...Dari Redaksi. Diterbitkan oleh: Bidang Penyajian Data, Pusat Data Penginderaan Jauh Lembaga Penerbangan dan Antariksa Nasional

Transkripsi

1

2

3 ...Dari Redaksi Sidang Pembaca Yang Terhormat, Penerbitan Majalah Berita Inderaja LAPAN merupakan media distribusi informasi perkembangan teknologi penginderaan jauh (inderaja). Materi tulisan yang disajikan pada edisi Juli 2010, merupakan hasil kegiatan penelitian dan operasional di Kantor Kedeputian Bidang Penginderaan Jauh LAPAN - Jakarta dan kiriman sebuah judul makalah/ tulisan Peneliti dari Kantor LEMIGAS - Jakarta. Tulisan/ artikel adalah hasil pemanfaatan data satelit inderaja, diantaranya menggunakan data satelit LAPAN TUBSAT, Landsat-5 dan Landsat-7, SPOT-4, ALOS, Palsar, MODIS, Qmorph dan SRTM. Diharapkan materi/ tulisan yang disampaikan dapat bermanfaat bagi pembaca. Tema tentang pemanfaatan data satelit inderaja untuk ketersediaan informasi potensi perkebunan kelapa sawit mengisi ruang pada Rubrik Topik Inderaja dengan judul : Informasi Spasial Sebaran dan Potensi Perkebunan Kelapa Sawit dari Data Penginderaan Jauh di Provinsi Sumatera Selatan. Rubrik Pengolahan Data Inderaja menyajikan tulisan: Teknik Orthorektifikasi Multi Oblique Image Satellite dengan Metode Digital Mono Plotting (DMP), Ratio Polynomial Coefficient (RPC), dan Rigorious Satellite Sensor Model; Teknik Penurunan Digital Surface Model (DSM) SRTM90 menjadi DSM SRTM10 Menggunakan Interpolasi Kriging (CoKriging) Studi Kasus: Wilayah Semarang dan Sekitar; dan Meningkatkan Kemampuan Citra untuk Ekstraksi Informasi Penutup Lahan Melalui Minimalisasi Pengaruh Liputan Awan dan Kabut. Pada Rubrik Aplikasi Inderaja, disajikan beberapa judul tulisan, diantaranya adalah: Analisis Persebaran Titik Panas (Hotspot) Indikasi Kebakaran Hutan dan Lahan di Wilayah Kalimantan Sepanjang Tahun dan Analisis Data Penginderaan Jauh untuk Pemantauan Lingkungan Danau Ranau dan Danau Maninjau. Penyebarluasan informasi produk data dan perkembangan teknologi satelit inderaja saat ini, dimuat pada Rubrik Informasi Data Inderaja. Judul tulisannya adalah: Aktivitas Siklon Tropis di Lautan Pasifik Barat, dan La utan China Selatan dan Dampaknya Terhadap Curah Hujan di Indonesia, Program Satelit Lingkungan Berorbit Polar NPOESS, dan Analisis Curah Hujan di Indonesia Berdasarkan Data Penginderaan Jauh Qmorph Tahun Kami berusaha menyajikan informasi pemanfaatan data inderaja yang up to date. Informasi disampaikan melalui makalah/tulisan, artikel dan pemuatan poster Peta Citra Satelit inderaja meliputi wilayah di seluruh Indonesia. Pada kesempatan ini, redaksi menyampaikan permohonan ma af, karena belum dapat memenuhi semua permintaan pembaca yang disampaikan melalui pengembalian Formulir Tanggapan Surat Pembaca. Dan diharapkan pada edisi mendatang, secara bertahap kami dapat memenuhi permintaan pembaca. Terima kasih atas perhatiannya, selamat membaca. Hormat Kami, Redaksi Diterbitkan oleh: Bidang Penyajian Data, Pusat Data Penginderaan Jauh Lembaga Penerbangan dan Antariksa Nasional Pelindung: Kepala LAPAN, Deputi Bidang Penginderaan Jauh Penanggung Jawab: Kepala Pusat Data Penginderaan Jauh Editor: Ir. Mahdi Kartasasmita M.S, Ph.D, Prof. Drs. Mulyadi Kusumowidagdo, Prof. DR. F. S. Hardiyanti Purwadhi. Staf Redaksi: Ir. Yuliantini Erowati, M. Si, Yudho Dewanto ST, Drs. Mohammad Natsir, M.T, Abdul Kholik, SH Staf Sekretariat: Arief Nurcahyo, Abdul Makmun, Bambang Haryanto, SE, Suhariyanti. Alamat Redaksi: Bidang Penyajian Data, Pusat Data Penginderaan Jauh LAPAN, Jl. Lapan No. 70 Jakarta Telp.: (021) , , Fax.: (021) Website: bankdata@lapanrs.com. Majalah ini diterbitkan untuk pengguna data satelit penginderaan jauh LAPAN. Redaksi menerima tulisan, saran, dan kritik dari para pembaca. Naskah mohon diketik satu spasi dan bila ada gambar dalam format (.gif/.tiff). Frekuensi terbit: 2 kali setahun. 3

4 Surat Pembaca... Agar lebih sering/banyak memberikan bimbingan dan pelatihan di daerah-daerah khususnya Kabupaten/Kota agar bisa lebih optimal di dalam memanfaatkan penginderaan jauh untuk ILM. Agung Nugroho Ka.Subbag Pengendalian Bagian Pembangunan Perum Korpri Blok B-I No. 16 Jl. Jelarai Tanjung Selor, Bulungan, Provinsi Kalimantan Timur Terima kasih atas saran Bapak Agung Nugroho. Pada kesempatan ini kami sampaikan bahwa Pusat Data Penginderaan Jauh LAPAN hingga saat ini tetap giat melaksanakan kegiatan sosialisasi/promosi dan kerjasama dengan Pemerintah Daerah Kabupaten/Kota, seperti : menyelenggarakan kegiatan Pameran, Kunjungan Kerja ke daerah, Penelitian dan Bimbingan Teknis. Untuk informasi lebih lengkap dapat menghubungi Iklan Layanan Masyarakat (ILM) Bidang Penyajian Data pada Pusat Data Penginderaan Jauh LAPAN : Jl. LAPAN No. 70, Pekayon Pasar Rebo, Jakarta Timur 13710, Telp. (021) ; Fax bankdata@lapanrs.com ; Website : Kami ucapkan terima kasih atas pengiriman majalah Berita Inderaja, dimana informasi penginderaan jauh sangat dibutuhkan dalam pengolahan data dan GIS yang telah kami miliki. Kami mengharapkan kedepan dapat terjalin kerjasama dalam pengolahan inderaja yang lebih teknis lagi. Akhir kata, kami mengharapkan informasi inderaja untuk meningkatkan pengetahuan. Muhammad Ikhwan Lubis, ST. MT. Kepala Sub. Bidang Penataan Ruang Bappeda Kota Tanjungbalai Jl. Jend. Sudirman Km. 5.5, Kota Tanjungbalai. Bapak Muhammad Ikhwan Lubis, ST. MT, terima kasih atas apresiasinya. Majalah Berita Inderaja adalah media publikasi informasi pemanfaatan teknologi Penginderaan Jauh. Redaksi berharap penerbitan majalah ini dapat membantu dan mempermudah dalam penyelesaian tugas yang terkait dengan pengolahan data inderaja dan GIS di Kantor Bapak. Harapan kedepan dapat menjalin kerjasama dalam pengolahan data inderaja yang lebih teknis lagi, semoga terlaksana. Kapan Danau Maninjau untuk dibuatkan foto satelit Daerah Tangkapan Airnya dan citra 3 Dimensi? Muhammad Abril. Ka.Subbag Pertambangan dan Energi Jl. Sudirman No. 1 Lubuk Basung Provinsi Sumatera Barat Terima kasih atas atensi Bapak Muhammad Abril. Sesuai dengan pertanyaan yang telah disampaikan, Radaksi majalah berusaha untuk menjawab dan memenuhi harapan pembacanya. Pada pener bitan majalah No.16 edisi Juli 2010 kali ini, ditampilkan tulisan/artikel dengan judul: Analisis Data Penginderaan Jauh Untuk Pemantauan Lingkungan Danau Ranau Dan Danau Maninjau. Mudah-mudahan tulisan/artikel yang ditampilkan dapat menjawab dan bermanfaat. Sudah bagus dan kalau bisa terbit 2 kali setahun M. Murhi Dayat Jl. Arwana III Blok AA4/5 Perum Taman Pagelaran Ciomas Bogor, Provinsi Jawa Barat Dalam kesempatan ini kami sekaligus menjawab beberapa pertanyaan/permohonan serupa yang di sampaikan ke meja redaksi. Majalah Berita Inderaja hingga saat ini penerbitannya 2 kali terbit dalam 1 Tahun dan merupakan media penyebarluasan informasi pemanfaatan teknologi dan aplikasi penginderaan jauh LAPAN. Terima kasih atas komentar Bapak M. Murhi Dayat. 4

