II-1

BAB II

TEORI DASAR

2.1 Konsep Dasar Penginderaan Jauh

Pada dasarnya dalam penginderaan jauh mempunyai konsep yaitu memanfaatkan

gelombang elektromagnetik untuk berinteraksi dengan suatu objek atau fenomena

yang akan dikaji. Terdapat tujuh buah elemen yang berhubungan dengan

penginderaan jauh, yaitu :

1. Sumber energi.

2. Radiasi dan Atmosfer.

3. Interaksi gelombang elektromagnetik dengan target.

4. Perekaman oleh sensor.

5. Transmisi.

6. Penerimaan.

7. Proses gelombang elektr magnetik,interpretasi dan analisis serta aplikasinya.

Berdasarkan panjang gelombang elektromagnetik yang digunakan, sistem dalam

penginderaan jauh dapat dibedakan menjadi (Soenarmo, 1994):

• Penginderaan jauh visibel dan inframerah, sumber energi yang digunakan

adalah matahari dengan puncak radiasinya 0,5 µm. Data yang diperoleh

tergantung pada kemampuan target merefleksikan radiasi elektromagnetik

matahari. Selanjutnya informasi mengenai target dapat diperoleh melalui

spektrum refleksinya.

• Penginderaan jauh inframerah termal, sumber energi yang digunakan adalah

energi radiasi dari target yang bersangkutan. Dasarnya adalah, seperti telah

dibahas sebelumnya mengenai sifat radiasi elektromagnetik, bahwa semua

benda pada temperatur di atas 0°K atau -273°C memancarkan radiasi

elektromagnetik terus-menerus dengan puncak radiasi ± 10 µm.

• Penginderaan jauh gelombang pendek, sistem penginderaan jauh ini

memiliki dua tipe yaitu pasif dan aktif.

II-2

Sistem pasif (gambar 2.1) adalah sistem yang menggunakan energi yang telah

tersedia, dalam hal ini adalah energi dari matahari. Untuk seluruh energi yang

direfleksikan, sensor pasif hanya dapat digunakan saat ada penyinaran matahari.

Pada malam hari, tidak ada refleksi energi dari matahari yang dapat digunakan.

Pada sistem pasif radiasi gelombang pendek dipancarkan dari target yang

dideteksi. Sistem aktif (gambar 2.2) adalah sistem penginderaan jauh yang

menggunakan energi yang diemisikan sendiri (tidak menggunakan matahari

sebagai sumber energi).

Gambar 2.1 Cara kerja sistim sensor pasif dari wahana satelit (Sumber:

Fundamental of Remote Sensing tutorial, 1998)

Gambar 2.2 Cara kerja sistim sensor aktif dari wahana satelit (Sumber:

Fundamental of Remote Sensing tutorial, 1998)

2.2 Satelit ASTER

ASTER (Advanced Spaceborne Thermal Emission And Reflection Radiometric)

merupakan instrumen yang dibawa oleh satelit TERRA. ASTER bertugas untuk

melakukan observasi permukaan bumi dalam rangka monitoring lingkungan hidup

secara global dan penginderaan sumber daya alam. Ground resolution ASTER

lebih tinggi dibandingkan dengan LANDSAT- TM, demikian juga untuk resolusi

II-3

spektral dengan 5 band termal dan 6 band short wave-infrared, serta kualitas

fungsi stereoskopik yang lebih tinggi dibandingkan satelit sebelumnya, JERS-

1. Satelit ini memiliki orbit sun-synchronous dan ketinggian 705 km, melewati

orbit yang sama setiap 16 hari.

Sensor ASTER merupakan peningkatan dari sensor yang dipasang pada satelit

generasi sebelumnya, JERS-1. Sensor ini terdiri dari Visible and Near-Infrared

Radiometer (VNIR), Short Wavelength Infrared Radiometer (SWIR), Thermal

Infrared Radiometer (TIR), Intersected Signal Processing Unit dan Master Power

Unit.

VNIR merupakan instrumen optikal dengan resolusi tinggi yang digunakan untuk

mendeteksi pantulan cahaya dari permukaan bumi dengan range dari level

gelombang visible hingga infrared (520 - 860 mikrometer) dengan 3 band.

