Pusat Penelitian Geoteknologi LIPI

(1)

Pen ge lolaan Ruan g d an L ingk un ga n

Pemaparan Hasil Penelitian Geoteknologi 2015

“Meningkatkan Kualitas Dan Diseminasi Hasil Penelitian Melalui Pemberdayaan Kerjasama Ilmiah”

III - 53

Keta ha na n M iner al d an E ne rgi

KONSEP KONVERGENSI BUKTI PADA INTERPRETASI CITRA LANDSAT 8

(KASUS DAS CILIMAN DAN CILEMER – PROVINSI BANTEN)

CONVERGENT EVIDENCE CONCEPT ON IMAGE INTERPRETATION OF LANDSAT 8

(CASE: WATERSHED CILIMAN AND CILEMER – BANTEN PROVINCE)

Sukristiyanti

1

_{, Hilda Lestiana}

1

_{, dan Yugo Kumoro}

1 1

_{Pusat Penelitian Geoteknologi LIPI}

Email: [email protected]

Abstrak

Konsep konvergensi bukti sangat diperlukan dalam interpretasi visual citra penginderaan jauh baik skala besar, menengah, maupun kecil. Tulisan ini membahas mengenai konsep konvergensi bukti pada citra penginderaan jauh skala menengah (Landsat 8). Konsep konvergensi bukti untuk interpretasi penggunaan lahan pada citra Landsat ini menggunakan beberapa data acuan antara lain citra IKONOS (terdapat di Google Earth), survai lapangan, dan peta-peta pendukung lainnya. Konvergensi bukti menjelaskan proses deduksi pengenalan obyek dari umum menjadi lebih spesifik dengan berbagai bukti yang diperoleh dari data acuan. Citra Landsat yang digunakan untuk kajian ini adalah citra perekaman tanggal 16 Agustus 2015 (musim kemarau). Kajian ini menunjukkan bahwa penerapan konsep konvergensi bukti menghasilkan kunci interpretasi setiap obyek sehingga proses interpretasi (delineasi) penggunaan lahan di Daerah Aliran Sungai (DAS) Ciliman dan Cilemer dapat lebih akurat dan konsisten.

Kata kunci: konsep konvergensi bukti, interpretasi visual, Landsat 8.

ABSTRACT

The concept of convergent evidence is needed in the visual interpretation of remote sensing imagery either in large, medium, or small scale. This paper discusses the concept of convergent evidence on medium-scale remote sensing imagery (Landsat 8). The concept of convergent evidence for the interpretation of land use in this Landsat image uses some reference data like IKONOS imagery (available in Google Earth), field surveys, and other supporting maps. Convergent evidence explains the process of deduction of object recognition from general becomes more specific based on evidences obtained from the reference data. Landsat image used in this study was acquired on 16th

August 2015 belonged to dry season. This study shows that the use of convergent evidence concept resulted interpretation key for every object so the interpretation (delineation) process of land use in Watershed Ciliman and Cilemer can be more accurate and consistent.

Keyword: concept of convergent evidence, visual interpretation, Landsat 8

.

PENDAHULUAN

Penggunaan lahan adalah informasi yang relatif cepat berubah, sehingga diperlukan pemutakhiran data spasial penggunaan lahan dari waktu ke waktu. Pengadaan data spasial penggunaan lahan sangat penting karena informasi penggunaan lahan sangat diperlukan dalam berbagai analisis yang berkaitan dengan monitoring pembangunan, degradasi lahan, hingga kebencanaan. Data spasial penggunaan lahan dapat diperoleh dari berbagai sumber seperti Badan Informasi Geospasial (BIG), Kementerian Kehutanan, Bappeda setempat, dan masih banyak lagi. Data spasial penggunaan lahan tersebut memiliki skala, waktu, dan kelas-kelas penggunaan lahan tertentu, sehingga tidak selalu dapat mencukupi kebutuhan data dalam analisis spasial tertentu. Sementara itu data spasial penggunaan lahan dapat diekstrak dari citra penginderaan jauh yang cukup variatif baik dari segi cakupan (resolusi spasial) maupun waktu (resolusi temporal), serta dapat diklasifikasi sesuai

