IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN
TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8
(OLI) DI KABUPATEN INDRAGIRI HILIR PROVINSI RIAU
ADE WIBOWO PUTRO
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Identifikasi Karakteristik dan Pemetaan Tutupan Lahan Menggunakan Citra Landsat 8 (OLI) di Kabupaten Indragiri Hilir, Provinsi Riau adalah benar karya saya dengan arahan dari dosen 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 skripsi ini.Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Oktober 2016
Ade Wibowo Putro NIM E14120021
ABSTRAK
ADE WIBOWO PUTRO. Identifikasi Karakteristik dan Pemetaan Tutupan Lahan Menggunakan Citra Landsat 8 (OLI) di Kabupaten Indragiri Hilir, Provinsi Riau. Dibimbing oleh NINING PUSPANINGSIH.
Citra landsat 8 khusus sensor Operational Land Imager (OLI) merupakan citra satelit yang mempunyai kemampuan untuk mengidentifikasi kelas tutupan lahan. Sensor OLI memiki resolusi spasial 30 meter x 30 meter dan resolusi spektral 8 band. Penelitian ini bertujuan untuk mengidentifikasi tutupan lahan, memetakan tutupan lahan dan kawasan hutan di Kabupaten Indragiri Hilir dengan citra landsat 8 (OLI). Metode yang digunakan adalah interpretasi citra secara digital menggunakan hasil pansharpening. Hasil klasifikasi tutupan lahan di Kabupaten Indragiri Hilir diperoleh 15 kelas tutupan lahan yaitu perkebunan karet, hutan mangrove, perkebunan sawit tua, perkebunan sawit muda, hutan akasia muda, badan air, sawah, hutan akasia tua, awan, bayangan awan, rawa, lahan terbuka, semak, kebun campuran dan lahan terbangun. Hasil analisis akurasi memberikan ketelitian yang baik degan nilai kappa accuracy sebesar 99%.
Kata Kunci : landsat 8 (OLI), interpretasi citra, tutupan lahan.
ABSTRACT
ADE WIBOWO PUTRO. Identification Characteristic and Land Cover Mapping Using Landsat 8 (OLI) in Indragiri Hilir Regency, Riau Province. Supervised by NINING PUSPANINGSIH.
Landsat image sensor 8 special Operational Land Imager (OLI) is the newest satelit images that have ability to identify land cover classes. OLI sensor have a spatial resolution 30 x 30 meters and spectral resolution 8 band. The research aimed to identify and map the land cover of Indragiri Hilir Regency from the image of landsat 8 (OLI). This research used method of interpretation visual image and interpretation of digital image with of pansharpening. The results of the classification of land cover in Indragiri Hilir Regency were obtained 15 classes of land cover i.e plantation of rubber, mangrove forest, the old palm oil forest, the young palm oil forest, the young acacia plantation forest, water body, rice fields, the old acacia plantation forest, cloud, shadows of cloud, swamp, open land, bushes, mix garden and residential area. The accuracy analysis results showed a good accuracy with kappa accuracy value was 99%.
IDENTIFIKASI
KARAKTERISTIK
DAN
PEMETAAN
TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8
(OLI) DI KABUPATEN INDRAGIRI HILIR PROVINSI RIAU
ADE WIBOWO PUTRO
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan
Pada
Departemen Manajemen Hutan
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
PRAKATA
Puji dan syukur penulis ucapkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga skripsi ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak Maret 2016 ini ialah penginderaan jauh menggunakan citra satelit, dengan judul Identifikasi Karakteristik dan Pemetaan Tutupan Lahan Menggunakan Citra Landsat 8 (OLI) di Kabupaten Indragiri Hilir Provinsi Riau.
Terima kasih penulis ucapkan kepada Ibu Dr Nining Puspaningsih, Msi selaku dosen pembimbing atas nasihat, bimbingan dan arahan serta kesabarannya dalam penyelesaian skripsi ini. Di samping itu, terima kasih juga disampaikan kepada Dinas Kehutanan Kabupaten Indragiri Hilir dan Badan Perencanaan Daerah Kabupaten Indragiri Hilir yang telah membantu selama pengumpulan data. Penghargaan terbesar penulis sampaikan kepada Ayah (Riduan), Ibu (Arminis), Kakak (Eki Ariansyah dan Popy Juliansyah) serta seluruh keluarga, atas segala doa dan kasih sayangnya. Tidak lupa penulis ucapkan terima kasih pula untuk Bapak Uus Saepul beserta keluarga besar Laboratorium SIG dan Remote Sensing atas semua ilmu, bantuan, dan motivasi yang telah diberikan. Kepada sahabat dan teman-teman Manajemen Hutan 49 atas semangat dan bantuannya, serta semua pihak atas segala doa dan kasih sayangnya.
Semoga skripsi ini bermanfaat.
Bogor, Oktober 2016
i
DAFTAR
ISI
DAFTAR ISI i DAFTAR TABEL ii DAFTAR GAMBAR ii DAFTAR LAMPIRAN ii PENDAHULUAN 1 Latar belakang 1 Tujuan Penelitian 1 Manfaat Penelitian 1 METODE PENELITIAN 1Waktu dan Tempat Penelitian 1
Alat dan Data 3
Metode Penelitian 3
HASIL DAN PEMBAHASAN 7
Karakteristik Tutupan Lahan Secara Visual Citra 7
Karakteristik Tutupan Lahan di Lapang 10
Klasifikasi Tutupan Lahan Secara Digital 12
Uji Akurasi 15
Pemetaan Klasifikasi Tutupan Lahan 17
SIMPULAN DAN SARAN 20
Simpulan 20
Saran 21
DAFTAR PUSTAKA 21
LAMPIRAN
ii
DAFTAR TABEL
Tabel 1 Karakteristik band citra Landsat 8 4
Tabel 2 Kriteria separabilitas transformed divergence 5
Tabel 3 Contoh perhitungan akurasi 6
Tabel 4 Karakteristik 13 tutupan lahan tahun 2016 band 7 Tabel 5 Karakteristik tutupan lahan di lapangan Kabupaten
Indragiri Hilir tahun 2016 10
Tabel 6 Re-group 12 kelas tutupan lahan 12
Tabel 7 Nilai separabilitas 12 kelas tutupan lahan 13 Tabel 8 Luas klasifikasi tutupan lahan di Kabupaten Indragiri Hilir
tahun 2016 14
Tabel 9 Matriks kontingensi hasil klasifikasi 12 kelas tutupan lahan 16 Tabel 10 Luas klasifikasi tutupan lahan secara visual pada kelas perkebunan
hasil klasifikasi digital 17
Tabel 11 Matriks kontingensi hasil klasifikasi di kawasan perkebunan 17 Tabel 12 Klasifikasi tutupan lahan pada kawasan hutan di
Kabupaten Indragiri Hilir tahun 2016 19
DAFTAR GAMBAR
Gambar 1 Peta lokasi penelitian di Kabupaten Indragiri Hilir tahun 2016 2 Gambar 2 Peta sebaran titik pengamatan di Kabupaten
Indragiri Hilir tahun 2016 11
Gambar 3 Peta klasifikasi tutupan lahan secara digital di
Kabupaten Indragiri Hilir tahun 2016 14
Gambar 4. Peta klasifikasi tutupan lahan secara visual di
Kabupaten Indragiri Hilir tahun 2016 18
Gambar 5 Peta klasifikasi tutupan lahan pada kawasan hutan di
Kabupaten Indragiri Hilir 2016 20
DAFTAR LAMPIRAN
1
PENDAHULUAN
Latar belakang
Kabupaten Indragiri Hilir merupakan kawasan yang didominasi oleh hutan rawa. Laju deforestrasi di Indonesia semakin hari semakin meningkat, begitu pula di wilayah Kabupaten Indragiri Hilir. Laju kerusakan hutan tersebut disebabkan oleh pertambahan jumlah penduduk yang cukup pesat sehingga mengakibatkan konversi lahan hutan menjadi lahan pertanian, perkebunan, permukiman atau areal industri.
