IDENTIFIKASI POLA HUTAN RAKYAT DAN PENUTUPAN LAHAN LAIN MENGGUNAKAN CITRA LANDSAT 8 OLI (Studi kasus di Asosiasi Petani Hutan Rakyat Wonosobo)

Ukuran: px
Mulai penontonan dengan halaman:

Download "IDENTIFIKASI POLA HUTAN RAKYAT DAN PENUTUPAN LAHAN LAIN MENGGUNAKAN CITRA LANDSAT 8 OLI (Studi kasus di Asosiasi Petani Hutan Rakyat Wonosobo)"

Transkripsi

1 IDENTIFIKASI POLA HUTAN RAKYAT DAN PENUTUPAN LAHAN LAIN MENGGUNAKAN CITRA LANDSAT 8 OLI (Studi kasus di Asosiasi Petani Hutan Rakyat Wonosobo) DYAH AYU PUTRI PERTIWI DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2014

2

3 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Identifikasi Pola Hutan Rakyat dan Penutupan Lahan Lain Menggunakan Citra Landsat 8 OLI (Studi kasus di Asosiasi Petani Hutan Rakyat Wonosobo) 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, November 2014 Dyah Ayu Putri P. E

4 ABSTRAK DYAH AYU PUTRI PERTIWI. Identifikasi Pola Hutan Rakyat dan Penutupan Lahan Lain Menggunakan Citra Landsat 8 OLI (Studi Kasus Asosiasi Petani Hutan Rakyat Wonosobo). Dibimbing oleh Dr Ir Muhamad Buce Saleh MS. Landsat 8 merupakan citra satelit baru yang memiliki sensor Operational Land Imager (OLI) dengan resolusi spasial 30m x 30m sebanyak 8 band. Data dan informasi tentang tutupan lahan hutan rakyat masih jarang dilakukan. Penelitian ini bertujuan untuk mengidentifikasi pola hutan rakyat dan kelas tutupan lahan lain menggunakan Landsat 8. Metode klasifikasi terbimbing yang digunakan yaitu metode Maximum Likelihood dan Support Vector Machine (SVM). Berdasarkan hasil analisis separabilitas menggunakan 8 band, pola hutan rakyat di APHR Wonosobo ternyata belum dapat diidentifikasi dengan baik dan diperoleh 6 kelas tutupan lahan yaitu pemukiman, badan air, semak/pertanian lahan kering, sawah, tanah terbuka, serta kebun campuran. Metode terbaik yang mengklasifikasikan tutupan lahan di APHR Wonosobo adalah metode maximum likelihood dengan Kappa accuracy sebesar 76.59% dan memiliki kesesuaian tinggi dengan hasil klasifikasi visual. Kata kunci: Tutupan lahan, Landsat 8, klasifikasi terbimbing, maximum likelihood ABSTRACT DYAH AYU PUTRI PERTIWI. Identification Type of Comunity Forest and Land Cover by Use Landsat 8 OLI. Supervised by Dr Ir Muhamad Buce Saleh MS. Landsat 8 is new satelit has a sensor Operational Land imager (OLI) with a spatial resolution 30m x 30m and consist of eight spectral bands. Data and informations about comunity forest land cover is rarely done. The aims of this research are to identify comunity forest type and other land cover by use Landsat 8. The using method supervised classification in research are maximum likelihood and Support Vector Machine (SVM). Based on separability analysis using eight spectral bands, the type of comunity forest in APHR Wonosobo turned out not to be identified with either and acquired six land cover classes are residential, water body, shrub/dry land farming, rice field, open land, and mixed farm. The best method to classify land cover in APHR Wonosobo is maximum likelihood method with value of Kappa accuracy of 76.59% and has a high conformity by the visual image interpretation. Keywords: Land cover, Landsat 8, supervised classification, maximum likelihood

5 IDENTIFIKASI POLA HUTAN RAKYAT DAN PENUTUPAN LAHAN LAIN MENGGUNAKAN CITRA LANDSAT 8 OLI (Studi kasus di Asosiasi Petani Hutan Rakyat Wonosobo) DYAH AYU PUTRI PERTIWI Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan pada Departemen Manajemen Hutan DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2014

6

7 Judul Skripsi : Identifikasi Pola Hutan Rakyat dan Penutupan Lahan Lain Menggunakan Citra Landsat 8 OLI (Studi kasus di Asosiasi Petani Hutan Rakyat Wonosobo) Nama : Dyah Ayu Putri Pertiwi NIM : E Disetujui oleh Dr Ir Muhamad Buce Saleh MS Pembimbing Diketahui oleh Dr Ir Ahmad Budiaman MSc F Trop Ketua Departemen Tanggal Lulus:

8 PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta ala atas segala karunia-nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Mei 2014 ini ialah pemetaan tutupan lahan, dengan judul Identifikasi Pola Hutan Rakyat dan Penutupan Lahan Lain Menggunakan Citra Landsat 8 OLI (Studi kasus di Asosiasi Petani Hutan Rakyat Wonosobo) Terima kasih penulis ucapkan kepada Bapak Dr Ir Muhamad Buce Saleh MS selaku pembimbing, keluarga besar Laboratorium GIS dan Remote Sensing Departemen Manajemen Hutan yang selama ini telah membantu dalam pengolahan data. Segenap kerabat FORCI Development, seluruh kawan-kawan Pengurus Pusat Sylva Indonesia, dan keluarga besar Manajemen Hutan 47 yang memberikan motivasi dan support, serta sahabat-sahabat tercinta yang telah memberikan semangat, dukungan dan motivasi selama ini. Di samping itu, penghargaan penulis sampaikan kepada anggota APHR Wonosobo dan teman - teman satu bimbingan yang telah membantu selama pengumpulan data. Ungkapan terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga atas segala doa dan kasih sayangnya. Semoga karya ilmiah ini bermanfaat. Bogor, November 2014 Dyah Ayu Putri P.

9 DAFTAR ISI DAFTAR TABEL viii DAFTAR GAMBAR viii DAFTAR LAMPIRAN viii PENDAHULUAN 1 Latar Belakang 1 Tujuan Penelitian 1 Manfaat Penelitian 1 METODOLOGI 2 Lokasi dan Waktu 2 Alat dan Bahan 2 Prosedur Analisis Data 2 HASIL DAN PEMBAHASAN 6 Identifikasi Objek di Lapangan 6 Kombinasi Band Terbaik 7 Analisis Separabilitas 9 Klasifikasi Tutupan Lahan 11 Analisis Akurasi 14 Interpretasi Visual Citra 16 SIMPULAN DAN SARAN 18 Simpulan 18 Saran 18 DAFTAR PUSTAKA 18 LAMPIRAN 20 RIWAYAT HIDUP 24

10 DAFTAR TABEL 1 Kriteria tingkat keterpisahan antar kelas dari nilai Transformed Divergence 5 2 Contoh matrix kontingensi 5 3 Jenis tutupan lahan dan pola hutan rakyat di APHR Wonosobo 6 4 Jenis tutupan lahan dan pola hutan rakyat di APHR Wonosobo (lanjutan) 7 5 Karakteristik citra Landsat 8 OLI 7 DAFTAR GAMBAR 1 Peta sebaran titik pengamatan lapangan di APHR Wonosobo 4 2 Kombinasi band a) 875, b) 853, c) Diagram proses regroup pada analisis separabilitas 10 4 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode maximum likelihood 12 5 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode SVM Linier 13 6 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode SVM Polynomial 13 7 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode SVM Radial Basis Function 14 8 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode SVM Sigmoid 14 9 Kappa accuracy hasil klasifikasi tutupan lahan Peta sebaran tutupan lahan APHR Wonosobo hasil interpretasi visual 17 DAFTAR LAMPIRAN 1 Analisis separabilitas pada 13 kelas tutupan lahan di APHR Wonosobo menggunakan 8 band OLI 20 2 Matrik kontingensi pada metode klasifikasi maximum likelihood dengan 8 band OLI 21 3 Hasil analisis visual citra berdasarkan elemen-elemen interpretasi 22 4 Hasil analisis visual citra berdasarkan elemen-elemen interpretasi (lanjutan) 23

11 1 PENDAHULUAN Latar Belakang Hutan rakyat merupakan lahan hutan di luar kawasan hutan negara yang banyak berkembang di Pulau Jawa. Menurut Balai Pemantapan Kawasan Hutan Wilayah XI Jawa-Madura (2012) diperoleh informasi bahwa luas indikatif sebaran hutan rakyat di Pulau Jawa pada tahun mengalami peningkatan luas dan potensi hutan rakyat semakin meningkat. Pengembangan dan pengelolaan hutan rakyat secara lestari dan berkelanjutan penting dilakukan karena tanpa disadari hutan rakyat selama ini telah berkontribusi besar dalam menjaga stabilitas alam, pengaturan tata air, dan sosial ekonomi masyarakat pemilik hutan rakyat maupun ekonomi daerah. Pengelolaan hutan rakyat yang terintegrasi perlu didukung oleh data dan informasi dasar tentang kondisi fisik hutan rakyat. Jenis penutupan lahan merupakan suatu data yang dibutuhkan untuk dapat menerapkan sistem pengelolaan sumber daya alam yang tepat, sesuai dengan kondisi lokasi yang akan dikelola. Perlu diketahui pula data dan informasi tentang jenis penutupan lahan hutan rakyat ini masih belum banyak diketahui dan dilakukan penelitian. Salah satu upaya untuk mengetahui kondisi penutupan lahan suatu daerah dapat dilakukan secara lengkap, cepat, dan akurat menggunakan teknologi penginderaan jauh. Menurut Lillesand dan Kiefer (1990) dalam Prasetyo (2013), penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan objek, daerah atau fenomena yang dikaji. Teknologi penginderaan jauh berkembang pesat sejak diluncurkan satelit penginderaan jauh Landsat 1 yang terus mengalami perkembangan hingga peluncuran Landsat 7. Pada tanggal 11 Februari 2013 NASA meluncurkan satelit Landsat 8 yang menggunakan sensor Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS). Peluncuran Landsat 8 untuk melanjutkan misi dari Landsat 7 yang mengalami kerusakan sejak Mei Landsat 8 ini memiliki 11 saluran yang terdiri dari 9 band pada sensor OLI dan 2 band pada sensor TIRS (USGS 2014). Penambahan band dan pergeseran panjang gelombang yang dimiliki oleh Landsat 8 ini diharapkan dapat meningkatkan kemampuan citra dalam mengidentifikasi kelas tutupan lahan dan pola hutan rakyat di Asosiasi Pemilik Hutan Rakyat (APHR) Wonosobo. Tujuan Penelitian Mengidentifikasi pola hutan rakyat dan kelas tutupan lahan di APHR Wonosobo menggunakan Citra Satelit Landsat 8 OLI dengan metode Maximum Likelihood dan Support Vector Machine. Manfaat Penelitian Hasil dari penelitian ini diharapkan dapat digunakan sebagai informasi perkembangan penutupan lahan hutan rakyat di APHR Wonosobo sehingga dapat membantu dalam pengelolaan hutan rakyat dan perencanaan tata ruang wilayah.