5 DAFTAR ISI BERITA INDERAJA Volume IX, No. 16, Juli ISSN TOPIK INDERAJA Informasi Spasial Sebaran dan Potensi Perkebunan Kelapa Sawit dari Data Penginderaan Jauh di Provinsi Sumatera Selatan Halaman 6 DARI REDAKSI 3 SURAT PEMBACA 4 PENGOLAHAN DATA INDERAJA Teknik Orthorektifikasi Multi Oblique Image Satellite dengan Metode Digital Mono Plotting (DMP), Ratio Polynomial Coefficient (RPC), dan Rigorious Satellite Sensor Model 13 Teknik Penurunan Digital Surface Model (DSM) SRTM90 menjadi DSM SRTM10 Menggunakan Interpolasi Kriging (CoKriging) Studi Kasus: Wilayah Semarang dan Sekitar 20 Meningkatkan Kemampuan Citra untuk Ekstraksi Informasi Penutup Lahan Melalui Minimalisasi Pengaruh Liputan Awan dan Kabut 25 APLIKASI INDERAJA Analisis Persebaran Titik Panas (Hotspot) Indikasi Kebakaran Hutan dan Lahan di Wilayah Kalimantan Sepanjang Tahun Analisis Data Penginderaan Jauh untuk Pemantauan Lingkungan Danau Ranau dan Danau Maninjau 37 INFORMASI DATA INDERAJA Aktivitas Siklon Tropis di Lautan Pasifik Barat dan Lautan China Selatan dan Dampaknya Terhadap Curah Hujan di Indonesia 43 Program Satelit Lingkungan Berorbit Polar NPOESS 50 Analisis Curah Hujan di Indonesia Berdasarkan Data Penginderaan Jauh Qmorph Tahun BERITA RINGAN Simposium GEOSS (Global on Earth Observations System of Systems) Asia Pasific Ke 4 di Hotel Sanur Paradise Plaza, Bali. 62 Kerjasama antara LAPAN dengan Pemerintah Daerah Kabupaten Sampang Provinsi Jawa Timur 63 PERISTIWA DALAM GAMBAR Kunjungan Mahasiswa Universitas Diponegoro (UNDIP) Semarang Ke Fasilitas Pusat Data Penginderaan Jauh LAPAN, Pekayon Jakarta 64 Ditopad Selenggarakan Simposium dan Pameran Teknologi Survei dan Pemetaan 65 Seminar Nasional Manajemen Pulau-Pulau Terluar 66 POSTER Peta Citra Satelit LAPAN TUBSAT (Orthoimage) Bandara Husein Satranegara Bandung 71 PCS Satelit Landsat-5 TM Tahun 2006 DTA Danau Ranau Provinsi Sumatera Selatan 72 COVER Depan : PCS 3D Sumatera Selatan Depan Dalam : Citra Satelit Landsat-5 TM Tahun DTA Danau Maninjau Prov. Sumatera Barat. Belakang Dalam: Peta Digital Surface Model (DSM) 10 Wilayah Semarang dengan Polynomial Drift Order 2 Belakang : Peta Tingkat Kerawanan Kebakaran Hutan dan Lahan Kalimantan 5

6 TOPIK INDERAJA Informasi Spasial Sebaran dan Potensi Perkebunan Kelapa Sawit dari Data Penginderaan Jauh di Provinsi Sumatera Selatan Oleh: Florentina Sri Hardiyanti Purwadhi, Nanik Sur yo Har yani, Sukentyas Estuti Siwi Inventarisasi, pemantauan, evaluasi, dan potensi lahan untuk perkebunan dapat dilakukan secara cepat dan tepat dengan menggunakan data penginderaan jauh. Inventarisasi, pemantauan sebaran perkebunan kelapa sawit berdasarkan interpretasi penutup lahan citra penginderaan jauh, sedangkan penentuan potensi lahan untuk tanaman/perkebunan kelapa sawit didasarkan hasil analisis kesesuaian lahan dan evaluasi lahan untuk tanaman kelapa sawit. Berdasarkan hal tersebut LAPAN tahun 2009 telah mengadakan kerjasama dengan Direktorat Jendral Perkebunan, untuk menginventarisasi sebaran perkebunan kelapa sawit di beberapa provinsi. Tujuan penelitian untuk (1) melakukan inventarisasi perkebunan kelapa sawit dan menyajikannya dalam bentuk spasial, berdasarkan interpretasi penutup lahan citra penginderaan jauh SPOT di Provinsi Sumatera Selatan dengan skala 1 : (2) Menentukan potensi lahan untuk tanaman/perkebunan kelapa sawit di Provinsi Sumatera Selatan. (3) Menghitung luas penutup lahan, sebaran perkebunan, dan potensi lahan untuk perkebunan kelapa sawit, dari hasil kajian dari SPOT4 tahun 2008/2009 Provinsi Sumatera Selatan Metode inventarisasi, evaluasi, penilaian potensi, dan perhitungan luas perkebunan kelapa sawit di Provinsi Sumatera Selatan, dengan suatu rancangan model sesuai dengan pokok permasalahan serta kondisi setempat. Analisis dengan pendekatan keruangan, didasarkan faktor-faktor yang mempengaruhi pola penyebaran perkebunan kelapa sawit, sehingga pola tersebut dapat dimodifikasi atau diubah, agar penyebarannya lebih efisien dan seimbang. Rancangan model seperti Gambar 1, yang dibagi dalam 9 (sembilan) tahapan, mulai dari (1) pengumpulan data meliputi data spasial dan tabular daerah penelitian, (2) penyusunan dan manajemen basis data, (3) pembuatan peta tematik, (4) Klasifikasi/ interpretasi penutup lahan/penggunaan lahan dari data penginderaan jauh satelit multi temporal, (5) perhitungan luas penutup/penggunaan lahan hasil interpretasi, (6) ekstraksi penutup lahan perkebunan (kelapa sawit dan non kelapa sawit) dari hasil interpretasi citra (7) perhitungan luas perkebunan kelapa sawit (8) analisis potensi lahan untuk tanaman kelapa sawit, (9) pembuatan peta potensi lahan untuk perkebunan kelapa sawit. Penilaian potensi memerlukan data kondisi fisik wilayah penelitian. Kondisi topografi Provinsi Sumatera Selatan mulai dari pantai timur 0 m dpl hingga gununggunung (> 2000 m dpl) dibagian barat Kabupaten Empat Lawang dan Kabupaten Musi Rawas. Karakteristik fisik berupa proses volkanik, proses diatropisme yang menghasilkan struktur daratan, dataran tinggi, pegunungan, kubah, lipatan strata, dan patahan. Kondisi hidrologi berkaitan ketersediaan air permukaan dan air tanah. Air permukaan di Provinsi Sumatera Selatan diperoleh dari air sungai, cekungan alam seperti (rawa, danau, dan genangan yang terdapat di bantaran sungai. Ketersediaan air tergantung lokasi dan iklim. Provinsi Sumatera Selatan terdapat 12 daerah aliran sungai (DAS). Geologi Provinsi Sumatera Selatan ada 6 proses pembentukan struktur batuan, yaitu (1) endapan permukaan, (2) batuan endapan (sedimen), (3) batuan malihan (metamorfosis), (4) batuan gunung api (volkanik), (5) batuan intrusi, dan (6) batuan tektonit. Ma singmasing kondisi fisik tersebut digunakan untuk membuat evaluasi lahan, yang akan dibobot dalam penilaian potensi lahan untuk tanaman kelapa sawit Citra penginderaan jauh yang digunakan mosaik ci 6