Pengetahuan mengenai kondisi tutupan lahan yang ada dapat dijadikan informasi untuk penatagunaan kawasan hutan dan pengelolaan hutan yang lestari. Istilah penutupan lahan (land cover) berkaitan dengan jenis tutupan lahan yang ada di permukaan bumi, sedangkan istilah penggunaan lahan (land use) berkaitan dengan kegiatan manusia pada bidang lahan tertentu. Kondisi penutupan lahan pada suatu daerah dapat diketahui melalui teknologi penginderaan jauh. Menurut Suwargana (2013) Penginderaan jarak jauh merupakan sarana yang banyak digunakan dalam kegiatan pemetaan untuk memperoleh informasi fenomena alam pada objek yang diperoleh tanpa kontak langsung dengan objek yang diamati melalui pengukuran pantulan ataupun pancaran energi elektromagnetik dari objek. Jenis-jenis tutupan lahan dapat diidentifikasi menggunakan citra satelit. Salah satu citra yang dapat digunakan adalah citra Landsat 8 (OLI). Landsat 8 terdiri dari dua sensor yaitu sensor Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS). Citra landsat 8 yang digunakan diharapkan dapat meningkatkan kemampuan dalam mengidentifikasi karakteristik citra tutupan lahan khususnya di Kabupaten Indragiri Hilir, Provinsi Riau.
Tujuan Penelitian
Tujuan penelitian ini adalah melakukan identifikasi karakteristik tutupan lahan di Kabupaten Indragiri Hilir menggunakan Citra Landsat 8 (OLI) serta memetakan tutupan lahan di kawasan hutan Kabupaten Indragiri Hilir.
Manfaat Penelitian
Hasil penelitian ini diharapkan dapat memberikan data dan informasi terbaru mengenai tutupan lahan yang ada di Kabupaten Indragiri Hilir, Provinsi Riau
METODE PENELITIAN
Waktu dan Tempat Penelitian
Penelitian ini dilakukan di Kabupaten Indragiri Hilir, Provinsi Riau. Secara geografis Kabupaten Indragiri Hilir terletak pada 0o36’ Lintang Utara – 1o07’ Lintang Selatan dan 102o30’– 104o10’ Bujur Timur. Kabupaten Indragiri Hilir terbagi dalam 20 kecamatan, adalah Kecamatan Pulau Burung, Kecamatan Kemuning, Kecamatan Keritang, Kecamatan Reteh, Kecamatan Sungai Batang, Kecamatan Kempas, Kecamatan Enok, Kecamatan Tanah Merah, Kecamatan Tempuling, Kecamatan Tembilahan Hulu, Kecamatan Tembilahan Kota, Kecamatan Concong, Kecamatan Kuala Indragiri, Kecamatan Batang Tuaka,
2
Kecamatan Gaung Anak Serka, Kecamatan Gaung, Kecamatan Mandah, Kecamatan Teluk Belengkong, Kecamatan Pelangiran, dan Kecamatan Kateman. Luas daratan Kabupaten Indragiri Hilir adalah 11 605 km2 atau 1 160 597 ha dengan jumlah penduduk 683 354 jiwa dan luas perairan adalah 7 207 km2 (BPS 2015).
Lokasi penelitian berada di 14 kecamatan yang ada di Kabupaten Indragiri Hilir, yaitu Kecamatan Pulau Burung, Kecamatan Kemuning, Kecamatan Keritang, Kecamatan Reteh, Kecamatan Kempas, Kecamatan Enok, Kecamatan Tempuling, Kecamatan Tembilahan Hulu, Kecamatan Tembilahan Kota, Kecamatan Gaung Anak Serka, Kecamatan Gaung, Kecamatan Mandah, Kecamatan Pelangiran, dan Kecamatan Kateman. (Gambar 1). Pengambilan data lapangan dilakukan pada bulan Maret sampai dengan April 2016. Pengolahan data dilakukan pada bulan Mei sampai dengan Juni 2016 di Laboratorium Remote Sensing Departemen Manajemen Hutan, Fakultas Kehutanan IPB.
3
Alat dan Data
Alat yang digunakan dalam penelitian ini yaitu alat tulis, GPS (Global Positioning System), kamera, tally sheet, dan laptop yang dilengkapi dengan program software Erdas Imagine 9.1, ArcGis 10.1, dan Microsoft office (Ms. Word, Ms. Excel).
Data yang digunakan dalam penilitian ini terdiri dari data primer dan data sekunder. Data primer adalah data yang diperoleh langsung dari hasil pengamatan di lapangan berupa ground check lokasi penelitian. Data sekunder yang digunakan yaitu Citra Satelit Landsat 8 (OLI) path/row 125/61, path/row 126/61, path/row 125/60, path/row 126/60 perekaman tahun 2016, Peta Batas Administrasi Kabupaten Indragiri Hilir, dan Peta Jaringan Jalan Kabupaten Indragiri Hilir.
