IDENTIFIKASI PERUBAHAN TUTUPAN LAHAN DI KOTA BATU MENGGUNAKAN

(1)

IDENTIFIKASI PERUBAHAN TUTUPAN LAHAN DI KOTA BATU MENGGUNAKAN METODE PENGINDERAAN JAUH

Husein Adin Nurul Huda, Abdul Wahid Hasyim, Johannes Parlindungan Departemen Perencanaan Wilayah dan Kota Fakultas Teknik Universitas Brawijaya

Jalan Mayjen Haryono 167 Malang 65145 -Telp (0341)567886 Email: [email protected]

ABSTRAK

Perubahan tutupan lahan merupakan suatu fenomena yang diakibatkan aktivitas manusia mengubah fungsi lahan. Alih fungsi lahan dari ruang terbuka hijau menjadi lahan terbangun merupakan dampak penguatan ekonomi dan sosial pengembangan Kota. Kota Batu merupakan Kota dengan perkembangan yang cukup cepat dalam 10 tahun terakhir. Perkembangan Kota Batu dengan konsep wisatanya menarik banyak wisatawan dan sektor sektor bisnis lainnya. Sehingga pembangunan infrastruktur di Kota Batu terus dilakukan dalam upaya mencapai kenyamanan dalam aktifitas manusia. Penelitian ini menjelaskan bagian perubahan tutupan lahan yang terjadi di Kota Batu dalam kurun waktu 2010, 2015 dan, 2019. Perubahan tutupan lahan akan diidentifikasi menggunakan metode penginderaan jauh dengan alat Analisis NDVI, dan Maximum Likelihood, kemudian dilakukan Uji Akurasi untuk menilai tingkat keakuratan analisis yang dilakukan oleh metode penginderaan jauh.

Penggunaan citra satelite akurasi tinggi Landsat 8 dan Landsat 7 akan memudahkan melihat perubahan tutupan lahan yang terjadi beberapa tahun terakhir di Kota Batu. Perubahan tutupan lahan akan ditampilkan menggunakan grafik dan juga sebaran perubahan menggunakan gambar peta.

Kata Kunci: Perubahan-Lahan; Metode-Penginderaan-Jauh; Uji-Akurasi-Tutupan-Lahan.

ABSTRACT

Land cover change is a phenomenon caused by human activities changing land functions. The conversion of land functions from green open spaces to built land is the impact of strengthening the economic and social development of the City. Batu City is a city with relatively rapid growth in the last ten years. The development of Batu City with its tourism concept attracts many tourists and other business sectors. So infrastructure development in Batu City continues to be carried out to achieve comfort in human activities. This study describes the land cover changes that occurred in Batu City in 2010, 2015, and 2019. Changes in land cover will be identified using remote sensing methods with NDVI Analysis tools and Maximum Likelihood. Then an Accuracy Test is carried out to assess the analysis's accuracy level and performed by remote sensing methods. Using high-accuracy satellite images of Landsat 8 and 7 will make it easier to see changes in land cover that have occurred in the last few years in Batu City. Changes in land cover will be displayed using a graph, and the distribution of changes using a map image.

Keywords: Land-Change; Remote-Sensing-Method; Accuracy-Land-Cover.

PENDAHULUAN

Wilayah perkotaaan menjadi suatu hal yang komplek dengan tuntutan perkembangan akan kebutuhan manusia. Pengembangan kota diharapkan dapat memenuhi aktifitas yang dibutuhkan oleh masyarakat, akan tetapi apabila dilihat pada kenyataan terdapat dampak positif serta negatif pada unsur ekonomi, lingkungan, maupun sosial yang dihasilkan dari perubahan wilayah (Patiung et al., 2011). Kota yang memiliki pertumbuhan ekonomi pesat saat ini juga harus memperhatikan aspek lingkungan, seperti lebih memperbanyak lahan terbangun daripada tidak terbangun. Berdasarkan PP Nomor 11 Tahun

2001 Kota Batu merupakan daerah otonomi termuda Malang Raya pecahan dari Kabupaten Malang di Jawa Timur yang memenuhi kebutuhan masyarakat melalui penambahan infrastruktur sehingga dapat menunjang kegiatan perekonomian Kota Batu dan sekitarnya.