Dimana band 3b dari VNIR ini merupakan nadir dan backward looking data,

sehingga kombinasi data ini dapat digunakan untuk mendapatkan citra

stereoskopik. Digital Elevation model (DEM) dapat diperoleh dengan

mengaplikasikan data ini.

SWIR merupakan instrumen optikal dengan resolusi tinggi mempunyai dengan 6

band yang digunakan untuk mendeteksi pantulan cahaya dari permukaan bumi

dengan short wavelength infrared range (1.6-2.43 mikrometer).

TIR adalah instrumen dengan akurasi tinggi untuk observasi radiasi termal

infrared (800 - 1200 mikrometer) dari permukaan bumi dengan menggunakan 5

bands. Band ini dapat digunakan untuk monitoring jenis tanah dan batuan di

permukaan bumi. Sensor dengan multi-band termal infrared dalam satelit ini

adalah pertama kali di dunia. Ukuran citra adalah 60 km dengan ground resolution

90 m.

II-4

Gambar 2.3 Satelit Aster

(Sumber : Aster ,NASA)

Tabel 2.1 Karakteristik dari 3 sensor sistem ASTER

Subsistem Band No Spektral Range Resolusi spasial

(µm) m

VNIR 1 0.52-0.60

2 0.63-0.69 15

3N 0.78-0.86

3B 0.78-0.86

SWIR 4 1.60-1.70

5 2.145-2.185

6 2.185-2.225 30

7 2.235-2.285

8 2.295-2.365

9 2.360-2.430

TIR 10 8.125-8.475

11 8.475-8.825 90

12 8.925-9.275

13 10.25-10.95

14 10.95-11.65

II-5

2.3 Dasar Pengolahan Citra

Citra adalah gambar 2 atau 3 dimensi sebagai fungsi dari intensitas cahaya

matahari yang dihasilkan dari observasi satelit bumi yang dikirim ke bumi melalui

sinyal gelombang dan disimpan atau diterima oleh stasiun penerima dalam bentuk

magnet tape. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat

optik berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada

monitor televisi, atau bersifat digital yang dapat langsung disimpan dalam pita

magnetik.

Pengolahan Citra Digital (PCD) merupakan hal yang paling penting dalam

penginderaan jauh saat ini. Citra satelit digital tersusun dari rangkaian grid-grid

kecil yang disebut piksel dan setiap piksel secara spasial melambangkan suatu

area tertentu pada permukaan. Rangkaian grid-grid ini sering disebut raster

sehingga suatu data citra digital seringkali digolongkan sebagai informasi/data

raster. Setiap piksel dalam citra raster direpresentasikan oleh nomor digital. PCD

berkaitan dengan proses pengolahan informasi dengan komputer. Kegunaan PCD

adalah untuk mengkoreksi, meningkatkan atau menajamkan kualitas citra

sehingga dapat dimengerti dan mudah diambil informasi yang dibutuhkan.

Tahapan pengolahan yang dilakukan adalah sebagai berikut:

• Pemulihan citra, terdiri dari:

a. koreksi radiometrik dan atmosfer

b. koreksi geometrik dan registrasi

• Peningkatan kualitas citra, meliputi:

a. ketajaman, noise, kontras

b. penyaringan data (filtering)

• Klasifikasi citra, yaitu memilah jenis data

II-6

2.3.1 Pemulihan Citra

Pemulihan citra merupakan suatu cara untuk memanipulasi citra hasil

penginderaan jauh untuk menghilangkan distorsi atau kesalahan. Terdapat 2

koreksi penting dalam pemulihan citra, yaitu:

1. Koreksi atmosferik

Karena ketidaksempurnaan dari sensor di satelit dan juga pengaruh

gangguan atmosfer serta pesawat penerima, data yang dipancarkan dan

ditangkap oleh stasiun penerima di bumi akan mengandung kesalahan yang

perlu dihilangkan supaya data terekam mempunyai makna yang benar.

Prosesnya disebut sebagai koreksi atmosferik dan bertujuan untuk

memulihkan data citra yang mengalami distorsi pada keadaan yang

seharusnya.