Metode Penelitian a. Persiapan
Persiapan dilakukan dengan studi pustaka mengenai penelitian yang akan dilaksanakan serta pengumpulan data secara tidak langsung (sekunder) berupa data Citra landsat 8 (OLI), peta administrasi, dan peta jaringan jalan Kabupaten Indragiri Hilir.
b. Pra-Pengolahan Citra
Pra-pengolahan Citra merupakan tahap awal sebelum melakukan pengolahan citra. Tahapan ini meliputi perubahan format, layer stack, mozaik citra, pemotongan citra, dan pansharpening
1. Perubahan Format
Citra satelit landsat 8 (OLI) yang telah di unduh memiliki format data GeoTiff/ .TIFF, sehingga perlu perubahan format ke dalam bentuk Image/ .img. Proses pengubahan format dilakukan menggunakan software Erdas Imagine 9.1.
2. Layer stack
Layer stack merupakan proses penggabungan band untuk memperoleh suatu citra yang memiliki band cahaya tampak (visible), TIR, NIR, SWIR dan Cirrus pada Landsat 8. Pada penelitian ini digunakan citra multiband yang meliputi band 1,2,3,4,5,6,7 dan 9 yang memliki resolusi sama yaitu 30 meter. Karakteristik band landsat 8 dapat disajikan pada Tabel 1.
4
Tabel 1 Karakteristik band citra Landsat 8
Saluran Panjang gelombang (µm) Resolusi spasial (m)
1 Visible 0.43 - 0.45 µm 30 m 2 Visible 0.45 - 0.51 µm 30 m 3 Visible 0.53 - 0.59 µm 30 m 4 NIR 0.64 - 0.67 µm 30 m 5 NIR 0.85 - 0.88 µm 30 m 6 SWIR 1.57 - 1.65 µm 30 m 7 SWIR 2.11 - 2.29 µm 30 m 8 PAN 0.50 - 0.68 µm 15 m 9 Cirrus 1.36 - 1.38 µm 30 m Sumber : USGS (2014) 3. Mozaik Citra
Mozaik Citra merupakan proses menggabungkan beberapa citra yang kohesif (Jaya 2010). Pada penelitian ini digunakan data citra landsat 8 path/row 125/60, path/row 125/61, path/row 126/60, dan path/row 126/61 menjadi satu scene untuk mendapatkan daerah penelitian.
4. Pemotongan Citra (Cropping)
Pemotongan citra (cropping) dilakukan untuk mengetahui lokasi yang akan diamati dalam penelitian. Pemotongan citra ini sesuai dengan batas administrasi Kabupaten Indragiri Hilir.
5. Pansharpening
Pansharpening merupakan merupakan tahapan untuk mempertajam kenampakan objek pada citra dengan menggabungkan citra multiband (1,2,3,4,5,6,7, dan 9) beresolusi 30 meter x 30 meter dan (band 8) beresolusi 15 meter x 15 meter. Metode yang digunakan adalah metode Brovey Transform. Metode ini merupakan metode yang paling populer untuk memadukan dua macam citra dengan resolusi spasial yang berbeda (Danoedoro 2012).
c. Interpretasi Visual Citra Satelit
Interpretasi visual citra satelit dilakukan berdasarkan unsur-unsur karakteristik citra yaitu rona/warna, tekstur, bayangan, bentuk, pola, ukuran, dan asosiasi yang dilihat pada monitor komputer dengan komposit warna terbaik. Interpretasi visual citra juga digunakan sebagai pedoman dalam pengamatan data di lapangan (Ground Check).
d. Pengamatan Data Lapangan (Ground Check)
Kegiatan pengamatan data di lapangan dilakukan untuk mengetahui informasi mengenai keadaan nyata di lapang dengan mengambil titik pengamatan disertai dengan foto kenampakan sesuai dengan jenis tutupan lahan yang ada. Koordinat titik yang diambil di lapangan sebanyak 118 titik. Pengambilan titik ini
5
menggunakan metode purposive sampling. Pengamatan data lapangan ini menggunakan alat bantu GPS (Geographic Positioning System).
e. Analisis Citra Digital
Analisis citra digital merupakan proses penyusunan, pengurutan, pengelompokan suatu piksel citra digital multispektral ke dalam beberapa kelas berdasarkan kategori objek. Analisis citra digital yang digunakan yaitu klasifikasi terbimbing (supervised classification). Klasifikasi terbimbing (supervised) merupakan metode yang diperlukan untuk mentransformasikan data citra multi-spektral ke dalam kelas-kelas unsur spasial (Prahasta 2008). Setiap piksel yang berada pada satu kelas diasumsikan berkarakteristik sama, sehingga dilakukan pemilihan area contoh untuk mengelompokkan obyek secara terpisah. Tahapan analisis citra digital yaitu :
1. Penentuan Area Contoh (Training Area)
Penentuan area contoh dilakukan berdasarkan data yang diperoleh dari interpretasi secara visual dan hasil pengambilan data di lapangan. Pengambilan tiap data di lapangan harus mewakili satu kelas atau kategori tutupan lahannya. Titik yang menjadi area contoh (Training area) diambil ke dalam beberapa piksel dari setiap kelas tutupan lahannya dan ditentukan lokasinya pada citra untuk menganalisis informasi statistik yang diperoleh dari lapang. Secara teoritis jumlah piksel yang harus diambil per kelas adalah sebanyak jumlah band yang digunakan plus satu (N+1). Akan tetapi pada prakteknya, jumlah piksel yang harus diambil dari setiap kelas biasanya 10 sampai 100 kali jumlah band yang digunakan (Jaya 2010).
2. Analisis Separabilitas
Analisis separabilitas adalah analisis kuantitatif yang memberikan informasi mengenai evaluasi keterpisahan area contoh (training area) dari setiap kelas, apakah suatu kelas layak digabung atau tidak dan juga kombinasi band terbaik untuk klasifikasi. Metode yang digunakan pada penelitian ini yaitu metode Transformed Diverfence (TD), metode ini digunakan untuk mengukur tingkat keterpisahan antar kelas. Semakin kecil nilai semakin buruk separabilitasnya. Nilai nol sama dengan tidak bisa dipisahkan, sedangkan nilai maksimum menunjukkan keterpisahan yang sangat baik. TD akan berkisar antara 0 hingga 2000 (excellent) (Jaya 2009) (Tabel 2).
