Pemanfaatan Citra Landsat 8 OLI Untuk Pemetaan Kerapatan dan
Biomassa Eceng Gondok
(
Eichhornia crassipes)
(Studi Kasus : Rawa
Pening Kecamatan Ambarawa Kabupaten Semarang)
Application of Landsat 8 OLI for
W
ater Hyacinth (
Eichhornia crassipes)
Density and Biomass Mapping (Case Study:Rawa Pening, Ambarawa,
Semarang)
Agil Rizki Tidar1*), Prima Dinta Rahma Syam2, dan Pramaditya Wicaksono3
1Sekolah Vokasi Penginderaan Jauh dan SIG, Universitas Gadjah Mada 2Kartografi dan Penginderaan Jauh, FakultasGeografi, Universitas Gadjah Mada
*Email : agiltidar@gmail.com
ABSTRAK-Pertumbuhan Eceng Gondok (Eichhornia crassipes) yang sangat cepat mengakibatkan tertahannya pancaran sinar matahari yang akan masuk ke dalam air dan mengganggu ekosistem mengakibatkan pendangkalan pada perairan. Jika tidak dilakukan pengendalian, pertumbuhan gulma ini dapat mengakibatkan kerugian yang besar bagi lingkungan dan masyarakat sekitar. Tersedianya data Landsat 8 OLI dengan perekaman setiap 16 hari mampu memantau perkembangan cepat dari Enceng Gondok. Data Landsat 8 OLI diunduh dari USGS pada dua tanggal perekaman, yaitu sebelum dan sesudah dilakukan survei lapangan sebagi kontrol terhadap perubahan posisi dan kerapatan enceng gondok yang berkembang dengan cepat karena pengaruh lingkungan, angin dan manusia. Tujuan penelitian ini adalah memetakan kerapatan Eceng Gondok melalui pemodelanCitra Landsat 8 OLI, yang akan digunakansebagai acuan pembuatan peta biomassa Enceng Gondok Rawa Pening Kecamatan Ambarawa Kabupaten Semarang. Estimasi biomassa didapatkan dari hasil analisis regresi antara nilai biomassa lapangan dengan nilai kerapatan hasil pemodelannilai indeks vegetasi NDVI (Normalized Difference Vegetation Inde, EVI (Enhanced Vegetation Index) dan VARI (Visible-Atmospherically Resistent Index) Citra Landsat 8 OLI yang telah terkoreksi geometrik dan radiometrik. Density slice digunakan untuk mengelaskan nilai NDVI menjadi kelas kerapatan tentatif. Survei lapangan dilakukan pada masing masing kelas. Nilai biomassa di lapangan di dapatkan dengan menimbang berat kering enceng gondok pada plot sampel yang telah ditentukan untuk masing-masing kelas kerapatan. Nilai biomasa dari hasil survei lapangan kemudian diregresikan dengan nilai kerapatan sehingga didapatkan peta estimasi biomassa. Kata kunci:Biomassa, Enceng Gondok, Landsat 8 OLI, Pemetaan, Rawa Pening
ABSTRACT–The accelerated growth of water hyacinth (Eichhornia crassipes) prevent the sunglight to effectively penetrate water body. This accelerated growth may disrupt the ecosystem functions as well as causing siltation in water body. If not well managed, water hyacinth growth may adversely impact the life of the surrounding ecosystems and society. The availability of Landsat 8 OLI data may be used to monitor water hyacinth growth. In this research, two Landsat 8 OLI scene acquired before and after field survey activities were utilized, as a control for the change in spatial distribution and density of water hyacinth caused by environmental changes, winds, and human activities. The aim of this research is to map water hyacinth density as the basis to perform water hyacinth biomass mapping in Rawa Pening Lake, Kecamatan Ambarawa, Kabupaten Semarang. Biomass estimation was obtained from the regression analysis between field biomass data and density values modeled from NDVI (Normalized Difference Vegetation Index), EVI (Enhanced Vegetation Index) and VARI (Visible-Atmospherically Resistent Index) of radiometrically and geometrically corrected Landsat 8 OLI. Density slice was used to classify NDVI into tentative density classes. Field survey was conducted on each of these tentative classes. Map of Eceng Gondok biomass was obtained from the resultant regression function between field biomass and estimated Eceng Gondok density
2
1.
