APLIKASI DAN EVALUASI CITRA LANDSAT 8 OLI DALAM
IDENTIFIKASI SERTA PEMETAAN TANAH KOSONG DAN
TANAMAN JATI MUDA DI KPH CIAMIS
DINIAL LAVI
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR BOGOR
PERNYATAAN
Dengan ini saya menyatakan bahwa skripsi berjudul Aplikasi dan Evaluasi Citra Landsat 8 OLI dalam Identifikasi serta Pemetaan Tanah Kosong dan Tanaman Jati Muda di KPH Ciamis adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi manapun. 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, Februari 2014 Dinial Lavi NIM E14090045
ABSTRAK
DINIAL LAVI. Aplikasi dan Evaluasi Citra Landsat 8 OLI dalam Identifikasi serta Pemetaan Tanah Kosong dan Tanaman Jati Muda di KPH Ciamis. Dibimbing oleh MUHAMMAD BUCE SALEH.
Landsat Data Continuity Mission (LDCM) 8, yang lebih dikenal dengan sebutan Landsat 8, diluncurkan oleh NASA pada 11 Februari 2013 menggantikan misi Landsat 7 yang mengalami kerusakan sejak Mei 2003. Landsat 8 memiliki sensor Onboard Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS) dengan 11 kanal.Penelitian ini betujuan untuk mengevaluasi kemampuan citra Landsat 8 dalam membedakan jenis tutupan lahan, khususnya tanah kosong dan tanaman muda.Penelitian dilakukan di areal Perum Perhutani KPH Ciamis, dengan menggunakan metode analisis identifikasi obyek di lapangan, pembuatan area contoh, analisis separabilitas, analisis diskriminan dan pemodelan spasial.Identifikasi obyek di lapangan mendapatkan 33 titik pengamatan dengan 5 kelas tutupan lahan, yaitu tanah kosong (11 titik), tanaman jati berumur 1 tahun (6 titik), tanaman jati berumur 2 tahun (5 titik), tanaman jati berumur 3 tahun (5 titik) dan tanaman jati berumur 4 tahun (6 titik).Analisis separabilitas, dengan menggunakan band 2-5-6-7-9-10-11, menunjukkan bahwa tingkat keterpisahan tanaman jati umur 2, 3 dan 4 tahun kurang baik, sehingga perlu dilakukan re-grouping.Analisis lanjutan menghasilkan 3 kelas tutupan lahan dengan nilai separabilitas sangat baik (2000), yaitu tanah kosong, tanaman jati berumur 1 tahun, serta tanaman jati berumur 2-4 tahun.Analisis diskriminan terhadap 3 kelas tutupan lahan didapatkan nilai proportion correct sebesar 70%. Pemetaan dengan menggunakan pemodelan spasial terhadap tutupan lahan, menunjukkan bahwa pemetaan tanah kosong, jati berumur 1 tahun dan jati berumur 2-4 tahun, berturut-turut menghasilkan pemetaan yang lebih kecil, sama dan lebih besar dibandingkan dengan yang terlihat pada citra Landsat 8.
Kata kunci :Analisis diskriminan, analisis separabilitas, Landsat 8,pemodelan spasial, tutupan lahan
ABSTRACT
DINIAL LAVI.Application and Evaluation of Image of Landsat 8 OLI in the Identification ofWasteland and Young Plants in Ciamis KPH.Supervised by MUHAMMAD SALEH BUCE.
Landsat Data Continuity Mission (LDCM) 8, better known as Landsat 8, has been launched by NASA in February 11th 2013, to replace the mission of Landsat 7 that damaged since May 2003. Landsat 8 have sensor onboard Operational Land Imager (OLI) and the Thermal Infrared Sensor (TIRS) with 11 channels.This study was to evaluate the applicabilityofLandsat8in differentiating land cover types, especially on bare land and young plantation. The study was conducted in the area of Perum Perhutani KPH Ciamis, by using methods of field object identification analysis, determination of training area, separation analysis, discriminant analysis and spatial modeling.Objects Identification analysis
recognized 33 observation points with 5 classes of land coverage, i.e. bare land (11 points), 1-year-old teak plantation (6 points) , 2-year-old teak plantation (5 points) , 3-year-old teak plantation (5 points) and 4-year-old teak plantation (6 points). Separation analysis, using 2-5-6-7-9-10-11 band, indicated that the degree of separation of 2, 3 and 4 years old teak plantation were not good enough, so its needed to be re-grouped. Further analysis determined 3 land cover classes with very good values of separation(2000), i.e.bare land, 1-year-old teak plantation and plantation of teak aged 2-4 years . Discriminant analysis of the three classes of land coverage obtained proportion correct value of 70 %. Mapping by using spatial modeling of land coverage, indicated that the mapping of bare land, 1-year-old teak plantation and teak plantation aged 2-4 years consecutively produced underestimate, equal and overestimate than those of Landsat 8.
