PEMBENTUKAN MODEL DAN PARAMETER UNTUK
ESTIMASI KELAPA SAWIT MENGGUNAKAN DATA
LIGHT DETECTION AND RANGING (LIDAR)
(STUDI KASUS: PERKEBUNAN KELAPA SAWIT,
SUMATRA SELATAN)
TUGAS AKHIR
Karya ilmiah yang diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik
Oleh PRISKE KANDIA
NIM. 15108048
PROGRAM STUDI TEKNIK GEODESI DAN GEOMATIKA
FAKULTAS ILMU DAN TEKNOLOGI KEBUMIAN
INSTITUT TEKNOLOGI BANDUNG
2012
ii
LEMBAR PENGESAHAN
Tugas Akhir Sarjana
PEMBENTUKAN MODEL DAN PARAMETER UNTUK ESTIMASI KELAPA SAWIT MENGGUNAKAN DATA LIGHT DETECTION AND
RANGING (LIDAR)
(STUDI KASUS: PERKEBUNAN KELAPA SAWIT, SUMATRA SELATAN)
Adalah benar dibuat saya sendiri dan belum pernah dibuat dan diserahkan sebelumnya baik sebagian ataupun seluruhnya, baik oleh saya maupun orang lain,
baik di ITB maupun institusi pendidikan lainnya. Bandung, 14 September 2012
Penulis
Priske Kandia
NIM. 15108048
Diperiksa dan disetujui oleh
Pembimbing I Pembimbing II
Prof. Ketut Wikantika, P.hD. Dr. Ir. Agung Budi Harto, M.T
NIP. 19661217 199402 1 001
NIP.
19670822 199303 1 003 Disahkan oleh,Ketua Program Studi Teknik Geodesi dan Geomatika Fakultas Ilmu dan Teknologi Kebumian
Institut Teknologi Bandung
Dr. Ir. Kosasih Prijatna., M.Sc
iii
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Allah SWT atas segala berkah dan karunia-Nya penulis dapat menyelesaikan Tugas Akhir dengan judul “Pembentukan model dan parameter untukestimasi kelapa sawit menggunakan data Light Detection and Ranging” studi kasus: perkebunan kelapa sawit, Sumatra Selatan. Tugas Akhir ini ditulis sebagai salah satu syarat memperoleh gelar sarjana di Institut Teknologi Bandung.
Penyelesaian Tugas Akhir ini tidak terlepas dari dukungan dan bantuan dari berbagai pihak. Untuk itu penulis mengucapkan terima kasih kepada orang tua penulis, dosen-dosen pembimbing, dosen-dosen penguji, teman-teman, dan semua pihak yang telah membantu kelancaran pengerjaan Tugas Akhir ini.
Penulis menyadari adanya keterbatasan kemampuan dan kendala yang dihadapi dalam penyelesaian laporan kerja praktik ini sehingga apa yang penulis kerjakan sesungguhnya masih jauh dari sempurna. Penulis sangat mengharapkan kritik dan saran untuk peningkatan dan perbaikan ke depannya.
Besar harapan penulis agar Tugas Akhir ini dapat bermanfaat untuk banyak pihak serta dapat dikembangkan lebih lanjut.
Bandung, 14 September 2012
iv
ABSTRAK
Salah satu teknologi penginderaan jauh yang tengah berkembang sangat pesat ialah LiDAR, pemanfaatan data LiDAR semakin banyak dikembangkan salah satunya yakni pada bidang perkebunan dan kehutanan. Teknologi LiDAR dapat menawarkan proses pengukuran yang sangat cepat untuk area yang luas dan menghasilkan ketelitian yang bervariasi. Indonesia sebagai penghasil kelapa sawit terbesar di dunia perlu mengembangkan suatu metode yang secara efektif dapat memberikan informasi detail struktur pohon kelapa sawit yang dapat digunakan untuk manajemen dan monitoring perkebunan. Di dalam Tugas Akhir ini akan dikaji mengenai proses pengolahan data point clouds LiDAR hingga dibentuk DTM (Digital Terrain Model), DSM (Digital Surface Model) dan CHM (Canopy Height Model) yang akan digunakan untuk membentuk model dan parameter kelapa sawit untuk mendeteksi individu pohon kelapa sawit dalam suatu area penelitian. Pendeteksian individu pohon secara otomatis tersebut akan menghasilkan estimasi jumlah pohon dalam suatu area, serta dilengkapi dengan informasi tinggi dan lebar diameter kanopi tiap individu pohon yang terdeteksi. Dari hasil penelitian area studi penelitian pada perkebunan kelapa sawit seluas 20 Ha, di Kabupaten Prabumulih, Sumatra Selatan, didapat hasil sejumlah 2618 pohon yang berhasil terdeteksi secara otomatis. Kemudian setelah dilakukan validasi pada beberapa sample tile pada area penelitian didapat keakurasian sebesar 93%, dengan estimasi besar kesalahan sebesar 7% untuk area seluas ± 20 Ha. Standar deviasi yang dihasilkan untuk tinggi sebesar 0.150 meter dan untuk lebar diameter kanopi pohon sebesar 0.790 meter. Penelitian ini diharapkan dapat bermanfaat untuk dijadikan masukan untuk pemanfaatan teknologi penginderaan jauh khususnya LiDAR dalam upaya-upaya manajemen dan identifikasi perkebunan di Indonesia.
