III. METODOLOGI

3.1 Waktu Penelitian

Penelitian ini dilakukan dari bulan Februari sampai September 2011.

Kegiatan penelitian ini meliputi tahap prapenelitian (persiapan, survei),

Inventarisasi (pengumpulan data), membuat database spasial, analisis.

3.2 Lokasi Penelitian

Penelitian ini dilakukan di tiga kecamatan yang terletak pada DAS Ciliwung

Hulu, Kabupaten Bogor, Jawa Barat. Ketiga kecamatan tersebut juga berada di

kawasan Bogor-Puncak-Cianjur yaitu (1) Kecamatan Ciawi (2) Kecamatan

Megamendung (3) Kecamatan Cisarua. Pemilihan ketiga lokasi ini didasarkan atas

adanya alasan-alasan sebagai berikut:

1. Keputusan Presiden Republik Indonesia Nomor 114 tahun 1999 Tentang

Penataan Ruang Kawasan Bogor-Puncak-Cianjur yang telah menetapkan

ketiga kecamatan yang telah disebutkan di atas termasuk dalam kecamatan

yang diprioritaskan di Daerah Kabupaten Bogor dalam usaha rehabilitasi

fungsi kawasan.

2. Peraturan Pemerintah Nomor 47 tahun 1997 Tentang Rencana Tata Ruang

Wilayah Nasional, Kawasan Bogor-Puncak-Cianjur dikategorikan sebagai

kawasan tertentu yang memerlukan penanganan khusus dan merupakan

kawasan yang mempunyai nilai strategis sebagai kawasan yang memberikan

perlindungan kawasan bawahannya bagi wilayah Daerah Propinsi Jawa Barat

dan wilayah Propinsi Daerah Khusus Ibukota Jakarta.

3. Bahwa fungsi utama Kawasan Bogor-Puncak-Cianjur sebagai konservasi air

dan tanah kurang berfungsi sebagaimana mestinya akibat perkembangan

pembangunan yang pesat dan kurang terkendali, sehingga pemanfaatan

ruangnya perlu ditertibkan kembali.

15

 

Gambar 2. Lokasi Penelitian (Kecamatan Ciawi, Megamendung, dan Cisarua)

3.3 Alat dan Bahan Penelitian

Alat yang digunakan dalam penelitian ini adalah (1) GPS (Global

Positioning System) (2) Komputer dalam pengolahan data menggunakan

Geographic Information System (GIS) seperti ERDAS Imagine 9.1 dan Arc GIS

9.3 Version.

Bahan yang digunakan dalam penelitian ini adalah AVNIR-2 sebagai

spektrometer pencitraan resolusi tinggi yang beroperasi pada spektrum tampak

dan inframerah-dekat. Selain itu juga dilakukan pengkajian data lapangan dalam

memonitoring perubahan penutupan lahan.

Jawa Barat Pulau Jawa

Cisarua

DAS Ciliwung

DAS Cikarang

Sub DAS Cibeet

Sub DAS Cisokan

Ciawi

Megamendung

Sub DAS Cigundul

DAS Cisadane

16

 

Tabel 3. Jenis dan Sumber Data Kegiatan Monitoring Perubahan Penutupan Lahan di Kawasan DAS Hulu Ciliwung

No. Jenis Data Bentuk

Data

Sumber

1 AVNIR-2 (19 Juli 2009) Raster, Resolusi 10x10m

Japan Aerospace Exploration Agency

2 Peta Penutupan Lahan (LANDSAT ETM+2002/12/22 )

Raster Resolusi 30 x 30m

Syartinilia, 2004

3 Digital peta rupa bumi lembar 1209-124, 1209-141, 1209-142, 1209-144, 1209-231

Vektor Bakosurtanal

4 Peta rupa bumi 1998 lembar 1209-124, 1209-141, 1209-142, 1209-144, 1209-231

Lembaran Bakosurtanal

5 Peta Administrasi Vektor Bakosurtanal

6 Peta Batas DAS Vektor BPDAS

3.3.1 Penutupan Lahan Tahun 2002

Penutupan lahan (LANDSAT ETM+2002/12/22) diperoleh dengan

menggunakan metode Maximum Likelihood dari Klasifikasi Terbimbing

(Supervised Classification) (Gambar 3) dimana mengklasifikasikan penutupan

lahan menjadi 7 kelas, yaitu hutan, perkebunan, semak belukar, sawah, ladang,

pemukiman, dan badan air. Nilai akurasi umum hasil klasifikasi terbimbing

dalam peta penutupan lahan tahun 2002 ini adalah sebesar 75,34%, sedangkan

akurasi kappa yang diperoleh sebesar 65%.