Berdasarkan RPJMD 2017-2022 Kota Batu direncanakan untuk menjadi pusat pariwisata, dan bekerja sama dengan Kota Malang serta Kabupaten Malang untuk meningkatkan perekonomian Kota Batu. Pengembangan wilayah di Kota Batu tentu saja akan dilakukan secara cepat sehingga banyak mengubah morfologi wilayahnya, dalam upaya memenuhi target dari RPJMD. Perkembangan daerah

(2)

menjadi kota dan adanya dampak wisata alami dan buatan menyebabkan alih fungsi lahan yang pada mulanya RTH menjadi kawasan terbangun.

Ketidakseimbangan komponen lingkungan menyebabkan degradasi akibat aktivitas manusia.

Bentuk degradasi akibat aktivitas manusia seperti longsor, krisis air tanah, peningkatan suhu kawasan, pemanasan bumi, perubahan iklim, pada umumnya diakibatkan oleh dampak pembangunan kota yang kurang mempertimbangkan aspek ekologis dan akan berdampak pada tingkat kenyamanan manusia.

Adanya alih fungsi lahan tersebut akan mempengaruhi kondisi bentang alam dan iklim di kawasaan tersebut. Iklim merupakan pola cuaca yang terjadi di suatu tempat, dan juga merupakan ciri kecuacaan suatu tempat atau daerah, bukan cuaca rata-rata (Wirjohamidjoyo &

Swarinoto, 2010).

Makalah ini merupakan bagian dari kajian

“Pengaruh Tutupan Lahan Terhadap Nilai Temperature Humidity Index di Kota Batu” dan mengmbil sebagian dari isi kajian tersebut. Dalam makalah ini akan menjelaskan bagian perubahan tutupan lahan yang terjadi di Kota Batu dalam kurun waktu 2010, 2015 dan, 2019. Perubahan tutupan lahan akan diidentifikasi menggunakan metode penginderaan jauh dengan alat Analisa NDVI, dan Maximum Likelihood, kemudian dilakukan Uji Akurasi untuk menilai tingkat keakuratan analisis yang dilakukan oleh metode penginderaan jauh.

METODE PENELITIAN

Penginderaan jauh / Remote sensing berkembang pada pertengahan abad ke 20.

Berdasrakan sejarah perkembangan ilmu ini berasal dari cabang ilmu kemiliteran yang pada khususnya mata mata. Kegunaan ilmu ini di kemiliteran yaitu untuk mencari obyek obyek yang dianggap vital, sehingga membutuhkan informasi yang cukup rinci untuk menentukan strategi. Ilmu penginderaan jauh untuk masyarakat luas digunakan dalam mempelajari sumber daya alam dan lingkungan, sehingga dibutuhkan informasi yang rinci. Sensor yang digunakan dalam penepannya memang memiliki karakteristik yang berbeda antara kemiliteran dan masyarakat, namun teknologi penyadap informasi yang digunakan memiliki karakteristik yang sama.

Penginderaan jauh dalam penelitian ini digunakan dalam mendapatkan data luasan

tutupan lahan. Metode ini merupakan proses pengambilan informasi data spasial dengan menggunakan gambaran citra yang kemudian diolah menggunakan komputer. Secara harfiah, penginderaan jauh yakni indera/identifikasi dan jauh berarti dari jarak yang jauh, menurut epistimologi kata berarti identifikasi objek dari jarak jauh (Kusumowidagdo et al., 2007).

Pengambilan data menggunakan penginderaan jauh dilakukan tanpa ada kontak langsung kepada objek, daerah, maupun gejala.

Manfaat secara umum dari penginderaan jauh untuk mengurangi secara signifikan kegiatan survei terestrial dalam inventarisasi dan monitoring sumberdaya alam. Kegiatan survei terestris dengan adanya penginderaan jauh dilakukan ketika membuktikan suatu jenis objek atau fenomena yang ada dilapangan untuk disesuaikan dengan hasil analisa data.

