• Tidak ada hasil yang ditemukan

PEMETAAN SAWAH BAKU KABUPATEN SUBANG BAGIAN BARAT DENGAN CITRA SATELIT ALOS NADIA INOVA SARI A

N/A
N/A
Protected

Academic year: 2021

Membagikan "PEMETAAN SAWAH BAKU KABUPATEN SUBANG BAGIAN BARAT DENGAN CITRA SATELIT ALOS NADIA INOVA SARI A"

Copied!
61
0
0

Teks penuh

(1)

PEMETAAN SAWAH BAKU KABUPATEN SUBANG BAGIAN BARAT DENGAN CITRA SATELIT ALOS

NADIA INOVA SARI A14052257

PROGRAM STUDI MANAJEMEN SUMBERDAYA LAHAN DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN

FALKUTAS PERTANIAN INSTITUT PERTANIAN BOGOR

(2)

PEMETAAN SAWAH BAKU KABUPATEN SUBANG BAGIAN BARAT DENGAN CITRA SATELIT ALOS

Skripsi

Sebagai salah satu syarat untuk memperoleh gelar sarjana pada Falkutas Pertanian Institut Pertanian Bogor

NADIA INOVA SARI A14052257

PROGRAM STUDI MANAJEMEN SUMBERDAYA LAHAN DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN

FALKUTAS PERTANIAN INSTITUT PERTANIAN BOGOR

(3)

ABSTRACT

NADIA INOVA SARI. Baseline Rice Field Mapping of Western Part of Kabupaten Subang with ALOS Satellite Imageries. Supervised By M.A. RAIMADOYA dan HIDAYAT WIRANEGARA.

Baseline rice field mapping is a mapping operation with wall to wall coverage characteristic, multi-purpose and cartographic base construction. This activity is suitable for tandem operation for routine updating of rural areal topographic map, in the rice production centre region to optimized cost. BIMAS-21 is the first systematic method for baseline rice field mapping in Indonesia which adapt this approach.

This research used ALOS PRISM and ALOS PALSAR imageries of Kabupaten Subang which ware recorded in 2007. Detailed analysis using ALOS PRISM was executed in Kecamatan Ciasem, and concentrated to the three villages: Desa Ciasembaru, Desa Ciasemtengah, and Desa Ciasemhilir. The processing of ALOS PRISM images were targeted to baseline rice field mapping, whereas the processing of ALOS PALSAR imageries were directed for plant growth monitoring, including rice phenology and planting progress acreage.

(4)

ABSTRAK

NADIA INOVA SARI. Pemetaan Sawah Baku Kabupaten Subang bagian Barat dengan Citra Satelit ALOS. Dibawah Bimbingan M.A. RAIMADOYA dan HIDAYAT WIRANEGARA.

Pemetaan baku sawah ialah suatu operasi pemetaan yang bersifat wall to wall, multiguna dan kontruksinya berbasis kartografi. Kegiatan ini dapat ditandemkan dengan kegiatan rutin pemuktahiran peta topografi areal pedesaan, pada kawasan sentra produksi padi dengan biaya yang lebih optimal. BIMAS-21 merupakan upaya pertama di Indonesia untuk pemetaan baku sawah secara bersistem.

Studi ini menggunakan citra ALOS PRISM dan ALOS PALSAR yang direkam tahun 2007 pada kawasan Kabupaten Subang bagian Barat. Analisis dilakukan di Kecamatan Ciasem, yaitu Desa Ciasembaru, Desa Ciasemtengah, dan Desa Ciasemhilir. Pengolahan citra ALOS PRISM untuk mengidentifikasi lahan-lahan sawah, sedangkan pengolahan citra radar ALOS PALSAR untuk mengidentifikasi persentasi kemajuan tanam dan penentuan klasifikasi fase tanam.

(5)

Judul : PEMETAAN SAWAH BAKU KABUPATEN SUBANG BAGIAN BARAT DENGAN CITRA SATELIT ALOS

Nama : NADIA INOVA SARI

NRP : A14052257

Menyetujui,

Dosen Pembimbing I Dosen Pembinging II

Ir. Mahmud A. Raimadoya, M.Sc. Ir. Hidayat Wiranegara NIP. 19510604 197703 1 002 NIP. 19470102 197603 1 002

Mengetahui, Dekan Falkutas Pertanian

(6)

NIP. 19571222 198203 1 002

Tanggal Lulus :

RIWAYAT HIDUP

Penulis yang bernama Nadia Inova Sari dilahirkan di Bogor pada tanggal 5 November 1987, merupakan anak keempat dari empat bersaudara pasangan Ngadenan dan Elly Wahyu Nurbiyah.

Pada tahun 1991 sampai dengan 1993 penulis memulai pendidikan Taman Kanak-kanak di TK Angraeni, Bogor dan pada tahun 1993 sampai dengan 1999 penulis melanjutkan pendidikan Sekolah Dasar di SD Negeri Polisi V, Bogor. Pada tahun 1999 sampai 2002 penulis melanjutkan pendidikan Sekolah Menengah Pertama di SMPN 4 Bogor dan pada tahun 2002 sampai dengan 2005 penulis melanjutkan pendidikan di SMAN 5 Bogor. Pada tahun 2005 penulis melanjutkan Strata-1 di Departemen Ilmu Tanah dan Sumberdaya Lahan, Falkutas Pertanian, Institut Pertanian Bogor melalui jalur USMI.

Selama menempuh pendidikan di perguruan tinggi, penulis berkesempatan menjadi asisten praktikum mata kuliah Sistem Informasi Geografi, Geomorfologi dan Analisis Lanskap pada tahun 2008/2009, serta Pencitraan dan Penginderaan Jauh pada tahun 2009/2010.

(7)

KATA PENGANTAR

Puji dan syukur penulis panjatkan ke hadirat Allah SWT, karena dengan ke Ridhoan-Nya lah penulis dapat menyelesaikan skripsi ini. Salawat serta salam penulis curahkan kepada bimbingan Nabi Besar Muhammad SAW, yang telah membimbing seluruh umat manusia. Skripsi ini disusun sebagai salah satu syarat untuk mencapai gelar sarjana pertanian di Falkutas Pertanian – Institut Pertanian Bogor.

Dalam penulisan skripsi ini banyak sekali hambatan dan halangan yang mungkin tidak dapat saya jalani sendiri. Dukungan serta dorongan moril maupun spirituil dari berbagai pihak begitu besar, sehingga skripsi ini dapat terselesaikan dengan baik. Untuk itu penulis ucapkan terimakasih kepada :

1. Ir. Mahmud A. Raimadoya, MSc selaku dosen pembimbing pertama yang telah memberikan bimbingan, pengajaran, dan motivasi selama penelitian dan penulisan skripsi

2. Ir. Hidayat Wiranegara selaku dosen pembimbing II yang telah memberikan masukan dan saran kepada penulis dalam menyelesaikan penyusunan skripsi

3. Ir. Bambang H. Trisasongko, MSc yang telah memberikan segenap ilmu dan saran sehingga skripsi ini dapat terselesaikan

4. Keluarga yang paling saya sayangi, mama dan papaku tercinta yang selalu memberikan kasih sayang, semangat serta doa yang tiada hentinya mengalir. Kakak-kakakku Vera dan Eko, Ricky dan Evi, Iin ( my sweet sister), dan Ferry yang sudah banyak membantu.

5. Mahariansyah yang selalu bersabar menemani sekaligus penyejuk hati, thanks for your love

(8)

6. Teman-temanku yang cantik (Selvi, Aufa, dan Agi) yang selalu mendukung, menemani satu sama lain serta kerjasamanya yang tetap kompak. Dan teman seperjuanganku Yusni, terimakasih atas semangatnya 7. Kawan-kawan Soil-42

8. Semua pihak yang tidak saya sebutkan satu persatu, yang telah memberikan dukungan dan kerjasamanya sehingga skripsi ini dapat terselesaikan dengan baik

Penulis berharap semoga skripsi ini dapat bermanfaat bagi semua pihak yang membutuhkannya, terutama bagi perkembangan teknologi radar di Indonesia.

Bogor, Agustus 2009

(9)

DAFTAR ISI

Halaman DAFTAR TABEL ... i DAFTAR GAMBAR ... ii I. PENDAHULUAN 1.1 Latar Belakang ... 1 1.2 Tujuan ... 3

II. TINJAUAN PUSTAKA 2.1. Penginderaan Jauh ... 4

2.2. Peta ... 4

2.3. Radar ... 5

2.4 BIMAS-21 ... 5

2.4.1 Pemetaan Baku Sawah ... 5

2.4.2 Implementasi Pemetaan Baku Sawah ... 6

2.5. Satelit ALOS ... 7

2.5.1 Spesifikasi Instrument Satelit ALOS ... 8

III. METODOLOGI 3.1. Waktu dan Tempat Penelitian ... 13

3.2. Bahan dan Alat ... 13

3.3. Metode Penelitian ... 13

(10)

IV. HASIL DAN PEMBAHASAN

4.1. ALOS PRISM ... 16

4.2. Digitasi Lahan Sawah... 19

4.3. Identifikasi dan Analisis Lahan Sawah Kecamatan Ciasem ... 21

4.4. Analisis citra ALOS PALSAR ... 24

4.5 Pengecekan Hasil Klasifikasi ALOS PRISM dan ALOS PALSAR dengan data UPT BPP ... 29

V. KESIMPULAN DAN SARAN 5.1. Kesimpulan ... 34

5.2. Saran ... 34

DAFTAR PUSTAKA ... 35

(11)

