x

KATA PENGANTAR

Puji syukur kepada Allah SWT, yang telah memberikan karunia, kasih sayang

dan ridha-Nya sehingga penulis berhasil menyelesaikan skripsi yang berjudul

“Pemantauan Kawasan Sabuk Hijau Waduk Wadaslintang Menggunakan Citra

Satelit Landsat 8”. Penyusunan skripsi ini dilaksanakan untuk memenuhi salah satu

syarat dalam mencapai derajat sarjana teknik pada Jurusan Teknik Geodesi, Fakultas

Teknik, Universitas Gadjah Mada, Yogyakarta.

Selama proses penyusunan skripsi, penulis telah banyak mendapatkan

dukungan dan bantuan dari berbagai pihak, oleh karena itu dalam kesempatan ini

penulis menyampaikan rasa hormat dan terimakasih kepada :

1. Ir. Djurdjani, M.SP., M.Eng., Ph.D., Ketua Jurusan Teknik Geodesi

Fakultas Teknik Universitas Gadjah Mada, Yogyakarta dan selaku dosen

penguji skripsi.

2. Ir. Hadiman, M.Sc., selaku dosen pembimbing akademik.

3. Dr. Harintaka, ST, MT., selaku dosen pembimbing skripsi yang telah

berkenan meluangkan waktunya untuk membimbing dan memberikan

pengarahan dalam pelaksanaan skripsi.

4. Ir. Christine Noegroho Kartini, SU. Pj., selaku dosen penguji skripsi yang

telah memberikan banyak masukkan berharga kepada penulis.

5. Seluruh dosen dan karyawan Jurusan Teknik Geodesi Fakultas Teknik

Universitas Gagjah Mada Yogyakarta atas bantuan dan perhatian selama

penyelesaian skripsi.

6. Pihak BBWS Serayu Opak yang telah banyak membantu dalam

pelaksanaan skripsi.

7. Kedua orang tuaku tercinta, Bapak Khumroni dan Ibu Mujiyah yang telah

memberikan doa dan semangat yang tak pernah putus pada penulis selama

penyelesaian skripsi.

8. Sahabat-sahabatku : Miranty Noor S, Siti Rahmi, Rizky Ayu P, Usissa A,

Siti Noor C dan Anisa A yang selalu memberikan bantuan dan semangat .

xi

9. Teman – teman KKN Desa Ketenger Sub Unit 1 : Vebi, Mas Mus, Djati,

Fandi, Erisa, Ulya, Ndari, Vika, dan Dina yang selalu memberikan

dukungan.

10. Teman – teman seperjuangan kluster Fotogrametri : Wiwin, Ida, Mba

Cindy, Mas Ali, dan Mas Gantang.

11. Keluarga besar Teknik Geodesi angkatan 2010.

12. Semua pihak yang telah membantu penulis dalam penyusunan skripsi yang

tidak dapat disebutkan satu persatu.

Penulis memohon maaf apabila dalam penulisan skripsi ini masih terdapat

kesalahan dan kekurangan, oleh karena itu kritik dan saran yang bersifat membangun

sangat penulis harapkan. Semoga skripsi ini dapat berguna bagi kepentingan

akademik khususnya di Jurusan Teknik Geodesi Universitas Gadjah Mada dan dapat

dimanfaatkan sebaik-baiknya.

Yogyakarta, Juni 2014

Penulis

xii

DAFTAR ISI

Halaman

HALAMAN JUDUL .............................................................................................. i

HALAMAN PENGESAHAN ................................................................................ v

HALAMAN PERNYATAAN ............................................................................... vi

HALAMAN PERSEMBAHAN ............................................................................ vii

INTISARI ............................................................................................................... viii

ABSTRACT ............................................................................................................ ix

KATA PENGANTAR ............................................................................................ x

DAFTAR ISI........... ............................................................................................... xii

DAFTAR GAMBAR .............................................................................................. xv

DAFTAR TABEL ................................................................................................ xvii

DAFTAR LAMPIRAN.........................................................................................xviii

BAB I PENDAHULUAN ....................................................................................... 1

I.1. Latar Belakang .............................................................................................. 1

I.2. Rumusan Masalah ......................................................................................... 2

I.3. Tujuan .......................................................................................................... 3

I.4. Manfaat ....................................................................................................... 3

I.5. Batasan Masalah .......................................................................................... 3

I.6. Tinjauan Pustaka ........................................................................................... 4

I.7. Landasan Teori ............................................................................................. 5

I.7.1. Waduk ................................................................................................ 5

I.7.2. Sabuk Hijau ........................................................................................... 7

I.7.3. Penginderaan Jauh ................................................................................. 8

I.7.4. Satelit Landsat ....................................................................................... 9

I.7.4.1. Satelit Landsat 7 ETM+ ................................................................ 10

I.7.4.2. Satelit Landsat 8 ............................................................................ 11

I.7.5. Koreksi Citra ......................................................................................... 14

I.7.5.1. Koreksi radiometrik ....................................................................... 15

I.7.5.2. Koreksi geometrik ......................................................................... 16

I.7.6. Penggunaan Lahan ................................................................................ 18

xiii

Halaman

I.7.7. Skema Klasifikasi ................................................................................. 18

I.7.8. Klasifikasi Digital ................................................................................. 20

I.7.8.1. Training area ................................................................................. 22

I.7.8.2. Hitungan statistik training area ..................................................... 22

I.7.8.3. Uji indeks separabilitas ................................................................. 23

I.7.9. Uji Ketelitian Klasifikasi ...................................................................... 23

I.7.10. Analisis Perubahan Penggunaan Lahan .............................................. 25

I.8. Hipotesis ..................................................................................................... 25

BAB II PELAKSANAAN ...................................................................................... 26

II.1. Persiapan ..................................................................................................... 26

II.1.1. Bahan Penelitian .................................................................................. 26

II.1.2. Peralatan .............................................................................................. 26

II.2. Pelaksanaan ................................................................................................ 27

II.2.1. Tahapan Pre-Processing ...................................................................... 28

II.2.1.1. Persiapan ...................................................................................... 28

II.2.1.2. Pengumpulan data ........................................................................ 28

II.2.1.2.1. Citra satelit Lansat 7 dan Landsat 8 ..................................... 29

II.2.1.2.2. Pemilihan titik kontrol pada Peta Rupa Bumi

Indonesia ............................................................................ 29

II.2.1.2.3. Penentuan titik sampel di lapangan ...................................... 29

II.2.1.3. Komposit citra multispektral ........................................................ 29

II.2.1.4. Koreksi radiometrik citra ............................................................. 31

II.2.1.5. Koreksi geometrik citra ................................................................ 32

II.2.1.5.1. Koreksi geometrik dengan transformasi citra

tahun 2013 ke peta ............................................................. 32

II.2.1.5.2. Koreksi geometrik dengan transformasi citra

tahun 2001 ke citra tahun 2013 .......................................... 36

II.2.1.6. Pemotongan (cropping) untuk memilih daerah kajian ................. 39

II.2.2. Tahapan Processing ............................................................................. 40

II.2.2.1. Penentuan training area ............................................................... 40

xiv

Halaman

II.2.2.2. Klasifikasi digital ......................................................................... 43

II.2.2.3. Uji hasil klasifikasi ...................................................................... 43

II.2.3. Tahapan Post-Processing .................................................................... 47

II.2.3.1. Perhitungan luasan kelas penggunaan lahan daerah

kajian ........................................................................................... 48

II.2.3.2. Perhitungan luasan kelas penggunaan lahan kawasan

sabuk hijau ................................................................................... 48

BAB III HASIL DAN PEMBAHASAN ............................................................... 50

III.1. Koreksi Geometrik Citra ............................................................................ 50

III.2. Klasifikasi Terkontrol (Supervised Classification) .................................... 53

III.3. Uji Ketelitian Hasil Klasifikasi .................................................................. 56

III.4. Analisis Perubahan Penggunaan Lahan ..................................................... 58

BAB IV KESIMPULAN DAN SARAN ............................................................... 65

IV.1. Kesimpulan ................................................................................................ 65

IV.2. Saran ................................................................................................ 66

DAFTAR PUSTAKA ............................................................................................. 67

LAMPIRAN .......................................................................................................... 69

xv

DAFTAR GAMBAR

Halaman

Gambar I.1. Gambaran umum waduk .................................................................. 5

Gambar I.2. Grafik sedimentasi Waduk Wadaslintang ........................................ 6

Gambar I.3. Pengumpulan sedimentasi di dalam waduk ..................................... 6

Gambar I.4. Grafik volume Waduk Wadaslintang .............................................. 7

Gambar I.5. Spektrum gelombang elektromagnetik ............................................ 8

Gambar I.6. Sistem penginderaan jauh ................................................................ 9

Gambar I.7. Satelit Landsat .................................................................................. 10

Gambar I.8. Satelit Landsat 7 ETM+ ................................................................... 11

Gambar I.9. Satelit Landsat 8 ............................................................................... 12

Gambar II.1. Diagram alir pelaksanaan penelitian ................................................ 27

Gambar II.2. Diagram alir pelaksanaan penelitian (lanjutan) ............................... 28

Gambar II.3. Isi satu paket citra Landsat 8 hasil downloding ............................... 29

Gambar II.4. Penggabungan band ......................................................................... 30

Gambar II.5. Data statistik citra ............................................................................ 31

Gambar II.6. Koreksi geometrik citra ke peta ....................................................... 32

Gambar II.7. Koreksi geometrik citra ke citra ....................................................... 36

Gambar II.8. Pemotongan daerah kajian ............................................................... 37

Gambar II.9. Tampilan N-D visualizer .................................................................. 42

Gambar II.10. Tampilan indeks separability ........................................................... 42

Gambar II.11. Luasan tiap kelas hasil klasifikasi pada daerah kajian ..................... 48

Gambar II.12. Luasan tiap kelas hasil klasifikasi pada kawasan sabuk hijau ......... 49

Gambar III.1. Koreksi geometrik citra Landsat ...................................................... 53

Gambar III.2. Citra komposit .................................................................................. 54

Gambar III.3. Hasil klasifikasi terkontrol ............................................................... 56

Gambar III.4. Foto uji lapangan ............................................................................. 57

Gambar III.5. Perubahan penggunaan lahan daerah kajian .................................... 59

Gambar III.6. Grafik perubahan penggunaan lahan ............................................... 60

Gambar III.7. Hasil klasifikasi penggunaan lahan kawasan sabuk hijau ............... 61

Gambar III.8. Perubahan penggunaan lahan kawasan sabuk hijau ........................ 62

xvi

Halaman

Gambar III.9. Grafik perubahan sabuk hijau .......................................................... 62

Gambar III.10. Kawasan sabuk hijau yang masih berupa hutan .............................. 63

Gambar III.11. Kawasan sabuk hijau yang mengalami degradasi lahan .................. 63

Gambar III.12. Perubahan luasan permukaan air waduk .......................................... 64

xvii

DAFTAR TABEL

Halaman

Tabel I.1. Tinjauan pustaka ................................................................................... 4

Tabel I.2. Waktu pengoperasian satelit Landsat.................................................... 10

Tabel I.3. Saluran band Landsat 7 ETM+ ............................................................. 11

Tabel I.4. Saluran band Landsat 8......................................................................... 12

Tabel I.5. Perbedaan karakteristik Landsat 7 ETM+ dan Landsat 8 ..................... 13

Tabel I.6. Perbedaan band Landsat 7 ETM+ dan Landsat 8 ................................. 13

Tabel I.7. Skema klasifikasi penggunaan lahan menurut USGS .......................... 19

Tabel I.8. Pemilihan skema klasifikasi ................................................................. 20

Tabel II.1. Koordinat GCP Image to Map .............................................................. 33

Tabel II.2. Koordinat GCP Image to Map (lanjutan I) ........................................... 34

Tabel II.3. Koordinat GCP Image to Map (lanjutan II) ......................................... 35

Tabel II.4. Nilai RMS Error transformasi citra 2013 ke peta rupa

bumi Indonesia ..................................................................................... 35

Tabel II.5. Nilai RMS Error transformasi citra 2001 ke citra 2013 ....................... 36

Tabel II.6. Wilayah administrasi daerah kajian ...................................................... 38