Tabel 2 Kriteria separabilitas transformed divergence Nilai transformed divergence Deskripsi
2000 Sangat baik (excellent)
1900 - <2000 Baik (good)
1800 - <1900 Cukup (fair)
1600 - <1800 Kurang (poor)
<1600 Tidak terpisahkan (inseparable) Sumber : Analisis Citra Digital, Jaya 2009
6
3. Klasifikasi Tutupan Lahan
Metode yang digunakan dalam penentuan klasifikasi tutupan lahan ini yaitu metode peluang maksimum (Maximum Likelyhood Classifier). Metode peluang maksimum mempertimbangkan nilai rata-rata dan keragaman antarkelas dan saluran (kovariansi) (Lillesand dan Kiefer 1990). Nilai pada metode maximum likelyhood didasarkan pada nilai piksel sama dan identik pada citra.
4. Uji Akurasi
Uji akurasi digunakan untuk mengevaluasi ketelitian dari klasifikasi tutupan lahan yang telah ditentukan berdasarkan Training area. Akurasi ini dianalisis dengan menggunakan suatu matriks kontingensi atau matriks kesalahan (confusion matrix) (Tabel 2).
Tabel 3 Contoh perhitungan akurasi Data
Referensi
Diklasifikasi ke Kelas Jumlah Producer’s accuracy A B C D A X11 X12 X13 X14 X1+ X11/X1+ B X21 X22 X23 X24 X2+ X22/X2+ C X31 X32 X33 X34 X3+ X33/X3+ D X41 X42 X43 X44 X4+ X44/X4+ Jumlah X+1 X+2 X+3 X+4 N User’s Accuracy X11/X+1 X22/X+2 X33/X+3 X44/X+4
Sumber : Analisis Citra Digital, Jaya 2010
Berdasarkan Tabel 3 diatas, akurasi yang bisa dihitung terdiri dari akurasi pembuat (producer’s accuracy), akurasi pengguna (user accuracy), dan akurasi keseluruhan (overall accuracy). Secara matematis rumus dari akurasi di atas dapat dinyatakan sebagai berikut :
Akurasi pengguna =
Akurasi Pembuat =
Akurasi Keseluruhan Dimana:
Xii = nilai diagonal dari matrik kontingensi baris ke-i dan kolom ke-i X+i = jumlah piksel dalam kolom ke-i
X i+ = jumlah piksel dalam baris ke-i N = banyaknya piksel dalam contoh
Menurut Jaya (2010), saat ini akurasi yang dianjurkan adalah akurasi kappa (kappa accuracy), karena overral accuracy secara umum masih over estimate.
7
Akurasi kappa ini sering juga disebut dengan indeks kappa. Secara matematis akurasi kappa disajikan sebagai berikut:
Kapp Accuracy Keterangan :
N = banyaknya piksel dalam contoh
Xii = nilai diagonal dari matriks kontingensi baris ke-i dan Kolom ke-i Xi+ = jumlah piksel dalam baris ke-i
X+i = jumlah piksel dalam kolom ke-i
HASIL DAN PEMBAHASAN
Karakteristik Tutupan Lahan Secara Visual Citra
Interpretasi citra secara visual adalah kegiatan untuk mengkaji gambaran muka bumi yang tergambar pada citra untuk tujuan identifikasi objek dan menilai maknanya dengan kemampuan iterpretasi yang didukung dengan unsur-unsur interpretasi citra. Unsur tersebut diantaranya rona, bentuk, ukuran, pola, bayangan, tekstur, asosiasi dan situs (Baplan 2008). Hal tersebut juga disampaikan oleh Somantri (2008) bahwa perlu adanya pengenalan identitas objek sebelum dilakukannya interpretasi citra untuk mengetahui identitas objek didasarkan pada karakteristik spektral suatu objek yang terekam pada citra.
Hasil identifikasi tutupan lahan secara visual pada penelitian ini ditemukan 13 kelas tutupan lahan yaitu perkebunan sawit, hutan tanaman akasia, awan, bayangan awan, badan air, sawah, hutan mangrove, lahan terbuka, kebun campuran, rawa, semak belukar, perkebunan karet, dan lahan terbangun. Karakteristik kelas tutupan lahan secara visual pada citra dan hasil di lapangan dapat dilihat pada Tabel 4.
Tabel 4 Karakteristik 13 tutupan lahan tahun 2016 band 7-5-4 Tutupan
lahan Gambar pada citra
Karakteristik
citra Gambar di lapangan
Perkebunan sawit Petak penanaman berbentuk persegi panjang dengan pola yang teratur dan tekstur sedikit kasar
8
Tabel 4 (Lanjutan) Tutupan
lahan Gambar pada citra
Karakteristik
citra Gambar di lapangan
Hutan tanaman akasia Memiliki pola yang teratur, berwarna hijau tua dan tekstur yang kasar Awan Berwarna putih, bentuk tidak teratur dan tekstur yang kasar - Bayangan awan Berwarna hitam dan bentuk tidak teratur - Badan air Berwarna biru dengan bentuk yang memanjang dan tekstur yang halus Sawah Berwarna hijau muda, tekstur halus, dan pola yang cukup teratur Hutan mangrove Tekstur kasar, berwarna hijau gelap, berada di sepanjang tepian sungai dengan pola yang teratur
9
Tabel 4 (Lanjutan) Tutupan
lahan Gambar pada citra
Karakteristik
citra Gambar di lapangan
Lahan terbuka Berwarna cokelat, bentuk tidak teratur dan tekstur cukup halus Kebun campuran Tekstur cukup kasar dengan pola yang tidak teratur dan dekat dengan pemukiman Rawa Berwarna ungu kehitaman, bentuk dan pola tidak teratur dengan tekstur yang cukup halus Semak belukar Tekstur sedikit kasar, berwarna hijau muda hingga hijau tua dan pola tidak teratur
Perkebunan karet
Tekstur sedikit kasar dan pola yang cukup teratur Lahan terbangun Tekstur kasar, bentuk tidak teratur dengan pola berkelompok dan terdiri dari warna yang beragam
10
Karakteristik Tutupan Lahan di Lapang
Karakteristik tutupan lahan di lapang didapatkan berdasarkan pengamatan langsung. Pengamatan ini bertujuan untuk menyesuaikan keadaan tutupan lahan yang terlihat pada citra dengan keadaan yang sebenarnya di lapangan. Titik koordinat yang digunakan pada pengamatan ini sebanyak 118 titik yang tersebar pada 14 kecamatan. Namun tidak semua titik dapat didatangi karena sulitnya akses serta lokasi yang jauh. Berdasarkan penentuan titik koordinat tersebut diperoleh 13 kelas tutupan lahan. Selain dari 13 kelas tutupan lahan yang didapat, terdapat dua jenis tutupan lahan tambahan berupa awan dan bayangan awan yang ditemukan berdasarkan kenampakan pada citra. Sehingga jumlah kelas tutupan lahan yang diperoleh sebanyak 15 tutupan lahan. Karakteristik tutupan lahan di lapang dapat dilihat pada Tabel 6. Sebaran titik pengamatan dapat dilihat pada Gambar 2.