Berdasarkan SNI 7645-1 Tahun 2014 data yang diharapkan merupukan jenis jenis tutupan lahan yang dijadikan variabel dalam penelitian yang dibedakan menjadi 7 jenis yaitu area terbuka alami (X1), area terbuka diperkeras(X2), bangunan(X3), tubuh air(X4), vegetasi jarang(X5), vegetasi sedang(X6), dan vegetasi lebat(X7).

Proses penyamaan ini atau klarifikasi dibutuhkan untuk menguji apakah data yang dihasilkan memiliki akurasi yang diharapkan. Tahapan dalam melakukan analisis penginderaan jauh dalam penelitian ini meliputi :

Analisis NDVI

Analisis NDVI digunakan untuk mengetahui luasan nilai kerapatan vegetasi melalui citra Landsat 8 OLI/TIRS untuk citra tahun 2013-2019 dan Landsat 7 ETM+ untuk citra tahun 2010-2012.

NDVI ini dapat mengidentifikasi kerapatan hijauan dikarenakan pada citra satelit akurasi tinggi, cahaya yang di tangkap pada pixelnya menyimpan informasi yang dapat dipecah dengan band band yang dibawa. Analisis NDVI ini kemudian menjadi pertimbangan dalam Analisa selanjutnya yaitu Analisa Tutupan Lahan dalam menentukan sampel vegetasi dan non vegetasi.

Pengukuran dilakukan dengan bantuan aplikasi ArcGIS 10.6 dengan memasukkan band NIR dan Red pada citra Landsat dengan bantuan alat ArcGIS calculator sebagai berikut :

NDVI= (NIR-Red)/(NIR+Red) Keterangan:

NDVI = Normalized Difference Vegetation NIR = Nilai spektral saluran Near Infra Red = Nilai spektral saluran Red

(3)

Analisis Persentase Tutupan Lahan

Analisis persentase tutupan lahan digunakan untuk mengetahui persentase tutupan lahan melalui citra Landsat 8 OLI/TIRS untuk citra tahun 2015 dan 2019 dan Landsat 7 ETM+ untuk citra tahun 2010. Analisis persentase tutupan lahan digunakan pada penelitian ini karena untuk mengetahui perubahan peruntukkan lahan dilihat dari bentuk fisik kenampakan atau jenis tutupan lahan. Jenis atau klasifikasi tutupan lahan yang digunakan pada penelitian ini menggunakan 7 jenis meliputi area terbuka alami, area terbuka diperkeras, bangunan, tubuh air, vegetasi jarang, vegetasi sedang, dan vegetasi lebat yang mengacu pada SNI 7645-1 Tahun 2014 tentang Klasifikasi Penutupan Lahan. Tahapan yang dilakukan dalam analisis ini yaitu :

1. Melakukan pengambilan data menggunakan citra Landsat 8 OLI/ TIRS untuk citra tahun 2013-2019 dan Landsat 7 ETM+ untuk citra tahun 2010-2013.

2. Melakukan koreksi geometri dan radiomedik menggunakan bantuan software ENVI 5.1.

3. Melakukan komposit band 4,3,2 untuk Landsat 8 OLI/TIRS dan band 4,5,2 untuk Landsat 7 ETM+ yang memiliki fungsi dalam visualisasi kenampakan tutupan lahan secara natural.

4. Mengklasifikasikan kenampakan berdasarkan 7 jenis tutupan lahan yang sudah ditentukan menggunakan metode supervised classification dengan melakukan break training area sehingga dapat menggunakan metode maximum likehood. Metode ini dapat mengelompokkan piksel-piksel berdasar kesamaan nilai spectral pada citra.

Klasifikasi digital terdiri dari 2 cara yakni klasifikasi terbimbing (Supervised) maupun klasifikasi tidak terbimbing (Unsupervised). Pada penelitian ini menggunakan klasifikasi terbimbing dimana klasifikasi digital dilakukan pengelompokan pola penutup lahan pada citra didasarkan masukan dari peneliti. Data penginderaan jauh dapat melakukan identifikasi lahan dengan klasifikasi citra yang dapat dilakukan melalui beberapa langkah sebagai berikut (Kushardono, 2017) :

1. Identifikasi tampilan citra satelit oleh kemampuan penglihatan manusia berdasarkan pola yang tergambar di citra diklasifikasi dan dilakukan zonasi disebut

klasifikasi visual.