Berdasarkan Peta Penutupan Lahan DAS Ciliwung Hulu tahun 2002

(Gambar 3), dapat diketahui bahwa penutupan lahan yang terluas di DAS

Ciliwung Hulu adalah ladang yaitu sebesar 6.293,8 Ha atau sekitar 34,08% dari

total luas DAS Ciliwung Hulu di lokasi penelitian. Selain badan air (23,2 Ha),

perkebunan memiliki luasan yang paling kecil jika dibandingkan dengan kelas

penutupan lahan lain yaitu sebesar 1.188,0 Ha atau hanya 6,43% dari luas total.

Gambaran lebih jelas mengenai luasan masing-masing kelas pada peta penutupan

lahan disajikan pada Tabel 4.

17

 

Sumber: Syartinilia, 2004

Gambar 3. Peta Penutupan Lahan Tahun 2002

Tabel 4. Luas Hasil Klasifikasi Penutupan Lahan 2002

No. Penutupan Lahan Luas (Ha) Luas (%)

1 Hutan 4.956,6 26,84

2 Perkebunan 1.188,0 6,43

3 Semak belukar 2.489,0 13,48

4 Sawah 2.322,1 12,57

5 Ladang 6.293,8 34,08

6 Pemukiman 1.196,3 6,48

7 Badan air 23,2 0,12

Total 18.468,8 100,00Sumber: Syartinilia, 2004

18

 

3.4 Metode Penelitian

Penelitian ini dilakukan dalam 3 tahapan, yaitu: (1) Inventarisasi (survei,

pengumpulan data), (2) Analisis dan (3) Output. Bagan alir penelitian dapat dilihat

pada Gambar 4.

Inventarisasi

Analisis

a

Output

Rekomendasi

Persiapan Data (AVNIR-2 19 Juli 2009

Resolusi 10x10 m)

Koreksi Geometrik

Subset Studi Area

Survei Lapang

Training Area

Klasifikasi Penutupan Lahan : Klasifikasi Terbimbing

Pendugaan Akurasi

Peta Penutupan Lahan 2009

Resolusi 10x 10m

Peta Penutupan Lahan 2002

Resolusi 30x30m

Perubahan Penutupan Lahan (Periode 2002-2009)

Deteksi Perubahan Penutupan Lahan

Resampling menjadi Resolusi

30x30m

Pengumpulan Data Spasial dan non-Spasial

Gambar 4. Bagan Alir Penelitian

19

 

3.4.1 Inventarisasi Data

Pada tahap inventarisasi dilakukan berbagai kegiatan antara lain persiapan

data, pengumpulan data spasial dan non-spasial, serta survei lapang. Data yang

dikumpulkan berupa data spasial serta data fisik dan biofisik mencakup lokasi,

iklim, hidrologi, jenis tanah, kemiringan lahan, dan data sosial ekonomi. Pada

kegiatan survei lapang dilakukan pengambilan titik tujuh kelas penutupan lahan

(hutan, perkebunan, semak belukar, ladang, sawah, pemukiman, dan badan air),

pengamatan secara langsung di lokasi penelitian dan melakukan dokumentasi

keadaan tapak. Selain itu juga dilakukan studi pustaka yang terkait dan

mendukung tujuan dilakukannya penelitian,

Data satelit citra yang digunakan pada penelitian ini adalah citra dari

AVNIR-2 periode 19 Juli 2009 Resolusi 10x10 m WGS 1984 UTM Zone 48S.

Sebelum diinterpretasi, dilakukan pra-proses pada citra yang terdiri dari proses

koreksi geometrik dan subset studi area. Subset studi area merupakan proses

pemotongan citra yang dilakukan untuk memisahkan areal yang menjadi fokus

penelitian, yaitu Kecamatan Ciawi, Cisarua, dan Megamendung yang termasuk

dalam kawasan DAS Ciliwung Hulu. Areal yang dipotong disesuaikan dengan

batas peta Administrasi Kabupaten Bogor. Hasil subset studi area dapat dilihat

pada Gambar 5.

a b

Gambar 5. Proses Subset Studi Area a. AVNIR-2 sebelum proses subset, b.

AVNIR-2 setelah proses subset yang menjadi fokus penelitian.