PENDAHULUAN
1.1
Latar Belakang
Eceng gondok yang dikenal sebagai gulma dapat merusak lingkungan perairan. Pertumbuhan eceng gondok yang sangat cepat dikarenakan air danau memiliki kandungan nutrien yang tinggi terutama nitrogen, fosfat dan potasium. Pertumbuhan eceng gondok yang sangat cepat mengakibatkan tertahannya pancaran sinar matahari yang akan masuk kedalam air dan mengganggu ekosistem yang ada didalam air. Selain menahan sinar matahari, tumbuhan ini juga mengakibatkan pendangkalan pada area danau. Kandungan garam yansg tinggi dapat mempenyebabkan pertumbuhan eceng gondok melambat, sama halnya seperti di Afrika Barat dimana eceng gondok akan bertambah sepanjang musim hujan dan berkurang saat kandungan garam naik pada musim kemarau. (Kaleka dan Hartono, 2013)
Pertumbuhan enceng gondok di Rawa pening, Kecamatan Ambarawa, Kabupaten Semarang sangat pesat. Data dari Dinas Pariwisata Ambarawa menyebutkan bahwa 65 % dari permukaan danau ditumbuhi oleh tanaman air yang didominasi oleh eceng gondok. Tumbuhan dengan nama latin
Eichhornia crassipes ini banyak dimanfaatkan warga sekitar untuk pembuatan barang kerajinan maupun
pakan ternak. Bahkan daerah sekitar Rawa Pening telah menjadi pusat komoditas kerajinan enceng gondok yang mampu menembus pasar internasional. Keberadaann enceng gondok selain dapat memberikan keuntungan secara ekonomi pada masyarakat sekitar, memiliki dampak negatif bagi ekosistem danau jika pertumbuhannya tidak dikendalikan. Hal ini dikarenakan tumbuh suburnya tanaman ini di Rawa Pening tidak sebanding dengan jumlah yang diambil oleh masyarakat. Untuk itu perlu adanya pengelolaan enceng gondok di Rawa Pening sehingga dapat dimanfaatkan secara maksimal, sehingga tidak mengganggu ekosistem. Tidak adanya informasi spasial di Rawa pening menjadi faktor penghambat proses monitoring dan evaluasi pengelolaan enceng gondok. Padahal data spasial dapat menjadi alat yang cukup efektif untuk menyusun strategi pengelolaan enceng gondok.
Citra penginderaan jauh merupakan salah satu sumber data utama dalam informasi geospasial. Kualitas sumberdata tentu menjadi parameter utama, karena berbagai informasi dapat diturunkan dari citra. Kualitas yang tidak memenuhi standart dapat mengaburkan bahkan menyajikan informasi yang salah. Namun sebenarnya semua citra yang diperoleh melalui perekaman sensor tak lepas dari wujud geometri dan konfigurasi permukaan bumi, serta kondisi atmosfer saat perekaman. Kesalahan yang terjadi dalam proses pembentukan citra ini perlu dikoreksi supaya aspek geometri dan radiometri yang dikandung oleh citra tersebut benar-benar dapat mendukung pemanfaatan untuk aplikasi yang berkaitan dengan pemetaan sumberdaya dan kajian lingkungan atau kewilayahan lainnya (Danoedoro, 2012)
Teknologi penginderaan jauh di era modern sekarang ini telah mengalami perkembangan yang sangat pesat. Pemanfaatan teknologi penginderaan jauh sudah banyak digunakan di berbagai bidang kajian penelitian mengingat keunggulan penggunaan teknik penginderaan jauh yang sangat bermanfaat dan mudahnya akses untuk memperoleh data penginderaan jauh juga menjadikan peneliti untuk mengembangkan suatu penelitian yang bermanfaat bagi masyarakat luas. Metode pemanfaatan teknik penginderaan jauh citra satelit dapat dijadikan solusi yang tepat untuk melakukan suatu penelitian berskala luas seperti kajian mengenai danau karena lebih efisien, efektif dan dapat dilakukan secara temporal, salah satunya ialah kajian mengenai kerapatan eceng gondok sebagai parameter perhitungan biomassa.
Landsat 8 merupakan citra multitemporal yang dapat digunakan sebagai data awal untuk pembuatan data spasial yang berkaitan dengan informasi-informasi yang ada di danau rawa pening, kualitas yang cukup baik dari citra ini dan jangka perekaman dari citra ini juga tidak terlalu jauh sangat memungkinkan digunakan untuk updating data. Landsat 8 menjadi sumberdata utama untuk kajian kerapatan dan biomassa enceng gondok di Rawa Pening, sehingga didapatkan estimasi kerapatan serta biomassa enceng gondok untuk mengetahui jumlah berat kering enceng gondok di Rawa Pening.