Keywords :Discriminant analysis, separation analysis, Landsat 8, spatial modeling, land coverage
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan
pada
Departemen Manajemen Hutan
APLIKASI DAN EVALUASI CITRA LANDSAT 8 OLI DALAM
IDENTIFIKASI SERTA PEMETAAN TANAH KOSONG DAN
TANAMAN JATI MUDA DI KPH CIAMIS
DINIAL LAVI
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR BOGOR
Judul Skripsi : Aplikasi dan Evaluasi Citra Landsat 8 OLI dalam Identifikasi serta Pemetaan Tanah Kosong dan Tanaman Jati Muda di KPH Ciamis Nama : Dinial Lavi
NIM : E14090045
Disetujui oleh
Dr. Ir. Muhamad Buce Saleh, MS Pembimbing
Diketahui oleh
Dr Ir Ahmad Budiaman MSc. F Ketua Departemen
PRAKATA
Puji syukur penulis panjatkan kehadirat Allah SWT yang telah melimpahkan rahmatNya sehingga penelitian dengan judul Aplikasi dan Evaluasi Citra Landsat 8 OLI dalam Identifikasi serta Pemetaan Tanah Kosong dan Tanaman Jati Muda di KPH Ciamis telah diselesaikan dengan baik. Penelitian ini dilaksanakan sejak bulan Juli 2013 yang berlokasi di Perhutani KPH Ciamis, Jawa Barat.
Pada kesempatan ini, penulis ucapkan terimakasih kepada Bapak Dr. Ir. Muhamad Buce Saleh, MS selaku dosen pembimbing yang telah banyak membantu dengan memberikan bimbingan dan arahan dalam menyelesaikan penelitian ini. Ungkapan terimakasih juga penulis sampaikan kepada orangtua, keluarga, Perum Perhutani KPH Ciamis, rekan-rekan, serta seluruh pihak atas doa dan dukungan yang diberikan.
Penulis menyadari bahwa penelitian ini masih memiliki banyak kekurangan. Untuk itu penulis sangat mengharapkan kritik dan saran yang membangun dari berbagai pihak untuk menyempurnakan penelitian ini di masa yang akan datang. Besar harapan penulis bahwa di dalam segala kekurangannya, penelitian ini dapat memberikan manfaat bagi ilmu pengetahuan.
Bogor, Februari 2014 Dinial Lavi
DAFTAR ISI
DAFTAR TABEL vi DAFTAR GAMBAR vi DAFTAR LAMPIRAN vi PENDAHULUAN 1 Latar Belakang 1 Tujuan Penelitian 1 Manfaat Penelitian 1 METODE 2Lokasi dan Waktu 2
Alat dan Data 2
Prosedur Analisis Data 2
HASIL DAN PEMBAHASAN 5
Identifikasi Objek di Lapangan 5
Area Contoh (Training Area) 7
Analisis Separabilitas 8
Analisis Diskriminan 9
Pemodelan Spasial 10
SIMPULAN DAN SARAN 14
Simpulan 14
Saran 14
DAFTAR PUSTAKA 14
DAFTAR TABEL
1. Karakteristik band citra landsat 8 3
2. Tutupan lahan hasil observasi lapang 6
3. Matrix korelasi antarband 8
4. Nilai separabilitas dari 5 kelas tutupan lahan 9
5. Nilai separabilitas setelah dilakukan re-grup 9
6. Fungsi linier hasil analisis diskriminan 10
DAFTAR GAMBAR
1. Lokasi penelitian dengan kombinasi band 8-7-3 7
2. Lokasi penelitian dengan kombinasi band 7-5-3 7
3. Proses re-grup 9
4. Kenampakan hasil pemodelan pada RPH Cicapar 11
5. Kenampakan RPH Cicapar pada citra Landsat 8 11
6. Kenampakan hasil pemodelan pada RPH Pangandaran 12 7. Kenampakan RPH Pangandaran pada citra Landsat 8 12 8. Kenampakan hasil pemodelan pada RPH Kalipucang 13 9. Kenampakan RPH Kalipucang pada citra Landsat 8 13
PENDAHULUAN
Latar BelakangDalam rangka rehabilitasi hutan, perbaikan lingkungan, dan peningkatan produksi kayu, Pemerintah telah menetapkan kebijaksanaan dan mendorong pembangunan hutan tanaman. Pembangunan hutan tanaman penting untuk dilaksanakan (Samsudi 1990). Namun dalam pengelolaannya masih terdapat kesulitan terutama dalam memonitor tanah kosong dan pertumbuhan tanaman muda sehingga membutuhkan teknologi yang dapat memberikan informasi yang akurat. Menurut Latifah (2004), informasi mengenai pertumbuhan tanaman ini dapat membantu dalam penjadwalan dan pengelolaan hutan secara lestari. Di Indonesia, pelaksanaan kegiatan kehutanan mulai dari perencanaan hutan sampai dengan pengawasan sumberdaya hutan telah menggunakan teknologi penginderaan jauh. Hal ini dikarenakan penginderaan jauh dirasa cukup memberikan informasi yang dibutuhkan secara cepat dan lengkap dengan ketelitian yang memadai serta biaya yang relaif murah.