2. Koreksi geometrik

Citra Satelit selalu mengandung kesalahan yang bersifat sistematik dan acak.

Kesalahan tersebut dapat dikoreksi bila tersedia informasi mengenai

karakteristik, orientasi serta keutuhan sensornya seperti misalnya kecepatan

pergerakan satelit dan rotasi, kelengkungan bumi serta distorsi panoramik

dan perspektif. Tersedianya sejumlah titik kontrol tanah akan membantu

dalam mengkoreksi kesalahan karena orientasi satelit dan ketinggian. Citra

satelit yang diterima biasanya sudah bersih dari kesalahan grup pertama di

atas. Sehingga hanya koreksi geometrik yang dilakukan untuk membuat data

citra bermanfaat, yaitu proses rektifikasi dan registrasi.

Proses rektifikasi bertujuan untuk membetulkan orientasi dari citra sehingga

akan mempunyai posisi yang absolut sesuai dengan sistem proyeksi tertentu.

Cara yang ditempuh adalah dengan proses transformasi matematik dari

sistem koordinat citra ke sistem koordinat tanah. Proses ini membutuhkan

titik kontrol tanah sehingga setiap piksel akan mempunyai koordinat yang

absolut. Sebaliknya proses registrasi biasanya digunakan bila posisi relatif

yang lebih diperlukan. Misalnya bila akan membandingkan 2 buah citra dari

daerah yang sama dan diperoleh pada saat yang berbeda, maka yang akan

II-7

dilakukan adalah transformasi dari citra satu ke citra lainnya. Hal ini untuk

membuat kedua buah citra tersebut mempunyai orientasi dan skala yang

sama.

Langkah yang dilakukan pada proses rektifikasi geometrik terdiri dari 2 tahap,

yaitu:

1. Memformulasikan hubungan geometrik antara baris, kolom (b,k) dari piksel

citra dengan posisinya di tanah (x,y). Proses ini dikenal dengan interpolasi

spasial. Persamaan polinomial merupakan model matematik yang sering

digunakan untuk mentransformasi sistem citra ke sistem tanah.

2. Menentukan nilai numerik dari kecerahan setiap piksel. Hal ini terjadi

karena nilai (b,k) yang selalu bilangan bulat (1,2,3,…) setelah ditransformasi

akan berubah menjadi bilangan real (1,1;2,4;5,6;…). Sehingga setelah

transformasi piksel tidak akan berada tepat pada baris dan kolom. Oleh

karena itu nilai piksel harus ditentukan dengan cara tertentu. Proses ini

disebut interpolasi intensitas. Proses ini menentukan nilai numerik setiap

piksel pada citra hasil transformasi. Tiga cara yang lazim dilakukan adalah:

a.Nearest-Neighbour: pada cara ini nilai piksel ditentukan dengan

mengambil nilai piksel dari piksel terdekat.

b.Bilinier: cara ini menentukan nilai piksel dengan meratakan nilai piksel

dari 4 buah piksel disekitarnya.

c.Bikubik: perhitungannya mirip dengan cara kedua, tapi disini melibatkan

16 piksel disekitarnya. Sehingga memerlukan waktu perhitungan

yang lebih lama.

2.3.2 Penajaman Citra

Proses ini bertujuan untuk untuk mempertajam kualitas penampilan citra sehingga

meningkatkan kemudahan dalam proses interpolasi citra karena penampilan image

data akan lebih ekspresif. Algoritma penghalusan citra diterapkan pada citra

remote untuk memudahkan analisis visual oleh manusia, meskipun terkadang

analisisnya bersifat subyektif. Algoritma tersebut dapat meliputi:

II-8

a. Perbesaran dan pengecilan citra

Pengecilan citra diperlukan karena banyak sistem pengolahan citra yang tidak

dapat menampilkan citra secara menyeluruh. Agar dapat ditampilkan maka dapat

dilakukan reduksi citra.

b. Penajaman kontras

Sensor akan merekam pantulan dan menyerap fluks radiasi dari material di

permukaan bumi. Idealnya, suatu bahan akan memantulkan dengan baik sejumlah

energi pada panjang gelombang yang sama. Sensor yang terpasang harus mampu

mendeteksi kecerahan sinar dari yang sangat tinggi (pantulan oleh salju) sampai

dengan yang sangat rendah (pantulan air laut) yang lazimnya dikenal dengan

istilah derajat atau tingkat keabuan.