2. Analisis citra ini menggunakan komputer yang mempertimbangkan algoritma- algoritma yang sudah ditentukan.

Kelebihan cara ini yakni waktu yang dibutuhkan dalam menganalisa lebih cepat dan dapat mengekstraksi besaran fisik dan indeks disebut Klasifikasi digital.

3. Klasifikasi Mix metode visual dan digital (man-machine interactive system).

Analisis Akurasi Tutupan Lahan

Tahap uji akurasi citra memiliki tujuan untuk menilai keakuratan hasil dari klasifikasi citra yang telah dilakukan dengan menampilkan kesalahan kesalahan klasifikasi yang memunculkan nilai persentase keakuratan (Nawangwulan et al., 2013). Pengujian dilakukan dengan cara membuat penilaian dengan matrik kontigensi / yang bisa disebut dengan matrik kesalahan. Konfigurasi matrik yang dilakukan yaitu menghitung kesalahan kesalahan menggambaran yang dilakukan oleh klasifikasi citra terbimbing. Hasil dari uji akurasi citra dapat menjadi pedoman untuk menilai kelayakan hasil dari analisa citra yang telah dilakukan sebelumnya. Langkah yang tepat untuk melakukan penilaian akurasi yaitu dengan cara menumpang tindihkan antara penutup lahan hasil analisa multispektral dengan penutup lahan yang diamati. Sehingga peneliti dilibatkan untuk menilai hasil uji spectral yang telah dilakukan sebelumnya. Basis data yang didapat berdasarkan persebaran sampel berupa titik yang bisa dibuat dengan metode random, grid sistematik / kotak kotak /pun random terstatifikasi (Danoedoro &

Utara, 2015).

Langkah pengujian akurasi citra bertujuan untuk menganalisis akurasi hasil klasifikasi citra dengan menampilkan error klasifikasi yang menentukan persentase nilai akurasi. Sehingga hasil klasifikasi nantinya dapat digunakan karena memiliki keakuratan yang diinginkan.

Perhitungan uji akurasi penutup lahan dilakukan untuk menilai akurasi dari analisis penutup lahan menggunakan matriks konfigurasi yang kemudian dihitung dengan Overall Accuracy dan Kappa Accuracy. Diperlukan adanya titik sampel uji dalam mengidentifikasi penilaian tutupan lahan.

Penentuan jumlah titik sampling didasarkan pada persamaan uji penutup lahan dengan 35 kelas dari minimal 4n titik uji (Danoedoro & Lor, 2015), yang kemudian dilakukan perbandingan terbalik

(4)

untuk 7 kelas penutup lahan agar diperoleh nilai minimum 140 titik uji.

HASIL DAN PEMBAHASAN Analisa NDVI

Analisa NDVI dilakukan untuk menganalisa perubahan kerapatan vegetasi selama periode 2010 sampai dengan 2019 berdasarkan piksel yang dimiliki Citra Landsat (Que et al., 2019).

Berdasarkan nilai yang didapat dari Analisa NDVI dapat dibedakan klasifikasinya menjadi vegetasi kerapatan tinggi, kerapatan sedang, kerapatan jarang dan area non vegetasi (Hatulesila et al., 2019). Dalam kasus penyerapan cayaha yang dilakukan oleh tumbuhan, klorofil memiliki peran penting sebagai pemantul cahaya NIR oleh daun dengan jaringan mesofilnya, pengukuran nilai kecerahan yang tercatat oleh kanal satelit akan menghasilkan nilai yang berbeda beda. Pada wilayah terbangun, perairan, dan lahan kosong tidak menghasilkan perbandingan data yang optimal. Sehingga dalam kondisi vegetasi yang memiliki kerapatan tinggi, dengan kondisi yang sehat, akan menghasilkan nilai yang tinggi pada perbandingan kedua kanal. Perbedaan nilai dalam indeks ini dapat dijelaskan sebagai berikut:

Tabel 1. Klasifikasi nilai NDVI

No Kelas Nilai

1 Non Vegetasi -1 sd 0

2 Vegetasi Kerapatan Jarang 0,0 sd 0,3 3 Vegetasi Kerapatan Sedang 0,3 sd 0,4 4 Vegetasi Kerapatan Lebat 0,4 sd 1

Sumber : (Harist et al., 2017)

Perubahan alih fungsi lahan di Kecamatan Batu terjadi pada luas area non vegetasi yang mengalami peningkatan, sedangkan vegetasi kerapatan jarang dan sedang mengalami penurunan. Hal ini menunjukan dari Analisa NDVI adanya perubahan alih fungsi lahan dari lahan tidak terbangun menjadi lahan terbangun dengan perubahan hingga mendekati 2 persen dari luas total selama 10 tahun terakhir.

Perubahan alih fungsi lahan di Kecamatan Bumiaji terjadi pada luas area non vegetasi yang mengalami peningkatan sedangkan vegetasi kerapatan sedang mengalami penurunan. Hal ini menunjukan dari Analisa NDVI menunjukan adanya perubahan alih fungsi lahan dari lahan tidak terbangun menjadi lahan terbangun dengan perubahan hingga mendekatai 1 persen dari luas total selama 10 tahun terakhir.

Gambar 2. Persentase NDVI Kecamatan Bumiaji Perubahan alih fungsi lahan di Kecamatan Junero terjadi pada luas area non vegetasi yang mengalami peningkatan sedangkan vegetasi kerapatan jarang dan sedang mengalami penurunan. Hal ini menunjukan dari Analisa NDVI menunjukan adanya perubahan alih fungsi lahan dari lahan tidak terbangun menjadi lahan terbangun dengan perubahan hingga mendekatai 1 persen dari luas total selama 10 tahun terakhir.

Gambar 3. Persentase NDVI Kecamatan Junrejo Hasil dari grafik persentase di setiap Kecamatan di Kota Batu memiliki karakter yang hampir sama yaitu Luas Vegetasi dengan Kerapatan Sedang dan Kerapatan Jarang cenderung mengalami penurunan, Vegetasi kerapatan lebat memiliki luas yang sangat kecil di ketiga Kecamatan. Sedangkan Area non Vegetasi cenderung memiliki nilai yang naik di ketiga Kecamatan. Hal tersebut menjelaskan adanya fenomena alih fungsi lahan yang terjadi di Kota Batu yang merubah luasan lahan tak terbangun menjadi lahan terbangun. Luas perubahan dapat dilihat dari presentase berikut :

(5)

Tabel 2. Klasifikasi Nilai NDVI Kecamatan Batu

Klasifikasi Nilai NDVI Luas Lahan (Ha) Luas Lahan (%)