Tabel II.7. Daftar training area tiap kelas ............................................................. 39

Tabel II.8. Nilai statistik masing-masing band pada citra tahun 2001 ................... 40

Tabel II.9. Nilai statistik masing-masing band pada citra tahun 2013 ................... 40

Tabel II.10. Nilai varian kovarian citra tahun 2001 ................................................. 40

Tabel II.11. Nilai varian kovarian citra tahun 2013 ................................................. 40

Tabel II.12. Nilai korelasi citra tahun 2001.............................................................. 41

Tabel II.13. Nilai korelasi citra tahun 2013.............................................................. 41

Tabel II.14. Matrik konfusi citra Landsat 7 ETM+ tahun 2001 ............................... 44

Tabel II.15. Matrik konfusi citra Landsat 8 tahun 2013 ........................................... 44

Tabel II.16. Tabel nilai omission, commision dan map accuracy

citra Landsat 7 ETM+ tahun 2001 ........................................................ 45

Tabel II.17. Tabel nilai omission, commision dan map accuracy

citra Landsat 8 tahun 2013.................................................................... 45

xviii

Halaman

Tabel III.1. Daftar koordinat titik GCP ................................................................... 50

Tabel III.2. Daftar nilai RMSE transformasi citra tahun 2013

ke peta rupa bumi Indonesia ................................................................. 51

Tabel III.3. Daftar nilai RMSE transformasi citra tahun 2001

ke citra tahun 2013 ............................................................................... 52

Tabel III.4. Hasil matrik konfusi ............................................................................. 58

Tabel III.5. Hasil klasifikasi citra tahun 2001 ......................................................... 58

Tabel III.6. Hasil klasifikasi citra tahun 2013 ......................................................... 59

Tabel III.7. Hasil klasifikasi sabuk hijau tahun 2001 .............................................. 61

Tabel III.8. Hasil klasifikasi sabuk hijau tahun 2013 .............................................. 61

xix

DAFTAR LAMPIRAN

Halaman

LAMPIRAN A Metadata Citra ........................................................................ 69

LAMPIRAN B Data Statistik Citra .................................................................. 77

LAMPIRAN C Satistik Training Area ............................................................. 82

LAMPIRAN D Indeks Separabilitas ................................................................ 91

LAMPIRAN E Nilai RMS Error Citra ............................................................ 96

LAMPIRAN F Tabel Titik Uji Hasil Klasifikasi ............................................. 98

LAMPIRAN G Langkah Pengolahan Citra Digital .......................................... 117

LAMPIRAN H Penyajian Peta ......................................................................... 143

1

27

BAB I

PENDAHULUAN

I.1. Latar Belakang

Air merupakan sumber daya alam yang vital dan sangat diperlukan bagi

kehidupan manusia. Kebutuhan air saat ini semakin meningkat sejalan dengan laju

pertumbuhan penduduk dan perkembangan ekonomi. Salah satu kebijakan untuk

pembangunan bidang sumber daya air adalah dengan meningkatkan efektifitas

pengelolaan sumber daya air guna memenuhi semua kebutuhan masyarakat secara

merata, adil dan efisien dengan mempertimbangkan kebutuhan masa yang akan

datang. Waduk pada umumnya dibangun untuk melestarikan dan memelihara sumber

daya air dengan cara menampungnya guna menjaga keseimbangan dan ketersediaan

air.

Waduk Wadaslintang merupakan waduk tertinggi di Indonesia pada tahun

1988 (Data BBWS Serayu Opak). Waduk ini mulai dibangun pada tahun 1982 dan

difungsikan sebagai waduk serbaguna (multipurpose dam), yaitu fungsi waduk tidak

hanya sebagai pemasok kebutuhan air untuk irigasi, tetapi juga dapat berperan

sebagai alat pengendali banjir dan pembangkit listrik tenaga air (PLTA) yang

menyuplai energi listrik untuk keperluan masyarakat. Selain itu, waduk digunakan

sebagai sarana budidaya perikanan dan objek pariwisata sehingga dapat

menghasilkan pemasukan bagi masyarakat di sekitarnya. Namun seiiring dengan

berjalannya waktu, waduk mengalami penurunan fungsi dan kinerjanya, karena

pendangkalan waduk akibat tingginya laju sedimentasi yang akan mempengaruhi

perubahan kapasitas tampungan waduk tersebut sehingga menyebabkan

berkurangnya volume efektif waduk dan tingkat operasional waduk. Untuk itu perlu

dilakukan evaluasi terhadap kinerja pengelolaan Waduk Wadaslintang sehingga

pemanfaatan air secara optimal dapat tercapai. Dengan pengelolaan waduk yang baik

diharapkan waduk Wadaslintang dapat memenuhi berbagai kebutuhan air sesuai

dengan peruntukkannya.

Untuk menjamin fungsi waduk tetap optimal dan berkelanjutan, kegiatan

pengelolaan harus ditekankan pada upaya pengamanan dan penyelamatan waduk

2

serta daerah di sekitarnya. Daerah-daerah yang bervegetasi terutama kawasan sabuk

hijau, harus dilindungi dan harus tetap dijaga kelestariannya. Berkurangnya luasan

lahan vegetasi yang berfungsi sebagai pelindung waduk dari ancaman erosi dan laju

sedimentasi yang tinggi di daerah tersebut, akan memberikan dampak negatif

terhadap siklus hidrologi waduk.

Salah satu upaya pengawasan untuk memonitor pemanfaatan lahan di kawasan

waduk dan sekitarnya dibantu dengan menggunakan citra penginderaan jauh yang

memiliki resolusi temporal yang tinggi sehingga dapat digunakan untuk

memonitoring perubahan penggunaan lahan yang terjadi (Ahmada, 2013). Informasi

tentang penggunaan lahan yang akurat dan up to date sangat penting dalam

pengelolaan lahan, data tersebut dapat digunakan untuk mendeteksi masalah lahan

dan memonitoring perubahan lahan. Penelitian ini menggunakan citra Landsat 7

ETM+ dan citra Landsat 8. Citra Landsat 8 merupakan citra yang diperoleh dari

satelit Landsat 8 sebagai generasi penerus satelit Landsat 7 ETM+ yang mengalami

kerusakan pada sensornya sehingga proses scanning pada citra landsat 7 ETM+ tidak

sempurna (stripping). Karakteristik dari citra Landsat 8 hampir sama dengan citra

Landsat 7 ETM+, hanya saja citra Landsat 8 memiliki jumlah band yang lebih

banyak dari citra Landsat 7 ETM+ yaitu 11 band, sedangkan citra Landsat 7 ETM+

hanya memiliki 8 band. Pengamatan dengan citra Landsat ini dimaksudkan untuk

memetakan dan memantau perubahan kondisi sabuk hijau (green belt) dan

penggunaan lahan di sekitar kawasan Waduk Wadaslintang.

I.2. Rumusan Masalah

Waduk Wadaslintang mengalami pendangkalan waduk akibat tingginya laju

sedimentasi yang akan mempengaruhi kapasitas tampungan waduk sehingga volume

efektif waduk semakin berkurang. Perlu dilakukan pemantauan pada kawasan

sekitar waduk dan sabuk hijau waduk untuk mengetahui perubahan penggunaan

lahan yang terjadi. Pemantauan dilakukan dengan citra Landsat 8 tahun 2013, untuk

kemudian dibandingkan dengan citra Landsat 7 ETM+ tahun 2001.

3

I.3. Tujuan

Tujuan dari penelitian ini adalah untuk mengkaji perubahan penggunaan lahan

dan sabuk hijau di kawasan Waduk Wadaslintang dengan menggunakan citra

Landsat 7 ETM+ dan Landsat 8.

I.4. Manfaat

Manfaat dari penelitian ini adalah :

1. Untuk menghasilkan informasi spasial dan atribut mengenai perubahan

vegetasi luasan sabuk hijau dan perubahan penggunaan lahan.

2. Sebagai bahan pertimbangan untuk memperbaiki tata guna lahan di sekitar

Waduk Wadaslintang.

3. Sebagai informasi yang dapat digunakan oleh pemerintah maupun instansi-

instansi terkait untuk meningkatkan kinerja waduk Wadaslintang.

I.5. Batasan Masalah

Pada penelitian ini diberikan batasan – batasan sebagai berikut :

1. Identifikasi perubahan lahan menggunakan citra Landsat, yang mana citra

Landsat memiliki resolusi spasial yang rendah, yaitu sebesar 30 m x 30 m.

2. Perubahan lahan yang diteliti dalam jangka waktu 12 tahun dengan

menggunakan citra Landsat 7 ETM+ tanggal 1 Juli 2001 dan citra Landsat

8 tanggal 24 Juni 2013.

3. Daerah penelitian mencakup daerah sekitar Waduk Wadaslintang yang

berada pada koordinat 7º 30’ 37,02” LS - 7º 38’ 23,51” LS dan 109º 44’

16,92” BT - 109º 50’ 54,11” BT.

4. Kelas penggunaan lahan yang diteliti adalah tanah terbangun, kebun, sawah,

tegalan, hutan, semak belukar dan tubuh air.

5. Klasifikasi penggunaan lahan menggunakan klasifikasi terkontrol

(supervised classification) dengan metode maximum likelihood.

4

I.6. Tinjauan Pustaka

Tinjauan pustaka dari penelitian ini disajikan pada tabel I.1 berikut :

Tabel I.1. Tinjauan pustaka

No Penulis Judul

Penelitian Lokasi Metode Hasil

1. Hardini,dkk

(2012)

Analisa

Spasial

Dinamika

Morfometri

Waduk

Menggunakan

Data Satelit

Multi

Temporal di

Waduk Rawa

Pening

Provinsi Jawa

Tengah

Waduk

Rawa

Pening

Provinsi

Jawa

Tengah

Klasifikasi

visual

(digitasi on

screen)

Penelitian ini

memberikan

kesimpulan bahwa

morfometri waduk

Rawa Pening pada

tahun 1982-1990

mengalami pelebaran

ukuran waduk

sedangkan dari tahun

1990-2009

mengalami

penyempitan waduk

2. Ismail, A.

(2009)

Pengaruh

Perubahan

Penggunaan

Lahan

Terhadap

Karakteristik

Hidrologi

Daerah

Tangkapan Air

Waduk Darma,

Kabupaten

Kuningan,

Provinsi Jawa

Barat

Daerah

Tangkapan

Air Waduk

Darma,

Kabupaten

Kuningan,

Provinsi

Jawa Barat

Klasifikasi

visual

(digitasi on

screen)

Perubahan

penggunaan lahan

pada daerah

tangkapan air (DTA)

Waduk Darma

selama periode waktu

tahun 1991 – 2008

mempengaruhi

kondisi koefisien

aliran, baik itu dari

hasil perhitungan

faktor biofisik,

maupun dari analisis

data hidrologi debit

inflow waduk Darma

3. Yudo, P.

dan

Nugraha,

A.L.

(2006)

Analisis Tata

Guna Lahan

Kawasan

Waduk

Kedung Ombo

Menggunakan

Citra Satelit

Landsat Tahun

1998 dan 2002

Kawasan

Waduk

Kedung

Ombo

Menggunak

an

algoritma

NDVI TM

Penelitian ini

memberikan

kesimpulan bahwa

terjadi penurunan

kualitas pemanfaatan

lahan yang

diindikasikan dengan

peningkatan lahan

kritis di dalam

kawasan green belt

Waduk Kedung

Ombo

5

I.7. Landasan Teori

I.7.1. Waduk

Menurut Peraturan Pemerintah Nomor 37 Tahun 2010 tentang Bendungan,

Waduk adalah wadah buatan yang terbentuk sebagai akibat dibangunnya bendungan.

Bendungan adalah bangunan yang berupa urukan tanah, urukan batu, beton dan/atau

pasangan batu yang dibangun selain untuk menahan dan menampung air, dapat pula

dibangun untuk menahan dan menampung limbah tambang (tailing), atau

menampung lumpur. Struktur ini menghambat aliran sungai sehingga menciptakan

danau buatan atau waduk. Gambar I.1 memperlihatkan gambaran umum waduk.