(2)

III - 54

“Meningkatkan Kualitas dan Diseminasi Hasil Penelitian Melalui Pemberdayaan Kerjasama Ilmiah”

Pen ge lolaan Ruan g d an L ingku nga n Keta ha na n M iner al d an E ne rgi

kebutuhan. Saat ini ekstraksi informasi penggunaan lahan dari citra penginderaan jauh dapat dilakukan baik secara visual maupun digital. Masing-masing metode memiliki keunggulan dan kekurangan dalam ekstraksi penggunaan lahan. Tulisan ini membahas bagaimana ekstraksi penggunaan lahan secara visual dapat dilakukan dengan mudah dan konsisten. Konsistensi dalam proses delineasi (penarikan garis antar poligon) dalam membuat peta penggunaan lahan tidak lah mudah, sehingga diperlukan kunci interpretasi sebagai referensi dalam mengenali dan memberikan atribut pada setiap obyek. Oleh karena itu digunakan konsep konvergensi bukti untuk membuat kunci interpretasi setiap obyek penggunaan lahan.

Dalam proses penafsiran citra penginderaan jauh sebaiknya digunakan unsur diagnostik citra sebanyak mungkin. Hal ini perlu dilakukan karena semakin banyak unsur diagnostik citra yang digunakan semakin mempermudah penentuan nama suatu obyek. Penelitian ini menggunakan citra Landsat 8 yang merupakan citra penginderaan jauh skala menengah. Resolusi spasial 30 m pada Landsat 8 yang mampu menghasilkan peta dengan skala menengah 1:50.000 – 1:100.000 dipilih untuk memperoleh informasi penggunaan lahan di DAS Ciliman dan Cilemer yang memiliki luas wilayah secara berturut-turut 50.267,56 dan 56.794,35 Ha. Konsep konvergensi bukti yang dibangun dalam proses pengenalan obyek penggunaan lahan ini menggunakan beberapa data acuan antara lain citra IKONOS yang merupakan citra penginderaan jauh resolusi tinggi (1 dan 4 m) dan dapat diperoleh melalui Google Earth, survai lapangan, dan beberapa peta pendukung seperti peta atlas Provinsi Banten skala 1:225.000 dari Badan Informasi Geospasial (BIG) maupun peta penggunaan lahan yang diunduh dari situs Kementerian Lingkungan Hidup dan Kehutanan.

DAS Ciliman dan Cilemer adalah dua DAS yang berdekatan berada di Provinsi Banten, didominasi oleh wilayah administratif Kabupaten Pandeglang dan sebagian merupakan wilayah administratif Kabupaten Lebak dan Serang. Kedua DAS tersebut menghadap ke Selat Sunda yang merupakan wilayah prioritas dalam pembangunan Indonesia. Kedua DAS tersebut diprediksi mengalami pertumbuhan pembangunan yang cepat karena dibangunnya Kawasan Ekonomi Khusus (KEK) Tanjung Lesung. Akses menuju KEK Tanjung Lesung melalui kedua DAS tersebut, apalagi akan dibangunnya jalan tol yang menghubungkan Kota Serang ke Panimbang, Pandeglang. Panimbang yang merupakan pintu keluar dari tol tersebut berada di DAS Ciliman, diprediksi akan mengalami pertumbuhan yang pesat. Disamping itu pada saat ini kedua DAS tersebut dikenal memiliki perkebunan kelapa sawit yang sangat berkembang. Kelapa sawit adalah suatu komoditas yang memerlukan banyak air dan cukup merusak lingkungan. Oleh karenanya kajian mengenai kedua DAS tersebut menjadi sangat penting untuk membuat pembangunan ke depan mendatangkan lebih banyak manfaat bukan bencana.

