identifikasi karakteristik dan pemetaan tutupan … · karakteristik dan pemetaan tutupan lahan...
TRANSCRIPT
IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN
TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8
(OLI) DI KABUPATEN OGAN KOMERING ILIR PROVINSI
SUMATERA SELATAN
SRI WAHYUNI
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2015
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Identifikasi
Karakteristik dan Pemetaan Tutupan Lahan Menggunakan Citra Landsat 8 (OLI)
di Kabupaten Ogan Komering Ilir, Provinsi Sumatera Selatan adalah benar karya
saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk
apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau
dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain
telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian
akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Januari 2015
Sri Wahyuni
NIM E14100003
ABSTRAK
SRI WAHYUNI. Identifikasi Karakteristik dan Pemetaan Tutupan Lahan
Menggunakan Citra Landsat 8 (OLI) di Kabupaten Ogan Komering Ilir, Provinsi
Sumatera Selatan. Dibimbing oleh NINING PUSPANINGSIH.
Citra landsat 8 khusus sensor Operational Land Imager (OLI) merupakan
citra satelit terbaru yang mempunyai kemampuan untuk mengidentifikasi kelas
tutupan lahan. Sensor OLI memiki resolusi spasial 30 meter x 30 meter dan
resolusi spektral 8 band. Penelitian ini bertujuan untuk mengidentifikasi dan
memetakan tutupan lahan yang berada di Kabupaten Ogan Komering Ilir dengan
citra landsat 8 (OLI). Metode yang digunakan adalah interpretasi citra secara
digital hasil pansharpening dengan klasifikasi terbimbing menggunakan metode
maximum likelihood. Hasil perhitungan kombinasi band terbaik menggunakan
OIF (Optimum Index Factor) adalah kombinasi band 7-5-4 digunakan untuk
klasifikasi tutupan lahan. Hasil klasifikasi tutupan lahan di Kabupaten OKI
diperoleh 14 kelas tutupan lahan yaitu badan air, pemukiman, sawah, rawa, semak
belukar rawa, rumput rawa, lahan terbuka, tambak, perkebunan (perkebunan karet,
perkebunan kelapa sawit, kebun campuran, semak), hutan mangrove, hutan
tanaman akasia, awan dan bayangan awan. Hasil analisis akurasi memberikan
ketelitian yang baik dengan nilai overall accuracy sebesar 87.83% dan kappa
accuracy sebesar 87.83%.
Kata kunci: klasifikasi terbimbing, kombinasi band, landsat 8 (OLI), tutupan
lahan
ABSTRACT
SRI WAHYUNI. Characteristic Identification and Land Cover Mapping Using
Landsat 8 (OLI) in Ogan Komering Ilir Regency, South Sumatera Province.
Supervised by NINING PUSPANINGSIH.
Landsat image sensor 8 special Operational Land Imager (OLI) is the
newest satellite images that have the ability to identify land cover classes. OLI
sensor have a spatial resolution 30 x 30 meters and spectral resolution 8 band.
This research aimed to identify and map the land cover located in Ogan Komering
Ilir Regency with the image of landsat 8 (OLI). A method of this research is an
interpretation image digitally the results of pansharpening having a supervised
classification uses the maximum likelihood method. The calculation on a
combination of best band use OIF (Optimum Index Factor) was the combination
band 7-5-4 used for the classification of land cover. The results of the
classification of land cover in OKI Regency were obtained 14 classes of land
cover i.e water body, residential area, rice fields, swamp, brushwood swamp,
grassy swamp, open land, embankment, plantation (rubber, palm oil, mix garden,
bushes), mangrove forest, acacia plantation forest, cloud, and shadows of cloud.
The accuracy analysis results showed a good accuracy with overall accuracy value
was 87.83% and kappa accuracy value was 87.83%.
Key words: supervised classification, band combination, landsat 8 (OLI), land
cover
IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN
TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8
(OLI) DI KABUPATEN OKI PROVINSI SUMATERA
SELATAN
SRI WAHYUNI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Kehutanan
pada
Departemen Manajemen Hutan
DEPARTEMEN MANAJEMEN HUTAN
FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR
BOGOR
2015
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga skripsi ini berhasil diselesaikan. Tema yang dipilih
dalam penelitian yang dilaksanakan sejak bulan Agustus 2014 ini ialah
penginderaan jauh menggunakan citra satelit, dengan judul Identifikasi
Karakteristik dan Pemetaan Tutupan Lahan Menggunakan Citra Landsat 8 (OLI)
di Kabupaten Ogan Komering Ilir, Provinsi Sumatera Selatan.
Terima kasih penulis ucapkan kepada Ibu Dr Nining Puspaningsih, MSi
selaku dosen pembimbing atas nasihat, bimbingan dan arahan serta kesabarannya
dalam penyelesaian skripsi ini. Di samping itu, terima kasih juga disampaikan
kepada Dinas Kehutanan Kabupaten OKI dan Badan Perencanaan Daerah
Kabupaten OKI yang telah membantu selama pengumpulan data. Penghargaan
terbesar penulis sampaikan kepada Ayah (Abunawas), Ibu (Nursidah), Adik (Novi
Purnamasari dan Irmatika Triana) serta seluruh keluarga, atas segala doa dan
kasih sayangnya. Tidak lupa penulis ucapkan terima kasih pula untuk Bapak Uus
Saepul beserta keluarga besar Laboratorium SIG dan Remote Sensing atas semua
ilmu, bantuan, dan motivasi yang telah diberikan. Kepada sahabat dan teman-
teman Manajemen Hutan 47 atas semangat dan bantuannya, serta semua pihak
atas segala doa dan kasih sayangnya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Januari 2015
Sri Wahyuni
DAFTAR ISI
DAFTAR TABEL ii
DAFTAR GAMBAR ii
DAFTAR LAMPIRAN ii
PENDAHULUAN 1
Latar belakang 1
Tujuan Penelitian 1
Manfaat Penelitian 2
METODE PENELITIAN 2
Waktu dan Tempat Penelitian 2
Alat dan Data 3
Metode Penelitian 3
HASIL DAN PEMBAHASAN 9
Kombinasi Band Terbaik 9
Karakteristik Tutupan Lahan Secara Visual Citra 12
Karakteristik Tutupan Lahan di Lapangan 15
Klasifikasi Tutupan Lahan Secara Digital 18
Tingkat Akurasi 23
SIMPULAN DAN SARAN 25
Simpulan 25
Saran 25
DAFTAR PUSTAKA 25
LAMPIRAN 27
RIWAYAT HIDUP 29
DAFTAR TABEL
1 Karakteristik band citra Landsat 8 4 2 Kriteria separabilitas transformed divergence 7
3 Contoh perhitungan akurasi 8 4 Saluran band dan kegunaannya 9 5 Nilai kombinasi OIF (Optimum Index Factor) hasil pansharpening citra
landsat 8 (OLI) tahun 2014 11 6 Karakteristik 14 tutupan lahan tahun 2014 band 7-5-4 13
7 Jenis tutupan lahan yang ditemukan di lapangan 16 8 Karakteristik tutupan lahan hasil di lapangan tahun 2014 16 9 Hasil re-group 14 kelas tutupan lahan 20
10 Nilai separabilitas 14 tutupan lahan 20 11 Luas klasifikasi tutupan lahan di 15 kecamatan Kabupaten OKI tahun
2014 22 12 Matriks kontingensi hasil klasifikasi 14 kelas tutupan lahan 24
DAFTAR GAMBAR
1 Peta lokasi penelitian di Kabupaten OKI tahun 2014 3 2 Hasil tanpa pansharpening (a) dan pansharpening (b) citra landsat 8 (OLI)
tahun 2014 di Kabupaten OKI 10 3 Kombinasi band 8-6-1 dan 7-5-4 (RGB) citra lansat 8 (OLI) tahun 2014 12 4 Sebaran titik pengamatan di Kabupaten OKI tahun 2014 18
5 Peta layout klasifikasi tutupan lahan di OKI tahun 2014 22
DAFTAR LAMPIRAN
1 Nilai separabilitas 24 kelas tutupan lahan di Kabupaten OKI 27 2 Nilai separabilitas 17 kelas tutupan lahan di Kabupaten OKI 28
PENDAHULUAN
Latar belakang
Penutupan lahan didefinisikan sebagai penyebutan kenampakan biofisik di
permukaan bumi yang terdiri dari areal vegetasi, lahan terbuka, lahan terbangun,
tubuh air dan lahan basah (Lillesand et al. 1990). Salah satu kegiatan yang
dilakukan untuk pendataan penutupan lahan adalah kegiatan inventarisasi tutupan
lahan. Inventarisasi tutupan lahan merupakan salah satu aplikasi dalam inderaja
dan GIS yang digunakan untuk melakukan pendataan jenis tutupan lahan dalam
cakupan wilayah kajian. Informasi mengenai jenis-jenis tutupan lahan dapat
diperoleh dari kegiatan inventarisasi data tutupan lahan melalui kegiatan ground
check atau pengambilan data kondisi tutupan lahan di lapangan, menggunakan
teknologi penginderaan jauh dan kombinasi pengamatan terestis dan pengideraan
jauh.
Kabupaten Ogan Komering Ilir (OKI), Provinsi Sumatera Selatan
merupakan wilayah kabupaten yang ada di Pulau Sumatera dengan luas sebesar
1.9 juta ha lebih luas daripada wilayah kabupaten di Pulau Jawa. Kegiatan
inventarisasi tutupan lahan di Kabupaten OKI memerlukan waktu yang lama dan
biaya yang tinggi karena aksesibilitas yang sulit. Teknologi penginderaan jauh
sangat dibutuhkan untuk dapat mengidentifikasi jenis penutupan lahan secara
cepat, akurat, efisien dan meliputi cakupan yang cukup luas dengan biaya yang
relatif murah.
Penginderaan jauh adalah ilmu untuk memperoleh informasi fenomena alam
pada objek (permukaan bumi) yang diperoleh tanpa kontak langsung dengan
objek permukaan bumi melalui pengukuran pantulan (reflection) ataupun
pancaran (emission) oleh media gelombang elektromagnetik (Suwargana 2013).