20

 

3.4.2 Analisis

Klasifikasi citra dihasilkan dari Supervised Classification dengan

menggunakan metode Maximum Likelihood yang menggunakan area latihan

(Training Area) yang diperoleh dari hasil ground check pada tanggal 24 Maret

dan 9 April 2011. Penutupan lahan yang diperoleh kemudian diuji akurasinya

menggunakan accuracy assesment dari software ERDAS Imagine 9.1. Tingkat

akurasi yang bisa dipercaya adalah minimal 75% untuk akurasi keseluruhan

(Syartinilia, 2004). Sebelum dibandingkan dengan peta penutupan lahan tahun

2002 resolusi 30x30m, peta penutupan lahan 2009 di-resampling terlebih dahulu

menjadi reolusi 30x30m. Setelah memiliki resolusi yang sama, lalu dilakukan

proses deteksi perubahan penutupan lahan dengan menggunakan metode Post

Comparison Classification.

3.4.2.1 Klasifikasi Terbimbing (Supervised classification)

Klasifikasi ini dilakukan dengan menggunaan arahan analisis (supervised).

Kriteria pengelompokkan kelas ditetapkan berdasarkan penciri kelas yang

diperoleh dari pembuatan training area. Pada penelitian kali ini, metode yang

digunakan adalah Metode Peluang Maksimum (Maximum Likelihood Classifier).

Metode ini merupakan metode yang paling umum digunakan dan merupakan

metode standar. Metode ini mempertimbangkan peluang dari suatu piksel untuk

dikelaskan ke dalam kelas atau kategori tertentu. Dapat dihitung dengan

menghitung persentase tutupan pada citra yang akan diklasifikasi.

3.4.2.2 Training Area

Training area diperlukan dalam setiap kelas yang akan dibuat dan harus bisa

melihat secara jelas perbedaan yang tampak pada citra. Masing-masing training

area mewakili satu kelas atau kategori penutupan lahan. Sebelum dilakukan

training area, ditetapkan batasan mengenai kelas yang akan diklasifikasikan.

Training area tidak hanya digunakan untuk proses klasifikasi, tetapi juga

digunakan untuk proses akurasi hasil klasifikasi. Perbandingan bobot training

area sebagai sampel untuk proses klasifikasi dan akurasi adalah 75% : 25% dari

total training area yang dibuat. Deskripsi kelas penutupan lahan dapat dilihat

pada Tabel 5.

21

 

Tabel 5. Deskripsi Kelas Penutupan Lahan

No. Label Kelas Deskripsi

1 Hutan Seluruh hamparan baik kering maupun basah yang didominasi oleh pohon.

2 Perkebunan Seluruh kawasan kenampakkan kebun dengan jenis vegetasi teh.

3 Semak belukar Seluruh kawasan yang terdiri dari campuran antara vegetasi tinggi dan vegetasi rendah yang tumbuh secara liar dan belum termanfaatkan.

4 Sawah Seluruh kawasan berupa pertanian lahan basah yang ditanami padi.

5 Ladang Seluruh kawasan berupa pertanian lahan kering yang ditanami non-padi seperti singkong, umbi-umbian, jagung, sayuran.

6 Pemukiman Seluruh kawasan pemukiman padat (perumahan) atau bangunan lainnya.

7 Badan Air Seluruh kawasan dengan kenampakkan perairan, termasuk sungai, danau, dan waduk.

8 Awan Sekumpulan piksel yang berwarna putih (tidak mengandung informasi mengenai penutupan lahan) (no data)

Pembuatan training area pada penelitian ini dilakukan dengan membuat

secara langsung pada citra dengan Tools AOI. Contoh penampakkan training area

masing-masing kelas penutupan pada AVNIR-2 resolusi 10x10 m dapat dilihat

pada Tabel 6.