LOKASI PENELITIAN

DAS Ciliman dan Cilemer berlokasi di Provinsi Banten menghadap Selat Sunda, tepatnya di 6,26o_- 6,70o_{LS dan 105,78}o_{- 106,21}o _{BT. DAS Ciliman berhulukan Gunung Batu yang berada di Kabupaten} Lebak sementara DAS Cilemer berhulukan Gunung Karang dan Gunung Pulasari yang berada di Kabupaten Serang. Kedua DAS tersebut berhilirkan di Selat Sunda (Gambar 1).

(3)

III - 55

Gambar 1. Lokasi DAS Ciliman dan Cilemer

METODE

Data yang digunakan dalam penelitian ini adalah:

1. Citra Landsat 8 perekaman tanggal 16 Agustus 2015 (musim kemarau), resolusi spasial 30m. Citra ini

diunduh di http://earthexplorer.usgs.gov/.

2. Citra IKONOS yang tersedia di Google Earth (online tidak diunduh).

3. Peta penggunaan lahan diunduh dari situs Kementerian Kehutanan di http://www.dephut.go.id/

(sekarang menjadi Kementerian Lingkungan Hidup dan Kehutanan). 4. Peta batas administrasi dari BIG.

5. Peta atlas Provinsi Banten dari BIG skala 1:225.000. 6. Peta titik penggunaan lahan hasil survai lapangan.

Konsep konvergensi bukti yang dipakai dalam tulisan ini mengacu pada konvergensi bukti untuk pengenalan obyek pada foto udara (Sutanto, 1986) (Gambar 2). Foto udara termasuk ke dalam citra penginderaan jauh skala besar, sehingga mampu membedakan obyek di lapangan dengan relatif detail.

Gambar 2. Proses Seleksi Obyek dalam Konvergensi Bukti pada Foto Udara (Kasus untuk mengenali obyek tanaman sagu)

(4)

III - 56

Gambar 2 menunjukkan bahwa suatu obyek di foto udara yang memiliki tajuk berbentuk bintang memiliki lima kemungkinan, apakah obyek tersebut merupakan pohon kelapa, kelapa sawit, nipah, enau, ataukah sagu. Obyek yang dimaksud ternyata memiliki pola yang tidak teratur, maka obyek tersebut tidak mungkin lagi berupa pohon kelapa ataupun kelapa sawit. Terdapat 3 kemungkinan, apakah obyek tersebut nipah, enau, atau sagu. Informasi lain diperoleh bahwa ukuran tinggi obyek di lapangan lebih dan sama dengan 10 m, sehingga hanya ada dua kemungkinan apakah obyek tersebut adalah enau atau sagu. Informasi terakhir menyebutkan bahwa obyek tersebut berada di air payau. Dengan demikian dapat ditarik kesimpulan bahwa obyek tersebut adalah sagu. Suatu obyek yang masih belum dapat dikenali atau disimpulkan ke suatu nama obyek/kelas, dengan dibantu oleh informasi-informasi yang dapat diperoleh dari citra atau di luar citra, maka dapat ditarik kesimpulan secara bertahap dan akhirnya dapat mengerucut ke sebuah kesimpulan yang valid. Informasi tersebut merupakan unsur interpretasi. Unsur interpretasi adalah berbagai karakteristik untuk mengenali obyek pada citra yang terdiri atas 9 unsur interpretasi meliputi (1) warna, (2) rona, (3) bentuk, (4) ukuran, (5) tekstur, (6) pola, (7) bayangan, (8) situs, dan (9) asosiasi (Sutanto, 1986). Langkah-langkah yang dilakukan dalam membuat konsep konvergensi bukti untuk interpretasi visual citra Landsat 8 adalah sebagai berikut.

1. Menentukan klasifikasi penggunaan lahan berdasarkan tujuan analisis. Kelas penggunaan lahan yang diperlukan ada 11 kelas yaitu tegalan, kebun campuran, perkebunan (kelapa sawit), Hutan Tanaman Industri (HTI), hutan sekunder, sawah, permukiman, tanah kosong, tambak, sungai, dan laut.