Gambar I.1. Gambaran umum waduk (Imhof, 2006)

Waduk berfungsi untuk melestarikan sumberdaya air dengan cara menyimpan

air saat kelebihan air yang biasanya terjadi pada musim penghujan dan mengeluarkan

air pada saat dibutuhkan. Air yang ditampung dalam waduk dapat digunakan untuk

pembangkit listrik, irigasi, kebutuhan rumah tangga (cuci, mandi, dan minum),

mengendalikan banjir, dan untuk rekreasi. Beberapa bendungan dibangun dengan

tujuan untuk memenuhi fungsi lebih dari satu hal (multipurpose dam) (Imhof, 2006).

Sistem tata air waduk berbeda dengan danau alami. Pada waduk komponen air

umumnya telah direncanakan sehingga kedalaman, volume, luas, debit inflow dan

outflow dapat diketahui secara pasti. Waduk Wadaslintang mengalami penurunan

fungsi dan kinerja karena pendangkalan waduk akibat tingginya laju sedimentasi.

Grafik mengenai perubahan sedimentasi pada Waduk Wadaslintang dapat dilihat

pada gambar I.2.

6

Gambar I.2. Grafik sedimentasi Waduk Wadaslintang (BBWS Serayu Opak)

Proses sedimentasi meliputi erosi material tertentu karena terbawa angin atau

aliran air oleh sungai dan air hujan, kemudian material tersebut ditransportasi menuju

waduk. Seiring berjalannya waktu, waduk akan terisi oleh endapan sedimen, dan

akhirnya memadat pada dasar waduk. Semakin banyaknya endapan sedimen maka

waduk akan menjadi kurang efektif sehingga tidak dapat lagi beroperasi sebagaimana

yang direncanakan. Gambar I.3 mengilustrasikan pengumpulan sedimen di dalam

waduk.

Gambar I.3. Pengumpulan sedimentasi di dalam waduk (BBWS Serayu Opak)

Sedimentasi yang tinggi akan mempengaruhi perubahan kapasitas tampungan

waduk sehingga menyebabkan berkurangnya volume efektif waduk. Berikut ini

grafik yang memperlihatkan volume air waduk Wadaslintang.

2.930.000 3.220.260

24.382.193

27.227.182,40

0

5000000

10000000

15000000

20000000

25000000

30000000

1 2 3 41987 1993 2004 2013

Vo

lum

e (m

3)

7

Gambar I.4 menunjukkan grafik volume air Waduk Wadaslintang.

Gambar I.4. Grafik volume Waduk Wadaslintang (BBWS Serayu Opak)

Waduk Wadaslintang merupakan waduk yang dibangun di bagian hulu DAS

(Daerah Tangkapan Air) Wawar, sehingga keberadaan dan kondisi Waduk

Wadaslintang akan sangat berdampak pada daerah hilir. Perlu tindakan nyata untuk

melindungi kawasan waduk ini, salah satunya dengan melakukan penanaman

kembali pada kawasan sabuk hijau waduk.

I.7.2. Sabuk Hijau

Sabuk hijau (green belt) adalah Ruang Terbuka Hijau (RTH) yang memiliki

tujuan sebagai pemisah antara areal waduk dan area non waduk sekaligus sebagai

areal strategis sebagai penyangga keberadaan waduk untuk melindungi dari laju

sedimentasi yang menyebabkan pengdangkalan waduk.

Pembuatan sabuk hijau dimaksudkan untuk melindungi bendungan, waduk,

PLTA dan bangunan pelengkap lainnya, fungsi sabuk hijau (Asmoro, 2007), yaitu :

a. Mencegah erosi pada lereng sekitar waduk dan menahan lumpur yang memasuki

waduk.

b. Memperbaiki kualitas lingkungan dan dapat bermanfaat untuk pengembangan

pariwisata.

c. Menjaga kestabilan tanah lereng bukit, dan mengurangi tanah longsor di sekitar

waduk.

443.000.000,00 439.779.740,00

418.617.807,00 415.772.817,63

400000000.00

405000000.00

410000000.00

415000000.00

420000000.00

425000000.00

430000000.00

435000000.00

440000000.00

445000000.00

450000000.00

1 2 3 4

Vo

lum

e (m

3)

1987 1993 2004 2013

8

d. Dapat memberikan hasil budidaya hutan bagi masyarakat di sekitar waduk, seperti

buah-buahan, kayu bakar, rumput sebagai makanan ternak dan lain sebagainya.

Untuk menjamin fungsi waduk tetap optimal dan berkelanjutan, kegiatan

pengelolaan harus ditekankan pada upaya pengamanan dan penyelamatan waduk

serta daerah di sekitarnya. Pada Keppres 32 Tahun 1990 tentang Pengelolaan

Kawasan Lindung disebutkan bahwa kawasan sekitar danau/waduk adalah kawasan

tertentu di sekeliling danau/waduk yang memiliki manfaat penting untuk

mempertahankan kelestarian fungsi danau/waduk. Dinyatakan pula bahwa kriteria

kawasan sekitar danau/waduk adalah daratan sepanjang tepian danau/waduk yang

lebarnya proporsional dengan bentuk dan kondisi fisik danau/waduk antara 50-100

meter dari titik pasang tertinggi ke arah darat.

I.7.3. Penginderaan Jauh

Penginderaan jauh (remote sensing) merupakan ilmu dan seni untuk

memperoleh informasi mengenai suatu objek, daerah atau gejala dengan cara

menganalisis data yang diperoleh tanpa melakukan kontak langsung dengan objek

yang dikaji (Lillesand dkk, 2008). Citra penginderaan jauh menggambarkan objek di

permukaan bumi, dengan wujud dan letak objek yang mirip dengan wujud dan letak

objek di permukaan bumi dengan liputan yang luas.

Matahari memancarkan energinya ke segala arah dengan panjang gelombang

berbeda yang membentuk gelombang elektromagnetik. Gelombang elektromagnetik

diklasifikasikan menjadi spektrum dan saluran (band). Panjang gelombang

elektromagnetik berbeda-beda sehingga peka terhadap berbagai macam objek yang

ada di permukaan bumi. Spektrum gelombang elektromagnetik dapat dilihat pada

gambar I.5 berikut.

Gambar I.5. Spektrum gelombang elektromagnetik (Lillesand dkk, 2008)

9

Energi yang dipancarkan dalam bentuk gelombang elektromagnetik hanya

sebagian kecil yang masuk ke permukaan bumi dan sebagian besar tenaga

elektromagnetik dihamburkan, dipantulkan dan diserap oleh atmosfer. Energi yang

dapat mencapai permukaan bumi melalui celah-celah atmosfer disebut jendela

atmosfer. Tenaga yang terpancar maupun yang terpantul oleh objek mempunyai

peredaan pantulan dan panjang gelombang yang berbeda, karena tiap objek di

permukaan bumi mempunyai perbedaan tingkat kekerasan, kandungan air, mineral,

dan sebagainya, sehingga menunjukkan gambaran objek yang berbeda. Dalam

perekaman objek harus terjadi interaksi antara tenaga dan objek yang direkam.

Interaksi antara tenaga dan objek dalam sistem penginderaan jauh dapat dilihat pada

gambar I.6.

Gambar I.6. Sistem penginderaan jauh (Sutanto, 1994)

I.7.4. Satelit Landsat

Satelit Landsat (Land Satellite) merupakan satelit pengamatan bumi milik

Amerika yang diluncurkan oleh NASA (National Aeronautics and Space

Administration). Citra dari satelit Landsat telah banyak digunakan oleh pemerintah,

masyarakat, industri, maupun pendidikan di seluruh dunia. Citra landsat digunakan

untuk berbagai aplikasi, seperti pada bidang pertanian, kehutananan, pemetaan,

oseanografi, sumberdaya alam, dan penelitian perubahan iklim.

Satelit Landsat pertama kali diluncurkan pada tahun 1972 dengan nama ERTS-

1 (Earth Resource Technology Satellite), kemudian berganti nama menjadi Landsat

1. Seri satelit Landsat hingga saat ini telah sampai pada Landsat 8. Dari Landsat 1

10

sampai dengan Landsat 8 telah telah terjadi perubahan sensor sehingga satelit

Landsat dikelompokkan menjadi beberapa generasi. Generasi pertama terdiri dari

Landsat 1, Landsat 2, dan Landsat 3. Generasi kedua terdiri dari Landsat 4 dan

Landsat 5. Generasi ketiga terdiri dari Landsat 6, dan Landsat 7 ETM+, serta

generasi terakhir adalah Landsat 8 (U.S. Geological Survey). Waktu pengoperasian

satelit Landsat dapat dilihat pada tabel I.2.

Gambar I.7. Satelit Landsat (http://landsat.usgs.gov)

Tabel I.2. Waktu pengoperasian satelit Landsat (http://landsat.usgs.gov)

Satelit Landsat Waktu Beroperasi

Landsat 1 23 Juli 1972 - 6 Januari 1978

Landsat 2 22 Januari 1975 – 22 Januari 1981

Landsat 3 5 Maret 1978 – 31 Maret 1983

Landsat 4 16 Juli 1982 – 1993

Landsat 5 1 Maret 1984 – 26 Desember 2012

Landsat 6 5 Oktober 1993 - gagal mencapai orbit

Landsat 7 ETM+ 15 Desember 1999 – sekarang (mengalami kerusakan sejak

Mei 2003)

Landsat 8 11 Februari 2013 – sekarang

I.7.4.1. Satelit Landsat 7 ETM+. Landsat 7 ETM+ diluncurkan pada tanggal 15

Desember 1999 di Pangkalan udara Vandenberg, California. Bentuk satelit

Landsat 7 ETM+ dapat dilihat pada gambar I.8. Satelit ini dilengkapi dengan

instrumen ETM+ (Enhanced Thematic Mapper Plus) dengan resolusi 15 meter

untuk citra pankromatik dan 30 meter untuk citra multispektral pada kisaran

spektrum biru hingga inframerah tengah dan 60 meter untuk citra inframerah

termal. Saluran band citra Landsat 7 ETM+ disajikan pada tabel I.3.

11

Gambar I.8. Satelit Landsat 7 ETM+. (http://landsat.usgs.gov)

Tabel I.3. Saluran band Landsat 7 ETM+

Band Panjang gelombang

(mikrometer) Resolusi (meter)

Band 1 – Blue 0,45 – 0,52 30

Band 2 – Green 0,52 – 0,60 30

Band 3 – Red 0,63 – 0,69 30

Band 4 - Near Infrared (NIR) 0,77 – 0,90 30

Band 5 – SWIR 1 1,55 – 1,75 30

Band 6 - Thermal 10,40 – 12,50 60

Band 7 - SWIR 2 2,08 – 2,35 30

Band 8 - Panchromatic 0,52 – 0,90 15

Sejak 31 Mei 2003, sistem sensor Landsat 7 ETM+ mengalami

kerusakan berupa kegagalan pemindaian (Scan Line Correction, SLC),

sehingga data hasil pemindaian banyak yang hilang. Melalui sistem sensor

yang menggunakan SLC-off, diperoleh citra digital dengan baris yang

melompat – lompat, sehingga mengganggu pengamatan visual citra.

I.7.4.2. Satelit Landsat 8. Pada tanggal 11 Februari 2013, NASA meluncurkan

satelit Landsat Data Continuity Mission (LDCM) yang dikenal dengan Landsat

8. Bentuk satelit Landsat 8 dapat dilihat pada gambar I.9. Satelit ini dibawa

oleh roket ATLAS V yang diluncurkan dari Pangkalan udara Vandenberg,

California.

12

Gambar I.9. Satelit Landsat 8 (http://landsat.usgs.gov)

Landsat 8 terdiri dari 2 instrument yaitu OLI (Operational Land Imager)

dan TIRS (Thermal Infrared Sensor). Instrumen OLI (Operational Land

Imager) terdiri dari band yang ada pada Landsat 7 ETM+ sebelumnya,

ditambah dengan 3 band baru,yaitu band biru untuk studi wilayah

pesisir/aerosol, band inframerah gelombang pendek untuk mendeteksi awan

cirrus, dan band TIRS. TIRS (Thermal Infrared Sensor) memberikan 2 band

termal. Keduanya memberikan peningkatan sinyal terhadap noise sehingga

mendapatkan karakteristik yang lebih baik dari keadaan dan kondisi tutupan

lahan. Produk dikirim sebagai citra dengan 16 bit (65536 tingkat keabuan).