7 TOPIK INDERAJA RBI/ Kontur SPOt 2 & SPOt / 2009 Koreksi Radiometrik titik KONtROL tanah (GCP) Layer data spasial Geologi Mosaik DAtA SURVEI LAPANGAN Jenis tanah DEM SRtM Kelerengan Koreksi Geometrik Iklim Bentuk Lahan Penutup Lahan Lahan Interpretasi Satuan Lahan transformasi WGS84 BASIS DAtA SPASIAL Overlay S G I Overlay Overlay Ekstraksi Perkebunan Kesesuaian Lahan Untuk tanaman Kelapa Sawit EVALUASI LAHAN Kriteria Persyaratan tubuh Kelapa Sawit Peta Penutup Lahan Peta Sebaran Perkebunan Peta Potensi Lahan Untuk Perkebunan Kelapa Sawit Gambar 1. Rancangan model pengolahan data dan perhitungan potensi lahan untuk tanaman kelapa sawit. tra SPOT 2 dan SPOT 4 tahun 2008/ 2009, sedangkan survei lapangan dilakukan bulan November Informasi spasial yang dihasilkan dalam penelitian ini berupa peta citra satelit (PCS) pada Gambar 2, dan PCS tiga demensi (3D) pada Gambar 3, peta penutup/penggunaan lahan, peta sebaran perkebunan, dan peta potensi lahan untuk tanaman/perkebunan kelapa sawit, nasingmasing di Provinsi Sumatera Selatan skala 1: Peta hasil klasifikasi penutup lahan Provinsi Sumatera Selatan (Gambar 4) terdiri dari 13 (tigabelas) kelas, yaitu hutan, ladang/tegalan, lahan terbuka, mangrove, rawa, sawah, perkebunan kelapa sawit, perkebunan kelapa sawit campur, perkebunan non kelapa sawit, permukiman, semak belukar, tambak, dan tubuh air. Luas penutup/penggunaan lahan di Provinsi Sumatera Selatan Tabel 1. dimana tegalan sebagai wilayah terluas di Provinsi Sumatera Selatan, yaitu ,92 Ha (31,3 %), disusul semak belukar ,08 Ha (22,63 %), dan hutan ,31 Ha (14,29 %), sedangkan penutup/penggunaan lahan lainnya masing-masing kurang dari 10 %. Sebaran perkebunan di Provinsi Sumatera Selatan, diekstrak dari hasil interpretasi penutup lahan mosaik citra SPOT 2 dan SPOT 4 tahun 2008/ 2009, yang dibedakan menjadi tiga macam, (1) perkebunan kelapa sawit, (2) perkebunan kelapa sawit campuran, dan (3) perkebunan non kelapa sawit, sedangkan penggunaan lainnya tidak dikelaskan. Hasil sebaran perkebunan di Provinsi Sumatera Selatan pada Gambar 5. Luas sebaran perkebunan Provinsi Sumatera Selatan pada Tabel 2. Luas sebaran perkebunan Provinsi Sumatera Selatan dari hasil 7

8 TOPIK INDERAJA Gambar 2. Peta citra satelit (PCS) SPOT 2 dan SPOT 4 Tahun 2008/2009 Provinsi Sumatera Selatan. Gambar 3. PCS SPOT 2 dan SPOT 4 Tahun 2008/2009 tiga demensi (3D) Provinsi Sumatera Selatan. 8

9 TOPIK INDERAJA Gambar 4. Peta Penutup Lahan Provinsi Sumatera Selatan Tahun 2009 Gambar 5. Peta Sebaran Perkebunan Provinsi Sumatera Selatan Tahun

10 TOPIK INDERAJA No. Penggunaan Lahan Luas Hektar (Ha) Persen (%) 1 Hutan ,31 14,29 2 Ladang/Tegalan ,92 31,30 3 Lahan Terbuka ,40 0,92 4 Mangrove ,15 2,15 5 Perkebunan Kelapa Sawit ,18 8,75 6 Perkebunan Kelapa Sawit Campur ,34 5,41 7 Perkebunan Non Kelapa Sawit ,28 3,74 8 Permukiman ,12 2,58 9 Rawa ,08 1,26 10 Sawah ,23 5,36 11 Semak Belukar ,08 22,63 12 Tambak ,53 0,58 13 Tubuh Air ,32 1,03 TOTAL , No. Tabel 1. Luas penutup/penggunaan Lahan di Provinsi Sumatera Selatan Tabel 2. Luas sebaran perkebunan di Provinsi Sumatera Selatan Penggunaan Lahan Luas Hektar (Ha) Persentase (%) 1 Perkebunan Kelapa Sawit ,18 8,80 2 Perkebunan Kelapa Sawit Campur ,33 5,40 3 Perkebunan Non Kelapa Sawit ,28 3,75 4 Non Perkebunan ,14 82,05 TOTAL , ,93 Tabel 3. Luas sebaran potensi lahan untuk perkebunan kelapa sawit di Provinsi Sumatera Selatan No Kelas Potensi Luas Hektars (Ha) Persen (%) 1 Lahan berpotensi tinggi ,07 2,1 2 Lahan berpotensi sedang ,24 81,14 3 Lahan berpotensi rendah ,66 3,7 4 Lahan tidak berpotensi ,95 13,06 TOTAL , interpretasi citra SPOT2 dan SPOT 4 tahun 2008/2009, (1) perkebunan kelapa sawit ,18 Ha (8,8%), (2) perkebunan kelapa sawit campur (dengan penutup tanaman kelapa sawit > 50 %) seluas ,33 Ha (5,4 %), dan (3) perkebunan non kelapa sawit seluas ,28 Ha (3,75 %). Catatan : untuk penutup lahan tanaman kelapa sawit contoh rona pada citra untuk tanaman kelapa sawit dan tanaman kelapa sawit campur sudah dicocokan dengan kondisi lapangan (Gambar 6) Penentuan lahan potensi lahan untuk tujuan penggunaan untuk perkebunan kelapa sawit, pada penelitian ini diarahkan melalui evaluasi kemampuan lahan dan kesesuaian lahan untuk tanaman kelapa sawit. Kesesuaian lahan yang berbasis pada penggunaan lahan berkelan jutan. Penggunaan lahan diusulkan tidak akan mengakibatkan degradasi lahan baik sebagai akibat erosi (salinisasi atau pemasaman tanah) atau lainnya Evaluasi dapat dilaksanakan secara kualitatif atau kuantitatif. Kemampuan lahan merupakan kapasitas lahan untuk tingkat penggunaan, sedangkan kesesuaian lahan merupakan penilaian relatif penyesuaian terhadap suatu penggunaan disini perkebunan kelapa sawit. Penilaian kemampuan lahan dari data penginderaan jauh dan sistem informasi geografis (SIG), menggunakan sistem pembobotan dan perbandingan. Komponen lahan secara sistematik dikelompokkan dalam 10