2010 2015 2019 2010 2015 2019

Kerapatan Jarang 1.551,00 1.262,41 1.009,65 7,28 6,24 5,99

Kerapatan Sedang 2.577,41 2.484,72 2.198,36 12,73 12,28 11,66

Kerapatan Lebat 69,4 3,38 49,71 0,34 0,02 0,25

Non Vegetasi 911,43 997,31 1.029,14 4,04 4,93 5,58

Sumber: Hasil Analisis, 2021

Tabel 3. Klasifikasi Nilai NDVI Kecamatan Bumiaji

2010 2015 2019 2010 2015 2019

Kerapatan Jarang 3577,03 3377,07 3247,28 16,68 16,64 16,04

Kerapatan Sedang 7739,85 7513,49 7429,07 39,22 38,11 36,88

Kerapatan Lebat 56,14 17,67 103,03 0,28 0,09 0,51

Non Vegetasi 1242,68 1294,33 1328,42 7,06 7,39 7,8

Tabel 4. Klasifikasi Nilai NDVI Kecamatan Junrejo

2010 2015 2019 2010 2015 2019

Kerapatan Jarang 939,37 798 733,99 4,64 3,94 3,63

Kerapatan Sedang 1426,85 1380,74 1286,93 7,37 7,25 6,46

Kerapatan Lebat 37,92 3,51 23,73 0,02 0,12 0,19

Non Vegetasi 582,71 606,86 816,5 2,88 3 4,03

Analisa Sebaran Tutupan Lahan

Persebaran tutupan lahan di Kota Batu tahun 2010, 2015, dan 2019 diidentifikasi menggunakan citra Landsat 7 ETM+ dan Landsat 8 OLI/TIRS yang menggunakan sebanyak 7 jenis klasifikasi tutupan lahan sebagai variabel bebas.

Citra Landsat 7 ETM+ digunakan untuk mengidentifikasi tutupan lahan 2010, sedangkan untuk tahun 2015, dan 2019 menggunakan citra Landsat 8 OLI/TIRS. Pada umumnya tutupan lahan dengan jenis bangunan setiap tahunnya akan meningkat. Peningkatan juga terlihat pada tutupan lahan dengan klasifikasi area terbuka alami dan area terbuka diperkeras. Penambahan luasan area area tersebut merupakan dampak dari kebutuhan aktifitas manusia yang semakin banyak dan beragam di Kota Batu sehingga membutuhkan ruang lebih luas untuk beraktifitas. Sebaliknya untuk area bervegetasi mengalami penurunan luasan yang sebanding dengan meningkatnya luasan 3 area sebelumnya.

Hal tersebut dapat dibuktikan pada kondisi eksisting lokasi penelitian Kota Batu dalam kurun waktu 10 tahun. Berikut merupakan luassebaran tutupan lahan Kota Batu Tahun 2010-2019 :

Gambar 4. Perubahan Sebaran Tutupan Lahan Kota Batu Tahun 2010-2019

Gambar 5. Tutupan Lahan Tahun 2010

(6)

Gambar 6. Tutupan Lahan Tahun 2015

Gambar 7. Tutupan Lahan Tahun 2019 Luas tutupan lahan paling tinggi didominasi Area Terbuka Alami pada setiap tahunnya.

Sedangkan luasan terendah pada tiap tahunnya dimiliki oleh Tutupan Lahan dengan klasifikasi Vegetasi Kerapatan Lebat. Hal tersebut menunjukkan bahwa Kota Batu pada kurun waktu 10 tahun masih memiliki kelebihan luasan hijauan berupa vegetasi tegakan pohon. Identifikasi yang dihasilkan dari Analisa tutupan lahan ini berbanding lurus dengan Analisis NDVI.

Uji Akurasi Penutup Lahan

Perhitungan uji akurasi tutupan lahan dilakukan untuk menilai keakuratan analisa tutupan lahan menggunakan matrik konfusi yang kemudian dihitung dengan Overall Accuracy dan Kappa Accuracy. Penentuan jumlah titik sampel berdasarkan persamaan pengujian tutupan lahan dengan 35 kelas setidaknya memiliki 4n titik uji (Danoedoro & Utara, 2015) yang kemudian dilakukan persamaan terbalik untuk 7 kelas

tutupan lahan menghasilkan 140 titik sampel.

Berikut sebaran titik titik sampel pengujian yang diujikan pada tahun 2019 :

Gambar 8. Sebaran Sampel Tutupan Lahan Tabel 5. Jumlah Titik Uji Akurasi Peta Hasil Klasifikasi Kota Batu Tahun 2010- 2019 Klasifik

asi Tutupa

n Lahan

Distribusi Tutupan

Lahan Jumlah Sampel 2010

(%)

2015 (%)

2019

(%) 2010 2015 2019

X1 31 39 42 41 56 60

X2 9 11 11 16 15 9

X3 7 9 11 10 13 20

X4 5 1 3 7 2 5

X5 9 8 6 33 9 8

X6 38 33 26 32 44 35

X7 1 0 0 1 1 3

Total 100 100 100 140 140 140

Berdasar Tabel 4 distribusi sampel pada masing masing kelas tutupan lahan setiap tahun memiliki jumlah yang berbeda. Setelah mendapatkan sebaran titik sampel, dilakukan penilaian akurasi berdasarkan User’s Accuracy dan Producer’s Accuracy dimana pengguna dan hasil Analisa menjadi acuan untuk melihat tutupan lahan yang dihasilkan sudah sesui dengan harapan atau belum sesuai. Berikut hasil perhitungan User’s Accuracy dan Producer’s Accuracy yang disajikan dalam matrik konfusi klasifikasi citra :