2. Membuat citra komposit untuk bahan interpretasi visual. Citra komposit yang diinterpretasi adalah komposit 567. Citra ini dapat membedakan obyek vegetasi, non vegetasi, dan tubuh air dengan baik (kontras). Citra Landsat 8 terdiri atas 11 saluran spektral, dimana setiap saluran memiliki panjang gelombang, resolusi spasial dan manfaat masing-masing (Tabel 1). Landsat 8 relatif masih baru dibandingkan dengan citra Landsat 7 yang merupakan generasi sebelumnya yang sangat familiar namun sekarang sudah tidak keluar lagi. Landsat 8 sudah mulai banyak digunakan dalam berbagai keperluan dan penelitian antara lain dalam analisis sebaran dan kerapatan mangrove di Segara Anakan (Purwanto et al., 2014), pengembangan model identifikasi daerah tergenang (Wiweka et al., 2014), dan dalam ekstraksi TSS (Total Suspended Solid) (Parwati et al., 2014).

Tabel 1. Spefikasi Landsat 8 (USGS, 2015)

Saluran Panjang gelombang dan

resolusi spasial

Manfaat untuk pemetaan

Saluran 1 – coastal aerosol 0,43 – 0,453 µm; 30 m Kajian pantai dan aerosol

Saluran 2 – Biru 0,45 – 0,51 µm; 30 m Pemetaan batimetri, membedakan tanah dari

vegetasi dan tanah meranggas dari vegetasi berdaun jarum

Saluran 3 – Hijau 0,53 - 0,59 µm; 30 m Menekankan vegetasi puncak, yang bermanfaat

untuk menilai kekuatan tanaman

Saluran 4 – Merah 0,634 – 0,67 µm; 30 m Membedakan kemiringan vegetasi

Saluran 5 - Inframerah dekat 0,85 – 0,88 µm; 30 m Menekankan kadar biomassa dan garis pantai

Saluran 6 - SWIR 1 1,57 – 1, 65 µm; 30 m Membedakan kadar kelembaban tanah dan

vegetasi dan penetrasi awan tipis

(5)

III - 57

vegetasi dan penetrasi awan tipis dengan lebih baik lagi

Saluran 8 – Pankromatik 0,5 – 0,68 µm; 15 m Resolusi spasial lebih tinggi untuk menajamkan

citra

Saluran 9 – Cirrus 1,36 – 1,38 µm; 30 m Deteksi cirrus kontaminasi awan dengan lebih

baik

Saluran 10 – TIRS 1 10,6 – 11,19 µm; 100 m Resolusi spasial 100 m untuk pemetaan termal

dan estimasi kelembaban tanah

Saluran 11 – TIRS 2 11,5 – 12,5 µm; 100 m Resolusi spasial 100 m untuk pemetaan termal

dan estimasi kelembaban tanah dengan lebih baik

1. Membuka citra Landsat 8 komposit 567 untuk diinterpretasi dan semua data pendukung untuk membantu mengenali obyek-obyek penggunaan lahan. Citra komposit lain juga dibuat untuk dipakai sebagai salah satu data pendukung, yaitu komposit warna asli (true color) yaitu kombinasi saluran 432.

HASIL DAN PEMBAHASAN

Penentuan klasifikasi penggunaan lahan berdasarkan pembagian kelas menurut IPCC (Intergovernmental Panel on Climate Change) 2006 skala 1:250.000. IPCC 2006 membedakan penggunaan lahan ke dalam enam kelas yaitu hutan, lahan pertanian, padang rumput, lahan basah, permukiman, dan lahan lainnya (BIG, 2015). Tujuan analisis adalah diperolehnya penggunaan lahan skala yang lebih detail (1:50.000 – 1:100.000) dan tujuan klasifikasi adalah untuk mengetahui luas pemanfaatan lahan sebagai perkebunan kelapa sawit dan sawah. Oleh karena itu dilakukan pendetailan pada beberapa kelas penggunaan lahan menjadi sub-sub kelas. Oleh karena itu total penggunaan lahan dalam klasifikasi ini ada 11 kelas yang meliputi tegalan, kebun campuran, perkebunan (kelapa sawit), Hutan Tanaman Industri (HTI), hutan sekunder, sawah, permukiman, tanah kosong, tambak, sungai, dan laut.

