UNIVERSITAS DIPONEGORO
ESTIMASI STOK KARBON HUTAN TANAMAN JATI (Tectona grandis) MENGGUNAKAN NILAI INDEKS VEGETASI CITRA SENTINEL-2 (STUDI KASUS: HUTAN JATI BKPH KEDUNGJATI KECAMATAN KEDUNGJATI,
KABUPATEN GROBOGAN)
TUGAS AKHIR
RINO TUHU SAYEKTI 21110118120037
FAKULTAS TEKNIK
DEPARTEMEN TEKNIK GEODESI SEMARANG
JANUARI 2023
i
UNIVERSITAS DIPONEGORO
ESTIMASI STOK KARBON HUTAN TANAMAN JATI (Tectona grandis) MENGGUNAKAN NILAI INDEKS VEGETASI CITRA SENTINEL-2 (STUDI KASUS: HUTAN JATI BKPH KEDUNGJATI KECAMATAN KEDUNGJATI,
KABUPATEN GROBOGAN)
TUGAS AKHIR
RINO TUHU SAYEKTI 21110118120037
FAKULTAS TEKNIK
DEPARTEMEN TEKNIK GEODESI SEMARANG
JANUARI 2023
ii
HALAMAN PERNYATAAN
Skripsi ini adalah karya saya sendiri, dan semua sumber yang dikutip maupun yang dirujuk saya nyatakan dengan benar.
Nama : Rino Tuhu Sayekti NIM : 21110118120037 Tanda Tangan :
Tanggal : 5 Desember 2022
iii
HALAMAN PENGESAHAN
Skripsi ini diajukan oleh :
Nama : Rino Tuhu Sayekti
NIM : 21110118120037
Departemen : TEKNIK GEODESI
Judul Skripsi :
ESTIMASI STOK KARBON HUTAN TANAMAN JATI (Tectona grandis) MENGGUNAKAN NILAI INDEKS VEGETASI CITRA SENTINEL-2 (STUDI KASUS: HUTAN JATI BKPH KEDUNGJATI KECAMATAN KEDUNGJATI,
KABUPATEN GROBOGAN)
Telah berhasil dipertahankan di hadapan Tim Penguji dan diterima sebagai bagian persyaratan yang diperlukan untuk memperoleh gelar Sarjana/S1 pada Departemen/Program Studi Teknik Geodesi, Fakultas Teknik, Universitas Diponegoro.
TIM PENGUJI
Pembimbing 1 : Bandi Sasmito, S.T., M.T. ( )
Pembimbing 2 : Dr. Firman Hadi, S.Si., M.T ( )
Penguji 1 : Nurhadi Bashit, S.T.,M.Eng ( )
Penguji 2 : Reyhan Azeriansyah, S.T.,M.Eng ( )
Semarang, 5 Desember 2022 Ketua Departemen Teknik Geodesi
Dr. Yudo Prasetyo, ST., MT NIP. 197904232006041001
iv
HALAMAN PERSEMBAHAN
Laporan Tugas Akhir ini penulis persembahkan kepada semua pihak yang terlibat:
1. Ibu yang selalu membimbing,mendidik, mendo’akan dan mensupportku.
2. Kakakku Mada yang selalu baik menjadi saudara dan teman tempatku bercerita dan yang selalu mendukung dan memotivasiku.
3. Astama Suta Buana selaku keluarga seperjuangan Teknik Geodesi 2018 yang banyak membantu dalam proses belajar dikampus.
4. Pasullow yang terdiri dari Siti Badriyah, Eko widayanti, Salsabilla Nurul, Riska Amirotul, Cici Nurmalasari, Fitria Damayanti,Muizzatun Ihsani yang memberikan cerita kehidupan kampus menjadi lebih berwarna.
5. Thanks to myself for completing this final project. Hang on!!!!!
Dan semua orang yang tidak bisa saya sebut kan satu persatu yang telah memberikan banyak motivasi maupun dukungan dalam penyelesaian Tugas Akhir ini.
v
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Allah SWT yang telah memberikan nikmat iman, islam, kesehatan serta limpahan rahmat-Nya dalam pelaksanaan penyelesaian Tugas Akhir ini. Laporan Tugas Akhir dapat terselesaikan berkat bimbingan, arahan, motivasi dan bantuan dari berbagai pihak dengan demikian penulis sampaikan ucapan terima kasih kepada:
1. Bapak Dr. Yudo Prasetyo, S.T., M.T., selaku Ketua Departemen Teknik Geodesi, Fakultas Teknik, Universitas Diponegoro.
2. Bapak Dr. L.M Sabri, S.T., M.T., selaku dosen wali yang telah mengampu selama proses perkuliahan.
3. Bapak Bandi Sasmito, S.T., M.T., selaku Dosen Pembimbing I yang telah memberikan bimbingan dan arahan selama proses penyelesaian skripsi ini.
4. Bapak Dr. Firman Hadi S.Si., ,M.T., selaku Dosen Pembimbing II yang telah memberikan bimbingan, arahan dan motivasi selama proses penyelesaian skripsi ini.
5. Seluruh Dosen Departemen Teknik Geodesi Fakultas Teknik Universitas Diponegoro yang telah memberikan ilmunya selama perkuliahan.
6. Staf Tata Usaha Dosen Departemen Teknik Geodesi Fakultas Teknik Universitas Diponegoro yang telah memberikan pelayanan terbaik selama perkuliahan.
7. Teman-teman Teknik Geodesi 2018 yang telah banyak membantu dan menjadi motivasi secara langsung maupun tidak dalam penyusunan tugas akhir ini.