(7)

Tabel 6. Matriks Konfusi Klasifikasi Citra 2010

Data Eksisting

Data Hasil Klasifikasi

Tot al

User's Accura cy Area

Terbuk a Alami

Area Terbuka Diperker as

Bangun

an Tubu

h Air

Vegetasi Kerapat an Jarang

Vegetasi Kerapat an Sedang

Vegetasi Kerapat an Lebat

Area Terbuka Alami 41 2 0 0 0 0 0 43 95%

Area Terbuka

Diperkeras 1 12 0 0 0 0 0 13 92%

Bangunan 0 1 9 0 0 0 0 10 90%

Tubuh Air 0 1 0 7 0 0 0 8 88%

Vegetasi Kerapatan

Jarang 0 0 1 0 13 0 0 12 97%

Vegetasi Kerapatan

Sedang 0 0 0 0 0 53 0 53 100%

Vegetasi Kerapatan

Lebat 0 0 0 0 0 0 1 1 100%

Total 42 16 10 7 13 53 1 140

Producer's Accuracy 98% 75% 90% 100% 100% 100% 100%

Data Eksisting

Total

Bangun

an Tubu

h Air

Area Terbuka Alami 51 3 0 0 0 0 0 54 94%

Area Terbuka

Diperkeras 0 15 0 0 0 0 0 15 100%

Bangunan 3 0 10 0 0 0 0 13 81%

Tubuh Air 1 0 0 2 0 0 0 3 50%

Vegetasi Kerapatan

Jarang 0 0 0 0 9 0 0 9 100%

Sedang 1 0 0 0 0 44 0 45 98%

Lebat 0 0 0 0 0 0 1 1 100%

Total 56 18 10 2 9 44 1 140

Producer's Accuracy 91% 73% 100% 100% 100% 100% 100%

Data Eksisting

Total

Bangun

an Tubu

h Air

Area Terbuka Alami 57 1 0 0 0 0 0 58 98%

Area Terbuka

Diperkeras 0 13 0 0 0 0 0 13 100%

Bangunan 0 0 15 0 0 0 0 15 100%

Tubuh Air 0 0 0 5 0 0 0 5 100%

Jarang 1 0 0 0 8 0 0 9 89%

Sedang 2 0 0 0 0 35 0 37 95%

Lebat 0 0 0 0 0 0 3 3 100%

Total 60 14 15 5 8 35 3 140

Producer's Accuracy 95% 89% 100% 100% 100% 100% 100%

(8)

Tabel 9. Tingkat Akurasi Klasifikasi Tutupan Lahan

Tahun

Nilai Akurasi Overall

Accuracy

Kappa Accuracy

2010 95,71% 94,53%

2015 93,57% 91,08%

2019 97,14% 96,07%

Tingkat akurasi klasifikasi tutupan lahan dari tahun 2010 sampai dengan 2019 memiliki nilai yang tinggi dengan nilai Overall Accuracy berada pada angka diatas 93% dan berdasarkan indeks Kappa berada pada nilai diata 91%.

Dengan nilai tersebut analisa klasifikasi penutupan lahan yang dilakukan dinilai cukup akurat menggambarkan kondisi tutupan lahan yang sebenarnya.

KESIMPULAN

Metode penginderaan jauh dapat menjadi pilihan dalam menganalisis perubahan tutupan lahan dengan mengidentifikasi tangkapan citra satelit. Teknik analisa pengolahan citra yang beragam dapat menghasilkan banyak informasi dari piksel yang dibawa melalui band band di citra akurasi tinggi. Dalam penelitian mengidentifikasi perubahan tutupan lahan di Kota Batu dapat dilakukan melalui analisa NDVI, analisa tutupan lahan menggunakan teknik maximum likelihood, dan uji akurasi tutupan lahan menggunakan Overall Accuracy dan Kappa Accuracy.