Citra Landsat 8 rekaman tanggal 16 Agustus 2015 digunakan untuk bahan kajian. Pembuatan citra komposit 567 didasarkan pada kemampuan kombinasi ketiga saluran tersebut. Citra Landsat 8 komposit 567 dapat menyajikan tiga warna yang sangat mencolok dan kontras satu sama lain, yaitu warna merah kecoklatan, hitam, dan cyan (Gambar 3).

Gambar 3. Citra Landsat 8 komposit 567 tanggal 16 Agustus 2015 yang meliput DAS Ciliman dan Cilemer, Provinsi Banten

(6)

III - 58

Komposit RGB (Red-Green-Blue) 567 menunjukkan bahwa saluran 5 pada citra Landsat 8 yang didominasi oleh pantulan spektral vegetasi diberi warna merah. Obyek tubuh air yang menyerap semua energi yang dipancarkan oleh sensor membuat tampilannya berwarna hitam (gelap) pada citra. Sementara warna cyan menunjukkan obyek yang banyak memantulkan energi yang diterima sehingga ronanya relatif cerah. Obyek yang berwarna cyan adalah obyek non vegetasi.

Ketiga kelompok obyek tersebut dideduksi untuk mengenali obyek-obyek dengan lebih detail lagi menjadi kelas-kelas penggunaan lahan yang sudah ditentukan (tegalan, kebun campuran, perkebunan (kelapa sawit), Hutan Tanaman Industri (HTI), hutan sekunder, sawah, permukiman, tanah kosong, tambak, sungai, dan laut). Proses deduksi ini membutuhkan data pendukung agar proses pengenalan obyek dapat dilakukan dengan baik dan hasilnya akurat sehingga dapat dijadikan kunci interpretasi.

Data pendukung yang digunakan antara lain citra Landsat komposit 432 (warna asli), citra IKONOS yang tersedia di Google Earth, peta penggunaan lahan yang diunduh dari situs Kementerian Kehutanan, peta batas administrasi dari BIG, peta atlas Provinsi Banten dari BIG skala 1:225.000, dan peta titik penggunaan lahan hasil survai lapangan. Citra di Google Earth membantu dalam mengenali obyek perkebunan kelapa sawit. Peta penggunaan lahan dari Kementerian Kehutanan dapat digunakan untuk membantu mengetahui obyek hutan sekunder, HTI, dan tegalan. Hasil survai lapangan membantu dalam mengenali obyek tambak yang ditutupi oleh plastik, obyek kebun campuran, dan sawah. Peta atlas dan peta batas administrasi membantu dalam pengenalan lokasi-lokasi dari seluruh wilayah kajian. Dengan menggunakan semua bukti dan data/peta pendukung, maka diperoleh konsep konvergensi bukti yang disertai dengan kenampakan masing-masing obyek pada citra (Gambar 4 – 9).

Gambar 4. Proses Seleksi Obyek dalam Konvergensi Bukti pada Citra Landsat 8 komposit 567 (Kasus untuk mengenali obyek vegetasi/berwarna merah kecoklatan)

(7)

III - 59

Keta ha na n M iner al d an E ne rgi (a) (b) (c) (d) (e) (f)

(a) hutan mangrove, (b) kebun campuran, (c) HTI, (d) hutan sekunder, (e) perkebunan, (f) tegalan Gambar 5. Kenampakan kelompok obyek berwarna merah kecoklatan/obyek vegetasi

Gambar 6. Proses Seleksi Obyek dalam Konvergensi Bukti pada Citra Landsat 8 komposit 567 (Kasus untuk mengenali kelompok obyek tubuh air/berwarna hitam)

(a)

(b)

(c)

(d)

(a) laut, (b) sungai, (c) tambak, dan (d) sawah

(8)

III - 60

Gambar 8. Proses Seleksi Obyek dalam Konvergensi Bukti pada Citra Landsat 8 komposit 567 (Kasus untuk mengenali obyek non vegetasi/berwarna cyan)