Pada tanggal 11 Februari 2013, NASA meluncurkan satelit Landsat Data Continuity Mission (LDCM) atau yang lebih dikenal dengan Landsat 8.Landsat 8 diluncurkan untuk melanjutkan misidari Landsat 7 yang mengalami kerusakan sejak Mei 2003.Satelit Landsat 8 memiliki sensor Onboard Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS) dengan jumlah kanal sebanyak 11 buah. Dengan adanya pertambahan dan pergeseran panjang gelombang band pada Landsat 8, diharapkan dapat meningkatkan kemampuannya dalam mengidentifikasi tutupan lahan. Oleh sebab itu, perlu adanya penelitian untuk mengetahui seberapa besar peningkatan kemampuan dari Landsat 8 tersebut.
Tujuan Penelitian
Tujuan utama dari penelitian ini adalah untuk mengevaluasi kemampuan citra Landsat 8 dengan penggunaan jumlah band yang minimum dalam identifikasi tutupan lahan berupa tanah kosong dan tanaman jati muda di dalam kawasan Perum Perhutani KPH Ciamis.
Manfaat Penelitian
Hasil penelitian ini diharapkan dapat memberikan informasi terbaru mengenai tutupan lahan berupa tanah kosong dan tanaman jati muda sehingga membantu dalam pengelolaan serta memonitor pertumbuhan tanaman jati muda di Perum Perhutani KPH Ciamis.
2
METODE
Lokasi dan WaktuPenelitian ini dilaksanakan pada bulan Juli sampai Desember 2013. Tahap pra-pengolahan citra dilaksanakan pada bulan Juli 2013 yang bertempat di Laboratorium Remote Sensing dan GIS, Departemen Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor. Pengambilan data lapang dilaksanakan pada bulan Agustus2013 yang meliputi Kabupaten Ciamis, Jawa Barat. Pengolahan data, analisis data dan penyusunan laporan dilaksanakan pada bulan September - Desember 2013 yang bertempat di Laboratorium Remote Sensing dan GIS, Departemen Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor.
Alat dan Data
Alat yang digunakan pada penelitian ini yaitu Global Positioning System (GPS), alat tulis, tally sheet, kamera digital, satu unit laptop dengan perangkat lunak Erdas Imagine 9.1, ArcView 3.2, ArcGIS 9.3, Minitab 14, microsoft Excel 2007, dan Microsoft Word 2007. Data yang digunakan pada penelitian ini adalah citra landsat 8 OLI resolusi 30 x 30 meter part 121 row 65 perekaman tahun 2013, peta kelas jenis dan kelas umur di KPH Ciamis dan peta Rupa Bumi Indonesia daerah Jawa Barat.
Prosedur Analisis Data Pengumpulan Data
Pengumpulan data meliputi pengumpulan informasi yang berhubungan dengan topik penelitian, data citra Landsat 8, peta batas petak KPH Ciamis, dan peta Rupa Bumi Indonesia daerah Jawa Barat.
Pra Pengolahan Citra
Pra pengolahan citra merupakan tahap awal dari pengolahan citra satelit yaitu mulai dari import data citra, membuat citra komposit, koreksi geometri citra dan pemotongan citra.
1. Import Data
Citra yang digunakan pada penelitian ini memiliki format *.TIF sehingga dilakukan perubahan format menjadi *.img dengan menggunakan perangkat lunak Erdas Imagine 9.1.
