Citra Quickbird

Pemahaman tentang greenways akan lebih efektif jika dilakukan secara spasial, dalam hal ini misalnya menggunakan data penginderaan jauh. Salah satu media yang dapat digunakan adalah citra Quickbird, serta dengan memanfaatkan teknologi penginderaan jauh dan Sistem Informasi Geografis (SIG), maka dapat diperoleh informasi parameter-parameter greenways, dan klasifikasi greenways di Kota Surakarta.

Alhamdulilah ’ hirobbil alamin Puji Syukur Penulis panjatkan kepada Allah SWT, atas limpahan Rahmat dan kasih sayang – Nya kepada penulis. Sehingga penulis dapat menyelesaikan Skripsi dengan Judul Mengkaji Hubungan Kualitas Permukiman terhadap Kesehatan Masyarakat tahun 2010 Menggunakan Citra Quickbird tahun 2008 di Kecamatan Sragen, Kabupaten Sragen dengan baik dan lancar.

Puji syukur atas limpahan rahmat dan kekuatan batin yang di anugerahkan Allah SWT sehingga penulis dapat menyelesaikan skripsi ini dengan judul “ Analisis kondisi kualitas lingkungan permukiman menggunakan citra quickbird di Kecamatan Depok Kabupaten Sleman ”. Skripsi ini di ajukan guna untuk melengkapi syarat dalam menempuh ujian sarjana S1 pada Fakultas Geografi Universitas Muhammadiyah Surakarta.

Pencitraan satelit pada daerah pesisir dan pulau-pulau kecil, seringkali menyajikan gambaran variasi kondisi dasar perairan. Tulisan ini bertujuan mengaplikasikan citra quickbird untuk pemetaan batimetri perairan gobah Pulau Panggang, di Kepulauan Seribu, Jakarta. Citra yang digunakan adalah citra Quickbird akuisisi september 2008. Pemeruman di lokasi dilakukan pada oktober 2009 dengan alat perum gema gpsmapsounder. Hasil evaluasi pengukuran kedalaman pada Gobah di Pulau Panggang memperlihatkan bahwa band 2 citra Quickbird hanya dapat penetrasi hingga kedalaman sekitar 9 hingga 10 meter. Penetrasi yang lebih dangkal ditemukan pada band 3 yaitu berkisar 2 hingga 3 meter. Implementasi algoritma Jupp pada citra Quickbird untuk pemetaan batimetri gobah ini, memberikan nilai koefisien determinasi yang rendah.

Pemetaan habitat bentik menggunakan citra satelit Quickbird merupakan salah satu upaya pengelolaan sumberdaya kelautan. Quickbird memiliki resolusi spasial yang tinggi sehingga cocok untuk pemetaan detail dengan cangkupan wilayah yang sempit. Metode koreksi kolom air yang digunakan dalam penelitian ini adalah metode yang dikembangkan oleh David R. Lyzenga dengan memperhitungkan rasio koefisien atenuasi yang terjadi di perairan, kemudian hasil tersebut dikalkulasikan dengan algoritma water depth invariant bottom index atau yang dikenal dengan metode Lyzenga untuk mendapatkan citra bebas kedalaman. Hasil dari penelitian ini menunjukkan bahwa citra Quickbird mampu mengidentifikasi habitat bentik dengan akurasi 58,38% (tanpa koreksi kolom air) dan 67,70% (dengan koreksi kolom air). Pasir mengalami perubahan luasan paling signifikan akibat keberadaan objek pasir yang menempati berbagai variasi kedalaman.

