bahwa tesis ini masih memiliki kelemahan dan kekurangan. Meskipun demikian, penulis berharap tesis ini dapat memberikan kontribusi positif dan bermanfaat bagi kita semua.
17
RIWAYAT HIDUP
Penulis dilahirkan di Samarinda pada tanggal 2 September 1976 dari ayah Karim dan ibu Srikah. Penulis merupakan putra pertama dari tiga bersaudara.
Tahun 1995 penulis lulus dari Sekolah Kehutanan Menengah Atas (SKMA) Samarinda. Pada tahun 2000 penulis meneruskan pendidikan pada jenjang sarjana di Universitas 17 Agustus 1945 Samarinda dan menamatkannya pada tahun 2004. Kesempatan untuk melanjutkan ke program pascasarjana pada Mayor Ilmu Pengelolaan Hutan Institut Pertanian Bogor diperoleh pada tahun 2008. Beasiswa pendidikan pascasarjana diperoleh dari Kementerian Kehutanan Republik Indonesia.
Tahun 1996 penulis mulai bekerja sebagai Pegawai Negeri Sipil di Balai Pendidikan dan Pelatihan Kehutanan Samarinda. Sampai sekarang penulis masih tercatat sebagai staf pada Balai Pendidikan dan Pelatihan Kehutanan Samarinda.
DAFTAR ISI
Halaman
DAFTAR TABEL ... xix
DAFTAR GAMBAR ... xxi
DAFTAR LAMPIRAN ... xxiii
I. PENDAHULUAN 1.1 Latar Belakang ... 1
1.2 Perumusan Masalah ... 3
1.3 Kerangka Pemikiran ... 5
1.4 Tujuan Penelitian ... 7
1.5 Hipotesis Penelitian ... 7
1.6 Manfaat Penelitian ... 7
II. BAHAN DAN METODE 2.1 Tempat dan Waktu Penelitian ... 9
2.2 Data, Software dan Hardware ... 9
2.3 Tahapan Penelitian ... 14
2.3.1 Tahap Persiapan ... 14
2.3.2 Pra-Pengolahan Citra ... 15
2.3.2.1 Mozaik dan Pemotongan Citra ... 15
2.3.2.2 Filtering Citra ... 16
2.3.3 Pengolahan Citra ... 18
2.3.3.1 Pembuatan Citra Komposit ... 18
2.3.3.2 Menghitung Nilai Backscatter ... 19
2.3.3.3 Klasifikasi Citra ... 19
2.3.3.4 Penarikan Plot Contoh ... 22
2.3.4 Pengambilan Data Lapangan ... 23
2.3.5 Pengolahan Data ... 26
2.3.6 Analisis Data ... 29
2.3.6.1 Uji korelasi ... 29
xviii
III. HASIL DAN PEMBAHASAN
3.1 Eksplorasi Data Lapangan ... 33
3.1.1 Peubah Tanaman Perkebunan Karet ... 33
3.1.2 Peubah Tanaman Perkebunan Kelapa Sawit ... 38
3.2 Hubungan antara Peubah Tanaman ... 42
3.3 Nilai Backscatter Citra ALOS PALSAR ... 44
3.4 Klasifikasi Citra ALOS PALSAR ... 47
3.4.1 Resolusi 50 Meter ... 47
3.4.2 Resolusi 12,5 Meter ... 51
3.5 Peubah Tanaman yang Mempengaruhi Nilai Backscatter ... 54
3.5.1 Peubah Tanaman pada Perkebunan Karet ... 54
3.5.2 Peubah Tanaman pada Perkebunan Kelapa Sawit ... 58
3.6 Hubungan Peubah Berpengaruh dan Nilai Backscatter ... 61
3.6.1 Perkebunan Karet ... 61
3.6.2 Perkebunan Kelapa Sawit ... 66
IV. KESIMPULAN DAN SARAN 4.1 Kesimpulan ... 71
4.2 Saran ... 71
DAFTAR PUSTAKA ... 73
xix
DAFTAR TABEL
Halaman
1 Rentang panjang gelombang pada penginderaan jauh ... 9
2 Karakteristik sensor PALSAR ... 13
3 Tahapan kegiatan, input, proses dan output pada kegiatan penelitian ... 14
4 Klasifikasi kelas hasil analisis diskriminan pada perkebunan karet dan kelapa sawit ... 31 5 Nilai peubah tanaman perkebunan karet ... 34
6 Nilai peubah tanaman perkebunan kelapa sawit ... 38
7 Korelasi antar peubah tanaman pada perkebunan karet ... 43
8 Korelasi antar peubah tanaman pada perkebunan kelapa sawit ... 44
9 Nilai backscatter citra ALOS PALSAR perkebunan karet dan kelapa sawit ... 45
10 Hasil klasifikasi kelas nilai backscatter citra ALOS PALSAR resolusi 50 meter pada perkebunan karet ... 55 11 Uji wilks’ lambda dalam pemilihan peubah tanaman karet ... 56
12 Hasil klasifikasi kelas nilai backscatter citra ALOS PALSAR resolusi 12,5 meter pada perkebunan karet ... 57
13 Uji wilks’ lambda dalam pemilihan peubah Peubah tanaman karet ... 58
14 Hasil klasifikasi kelas nilai backscatter citra ALOS PALSAR resolusi 12,5 meter dengan frost filter 7x7pada perkebunan karet ... 58 15 Hasil klasifikasi kelas nilai backscatter citra ALOS PALSAR resolusi 50 meter pada perkebunan kelapa sawit ... 59 16 Hasil klasifikasi kelas nilai backscatter citra ALOS PALSAR resolusi 12,5 meter pada perkebunan kelapa sawit ... 60 17 Hasil klasifikasi kelas nilai backscatter citra ALOS PALSAR resolusi 12,5 meter dengan frost filter 7x7pada perkebunan kelapa sawit ... 61 18 Klasifikasi peubah tanaman karet yang mempengaruhi nilai backscatter citra ALOS PALSAR resolusi 50 meter ... 62 19 Klasifikasi peubah tanaman karet yang mempengaruhi nilai backscatter citra ALOS PALSAR resolusi 12,5 meter ... 64 20 Klasifikasi peubah tanaman karet yang mempengaruhi nilai backscatter citra ALOS PALSAR resolusi 12,5 meter dengan frost filter 7x7 ... 66 21 Klasifikasi peubah tanaman kelapa sawit yang mempengaruhi nilai
backscatter citra ALOS PALSAR resolusi 50 meter ...
xx
22 Klasifikasi peubah tanaman kelapa sawit yang mempengaruhi nilai
backscatter citra ALOS PALSAR resolusi 12,5 meter ... 68 23 Klasifikasi peubah tanaman kelapa sawit yang mempengaruhi nilai
xxi
DAFTAR GAMBAR
Halaman 1 Bagan alir kerangka pemikiran ... 6 2 Peta lokasi penelitian di Provinsi Sumatera Utara ... 10 3 Citra ALOS PALSAR resolusi 50 meter; (a) Polarisasi HH, dan (b)
Polarisasi HV ... 11 4 Citra ALOS PALSAR resolusi 12.5 meter; (a) Polarisasi HH, dan (b)
Polarisasi HV ... 12 5 Citra mozaik; (a) dan (b) sebelum dimozaik, (c) citra setelah mozaik dan
dipotong ukuran lokasi penelitian ... 16 6 Kernel ukuran 7x7 untuk frost filter pada citra resolusi 12,5 meter ... 17 7 Hasil filtering citra ALOS PALSAR resolusi 12,5 meter; (a) sebelum
filtering, dan (b) sesudah filtering ... 18 8 Band sintetis rasio (HH/HV) citra ALOS PALSAR; (a) resolusi 50 meter
dan (b) resolusi 12,5 meter ... 20 9 Band komposit (HH-HV-HH/HV) citra ALOS PALSAR; (a) resolusi 50
meter dan (b) resolusi 12,5 meter ... 21 10 Peta sebaran plot contoh pada areal penelitian ... 22 11 Bentuk plot contoh di lapangan ... 23 12 Bentuk-bentuk reflektansi atau backscatter SAR ... 24 13 Batang kelapa sawit (a) dengan pelepah dan (b) batang tanpa pelepah ... 25 14 Foto LAI perkebunan karet ... 28 15 Foto LAI perkebunan kelapa sawit ... 28 16 Diagram alir tahapan penelitian ... 32 17 Hubungan umur tanaman karet dengan kerapatan tanaman ... 34 18 Hubungan umur tanaman karet dengan (a) diameter tanaman dan (b)
tinggi tanaman ... 35 19 Bentuk pemangkasan batang utama pada perkebunan karet ... 35 20 Hubungan umur karet dengan (a) diameter tajuk dan (b) tebal tajuk ... 36 21 Hubungan umur tanaman karet dengan (a) biomassa dan (b) nilai LAI .... 38 22 Hubungan umur tanaman dengan kerapatan kelapa sawit ... 39 23 Hubungan umur dengan (a) diameter dan (b) tinggi kelapa sawit ... 39 24 Hubungan umur tanaman dengan (a) diameter tajuk dan (b) tebal tajuk