Tabel I.4 menyajikan saluran band citra Landsat 8.

Tabel I.4. Saluran band Landsat 8 (http://landsat.usgs.gov)

Band Panjang gelombang

(mikrometer)

Resolusi

(meter)

Band 1 - Coastal aerosol 0,43 – 0,45 30

Band 2 – Blue 0,45 – 0,51 30

Band 3 – Green 0,53 – 0,59 30

Band 4 – Red 0,64 – 0,67 30

Band 5 - Near Infrared (NIR) 0,85 – 0,88 30

Band 6 - SWIR 1 1,57 – 1,65 30

Band 7 - SWIR 2 2,11 – 2,29 30

Band 8 – Panchromatic 0,50 – 0,68 15

Band 9 – Cirrus 1,36 – 1,38 30

Band 10 - Thermal Infrared (TIRS) 1 10,60 – 11,19 100

Band 11 - Thermal Infrared (TIRS) 2 11,50 – 12,51 100

13

Karakteristik Landsat 8 hampir sama seperti Landsat 7 ETM+, baik

resolusi (spasial, spektral, dan temporal), metode koreksi, ketinggian terbang

maupun karakteristik sensor yang dibawa, hanya ada beberapa penyempurnaan

dari landsat 7 ETM+ seperti jumlah band, rentang spektrum, gelombang

elektromagnetik terendah yang dapat ditangkap oleh sensor dan nilai digital

number (bit) dari setiap piksel citra. Perbedaan karakteristik Landsat 7 ETM+

dan Landsat 8 dapat dilihat pada tabel I.5 dan I.6.

Tabel I.5. Perbedaan karakteristik Landsat 7 ETM+ dan Landsat 8

(http://landsat.usgs.gov)

Spesifikasi Landsat 7 ETM+ Landsat 8

Tinggi Orbit 705 km 705 km

Jenis Orbit Inklinasi 98.2,

Sun-synchronous

Inklinasi 98.2,

Sun-synchronous

Sensor ETM+ (Enhanced

Thematic Mapper)

OLI (Onboard Operational Land

Imager) + TIRS (Thermal Infrared

Sensor)

Luas Liputan per scene 185 km x 185 km 185 km x 185 km

Resolusi Temporal 16 hari 16 hari

Periode Orbit 99 menit 99 menit

Kuantitas Data 8 bitt ( 0 – 255) 16 bitt (0 – 65535)

Tabel I.6. Perbedaan band Landsat 7 ETM+ dan Landsat 8 (Markham, 2013)

Landsat 7 ETM+ Landsat 8

30 m Coastal/Aerosol 0,435-0,451 Band 1

Band 1 30 m Blue 0,441-0,514 30 m Blue 0,452-0,512 Band 2

Band 2 30 m Green 0,519-0,601 30 m Green 0,533-0,590 Band 3

Band 3 30 m Red 0,631-0,692 30 m Red 0,636-0,673 Band 4

Band 4 30 m NIR 0,772-0,898 30 m NIR 0,851-0,879 Band 5

Band 5 30 m SWIR-1 1,547-1,749 30 m SWIR-1 1,566-1,651 Band 6

Band 6 60 m TIR 10,31-12,36 100 m TIR-1 10,60-11,19 Band 10

100 m TIR-2 11,50-12,51 Band 11

Band 7 30 m SWIR-2 2,064-2,345 30 m SWIR-2 2,107-2,294 Band 7

Band 8 30 m Pan 0,515-0,896 15 m Pan 0,503-0,676 Band 8

30 m Cirrus 1,363-1,384 Band 9

Landsat 8 memiliki beberapa keunggulan khusus, banyaknya band

penyusun RGB komposit pada landsat 8 dan spesifikasi band baru yaitu band

1,9,10, dan 11, membuat warna objek menjadi lebih bervariasi. Band 1 (ultra

blue) dapat menangkap panjang gelombang elektromagnetik lebih rendah dari

14

pada band yang sama pada landsat 7 ETM+, sehingga lebih sensitif terhadap

perbedaan reflektan air laut atau aerosol. Band ini lebih unggul untuk

membedakan konsentrasi aerosol di atmosfer dan mengidentifikasi

karakteristik tampilan air laut pada kedalaman yang berbeda. Band 9 lebih

sensitif dalam mendeteksi awan cirrus. Band 10 dan 11 bermanfaat untuk

mendeteksi perbedaan suhu permukaan bumi dengan resolusi spasial 100 m.

Tingkat keabu-abuan (digital number) pada landsat 8 memiliki interval yang

lebih panjang yaitu 16 bit (0-65535) , dengan ini tampilan citra akan lebih

halus, baik pada citra multispektral maupun pankromatik serta dapat

mengurangi terjadinya kesalahan interpretasi objek-objek di permukaan bumi.

I.7.5. Koreksi Citra

Data penginderaan jauh digital merupakan data yang dapat diperoleh,

disimpan, dimanipulasi, dan ditampilkan dengan basis logika biner (Danoedoro,

2012). Prinsipnya adalah sensor yang terdapat pada satelit penginderaan jauh

merekam energi matahari yang dipancarkan oleh objek tertentu yang melewati

atmosfer, sehingga energi yang direkam sensor merupakan energi pantulan dan bias

atmosfer. Energi yang direkam sebagai sinyal energi analog kemudian dikonversi

menjadi nilai digital. Citra digital dibentuk oleh elemen piksel yang menyatakan

tingkat keabuan (Purwadhi, 2001). Tiap piksel terbentuk dalam baris dan kolom yang

menyajikan permukaan bumi. Posisi piksel diwujudkan dalam sistem koordinat x,y

dimulai dari kiri atas citra baris pertama dan kolom pertama.

Banyak faktor yang berpengaruh terhadap data citra satelit (sensor, kondisi

medan, kondisi atmosfer) sehingga diperlukan koreksi sebelum pengolahan citra

untuk memperoleh informasi yang lebih berkualitas. Pembagian kualitas citra

Landsat dibagi menjadi beberapa tipe (USGS, 2012), yaitu :

a. Level 0

Data citra masih dalam format aslinya, berupa data mentah (raw data)

yang belum terkoreksi radiometrik dan geometrik.

b. Level 1 Radiometrik (L1R)

Kesalahan radiometrik pada citra sudah dikoreksi, sedangkan kesalahan

geometriknya masih sama seperti pada level 0.

15

c. Level 1 Sistematik (L1G)

Kualitas data citra L1R sudah dikoreksi geometrik sistematik.

d. Level 1 GT

Merupakan produk L1R yang sudah mengalami koreksi geometrik dan

koreksi terain sesuai dengan proyeksi peta berdasarkan datum tertentu.

Level ini menggunakan faktor ephemeris wahana untuk mengkoreksi

serta mengontrol data ketinggian untuk mengkoreksi kesalahan paralak.

e. Level 1 Terain

Merupakan L1R yang koreksi geometriknya menggunakan GCP (Ground

Control Point) atau memiliki informasi posisi untuk transformasi citra

sesuai dengan proyeksi referensi datum tertentu. Data menggunakan

Digital Elevasi Model (DEM), sehingga sudah mengalami koreksi terain

untuk mengurangi efek relief displacement.

Citra penginderaan jauh hasil download perlu dilakukan koreksi sebelum

diproses lebih lanjut, agar diperoleh hasil yang akurat dan memberikan interpretasi

citra yang berkualitas.

I.7.5.1. Koreksi radiometrik. Koreksi radiometrik merupakan pembetulan

citra akibat kesalahan radiometrik, yaitu kesalahan yang berupa pergeseran

nilai keabu-abuan piksel pada citra, kesalahan tersebut dapat disebabkan oleh

(Purwadhi, 2001) :

1. Kesalahan optik yang disebabkan oleh bagian optik pembentuk citra

buram dan perubahan kekuatan sinyal.

2. Kesalahan karena ganguan energi radiasi elektromagnetik pada

atmosfer yang disebabkan oleh pengaruh hamburan dan serapan,

respon amplitudo yang tidak linear, dan terjadinya bising (noise) pada

waktu transmisi data.

3. Kesalahan karena pengaruh sudut elevasi matahari, menyebabkan

perubahan pencahayaan pada permukaan bumi karena sifat dan

kepekaan objek dalam menerima tenaga dari luar tidak sama,

perubahan radiasi dari permukaan objek karena perubahan sudut

pengamatan sensor.

16

Koreksi radiometrik diperlukan untuk memperbaiki kualitas visual citra

dan memperbaiki nilai piksel yang tidak sesuai dengan nilai pantulan objek

yang sebenarnya. Salah satu koreksi radiometrik adalah penyesuaian histogram

(histogram adjustment). Metode ini mengasumsikan bahwa dalam proses

koding digital diperoleh respon spektral akan memberikan nilai 0 (null value)

pada respon yang paling lemah. Apabila nilai ini ternyata lebih dari 0 maka

nilai tersebut dihitung sebagai offset, dan koreksi dilakukan dengan

mengurangi seluruh nilai pada saluran tersebut dengan nilai offset-nya.

Besarnya offset dipandang sebagai pengaruh gangguan atmosfer (Danoedoro,

2012).

I.7.5.2. Koreksi geometrik. Menurut Mather (2004), koreksi geometrik adalah

transformasi citra penginderaan jauh sehingga citra tersebut memiliki sifat,

bentuk, skala, dan proyeksi peta. Koreksi geometrik ada dua macam, yaitu :

1. Koreksi geometrik sistematik

Kesalahan geometrik sistematik disebabkan karena kesalahan

sensor dan diperlukan informasi mengenai sensor dan data ephemeris

saat pemotretan untuk mengkoreksinya. Dilakukan pembetulan dan

penempatan kembali posisi piksel, sehingga pada citra yang

ditransformasi terlihat gambaran objek permukaan bumi yang terekam

sensor. Transformasi ini diterapkan pada citra mentah (raw data) dan

dapat mengubah bentuk kerangka liputan dari bujur sangkar menjadi

jajaran genjang.

2. Koreksi geometrik non-sistematik.

Kesalahan geometrik non-sistematik disebabkan oleh orbit,

perilaku satelit, dan efek rotasi bumi. Diperlukan titik kontrol tanah atau

GCP (Ground Control Point) yang permanen dan tersebar merata untuk

mengkoreksinya. GCP adalah suatu lokasi titik di permukaan bumi yang

dapat diindentifikasi dengan menyesuaikan koordinat piksel pada citra

dengan koordinat objek yang sama pada peta (Jensen, 2004). Dengan

GCP, analisis citra memperoleh dua himpunan data lokasi, yaitu

koordinat piksel pada citra yang dinyatakan dalam baris dan kolom, serta

17

koordinat peta yang dinyatakan dalam x dan y, dapat berbentuk lintang

bujur, maupun dalam satuan meter pada sistem proyeksi tertentu.

Berdasarkan titik-titik ini transformasi koordinat dapat diperoleh

sehingga citra yang akan dikoreksi dapat dirubah proyeksinya mengikuti

sistem proyeksi koordinat referensi. Kegiatan yang dilakukan untuk

menghasilkan citra yang terkoreksi geometrik memerlukan tahapan

berikut :

a). Transformasi Koordinat

Koreksi geometrik menggunakan transformasi 2D dengan

menggunakan persamaan polynomial. Transformasi polynomial

dapat dilihat pada rumus berikut (Jensen, 2004) :

Xcitra = a0 + a1. Xpeta + a2.Ypeta...................... ...... (1.1)

Ycitra = b0 + b1. Xpeta + b2.Ypeta.................. ......... (1.2)

Keterangan :

Xpeta, Ypeta : posisi objek pada koordinat peta

Xcitra, Ycitra : posisi objek pada koordinat citra

a0,a1,a2,b0,b1,b2 : parameter transformasi

b). Resampling

Resampling merupakan proses penentuan kembali nilai piksel

sehubungan dengan koordinat baru setelah transformasi koordinat.

Pelaksanaannya dilakukan dengan proses transformasi dari suatu

sistem koordinat ke suatu sistem koordinat lainnya (Purwadhi,

2001).