Menurut Jaya (2010) Penginderaan jarak jauh, khususnya satellite remote sensing
dengan citra landsat merupakan sarana yang banyak digunakan untuk kegiatan
pemetaan. Salah satu bentuk pemetaan yang dilakukan adalah pemetaan tutupan
lahan.
Jenis-jenis tutupan lahan dapat diidentifikasi dari kenampakan suatu citra
satelit. Salah satu citra yang dapat digunakan adalah citra landsat 8 (OLI). Nasa
meluncurkan satelit Landsat Data Continuity Mission (LDCM) pada tanggal 11
Februari 2013 yang dikenal dengan Landsat 8. Landsat 8 terdiri dari dua sensor
yaitu sensor Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS)
dengan 9 band sensor OLI dan 2 band sensor TIRS (USGS 2014). Jumlah band
yang ada pada Landsat 8 diharapkan dapat meningkatkan kemampuan citra dalam
mengidentifikasi citra tutupan lahan yang ada di Kabupaten OKI, Provinsi
Sumatera Selatan.
Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1. Menghitung dan mencari kombinasi band terbaik Landsat 8 (OLI).
2. Melakukan identifikasi karakteristik tutupan lahan pada Citra Landsat 8 (OLI)
di Kabupaten Ogan Komering Ilir.
2
3. Melakukan pemetaan tutupan lahan di Kabupaten Ogan Komering Ilir
menggunakan Citra Landsat 8 (OLI).
Manfaat Penelitian
Hasil penelitian ini diharapkan dapat memberikan informasi terbaru
mengenai tutupan lahan yang ada di Kabupaten Ogan Komering Ilir (OKI),
Provinsi Sumatera Selatan.
METODE PENELITIAN
Waktu dan Tempat Penelitian
Penelitian ini dilakukan di Kabupaten OKI (Ogan Komering Ilir), Provinsi
Sumatera Selatan. Secara geografis wilayah Kabupaten OKI terletak di bagian
Timur Provinsi Sumatera Selatan tepatnya antara 104˚20’-106˚00’ Bujur Timur
dan 2˚30’-4˚15’ Lintang Selatan. Kabupaten OKI terdiri dari 18 kecamatan yang
terdiri dari kecamatan Kayuagung, Jejawi, Pedamaran, Pedamaran Timur,
Lempuing, Lempuing Jaya, Mesuji, Mesuji Raya, Mesuji Makmur, Sungai
Menang, Cengal, Tanjung Lubuk, Pampangan, Pangkalan Lampam, Tulung
Selapan dan Air sugihan. Total luasan Kabupaten OKI mencapai 19 023.47 km2
dengan kepadatan penduduk sekitar 39 juta jiwa per km2. Penduduk yang berada
di Kabupaten OKI mempunyai mata pencaharian yang beragam diantaranya
Pegawai Negeri Sipil, wirausaha, pengrajin dan pekerjaan usaha kecil lainnya
(BAPPEDA OKI 2012).
Secara fisiografi, dataran di Kabupaten OKI dibedakan menjadi dataran
lahan basah dengan topografi rendah (lowland) dan dataran lahan kering yang
dengan topografi lebih tinggi (upland). Namun demikian, pada umumnya
merupakan dataran rendah dengan ketinggian rata-rata 0-10 meter dari permukaan
laut. Wilayahnya cenderung mendatar sampai miring landai dengan kemiringan
antara 0-2º (BAPPEDA OKI 2012).
Lokasi penelitian terdiri dari 15 kecamatan yang ada di Kabupaten OKI,
dapat dilihat pada Gambar 1. Pengambilan data lapangan dilakukan bulan Agustus
sampai dengan September 2014. Pengolahan data dilakukan pada bulan
September sampai November 2014 di Laboratorium Remote Sensing Departemen
Manajeman Hutan, Fakulas Kehutanan IPB.
3
Gambar 1 Peta lokasi penelitian di Kabupaten OKI tahun 2014
Alat dan Data
Alat yang digunakan dalam penelitian ini terdiri dari alat tulis, GPS (Global
Positioning System) untuk pengambilan titik koordinat di lapang, kamera digital
untuk dokumentasi lapang, Suunto tandem untuk menentukan arah dan
kelerengan, tally sheet, dan laptop yang dilengkapi dengan program software
Erdas Imagine 9.1, ArcGis 9.3 dan Microsoft office (Ms. Word, Ms. Excel).
Data yang digunakan dalam penelitian ini meliputi data primer dan data
sekunder. Data primer merupakan data yang diperoleh langsung dari hasil
pengambilan lapangan berupa ground check dan pengamatan tutupan lahan di
lokasi penelitian. Data sekunder yang digunakan adalah Citra Satelit Landsat 8
dengan sensor (OLI) path/row 123/62, 123/63, 124/62, dan 124/63 perekaman
tahun 2014 serta, peta batas administrasi Kabupaten OKI dan Peta jaringan jalan
Kabupaten OKI.
Metode Penelitian
a. Persiapan
Persiapan dilakukan dengan studi pustaka tentang penelitian dan
pengumpulan data sekunder. Data sekunder yang diperoleh berupa data Citra
landsat 8 (OLI), peta administrasi, peta jaringan jalan Kabupaten OKI.
4
b. Pra-Pengolahan Citra
Pra-pengolahan citra merupakan tahap awal sebelum melakukan pengolahan
citra. Tahapan pra-pengolahan citra meliputi perubahan format, pansharpening,
mozaik citra, pemotongan citra, registrasi dan perhitungan OIF (Optimum Index
Factor).
1. Perubahan Format
Citra satelit landsat 8 (OLI) yang telah di unduh memiliki format data dalam
bentuk GeoTiff/ .TIFF, sehingga perlu dilakukan perubahan format ke dalam
bentuk Image/ .img. Proses pengubahan format ini menggunakan software Erdas
Imagine 9.1.
2. Pansharpening
Pansharpening merupakan salah satu cara yang digunakan untuk
mempertajam kenampakan objek pada citra dalam melakukan analisis visual.
Penajaman objek ini dilakukan dengan menggabungkan citra multiband
(1,2,3,4,5,6,7 dan 9) yang memiliki resolusi 30 meter x 30 meter dan band
pankromatik (band 8) yang memiliki resolusi spasial 15 meter x 15 meter.
Karakteristik band landsat 8 dapat dilihat pada Tabel 1.
Proses penggabungan ini menghasilkan citra yang memiliki banyak warna
dengan resolusi spasial yang lebih tinggi yaitu 15 meter x 15 meter. Metode
penggabungan citra yang digunakan adalah metode Brovey Transform atau
Transformasi Brovey. Metode ini merupakan metode yang paling populer untuk
memadukan dua macam citra yang berbeda resolusi spasial (Danoedoro 2012).
Metode Brovey Tranform dapat diketahui dengan rumus:
Saluran_MP =
Saluran_HP =
Saluran_BP =
Keterangan :
M = saluran merah
B = saluran biru
H = saluran hijau
P = saluran pankromatik
Tabel 1 Karakteristik band citra Landsat 8
Saluran Panjang gelombang (µm) Resolusi spasial (m)
1 Coastal blue 0.43 - 0.45 µm 30 m
2 Blue 0.45 - 0.51 µm 30 m
3 Green 0.53 - 0.59 µm 30 m
4 Red 0.64 - 0.67 µm 30 m
5 NIR 0.85 - 0.88 µm 30 m
5
Tabel 1 Lanjutan Saluran Panjang gelombang (µm) Resolusi spasial (m)
6 SWIR 1 1.57 - 1.65 µm 30 m
7 SWIR 2 2.11 - 2.29 µm 30 m
8 PANKROMATIK 0.50 - 0.68 µm 15 m
9 Cirrus 1.36 - 1.38 µm 30 m
10 TIRS 1 10.6 - 11.19 µm 100 m
11 TIRS 2 11.5 - 12.51 µm 100 m Sumber : USGS (2014)
3. Mozaik Citra
Mozaik citra merupakan proses menggabungkan beberapa citra yang kohesif
(Jaya 2010). Lokasi penelitian terdiri atas beberapa scene pada citra landsat 8
dengan path/row 123/62, 123/63, 124/62, 124/63 sehingga perlu digabungkan
menjadi satu scene untuk pengolahan selanjutnya.
4. Registrasi citra
Registrasi bertujuan untuk penyamaan posisi citra yang satu dengan yang
lainnya. Pada penelitian ini registrasi yang digunakan adalah penyamaan posisi
citra hasil mozaik dengan Peta Dasar Tematik Kehutanan (PDTK) tahun 2010 dan
penyamaan garis pantai dari setiap citra.
5. Perhitungan OIF (Optimum Index Factor)
Perhitungan OIF ini bertujuan memilih kombinasi band terbaik untuk
mengetahui gambaran awal dalam mengidentifikasi pola sebaran penutupan lahan.
Menurut Jaya (2010), kombinasi OIF merupakan ukuran banyaknya informasi
yang dimuat pada suatu citra komposit. Nilai OIF ini dapat diperoleh dengan
rumus:
Dimana Si, Sj dan Sk adalah simpangan baku dari band ke-i, j dan k,
sedangkan rij, rjk dan rik adalah koefisien korelasi antar bandnya (Jaya 2010).
Pemilihan kombinasi band terbaik tidak hanya dilihat dari nilai perhitungan OIF,
melainkan juga dari kenampakan visual yang terlihat pada citra hasil mozaik.
6. Pemotongan Citra (Cropping)
Pemotongan citra (cropping) dilakukan untuk mengetahui lokasi penelitian
yang diamati sesuai dengan batas administrasi Kabupaten Ogan Komering Ilir.