Sebuah citra yang baik idealnya akan mempunyai sebaran nilai numerik yang

memenuhi rentang 0-255 dengan distribusi yang merata. Tetapi umumnya nilai

piksel pada sebuah citra akan diisi oleh nilai yang menempati bagian relatif kecil

dari rentang 0-255. Tampilan yang lebih ekspresif akan diperoleh bila luas rentang

diperluas (stretch) sehingga memenuhi seluruh daerah spektrum. Ada 3 teknik

men- stretch rentangan, yaitu:

i. Rentangan linier (linier stretch)

Citra akan diskalakan secara linear pada batas nilai piksel minimum dan nilai

piksel maksimum. Nilai-nilai piksel yang lebih besar atau sama dengan nilai

maksimum dikelompokkan menjadi nilai tertinggi sedangkan nilai-nilai yang

kurang dari atau sama dengan nilai minimum dikelompokkan menjadi nilai

terendah.

ii. Rentangan histogram (histogram equalization)

Citra diproses berdasarkan jumlah kelas yang sama dengan melihat bentuk

histogram citra tersebut. Pengolahan ini menghasilkan informasi maksimum

yang diberikan oleh setiap kelas. Tetapi bukan berarti citra yang dihasilkan

II-9

sangat berkualitas, sebab ada satu informasi yang hilang dari karakteristik

citra tersebut.

iii. Linier dengan pengencangan (Linear with saturation)

Citra di scretch secara linear dengan saturasi (pengencangan) yang

dinyatakan dalam persen.

c. Filter

Bila kenampakan suatu citra agak sukar untuk dianalisis karena kekontrasannya

rendah atau karena banyaknya noise pada citra, maka untuk kepentingan

interpretasi perlu dilakukan perbaikan citra yang dapat dilakukan dengan jalan

filtering. Beberapa jenis filter ke ruangan yang ada antara lain: low pass filtering,

high pass filtering, dan band pass filtering.

2.3.3 Klasifikasi Citra

Ini merupakan tahap terakhir dalam pengolahan citra. Proses ini bertujuan untuk

membagi daerah cakupan berdasarkan jenis objeknya dengan cara

menginterpretasi kenampakannya di atas citra dan menyatakannya dengan simbol

tertentu. Dari proses ini dapat dihasilkan suatu peta tematik yang sangat berarti

bagi keperluan perencanaan selanjutnya.

Proses pengklasifikasian citra satelit biasa dilakukan secara terawasi (supervised

classification) dan tak terawasi (unsupervised classification). Pada metode yang

pertama, identitas dan lokasi dari suatu liputan lahan seperti lahan pertanian, hutan

dan perkotaan telah diketahui melalui pemeriksaan lapangan atau interpretasi dari

foto udara. Analisa diarahkan untuk melokalisir lokasi spesifiknya di citra dengan

mencari sampel areanya (training site). Pemilihan metode yang cocok untuk

penentuan kelas dari piksel tergantung kepada sifat dari masukan data dan

keluaran yang diharapkan. Metode yang umum digunakan adalah:

a. Paralel – Epipedum

Metode ini merupakan metode yang sering digunakan. Harga rata-rata nilai

numerik piksel dari suatu training-site dan harga titik tengahnya merupakan

II-10

informasi yang sangat penting. Harga ini didapatkan dari setiap training site pada

setiap band yang disertakan.

b. Jarak terdekat

Keputusan mengenai kelas setiap piksel didasarkan pada selisih nilai pikselnya

(jarak) terhadap nilai piksel rata-rata kelas yang diketahui. Jarak cukup dihitung

dengan rumus phytagoras.

c. Kemiripan maksimum

Cara ini membandingkan nilai piksel dengan nilai training site dengan asumsi

bahwa sebaran pikselnya terdistribusi secara normal. Bila kemiripan nilai

maksimum, maka piksel tersebut akan dikelompokkan pada kelas tersebut.