xxii
26 Hubungan umur tanaman dengan (a) biomassa, (b) nilai LAI tanaman kelapa sawit ...
42 27 Hubungan umur tanaman dengan nilai backscatter HH dan HV resolusi
50 meter pada (a) perkebunan karet dan (b) perkebunan kelapa sawit ... 46 28 Hubungan umur tanaman dengan nilai backscatter HH dan HV resolusi
12,5 meter pada (a) perkebunan karet dan (b) perkebunan kelapa sawit .... 47 29 Dendrogram 20 kelas citra ALOS PALSAR resolusi 50 meter ... 48 30 Dendrogram 5 kelas citra ALOS PALSAR resolusi 50 meter ... 48 31 Klasifikasi 5 kelas citra ALOS PALSAR resolusi 50 meter ... 49
32 Kondisi tanaman perkebunan karet; a) tanaman muda, b) dan c) tanaman remaja, d) tanaman tua ...
50 33 Kondisi tanaman perkebunan kelapa sawit; a) tanaman muda, b) tanaman
tua ... 50 34 Dendrogram 20 kelas citra ALOS PALSAR resolusi 12,5 meter tanpa
filtering ...
51
35 Dendrogram 5 kelas citra ALOS PALSAR PALSAR resolusi 12,5 meter tanpa filtering ...
52 36 Dendrogram 20 kelas citra ALOS PALSAR resolusi 12,5 meter dengan
frost filter ...
52
37 Dendrogram 5 kelas citra ALOS PALSAR resolusi 12,5 meter dengan
frost filter ... 53 38 Klasifikasi 5 kelas citra ALOS PALSAR resolusi 12,5 meter ... 53 39 Klasifikasi 5 kelas citra ALOS PALSAR resolusi 12,5 meter dengan frost
filter ... 54 40 Hubungan peubah berpengaruh; (a) diameter tanaman, (b) luas bidang
dasar tanaman dan nilai backscatter HH dan HV resolusi 50 meter pada perkebunan karet ...
62 41 Hubungan peubah berpengaruh; (a) diameter, (b) rasio jarak tanam dan
luas tajuk, (c) biomassa dan nilai backscatter HH dan HV resolusi 12,5 meter pada perkebunan karet ...
63 42 Hubungan peubah berpengaruh; (a) diameter, (b) rasio jarak tanam dan
luas tajuk, (c) biomassa dan nilai backscatter HH dan HV resolusi 12,5 meter dengan frost filter 7x7 pada perkebunan karet ...
65
43 Hubungan diameter tajuk dan nilai backscatter (a) HH dan (b) HV
resolusi 50 meter pada perkebunan kelapa sawit ... 66 44 Hubungan tinggi tanaman dan nilai backscatter (a) HH dan (b) HV
resolusi 12,5 meter pada perkebunan kelapa sawit ... 67 45 Hubungan luas tajuk dan nilai backscatter (a) HH dan (b) HV resolusi
xxiii
DAFTAR LAMPIRAN
Halaman 1 Sebaran nilai backscatter citra ALOS PALSAR resolusi 50 meter pada
plot contoh perkebunan karet ... 77 2 Sebaran nilai backscatter citra ALOS PALSAR resolusi 50 meter pada
plot contoh perkebunan kelapa sawit ... 79 3 Sebaran nilai backscatter citra ALOS PALSAR resolusi 12,5 meter pada
plot contoh perkebunan karet ... 81 4 Sebaran nilai backscatter citra ALOS PALSAR resolusi 12,5 meter pada
plot contoh perkebunan kelapa sawit ... 83 5 Sebaran nilai backscatter citra ALOS PALSAR resolusi 12,5 meter (frost
filter 7x7) pada plot contoh perkebunan karet ... 85 6 Sebaran nilai backscatter citra ALOS PALSAR resolusi 12,5 meter (frost
I. PENDAHULUAN
1.1 Latar Belakang
Posisi Indonesia berada di daerah tropis mengakibatkan hampir sepanjang tahun selalu diliputi awan. Kondisi ini mempengaruhi kemampuan citra optik untuk menghasilkan citra yang bersih dari awan. Hujan yang terjadi hampir sepanjang tahun dan kebakaran hutan yang menimbulkan asap di musim kemarau menjadi kendala citra optik untuk menghasilkan citra yang baik. Sejak tahun 2003 penggunaan citra optik (Landsat) untuk digunakan secara luas dalam pemetaan atau pemantauan tutupan lahan menjadi kurang optimal karena citra landsat mengalami kerusakan pada kanal scan line corrector (SLC), sehingga citra mengalami garis-garis (striping) pada hasil rekamannya.
Satelit radar (radio detecting and ranging) merupakan sensor gelombang mikro (microwave) yang memungkinkan untuk melakukan pengamatan permukaan bumi dengan baik. Sensor ini mampu menembus awan, partikel hujan dan mempunyai sumber energi sendiri sehingga mampu melakukan pencitraan baik siang maupun malam dan pada segala macam cuaca (JAXA 2007). Teknologi radar telah dikembangkan dan banyak satelit radar diluncurkan sejak dioperasikannya SEASAT, yaitu SIR-A, SIR-B, SIR-C, ERS-1, ERS-2, ALMAZ, JERS-1, RADARSAT dan ALOS PALSAR. Penggunaan radar pada frekuensi L-band dan P-L-band telah dilakukan yaitu dalam estimasi perhitungan biomassa hutan untuk mendapatkan hasil perhitungan yang konsisten. Metode yang digunakan melalui pengukuran polarimetrik backscatter SAR (Synthetic Aperture Radar). Sandberg et al. (2011) menyatakan untuk data L-band hasil terbaik diperoleh dengan menggunakan backscatter polarisasi HV dengan kesalahan estimasi root mean square error (RMSE) antara 31% dan 46%. Untuk P-band hasilnya lebih baik daripada L-band. Model menggunakan polarisasi HH atau HV memberikan hasil yang sama, dengan RMSE antara 18% dan 27%, dan nilai-nilai koefisien determinan (r2) adalah antara 70% dan 80%.
dengan band L mampu menembus atau penetrasi ke vegetasi hutan mulai dari daun, ranting, cabang dan bahkan sampai ke batang pohon (Smith 2006). Data citra ALOS PALSAR dapat digunakan untuk pembuatan DEM (Digital Elevation Model), monitoring sumberdaya alam (hutan), monitoring kebakaran hutan, estimasi kandungan biomassa, mengukur kelembaban tanah, monitoring objek-objek buatan, kandungan mineral dan bahkan untuk pencarian pesawat dan kapal yang hilang (Ginting et al. 2003).
Mitchard et al. (2011) melakukan pengukuran perubahan biomassa akibat perambahan hutan dan deforestasi/degradasi di wilayah hutan savana Afrika Tengah menggunakan hubungan nilai backscatter citra JERS-1 (1996) dan PALSAR (2007). Hasilnya memperlihatkan hubungan antara backscatter radar dan biomassa pohon (aboveground biomass = AGB) yang kuat (r2 = 86% untuk ALOS HV untuk plot biomassa, r2 = 95% berhubungan ALOS yang diturunkan biomassa untuk 40 daerah berubah yang diduga oleh JERS-1 HH).