12 2 METODOLOGI Lokasi dan Waktu Penelitian ini dilaksanakan mulai bulan Mei-Oktober di Asosiasi Pemilik Hutan Rakyat (APHR) Wonosobo Kabupaten Wonosobo yang terdiri dari 4 desa yaitu Durensawit, Jonggolsari, Kalimendong, dan Manggis. Pengambilan data lapangan dilaksanakan pada bulan Mei-Juni Pengolahan data dilaksanakan pada bulan Juli-Oktober Alat dan Bahan Alat yang digunakan dalam penelitian ini adalah tally sheet, alat tulis, Global Positioning System (GPS Receiver), kamera, laptop yang dilengkapi software ERDAS IMAGINE 9.1, ArcGIS 9.3, ENVI 4.5, Microsoft Word 2007, Microsoft Excel Bahan yang digunakan dalam penunjang penelitian ini adalah Citra Landsat 8 OLI path 120 dan row 65 perekaman tanggal 10 Mei 2014, Peta Rupa Bumi Kabupaten Wonosobo skala 1: Prosedur Analisis Data Pra Pengolahan Citra Pra pengolahan citra merupakan langkah awal sebelum melakukan pengolahan citra. Beberapa langkah dalam pra-pengolahan citra meliputi import data citra, penggabungan band, koreksi radiometrik, pemotongan citra. 1. Perubahan format (Import data) Import data citra merupakan proses pengubahan data citra dari format *TIFF menjadi format *img. Citra yang digunakan yaitu Landsat 8 OLI perekaman tahun Penggabungan citra (Layer stack) Citra Landsat 8 terdiri dari 9 saluran band Operasional Land Imager (OLI) dan 2 saluran Thermal Infrared Sensor (TIRS) yang terdiri dari layer sejumlah band tersebut. Penggabungan citra ini dilakukan bertujuan untuk mendapatkan data citra multispektral yang terdiri dari band cahaya tampak (visible), TIR, NIR, SWIR dan Cirrus pada Landsat 8. Jaya (2010) menjelaskan bahwa dengan hanya menggunakan satu band (saluran) yang umumnya ditampilkan dengan grayscale/hitam putih, identifikasi objek pada citra umumnya lebih sulit dibandingkan dengan interpretasi pada citra berwarna. Penelitian ini menggunakan citra multiband meliputi band 1, 2, 3, 4, 5, 6, 7, dan 9 yang memiliki resolusi spasial sama yaitu 30 m x 30 m. 3. Koreksi geometrik Citra hasil perekaman sensor satelit merupakan hasil representasi bentuk muka bumi yang mempunyai bentuk tidak beraturan yang dipengaruhi oleh kelengkungan bumi ataupun kesalahan sensor. Walaupun pada hasil citra, muka bumi berbentuk datar sesungguhnya terjadi kesalahan. Koreksi geometrik dilakukan untuk mendapatkan posisi citra yang sama dengan posisi koordinat geografis. Hal ini dilakukan pada citra untuk mendapatkan nilai piksel pada posisi yang tepat.

13 3 Pada citra Landsat 8 ini sudah terorthorektikasi Level 1T artinya sudah dilakukan koreksi dengan data standart correction (koreksi tegak) berdasarkan Data Elevation Model (DEM) dan Global Land Surveys (GLS) 2000 (USGS 2014). 4. Pemotongan citra (Subset image) Pemotongan citra bertujuan untuk mengetahui secara jelas daerah penelitian yang akan digunakan sesuai dengan fokus lokasi penelitian. Citra dipotong menggunakan peta administrasi Desa Kalimendong, Manggis, Jonggolsari, dan Durensawit dari Peta Rupa Bumi Indonesia. Pemotongan citra dilakukan dengan memotong citra yang sudah terkoreksi pada lokasi penelitian menggunakan software ERDAS IMAGINE 9.1 dan ArcGis Perhitungan Optimum Index Factor (OIF) Penelitian ini diawali dengan dilakukannya orientasi data citra untuk mengetahui tentang pola sebaran dan penentuan lahan yang akan digunakan sebagai daerah penelitian. Dalam penyajian citra digital dengan multiband di komputer digunakan kombinasi 3 band yaitu red, green, dan blue agar didapatkan komposit warna. Banyaknya informasi yang dimuat pada suatu citra komposit, dapat diketahui menggunakan penghitungan nilai OIF (Optimum Index Factor). Secara matematis, OIF ini diformulasikan dengan rumus sebagai berikut: Si S j Sk OIFijk r r r ij S i, S j, dan S k adalah simpangan baku dari band ke-i, j dan k. Sedangkan r ij, r ik, dan r jk adalah koefisien korelasi antara bandnya (Jaya 2010). Perhitungan nilai OIF yang menghasilkan kombinasi citra komposit bertujuan untuk membantu dalam identifikasi penutupan lahan menggunakan metode interpretasi visual. Selain menggunakan nilai OIF dalam interpretasi citra yang dilakukan dalam penelitian ini juga mempertimbangkan tampilan visual citra yang mudah dilakukan identifikasi tutupan lahan dengan warna yang mudah dibedakan. Interpretasi Visual Citra Interpretasi visual merupakan proses mengidentifikasi ciri objek secara spasial yang tergambar dalam citra (Purwadhi 2001 dalam Mentari 2013). Karakteristik objek dapat dikenali dengan memperhatikan elemen-elemen interpretasi yaitu warna, bentuk, ukuran, pola, tekstur, bayangan, letak dan asosiasi kenampakan objek. Pengambilan Data Lapangan (Ground check) Penentuan titik dan pengambilan data dilakukan secara purposive sampling yang direncanakan berdasarkan kondisi tutupan lahan dan hutan rakyat di APHR Wonosobo. Pengamatan lapangan dilakukan untuk melihat jenis, kondisi tutupan lahan yang sebenarnya secara langsung di daerah penelitian. Pengamatan lapangan ini dilakukan dengan mengambil titik pada citra minimal satu titik pengamatan lapang dan memungkinkan untuk dijangkau (aksesibilitas baik). Jumlah sampling yang diambil mungkin berbeda untuk masing-masing tutupan lahan dengan pertimbangan luasan masing-masing tutupan lahan. Proses jk ik

14 4 pengambilan data lapangan menggunakan alat GPS Receiver sebagai alat bantu dalam pengambilan koordinat titik pengamatan sebanyak 83 titik pengamatan. Data yang diambil berupa kondisi tutupan lahan, kondisi topografi, koordinat titik lapangan, dan foto lapangan. Sebaran titik pengamatan dapat dilihat pada Gambar 1. Gambar 1 Peta sebaran titik pengamatan lapangan di APHR Wonosobo Pengolahan Citra Pengolahan citra dalam klasifikasi tutupan lahan dilakukan menggunakan analisis klasifikasi terbimbing (supervised classification) yang pengelompokan kelas ditetapkan berdasarkan penciri kelas (signature class). Penciri kelas ini merupakan satu data set yang diperoleh dari pembuatan training area dan klaster. Pada pengambilan keputusan masing-masing memerlukan suatu atribut sebagai input yang umumnya disimpan dalam file signature. Pada analisis ini setiap piksel yang diasumsikan berkarakteristik homogen, dilakukan penentuan atau pemilihan area contoh untuk mencari kelompokkelompok objek yang secara spektral terpisah satu dengan yang lain sehingga pola-pola respon spektral yang terdapat pada citra dapat diekstrak. 1. Penentuan area contoh (training area) Penentuan area contoh (training area) dalam klasifikasi terbimbing dilakukan sesuai dengan data lapangan berupa titik pengamatan kategori tutupan lahan. Training area diperlukan pada setiap kelas yang akan dibuat dan diambil dari areal yang cukup homogen. Pada pengambilan training area harus dilihat perbedaan antar kategori tutupan lahan pada tampilan citra. Training area ini dilakukan untuk mendapatkan penciri kelas seperti ragamperagam, mean, minimum, maksimum. Secara teoritis jumlah piksel yang diambil per kelas adalah sebanyak jumlah band yang digunakan plus satu

15 5 (N+1). Namun 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 merupakan analisis kuantitatif yang memberikan informasi mengenai evaluasi keterpisahan training area dari setiap kelas berbentuk ukuran statistik antar dua kelas. Separabilitas ini dapat dihitung untuk setiap kombinasi band. Pada penelitian ini dilakukan pengurangan kombinasi band yang digunakan pada layer stack untuk melihat kombinasi band yang optimum digunakan dalam identifikasi penutupan lahan. Band yang dipilih merupakan band dengan nilai korelasi antar band rendah. Metode yang digunakan pada penelitian ini yaitu metode Transformed Divergence (TD) yang digunakan untuk mengukur tingkat keterpisahan antar kelas. Nilai TD akan berkisar 0 sampai Menurut Jaya (2009) kriteria tingkat keterpisahan antar kelas dari nilai TD dapat dilihat pada Tabel 1. Tabel 1 Kriteria tingkat keterpisahan antar kelas dari nilai Transformed Divergence Nilai transformed divergence Deskripsi 2000 Sangat baik (excellent) <2000 Baik (good) <1900 Cukup (fair) <1800 Kurang (poor) <1600 Tidak terpisahkan (inseparable) 3. Klasifikasi tutupan lahan Klasifikasi tutupan lahan merupakan proses pengelompokan kelas tertentu pada tutupan lahan. Metode yang digunakan pada penelitian ini adalah klasifikasi terbimbing (supervised). Menurut Prahasta (2008), klasifikasi terbimbing merupakan metode yang diperlukan untuk mentransformasikan data citra multispektral ke dalam kelas-kelas unsur spasial. Metode klasifikasi terbimbing yang digunakan pada penelitian ini adalah metode maximum likelihood dan support vector machine (SVM). 4. Evaluasi akurasi Akurasi perlu diukur untuk mengetahui tingkat kesalahn yang terjadi pada klasifikasi area contoh. Akurasi ketelitian pemetaan dilakukan dengan membuat matrik kontingensi atau matrik kesalahan (confusion matrix) yaitu matrik bujur sangkar yang memuat jumlah piksel yang diklasifikasikan seperti pada Tabel 2. Tabel 2 Contoh matrix kontingensi Data referensi Diklasifikasi ke kelas Jumlah Producer's accuracy A B C D A X 11 X 12 X 13 X 14 X 1+ X 11 /X 1+ B X 21 X 22 X 23 X 24 X 2+ X 22 /X 2+ C X 31 X 32 X 33 X 34 X 3+ X 33 /X 3+ D X 41 X 42 X 43 X 44 X 4+ X 44 /X 4+ Jumlah X +1 X +2 X +3 X +4 N User s accuracy X 11 /X +1 X 22 /X +2 X 33 /X +3 X 44 /X +4