(a)

(b)

(a) obyek sawah dan (b) obyek permukiman

Gambar 9. Kenampakan kelompok obyek berwarna cyan/obyek non vegetasi

Dari hasil analisis terhadap kenampakan obyek pada citra komposit 567 ditemukan kelas yang tidak sesuai dengan hasil interpretasi berdasarkan konsep konvergensi bukti yaitu kenampakan tambak yang berwarna biru (cyan) pada citra Landsat 8 komposit 567 (Gambar 10). Pada umumnya tambak merupakan obyek yang tertutup oleh badan air, dimana sifat air adalah menyerap semua energi, sehingga kenampakannya akan berwarna gelap (hitam).

Pengecekan silang dengan menggunakan citra IKONOS dan survai lapangan menunjukkan bahwa obyek tersebut adalah tambak. Hal ini tentu tidak sesuai dengan prinsip dasar sifat panjang gelombang dimana obyek yang berwarna cyan adalah obyek non vegetasi. Setelah dilakukan cek/survai lapangan, diketahui bahwa obyek yang dimaksud adalah tambak (sesuai dengan kenampakan pada IKONOS), dan yang menyebabkan obyek tersebut berwarna cyan seperti halnya obyek non vegetasi dikarenakan tambak tersebut ditutupi oleh plastik. Sifat plastik yang memantulkan energi yang diterima membuat warna yang ditimbulkan adalah warna cyan dan bukan warna hitam. Obyek tambak dalam dua kondisi, tertutup plastik atau tidak dapat dikenali dari pola dan asosiasinya yaitu secara berturut-turut terkotak-kotak dan asosiasi di dekat laut.

(9)

III - 61

Sementara itu obyek sawah masuk ke dalam obyek berwarna cyan (kelompok obyek non vegetasi) dan obyek berwarna hitam (kelompok obyek tubuh air). Hal ini karena ada dua kondisi sawah yaitu sawah pada saat tergenang air (warna hitam) dan sawah kering pasca panen (warna cyan). Obyek sawah apabila dibandingkan dengan obyek tubuh air lainnya, memiliki rona yang lebih cerah/terang. Hal ini karena genangan air yang dangkal dibandingkan dengan obyek tubuh air yang lain. Unsur interpretasi untuk mengenali obyek sawah dapat disimpulkan bukan warnanya melainkan tekstur, pola, dan rona. Sawah memiliki tekstur halus, pola terkotak-kotak, dan rona lebih terang. Penerapan konsep konvergensi bukti tersebut menghasilkan kunci interpretasi untuk setiap obyek/kelas penggunaan lahan seperti tabel berikut (Tabel 2).

Pada Tabel 2 terdapat 13 kunci interpretasi yang tidak menunjukkan adanya 13 kelas/obyek penggunaan lahan melainkan hanya ada 11 kelas/obyek penggunaan lahan. Hal ini disebabkan karena ada kelas/obyek penggunaan lahan yang memiliki dua kunci interpretasi, yaitu obyek sawah (kondisi kering dan tergenang) dan obyek tambak (tertutup plastik dan tidak/alami).

Tabel 2. Kunci interpretasi untuk obyek/kelas penggunaan lahan pada citra Landsat 8 komposit 567, rekaman tanggal 16 Agustus 2015

No. Kunci interpretasi Obyek/kelas penggunaan lahan

1 Warna cyan, rona terang, tekstur halus Sawah (dalam keadaan kering/pasca panen)

2 warna cyan, rona gelap, tekstur kasar Permukiman

3 Warna coklat kemerahan, pola homogen, tekstur

halus, asosiasi tepi sungai di hilir

Hutan mangrove

halus, asosiasi daratan

Perkebunan kelapa sawit

kasar

Hutan sekunder

6 Warna coklat kemerahan, pola heterogen

(berselingan dengan warna hijau), bentuk teratur

HTI

(berselingan dengan warna hijau), bentuk tidak teratur, ukuran coklat lebih dominan

