kata pengantar -...
TRANSCRIPT
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