DAFTAR TABEL

Nomor Halaman

Teks

1. Keterangan Umum ALOS ... 7

2. Karakteristik PRISM ... 8

3. Karakteristik AVNIR-2 ... 10

4. Karakteristik PALSAR ... 11

5. Perhitungan Jumlah Petak, Luas Sawah (ha), dan Rata-rata Luas per Petak (ha) dengan Menggunakan Interpretasi ALOS PRISM ... 24

6. Klasifikasi Fase Tanam ... 27

7. Luas Tanam di daerah Kecamatan Ciasem ... 30

8. Nilai Luas Tanam antara UPT BPP dan Citra ALOS ... 31

9. Luas Tanah Sawah Menurut Kecamatan di Kabupaten Subang, BPS Kabupaten Subang ... 33

LAMPIRAN Nomor Halaman Teks 1. Jumlah Petak Sawah, Luas Sawah, Rata-rata per Petak Sawah dan Fase Tanam di Desa Ciasemhilir periode Juni dan September ... 38

2. Jumlah Petak Sawah, Luas Sawah, Rata-rata per Petak Sawah dan Fase Tanam di Desa Ciasemhilir periode September dan Oktober ... 40 3. Jumlah Petak Sawah, Luas Sawah, Rata-Rata per Petak Sawah

(12)

Desa Ciasembaru ... 43

4. Jumlah Petak Sawah, Luas Sawah, Rata-Rata per Petak Sawah Desa Ciasemtengah ... 46

DAFTAR GAMBAR Nomor Halaman Teks 1. Instrument PRISM ... 8

2. Prinsip Geometri dari PRISM ... 8

3. Instrument AVNIR-2 ... 10

4. Prinsip Geometri dari AVNIR-2 ... 10

5. Instrument PALSAR ... 11

6. Prinsip Geometri PALSAR ... 11

7. Diagram Alir Penelitian ... 15

8. Perekaman ALOS di Jawa Barat ... 16

9. Letak ALOS PRISM Kabupaten Subang ... 17

10. Citra ALOS PRISM Kabupaten Subang ... 17

11. Ilustrasi Batas Kecamatan Kabupaten Subang bagian Barat ... 18

12. Hasil Digitasi Lahan Sawah di Kabupaten Subang Bagian Barat ... 20

13. Layout Lahan Sawah Kecamatan Ciasem ... 21

14. Hasil Digitasi Lahan Sawah per Desa di Kecamatan Ciasem ... 22

15. Lahan Sawah Desa Ciasembaru, Desa Ciasemhilir dan Desa Ciasemtengah ... 22

16. Petak Sawah Desa Ciasemhilir ... 23

17. Petak Sawah Desa Ciasembaru ... 23

18. Petak Sawah Desa Ciasemtengah ... 23

19. Citra Radar Bulan Juni 2007 ... 25

20. Citra Radar Bulan September 2007 ... 25

21. Citra Radar Bulan Oktober 2007 ... 26

(13)

23. Citra Hasil Overlay antara Bulan September dan Oktober 2007 ... 27

24. Warna Dominan pada Fase Tanam ... 28

25. Fase Tanam Desa Ciasemhilir Bulan Juni dan September ... 28

26. Fase Tanam Desa Ciasemhilir Bulan September dan Oktober ... 29

27. Petakan Sawah yang Melebihi Batas Desa ... 32

28. Keragaman Fase Tanam ... 32

(14)

I. PENDAHULUAN

1.1 Latar Belakang

Semakin lama kehidupan manusia semakin dipermudah dengan adanya teknologi. Teknologi sudah menyentuh seluruh aktivitas, dan kegiatan manusia, termasuk teknologi untuk pertanian. Jika dahulu manusia menggunakan kerbau untuk membajak sawah, sekarang para petani banyak yang menggunakan traktor untuk membajak sawahnya. Saat ini, sudah banyak digunakan teknologi untuk meningkatkan produktivitas dari hasil pertanian, salah satunya adalah Radar.

Terkait hal ini, aplikasi radar pencitra akan mempengaruhi sistem pertanian di Indonesia khususnya komoditi padi. Padi merupakan tanaman kebutuhan yang paling mendasar bagi sebagian besar masyarakat Indonesia. Untuk itu perlu di jaga serta ditingkatkan produksisnya. Pada peningkatan produksi ada beberapa cara efektif yang dapat digunakan, salah satunya adalah teknik penginderaan jauh (remote sensing) yang merupakan suatu teknik untuk melakukan observasi terhadap permukaan bumi dengan pengambilan citra yang dilakukan dengan sensor dari satelit terhadap permukaan bumi.

Perkembangan sistem pertanian khususnya untuk identifikasi luas lahan baku sawah dan produktifitas padi di Indonesia pada awalnya lebih banyak dilakukan oleh Departemen Pertanian (Deptan) dan Badan Pusat Statistik (BPS). Metode yang dipakai oleh BPS merupakan metode list frame (berbasis daftar) dengan menggunakan alat GPS (Global Postioning System). Penggunaan alat ini bukan solusi yang tepat dalam pencapaian upaya mendapatkan data luas lahan baku sawah karena proses sepenuhnya di lakukan di lapangan. Akibatnya membutuhkan waktu yang lama, dan semakin luas lahan yang akan dihitung maka

(15)

semakin banyak waktu yang dibutuhkan. Selain itu tingkat akurasinya kurang tepat karena sering terjadi kelebihan area yang terekam serta butuh biaya yang besar.

Pada tahun 2005, Bakosurtanal sudah menyelesaikan pemetaan lahan sawah di Pulau Jawa dengan menggunakan citra satelit medium yaitu Landsat-ETM. Ini merupakan titik cerah untuk mengubah paradigma dari metode list frame (berbasis daftar) ke area frame (berbasis area). Metode area frame lebih tepat karena mempunyai fondasi yang kuat dalam pemetaan terutama lahan dengan ruang lingkup yang lebih kecil contohnya mengidentifikasi luas lahan sawah di tingkat Kecamatan / Desa serta dapat digunakan untuk 15-20 tahun kedepan.

Upaya Bakosurtanal diatas terkait dengan gerakan BIMAS-21. Kegiatan ini dilakukan agar dapat menjawab unsur kritis yang termasuk dalam komponen BIMAS-21 yaitu Tani Cermat. Terutama dalam mengatasi tiga mega isyu pertanian pangan dan energi, yaitu : 1.) perbaikan estimasi produksi padi dari list frame menuju area frame ; 2.) pemetaan lahan baku sawah terkait lahan pangan abadi maupun laju “desawahnisasi” ; dan 3.) laju ekstensifikasi lahan kebun sawit terkait perubahan iklim (deforestasi), yang dapat berbalik mengancam pertanian pangan.

BIMAS-21 memanfaatkan sensor ALOS (Advanced Land Observing Satelite) untuk mendukung diperolehnya informasi penutup lahan dan elevasi lahan. ALOS mempunyai tiga komponen penginderaan, yaitu : 1.) PRISM (Panchromatic Remote Sensing Instrument for Stereo Mapping) yang berfungsi untuk pemetaan elevasi secara digital ; 2.) AVNIR-2 (Advanced Visible and Near Infared Radiometer type 2) untuk ketetapan observasi penutupan lahan ; dan 3.) PALSAR (Phased Array type L-Band Synthetic Aperture Radar) untuk observasi cuaca pada siang dan malam hari di permukaan bumi.

Penentuan lahan baku sawah dilakukan di daerah Kabupaten Subang karena Kabupten Subang merupakan daerah sentar produksi padi. Luas

(16)

lahan sawahnya pada tahun 2007 tercatat seluas 84.167 atau sekitar 41,71 % dari total luas wilayah Kabupaten Subang.

1.2 TUJUAN

Penelitian ini bertujuan mengeksploitasi kegunaan citra ALOS PRISM dan ALOS PALSAR dengan bantuan perangkat lunak Arcview untuk aplikasi pemetaan lahan baku sawah di wilayah Kabupaten Subang bagian Barat, agar dapat memperoleh luas lahan baku sawah yang lebih akurat.

(17)

.

II. TINJAUAN PUSTAKA

2.1 Penginderaan Jauh

Penginderaan jauh merupakan ilmu dan seni untuk memperoleh informasi tentang objek, daerah atau gejala dengan jalan menganalisis data yang diperoleh dengan menggunakan alat tanpa kontak langsung terhadap objek, daerah atau gejala yang dikaji. (Sutanto 1986)

Penginderaan jauh menurut kemungkinan penggunannya dapat dikelompokkan sebagai berikut (LAPAN, 2004) :

1. Sistem satelit untuk meteorologi, lingkungan dan oceanografi. Satelit ini memiliki resolusi spasial rendah (1-5 km) tetapi dengan waktu periode ulang yang pendek (sehari sekali atau lebih).

2. Sistem satelit untuk inventarisasi dan pemantauan sumberdaya alam. Satelit ini memiliki resolusi spasial menengah (±20 m), minimal memiliki tiga kanal spectral dengan periode ulang sekitar satu bulan.

3. Sistem satelit untuk penyediaan peta tematik dan topografi. Satelit ini harus memiliki resolusi spasial tinggi (≤ 15 m), dengan spectral rendah (1-3 kanal) dan mempunyai kemampuan strereoskofis. 2.2 Peta

(18)

Peta merupakan penyajian secara grafis dari kumpulan data yang mentah maupun yang telah dianalisis atau informasi sesuai lokasinya. Dengan kata lain peta adalah bentuk sajian informasi spasial mengenai permukaan bumi untuk dapat dipergunakan dalam pembuatan keputusan (Barus dan Wiradisastra, 1996).