Data penginderaan jauh dapat berupa data digital atau data numerik untuk dianalisis menggunakan komputer. Data penginderaan jauh dapat pula berupa data visual yang pada umumnya dianalisis secara manual. Berdasarkan sensornya, citra dibedakan atas dasar citra foto ( photographic image ) atau foto udara dan citra non -foto ( non- photographic image ) (Sutanto, 1994:66). Penelitian ini menggunakan citra penginderaan jauh non foto yaitu citra Quickbird. Citra Quickird diluncurkan pertama kali di Vendenberg Air Force Base, California tahun 2001 (Edi Prahasta, 2008:42). Citra Quickbird memiliki resolusi spasial tinggi, yaitu pada saluran pankromatik 0,61 m dan pada saluran multispektral 2,44m. Resolusi spatial merupakan ukuran terkecil objek yang masih dapat dideteksi oleh suatu sistem pencitraan. Oleh karena mempunyai resolusi spasial yang tinggi, citra ini mendukung intepretasi dengan objek-objek kekotaan seperti pola permukiman dan perubahan penggunaan lahan. Menurut Edi Prahasta (2008:43-44), citra penginderaan jauh mempunyai level pemrosesan sebagai berikut :

Sistem Informasi Geografis dapat digunakan untuk melakukan suatu permodelan sehingga dapat diketahui karakteristik daerah yang rawan kecelakaan berdasarkan faktor-faktor penyebab terjadinya kecelakaan. Input untuk melakukan identifikasi daerah rawan kecelakaan berasal dari data citra penginderaan jauh. Salah satu citra yang cocok digunakan untuk kajian masalah perkotaan seperti masalah kecelakaan lalu lintas ini adalah citra Quickbird.

Kualitas permukiman merupakan parameter penting dalam suatu perkotaan. Penginderaan jauh adalah salah satu metode yang dapat digunakan untuk mengkaji permukiman pada wilayah yang luas. Citra penginderaan jauh yang dapat digunakan untuk kajian wilayah perkotaan adalah citra Quickbird dengan resolusi spasial yang tinggi yaitu berkisar 2,6 m setiap bandnya. Desa Maguwoharjo merupakan salah satu desa yang memiliki pertumbuhan penduduk yang semakin padat, hal ini dicirikan dengan semakin padatnya rumah penduduk. Kepadatan permukiman ini akan banyak menimbulkan permasalahan kota. Kualitas permukiman ditentukan berdasarkan beberapa parameter yaitu kepadatan rumah, tata letak, lebar jalan, kondisi jalan, kondisi halaman, pohon pelindung, lokasi permukiman, kerawanan bencana, air bersih dan sanitasi. Sistem Informasi Geografis (SIG) adalah salah satu alat untuk melakukan analisis spasial berbasis pemodelan. SIG membantu dalam pemodelan penilaian kualitas permukiman dengan metode kuantitatif berjenjang tertimbang. Penilaian dan pemetaan kualitas permukiman ini diharapkan mampu untuk menunjukkan persebaran kualitas permukiman di Desa Maguwoharjo DIY.

Penelitian yang berjudul “Analisis Kerentanan Kebakaran Permukiman dengan Aplikasi Citra Quickbird dan Sistem Informasi Geografis (Studi Kasus di Kecamatan Gondokusuman, Mergangsan, dan Umbulharjo, Kota Yogyakarta)” ini disusun untuk memenuhi syarat dalam memperoleh gelar Sarjana pada Program Studi Geografi, Fakultas Geografi, Universitas Muhammadiyah Surakarta. Tulisan ini berisi tentang besarnya tingkat ketelitian interpretasi Citra Quickbird dalam menyadap variabel penentu kelas kerentanan kebakaran permukiman, gambaran pewilayahan kelas kerentanan kebakaran permukiman, serta faktor-faktor yang mempengaruhi kerentanan kebakaran permukiman.