Ada 3 metode dalam melakukan resampling, yaitu nearest

neighbour, bilinear, dan cubic convolution. Dalam penelitian ini

yang digunakan adalah metode interpolasi nearest neighbour atau

interpolasi tetangga terdekat, yaitu nilai keabuan piksel terbaru

ditentukan berdasarkan nilai piksel tetangga yang paling dekat.

Metode ini merupakan metode yang paling sederhana dan tidak

menyebabkan perubahan nilai piksel selama proses resampling.

18

Pengecekan ketepatan pada titik GCP perlu dilakukan untuk

mengetahui tingkat akurasinya. Pengecekan akurasi ini dilakukan dengan

menghitung kesalahan RMSE (Root Mean Square Error) dari titik

kontrol yang dipilih. Nilai RMSE diusahakan kecil dan tidak lebih dari 1

piksel. Semakin kecil nilai RMSE maka semakin teliti dalam menentuan

titik GCP pada citra. Algoritma perhitungan RMSE dihitung dengan

persamaan (Jensen, 1996 dalam Harintaka dan Sumarno, 2002):

RMSE = √ ....................................... (2)

Keterangan :

x’, y’ : nilai piksel yang dianggap benar dari citra acuan (base image)

x, y : nilai piksel prediksi yang dihasilkan pada citra

I.7.6. Penggunaan Lahan

Menurut Lillesand dkk (2008) penggunaan lahan (land use) berkaitan dengan

jenis kegiatan manusia pada bidang lahan tertentu, sedangkan penutup lahan (land

cover) berkaitan dengan jenis kenampakkan yang ada di permukaan bumi.

Penggunaan lahan memperlihatkan setiap bentuk campur tangan manusia terhadap

lahan untuk memenuhi kebutuhan hidup. Informasi penggunaan lahan antara lain

dapat digunakan sebagai dasar pembuatan rencana tata ruang. Pada data

penginderaan jauh, informasi mengenai penutupan lahan umumnya mudah dikenali,

sedangkan informasi penggunaan lahan tidak selalu dapat ditafsirkan secara langsung

oleh citra akan tetapi perlu dideteksi terlebih dahulu dari kenampakkan penutupan

lahan, kemudian dilakukan kegiatan survey lapangan untuk pengecekkan (Ahmada,

2013).

I.7.7. Skema Klasifikasi

Skema klasifikasi adalah pemilihan kategori penggunaan lahan yang akan

digunakan untuk mengelompokkan nilai piksel ke dalam kelas tertentu. Skema

klasifikasi menurut USGS (1976) disajikan pada tabel I.7.

19

Tabel I.7. Skema klasifikasi penggunaan lahan menurut USGS

LEVEL I LEVEL II

1. Urban or built-up land 1.1 Residental

1.2 Commercial and Services

1.3 Transportation, communications and utilities

1.4 Industrial and commercial complexes

1.5 Mixed and commercial complexes

1.6 Mixed urban or built-up land

1.7 Other urban or built-up land

2. Agricultural land 2.1 Croplands and pasture

2.2 Orchard, groves, vineyards, nurseries, and

ornamental holticultural areas

2.3 Confined feedings operations

2.4 Other agricultural land

3. Range land 3.1 Herbaceous range land

3.2 Shrub-brusland rangeland

3.3 Mixed rangeland

4. Forest land 4.1 Deciduous forest land

4.2 Evergreen forest land

4.3 Mixed forest land

5. Water 5.1 Stream and canal

5.2 Lakes

5.3 Reservoirs

5.4 Bays and estuaries

6. Wet land 6.1 Forested wet land

6.2 Nonforested wet land

7. Barren land 7.1 Dry salt flats

7.2 Beaches

7.3 Sandy areas other than beaches

7.4 Bare exposed rock

7.5 Strip mines, quarries, and gravel pits

7.6 Transitional areas

7.7 Mixed barren land

8. Tundra 8.1 Shrub and brush tundra

8.2 Herbaceous tundra

8.3 Bare ground tundra

8.4 Wet tundra

8.5 Mixed tundra

9. Perennial snow or ice 9.1 Perennial snowfields

9.2 Glaciers

Penentuan kelas tergantung pada citra daerah penelitian karena tidak semua

kelas yang ada dapat diklasifikasikan, maka pada penelitian ini menggunakan skema

klasifikasi dengan modifikasi, seperti yang terlihat pada tabel I.8.

20

Tabel. I.8. Pemilihan skema klasifikasi

LEVEL I Modifikasi Kelas

1. Urban or built-up land 1. tanah terbangun

2. Agricultural land 2. kebun

3. tegalan

4. sawah

3. Range land 5. semak belukar

4. Forest land 6. hutan

5. Water 7. tubuh air

I.7.8. Klasifikasi Digital

Klasifikasi citra adalah proses pengelompokkan piksel ke dalam kelas tertentu

atau kategori yang telah ditentukan berdasarkan nilai kecerahan (brightness value/

BV) piksel yang bersangkutan. Tujuan klasifikasi citra secara digital adalah untuk

melakukan pengelompokkan secara otomatis dari setiap piksel ke kelas tertentu.

Menurut Danoedoro (2012), Klasifikasi citra multispektral dapat dibedakan menjadi

dua jenis berdasarkan tingkat otomasinya, yaitu klasifikasi terkontrol (supervised

classification) dan klasifikasi tidak terkontrol (unsupervised classification).

Klasifikasi digital yang dipakai pada penelitian ini adalah klasifikasi terkontrol

(supervised classification) yang membagi kelas objek berdasarkan nilai piksel

sampel dari tiap kelas. Klasifikasi terkontrol memerlukan training area atau daerah

contoh. Proses klasifikasi terkontrol dengan metode yang berbeda akan mendasarkan

perhitungan kedekatan nilai piksel terhadap kelas tertentu dengan algoritma dan

dasar statistik yang berbeda. Ada tiga metode klasifikasi digital (Djurdjani dan

Kartini, 2004), yaitu :

a. Klasifikasi jarak minimum rata-rata kelas (minimum distance)

Merupakan salah satu metode yang paling sederhana, yaitu dengan cara

menentukan keanggotaan suatu pixel pada kelas tertentu yang dapat

diketahui dengan menghitung jarak terpendek terhadap nilai rata-ratanya.

Rumus yang dipakai adalah (Danoedoro, 2012):

Jarak = √∑ ................................................. (3)

Keterangan :

= jumlah saluran

= saluran tertentu

21

= kelas obyek tertentu

= vektor piksel pada saluran k

= nilai rerata vektor piksel kelas c di saluran k

b. Klasifikasi Paralellepiped

Proses klasifikasi dilakukan dengan cara memperhitungkan kisaran nilai

digital dari masing-masing rangkaian kategori nilai piksel daerah contoh.

Kisaran nilai piksel tertinggi dan terendah dimasukkan dalam bentuk empat

persegi panjang yang merupakan batas kelas yang diuji.

Rumus yang dipakai adalah :

≤ ≤ ....................................................... (4)

Bila dipenuhi, piksel yang bersangkutan termasuk kelas c

= - batas bawah ..................................... (5)

= + batas atas .......................................... (6)

Keterangan :

= kelas yang akan ditentukan

= nomor band citra

= nilai rerata

= nilai standart deviasi

c. Klasifikasi Maximum Likelihood

Kegiatan penelitian ini mengfokuskan klasifikasi penggunaan lahan pada

metode klasifikasi terkontrol dengan persamaan maximum likelihood.

Algoritma maximum likelihood secara statistik dikatakan sebagai algoritma

yang paling mapan karena mendasarkan perhitungan kemiripan setiap

piksel dengan asumsi bahwa objek homogen selalu menampilkan histogram

yang terdistribusi normal. Piksel diklasifikasikan sebagai kelas tertentu

bukan karena jarak eklidiannya, melainkan karena bentuk, ukuran, dan

orientasi sampel berupa elipsoida. Ukuran elipsoida ditentukan oleh

variansi pada tiap saluran, sedangkan bentuk dan orientasi elipsoida

ditentukan oleh kovariannya (Danoedoro, 2012). Ketentuan yang dipakai

adalah:

= { 0,5 Ln (det Vc)} – {0,5 (X- µc)T Vc

-1 (X- µc)} ........... (7)

22

Maka piksel yang bersangkutan termasuk kelas c.

Keterangan :

= jarak suatu kelas tertentu yang diberi bobot

= suatu kelas tertentu

X = vektor piksel yang diklasifikasi

µc = vektor rerata sampel kelas c

Vc = matriks kovarian piksel-piksel pada sampel kelas c

I.7.8.1. Training area. Pelaksanaan klasifikasi terkontrol (Supervised

Classification) memerlukan proses penentuan training area atau daerah contoh

sebelum dilakukan klasifikasi. Penentuan training area dilakukan berdasarkan

data pendukung lain berupa data lapangan, data penggunaan lahan, ataupun

data foto udara. Training area dipilih pada lokasi yang menyebar pada citra.

Pemilihan training area yang benar akan mempengaruhi kualitas hasil

klasifikasi (Djurdjani dan Kartini, 2004).

I.7.8.2. Hitungan statistik training area. Setelah training area ditentukan

batasnya kemudian dilakukan hitungan statistik terhadap training area

tersebut. Hasil hitungan statistik meliputi nilai statistik tunggal (univariate

statistic) yang terdiri dari mean, nilai maksimum, nilai minimum, standar

deviasi, serta varian dan nilai statistik citra banyak (multivariate statistic) yang

terdiri dari varian kovarian serta korelasi antar band (Djurdjani dan Kartini,

2004). Rumus untuk menghitung nilai statistik adalah sebagai berikut :

Mean (µk) = ∑

.............................................. (8)

Varian populasi (Vark) = ∑

.................................... (9)

Varian sampel (Vark) = ∑

.................................... (10)

Simpangan baku (Sk) = √ ................................................ (11)

Kovarian band k dan band l (covkl) = ∑

... (12)

Korelasi band k dan band l (rkl) =

................................ (13)

23

Keterangan :

BV = nilai keabuan/nilai digital

n = jumlah piksel tiap band

I.7.8.3. Uji indeks separabilitas. Pemilihan training area akan berpengaruh

terhadap akurasi hasil klasifikasi. Evaluasi tingkat separabilitas sampel dapat

dilakukan metode pengukuran jarak Jeffries-Matusita (JM). Nilai yang

dihasilkan dari evaluasi tersebut berkisar antara 0 sampai 2. Nilai indeks yang

lebih dari 1,9 (mendekati 2) memiliki arti bahwa sampel memiliki separabilitas

(keterpisahan) yang baik. Apabila nilai seperabilitas kurang dari 1, maka

sampel tersebut harus dikelompokkan menjadi satu kelas, karena

separabilitasnya buruk.

I.7.9. Uji Ketelitian Klasifikasi

Uji ketelitian klasifikasi bertujuan untuk memperoleh nilai kedekatan hasil

klasifikasi dengan data ukuran sebenarnya. Uji ketelitian ini dilakukan agar dapat

diketahui tingkat kepercayaan terhadap pemakaian hasil klasifikasi untuk analisis dan

keperluan berikutnya. Menurut Sutanto (1994) metode uji ketelitian klasifikasi dapat

menggunakan point sampling accuracy dengan tahapan sebagai berikut :

1. Melakukan pengecekan lapangan pada beberapa titik uji/sampel yang

dipilih dari setiap kelas objek.

2. Menilai kecocokan hasil klasifikasi dengan kondisi sebenarnya di lapangan

3. Membuat matrik perhitungan setiap kesalahan (confusion matrix) pada

kelas objek hasil klasifikasi sehingga diketahui tingkat ketelitiannya.