Peta harus menampilkan informasi secara jelas agar bermanfaat, antara lain : 1. Mengandung ketelitian yang tinggi

2. Walaupun tidak dapat dihindari harus bersifat selektif

3. Dengan mengalami pengolahan, biasanya terlebih dahulu ditambah dengan ilmu pengetahuan agar lebih dapat dimanfaatkan langsung oleh pengguna

2.3 RADAR

Radar dikembangkan sebagai suatu cara yang menggunakan gelombang radio untuk mendeteksi adanya obyek dan menentukan jarak (posisinya). Proses dari radar terjadi karena ledakkan pendek atau pulsa tenaga gelombang mikro ke arah yang dikehendaki dan merekam kekuatannya dari asal “gema” atau “pantulan” yang diterima dari obyek dalam sistem medan pandang. Sistem radar dapat membuahkan citra dan hasil bukan citra. Dapat di pasang di darat / pada pesawat/ pesawat antariksa.

2.4 BIMAS-21

Gerakan ini pertama kali dicetuskan pada tanggal 7 Agustus 2008 dalam kegiatan Indonesia Geospatial Technology Exhibition (IGTE) oleh Bakosurtanal. Gerakan ini kelanjutan dari BIMAS tahun 1964-an oleh IPB dengan memasukkan komponen Tani Cermat (TanCer) yang didukung dengan teknologi Geomatika. Komponen TanCer lewat BIMAS-21 berguna untuk menghadapi tiga tantangan utama pertanian padi di dunia, yaitu : (1) peningkatan produksi yang memerlukan dukungan lahan baku sawah terkait lahan abadi, optimalisasi lahan atas perubahan iklim dan perbaikan sistem estimasi produksi nasional; (2) dampak lingkungan mencangkup emisi metana sebagai gas rumah kaca (GRK) dan antisipasi banjir serta kekeringan; dan (3) kesejahteraan petani padi yang mencakup upaya perbaikan sistem subsidi pertanian padi yang pro petani.

(19)

BIMAS-21 merupakan upaya pertama di Indonesia untuk pemetaan baku sawah secara bersistem (Raimadoya dan Fahmi, 2008).

2.4.1 Pemetaan Baku Sawah

Pemetaan baku sawah ialah suatu operasi pemetaan yang bersifat wall to wall, multiguna dan kontruksinya berbasis kartografi. Kegiatan ini dapat ditandemkan dengan kegiatan rutin pemuktahiran peta topografi areal pedesaan pada kawasan sentra produksi padi dengan biaya yang lebih optimal.

BPS melakukan pemetaan baku sawah dengan cara mensensus luas lahan pertanian berbasis desa atau kelurahan dengan menggunakan alat GPS (Global Postioning System) dimaksudkan untuk memutakhirkan basis data luasan tanam yang dipakai untuk mengukur produksi padi dan palawija. Pendekatan seperti ini masih bersifat list frame karena contoh yang diambil tidak dapat dianggap probabilistik, karena beberapa usaha tani mempunyai peluang nol untuk dipilih sebab tidak masuk dalam daftar.

Sistem yang berjalan saat ini sulit mengatasi tantangan yang terkait dengan akurasi estimasi (sampling eror dan non-sampling eror), jaminan lahan pangan abadi, optimalisasi pengelolaan lahan terkait antisipasi perubahan iklim, dan subsidi pertanian model baru (disesuaikan dengan aturan WTO). Untuk itu diperlukan perubahan paradigma dalam metode estimasi dari berbasis daftar (list frame) ke berbasis area (area frame), bahkan ke berbasis ganda (multiple frame ) : gabungan daftar dan area (M.A. Raimadoya)

2.4.2 Implementasi Pemetaan Baku Sawah

Implementasi pemetaan baku sawah melibatkan operasi standar IMGINT dengan tiga lapisan :

1. Deteksi (Detection)

Menggunakan citra multi-temporal moda WB1 / PSR (ScanSAR), untuk memastikan kemampuan radar mendeteksi sawah dan non-sawah dalam kawasan yang lebih luas.

(20)

Moda FBD343 / PSR (StripMap) dengan kemampuan DualPOL untuk memudahkan pengenalan fenologi tanaman padi sesuai tanggal perekaman citra. Target utamanya adalah agar tidak ada bidang sawah yang lolos dari pengamatan, sehingga digunakan citra radar tunggal maupun ORM (Ortho Radar Mosaic).

3. Identifikasi (Identification)

Identifikasi ditujukan untuk mengidentifikasi bidang sawah dengan batas galengan yang dapat didelineasi, baik pada resolusi 2.5 m untuk OB1 / PSM maupun 1-m untuk SL / TSX. Citra radar TSX dipergunakan secara terbatas untuk mengisi celah tutupan awan pada citra optik PSM. (Raimadoya dan Fahmi, N)

2.5 Satelit ALOS

ALOS (Advanced Land Observing Satelite) adalah satelit yang diluncurkan oleh badan antariksa Jepang pada Januari 2006 yang merupakan satelit generasi lanjutan dari JERS-1 dan ADEOS yang dilengkapi dengan teknologi yang lebih maju. ALOS dilengkapi dengan tiga instrument penginderaan jauh, yaitu : Panchromatic Remote-Sensing Instrument for Stereo Mapping (PRISM); Advanced Visible and Near Infared Radiometer type 2 (AVNIR-2); dan Phased-Array type L-Band Synthetic Aperture Radar (PALSAR).

Tabel 1. : Keterangan Umum ALOS

Alat Peluncuran Roket H-IIA

Tempat Peluncuran Pusat Ruang Angkasa Tanagashima

Berat Satelit 4000 Kg

Power 7000 W

Waktu Operasional 3 sampai 5 tahun

Orbit Sun-Synchoronous Sub-Recurr Orbit Recurrent Period : 46 hari Sub cyle 2 hari

Tinggi Lintasan : 692 km di atas equator

(21)

Secara ringkas ada lima misi dari satelit ALOS adalah sebagai berikut (NASDA, 2004) :

1. Kartografi : untuk menyediakan peta wilayah Jepang dan wilayah Asia-Pasifik.

2. Pemantauan Regional : melakukan pemantauan regional untuk pengembangan pembangunan yang berkelanjutan dan harmonisasi antara ketersediaan sumberdaya alam pembangunan.

3. Monitoring Bencana : melakukan monitoring bencana alam. 4. Survey Sumberdaya alam : untuk survey sumberdaya alam.

5. Pengembangan Teknologi : mengembangkan teknologi penginderaan jauh yang tepat untuk masa sekarang dan akan datang.

2.5.1 Spesifikasi Instrumen Satelit ALOS

PRISM dirancang untuk memperoleh data Digital Terrain Model (DTM). Memiliki tiga optis yang memungkinkan data dapat direkam pada saat yang bersamaan, yaitu melalui mode observasi dari arah nadir, depan (forward), dan belakang (backward). Dengan kemampuan seperti ini dimungkinkan untuk membangun data 3-D (three dimensional terrain data) dengan tingkat akurasi yang tinggi. Teleskop observasi dari arah nadir di sensor PRISM ini memiliki lebar sapuan 70 km, sedangkan teleskop observasi dari arah depan dan belakang (tripled mode) masing-masing mempunyai lebar sapuan 35 km.

(22)

Gambar 2. Prinsip Geometri dari PRISM Tabel 2. : Karakteristik PRISM

List Characteristics Notes

Wave lenght

0.52-0.77 mm Telescope 3 (nadir, forward,

backward)

Angle between nadir and forward / backward : +/- 23.8 ̊ Base/height ratio 1.0 (forward/backward) Spatial resolution 2.5 m Temporal resolution 46 days Swath width

35 km dan 70 km 35 km for mode stereo triplet, and 70 km for nadir aquisition Pointing angle +/- 1.5 ̊ +/- : right or left direction Metoda scanning Pushbroom Radiometrik 8 bits 0-255 FOV 5.8 (nadir) 2.63 (forward/backward)

Has correlation with the wide of each sensor

IFOV 3.61 mrad Has correlation with

spatial resolution Focal lenght 1939 mm

S/N >70

(23)

Level data 0 1A 1B1 1B2 R (geo referenced) 1B2 G (geo coded) Raw data

Processed raw data with correction coefficient Corrected radiometric on sensor Corrected geometric (projection,

resampling and pixel size) Jumlah detector 28000/kanal 14000/kanal Lebar cakupan 70 km Lebar cakupan 35 km

AVINIR-2 dilengkapi dengan kemampuan khusus yang memungkinkan satelit dapat melakukan observasi tidak hanya pada arah tegak lurus lintasan satelit, tetapi juga mode operasi dengan sudut observasi (pointing angle) hingga sebesar ± 44 ̊. Kemampuan itu diharapkan dapat membantu dalam pemantauan kondisi suatu area yang diinginkan. Sensor ini dapat dimanfaatkan dalam penyusunan peta penggunaan lahan / peta vegetasi terutama dengan menggunakan band cahaya tampak (visible) dan infamerah dekat (near infared).

Gambar 3. Instrument AVNIR-2

Gambar 4. Prinsip Geometri dari AVNIR-2 Tabel 3. : Karakteristik AVNIR-2

(24)

Kanal Observasi Kanal-1 : 0.42-0.50 µm Kanal-2 : 0.52-0.60 µm Kanal-3 : 0.61-0.69 µm Kanal-4 : 0.76-0.89 µm S/N >200 MTF Kanal 1-3 : >0.25 Kanal-4 : >0.20 Resolusi 10 m (nadir)

Lembar cakupan 70 km (nadir) Jumlah detector 7000 / kanal

Sudut pengambilan -44 to ++ 44 derajat

Panjang bit 8 bit

PALSAR merupakan pengembangan dari sensor SAR yang dibawa oleh satelit pendahulunya JERS-1. Sensor ini merupakan sensor gelombang mikro aktif yang dapat melakukan observasi siang dan malam tanpa terpengaruh pada kondisi cuaca. Melalui salah satu mode observasinya, yaitu ScanSAR, sensor ini memungkinkan dapat melakukan pengamatan permukaan bumi dengan cakupan area yang luas yaitu 250-350 km.