Penelitian ini dilatar belakangi oleh saat Kota Bandung yang pada awalnya hanya memiliki luas sekitar 900 ha pada tahun 1906 dan kemudian semakin meluas hingga pada tahun 1949 luas Kota Bandung menjadi 8.000 ha, sampai terkahir bertambah menjadi luas sekitar 16.000 ha. Dengan perubahan luas wilayah Kota Bandung yang semakin meluas, berdampak pula pada tatanan tata ruang wilayah yang ada. Sehingga banyak sektor pembangunan di Kota Bandung mengalami perubahan letak lokasinya secara langsung. Contohnya saja pada sektor industri yang pada saat Kota Bandung memiliki luas 8.000 ha letaknya berada di pinggir Kota Bandung, namun pada saat sekarang yang memiliki luas sekitar 16.000 ha maka letak posisi lokasi industri yang berada di pinggir sebelumnya dengan sendirinya bergeser dan berada di wilayah tengah-tengah Kota Bandung. Pergeseran lokasi secara tidak langsung menimbulkan masalah kesesuaian antara lokasi industri di wilayah Tegallega dengan Rencana Tata Ruang Wilayah Tegallega. Untuk itu dalam memantau lokasi bangunan industri dapat menggunakan teknik penginderaan jauh, salah satunya menggunakan data penginderaan jauh citra Qucikbird. Citra Quickbird memiliki kelebihan resolusi spasial yang tinggi (60cm).

Laju pertumbuhan jumlah bangunan permukiman di daerah Kotagede terus mengalami pertumbuhan yang sangat cepat. Hingga saat ini presentasi dari bangunan di Kecamatan Kotagede mencapai 89,9% dari total wilayah. Berbagai faktor yang menyebabkan pertumbuhan jumlah bangunan tersebut, diantaranya adalah pertumbuhan jumlah penduduk sedang lahan yang ada sangat terbatas. Kemajuan teknologi informasi mempermudah dalam menentukan kondisi kualitas lingkungan permukiman di perkotaan untuk perencanaan dan pengelolaan kawasan permukiman. Alternatif yang dapat diambil dalam menentukan kondisi kualitas lingkungan permukiman yaitu dengan memanfaatkan teknologi penginderaan jauh dan Sistem Informasi Geografis (SIG). Salah satu data penginderaan jauh yang dapat digunakan untuk mengetahui tingkat kualitas permukiman adalah Citra Quickbird, karena memiliki resolusi spasial yang sangat tinggi sehingga dapat menyajikan ketelitian data yang cukup akurat untuk mengidentifikasi permukiman dengan baik, seperti tata letak permukiman, kepadatan permukiman, lebar jalan masuk permukiman, kondisi jalan masuk permukiman, pohon pelindung, dan lokasi permukiman yang digunakan sebagai parameter untuk menentukan kualitas lingkungan permukiman. Proses identifikasi dapat dilakukan dengan interpretasi visual menggunakan perangkat Sistem Informasi Geografis (SIG), yang menghasilkan informasi baru yaitu berupa peta tingkat kualitas lingkungan permukiman.

Data penggunaan lahan bisa didapatkan dari citra penginderaah jauh. Dengan melakukan interpretasi citra tersebut kita dapat mengetahui informasi tentang penggunaan lahan di suatu daerah. Menggunakan citra penginderaan jauh juga memudahkan dalam melakukan penelitian karena tidak harus ke lapangan untuk mendapatkan data penggunaan lahan. Untuk mengetahui perubahan penggunan lahan, data penggunaan lahan hasil dari interpretasi citra yang berbeda tahun tersebut dioverlaykan, overlay adalah menumpangsusunkan 2 data agar mendapatkan informasi baru yaitu data perubahan penggunaan lahan. Dari hasil overlay ini juga bisa diketahui luasan penggunaan lahan yang mengalami perubahan.

Proses interpretasi citra merupakan proses dimana penafsir citra mengkaji citra dan berupaya melalui proses penalaran untuk mendeteksi, mengidentifikasi dan menilai arti pentingnya obyek yang tergambar pada citra (Sutanto, 1994:7). Proses interpretasi citra memerlukan unsur-unsur interpretasi yang dapat memudahkan dalam pengenalan obyek permukaan bumi. Unsur interpretasi tersebut terdiri dari rona atau warna, bentuk, ukuran, tekstur, pola, bayangan, situs, asosiasi dan konvergensi.

menentuan besar akurasi horizontal penggunaan data citra sebagai peta dasar menggunakan 13 titik uji (ICP) yang tersebar merata didapat nilai akaurasi horizontal sebesar 0.711 meter. Nilai tersebut menurut peraturan Perka BIG Nomor 15 Tahun 2014 tentang pedoman teknis ketelitian peta dasar masuk memenuhi standart ketelitian peta dasar dengan skala 1 : 2500 dan skala 1 : 10000. Namun tidak memenuhi skala 1 : 1000. Kemudian dalam menunjang kegiatan admnistrasi pertanahan menurut hasil dari penilitian ini hanya mampu memenuhi untuk proses penggunaan standart ketelitian 1:2500 atau lebih besar untuk daerah pertanian dan 1:10000 atau lebih besar untuk daerah perkebunan besar.