16 6 Akurasi yang bisa dihitung adalah akurasi pembuat (producer's accuracy), akurasi pengguna (user's accuracy), akurasi keseluruhan (overall accuracy), dan akurasi kappa (kappa accuracy). Secara matematis rumus dari akurasi diatas dapat dinyatakan sebagai berikut: Producer's accuracy = User's accuracy = Overall accuracy 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), overall accuracy umumnya terlalu over estimate sehingga jarang digunakan sebagai indikator yang baik untuk mengukur kesuksesan suatu klasifikasi. Akurasi yang dianjurkan untuk digunakan adalah akurasi Kappa yang menggunakan semua elemen dalam matrik. Secara matematis akurasi Kappa ini dihitung dengan rumus sebagai berikut: Kappa (K) 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 HASIL DAN PEMBAHASAN Identifikasi Objek di Lapangan Identifikasi objek di lapangan merupakan proses pengamatan langsung pola hutan rakyat dan penutupan lahan di lokasi penelitian dengan mengambil koordinat tipe tutupan lahan yang sudah diinterpretasikan sebelumnya menggunakan citra Landsat 8 OLI resolusi spasial 30 m x 30 m. Pengambilan data lapangan pada penelitian ini diambil di Desa Jonggolsari, Kalimendong, Manggis, dan Durensawit Kabupaten Wonosobo yang merupakan desa anggota Asosiasi Pemilik Hutan Rakyat (APHR) Wonosobo. Tabel 3 Jenis tutupan lahan dan pola hutan rakyat di APHR Wonosobo No Titik pengamatan Jumlah titik 1 Pemukiman 10 2 Badan air 3 3 Lapangan 2 4 Kebun campuran 15 5 Kebun salak 2 6 Kebun singkong/plk* 4

17 7 Tabel 4 Jenis tutupan lahan dan pola hutan rakyat di APHR Wonosobo (lanjutan) No Titik pengamatan Jumlah titik 7 Pinus 2 8 Sawah 7 9 Semak 1 10 Sengon nanas 2 11 Sengon kakao 6 12 Sengon kopi 8 13 Sengon salak 20 *PLK : Pertanian lahan kering Berdasarkan hasil pengamatan lapangan yang dilakukan ditemukan 9 jenis tutupan lahan dan 4 pola hutan rakyat dari 83 titik pengamatan. Jenis kelas tutupan lahan yang banyak ditemukan pada saat di lapangan berdasarkan Tabel 3, berupa kebun campuran dan pola hutan rakyat sengon salak. Pengambilan objek di lapangan ini dilakukan dengan memperhatikan aksesibilitas dan banyaknya tipe tutupan lahan yang ada. Kombinasi Band Terbaik Citra Landsat 8 ini memiliki dua instrumen yang digunakan yaitu sensor Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS). Landsat 8 OLI merupakan citra lanjutan dari Landsat 7 dengan spesifikasi yang baru. Landsat 8 ini memiliki keunggulan, khususnya terkait dengan spesifikasi band yang dimiliki maupun panjang rentang spektrum gelombang elektomagnetik yang ditangkap. Resolusi Spektral band dari sensor OLI yang hampir sama dengan Landsat 7 ETM+. Landsat 8 menyediakan perbaikan dari Landsat sebelumnya dengan penambahan 2 saluran band yaitu coastal blue (band 1) untuk mendeteksi wilayah pesisir dan saluran inframerah (band 9) untuk mendeteksi awan cirrus (USGS 2014). Adapun karakteristik dari citra Landsat 8 OLI yaitu sebagai berikut: Tabel 5 Karakteristik citra Landsat 8 OLI Saluran Panjang gelombang (µm) Resolusi spasial (m) 1 Coastal Blue µm 30 m 2 Blue µm 30 m 3 Green µm 30 m 4 Red µm 30 m 5 NIR µm 30 m 6 SWIR µm 30 m 7 SWIR µm 30 m 8 PAN µm 15 m 9 Cirrus µm 30 m 10 TIRS µm 100 m 11 TIRS µm 100 m *Sumber : USGS (2014) Pada penyajian multiband biasanya dilakukan penghitungan nilai OIF yang merupakan banyaknya informasi yang dimuat pada citra komposit. Menurut

18 8 Wahyunto et al. (2004) dalam analisi atau klasifikasi data digital citra satelit perlu dicari gabungan (composite) dari 3 band yang tampilan datanya dapat memberikan gambaran dan detil informasi yang jelas dan tajam tentang penggunaan lahan/vegetasi. Display yang digunakan pada citra komposit menggunakan 3 saluran. Masing-masing band akan diset pada Red, Green dan Blue (RGB). Perhitungan nilai OIF bertujuan untuk mengetahui kombinasi band terbaik pada display RGB. Semakin besar nilai OIF maka semakin banyak informasi yang didapatkan dari kombinasi citra komposit tersebut (Jaya 2010). Penghitungan nilai OIF didapatkan hasil nilai OIF dapat dilihat pada Tabel 5. Tabel 5 Nilai optimum index factor (OIF) citra Landsat 8 OLI No Kombinasi band Nilai OIF No Kombinasi band Nilai OIF Hasil perhitungan Tabel 5 diperoleh nilai OIF tertinggi pada kombinasi Secara teoritis, kombinasi akan memiliki informasi yang lebih banyak dibandingkan dengan kombinasi band lainnya, namun jika digunakan identifikasi tutupan lahan kenampakan secara visual kurang memberikan informasi karena tidak ada spektrum sinar tampak sehingga tidak dipilih sebagai kombinasi terbaik. Pada kombinasi yang merupakan kombinasi band dengan nilai OIF tertinggi kedua juga masih kurang baik jika dilihat kenampakan visualnya seperti awan berwarna biru keputihan tidak seperti warna asli.

19 9 Sedangkan pada kombinasi band yang terdiri dari band 6 (SWIR 1), band 5 (NIR), dan band 4 (visible) kenampakan visual dari citra lebih baik dan informasi yang disajikan lebih banyak dapat digunakan untuk identifikasi tutupan lahan walaupun nilai OIF lebih rendah dibandingkan dengan 2 kombinasi sebelumnya. Menurut Jaya (2010) pada penginderaan jauh sistem optik spektrum gelombang elektromagnetik yang digunakan mulai inframerah sedang (SWIR), inframerah dekat (NIR), dan sinar tampak yang akan ditampilkan pada display RGB. Perbedaan antara ketiga kombinasi band dapat dilihat pada Gambar 2. (a) (b) (c) Gambar 2 Kombinasi band a) 875, b) 853, c) 654 Kombinasi 3 band ini yang akan digunakan dalam membantu penentuan area contoh (training area) dan interpretasi citra visual. Dalam menentukan lokasi area contoh diperlukan pemahaman mengenali pola spektral tutupan lahan yang terdapat dalam citra. Training area diambil sesuai dengan titik pengamatan di lokasi penelitian yang dikelompokkan sesuai tipe tutupan lahan, walaupun ada beberapa area contoh yang diambil berdasarkan kesamaan kenampakan visual pada display monitor. Analisis Separabilitas Analisis separabilitas merupakan analisis kuantitatif keterpisahan antar kelas secara statistik yang didapatkan dari kelas yang dibuat pada saat penentuan training area. Selain melihat keterpisahan antar kelas, analisis separabilitas ini juga digunakan untuk mengetahui kombinasi band-band yang dipakai pada penggabungan citra. Analisis separabilitas dilakukan untuk mengetahui suatu jenis objek dapat teridentifikasi atau terdiskriminasi secara statistik sekaligus untuk mengetahui kombinasi band yang baik (Jaya 2002). Proses yang dilakukan sebelum analisis separabilitas yaitu pembuatan training area. Pembuatan training area ini menggunakan 13 kelas tutupan lahan yang ditemukan di lapangan dengan kombinasi 8 band. Dari 13 kelas tutupan lahan yang dijadikan training area ternyata belum dapat memberikan hasil keterpisahan antar kelas yang baik. Berdasarkan data hasil analisis separabilitas 13 kelas tutupan lahan, ditemukan beberapa kelas yang nilai separabilitasnya <1600 dan <1800. Hasil keterpisahan 13 kelas dapat dilihat pada Lampiran 1. Pada penelitian ini tingkat keterpisahan paling rendah yang diinginkan yaitu tingkat cukup baik keterpisahannya (>1800). Tingkat keterpisahan yang rendah dapat mengurangi nilai akurasi pada proses klasifikasi. Keterpisahan kelas yang masih dibawah dari ketentuan nilai separabilitas minimum perlu dilakukan proses penggabungan kelas tutupan lahan (regroup) agar mendapatkan nilai separabilitas

20 10 yang tinggi. Proses regroup ini dilakukan selain berdasarkan nilai separabilitas rendah, juga berdasarkan kedekatan kenampakan visual yang ditemukan di lapangan. Hasil training area 13 kelas tutupan lahan yang memiliki nilai separabilitas di bawah standar yaitu kelas kebun campur, salak, sengon dan nanas, sengon dan kopi, serta sengon dan salak. Dari 13 kelas tutupan lahan tersebut digabungkan menjadi 6 kelas tutupan lahan. Proses regroup dapat dilihat pada Gambar 3. Hasil lapangan Regroup 1. Badan air 1. Badan air 2. Pemukiman 2. Pemukiman 3. Sawah 3. Sawah 4. Kebun campuran 4. Kebun campuran 5. Kebun salak 5. Semak/PLK 6. Sengon nanas 6. Tanah terbuka 7. Sengon kopi 8. Sengon salak 9. Sengon kakao 10. Hutan pinus 11. Semak 12. Kebun singkong/plk 13. Tanah terbuka Gambar 3 Diagram proses regroup pada analisis separabilitas Proses regroup yang menghasilkan 6 kelas tutupan lahan ini dianalisis separabilitas lagi untuk mengetahui apakah dari hasil regroup tersebut nilai keterpisahannya sudah baik atau belum. Dari hasil analisis separabilitas 6 kelas tutupan lahan didapatkan bahwa secara umum kelas-kelas tersebut dapat dipisahkan secara baik yang artinya nilai separabilitas antar kelas >1900, walaupun masih ada 1 kelas yang memiliki nilai separabilitas cukup baik yaitu >1800. Berdasarkan nilai separabilitas hasil regroup yang dihasilkan, dapat dikatakan bahwa citra Landsat 8 belum mampu mengidentifikasi pola hutan rakyat karena terdapat 4 kelas pola hutan rakyat yang digabung kedalam kelas kebun campuran yaitu sengon dan nanas, sengon dan kopi, sengon dan salak, serta sengon dan kakao. Hasil separabilitas proses regroup 6 kelas tutupan lahan dapat dilihat pada Tabel 6. Tabel 6 Hasil separabilitas 6 kelas tutupan lahan APHR Wonosobo menggunakan 8 band OLI pada citra Landsat 8 Tutupan lahan Kelas Badan air Pemukiman Sawah Tanah terbuka Kebun campur Semak/PLK