11 TOPIK INDERAJA Gambar 6. Foto Titik Survei Lapangan Tahun 2009 Provinsi Sumatera Selatan kategori potensi, penghambat, bahaya penggunaannya. Kriteria kelas kemampuan lahan didasarkan pada ada atau tidaknya faktor pembatas, baik pembatas permanen atau pembatas sementara. Faktor pembatas adalah sifat-sifat lahan yang dapat membatasi dalam penggunaan untuk tanaman kelapa sawit. Faktor pembatas yang tidak dapat diperbaiki (iklim dan kedalaman tanah), sedangkan faktor pembatas sementara (dapat diperbaiki selama pengelolaan) antara lain kandungan hara, keasaman, drainase. Penilaian karakteristik lahan didasarkan pengelompokan kualitas lahan, menurut CRS/FAO (1983), yaitu tergantung 7 (tujuh) kualitas, adalah (1) temperatur, (2) ketersediaan air, (3) kondisi perakaran, (4) resistensi hara, (5) ketersediaan hara, (6) taksositas, (7) kondisi medan (termasuk rentan terhadap bencana). Pengelompokan unsur pokok, kualitas lahan (status lahan tidak diperhitungkan dalam penelitian ini), dan karakteristik lahan digunakan untuk menilai potensi lahan terhadap penggunaan lahan tanaman/perkebunan kelapa sawit. Hasil analisis potensi lahan untuk perkebunan kelapa sawit di Provinsi Sumatera Selatan, yang sebaran digambarkan berupa peta potensi lahan untuk perke bunan kelapa sawit (Gambar 7). Potensi lahan dibedakan dalam empat macam, yaitu berpotensi tinggi, berpotensi sedang, berpotensi rendah, dan tidak berpotensi. Luas sebaran potensi lahan untuk tanaman/perkebunan kelapa sawit pada Tabel 3. Kriteria setiap kelas potensi lahan untuk tanaman kelapa sawit, yang terdapat di Provinsi Sumatera Selatan sebagai berikut. 1. Lahan berpotensi tinggi untuk tanaman kelapa sawit apabila lahan Sangat Sesuai seluas ,07 Ha (2,1 %), terletak pada penutup lahan ladang, semak belukar, lahan terbuka, perkebunan kelapa sawit, perkebunan kelapa sawit campur, perkebunan non kelapa sawit, permukiman, berstatus sebagai areal penggunaan lain (APL) dan hutan produksi konversi (HPK). Sesuai dengan UU tentang Kehutanan (UU No. 5/1974 dan UU No. 41/99) dan Peraturan Pemerintah No. 44/2004 tentang Perencanaan Kehutanan bahwa Hutan Produksi Konversi (HPK) adalah Hutan Produksi yang dapat dikonversi (kawasan hutan yang dicadangkan untuk pembangunan non kehutanan). Oleh karena itu lahan berpotensi tinggi tersebut yang boleh dimanfaatkan hanya yang terletak pada wilayah areal penggunaan lain (APL) dan hutan produksi konversi (HPK), sedangkan pada hutan lindung (HL), suaka margasatwa (SM), swaka alam atau hutan wi 11

12 TOPIK INDERAJA Gambar 7. Peta potensi lahan untuk perkebunan kelapa sawit Tahun 2009, Provinsi Sumatera Selatan sata (HSAW), cagar alam (CA), dan taman nasional (TN) tidak diperbolehkan. 2. Lahan berpotensi sedang untuk tanaman kelapa sawit merupakan lahan Sesuai seluas ,24 Ha (81,14 %), yang terletak pada penutup lahan ladang, semak belukar, perkebunan kelapa sawit, perkebunan kelapa sawit campur, perkebunan non kelapa sawit, lahan terbuka, permukiman, sawah, dan hutan. Status sebagai areal penggunaan lain (APL), hutan produksi konversi (HPK), hutan produksi (HP), hutan lindung (HL), dan taman nasional (TN). Lahan berpotensi sedang tersebut sebenarnya yang boleh dimanfaatkan hanya pada areal penggunaan lain (APL), hutan produksi konversi (HPK). 3. Lahan berpotensi rendah untuk tanaman kelapa sawit merupakan lahan Sesuai marginal seluas ,66 Ha (3,7 %), yang terletak pada penutup lahan ladang, semak belukar, perkebunan kelapa sawit, perkebunan kelapa sawit campur, perkebunan non kelapa sawit, lahan terbuka, permukiman, sawah, dan hutan. Lahan tersebut berstatus areal penggunaan lain (APL) dan hutan produksi konversi (HPK), hutan produksi (HP), hutan lindung (HL), dan taman nasional (TN). Lahan berpotensi rendah tersebut, yang boleh dimanfaatkan hanya pada areal penggunaan lain (APL), hutan produksi konversi (HPK). 4. Lahan tidak berpotensi untuk tanaman kelapa sawit merupakan lahan yang Tidak Sesuai seluas ,95 Ha (13,06), yang terletak pada penutup lahan ladang, mangrove, semak belukar, lahan terbuka, sawah, permukiman, rawa, tambak, dan hutan, berstatus sebagai areal penggunaan lain (APL) dan hutan produksi konversi (HPK), hutan produksi (HP), hutan produksi terbatas (HPT), hutan lindung (HL), cagar alam (CA), suaka margasatwa (SM), taman nasional (TN). Lahan tidak berpotensi tersebut, memang tidak ada yang dimanfaatkan sebagai lahan/area perkebunan kelapa sawit. Berdasarkan hasil penelitian ini, maka disarankan 1. Perlu perhatian/penanganan khusus, beberapa perkebunan kelapa sawit campur (KSC) yang terletak pada status lahan Suaka Margasatwa (SM) dan Hutan Lindung (HL), karena KSC sebagian besar usaha masyarakat. 2. Lahan berpotensi tinggi sebagian masuk ke wilayah berstatus Cagar Alam, Hutan Lindung, dan Suaka Margasatwa, yang saat ini ada yang sudah dikonversi menjadi penggunaan non kehutanan agar dihutankan kembali, sedangkan yang saat ini belum berupa perkebunan kelapa sawit, perlu dijaga sehubungan potensinya, maka ada kemungkinan/kecenderungan penggunaan kearah/untuk perkebunan kelapa sawit atau penggunan lain non hutan. 3. Informasi penutup lahan, sebaran perkebunan, dan potensi lahan untuk perkebunan kelapa sawit skala 1: bermanfaat untuk mendukung pengelolaan sumberdaya alam dan perencanaan tata ruang wilayah (RTRW) provinsi dan tingkat regional. Informasi yang lebih rinci skala 1 : atau skala lebih besar diperlukan untuk pengelolaan sumberdaya alam dan perencanaan tata ruang wilayah kabupaten/kota dan kecamatan diperlukan citra penginderaan jauh resolusi lebih tinggi. 12