Semoga penelitian ini dapat bermanfaat sebagai rujukan di penelitian- penelitian selanjutnya.
Semarang, 5 Desember 2022
Rino Tuhu Sayekti 21110118120037
vi
HALAMAN PERSETUJUAN PUBLIKASI
Sebagai civitas akademik Universitas Diponegoro, saya yang bertanda tangan di bawah ini;
Nama : Rino Tuhu Sayekti NIM : 21110118120037 Departemen : TEKNIK GEODESI Fakultas : TEKNIK
Jenis Karya : SKRIPSI
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Diponegoro Hak Bebas Royalti Non eksklusif atas karya ilmiah saya yang berjudul;
ESTIMASI STOK KARBON HUTAN TANAMAN JATI (Tectona grandis) MENGGUNAKAN NILAI INDEKS VEGETASI CITRA SENTINEL-2 (STUDI KASUS: HUTAN JATI BKPH KEDUNGJATI KECAMATAN KEDUNGJATI,
KABUPATEN GROBOGAN)
Dengan Hak Bebas Royalti Non eksklusif ini Universitas Diponegoro berhak menyimpan, mengalih medis/formatkan, merawat dan mempublikasikan tugas akhir saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemilik hak cipta.
Dibuat di : Semarang Pada : Desember 2022 Yang menyatakan,
Rino Tuhu Sayekti 21110118120037
vii
ABSTRAK
Pelepasan karbon diudara yang menimbulkan emisi Gas Rumah Kaca (GRK) yang semakin meningkat akibat dari aktivitas antropogenik masyarakat.
Peningkatan GRK dapat diminimalkan dengan adanya hutan. Salah satu hutan yang dapat mengurangi peningkatan GRK adalah hutan jati, karena tanaman jati memiliki usia panen yang cukup lama sehingga mampu menyerap karbon di atmosfer. Penelitian ini bertujuan menghitung estimasi stok karbon pada hutan tanaman jati di BKPH Kedungjati Kecamatan Kedungjati dibawahi oleh pengelolaan Perum Perhutani Kesatuan Pemangkuan Hutan (KPH) Semarang yang memiliki peran penting sebagai cadangan stok karbon di Pulau Jawa dalam upaya mengurangi gas karbon di atmosfer. Estimasi stok karbon menggunakan penginderaan jauh dirasa lebih efisien dan mampu mencakup area luas. Penelitian ini menggunakan data citra satelit sentinel-2 multitemporal dari tahun 2019-2022 dan data biomassa aktual yang diukur di lapangan. Indeks vegetasi yang digunakan dalam penelitian adalah Normalized Difference Vegetation Indeks (NDVI), Difference Vegetation Indeks (DVI), Soil Adjusted Vegetation Indeks ( SAVI) dan Gray Level Co-occurrence Matrix (GLCM) tekstur. Hasil pengolahan citra SAVI- GLCM jendela ukuran 9x9 memiliki nilai SEE yang kecil dan korelasi yang lebih kuat dibanding dengan indeks lain. Model persamaan yang didapat yaitu Y=1220,732 + ((-635,469)*Entr9S) + (3532,485*Moc29s) + (0,199*Contr9S) + ((- 36475,886)*ASM). Estimasi nilai karbon rata-rata 2019 bernilai 94,075 ton/ha, 2020 bernilai 103,444 ton/ha, 2021 bernilai 96,435 ton/ha dan ditahun 2022 bernilai 94,255 ton/ha.
Kata Kunci : Estimasi stok Karbon, Sentinel-2, Tanaman Jati
viii
ABSTRACK
Airborne carbon releases that cause increasing Greenhouse Gas (GHG) emissions due to community anthropogenic activities. GHG increase can be minimized by the presence of forests. One of the forests that can reduce GHG increases is teak forests, because teak plants have a long harvest age so that they are able to absorb carbon in the atmosphere. This research calculates the estimated carbon stock in teak plantation forests in BKPH Kedungjati, Kedungjati District, under the management of the Semarang Forest Management Unit (KPH) Perum Perhutani which has an important role as a carbon stock reserve in Java Island in an effort to reduce carbon gas in the atmosphere. Estimating carbon stocks using sensing is much more efficient and able to cover a large area. This study used multitemporal sentinel-2 satellite imagery data 2019-2022 and actual biomass data measured in the field. The vegetation indices used in the study were (NDVI, DVI, and SAVI) and GLCM. The results of 9x9 windowing SAVI-GLCM image processing have a small SEE value and a stronger correlation compared to other indices. The model
equation obtained is Y=1220,732+((-
635,469)*Entr9S)+(3532,485*Moc29s)+(0.199*Contr9S)+((-36475,886)*ASM).
The estimated average carbon value in 2019 is worth 94,075 ton/ha, 2020 is worth 103,444 ton/ha, 2021 is worth 96,435 ton/ha and in 2022 it is worth 94,255 ton/ha.