Pada Gambar 6 dan Tabel 9 menunjukkan bahwa kenampakan objek pada citra fusi sangat jelas untuk semua objek yang diidentifikasi. Hal ini terjadi karena kombinasi citra pankromatik dan multispektral menghasilkan citra fusi yang memberikan kenampakan objek yang berwarna dengan resolusi spasial yang lebih tinggi. Secara teori, mata manusia dapat membedakan tingkat warna lebih banyak daripada membedakannya dalam bentuk tingkat keabuan. Interpretasi pada citra pankromatik jelas tampak pada gambar, namun hanya memiliki tingkat keabuan saja. Sehingga identifikasi objek mengalami kendala dalam menentukan jenis objek yang terdapat pada citra dari segi rona. Sedangkan interpretasi pada citra multispektral cukup jelas tampak pada citra. Meskipun citra multispektral memiliki keunggulan pada tingkat warna, namun memiliki kelemahan dari segi ukuran. Lebih jelasnya, citra multispektral memiliki resolusi spektral yang lebih rendah dibandingkan dengan citra pankromatik.

Analisis visual menunjukkan ciri spasial dan spesifik berbeda setiap klaster berdasarkan perbedaan warna mewakili perbedaan kelas, sebagaimana Camacho (2006) mengintrepretasi citra habitat terumbu karang Midway Atoll dan Mishra et al. (2006) memetakan habitat bentik di perairan tropik menggunakan citra Quickbird dengan teknik klasifikasi unsupervised ISODATA (iterative self organizing data analysis). Menurut Green et al (2000) bahwa teknik klasifikasi unsupervised mengklasifikasi secara otomatis pixel kedalam sejumlah kelas berdasarkan kesamaan spektral tanpa referensi spektra dari user. Lain halnya dengan algoritma ISODATA, kemampuan SOM dapat mengeneralisasi data habitat terumbu karang yang sama kedalam satu klaster/kelas tersebut dapat diketahui dengan sendirinya dari distribusi nilai DN secara merata di semua kanal RGB yang didefinisikan menjadi Band 1 (Red), Band 2 (Green) dan Band 3 (Blue). Algoritma ISODATA menurut Mishra et al. (2006) dapat menyusun klaster citra kombinasi Band Quickbird kemudian diklasifikasi lebih lanjut dengan maximum likelihood. Teknik pendekatan klaster citra melalui algoritma SOM ini seyogyanya merupakan salah satu bagian dari tahapan proses klasifikasi algoritma backpropagation maupun adaptive boosting.

Analisis visual menunjukkan ciri spasial dan spesifik berbeda setiap klaster berdasarkan perbedaan warna mewakili perbedaan kelas, sebagaimana Camacho (2006) mengintrepretasi citra habitat terumbu karang Midway Atoll dan Mishra et al. (2006) memetakan habitat bentik di perairan tropik menggunakan citra Quickbird dengan teknik klasifikasi unsupervised ISODATA (iterative self organizing data analysis). Menurut Green et al (2000) bahwa teknik klasifikasi unsupervised mengklasifikasi secara otomatis pixel kedalam sejumlah kelas berdasarkan kesamaan spektral tanpa referensi spektra dari user. Lain halnya dengan algoritma ISODATA, kemampuan SOM dapat mengeneralisasi data habitat terumbu karang yang sama kedalam satu klaster/kelas tersebut dapat diketahui dengan sendirinya dari distribusi nilai DN secara merata di semua kanal RGB yang didefinisikan menjadi Band 1 (Red), Band 2 (Green) dan Band 3 (Blue). Algoritma ISODATA menurut Mishra et al. (2006) dapat menyusun klaster citra kombinasi Band Quickbird kemudian diklasifikasi lebih lanjut dengan maximum likelihood. Teknik pendekatan klaster citra melalui algoritma SOM ini seyogyanya merupakan salah satu bagian dari tahapan proses klasifikasi algoritma backpropagation maupun adaptive boosting.