21 11 Selanjutnya akan dilakukan pengujian dengan mengurangi jumlah band optimal yang membedakan 6 kelas tutupan lahan. Pengurangan jumlah band bertujuan untuk mengetahui jumlah band optimal yang dapat membedakan 6 kelas tutupan lahan tersebut. Pemilihan band yang akan digunakan diambil berdasarkan nilai korelasi antar band yang rendah dari matriks korelasi antar band. Hasil tersebut dipilihlah 6 band yaitu band 1, band 4, band 5, band 6, band 7, dan band 9 yang akan dianalisis keterpisahannya. Hasil dari nilai separabilitas menggunakan 6 band dapat dilihat pada Tabel 7. Tabel 7 Hasil separabilitas 6 kelas tutupan lahan di APHR Wonosobo menggunakan 6 band OLI pada citra Landsat 8 Tutupan lahan Kelas Badan air Pemukiman Sawah Tanah terbuka Kebun campuran Semak/PLK Dapat dilihat pada Tabel 7 nilai separabilitas yang didapatkan dengan menggunakan 6 band ternyata mengalami penurunan pada kelas tutupan lahan sawah dengan badan air dan semak dengan kebun campuran. Namun penurunan yang terjadi tidak begitu signifikan dan nilai separabilitas kelas-kelas tutupan lahan tersebut masih di atas kriteria yang ditetapkan. Klasifikasi Tutupan Lahan Klasifikasi merupakan proses penyusunan dan pengelompokan piksel citra digital sebagai unit yang homogen menggunakan data citra yang diolah berdasarkan kriteria atau kondisi objek. Menurut Buono et al. (2004), klasifikasi merupakan suatu metode untuk memberikan label pada piksel berdasarkan karakter spektral yang dimiliki oleh piksel tersebut. Klasifikasi citra merupakan suatu proses penyusunan, pengurutan, atau pengelompokan semua piksel yang terdapat di dalam band citra ke dalam beberapa kelas berdasarkan kriteria sehingga menghasilkan peta tematik (Prahasta 2008). Klasifikasi terbimbing merupakan salah satu klasifikasi citra digital yang identitas dan lokasi kelas-kelas tipe penutup lahan sudah diketahui sebelumnya dengan pengambilan data lapangan (ground check) berupa training area. Tahap ini merupakan identifikasi dan klasifikasi piksel-piksel melalui training area, yang selanjutnya akan lebih didetailkan lagi berdasarkan survey kondisi lapangan (Wibowo et al. 2013). Kelas tutupan lahan yang digunakan pada klasifikasi terbimbing ini adalah kelas hasil analisis separabilitas yaitu badan air, pemukiman, sawah, tanah terbuka, kebun campuran, semak/plk. Pada penelitian ini klasifikasi terbimbing menggunakan metode maximum likelihood dan SVM. Klasifikasi berdasarkan kemiripan maximum (maximum likelihood) merupakan teknik klasifikasi yang memperhitungkan peluang dari satu piksel untuk dikelaskan ke dalam kategori tertentu. Suatu piksel yang merupakan vektor nilai piksel itu sendiri akan dikelaskan ke dalam kelas tertentu jika peluang

22 12 terjadinya piksel di dalam kelas tersebut merupakan peluang terbesar dibandingkan dengan peluang kejadian di kelas lainnya (Mukhaiyar 2013). Menurut Purwadhi (2001) dalam Mentari (2013), klasifikasi menggunakan kemiripan maksimum menyangkut beberapa dimensi, sehingga pengelompokan objek dilakukan pada objek yang mempunyai nilai piksel sama dan identik pada citra. Metode maximum likelihood merupakan metode standar yang sering digunakan dalam klasifikasi multispektral. Klasifikasi menggunakan SVM merupakan metode klasifikasi yang pengklasifikasiannya mencari garis pemisah (hyperplane) terbaik dari alternatif yang mungkin. Metode SVM termasuk ke dalam supervised learning karena membutuhkan contoh agar dapat mencari fungsi pemisah antar kelas-kelas. Fungsi pemisah atau hyperplane merupakan fungsi dengan nilai margin yang maksimal. Margin adalah jarak antar hyperplane dengan support vector masing-masing objek yang ditraining (Muflikha et al 2013). Pencarian garis pemisah dilakukan sebagai proses training dengan memasukkan data hasil training ke bentuk vektor dan kemudian mencari suatu hyperplane optimal untuk memisahkan kelas dari data training (Supribadi 2004). Klasifikasi tutupan lahan ini dilakukan pada citra komposit menggunakan 8 band sensor OLI, dan 6 band sensor OLI. Hasil klasifikasi tutupan lahan menggunakan metode maximum likelihood menggunakan 8 band OLI dan 6 band OLI dapat dilihat pada Gambar 4. Klasifikasi tutupan lahan yang dilakukan dengan menggunakan metode maximum likelihood terlihat berbeda dibandingkan dengan menggunakan metode SVM pada keempat fungsinya yaitu fungsi linier, polynomial, radial basis function, dan sigmoid. Namun hasil klasifikasi SVM tidak begitu berbeda jauh antara keempat fungsinya. Peta hasil klasifikasi menggunakan SVM dengan keempat fungsinya masing-masing dapat dilihat pada Gambar 5, 6, 7, dan 8. Gambar 4 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode maximum likelihood

23 13 Gambar 5 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode SVM Linier Gambar 6 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode SVM Polynomial

24 14 Gambar 7 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode SVM Radial Basis Function Gambar 8 Peta klasifikasi tutupan lahan APHR Wonosobo menggunakan metode SVM Sigmoid

25 15 Analisis Akurasi Analisis akurasi dilakukan untuk mengetahui seberapa besar citra Landsat 8 OLI merepresentasikan keadaan sesungguhnya di lapangan dan untuk mengetahui ketelitian hasil dari klasifikasi. Analisis akurasi pada penelitian ini menggunakan matrik kesalahan (confusion matriks) atau matrik kontingensi. Dalam matrik kontingensi ada beberapa informasi yang didapatkan yaitu producer's accuracy, users's accuracy, overall accuracy dan kappa accuracy. Producer's accuracy dan user's accuracy merupakan penduga dari ketelitian keseluruhan (overall accuracy) Producer's accuracy adalah akurasi yang diperoleh dari penjumlahan nilai piksel yang benar dibagi dengan jumlah total piksel tiap kelas. Menurut Khoiriah dan Nur (2012), nilai akurasi produser ini berfungsi sebagai penilaian secara tematik yaitu menunjukkan tingkat kebenaran hasil klasifikasi terhadap kondisi di lapangan. Sedangkan user's accuracy adalah nilai akurasi yang diperoleh dari penjumlahan piksel yang benar dibagi dengan total piksel dalam kolom. Overall accuracy didapatkan dengan menjumlahkan piksel yang benar dibagi dengan total piksel dalam diagonal matriks, namun akurasi ini umumnya bersifat over estimate sehingga jarang digunakan untuk indikator keberhasilan suatu klasifikasi citra (Jaya 2010). Akurasi yang dianjurkan menggunakan Kappa accuracy karena akurasi ini menggunakan seluruh elemen yang ada dalam matriks kontingensi. Hasil dari perhitungan akurasi Kappa dapat dilihat pada Gambar ,00% 8 band OLI 6 Band OLI Nilai Akurasi Kappa 75,00% 70,00% 65,00% 76.59% 71.68% 75.55% 75.51% 74.79% 74.31% 74.08% 73.88% 71.85% 71.76% 60,00% Maximum Likelihood SVM Linier SVM Polynomial SVM Radial Basis Function SVM Sigmoid Metode Klasifikasi Gambar 9 Kappa accuracy hasil klasifikasi tutupan lahan Berdasarkan Gambar 11, dapat dilihat bahwa metode maximum likelihood dengan menggunakan 8 band sensor OLI memiliki akurasi tertinggi sebesar 76.59%. Hal ini menunjukkan bahwa jumlah piksel terklasifikasi dengan cukup baik walaupun masih ada beberapa piksel yang terklasifikasikan dari dan ke kelas lain. Menurut Khoiriah dan Nur (2012) nilai kappa akurasi ini dihitung dengan mempertimbangkan faktor kesalahan pada proses klasifikasi. Dari semua metode

26 16 yang digunakan pemakaian citra komposit 8 band OLI memiliki akurasi yang lebih tinggi dibandingkan dengan citra komposit 6 band OLI. Hasil nilai Kappa pada pemakaian 6 band OLI didapatkan nilai tertinggi sebesar 74.31% pada metode SVM fungsi linier dan terendah pada metode maximum likelihood. Pada metode SVM linier ini nilai kappa pada penggunaan 8 band masih tetap memiliki nilai tertinggi yang tidak begitu jauh berbeda dengan nilai pada metode maximum likelihood, sehingga metode SVM linier ini juga dapat digunakan untuk klasifikasi tutupan lahan. Secara umum pengkelasan kemiripan maksimum diperlukan perhitungan yang banyak dan agak rumit untuk mengklasifikasikan setiap piksel. Walaupun demikian, teknik klasifikasi ini lebih teliti dibandingkan dengan klasifikasi lainnya. Menurut Purwadhi (2001) dalam Mentari (2013) secara intuitif semakin banyak saluran yang dapat digunakan dalam pengkelasan kemiripan maksimum akan membuahkan hasil klasifikasi yang lebih baik. Pada Lampiran 2, matrik kontingensi pada metode maximum likelihood dengan 8 band sensor OLI. Nilai user's accuracy tertinggi pada tutupan lahan tanah terbuka sebesar 91.67% yang artinya dari 24 piksel tanah terbuka 1 masuk ke dalam kelas kebun campuran, 1 pemukiman, dan 22 dikelaskan secara benar dalam kelas tutupan lahan tanah terbuka. Sedangkan producer's accuracy tertinggi pada tutupan lahan badan air sebesar 98.65%. Hal ini menunjukkan bahwa jumlah piksel yang terklasifikasikan dengan baik walaupun masih ada beberapa piksel yang dikelas lain. Nilai producer's accuracy terendah adalah tutupan lahan semak/plk sebesar 51.22% artinya dari 82 piksel 39 piksel masuk kedalam kelas kebun campuran/pinus, 1 piksel sawah, dan 42 terklasifikasikan dengan benar pada kelas tutupan lahan semak/plk. Interpretasi Visual Citra Interpretasi visual merupakan salah satu cara atau metode klasifikasi citra yang digunakan untuk mengidentifikasi objek berdasarkan elemen-elemen penafsiran yang membangun citra itu sendiri. Metode ini dilakukan dengan cara digitasi objek secara manual dimana informasi kategori objek berdasarkan pengamatan yang dilakukan di lapangan. Terdapat beberapa elemen yang perlu diperhatikan dalam interpretasi visual yaitu warna/tone, ukuran, bentuk, tekstur, bayangan, asosiasi, dan site (Jaya 2010). Interpretasi visual ini dilakukan untuk mengetahui gambaran tentang sebaran tutupan lahan yang ada di APHR Wonosobo berdasarkan hasil pengamatan di lapangan dan elemen-elemen penafsiran. Dari hasil intepretasi secara visual didapatkan 8 jenis tutupan lahan yaitu hutan pinus, semak, pemukiman, tanah terbuka, pertanian lahan kering (PLK), kebun campuran, sawah, dan badan air. Berbeda dengan hasil interpretasi citra digital yang hanya menghasilkan 6 kelas tutupan lahan yaitu semak/plk, pemukiman, tanah terbuka, kebun campuran, sawah, dan badan air. Hasil dari klasifikasi tutupan lahan melalui interpretasi secara visual dapat dilihat pada Gambar 10.