Keywords : Estimated Carbon stock, Sentinel-2, Teak Plant
ix
DAFTAR ISI
HALAMAN PERNYATAAN ... ii
HALAMAN PENGESAHAN ... iii
HALAMAN PERSEMBAHAN ... iv
KATA PENGANTAR ... v
HALAMAN PERSETUJUAN PUBLIKASI ... vi
ABSTRAK ... vii
ABSTRACK ... viii
DAFTAR ISI ... ix
DAFTAR GAMBAR ... xii
DAFTAR TABEL ... xiv
DAFTAR LAMPIRAN ... xv
BAB I PENDAHULUAN ... 1
I.1 Latar Belakang ... 1
I.2 Rumusan Masalah ... 3
I.3 Tujuan dan Manfaat Penelitian ... 3
I.4 Ruang Lingkup Penelitian ... 4
I.5 Konsep Pendekatan Penelitian... 5
I.6 Sistematika Penulisan ... 6
BAB II TINJAUAN PUSTAKA ... 7
II.1 Kajian Penelitian Terdahulu ... 7
II.2 Kajian Wilayah Penelitian ... 10
II.3 Hutan ... 11
II.4 Tanaman Jati ... 12
II.5 Biomassa ... 13
II.6 Karbon ... 14
II.7 Sentinel-2... 16
II.8 Preprocessing Citra ... 17
II.9 Pembuatan Sampel Plot... 18
II.10 Indeks Vegetasi ... 19
x
II.10.1 Normalized Difference Vegetation Indeks (NDVI) ... 20
II.10.2 Different Vegetation Index (DVI) ... 21
II.10.3 Soil Adjusted Vegetation Indeks (SAVI) ... 22
II.11 Gray Level Co-occurrence Matrix (GLCM) ... 22
II.12 Uji Statistik ... 25
II.12.1 Uji Normalitas ... 25
II.12.2 Regresi ... 26
II.12.3 Koefisien Korelasi dan Koefisien Determinasi ... 28
II.12.4 Standard Error of Estimate (SEE) ... 30
BAB III METODE PELAKSANAAN ... 32
III.1 Alat dan Bahan ... 32
III.1.1 Alat ... 32
III.1.2 Bahan ... 32
III.2 Diagram alir penelitian ... 33
III.3 Studi Literatur ... 34
III.4 Pengumpulan Data ... 34
III.5 Pengolahan Data ... 34
III.5.1 Tahap Pengolahan Citra ... 34
III.5.2 Penentuan titik sampel lapangan ... 38
III.5.3 Pengambilan data lapangan ... 40
III.5.4 Pengolahan Indeks Vegetasi menjadi Gray Level Co-occurrence Matrix (GLCM) ... 41
III.5.5 Proses perhitungan nilai indeks berdasarkan Indeks Vegetasi- GLCM dan koordinat lapangan ... 44
III.5.6 Menghitung uji regresi dan model penduga stok karbon ... 45
III.5.7 Menghitung estimasi karbon 2022 ... 55
III.5.8 Menghitung uji akurasi ... 60
III.5.9 Perhitungan estimasi stok karbon menggunakan model terbaik 2019-2022 ... 61
BAB IV ANALISIS HASIL ... 65
IV.1 Hasil dan analisis perhitungan karbon lapangan ... 65
xi
IV.2 Hasil uji normalitas karbon lapangan ... 66
IV.3 Hasil dan analisis uji regresi ... 67
IV.4 Hasil dan analisis uji akurasi ... 71
IV.5 Hasil dan analisis estimasi stok karbon ... 73
BAB V KESIMPULAN DAN SARAN ... 76
V.1 Kesimpulan ... 76
V.2 Saran... 77
DAFTAR PUSTAKA ... xi
xii
DAFTAR GAMBAR
Gambar I-1 Konsep Pendekatan Penelitian ... 5
Gambar II-1 Hutan Produksi Jati BKPH Kedungjati Kecamatan Kedungjati ... 11
Gambar II-2 Tanaman jati ... 12
Gambar II-3 Pengukuran biomassa diatas permukaan... 14
Gambar II-4 Sentinel 2 (ESA, 2012) ... 17
Gambar II-5 Peletakan GPS sampel plot (Forest Watch Indonesia, 2009) ... 19
Gambar II-6 Pemantulan band NDVI (GEO, 2017) ... 21
Gambar III-1 Diagram Alir Penelitian ... 33
Gambar III-2 Pre-processing Citra ... 35
Gambar III-3 Sebelum cloud masking (A),setelah cloud masking (B). ... 35
Gambar III-4 Hasil komposit band ... 36
Gambar III-5 Raster calculator ... 36
Gambar III-6 Hasil penerapan Indeks DVI (A),NDVI (B),SAVI (C) ... 38
Gambar III-7 Menentukan jumlah sampel pada masing-masing value ... 38
Gambar III-8 Pencocokan antara klasifikasi citra dengan google satelit ... 38
Gambar III-9 Persebaran titik sampel ... 39
Gambar III-10 Hasil accuracy assessment ... 40
Gambar III-11 Persebaran titik koordinat lapangan ... 41
Gambar III-12 parameter masukan r.texture ... 41
Gambar III-13 Angular Second Moment (A), Contras (B), correlation (C), different entropy (D), difference variance (E),Entropy (F), inverse difference moment (G), sum average (H), sum entropy (I), sum variance (J), Variance (K), information measures of correlation -1(L), information measures of correlation-2 (M)... ... 44
Gambar III-14 Point sampling tool ... 44
Gambar III-15 input data ... 46
Gambar III-16 uji kolmogorov smirnov... 46
Gambar III-17 hasil Box plot (A), lineplot (B) karbon lapangan ... 46
xiii Gambar III-18 Hasil perhitungan regresi berganda bertahap pada DVI-GLCM
jendela ukuran 3X3 ... 49
Gambar III-19 Hasil perhitungan regresi berganda bertahap pada NDVI-GLCM jendela ukuran 3X3 ... 49
