1
BAB I PENDAHULUAN
1.1 Latar Belakang
Banyak kalangan berusaha menggambarkan kondisi tutupan dan penggunaan lahan dengan memaparkan data, metodologi dan dasar klasifikasi yang berbeda-beda dengan hasil yang berberbeda-beda pula. Tata Guna Hutan Kesepakatan TGHK (Kepmenhut tahun 1982) dan Rencana Tata Ruang Wilayah Propinsi Kalimantan Tengah (RTRWP) memiliki perbedaan terhadap penunjukkan kawasan hutan, di mana RTRWP tahun 2003 telah terdapat banyak perubahan atas kawasan hutan menjadi Kawasan Penggembangan Produksi (KPP) dan Kawasan Pemukiman dan Penggunaan Lainnya (KPPL), di mana berdasar RTRWP suatu wilayah itu sebagai KPPL/KPP sedangkan terhadap wilayah yang sama tersebut berdasar TGHK adalah sebagai kawasan hutan, salah satu penyebabnya adalah penggunaan skala peta yang tidak sesuai dan cenderung dipaksakan sehingga memberikan informasi yang tidak akurat. Hal ini diakibatkan oleh beragamnya data, metode dan dasar klasifikasi yang digunakan oleh masing-masing kalangan. Beragamnya data mengenai kondisi tutupan dan penggunaan lahan tersebut disebabkan belum adanya penerapan standar baku yang dapat digunakan untuk menggambarkan kondisi tutupan dan penggunaan lahan, ketersediaan data yang akurat mengenai penutupan lahan dan penggunaan lahan selama kurun waktu tertentu sangat penting untuk dijadikan sebagai dasar dalam pengambilan keputusan dalam perencanaan jangka panjang.
Pulau Kalimantan adalah sebuah areal yang sangat luas, sehingga inventarisasi terestrial membutuhkan biaya, waktu, dan tenaga yang sangat besar. Salah satu alternatif yang dapat digunakan untuk menekan penggunaan biaya, waktu, dan tenaga yang besar tersebut adalah pemanfaatan teknologi penginderaan jauh dengan menggunaan citra Aster dari Satelite TERRA. Data dari Aster bermanfaat untuk informasi sumber daya alam dan lingkungan untuk beragam keilmuan di antaranya : geologi, meteorologi, pertanian, kehutanan, studi lingkungan, gunungapi, dan lainnya. Sensor Aster yang dikembangkan oleh
2
Kementerian Ekonomi, Perdagangan dan Industri (METI) Jepang ini, merupakan salah satu sensor yang terpasang dalam satelit Terra yang diluncurkan pada 18 Desember 1999. Aster memiliki 3 saluran tampak, 5 saluran inframerah termal dan 6 saluran inframerah tengah, serta kualitas fungsi stereoskopik yang lebih tinggi dibandingkan satelit sebelumnya, JERS-1.
Pemanfaatan citra untuk klasifikasi penutup dan penggunaan lahan dengan metode maximum likelihood adalah metode klasifikasi teselia yang paling dikenal dan paling banyak digunakan terutama untuk klasifikasi penggunaan lahan (Hagner dan Reese, 2007; Huang et al, 2007; Shalaby dan Tateishi, 2007). Banyak hasil penelitian dengan metode maximum likelihood memberikan hasil akurasi diatas 80%. Metode klasifikasi maximum likehood berdasarkan probabilitas bahwa tiap piksel merupakan bagian dari kelas tertentu. Teori dasar itu mengasumsikan bahwa probabilitas ini tersebar merata di semua kelas dan saluran input memiliki distribusi normal. Metode lain yang bisa gunakan adalah pengolahan data digital yang memanfaatkan teknologi komputer dengan metode Jaringan Syaraf Tiruan (JST), di mana pada metode ini tidak membutuhkan daerah contoh spektral yang terdistribusi normal (Gaussian statistical distribution). Mustapha et al, 2010 menyatakan JST dapat memberikan hasil akurasi yang lebih baik dibandingkan dengan metode maximum likelihood hingga 9%, algoritma ini juga bisa mengatasi masalah piksel campuran pada citra.
Tujuan dari penelitian ini adalah untuk mengkaji kemampuan citra Aster VNIR dan SWIR dengan memanfaatkan metode Jaringan Syaraf Tiruan Pemanfaatan data spektral dan data non-spektral kemiringan lereng diharapkan dapat memberikan informasi penggunaan lahan yang lebih akurat dengan tingkat akurasi yang lebih tinggi. Data kemiringan lereng merupakan faktor penting pada wilayah penelitian. Kemiringan lereng yang cenderung datar dimanfaatkan sebagai pemukiman dan daerah komersial, sementara kemiringan lereng berombak cenderung dimanfaatkan sebagai wilayah perkebunan.
3
1.2 Perumusan Masalah dan Pertanyaan Penelitian
Keragaman data mengenai kondisi tutupan dan penggunaan lahan disebabkan belum adanya penerapan satu standar baku yang dapat digunakan untuk menggambarkan kondisi tutupan dan penggunaan lahan baik itu skala peta, ketelitian dan akurasi peta. Ketersediaan data yang akurat mengenai penutupan dan penggunaan lahan yang sesuai dengan skala dan tingkat akurasi yang sesuai selama kurun waktu tertentu sangat penting untuk dijadikan sebagai dasar pengambilan keputusan dalam perencanaan jangka panjang. Data penutup dan penggunaan lahan yang lebih akurat secara spasial inilah yang nanti menjadi salah satu patokan penting bagi pemerintah daerah untuk mengembangkan kemampuan di wilayah tersebut secara maksimal dan berkesinambungan.
Pengolahan citra penginderaan jauh dengan memanfaatkan metode Jaringan Syaraf Tiruan untuk klasifikasi penggunaan lahan ini merupakan salah satu metode yang dianggap efisien dan cepat baik dalam kebutuhan waktu, biaya, dan tenaga, disamping kemampuan metode JST ini sendiri yang mampu mengkombinasikan data spektral dan non-spektral sehingga dapat menghasilkan tingkat akurasi informasi penutup dan penggunaan lahan yang lebih baik dengan skala yang sesuai. Jaringan syaraf tiruan ini juga mampu menyelesaikan persoalan data yang rumit atau sulit diselesaikan dengan menggunakan logika secara komputasional (Arif, 2011). Sementara Samudera, 2007; menyatakan bahwa penggunaan jumlah saluran yang lebih banyak memberikan training RMS yang semakin rendah, namun meningkatkan nilai overall accuracy dan indeks Kappa, sedangkan penggunaan kelas yang lebih banyak menghasilkan nilai training RMS yang lebih tinggi sehingga overall accuracy dan indeks Kappa semakin rendah.
Pemanfaatan metode Jaringan Syaraf Tiruan (JST) pada penelitian ini diharapkan memberikan jawaban kebutuhan akan informasi tutupan dan penggunaan lahan berdasarkan skala peta dan akurasi yang diijinkan dalam klasifikasi penggunaan lahan yang memberikan manfaat bagi pemerintah daerah untuk perencanaan penataan ruang dengan membandingkan berbagai parameter JST seperti iterasi, waktu pembelajaran, dan jumlah layer tersembunyi. Perbedaaan
4
kombinasi parameter tersebut diharapkan bisa memberikan perbedaan tingkat akurasi, sehingga bisa diperoleh tingkat akurasi paling baik untuk klasifikasi penggunaan lahan dengan memanfaatkan data citra Aster.
Melihat rumusan masalah tersebut, timbulah pertanyaan penelitian :
1. Seberapa akurat metode Jaringan Syaraf Tiruan dengan menggunakan citra ASTER VNIR dan SWIR ditambah data non-spektral sebagai data input dalam klasifikasi penggunaan lahan di Kecamatan Katingan Tengah, Kabupaten Katingan?
2. Seberapa besar pengaruh perubahan parameter Jaringan Syaraf Tiruan terhadap akurasi hasil klasifikasi penggunaan lahan (iterasi, layer tersembunyi, waktu pembelajaran) di Kecamatan Katingan Tengah, Kabupaten Katingan?
3. Bagaimana sebaran penggunaan lahan di Kecamatan Katingan Tengah, Kabupaten Katingan menggunakan metode Jaringan Syaraf Tiruan?
sehingga penelitian ini mengambil judul : Kajian Jaringan Syaraf Tiruan Berbasis Citra ASTER VNIR dan SWIR dan untuk Klasifikasi Penggunaan Lahan di Kecamatan Katingan Tengah, Kabupaten Katingan, Provinsi Kalimantan Tengah.
1.3 Tujuan
Sejalan dengan latar belakang dan perumusan masalah, maka yang menjadi tujuan dari penelitian ini adalah:
1. Untuk mengetahui seberapa akurat metode Jaringan Syaraf Tiruan berbasis citra ASTER VNIR dan SWIR ditambah data non-spektral dalam klasifikasi penggunaan lahan di Kecamatan Katingan Tengah, Kabupaten Katingan
2. Mengkaji seberapa besar pengaruh perubahan parameter Jaringan Syaraf Tiruan terhadap akurasi hasil klasifikasi penggunaan lahan (iterasi, layer tersembunyi, waktu pembelajaran) di Kecamatan Katingan Tengah, Kabupaten Katingan
5
3. Memudahkan Inventasisasi sebaran penggunaan lahan di Kecamatan Katingan Tengah, Kabupaten Katingan menggunakan metode Jaringan Syaraf Tiruan
1.4 Hasil yang Diharapkan
Hasil yang diharapkan dari penelitian penggunaan lahan untuk ini adalah sebagai berikut:
1. Tingkat akurasi tertinggi metode Jaringan Syaraf Tiruan berbasis citra ASTER VNIR dan SWIR diambah data non-spektral sebagai data input dalam klasifikasi penggunaan lahan di Kecamatan Katingan Tengah, Kabupaten Katingan
2. Hasil evaluasi kemampuan metode Jaringan Syaraf Tiruan dengan perubahan parameter JST (iterasi, layer tersembunyi, waktu pembelajaran) terhadap akurasi hasil klasifikasi penggunaan lahan di Kecamatan Katingan Tengah, Kabupaten Katingan
3. Peta Tutupan dan penggunaan lahan di Kecamatan Katingan Tengah, Kabupaten Katingan menggunakan metode Jaringan Syaraf Tiruan
1.5 Manfaat Penelitian
Hasil penelitian ini diharapkan dapat memberikan manfaat antara lain:
1. Untuk mengetahui kinerja metode klasifikasi non parametrik Jaringan Syaraf Tiruan dalam kajian klasifikasi Tutupan dan penggunaan lahan
2. Dapat dijadikan acuan dalam pengembangan sistem pengenalan pola dengan memanfaatkan data penginderaan jauh
3. Memberikan gambaran tentang Tutupan dan penggunaan lahan wilayah kajian sehingga dapat dimanfaatkan sebagai masukan bagi pemerintah daerah dan instansi terkait dalam tindakan perencanaan dan menetapkan kebijakan pembangunan.
6
1.6 Fokus Penelitian
Penelitian difokuskan untuk mengkaji Jaringan Syaraf Tiruan sebagai salah satu metode untuk pengambilan keputusan dalam klasifikasi Tutupan dan penggunaan lahan secara spasial dan penggunaan data non-spektral, bukan pada kajian evaluasi Tutupan dan penggunaan lahan pada wilayah yang menjadi lokasi penelitian.
1.7 Keaslian Penelitian
Pemanfaatan metode JST telah dilakukan oleh beberapa peneliti sebelumnya, seperti Buono et al, 2004; Kuplich, 2006; Samudra, 2007; Mustapha, 2010 dan Arif, 2011. Meskipun obyek yang diteliti berbeda, daerah kajian berbeda dan waktu yang berbeda, ada kesamaan dari masing-masing peneliti yaitu menguji metode klasifikasi dengan JST. Beberapa pertimbangan yang dilakukan dalam pemanfaatan metode JST ini adalah: (1) Eksperimen terhadap parameter JST dengan melakukan simulasi parameter input, sehingga dihasilkan metode backpropagation yang memiliki keakuratan lebih tinggi dibanding dengan alogaritma lainnya dengan tingkat pembelajaran (learning rate) lebih kecil untuk menjaga kestabilan pelatihan jaringan, sistem klasifikasi yang digunakan adalah sistem klasifikasi yang dikembangkan Danoedoro, 2009 dan (2) Mengggabungkan data spasial dan data non spasial dalam proses klasifikasi.
Persamaan penelitian ini dengan beberapa penelitian terdahulu yaitu penggunaan metode JST dan penggabungan data spektral dan non-spektral seperti penelitian (Arif, 2011). Namun dalam penelitian tersebut menggunakan citra ALOS AVNIR-2 sebagai sumber data, sementara penelitian tesis ini menggunakan citra Aster. Parameter yang digunakan juga berbeda. Setiap parameter berpengaruh pada pemilihan training area yang nantinya akan dilatih sebagai data input menggunakan metode JST. Persamaan dan perbedaan dari penelitian ini dengan penelitian yang sebelumnya terlihat seperti pada tabel 1.1.
Melihat penelitian di atas, maka dapat disimpulkan bahwa keaslian penelitiaan ini adalah sebagai berikut :
7
1. Daerah kajian, yaitu Kecamatan Katingan, belum pernah dilakukan penelitian mengenai klasifikasi Tutupan dan penggunaan lahan dengan memanfatkan Penginderaan Jauh dengan penggabungan data spektral dan non-spektral sebagai input
2. Kajian Jaringan Syaraf Tiruan (JST) untuk Tutupan dan penggunaan lahan di Kecamatan Katingan Tengah, Kabupaten Katingan belum pernah dilakukan 3. Informasi berupa peta sebaran spasial Tutupan dan penggunaan lahan di
8 Ta be l 1.1 Pe ne litia n se belumn y a da n p ene litia n y ang dila kuka n Pe nulis Judul Pe ne lit ia n Tuj u an Pe ne lit ian M et o de P ene lit ian Hasil Agus Buono et al. (2004) Kla sif ika si Pe nutup
dan Penggunaan Laha
n pa d a M u ltispe ct ral Image da ri L andsat
TM menggunakan Probabilistic Neural Network
Ͳ Mem p el aj ari dan m em aham i JS T Model Probal istic Neural Ne twork (PPN ) Ͳ Mengetahui p engaruh perubahan b esar sm oothing parameter t erh adap k ea kurat an ha sil kla sif ika si Ͳ Mengetahui ke akurat an hasil kla sif ika si PPN untu k c itr a multispe ktr al Ͳ Mengklasifikasikan pen gunaan la ha n pa da citr a multispe ktr al daerah Cen gkareng menggunakan PPN Ͳ Membandingkan aku ras i hasil kla sif ika si PPN de nga n a n alisa diskriminan Metode J S T Probal ist ic Neural Network dan an alisis Diskr imina n Akurasi penggun aan lahan
dan penutupan lahan menggunakan PPN a
d alah 64,2% pada jumlah training 84 piksel dan besar smoothing parameter (h) = 0,9 Sedangkan an alisis diskriminan han y a ber ak u rasi 54,3% Kuplich, TM (2006) Classify ing Regenerating Fore st
Stage in Amazonia Using Re
mote
ly
S
ense
d
Images and Neural Network
Ͳ MengklasikasikanTingka t Regener asi Hutan di Amaz on menggunakan Citra Penginderaan J auh dan J S T Citra L andsat TM (3 ban d ) dan J E RS-1 SAR (17 ba nd) . Kl as if ika si me to de JS T dengan paramet er, jumla h hidden layers , jumla h ite ra si, traini ng rate dan tr aining
momentum. dan pros
es penggabungan da ta Akur as i ha sil kla sif ika si da ri penggabungan data spe k tral dari L ands at TM dan J E RS-1 SAR lebih t inggi
dibandingkan dengan hasil kla
sif ika si da ri J E R S -1 SAR, y aitu s ebesa r 86,75% d engan 6 (enam) klas p enutup la han.
9 spektral L andsat TM dan JE RS -1 S A R Im an d a S u ry a Samudra (2007)
Kajian Kemampuan Metode J
aringan S y ar af Ti ruan unt uk
klasifikasi penutup lahan dengan menggunakan citra aste
r
Ͳ
Mengetahui aku
rasi
hasil
klasifikasi lahan deng
an J S T M u lti Lay er Pe rc ep tron (M L P ) terawasi d engan al goritma pem b el aj ar an ram b at b al ik Ͳ Mengetahui aku rasi hasil
klasifikasi penutup lahan menggunakan metode J
aringan S y ar af Ti ruan M u lti Lay er Per cept ion (M L P ) t eraw asi
dengan algoritma pembelajaran Ra
mba t Ba lik ( back -propagation ) jika di p adukan
dengan data spasial
non-sp ekt ral . Ͳ Supe rv ise d c lassific ation JS T dengan 15 simulasi paramete r menggunak an citr a Aste r Ͳ Kla sif ika si 9 sa lur an, 3 sa lura n, 4 sa lura n, 9
saluran dengan dat
a non-sp ekt ral DEM+s lope, 9
saluran + DEM, 9 salur
an
+ Slope dan jumlah kelas yang be
rbed a (27 kela s dan 34 kelas). Ͳ Kla sif ika si de ngan metode Ma xi mu m Likelihood Ͳ Semakin ban y ak salu ran citra digital y ang diguna kan maka training R M S semakin rendah, be gitu se ba likn y a Ͳ
Akurasi dan indeks Ka
ppa pa da h asil kla sif ik as i dengan metode J S T adalah 39,0123% - 78,3951% dan dari adalah 0,3714 - 0,77 38. Ͳ
melihat akurasi dan
indeks
Kappa m
aka
h
asil
klasifikasi dengan metode Maximum Likelihood
lebih
unggul dibandingkan metode J
S T Muhammad bahrudin (2009) Kajian pemanfa atan Citra L ands at 7
ETM+ dan Sistem Informasi
Geog
rafi
s
untuk pengembang- an komoditas tanaman p
adi dan kelapa sa wit di Kec. Kual a C enaku, Kabupaten I n d ragiri
Hulu, Provinsi Riau
Ͳ Mengkaji kemam puan citra landsat 7 ETM+ untuk memperole par ameter lahan y ang digunak an untuk pe n y usun peta kesesu aian lahan Ͳ Menganalisa d an men y us un peta bentuklahan, peta k emiringan lereng d an peta peng gunaan lahan skala 1 : 100.000 Ͳ Men y usun pet a pengem b angan komoditi ta na ma n padi da n Ͳ Metode ov erlay at au tumpa ng sususn Ͳ Metode matching untuk ke se sua ia n la h an Ͳ Peta kesesuaian la han tanaman padi d an kel apa sa wit Ͳ Peta pengemban gan tanaman padi d an kel apa sa wit
10 kel apa s awi t y ang ada d idaerah pe ne litia n ska la 1 : 100.0 00 Mustapha, M.R (2010) Kla sif ika si penggunaan l ahan
dengan membandingkan metode
Maxi mum Likelihood dan J S T
di Mekah, Arab Saudi, menggunakan citra AL
O S Ͳ Akurasi terb aik untuk tutupan lahan deng an metode M a ximum Likelihood dan J S T Ͳ Metode Ma xi mu m Likelihood dan J S T dengan citra A L OS Ͳ Me tode J S T me mbe rika n akurasi y ang l ebih baik, y aitu 89,3% dibandingkan metode Maxi m u m Likelihood dengan aku rasi han y a sebes ar 80,9% Ͳ Perbedaan tingkat aku rasi dikarenak an kemamp uan JS T dalam mengatas
masalah piksel campur
an Ͳ Me tode J S T ma mpu mengurasi piksel sp ec kl e y ang bi as a t erj adi p ada tutupan lahan y ang te rlalu beragam s eperti d ae rah urban Nursida Arif (2011) Kajian J aringan S y ar af Tiruan untuk Iden tif ika si L ah an Kr itis Menggunakan Citra AL O S Ͳ Mengetahui aku rasi hasil ide n tif ika si la ha n kr itis menggunakan J aringan S y ar af Tiruan (J ST) dengan al goritma back-propagation jika
melibatkan data Pen
g inderaan Ja uh (P J) dan non P J dalam ide n tif ika si la ha n kr itis Ͳ Mengetahui p engaruh perubahan pa ramete r y ang berbeda p ada j ari ng an t erhadap Ͳ Ja ringan s y ar af tiru an dengan menggunak an al gori tm a back -propagation dan Citra AL O S Ͳ Akur as i ha sil kla sif ika si dengan 4 s aluran ada lah 62,50%, dengan 5 salu ran adalah 54,17 % dan den g an 7 saluran ad alah 83,33% Ͳ Ban y akn y a saluran y ang
digunakan untuk eksek
u si metode J S T, mempengar uhi nila i tr ai ning RMS, a kura si
dan indeks Kapp
a
Ͳ
Penambahan salur
an
11 akur as i ha sil ide n tif ika si la ha n kr itis data pel atihan ha rus dise rtai
pula dengan pen
amba
h
an
iterasi untuk mendapatkan akurasi lebih tinggi
Didit W ah y udi, 2012 Kajian J aringan S y ar af Ti ru an be rb as is Citr a AS TER VN IR , SW IR untuk Kla sif ika si Tutupa n dan pengguna an lahan di Kec amatan
Katingan Tengah, Kabupaten Katingan, Provinsi Ka
lima n ta n Te nga h Ͳ
Untuk mengetahui seberap
a akurat metode J aringan S y ar af Ti ruan be rbas is ci tr a AS TER VN IR d an SW IR ditambah data non-spektral d alam kla sifikasi penggunaan lah an di Kec. Katingan Teng ah, Kab. Katingan Ͳ Mengkaji seber apa besar pengaruh pe ruba han pa rameter Ja ri ngan S y ara f Ti ruan t erhadap akur as i ha sil kla sif ika si penggunaan lahan (iter as i, la y er tersembun y i, waktu pem b el aj ar an) di Ke c. K at ingan Tengah, Kab. Katingan. Ͳ Memudahkan I n v en tasisasi sebaran pengguna an la han di Kec. K atingan Tengah , Kab. Katingan mengguna kan metode JS T Ͳ Ja ringan s y ar af tiruan
menggunakan algoritma back-propagation
dan
pemanfa
atan data
spektral dan non- spektral sebag
ai input Ͳ Tingkat akur asi tertin ggi metode JS T Tiru an be rb as is c itr a AST E R VN IR d an SW IR diambah
data non-spektral seba
gai
data input dalam klasifikasi penggunaan
lahan di K ec. Katingan Teng ah, K ab. Katingan Ͳ
Hasil evaluasi kemampu
an metode J aringan S y ar af Tiruan dengan pe rubah an paramet er J S T (i te ra si , la y er ters embun y i, w aktu pem b el aj ar an) t erhad ap akur as i h asil kla sif ika si penggunaan lah an di Kecam at an K at ingan Tengah, Kabupat en Katingan Ͳ
Peta Tutupan dan penggunaan
lahan di K ec. Katingan Teng ah, K ab. Katingan menggunak an metode J S T
12
1.8 Daerah Penelitian
Pemilihan daerah kajian adalah wilayah administrasi Kecamantan Katingan Tengah yang masuk dalam wilayah administrasi Kabupaten Katingan Propinsi Kalimantan Tengah serta termasuk dalam pusat wilayah pengembangan perkotaan dan kehutanan.
1.8.1. Kondisi Umum
Kecamatan Katingan Tengah secara administrasi terdiri dari 15 desa, dengan batasan wilayah sebagai berikut :
Sebelah utara : Kecamatan Sanaman Mantikei dan Kecamatan Marikit Sebelah selatan : Kecamatan Pulau Malan
Sebelah timur : Kotamadya Palangkaraya
Sebelah barat : Kabupaten Kota Waringin Timur
Kabupaten Katingan terletak di Daerah Aliran Sungai Katingan dan merupakan daerah dataran banjir yang sering tergenang, berawa-rawa dengan tanahnya yang bersifat asam dan organik. Berdasarkan letak ketinggian dari permukaan laut, Kabupaten Katingan dapat dibagi menjadi beberapa kelas, yaitu (1) 0-7 m dengan luas wilayah 1.200,3 Km2 atau 11,16% dari luas Kabupaten Katingan. Topografi pada ketinggian ini bentuknya datar sampai bergelombang; (2) 100-500 m dengan luas wilayah 1.052,93 Km2 atau 9,79% dari luas Kabupaten Katingan; (3) > 500 m dengan topografi berbukit sampai bergunung luasnya lebih dari 40% dari luas Kabupaten Katingan dan merupakan daerah dengan potensi erosi sangat tinggi.
Kemiringan lereng Kabupaten Katingan terbagi atas : (1) 0-15%, meliputi 14.422,35 Km2 atau 71,04% dari total luas Kabupaten Katingan; (2) > 40% penyebarannya terkonsentrasi di bagian utara, dimana wilayahnya terletak pada ketinggian lebih dari 500 m dari permukaan laut.
Kabupaten Katingan beriklim panas dan lembab, suhu maksimum berkisar 36° C dan suhu minimum 33° C. Suhu udara maksimum terjadi pada bulan
13
Agustus dan suhu minimum terjadi pada bulan September. Rata-rata kecepatan angin berkisar antara 4-6 knot. Kecepatan angin tertinggi terjadi pada bulan Agustus dan September. Intensitas penyinaran matahari rata-rata pertahun cukup tinggi (53%) dan sumber daya air yang cukup banyak (8,76% dari luas Kabupaten Katingan), sehingga menyebabkan tingginya penguapan yang menimbulkan awan aktif/tebal sepanjang tahun. Curah hujan di Kabupaten Katingan mulai dari wilayah bagian selatan hingga hingga wilayah bagian utara menjadi semakin meningkat dengan jumlah curah hujan 3000 mm/tahun. Curah hujan terbanyak terjadi pada bulan Desember-Maret dengan jumlah hari hujan 202 hari, Sedangkan bulan kering/kemarau jatuh pada Juli sampai dengan September.
Luas Kecamatan Katingan Tengah secara keseluruhan adalah 1.089 km2 atau 6,12% dari wilayah Kabupaten Katingan (17.800 km2) dan terletak antara 112o46’01.2”-113o17’56.4” Bujur Timur di antara 1o22’08.5”-1o45’02.2’ Lintang Selatan (Sumber : Katingan dalam Angka Tahun 2011).
Jenis tanah di Kecamatan Katingan Tengah didominasi oleh jenis padsolik merah kuning, namun di beberapa bagian terdapat jenis tanah alluvial, organosol, lithosol, dan sebagainya. Jenis tanah ini terbentuk dari batuan beku, sedimen atau metamof yang bersifat masam maupun basa, tanah jenis ini dianggap baik untuk sawah dan pertanian lahan kering.
1.8.2. Penggunaan Lahan
Intensitas penggunaan lahan di Kecamatan Katingan tengah bila dikaitkan dengan upaya pengembangan fisik kota menunjukkan bahwa tidak semua wilayah terpakai untuk kegiatan-kegiatan yang bersifat kekotaan. Pertambahan ruang kegiatan perkotaan sampai dengan 2013 adalah sebesar 4,02 km2 dari 88,5 km2 lahan terbangun yang ada sehingga masih memiliki sisa lahan cadangan yang tidak termasuk perairan (Sumber : PDRB Kabupaten Katingan, 2010)
Penggunaan lahan pada tahun 2009 menurut jenisnya dibedakan menjadi sawah seluas 30,75 km2, bangunan/pekarangan seluas 25,05 km2, hutan rakyat 1.033,2 km2. (Sumber : Kecamatan Katingan Tengah dalam Angka tahun 2010)
14
Pada tahun 2011 penggunaan lahan di Kecamatan Katingan Tengah dibandingkan dengan luas wilayah Kecamatan Katingan tengah dibedakan menjadi Hutan tanaman industri 0,55%, Danau 1,03%, Hutan Dataran Tinggi 18,72%, Hutan Rawa Primer 17,25%, Ilalang dan Semak 8,75%, Pemukiman 0,32%, Perkebunan 0,34%, pertanian lahan kering campuran 3,15% Rawa 3,22% dan tanah kering tidak produktif sebesar 41,63%. Beberapa kawasan kota Tumbang Samba juga ditetapkan sebagai kawasan lindung yang dianggap sebagai kawasan terbuka hijau yang berperan sebagai paru-paru kota dan daerah pembatas pengembangan fisik kota (Sumber : Bappeda Kabupaten Katingan, 2012)