2. Pembuatan Citra Komposit
Citra Landsat 8 terdiri dari 9 saluran Operational Land Imager (OLI) dan 2 saluran Thermal Infrared Sensor (TIRS) , penggabungan band dimaksudkan untuk memperoleh suatu data citra multispektral yang terdiri dari band cahaya tampak (visible), Near Infrared (NIR), Shortwave Infrared(SWIR)dan Cirrus pada citra landsat 8. Jaya (2010) menjelaskan bahwa dengan hanya satu band (saluran) yang umumnya ditampilkan dengan “grayscale/hitam putih“, identifikasi obyek pada
3 citra umumnya lebih sulit dibandingkan dengan interpretasi pada citra berwarna. Pada penelitian ini digunakan seluruh band dengan menyamakan resolusi spasialnya menjadi 30 meter.
Tabel 1Karakteristik band citra landsat 8
Saluran Panjang
gelombang (µm)
Resolusi spasial (m)
Band 1 – coastal aerosol 0.43 - 0.45 30
Band 2 – Blue 0.45 - 0.51 30
Band 3 – Green 0.53 - 0.59 30
Band 4 – Red 0.64 - 0.67 30
Band 5 – Near Infrared (NIR) 0.85 - 0.88 30
Band 6 – Shortwave Infrared(SWIR) 1 1.57 - 1.65 30 Band 7 – Shortwave Infrared(SWIR) 2 2.11 - 2.29 30
Band 8 – Panchromatic 0.50 - 0.68 15
Band 9 – Cirrus 1.36 - 1.38 30
Band 10 - Thermal Infrared (TIRS) 1 10.6 - 11.19 100 Band 11 – Thermal Infrared (TIRS) 2 11.5 - 12.51 100
Sumber : USGS (2013)
3. Koreksi Geometrik
Jaya (2010) menjelaskan bahwa koreksi geometri dibutuhkan untuk melakukan rektifikasi (pembetulan) agar koordinat pada citra sesuai dengan koordinat geografi. Hal ini perlu dilakukan untuk mendapatkan nilai pixel yang sebenarnya pada posisi yang tepat. Citra Landsat 8 sudah terorthorektifikasi L-IT yang artinya sudah dilakukan rektifikasi dengan data Digital Elevation Model (DEM) dari Global Land Surveys 2000 sehingga hanya dilakukan pengecekan dengan menggunakan Peta Rupa Bumi dan project citra untuk mengubah proyeksi citra menjadi Universal Tranverse Mectator (UTM) zona 49 S dan datum yang digunakan adalah World Geodetic System(WGS) 84.
4. Pemotongan Citra
Pemotongan citra dilakukan untuk mendapatkan citra dengan areal yang menjadi lokasi penelitian sehingga dapat fokus hanya pada lokasi penelitian saja. Identifikasi Awal Tutupan Lahan
Identifikasi awal tutupan lahan ini dimaksudkan untuk memberikan gambaran awal dalam mengidentifikasi pola sebaran, penentuan jumlah penutupan lahan dan macam penutupan lahan. Dalam melakukan interpretasi kelas hutan secara visual ini digunakan elemen-elemen interpretasi yang terdiri dari warna, bentuk, ukuran, tekstur, pola, lokasi dan asosiasi.
Pada penyajian dengan multiband, biasanya dilakukan evaluasi dengan OIF (optimum index factor). OIF merupakan ukuran banyaknya informasi yang dimuat pada suatu citra komposit (Jaya 2006). Kombinasi band dengan nilai OIF terbesar berarti memiliki variasi informasi yang lebih banyak. Nilai OIF dapat dihitung dengan rumus : ik jk ij k j i ijk r r r S S S OIF
4
Si, Sj dan Sk adalah simpangan baku dari band ke-i, j dan k, sedangkan rij, rjk dan
rik adalah koefisien korelasi antar bandnya (Jaya 2010).
Pembuatan Titik Pengamatan dan pengambilan data lapangan
Lokasi titik awal pengamatan ditentukan dengan metode purposive sampling untuk dilakukan pengamatan lapang.Pemilihan titik pengamatan ini mempertimbangkan jumlah titik pengamatan agar masing-masing tutupan lahan yang ada memiliki minimal dua titik pengamatan dan memungkinkan untuk dijangkau. Titik yang diambil pada penelitian ini yaitu sebanyak 33 titik, 11 titik berupa tanah kosong, 6 titik tanaman jati 1 tahun, 5 titik tanaman jati 2 tahun, 5 titik tanaman jati 3 tahun, dan 6 titik tanaman jati 4 tahun.
Analisis Hasil Pengamatan Lapangan 1. Identifikasi objek di lapangan
Identifikasi objek yang dilakukan yaitu mencatat jenis tutupan lahan, tinggi rata-rata pohon, umur, jarak antarpohon, dan kemiringan lereng serta foto kenampakan tutupan lahan pada kondisi lapang.