1.2
Rumusan Masalah
1.2.1 Tidak adanya informasi di danau rawa pening terkait data distribusi spasial dan temporal tentang persebaran/kerapatan dan biomassa di Danau Rawa Pening Kabupaten Semarang 1.2.2 Kajian mengenai distribusi spasial kerapatan dan biomassa eceng gondok di Danau Rawa
Pening dengan pemanfaatan teknik penginderaan jauh multi temporal dan perhitungan statistik.
3
1.3
Pertanyaan Penelitian
1.3.1. Bagaimana distribusi spasial kerapatan dan biomassa eceng gondok di Danau Rawa Pening Kabupaten Semarang dengan pemanfaatan citra penginderaan jauh multi temporalLandsat 8
OLI (operational Land Imager) tahun perekaman 2016
1.3.2. Bagaimana pemetaan kerapatan eceng gondok dan biomassa eceng gondok di Danau Rawa Pening Kabupaten Semarang
1.4
Tujuan
1.4.1. Pemetaan kerapatan eceng gondok di Danau Rawa Pening dengan pemanfaatan Citra Landsat 8 OLI (operational Land Imager) multi temporal tahun perekaman 2016
1.4.2. Pemetaan Biomassa eceng gondok di Danau Rawa Pening dengan Pemanfaatan Citra Landsat 8 OLI (operational Land Imager) multi temporal tahun perekaman 2016
1.5
Manfaat Penelitian
1.5.1. Memberikan informasi spasial terkait persebaran eceng gondok dan kerapatan eceng gondok di Danau Rawa Pening bagi pihak-pihak pengelola Danau Rawa Pening serta kelayakan umum khususnya masyarakat yang tinggal atau bermata pencaharian disekitar danau.
1.5.2. Memperkaya aplikasi citra Landsat 8 OLI multi temporal dan pengembangan ilmu penginderaan jauh untuk pemetaan kerapatan dan biomassa eceng gondok di Danau Rawa Pening Kabupaten Semarang pada tahun 2016
1.6
Batasan Penelitian
1.6.1. Indikator berat kering / biomassa yang dihitung dalam penelitian ini adalah estimasi statistik biomassa yang di gunakan sebagai objek utama penelitian ini.
1.6.2. Perhitungan statistik untuk ekstraksi informasi distribusi data spasial konsentrasi nilai biomassa di Danau Rawa Pening Kabupaten Semarang.
1.6.3. Citra satelit yang digunakan ialah Landsat 8 OLI (operational Land Imager)multi Temporal
path 120 row 65 perekaman 13 April 2016
2.
METODE
2.1. Deskripsi Wilayah Penelitian
Rawa pening merupakan sebuah danau dengan luas area ± 2077,84 Ha yang terletak di Kabupaten Semarang. Danau rawa pening menempati 4 kecamatan, yaitu: Ambarawa, Bawen, Tuntang, dan Banyubiru yang berada di cekungan terendah lereng Gunung Merbabu, Gunung Telomoyo, dan Gunung Ungaran.(Sumber : www.semarangkab.go.id). Danau ini memiliki ekosisten yang didominasi oleh tumbuhan eceng gondok karena pertumbuhannya yang sangat cepat dan subur maka permukaan danau ini tertutup oleh eceng gondok. (Kaleka dan Hartono, 2013)