Kata kunci: Light Detection and Ranging, Canopy Height Model, model dan
v
ABSTRACT
One of the remote sensing technology that is currently growing very rapidly is LiDAR, LiDAR data utilization is being more developed in lots of fields, one of them is for plantation and forestry application. LiDAR technology can offer a very fast measurement process and produce varying accuracy for large area. Indonesia as the largest oil palm producer in the world needs to develop a method which can effectively provide detailed structural information of oil palm trees that can be used for plantation and forestry monitoring and management. This final project would assess on the data processing LiDAR, point clouds to be formed as DTM (Digital Terrain Model), DSM (Digital Surface Model) and CHM (Canopy Height Model). CHM will be used to establish model and parameter of oil palm trees to detect individual oil palm trees in a study area. Automatic detection of individual oil palm trees would provide the estimates amount of trees in study area complete with the height and diameter canopy width informations of each individual detected trees. This research showed that in the oil palm tree plantation area of 20 hectares, in Kabupaten Prabumulih, South Sumatra, a number of 2618 trees successfully detected automatically. After validation process on some tile samples in the study area of ± 20 Ha was obtained accuracy of 93% and 7% of error estimation. The height standard deviation is 0.150 meters and the width canopy standard deviatiom is 0.790 meters. This study hopefully can be an input that is useful for the utilization of remote sensing technology especially LiDAR for plantation management and forestry monitoring in Indonesia.
Keywords: Light Detection and Ranging, Canopy Height Model, model and parameter for trees detection, counting the amount of oil palm trees.
vi
DAFTAR ISI
LEMBAR PENGESAHAN ... ii
KATA PENGANTAR ... iii
ABSTRAK ... iv
ABSTRACT ... v
DAFTAR ISI ... vi
DAFTAR GAMBAR ... viii
DAFTAR TABEL ... x BAB 1 PENDAHULUAN ... 1 1.1 Latar Belakang ... 1 1.2 Tujuan ... 2 1.3 Ruang Lingkup ... 3 1.4 Metodologi ... 3 1.5 Sistematika Penulisan ... 6
BAB 2 TEKNOLOGI LIDAR ... 7
2.1 Light Detection and Ranging (LiDAR) ... 7
2.1.1 Komponen LiDAR ... 7
2.1.2 Prinsip Kerja LiDAR ... 12
2.1.3 Data LiDAR ... 14
2.1.4 Ketelitian Data LiDAR ... 16
2.2 Kelapa Sawit ... 17
BAB 3 LIDAR DAN PENDETEKSIAN POHON ... 19
3.1 Data dan Area Studi ... 19
3.2 Metodologi dan Proses Pengolahan Data ... 21
3.2.1 Proses Pengolahan Data LiDAR ... 21
3.2.2 Proses Pendeteksian Pohon ... 27
3.2.3 Proses Validasi Hasil Pendeteksian Pohon ... 28
BAB 4 HASIL DAN ANALISIS ... 32
4.1 Analisis Hasil Proses Pengolahan Data LiDAR ... 32
vii
4.3 Analisis Hasil Proses Validasi Pendeteksian Pohon ... 37
BAB 5 KESIMPULAN DAN SARAN ... 41
5.1 Kesimpulan ... 41
5.2 Saran ... 42
DAFTAR PUSTAKA ... 43
viii
DAFTAR GAMBAR
Gambar 1.1 Skema metodologi penelitian ... 4
Gambar 2.1 Multiple return pada LiDAR ... 9
Gambar 2.2 Ilustrasi konfigurasi GPS ... 10
Gambar 2.3 Heading, pitch, roll ... 12
Gambar 2.4 Ilustrasi time of travel ... 13
Gambar 2.5 Ilustrasi komponen LiDAR ... 13
Gambar 2.6 Pohon kelapa sawit ... 18
Gambar 3.1 Area studi penelitian... 19
Gambar 3.2 Data point cloud LiDAR ... 20
Gambar 3.3 Data orthophoto LiDAR ... 20
Gambar 3.4 Proses tiling pada area studi ... 21
Gambar 3.5 Ilustrasi parameter klasifikasi kelas ground ... 24
Gambar 3.6 Hasil klasifikasi point cloud semi otomatis yang belum sempurna ... 25
Gambar 3.7 Hasil klasifikasi point cloud kelas ground yang di-brush manual ... 25
Gambar 3.8 Point cloud dan sampel model individu pohon ... 28
Gambar 3.9 Tiling orthophoto pada area studi (tiles berwarna merah)... 29
Gambar 3.10 Poligon deteksi pohon manual untuk validasi ... 30
Gambar 3.11 Poligon hasil deteksi manual pohon dan otomatis pohon ... 30
Gambar 4.1 Hasil Digital Terrain Model (DTM) ... 32
Gambar 4.2 Hasil Digital Surface Model (DSM) ... 33
Gambar 4.3 Canopy Height Model (CHM) ... 33
Gambar 4.4 Hasil deteksi otomatis poligon pohon kelapa sawit ... 35
Gambar 4.5 Orthophoto satu sample tile... 35
Gambar 4.6 Poligon deteksi otomatis ... 35
Gambar 4.7 Poligon pohon hasil deteksi otomatis ... 36
Gambar 4.8 Bentuk pemodelan kelapa sawit ... 37
Gambar 4.9 Poligon otomatis (biru) dan manual (merah) pada tile 3 ... 38
Gambar 4.10 Poligon otomatis (biru) dan manual (merah) pada tile 3 ... 38
ix Gambar 4.12 Tile 14 ... 39 Gambar 4.13 Tile 16 ... 40
x
DAFTAR TABEL
Tabel 3.1 Parameter akuisisi data LiDAR... 20
Tabel 3.2 Parameter klasifikasi point cloud kelas ground ... 24
Tabel 3.3 Parameter tinggi klasifikasi kelas vegetasi ... 26
Tabel 4.1 Hasil statistik klasifikasi point clouds ... 32
Tabel 4.2 Hasil deteksi individu pohon kelapa sawit secara otomatis ... 36