Gambar 5. Instrument PALSAR

Gambar 6. Prinsip Geometri PALSAR Tabel 4. : Karakteristik PALSAR

(25)

Mode Fine ScanSAR Polarimetric (Experimental Mode) Frekuensi 1270 MHz (L-BAND) Lebar kanal 28 / 14 MHz Polarisasi HH / VV / HH +HV / VV + VH HH / VV HH + HV + VH + VV Resolusi spasial 10 m (2 look) / 20 m (4 look) 100 m (multi look) 30 m Lebar cakupan 70 km 250-350 km 30 km Incidence angle 8-60 derajat 18-43 derajat 8-30 derajat NE sigma 0 <- 23dB (70 km) <- 25dB (60 km) <-25 dB <- 29dB Panjang bit 3 bit / 5 bit

5 bit 3 bit / 5 bit Ukuran

antena

(26)

III. BAHAN DAN METODE

3.1 Waktu dan Tempat Penelitian

Penelitian ini dilakukan sejak bulan Januari 2009 hingga bulan Agustus 2009 di Laboratorium Penginderaan Jauh dan Analisis Spasial, Departemen Ilmu Tanah dan Sumberdaya Lahan, Institut Pertanian Bogor. Sementara pengambilan data lapang dilakukan pada tanggal 5 Agustus 2009 di Kabupaten Subang.

3.2 Bahan dan Alat

Data yang digunakan pada penelitian ini adalah data yang direkam dengan menggunakan instrument satelit ALOS PRISM dan ALOS PALSAR yang diakuisi pada daerah kajian Kabupaten Subang Kecamatan Ciasem.

Penelitian ini menggunakan seperangkat komputer sistem operasi Windows XP dan jaringan internet. Perangkat keras menggunakan Microsoft Office Word 2007 dan Microsoft Office Exel 2007. Untuk pengolahan data menggunakan perangkat lunak Arcview GIS 3.3 termasuk Image Analyst untuk mengolah ALOS PRISM dan perangkat lunak ENVI 4.1 untuk pengolahan ALOS PALSAR.

(27)

Penelitian yang saya lakukan terdiri dari beberapa tahapan pengerjaan, sesuai rincian sebagai berikut (Gambar 7):

1. Eksplorasi perangkat lunak ArcView GIS 3.3

2. Pengumpulan data yang terdiri dari citra ALOS PRISM, citra radar ALOS PALSAR, batas adminitrasi Kabupaten Subang, data UPT BPP Kecamatan Ciasem, dan data BPS Kabupaten Subang.

3. Pengolahan ALOS PRISM dan data batas adminitrasi Kabupaten Subang dengan menggunakan proses querry builder agar mendapatkan batas-batas kecamatan yang ada pada Kabupaten Subang khususnya Kabupaten Subang bagian Barat.

4. Setelah didapat batas-batas kecamatan, kemudian lakukan digitasi lahan sawah sesuai dengan kemampuan interpretasi dari analis.

5. Penentuan batas per petak sawah per kecamatan dan batas per petak sawah per desa sesuai dengan batas adminstriasinya masing-masing

6. Penentuan jumlah petak dan luas lahan serta perhitungan rata-rata per petak sawah per desa dengan menggunakan rumus pada field open theme table → calculate, lalu dianalisis.

7. Pengecekan hasil interpretasi ke Kecamatan Ciasem 8. Pengolahan citra radar ALOS PALSAR

9. Perbandingan hasil perhitungan data yang telah di interpretasi dengan citra ALOS PRISM dan ALOS PALSAR dengan data yang dimiliki oleh UPT BPP dan data BPS Kabupaten Subang.

(28)
(29)
(30)

IV. HASIL DAN PEMBAHASAN

4.1 ALOS PRISM

Pemetaan baku sawah pada penelitian ini menggunakan citra ALOS PRISM dan citra radar ALOS PALSAR pada daerah kajian Kabupaten Subang bagian Barat. ALOS PRISM adalah instrument penginderaan jauh pada satelit ALOS dengan sensor pankromatik yang memiliki resolusi spasial sebesar 2.5 m dengan lebar cakupan 35 km. Satelit ALOS PRISM memiliki mode OB1 nadir, forward, and backward views (triplet mode).

Perekaman citra sudah dilakukan semenjak tiga tahun lalu khususnya di daerah Jawa Barat, tetapi belum semua daerah dapat direkam dengan baik karena citra ini bersifat optik yang tidak dapat menembus awan, maka masih ada beberapa daerah yang sulit direkam oleh satelit seperti terlihat pada Gambar 8. Oleh karena itu, pencitraan ini memiliki hasil yang kurang maksimal. Kenampakan secara visual citra ini dipilih dari hasil perekaman yang berawan sama dengan 2% untuk Kabupaten Subang. Kenampakan secara visual citra kawasan Kabupaten Subang dapat dilihat pada Gambar 9. Maka pada bagian-bagian tertentu dicitra masih ada warna-warna putih sehingga menyebabakan objek masih sulit di identifikasi.

(31)

Gambar 9. Letak ALOS PRISM Kabupaten Subang (JAXA-ALOS, 2009) Citra yang digunakan untuk analisis merupakan seri citra yang direkam oleh Badan Antariksa Jepang pada tahun 2007 di kawasan Kabupaten Subang. Kenampakan secara visual citra ALOS PRISM dapat dilihat pada Gambar 10.

(32)

Dalam pemetaan baku sawah ini dibantu perangkat lunak ArcView GIS 3.3 termasuk Image Analyst dan ENVI 4.1. Eksplorasi perangkat ini berfungsi untuk mengolah peta yang didasarkan pada data spasial. Data spasial merupakan data yang mengandung informasi lokasi geografi dari kenampakan-kenampakan permukaan bumi, yang disertai dengan informasi tertentu untuk memperjelas gambaran keadaan permukaan bumi tersebut.

Tahapan awal yang dilakukan dalam pemetaan ini yaitu menetukan batas-batas kecamatan yang ada di Kabupaten Subang. Pada penentuan batas-batas kecamatan diperlukan pengolahan citra ALOS PRISM dan data batas adminitrasi Kabupaten Subang.

Untuk penentuan batas skala kecamatan dilakukan dengan menggunakan toolbar Query Builder yang didalamnya terdapat ekspresi kueri (query expression) yang terdapat pada perangkat lunak ArcView GIS 3.3. Pada toolbar ini dimasukkan sejumlah rumus yang akan dipilih, dari tahap ini akan didapatkan batas kecamatan dan terlihat kecamatan-kecamatan yang termasuk dalam wilayah Kabupaten Subang bagian Barat. Penentuan skala kecamatan yang termasuk Kabuten Subang bagian Barat berdasarkan peta topografi yang dibuat oleh Bakosurtanal, seperti terlihat pada Gambar 11. Selain itu penentuan batas kecamatan akan mempermudah dalam pengerjaan digitasi lahan-lahan sawah.

Gambar 11. Ilustrasi Batas Kecamatan Kabupaten Subang bagian Barat 4.2 Digitasi Lahan Sawah

(33)

Digitasi on screen dilakukan oleh analis untuk mengidentifikasi lahan sawah yang ada pada Kabupaten Subang bagian Barat. Kabupaten Subang Bagian Barat terdiri dari delapan kecamatan, antara lain : (1) Kecamatan Sagalaherang, (2) Kecamatan Purwadadi, (3) Kecamatan Patokbeusi, (4) Kecamatan Cipeundeuy, (5) Kecamatan Pabuaran, (6) Kecamatan Belanakan, (7) Kecamatan Kalijati, dan (8) Kecamatan Ciasem.

Hasil digitasi tergantung pada kemampuan dan pengetahuan operator dalam menginterpretasikan lahan sawah. Interpretasi ini berdasarkan pola dan tekstur yang dapat di identifikasi pada citra ALOS PRISM. Petak sawah berisi data feature yang besar dan memilki luasan maka membuatnya sebagai format poligon. Feature poligon menggambarkan unit-unit yang relatif sama.

Identifikasi petakan sawah ini mempunyai batas toleransi sebesar 5 m untuk batas galengan. Jadi, apabila galengan petakan sawah melebihi 5 m maka pada kenampakan di citra, batas galengan tersebut dalam visual akan terpisah. Sebaliknya, apabila galengan tersebut kurang dari 5 m maka kenampakan di citra petakan sawah akan menyatu. Batas toleransi 5 m merupakan batas toleransi terkecil pada proses digitasi lahan sawah. Dengan cara ini analis dapat mendeleniasi dengan baik petakan sawah dengan batas galengan (5 m) yang ada pada citra tersebut.

Dari Gambar 12 dapat dilihat bahwa lahan sawah hasil digitasi yang di ilustrasikan dengan warna kuning lebih banyak terletak di bagian Subang bagian utara dan Subang bagian tengah. Hal ini disebabkan karena kawasan bagian Subang Utara merupakan daerah dataran rendah dan bagian Subang Tengah merupakan daerah dataran rendah dan berbukit. Sedangkan bagian Subang Selatan merupakan daerah bergunung maka akan sedikit terdapat lahan sawah. Di daerah ini kebanyakan lahannya digunakan untuk hutan.