Pemotongan citra dilakukan dengan menggunakan software Erdas Imagine 9.1
dan Arc.Gis 9.3.
c. Identifikasi Karakteristik Tutupan Lahan
Identifikasi merupakan proses pengenalan terhadap suatu objek tertentu
sesuai dengan karakteristik tertentu, sedangkan karakteristik merupakan ciri-ciri
yang melekat pada suatu objek tertentu. Tutupan lahan adalah kenampakan yang
ada di permukaan bumi pada suatu lahan tertentu. Identifikasi karakteristik
ikjkij
kji
ijkrrr
SSSOIF
6
tutupan lahan dapat diartikan sebagai proses pengenalan suatu objek tutupan lahan
dengan ciri-ciri tertentu. Ciri-ciri objek yang menjadi tutupan lahan pada
penelitian ini dapat dilihat dari pengenalan pola spektral. Menurut Purwadhi
(2001), pengenalan pola spektral (spectral pattern recognation) adalah
mengevaluasi informasi objek berdasarkan ciri spektral yang disajikan oleh citra
penginderaan jauh. Karakteristik (ciri) spektral (spectral signature) dalam
penginderaan jauh adalah karakteristik setiap objek dalam menyerap dan
memantulkan tenaga yang diterima.
d. Interpretasi Visual Citra
Interpretasi visual citra ini dilakukan untuk mengidentifikasi tutupan lahan
yang terlihat pada citra sebelum melakukan pengamatan lapangan. Identifikasi
citra dilakukan berdasarkan unsur-unsur karakteristik citra yaitu rona/warna,
bentuk, tekstur, pola, bayangan, ukuran, asosiasi, dan situs. Interpretasi visual
dilakukan pada citra hardcopy ataupun citra yang tertayang pada monitor
komputer (Somantri 2008).
Interpretasi ini dilakukan untuk mendapatkan gambaran secara umum kondisi
dan jumlah tutupan lahan yang ada di Kabupaten OKI, interptretasi citra secara
visual dilakukan pada citra dengan komposit warna terbaik hasil perhitungan OIF.
e. Pengamatan Data Lapangan (Ground Check)
Kegiatan pengamatan di lapangan dilakukan dengan menggunakan metode
purposive sampling pada setiap kelas tutupan lahan. Penentuan koordinat titik
pengamatan sesuai dengan objek tutupan lahan yang ada disertai dengan
pengamatan objek dan foto kenampakan tutupan lahan pada kondisi sebenarnya di
lapangan. Selain itu, kondisi topografi dan kemudahan aksesibilitas juga
mendukung untuk pengambilan koordinat titik. Koordinat titik yang diambil di
lapangan sebanyak 124 titik.
Pengamatan lapang ini bertujuan untuk mencocokan tutupan lahan yang telah
diinterpretasi pada citra secara visual dengan kondisi tutupan lahan sebenarnya di
lapangan. Pengambilan koordinat titik data lapangan ini menggunakan alat bantu
GPS (Geographic Positioning System).
f. Analisis Citra Digital
Analisis citra digital merupakan suatu proses penyusunan, pengurutan, atau
pengelompokan suatu piksel citra digital multispektral ke dalam beberapa kelas
berdasarkan kategori objek. Analisis citra digital yang digunakan pada penelitian
ini adalah klasifikasi terbimbing (supervised). Klasifikasi terbimbing (supervised)
merupakan metode yang diperlukan untuk mentransformasikan data citra multi-
spektral ke dalam kelas-kelas unsur spasial (Prahasta 2008). Setiap piksel yang
berada pada satu kelas diasumsikan berkarakteristik sama, sehingga dilakukan
pemilihan area contoh untuk mengelompokkan objek secara terpisah. Tahapan
analisis citra digital, yaitu:
1. Penentuan Area Contoh (Training Area)
Penentuan area contoh dilakukan berdasarkan data yang diperoleh dari hasil
interpretasi citra secara visual, peta rupa bumi dan pengambilan titik objek di
7
lapangan. Pengambilan titik objek di lapangan harus mewakili satu kelas atau
kategori tutupan lahan. Titik yang menjadi area contoh (training area) diambil ke
dalam beberapa piksel dari setiap kelas tutupan lahannya dan ditentukan lokasinya
pada citra komposit untuk menganalisis informasi statistik yang diperoleh dari
lapang. Training area (area contoh) diperlukan pada setiap kelas yang akan
dibuat, dan diambil dari areal yang cukup homogen. Secara teoritis jumlah piksel
yang harus diambil per kelas adalah sebanyak jumlah band yang digunakan plus
satu (N+1). Akan tetapi pada prakteknya, jumlah piksel yang harus diambil dari
setiap kelas biasanya 10 sampai 100 kali jumlah band yang digunakan
(10N~100N) (Jaya 2010).
2. Analisis Separabilitas
Analisis separabilitas adalah analisis kuantitatif yang memberikan informasi
mengenai evaluasi keterpisahan area contoh (training area) dari setiap kelas,
apakah suatu kelas layak digabung atau tidak dan juga kombinasi band terbaik
untuk klasifikasi. Metode yang digunakan pada penelitian ini yaitu metode
Transformed Divergence (TD), metode ini digunakan untuk mengukur tingkat
keterpisahan antar kelas. TD akan berkisar antara 0 sampai dengan 2000. Semakin
kecil nilai, semakin jelek separabilitasnya. Nilai nol sama dengan tidak bisa
dipisahkan, sedangkan nilai maksimum menunjukkan keterpisahan yang sangat
baik (excellent) (Jaya 2009). Kriteria separabilitas Tranformed Divergence dapat
dilihat pada Tabel 2. Nilai TD dapat diketahui dengan rumus:
Keterangan:
TDij = seprabilitas antara kelas i dan kelas j
Exp = -2.719
i dan j = Dua penciri kelas yang digabung
Tabel 2 Kriteria separabilitas transformed divergence
Nilai transformed divergence Deskripsi
2000 Sangat baik (excellent)
1900 - <2000 Baik (good)
1800 - <1900 Cukup (fair)
1600 - <1800 Kurang (poor)
<1600 Tidak terpisahkan (Inseparable) Sumber : Analisis Citra Digital, Jaya 2009.
3. Klasifikasi Tutupan Lahan
Analisis citra digital yang digunakan pada penelitian ini adalah klasifikasi
terbimbing (supervised). Klasifikasi terbimbing (supervised) merupakan metode
yang diperlukan untuk mentransformasikan data citra multi-spektral ke dalam
kelas-kelas unsur spasial (Prahasta 2008). Metode yang digunakan dalam
penelitian ini menggunakan metode peluang maksimum (maximum likelihood
classifier). Metode maksimum likelihood mempertimbangkan nilai rata-rata dan
keragaman antarkelas dan saluran (kovariansi) (Lillesand et al. 1990). Nilai pada
metode maksimum likelihood didasarkan pada nilai piksel sama dan identik pada
citra.
8
4. Uji Akurasi
Uji akurasi digunakan untuk mengevaluasi ketelitian atau kesalahan dari
klasifikasi tutupan lahan yang telah ditentukan berdasarkan training area. Akurasi
ini dianalisis dengan menggunakan suatu matriks kontingensi atau matriks
kesalahan (confusion matrix) yang ada pada Tabel 3.
Tabel 3 Contoh perhitungan akurasi
Data
referensi
Di klasifikasi ke kelas Jumlah Producer’s
accuracy
A B C D
A X11 X12 X13 X14 X1+ X11/X1+
B X21 X22 X23 X24 X2+ X22/X2+
C X31 X32 X33 X34 X3+ X33/X3+
D X41 X42 X43 X44 X4+ X44/X4+
Jumlah X+1 X+2 X+3 X+4 N
User’s
Accuracy
X11/X+1 X22/X+2 X33/X+3 X44/X+4
Sumber : Analisis Citra Digital, Jaya 2010.
Berdasarkan Tabel 3, akurasi yang bisa dihitung terdiri dari akurasi pembuat
(producer’s accuracy), akurasi pengguna (user’s accuracy), dan akurasi
keseluruhan (overall accuracy). Secara matematis rumus dari akurasi di atas dapat
dinyatakan sebagai berikut :
Akurasi pengguna =
Akurasi pembuat =
Akurasi keseluruhan =
Keterangan:
Xii = nilai diagonal dari matrik kontingensi baris ke-i dan kolom ke-i
X+i = jumlah piksel dalam kolom ke-i
X i+ = jumlah piksel dalam baris ke-i
N = banyaknya piksel dalam contoh
Menurut Jaya (2010), saat ini akurasi yang dianjurkan adalah akurasi kappa
(kappa accuracy), karena overral accuracy secara umum masih over estimate.
Akurasi kappa ini sering juga disebut dengan indeks kappa. Secara matematis
akurasi kappa disajikan sebagai berikut:
Kappa accuracy =
Keterangan:
N = banyaknya piksel dalam contoh
Xii = nilai diagonal dari matriks kontingensi baris ke-i dan kolom ke-i
Xi+ = jumlah piksel dalam baris ke-i
X+i = jumlah piksel dalam kolom ke-i
9
HASIL DAN PEMBAHASAN
Kombinasi Band Terbaik
Citra landsat 8 merupakan satelit dengan misi kelanjutan dari citra landsat 7
dengan spesifikasi band yang baru maupun dari rentang spektrum panjang
gelombang elektromagnetik yang ditangkap oleh sensor. Jumlah saluran band
yang ada di landsat 8 lebih banyak dibanding dengan landsat 7 dengan fungsi
yang berbeda. Citra landsat 8 memiliki jumlah saluran band sebanyak 11 buah.
Kegunaan dari 11 saluran band pada citra landsat 8 disajikan pada Tabel 4.
Tabel 4 Saluran band dan kegunaannya
Band
Panjang
gelombang
(µm)
Deskripsi Kegunaan
1 0.43 - 0.45 Coastal blue Mendeteksi wilayah pesisir.
2 0.45 - 0.5 Blue Penetrasi tubuh air, sehingga
bermanfaat untuk pemetaan perairan
pantai. Selain itu berguna untuk
membedakan antara tanah dengan
vegetasi, tumbuhan berdaun lebar
dan konifer.
3 0.53 - 0.59 Green Mengukur puncak pantulan hijau
bagi vegetasi.
4 0.64 - 0.67 Red Saluran absorpsi klorofil yang
penting untuk deskriminasi vegetasi.
5 0.85 - 0.88 Near Infrared
(NIR)
Menentukan kandungan biomassa
dan untuk dilineasi tubuh air.
6 1.57 - 1.65 SWIR 1 Menunjukkan kandungan
kelembaban vegetasi dan
kelembaban tanah.
7 2.11 - 2.29 SWIR 2 Saluran yang diseleksi karena
potensinya untuk membedakan
formasi batuan dan untuk pemetaan
hidrotermal.
8 0.50 - 0.68 PAN Pankromatik untuk mempertajam
kenampakan objek pada citra.
9 1.36 - 1.38 Cirrus Mendeteksi awan halus.