Tabel 6. Penampakkan Training Area pada AVNIR-2 tahun 2009

No. Kelas Penampakkan pada Citra Keterangan

1 Hutan

• Band combinations Red : Layer 3 Green : Layer 2 Blue : Layer 1

22

 

2 Perkebunan

• Band combinations Red : Layer 3 Green : Layer 2 Blue : Layer 1

3 Semak belukar

• Band combinations Red : Layer 3 Green : Layer 2 Blue : Layer 1

4 Sawah

• Band combination Red : Layer 3 Green : Layer 2 Blue : Layer 1

5 Ladang

• Band combinations Red : Layer 3 Green : Layer 2 Blue : Layer 1

6 Pemukiman

• Band combinations Red : Layer 3 Green : Layer 2 Blue : Layer 1

7 Air

• Band combinations Red : Layer 4 Green : Layer 3 Blue : Layer 2

23

 

3.4.2.3 Pendugaan Akurasi

Setelah dihasilkan peta penutupan lahan tahun 2009, maka perlu dilakukan

evaluasi dengan menghitung tingkat akurasi peta tersebut. Akurasi tersebut

disajikan dalam bentuk matrik kesalahan. Matrik kesalahan tersebut memberikan

informasi mengenai penyimpangan klasifikasi yang berupa kelebihan jumlah

piksel dari kelas yang lain atau emisi (omission) dan kekurangan jumlah piksel

pada masing-masing kelas atau komisi (comission). Kesalahan emisi (omission

error) dikenal juga dengan istilah akurasi pembuat (producer’s accuracy) yaitu

akurasi yang diperoleh dengan membagi piksel yang benar dengan jumlah total

piksel dari data acuan per kelas.

Akurasi lainnya adalah akurasi pengguna (user’s accuracy), yaitu akurasi

yang diperoleh dengan membagi jumlah piksel yang benar dengan total piksel

yang dikelaskan ke dalam kelas tersebut, akurasi ini dikenal juga dengan istilah

kesalahan komisi (comission error).

Besarnya akurasi hasil klasifikasi keseluruhan dapat diukur menggunakan

akurasi umum (overall accuracy) dan akurasi kappa. Akurasi umum adalah

akurasi yang dihitung berdasarkan jumlah piksel yang dikelaskan dengan benar

pada seluruh kelas, dibagi dengan jumlah total piksel yang digunakan. Akurasi ini

akan menghasilkan pengukuran yang cenderung over estimate karena dalam

proses perhitungannya, akurasi umum hanya melibatkan piksel-piksel yang

dikelaskan dengan benar saja. Untuk saat ini selain akurasi umum, evaluasi hasil

klasifikasi sangat disarankan menggunakan akurasi kappa. Piksel-piksel yang

terlibat dalam perhitungan akurasi kappa adalah seluruh piksel yang digunakan

sebagai acuan untuk pengukuran akurasi hasil klasifikasi, sehingga jika

dibandingkan dengan akurasi umum, perhitungan akurasi kappa akan lebih akurat

dalam mengevaluasi hasil klasifikasi.

Pada penelitian kali ini, metode akurasi yang digunakan adalah Kappa.

Seluruh proses pendugaan akurasi ini dilakukan di ERDAS. Sampel yang

digunakan sebanyak 25% dari total training area yang dibuat. Secara matematik,

akurasi Kappa ini dihitung dengan rumus sebagai berikut:

24

 

Dimana:

Xii = nilai diagonal dari matarik kontingensi baris ke-i dan klom ke-i

X+i = jumlah piksel dalam kolom ke-i

Xi+ = jumlah piksel dalam baris ke-i

N = banyaknya piksel dalam contoh

3.4.2.4 Deteksi Perubahan Penutupan Lahan

Salah satu metode yang digunakan pada proses ini adalah Post Classification

Comparison. Metode ini bertujuan untuk mengetahui perubahan penutupan lahan

di lokasi penelitian. Matrik metode ini disajikan pada Gambar 6.

Peta tahun 2002

Peta tahun 2009 Fungsi perkalian

Peta Perubahan

Gambar 6. Matriks Post Classification Comparison

Metode ini menggunakan fungsi perkalian antara nilai kelas penutupan lahan

tahun 2002 dengan tahun 2009 yang telah di-recode terlebih dahulu. Proses

tersebut menghasilkan image baru yang mengandung informasi berupa penutupan

lahan yang berubah ataupun yang tidak mengalami perubahan dalam kurun waktu

tersebut. Proses recode masing-masing nilai kelas pada masing-masing peta

penutupan lahan dilakukan menggunakan ERDAS Imagine yang selanjutnya akan

dilakukan fungsi perkalian antar nilai kelas (Lampiran 1) dengan menggunakan

25

 

modeler dengan fungsi pekalian (Lampiran 2). Dari hasil perkalian matriks

tersebut diperoleh kelas penutupan lahan dengan nilai baru. Nilai tersebut

menggambarkan perubahan masing-masing kelas dalam kurun waktu 2002-2009.