13 PENGOLAHAN DATA INDERAJA Teknik Orthorektifikasi Multi Oblique Image Satelite dengan Metode Digital Mono Plotting (DMP), Ratio Polynomial Coefficients (RPCs), dan Rigorious Satelite Sensor Model Oleh: Atriyon dan Mahdi Kartasasmita * Kedeputian Penginderaan Jauh Lembaga Penerbangan dan Antariksa Nasional (LAPAN) Jl. Lapan No. 70 Pekayon, Kec. Pasar Rebo, Jakarta Timur verbhakov@yahoo.com Perkembangan Teknik Geodesi dan Geomatika sudah mencapai kemajuan signifikan pada bidang penginderaan jauh. Hal ini ditandai dengan bermunculannya berbagai jenis satelit, baik yang bersifat militer, sumber daya alam maupun yang bersifat lingkungan dan cuaca. Satelit sumber daya alam memiliki resolusi spasial dari 0,4 meter sampai puluhan meter (sekitar 60 meter). Satelit tersebut ada yang memiliki resolusi temporal tinggi dan ada juga yang rendah. Sensor bawaan yang digunakan dalam perekaman citra terdiri dari sensor aktif dan sensor pasif. Sensor aktif atau yang lebih dikenal dengan radar memiliki kelebihan bebas dari efek awan. Misal, satelit Alos (Palsar), TerraSAR, EnviSat. Sedangkan untuk sensor pasif memiliki kelebihan dalam multispektral, akan tetapi tidak bebas dari efek awan. Misal, Ikonos, Worldview-1, GeoEye, QuickBird, SPOT, LAPAN TUBSAT, Landsat, ALOS (Prism dan AVNIR-2), dan lain-lain. Ilmu dan teknologi penginderaan jauh sebagai bagian dari Teknik Geomatika memegang peranan yang sangat penting dalam memecahkan persoalan data satelit, baik untuk pengolahan data, interpretasi citra maupun inventarisasi sumber daya al am. Penginderaan jauh dapat memanfaatkan data citra satelit untuk memperoleh data mengenai rupa bumi dengan cepat dan tepat serta mampu mencakup daerah yang relatif luas. Citra satelit yang digunakan untuk pemetaan topografi, batimetri, dan tematik, setiap citranya harus terletak seakurat mungkin di atas permukaan bumi (Julzarika, 2009). Data yang diperoleh dari satelit adalah berupa data digital. Data ini masih berupa data mentah (raw data), yang masih banyak mengandung kesalahan, baik kesa lahan acak maupun sistematik. Kesalahan tersebut dapat disebabkan oleh pergerakan satelit (rotasi dan translasi), perekaman citra (skala, rotasi dan translasi), kesalahan atmosferik sehingga dapat menyebabkan terjadinya kesalahan geometrik dan kesalahan radiometrik. Rotasi yang dimaksudkan disini adalah terjadi pergerakan omega, phi, dan kappa pada satelit saat perekaman sehingga akan terjadi translasi berubah pergeseran koordinat pada arah sumbu X, Y, dan Z sehingga dapat menyebabkan terjadinya perubahan skala. Hal ini sangat ditentukan oleh jenis transformasi dan model algorithm matematika yang terjadi pada saat perekaman. Kesalahan geometrik ini dapat diminimalisir dengan melakukan orthorektifikasi sehingga akan diperoleh orthoimage. Orthorektifikasi ini dapat dilakukan dengan metode Digital Mono Plotting (DMP), Ratio Polynomial Coefficients (RPCs), Rigorious Satellite Sensor Model, Parallel Projective, orthophoto, direct linear, Rational Polynomial Camera/3D Reconstruction (Forward RPCs, Error Propagation, Inverse RPCs, Straight Line Algorithm). Metode-metode ini menggunakan konsep pergeseran bayangan, Kolinear (rigorous satellite image orthorectification), perpotongan ke belakang, hitung perataan, resampling, proyeksi peta, sistem dan transformasi koordinat. Orthorektifikasi citra satelit memiliki konsep yang sama dengan orthofoto dengan foto udara menggunakan ilmu Fotogrametri (Soetaat, 1996). Pada penelitian ini digunakan beberapa data masukan untuk pembuatan orthoimage. Data tersebut meliputi SPOT2 (wilayah pulau Rimau), SPOT4 (wilayah pulau Bali), SPOT5 (wilayah Semarang dan sekitarnya), Landsat7 (Wilayah Sumatera Barat bagian tengah), Alos 13

14 PENGOLAHAN DATA INDERAJA Prism (Wilayah Cilacap), Alos Prism wide scene (Wilayah Kebumen), Alos Avnir-2 (Kabupaten Tana Tidung), LAPAN TUBSAT (Bandara Hussein Sastranegara), Ikonos (Wilayah Solo dan Sragen), serta Quick Bird (Wilayah Kampus Universitas Gadjah Mada (UGM)). Metode yang digunakan pada penelitian ini adalah DMP, RPCs, dan Rigorious Satellite Sensor Model. Pergeseran bayangan merupakan ketidak-tepatan posisi obyek pada citra yang disebabkan oleh perbedaan tinggi terhadap bidang referensi (Harintaka, 2003). Efek pergeseran bayangan obyek pada citra selalu menjauhi pusat proyeksi. Pada gambar (1), titik A di permukaan Bumi seharusnya mempunyai bayangan a pada bidang citra, tetapi karena titik A yang mempunyai elevasi h terhadap bidang datum maka bayangannya berada pada titik a. Pergeseran a ke a merupakan pergeseran bayangan yang selalu mempunyai sifat menjauhi pusat proyeksi o. Jika citra mempunyai kemiringan maka pergeseran ideal bayangan adalah sebesar d=(r-r ) yang dihitung dengan melibatkan besar kemiringan tilt. Menurut (Moffit and Mikhail, 1980), besar pergeseran bayangan d pada citra tegak dihitung dengan persamaan berikut ini. r' h d = H h Gambar 1. Pergeseran bayangan Dimana: d=pergeseran bayangan r = tinggi obyek di permukaan bumi di atas datum H = tinggi pusat proyeksi di atas bidang datum. Ortofoto adalah foto yang menyajikan gambaran obyek pada posisi ortografik yang benar (Wolf, 1993). Beda utama antara ortofoto dan peta adalah bahwa orto foto terbentuk oleh obyek sebenarnya, sedangkan peta menggunakan garis dan simbol yang digambarkan sesuai dengan skala untuk mencerminkan kenampakan. Ortofoto dapat digunakan sebagai peta untuk melakukan pengukuran langsung atas jarak, sudut, posisi, dan daerah tanpa melakukan koreksi bagi pergeseran letak gambar. Ortofoto dibuat dari foto perspektif melalui proses rektifikasi differensial, yang meniadakan pergeseran letak gambar yang disebabkan oleh posisi miring sensor pada saat perekaman dan variasi topografi. Pada foto miring, pergeseran letak gambar oleh relief tergantung pada tinggi terbang, jarak titik dari nadir, kelengkungan bumi, dan ketinggian (Frianzah, 2009). Dalam prosesnya, pergeseran letak oleh relief pada sembarang foto dan variasi skala dapat dieliminasi sehingga skala menjadi seragam pada seluruh foto. Orthoimage merupakan ortofoto yang dibuat dari beberapa sumber citra satelit seperti ALOS, ASTER, IKONOS, SPOT, Quickbird, dan lain-lain. Orthoimage diperoleh dengan melakukan proses ortorektifikasi pada citra. Ortorektifikasi adalah proses pembuatan foto miring ke foto/image yang ekuivalen dengan foto tegak. Foto tegak ekuivalen yang dihasilkan disebut foto terektifikasi. Ortorektifikasi pada dasarnya merupakan proses manipulasi citra untuk mengurangi/menghilangkan berbagai distorsi yang disebabkan oleh kemiringan kamera/sensor dan pergeseran relief. Secara teoritik foto terektifikasi merupakan foto yang benar-benar tegak dan oleh karenanya bebas dari pergeseran letak oleh kemiringan, tetapi masih mengandung pergeseran karena relief topografi (relief displacement). Pada foto udara perge seran relief ini dihilangkan dengan rektifikasi differensial. (Frianzah, 2009). Model matematis yang digunakan pada ortorektifikasi adalah model matematis rigorous (persamaan kolinear), dan dalam prosesnya menggunakan input data DEM untuk mengkoreksi pergeseran relief akibat posisi miring sensor pada saat perekaman. Penyelesaian model matematis rigorous adalah dengan menghitung posisi dan orientasi sensor pada waktu perekaman image. Posisi dan orientasi sensor yang telah teridentifikasi, digunakan untuk menghitung distorsi yang terdapat pada image (Julzarika, 2007). Model matematis yang digunakan pada pembuatan orthoimage/photo adalah persamaan Kolinear (Soetaat, 1996). Persamaan kolinear menunjukkan bahwa titik obyek di permukaan tanah, bayangan di citra, dan pusat proyeksi terletak pada satu garis lurus atau kesegarisan (Wolf, 14