27 17 Gambar 10 Peta sebaran tutupan lahan APHR Wonosobo hasil interpretasi visual Pada interpretasi visual kelas hutan pinus, pertanian lahan kering, dan semak dapat dibedakan, sedangkan pada interpretasi digital kelas semak dan pertanian lahan kering bergabung menjadi 1 kelas pada proses regroup yang didasarkan oleh nilai keterpisahan masing-masing kelas. Hal ini disebabkan karena interpretasi citra digital menggunakan training area dan nilai statistik keterpisahan antar kelas pada citra dalam proses klasifikasi jenis tutupan lahan serta mengelompokkan piksel-piksel yang memiliki tingkat kemiripan spektral oleh komputer. Sedangkan interpretasi visual mempertimbangkan kenampakan citra dalam hal ini elemen penafsiran yang membangun tiap objeknya. Pada pembuatan kelas tutupan lahan dilakukan secara manual sesuai dengan data yang ada di lapangan. Hasil interpretasi visual dapat dilihat pada Lampiran 3. Kedua metode klasifikasi yang dibandingkan dapat dikatakan memiliki kelebihan dan kelemahan masing-masing. Metode maximum likelihood secara umum lebih baik dalam mengkelaskan semak/plk, pemukiman, kebun campuran, sedangkan SVM lebih baik dalam mengkelaskan tanah terbuka, dan badan air karena lebih sesuai dengan interpretasi visual. Metode maximum likelihood memiliki ketepatan yang lebih sesuai dibandingkan metode SVM pada seluruh fungsinya. Untuk itu dapat dikatakan bahwa metode maximum likelihood lebih baik dibandingkan dengan metode SVM dalam klasifikasi tutupan lahan berdasarkan kesesuaian dengan interpretasi visual yang didukung dengan nilai akurasi tertinggi sebesar 76.59%.

28 18 SIMPULAN DAN SARAN Simpulan Berdasarkan analisis separabilitas dan interpretasi visual, tipe kelas pola hutan rakyat belum dapat diidentifikasi menggunakan citra Landsat 8 OLI. Analisis separabilitas pada tutupan lahan lainnya dapat dibedakan dengan baik secara nilai digital sebanyak 6 kelas yang meliputi badan air, pemukiman, kebun campuran, semak/plk, sawah, dan tanah terbuka. Dari 6 tutupan lahan tersebut metode yang terbaik untuk melakukan klasifikasi tutupan lahan yaitu metode maximum likelihood karena menghasilkan tingkat akurasi yang paling tinggi yaitu sebesar 76.59% dan memiliki kesesuaian yang tinggi dengan hasil klasifikasi visual. Saran Perlu dilakukan penelitian lanjutan pada lokasi lain untuk mengidentifikasi pola hutan rakyat menggunakan citra beresolusi tinggi. DAFTAR PUSTAKA [BPKH] Balai Pemantapan Kawasan Hutan Wilayah XI Jawa-Madura Potret Hutan Jawa-Madura. Yogyakarta (ID): Direktorat Jenderal Planalogi Kehutanan, Kementerian Kehutanan. Tersedia dari [USGS] United States Geological Survey Landsat 8 OLI (Operational Land Imager) and TIRS (Thermal Infrared Sensor) [Internet]. Tersedia dari Buono A, Marimin, Putri D Klasifikasi Penutup dan Penggunaan Lahan pada Multispektral Image dari Landsat Thematic Mapper Menggunakan Probabilistic Neural Network. JIIK. 2(2):1-13. Jaya INS Separabilitas Spektral Beberapa Jenis Pohon Menggunakan Citra Compact Airbone Spectograph Imager (CASI): Studi Kasus di Kebun Raya Bogor. J Man Hut Trop.8(2): Jaya INS Analisis Citra Digital : Perspektif Penginderaan Jauh Untuk Pengelolaan Sumberdaya Alam. Bogor (ID): Fakultas Kehutanan IPB. Khoiriah IF dan Nur MF Perbandingan Akurasi Klasifikasi Penutup Lahan Hasil Penggabungan Citra ALOS AVNIR-2 dan ALOS PALSAR pada Polarisasi Berbeda dengan Transformasi Wavelet. Jurnal Bumi Indonesia. 1(2). Mentari B Identifikasi Karakteristik dan Pemetaan Klasifikasi Tutupan Lahan Menggunakan Citra Landsat 8 (OLI) di Kabupaten Bogor [Skripsi]. Bogor (ID): Institut Pertanian Bogor. Muflikha L, Achmad R, dan Jendi H Klasifikasi Kondisi Penderita Penyakit Hepatitis dengan menggunakan Metode Support Vector Machine (SVM). Jurnal Mahasiswa PTIIK UB. 2(5). Mukhaiyar R Klasifikasi Penggunaan Lahan dari Data Remote Sensing. Jurnal Teknologi Informasi dan Pendidikan. 2 (1).

29 Prahasta E Remote Sensing : Praktis Penginderaan Jauh dan Pengolahan Citra Dijital dengan Perangkat Lunak ER Mapper. Bandung (ID): Informatika. Prasetyo SH Aplikasi Citra Landsat 8 untuk Identifikasi Kelas Tutupan Lahan di Kabupaten Ciamis [Skripsi]. Bogor (ID): Institut Pertanian Bogor. Supribadi K Analisis Metode Support Vector Machine (SVM) Untuk Klasifikasi Penggunaan Lahan Berbasis Penutup Lahan Pada Citra ALOS AVNIR-2. [Disertasi]. Yogyakarta (ID): Universitas Gadjah Mada. Wahyunto, Sri RM, dan Sofyan R Aplikasi Teknologi Penginderaan Jauh dan Uji Validasinya Untuk Deteksi Penyebaran Lahan Sawah dan Penggunaan/Penutupan Lahan. Jurnal Informatika Pertanian. 13. Wibowo LA, Mochamad S, Rispiningtati, dan Runi A Penggunaan Citra Aster dalam Identifikasi Peruntukan Lahan pada Sub DAS Lesti (Kabupaten Malang). Jurnal Teknik Pengairan. 2(1):

30

31 1

32 20 Lampiran 1 Analisis separabilitas pada 13 kelas tutupan lahan di APHR Wonosobo menggunakan 8 band OLI Keterangan : 1) Semak, 2) Badan air, 3) Kebun campuran, 4) Pemukiman, 5) Pinus, 6) Salak, 7) Sawah, 8) Sengon nanas, 9) Sengon kakao, 10) Sengon kopi, 11) Sengon salak, 12) Singkong, 13) Tanah terbuka. = Nilai separabilitas <1800

33 21 Lampiran 2 Matrik kontingensi pada metode klasifikasi maximum likelihood dengan 8 band OLI Data Badan air Kebun campuran/pinus Pemukiman Sawah Semak / PLK Tanah terbuka Row Total Producer Acc Badan air % Kebun campuran/pinus % Pemukiman % Sawah % Semak / PLK % Tanah terbuka % Column Total User's Acc 81.11% 81.17% 89.63% 82.14% 82.35% 91.67% N 652 Xii 544 OA 83.44% Xi+. X+i Kappa 76.59%

34 22 Lampiran 3 Hasil analisis visual citra berdasarkan elemen-elemen interpretasi No Tutupan lahan Tampilan citra Tampilan sebenarnya di lapangan Warna Ukuran Bentuk Tekstur Pola Site Asosiasi 1. Badan air Biru keunguan Kecilbesar Tidak teratur Halus Tidak teratur Datar - 2. Pemukiman Merah muda - magenta Kecilbesar Teratur Halus Teratur mengelompok Datar Aksesibilitas mudah 3. Sawah Hijau keunguan Tidak teratur Kasar Kecilbesar Mengelompok tersebar Datar Dekat dengan pemukiman 4. Tanah terbuka Mozaik merah muda keputihan Kecilbesar Tidak teratur Kasar Tidak teratur Datar Aksesibilitas mudah

35 23 Lampiran 4 Hasil analisis visual citra berdasarkan elemen-elemen interpretasi Tutupan Tampilan sebenarnya di No Tampilan citra Warna Ukuran Bentuk Tekstur Pola Site Asosiasi lahan lapangan 5. Kebun campuran Hijau muda-hijau tua Tidak teratur Kecilbesar Haluskasar Tidak teratur Datar bergelombang - 6. Semak Kuning - merah muda Kecil Tidak teratur Haluskasar Tidak teratur Datar bergelombang Dekat dengan sungai/ badan air 7. Pertanian Lahan Kering Mozaik hijaukuningmerah muda Kecilbesar Tidak teratur Kasar Tidak teratur Datar bergelombang Dekat dengan pemukiman Tidak teratur Kasar 8. Hutan Pinus Hijau tua Kecilbesar Mengelompok Datar bergelombang -

36 24 RIWAYAT HIDUP Penulis dilahirkan di Kediri, 9 Agustus Penulis merupakan anak pertama dari 4 bersaudara pasangan Bapak Sunaryo, S Pd dan Ibu Nunik Rahayu S Pd. Penulis menjalani masa pendidikan di SD Campurejo II Kediri Jawa Timur tahun , SMP 3 Kediri Jawa Timur tahun , SMA 5 Kediri Jawa Timur tahun dan diterima di Institut Pertanian Bogor tahun 2010 melalui jalur USMI serta diterima di Departemen Manajemen Hutan Fakultas Kehutanan Institut Pertanian Bogor tahun Selama menjadi mahasiswa, penulis pernah bergabung dalam Unit kegiatan mahasiswa bidang olahraga Panahan tahun , unit kegiatan mahasiswa bidang seni "Gentra Kaheman" tahun Selain itu penulis juga aktif sebagai anggota Kelompok Studi Planologi tahun , anggota divisi Kajian Strategi dan Advokasi Pengurus Cabang Sylva Indonesia tahun , Sekertaris Departemen Riset dan Pengembangan Ilmu Pengetahuan Pengurus Pusat Sylva Indonesia tahun , serta menjadi volunteer di FORCI Development tahun 2012 sampai sekarang. Selain itu penulis juga aktif dalam kegiatan kemahasiswaan di Institut Pertanian Bogor. Penulis melakukan kegiatan Praktek Pengenalan Ekosistem Hutan (PPEH) di Sancang Barat dan KPH Kamojang Jawa Barat pada tahun 2012; Praktek Pengelolaan Hutan (PPH) di Hutan Pendidikan Gunung Walat (HPGW), KPH Cianjur dan Sukabumi Jawa Barat pada tahun 2013 dan Praktek Kerja Lapang (PKL) di APHR Wonosobo, Jawa Tengah dan Badan Layanan Umum Pusat Pengengembangan Pengelolaan Hutan ( Pusat P2H) Kementerian Kehutanan pada tahun 2014.