Gambar III-20 Hasil perhitungan regresi berganda bertahap pada SAVI-GLCM jendela ukuran 3X3 ... 50
Gambar III-21 Hasil perhitungan regresi berganda bertahap pada DVI-GLCM jendela ukuran 5X5 ... 50
Gambar III-22 Hasil perhitungan regresi berganda bertahap pada NDVI-GLCM jendela ukuran 5X5 ... 51
Gambar III-24 Hasil perhitungan regresi berganda bertahap pada DVI-GLCM jendela ukuran 7X7 ... 52
Gambar III-25 Hasil perhitungan regresi berganda bertahap pada NDVI-GLCM jendela ukuran 7X7 ... 52
Gambar III-26 Hasil perhitungan regresi berganda bertahap pada SAVI-GLCM jendela ukuran 7X7 ... 53
Gambar III-27 Hasil perhitungan regresi berganda bertahap pada DVI-GLCM jendela ukuran 9X9 ... 53
Gambar III-30 Peta Sebaran Karbon 2019 ... 63
Gambar III-31 Peta Sebaran Karbon 2020 ... 63
Gambar III-32 Peta Sebaran Karbon 2021 ... 64
Gambar III-33 Peta Sebaran Karbon 2022 ... 64
xiv
DAFTAR TABEL
Tabel II-1 Penelitian Terdahulu ... 7
Tabel II-1 Penelitian Terdahulu (Lanjutan) ... 8
Tabel II-2 Klasifikasi NDVI (Rouse dkk., 1974) ... 21
Tabel II-3 Klasifikasi Rentang SAVI (Simarmata dkk., 2021) ... 22
Tabel II-4 Formula GLCM Features ... 24
Tabel II-5 Klasifikasi nilai korelasi ... 29
Tabel II-6 Klasifikasi R2 ... 29
Tabel III-1 Data Penelitian ... 32
Tabel III-2 Cuplikan Hasil GLCM tekstur ... 45
Tabel III-3 Hasil scaterplot regresi linier dan polinomial ... 47
Tabel III-4 Hasil estimasi karbon model regresi polinomial... 55
Tabel III-5 Hasil estimasi karbon model regresi linier ... 56
Tabel III-6 Hasil estimasi karbon model regresi bertahap (stepwise multiple regression) GLCM jendela ukuran 3x3 dan 5x5 ... 58
Tabel III-7 Hasil estimasi karbon model regresi bertahap (stepwise multiple regression) GLCM jendela ukuran 7X7 dan 9X9 ... 59
Tabel III-8 Hasil Perhitungan SEE regresi polinomial dan regresi linier ... 60
Tabel III-9 Hasil perhitungan SEE regresi berganda bertahap... 61
Tabel III-10 Perhitungan estimasi stok karbon 2019-2022 ... 61
Tabel III-11 Perhitungan estimasi stok karbon 2019-2022 (Lanjutan) ... 62
Tabel IV-1 Hasil perhitungan stok karbon lapangan ... 65
Tabel IV-1 Hasil perhitungan stok karbon lapangan (Lanjutan) ... 66
Tabel IV-2 Hasil Uji Normalitas ... 66
Tabel IV-3 Hasil Uji Regresi Indeks Vegetasi ... 67
Tabel IV-4 Hasil Scaterplot Regresi Linier dan Polinomial ... 68
Tabel IV-5 Hasil uji regresi pada texture GLCM ... 70
Tabel IV-6 Hasil perhitungan SEE regresi polinomial dan regresi linier ... 71
Tabel IV-7 Hasil perhitungan SEE regresi berganda bertahap ... 72
xv
DAFTAR LAMPIRAN
LAMPIRAN A- 1 Data Pengukuran Lapangan ... A-1 LAMPIRAN A- 2 Hasil ekstraksi Indeks Vegetasi ... A-14 LAMPIRAN A- 3 Hasil ekstraksi GLCM Texture ... A-16 LAMPIRAN B- 1 Hasil uji regresi indeks vegetasi ... B-2 LAMPIRAN B- 2 Hasil uji regresi bertahap metode stepwise... B-2 LAMPIRAN B- 3 Hasil perhitungan karbon validasi dan perhitungan
estimated standart error ... B-3 LAMPIRAN B- 4 Hasil perhitungan karbon berdasarkan model terbaik ... B-5 LAMPIRAN B- 5 Hasil visualisasi sebaran estimasi karbon... B-7 LAMPIRAN C- 1 Dokumentasi Lapangan ... C-2
1
BAB I
PENDAHULUAN
I.1 Latar BelakangMenurut International Energy Agency (IEA) pada tahun 2021 emisi karbon mengalami kenaikan tertinggi sepanjang sejarah. Tingkat emisi karbon naik mencapai mencapai 36,3 gigaton karbon dioksida (CO2). Jika dibandingkan dengan 2020 kenaikan ini sekitar 6%. Pada tahun 2022 kenaikan emisi karbon masih tinggi tetapi tidak signifikan seperti pada tahun sebelumnya. Salah satu penyumbang gas karbon adalah emisi Gas Rumah Kaca (GRK).
Emisi Gas Rumah Kaca (GRK) terjadi karena aktivitas antropogenik masyarakat. Menurut Liu dan Li, (2022) emisi Gas Rumah Kaca (GRK) yang meningkat secara global mendorong terjadinya perubahan suhu di seluruh dunia dan perubahan lingkungan yang ekstrem. Salah satu cara penurunan emisi GRK di atmosfer melalui aktivitas fotosintesis pada tanaman. Tanaman melakukan proses penyerapan CO2 dan diubah menjadi karbon alami sebagai biomassa. Kandungan karbon dalam biomassa pada waktu tertentu secara acak dikenal sebagai stok karbon. salah satu penyumbang biomassa terbesar didunia adalah hutan.