2.2. Alat dan Bahan Penelitian
2.2.1. Alat
1. Seperangkat komputer
2. Software pengolahan citra digital ENVI 4.5
3. Software pemetaan untuk desain kartografis peta ArcGIS ArcMap 10.2
4. Software perhitungan statistik Microsoft Office Excel 2007
5. Software penulisan laporan Microsoft Office Word 2007
6. Software DNR-GPS digunakan untuk export dan import data titik survei dari laptop ke GPS maupun sebaliknya
7. GPS Garmin 60csx
8. Plot sampel (terbuat dari bambu ukuran 50 x 50 cm) 9. Perahu mesin
10.Trash bag untuk penyimpanan sampel eceng gondok 2.2.2. Bahan
1. Citra Satelit Landsat 8 OLI (Operational Land Imager) tahun perekaman 13 April 2016
2. Basemap Provinsi Jawa Tengah tahun 2006 sumber BIG (Badan Informasi Geospasial) berupa batas administrasi.
4
2.3. Tahapan Penelitian
2.3.1. Perolehan Data 1. Data Primer
Data primer meliputi data nilai biomassa didapat dari hasil survei lapangan yang dilakukan pada tanggal 28 – 29 Mei 2016, dimana terdapat 15 titik uji dan 15 titik sampel. Penentuan titik-titik tersebut secara random (acak) mengacu pada data pra-lapangan dari hasil pengolahan data citra dengan teknik pemilahan tingkat kerapatan (Density slice) transformasi NDVI dengan slicing
sejumlah 6 kelas. 2.Data Skunder
Data sekunder meliputi
data citra Landsat 8 OLIdan
basemap
daerah kajian.
Data citra Landsat 8 OLIdidapatkan
dari hasil download pada website resmi USGS (U.S. Geological Survey) yaitu glovis.usgs.gov dimana citra diperoleh secara gratis. Data basemap merupakan data vektor berupashapefile Provinsi Jawa Tengah yang diperoleh dari BAKOSURTANAL (sekarang Badan Informasi
Geospasial) tahun 2006. Citra yang diunduh direkam pada tanggal 13 April 2016 (sebelum survey lapangan) dan pada tanggal 16 Juni 2016 (setelah survey lapangan).
2.3.2. Pra-Pengolahan Data
Koreksi radiometrik dilakukan sebagai tahapan awal pra-pengolahan data untuk mendapatkan nilai piksel yang bebas dari gangguan atmosfer. Penelitian ini menggunakan saluran tampak dan saluran inframerah serta daerah kajian merupakan daerah perairan yang ditutupi vegetasi yang lebat sehingga koreksi radiometrik yang digunakan ialah TOA Reflectance dan sudut matahari (Sun Elevation) pada saluran 1 sampai 7. Adapun algoritma TOA Reflectance adalah sebagai berikut (USGS, 2013):
ρλ = MρQcal + Aρ / Sin SE (Sun Elevation)
Keterangan:
ρλ = Hasil pengolahan TOA dengan menggunakan sudut pengambilan matahari. Qcal = Nilai piksel (DN), diisikan band yang digunakan
MP = Konstanta rescalling (REFLECTANCE_MULT_BAND_x, di mana x adalah band yang
digunakan)
AP = Konstanta penambah (REFLECTANCE_ADD_BAND_x, di mana x adalah band yang
digunakan) SE = Sudut Elevasi
Tahapan pra-pengolahan yang kedua adalah Masking. Area. Proses dilakukan untuk memotong area kajian sesuai dengan batas wilayah yang dikaji. Proses Masking area dilakukan dengan subset via ROI yang ada pada software ENVI. Data ROI didapatkan dari proses digitasi on
screen pada daerah kajian di rawa pening kecamatan Ambarawa Kabupaten Semarang.
2.3.3. Pengolahan Data
Pengelolahan Transformasi Index Vegetasi NDVI (Normalized Difference Vegetation Index
merupakan kombinasi antara teknik penisbahan dengan teknik pengurangan citra. Formulasinya adalah sebagai berikut :
Pemrosesan density slice dilakukan pada hasil akhir Transformasi NDVI . Penentuan density slice dapat dilihat dari histogram interactive stretching pada hasil akhir Transformasi NDVI dengan memilih enhance pada display tersebut. Pembuatan kelas slicing menggunakan interval tidak teratur karena pantulan spektral material objek tubuh air dan vegetasi pada histogram yang dihasilkan memiliki julat dan kenampakan yang berbeda-beda sehingga berdasarkan julat tersebut pembuatan didapatkan 6 kelas kerapatan tentatif yang dijadikan dasar dalam pengambilan sampel di lapangan
5
Gambar 1. Tampilan hasil density slice dalam bentuk vector
2.3.4. Survei Lapangan 1. Pra-Lapangan
Penentuan Titik Survei Sampel Eceng Gondok diambil berdasarkan hasil density slice pemrosesan NDVI. Setiap kelas kerapatan tentatif yang didapatkan, diwakilkan dengan 2 titik uji di lapangan. Selain titik uji, direncanakan pula titik sampel sejumlah 15 titik secara random untuk membandingkan obyek di citra dan di lapangan. Keseluruhan titik yang diambil di lapangan adalah 30 titik.