Kemampuan citra ALOS PALSAR menembus vegetasi hutan sampai ke batang pohon atau tumbuhan bawah akan berpengaruh terhadap sinyal pancar balik (backscatter) pada setiap kondisi objek tutupan lahan. Tanaman perkebunan karet dan kelapa sawit memiliki kondisi homogen dan jarak tanam yang sama namun memiliki umur tanaman berbeda. Perbedaan umur tanaman mempengaruhi besaran ukuran dimensi tanaman yang berarti mempengaruhi penetrasi sensor ALOS PALSAR. Perbedaan dimensi tanaman akan memperlihatkan perbedaan kekasaran pada perkebunan karet dan kelapa sawit yang mempengaruhi nilai
backscatter citra ALOS PALSAR. Hal yang penting dikaji disini adalah kondisi dimensi tanaman perkebunan karet dan kelapa sawit mana yang mempengaruhi nilai backscatter citra ALOS PALSAR. Selanjutnya dengan mengetahui dimensi tanaman yang berpengaruh dapat diklasifikasikan kelas dari perbedaan dimensi tersebut.
Citra ALOS PALSAR telah digunakan untuk beberapa kajian, diantaranya adalah menghitung koefisien kalibrasi data citra ALOS PALSAR (Nakamura et al. 2008), akurasi koreksi geometrik untuk normalisasi radiometrik (Small et al.
2008), menghitung kandungan biomassa pohon (Lucas et al. 2006, Mitchard et al.
Citra ALOS PALSAR juga digunakan untuk monitoring bahaya gunung api seperti yang dilakukan oleh para peneliti dari Lembaga Antariksa dan Penerbangan Nasional dalam pemantauan gunung Merapi (LAPAN 2006b).
1.2 Perumusan Masalah
Menurut JICA & IPB (2010) faktor yang mempengaruhi besaran nilai
backscatter pada citra ALOS PALSAR dapat dibedakan dalam dua kelompok besar, yaitu: sistem sensor dan target objeknya. Pada sistem sensor terdapat beberapa faktor yang mempengaruhi besaran nilai backscatter, yaitu: a) panjang gelombang microwave yang digunakan (band X, C, S, L dan P), b) polarisasi (HH, HV, VV, VH), c) sudut pandang dan orientasi, dan d) resolusinya. Faktor yang mempengaruhi nilai backscatter dari target objeknya adalah: a) kekasaran, ukuran dan orientasi objek termasuk didalamnya biomassa, b) konstanta dielektrik (antara lain dapat berupa kelembaban atau kandungan air), c) sudut kemiringan atau slope dan orientasinya (sudut pandang lokal, local incident angle).
Perkebunan karet merupakan jenis tanaman dikotil yang memiliki struktur lengkap, memiliki daun, ranting, cabang dan batang serta akar yang berbanir. Percabangan karet berbentuk kerucut terbalik dengan diameter tajuk yang melebar kesamping dan keatas relatif pendek. Perkebunan kelapa sawit merupakan tanaman monokotil yang hanya memiliki daun dengan pelepah dan batang serta akar serabut kecil-kecil yang tidak tampak dipermukaan tanah. Panjang pelepah kelapa sawit dan sifatnya yang saling menumpuk mampu menutup areal dibawahnya (lantai tanaman).
reflektor permukaan dan reflektor sudut dari vegetasi tanaman karena kemampuan sensor menembus sampai lapisan bawah vegetasi.
Karakteristik perkebunan seperti ini menunjukkan tingkat kekasaran objek berbeda sehingga berpengaruh pada nilai backscatter. Perbedaan kekuatan
backscatter mempengaruhi tingkat kecerahan (brightness) objek dalam citra ALOS PALSAR. Jumlah energi pancar balik sangat tergantung pada beberapa faktor; sinyal yang mengiluminasi (panjang gelombang, polarisasi, sudut pandang dan lain‐lain) dan sifat objek terhadap iluminasi (kekasaran, bentuk, orientasi, konstanta dielektrik dan lain‐lain) (Saleh 2010).
Pemilihan perkebunan karet dan kelapa sawit sebagai objek penelitian karena secara visual pada citra ALOS PALSAR memiliki kesamaan kenampakan dengan beberapa penutupan lahan lain. Perkebunan karet pada citra ALOS PALSAR memiliki warna dominan hijau terang sampai kuning. Kenampakan seperti ini memiliki kesamaan dengan hutan alam atau hutan tanaman. Namun ada juga areal kebun berwarna biru yang menunjukkan tanaman masih muda sehingga kondisi demikian mirip dengan lahan terbuka dan sawah.
Pada citra ALOS PALSAR perkebunan kelapa sawit memiliki kenampakan warna dominan ungu dan dibeberapa areal ada yang berwarna biru gelap, ungu terang sampai pink. Kenampakan ini ada kesamaan dengan lahan kosong atau hutan tanaman muda.
Menurut Awaya (2009) menyatakan terjadinya perbedaan kenampakan kecerahan pada perkebunan karet dan kelapa sawit disebabkan adanya perbedaan kelas umur dan kandungan biomassa. Perkebunan karet dan kelapa sawit di beberapa wilayah di Indonesia memiliki batas dan/atau berada di dalam kawasan hutan, menjadi penting untuk mempelajari karakteristik kedua objek tutupan lahan ini agar tidak terjadi kesalahan penafsiran.
Kondisi dimensi tanaman perkebunan karet dan kelapa sawit di atas, menimbulkan pertanyaan dalam penelitian ini; variabel apa saja dari dimensi tanaman perkebunan karet dan kelapa sawit yang mempengaruhi nilai backscatter
Karakteristik perkebunan karet dan kelapa sawit yang mempengaruhi
backscatter ini penting untuk dipahami karena akan membantu interpreter dalam mengklasifikasikan kelas penutupan lahan setiap objek terutama bila menggunakan citra ALOS PALSAR.
1.3 Kerangka Pemikiran
Penginderaan jauh pada prinsipnya mengenal dua sistem dalam mengindera permukaan bumi, yaitu penginderaan dengan sensor pasif dan sensor aktif. Penginderaan jauh sistem pasif adalah suatu sistem yang memanfaatkan energi almiah (sinar matahari), dimana sebagian besar data penginderaan jauh didasarkan pada energi matahari (Purwadhi 2001). Alat perekam datanya merupakan sistem
multispectral scanner yang bekerja dalam selang cahaya tampak sampai inframerah termal atau dikenal dengan sistem optik. Panjang gelombang yang digunakan pada penginderaan jauh pasif 0,4 µm ~ 12 µm (Jaya 2009).
Sistem aktif menggunakan gelombang mikro (microwave) yang mempunyai panjang gelombang lebih panjang (30 mm ~ 300 mm) dengan frekuensi 1 GHz ~ 10 GHz dan dikenal dengan microwave remote sensing atau pencitraan radar (radar imaging). Sistem aktif pada umumnya berupa saluran tunggal (single channel) yang mempunyai kelebihan dibandingkan dengan sistem optik dalam hal mampu menembus awan dan dapat dioperasikan pada malam hari karena tidak tergantung pada sinar matahari. Sistem aktif menggunakan sumber energi buatan yang dipancarkan ke permukaan bumi dan direkam nilai pantulnya oleh sensor (Jaya 2009).
Untuk mengetahui atau mengidentifikasi peubah yang berpengaruh terhadap perbedaan nilai backscatter di perkebunan karet dan kelapa sawit maka digunakan analisis diskriminan. Selanjutnya peubah yang berpengaruh dapat digunakan untuk mengklasifikasikan kelas perkebunan karet dan kelapa sawit sebagai objek dalam penelitian ini. Secara lengkap kerangka pemikiran dari penelitian ini seperti pada gambar 1.