2. Penentuan Area Contoh (training area)
Training area diperlukan pada setiap kelas yang akan dibuat, dan diambil dari areal yang cukup homogen. Penentuan training area merupakan proses yang penting karena akan menentukan keberhasilan klasifikasi. 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 (10N~100N) (Jaya 2010).
3. Analisis Separabilitas
Analisis separabilitas digunakan untuk mengevaluasi keterpisahan antara objek-objek tutupan lahan yang ditemui di lapang dilihat dari nilai digital yang telah ditentukan pada pembuatan training area. Metode yang digunakan pada penelitian ini yaitu metode transformed divergence, metode ini digunakan untuk mengukur tingkat keterpisahan antar kelas. Nilai separabilitas dengan transformed divergenceakan berkisar antara 0 sampai dengan 2000. Nila nol sama dengan tidak bisa dipisahkan, sedangkan nilai maksimum menunjukan keterpisahan yang sangat baik (excellent). Menurut Jaya (2009) hasil analisis separabilitas dapat dikelompokkan ke dalam lima kelas yaitu :
a. Tidak terpisah : <1600 b. Kurang keterpisahannya : 1600- <1800 c. Cukup keterpisahannya : 1800- <1900 d. Baik keterpisahannya : 1900- <2000 e. Sangat baik keterpisahannya : 2000
Analisis separabilitas dilakukan sampai seluruh tutupan lahan dapat dipisahkan secara cukup baik atau nilai separabilitas lebih besar dari 1800.
4. Analisis Diskriminan
Analisis diskriminan adalah salah satu metode interpretasi digital yang merupakan evaluasi kuantitatif tentang informasi spektral yang disajikan pada citra.Informasi
5 spektral tersebut diperoleh dari nilai digital setiap pixel yang terdapat dalam citra. Dari analisis diskriminan tersebut didapatkan Linear Discriminant Function yang digunakan untuk memetakan hasil analisis dengan menggunakan pemodelan spasial.
5. Pemodelan Spasial
Pemodelan spasial dilakukan dengan menggunakan modeler yang terdapat pada perangkat lunak Erdas Imagine 9.1. Langkah dalam pembuatan model dimulai dengan membuat binary map yaitu memberikan batasan minimum dan maksimum pada setiap band yang digunakan untuk mendapatkan fokus penelitian yaitu tanah kosong dan tanaman muda. Langkah selanjutnya adalah mencari nilai diskriminan dari setiap piksel pada masing-masing kelas. Rumus yang digunakan untuk mencari nilai diskriminan yaitu sebagai berikut:
Dn = k + (a1 x b1) + (a2 x b2) + ... + (ai x bi)
Keterangan:
Dn = nilai diskriminan dari kelas ke-n k = konstanta
a = band yang digunakan
b = nilai band dari fungsi linier hasil analisis diskriminan
Setelah diketahui nilai diskriminan dari setiap piksel pada masing-masing kelas, kemudian dicari nilai yang tertinggi dari ketiga kelas tersebut. Apabila suatu piksel memiliki nilai pada salah satu kelas yang lebih besar dari kelas lainnya, maka piksel tersebut termasuk kedalam kelas dengan nilai tertinggi tersebut. Untuk dapat menampilkan nilai terbesar yang dimiliki oleh semua piksel sehingga diketahui piksel tersebut masuk ke dalam kelas apa, maka digunakan rumus berikut:
CONDITIONAL { (n28_memory == 1) 1 , (n32_memory == 1) 2, (n36_memory == 1) 3}
HASIL DAN PEMBAHASAN
Identifikasi Objek di LapanganBerdasarkan hasil pengamatan lapangan yang dilakukan di KPH Ciamis, khususnya di RPH Cicapar, RPH Kalipucang, dan RPH Pangandaran diambil sebanyak 33 titik yaitu 11 titik tanah kosong, 6 titik hutan jati berumur 1 tahun, 5 titik hutan jati berumur 2 tahun, 5 titik hutan jati berumur 3 tahun, dan 6 titik hutan jati berumur 4 tahun. Kondisi lapang dan tampilan pada citra dapat dilihat di Tabel 2. Berdasarkan tabel tersebut dapat dilihat bahwa tanah kosong ditampilkan dengan warna merah muda pada citra. Tanaman jati 1 tahun memiliki kenampakan yang mirip dengan tanah kosong pada citra, sedangkan tanaman jati 2 tahun, 3 tahun, dan 4 tahun memiliki kenampakan yang mirip yaitu berwarna hijau sehingga sulit dibedakan antara satu dengan yang lainnya.