10 10.6 - 11.19 Thermal Infrared
(TIRS) 1 Memberikan keakuratan suhu
permukaan. 11 11.5 - 12.51 Thermal Infrared
(TIRS) 2 Sumber : USGS (2014)
Kenampakan visual pada citra yang baik adalah kenampakan citra komposit
yang sesuai dengan objek yang sebenarnya di lapangan. Menurut Danoedoro
(2012), kenampakan objek berbeda satu sama lain karena adanya perbedaan
10
interval nilai piksel yang mempresentasikannya dan adanya perbedaan kesan pola
spasial yang dihasilkannya. Oleh karena itu perubahan yang terjadi pada pola
spasial atau nilai piksel akan menghasilkan perubahan kenampakan citra tersebut.
Perubahan kenampakan pada citra dapat diperbaiki dengan metode
perbaikan spasial. Perbaikan spasial (spatial enhancement) atau penajaman spasial
merupakan perbaikan dengan memperbaiki nilai piksel berdasarkan nilai piksel itu
sendiri dan piksel yang ada disekitarnya (Jaya 2009). Penajaman citra yang
digunakan adalah pansharpening. Pansharpening merupakan perbaikan dengan
penajaman citra yang mengkombinasikan resolusi band yang tinggi (pankromatik)
sebagai acuan dan band multispektal dalam aspek warna (visualisasi dalam warna
merah, hijau dan biru). Penajaman yang dilakukan dengan menggunakan metode
Transformasi Brovey (Brovey Transform). Metode ini paling populer digunakan
untuk memadukan dua macam citra yang berbeda resolusi spasial. Transformasi
Brovey mengubah nilai spektral asli pada setiap saluran multispektral yang
masing-masing diperinci secara spasial oleh citra pankromatik dan normalisasi
nilai kecerahaannya dengan mempertimbangkan nilai-nilai pada saluran lainnya
(Danoedoro 2012). Perbedaan hasil pansharpening dan tidak menggunakan
pansharpening dapat dilihat pada Gambar 2.
(a) (b)
Gambar 2 Hasil tanpa pansharpening (a) dan dengan pansharpening (b) citra
landsat 8 (OLI) tahun 2014 di Kabupaten OKI
Pemilihan citra komposit multiband dapat dilakukan dengan melakukan
metode perhitungan OIF (Optimum Index Factor). Menurut Sutanto (2011), salah
satu metode untuk penajaman citra digunakan metode Faktor Indeks Optimum
(OIF/Optimum Index Factor) yaitu untuk mendapatkan nilai statistik yang dapat
digunakan dalam memilih kombinasi optimal dari tiga kanal pada citra satelit
melalui komposit warna. Perhitungan nilai OIF dilakukan untuk menghasilkan
kombinasi band terbaik dalam melakukan interpretasi, sehingga diharapkan dapat
menghasilkan variasi informasi yang sesuai dengan kenampakan yang terlihat
pada citra. Nilai kombinasi OIF disajikan pada Tabel 5.
11
Tabel 5 Nilai kombinasi OIF (Optimum Index Factor) hasil pansharpening citra
landsat 8 (OLI) tahun 2014
No Kombinasi OIF No Kombinasi OIF
1 8-6-1 6880 29 8-7-5 853
2 8-7-1 6229 30 8-7-3 850
3 5-2-1 2482 31 8-5-4 837
4 8-5-1 2477 32 8-5-2 827
5 6-2-1 2464 33 6-5-2 819
6 8-4-1 2439 34 8-5-3 809
7 6-4-1 2400 35 6-54 809
8 5-3-1 2391 36 6-5-3 801
9 5-4-1 2387 37 5-4-2 779
10 6-3-1 2374 38 5-3-2 776
11 8-2-1 2299 39 5-4-3 761
12 8-3-1 2248 40 6-4-2 761
13 7-2-1 2149 41 6-3-2 754
14 7-4-1 2129 42 7-5-2 745
15 7-3-1 2075 43 6-4-3 743
16 6-5-1 2070 44 7-5-4 740
17 7-6-1 1968 45 7-6-2 739
18 7-5-1 1883 46 7-6-4 737
19 3-2-1 1840 47 7-5-3 729
20 4-2-1 1836 48 7-6-3 722
21 4-3-1 1775 49 8-4-2 694
22 8-7-6 1138 50 7-4-2 686
23 8-6-4 1019 51 7-6-5 685
24 8-6-2 1001 52 8-4-3 679
25 8-6-3 973 53 7-3-2 676
26 8-6-5 952 54 8-3-2 672
27 8-7-4 900 55 7-4-3 670
28 8-7-2 874 56 4-3-2 626 Keterangan: = Kombinasi nilai OIF terpilih
Hasil perhitungan OIF pada Tabel 5 menunjukkan nilai OIF terbesar dari
seluruh kombinasi band adalah kombinasi dari band 8-6-1 dengan nilai 6 880.
Kombinasi band ini merupakan kombinasi band 9 (cirrus pada saluran band 8),
band 6 (SWIR 1) dan band 1 (coastal blue). Hasil kenampakan secara visual yang
ditampilkan dari kombinasi band 8-6-1 ini kurang baik dan memuat informasi
yang sedikit, sehingga kombinasi band ini tidak dipilih. Jika dilihat dari
kenampakan visual melalui citra satelit, diperoleh nilai kombinasi band yaitu 7-5-
4 sebesar 740 yang memiliki variasi informasi yang lebih banyak dibandingkan
dengan kombinasi band 8-6-1. Kombinasi band 7-5-4 merupakan gabungan dari
band 7 (SWIR-2), band 5 (NIR) dan band 4 (red). Kombinasi band ini dapat
dipilih karena hasil kenampakan secara visual citra lebih mendekati warna alam
dan informasi kenampakan tutupan lahan yang ada cukup banyak. Menurut
Paraditya dan Purwanto (2012), saluran band asli 4-5-7 untuk mengidentifikasi
12
batuan, bentuk lahan dengan menggunakan pendekatan relief, pola aliran dan
vegetasi. Hasil visualisasi gambar dari kombinasi 8-6-1 dan 7-5-4 dapat dilihat
pada Gambar 3.
(a)
(b)
Gambar 3 Kombinasi band 8-6-1 dan 7-5-4 (RGB) citra lansat 8 (OLI) tahun 2014
Karakteristik Tutupan Lahan Secara Visual Citra
Pengenalan objek atau interpretasi data penginderaan jauh pada dasarnya
untuk mengetahui karakteristik spektral objek. Namun, ada beberapa jenis benda
yang berbeda tetapi mempunyai karakteristik spektral sama atau serupa sehingga
menyulitkan dalam pengenalannya, sehingga dilakukan pengenalan objek dengan
menggunakan karakteristik yang lain dengan melihat karakteristik spasialnya
(keruangan). Karakteristik spasial dalam interpretasi citra digital dikenal dengan
pengenalan pola dalam klasifikasi dengan pendekatan tekstur (Purwadhi 2001).
Menurut Baplan (2008), dalam interpretasi citra, untuk mengenali suatu
objek diperlukan alat bantu dengan menggunakan 8 unsur interpretasi citra yaitu
rona atau warna, tekstur, bentuk, pola, ukuran, bayangan, asosiasi, dan situs.
Identifikasi karakteristik tutupan lahan pada penelitian ini dilakukan dengan
melihat kenampakan objek dalam berdasarkan ciri-ciri terhadap gambar citra dan
keadaan tutupan lahan di lapangan.
Interpretasi adalah menyampaikan informasi yang dilihat tentang suatu
objek yang dilihat kepada informan. Menurut Purwadhi (2001), interpretasi atau
penafsiran citra penginderaan jauh (fotografik atau non-fotografik) merupakan
perbuatan mengkaji citra dengan maksud untuk mengidentifikasi objek yang
tergambar dalam citra, dan menilai arti penting objek tersebut. Interpretasi
merupakan proses penerjemahan data dan informasi tentang suatu objek, daerah
atau fenomena pada suatu wilayah yang di teliti. Interpretasi secara visual citra
dengan melihat 8 unsur interpretasi melalui komputer. Interpretasi visual citra
yang dilakukan dengan melihat kenampakan tutupan lahan pada pada komputer
dan secara langsung di lapangan.
Proses penerjemahan data dan informasi suatu objek juga tergantung pada
pola spektral yang dihasilkan oleh citra. Hal ini berarti nilai reflektansi yang
dimiliki oleh citra berbeda-beda tergantung dari tingkat kecerahannya.
Karakteristik kelas tutupan lahan secara visual pada citra dan hasil di lapangan
dapat dilihat dapat Tabel 6.
13
Tabel 6 Karakteristik 14 tutupan lahan tahun 2014 band 7-5-4
Tutupan lahan Gambar pada citra Gambar di lapangan
Pemukiman
Badan air
Sawah
Rawa
Semak belukar
rawa
Rumput rawa
14
Tabel 6 Lanjutan Tutupan lahan Gambar pada citra Gambar di lapangan
Pertanian lahan
kering
Hutan tanaman
akasia
Perkebunan karet/
perkebunan kelapa
sawit/semak/kebun
campuran
a. Perkebunan karet
b. Perkebunan kelapa sawit
c. Semak
d. Kebun campuran
a. Perkebunan karet
b. Perkebunan kelapa sawit
c. Semak
d. Kebun campuran
15
Tabel 6 Lanjutan
Tutupan lahan Gambar pada citra Gambar di lapangan
Lahan terbuka
Hutan mangrove
Tambak
Awan
-
Bayangan awan
-
Karakteristik Tutupan Lahan di Lapangan
Pengamatan di lapangan dilakukan untuk menyesuaikan keadaan tutupan
lahan yang terlihat pada citra visual dengan keadaan sebenarnya di lapangan.
Berdasarkan hasil penentuan koordinat titik tutupan lahan secara purposive di
lapangan, dengan jumlah titik koordinat pengamatan sebanyak 124 titik diperoleh
22 jenis tutupan lahan di lapangan. Koordinat titik yang diambil hanya meliputi
15 kecamatan dari 18 kecamatan yang ada di Kabupaten OKI. Hal ini disebabkan
karena aksesibilitas menuju ke lokasi pengambilan koordinat titik tutupan lahan
yang jauh dan sulit untuk dijangkau. Selain itu, secara visual kenampakan citra
yang diperoleh di tiga kecamatan yang bukan menjadi tempat pengambilan
16
koordinat titik terdapat banyak awan, sehingga dapat mempersulit dalam
mengidentifikasi jenis tutupan lahan. Jenis tutupan lahan yang ditemukan di
lapangan disajikan pada Tabel 7.