Hutan merupakan ekosistem terbesar dan memiliki bagian penting dalam ekosistem terestrial. Hutan sebagai sumber penyerapan karbon terbesar yang mampu berkontribusi besar terhadap siklus karbon (C) di seluruh dunia (Forest Watch Indonesia, 2009). Terdapat banyak jenis hutan yang ada didunia salah satu salah satu jenis dari hutan yang menyumbang siklus karbon adalah hutan jati. Hutan jati memiliki peranan besar dalam penyimpanan karbon dan pengurangan kadar CO2 di atmosfer, dikarenakan masa tebang tanaman jati yang relatif panjang sehingga penyerapan kadar CO2 di atmosfer (Chayaporn dkk., 2021). Penyerapan karbon perlu dihitung dengan menggunakan variabel pendukungnya.
Biomassa hutan sebagai variabel penting dalam menilai penyerapan karbon dan kapasitas penyesuaian karbon. Pendugaan biomassa hutan untuk mengetahui siklus karbon. Menurut Sutaryo, (2009) dalam perhitungan biomassa ada beberapa
2 metode yang dapat digunakan seperti sampling permanen (destructive sampling), sampling non permanen (nondestructive sampling), dan teknologi penginderaan jauh (Remote sensing). Metode sampling permanen dan sampling non permanen diperlukan koordinat untuk estimasi lapangan yang membutuhkan waktu, tenaga, dan biaya yang besar. Penginderaan jauh ini sangat tepat dan layak karena tidak ada yang harus pergi ke lapangan.
Kemajuan teknologi penginderaan jauh mampu menunjukkan bahwa pengurangan deforestasi dapat digambarkan sebagai penurunan asli dan pengurangan emisi global mampu dikonfirmasi menggunakan perkiraan yang dapat diandalkan. Hubungan antara biomassa dan penginderaan jauh untuk estimasi biomassa pada tingkat teritorial diakibatkan sulitnya perolehan data informasi tegakan hutan secara langsung di lapangan. Perhitungan stok karbon bertujuan untuk menyimpan/menginventarisasi, memantau, mengelola dan mengawasi lahan kayu dapat dilakukan dengan estimasi data lapangan dengan menggunakan plot sampel, khususnya menggunakan diameter pohon setinggi dada (DBH) (Al Qassam dan Prayogo, 2018). Penelitian mengenai estimasi stok karbon jati diwilayah BKPH Margasari dengan metode penginderaan jauh dirasa lebih efisien dan mampu mencakup wilayah luas. Dengan memanfaatkan citra satelit dan dilakukan pengolahan berbagai indeks TVI,DVI dan NDVI. Berdasarkan analisis regresi antara nilai stok karbon aktual di lapangan dengan indeks vegetasi citra DVI memiliki hasil yang baik. Hasil dari R2 sebesar 0,4211 dengan nilai akurasi 41,11%.
Kemudian diperoleh hasil perhitungan estimasi stok karbon hutan jati BKPH sebanyak 130.217,5 Kg/Ha (Sandika.W.B dan Murti 2019). Penelitian untuk perhitungan estimasi stok karbon jati juga dilakukan oleh AFIA dkk., (2017) dengan memanfaatkan penginderaan jauh menggunakan citra satelit sentinel-2, indeks vegetasi yang terpilih sebagai indeks terbaik adalah SAVI dengan hasil R2 0,987. Dari penelitian yang sudah dilakukan sebelumnya, masing-masing indeks vegetasi mampu mengestimasi stok karbon pada suatu hutan jati. Perbedaan dalam penggunaan indeks akan menghasilkan hasil estimasi yang berbeda.
Berdasarkan penjelasan pada paragraf diatas penelitian kali ini akan menghitung estimasi stok karbon hutan tanaman jati di BKPH Kedungjati
3 Kecamatan Kedungjati dibawahi oleh pengelolaan Perum Perhutani Kesatuan Pemangkuan Hutan (KPH) Semarang memelihara, mengawasi dan mengelola potensi hutan yang ada. BKPH tersebut memiliki hutan Jati seluas1429,7ha. Lokasi hutan berada di RPH Kedungjati Barat, RPH Kalimaro, RPH Tepusan, RPH Tempuran dan RPH Pepe. Estimasi stok karbon ini dengan metode penginderaan jauh memanfaatkan citra satelit sentinel-2. Indeks vegetasi yang digunakan pada penelitian ini berupa Normalized Difference Vegetation Indeks (NDVI), Difference Vegetation Indeks (DVI), dan Soil Adjusted Vegetation Indeks (SAVI) yang kemudian dilakukan pengolahan Gray Level Co-occurrence Matrix (GLCM) tekstur. Citra satelit sentinel-2 yang digunakan secara multitemporal tahun 2019- 2022. Sehingga hasil dari penelitian ini berupa perhitungan estimasi stok karbon hutan jati BKPH Kedungjati Kecamatan Kedungjati 2019-2022. Estimasi stok karbon secara multitemporal diharapkan dapat menjadikan evaluasi terhadap kondisi hutan.
I.2 Rumusan Masalah
Rumusan masalah pada penelitian ini sebagai berikut:
1. Bagaimana analisis hubungan (persamaan) cadangan stok karbon berdasarkan indeks vegetasi NDVI, SAVI, DVI, dan GLCM tekstur dari data citra sentinel-2 dengan data lapangan khususnya pada hutan tanaman Jati?
2. Bagaimana analisis hasil stok karbon pada hutan tanaman jati di BKPH Kedungjati Kecamatan Kedungjati pada tahun 2019-2022?