Sedangkan pada metode tak terawasi, sebagai cara alternatif piksel dengan nilai

sejenis atau saling mempunyai kedekatan tertentu akan bergabung menjadi satu

kelas. Sehingga akan terjadi beberapa kelas dengan nilai spektral tertentu. Setiap

kelas kemudian ditentukan jenis liputan lahannya oleh operator. Pada cara ini,

training site ditentukan secara otomatis. Proses klasifikasi tak terawasi dilakukan

dengan mengelompokkan piksel berdasarkan kedekatannya (jarak spektral) antar

piksel. Bila jarak spektral kurang dari harga yang ditentukan, maka piksel tersebut

akan digabungkan menjadi suatu kelompok.

2.4. Sistem Informasi Geografis (SIG)

Sistem Informasi Geografis (bahasa Inggris: Geographic Information System

disingkat GIS) adalah sistem informasi khusus yang mengelola data yang

memiliki informasi spasial (bereferensi keruangan). Dalam arti yang lebih sempit,

adalah sistem komputer yang memiliki kemampuan untuk membangun,

menyimpan, mengelola, menganalisa dan menampilkan informasi bereferensi

geografis.

Secara umum SIG bekerja berdasarkan integrasi 5komponen, yaitu: hardware,

perangkat lunak, data, manusia dan metode yang dapat diuraikan sebagai berikut:

II-11

1. Hardware

Untuk menjalankan aplikasi SIG, diperlukan hardware yang memiliki

spesifikasi cukup tinggi meliputi kapasitas memori, harddisk, dan prosesor. Hal

ini disebabkan karena aplikasi SIG banyak memproses data grafis berukuran

besar, sehingga data-data tersebut memerlukan tempat penyimpanan yang besar

dalam harddisk cukup besar, prosesor yang lebih cepat, dan memori yang

cukup besar ketika hendak menjalankan aplikasinya.

2. Perangkat Lunak.

Aplikasi SIG harus memenuhi standar alat untuk melakukan input dan

transformasi data geografis, memiliki sistem manajemen basis data, alat yang

mendukung query geografis, analisis dan visualisasi, serta Graphical User

Interface (GUI) untuk memudahkan akses pada masalah geografi.

3. Data

Salah satu komponen penting dalam SIG adalah data. Secara fundamental, SIG

bekerja dengan dua tipe model data geografis, yaitu model data vektor dan

model data raster.

Gambar 2.4 Contoh Data Vektor – Daerah Bali

Model Data Vektor berisi informasi posisi point, garis dan polygon yang

disimpan dalam bentuk koordinat x,y. Suatu lokasi point dideskripsikan

melalui sepasang koordinat x,y. Bentuk garis , seperti jalan dan sungai

dideskripsikan sebagai kumpulan dari koordinat-koordinat point. Bentuk

II-12

poligon, seperti zona project disimpan sebagai pengulangan koordinat yang

tertutup.

Gambar 2.5 Contoh Data Raster – Citra Aster Bandung

Model Data Raster terdiri dari sekumpulan grid/sel seperti peta hasil scanning

maupun gambar/image. Masing-masing grid/sel atau pixel memiliki nilai

tertentu yang bergantung pada bagaimana image tersebut digambarkan.

Sebagai contoh, pada sebuah image hasil penginderaan jarak jauh dari sebuah

satelit, masing – masing pixel direpresentasikan sebagai panjang gelombang

cahaya yang dipantulkan dari posisi permukaan bumi dan diterima oleh satelit

dalam satuan luas tertentu yang disebut pixel.

Gambar 2.6 Contoh Data Raster – Peta Atlas Jawa Barat

Pada gambar hasil scanning, tiap pixel merepresentasikan keterangan nilai yang

berasosiasi dengan poin -poin tertentu pada gambar hasil scanning tersebut.

II-13

Dalam SIG, setiap data Geografis memiliki data tabular yang berisi informasi

spasial. Data tabular tersebut dapat direlasikan oleh SIG dengan sumber data

lain seperti basis data yang berada diluar alat SIG.