Kebun campuran

(berselingan dengan warna hijau), bentuk tidak teratur, ukuran hijau lebih dominan

Tegalan

9 Warna hitam, pola memanjang Sungai

10 Warna hitam, pola terkotak-kotak, rona gelap,

asosiasi di dekat laut

Tambak (tidak tertutup plastik/alami)

11 Warna hitam, pola terkotak-kotak, rona terang,

asosiasi di daratan

Sawah (kondisi tergenang air)

12 Warna hitam, pola areal luas Laut

13 Warna cyan, pola terkotak-kotak, rona terang,

asosiasi di dekat laut

Tambak (dalam kondisi tertutup plastik)

KESIMPULAN

Pemakaian konsep konvergensi bukti mempermudah proses mengenali obyek penggunaan lahan dalam interpretasi citra Landsat 8. Data pendukung baik berupa citra resolusi tinggi, hasil survai lapangan, dan data tematik lain sangat diperlukan untuk membangun konsep konvergensi bukti. Citra di Google Earth membantu dalam mengenali obyek perkebunan kelapa sawit. Peta penggunaan lahan dari Kementerian Kehutanan dapat digunakan untuk membantu mengetahui obyek hutan sekunder, HTI, dan tegalan. Hasil survai lapangan membantu dalam mengenali obyek tambak yang ditutupi oleh plastik, obyek kebun campuran, dan sawah. Peta atlas dan peta batas administrasi

(10)

III - 62

membantu dalam pengenalan lokasi-lokasi dari seluruh wilayah kajian. Penerapan konsep konvergensi bukti menghasilkan kunci interpretasi setiap obyek sehingga proses interpretasi (delineasi) dapat akurat dan konsisten. Daerah kajian pada citra Landsat 8 komposit 567 memiliki 13 kunci interpretasi penggunaan lahan. 13 kunci interpretasi tersebut tidak menunjukkan adanya 13 kelas/obyek penggunaan lahan melainkan hanya ada 11 kelas/obyek penggunaan lahan di daerah kajian. Hal ini disebabkan karena terdapat kelas/obyek penggunaan lahan yang memiliki dua kunci interpretasi, yaitu obyek sawah (kondisi kering dan tergenang) dan obyek tambak (tertutup plastik dan tidak/alami).

UCAPAN TERIMAKASIH

Terimakasih disampaikan kepada seluruh anggota Tim Pandeglang - Kegiatan DIPA Tematik Puslit Geoteknologi.

DAFTAR PUSTAKA

Badan Informasi Geospasial, 2015. NSPK (Norma, Standard, Prosedur, dan Kriteria) Pemetaan Biomassa skala 1:250.000. Cibinong. Halaman 2.5.

Parwati, E. dan Purwanto, A.D., Analisis Algoritma Ekstaksi Informasi TSS Menggunakan Data Landsat 8 di Perairan Berau. Seminar Nasional Penginderaan Jauh 2014. 21 April 2014. Bogor. Purwanto, A.D., Asriningrum, W., Winarso, G., dan Parwati, E., 2014. Analisis Sebaran dan Kerapatan

Mangrove Menggunakan Citra Landsat 8 di Segara Anakan, Cilacap. Seminar Nasional Penginderaan Jauh 2014. 21 April 2014. Bogor.

Sutanto, 1986, Penginderaan Jauh Jilid I, Yogyakarta: Gadjah Mada University Press.

USGS, 2015. Landsat 8 Operational Land Imager (OLI) and Thermal Infrared Sensor (TIRS). http://landsat.usgs.gov/best_spectral_bands_to_use.php. diunduh pada tanggal 9 November 2015.

Wiweka, Suwarsono, dan Nugroho, J.T., Pengembangan Model Identifikasi Daerah Tergenang (Inundated Area) Menggunakan Data Landsat-8. Seminar Nasional Penginderaan Jauh 2014. 21 April 2014. Bogor.

http://www.dephut.go.id/ http://earthexplorer.usgs.gov/ https://www.google.com/earth/