I.3 Tujuan dan Manfaat Penelitian
Tujuan dari penelitian ini sebagai berikut:
1. Mengkaji hubungan indeks vegetasi indeks vegetasi NDVI, SAVI, DVI, dan GLCM tekstur dari data citra Sentinel-2 dengan data lapangan khususnya pada hutan tanaman Jati.
4 2. Mengkaji hasil estimasi stok karbon dan memetakkan stok karbon di hutan jati BKPH Kedungjati Kecamatan Kedungjati pada tahun 2019- 2022.
Adapun manfaat dari penelitian ini sebagai berikut:
1. Aspek Keilmuan
Secara aspek keilmuan, penelitian ini diharapkan dapat menjadi pengembangan penerapan teknologi penginderaan jauh untuk analisis stok karbon.
2. Aspek Kerekayasaan
Secara aspek kerekayasaan, penelitian ini dapat digunakan sebagai dasar pertimbangan dalam pengambilan keputusan atau kebijakan mengenai kebijakan kehidupan hutan.
I.4 Ruang Lingkup Penelitian
Supaya pembahasan tidak terlalu melebar, penelitian ini memiliki ruang lingkup yang terdiri dari:
1. Biomassa dan karbon dari tanaman jati yang dikaji merupakan biomassa dan karbon atas permukaan yaitu tegakan vegetasi.
2. Indeks vegetasi yang digunakan pada penelitian ini menggunakan NDVI,SAVI dan DVI yang kemudian diteksturkan.
3. Pengambilan sampel di lapangan didasarkan pada indeks vegetasi NDVI 2022.
4. Penentuan sampel menggunakan metode Stratified Random Sampling.
5. Batas administrasi wilayah kajian merupakan hutan jati BKPH Kedungjati Kecamatan Kedungjati.
6. Data yang digunakan dalam penelitian ini adalah citra Sentinel-2 pada bulan Februari 2019, Maret 2020 dan April 2021,2022.
5 I.5 Konsep Pendekatan Penelitian
Pada penelitian yang dilakukan terdapat kerangka berpikir yang dapat yang merupakan rangkuman dari penelitian tugas akhir yang divisualisasikan seperti pada Gambar I-1 berikut:
Fakta dan masalah
1. Peningkatan emisi Gas Rumah Kaca (GRK) saat secara global menimbulkan risiko terjadinya pemanasan global dan perubahan iklim yang ekstrem 2. Hutan dapat menyimpan karbon dapat membantu dalam menurunkan gas rumah kaca (GRK) di atmosfer
3. Hutan jati memiliki peranan besar dalam penyimpanan karbon dan pengurangan kadar CO2 di atmosfer, dikarenakan masa tebang tanaman jati yang relatif panjang sehingga penyerapan kadar CO2 di atmosfer
4. Estimasi stok karbon hutan jati BKPH Kedungjati Kecamatan Kedungjati Kabupaten Grobogan secara multitemporal dapat menjadikan evaluasi terhadap kondisi hutan.
Landasan Teori
1. Prepocesing citra 2. Biomassa 3. Karbon 4.Hutan 5. Sampel plot 6. Tanaman jati 7. Sentinel-2
8. Nilai indeks (NDVI,SAVI,DVI) 9. Gray Level Co-occurrebce Matrix Filters (GLCM)
10. Analisis statistik
Hipotesis
Jika perhitungan stok karbon dari sampel data lapangan menggunakan perhitungan allorimetrik dan perhitungan stok karbon menggunakan indeks vegetasi dari citra sentinel-2 mempu memberikan nilai R dan R square yang tinggi dengan nilai Estimasi Standart Eror yang kecil maka perhitungan stok karbon menggunakan sentinel-2 merupakan metode yang baik.
Penelitian
1.Mengkaji hubungan (persamaan) cadangan stok karbon berdasarkan indeks vegetasi NDVI,SAVI, DVI dan GLCM texture dari data citra sentinel-2 dengan data lapangan khususnya pada hutan tanaman Jati?
2.Mengestimasi stok karbon pada hutan tanaman jati BKPH Kedungjati Kecamatan Kedungjati berdasarkan model terbaik pada tahun 2019-2022?
Gambar I-1 Konsep Pendekatan Penelitian
6 I.6 Sistematika Penulisan
Sistematika dari penulisan penelitian ini diharapkan mampu mendeskripsikan struktur laporan agar jelas dan terarah. Berikut adalah sistematika penulisan : BAB I PENDAHULUAN
Bab ini terdiri dari latar belakang, rumusan masalah, maksud dan tujuan, metodologi yang berisi kerangka berpikir dari penelitian serta sistematika penulisan penelitian.
BAB II TINJAUAN PUSTAKA
Bab ini berisi tentang tinjauan pustaka yang mendukung penelitian ini dengan tujuan sebagai pendalaman literatur bagi peneliti dan pembaca. Beberapa topik yang diambil seperti penelitian terdahulu, koreksi citra, biomassa, karbon, hutan, tanaman jati dan lain sebagainya.
BAB III METODOLOGI PENELITIAN
Bab ini berisikan tahapan pelaksanaan penelitian dari pengumpulan baik data citra satelit maupun data lapangan, perhitungan algoritma indeks NDVI,SAVI,DVI dan GLCM tekstur, penentuan sampel, perhitungan estimasi karbon berdasarkan model terbaik.
BAB IV HASIL DAN PEMBAHASAN
Bab ini berisi analisis dan hasil yang diperoleh berdasarkan tahapan pengolahan.