15 PENGOLAHAN DATA INDERAJA 1983). Gambar (2) menunjukkan titik B (di permukaan tanah), titik b (pada bidang citra), dan O (pusat proyeksi) terletak pada satu garis lurus. ( r1 ( X i Tx ) + r12 X i = f ( r ( X T ) + r ( r21 ( X i Yi = f ( r ( X i i x x x T ) + r 2 T ) + r ( Y ( Y ( Y i ( Y i i i T ) + r y y y y T ) + r 23 T ) + r 3 13 T ) + r 3 ( Z ( Z ( Z ( Z i i i i T T z T z z T Persamaan Kolinear menurut (Mofitt and Mikhail, 1980). X i ( r1 X i + r21 Yi r31 f ) = ( Zi Tz ) + Tx ( r X + r Y r f ) i i i i ( r1 X i + r2 Yi + r32 f ) Yi = ( Zi Tx ) + Ty ( r X + r Y + r f ) Dengan difinisi: X i, Y i, Z i = koordinat titik (i) pada sistem koordinat peta X i, y i, z i = koordinat titik (i) pada sistem koordinat citra f = panjang fokus sensor/kamera T x, T y, T z = koordinat titik pusat proyeksi sensor/ kamera r 11,..., r 33 = elemen matriks rotasi atau f (ω, φ, κ) Gambar 2. Konsep persamaan Kolinear Perpotongan ke belakang (space resection) merupakan suatu metode penentuan posisi ke arah belakang dari titik yang diketahui koordinatnya (Harintaka, 2003). Pada citra satelit, metode ini digunakan untuk menentukan parameter orientasi (ω, φ, κ) dan posisi pusat proyeksi (T x, T y, T z ). Perpotongan ke belakang memerlukan minimal tiga titik yang diketahui dari koordinat z ) ) ) ) peta atau lapangan (titik A, B, C) dan koordinat citranya (titik a, b, c). Jika telah diketahui enam parameter dengan kondisi skala=1 serta posisi pusat proyeksi sensor/ kamera pada saat perekaman maka setiap obyek pada citra dapat dihitung koordinat petanya. Dengan syarat harus diketahui tinggi obyek di permukaan tanah terhadap referensi. Penyajian data permukaan bumi dalam bentuk fungsi permukaan pendekatan, misal dengan fungsi interpolasi polinomial, memberikan keuntungan dari segi efisiensi media penyimpanan. Persamaan polinomial yang dapat digunakan untuk memodelkan permukaan bumi berbentuk polinomial orde satu atau dua (Li, Zhu, and Gold, 2005). Interpolasi polinomial orde satu baik untuk daerah datar sedangkan untuk permukaan bergelombang sebaiknya menggunakan polinomial orde dua atau tiga. Berikut ini persamaan polinomial orde satu dan dua. Z(X, Y)=b 0 +b 1 X+b 2 Y Z(X, Y)=b 0 +b 1 X+b 2 Y+b 3 XY+b 4 X 2 +b 5 Y 2 Dengan: Z(X, Y) = nilai titik tinggi (1D) b0,..., b5 =koefisien polinomial X, Y = koordinat horizontal (2D) Data masukan berupa sejumlah titik kontrol tanah (TKT) sudah diketahui koordinatnya (X 2, Y 2, Z 2 ). Nilai titik tinggi dapat ditentukan dengan menggunakan persamaan linear orde dua. Selanjutnya melakukan hitung perataan kuadrat terkecil metode parameter yang digunakan untuk menghitung nilai parameter (b 0, b 1, b 2, b 3, b 4 ). Jumlah parameter tergantung pada jenis model matematika yang digunakan. Selanjutnya dilakukan hitung perataan dengan metode single model bundle yang digunakan untuk menghitung parameter luar (exterior orientation). Setelah parameter luar diketahui, maka dibentuk matrik R dengan persamaan berikut ini (Soetaat, 1996). 2 ( + 1/ 2c ) ( a + 1/ 2bc ) ( b + 1/ 2ac ) 1 2 R = ( a + 1/ 2bc ) ( + 1/ 2b ) ( c + 1/ 2ab ) 2 ( b 1/ 2ac ) ( c 1/ 2ab ) ( 1/ 2a ) = 1 + 1/ 4( a = 1 1/ 4( a b + b c + c 2 2 ) ) Proses selanjutnya adalah memilih pada salah satu titik di sistem koordinat tanah yang sudah diketahui koordinat 3D nya. Misal I (X 2i, Y 2i, Z 2i ), titik I dilakukan pendekatan dengan Z 2 0 dimana Z 2 0 bisa diambil dari titik kontrol terdekat. Proses selanjutnya adalah menghitung 15

16 PENGOLAHAN DATA INDERAJA nilai X 2 i dan Y 2 i dengan persamaan berikut ini. X Y i 2 i i ( r1 X = ( r X ( r = ( r X X r21 Y1 r31 + r Y r r2 Y1 + r32 + r Y + r 3 3 f ) ( Z f ) f ) ( Z f ) Z ) + X 0 0 Z ) + Y Setelah diperoleh nilai X 2 i dan Y 2 i maka proses selanjutnya adalah menghitung nilai Z 21. persamaan yang digunakan adalah Z 21 =b 0 +b 1 X 2i +b 2 Y 2i +b 3 X 2 i2 +b 4 Y 2 i2 Hasil hitungan Z 2 1 digunakan sebagai Z 20. Proses selanjutnya dilakukan iterasi sesuai dengan proses yang dilakukan sebelumnya. Iterasi baru berhenti jika perbedaan X 2i, Y 2i, dan Z 2 i dengan hitungan sebelumnya kecil atau mendekati nol. Model fungsional RPCs merupakan perbandingan dua polinomial kubik koordinat tanah, dan menyediakan fungsional antara koordinat tanah (Ф, λ, h) dan koordinat citra (L, S) (Frianzah, 2009). Pemisahan fungsi rasional disediakan untuk pemetaan koordinat tanah ke koordinat citra (line/baris dan sample/kolom) secara berurutan. Untuk memperbaiki ketelitian secara numerik, koordinat citra dan tanah dinormalisasikan ke range <-1 dan +1> menggunakan offsets dan faktor skala tertentu. (Grodecki, Dial, and Lutes, 2004) Keterangan: Ф : lintang λ : bujur h : tinggi di atas ellipsoid L, S : koordinat baris kolom Ф0, λ0, h0, L0, S0, Фs, λs, hs, Ls, Ss : offsets dan faktor skala pada lintang, bujur, tinggi, kolom, dan baris. Koordinat tanah diselesaikan secara iterasi. Pada setiap langkah iterasi, aplikasi dasar hitung perataan ku adrat terkecil menghasilkan perkiraan untuk koordinat tanah pendekatan yaitu (Grodecki, Dial, dan Lutes, 2004). Metode ini merupakan konsep orthorektifikasi sederhana karena hanya memerlukan metadata dari raw data citra satelit yang digunakan. Metadata tersebut berisi informasi parameter dalam (interior orientation) berupa nilai omega, phi, kappa, dan titik kontrol seba nyak lima yaitu pada empat titik pojok dan satu titik tengah citra satelit. Akurasi dan presisi yang dihasilkan masih 0 0 belum baik karena masih berupa orientasi relatif dimana koordinat ke lima titik kontrol tersebut didasarkan pada informasi saat perekaman citra satelit. Persamaan yang digunakan pada metode ini adalah Kolinear. Sedangkan jenis transformasi koordinat menggunakan transformasi Sebangun dengan resampling Nearest Neighbour. Metode orthorektifikasi ini memungkinkan untuk menambah titik kontrol tanah untuk meningkatkan akurasi dan presisi orthoimage. Hal yang perlu diperhatikan adalah dalam pembentukan jaring kontrol geodetik dari titik kontrol yang dimiliki. Metode ini memiliki kemiripan dengan DMP yaitu dalam pembacaan metadata, tapi berbeda dalam persamaan arah sumbu Z, yaitu menggunakan konsep pemotongan ke belakang dengan persamaan polynomial (DMP) dan konsep jaring kontrol geodetik arah sumbu X, Y, dan Z (Rigorious satellite sensor model). Metode ini juga memiliki kesamaan dengan RPCs yaitu dalam penggunaan konsep jaring kontrol geodetik, tetapi memiliki perbedaan dalam pembacaan metadata (Rigorious satellite sensor model) dan tanpa menggunakan metadata (RPCs) (Julzarika, 2009). Penelitian ini menggunakan beberapa multi oblique image satellite, yaitu SPOT2 (wilayah pulau Rimau), SPOT4 (wilayah pulau Bali), SPOT5 (wilayah Semarang dan sekitarnya), Landsat7 (Wilayah Sumatera Barat bagian tengah), Alos Prism (Wilayah Cilacap), Alos Prism wide scene (Wilayah Kebumen), Alos Avnir-2 (Kabupaten Tana Tidung), LAPAN TUBSAT (Bandara Hussein Sastranegara), Ikonos (Wilayah Solo dan Sragen), serta Quick Bird (Wilayah Kampus UGM). 1. SPOT2 (Wilayah Pulau Rimau) Citra ini memiliki incidence angle 21,6 derajat. Metode yang digunakan adalah rigorious satellite sensor model. Metode ini dipilih karena data memiliki metadata lengkap yang diperoleh dari satelit sehingga parameter orientasi dalam sudah diketahui. TKT yang digunakan ada sebanyak lima. Orthoimage mengalami pergeseran sekitar 934+ standar deviasi meter. Pergeseran ini ditunjukkan pada Gambar (3). Pada gambar tersebut terlihat pergeseran pada salah satu titik antara SPOT non-orthoimage terhadap SPOT orthoimage. Uji ketelitian dilakukan terhadap ALOS Palsar Orthoimage dan survei lapangan. 2. SPOT4 (wilayah pulau Bali) Citra ini memiliki incidence angle 27,9 derajat. Metode yang digunakan adalah rigorious satellite sensor model. TKT yang digunakan ada sebanyak lima. Orthoimage mengalami pergeseran sekitar 693,33 + standar devia 16