Tabel 5 Karakteristik tutupan lahan di lapangan Kabupaten Indragiri Hilir tahun 2016 No Kelas tutupan lahan keterangan 1 Perkebunan sawit tua
Pola jarak antar tanaman teratur. Perkebunan sawit yang ditemukan berumur 18 tahun sampai dengan 23 tahun dan cukup jauh dengan pemukiman masyarakat. 2 Perkebunan
sawit muda
Pola jarak antar tanaman teratur. Perkebunan sawit yang ditemukan berumur 7 tahun sampai dengan 12 tahun dan cukup jauh dengan pemukiman masyarakat. 3 Hutan tanaman
akasia tua
Hutan budidaya manusia dengan pola jarak antar tanaman yang teratur. Hutan tanaman akasia yang ditemukan berumur 4 tahun sampai dengan 5 tahun dengan jenis Acacia crassicarpa.
4 Hutan tanaman akasia muda
Pola jarak antar tanaman teratur. Hutan tanaman akasia yang ditemukan berumur 2 tahun sampai dengan 3 tahun dengan jenis Acacia crassicarpa.
5 Badan air Kenampakan yang ditemukan tergenangi oleh air dan tidak ternaungi oleh apapun. Sebagian besar berada dekat dengan pemukimam masyarakat. Badan air yang ditemukan berupa sungai dan danau.
6 Sawah Luasan yang ditemukan cukup besar. Kenampakan yang ditemukan berupa padi yang sudah cukup matang dan siap panen, berwarna hujau serta kekuningan. 7 Hutan mangrove Hamparan hutan bakau. Berada di sepanjang pinggiran
pantai dan anak sungai. Jenis yang ditemukan yaitu Xylocarphus sp, Rhizophora sp, Sonneratia sp dan Bruguiera sp.
8 Lahan terbuka Kenampakan berupa tanah kosong. Kenampakan yang ditemukan berupa lahan bekas tebangan di perkebunan kelapa sawit dan hutan tanaman akasia,
11
Tabel 5 (Lanjutan) No Kelas tutupan
lahan
keterangan
9 Kebun campuran Jenis tanaman yang ditemukan pada kebun campuran yaitu pohon karet, pisang, sawo, pinang, manggis, nanas dan tanaman obat.
10 Rawa Genangan air yang dangkal pada suatu daratan yang cekung. Rawa yang ditemukan tidak jauh dari sungai. 11 Semak belukar Hamparan luas yang ditumbuhi oleh beberapa tanaman
sejenis tiang maupun tanaman perdu. Jenis yang ditemukan yaitu rumput, semak, liana, Ageratum conyzoides, sintrong, dan Chromolaena odorata. 12 Perkebunan
karet
Kawasan perkebunan lahan kering yang ditanami tanaman karet. Kenampakan yang ditemui berumur lebih dari 10 tahun.
13 Lahan terbangun Kawasan atau daerah yang tersusun secara kelompok dan terdiri atas bangunan, baik di perkotaan maupun di desa. Lahan terbangun yang ditemukan berupa pemukiman masyarakat, pabrik, sekolah, pasar, dan jalan.
12
Klasifikasi Tutupan Lahan Secara Digital
Klasifikasi tutupan lahan secara digital dilakukan untuk mengelompokan piksel yang serupa ke dalam suatu kelas tutupan lahan secara otomatik atau klasifikasi terbimbing berdasarkan area contoh (training area). Training area didapatkan berdasarkan hasil informasi dan pengamatan lapang yang telah dilakukan. Hasil training area yang baik dapat dilihat dari nilai keterpisahan antar piksel berdasar analisis separabilitas. Pada analisis separabilitas akan didapatkan statistik antar kelas berdasarkan rata-rata nilai digital setiap kelas. Rata-rata nilai digital tersebut dapat dijadikan acuan dalam menentukan suatu kelas layak digabung dengan kelas tutupan lahan lainnya atau tidak. Metode yang digunakan dalam analisis ini adalah Transformed Divergence. Nilai nol menunjukkan bahwa kelas tutupan lahan tidak dapat dipisah. Nilai maksimum (2000) menunjukkan keterpisahan yang sangat baik (Jaya 2009).
Hasil analisis separabilitas menunjukkan terdapat keterpisahan kelas dengan nilai tidak baik (<1600). Hal tersebut menunjukkan bahwa pengelompokkan tutupan lahan menjadi 15 kelas tutupan lahan pada analisis citra secara visual belum memberikan keterpisahan antar kelas yang baik, sehingga perlu dilakukan penggabungan (re-group) beberapa kelas tutupan lahan menjadi satu kelas tutupan lahan. Dari tahapan penggabungan tersebut, didapatkan 12 kelas tutupan lahan. Proses re-group dari 15 kelas tutupan lahan menjadi 12 kelas tutupan lahan dapat dilihat pada Tabel 6.
Tabel 6 Re-group 12 kelas tutupan lahan
Re-group awal Re-group 1
1. Awan
2. Bayangan awan 3. Perkebunan sawit tua 4. Perkebunan sawit muda 5. Hutan tanaman akasia tua 6. Hutan tanaman akasia muda 7. Badan air 8. Sawah 9. Hutan mangrove 10. Lahan terbuka 11. Kebun campuran 12. Rawa 13. Semak belukar 14. Perkebunan karet 15. Lahan terbangun Awan Bayangan awan Perkebunan sawit tua Hutan tanaman akasia tua Hutan tanaman akasia muda Badan air Sawah Hutan mangrove Lahan terbuka Rawa Lahan terbangun Perkebunan
13
Proses re-group menunjukkan kelas tutupan lahan perkebunan sawit muda, kebun campuran, semak belukar dan perkebunan karet dikelompokkan menjadi satu kelas yaitu perkebunan. Hal tersebut dikarenakan nilai separabilitas ke empat kelas tutupan lahan tersebut di bawah 1800, sehingga belum memiliki keterpisahan kelas yang baik. Nilai separabilitas 15 kelas tutupan lahan dapat dilihat pada Lampiran 1.