BAB V KESIMPULAN DAN SARAN
Bab ini berisikan kesimpulan penelitian dan saran bagi penelitian selanjutnya.
xi
DAFTAR PUSTAKA
AFIA, A. B., Soraya, E., dan Purwanto, R. H. (2017). ESTIMASI SIMPANAN KARBON TEGAKAN JATI (Tectona grandis) DI BKPH GETAS KPH NGAWI DENGAN CITRA SPOT 6.
Al Qassam, I., dan Prayogo, C. (2018). Hubungan pendugaan cadangan karbon pada tegakan jati menggunakan penginderaan jauh dan pengukuran lapangan. Jurnal Tanah Dan Sumberdaya Lahan, 5(1), 727–737.
Bevans, R. (2022). Multiple Linear Regression.
Bordoloi, R., Das, B., Tripathi, O. P., Sahoo, U. K., Nath, A. J., Deb, S., Das, D. J., Gupta, A., Devi, N. B., Charturvedi, S. S., Tiwari, B.
K., Paul, A., dan Tajo, L. (2022). Satellite based integrated approaches to modelling spatial carbon stock and carbon sequestration potential of different land uses of Northeast India.
Environmental and Sustainability Indicators, 13(April 2021), 100166. https://doi.org/10.1016/j.indic.2021.100166
Chayaporn, P., Sasaki, N., Venkatappa, M., dan Abe, I. (2021).
Assessment of the overall carbon storage in a teak plantation in Kanchanaburi province, Thailand – Implications for carbon-based incentives. Cleaner Environmental Systems, 2(2001), 100023.
https://doi.org/10.1016/j.cesys.2021.100023
Dong, L., Du, H., Han, N., Li, X., Zhu, D., Mao, F., Zhang, M., Zheng, J., Liu, H., Huang, Z., dan He, S. (2020). Application of convolutional neural network on lei bamboo above-ground- biomass (AGB) estimation using Worldview-2. Remote Sensing, 12(6). https://doi.org/10.3390/rs12060958
ESA. (2012). No Title. European Space Agency.
xii
https://www.esa.int/ESA_Multimedia/Images/2012/02/Sentinel-2 Fadhli, M., dan Ananda, R. (2018). Statistik Pendidikan (Teori Dan
Praktik Dalam Pendidikan) (M. S. Syarbaini Saleh, S.Sos (ed.)).
CV. Widya Puspita.
FWI. (2009). Penghitungan potensi karbon di kawasan hutan. Forest Watch Indonesia, 11.
GEO, S. (2017). http://www.symphonygeo.com/blog/18-ndvi- normalized-difference-vegetation-index
Gitelson A.A, Gritz Y, M. N. (2003). Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leaves. J.
Plant. Physiol. 2003, 160, 271–282, 271–282, 160.
Glossary - Statistics By Jim. (2022).
https://statisticsbyjim.com/glossary/
Hidayati, T., Handayani, I., dan Ikasari, I. H. (2019). Statistika Dasar Panduan Bagi Dosen dan Mahasiswa. Pena Persada.
Huete, A. (1988). A. soil-adjusted vegetation index (SAVI). R. (1988).
A soil-adjusted vegetation index (SAVI). Emote Sensing of Environment, 25(3), 295–309.
IPCC. (2019). 2019 Refinement to the 2006 IPCC Guidelines for National Greenhouse Gas Inventories. Chapter 0. Overview.
Glossary. 1–19.
Irawan, U. ., dan Purwanto, E. (2020). Panduan Pengukuran dan Pendugaan Cadangan Karbon Pada Ekosistem Hutan Gambut dan Mineral.
Irish, R. (2006). Characterization of the Landsat-7 ETM Automated
Cloud-Cover Assessment (ACCA) Algorithm. Photogrammetric
xiii
Engineering dan Remote Sensing, 72, 10 : 1.
Li, C., Zhou, L., dan Xu, W. (2021). Estimating Aboveground Biomass Using Sentinel-2 MSI Data and Ensemble Algorithms for Grassland in the Shengjin Lake.
Li, Y., Li, C., Li, M., dan Liu, Z. (2019). Influence of variable selection and forest type on forest aboveground biomass estimation using machine learning algorithms. Forests, 10(12).
https://doi.org/10.3390/F10121073
Lillesand, T. M. ;, dan Kiefer, R. W. ;and J. W. C. (1979). Remote sensing and image interpretation. In Remote sensing and image interpretation. https://doi.org/10.2307/634969
Liu, C., dan Li, Q. (2022). Anthropogenic Climate Change , Deforestation and Renewable Energy. August 2021, 10–18.
https://doi.org/10.4236/acs.2023.131002
Lu, D., Mausel, P., Brondizio, E., dan Moran, E. (2002). Above-Ground Biomass Estimation of Successional and Mature Forests Using TM Images in the Amazon Basin. Symposium A Quarterly Journal In Modern Foreign Literatures.
Lubis, A. I. M., Yudo, P., dan Sasmito, B. (2020). PEMODELAN DAN
PEMETAAN BIOMASSA ATAS PERMUKAAN
(ABOVEGROUND BIOMASS) TANAMAN KARET (HEVEA BRASILIENSIS) DENGAN L-BAND BERDASARKAN PENGAMATAN ALOS PALSAR-2 (STUDI KASUS:
AFDELING SETRO, KAB. SEMARANG). Jurnal Geodesi Undip, 9.
McCoy, R. . (2005). Field Methods in Remote Sensing. . -. The Guilford
Press, New York. References - Scientific Research Publishing.
xiv
https://www.scirp.org/reference/ReferencesPapers.aspx?Referenc eID=2627955
Microimage. (2014). Gray Level Co-occurrence Matrix Filters. May.