Ketelitian analisis dibuat dalam beberapa kelas X yang dihitung dengan

rumus (Short dan Nicholas, 1982) :

MA =

................................................... (14)

Keterangan :

MA = ketelitian klasifikasi (Map Accuracy)

Xcr = jumlah piksel kelas yang benar (Correct)

Xo = jumlah piksel kelas X yang masuk kelas lain (Ommision)

Xco = jumlah piksel kelas X tambahan dari kelas lain (Commision)

24

Akurasi hasil identifikasi diuji menggunakan tabel matrik konfusi (confusion

matriks). Tabel matrik konfusi merupakan derivasi dari penjumlahan omisi, komisi,

dan keseluruhan penelitian pemetaan (Short dan Nicholas, 1982). Omisi adalah

jumlah kesalahan interpretasi dari objek X dibagi jumlah seluruh objek yang

diinterpretasi. Komisi adalah jumlah objek lain yang diinterpretasikan sebagai objek

X dibagi jumlah seluruh objek yang diinterpretasi. Tabel tersebut juga memberikan

informasi nilai akurasi keseluruhan (overall accuracy) masing-masing kelas. Nilai

overall accuracy minimal untuk memenuhi syarat batas penentuan hasil klasifikasi

diterima atau tidak adalah ≥ 85% (Short dan Nicholas, 1982). Overall accuracy

menunjukkan banyaknya jumlah piksel yang terklasifikasi secara benar pada tiap

kelas dibanding jumlah sampel yang digunakan untuk uji akurasi pada semua kelas.

Rumus untuk menghitung overall accuracy, dinyatakan sebagai berikut :

overall accuracy

................................................. (15)

Keterangan :

diagonal = banyaknya jumlah piksel yang terklasifikasi secara benar pada

tiap kelas

= jumlah sampel yang digunakan untuk uji akurasi pada semua

kelas

Dihitung pula nilai user accuracy dan procedure accurracy. User accuracy

adalah nilai yang menyatakan jumlah piksel pada suatu kelas klasifikasi, merupakan

nilai yang sesuai dengan kondisi di lapangan. Procedure accurracy merupakan nilai

yang menyatakan jumlah data lapangan yang telah terklasifikasi secara benar pada

suatu kelas klasifikasi.

Skema sampling digunakan untuk menentukan titik uji atau sampelnya.

Menurut Congalton (1999) sampling acak sederhana (simple random sampling)

menyajikan hasil yang memuaskan. Pada sampling ini, setiap unit sampel dalam

studi area memiliki kesempatan yang sama untuk dipilih. Keuntungan utama dari

sampling acak sederhana ini adalah sifat statistik yang baik dari hasil pemilihan

secara acak. Melalui sampling ini diharapkan sampel training area dapat mewakili

semua kelas yang ada, sehingga tidak ada kelas yang terabaikan. Conglaton dan

Green (1999) merekomendasikan jumlah titik sampel untuk setiap kategori

25

penggunaan lahan adalah 50 titik. Akan tetapi apabila wilayah pengamatan cukup

besar misalnya lebih dari satu juta are atau 400 ribu ha, atau kelas penggunaan lahan

yang ada pada daerah kajian cukup banyak (lebih dari 12 kelas) , maka jumlah titik

sample ditingkatkan menjadi 75 hingga 100 titik sampel per kategori.

I.7.10. Analisis Perubahan Penggunaan Lahan

Perubahan penggunaan lahan merupakan proses mengidentifikasi perubahan

suatu obyek atau fenomena dengan membandingkan antara citra digital yang direkam

dalam waktu yang berbeda. Perubahan pada citra yang berbeda waktu tidak hanya

mengimplikasikan perbedaan dalam karakteristik unsur di permukaan bumi, tetapi

juga dapat mencerminkan variasi normal yang belum terkarakteristikkan dan dapat

diketahui pada suatu periode waktu ke waktu berikutnya (Ahmada, 2013).

Berdasarkan hasil klasifikasi citra multi temporal kemudian dilakukan analisis

perubahan penggunaan lahan dengan cara melakukan teknik pengurangan (Image

differencing) . Dengan cara ini, luas perubahan penggunaan lahan di kawasan Waduk

Wadaslintang dapat diketahui. Rumus yang digunakan dalam teknik ini adalah :

BVbaru = BVt1 – BVt2 ............................................................................... (16)

Keterangan :

BV = nilai keabuan

t1 = waktu perekaman 1

t2 = waktu perekaman 2

1.8. Hipotesis

Hipotesis dalam penelitian ini adalah terjadi perubahan penggunaan lahan di

kawasan sabuk hijau Waduk Wadaslintang. Berkurangnya lahan hutan sebagai

pelindung waduk akan berpengaruh terhadap bertambahnya sedimentasi di dasar

waduk.

26

27

BAB II

PELAKSANAAN

II.1. Persiapan

Persiapan dalam hal ini meliputi segala aktivitas yang bersangkutan dengan

pelaksanaan penelitian, seperti studi literatur, penentuan lokasi penelitian dan

persiapan peralatan penelitian.

II.1.1. Bahan Penelitian

a. Citra Landsat 8 tanggal 24 Juni 2013 dari situs earthexplorer.usgs.gov

sebagai citra yang akan diekstraksi informasinya.

b. Citra Landsat 7 ETM+ tanggal 1 Juli 2001 dari situs

earthexplorer.usgs.gov sebagai citra pembanding yang akan diekstraksi

informasinya.

c. Peta Rupa Bumi Indonesia skala 1: 25.000 dari Badan Informasi

Geopasial tahun 2003 untuk menentukan titik kontrol.

II.1.2. Peralatan

Peralatan –peralatan yang digunakan untuk penelitian ini adalah

A. Perangkat keras, terdiri dari :

a. Kamera Digital SLR Nikon D3000, untuk pengambilan foto di lapangan.

b. GPS Handheld Garmin E-Trex HVX, digunakan untuk alat bantu

penentuan titik uji lapangan.

c. Laptop ASUS Processor Intel Core i3, RAM 2 GB, Sistem windows 7

Ultimate – 64 bit, untuk mengolah data.

d. Printer Canon Pixma iP2880, untuk mencetak hasil peta dan laporan.

B. Perangkat lunak, terdiri dari :

a. ENVI 5.0, untuk pengolahan citra digital.

b. ArcGIS 10.0, untuk pengolahan data vektor

c. Microsoft Office 2010, untuk penulisan laporan penelitian.

d. Microsoft Excel 2010, untuk membantu dalam proses perhitungan.

e. Google Earth, membantu dalam menentukan training area.

27

II.2. Pelaksanaan

Tahapan pelaksanaan disajikan dalam diagram alir berikut ini :

Pre

-Pro

cess

ing

Mulai

Peta Rupa Bumi Indonesia

Skala 1 : 25.000

Image to image registration

Tid

ak

Citra Landsat 7 ETM+

Tahun 2001

Komposit citra Landsat 7 ETM+

band 743

Koreksi radiometrik

Koreksi geometrik

Cropping citra 2001

RMSE <

1 piksel

Ya

Tid

ak

Komposit citra Landsat 8

band 754

Citra Landsat 8

Tahun 2013

Koreksi radiometrik

Koreksi geometrik

Cropping citra 2013

RMSE <

1 piksel

Ya

Tid

ak

Ya Ya

A

Citra hasil

klasifikasi 2013

Pemilihan skema klasifikasi

Penentuan training area

Klasifikasi digital

(Supervised Classification)

Uji hasil klasifikasi

(Confusion Matrix)

Akurasi

≥ 85 %

Pemilihan skema klasifikasi

Penentuan training area

Klasifikasi digital

(Supervised Classification)

Citra hasil

klasifikasi 2001

Uji hasil klasifikasi

(Confusion Matrix)

Akurasi

≥ 85 %

- Citra Google Earth

- Survey Lapangan

Skema klasifikasi

penggunaan lahan:

1. Tanah terbangun

2. Kebun

3. Tubuh air

4. Ladang/tegalan

5. Semak belukar

6. Sawah

7. Hutan

Maximum Likelihood

Pro

ces

sin

g

Gambar II.1. Diagram alir pelaksanaan penelitian

Tid

ak

28

Gambar II.2. Diagram alir pelaksanaan penelitian (lanjutan)

II.2.1. Tahapan Pre-Processing

Tahapan pre-processing (pra pengolahan citra) merupakan tahapan

pengolahan citra penginderaan jauh sebelum dilakukan interpretasi untuk

menghasilkan data penggunaan lahan, tahapan ini terdiri dari :

II.2.1.1. Persiapan

Tahapan ini adalah tahap paling awal yang dilakukan sebelum

melakukan proses penelitian. Hal yang dilakukan dalam tahapan persiapan ini

adalah melakukan studi pustaka dan mempersiapan alat untuk mendukung

penelitian seperti kamera SLR, laptop, printer, GPS handheld, serta

penginstalan software yang dibutuhkan yaitu ENVI 5.0 dan ArcGIS 10.0.

Tahapan ini menjadi sangat penting, dikarenakan kualitasnya akan menentukan

tahap-tahap berikutnya. Oleh karena itu, tahapan persiapan ini perlu dilakukan

dengan baik, sistematis dan menyeluruh.

II.2.1.2. Pengumpulan data

Pada tahap pengumpulan data dilakukan pengunduhan citra satelit

Landsat, pemilihan titik GCP menggunakan peta Rupa Bumi Indonesia untuk

melakukan transformasi citra, dan penentuan titik sampel untuk pengujian peta

penggunaan lahan menggunakan GPS handheld.

Selesai

Citra penggunaan

lahan tahun 2013

Citra penggunaan

lahan tahun 2001

A

Analisis perubahan penggunaan

lahan tahun 2001 - 2013

Analisis perubahan sabuk hijau

tahun 2001 - 2013

Po

st-P

roce

ssin

g

29

II.2.1.2.1. Citra Satelit Landsat 7 ETM+ dan Landsat 8. Citra satelit yang

digunakan untuk penelitian ini adalah citra Landsat 7 ETM+ tanggal 1

Juli 2001 dan Landsat 8 tanggal 24 Juni 2013, path 120 dan row 65 yang

diperoleh dengan cara download pada situs www.earthexplorer.usgs.gov.

Citra yang diperoleh dari proses downloading memiliki ekstensi *.rar,

sehingga perlu diekstrak terlebih dahulu sebelum dilakukan pengolahan.

Satu paket citra berisi jumlah band berformat *.TIFF beserta

metadatanya. Landsat 7 ETM+ terdiri dari 8 band dan Landsat 8 terdiri

dari 11 band. Metadata citra Landsat dapat dilihat pada lampiran A.

Gambar II.3. Isi satu paket citra Landsat 8 hasil downloading

II.2.1.2.2. Pemilihan titik kontrol pada peta Rupa Bumi Indonesia. Titik

kontrol ( titik GCP ) yang digunakan untuk transformasi citra memiliki

sifat yang permanen, posisinya tetap, dan mudah dilihat, misalnya berupa

bangunan atau jalan. Titik kontrol dipilih dengan objek sama pada kedua

citra.

II.2.1.2.3. Penentuan titik sampel di lapangan. Pengumpulan titik sampel

di lapangan dilakukan untuk uji akurasi peta penggunaan lahan yang

akan dibuat dengan citra landsat. Pengumpulan titik sampel ini

menggunakan GPS handheld Garmin E-Trex HVX disertai dengan

pengambilan foto lokasi titik sampel dengan menggunakan kamera SLR

Nikon D3000.

II.2.1.3. Komposit citra multispektral

Pembuatan citra komposit bertujuan untuk menghasilkan citra

multispektral dengan kombinasi tiga buah saluran yaitu Red (merah), Green

30

(hijau), dan Blue (biru). Komposit citra multispektral berfungsi untuk

meningkatkan kualitas visual citra sehingga mudah untuk diinterpretasi.

Pembuatan komposit citra dilakukan dengan menggabungkan band menjadi

satu kesatuan melalui proses staking layer pada software ENVI 5.0. Langkah

kerja pengolahan citra dapat dilihat pada lampiran G.

`

a. Panggabungan band 743 pada citra Landsat 7 ETM+

b. Penggabungan band 754 pada citra Landsat 8

Gambar II.4. Penggabungan band

Komposit Band Landsat 7 ETM+

Red : Band 7

Green : Band 4

Blue : Band 3

Komposit Band Landsat 8

Red : Band 7

Green : Band 5

Blue : Band 4

31

II.2.1.4. Koreksi radiometrik citra

Koreksi radiometrik lebih dipengaruhi oleh adanya kesalahan pada

sistem optik (internal optik), yaitu berupa gangguan radiasi elektromagnetik

pada atmosfer (atmosferik error) dan kesalahan karena pengaruh sudut

matahari/topografi (external error).