Tabel 7 Nilai separabilitas 12 kelas tutupan lahan
1 2 3 4 5 6 7 8 9 10 11 12 1 0 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2 2000 0 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 3 2000 2000 0 2000 2000 2000 2000 2000 2000 2000 2000 2000 4 2000 2000 2000 0 2000 2000 2000 1999 1999 2000 2000 2000 5 2000 2000 2000 2000 0 2000 2000 2000 2000 2000 2000 1998 6 2000 2000 2000 2000 2000 0 2000 2000 2000 1993 2000 2000 7 2000 2000 2000 2000 2000 2000 0 2000 2000 2000 2000 2000 8 2000 2000 2000 1999 2000 2000 2000 0 1999 2000 2000 1998 9 2000 2000 2000 1999 2000 2000 2000 1999 0 2000 2000 2000 10 2000 2000 2000 2000 2000 1993 2000 2000 2000 0 2000 2000 11 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 0 1990 12 2000 2000 2000 2000 1998 2000 2000 1998 2000 2000 1990 0
Keterangan : 1=Hutan akasia muda, 2=Badan air, 3=Awan, 4=Bayangan awan, 5=Perkebunan sawit tua, 6=Lahan terbuka, 7=Hutan mangrove, 8=Hutan akasia tua, 9=Rawa, 10=Lahan terbangun, 11=Sawah, 12=Perkebunan
Hasil nilai separabilitas pada Tabel 7 menunjukkan bahwa setiap kelas tutupan lahan terpisah secara baik dengan nilai secara umum lebih dari 1900. Nilai separabilitas terkecil ditunjukkan pada tutupan lahan sawah dan perkebunan dengan nilai 1990. Metode yang digunakan pada klasifikasi terbimbing ini adalah Maximum likelihood (kemiripan maksimum) yang mempertimbangkan nilai rata-rata dan keragaman antar kelas dan saluran (kovariansi) (Lillesand et al. 1990). Klasifikasi citra bertujuan untuk pengelompokan kenampakan yang bersifat homogen dengan teknik kuantitatif yaitu memasukkan piksel-piksel ke dalam kategori yang telah ditentukan. Hasil klasifikasi citra 12 kelas tutupan lahan dapat dilihat pada Gambar 3
14
Gambar 3 Peta klasifikasi tutupan lahan secara digital di Kabupaten Indragiri Hilir tahun 2016
Persentase yang didapatkan dari hasil klasifikasi tutupan lahan metode maximum likelihood diperoleh bahwa sebesar 38.85% tutupan lahan di Kabupaten Indragiri Hilir merupakan perkebunan. Hal ini menunjukkan bahwa perkebunan merupakan tutupan lahan terluas dibandingkan dengan tutupan lahan lainnya yang ada di Kabupaten Indragiri Hilir yaitu sebesar 558 026.88 ha. Luasan tutupan lahan terkecil terdapat pada hutan akasia muda yaitu sebesar 0.50 % atau 7 209.83 ha. Tabel 8 menyajikan luasan tutupan lahan yang ada di 20 kecamatan di Kabupaten Indragiri Hilir tahun 2016.
Tabel 8 Luas klasifikasi tutupan lahan di Kabupaten Indragiri Hilir tahun 2016
Tutupan Lahan Luas (ha) Persentase (%)
Perkebunan 558 026.88 38.85
Hutan mangrove 130 650.57 9.09
Perkebunan sawit tua 53 157.80 3.70
Hutan akasia muda 7209.83 0.50
Badan air 35 185.27 2.44
15
Tabel 8 (Lanjutan)
Tutupan Lahan Luas (ha) Persentase (%)
Hutan akasia tua 170 212.29 11.85
Bayangan awan 15 737.15 1.09 Awan 138 619.89 9.65 Rawa 22 034.22 1.53 Lahan terbuka 165 503.34 11.52 Lahan terbangun 123 849.87 8.62 TOTAL 1 436 145.99 100
Sumber: Hasil analisis klasifikasi terbimbing citra landsat 8 (OLI) tahun 2016
Uji Akurasi
Uji akurasi merupakan suatu analisis untuk mengetahui tingkat ketepatan hasil klasifikasi yang telah dibuat berdasarkan matriks kontingensi atau error matrix. Matrik kontingensi merupakan suatu matriks bujur sangkar yang memuat sejumlah piksel yang telah diklasifikasi. analisis akurasi ini dinilai dari nilai Producer’s accuracy, User’s accuracy, Overall accuracy, dan Kappa accuracy.
Producer’s accuracy adalah akurasi yang didapatkan dari hasil bagi antara piksel yang benar dengan jumlah total piksel training area per kelas. Hasil uji akurasi dapat dilihat pada tabel 9. Berdasarkan tabel 9, diketahui bahwa nilai producers accuracy terbesar terdapat pada tutupan lahan badan air dengan nilai sebesar 100%. Hal tersebut menunjukkan bahwa jumlah piksel telah terklasifikasi dengan baik tanpa adanya piksel yang masuk ke dalam kelas tutupan lahan yang lain. Sedangkan nilai producer’s accuracy terkecil terdapat pada tutupan lahan terbangun dengan nilai sebesar 22.88%. Hal tersebut menunjukkan bahwa piksel tidak terklasifikasi dengan baik yang ditandai dengan masuknya 1 piksel pada tutupan lahan badan air, 17 piksel pada awan, 98 piksel pada lahan terbuka, 46 piksel pada hutan akasia tua, 5 piksel pada rawa, dan 15 piksel pada perkebunan. Piksel yang dapat terklasifikasi dengan baik pada lahan terbangun hanya 54 piksel dari total 236 piksel.
User’s accuracy adalah akurasi yang didapatkan dari hasil bagi antara jumlah piksel yang benar dengan total piksel pada kolom. Nilai users accuracy terbesar terdapat pada kelas tutupan lahan awan yaitu sebesar 99.97%. Hal tersebut ditunjukkan oleh adanya penambahan 17 piksel dari total 67 483 piksel pada kelas tutupan lahan lainnya. Sedangkan nilai users accuracy terkecil terdapat pada kelas tutupan lahan perkebunan sawit tua yaitu sebesar 92.06% dengan penambahan piksel sebesar 80 piksel pada lahan terbuka dan 654 piksel pada perkebunan dari total 9 239 piksel. Nilai overall accuracy dan kappa accuracy yang didapatkan sebesar 99.32% dan 99%. Nilai users accuracy jarang digunakan karena hasil yang bersifat overestimate. Nilai akurasi yang digunakan adalah kappa accuracy. Hal ini dikarenakan nilai kappa accuracy didapatkan dengan melibatkan seluruh komponen nilai yang ada pada matriks kontingensi. Nilai akurasi yang baik adalah lebih dari 85%.