17 PENGOLAHAN DATA INDERAJA diperoleh metadata sebagai salah satu parameter orientasi dalam dan ditambah dengan beberapa TKT yang diketahui di lapangan. TKT yang digunakan ada sebanyak delapan. Orthoimage mengalami pergeseran sekitar 16,92+ standar deviasi meter. Uji ketelitian dilakukan terhadap data hasil survei lapangan dengan GPS Geodetik, Sipat Datar, Total Station, dan Theodolit. Gambar 3. Pergeseran titik antara SPOT2 non-orthoimage dengan SPOT2 orthoimage 4. Landsat7 (Wilayah Sumatera Barat bagian tengah) Citra ini memiliki incidence angle 8,09 derajat. Metode yang digunakan adalah rigorious satellite sensor model. TKT yang digunakan ada sebanyak lima. Orthoimage mengalami pergeseran sekitar 21,48+ standar deviasi meter. Uji ketelitian dilakukan terhadap ALOS Palsar Orthoimage, Google Earth, dan data lapangan. Gambar 4. SPOT4 orthoimage terhadap ALOS Palsar orthoimage dan GE si meter. Uji ketelitian dilakukan terhadap ALOS Palsar Orthoimage dan Google Earth (GE). Google Earth merupakan orthoimage dengan proyeksi plate carre. 3. SPOT5 (wilayah Semarang dan sekitarnya) Citra ini memiliki incidence angle -6,3526 derajat. Metode yang digunakan adalah DMP. Metode ini dipakai karena terdapat informasi metadata lengkap dari satelit serta memiliki Digital Terrain Model (DTM) lapangan serta juga dimiliki TKT akurasi tinggi dan presisi seksama. Kerangka dasar acuan orthoimage berupa lima titik kontrol (empat titik sudut dan satu titik pusat citra) yang Gambar 6. Landsat7 orthoimage terhadap GE (kiri) dan ALOS Palsar orthoimage (kanan) 5. Alos Prism backward dan forward (Wilayah Cilacap) Citra ini memiliki incidence angle +23,8 (arah x) dan 0,86 (arah y). Metode yang digunakan adalah RPCs. Metode ini digunakan karena data tidak memiliki metadata lengkap dari satelit sebagai parameter orientasi dalam dan hanya memiliki TKT dengan akurasi tinggi dan presisi seksama di lapangan. TKT yang digunakan ada sebanyak tujuh. Orthoimage mengalami pergeseran sekitar 2,058 + standar deviasi meter (backward) dan 2,07 + Gambar 7. Raw image ALOS Prism Backward (kiri) dan orthoimage ALOS Prism Backward (kanan) Gambar 5. SPOT5 orthoimage terhadap peta jalan Gambar 8. Raw image ALOS Prism Forward (kiri) dan orthoimage ALOS Prism Forward (kanan) 17

18 PENGOLAHAN DATA INDERAJA standar deviasi meter (forward). Uji lapangan dilakukan terhadap data dan survei lapangan dengan GPS Geodetik, Sipat Datar, Total Station, dan Theodolit. 6. Alos Prism wide scene (Wilayah Kebumen) Citra ini tidak memiliki informasi incidence angle. Metode yang digunakan adalah RPCs. TKT yang digunakan ada sebanyak tujuh. Orthoimage mengalami pergeseran sekitar 5,6 km + standar deviasi meter. Pergeseran tersebut ditunjukan pada Gambar (9). Uji ketelitian dilakukan terhadap data lapangan dengan GPS Geodetik, Sipat Datar, Total Station, dan Theodolit. Gambar 9. Pergeseran ALOS Prism wide scene nonorthoimage terhadap ALOS Prism wide scene orthoimage Gambar 11. LAPAN TUBSAT orthoimage terhadap GE 9. Ikonos (Wilayah Solo dan Sragen). Incidence angle yang dimiliki citra ini tidak diketahui sehingga metode orthorektifikasi yang dapat digunakan adalah RPCs dan DMP. TKT yang digunakan ada sebanyak 14. Orthoimage mengalami pergeseran sekitar 33,18 + standar deviasi meter. Uji lapangan dilakukan dengan GPS Geodetik, Sipat Datar, Total Station, dan Theodolit. 7. Alos Avnir-2 (Kabupaten Tana Tidung) Citra ini memiliki tidak memiliki informasi incidence angle. Metode yang digunakan adalah RPCs. TKT yang digunakan ada sebanyak tujuh. Orthoimage mengalami pergeseran sekitar standar deviasi meter. Uji lapangan dilakukan dengan dengan GPS Geodetik, Sipat Datar, Total Station, dan Theodolit. Gambar 12. Ikonos orthoimage terhadap peta jaringan jalan 8. LAPAN TUBSAT (Bandara Hussein Sastranegara) Citra ini memiliki incidence angle derajat. Data LAPAN TUBSAT berupa video sehingga teknik pengolahannya dilakukan secara videogrammetri. Metode yang digunakan adalah RPCs. TKT yang digunakan ada sebanyak tujuh. Orthoimage mengalami pergeseran sekitar 17,22 + standar deviasi meter. Uji ketelitian dilakukan terhadap Google Earth. 18 Gambar 10. ALOS AVNIR-2 orthoimage 10. Quick Bird (Wilayah Kampus UGM) Incidence angle yang dimiliki citra ini tidak diketahui sehingga metode orthorektifikasi yang dapat digunakan adalah RPCs dan DMP. TKT yang digunakan ada sebanyak 20. Orthoimage mengalami pergeseran sekitar 4+ standar deviasi meter. Uji lapangan dilakukan dengan GPS Geodetik, Sipat Datar, Total Station, dan Theodolit. Tabel 1 berikut merupakan hasil penelitian pembuatan orthoimage dengan metode DMP, RPCs dan Rigorious satellite sensor model. Teknik orthorektifikasi tersebut bisa diaplikasikan untuk berbagai citra satelit. Beberapa citra satelit yang sudah dilakukan pembuatan orthoimage adalah