4. Manusia

Teknologi SIG tidaklah menjadi bermanfaat tanpa manusia yang mengelola

sistem dan membangun perencanaan yang dapat diaplikasikan sesuai kondisi

dunia nyata. Sama seperti pada Sistem Informasi lain pemakai SIG pun

memiliki tingkatan tertentu, dari tingkat spesialis teknis yang mendesain dan

memelihara sistem sampai pada pengguna yang menggunakan SIG untuk

menolong pekerjaan mereka sehari-hari.

5. Metode

SIG yang baik memiliki keserasian antara rencana desain yang baik dan aturan

dunia nyata, dimana metode, model dan implementasi akan berbeda-beda untuk

setiap permasalahan.

2.5 Konsep Kelembaban Tanah

Kelembaban tanah adalah suatu besaran yang merepresentasikan jumlah

kandungan air di suatu tanah, Kelembaban tanah dapat di representasikan dalam 2

satuan, yaitu :

1. Gravimetric Soil Mositure (GSM)

Gravimetric Soil Moisture (GSM) adalah suatu satuan kelembaban tanah yang

merupakan perbandingan antara berat suatu air yang terkandung dalam tanah

dengan berat tanah itu sendiri, satuannya adalah gram/gram.

2. Volumetric Soil Moisture (VSM)

Volumetric Soil Moisture (VSM) adalah suatu satuan kelembaban tanah yang

merupakan perbandingan antara volume suatu air yang terkandung dalam tanah

dengan volume tanah itu sendiri, satuannya adalah cm3/cm

3.

Di lapangan kelembaban tanah diukur oleh bermacam-macam alat seperti Time

Domain Reflectometry (TDR), neutron probe, frequency domain sensor,

tensiometer capacitance probe dan lain-lain. Pada laboratorium, kelembaban

tanah dapat dihitung secara gravimetric, yaitu dengan cara menghitung berat dari

II-14

suatu tanah, kemudian kita keringkan tanah itu dan kita ukur berat dari tanah yang

sudah dikeringkan. Perbedaan berat dari kedua berat tanah tersebut bisa katakan

sebagai jumlah air yang terkandung dalam tanah. Kelembaban tanah biasanya

sangat diperhitungkan dalam konteks hidrologi. Pada konteks hidrologi,

kelembaban tanah berpengaruh kepada penyerapan air hujan, sebelum air itu ber

evoporasi ataupun dalam konteks persedian air tanah.

Volume kelembaban tanah dibandingkan dengan keseluruhan penyebaran air di

dunia hanyalah merupakan persentase yang kecil saja (sekitar 0.005 persen).

Namun peranannya dalam siklus hidrologi tidaklah kecil, bahkan merupakan

unsur yang sangat fundamental. Kelembaban tanah merupakan salah satu variabel

penting dalam proses hidrologi dan biologi. Variabel ini merupakan variabel kunci

dalam mengontrol perpindahan air dan energi panas anatara permukaan tanah dan

atmosfer melalui evaporasi dan tanspirasi tanaman, dan juga merupakan variabel

dominan untuk proses hidrologi seperti infiltrasi dan runoff. Kelembaban tanah

biasa bervariasi antara nol dan maksimum berdasarkan ketersediaan unsur air

dalam tanah. Ketika mencapai nilai maksimum, tanah tersebut menjadi jenuh dan

semua presipitasi selanjutnya akan meninggalkan sistem sebagai runoff

2.5.1 Siklus Hidrologi

Siklus hidrlogi adalah proses yang berlangsung terus menerus dalam perjalanan

air dari permukaan laut ke atmosfer kemudian ke permukaan tanah dan kembali

lagi ke laut. Dalam siklus hidrologi, energi panas matahari dan faktor-faktor iklim

lainnya menyebabkan terjadinya proses evaporasi dan transporasi pada permukaan

tanah, vegetasi, laut dan yang lainnya. Uap air sebagai hasil proses evaporasi akan

terbawa oleh angin melintasi daratan yang bergunung maupun datar, dan apabila

keadaan atmosfer memungkinkan, sebagian dari uap air tersebut akan

terkondensasi dan turun sebagai air hujan. Air hujan in sebagian tertahan di

permukaan daun dan sebagian lainnya akan jatuh ke permukaan tanah.