Tabel 7 Jenis tutupan lahan yang ditemukan di lapangan
No Jenis tutupan lahan yang
ditemukan
No Jenis tutupan lahan yang ditemukan
1 Pemukiman 11 Hutan tanaman jabon
2 Badan air 12 Hutan kota
3 Sawah 13 Hutan tanaman akasia
4 Rawa 14 Kebun konservasi plasma nutfah
5 Rumput rawa 15 Perkebunan kelapa sawit muda
6 Semak belukar rawa 16 Perkebunan kelapa sawit tua
7 Kebun campuran 17 Perkebunan karet umur 4 sampai 6 tahun
8 Pertanian lahan kering 18 Perkebunan karet umur 7 sampai 10 tahun
9 Semak/belukar 19 Perkebunan karet umur 11 sampai 13 tahun
10 Lahan terbuka 20 Perkebunan karet umur 14 sampai 17 tahun
11 Tambak 22 Hutan mangrove
Selain dari 20 jenis tutupan lahan pada Tabel 7 diatas, terdapat 2 jenis objek
tutupan lahan tambahan yaitu awan dan bayangan awan (sumber: Baplan 2008).
Informasi jenis tutupan lahan objek awan dan bayangan awan diketahui dari
kenampakan pada citra. Oleh karena itu jenis tutupan lahan yang diperoleh
sebanyak 24 tutupan lahan. Hal ini dilakukan untuk mengetahui kemampuan citra
dalam mengidentifikasi jenis tutupan lahan. Karekteristik fisik tutupan
berdasarkan hasil pengamatan objek lapangan di Kabupaten Ogan Komering Ilir,
dapat dilihat pada Tabel 8 dan hasil pengambilan titik koordinat di lapangan dapat
dilihat pada Gambar 4.
Tabel 8 Karakteristik tutupan lahan hasil di lapangan tahun 2014
No Kelas Tutupan
Lahan Keterangan
1 Pemukiman Kenampakan yang tersusun secara kelompok berupa
bangunan-bangunan, baik di perkotaan maupun di
pedesaan.
2 Badan air Kenampakan yang tergenang oleh air tanpa ada
vegetasi. Kenampakan yang ditemukan dilapang
berupa sungai dan danau.
3 Lahan terbuka Kenampakan yang berupa tanah kosong, lahan terbuka
bekas tebangan di perkebunan Perkebunan kelapa
sawit, lapangan terbuka, dan lahan bekas tebangan di
Perkebunan karet. Kenampakan pada citra membentuk
pola yang tidak teratur.
4 Tambak Aktivitas perikanan darat yang biasanya terletak di
sepanjang pantai. Berdasarkan hasil wawancara
tambak yang ada berupa tambak ikan dan hewan laut,
seperti udang. Pola yang tampak teratur dan
berkelompok.
17 Tabel 8 Lanjutan
No Kelas Tutupan
Lahan Keterangan
5 Sawah Kawasan pertanian lahan basah yang berupa padi
dengan luasan yang tidak terlalu besar. Padi yang
terlihat di lapang berupa padi yang sudah hampir
panen yang berwarna kekuningan dan padi yang
berwarna hijau.
6 Rawa Genangan air yang secara alami ada terus-menerus
dengan vegetasi yang sangat sedikit. Berwarna biru
gelap, dengan pola yang tidak teratur.
7 Semak belukar
rawa
Hamparan luas yang di atasnya di tumbuhi oleh
vegetasi-vegetasi berupa semak, perdu, beberapa
tanaman sejenis tiang. Terdapat juga gambut yang
berada di bawah semak belukar yang ada. Tersebar
hampir di wilayah Kabupaten OKI.
8 Rumput rawa Vegetasi yang berada di atas lahan gambut berupa
hamparan ilalang.
9 Hutan mangrove Hamparan hutan bakau, si api-api yang berada di
sekitar pantai.
10 Hutan tanaman
akasia
Penutupan lahan yang merupakan budi daya manusia
dengan pola teratur dengan jenis pohon akasia.
11 Pertanian lahan
kering
Aktivitas di lahan kering yang berupa ladang,
perkebunan campur yang didominasi oleh tanaman
pertanian, seperti singkong, rambutan, duku, durian,
pisang, tanaman obat dan jenis tanaman lainnya.
12 Perkebunan kelapa
sawit muda
Kenampakan yang ada pada aktivitas lahan kering dan
basah. Memiliki pola yang teratur dengan jenis kelapa
sawit kelapa sawit, memiliki warna hijau muda
kekuningan sampai hijau.
13 Perkebunan kelapa
sawit tua
Kenampakan yang ada pada aktivitas lahan kering dan
basah. Memiliki pola yang teratur dengan jenis
tanaman kelapa sawit, memiliki warna hijau sampai
hijau tua.
14 Perkebunan karet
umur 4 sampai 6
tahun
Kegiatan di lahan kering yang terdiri dari jenis karet
umur 4 tahun sampai 6 tahun. Pola yang dihasilkan
ada yang teratur dan tidak teratur, berwarna hijau
muda.
15 Perkebunan karet
umur 7 sampai 10
tahun
Kegiatan di lahan kering yang terdiri dari jenis karet
umur 7 tahun sampai 10 tahun. Pola yang dihasilkan
ada yang teratur dan tidak teratur, berwarna hijau
muda.
16 Perkebunan karet
umur 11 sampai 13
tahun
Kegiatan di lahan kering yang terdiri dari jenis karet
umur 11 tahun sampai 13 tahun. Pola yang dihasilkan
ada yang teratur dan tidak teratur, berwarna hijau
muda.
17 Perkebunan karet
umur 14 sampai 17
tahun
Kegiatan di lahan kering yang terdiri dari jenis karet
umur 14 tahun sampai 17 tahun. Pola yang dihasilkan
ada yang teratur dan tidak teratur, berwarna hijau
18
Tabel 8 Lanjutan
No Kelas Tutupan
Lahan Keterangan
muda sampai hijau sampai hijau tua kekuningan.
18 Kebun campuran Kegiatan di lahan kering yang terdiri dari campuran
tanaman pertanian dan kehutanan. Jenis yang ada pada
perkebunan campuran yang ditemukan yaitu pohon
karet, duku, durian, tanaman obat dan rambutan.
19 Semak Vegetasi yang berada di atas lahan kering, biasanya
tingginya tidak lebih dari 6 meter, memiliki pola yang
tidak teratur.
20 Hutan Kota Terdiri dari tanaman kehutanan yang ada di kabupaten
OKI.
21 Hutan tanaman
jabon
Kumpulan dari pohon jabon yang tersusun sesuai jarak
tanam.
22 Kebun konservasi
plasma nutfah
Aktivitas yang berada di lahan basah, berada di atas
lahan gambut yang telah mengering, ditanamani jenis
meranti, ramin, jelutung, medang, punak dan tanaman
nanas.
Gambar 4 Sebaran titik pengamatan di Kabupaten OKI tahun 2014
Klasifikasi Tutupan Lahan Secara Digital
Pemetaan merupakan proses yang dilakukan dalam pembuatan peta. Proses
pembuatan peta ini memerlukan teknologi. Sistem informasi geografis dan
19
pengideraan jauh merupakan dua teknologi yang saat ini telah berkembang pesat.
Penginderaan jauh adalah ilmu dan seni dalam memperoleh informasi mengenai
objek, area, atau fenomena melalui analisis yang diperoleh dengan alat tanpa
kontak langsung (Lillesand et all. 1990). Sistem Informasi Geografis (SIG)
merupakan suatu sistem berbasis komputer yang digunakan untuk menyimpan,
mengelola, mengnalisis dan mengaktifkan atau memanggil kembali data yang
mempunyai referensi keruangan untuk berbagai tujuan yang berkaitan dengan
pemetaan dan perencanaan (Danoedoro 2012). Teknologi SIG dan penginderaan
jauh dalam penelitian ini digunakan untuk melakukan pemetaan tutupan lahan di
Kabupaten OKI.
Interpretasi pada penelitian ini dilakukan secara digital dengan bantuan
komputer. Interpretasi dengan bantuan komputer ini biasanya disebut dengan
interpretasi digital. Interpretasi digital yang dilakukan dengan menggunakan
metode klasifikasi terbimbing, sesuai dengan kondisi tutupan lahan yang ada di
lapangan. Klasifikasi terbimbing atau klasifikasi citra secara digital bertujuan
untuk mengelompokkan suatu citra secara otomatik ke dalam kelas kategori
tertentu berdasarkan nilai kecerahan piksel yang bersangkutan. Menurut Purwadhi
(2001), klasifikasi terselia atau klasifikasi terbimbing digunakan data
penginderaan jauh multispektral yang berbasis numerik, maka pengenalan
polanya merupakan proses otomatik dengan bantuan komputer. Pola spektral
dalam citra dapat mempenggaruhi kenampakan tutupan lahan yang ada. Pengaruh
ini dapat disebabkan karena adanya perbedaan kombinasi dasar nilai digital pixel
pada sifat pantulan (reflektansi) dan pancaran (emisi) spektral yang dimiliki citra
tersebut.
Tahapan awal dalam proses klasifikasi secara digital ini dilakukan dengan
pembuatan area contoh (training area). Pembuatan area contoh dilakukan sesuai
dengan hasil pengamatan dan informasi jenis tutupan lahan di lapangan. Informasi
yang diperoleh mencakup tiap kategori jenis tutupan lahan sebagai kunci
interpretasi untuk klasifikasi digital. Jenis tutupan lahan diambil dari piksel setiap
jenis tutupan lahan dengan kategori yang sama atau homogen.
Hasil training area yang baik dapat terlihat dari keterpisahan antar piksel
tiap jenis kategori tutupan lahan. Keterpisahan ini dilakukan dengan analisis
separabilitas. Analisis separabilitas adalah analisis kuantitatif yang menggunakan
nilai spektral yang dihasilkan oleh setiap piksel pada kategori tutupan lahan.