Gambar 1 Bagan alir kerangka pemikiran Penginderaan Jauh
Klasifikasi Tutupan Perkebunan Karet & Kelapa
Sawit
Optik (Sistem Pasif)
Analisis Diskriminan Peubah Dimensi Tanaman
Apakah yang Mempengaruhi Nilai Backscatter?
Peubah-peubah yang Paling Signifikan
Radar (Sistem Aktif)
Karakteristik Fisik Vegetasi; - kerapatan, ukuran, bentuk
pohon, cabang, ranting, daun/tajuk
- kondisi tumb. bawah - kondisi permukaan lantai
tanaman - biomassa
Variasi Nilai Backscatter
1.4 Tujuan Penelitian
Penelitian ini mempunyai tujuan mengidentifikasi peubah dimensi tanaman pada perkebunan karet dan kelapa sawit yang mempengaruhi nilai backscatter
citra ALOS PALSAR resolusi 50 meter dan 12,5 meter.
1.5 Hipotesis Penelitian
Dalam penelitian ini akan membuktikan bahwa dimensi tanaman pada perkebunan karet dan kelapa sawit mempengaruhi perbedaan nilai backscatter
citra ALOS PALSAR resolusi 50 meter dan 12,5 meter.
1.6 Manfaat Penelitian
II. BAHAN DAN METODE
2.1 Tempat dan Waktu Penelitian
Penelitian ini dilaksanakan di wilayah Kabupaten Simalungun, Kabupaten Serdang Bedagai, Kabupaten Asahan dan Kota Pematang Siantar Provinsi Sumatera Utara. Terletak pada 98º57’50,78” BT ~ 99º30’11,50” BT dan 2º46’30,48” LU ~ 3º18’55,07” LU. Pengolahan dan analisis data dilaksanakan di Laboratorium Fisik Remote Sensing dan Sistem Informasi Geografis Fakultas Kehutanan Institut Pertanian Bogor.
Penelitian dimulai Juli 2010 sampai dengan Mei 2011 meliputi persiapan, pelaksanaan penelitian, pengolahan dan analisis data, dan penulisan tesis.
2.2 Data, Software dan Hardware
[image:35.612.88.518.487.715.2]Penelitian ini menggunakan citra radar dengan menggunakan spektrum panjang gelombang L-band 19,3 ~ 76,9 cm (Tabel 1). Radar merupakan sensor sistem aktif yang mempunyai kelebihan dalam hal mampu menembus awan dan dapat dioperasikan pada malam hari karena tidak tergantung pada sinar matahari. Radar mulai dikembangkan sejak tahun 1960-an untuk kepentingan sipil (Avery & Berlin 1985, Henderson & Merchant 1978, Sabins 1978).
Tabel 1 Rentang panjang gelombang pada penginderaan jauh
Spektrum Panjang Gelombang
Penginderaan jauh optik (band reflektif)
Biru 400 ~ 500 nm
Hijau 500 ~ 600 nm
Merah 600 ~ 700 nm
NIR 700 ~ 1000 nm
MIR 1000 ~ 3000 nm
Penginderaan jauh optik (band radiatif)
TIR 3000 ~ 15000 nm
Penginderaan jauh mikro (radar)
Radar 1 mm (1000000 nm) ~ 1 m
K 0.83 ~ 2.75 cm
X 2.75 ~ 4.84 cm
C 4.84 ~ 7.69 cm
S 7.69 ~ 19.3 cm
L 19.3 ~ 76.9 cm*)
P 77.0 ~ 133 cm
Sumber: Jaya 2009
(a)
[image:37.612.124.472.83.719.2](b)
(a)
[image:38.612.108.443.85.727.2](b)
Data yang digunakan berupa data citra ALOS PALSAR resolusi 50 meter dan 12,5 meter tahun liputan 2009. ALOS (Advanced Land Observing Satellite) adalah satelit milik pemerintah Jepang merupakan satelit generasi lanjutan dari JERS-1 dan ADEOS yang dilengkapi dengan teknologi yang lebih maju, yaitu teknologi yang mampu mengerjakan data dalam kapasitas yang sangat besar dengan kecepatan tinggi dan kapasitas untuk menentukan posisi satelit dan ketinggian yang lebih tepat. Satelit ALOS dilengkapi dengan sensor PALSAR (Phased-Array type L-band Synthetic Aperture Radar) menggunakan frekuensi L-band untuk pengamatan cuaca dan permukaan daratan pada siang dan malam hari (JAXA2007). Karakteristik sensor PALSAR seperti tersaji pada Tabel 2.
Tabel 2 Karakteristik sensor PALSAR
Mode Fine ScanSAR
Polarimetric (Experimenta l mode)*1
Frekuensi 1270 MHz (L - BAND)
Lebar Kanal 28 MHz 14 MHz 14 MHz, 28 MHz 14 MHz
Polarisasi HH atau HV HH + HV atau VV + VH
HH atau VV HH + HV +
VH + VV Incident Angle 8 - 60 derajat 8 - 60 derajat 18 - 43 derajat 8 - 30 derajat Resolusi Spasial 7 - 44 m 14 - 88 m 100 m (multi look) 24 - 89 m Lebar Cakupan 40 - 70 km 40 - 70 km 250 - 350 km 20 - 65 km
Panjang bit 5 bit 5 bit 5 bit 3 bit / 5 bit
Data rata-rata 240 Mbps 240 Mbps 120 Mbps,240 Mbps 240 Mbps
NE Sigma 0*2 < - 23 dB (70 km) < -25 dB (60 km)
< - 25 dB < - 29 dB
S/A*2,*3 < 16 dB (70 km)
< 21 dB (60 km)
< 21 dB < 19 dB
Akurasi radiometrik
scene: 1 dB / orbit: 1,5 dB
Ukuran Antena AZ: 8.9 m x EL: 2,9 m
Sumber: JAXA (2007)
Catatan: PALSAR tidak dapat mengamati kawasan di luar 87,8º LU dan 75,9 º LS ketika
sudut off-nadir adalah 41,5º
* 1 karena konsumsi daya, waktu operasi akan dibatasi.
* 2 berlaku untuk off-nadir sudut 34,3º. (Fine mode), 34,1º (ScanSAR mode),
21,5º (polarimetrik mode)
* 3 level S/A dapat memburuk akibat perubahan teknik di PALSAR.
notebook. Software yang digunakan untuk pengolahan dan analisis citra berbasis GIS (ArcView 3.2 dan Erdas Imagine 9.1), software Hemiview 2.1 untuk menghitung nilai leaf area index (LAI) serta software pengolah data Microsoft Excel dan SPSS Statistics 17.0.
2.3 Tahapan Penelitian 2.3.1 Tahap Persiapan
Kegiatan yang dilakukan pada tahap persiapan yaitu melakukan pengumpulan data dan literatur yang meliputi:
1) data citra ALOS PALSAR resolusi 50 meter (Gambar 3) dan resolusi 12,5 meter liputan tahun 2009 (Gambar 4),
2) peta Rupa Bumi Indonesia (RBI), dan
[image:40.612.93.490.382.750.2]3) buku-buku, laporan atau jurnal yang menunjang penelitian. Tahapan penelitian secara singkat tersaji dalam Tabel 3.
Tabel 3 Tahapan kegiatan, input, proses dan output pada kegiatan penelitian
Kegiatan Input Proses Output
1.Tahap persiapan -Pengumpulan data citra,
peta RBI dan penelusuran literatur
Pengumpulan data dari JAXA, Bakosurtanal, laboratorium remote sensing FAHUTAN IPB, Perpustakaan IPB, download di internet dan sumber lain
-Citra PALSAR res.