Analisis visual menunjukkan ciri spasial dan spesifik berbeda setiap klaster berdasarkan perbedaan warna mewakili perbedaan kelas, sebagaimana Camacho (2006) mengintrepretasi citra habitat terumbu karang Midway Atoll dan Mishra et al. (2006) memetakan habitat bentik di perairan tropik menggunakan citra Quickbird dengan teknik klasifikasi unsupervised ISODATA (iterative self organizing data analysis). Menurut Green et al (2000) bahwa teknik klasifikasi unsupervised mengklasifikasi secara otomatis pixel kedalam sejumlah kelas berdasarkan kesamaan spektral tanpa referensi spektra dari user. Lain halnya dengan algoritma ISODATA, kemampuan SOM dapat mengeneralisasi data habitat terumbu karang yang sama kedalam satu klaster/kelas tersebut dapat diketahui dengan sendirinya dari distribusi nilai DN secara merata di semua kanal RGB yang didefinisikan menjadi Band 1 (Red), Band 2 (Green) dan Band 3 (Blue). Algoritma ISODATA menurut Mishra et al. (2006) dapat menyusun klaster citra kombinasi Band Quickbird kemudian diklasifikasi lebih lanjut dengan maximum likelihood. Teknik pendekatan klaster citra melalui algoritma SOM ini seyogyanya merupakan salah satu bagian dari tahapan proses klasifikasi algoritma backpropagation maupun adaptive boosting.

Afrizal Fadhilah,2013 Pemanfaatan Citra Quickbird Untuk Evaluasi Kesesuaian Antara Lokasi Industri Dengan Rencana Tata Ruang Wilayah Tegallega Universitas Pendidikan Indonesia | repos[r]

Penelitian ini dilakukan di daerah permukiman di sepanjang bantaran Sungai Code Kota Yogyakarta dengan tujuan mengetahui pemanfaatan lahan, mengetahui letak bangunan permukiman dan non- permukiman dan mengetahui keselarasan antara batas sempadan sungai dengan letak bangunan serta pemanfaatan lahannya. Metode dilakukan dengan melakukan interpretasi citra penginderaan jauh (Citra Quickbird). Penelitian dilakukan dengan mengkaji kesesuaian letak bangunan permukiman dengan aturan sempadan sungai yang telah ditetapkan dalam Peraturan Menteri Pekerjaan Umum/Per.Men.PU No. 63/PRT/Tahun 1993. Penentuan wilayah berdasarkan jarak sempadan Sungai Code Kota Yogyakarta kemudian pengukuran dengan menggunakan GPS melakukan plot bangunan yang terletak pada wilayah sempadan sungai analisis data. Analisis data yang digunakan adalah overlay lahan permukiman dan wilayah sempadan Sungai Code yang bertujuan menyelaraskan letak bangunan permukiman berdasarkan aturan sempadan sungai. Jumlah bangunan yang terletak atau dibangun pada jarak 3 m dari tepi sungai adalah 470 bangunan, pada jarak 10 m dari tepi sungai berjumlah 1.034 bangunan, pada jarak 15 m sebanyak 1.493 bangunan dan pada jarak 100 m dari tepi sungai sebanyak 7.569 bangunan. Pemanfaatan bangunan di sempadan Sungai Code sebagai rumah mukim (sekitar 90%) dan sisanya dimanfaatkan untuk industri rumah tangga, pertokoan, sekolah, tempat ibadah, dan jasa. Kata kunci : Keselarasan Letak Bangunan, Pemanfaatan Lahan, Sempadan Sungai ABSTRACT