Metode yang digunakan yaitu metode Transformed Divergence (TD), metode ini
digunakan untuk mengukur tingkat keterpisahan antar kelas. Menurut Jaya (2009)
Semakin kecil nilai, semakin jelek separabilitasnya. Nilai nol sama dengan tidak
bisa dipisahkan, sedangkan nilai maksimum menunjukkan keterpisahan yang
sangat baik (excellent).
Hasil analisis separabilitas pada penelitian ini menunjukkan dari 24 jenis
tutupan lahan yang ada memiliki nilai separabilitas yang kurang baik, dimana nilai
separabilitas yang dihasilkan masih kurang dari 1600. Hal ini menunjukkan
bahwa keterpisahan antar kelas tutupan lahan belum dapat dipisahkan, sehingga
jenis tutupan lahan yang tidak terpisahkan ini digabungkan atau regroup ke dalam
jenis tutupan lahan relatif sama berdasarkan kondisi di lapang dan nilai spektral
yang dihasilkan.
Proses awal analisis terdapat 24 kelas tutupan lahan kemudian di re-group
menjadi 17 kelas tutupan lahan. Terdapat 7 kelas tutupan lahan yang mempunyai
20
nilai rendah dan kenampakan visual pada pada kondisi lapang sama yaitu kelas
perkebunan karet dengan perkebunan berbagai kelas umur, hutan tanaman jabon,
hutan kota, perkebunan kelapa sawit dengan perkebunan kelapa sawit tua dan
perkebunan kelapa sawit muda, yang hasilnya dapat dilihat pada Lampiran 1.
Selanjutnya dilakukan kembali proses re-group yang kedua, menghasilkan 15
kelas dengan penggabungan antara kelas semak dan perkebunan campuran dengan
Perkebunan karet. Hasil ini terlihat pada perhitungan separabilitas pada Lampiran
2. Hal ini disebabkan karena kebun campuran yang berada di lapang merupakan
campuran dari perkebunan karet dan jenis tanaman pertanian lainnya sehingga
pada kenampakan visual sulit untuk dipisahkan. Proses re-group ketiga
menghasilkan 14 kelas tutupan lahan dimana kelas perkebunan kelapa sawit dan
perkebunan karet tidak dapat dipisahkan menurut hasil analisis separabilitas
namun pada kenampakan visual terlihat berbeda. Proses re-group disajikan pada
Tabel 9.
Tabel 9 Hasil re-group 14 kelas tutupan lahan Re-group awal Re-group 1 Re-group 2 Re-group 3
1 Pemukiman Pemukiman Pemukiman Pemukiman
2 Awan Awan Awan Awan
3 Bayangan awan Bayangan awan Bayangan awan Bayangan awan
4 Badan air Badan air Badan air Badan air
5 Lahan terbuka Lahan terbuka Lahan terbuka Lahan terbuka
6 Tambak Tambak Tambak Tambak
7 Sawah Sawah Sawah Sawah
8 Rawa Rawa Rawa Rawa
9 Semak rawa belukar Semak belukar rawa Semak belukar rawa Semak belukar rawa
10 Rawa rumput Rumput rawa Rumput rawa Rumput rawa
11 Hutan mangrove Hutan mangrove Hutan mangrove Hutan mangrove
12 Perkebunan kelapa sawit tua Perkebunan kelapa sawit tua Hutan tanaman akasia Hutan tanaman akasia
13 Perkebunan kelapa sawit muda Perkebunan kelapa sawit Muda PLK PLK
14 Hutan tanaman akasia Hutan tanaman akasia Perkebunan kelapa sawit Perkebunan*
15 PLK PLK Perkebunan karet/semak/
k. campuran
16 Kebun campuran Semak belukar
17 Semak belukar Perkebunan karet
18 Perkebunan karet
4-6 tahun
19 Perkebunan karet
7-10 tahun
20 Perkebunan karet
11-13 tahun
21 Perkebunan karet
14-17 tahun
22 Hutan kota
23 Perkebunan K.Pnutfah
24 Hutan tanaman jabon
Keterangan : * = Perkebunan karet, perkebunan campuran, Perkebunan kelapa sawit, semak/belukar
Tabel 10 Nilai separabilitas 14 tutupan lahan
1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 0 2000 2000 2000 1998 2000 1999 2000 2000 2000 2000 2000 2000 2000
2 2000 0 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000
3 2000 2000 0 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000
4 2000 2000 2000 0 2000 1997 2000 1906 2000 2000 2000 2000 2000 2000
5 1998 2000 2000 2000 0 2000 2000 2000 2000 2000 2000 2000 2000 2000
21
Tabel 10 Lanjutan
1 2 3 4 5 6 7 8 9 10 11 12 13 14
6 2000 2000 2000 1997 2000
0 1999 1992 2000 2000 2000 2000 2000 2000
7 1999 2000 2000 2000 2000 1999 0 1957 1997 2000 2000 2000 1998 1949
8 2000 2000 2000 1906 2000 1992 1957 0 2000 2000 2000 2000 2000 2000
9 2000 2000 2000 2000 2000 2000 1997 2000 0 2000 2000 2000 2000 2000
10 2000 2000 2000 2000 2000 2000 2000 2000 2000 0 2000 2000 2000 1950
11 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 0 2000 2000 2000
12 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 2000 0 2000 2000
13 2000 2000 2000 2000 2000 2000 1998 2000 2000 2000 2000 2000 0 2000
14 2000 2000 2000 2000 2000 2000 1949 2000 2000 1950 2000 2000 2000 0
Keterangan: 1=Pemukiman, 2=Awan, 3=Bayangan awan, 4=Badan air, 5=Lahan terbuka,
6=Tambak, 7=Sawah, 8=Rawa, 9=Semak belukar rawa, 10=Rumput rawa,
11=Hutan mangrove, 12=Hutan tanaman akasia, 13=Pertanian lahan kering,
14=perkebunan (Perkebunan karet/Perkebunan kelapa sawit/semak/perkebunan
campuran)
Hasil nilai separabilitas tutupan lahan pada Tabel 10 menunjukkan bahwa
kelas awan, bayangan awan, hutan mangrove, hutan tanaman akasia memiliki
nilai separabilitas 2000. Hal ini berarti jenis kelas tutupan lahan ini dapat
dipisahkan dengan sangat baik diantara jenis tutupan lahan lainnya. Secara umum,
seluruh jenis kelas tutupan lahan pada 15 kecamatan yang ada di Kabupaten OKI
terpisahkan dengan baik dengan nilai separabilitas lebih dari 1900. Nilai
separabilitas terkecil ditunjukkan oleh jenis tutupan lahan antara badan air dan
rawa dengan nilai separabilitas sebesar 1906.
Metode yang dipakai dalam melakukan klasifikasi terbimbing ini adalah
metode Maximum likelihood (kemiripan maksimum). Metode maksimum
likelihood mempertimbangkan nilai rata-rata dan keragaman antarkelas dan
saluran (kovariansi) (Lillesand et al. 1990). Nilai pada metode maksimum
likelihood didasarkan pada nilai piksel sama dan identik pada citra. Dimana setiap
piksel yang diambil dari jenis kategori harus mempunyai satu karekteristik dengan
sebaran normal (Gauss). Secara umum pengkelasan kemiripan maksimum
(maximum likelihood) diperlukan perhitungan yang banyak dan agak rumit untuk
mengklasifikasikan setiap piksel. Meskipun demikian, teknik kemungkinan
maksimum hasil klasifikasinya lebih teliti dibandingkan dengan strategi yang
lainnya. Secara intuitif semakin banyak saluran yang dapat digunakan dalam
pengkelasan kemiripan maksimum akan semakin membuahkan hasil klasifikasi
yang baik (Purwadhi 2001). Klasifikasi citra bertujuan untuk mengelompokkan
atau melakukan segmentasi terhadap kenampakkan yang homogen dengan
menggunakan teknik kuantitatif yaitu memasukkan piksel-piksel ke dalam kelas-
kelas atau kategori-kategori yang telah ditentukan berdasarkan nilai kecerahan
piksel yang bersangkutan. Hasil klasifikasi citra 14 kelas tutupan lahan dapat
dilihat pada Gambar 5.
22
Gambar 5 Peta layout klasifikasi tutupan lahan di OKI tahun 2014
Persentase hasil klasifikasi dari masing-masing jenis tutupan lahan
menggunakan metode maximum likelihood diperoleh 18.23 % dari 15 kecamatan
di Kabupaten OKI merupakan jenis tutupan lahan pertanian lahan kering yang
memiliki luasan wilayah terluas yaitu 130 161 ha. Luasan terkecil terdapat pada
jenis tutupan lahan hutan mangrove yaitu 864 ha atau sebesar 0.12%. Tabel 11
menyajikan luasan tutupan lahan yang ada di 15 kecamatan di Kabupaten OKI
tahun 2014.
Tabel 11 Luas klasifikasi tutupan lahan di 15 kecamatan Kabupaten OKI tahun
2014
Tutupan lahan Luas (ha) Persentase (%)
Awan 36 333.61 5.09
Badan Air 23 115.58 3.24
Bayangan Awan 10 396.98 1.46
Hutan tanaman akasia 15 418.69 2.16
Hutan Mangrove 846.18 0.12
Perkebunan 126 156.00 17.67
Lahan Terbuka 12 474.52 1.75
Pertanian Lahan Kering 130 161.00 18.23
Pemukiman 28 882.69 4.05
Rawa 55 231.23 7.74
Rumput Rawa 93 019.74 13.03
Sawah 44 952.39 6.30
23
Tabel 11 Lanjutan
Tutupan lahan Luas (ha) Persentase (%)
Semak Belukar Rawa 114 665.00 16.06
Tambak 22 273.87 3.12
Total 713 927.47 100 Sumber: Hasil analisis klasifikasi terbimbing citra landsat 8 (OLI) tahun 2014
Tingkat Akurasi
Analisis akurasi dilakukan untuk mengetahui tingkat ketepatan hasil dari
klasifikasi yang dibuat. Akurasi menggunakan suatu matriks kontingensi yaitu
suatu matriks bujur sangkar yang memuat sejumlah piksel yang diklasifikasi.