50m & 12,5m ‘09
-Peta RBI skala 1 :
50.000
-Peta adm. wilayah
-Buku-buku, jurnal
& laporan
2.Pra-pengolahan
citra
-Citra ALOS PALSAR
resolusi 50m & 12,5 m tahun 2009
- Mozaik citra & clip area
- Filtering citra
Citra ALOS PALSAR
3.Pengolahan citra-Citra ALOS PALSAR
hasil pra pengolahan; resolusi 50m dan 12,5m
- Pembuatan band sintetis
- Klasifikasi tidak terbimbing
- Menghitung nilai backscatter
( ° =10 x log10 (DN2) + CF)
- penentuan titik plot contoh
-Peta kebun Kelapa
Sawit dan Karet,
-Titik plot contoh
-Backscatter citra
4.Pengambilan
data lapangan
-Peta kebun Kelapa Sawit
& Karet
-Titik plot contoh
- Pembuatan plot contoh
lingkaran; radius 17,85 m (tan. tua), 11,8m (tan. remaja) dan 7,9m (tan. muda)
- Pengukuran dan pencatatan
data dimensi tanaman
Titik-titik plot dan data dimensi tanaman
5.Pengolahan data
lapangan
-Titik plot contoh &
data dimensi tanaman
-Persamaan alometrik
Kelapa Sawit & Karet
a) LBDS =
Lp n
1
i= ¼.π.D²
b) V =
Lp n
1
i= ¼.π.D².H
Tabel 3 (lanjutan)
c) LTjk =
Lp 1 2 tjk .D ¼. = n i π
d) Rasio jarak tan. & luas tajuk:
Rtjk =
e) Biomassa Karet (W):
= Lp 1 2.4440 D * 0,0124 = n i
f) Biomassa Sawit (W): f.1diameter dgn pelepah
=
Lp n
i=1
1,33 H 1,51 D -5 2,14exp
f.2 diameter tanpa pelepah
= Lp n 1 i 1,47 H 1,11 Dp -5 7,08exp =
g) Nilai LAI (dengan software
Hemiview 2.1)
6.Analisis data -Nilai backscatter citra ALOS PALSAR
Penentuan variabel yang mempengaruhi nilai
backscatter; - Analisis korelasi, - Analisis diskriminan
Dimensi tanaman yg mempengaruhi nilai backscatter
-Peubah dimensi tanaman yang berpengaruh
Klasifikasi kelas perkebunan karet & kelapa sawit berdasarkan peubah dimensi tanaman
Kelas klasifikasi dimensi tanaman perkebunan karet & kelapa sawit
2.3.2 Pra-Pengolahan Citra
2.3.2.1 Mozaik dan Pemotongan Citra
Mozaik citra dilakukan karena lokasi penelitian ini terdiri dari dua scene
[image:41.612.99.526.119.513.2](a) (b)
[image:42.612.93.501.71.566.2](c)
Gambar 5 Citra mozaik; (a) dan (b) sebelum dimozaik, (c) citra setelah mozaik dan dipotong ukuran lokasi penelitian.
2.3.2.2 Filtering Citra
Data citra ALOS PALSAR biasanya mengalami pelemahan (fading) dan
suppression (filtering citra) yaitu proses untuk mengurangi atau menghilangkan bintik yang terjadi pada citra radar.
Pada penelitian ini untuk citra ALOS PALSAR resolusi 50 meter tidak dilakukan filtering karena tidak mengalami gangguan (noise). Sedangkan untuk resolusi 12,5 meter dilakukan filtering menggunakan frost filter dengan kernel berukuran 7x7 (Gambar 6).
X1 X2 X3 X4 X5 X6 X7
Y1
Y2
Y3
Y4
Y5
Y6
Y7
Gambar 6 Kernel ukuran 7x7 untuk frost filter pada citra resolusi 12,5 meter. Frost filtermenggantikan nilai piksel tujuan dengan jumlah nilai tertimbang (rataan) dari beberapa kernel nxn di sekitarnya dan terus bergerak menyapu semua piksel dalam citra. Perhitungan setiap nilai piksel tujuan menggunakan persamaan sebagai berikut:
−
=
nxn
t
e
K
α
αDN ... (1)
dimana,
=
2
I
4 2
2
n
... (2) Keterangan:
K = normalization constant = local mean
= local variance
= image coefficient of variation value
rata-rata
keragaman
=
σ ... (3)
t = X−X0 + Y−Y0 ... (4) X, Y = posisi koordinat piksel ke-i terhadap piksel tujuan (pusat kernel) X0,Y0 = piksel tujuan (pusat kernel)
n = ukuran kernel (Lopes et al. 1990)
Alasan dipilihnya frost filter dengan kernel 7x7 karena filter ini mampu mereduksi bintik-bintik (noise) pada citra resolusi 12,5 meter, sehingga citra tersebut dapat diklasifikasikan secara visual dengan baik (Gambar 7). Mansourpour et al.(___) menyatakan bahwa frost filter memiliki mean square error (MSE) atau standar deviasi yang rendah dan nilai signal-to-noise ratio
(SNR) tertinggi. Frost filter melakukan filter yang lebih baik dibanding filter lain terutama untuk menjaga informasi tepi.
[image:44.612.91.493.122.757.2](a) (b)
Gambar 7 Hasil filtering citra ALOS PALSAR resolusi 12,5 meter; (a) sebelum filtering, dan (b) sesudah filtering
2.3.3 Pengolahan Citra
2.3.3.1 Pembuatan Citra Komposit
2.3.3.2 Menghitung Nilai Backscatter
Koefisien backscattermerupakan ukuran kuantitatif kekuatan sinyal pancar balik radar dari obyek. Ukuran backscatter sama seperti reflektansi pada sistem optik dan nilainya berlainan tergantung jenis obyeknya. Koefisien backscatter
ALOS PALSAR ( °) resolusi 50 meter maupun 12,5 meter pada polarisasi utamanya (HH dan HV) dihitung menggunakan persamaan berikut:
° = 10*log10 (DN2) + CF (Shimada et al. 2009) ... (5) Keterangan:
° = Koefisien backscatter dalam desibel (db) DN = Digital Number
CF = Corection Factor (-83)
Nilai backscatter tiap titik plot contoh merupakan nilai rataan dari beberapa piksel di dalam bufer plot tersebut. Untuk citra ALOS PALSAR resolusi 50 meter radius bufer adalah 3 x 3 piksel dan 9 x 9 piksel untuk resolusi 12,5 meter.
2.3.3.3 Klasifikasi Citra
Citra ALOS PALSAR selanjutnya diklasifikasikan dengan metode klasifikasi tidak terbimbing (unsupervised classification). Klasifikasi tidak terbimbing dalam pembentukan kelas-kelasnya (cluster)dikerjakan oleh komputer yang sangat tergantung dari data pada citra. Klasifikasi ini mengelompokkan piksel-piksel berdasarkan kesamaan atau kemiripan nilai spektralnya. Analis hanya menentukan jumlah kelas (cluster) yang akan dibuat (Jaya 2009).
Klasifikasi diawali dengan membuat 20 kelas, selanjutnya kelas yang memiliki jarak nilai terdekat dikelompokkan menjadi satu kelas. Proses klasifikasi menggunakan metode rata-rata bergerak (migrating means) atau dikenal dengan istilah metode K-mean clustering. Agar memudahkan melakukan pengkelasan berdasarkan tingkat kemiripan dari masing-masing ukuran kelas yang digunakan, maka diperlukan teknik untuk menyusun urutan pengklasifikasian kelas yang dinamakan dendrogram.
(a)
[image:46.612.89.445.87.723.2](b)
(a)
[image:47.612.109.475.83.724.2](b)
2.3.3.4 Penarikan Plot Contoh
[image:48.612.95.486.270.734.2]Plot contoh letaknya ditentukan dengan purposive sampling berdasarkan kelas nilai backscatter citra ALOS PALSAR pada perkebunan karet dan kelapa sawit. Posisi plot contoh ditentukan berada dalam bufer jalan dengan radius 500 meter. Jarak antar plot contoh minimal 300 meter (6 piksel) agar tidak terjadi tumpang tindih (overlay) dengan plot sebelahnya. Jumlah plot contoh yang dibuat sebanyak 108 plot, terdiri dari 57 plot pada perkebunan karet dan 51 plot di perkebunan kelapa sawit. Sebaran plot contoh di perkebunan karet dan kelapa sawit seperti disajikan pada Gambar 10.