6
Tabel 2Tutupan lahan hasil observasi lapang
No Tutupan lahan
Jumlah
titik Foto lapang Tampilan pada citra
1 Tanah kosong 11 2 Tanaman jati 1 tahun 6 3 Tanaman jati 2 tahun 5 4 Tanaman jati 3 tahun 5 5 Tanaman jati 4 tahun 6
7 Area Contoh (Training Area)
Pengambilan area contoh (Training area) dilakukan berdasarkan data yang diperoleh dari kegiatan pengamatan lapang yang kemudian dilakukan penentuan dan pemilihan lokasi-lokasi area contoh untuk mengambil informasi contoh piksel dari setiap tutupan lahan yang dijumpai di lapang. Training area dilakukan dengan menggunakan tampilan citra multiband yang memiliki informasi terbesar. Untuk menyajikannya perlu melakukan perhitungan nilai Optimum Index Factor (OIF) untuk memperoleh informasi dengan variasi informasi terbanyak. Secara teori, OIF terbesar berarti memiliki variasi informasi yang paling banyak, namun perlu diperhatikan pula tampilan secara visual dari hasil kombinasi yang diperoleh.
Gambar 1Lokasi penelitian dengan kombinasiband 8-7-3
Pada Gambar 1 dapat dilihat bahwa kombinasi 8-7-3 yang merupakan kombinasi dari band cirrus pada layer 8, band 7 (SWIR-2), dan band 3 (green) memiliki nilai OIF terbesar dari seluruh kombinasi, namun kombinasi ini memberikan penampilan visual yang kurang baik.
8
Gambar 2 merupakan kombinasi dengan nilai OIF tinggi dan penampilan visual terbaik yaitu kombinasi 7-5-3 yang terdiri dari band 7 (SWIR-2), band 5 (NIR), dan band 3 (green). Dari kedua gambar tersebut terdapat lokasi titik pengamatan yang diambil. Namun secara visual masih terdapat kesulitan dalam membedakan kelas tanah kosong dan tanaman jati muda sehingga dilakukan analisis separabilitas.
Analisis Separabilitas
Analisis separabilitas ini menunjukan jumlah kelas berdasarkan rata-rata digital number dari setiap training area yang telah dibuat pada masing-masing kelas tutupan lahan untuk melihat apakah kelas tersebut layak untuk digabung atau tidak. Namun, sebelum analisis separabilitas, terlebih dahulu dilakukan pemilihan band untuk meminimalisir penggunaan jumlah band. Pemilihan band ini mempertimbangkan korelasi terbesar antara band 1-4 dan band 8 sehingga dapat digunakan salah satu saja. Dari kelima band tersebut, dipilih band 2 karena memiliki nilai korelasi terbesar, sehingga band yang digunakan adalah 2-5-6-7-9-10-11. Adapun matrix korelasi antarband tercantum pada Tabel 3.
Tabel 3Matrix korelasi antarband
Band 1 Band 2 Band 3 Band 4 Band 5 Band 6 Band 7 Band 8 Band 9 Band 10 Band 2 0,998 Band 3 0,952 0,957 Band 4 0,958 0,968 0,946 Band 5 -0,853 -0,857 -0,741 -0,87 Band 6 0,363 0,381 0,46 0,548 -0,239 Band 7 0,778 0,793 0,791 0,904 -0,727 0,826 Band 8 0,975 0,982 0,982 0,987 -0,825 0,494 0,85 Band 9 -0,076 -0,057 0,002 0,051 -0,047 0,259 0,194 0,017 Band 10 0,899 0,894 0,815 0,894 -0,857 0,451 0,828 0,865 -0,088 Band 11 0,853 0,842 0,737 -0,766 -0,766 0,268 0,644 0,788 -0,418 0,912
9 Tabel 4Nilai separabilitas dari 5 kelas tutupan lahan
Separabilitas Tanah kosong Tanaman jati 1 tahun Tanaman jati 2 tahun Tanaman jati 3 tahun Tanaman jati 4 tahun Tanah kosong 0 2000 2000 2000 2000 Tanaman jati 1 tahun 2000 0 1945.79 1999.77 2000 Tanaman jati 2 tahun 2000 1945.79 0 1442.65 1998.50 Tanaman jati 3 tahun 2000 1999.77 1442.65 0 1790.87 Tanaman jati 4 tahun 2000 2000 1998.50 1790.87 0
Tabel 4 menunjukkan hasil analisis separabilitas dari 5 kelas dengan menggunakan band 2-5-6-7-9-10-11. Dari tabel tersebut dapat dilihat bahwa tingkat keterpisahan pada kelas tanaman jati 2 tahun, 3 tahun, dan 4 tahun memiliki nilai separabilitas yang kurang baik yaitu <1800 sehingga perlu dilakukan re-grup dengan menggabungkan ketiga kelas tersebut. Proses re-grup dapat dilihat pada Gambar 3.