(34)

Gambar 12. Hasil Digitasi Lahan Sawah di Kabupaten Subang Bagian Barat

(35)

4.3 Identifikasi dan Analisis Lahan Sawah Kecamatan Ciasem

Setelah melakukan digitasi lahan sawah, diperlukan penentuan batas per petak sawah dan kecamatan mana yang akan di analisis. Dalam hal ini penelitian dilakukan di Kecamatan Ciasem yang terlihat pada Gambar 13. Hal ini dikarenakan di kecamatan tersebut memiliki data-data yang relatif lengkap hingga tingkat data per desa. Penentuan batas per petak sawah diperlukan agar mempermudah perhitungan jumlah petakan sawah dan luas sawah dalam suatu wilayah (kecamatan atau desa).

Gambar 13. Layout Lahan Sawah di Kecamatan Ciasem

Batas wilayah Kecamatan Ciasem antara lain : (1) bagian Utara berbatasan dengan Kecamatan Belanakan, (2) bagian Selatan berbatasan dengan Kecamatan Cikaum, (3) bagian Barat berbatasan dengan Kecamatan Patokbeusi, dan (4) bagian Timur berbatasan dengan Kecamatan Pamanukan. Daerah ini memiliki ketinggian antara 7-8 m dpl.

Pada citra ALOS PRISM kecamatan ini terdiri dari sepuluh desa yang ditunjukan pada Gambar 14, antara lain : (1) Desa Sukamandijaya (2) Desa Ciasemgirang (3) Desa Ciasembaru, (4) Desa Ciasemtengah, (5) Desa Ciasemhilir, (6) Desa Dukuh, (7) Desa Jatibaru, (8) Desa Pinangsari, (9) Desa Sukahaji, dan (10) Desa Mandalawangi.

(36)

Gambar 14. Hasil Digitasi Lahan Sawah Kecamatan Ciasem per Desa Dari sepuluh desa yang ada, diambil tiga desa yang akan dianalisis, antara lain Desa Ciasembaru, Desa Ciasemtengah, dan Desa CIasemhilir. Desa-desa tersebut merupakan desa yang rata-rata penghasil komoditas padi, jadi akan banyak ditemukan lahan sawah di ketiga desa yang ditunjukan pada Gambar 15. Selanjutnya pembatasan lahan sawah per desa yang ada di Kecamatan Ciasem dapat dilakukan dengan menggunakan toolbar Query Builder.

Gambar 15. Lahan Sawah Desa Ciasembaru, Desa Ciasemhilir, dan Desa Ciasemtengah

(37)

Desa Ciasemhilir (Gambar 16) yang di ilustrasikan berwarna ungu akan dianalisis hingga fase tanam, dan dua desa lainnya, yaitu: (1) Desa Ciasembaru (Gambar 17) yang di ilustrasikan berwarna biru, dan (2) Desa Ciasemtengah (Gambar 18) yang berwarna hijau dianalisis sebagai perbandingan jumlah petak sawah dan luas sawah.

Gambar 16. Petak Sawah Desa Gambar 17. Petak Sawah Desa Ciasemhilir Ciasemtengah

Gambar 18. Petak Sawah Desa Ciasemtengah

Setelah menentukan batas petak sawah per desa maka dapat mencari nilai luas sawah (ha), jumlah petak sawah, dan rata-rata luas petak (ha) dengan menggunakan toolbar open theme table dengan memasukkan rumus di dalam toolbar yang ada pada ArcView GIS 3.3. Pengolahannya sebagai berikut : open theme table → ketik field “luas (ha) → calculate → [shape].return area → ok. Dari hasil penghitungan rumus pada toolbar akan tersimpan sebagai data atribut

(38)

wilayah tersebut. Data atribut dipindahkan ke Microsoft Office Excel agar lebih mempermudah untuk penghitungan rata-rata luas per petak (ha). Selanjutnya diperoleh nilai seperti disajikan pada Tabel 5 :

Tabel 5. Perhitungan jumlah petak, luas sawah (ha), dan rata-rata luas per petak (ha) dengan menggunakan interpretasi ALOS PRISM

No. Desa Jumlah

Petak Luas Sawah (ha) Rata-Rata Luas per Petak (ha) 1. Desa Ciasembaru 321 830,64 2,58 2. Desa Ciasemtengah 149 569,89 0,0311 3. Desa Ciasemhilir 222 675,42 3,042

Dari data tabel diatas, dapat dilihat desa yang jumlah petakan sawah terbanyak yaitu Desa Ciasembaru sebesar 321 petak dengan luas sawah sebesar 830,63 ha dan rata-rata per petaknya sebesar 2,58 ha. Hal ini dikarenakan pada interpretasi ALOS PRISM terdapat banyaknya jumlah poligon petak sawah yang teridentifikasi di wilayah tersebut.

4.4 ANALISIS CITRA ALOS PALSAR

Citra radar yang digunakan merupakan citra ALOS PALSAR yang direkam oleh JAXA’S Tanegashima Space Center Jepang pada tahun 2007. ALOS PALSAR memiliki resolusi spasial sebesar 12.5 m dengan lebar cakupan 70 km. Citra yang dianalisis merupakan jenis FBD (Fine Resolution, Dual Polarisation Radar) dengan lebar kanal 14 MHz, polarisasinya dengan mode HH+HV, dan panjang bitnya sebesar 5 bit. Citra FBD dengan kemampuan DualPOL ditujukan untuk membantu dalam pengenalan fenologi tanaman padi sesuai dengan tanggal perekaman citra. PALSAR mempunyai keistimewaan tersendiri karena dapat menembus awan saat merekam obyek, sehingga informasi permukaan bumi dapat diraih setiap saat, baik malam maupun siang hari.

Operasi pada citra menggunakan bantuan perangkat lunak ENVI 4.1. Dalam pengoperasian PALSAR ini berfungsi untuk mendeteksi lahan sawah dan

(39)

non-sawah di Kecamatan Ciasem. Selain itu, citra radar berfungsi untuk mengetahui siklus tanam dan laju tanam lahan sawah di Kecamatan Ciasem. Oleh karena itu, waktu perekaman citra sangat penting dalam proses pemetaan baku sawah.

Terdapat tiga citra radar yang akan dianalisis. Citra-citra ini direkam pada waktu berbeda, yaitu pada bulan Juni 2007 (Gambar 19), September 2007 (Gambar 20), dan Oktober 2007 (Gambar 21). Citra-citra ini digunakan untuk mengidentifikasi persentasi kemajuan tanam.

Gambar 19. Citra Radar Bulan Juni 2007

(40)

Gambar 21. Citra Radar Bulan Oktober 2007

Citra tersebut di overlay pada pasangan bulan Juni dan September yang terlihat pada Gambar 22 serta pasangan bulan September dan Oktober yang terlihat pada gambar 23, untuk dilakukan operasi perbedan citra (image difference).

(41)

Gambar 22. Citra Hasil Overlay antara Bulan Juni dan September 2007

Gambar 23. Citra Hasil Overlay antara Bulan September dan Oktober 2007

Fungsi dari perbedaan citra adalah untuk dapat mengetahui kemajuan tanam dan penentuan klasifikasi fase tanam. Penetuan klasifikasi fase tanam dilakukan berdasarkan dengan data rujukan realisasi tebar tanam pada musim tanam 2007 yang diperoleh dari PT Sang Hyang Seri. Pada data tersebut terlihat realisasi tebar dimulai pada bulan Maret 2007 dan realisasi tanam pada Juni 2007, dari sini dapat dirunut fase-fase tanam yang ada di Kecamatan Ciasem. Klasifikasi fase tanam, terdiri dari padi awal yang berwarna ungu, fase generatif yang berwarna hijau, fase padi akhir berwarna coklat, dan fase panen berwarna merah yang dapat dilihat pada Tabel 6.

Tabel 6. Klasifikasi fase tanam

No. Warna Fase Tanam

1 Merah Panen

2 Hijau Fase Generatif

3 Ungu Padi Akhir

(42)

Pada citra-citra diatas perekamannya adalah pada saat musim tanam utama (rendeng) yang berlangsung pada musim hujan. Untuk desa-desa yang dianalisis sebagian besar memasuki fase tanam yang berbarengan. Penentuan fase tanam dalam satu bidang petakan sawah di tentukan dengan warna yang paling dominan dalam petakan sawah tersebut. Berikut Gambar 24 yang menunjukkan pengambilan warna yang paling dominan untuk penentuan klasifikasi fase tanam.

Gambar 24. Warna Dominan Pada Fase Tanam

Secara umum citra hasil overlay khususnya pada Desa Ciasemhilir pada bulan Juni dan September 2007 didominasi fase tanam generatif yang divisualisasikan pada warna hijau seperti disajikan pada Gambar 25.

(43)

Gambar 25. Fase Tanam Desa Ciasemhilir Bulan Juni dan September Sebaliknya, hasil citra overlay antara bulan September dan Oktober 2007 lebih dominan berwarna merah yang menandakan bahwa wilayah tersebut telah memasuki fase panen yang terlihat pada Gambar 26.

Gambar 26. Fase tanam Desa Ciasemhilir Bulan September dan Oktober Maka terjadi penurunan vegetasi yang terdeteksi oleh ALOS PALSAR yang terjadi pada bulan Juni hingga Oktober 2007. Dari sini kita dapat dilihat dan diduga luas lahan sawah, persentasi kemajuan tanam, dan penentuan klasifikasi fase tanam. Metode ini dapat dikatakan telah mendekati implementasi pemetakan baku sawah berbasis area frame.