2.3.4 Pengambilan Data Lapangan
Perkebunan karet dan kelapa sawit memiliki kondisi tanaman yang homogen, jarak tanam sama dan tahun tanam yang sama pada setiap petak tanam. Kondisi perkebunan demikian maka pengambilan data dimensi tanaman dilakukan dengan membuat plot contoh berbentuk lingkaran. Plot contoh dibuat dengan radius 17,85 meter (0,1 ha) untuk tanaman tua atau diameter batang lebih dari 10 cm, radius 11,8 meter (0,04 ha) untuk tanaman umur remaja dan radius 7,9 meter (0,02 ha) untuk tanaman muda berdiameter kurang dari 10 cm (Gambar 11).
Gambar 11 Bentuk plot contoh di lapangan
Pengumpulan data lapangan pada setiap plot contoh berupa dimensi tanaman pada perkebunan karet dan kelapa sawit yang mempengaruhi nilai
backscatter pada citra ALOS PALSAR. Purwadhi (2001) menyatakan intensitas atau kekuatan tenaga balik (backscatter) pada dasarnya dipengaruhi oleh sifat objek yang diindera dan sistem sensor radar. Objek yang diindera akan mempengaruhi tingkat kekasaran permukaan objek tersebut.
Permukaan vegetasi hutan, perkebunan dan daerah bebatuan menghasilkan pancaran baur atau reflektansi kesegala arah (diffuse reflector) yang menyebabkan kenampakan kecerahan yang tinggi pada citra radar. Permukaan halus berupa air yang tenang, tanah yang datar dan diperkeras terjadi reflektansi cermin atau arah pancaran berlawanan dengan arah datangnya sinar (specular reflector). Pada reflektansi ini menyebabkan citra radar berwarna gelap. Pancaran sudut (corner reflector) menyebabkan kenampakan cerah yang tinggi dan melebar, terjadi pada objek yang bersudut seperti bangunan gedung bertingkat, lereng yang terjal (cliff).
17,85 m
11,8 m
Kekasaran permukaan objek ditentukan oleh beda tinggi rata-rata (h) objek terhadap panjang gelombang ( ). Permukaan halus menunjukkan beda tinggi rata-rata objek lebih kecil dari panjang gelombang λ , dimana = sudut depresi antena.
Beberapa bentuk reflektansi karena perbedaan kekasaran permukaan objek disajikan pada Gambar 12.
Gambar 12 Bentuk-bentuk reflektansi atau backscatter SAR
Untuk mengetahui tingkat kekasaran objek, baik diperkebunan karet maupun diperkebunan kelapa sawit maka dikumpulkan data-data mengenai peubah tanaman dan kondisi lapangan yang meliputi:
1) Titik koordinat pusat plot contoh; untuk mendapatkan posisi koordinat x dan y
plot contoh di lapangan diambil menggunakan Global Position System (GPS), 2) Jenis dan umur tanaman; dalam hal ini meliputi jenis tanaman karet dan
kelapa sawit berdasarkan tahun tanam,
diameter diukur pad pengukuran diamete Pada tanaman muda dengan pelepah, sed (Gambar 13).
Gambar 13 Bata pele 4) Tinggi total; merup
tajuk tanaman yang s 5) Diameter tajuk; mer
arah Utara-Selatan d 6) Tebal tajuk; diukur yang masih berdaun 7) Jarak tanam; merup
perpotongan (90º) U 8) Arah lajur; merupak
terlebar,
9) Jenis penutupan di b di bawah tanaman ta 10)Jumlah pelepah; me sawit untuk melihat k
ada pangkal batang. Khusus untuk tanaman ke ter tanaman berbeda antara tanaman muda dan tan
da pengukuran diameter tanaman dilakukan pa edangkan tanaman tua diameter yang diukur tanp
atang kelapa sawit (a) dengan pelepah dan (b) bata elepah
upakan tinggi tanaman dari pangkal batang sam g sejajar tanah,
erupakan diameter rata-rata tajuk yang diukur dua dan Barat-Timur,
ur dari pangkal bebas cabang (karet) atau pangk n (sawit) sampai ujung tajuk (sejajar tanah), upakan jarak tanam antar tanaman yang diukur p
Utara-Selatan dan Barat-Timur,
akan arah jalur tanam yang ditentukan dengan ja
i bawah tanaman; adanya jenis-jenis tanaman pen tanaman utama,
erupakan banyaknya pelepah yang terdapat pad at kerapatan tajuk tanaman sawit,
a
b
kelapa sawit tanaman tua. pada batang anpa pelepah
atang tanpa
ampai ujung
ua kali pada
gkal pelepah
r pada posisi
jarak tanam
enutup tanah
11)Kemiringan lapangan (slope); merupakan beda tinggi pada pusat plot dengan kondisi di sekitarnya,
12)Aspect; arah kemiringan lapangan yang ditentukan dari pusat plot contoh, 13)Foto LAI (Leaf Area Index); Foto LAI diambil menggunakan kamera yang
dilengkapi dengan lensa fish eye. Pengambilanfoto LAI dengan mengarahkan lensa kamera ke atas sejajar tanah sehingga yang terpotret adalah tajuk-tajuk tanaman, dan
14)Foto lapangan plot contoh; diambil sebanyak empat kali dimulai dari arah Utara, Timur, Selatan dan Barat dengan maksud untuk mengetahui kondisi setiap plot contoh.
2.3.5 Pengolahan Data
Data yang diperoleh dari lapangan selanjutnya di rekap dan dilakukan perhitungan untuk mengetahui data setiap plot contoh:
1) Posisi koordinat plot contoh sebenarnya dari GPS (koordinat dapat bergeser dari yang telah ditentukan)
2) Nilai rata-rata diameter, rata-rata tinggi tanaman, rata-rata lebar tajuk, rata-rata tebal tajuk dan rata-rata jumlah pelepah (sawit) pada tiap plot,
3) Jarak tanam dan jumlah tanaman setiap plot, yang selanjutnya digunakan untuk menghitung kerapatan tanaman (K), yaitu dengan membandingkan jumlah tanaman dalam plot dengan luas plot.
!" #!$! !$ %! ! & '#
( !) & '# *'$#'" +!
... (6)
4) Luas bidang dasar per hektar (m2/ha); dengan memanfaatkan diameter tanaman dapat dihitung menggunakan persamaan:
LBDS =
Lp .D² ¼.
n 1 i= π
... (7) Keterangan:
LBDS = Luas bidang dasar per hektar (m2/Ha) = Pi (3,14)
5) Volume tanaman per hektar (m3/ha); dihitung berdasarkan diameter dan tinggi tanaman setiap plot menggunakan persamaan umum, yaitu:
V = Lp .D².H ¼. n 1 i= π
... (8) Keterangan:
V = volume tanaman per hektar (m3/ha) = Pi (3,14)
D = diameter tanaman setinggi dada (130 cm) (meter) H = tinggi tanaman total (meter)
Lp = luas plot contoh (Ha)
6) Luas tajuk per hektar (m2/ha); dengan memanfaatkan diameter tajuk dihitung menggunakan persamaan:
LTjk =
Lp .D ¼. 1 2 tjk = n i π ... (9) Keterangan:
LTjk = Luas bidang dasar per hektar (m2/ha)
= Pi (3,14)
Dtjk = diameter tajuk tanaman (m)
Lp = luas plot contoh (Ha)
7) Rasio jarak tanam dan luas tajuk (Rtjk); untuk melihat penutupan tajuk setiap
individu tanaman dalam plot contoh, jika nilai Rtjk < 1 berarti areal plot contoh
tertutup tajuk dan jika nilai Rtjk > 1 berarti areal plot contoh terbuka. Untuk ini
dapat dihitung dengan persamaan: Rtjk = ( !) ,!-!. #!$!