Obyek tutupan lahan Re-grup
Tanah kosong Tanah kosong
Tanaman muda 1 tahun
Tanaman muda 2 tahun
Tanaman muda 3 tahun
Tanaman muda 4 tahun
Tanaman muda 1 tahun
Tanaman muda 2-4 tahun
Gambar 3Proses re-grup
Setelah dilakukan re-grup diperoleh 3 kelas tutupan lahan dengan nilai separabilitas yang sangat baik yaitu 2000. Ketiga kelas tersebut adalah tanah kosong, tanaman jati umur 1 tahun, dan tanaman jati umur 2-4 tahun. Nilai separabilitas setelah dilakukan re-grup dapat dilihat pada Tabel 5.
Tabel 5Nilai separabilitas setelah dilakukan re-grup Separabilitas
Tanah kosong Tanaman jati 1 tahun Tanaman jati 2-4 tahun
Tanah kosong 0 2000 2000
Tanaman jati 1 tahun 2000 0 2000
Tanaman jati 2-4
tahun 2000 2000 0
Analisis Diskriminan
Analisis Diskriminan adalah salah satu teknik analisa statistika dependensi yang memiliki kegunaan untuk mengklasifikasikan obyek ke dalam beberapa kelompok. Pengelompokan dengan analisis diskriminan ini terjadi karena ada pengaruh satu atau lebih variabel lain yang merupakan variabel independen.
10
Kombinasi linier dari variabel-variabel ini akan membentuk satu fungsi diskriminan (Tatham et. al.,1998). Pada penelitian ini, fungsi linier tersebut digunakan untuk membuat pemodelan spasial dalam memetakan kelas tutupan lahan berupa tanah kosong dan tanaman jati muda.
Dari hasil analisis ketiga kelas tersebut yaitu tanah kosong, tanaman jati 1 tahun, dan tanaman jati 2-4 tahun didapat proportion correct sebesar 70%. Fungsi linier yang dihasilkan dari analisis diskriminan tersebut dapat dilihat pada Tabel 6.
Tabel 6Fungsi linier hasil analisis diskriminan Tanah kosong Tanaman jati 1 tahun Tanaman jati 2-4 tahun Konstanta -358918 -356278 -356906 band 2 -0.75036 -0.77867 -0.78363 band 5 -0.14779 -0.13583 -0.13792 band 6 0.651568 0.613968 0.616667 band 7 -0.39639 -0.3531 -0.35592 band 9 95.77977 95.44088 95.53845 band 10 -6.99024 -6.94865 -6.96723 band 11 17.38801 17.30975 17.33877 Pemodelan Spasial
Berikut ini merupakan hasil pemodelan spasial terhadap tutupan lahan berupa tanah kosong dan tanaman jati muda di RPH Cicapar, RPH Pangandaran dan RPH Kalipucang. Warna merah merupakan tampilan tanah kosong, warna hijau tanaman jati 1 tahun, sedangkan warna biru tanaman jati 2-4 tahun. Dari hasil pemetaan, dapat dilihat bahwa tanah kosong yang dipetakan underestimate terhadap tanah kosong yang terlihat pada citra Landsat 8 terutama di RPH Pangandaran dan RPH Kalipucang. Hal ini disebabkan oleh kurangnya titik pengamatan tanah kosong pada berbagai macam kondisi lapang. Tanaman jati 1 tahun dari hasil pemetaan terlihat sama dengan kenampakan pada citra aslinya. Sedangkan tanaman jati 2-4 tahun terlihat overestimate karena bisa jadi tanaman jati umur 5 tahun dan 6 tahun memiliki ciri fisik yang menyerupai tanaman jati yang berumur 2-4 tahun. Kenampakan hasil pemodelan dan kenampakan pada citra landsat 8 dapat dilihat pada Gambar 4 sampai dengan Gambar 9.