37 19

BAB III METODOLOGI 3.1 Waktu dan Tempat 3.2 Alat dan Data 3.3 Tahapan Pelaksanaan

BAB III METODOLOGI 3.1 Waktu dan Tempat 3.2 Alat dan Data 3.3 Tahapan Pelaksanaan 15 BAB III METODOLOGI 3.1 Waktu dan Tempat Penelitian ini dilaksanakan mulai bulan Juli sampai dengan April 2011 dengan daerah penelitian di Kabupaten Bogor, Kabupaten Sukabumi, dan Kabupaten Cianjur,

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Lokasi penelitian di DAS Citarum Hulu Jawa Barat dengan luasan sebesar + 230.802 ha. Penelitian dilaksanakan pada bulan Juni sampai dengan

Lebih terperinci

III. METODOLOGI 3.1 Waktu Penelitian 3.2 Lokasi Penelitian

III. METODOLOGI 3.1 Waktu Penelitian 3.2 Lokasi Penelitian 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

Lebih terperinci

APLIKASI CITRA LANDSAT 8 UNTUK IDENTIFIKASI KELAS TUTUPAN LAHAN DI KABUPATEN CIAMIS SOFIAN HADI PRASETYO

APLIKASI CITRA LANDSAT 8 UNTUK IDENTIFIKASI KELAS TUTUPAN LAHAN DI KABUPATEN CIAMIS SOFIAN HADI PRASETYO APLIKASI CITRA LANDSAT 8 UNTUK IDENTIFIKASI KELAS TUTUPAN LAHAN DI KABUPATEN CIAMIS SOFIAN HADI PRASETYO DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN Dengan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 14 BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Kegiatan penelitian dilaksanakan pada bulan Mei sampai dengan September dengan mengambil lokasi penelitian di wilayah Kecamatan Cikalong, Tasikmalaya (Gambar

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 11 BAB III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian ini dilaksanakan selama dua bulan yaitu bulan Juli-Agustus 2010 dengan pemilihan lokasi di Kota Denpasar. Pengolahan data dilakukan di Laboratorium

Lebih terperinci

MODEL PENDUGA BIOMASSA MENGGUNAKAN CITRA LANDSAT DI HUTAN PENDIDIKAN GUNUNG WALAT HARLYN HARLINDA

MODEL PENDUGA BIOMASSA MENGGUNAKAN CITRA LANDSAT DI HUTAN PENDIDIKAN GUNUNG WALAT HARLYN HARLINDA MODEL PENDUGA BIOMASSA MENGGUNAKAN CITRA LANDSAT DI HUTAN PENDIDIKAN GUNUNG WALAT HARLYN HARLINDA DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN MENGENAI

Lebih terperinci

IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 (OLI) DI KABUPATEN INDRAGIRI HILIR PROVINSI RIAU ADE WIBOWO PUTRO

IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 (OLI) DI KABUPATEN INDRAGIRI HILIR PROVINSI RIAU ADE WIBOWO PUTRO IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 (OLI) DI KABUPATEN INDRAGIRI HILIR PROVINSI RIAU ADE WIBOWO PUTRO DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT

Lebih terperinci

APLIKASI DAN EVALUASI CITRA LANDSAT 8 OLI DALAM IDENTIFIKASI SERTA PEMETAAN TANAH KOSONG DAN TANAMAN JATI MUDA DI KPH CIAMIS DINIAL LAVI

APLIKASI DAN EVALUASI CITRA LANDSAT 8 OLI DALAM IDENTIFIKASI SERTA PEMETAAN TANAH KOSONG DAN TANAMAN JATI MUDA DI KPH CIAMIS DINIAL LAVI APLIKASI DAN EVALUASI CITRA LANDSAT 8 OLI DALAM IDENTIFIKASI SERTA PEMETAAN TANAH KOSONG DAN TANAMAN JATI MUDA DI KPH CIAMIS DINIAL LAVI DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN

Lebih terperinci

METODOLOGI. Gambar 4. Peta Lokasi Penelitian

METODOLOGI. Gambar 4. Peta Lokasi Penelitian 22 METODOLOGI Tempat dan Waktu Penelitian Penelitian dilakukan di Kota Sukabumi, Jawa Barat pada 7 wilayah kecamatan dengan waktu penelitian pada bulan Juni sampai November 2009. Pada lokasi penelitian

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN 5.1 Identifikasi Tutupan Lahan di Lapangan Berdasarkan hasil observasi lapangan yang telah dilakukan di Kabupaten Humbang Hasundutan, Kabupaten Tapanuli Utara, dan Kabupaten

Lebih terperinci

IDENTIFIKASI PERUBAHAN TUTUPAN LAHAN MENGGUNAKAN LANDSAT 7 DAN LANDSAT 8 (Studi Kasus di Asosiasi Petani Hutan Rakyat Wonosobo) MUHAMMAD ROMADHON

IDENTIFIKASI PERUBAHAN TUTUPAN LAHAN MENGGUNAKAN LANDSAT 7 DAN LANDSAT 8 (Studi Kasus di Asosiasi Petani Hutan Rakyat Wonosobo) MUHAMMAD ROMADHON IDENTIFIKASI PERUBAHAN TUTUPAN LAHAN MENGGUNAKAN LANDSAT 7 DAN LANDSAT 8 (Studi Kasus di Asosiasi Petani Hutan Rakyat Wonosobo) MUHAMMAD ROMADHON DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT

Lebih terperinci

IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN KLASIFIKASI TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 (OLI) DI KABUPATEN BOGOR BUNGA MENTARI

IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN KLASIFIKASI TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 (OLI) DI KABUPATEN BOGOR BUNGA MENTARI IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN KLASIFIKASI TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 (OLI) DI KABUPATEN BOGOR BUNGA MENTARI DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR

Lebih terperinci

III. METODOLOGI. Gambar 1. Peta Administrasi Kota Palembang.

III. METODOLOGI. Gambar 1. Peta Administrasi Kota Palembang. III. METODOLOGI 3.1 Waktu dan Tempat Penelitian dilaksanakan pada bulan Juli-Oktober 2010. Lokasi penelitian di Kota Palembang dan Laboratorium Analisis Spasial Lingkungan, Departemen Konservasi Sumberdaya

Lebih terperinci

IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 (OLI) DI KABUPATEN OGAN KOMERING ILIR PROVINSI SUMATERA SELATAN

IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 (OLI) DI KABUPATEN OGAN KOMERING ILIR PROVINSI SUMATERA SELATAN 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

Lebih terperinci

III. BAHAN DAN METODE

III. BAHAN DAN METODE 10 III. BAHAN DAN METODE 3.1. Tempat Dan Waktu Penelitian Penelitian dilakukan di laboratorium dan di lapang. Pengolahan citra dilakukan di Bagian Penginderaan Jauh dan Informasi Spasial dan penentuan

Lebih terperinci

q Tujuan dari kegiatan ini diperolehnya peta penggunaan lahan yang up-to date Alat dan Bahan :

q Tujuan dari kegiatan ini diperolehnya peta penggunaan lahan yang up-to date Alat dan Bahan : MAKSUD DAN TUJUAN q Maksud dari kegiatan ini adalah memperoleh informasi yang upto date dari citra satelit untuk mendapatkan peta penggunaan lahan sedetail mungkin sebagai salah satu paramater dalam analisis

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN 5.1 Identifikasi Objek di Lapangan Pengamatan lapangan dilakukan di 3 (tiga) kabupaten, yaitu : Kabupaten Bogor, Kabupaten Sukabumi, dan Kabupaten Cianjur. Titik pengamatan sebanyak

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilaksanakan pada bulan Juli 2011 sampai dengan Januari 2012 dengan daerah penelitian di Desa Sawohan, Kecamatan Buduran, Kabupaten

Lebih terperinci

III. METODE PENELITIAN. Penelitian dilaksanakan di Taman Hutan Raya Wan Abdul Rachman (Tahura

III. METODE PENELITIAN. Penelitian dilaksanakan di Taman Hutan Raya Wan Abdul Rachman (Tahura III. METODE PENELITIAN A. Lokasi dan Waktu Penelitian Penelitian dilaksanakan di Taman Hutan Raya Wan Abdul Rachman (Tahura WAR). Berdasarkan administrasi pemerintahan Provinsi Lampung kawasan ini berada

Lebih terperinci

II. TINJAUAN PUSTAKA. permukaan lahan (Burley, 1961 dalam Lo, 1995). Konstruksi tersebut seluruhnya

II. TINJAUAN PUSTAKA. permukaan lahan (Burley, 1961 dalam Lo, 1995). Konstruksi tersebut seluruhnya 5 II. TINJAUAN PUSTAKA A. Penutupan Lahan dan Perubahannya Penutupan lahan menggambarkan konstruksi vegetasi dan buatan yang menutup permukaan lahan (Burley, 1961 dalam Lo, 1995). Konstruksi tersebut seluruhnya

Lebih terperinci

Analisis Separabilitas Untuk mengetahui tingkat keterpisahan tiap klaster dari hasil klastering (Tabel 5) digunakan analisis separabilitas. B

Analisis Separabilitas Untuk mengetahui tingkat keterpisahan tiap klaster dari hasil klastering (Tabel 5) digunakan analisis separabilitas. B Tabel 5 Matriks Transformed Divergence (TD) 25 klaster dengan klasifikasi tidak terbimbing 35 36 4.1.2 Analisis Separabilitas Untuk mengetahui tingkat keterpisahan tiap klaster dari hasil klastering (Tabel

Lebih terperinci

III. BAHAN DAN METODE

III. BAHAN DAN METODE III. BAHAN DAN METODE 3.1 Lokasi dan Waktu Penelitian Penelitian dilaksanakan di daerah Daerah Aliran Sungai (DAS) Cipunagara dan sekitarnya, Jawa Barat (Gambar 1). DAS Cipunagara berada dibawah pengelolaan

Lebih terperinci

IDENTIFIKASI JENIS TUTUPAN LAHAN DI KAWASAN KPHP POIGAR. DENGAN METODE MAXIMUM LIKELIHOOD A. M. Muhammad (1), J. A. Rombang (1), F. B.