17
Pemetaan Klasifikasi Tutupan Lahan Pemetaan Klasifikasi Tutupan Lahan Secara Visual
Hasil klasifikasi tutupan lahan secara digital menunjukkan bahwa pengelompokkan tutupan lahan menjadi 15 kelas tidak memberikan keterpisahan kelas yang baik, sehingga kelas tutupan lahan dengan nilai keterpisahan yang tidak baik yaitu perkebunan sawit muda, kebun campuran, semak belukar dan perkebunan karet di kelompokkan ke dalam satu kelas tutupan lahan yaitu perkebunan. Untuk mendapatkan hasil pengelompokkan tutupan lahan yang lebih detail, maka dilakukan klasifikasi tutupan lahan secara visual pada tutupan lahan dengan nilai separabilitas yang rendah yaitu perkebunan sawit muda, kebun campuran, semak belukar dan perkebunan karet.
Tabel 10 Luas klasifikasi tutupan lahan secara visual pada kelas perkebunan hasil klasifikasi digital
Tutupan lahan Luas (ha) Persentase (%)
sawit muda 141 600.15 25.38
Semak 187 073.96 33.52
Kebun campuran 125 427.82 22.48
Karet 103 924.95 18.62
Total 558 026.88 100
Sumber: Hasil analisis klasifikasi tutupan lahan secara visual citra landsat 8 (OLI) tahun 2016 Tabel 11 Matriks kontingensi hasil klasifikasi di kawasan perkebunan
Tutupan lahan
Referensi data (piksel)
Total baris Producers accuracy (%) 1 2 3 4 1 4320 4 0 1 4325 99 2 7 760 7 2 776 98 3 4 5 202 0 211 95 4 13 1 0 195 209 93 Total baris 4344 770 209 198 5521 Users accuracy (%) 99 98 96 98
Keterangan : 1=Perkebunan sawit muda, 2=Semak belukar, 3=Perkebunan karet, 4=Kebun campuran
Hasil klasifikasi visual pada kawasan perkebunan menunjukkan bahwa nilai producers accuracy maupun users accuracy yang dihasilkan dari setiap kelas tutupan lahan lebih besar dari 90%, hal tersebut menunjukkan bahwa jumlah piksel masing-masing kelas dapat terkelompokkan secara baik dengan nilai kappa accuracy sebesar 98%. Pada hasil pemetaan tutupan lahan secara visual pada kelas perkebunan hasil klasifikasi digital dilakukan overlay terhadap peta klasifikasi kawasan hutan secara digital, sehingga didapatkan pemetaan klasifikasi tutupan lahan di kawasan Kabupaten Indragiri Hilir yang lebih detail. Hasil overlay dapat dilihat pada Gambar 4.
18
Gambar 4. Peta klasifikasi tutupan lahan secara digital dan visual di Kabupaten Indragiri Hilir tahun 2016
Pemetaan Klasifikasi Tutupan pada Kawasan Hutan
Kawasan hutan sesuai dengan Undang-Undang Republik Indonesia nomor 41 tahun 1999 merupakan wilayah yang ditunjuk dan atau ditetapkan untuk dipertahankan keberadaannya oleh pemerintah sebagai hutan tetap. Kabupaten Indragiri Hilir memiliki beberapa kawasan hutan yaitu hutan lindung, hutan produksi, hutan produksi konversi, dan hutan produksi terbatas. Hasil pemetaan klasifikasi tutupan lahan pada kawasan hutan yang ada di Kabupaten Indragiri Hilir menunjukkan bahwa seluas 50 091 ha tertutupi oleh awan. Tutupan lahan di kawasan hutan lindung sebesar 7426 ha merupakan hutan dan 635 ha merupakan bukan hutan yang terdiri dari badan air 55 ha, kebun campuran 319 ha, sawah 2 ha dan rawa 259 ha. Hal tersebut menunjukkan bahwa terdapat perubahan fungsi hutan dari hutan lindung menjadi kawasan perkebunan. Perubahan fungsi kawasan ini perlu untuk mendapat perhatian karena hutan lindung merupakan pelindung dari sistem penyangga kehidupan untuk mengatur tata air, memelihara kesuburan tanah dan mengendalikan erosi (Kusumaningtyas et al. 2013).
Hutan produksi tetap merupakan kawasan hutan yang mempunya fungsi pokok untuk memproduksi hasil hutan. Pada kawasan hutan produksi terdapat 131 650 ha hutan akasia tua, 5 625 ha perkebunan sawit muda, 35 731 ha lahan terbuka. Perubahan fungsi kawasan hutan produksi cenderung kepada
19
perkebunan. Perkebunan merupakan potensi yang dapat menjadi masukan bagi pengelolaan hutan selanjutnya. Pada kawasan hutan produksi terbatas sebesar 11 858 ha tertutup oleh awan, namun sebagian besar telah menjadi perkebunan. Hutan produksi konversi merupakan kawasan yang dicadangkan untuk digunakan bagi pengembangan transmigrasi, pemukiman, dan perkebunan. Pada kawasan hutan produksi konversi terdapat 25 098 ha yang tertutupi oleh awan, namun sebagian besar telah dikonversi menjadi perkebunan, di antaranya adalah perkebunan sawit muda 4697 ha, perkebunan sawit tua 8440 ha, perkebunan karet 1794 ha, kebun campuran 12 526 ha dan lahan terbangun seluas 318 ha. Luasan tutupan lahan yang ada di kawasan hutan Kabupaten Indragiri Hilir tahun 2016 dapat dilihat pada Tabel 12. Peta klasifikasi tutupan lahan pada kawasan hutan dapat dilihat pada Gambar 5.