/
( !) #!, . #!$! !$ ... (10)
8) Biomassa tanaman per hektar; merupakan biomassa di atas permukaan tanah yang dihitung menggunakan persamaan sebagai berikut:
a. Tanaman Karet, dihitung dengan persamaan Yulyana (2005); W = Lp D * 0,0124 1 2.4440 = n i ... (11) Keterangan:
W = biomassa tanaman (kg)
b. Tanaman Sawit, dihitung W = Lp D exp 2,14 1 5 -= n i W = Lp D exp 7,08 n 1 i 5 -= Keterangan:
W = biomassa tanam D = diameter tanam Dtp = diameter tanam
H = tinggi total tan Lp = luas plot conto 9) Nilai LAI; nilai ini berupa i dalam software Hemiview
berdasarkan kondisi objek LAI di perkebunan karet (G
Tanaman muda
Gam
Tanaman muda Gamba
ng dengan persamaan Yulianti (2009); H
D1,51 1,33
... ( H
Dtp1,11 1,47
...
aman (kg)
aman setinggi dada (130 cm) dengan pelepah (cm aman setinggi dada (130 cm) tanpa pelepah (cm) anaman (cm)
toh (Ha)
a indek yang diperoleh dengan menginput foto LA
ew 2.1. Nilai indek akan keluar secara otom ek setelah proses pada software selesai. Contoh (Gambar 14) dan kelapa sawit (Gambar 15).
Tanaman remaja Tanaman tua
ambar 14 Foto LAI perkebunan karet
Tanaman remaja Tanaman tua
bar 15 Foto LAI perkebunan kelapa sawit
.. (12)
... (13)
m)
LAI ke tomatis h foto
tua
10) Data kemiringan (slope) dan arah kemiringan (aspect), merupakan data kualitatatif dan akan dijadikan data kuantitatif dengan membuat skor pada masing-masing variabel tersebut:
a. Skor slope; plot contoh yang memiliki slope 0 ~ 8 diberi skor nol, 9 ~ 20 diberi skor satu dan > 20 diberi skor dua. Hal ini karena pada daerah dengan slope yang tinggi akan menyebabkan tingkat kecerahan pada PALSAR yang tinggi.
b. Skor aspect; plot contoh yang memiliki kemiringan ke arah Barat dan Utara akan diberi skor satu dan plot yang tidak memiliki kemiringan dan kemiringan ke arah Timur dan Selatan diberi skor nol. Hal ini didasarkan karena sensor bergerak dari utara ke selatan dan menghadap ke Timur, jadi pada sebelah Barat akan tampak lebih cerah dan disebelah timur tampak sebagai bayangan (JICA & IPB 2010).
2.3.6 Analisis Data
2.3.6.1 Uji Korelasi
Data-data lapangan yang dikumpulkan merupakan peubah-peubah yang mempengaruhi nilai backscatter citra ALOS PALSAR selanjutnya disebut sebagai peubah penjelas. Untuk mengetahui keeratan hubungan antar peubah penjelas dilakukan uji korelasi. Hasil uji korelasi peubah-peubah penjelas ditunjukkan dengan besarnya nilai koefisien korelasi (r), nilai ini tidak menggambarkan hubungan sebab akibat antar peubah penjelas tetapi lebih menggambarkan keterkaitan linier antar peubah (Mattjik & Sumertajaya 2006).
Koefisien korelasi dinotasikan dengan r, nilainya berkisar antara -1 dan 1 (-1 r 1). Nilai r mendekati +1 atau -1 menunjukkan semakin erat hubungan linier antara kedua peubah, sedangkan nilai r yang mendekati nol menggambarkan hubungan kedua peubah tersebut tidak linier (Mattjik & Sumertajaya 2006). Tanda + atau - hanya menunjukkan arah hubungan. Nilai r = +1 menunjukkan hubungan positip sempurna, sedangkan r = -1 menunjukkan hubungan negatip sempurna. Nilai r tidak mempunyai satuan atau dimensi.
Hipotesis pada uji korelasi peubah dimensi tanaman adalah jika Ho : r
tanaman (terima Ho)dan jika H1 : r > 0,7071 maka ada hubungan yang kuat antar
peubah tanaman (terima H1). Nilai r = 0,7071 adalah akar dari nilai koefisien
determinan (r2) 50%, artinya jika nilai r lebih besar maka ada hubungan yang kuat antar peubah tanaman. Nilai r dapat dicari dengan menggunakan persamaan sebagai berikut:
− −
− =
] 2 y) ( ) 2 y ][n( 2 x) ( ) 2 x [n(
y x xy n xy
r ... (14)
Keterangan:
rxy = koefisien korelasi
X = nilai peubah pertama (peubah bebas) Y = nilai peubah ke dua (peubah terikat) N = banyaknya sampel
2.3.6.2 Identifikasi peubah tanaman yang mempengaruhi backscatter
Untuk mengidentifikasi peubah tanaman yang mempengaruhi nilai
backscatter perkebunan karet dan kelapa sawit pada citra ALOS PALSAR digunakan analisis diskriminan. Analisis diskriminan merupakan teknik menganalisis data dimana peubah respon merupakan kategori (non-metrik, nominal atau ordinal, bersifat kualitatif) sedangkan peubah penjelas sebagai prediktor merupakan metrik (interval atau rasio, bersifat kuantitatif). Tujuan analisis diskriminan adalah menentukan kombinasi dari prediktor atau peubah tanaman yang mempengaruhi perbedaan nilai backscatter pada perkebunan karet dan kelapa sawit.
Metode yang paling umum untuk melakukan analisis diskriminan adalah metode analisis diskriminan bertahap (stepwise diskriminant analysis). Metode
stepwise melakukan pendekatan terhadap peubah penjelas yang dimasukkan satu per satu dalam analisis. Metode stepwise tepat untuk menentukan peubah penjelas yang memiliki pengaruh dominan sehingga terpilih peubah diskriminan (Suliyanto 2005). Hasil dari analisis ini adalah peubah penjelas yang memberikan kontribusi paling besar dalam membedakan antar kelas pada perkebunan karet dan kelapa sawit.
Di = b0 + b1Xi1 + b2Xi2 + b3Xi3 + ... + bjXij ...(15)
Keterangan:
Di = nilai diskriminan dari responden (objek) ke-i.
Xij = variabel ke-j dari responden ke-i.
bj = koefisien diskriminan dari variabel ke-j.
Validitas hasil analisis diskriminan pada perkebunan karet dan kelapa sawit berdasarkan peubah berpengaruh disajikan seperti Tabel 4 berikut:
Tabel 4 Klasifikasi kelas hasil analisis diskriminan pada perkebunan karet dan kelapa sawit
Kelas Klasifikasi Prediksi Anggota Kelompok Total
I II III
Jumlah
I Y1Y1 Y1Y2 Y1Y3 Y1
II Y2Y1 Y2Y2 Y2Y3 Y2
III Y3Y1 Y3Y2 Y3Y3 Y3
Persentase
I Y1Y1/ Y1 Y1Y2/ Y1 Y1Y3/ Y1 %Y1
II Y2Y1/ Y2 Y2Y2/ Y2 Y2Y3/ Y2 %Y2
III Y3Y1/ Y3 Y3Y2/ Y3 Y3Y3/ Y3 %Y3
Untuk mengetahui validitas analisis diskriminan dilakukan dengan uji validasi yang pada hakekatnya adalah membandingkan antara kategori hasil observasi (senyatanya) dengan kategori yang dihasilkan oleh analisis diskriminan (Suliyanto 2005). Semakin banyak kesesuaian antara kategori aktual dengan kategori hasil analisis diskriminan maka semakin baik validitas analisis diskriminan tersebut. Hal ini ditunjukkan dengan persentase antara jumlah pengelompokan yang benar (hasil persamaan diskriminan) dengan jumlah plot contoh yang digunakan disebut hit ratio. Nilai hit ratio dihitung dengan persamaan sebagai berikut:
Hit ratio = (nbenar : N) x 100% ... (16)
Keterangan:
nbenar = jumlah contoh dengan alokasi prediksi yang benar
2.3.6.3 Klasifikasi kelas perkebunan karet dan kelapa sawit
Hasil analisis diskriminan adalah terpilihnya peubah tanaman perkebunan karet dan kelapa sawit yang mempengaruhi nilai backscatter. Peubah tersebut selanjutnya digunakan untuk mengklasifikasikan kelas perkebunan karet dan kelapa sawit. Kelas klasifikasi adalah perbedaan ukuran peubah tanaman pada perkebunan karet dan kelapa sawit yang membedakan nilai backscatter citra. Klasifikasi dilakukan dengan membagi kelas peubah tanaman yang berpengaruh sebanyak kelas yang mampu dibedakan oleh nilai backscatter citra ALOS PALSAR.