IDENTIFIKASI JENIS TUTUPAN LAHAN DI KAWASAN KPHP POIGAR. DENGAN METODE MAXIMUM LIKELIHOOD A. M. Muhammad (1), J. A. Rombang (1), F. B. IDENTIFIKASI JENIS TUTUPAN LAHAN DI KAWASAN KPHP POIGAR DENGAN METODE MAXIMUM LIKELIHOOD A. M. Muhammad (1), J. A. Rombang (1), F. B. Saroinsong (1) 1 Program Studi Ilmu Kehutanan, Jurusan Budidaya Pertanian,

Lebih terperinci

TINJAUAN PUSTAKA. Dalam Pasal 12 Undang-undang Kehutanan disebutkan bahwa. penyusunan rencana kehutanan. Pembentukan wilayah pengelolaan hutan

TINJAUAN PUSTAKA. Dalam Pasal 12 Undang-undang Kehutanan disebutkan bahwa. penyusunan rencana kehutanan. Pembentukan wilayah pengelolaan hutan TINJAUAN PUSTAKA KPH (Kesatuan Pengelolaan Hutan) Dalam Pasal 12 Undang-undang Kehutanan disebutkan bahwa perencanaan kehutanan meliputi inventarisasi hutan, pengukuhan kawasan hutan, penatagunaan kawasan

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 22 BAB III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian mengenai analisis data Landsat 7 untuk estimasi umur tanaman kelapa sawit mengambil daerah studi kasus di areal perkebunan PTPN VIII

Lebih terperinci

BAB II TEORI DASAR. Beberapa definisi tentang tutupan lahan antara lain:

BAB II TEORI DASAR. Beberapa definisi tentang tutupan lahan antara lain: BAB II TEORI DASAR 2.1 Tutupan Lahan Tutupan Lahan atau juga yang biasa disebut dengan Land Cover memiliki berbagai pengertian, bahkan banyak yang memiliki anggapan bahwa tutupan lahan ini sama dengan

Lebih terperinci

ANALISIS TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT DI HUTAN PENDIDIKAN GUNUNG WALAT HAYCKAL RIZKI H.

ANALISIS TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT DI HUTAN PENDIDIKAN GUNUNG WALAT HAYCKAL RIZKI H. ANALISIS TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT DI HUTAN PENDIDIKAN GUNUNG WALAT HAYCKAL RIZKI H. DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN MENGENAI

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 11 BAB III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilaksanakan pada Juni Juli 2012 di area Ijin Usaha Pemanfaatan Hasil Hutan Kayu-Hutan Alam (IUPHHK-HA) PT. Mamberamo Alasmandiri,

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Hasil sensus jumlah penduduk di Indonesia, dengan luas wilayah kurang lebih 1.904.569 km 2 menunjukkan adanya peningkatan jumlah penduduk, dari tahun 2010 jumlah penduduknya

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN 5.1 Pengolahan Awal Citra (Pre-Image Processing) Pengolahan awal citra (Pre Image Proccesing) merupakan suatu kegiatan memperbaiki dan mengoreksi citra yang memiliki kesalahan

Lebih terperinci

BAB III PELAKSANAAN PENELITIAN

BAB III PELAKSANAAN PENELITIAN BAB III PELAKSANAAN PENELITIAN Pada bab ini akan dijelaskan mengenai alat dan bahan yang digunakan dalam penelitian ini serta tahapan-tahapan yang dilakukan dalam mengklasifikasi tata guna lahan dari hasil

Lebih terperinci

IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 (OLI) DI KABUPATEN PESAWARAN PROVINSI LAMPUNG SITI PERMATA SARI

IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 (OLI) DI KABUPATEN PESAWARAN PROVINSI LAMPUNG SITI PERMATA SARI IDENTIFIKASI KARAKTERISTIK DAN PEMETAAN TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT 8 (OLI) DI KABUPATEN PESAWARAN PROVINSI LAMPUNG SITI PERMATA SARI DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT

Lebih terperinci

III. METODE PENELITIAN. Kegiatan penelitian dilaksanakan pada bulan Oktober 2013 hingga Maret 2014.

III. METODE PENELITIAN. Kegiatan penelitian dilaksanakan pada bulan Oktober 2013 hingga Maret 2014. 33 III. METODE PENELITIAN A. Waktu dan Tempat Kegiatan penelitian dilaksanakan pada bulan Oktober 2013 hingga Maret 2014. Adapun penelitian dilaksanakan di pesisir Kabupaten Lampung Timur. Berikut ini

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian dilaksanakan di Kawasan Hutan Adat Kasepuhan Citorek, Kabupaten Lebak, Provinsi Banten. Pengambilan data lapangan dilaksanakan bulan Februari

Lebih terperinci

II. TINJAUAN PUSTAKA. Perubahan penutupan lahan merupakan keadaan suatu lahan yang mengalami

II. TINJAUAN PUSTAKA. Perubahan penutupan lahan merupakan keadaan suatu lahan yang mengalami II. TINJAUAN PUSTAKA A. Perubahan Penutupan Lahan Perubahan penutupan lahan merupakan keadaan suatu lahan yang mengalami perubahan kondisi pada waktu yang berbeda disebabkan oleh manusia (Lillesand dkk,

Lebih terperinci

IV. METODOLOGI 4.1. Waktu dan Lokasi

IV. METODOLOGI 4.1. Waktu dan Lokasi 31 IV. METODOLOGI 4.1. Waktu dan Lokasi Waktu yang dibutuhkan untuk melaksanakan penelitian ini adalah dimulai dari bulan April 2009 sampai dengan November 2009 yang secara umum terbagi terbagi menjadi

Lebih terperinci

Laporan Praktikum III KLASIFIKASI CITRA SATELIT MENGGUNAKAN ERDAS IMAGINE

Laporan Praktikum III KLASIFIKASI CITRA SATELIT MENGGUNAKAN ERDAS IMAGINE Mata Kuliah Dasar Sistem Informasi Geografi dan Lingkungan [PSL640] Dosen : Prof.Dr.Ir. Lilik B. Prasetyo Laporan Praktikum III KLASIFIKASI CITRA SATELIT MENGGUNAKAN ERDAS IMAGINE Oleh : Muhammad Ramdhan

Lebih terperinci

KESESUAIAN RUANG TERBUKA HIJAU PADA RENCANA TATA RUANG WILAYAH DAN TUTUPAN LAHAN DI KOTA BEKASI KASAYA ANNISA RAHMANIAH

KESESUAIAN RUANG TERBUKA HIJAU PADA RENCANA TATA RUANG WILAYAH DAN TUTUPAN LAHAN DI KOTA BEKASI KASAYA ANNISA RAHMANIAH KESESUAIAN RUANG TERBUKA HIJAU PADA RENCANA TATA RUANG WILAYAH DAN TUTUPAN LAHAN DI KOTA BEKASI KASAYA ANNISA RAHMANIAH DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2014 PERNYATAAN

Lebih terperinci

BAHAN DAN METODE. Gambar 1 Peta Lokasi Penelitian

BAHAN DAN METODE. Gambar 1 Peta Lokasi Penelitian III. BAHAN DAN METODE 3.1 Waktu dan Lokasi Penelitian Lokasi yang dipilih untuk penelitian ini adalah Kabupaten Indramayu, Jawa Barat (Gambar 1). Penelitian dimulai dari bulan Juli 2010 sampai Januari

Lebih terperinci

III. METODOLOGI. Gambar 2. Peta Orientasi Wilayah Penelitian. Kota Yogyakarta. Kota Medan. Kota Banjarmasin

III. METODOLOGI. Gambar 2. Peta Orientasi Wilayah Penelitian. Kota Yogyakarta. Kota Medan. Kota Banjarmasin III. METODOLOGI 3.1. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan mulai dari bulan Maret sampai bulan November 2009. Objek penelitian difokuskan pada wilayah Kota Banjarmasin, Yogyakarta, dan

Lebih terperinci

Gambar 11. Citra ALOS AVNIR-2 dengan Citra Komposit RGB 321

Gambar 11. Citra ALOS AVNIR-2 dengan Citra Komposit RGB 321 V. HASIL DAN PEMBAHASAN 5.1. Analisis Spektral Citra yang digunakan pada penelitian ini adalah Citra ALOS AVNIR-2 yang diakuisisi pada tanggal 30 Juni 2009 seperti yang tampak pada Gambar 11. Untuk dapat

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian ini. Proses persiapan data ini berpengaruh pada hasil akhir penelitian. Persiapan yang dilakukan meliputi

Lebih terperinci

Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember

Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember Mahasiswa : Cherie Bhekti Pribadi (3509100060) Dosen Pembimbing : Dr. Ing. Ir. Teguh Hariyanto, MSc Udiana Wahyu D, ST. MT Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi

Lebih terperinci

II. TINJAUAN PUSTAKA 2.1 Daerah Aliran Sungai (DAS)

II. TINJAUAN PUSTAKA 2.1 Daerah Aliran Sungai (DAS) II. TINJAUAN PUSTAKA 2.1 Daerah Aliran Sungai (DAS) Daerah Aliran Sungai (DAS) adalah suatu wilayah daratan yang secara topografi dibatasi oleh punggung-punggung gunung yang menampung dan menyimpan air

Lebih terperinci

PERAMBAHAN KOTA (URBAN SPRAWL) TERHADAP LAHAN PERTANIAN DI KOTA MAKASSAR BERDASARKAN CITRA SATELIT LANDSAT 5 TM (STUDI KASUS KECAMATAN BIRINGKANAYA)

PERAMBAHAN KOTA (URBAN SPRAWL) TERHADAP LAHAN PERTANIAN DI KOTA MAKASSAR BERDASARKAN CITRA SATELIT LANDSAT 5 TM (STUDI KASUS KECAMATAN BIRINGKANAYA) PERAMBAHAN KOTA (URBAN SPRAWL) TERHADAP LAHAN PERTANIAN DI KOTA MAKASSAR BERDASARKAN CITRA SATELIT LANDSAT 5 TM (STUDI KASUS KECAMATAN BIRINGKANAYA) SRI WAHYUNI WERO G 621 08 264 Skripsi Hasil Pertanian

Lebih terperinci

Satelit Landsat 8, Landsat Data Continuity Mission Pengolahan Citra Digital

Satelit Landsat 8, Landsat Data Continuity Mission Pengolahan Citra Digital Satelit Landsat 8, Landsat Data Continuity Mission A. Satelit Landsat 8 Satelit Landsat 8, Landsat Data Continuity Mission Landsat 8 merupakan kelanjutan dari misi Landsat yang untuk pertama kali menjadi

Lebih terperinci

III. METODE PENELITIAN. berlokasi di kawasan Taman Nasional Way Kambas. Taman Nasional Way

III. METODE PENELITIAN. berlokasi di kawasan Taman Nasional Way Kambas. Taman Nasional Way 13 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian dilaksanakan dari bulan Juni sampai dengan September 2012 yang berlokasi di kawasan Taman Nasional Way Kambas. Taman Nasional Way Kambas

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian dilakukan dari bulan Juli sampai September 2011 di Kabupaten Sidoarjo, Jawa Timur. Pengolahan data dilakukan di Laboratorium Analisis Lingkungan

Lebih terperinci

KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN

KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN Rahayu *), Danang Surya Candra **) *) Universitas Jendral Soedirman

Lebih terperinci

ANALISISPERUBAHAN TUTUPAN LAHAN DI DAERAH ALIRAN SUNGAI WAMPU, KABUPATEN LANGKAT, SUMATERA UTARA

ANALISISPERUBAHAN TUTUPAN LAHAN DI DAERAH ALIRAN SUNGAI WAMPU, KABUPATEN LANGKAT, SUMATERA UTARA 1 ANALISISPERUBAHAN TUTUPAN LAHAN DI DAERAH ALIRAN SUNGAI WAMPU, KABUPATEN LANGKAT, SUMATERA UTARA SKRIPSI Oleh : EDRA SEPTIAN S 121201046 MANAJEMEN HUTAN PROGRAM STUDI KEHUTANAN FAKULTAS KEHUTANAN UNIVERSITAS

Lebih terperinci

benar sebesar 30,8%, sehingga harus dilakukan kembali pengelompokkan untuk mendapatkan hasil proporsi objek tutupan lahan yang lebih baik lagi. Pada pengelompokkan keempat, didapat 7 tutupan lahan. Perkebunan

Lebih terperinci

METODOLOGI PENELITIAN

METODOLOGI PENELITIAN 17 III. METODOLOGI PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini mengambil lokasi di Provinsi Kalimantan Barat. Provinsi Kalimantan Barat terletak di bagian barat pulau Kalimantan atau di antara

Lebih terperinci

DISTRIBUSI HUTAN ALAM DAN LAJU PERUBAHANNYA MENURUT KABUPATEN DI INDONESIA LUKMANUL HAKIM E

DISTRIBUSI HUTAN ALAM DAN LAJU PERUBAHANNYA MENURUT KABUPATEN DI INDONESIA LUKMANUL HAKIM E DISTRIBUSI HUTAN ALAM DAN LAJU PERUBAHANNYA MENURUT KABUPATEN DI INDONESIA LUKMANUL HAKIM E14101043 DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR 2006 RINGKASAN LUKMANUL HAKIM.