Nugraha, N. (2009). Regresi polinomial..., Nurma Nugraha, FMIPA UI, 2009.
Oktaviani, N., dan Kusuma, H. . (2019). PENGENALAN CITRA SATELIT SENTINEL-2 UNTUK PEMETAAN KELAUTAN. 1, 105–
112.
Panggabean, M. L. E., Rahmawaty, dan Riswan. (2013). Pendugaan Cadangan Karbon Above Ground Biomass (AGB) pada Tegakan Hutan Alam di Kabupaten Langkat (The Estimate of Carbon Stocks Above Ground Biomass (AGB) of Natural Forest Stands in Langkat District). Peronema Forestry Science Journal, 2(1), 39–
46.
Pratama, I. G. M. Y., Karang, I. W. G. A., dan Suteja, Y. (2019).
Distribusi Spasial Kerapatan Mangrove Menggunakan Citra Sentinel-2A Di TAHURA Ngurah Rai Bali. Journal of Marine and
Aquatic Sciences, 5(2), 192.
https://doi.org/10.24843/jmas.2019.v05.i02.p05
Purnama, S. . (2015). Aplikasi ALOS AVNIR-2 untuk Hutan dalam Rangka Perhitungan Estimasi Stok Aplikasi ALOS AVNIR-2 untuk Hutan dalam Rangka Perhitungan Estimasi Stok Karbon dan Serapan CO 2. December 2015.
Purwanto, R. H., Sukamdi, I., dan Wuryanto, A. (2009). 2.pdf. Jurnal Manajemen Hutan, I No.2.
Research, : Progress in Brain. (2019). Multiple Linear Regression
Analysis - an overview (pdf) | ScienceDirect Topics. ScienceDirect.
xv
https://www.sciencedirect.com/topics/medicine-and-
dentistry/multiple-linear-regression-analysis/pdf
Rouse, J. W., Haas, J. R. H., Schell, J. A., dan Deering, D. W. (1974).
Monitoring vegetation systemsin the Great Plains witherts.
Onitoring Vegetation Systemsin the Great Plains Witherts, 1(Proceedings of the 3rd ERTS Symposium, Washington, DC, USA (Vol. 1).).
Sandika.W.B, dan Murti, H. . (2019). Estimasi Stok Karbon Tegakan Hutan Jati Menggunakan Citra Penginderaan Jauh di BKPH Margasari, Kabupaten Tegal. Estimasi Stok Karbon Tegakan Hutan Jati Menggunakan Citra Penginderaan Jauh Di BKPH Margasari, Kabupaten Tegal.
Sarstedt, M., Ringle, M. C., dan Hair, F. J. (2020). Handbook of Market Research. In Handbook of Market Research (Issue September).
https://doi.org/10.1007/978-3-319-05542-8
Simarmata, N., Lisafitri, Y., dan Hakim, D. M. (2019). PEMETAAN CADANGAN KARBON MENGGUNAKAN CITRA RESOLUSI TINGGI UNTUK PENGELOLAAN TAHURA WAN ABDUL RACHMAN LAMPUNG (Carbon Stock Mapping Using High Resolution Image For Management Of Tahura Wan Abdul Rachman Lampung). Jurnal Sains Informasi Geografi, 2(1), 18.
https://doi.org/10.31314/jsig.v2i1.227
Simarmata, N., Wikantika, K., Tarigan, T. A., Aldyansyah, M., Tohir,
R. K., Fauziah, A., dan Purnama, Y. (2021). Analisis Transformasi
Indeks Ndvi, Ndwi Dan Savi Untuk Identifikasi Kerapatan
Vegetasi Mangrove Menggunakan Citra Sentinel Di Pesisir Timur
Provinsi Lampung. JURNAL GEOGRAFI Geografi Dan
xvi
Pengajarannya, 19(2), 69–79.
https://doi.org/10.26740/jggp.v19n2.p69-79
Standar Nasional Indonesia, S. (2011). Penyusunan persamaan alometrik untuk penaksiran cadangan karbon hutan berdasar pengukuran lapangan (ground based forest carbon accounting).
Standar Nasional Indonesia, 1–6.
Sudiana, D., dan Diasmara, E. (2008). Analisis Indeks Vegetasi menggunakan Data Satelit. Seminar on Intelligent Technology and Its Application, 423–428.
Suroso, S. (2018). Jati (Tectona grandis). Dinas Kehutanan Dan Perkebunan, 1, 13.
Sutaryo, D. (2009). Penghitungan Biomassa: Sebuah pengantar untuk studi karbon dan perdagangan karbon. 1–38.
Tatsumi, K., Igarashi, N., dan Mengxue, X. (2021). Prediction of plant
‑ level tomato biomass and yield using machine learning with unmanned aerial vehicle imagery. Plant Methods, 1–17.
https://doi.org/10.1186/s13007-021-00761-2
Vaglio, G. L., Pirotti, F., Callegari, M., Chen, Q., Cuozzo, G., Lingua, E., Notarnicola, C., dan Papale, D. (2017). Potential of ALOS2 and NDVI to estimate forest above-ground biomass, and comparison with lidar-derived estimates. Remote Sensing, 9(1).
https://doi.org/10.3390/rs9010018
Wibowo, A., Samsoedin, I., Subarudi, S., Policy, F., Muttaqin, M. Z.,
Agency, D., Sector, C. A., Improve, T. O., Resilience, C., Climate,
T. O., dan In, C. (2013). PETUNJUK PRAKTIS MENGHITUNG
CADANGAN KARBON HUTAN. Badan Penelitian Dan
Pengembangan Kehutanan, June 2017, 1–37.
xvii