II-15

Air hujan yang dapat mencapai permukaan tanah, sebagian akan masuk (teresap)

ke dalam tanah (infiltrasi), sedangkan sebagian lainnya akan tertampung

sementara dalam cekungan-cekungan permukaan tanah untuk kemudian mengalir

di atas permukaan tanah ke tempat yang lebih rendah (runoff), untuk selanjutnya

masuk ke sungai.

Air infiltrasi akan tertahan dalam tanah oleh gaya kapiler yang selanjutnya akan

membentuk kelembaban tanah. Apabila kelembaban air tanah telah cukup jenuh,

air tersebut akan bergerak secara horizontal kemudian mengalir ke sungai.

2.5.2 Infiltrasi

Infiltrasi merupakan aliran air masuk ke dalam tanah sebagai akibat gaya kapiler

dan gravitasi. Setelah lapisan tanah bagian atas jenuh, kelebihan air tersebut

mengalir ke tanah melalui profil tanah yang lebih dalam akibat gaya gravitasi

bumi dan dikenal sebgai proses perkolasi.

Mekanisme infiltrasi melibatkan tiga proses yang tidak saling mempengaruhi

berupa proses masuknya air hujan melalui pori-pori permukaan tanah,

tertampungnya air hujan tersebut di dalam tanah, serta mengalirnya air tersebut ke

tempat lain. Meskipun tidak saling mempengaruhi secara langsung, ketiga proses

tersebut di atas terkait.

Proses infiltrasi dipengaruhi oleh tekstur dan struktur tanah, persediaan air awal

(kelembaban tanah awal), jenis dan kedalaman tanah dan tutupan tahan. Tanah

gembur akan memberikan kapasitas infiltrasi yang lebih kecil dibandingkan

dengan tanah dalam keadaan kering. Keadaan tutupan lahan yang rapat dapat

mengurangi air infiltrasi.

Laju infiltrasi ditentukan oleh jumlah air yang tersedia di permukaan tanah

(kelembaban tanah), sifat permukaan tanah dan kemampuan tanah untuk

mengosongkan air di atas permukaan tanah. Dari ketiga unsur tersebut,

ketersediaan air (kelembaban tanah) adalaha faktor utama. Bertambahnya

II-16

kelembaban tanah mengakibatkan butiran tanah berkembang dan menutup

ruangan pori-pori tanah sehingga laju infiltrasi berkurang.

2.6 Normalized Difference Vegetation Index (NDVI)

Respon spectral citra satelit umunya memiliki sensitivitas terhadap kerapatan

vegetasi (indeks luas dan daun), tajuk pohon dan kandungan air di daun

tumbuhan. Kerapatan vegetasi akan bertambah dari lahan terbuka hingga beberapa

tahap suksesi, namun pantulan dalam spektrum sinar tampak berkuarang karena

adanya penambahan luasan daun dan penyerapan, begitu juga pada bayangan yang

diakibatkan oleh tajuk pohon. Indeks luas daun maksimal lebih cepat tercapai

pada saat awal suksesi, berbeda dengan basal area maksimum pohon dan biomas

pohon. Pada saat yang sama terjadi peningkatan pantulan spectrum inframerah

yang diakibatkan adanya pantulan dari tajuk, transmisi gelombang yang melewati

tajuk dan pantulan tanah. Hubungan antara respon spektral pada spektrum sinar

tampak dan inframerah dengan kerapatan vegetasi dapat dijelaskan dengan suatu

indeks uang disebut indeks vegetasi (Huete,1998). Indeks vegetasi merupakan

kombinasi matematis antara band merah dan band Near Infra Red (NIR) yang

telah lama digunakan sebagai indikator keberadaan dan kondisi vegetasi

(Lillesand dan Kiefer, 1994) yang sering dikenal sebagai Normalized Difference

Vegetation Index (NDVI).

NDVI pada dasarnya mengukur kemiringan (slope) antara nilai asli band merah

dan band infra merah di angkasa dengan nilai band merah dan infra merah yang

ada dalam tiap piksel citra. Berikut ini adalah rumus penghitungan NDVI :

NDVI = NIR – RED / NIR + RED……………………………..……………(2.2)

Dimana :

NIR = Nilai band infra merah

RED = Nilai band merah

( Sumber : Chesapeake Bay & Mid-Atlanti From Space, NDVI )

II-17

Nilai NDVI berkisar antara -1 sampai 1. Nilai -1 sampai 0 menunjukan daerah

yang tidak memiliki penutupan vegetasi.