Berdasarkan hasil penelitian dapat disimpulkan bahwa:

1. Berdasarkan nilai NDVI, luas Vegetasi dengan Kerapatan Sedang dan Kerapatan Jarang cenderung mengalami penurunan, Vegetasi kerapatan lebat memiliki luas yang sangat kecil di ketiga Kecamatan. Sedangkan Area non Vegetasi cenderung memiliki nilai yang naik di ketiga Kecamatan

2. Persentase luas area bervegetasi dalam kurun waktu 10 tahun terakhir terus mengalami penurunan dari 48% pada tahun 2010 menjadi 32% pada tahun 2019. Penurunan tersebut berbanding lurus dengan kenaikan area terbangun, yakni persentase area terbangun 7%

pada 2010 menjadi 14% pada 2019. Hal tersebut menunjukkan bahwa Kota batu terus mengadakan pembangunan dalam waktu 10 tahun terakhir.

3. Perubahan tutupan lahan dari lahan tidak terbangun menjadi lahan terbangun cenderung

terlihat memusat dipusat Kota Batu. Hal ini diperkuat dengan data prosentase luasan bangunan semakin meningkat tiap tahunnya.

DAFTAR PUSTAKA

Danoedoro, P., & Utara, S. 2015. Penguji Terhadap Tingkat Akurasi Klasifikasi Citra Digital.

Jurnal Geografi UGM

Harist, M. C., Geografi, D., Indonesia, U., & Hijau, R.

T. 2017. Pemanfaatan Citra Landsat 8 : Identifikasi Normalized Difference Vegetation Index ( NDVI ) Untuk Mengetahui Kawasan RTH Di Kota Padang, Sumatera Barat. NASIONAL GEOTIK 2018. ISSN: 2580- 8796, 150–158.

Hatulesila, J. W., Mardiatmoko, G., & Irwanto, I.

2019. Analisis Nilai Indeks Kehijauan (Ndvi) Pada Pola Ruang Kota Ambon, Provinsi Maluku. Jurnal Hutan Pulau-Pulau Kecil, 3(1), 55–67.

Kushardono, D. 2017. Klasifikasi Digital Pada Penginderaan Jauh. IPB Press. ISBN: 978- 602-440-198-6

Nawangwulan, N. 2013. Analisis Pengaruh Perubahan Lahan Pertanian Terhadap Hasil Produksi Tanaman Pangan Di Kabupaten Pati Tahun 2001. Jurnal Geodesi Undip, 2(2), 84015.

Patiung, O., Sinukaban, N., Tarigan, S. D., &

Darusman, D. 2011. Pengaruh Umur Reklamasi Lahan Bekas Tambang Batubara Terhadap Fungsi Hidrologis. Jurnal Ekonomi Syariah Teori dan Terapan, 2(2), 60–73.

SNI 7645-1. 2014. Klasifikasi penutup lahan - Bagian 1 : Skala kecil dan menengah.

Jakarta. BSN

Perda Kota Batu No 3 Tahun 2018. 2018. Rencana Pembangunan Jangka Menengah Daerah Tahun 2017-2022. Walikota Batu

Que, V. K. S., Prasetyo, S. Y. J., & Fibriani, C. 2019.

Analisis Perbedaan Indeks Vegetasi Normalized Difference Vegtation Index (NDVI) dan Normalized Burn Ratio (NBR) Kabupaten Pelalawan Menggunakan Citra Satelit Landsat 8. Indonesian Journal OF Computing AND Modeling, 1(1), 1–7.

UU No 11 Tahun 2001. 2001. Pembentukan Kota Batu. Sekretaris Negara Republik Indonesia Wirjohamidjoyo, S., & Swarinoto, Y. 2010. Iklim

Kawasan Indonesia (Dari Aspek Dinamik - Sinoptik). Badan Meteorologi Klimatologi dan Geofisik. Jakarta. BMKG