Gambar 2. Tampilan hasil density slice beserta titik survei
Gambar 3. Proses titik uji (a) dan titik sampel (a) di lapangan
2. Lapangan
Lokasi titik survei mengacu pada GPS dan peta titik survei pengambilan sampel eceng gondok. Setiap titik uji diambil enceng gondok dalam 50 cm x 50 cm plot sampel pada lokasi yang homogen dan posisi enceng gondok yang relatif stabil. Setiap titik uji dan titik sampel yang diambil di lapangan dilakukan marking dengan menggunakan GPS hand-held.
3. Pasca Lapangan
Proses pasca lapangan dilakukan untuk penentuan berat kering (biomassa) eceng gondok dengan proses pengeringan alami (sinar matahari) proses ini berlangsung 7 hari.
a )
b )
6 2.3.4. Analisis Data
1. Korelasi dan Regresi
Data biomasa hasil survey lapangan dikonversikan menjadi nilai biosamassa per piksel kemudian dikorelasikan dengan hasil pemrosesan NDVI citra yang digunakan untuk survey, dan didapatkan persamaan. Kontekstual editing digunakan untuk menghilangkan titik uji yang memiliki korelasi kecil dengan nilai NDVI, yaitu sebanyak 3 titik. Sehingga secara keseluruhan didapatkan 12 titik uji yang dikorelasikan dengan NDVI. Persamaan dari hasil korelasi biomassa dan NDVI kemudian digunakan untuk menghitung nilai biomassa pada citra perekaman baru (citra setelah survey lapangan) sehingga didapatkan data estimasi biomassa enceng gondok Danau Rawa Pening Kabupaten Semarang.
2.Visualisasi peta
Hasil pemrosesan diubah dalam format raster, kemudian dilakukan representasi data mejadi sebuah peta kerapatan dan Estimasi Biomassa Enceng Gondok.
2.
HASIL DAN PEMBAHASAN
Nilai biomassa enceng gondok di lapangan diambil dalam plot sampel 50 x 50 cm dikonversikan dalam satuan biomassa per piksel untuk kemudian dikorelasikan dengan citra perekaman 13 April 2016 (citra sebelum survey lapangan), karena kondisi titik uji lebih mendekati citra ini dibandingkan citra perekaman 16 Juni 2016 (citra setelah perekaman). Ukuran plot sample yang digunakan lebih kecil daripada ukuran piksel, namun pendekatan yang dilakukan tetap berbasis piksel. Oleh karena itu diasumsikan bahwa satu plot sample merupakan perwakilan dari sub piksel dari masing – masing piksel, sehingga perlu dilakukan penyetaraan unit analisis dari sub piksel menjadi piksel dengan mengkalikan hasil pengukura biomassa dengan angka 3600 ( jumlah sub piksel pada tiap satu piksel). Resiko dari ukuran plot sample yang lebih kecil adalah terjadinya overestimated, namun metode ini dirasa paling realistis dalam pengambilan sample biomassa enceng gondok di lapangan, karena pengambilan sample dalam jumlah banyak akan mengubah komposisi kerapatan enceng gondok dan akan mempegarunho kerapatan disekitarnya. Selain itu jika mengambil sampel yang sama atau lebih besar dari ukuran piksel, proses pengangkutan dan pengeringan akan sangat tidak efektif.
Titik uji yang berjumlah 15 dilakukan kontekstual editing dengan menghilangkan 3 titik uji yang memiliki error cukup besar. Error tersebut dibuktikan dengan posisi titik yang tidak berada di obyek vegetasi saat ditampalkan dengan citra perekaman 13 April 2016 (citra sebelum survey). Pergerakan enceng gondok yang cukup dinamis karena dipengaruhi angin, air, serta aktivitas manusia menyebabkan kondisi yang diambil saat di lapangan berbeda dengan posisi citra setelah survey, maka dari itu persamaan regresi diambil dari citra yang lebih mendekati kondisi saat survey di lapangan, yaitu citra perekaman 13 April 2016. Namun konsistensi hasil koreksi radiomaterik menjadi salah satu kunci yang besar dalam mempengaruhi akurasi hasil estimasi citra, karena nilai piksel hasil koreksi radiometri yang dipakai sebagai dasar dalam pemrosesan.Jumlah titik sample dan titik uji yang lebih banyak akan dapat menambah kestabilan model. Tabel 1 menunjukkan korelasi antara nilai biomassa dengan NDVI pada 12 titik uji di lapangan.