Metode dengan basis area frame membutuhkan biaya yang mahal pada tahap awal, namun setelah metode ini berjalan biayanya akan jauh lebih murah dibandingkan dengan menggunakan pemetaan baku sawah menggunkan alat GPS. Kegiatan ini merupakan aplikasi yang pertama kali di Indonesia untuk pemetaan baku sawah secara bersistem seperti yang sudah dicetuskan oleh gerakan BIMAS-21.

(44)

4.5 Pengecekan Hasil Klasifikasi ALOS PRISM dan ALOS PALSAR dengan Data UPT BPP

Untuk mengetahui penggunaan lahan maka perlu dibandingkan antara hasil yang diperoleh melalui pengolahan klasifikasi ALOS PRISM dan ALOS PALSAR dengan data lapang yang diambil dari UPT BPP.

Menurut metodologi pengumpulan dan pengolahan data tanaman pangan, UPT BPP dalam pengambilan data khususnya tanaman padi terdapat beberapa jenis kuesioner antara lain jenis daftar SP – I A yang frekuensi pengambilannya bersifat bulanan yang melaporkan luas tanaman padi dan jenis daftar SP – V A yang frekuensi pengambilannya bersifat tahunan untuk laporan penggunaan lahan.

Selain menggunakan GPS, Dinas Pertanian memiliki beberapa cara penaksiran luas tanaman, yaitu : 1) dengan menggunakan sistem blok pengairan, 2) laporan petani kepada Kepala Desa, 3) banyaknya bibit yang digunakan, 4) Eye estimate (pandangan mata) berdasarkan luas baku, 5) perkiraan berdasarakan pencatatan yang dilakukan oleh pegawai/petugas desa dengan syarat bahwa yang mengadakan taksiran harus yang sudah berpengalaman, dan 6) cara memperkirakan luas tanaman untuk kecamatan apabila ada yang belum tersedia informasinya, dapat dicari dengan melihat perkembangan dari desa yang ada informasinya pada bulan yang sama tahun yang lalu.

Data UPT BPP (Badan Pelaksana Penyuluh Pertanian) Kecamatan Ciasem dapat dilihat pada Tabel 7

Tabel 7. Luas Tanam di daerah Kecamatan Ciasem

No. Desa Luas Tanam (ha)

MT. 07/08 MT 08 MT. 08

1. Desa Ciasembaru 577 577 -

2. Desa Ciasemtengah 440 440 100

3. Desa Ciasemhilir 605 605 -

(45)

Berikut nilai luas lahan sawah yang di dapat dari UPT BPP dan nilai yang di dapat dari interpretasi lahan sawah dengan menggunakan citra ALOS yang disajikan pada Tabel 8 .

Tabel 8. Nilai Luas Tanam antara UPT BPP dan Citra ALOS

No. Desa Luas Tanam (ha)

UPT BPP Citra ALOS

1 Desa Ciasembaru 577 830.64

2 Desa Ciasemtengah 440 569.89

3 Desa Ciasemhilir 605 675.42

Dari tabel di atas, dapat dilihat perbedaan data antara hasil interpretasi yang memanfaatkan ALOS PRISM dan data yang di dapat di lapang yang bersumber dari UPT BPP, yaitu berupa data laporan program penyuluhan pertanian Kecamatan Ciasem pada tahun 2009. Menurut data UPT BPP desa yang terluas tanamnya adalah Desa Ciasemhilir dengan luas tanam sebesar 605 ha sedangkan hasil iterpretasi analis menunjukkan desa yang terbesar luas tanamnya ialah Desa Ciasembaru sebesar 803 ha.

Disini terjadi perbedaan nilai pada luas tanam. Hal ini dipengaruhi oleh beberapa faktor, antara lain : Pertama, UPT BPP melakukan perhitungan luas tanam dengan menggunakan beberapa cara penaksiran luas tanam seperti yang sudah disebutkan di atas. Selain itu pihak UPT BPP juga menggunakan alat GPS, maka sering terjadi over estimate (kelebihan area yang terdeteksi) atau under estimate (kekurangan area yang terdeteksi) jadi hasilnya kurang akurat. Kedua, pada pemetaan sawah baku dengan menggunakan citra ALOS khususnya pada Desa Ciasemhilir terjadi over estimate (kelebihan area yang terdeteksi). Hal ini disebabkan karena batas per petak sawah ada yang melebihi batas desa seperti pada Gambar 27. Ketiga, citra ALOS PRISM memiliki resolusi spasial sebesar 2.5 m maka objek terkecil yang terdeteksi pada citra hanya sebesar 2.5m dan identifikasi petak sawah memiliki batas toleransi sebesar 5 m, maka galengan yang terdeteksi di bawah 5 m akan menyatu dengan galengan yang lain dan akan di deleniasi menjadi satu blok.

(46)

Gambar 27. Petakkan Sawah yang Melebihi Batas Desa

Petakkan sawah yang berwarna hitam terlihat melebihi batas desa yang di ilustrasikan berwarna ungu. Seharusnya hal ini di verifikasi ke lapangan agar mendapatkan data yang lebih akurat serta mengetahui batas per petakan sawah yang melebihi batas desa.

Realisasi penebaran padi relatif bersamaan pada ketiga desa yang diamati, hanya beberapa wilayah kecil saja yang tidak seragam fase tanamnya. Pada saat dilakukan pengecekan lapang diketahui penyebabnya adalah hama tikus yang menyerang lahan-lahan sawah. Lahan sawah yang sudah ditanami padi secara serentak, akibat serangan hama tikus maka lahan sawahnya harus disulam kembali. Konsekuensinya, pada saat masuk fase panen tidak merata seluruhnya.

Berikut ini adalah Gambar 28 yang menunjukkan salah satu wilayah bidang sawah yang tidak seragam fase tanamnya.

(47)

Gambar 28. Keragaman Fase Tanam

Selain data dari UPT BPP, data lainnya di dapat dari BPS (Badan Pusat Statistik) Kabupaten Subang, tetapi data tersebut hanya mencakup data setingkat kecamatan.

Tabel 9. Luas tanah sawah menurut Kecamatan di Kabupaten Subang, BPS Kabupaten Subang

NO. KECAMATAN LUAS TANAH SAWAH (ha)

1 Sagalaherang 2574 2 Jalancagak 2076 3 Cisalak 2290 4 Tanjungsiang 1928 5 Cijambe 2111 6 Cibogo 2043 7 Subang 2677 8 Kalijati 2641 9 Cipeudeuy 1503 10 Pabuaran 4398 11 Patokbeusi 5854 12 Purwadadi 1307 13 Cikaum 2673 14 Pagaden 5377 15 Cipunagara 4989 16 Compreng 4871 17 Binong 8466 18 Ciasem 6810 19 Pamanukan 4890 20 Pusakanagara 6600 21 Legonkulon 2792 22 Belanakan 5300

(48)

V. KESIMPULAN DAN SARAN

5.1 KESIMPULAN

Dari penelitian ini dapat disimpulkan bahwa pemetaan sawah baku dengan menggunakan ALOS PRISM bisa dilakukan dengan baik sesuai dengan tingkat resolusinya sebesar 2.5 m dapat mengidentifikasi lahan sawah. Dalam hal ini pada daerah Kecamatan Ciasem yang terdiri dari tiga desa, dimana Desa Ciasembaru memiliki jumlah petak sawah dan luas sawah terbesar sebanyak 830 ha sedangkan menurut UPT BPP sebesar 577. Salah satu faktornya adalah citra ALOS PRISM memiliki resolusi spasial sebesar 2.5 m maka objek terkecil yang terdeteksi pada citra hanya sebesar 2.5m dan identifikasi petak sawah memiliki batas toleransi sebesar 5 m, maka galengan yang terdeteksi di bawah 5 m akan menyatu dengan galengan yang lain dan akan di deleniasi menjadi satu blok

Sementara pada analisis citra radar ALOS PALSAR dapat di identifikasikan persentasi kemajuan tanam dan luas sawah. Upaya ini dimaksudkan agar dapat mempermudah memperkirakan luas sawah dan penentuan klasifikasi fase tanam. Dengan memanfaatkan teknologi penginderaan jauh dari satelit ALOS ternyata dapat memberikan data yang lebih akurat karena pendugaan area sawah yang kurang (under estimate) atau berlebih (over estimate) berhasil lebih diminimalisir.

5.2 SARAN

Untuk penelitian lebih lanjut diharapkan dapat mengkaji area yang lebih luas sehingga dapat mengetahui perbandingan nilai yang di dapat antara interpretasi pemetaan sawah baku dengan menggunakan citra ALOS PRISM dan citra radar ALOS PALSAR dengan data luas tanam yang diperoleh oleh BPS dan Dinas Pertanian. Serta melakukan verifikasi ke lapangan agar mendapatkan data yang lebih akurat.