11
Gambar 4Kenampakan hasil pemodelan pada RPH Cicapar
12
Gambar 6Kenampakan hasil pemodelan pada RPH Pangandaran
13
Gambar 8Kenampakan hasil pemodelan pada RPH Kalipucang
14
SIMPULAN DAN SARAN
SimpulanCitra Landsat 8 dapat membedakan tutupan lahan menjadi 3 kelas berupa tanah kosong, tanaman jati 1 tahun, dan tanaman jati 2-4 tahun dengan kombinasi band 2-5-6-7-9-10-11. Pemodelan dilakukan dengan menggunakan fungsi linier yang diperoleh dari analisis diskriminan untuk memetakan tutupan lahan berupa tanah kosong dan tanaman muda dengan proportion correct sebesar 70%. Adapun bentuk persamaan yang digunakan yaitu sebagai berikut:
Tanah kosong: -358918 + (band 2 x -0.75036) + (band 5 x -0.14779) + (band 6 x 0.651568) + (band 7 x -0.39639) + (band 9 x 95.77977) + (band 10 x -6.99024) + (band 11 x 17.38801)
Tanaman jati 1 tahun: -356278 + (band 2 x -0.77867) + (band 5 x -0.13583) + (band 6 x 0.613968) + (band 7 x -0.3531) + (band 9 x 95.44088) + (band 10 x -6.94865) + (band 11 x 17.30975) Tanaman jati 2-4 tahun: -356906 + (band 2 x -0.78363) + (band 5 x -0.13792) +
(band 6 x 0.616667) + (band 7 x -0.35592) + (band 9 x 95.53845) + (band 10 x -6.96723) + (band 11 x 17.3387)
Saran
Perlu dilakukan penelitian lanjutan dengan jumlah titik sampel yang lebih banyak sehingga dapat dilakukan uji validasi. Selain itu perlu dilakukan pengembangan penelitian dengan menggunakan data citra time series untuk meningkatkan keberhasilan identifikasi tutupan lahan berupa tanah kosong dan tanaman muda.
.
DAFTAR PUSTAKA
Jaya INS. 2010. Analisis Citra Digital : Perspektif Penginderaan Jauh untuk Pengelolaan Sumberdaya Alam. Bogor (ID) : Fakultas Kehutanan IPB.
Latifah S. 2004. Pertumbuhan dan hasil tegakanEucalyptus grandis di HutanTanaman Industri [skripsi]. Sumatera Utara (ID): Universitas Sumatera Utara.
Lillesand TM, Kiefer RW. 1990. Penginderaan Jauh dan Penafsiran Citra. Dulbahri, Suharsono P, Hartono, Suharyadi, Penerjemah; Sutanto, editor. Yogyakarta (ID): Gadjah Mada University Press. Terjemahan dari: Remote Sensing and Image Interpretation.
15 Maharani SR. 2011. Aplikasi citra ALOS PALSAR resolusi 50 m dan citra ALOS AVNIR-2 resolusi 50 m dalam identifikasi tutupan lahan di Kabupaten Tuban, Blora, Rembang dan Bojonegoro [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Prahasta E. 2005. Sistem Informasi Geografis : Konsep-konsep Dasar. Bandung (ID): Informatika
[USGS] United States Geological Survey. 2013. Landsat 8 [Internet]. [diacu 2013 November 16]. Tersedia dari: http://landsat.usgs.gov/landsat8.php.
[USGS] United States Geological Survey. 2013. Frequently Asked Questions about the Landsat Missions [Internet]. [diacu 2013 November 16]. Tersedia dari: http://landsat.usgs.gov/band_designations_landsat_satellites.php.
[USGS] United States Geological Survey. 2013. Landsat Processing Details [Internet]. [diacu 2013 November 16]. Tersedia dari: http://landsat.usgs.gov/Landsat_Processing_Details.php.
16
RIWAYAT HIDUP
Penulis dilahirkan di Cilacap (Jawa Tengah) pada 2 Mei 1991 dari ayah Kasmiruddin, S.P dan ibu Sri Mujiarti, S.Pd. Penulis merupakan anak kedua dari dua bersaudara. Tahun 2009 penulis menyelesaikan sekolah menengah atas di SMA Negeri 1 Majenang dan pada tahun yang sama lulus seleksi masuk Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB dan diterima di Departemen Manajemen Hutan, Fakultas Kehutanan.
Penulis mengikuti Praktek Pengenalan Ekosistem Hutan (PPEH) di Gn. Papandayan dan Sancang Barat, Garut, Jawa Barat. Penulis juga mengikuti Praktek Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat Sukabumi. Tahun 2013 Penulis melakukan Praktek Kerja Lapang di PT. Ratah Timber, Kutai Barat, Kalimantan Timur.Selama mengikuti perkuliahan, penulis aktif pada organisasi Sylva Indonesia pengurus cabang Institut Pertanian Bogor.
Untuk memperoleh gelar Sarjana Kehutanan IPB, penulis menyelesaikan skripsi dengan judul Aplikasi dan Evaluasi Citra Landsat 8 OLI dalam Identifikasi serta Pemetaan Tanah Kosong dan Tanaman Jati Muda di KPH Ciamis.