[image:58.612.87.487.111.729.2]Tahapan dari kegiatan penelitian mulai dari pengumpulan data, pengolahan citra, pengumpulan dan pengolahan data lapangan, dan analisis data, tersaji dalam skema tahapan kegiatan penelitian Gambar 16.
Gambar 16 Diagram alir tahapan penelitian
Clustering Citra
Field Atribut Joins Data Dimensi
Tanaman Pengambilan Data
Lapangan
Re-Clustering Citra
Analisis Diskriminan
Hasil & Akurasi
Dimensi Tanaman
yang Berpengaruh Selesai
Kelas Klasifikasi Karet & Kelapa Sawit Citra ALOS
PALSAR 50 M
Citra ALOS PALSAR 12,5 M
Speckle Suppression (Filtering Citra) Data Citra ALOS
PALSAR
III. HASIL DAN PEMBAHASAN
3.1 Eksplorasi Data Lapangan
Kondisi lapangan perkebunan karet dan kelapa sawit pada lokasi penelitian umumnya relatif datar. Hanya sedikit dengan topografi curam, khususnya pada perkebunan kelapa sawit di sebelah Tenggara dengan kemiringan lebih dari 26%. Karena kondisi lapangan yang datar maka besar slope dan arah kemiringan tidak digunakan sebagai peubah yang mempengaruhi nilai backsctter. Ketinggian tempat berada pada rataan 250 meter dari permukaan laut.
3.1.1 Peubah Tanaman Perkebunan Karet
Perkebunan karet pada lokasi penelitian memiliki umur yang bervariasi, mulai tanaman umur satu tahun (ditanam tahun 2009) sampai tanaman umur 21 tahun (ditanam tahun 1989). Kondisi umur tanaman karet yang berbeda berarti peubah tanaman pada perkebunan karet juga berbeda-beda, karena pada prinsipnya tanaman karet berkembang sesuai dengan umur tanaman tersebut. Kondisi yang berbeda ini akan memberikan pengaruh terhadap hamburan balik (backscatter) kepada sensor radar ALOS PALSAR.
Jarak tanaman perkebunan karet pada lokasi penelitian umumnya yaitu 6 x 3,25 meter, namun pada beberapa tempat ada dengan jarak tanam 5 x 5 meter, 4,5 x 4,5 meter, dan 5 x 4,5 meter. Jarak tanaman ini berhubungan dengan varietas tanaman karet yang ditanam pada petak tanam tersebut. Arah lajur tanaman pada perkebunan karet di wilayah penelitian adalah Barat ~ Timur artinya jarak tanam 6 meter untuk Utara ~ Selatan dan 3,25 meter Barat ~ Timur. Data mengenai peubah tanaman pada perkebunan karet dapat dilihat pada Tabel 5.
Hasil survei lapangan menunjukkan bahwa perbedaan kerapatan tanaman pada perkebunan karet disebabkan ada tanaman yang mati dan tidak dilakukan penyulaman. Kegiatan penjarangan pada perkebunan karet tidak dilakukan karena pada perkebunan karet produksi yang diinginkan berupa getah karet (lateks) bukan produksi kayu.
Gambar 17 Hubungan umur tanaman karet dengan kerapatan tanaman. Tabel 5 Nilai peubah tanaman perkebunan karet
No. Peubah tanaman Nilai Standar
Deviasi Terkecil Terbesar Rataan
1 Kerapatan (N/Ha) 289,86 526,06 443,00 48,53
2 Diameter tanaman (cm) 4,80 26,52 17,62 5,34
3 Tinggi total (m) 5,43 23,23 13,46 5,00
4 LBDS (m2/Ha) 0,95 23,57 11,67 5,63
5 Volume tanaman (m3/Ha) 6,57 528,21 176,93 129,58
6 Diameter tajuk (m) 1,63 10,38 5,69 2,04
7 Tebal tajuk (m) 1,87 11,86 5,81 2,83
8 Luas tajuk (m2/Ha) 1.068,65 38.090,55 12.334,44 7.608,55
9 Jarak tanam/Luas tajuk 0,23 9,88 1,58 2,09
10 Biomassa (Ton/Ha) 0,31 16,53 6,94 3,85
11 Nilai LAI 0,08 2,56 1,29 0,66
Diameter tanaman karet selalu bertambah dengan bertambahnya umur tanaman karet, namun pada umur tertentu pertambahannya tidak signifikan lagi (Gambar 18a). Pada penelitian ini, diameter tanaman karet terbesar yang ditemukan adalah 26,52 cm pada tanaman berumur 21 tahun (tahun tanam 1989), dan tanaman berdiameter terkecil 4,80 cm pada tanaman berumur 1 tahun (tahun tanam 2009).
Kerapatan = -30.3ln(Umur) + 503.8 R² = 0.356
0 100 200 300 400 500 600
0 10 20 30
K
er
a
p
a
ta
n
T
a
n
.
(
N
/h
a
)
Tinggi tanaman karet akan bertambah dengan bertambahnya umur tanaman sebagaimana disajikan pada Gambar 18b. Tinggi tanaman karet dapat mencapai 23,23 meter yang terdapat pada tanaman berumur 16 tahun (tahun tanam 1996). Tanaman karet di lokasi penelitian ini dilakukan kegiatan pemangkasan batang utama sehingga tinggi tanaman karet tidak normal. Pemangkasan batang dilakukan untuk menghindari tanaman miring dan rebah akibat tertiup angin (Gambar 19).
[image:61.612.113.500.370.719.2](a) (b)
Gambar 18 Hubungan umur tanaman karet dengan (a) diameter tanaman dan (b) tinggi tanaman.
Gambar 19 Bentuk pemangkasan batang utama pada perkebunan karet.
Diameter = 5.319ln(Umur) + 6.960 R² = 0.902
0 5 10 15 20 25 30
0 5 10 15 20 25
D ia m et er T a n a m a n ( cm )
Umur Tanaman (tahun)
Tinggi = 4.136ln(umur) + 5.179 R² = 0.624
0 5 10 15 20 25
0 5 10 15 20 25
T in g g i T a n a m a n ( m )
Pemangkasan batang pada perkebunan karet (Gambar 19) berpengaruh juga terhadap diameter tajuk, tebal tajuk dan luas tajuk. Hubungan diameter tajuk berbanding lurus dengan umur tanaman, umur tanaman bertambah maka diameter tajuk besar juga bertambah (Gambar 20a). Diameter tajuk terbesar terdapat pada tanaman berumur 19 tahun dengan diameter sekitar 10,38 meter. Sedangkan diameter tajuk terkecil terdapat pada tanaman berumur 1 tahun yang besarnya hanya 1,63 meter.
Tebal tajuk tanaman karet akan bertambah besar dengan bertambahnya umur tanaman (Gambar 20b). Tebal tajuk terbesar tanaman karet mencapai 11,86 meter terjadi pada tanaman berumur 20 tahun dan tebal tajuk terkecil sebesar 1,87 pada tanaman berumur 15 tahun.
(a) (b)
Gambar 20 Hubungan umur karet dengan (a) diameter tajuk dan (b) tebal tajuk. Luas tajuk adalah fungsi dari diameter tajuk yang dihitung menggunakan persamaan 9. Semakin besar diameter tajuk maka luas tajuk tanaman karet juga semakin besar. Luas tajuk terkecil sebesar 1.068,65 m2 terdapat pada plot contoh dengan tanaman berumur 1 tahun. Luas tajuk terbesar sebesar 38.090,55 m2 terdapat pada plot contoh dengan umur tanaman 19 tahun. Karena ada pemangkasan batang utama sehingga luas tajuk rataan hanya 12.334,44 m2. Kondisi luas tajuk ini berpengaruh terhadap nilai ras