(49)

DAFTAR PUSTAKA

Badan Pusat Statistik. 2008. Subang dalam Angka. BPS Kabupaten Subang. Kabupaten Subang

Barus Baba dan U.S. Wiradistra. Sistem Informasi Geografi. 1996. Institut Pertanian Bogor

ESA Earthnet : doc.cfm. http://earth.esa.int/object/doc.cfm?fobjectid=5204 [11 Agustus 2009]

ESA Earthnet : http://earth.esa.int/download/alos/P237-DOV-005-01-00-prsm-report.pdf [11Agustus 2009]

ESA Earthnet : index. Cfm http://earth.esa.int/object/doc.cfm?fobjectid [11Agustus 2009 ]

Angkringan GIS : http://angkringangis.multiply.com/journal/item/10 [ 8 Juni 2009]

Laporan Programa Penyuluhan Pertanian UPT BPP Kecamatan Ciasem. 2009 Laporan Realisasi Tebar Tanam MT 2001/2002 S/D MT 2008/2009 Bagian

Kebun Cabang Khusus Sukamandi PT. Sang Hyang Seri (PERSERO) Lembaga Penerbangan dan Antariksa Nasional [LAPAN]. 2004. Kajian Masa

Depan –ALOS. http://www.lapanrs.com/TEKNO/INSAT/ind/TEKNO--INSAT--26--ind--laplengkap--kajian_ALOS.pdf [ 9 Agustus 2009 ] Lille Sand T. M. Ralph W. K. 1997. Penginderaan Jauh dan Interpretasi Citra.

Dulbahri, Prapto S. Hartono, Suharyadi. Penerjemah ; Falkutas Geografi, Universitas Gadjah Mada. Terjemahan dari : Remote Sensing and Image Interpretation

Raimadoya, M.A. 2008. Lubang Hitam Estimasi Produksi Beras Indonesia. Makalah pada Forum Antar-Instansi (FORA) Tematik Sumberdaya

(50)

Alam Darat, PSSDAD-BAKOSURTANAL, Jakarta Convention Center, 7 Agustus 2008.

Raimadoya, M.A., Fahmi N. 2008. BIMAS-21 :Bimbingan Masal Abad XXI. Makalah Undangan Semiloka Nasional : “Strategi Penanganan Krisis Sumberdaya Lahan untuk Mendukung Kedaulatan Pangan dan Energi”, Bogor, 22-23 Desember 2008.

(51)
(52)

Tabel 1. Jumlah Petak Sawah, Luas Sawah, Rata-rata per Petak Sawah dan Fase Tanam di Desa Ciasemhilir periode Juni dan September

Petak Luas Sawah (ha)

Fase Petak Luas Sawah (ha) Fase 1 0.92 Panen 40 4.59 Panen 2 1.50 Generatif 41 3.44 Panen 3 0.94 Panen 42 9.49 Panen 4 0.65 Panen 43 4.84 Panen 5 0.87 Panen 44 1.98 Panen 6 1.73 Panen 45 1.52 Panen 7 0.61 Panen 46 4.02 Panen 8 1.12 Panen 47 1.03 Panen 9 0.90 Panen 48 4.31 Panen 10 0.90 Panen 49 1.39 Panen 11 0.99 Panen 50 2.44 Panen 12 1.04 Panen 51 0.91 Panen 13 0.49 Panen 52 1.89 Panen 14 1.27 Panen 53 0.98 Panen 15 0.99 Panen 54 1.34 Panen 16 0.34 Panen 55 9.73 Panen 17 1.03 Panen 56 2.71 Panen 18 0.96 Panen 57 3.80 Panen 19 1.08 Panen 58 3.72 Panen 20 0.76 Panen 59 4.14 Panen 21 1.70 Panen 60 1.17 Panen 22 0.77 Panen 61 1.95 Panen 23 0.44 Panen 62 1.38 Panen 24 0.38 Panen 63 2.19 Panen 25 1.86 Panen 64 3.64 Panen 26 0.84 Panen 65 1.42 Panen 27 0.85 Panen 66 2.28 Panen 28 6.32 Panen 67 4.52 Panen 29 1.36 Panen 68 2.07 Panen 30 1.08 Panen 69 2.56 Panen 31 0.93 Panen 70 5.08 Panen 32 1.98 Panen 71 4.98 Panen 33 2.83 Panen 72 1.49 Panen 34 0.98 Panen 73 4.39 Panen 35 1.00 Panen 74 1.97 Panen 36 1.46 Panen 75 3.87 Panen 37 0.89 Panen 76 1.46 Panen 38 1.19 Panen 77 3.01 Panen

(53)

39 5.10 Panen 78 2.18 Panen 79 0.82 Panen 123 1.02 Generatif 80 1.76 Panen 124 1.67 Panen 81 1.69 Panen 125 3.19 Generatif 82 2.03 Panen 126 3.99 Generatif 83 1.30 Panen 127 5.74 Generatif 84 0.83 Panen 128 5.82 Panen 85 1.20 Panen 129 5.81 Generatif 86 2.10 Panen 130 1.58 Panen 87 2.32 Panen 131 6.35 Panen 88 5.00 Panen 132 7.55 Generatif 89 0.21 Panen 133 8.50 Generatif 90 2.15 Panen 134 9.53 Panen 91 0.30 Generatif 135 2.94 Panen 92 3.61 Panen 136 1.13 Panen 93 0.54 Panen 137 2.10 Panen 94 2.91 Panen 138 3.53 Generatif 95 2.46 Panen 139 7.59 Generatif 96 1.58 Panen 140 2.77 Panen 97 7.18 Panen 141 1.09 Generatif 98 1.12 Panen 142 1.27 Generatif 99 5.95 Panen 143 1.87 Panen 100 6.50 Panen 144 0.97 Panen 101 2.00 Panen 145 2.06 Panen 102 9.23 Panen 146 2.07 Panen 103 1.80 Panen 147 3.58 Panen 104 3.99 Generatif 148 2.43 Panen 105 0.62 Panen 149 1.02 Panen 106 2.49 Generatif 150 1.67 Panen 107 1.06 Panen 151 3.19 Generatif 108 1.60 Panen 152 3.99 Panen 109 1.85 Panen 153 5.74 Generatif 110 3.11 Panen 154 5.82 Panen 111 1.48 Panen 155 5.81 Panen 112 1.63 Panen 156 1.58 Panen 113 5.34 Panen 157 6.35 Panen 114 2.18 Panen 158 7.55 Panen 115 7.26 Panen 159 8.50 Panen 116 9.67 Panen 160 9.53 Panen 117 1.08 Generatif 161 2.94 Panen 118 1.21 Panen 162 1.13 Panen 119 2.63 Panen 163 2.10 Panen 120 4.35 Panen 164 3.53 Panen 121 4.91 Generatif 165 7.59 Generatif

(54)

122 1.68 Generatif 166 2.77 Panen 167 0.87 Panen 195 10.67 Panen 168 2.18 Panen 196 1.82 Panen 169 0.53 Panen 197 0.29 Panen 170 1.33 Panen 198 1.79 Panen 171 0.42 Panen 199 1.32 Panen 172 2.82 Panen 200 4.62 Generatif 173 1.65 Panen 201 0.46 Panen 174 1.28 Panen 202 1.13 Panen 175 1.95 Generatif 203 3.01 Panen 176 2.76 Panen 204 6.08 Panen 177 2.12 Generatif 205 0.99 Panen 178 2.88 Generatif 206 2.51 Panen 179 7.73 Panen 207 0.75 Generatif 180 0.76 Generatif 208 5.89 Padi akhir

181 5.87 Panen 209 1.89 Panen 182 2.93 Panen 210 5.91 Generatif 183 11.61 Panen 211 5.68 Generatif 184 4.31 Panen 212 4.47 Panen 185 1.21 Panen 213 4.42 Panen 186 2.44 Generatif 214 5.26 Panen 187 0.96 Panen 215 3.05 Panen 188 1.05 Panen 216 4.00 Generatif 189 1.72 Panen 217 4.67 Generatif 190 2.66 Panen 218 2.90 Generatif 191 8.25 Panen 219 3.50 Generatif 192 0.43 Panen 220 4.70 Panen 193 4.09 Panen 221 3.26 Generatif 194 0.55 Padi akhir 222 3.26 Generatif Jumlah Total Luas Sawah (ha) : 675,42

Rata-Rata Per Petak Sawah (ha) : 3.04

Tabel 2. Jumlah Petak Sawah, Luas Sawah, Rata-rata per Petak Sawah dan Fase Tanam di Desa Ciasemhilir periode September dan Oktober

Petak Luas Sawah (ha)

Fase Petak Luas Sawah (ha) Fase 1 0.92 Generatif 9 0.90 Generatif 2 1.50 Generatif 10 0.90 Generatif 3 0.94 Generatif 11 0.99 Generatif 4 0.65 Generatif 12 1.04 Generatif 5 0.87 Generatif 13 0.49 Generatif 6 1.73 Generatif 14 1.27 Generatif 7 0.61 Generatif 15 0.99 Generatif

(55)

8 1.12 Generatif 16 0.34 Generatif 17 1.03 Generatif 61 1.95 Generatif 18 0.96 Generatif 62 1.38 Generatif 19 1.08 Generatif 63 2.19 Generatif 20 0.76 Generatif 64 3.64 Generatif 21 1.70 Generatif 65 1.42 Generatif 22 0.77 Generatif 66 2.28 Generatif 23 0.44 Generatif 67 4.52 Generatif 24 0.38 Generatif 68 2.07 Generatif 25 1.86 Generatif 69 2.56 Generatif 26 0.84 Generatif 70 5.08 Generatif 27 0.85 Generatif 71 4.98 Generatif 28 6.32 Generatif 72 1.49 Generatif 29 1.36 Generatif 73 4.39 Generatif 30 1.08 Generatif 74 1.97 Generatif 31 0.93 Generatif 75 3.87 Generatif 32 1.98 Generatif 76 1.46 Generatif 33 2.83 Generatif 77 3.01 Generatif 34 0.98 Generatif 78 2.18 Generatif 35 1.00 Generatif 79 0.82 Generatif 36 1.46 Generatif 80 1.76 Generatif 37 0.89 Generatif 81 1.69 Generatif 38 1.19 Generatif 82 2.03 Generatif 39 5.10 Generatif 83 1.30 Generatif 40 4.59 Generatif 84 0.83 Generatif 41 3.44 Generatif 85 1.20 Generatif 42 9.49 Generatif 86 2.10 Generatif 43 4.84 Generatif 87 2.32 Generatif 44 1.98 Generatif 88 5.00 Generatif 45 1.52 Generatif 89 0.21 Generatif 46 4.02 Generatif 90 2.15 Generatif 47 1.03 Generatif 91 0.30 Panen 48 4.31 Generatif 92 3.61 Generatif