Tabel 1. Hasil Korelasi Biomassa Enceng Gondok di Lapangan dan Nilai NDVI Citra Landsat Perelaman 23 April 2016
No Koordinat Nilai Biomassa Titik Uji Nilai Biomassa(Total/pixel) NDVI X Y 1 437017,8 9192764 0,76 2736 0,7668 2 437083,2 9192950 0,68 2448 0,6801 3 437054,6 9193054 0,47 1692 0,7298 4 437100,2 9193101 0,595 2142 0,7993 6 437137 9193697 0,43 1548 0,6987 7 437127,2 9193690 0,395 1422 0,6987 9 437200,6 9194073 0,23 828 0,8252 10 437180 9194281 0,175 630 0,6534
7 11 437109,4 9193603 0,125 450 0,4689
13 437100,8 9193469 0,06 216 0,638 14 435888,1 9195892 0,32 1152 0,3139 15 435860,2 9195916 0,486 1749,6 0,3119
Gambar 4. Grafik Korelasi biomassa dan NDVI
Gambar 4 menunjukkan korelasi antara biomassa dan NDVI menghasilkan hubungan yang berbanding lurus, artinya semakin besar nilai NDVI maka biomassa enceng gondok pun semakin besar pula. Dari grafik ini didapatkan persamaan
y = 1651,9x + 301,65...(1) dimana y adalah nilai biomassa yang dicari, dan x adalah nilai NDVI. Dengan persamaan tersebut di atas dilakukan regresi untuk mendapatkan nilai biomassa dari keseluruhan Danau Rawa Pening di Kecamatan Ambarawa, Kabupaten Semarang.
Gambar 5. Kerapatan Vegetasi Enceng Gondok
8 Didapatkan 8 kelas kerapatan Enceng Gondok dengan nilai minimal estimasi biomasa adalah nol dan maksimal 1714.313965 kg/piksel dengan estimasi keseluruhan biomassa 20.433.642.071.417 kg atau 20.433.642.071,417 ton. Perhitungan estimasi didapatkan dengan mengkalikan nilai piksel hasil regresi dengan jumlah piksel kemudian menjumlah total keselurahnnya. Jika dibandingakn dengan kerapatan enceng gondok, maka dapat dilihat bahwa semakin tinggi kelas kerapatannya, maka akan semakin besar nilai estimasi enceng gomdok yang dihasilkan.
3.
KESIMPULAN
Nilai NDVI dan Kelas Kerapatan, berbanding lurus dengan Estimasi Biomassa Enceng Gondok. Data Landsat 8 OLI dapat digunakan untuk estimasi biomassa enceng gondok. Didapatkan 8 kelas kerapatan Enceng Gondok dengan nilai minimal estimasi biomasa adalah nol dan maksimal 1714.313965 kg/piksel dengan estimasi keseluruhan biomassa 20.433.642.071.417 kg atau 20.433.642.071,417 ton.
4.
SARAN
Perlu adanya studi lebih lanjut terkait konsistensi koreksi radiometri untuk pengaplikasian model di dua citra yang berbeda perekamannya. Penambahan titik sampel dapat dilakukan untuk membuat model yang lebih stabil.
5.
UCAPAN TERIMAKASIH
Keluarga besar Fakultas Geografi Universitas Gadjah Mada, dan Prodi Penginderaan Jauh dan SIG Universitas Gadjah Mada
6.
DAFTAR PUSTAKA
Buku
Danoedoro, Projo. 2012.Pengantar Penginderaan Jauh Digital. Yogyakarta : Andi Offset.
Lillesand, T.M, Ralph, W.Kiefer., Jhonatan, W.Chipman. 2008. Remote Sensing and Image Interpretation-sixth edition. USA: jhon Willey & Sons, Inc
Kaleka dan Hartono. 2013. Kerajinan Eceng Gondok. Solo : Arcit
P .Ginting, Fatur R.M. 2004. Geografi. Jakarta : Erlangga. : Geografi, Hal 147-148.
Khorram, S., Frank, H.K., Stacy, A.C.N., Cynthia, F. 2012. Remote Sensing. Boston: MA Springer US.
Naskah Online
USGS, 2013. Using the USGS Landsat 8 Product. [Online] Available at:
