1 BAB I
PENDAHULUAN
1.1. Latar Belakang
Perubahan penutup lahan di daerah perkotaan merupakan proses yang tidak sederhana, proses perubahan tersebut di antaranya tidak lepas dari pengaruh faktor fisik dan faktor manusia. Di satu sisi, pesatnya ekspansi kekotaan biasanya berhubungan erat dengan faktor-faktor sosial ekonomi. Di sisi lainnya, proses urbanisasi memberikan dampak yang cukup besar terhadap ekonomi masyarakat di daerah tersebut. Selain itu menurut Skole (1994) dan Foody (2001) dalam Jensen (2005), menyatakan bahwa perubahan penutup lahan merupakan komponen utama perubahan global yang bisa berdampak lebih besar daripada perubahan iklim.
Melihat pada esensi pembangunan, otoritas kota membutuhkan alat untuk memonitor bagaimana lahan saat ini digunakan, menilai kebutuhan di masa yang akan datang, dan mengambil langkah-langkah untuk memastikan kecukupan pasokan masa depan. Selain itu dibutuhkan pula perencanaan pembangunan perkotaan di masa mendatang yang lebih baik, dengan hal tersebut otoritas kota perlu mengetahui situasi dari ekspansi kota dan melalui cara apa kemungkinan untuk berkembang pada tahun-tahun yang akan datang.
Sebagai salah satu Pusat Kegiatan Wilayah (PKW) di Propinsi Jawa Barat dan kota yang diandalkan sebagai pusat pertumbuhan di kawasan Priangan Timur, Kota Tasikmalaya membutuhkan berbagai persiapan. Seperti yang diutarakan Nurlina (2008), persiapan tersebut tidak terbatas dari segi perencanaan pada satu aspek, akan tetapi dibutuhkan kajian secara regional dan komprehensif dari berbagai aspek. Supaya tercapai pembangunan yang berkelanjutan, memenuhi kebutuhan saat ini dan tidak membahayakan untuk kebutuhan generasi yang akan datang (Yunus, 2005). Misalnya saja informasi terkait distribusi lahan terbangun, vegetasi, dan tanah terbuka, penting sekali artinya untuk beberapa aplikasi bidang lingkungan dan perencanaan serta manajemen untuk keberlanjutan pembangunan di daerah perkotaan. Selain itu, yang tidak kalah pentingnya adalah informasi
2 mengenai perubahan penutup lahan di daerah perkotaan untuk dapat mengamati kecenderungan perubahan penutup lahan yang kemudian dapat dimanfaatkan untuk kepentingan perencanaan tata ruang kota dan pengembangan wilayah.
Kota Tasikmalaya telah mengalami percepatan perkembangan wilayah yang diakibatkan oleh pertumbuhan penduduk dan urbanisasi. Hal ini dapat dilihat pada Tabel 1.1 Jumlah Penduduk dan Laju Pertumbuhan Penduduk di bawah ini. Perkembangan Kota Tasikmalaya menyebabkan kebutuhan akan lahan meningkat, sehingga hal tersebut berpengaruh terhadap perubahan penggunaan/ penutup lahan.
Tabel 1.1. Jumlah Penduduk dan Laju Pertumbuhan Penduduk Kota Tasikmalaya 2003 -2012
Tahun Jumlah Penduduk LPP
2002 546.871 1,96 2003 557.909 1.98 2004 568.889 1,93 2005 579.671 1,86 2006 591.320 1,97 2007 603.449 2,01 2008 615.001 1,88 2009 625.210 1,66 2010 635.464 1,64
Sumber: BPS Kota Tasikmalaya (2010)
Deteksi perubahan merupakan sebuah upaya untuk mengidentifikasi perbedaan keberadaan suatu objek atau fenomena yang diamati pada waktu yang berbeda (Singh, 1989). Proses ini perlu mendapat perhatian khusus dari segi waktu, luas cakupan, skala, dan tingkat akurasi. Kenyataan ini menjadi alasan mendasar akan keterbatasan pada pengukuran penutup lahan secara langsung maupun dengan memanfaatkan citra satelit resolusi tinggi. Meskipun tingkat ketelitian yang dihasilkan tinggi namun tidak mampu menjawab semua spesifikasi yang dibutuhkan antara lain luas cakupan, skala, dan ketersediaan data pada dua waktu yang berbeda. Sebaliknya, citra dengan resolusi spasial yang relatif lebih rendah mampu mencakup berbagai kebutuhan seperti yang disebutkan di atas.
3 Melihat dari sudut pandang ini, sumber data citra satelit dengan kapasitas resolusi spasial yang lebih rendah dan dengan ketersediaan resolusi temporalnya, masih sangat dibutuhkan sebagai solusi inovatif untuk mengkaji perkembangan fisik kota secara spasial.
Pemanfaatan citra resolusi menengah untuk kajian penutup lahan kota, tidak mudah begitu saja dalam pengolahannya. IFOV atau medan pandang sesaat sensor, akan memasukkan lebih dari satu jenis penutup lahan atas heterogenitas penutup lahan di daerah perkotaan (Danoedoro, 2012). Dengan kata lain pada citra resolusi sedang misalnya saja Landsat yang memiliki resolusi spasial 30 x 30 meter, satu piksel citra yang dihasilkan tidak hanya informasi tentang satu objek saja, melainkan terdiri dari beberapa tipe penutup lahan yang berbeda, di antaranya terdapat lahan terbangun, tanah terbuka, air, dan vegetasi. Adanya piksel campuran ini dapat mengganggu ketelitian dan menimbulkan kesulitan pada klasifikasi multispektral karena karakteristik spektralnya akan berbeda dengan karakteristik spektral objek-objek tunggal lainnya (Rahman, 2010).
Pesatnya kemajuan teknologi pemrosesan citra digital, kini mampu memberikan solusi untuk mengatasi permasalahan piksel campuran sebagai konsekuensi atas rendahnya resolusi spasial hasil sistem sensor satelit, misalnya Landsat. Solusi tersebut antara lain memanfaatkan Analisis Campuran Spektral (Spectral Mixture Analysis). Lillesand et al. (2008), mengemukakan bahwa analisis campuran spektral menggunakan acuan objek murni yang disebut endmember sebagai pembanding terhadap spektral campuran, karena asumsinya variasi spektral suatu citra disebabkan oleh campuran berbagai materi di permukaan dalam jumlah yang terbatas. Berbeda dengan klasifikasi penutup lahan lain yang bersifat probabilistik, analisis ini lebih bersifat deterministik karena mendasarkan pada model fisika untuk pola-pola spektral campuran yang bersifat diskret, dan dapat memberikan informasi yang sangat berguna pada level subpiksel, sehingga pada satu piksel tunggal dapat dideteksi beberapa jenis penutup lahan sesuai dengan kondisi permukaan yang sebenarnya.
4 Aplikasi dari analisis campuran spektral salah satunya menggunakan linear mixture model. Nilai spektral pada piksel dimodelkan sebagai kombinasi linier dari pantulan setiap endmember, yang besarnya sesuai dengan persentase penutup dari setiap endmember di lapangan atau pada citra. Endmember merupakan komponen fisik dasar yang prinsipnya dianggap tidak bercampur dengan komponen lainnya dalam satu piksel. Asumsi model linier diperlukan agar setiap komponen dapat dengan mudah diatur dan dipisahkan dari sebuah piksel. Konfigurasi ini dapat mereduksi banyaknya nilai pantulan dari campuran setiap endmember yang terdeteksi pada skala panjang gelombang radiasi elektomagnetik, Aklein (1998); De Asis et al. (2007); Nurlina (2008).
Analisis campuran spektral secara linier diantaranya telah terbukti digunakan untuk memetakan lahan terbangun di daerah perkotaan oleh (Matthias, et al.2003), kemudian klasifikasi penutup lahan di Amazon oleh (Lu, et al.2004), dan De Asis (2007); Vohland (2007); Nurlina, (2008) untuk mendeteksi dan mengekstrak parameter vegetasi dengan sangat baik.
Berangkat dari latar belakang di atas, penelitian ini menggunakan analisis campuran spektral secara linier untuk mendeteksi perubahan penutup lahan yang terdiri dari tanah terbuka, permukaan kedap air, vegetasi, dan air, pada tingkat sub piksel di Kota Tasikmalaya dengan citra Landsat multitemporal tahun 1994 dan 2003.
1.2. Rumusan Masalah
Penutup lahan dapat dideteksi secara langsung atau menggunakan citra resolusi tinggi. Walaupun tingkat ketelitiannya lebih baik akan tetapi terbatas pada luas cakupan dan skala yang dihasilkan. Apalagi jika kebutuhannya terkait perubahan penutup lahan secara regional pada periode tahun sembilan puluhan yang membutuhkan ketersediaan data berdasarkan dua waktu berbeda dan belum tersedianya citra resolusi tinggi. Oleh karena itu, citra dengan resolusi spasial yang relatif lebih rendah semisal Landsat masih dibutuhkan.
5 Karakteristik spektral dari penutup lahan perkotaan lebih sulit dikenali dibandingkan perdesaan. Hal ini menurut Schueler (1992), dalam Nurlina (2008), sebagai akibat dari perbedaan signifikan pada proses fisiknya dan variasi iklim lokal daerah perkotaan. Beberapa indikator umum digunakan untuk mengetahui karakteristik lingkungan perkotaan termasuk kepadatan dan penutup vegetasi, persen area permukaan lahan terbangun, sky-view factor, dan struktur serta komposisi bangunan (Matthias, et al. 2003). Adapun perbedaan yang signifikan antara pantulan spektral dari permukaan lahan terbangun, tanah, dan batuan, namun perbedaan tersebut akan sulit dikenali dengan keterbatasan resolusi spasial dari sensor resolusi menengah seperti Landsat TM atau ETM+.
Piksel campuran (mixed pixel), dalam data penginderaan jauh merupakan salah satu sumber kesalahan dalam penilaian akurasi hasil algoritma klasifikasi konvensional seperti Algoritma Jarak Minimum terhadap Rerata, Algoritma Parallelepiped, Algoritma Kemungkinan Maksimum, dan Algoritma Tetangga Terdekat hanya mampu mengkelaskan satu piksel menjadi satu kelas saja. Informasi yang terdapat di dalam subpiksel pada spektral campuran dari penutup lahan yang berbeda tidak bisa didapatkan dari algoritma klasifikasi tersebut. Oleh karenanya klasifikasi konvensional dari piksel campuran dapat menghilangkan informasi, penurunan akurasi hasil klasifikasi, dan penurunan kualitas modeling pada beberapa aplikasi (Myint, 2005).
Untuk mengatasi masalah piksel campuran tersebut, terdapat beberapa metode yang dapat digunakan, salah satunya dengan metode Analisis Campuran Spektral secara Linear. Metode ini merupakan pendekatan dengan analisis subpiksel yang mampu mengekstrak informasi fraksi yang ada dalam satu piksel tunggal, sehingga dapat menjadi alternatif solusi untuk mengkelaskan satu piksel menjadi empat penutup lahan sekaligus (vegetasi, permukaan kedap air, tanah terbuka, dan air), apalagi jika diaplikasikan pada citra resolusi spasial menengah dalam hal ini Landsat dan daerah perkotaan yang heterogen. Meskipun penerapan metode ini sudah cukup banyak dilakukan di negara-negara maju, akan tetapi di Indonesia sendiri penerapannya belum banyak dilakukan.
6 Berlandaskan pada penjelasan di atas, maka dapat dirumuskan beberapa masalah yang ada pada penelitian ini, yakni sebagai berikut:
1. Dalam mengkaji daerah perkotaan dengan menggunakan citra Landsat, diperlukan analisis subpiksel. Akan tetapi di Indonesia metode subpiksel ini masih belum banyak dikerjakan.
2. Untuk mengetahui perubahan penutup lahan di Kota Tasikmalaya dan sekitarnya, diperlukan kajian secara kuantitaif pada level subpiksel.
1.3. Tujuan Penelitian
Tujuan dari penelitian ini adalah sebagai berikut:
1. Mengkaji tingkat akurasi metode Analisis Campuran Spektral secara Linier dalam mendeteksi penutup lahan di daerah perkotaan.
2. Mendeteksi perubahan penutup lahan di Kota Tasikmalaya dan sekitarnya dari citra Landsat Multitemporal
1.4. Hasil yang Diharapkan
Adapun hasil yang diharapkan dari penelitian ini adalah sebagai berikut: 1. Memberikan masukan bagi pengguna metode alternatif yang lebih akurat
untuk mendeteksi penutup lahan di daerah perkotaan dengan citra penginderaan jauh.
2. Menghasilkan informasi perubahan penutup lahan di kota Tasikmalaya, yang dapat dijadikan landasan dalam perencanaan tata ruang kota.
7 1.5. Keaslian Penelitian
Metode Spectral Mixture Analysis pernah digunakan oleh Small (2001) untuk estimasi penutup vegetasi di Kota New York, menggunakan data satelit Landsat TM. Selain itu juga digunakan metode Normalized Difference Vegetation Index (NDVI) sebagai pembanding untuk mengetahui metode yang terbaik. Adapun uji validitas dari kedua metode ini menggunakan citra foto udara dengan resolusi 2 meter.
Lu (2003) menerapkan metode Linear Spectral Mixture Analysis (LSMA) juga untuk klasifikasi penutup dan penggunaan lahan di daerah Rondonia, Brazilian Amazon menggunakan data Landsat TM saluran 3, 4, 5, dan 7. Selain LSMA, juga diterapkan transformasi Minimum Noise Fraction (MNF). Dari penerapan metode LSMA dihasilkan empat citra fraksi endmember, yaitu vegetasi hijau, bayangan, tanah cerah, dan tanah gelap. Diperoleh tujuh kelas penggunaan lahan dari hasil klasifikasi yang diterapkan dengan tingkat ketelitian 80%.
Berikutnya metode Linear Spectral Mixture Analisis dan NDVI pernah digunakan oleh Matthiasa dan Martin (2003) dalam penelitiannya di daerah perkotaan Cologne/ Bonn memanfaatkan citra ASTER untuk memetakan distribusi permukaan kedap air di daerah perkotaan. Hasil dari perbandingan kedua metode ini menunjukkan bahwa permukaan kedap air di daerah perkotaan dapat digambarkan dengan sangat baik dengan LSMA dibanding dengan NDVI.
Setiawan. dkk. (2006), melakukan pemeteaan penggunaan lahan di Kota Yogyakarta dengan menerapkan V-I-S Model (Vegetation, Impervious surface, Soil Model). V-I-S Model menjelaskan bahwa lingkungan perkotaan merupakan kombinasi linear dari vegetasi, lahan terbangun dan tanah. Model ini merupakan klasifikasi hirarki, yang diterapkan pada citra satelit Landsat 5. Untuk menguji kemampuan model ini digunakan klasifikasi Maksimum Likelihood. Hasil yang diperoleh menunjukkan akurasi sebesar 80% dalam memetakan penggunaan lahan, sedangkan klasifikasi Maksimum Likelihood hanya menghasilkan akurasi 53%.
8 Linear Spectral Unmixing atau LSMA berhasil diterapkan oleh Rudorf (2007) untuk memetakan distribusi spasial dan variasi dari setiap komponen-komponen di perairan seperti konsentrasi inorganik material tersuspensi dan fitoplankton. Setelah sebelumnya dilakukan tahapan pemrosesan seperti Minimum Noise Fraction (MNF) dan Pixel Purity Index (PPI), menggunakan citra temporal dari EO-1 Hyperion.
LSMA yang dikombinasikan dengan Minimum Noise Fraction (MNF) dan Pixel Purity Index (PPI) berhasil juga diterapkan oleh Nurlina (2008) untuk mendeteksi perubahan penutup lahan di daerah perkotaan. Penelitian ini berhasil memetakan perubahan vegetasi, permukaan kedap air, tanah terbuka, dan air termasuk tingkat akurasinya dari data masukan citra fraksi endmember. Adapun citra yang digunakan adalah citra Landsat Multitemporal dan citra IKONOS.
Dibandingkan dengan penelitian-penelitan yang pernah dilakukan sebelumnya, keaslian penelitian ini adalah:
1. Metode yang digunakan yakni, Analisis Campuran Spektral secara Linier menggunakan citra Landsat Multitemporal di Kota Tasikmalaya belum pernah dilakukan.
2. Deteksi perubahan penutup lahan di Kota Tasikmalaya dari citra Landsat Multitemporal belum pernah dilakukan.
Perbandingan penelitian yang akan dilakukan dengan penelitian terdahulu dapat disimak pada tabel 1.1 di bawah ini.
9 Tabel 1.2 Penelitian Sebelumnya dan Penelitian yang Akan Dilakukan
Peneliti dan
Tahun Lokasi Tujuan Metode Jenis Data Hasil
Small C, 2001 Kota New York Estimasi vegetasi di daerah perkotaan
1. Spectral Mixture Analysis, NDVI, Tasseled Cap Greenerss
2. Menggunakan 3 jenis endmember, yaiut High Albedo, Low Albedo, dan vegetasi
Landsat TM dan Foto Udara Resolusi 2 meter
Linear unmixing memberikan hasil yang lebih baik dalam mengestimasi fraksi vegetasi sebesar 0,1 dibanding dengan NDVI jauh lebih besar yaitu 0,2 (over estimate) Matthias B. dan Martin H, 2003 Kota Bonn, Cologne Memetakan distribusi permukaan imperviousness di daerah perkotaan
NDVI dan Linear Spectral Mixture Analysis (LSMA)
ASTER Peta permukaan imperviuos daerah perkotaan digambarkan dengan baik
Dengsheng Lu, Mateus Batistella Emilio Moran, 2003 Rondonia, Brazilian Amazon Klasifikasi Penutup dan Penggunaan Lahan
Linear Spectral Mixture Analysis
Landsat TM 7 kelas penutup dan penggunaan lahan dengan tingkat akurasi 88,6%
Dennison P.E., and Roberts D.A, 2004 Santa Barbara California, USA Penentuan endmember untuk Multiple Endmember Spectral Mixture Analysis Endmember Average RMSE
AVIRIS Kelas penutup lahan dengan akurasi 88,6% Oliveira P., Goncalves P., Caetano M, 2005 Wilayah Continental Portugis Klasifikasi penutup lahan otomatis berdasarkan citra multitemporal
Linear Mixture Models Citra Modis
Multitemporal
Profil waktu dari fraksi endmember daerah hutan
10 Peneliti dan
Tahun Lokasi Tujuan Metode Jenis Data Hasil
Wikanta K., Yorda PritaU., Ahmad Riqqi, 2005
DAS Citarum Mendeteksi perubahan vegetasi
Spectral Mixture Analysis dan CVA
Multitemporal Landsat TM/ ETM
Citra fraksi dari endmember vegetasi beserta proporsi spasialnya secara temporal dan tanpa uji akurasi
Jimenez Munoz J.C., Sobrino A., Guanter L, 2005
Membandingkan beberapa metode untuk estimasi Fractional Vegetation Cover (FVC)
NDVI, Linear Spectral Unmixing (LSU), VARIgreen
PROBA/CHRIS Data
FVC dan NDVI dan LSU mempunyai tingkat keakuratan kurang dari 15%
Dengsheng Lu, Qihau Weng, 2005 Kota Indianapolis Mencari hubungan antara kondisi termal perkotaan dan Biofisik perkotaan
Spectral Mixture Analysis
ASTER Pendekatan LSMA sangat efektif untuk ekstraksi permukaan impervious
Conrado de Moraes Rudorff, Evlyn Marcia Leao de Moraes Novo, Lenio Soares Galvao, 2005 Sungai Amazon Medeteksi perubahan komponen air di dataran banjir Sungai Amazon
Spectral Mxture Analysis
Citra Temporal EO-1 Hyperion
Citra endmember air bersih fitoplankton, DOM dan SIM
Setiawan H., Mathiew R, 2006
Yogyakarta Pemetaan penggunaan lahan
V-I-S (Vegetation- Imperviuos-Surface-Soil) Model
Landsat TM Peta penggunaan lahan dengan akurasi 80% Alejandro M. De Asis, Kenji Omasa, 2006 Lamesa Watershed Estimasi parameter vegetasi (C) untuk pemodelan erosi menggunakan RUSLE Linear Spectral Mixture Analysis dan NDVI
Landsat ETM dan Quickbird
Parameter vegetasi (C) dengan
menggunakan LSMA berkorelasi sangat kuat dengan hasil pengukuran di
lapangan dengan koefisien korelasi sebesar 0,94
11 Peneliti dan
Tahun Lokasi Tujuan Metode Jenis Data Hasil
Michael V Johannes Stoffels, Christina Hau, Gebhard Schuler, 2007 Idarwald forest (Rhineland Palatinate, Germany) Klasifikasi hutan berdasarkan parameter tegakan Klasifikasi Multispektral dan LSMA
Landsat TM 8 kelas hutan dengan tingkat akurasi 87,6%
Nurlina, 2008 Kota Banjarbaru
Deteksi perubahan tutupan lahan di daerah perkotaan
Linear Spectral Mixture Analysis dan Klasifikasi Maximum Likelihood
Data Landsat Multitemporal dan IKONOS
Citra fraksi endmember vegetasi, permukaan kedap air, tanah terbuka, dan air termasuk tingkat akurasinya serta perubahan tutupan lahan per fraksi.
Rahman, 2010 DAS Riam Kanan dan sekitarnya
Menguji Kemampuan citra Terra-MODIS untuk estimasi koefisien aliran berbasis nilai piksel
Interpretasi visual dan digital metode Linear Spectral Mixture Analysis, metode DEM, analisis hidrograf, metode regresi Citra MODIS, Landsat ETM+, Peta Topografi 1:50.000, Peta Tanah 1:25.000, Peta Geologi
1:250.000
Citra fraksi endmember vegetasi, tanah, air, dan kedap air, peta agihan koefisien limpasan, bobot baru variabel vegetasi
Ridwana, 2013 Kota Tasikmalaya
Deteksi perubahan penutup lahan perkotaan
Linear Spectral Mixture Analysis
Landsat Multitemporal, DigitalGlobe
Citra fraksi endmember tanah terbuka, permukaan kedap air, vegetasi, dan air. Perubahan penutup lahan Kota
Tasikmalaya