49 1.39 Generatif 93 0.54 Padi awal

50 2.44 Generatif 94 2.91 Generatif 51 0.91 Generatif 95 2.46 Generatif 52 1.89 Generatif 96 1.58 Generatif 53 0.98 Generatif 97 7.18 Generatif 54 1.34 Generatif 98 1.12 Generatif 55 9.73 Generatif 99 5.95 Generatif 56 2.71 Generatif 100 6.50 Generatif 57 3.80 Generatif 101 2.00 Generatif 58 3.72 Generatif 102 9.23 Generatif 59 4.14 Generatif 103 1.80 Generatif

(56)

60 1.17 Generatif 104 3.99 Generatif 105 0.62 Generatif 149 1.02 Generatif 106 2.49 Generatif 150 1.67 Generatif 107 1.06 Generatif 151 3.19 Generatif 108 1.60 Generatif 152 3.99 Generatif 109 1.85 Generatif 153 5.74 Panen 110 3.11 Generatif 154 5.82 Generatif 111 1.48 Generatif 155 5.81 Generatif 112 1.63 Generatif 156 1.58 Generatif 113 5.34 Panen 157 6.35 Generatif 114 2.18 Generatif 158 7.55 Generatif 115 7.26 Generatif 159 8.50 Generatif 116 9.67 Generatif 160 9.53 Generatif 117 1.08 Panen 161 2.94 Generatif 118 1.21 Generatif 162 1.13 Generatif 119 2.63 Generatif 163 2.10 Generatif 120 4.35 Generatif 164 3.53 Generatif 121 4.91 Generatif 165 7.59 Generatif 122 1.68 panen 166 2.77 Generatif 123 1.02 generatif 167 1.09 Generatif 124 1.67 Panen 168 1.27 Generatif 125 3.19 Panen 169 1.87 Generatif 126 3.99 Generatif 170 0.97 Generatif 127 5.74 Generatif 171 2.06 Generatif 128 5.82 Generatif 172 2.07 Generatif 129 5.81 Generatif 173 3.58 Generatif 130 1.58 Generatif 174 2.43 Generatif 131 6.35 Generatif 175 1.95 Generatif 132 7.55 Panen 176 2.76 Generatif 133 8.50 Generatif 177 2.12 Generatif 134 9.53 Generatif 178 2.88 Generatif 135 2.94 Generatif 179 7.73 Generatif 136 1.13 Generatif 180 0.76 Generatif 137 2.10 Generatif 181 5.87 Generatif 138 3.53 Panen 182 2.93 Generatif 139 7.59 Generatif 183 11.61 Generatif 140 2.77 Panen 184 4.31 Generatif 141 1.09 Panen 185 1.21 Generatif 142 1.27 Panen 186 2.44 Generatif 143 1.87 Panen 187 0.96 Generatif 144 0.97 Generatif 188 1.05 Generatif 145 2.06 Generatif 189 1.72 Generatif 146 2.07 Generatif 190 2.66 Generatif 147 3.58 Generatif 191 8.25 Generatif

(57)

148 2.43 Generatif 192 0.43 Generatif 193 4.09 Generatif 209 1.89 Generatif 194 0.55 Generatif 210 5.91 Generatif 195 10.67 Generatif 211 5.68 Generatif 196 1.82 Generatif 212 4.47 Generatif 197 0.29 Generatif 213 4.42 Generatif 198 1.79 Generatif 214 5.26 Generatif 199 1.32 Generatif 215 3.05 Generatif 200 4.62 Panen 216 4.00 Generatif 201 0.46 Generatif 217 4.67 Generatif 202 1.13 Panen 218 2.90 Generatif 203 3.01 Panen 219 3.50 Generatif 204 6.08 Generatif 220 4.70 Generatif 205 0.99 Generatif 221 3.26 Generatif 206 2.51 Generatif 222 3.26 Genaratif 207 0.75 Panen 208 5.89 Generatif

Jumlah Total Luas Sawah : 675,42 ha Rata-Rata Per Petak Sawah (ha) : 3.04

Tabel 3. Jumlah Petak Sawah, Luas Sawah, Rata-rata per Petak Sawah Desa Ciasembaru Petak Luas Sawah

(ha)

Petak Luas Sawah (ha)

Petak Luas Sawah (ha) 1 6.25 23 1.02 45 3.96 2 0.68 24 1.06 46 1.70 3 2.57 25 4.13 47 1.24 4 4.14 26 2.14 48 3.19 5 3.34 27 0.70 49 1.27 6 4.58 28 2.06 50 0.10 7 1.43 29 0.70 51 0.56 8 1.51 30 0.79 52 1.59 9 3.15 31 5.87 53 1.40 10 2.19 32 9.18 54 1.15 11 1.24 33 5.40 55 3.72 12 4.62 34 0.28 56 3.18 13 4.59 35 9.16 57 0.64 14 2.38 36 5.24 58 1.56 15 1.56 37 0.43 59 3.96 16 1.62 38 2.07 60 2.15 17 1.19 39 5.95 61 2.40 18 1.04 40 7.83 62 6.52 19 4.13 41 0.95 63 2.16 20 0.65 42 3.75 64 3.37 21 4.80 43 8.09 65 0.99

(58)

22 4.85 44 18.28 66 1.50 67 3.17 111 1.47 155 3.92 68 2.07 112 1.28 156 1.67 69 0.64 113 0.61 157 2.31 70 5.15 114 1.61 158 1.92 71 2.90 115 0.25 159 1.50 72 5.65 116 0.68 160 1.57 73 2.97 117 0.82 161 2.48 74 2.09 118 0.65 162 2.41 75 1.52 119 1.25 163 1.49 76 5.27 120 1.28 164 0.76 77 4.45 121 1.38 165 3.93 78 2.33 122 0.62 166 1.22 79 0.88 123 1.31 167 2.91 80 2.71 124 0.87 168 1.17 81 0.88 125 1.44 169 2.53 82 2.19 126 0.50 170 0.91 83 0.84 127 1.36 171 1.75 84 2.75 128 0.87 172 1.65 85 2.42 129 2.89 173 2.00 86 1.08 130 0.92 174 1.13 87 2.21 131 1.20 175 0.80 88 1.06 132 1.01 176 3.06 89 1.09 133 0.83 177 4.71 90 2.72 134 1.39 178 2.70 91 1.68 135 0.67 179 1.24 92 3.96 136 2.23 180 3.88 93 2.07 137 4.60 181 3.04 94 2.21 138 0.92 182 6.17 95 4.59 139 1.02 183 5.41 96 1.02 140 0.75 184 9.98 97 0.97 141 0.81 185 2.70 98 5.19 142 1.55 186 1.35 99 1.65 143 1.06 187 1.72 100 2.28 144 1.88 188 2.30 101 3.53 145 1.74 189 1.56 102 6.37 146 2.34 190 1.02 103 3.28 147 1.47 191 0.80 104 3.88 148 2.01 192 1.75 105 3.17 149 2.25 193 2.81 106 2.35 150 2.49 194 3.87 107 0.52 151 2.09 195 8.57 108 0.94 152 2.27 196 4.74 109 3.03 153 1.04 197 4.60

Gambar

Tabel  1. : Keterangan Umum ALOS
Gambar 4. Prinsip Geometri dari AVNIR-2  Tabel 3. : Karakteristik AVNIR-2
Gambar 6. Prinsip Geometri PALSAR  Tabel 4. : Karakteristik PALSAR
Gambar 7. Diagram Alir Peneli an
+7

Referensi

Dokumen terkait

Adapun kendala yang dihadapi Bhabinkamtibmas dalam melakukan bimbingan pasca diversi yaitu stigma masyarakat terhadap kinerja kepolisian dalam penanganan perkara

Produk adalah apa saja yang dapat ditawarkan dipasar untuk mendapatkan perhatian permintaan,pemakaian,atau konsumsi yang dapat memenuhi kebutuhan kebutuhan dan keinginan yang

Komunikasi dimanfaatkan untuk pertukaran informasi dalam peningkatan sistim rujukan. • Kinerja Bikor meningkat •

Bahan yang digunakan adalah citra satelit quickbird Kota Banjarbaru tahun 2007, citra satelit alos-avnir Provinsi Kalimantan Selatan tahun 2010, Peta Rupa Bumi

Penduduk tanpa pertumbuhan (Zero Population Growth) menunjukkan kondisi dimana jumlah pddk disuatu wilayah tidak mengalami perubahan dari waktu ke waktu. Penduduk di suatu

Perhitungan kuat dukung dari metode Coyle dan Castello dengan metode Vesic, kuat dukung dari metode Vesic lebih tinggi pada kedua ukuran diameter tiang bored

Dari citra satelit bulan Juni di atas menunjukkan bahwa kondisi daerah yang subur dijumpai di hampir seluruh perairan laut Kabupaten Takalar, khususnya di kedalaman

Hasil perencanaan pola tanam dengan optimasi program dinamis berdasarkan curah hujan, kebutuhan air, dan lama tanam tanaman pangan di Kabupaten Lombok Timur dengan