Matriks ini sering disebut “error matrix” atau “confusion matrix”. Analisis
akurasi ini dapat dinilai dari Producer’s accuracy, User’s accuracy, Overall
accuracy dan Kappa accuracy. Menurut Jaya (2009), Producer’s accuracy
(akurasi pembuat) adalah akurasi yang diperoleh dengan membagi piksel yang
benar dengan jumlah total piksel training area per kelas. Pada akurasi ini akan
terjadi kesalahan omisi, oleh karena itu akurasi pembuat ini juga dikenal dengan
omission error. Sebaliknya jika jumlah piksel yang benar dibagi dengan total
piksel dalam kolom akan menghasilkan akusari pengguna (user’s accuracy), yang
juga dikenal dengan commission error. Hasil uji akurasi dapat dilihat pada Tabel
12.
Berdasarkan pada hasil Tabel 12, dapat diketahui bahwa nilai producer’s
accuracy terbesar diperoleh oleh jenis tutupan lahan hutan mangrove sebesar
100%. Hal ini menunjukkan bahwa jumlah piksel terklasifikasi dengan baik dan
tidak ada yang masuk ke kelas lain. Namun terdapat juga nilai producer’s
accuracy jenis tutupan lahan pertanian lahan kering dengan nilai terkecil 43.11%
dari kelas tutupan lahan lainnya. Nilai 43.11% berarti dari total 1002 piksel
terdapat 2 piksel masuk ke kelas pemukiman, 1 piksel masuk ke dalam kelas lahan
terbuka, 66 piksel masuk kedalam jenis tutupan lahan sawah, 107 piksel ke kelas
rawa, 8 piksel masuk ke dalam kelas rumput rawa, 386 piksel masuk ke dalam
kelas tutupan lahan perkebunan dan sisanya 432 merupakan jumlah piksel yang
terklasifikasi.
Nilai user’s accuracy yang ada pada Tabel 11, menunjukkan nilai terbesar
didapat oleh klasifikasi jenis tutupan lahan bayangan awan sebesar 99.89%. Hal
ini berarti 99.89% jenis tutupan lahan sudah terkasifikasi dengan baik, meskipun
masih ada penambahan piksel dari kelas lain. Badan air memiliki nilai user’s
accuracy terkecil yaitu 76.11 % sebanyak 2644 piksel yang terklasifikasi. Hal ini
disebabkan karena ada penambahan 21 piksel dari pemukiman, 2 piksel kelas
awan, 110 piksel kelas bayangan awan, 15 piksel kelas tambak, 60 piksel dari
sawah, 588 piksel dari rawa, 5 piksel dari semak belukar rawa, 15 piksel rumput
rawa dan 15 piksel dari perkebunan.
Selain dari producer’s accuracy dan user’s accuracy diperoleh juga nilai
overall accuracy sebesar 87.83 % dan nilai kappa accuracy sebesar 87.83%.
Overall accuracy jarang digunakan karena nilai yang dihasilkan overestimate.
Akurasi yang biasa digunakan adalah kappa accuracy dimana perhitungan ini
menggunakan seluruh elemen yang ada pada matrik kontingensi. Menurut Jaya
(2009), nilai akurasi yang baik adalah nilai akurasi yang telah mencapai skor
>85%.
24
Tab
el 1
2 M
atri
ks
ko
nti
ngen
si h
asil
kla
sifi
kas
i 14 k
elas
tutu
pan
lah
an
Tutu
pan
Lah
an
Ref
eren
ce d
ata
(pik
sel)
T
ota
l bar
is
Pro
duce
r’s
accu
racy
1
2
3
4
5
6
7
8
9
10
11
12
13
14
1
3154
0
0
21
103
4
56
6
27
0
0
0
0
4
3375
93.4
5
2
63
3497
0
2
0
0
2
0
177
0
0
0
2
0
3743
93.4
3
3
0
0
3219
110
0
0
0
17
0
0
0
0
0
0
3346
96.2
0
4
1
0
2
2644
0
39
10
401
0
3
7
0
0
1
3108
85.0
7
5
125
0
0
0
3807
0
2
10
5
0
0
0
0
0
3949
96.4
0
6
13
0
3
15
0
3159
4
55
0
0
3
0
0
0
3252
97.1
4
7
88
0
0
60
60
8
1070
166
6
12
1
10
25
200
1706
62.7
2
8
2
0
31
588
0
44
53
3874
7
0
0
0
1
12
4612
84.0
0
9
0
6
0
5
0
0
8
295
3723
37
9
4
0
28
4115
90.4
7
10
0
0
0
14
0
0
0
0
224
2821
0
4
0
568
3631
77.6
9
11
0
0
0
0
0
0
0
0
0
0
794
0
0
0
794
100.0
0
12
0
0
0
0
0
0
0
0
88
66
0
541
0
203
898
60.2
4
13
2
0
0
0
1
0
66
107
0
8
0
0
432
386
1002
43.1
1
14
6
0
0
15
0
0
75
2
116
143
0
10
12
4630
5009
92.4
3
Tota
l k
olo
m
3454
3503
3255
3474
3971
3254
1346
4933
4373
3090
814
569
472
6032
42540
Use
r’s
accu
racy
91.3
1
99.8
3
98.8
9
76.1
1
95.8
7
97.0
8
79.4
9
78.5
3
85.1
4
91.2
9
97.5
4
95.0
8
91.5
3
76.7
6
K
eter
angan:
1=
Pem
ukim
an,
2=
Aw
an,
3=
Bayangan a
wan,
4=
Bad
an a
ir,
5=
Lah
an t
erb
uka,
6=
Tam
bak
, 7
=S
aw
ah,
8=
Raw
a, 9
=S
em
ak b
elu
kar
ra
wa,
10
=R
um
put
raw
a,
11
=H
uta
n m
an
gro
ve,
12
=H
uta
n t
anam
an a
kas
ia,
13
=P
erta
nia
n l
ahan k
erin
g,
14
=p
erkeb
unan
(P
erkeb
unan k
aret
/Per
keb
unan k
elap
a sa
wit
/sem
ak/k
ebun
cam
pura
n)
24
25
SIMPULAN DAN SARAN
Simpulan
Hasil kombinasi band yang diperoleh dari perhitungan menggunakan OIF
yaitu kombinasi band 7-5-4 dengan band 7 (SWIR-2), band 5 (NIR) dan band 4
(green). Klasifikasi tutupan lahan berdasarkan interpretasi citra digital dengan
training area diperoleh 14 kelas tutupan lahan yaitu pemukiman, badan air, lahan
terbuka, sawah, tambak, rawa berair, semak belukar rawa, rumput rawa, hutan
mangrove, hutan tanaman akasia, pertanian lahan kering, perkebunan
karet/semak/perkebunan kelapa sawit, awan dan bayangan awan. Nilai hasil uji
akurasi separabilitas dengan Overall Accuracy (OA) sebesar 87.83 % dan Kappa
Accuracy (KA) 87.83 %.
Saran
Perlu dilakukan penelitian pemetaan klasifikasi tutupan lahan di Kabupaten
Ogan Komering Ilir dengan menggunakan metode lain untuk mengidentifikasi
kelas tutupan lahan yang lebih detil.
DAFTAR PUSTAKA
[BAPLAN] Badan Planologi Kehutanan, Pusat Inventarisasi dan Perpetaan Hutan,
Bapan Planologi Kehutanan, Kementrian Kehutanan. 2008. Pemantauan
Sumber Daya Hutan. Jakarta (ID): Badan Planologi Kehutanan, Departemen
Kehutanan.
[BAPPEDA] Badan Perencanaan Pembangunan Daerah, Kabupaten Ogan
Komering Ilir. 2012. Profil Kabupaten OKI 2011. OKI (ID): BAPPENAS.
Danoedoro P. 2012. Pengantar Penginderaan Jauh Digital. Yogyakarta (ID):
Penertbit ANDI.
Jaya INS. 2009. Analisis Citra Digital: Perspektif Penginderaan Jauh Untuk
Pengelolaan Sumberdaya Alam. Bogor (ID): Fakultas Kehutanan IPB.
Jaya INS. 2010. Analisis Citra Digital : Perspektif Penginderaan Jauh Untuk
Pengelolaan Sumberdaya Alam. Bogor (ID): Fakultas Kehutanan IPB.
Lillesand TM, Kiefer RW. 1990. Pengginderaan Jauh dan Penafsiran Citra.
Dulbahri,Suharsono P,Hartono, Suharyadi, penerjemah; Sutanto,editor.
Yogyakarta (ID): Gadjah Mada University Press. Terjemahan dari: Remote
Sensing dan Image Interpretation.
Paraditya R, Purwanto TH. 2012. Pemanfaatan Citra Landsat 7ETM+ Untuk
Pemetaan Potensi Mineralisasi Emas di Kawasan Gunung Dodo, Kabupaten
Sumbawa, NTB. Jurnal Bumi Indonesia. 1(3).
Prahasta. 2008. REMOTE SENSING : Praktis Penginderaan Jauh & Pengolahan
Citra Dijital Dengan Perangkat Lunak ER Maper. Bandung (ID): Informatika
Bandung.
Purwadhi. 2001. Interpretasi Citra Digital. Jakarta (ID): Gramedia Widiasarana.
Somantri L. 2008. Pemanfaatan Teknik Penginderaan Jauh untuk
Mengidentifikasi Kerentanan dan Risiko Banjir. Jurnal Gea, Jurusan
Pendidikan Geografi. 8 (2).
26
Suwargana N.2013. Resolusi Spasial, Temporal dan Spektral Pada Citra Satelit
Landsat, Spot dan Ikonos. Jurnal Ilmiah WIDYA. 1 (2):167-174.
Sitangang G. 2010. Kajian Pemanfaatan Satelit Masa Depan: Sistem Pengideraan
Jauh Satelit LDCM (Landsat 8). Berita Dirgantara. 11 (2):47-58.
Sutanto, Asriningrum W. 2011. Penginderaan Jauh dengan Nilai Indeks Faktor
untuk Identifikasi Mangrove di Batam (Studi Kasus Gugusan Pulau
Jandaberhias). Berita Dirgantara. 12 (3): 104-109.
[USGS] United States Geological Survey. 2014. Landsat 8 OLI (Operational
Land Imager) and TIRS (Thermal Infrared Sensor) [Internet]. [diacu 2014
Oktober 23]. Tersedia dari http://landsat.usgs.gov.