Koreksi radiometrik dilakukan dengan melakukan koreksi atmosferik.

Koreksi atmosferik dilakukan dengan penyesuaian histogram (histogram

adjustment). Metode ini mengasumsikan bahwa dalam proses koding digital

diperoleh respon spektral akan memberikan nilai 0 pada respon yang paling

lemah. Apabila nilai ini ternyata lebih dari 0 maka nilai tersebut dihitung

sebagai offset, dan koreksi dilakukan dengan mengurangi seluruh nilai pada

saluran tersebut dengan nilai offsetnya. Besarnya offset dipandang sebagai

pengaruh gangguan atmosfer. Respon spektral dari citra dapat dilihat pada data

statistik citra. Gambar II.5 menunjukkan data statistik citra. Data statistik citra

secara lengkap dapat dilihat pada lampiran B.

a. Data statistik citra Landsat 7 ETM+ b. Data statistik citra Landsat 8

tahun 2001 tahun 2013

Gambar II.5. Data statistik citra

Pada respon spektral minimum di atas terlihat nilainya 0 pada semua

band baik pada citra Landsat 8 maupun Landsat 7 ETM+. Hal ini dikarenakan

citra hasil download bertipe LT1, yaitu sudah terkoreksi secara radiometrik,

32

geometrik dan koreksi kondisi terain. Walaupun citra sudah terkoreksi secara

geometrik, perlu dilakukan koreksi geometrik kembali untuk transformasi citra

agar sesuai dengan sistem referensi yang akan digunakan, yaitu sistem proyeksi

UTM datum WGS-84 dengan zone 49 S.

II.2.1.5. Koreksi geometrik citra

Koreksi geometrik bertujuan untuk memperbaiki posisi objek yang

tampak pada citra agar sesuai dengan kondisi di lapangan. Koreksi geometrik

yang dilakukan adalah nonsistematik, yaitu mengubah koordinat citra satelit ke

posisi baru berdasarkan data koordinat titik kontrol yang ada di lapangan

maupun pada peta Rupa Bumi Indonesia (RBI). Koreksi geometrik terdiri dari

dua tahap, yaitu interpolasi spasial dan interpolasi intensitas. Interpolasi spasial

intinya menyamakan kedudukan posisi piksel dilapangan dengan posisi piksel

pada citra, baik dengan cara menyamakan GCP pada peta, lapangan maupun

citra yang telah terkoreksi. Sedangkan interpolasi intensitas merupakan

penyesuaian nilai spektral akibat perubahan posisi piksel (resampling). Pada

penelitian ini menggunakan interpolasi nearest neighbor, untuk mengurangi

perubahan nilai piksel yang terjadi saat proses resampling. Diharapkan dengan

adanya koreksi geometrik ini citra yang dihasilkan akan mendekati kondisi data

dilapangan saat perekaman.

II.2.1.5.1.Koreksi geometri dengan transformasi citra tahun 2013 ke peta.

Transformasi citra ke peta

(Image to Map) menggunakan

prinsip bahwa peta mempunyai

sistem proyeksi dan koordinat

yang lebih benar sehingga dapat

diacu oleh citra. Proses koreksi

ini dimulai dengan memilih

pasangan titik yang sama antara

koordinat pada citra (baris dan

kolom) dan pada peta (x dan y).

Gambar II.6. Koreksi geometrik citra ke peta

33

Tabel II.1. Koordinat GCP Image to Map

No Koordinat

Peta (m)

Gambar pada

Peta

Koordinat

Citra (piksel)

Gambar pada

citra

1. X:

Y:

330757,344

9232089,462

x:

y:

1676,76

2598,51

2. X:

Y:

312574,702

9175242,995

x:

y:

1070,64

4493,41

3. X:

Y:

291960,068

9156478,058

x:

y:

383,51

5118,89

4. X:

Y:

409073,594

9237437,703

x:

y:

4287,29

2420,25

5. X:

Y:

434790,242

9231157,353

x:

y:

5144,51

2629,59

6. X:

Y:

464194,559

9270728,800

x:

y:

6124,64

1310,53

34

No Koordinat

Peta (m)

Gambar pada

Peta

Koordinat

Citra (piksel)

Gambar pada

citra

7. X:

Y:

480339,318

9212505,453

x:

y:

6662,81

3251,31

8. X:

Y:

451159,040

9124935,342

x:

y:

5690,14

6170,33

9. X:

Y:

366557,635

9158462,467

x:

y:

2870,08

5052,75

10. X:

Y:

368486,105

9165159,338

x:

y:

2934,37

4829,52

11. X:

Y:

414046,017

9172514,642

x:

y:

4453,04

4584,34

12. X:

Y:

322625,482

9176557,827

x:

y:

1405,68

4449,58

Tabel II.2. Koordinat GCP Image to Map (lanjutan I)

35

No Koordinat

Peta (m)

Gambar pada

Peta

Koordinat

Citra (piksel)

Gambar pada

citra

13. X:

Y:

380324,317

9149383,080

x:

y:

3328,97

5355,40

14. X:

Y:

326790,943

9147660,862

x:

y:

1544,55

5412,79

15. X:

Y:

468631,147

9166270,923

x:

y:

6272,54

4792,46

Berikut ini tabel hasil RMS Error transformasi citra Landsat 8 tahun 2013

dengan acuan peta rupa bumi Indonesia.

Tabel II.4. Nilai RMS Error transformasi citra 2013 ke peta rupa bumi Indonesia

No Map X (m) Map Y (m) Image X (piksel) Image Y (piksel) RMS (piksel)

1. 330757,34 9232089,46 1676,76 2598,51 0,0115

2. 312574,32 9175242,80 1070,64 4493,41 0,0103

3. 291960,07 9156478,06 383,51 5118,89 0,0065

4. 409073,59 9237437,70 4287,29 2420,25 0,0093

5. 434790,24 9231157,35 5144,51 2629,59 0,0063

6. 464194,56 9270728,80 6124,64 1310,53 0,0048

7. 480339,32 9212505,44 6662,81 3251,31 0,0053

8. 451159,04 9124935,34 5690,14 6170,33 0,0064

9. 366557,64 9158462,47 2870,08 5052,75 0,0101

10. 368486,10 9165159,34 2934,37 4829,52 0,0027

11. 414046,02 9172514,64 4453,04 4584,34 0,0057

12. 322625,48 9176557,83 1405,68 4449,58 0,0120

13. 380324,32 9149383,08 3328,97 5355,40 0,0103

14. 326790,94 9147660,86 1544,55 5412,79 0,0201

15. 468631,15 9166270,92 6272,54 4792,46 0,0088

Tabel II.3. Koordinat GCP Image to Map (lanjutan II)

36

II.2.1.5.2. Koreksi geometri dengan transformasi citra tahun 2001 ke citra tahun

2013. Koreksi Geometri dengan transformasi citra ke citra (Image to Image)

dilakukan pada citra landsat 7 ETM+ dengan acuan citra Landsat 8 yang dianggap

sebagai citra yang sudah terkoreksi. Transformasi citra ke citra dilakukan dengan

menempatkan titik GCP pada citra Landsat 7 ETM+ tahun 2001 yang disesuaikan

lokasinya berdasarkan citra Landsat 8 tahun 2013, seperti pada gambar II.7.

a. Landsat 7 ETM+ tahun 2001 b. Landsat 8 tahun 2013

Gambar II.7. Koreksi geometrik citra ke citra

Tabel II.5. Nilai RMS Error transformasi citra 2001 ke citra 2013

No Base X

(piksel)

Base Y

(piksel)

Warp X

(piksel)

Warp Y

(piksel)

Error X

(piksel)

Error Y

(piksel)

RMS

(piksel)

1. 1676,76 2598,51 1936,83 2458,50 -0,0194 0.0028 0,0196

2. 1070,64 4493,41 1330,64 4353,41 0,0116 -0,0017 0,0117

3. 383,51 5118,89 643,51 4978,89 -0,0043 0.0006 0,0044

4. 4287,29 2420,25 4547,29 2280,25 0,0195 -0,0028 0,0197

5. 5144,51 2629,59 5404,51 2489,59 0,0074 -0,0011 0,0075

6. 6124,64 1310,53 6384,64 1170,53 -0,0074 0,0011 0,0074

7. 6662,81 3251,31 6922,81 3111,31 -0,0081 0,0012 0,0082

8. 5690,14 6170,33 5950,14 6030,33 0,0000 -0,0000 0,0000

9. 2870,08 5052,75 3130,08 4912,75 -0,0012 0,0002 0,0012

10. 2934,37 4829,52 3194,37 4689,52 0,0021 -0,0003 0,0021

11. 4453,04 4584,34 4713,04 4444,34 0,0028 -0,0004 0,0028

12. 1405,68 4449,58 1665,68 4309,58 0,0118 -0,0017 0,0119

13. 3328,97 5355,40 3588,97 5215,40 -0,0048 0,0007 0,0048

14. 1544,55 5412,79 1804,55 5272,79 -0,0098 0,0014 0,0099

15. 6272,54 4792,46 6532,54 4652,46 -0,0002 0,0000 0,0002

37

II.2.1.6. Pemotongan (cropping) untuk memilih daerah kajian

Citra satelit Landsat 7 ETM+ dan Landsat 8 dengan path 120 dan row

65, memiliki luas liputan yang sama yaitu 185 km x 185 km yang mencakup

daerah Provinsi Jawa Tengah. Pada penelitian ini terfokus pada Waduk

Wadaslintang dan 17 desa yang mengelilingi sekitar waduk sebagai daerah

kajian, sehingga perlu dilakukan cropping atau pemotongan daerah yang tidak

diperlukan dengan menggunakan file vektor format *.shp hasil digitasi dari

peta RBI. Daerah cakupan penelitian dapat dilihat pada gambar II.8 dan

keterangan wilayah administrasi daerah tersebut disajikan pada tabel II.6.

Gambar II.8. Pemotongan daerah kajian

38

Tabel II.6. Wilayah administrasi daerah kajian

No Kabupaten Kecamatan Desa

1. Wonosobo Wadaslintang a. Tirip

b. Lancar

c. Somoge

d. Trimulyo

e. Wadaslintang

f. Penerusan

g. Karanganyar

h. Plunjaran

i. Kumejing

j. Sumbersari

k. Kaligowong

l. Erorejo

m. Sumberejo

2. Kebumen Prembun a. Padureso

b. Kalijering

c. Kaligubug

d. Sendangdalem

II.2.2. Tahapan Processing

Tahapan processing (pengolahan citra) merupakan tahapan untuk

menghasilkan data penggunaan lahan, tahapan ini terdiri dari :

II.2.2.1. Penentuan training area

Penentuan training area dilakukan untuk mencari daerah contoh pada

klasifikasi digital dengan metode klasifikasi terkontrol (supervised

classification) . Pembuatan training area dilakukan dengan acuan citra Google

Earth dan survey lapangan berdasarkan pada skema klasifikasi yang sudah

ditentukan. Skema klasifikasi merupakan pembuatan kelas penggunaan lahan

dengan objek yang tampak dilapangan. Skema klasifikasi ini berdasarkan

standar skema klasifikasi USGS tentang penggunaan lahan yang telah

dimodifikasi. Citra Landsat merupakan citra resolusi rendah, sehingga

pengkelasan penggunaan lahannya disesuaikan juga dengan visualisasi dari

citra. Skema klasifikasi pada penelitian ini dikelompokkan menjadi 7 kelas

yakni lahan terbangun, kebun, sawah, semak belukar, ladang atau tegalan,

tubuh air, dan hutan. Pemilihan training area pada ENVI 5.0 dilakukan dengan

menggunakan ROI ( Region Of Interest ). Contoh training area tiap kelas dapat

dilihat pada tabel II.7.