19 PENGOLAHAN DATA INDERAJA Gambar 13. Quick Bird orthoimage terhadap peta jaringan jalan SPOT2, SPOT4, SPOT5, Landsat7, ALOS Prism (Backward), ALOS Prism (Forward), ALOS Prism (Wide Scene), ALOS AVNIR-2, LAPAN TUBSAT, IKONOS, dan QuickBird. Rigorious satellite sensor model jika citra satelit tersebut masih berupa raw data dengan metadata lengkap atau diketahui parameter dalam (interior orientation) citra satelit tersebut. Metode DMP digunakan jika mempunyai Digital Terrain Model (DTM)) lapangan dan TKT dengan akurasi tinggi dan presisi seksama sehingga bisa memperbaiki kualitas orthoimage dari Rigorious satellite sensor model. Metode RPCs digunakan jika tidak diketahui parameter dalam (interior orientation) pada raw data yang akan diorthorektifikasi atau metadata tidak lengkap. Pengujian akurasi dan presisi digunakan teknik hitung perataan dari data survei lapangan maupun peta vektor dan citra satelit orthoimage lainnya. Pembuatan orthoimage memerlukan DTM dengan akurasi tinggi dan presisi seksama. Pada metode rigorious satellite sensor model hanya memerlukan lima titik kontrol (empat titik sudut dan satu titik tengah) yang diperoleh dari metadata. Metode DMP memerlukan minimal delapan titik kontrol (lima titik kontrol dari metadata dan tiga TKT dari lapangan). Metode RPCs memerlukan minimal tujuh titik kontrol yang diperoleh dari TKT lapangan. Penyebaran TKT untuk pembuatan orthoimage ini disesuaikan dengan konsep jaring kontrol geodetik. Tabel 1. Hasil penelitian pembuatan orthoimage dengan metode DMP, RPCs, dan Rigorious satellite sensor model. No Citra Satelit Wilayah penelitian Metode Orthoimage TKT Akurasi Horizontal 1. SPOT2 Pulau Rimau rigorious satellite sensor model standar deviasi meter 2. SPOT4 Pulau Bali rigorious satellite sensor model 5 693,33 + standar deviasi meter 3. SPOT5 Semarang DMP 8 16,92+ standar deviasi meter 4. Landsat7 Sumatera Barat bagian tengah rigorious satellite sensor model 5 21,48+ standar deviasi meter 5. ALOS Prism (Backward) Cilacap RPCs 7 2,058 + standar deviasi meter ALOS Prism (Forward) Cilacap RPCs 7 2,07 + standar deviasi meter (forward) 6. ALOS Prism (Wide Scene) Kebumen RPCs 7 5,6 km + standar deviasi meter 7. ALOS AVNIR-2 Tana Tidung RPCs standar deviasi meter 8. LAPAN TUBSAT Bandara Hussein Sastranegara RPCs 7 17,22 + standar deviasi meter 9. IKONOS Solo-Sragen RPCs, DMP 14 33,18 + standar deviasi meter 10. QuickBird Kampus UGM RPCs, DMP standar deviasi meter 19

20 PENGOLAHAN DATA INDERAJA Teknik Penurunan Digital Surface Model (DSM) SRTM90 menjadi DSM SRTM10 Menggunakan Interpolasi Kriging (CoKriging) Oleh: Atriyon dan Mahdi Kartasasmita * Kedeputian Penginderaan Jauh Lembaga Penerbangan dan Antariksa Nasional (LAPAN) Jl. Lapan No. 70 Pekayon, Kec. Pasar Rebo, Jakarta Timur verbhakov@yahoo.com Survei dan Pemetaan merupakan bidang ilmu kebumian yang mengkaji berbagai aspek pemetaan di darat, air, dan udara. Salah satu hasil dari survei dan pemetaan adalah peta, baik yang berisi informasi 1D, 2D, 3D, 4D maupun yang sampai 12D. Pada tulisan ini lebih fokus pada informasi 3D dimana informasi 3D ini dapat berupa DSM, Digital Elevation Model (DEM), Digital Terrain Model (DTM), Digital Geoid Model (DGM) dan model 3D lainnya. Informasi 3D ini bisa didapatkan dengan pengukuran langsung dan tidak langsung. Pengukuran langsung ini melalui survei dan pemetaan, dilakukan langsung di lapangan, baik dengan pengukuran terrestrial maupun non terrestrial, menggunakan alat ukur geodetik seperti theodolit, sipat datar, total station, laser scanner. Sedang pengukuran tidak langsung bisa dengan pemetaan dengan fotogrammetri, videogrammetri, radargrammetri, dan penginderaan jauh, dilakukan dengan wahana tertentu, menggunakan foto udara, video udara, lidar, mobile web mapping, maupun citra satelit. Pada kajian ini, pemodelan 3D berupa DSM menggunakan data Shuttle Radar Topographic Mission 90 (SRTM90). Data ini diperoleh menggunakan wahana satelit dengan karakteristik tertentu seperti memiliki sensor aktif, resolusi spasial 90+standar deviasi meter, akurasi vertikal 5-8 meter. Permasalahan yang dihadapi saat ini dalam pemetaan dengan citra satelit adalah model 3D dalam resolusi spasial yang kurang bagus. Resolusi spasial 90 m hanya sesuai dengan pemetaan model 3D skala menengah (sekitar 1:50.000), sedangkan saat ini sudah tersedia citra satelit dengan resolusi tinggi, akan tetapi data model 3D yang tersedia juga minim dan harga yang sangat mahal. Permasalahan lainnya adalah dalam koreksi geometrik citra satelit, terutama dalam pembuatan orthoimage akan diperlukan model 3D dengan akurasi dan presisi tinggi 20 pula. SRTM90 merupakan data model 3D yang tersedia secara gratis sehingga memungkinkan untuk melakukan peningkatan akurasi dan presisi dari data yang tersedia. Interpolasi matematika dalam survei pemetaan merupakan salah satu solusi untuk peningkatan akurasi dan presisi. Ada beberapa interpolasi matematika yang dikenal pada survei pemetaan, diantaranya Inverse distance to a power, Kriging, Minimum curvature, Modified Shepard s method, Natural Neighbor, Nearest Neighbor, Polynomial Regression, Radial Basis Function, Triangulation with Linear Interpolation, Moving Average, Data Metrics, Local Polynomial, Nearest point, Trend Surface, Anisotropic Kriging, Universal Kriging, CoKriging, Simple Kriging, Ordinary Kriging, IRFk-Kriging, Indicator Kriging, Multiple indicator Kriging, Disjunctive Kriging, Lognormal Kriging, Spline, Newton, Langrange, dan lain-lain. Pada penelitian ini akan menggunakan interpolasi Kriging jenis CoKriging untuk menurunkan DSM SRTM90 menjadi DSM SRTM10. Tujuannya adalah untuk meningkatkan akurasi dan presisi DSM yang dihasilkan serta bisa meningkatkan kualitas geometrik sewaktu diturunkan lagi menjadi DEM, DTM, dan DGM sehingga bisa mendukung pembuatan orthoimage untuk citra satelit resolusi tinggi. SRTM10 yang dimaksudkan disini adalah model 3D yang memiliki resolusi spasial 10+standar deviasi meter. Pemodelan 3D SRTM10 tersebut memerlukan interpolasi Kriging karena saat ini Kriging merupakan metode terbaik dalam melakukan interpolasi secara geostatistik (Julzarika, 2009). Metode Kriging memerlukan suatu jaring kontrol geodetik. Pada pemodelan permukaan digital, diperlukan bagaimana suatu jaring kontrol geodetik dapat menghasilkan grid data secara matematis (Julzarika, 2007). Grid data dibentuk berdasarkan rangkaian koordinat raster (baris, kolom) akibat terjadi transfor