Tabel 12 Klasifikasi tutupan lahan pada kawasan hutan di Kabupaten Indragiri Hilir tahun 2016
Tutupan lahan
Kawasan hutan (ha)
Total Hutan lindung Hutan produksi tetap Hutan produksi terbatas Hutan produksi konversi Perkebunan sawit muda 0 5625 502 4697 10 824 Hutan mangrove 7426 3084 48 843 13 705 73 058 Perkebunan sawit tua 0 792 872 8440 10 104 Hutan akasia muda 0 4490 853 381 5724 Badan air 55 51 4258 390 4754 Kebun campuran 319 3614 1448 12 526 17 907 Perkebunan karet 0 2832 180 1794 4806 Sawah 2 23 15 247 287
Hutan akasia tua 0 131 650 3477 3580 138 707
Bayangan awan 564 373 2273 2849 6059 Semak belukar 1454 34 097 3203 21 854 60 608 Awan 2154 4921 11 858 25 098 44 031 Rawa 259 1880 1057 2596 5792 Lahan terbuka 212 35 731 1258 8495 45 696 lahan terbangun 0 98 16 318 432 Total 12 445 229 261 80 113 106 970 428 789 Sumber: Hasil analisis klasifikasi tutupan lahan di kawasan hutan tahun 2016
20
Gambar 5 Peta klasifikasi tutupan lahan pada kawasan hutan di Kabupaten Indragiri Hilir 2016
SIMPULAN DAN SARAN Simpulan
Klasifikasi tutupan lahan secara digital dapat mengidentifikasi 12 kelas tutupan lahan yaitu perkebunan, hutan mangrove, perkebunan sawit tua, hutan akasia muda, badan air, sawah, hutan akasia tua, awan, bayangan awan, rawa, lahan terbuka, dan lahan terbangun. Klasifikasi lahan secara visual dapat mengidentifikasi 15 kelas tutupan lahan yaitu perkebunan sawit muda, perkebunan karet, kebun campuran, semak belukar, hutan mangrove, perkebunan sawit tua, hutan akasia muda, badan air, sawah, hutan akasia tua, awan, bayangan awan, rawa, lahan terbuka, dan lahan terbangun. Nilai hasil uji akurasi pada klasifikasi secara digital menghasilkan Kappa accuracy sebesar 99%. Nilai hasil uji akurasi pada klasifikasi secara visual menghasilkan Kappa accuracy sebesar 98%. Di kawasan hutan khususnya kawasan hutan lindung terdapat beberapa kelas tutupan lahan yang tidak sesuai dengan fungsinya.
21
Saran
Perlu dilakukan penelitian pemetaan klasifikasi tutupan lahan di Kabupaten Indragiri Hilir dengan menggunakan metode lain untuk mengidentifikasi kelas tutupan lahan yang lebih detil. Tutupan lahan dikawasan hutan yang tidak sesuai dengan fungsinya perlu dipulihkan kembali khususnya di kawasan lindung.
DAFTAR PUSTAKA
[Baplan] Badan Planologi Kehutanan, Pusat Inventarisasi dan Perpetaan Hutan, Kementrian Kehutanan. 2008. Pemantauan Sumberdaya Hutan. Jakarta (ID): Badan Planologi Kehutanan, Departemen Kehutanan.
[BPS] Badan Pusat Statistik Kabupaten Indragiri Hilir. 2015. Statistik Daerah Kabupaten Indragiri Hilir 2015. Inhil (ID): Badan Pusat Statistik.
Danoedoro P. 2012. Pengantar Penginderaan Jauh Digital. Yogyakarta (ID): Penerbit ANDI.
Jaya INS. 2009. Analisis Citra Digital: Perspektif Penginderaan Jauh Untuk Pengelolaan Sumberdaya Alam. Bogor (ID): Fakultas Kehutanan IPB. Jaya INS. 2010. Analisis Citra Digital: Perspektif Penginderaan Jauh untuk
Pengelolaan Sumberdaya Alam. Bogor (ID): Fakultas Kehutanan IPB. Kusumaningtyas R, Chofyan I. 2013. Pengelolaan Hutan Dalam Mengatasi Alih
Fungsi Lahan Hutan Di Wilayah Kabupaten Subang. Ejurnal UNISBA. 2(13): 8-19.
Lillesand TM, Kiefer RW. 1990. Pengindraan Jauh dan Penafsiran Citra. Dulbahri, Suharsono P, Hartono, Suharyadi, penerjemah; Susanto, editor. Yogyakarta (ID): Gadjah Mada University Press. Terjemahan dari: Remote Sensing dan Image Interpretation.
Prahasta. 2008. Remote Sensing: Praktis penginderaan Jauh dan Pengolahan Citra Digital dengan Perangkat Lunak ER Mapper. Bandung (ID): Informatika Bandung.
Somantri L. 2008. Pemanfaatan teknik penginderaan jauh untuk mengidentifikasi kerentanan dan resiko banjir. Jurnal Gea 8: 20
Suwargana N. 2013. Resolusi spasial, temporal dan spektral pada citra satelit landsat, spot dan ikonos. Jurnal Ilmiah WIDYA 1 (2):167-174.
[USGS] United States Geological Survey. Landsat 8 OLI (Operational Land Imager) and TIRS (Thermal Infrared Sensor) [Internet]. [diunduh Sabtu 16 Januari 2016]. Tersedia dari http://landsat.usgs.gov.
23
RIWAYAT HIDUP
Penulis dilahirkan di Kecamatan Tembilahan Kota Kabupaten Indragiri Hilir, Provinsi Riau pada 16 Mei 1994. Penulis merupakan anak ke tiga dari 3 bersaudara pasangan Bapak Riduan S Sos, dan Ibu Arminis. Penulis menyelesaikan pendidikan dasar di SD Negeri 028 Tembilahan tahun 2001-2006, pendidikan menengah pertama di SMP Negeri 02 Tembilahan tahun 2006-2009, pendidikan menengah atas di SMA Negeri 01 Tembilahan tahun 2009-2012 dan di terima di Institut Pertanian Bogor pada tahun 2012 di Departemen Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor.
Selama menjadi mahasiswa, penulis pernah menjadi anggota Kelompok Studi Perencanaan Hutan tahun 2013-2014, mendapatkan peringkat ke dua Institut Pertanian Bogor Art Contest cabang seni lukis tahun 2015, peringkat pertama menyanyi tunggal di Lomba Solo Pop Festival se-Jawa Barat tahun 2013, anggota Indonesia And Japan One Team di Kedutaan Jepang Jakarta tahun 2013.
Penulis melakukan kegiatan Praktik Pengenalan Ekosistem Hutan (PPEH) di Kamojang – Sancang Barat pada tahun 2014, Praktik Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat (HPGW), Sukabumi dan KPH Cianjur Jawa Barat pada tahun 2015 dan Praktik Kerja Lapang (PKL) di IUPHHK-HTI PT Mitra Kembang Selaras, Kabupaten Indragiri Hulu Provinsi Riau pada tahun 2016.
Sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Program Studi Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor, penulis menyusun skripsi berjudul “Identifikasi Karakteristik dan Pemetaan Tutupan Lahan Menggunakan Citra Landsat 8 (OLI) di Kabupaten Indragiri Hilir Provinsi Riau” di bawah bimbingan Dr Nining Puspaningsih, MSi.