39

Tabel II.7. Daftar training area tiap kelas

No Kelas Warna

Pada Citra

Koordinat

UTM

Gambar

Training Area

Angka

spektral

1. Lahan

terbangun Red (merah)

364004 mT

9165655 mU

1

2. Kebun Green

(hijau)

362684 mT

9164515 mU

2

3. Tubuh air Blue (biru) 363734 mT

9162985 mU

3

4. Ladang/

tegalan

Yellow

(kuning)

366763 mT

9163885 mU

4

5. Semak

belukar

Magenta

(magenta)

364814 mT

9157885 mU

6

6. Hutan

Maroon

(merah

marun)

367934 mT

9159775 mU

7

7. Sawah Cyan (biru

muda)

370664 mT

9166135 mU

5

40

Hitungan statistik training area dilakukan untuk setiap kelas penggunaan

lahan setelah dilakukan deliniasi training area. Hitungan statistik ini meliputi

perhitungan statistik univariate statistic dan multivariate statistic. Berikut ini

adalah hasil hitungan statistik training area untuk kelas hutan.

Tabel II.8. Nilai statistik masing-masing band pada citra tahun 2001

Band Min Max Mean Stdev

Band 7 29 40 34,1796 2,62359

Band 4 25 64 46,2455 8,68489

Band 3 14 31 21,7665 2,99788

Tabel II.9. Nilai statistik masing-masing band pada citra tahun 2013

Band Min Max Mean Stdev

Band 7 6172 6673 6441,25 115,557

Band 5 7385 17311 11724,3 1787,71

Band 4 5199 6998 5926,16 321,776

Nilai statistik di atas merupakan nilai statistik band tunggal yang

berguna untuk menunjukkan nilai statistik pada masing-masing band, untuk

melihat hubungan antar band, ditunjukkan dengan hitungan kovarian yang

ditunjukkan pada tabel II.11 dan II.12.

Tabel II.10. Nilai varian kovarian citra tahun 2001

Covariance Band 7 Band 4 Band 3

Band 7 6.8832 10.1123 4.52413

Band 4 10.1123 75.4273 20.9914

Band 3 4.52413 20.9914 8.9873

Tabel II.11. Nilai varian kovarian citra tahun 2013

Covariance Band 7 Band 5 Band 4

Band 7 13353.5 171654 31202.15

Band 5 171654 3195906 544986.5

Band 4 31202.1 544986.5 103540

41

Selanjutnya dilakukan perhitungan korelasi yang merupakan hasil

perbandingan kovarian dengan variannya. Hitungan korelasi antar band

ditunjukkan dalam tabel II.13 dan II.14 berikut ini.

Tabel II.12. Nilai korelasi citra tahun 2001

Correlation Band 7 Band 4 Band 3

Band 7 1 0.4438 0.57521

Band 4 0.4438 1 0.80624

Band 3 0.57521 0.80624 1

Tabel II.13. Nilai korelasi citra tahun 2013

Correlation Band 7 Band 5 Band 4

Band 7 1 0.83092 0.839137

Band 5 0.83092 1 0.947403

Band 4 0.83914 0.947403 1

Nilai korelasi berada pada rentang -1 hingga 1. Dari tabel diketahui jika

korelasi tertinggi dimiliki oleh interaksi band 3 pada citra Landsat 7 ETM+

tahun 2001 sebesar 0,96411 dan band 4 pada citra Landsat 8 tahun 2013

sebesar 0,985777. Korelasi yang tinggi menunjukkan jika kombinasi kedua

band tersebut memberikan informasi yang banyak. Hasil hitungan statistik

training area dapat dilihat pada lampiran C.

Pengujian training area dilakukan dengan menggunakan n-D visualizer

dan indeks separability. Penggunaan n-D visualizer untuk mengetahui

distribusi titik-titik antar kelas yang seharusnya mengelompok, rapat dan tidak

terjadi overlap antar kelas. Tampilan n-D visualizer pada gambar II.9

menunjukkan bahwa kedua training area pada citra Landsat 7 ETM+ tahun

2001 dan citra Landsat 8 tahun 2013 persebarannya titik-titik antar kelasnya

cenderung mengelompok, rapat dan hanya sedikit terjadi overlap antar kelas

sehingga pemilihan training area pada kedua citra tersebut dianggap sudah

baik.

42

a. Citra Landsat 7 ETM+ tahun 2001 b. Citra Landsat 8 tahun 2013

Gambar II.9. Tampilan n-D visualizer

Indeks separability dilakukan untuk mengetahui nilai separabilitas antara

pasangan ROI. Uji separabilitas memiliki rentang nilai antara 0 sampai dengan

2. Semakin mendekati 2 , maka hasil klasifikasi akan semakin baik.

a. Citra Landsat 7 ETM+ tahun 2001 b. Citra Landsat 8 tahun 2013

Gambar II.10. Tampilan indeks separability

43

II.2.2.2. Klasifikasi digital

Penelitian ini menggunakan klasifikasi terkontrol (supervised

classification) dengan metode maximum likelihood. Algoritma maximum

likelihood dianggap mapan karena mendasarkan perhitungan kemiripan setiap

piksel dan memberikan hasil yang lebih baik. Tahapan klasifikasi digital terdiri

dari beberapa langkah sebagai berikut :

a. Menentukan jumlah kelas dan sampel yang akan digunakan. Jumlah

kelas yang digunakan dalam penelitian ini sebanyak 7 kelas

berdasarkan objek yang dapat diinterpretasi dari citra.

b. Menentukan daerah contoh atau trainig area. Dalam penelitian ini

menggunakan software ENVI 5.0 , dimana dalam menentukan

training area dengan digitasi daerah ROI (Region Of Interest).

Penentuan ROI ini dilakukan pada seluruh kelas.

c. Melakukan validasi daerah training area dengan n-D visualizer dan

indeks separabilitas. Apabila hasil dari n-D visualizer dan indeks

separabilitas memberikan hasil yang baik sesuai dengan ketentuan

maka training area dapat digunakan untuk memprosesan klasifikasi

terkontrol.

d. Melakukan klasifikasi terkontrol dengan metode maximum likelihood.

Hasil klasifikasi disajikan pada gambar III.3.

II.2.2.3. Uji hasil klasifikasi

Hasil klasifikasi yang diperoleh perlu dilakukan pengujian untuk

mengetahui ketelitian dari hasil klasifikasi. Pengujian hasil klasifikasi

menggunakan tabel perhitungan confusion matrix. Langkah yang dilakukan

untuk melakukan uji klasifikasi adalah :

a. Membuat daftar titik uji pada citra hasil klasifikasi untuk kemudian

dibandingkan dengan data acuan, daftar titik uji ini dapat dilihat pada

lampiran F. Kemudian menghitung kesesuaian objek pada citra dengan

objek pada data acuan dengan menggunakan tabel matrik konfusi, disajikan

pada tabel II.14 dan II.15.

44

Tabel II.14. Matrik konfusi citra Landsat 7 ETM+ tahun 2001

Kelas dari data acuan

Citra

Tanah

Terbangun Kebun

Tubuh

Air Tegalan

Semak

Belukar Hutan Sawah Total

Data

Acu

an

Tanah Terbangun 50 0 0 0 0 0 0 50

Kebun 1 48 0 4 6 0 1 60

Tubuh Air 0 0 48 0 0 0 0 48

Tegalan 0 1 0 34 3 0 3 41

Semak Belukar 0 0 0 1 38 0 0 39

Hutan 0 3 0 5 1 49 0 58

Sawah 0 0 0 6 3 0 45 54

Total 51 52 48 50 51 49 49 350

Tabel II.15. Matrik konfusi citra Landsat 8 tahun 2013

Kelas dari data acuan

Citra

Tanah

Terbangun Kebun

Tubuh

Air Tegalan

Semak

Belukar Hutan Sawah Total

Data

Acu

an

Tanah Terbangun 50 0 0 1 0 0 0 51

Kebun 0 49 0 2 2 2 0 55

Tubuh Air 0 0 45 0 0 0 0 45

Tegalan 0 0 0 41 1 0 0 42

Semak Belukar 0 0 2 1 46 0 0 49

Hutan 0 3 0 0 0 48 0 51

Sawah 0 0 1 5 3 0 48 57

Total 50 52 48 50 52 50 48 350

44

45

b. Menghitung nilai omission, commision dan map accuracy.

Nilai omission, commision serta map accuracy dapat dilihat pada tabel II.16

dan II.17 berikut ini :

Tabel II.17. Nilai omission, commision dan map accuracy citra Landsat 7 ETM+

tahun 2001

Kelas Omission (%) Commision (%) Map Accuracy (%)

Tanah

Terbangun

Kebun

Tubuh Air

Tegalan

Semak

Belukar

Hutan

Sawah

Tabel II.18. Nilai omission, commision dan map accuracy citra Landsat 8 tahun 2013

Kelas Omission (%) Commision (%) Map Accuracy (%)

Tanah

Terbangun

Kebun

Tubuh Air

Tegalan

Semak

Belukar

Hutan

Sawah

46

27

c. Menghitung akurasi keseluruhan (overall accuracy)

overall accuracy

Nilai overall accuracy hasil klasifikasi Landsat 7 ETM+ tahun 2001 :

Nilai overall accuracy hasil klasifikasi Landsat 8 tahun 2013 :

d. Menghitung produser accuracy dan user accuracy

Hitungan produser accuracy dan user accuracy Landsat 7 ETM+ tahun

2001 :

Produser accuracy :

Tanah terbangun =

Kebun =

Tubuh air =

Tegalan =

Semak belukar =

Hutan =

Sawah =

User accuracy :

Tanah terbangun =

Kebun =

Tubuh air =

%

Tegalan =

Semak belukar =

Hutan =

Sawah =

47

Hitungan produser accuracy dan user accuracy Landsat 8 tahun 2013 :

Produser accuracy :

Tanah terbangun =

Kebun =

Tubuh air =

%

Tegalan =

Semak belukar =

Hutan =

Sawah =

User accuracy :

Tanah terbangun =

Kebun =

Tubuh air =

%

Tegalan =

Semak belukar =

Hutan =

Sawah =

II.2.3. Tahapan Post-Processing

Tahapan post-processing (pasca pengolahan citra) merupakan tahapan untuk

menganalisis citra penginderaan jauh setelah diproses. Tahapan ini dilakukan dengan

menghitung luas pada kedua citra, yaitu citra tahun 2001 dan tahun 2013 untuk

kemudian dilakukan proses perhitungan dengan teknik image differencing, yaitu

melakukan proses pengurangan pada kedua citra, hasil dari pengurangan tersebut

merupakan perubahan yang terjadi.

48

II.2.3.1. Perhitungan luasan kelas penggunaan lahan daerah kajian

Setelah didapat hasil klasifikasi kemudian dilakukan proses Post

Classification, untuk mengetahui luasan tiap kelas penggunaan lahan. Nilai

tersebut berupa luasan piksel, luas dalam persen, dan luasan dalam m2.

Perhitungan perubahan penggunaan lahan dilakukan dengan menghitung

selisih luasan antara hasil klasifikasi masing-masing kelas pada citra Landsat 7

ETM+ tahun 2001 dan hasil klasifikasi masing-masing kelas pada citra Landsat

8 tahun 2013 seperti yang ditunjukkan pada gambar II.11.

a. Luasan tiap kelas citra tahun 2001 b. Luasan tiap kelas citra tahun 2013

Gambar II.11. Luasan tiap kelas hasil klasifikasi pada daerah kajian

II.2.3.2. Perhitungan luasan kelas penggunaan lahan kawasan sabuk hijau

Perhitungan perubahan luas penggunaan lahan dilakukan juga untuk

kawasan sabuk hijau waduk yaitu kawasan sepanjang tepian waduk yang

lebarnya proporsional dengan bentuk dan kondisi fisik waduk. Pada penelitian

ini diasumsikan sabuk hijau merupakan kawasan dengan jarak 100 meter dari

tepi waduk ke arah darat. Perhitungan perubahan luas pada kawasan sabuk

hijau dimaksudkan untuk mengetahui perubahan kondisi kawasan tepi waduk.

49

Perhitungan luasan tiap kelas penggunaan lahan pada kawasan sabuk

hijau dapat dilihat pada jendela class statistics result seperti pada gambar II.12

berikut.

a. Luasan tiap kelas citra tahun 2001 b. Luasan tiap kelas citra tahun 2013

Gambar II.12. Luasan tiap kelas hasil klasifikasi pada kawasan sabuk hijau