27
Lam
pir
an 1
Nil
ai s
epar
abil
itas
24 k
elas
tutu
pan
lah
an d
i K
abupat
en O
KI
tah
un 2
014
1
2
3
4
5
6
7
8
9
1
0
11
12
13
14
15
16
17
18
19
20
21
22
23
24
1
0
20
00
20
00
20
00
19
95
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
2
20
00
0
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
3
20
00
20
00
0
20
00
20
00
20
00
20
00
19
96
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
4
20
00
20
00
20
00
0
20
00
18
55
20
00
19
54
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
5
19
95
20
00
20
00
20
00
0
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
6
20
00
20
00
20
00
18
55
20
00
0
20
00
19
01
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
7
20
00
20
00
20
00
20
00
20
00
20
00
0
20
00
20
00
20
00
20
00
20
00
20
00
20
00
19
98
19
90
18
80
19
81
20
00
16
87
19
97
20
00
20
00
20
00
8
20
00
20
00
19
96
19
54
20
00
19
01
20
00
0
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
9
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
0
19
96
20
00
20
00
20
00
19
87
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
10
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
19
96
0
20
00
20
00
19
96
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
11
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
0
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
12
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
0
20
00
20
00
20
00
19
99
20
00
19
99
20
00
20
00
19
92
20
00
20
00
20
00
13
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
19
96
20
00
20
00
0
20
00
20
00
19
98
19
98
19
91
20
00
20
00
20
00
20
00
20
00
20
00
14
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
19
87
20
00
20
00
20
00
20
00
0
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
15
20
00
20
00
20
00
20
00
20
00
20
00
19
98
20
00
20
00
20
00
20
00
20
00
20
00
20
00
0
20
00
18
70
20
00
19
99
20
00
20
00
20
00
20
00
20
00
16
20
00
20
00
20
00
20
00
20
00
20
00
19
90
20
00
20
00
20
00
20
00
19
99
19
98
20
00
20
00
0
19
98
12
89
20
00
19
53
19
28
20
00
20
00
20
00
17
20
00
20
00
20
00
20
00
20
00
20
00
18
80
20
00
20
00
20
00
20
00
20
00
19
98
20
00
18
70
19
98
0
19
80
20
00
19
42
20
00
20
00
20
00
20
00
18
20
00
20
00
20
00
20
00
20
00
20
00
19
81
20
00
20
00
20
00
20
00
19
99
19
91
20
00
20
00
12
89
19
80
0
20
00
19
10
17
70
20
00
20
00
20
00
19
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
19
99
20
00
20
00
20
00
0
20
00
20
00
19
40
20
00
19
80
20
20
00
20
00
20
00
20
00
20
00
20
00
16
87
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
19
53
19
42
19
10
20
00
0
19
57
20
00
20
00
20
00
21
20
00
20
00
20
00
20
00
20
00
20
00
19
97
20
00
20
00
20
00
20
00
19
92
20
00
20
00
20
00
19
28
20
00
17
70
20
00
19
57
0
20
00
20
00
20
00
22
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
19
40
20
00
20
00
0
20
00
19
95
23
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
0
20
00
24
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
19
80
20
00
20
00
19
95
20
00
0
Ket
eran
gan:
Ket
erangan:
1=
Pem
ukim
an,
2=
Aw
an,
3=
Bay
angan aw
an,
4=
Bad
an ai
r, 5
=L
ahan te
rbuka,
6
=T
amb
ak
, 7
=S
aw
ah,
8=
Raw
a, 9
=S
em
ak b
elukar
ra
wa,
10
=R
um
put
raw
a, 1
1=
Huta
n m
angro
ve,
12
=P
erkeb
unan k
ela
pa
saw
it m
ud
a, 1
3=
Per
keb
unan
kel
apa
saw
it t
ua,
14
=H
uta
n t
anam
an a
kasi
a, 1
5=
Per
tania
n
lahan
ker
ing,
16
=keb
un c
am
pura
n,
17
=S
em
ak b
elu
kar
, 1
8=
Per
keb
unan
kar
et u
mur
4-6
tah
un,
19
= P
erkeb
unan
kar
et u
mur
7-1
0 t
ahun,
20
= P
erkeb
unan
kar
et u
mur
11
-13
tah
un,
21
= P
erkeb
unan
kar
et u
mu
r 1
4-1
7ta
hu
n,
22
=H
uta
n k
ota
, 2
3=
Keb
un K
. P
lasm
a N
utf
ah,
24
=H
uta
n t
anam
an j
abo
n
27
28
Lam
pir
an 2
Nil
ai s
epar
abil
itas
17 k
elas
tutu
pan
lah
an d
i K
abupat
en O
KI
tah
un 2
014
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
1
0
20
00
20
00
20
00
19
81
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
2
20
00
0
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
3
20
00
20
00
0
20
00
20
00
20
00
19
99
19
99
19
98
19
84
20
00
20
00
20
00
19
98
20
00
20
00
20
00
4
20
00
20
00
20
00
0
20
00
18
79
20
00
17
51
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
5
19
81
20
00
20
00
20
00
0
20
00
19
97
19
98
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
6
20
00
20
00
20
00
18
79
20
00
0
19
63
19
01
19
69
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
7
20
00
20
00
19
99
20
00
19
97
19
63
0
19
72
19
97
20
00
20
00
20
00
19
41
18
19
19
88
19
07
17
32
8
20
00
20
00
19
99
17
51
19
98
19
01
19
72
0
19
97
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
9
20
00
20
00
19
98
20
00
20
00
19
69
19
97
19
97
0
19
45
20
00
20
00
20
00
19
48
19
98
19
96
19
99
10
20
00
20
00
19
84
20
00
20
00
20
00
20
00
20
00
19
45
0
20
00
20
00
20
00
19
95
20
00
20
00
20
00
11
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
0
20
00
20
00
20
00
20
00
20
00
20
00
12
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
20
00
0
20
00
20
00
20
00
20
00
20
00
13
20
00
20
00
20
00
20
00
20
00
20
00
19
41
20
00
20
00
20
00
20
00
20
00
0
19
64
19
86
18
24
19
90
14
20
00
20
00
19
98
20
00
20
00
20
00
18
19
20
00
19
48
19
95
20
00
20
00
19
64
0
19
65
17
27
15
44
15
20
00
20
00
20
00
20
00
20
00
20
00
19
88
20
00
19
98
20
00
20
00
20
00
19
86
19
65
0
19
99
17
37
16
20
00
20
00
20
00
20
00
20
00
20
00
19
07
20
00
19
96
20
00
20
00
20
00
18
24
17
27
19
99
0
19
03
17
20
00
20
00
20
00
20
00
20
00
20
00
17
32
20
00
19
99
20
00
20
00
20
00
19
90
15
44
17
37
19
03
0
Ket
eran
gan:
Ket
erangan:
1=
Pem
ukim
an,
2=
Aw
an,
3=
Bayangan a
wan,
4=
Bad
an a
ir,
5=
Lah
an t
erb
uka,
6=
Tam
bak
, 7
=S
aw
ah,
8=
Raw
a,
9=
Sem
ak b
elukar
raw
a, 1
0=
Ru
mp
ut
raw
a, 1
1=
Huta
n m
angro
ve,
12
=H
uta
n t
anam
an a
kas
ia,
13
=P
erta
nia
n l
ahan k
erin
g,
14
=P
erkeb
unan k
elap
a sa
wit
, 1
5=
Keb
un c
am
pura
n,
16
=S
em
ak/b
elu
kar
, 1
7=
Per
keb
unan
kare
t
28
29
RIWAYAT HIDUP
Penulis dilahirkan di Kayuagung Kabupaten OKI, Provinsi Sumatera
Selatan pada tangga 01 Oktober 1992. Penulis merupakan anak pertama dari 3
bersaudara pasangan Bapak Abunawas, S Sos, MSi dan Ibu Nursidah, SAg.
Penulis menyelesaikan pendidikan dasar di SD Negeri Muara Baru tahun 1999-
2004, pendidikan menengah pertama di SMP 7 Kayuagung tahun 2004-2007,
pendidikan menengah atas di SMA Negeri 3 Kayuagung tahun 2007-2010 dan
diterima di Institut Pertanian Bogor tahun 2010 melalui jalur USMI di
Departemen Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor.
Selama menjadi mahasiswa, penulis pernah menjadi asisten mata kuliah
Geomatika dan Inderaja Kehutanan pada tahun ajaran 2013-2014, Ilmu Ukur
Tanah dan Pemetaan Wilayah tahun ajaran 2014, Teknik Inventarisasi
Sumberdaya Hutan pada tahun ajaran 2014 dan Operasi Pemanenan Hutan tahun
ajaran 2014. Selain itu penulis pernah bergabung dalam Unit kegiatan mahasiswa
Koperasi Mahasiswa (Kopma) tahun 2010-2012, anggota divisi Bank Plastik
Pengurus Cabang Sylva Indonesia tahun 2011-2012, anggota divisi Informasi dan
Komunikasi FMSC (Forest Management Student Club) tahun 2011–2012,
anggota Kelompok Studi Pemanfaatan Sumberdaya Hutan tahun 2011-2012
Kepala Bidang Kewirausahaan Pengurus Cabang Sylva Indonesia tahun 2012-
2013. Penulis juga aktif berpatisipasi dalam berbagai kepanitiaan kegiatan
kemahasiswaan di Institut Pertanian Bogor.
Penulis melakukan kegiatan Praktik Pengenalan Ekosistem Hutan (PPEH)
di Sancang Timur-Papandayan (Jawa Barat) pada tahun 2012, Praktik Pengelolaan
Hutan (PPH) di Hutan Pendidikan Gunung Walat (HPGW), Sukabumi dan KPH
Cianjur Jawa Barat pada tahun 2013 dan Praktik Kerja Lapang (PKL) di
IUPHHK-HA PT Bina Multi Alam Lestari, Muara Teweh, Kalimantan Tengah
pada tahun 2014.
Sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada
Program Studi Manajemen Hutan, Fakultas Kehutanan, Institut Pertanian Bogor,
penulis menyusun skripsi berjudul “Identifikasi Karakteristik dan Pemetaan
Tutupan Lahan Menggunakan Citra Landsat 8 (OLI) di Kabupaten Ogan
Komering Ilir, Provinsi Sumatera Selatan” di bawah bimbingan Dr Nining
Puspaningsih, MSi.