2.7 Metode Kuadrat Terkecil

Data hasil pengukuran berfluktuasi yang mungkin disebabkan oleh galat acak dari

sistem pengukuran atau kelakuan stokastik dari sistem yang diukur. Apapun

alasannya, keperluan mencocokkan suatu fungsi pada data hasil pengukuran kerap

kali terjadi. Dalam mencocokkan suatu fungsi pada data hasil pengukuran,

semakin banyak titik datanya maka kecermatan kurva yang dicocokkan semakin

tinggi. Pendekatan terbaik adalah meninjau fungsi dengan sedikit parameter bebas

dan menentukan nilai parameter tersebut sedemikian sehingga simpangan fungsi

dari titik-titik data sekecil mungkin. Peminimuman simpangan dicapai dengan

menggunakan metode kuadrat terkecil.

Untuk memperoleh nilai kelembaban tanah spasial, maka data kelembaban tanah

yang digunakan harus data spasial. Nilai piksel dari citra yang telah diolah akan

dikorelasikan dengan beberapa data kelembaban tanah hasil pengukuran lapangan,

sehingga diperoleh suatu regresi linier. Korelasi ini selanjutnya akan digunakan

unuk memperoleh data pada daerah-daerah yang tidak memiliki data lapangan,

sehingga diperoleh suatu data spasial.

Regresi linier data kelembaban tanah dengan nilai piksel, menggunakan metode

kuadrat terkecil:

y = ax + b……………….….(2.3)

a = [M∑xiyi - (∑xi) (∑yi)] / M∑xi2 - (∑xi)

2

b = (∑yi - a∑xi) / M

dengan,

x = data lapangan

y = nilai piksel citra termal

a, b = koefisien regresi

(Sumber : I. Nyoman Susila, Dasar-dasar Metode Numerik, 1994)

II-18

2.8 Uji Hipotesis Korelasi Non Parametrik

Setelah melakukan regresi linier, perlu adanya suatu uji kelayakan mengenai

korelasi yang kita dapatkan. Uji kelayakan ini banyak macamnya. Pemakaiannya

disesuaikan dengan karakteristik data dan kebutuhan. Data-data yang kita peroleh

dari alam sebagian besar merupakan data yang tidak diketahui distribusinya. Oleh

karena itu, uji hipotesis yang akan digunakan adalah Uji Hipotesis Non

Parametrik. Dalam uji ini diperlukan suatu taraf keberartian dan hipotesa awal

mengenai koefisien yang di uji. Terdapat banyak cara dan persamaan yang dapat

digunakan untuk membuktikan hipotesa tersebut. Apabila sesuai, maka

dinyatakan diterima atau hal yang diuji, dalam hal ini adalah koefisien dari regresi

linier, layak untuk digunakan.

Korelasi yang dilakukan oleh Spearman (1904) biasanya disimbolkan dengan

tanda ρ (rho) dan bila independen, didefinisikan dengan persamaan

( ) ( )[ ]( )1

6

2

1

2

−=∑ −

=

nn

ii

n

i

YRXRρ ……………………………….(2.4)

dimana,

R(Xi) = urutan Xi dari yang terkecil ke yang terbesar

R(Yi) = urutan Yi dari yang terkecil ke yang terbesar

n = jumlah data

(Sumber : Prof. Dr Sugiyono, Statistik Non Parametris Untuk Penelitian 2008)

Korelasi rangking Spearman di atas biasanya digunakan untuk tes statistik untuk

melihat keindependenan antara dua variable acak. Berikut adalah uji hipotesis

yang diambil:

Ho : Xi dan Yi satu sama lain saling independen, dimana nilai Xi dan Yi tidak

berpasangan.

II-19

Ha : Xi dan Yi satu sama lain saling berhubungan, dimana ada kecenderungan

nilai besar dari X berpasangan dengan nilai bear Y, atau nilai yang kecil

berpasangan dengan nilai besar Y.