Lebih terperinci

METODE PENELITIAN. Data Citra, Data Pendukung dan Alat

METODE PENELITIAN. Data Citra, Data Pendukung dan Alat 15 METODE PENELITIAN Waktu dan Lokasi Penelitian Pengumpulan dan pengolahan awal data citra dilaksanakan mulai bulan Januari sampai Februari 2004. Pengambilan data lapangan pada bulan Maret 2004. Pengolahan

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Era Teknologi merupakan era dimana informasi serta data dapat didapatkan dan ditransfer secara lebih efektif. Perkembangan ilmu dan teknologi menyebabkan kemajuan

Lebih terperinci

Tabel 11. Klasifikasi Penutupan Lahan Data Citra Landsat 7 ETM, Maret 2004

Tabel 11. Klasifikasi Penutupan Lahan Data Citra Landsat 7 ETM, Maret 2004 53 5.1.3 Klasifikasi Penutupan Lahan Klasifikasi data Citra Landsat dilakukan untuk pengelompokan penutupan lahan pada tahun 2004. Metode yang dipergunakan adalah klasifikasi terbimbing (Supervised Classification).

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 14 III. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian ini dilakukan sejak bulan April 2009 sampai November 2009 di Laboratorium Penginderaan Jauh dan Interpretasi Citra, Departemen Ilmu

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian ini dilakukan mulai bulan Febuari 2009 sampai Januari 2010, mengambil lokasi di Kabupaten Bogor, Jawa Barat. Pengolahan dan Analisis

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Indonesia merupakan negara agraris dimana sebagian besar penduduknya bekerja sebagai petani. Berdasarkan sensus penduduk tahun 2010, jumlah penduduk yang bermata pencaharian

Lebih terperinci

Perumusan Masalah Bagaimana kondisi perubahan tutupan lahan yang terjadi di daerah aliran sungai Ciliwung dengan cara membandingkan citra satelit

Perumusan Masalah Bagaimana kondisi perubahan tutupan lahan yang terjadi di daerah aliran sungai Ciliwung dengan cara membandingkan citra satelit Latar Belakang Meningkatnya pembangunan di Cisarua, Bogor seringkali menimbulkan dampak tidak baik terhadap lingkungan. Salah satu contohnya adalah pembangunan yang terjadi di Daerah Aliran Sungai Ciliwung.

Lebih terperinci

Anita Dwijayanti, Teguh Hariyanto Jurusan Teknik Geomatika FTSP-ITS, Kampus ITS Sukolilo, Surabaya,

Anita Dwijayanti, Teguh Hariyanto Jurusan Teknik Geomatika FTSP-ITS, Kampus ITS Sukolilo, Surabaya, Evaluasi Tutupan Lahan Terhadap Rencana Detil Tata Ruang Kota (RDTRK) Surabaya Pada Citra Resolusi Tinggi Dengan EVALUASI TUTUPAN LAHAN PERMUKIMAN TERHADAP RENCANA DETIL TATA RUANG KOTA (RDTRK) SURABAYA

Lebih terperinci

IDENTIFIKASI PERUBAHAN TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT DI DAS CITARUM HULU DEA MARCHIA IVONE

IDENTIFIKASI PERUBAHAN TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT DI DAS CITARUM HULU DEA MARCHIA IVONE IDENTIFIKASI PERUBAHAN TUTUPAN LAHAN MENGGUNAKAN CITRA LANDSAT DI DAS CITARUM HULU DEA MARCHIA IVONE DEPARTEMEN MANAJAMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2017 i ii PERNYATAAN MENGENAI

Lebih terperinci

Pemanfaatan Citra Landsat Untuk Klasifikasi Tutupan Lahan Lanskap Perkotaan Kota Palu

Pemanfaatan Citra Landsat Untuk Klasifikasi Tutupan Lahan Lanskap Perkotaan Kota Palu Pemanfaatan Citra Landsat Untuk Klasifikasi Tutupan Lahan Lanskap Perkotaan Kota Palu ANDI CHAIRUL ACHSAN 1 1. Program Studi Perencanaan Wilayah dan Kota, Jurusan Teknik Arsitektur, Fakultas Teknik, Universitas

Lebih terperinci

menunjukkan nilai keakuratan yang cukup baik karena nilai tersebut lebih kecil dari limit maksimum kesalahan rata-rata yaitu 0,5 piksel.

menunjukkan nilai keakuratan yang cukup baik karena nilai tersebut lebih kecil dari limit maksimum kesalahan rata-rata yaitu 0,5 piksel. Lampiran 1. Praproses Citra 1. Perbaikan Citra Satelit Landsat Perbaikan ini dilakukan untuk menutupi citra satelit landsat yang rusak dengan data citra yang lainnya, pada penelitian ini dilakukan penggabungan

Lebih terperinci

3. BAHAN DAN METODE. Penelitian yang meliputi pengolahan data citra dilakukan pada bulan Mei

3. BAHAN DAN METODE. Penelitian yang meliputi pengolahan data citra dilakukan pada bulan Mei 3. BAHAN DAN METODE 3.1. Waktu dan Tempat Penelitian yang meliputi pengolahan data citra dilakukan pada bulan Mei sampai September 2010. Lokasi penelitian di sekitar Perairan Pulau Pari, Kepulauan Seribu,

Lebih terperinci

BAB III METODOLOGI 3.1 Lokasi dan Waktu Penelitian 3.2 Bahan dan Alat

BAB III METODOLOGI 3.1 Lokasi dan Waktu Penelitian 3.2 Bahan dan Alat 21 BAB III METODOLOGI 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di KPH Kebonharjo Perum Perhutani Unit I, Jawa Tengah. Meliputi Bagian Hutan (BH) Tuder dan Balo, pada Kelas Perusahaan Jati.

Lebih terperinci

Analisa Perubahan Tutupan Lahan di Waduk Riam Kanan dan Sekitarnya Menggunakan Sistem Informasi Geografis(SIG) dan data citra Landsat

Analisa Perubahan Tutupan Lahan di Waduk Riam Kanan dan Sekitarnya Menggunakan Sistem Informasi Geografis(SIG) dan data citra Landsat Analisa Perubahan Tutupan Lahan di Waduk Riam Kanan dan Sekitarnya Menggunakan Sistem Informasi Geografis(SIG) dan data citra Landsat Rully Sasmitha dan Nurlina Abstrak: Telah dilakukan penelitian untuk

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIAN A. Lokasi dan Waktu Penelitian ini dilakukan pada daerah kajian Provinsi Kalimantan Barat. Pengolahan dan analisis data dilakukan di Laboratorium Fisik Remote Sensing dan Sistem

Lebih terperinci

Gambar 7. Lokasi Penelitian

Gambar 7. Lokasi Penelitian III. METODOLOGI PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian ini mengambil lokasi Kabupaten Garut Provinsi Jawa Barat sebagai daerah penelitian yang terletak pada 6 56'49''-7 45'00'' Lintang Selatan

Lebih terperinci

III METODOLOGI. 3.1 Lokasi dan Waktu Penelitian

III METODOLOGI. 3.1 Lokasi dan Waktu Penelitian III METODOLOGI 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan selama 9 bulan (Maret - November 2009), dan obyek penelitian difokuskan pada tiga kota, yaitu Kota Padang, Denpasar, dan Makassar.

Lebih terperinci

MODEL PENDUGA VOLUME POHON MAHONI DAUN BESAR (Swietenia macrophylla, King) DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT WAHYU NAZRI YANDI

MODEL PENDUGA VOLUME POHON MAHONI DAUN BESAR (Swietenia macrophylla, King) DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT WAHYU NAZRI YANDI MODEL PENDUGA VOLUME POHON MAHONI DAUN BESAR (Swietenia macrophylla, King) DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT WAHYU NAZRI YANDI DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT

Lebih terperinci

PEMETAAN POHON PLUS DI HUTAN PENDIDIKAN GUNUNG WALAT DENGAN TEKNOLOGI SISTEM INFORMASI GEOGRAFIS. Oleh MENDUT NURNINGSIH E

PEMETAAN POHON PLUS DI HUTAN PENDIDIKAN GUNUNG WALAT DENGAN TEKNOLOGI SISTEM INFORMASI GEOGRAFIS. Oleh MENDUT NURNINGSIH E PEMETAAN POHON PLUS DI HUTAN PENDIDIKAN GUNUNG WALAT DENGAN TEKNOLOGI SISTEM INFORMASI GEOGRAFIS Oleh MENDUT NURNINGSIH E01400022 DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR

Lebih terperinci

METODE PENELITIAN Kerangka Pemikiran

METODE PENELITIAN Kerangka Pemikiran 17 METODE PENELITIAN Kerangka Pemikiran Penggunaan lahan masa lalu dan penggunaan lahan masa kini sangat dipengaruhi oleh berbagai aspek yang saling berhubungan antara lain peningkatan jumlah penduduk

Lebih terperinci

KAJIAN UKURAN TRAINING SAMPLE OPTIMUM UNTUK KLASIFIKASI PENUTUP LAHAN DENGAN METODE KEMUNGKINAN MAKSIMUM ALFIANSYAH MUHAMMAD

KAJIAN UKURAN TRAINING SAMPLE OPTIMUM UNTUK KLASIFIKASI PENUTUP LAHAN DENGAN METODE KEMUNGKINAN MAKSIMUM ALFIANSYAH MUHAMMAD KAJIAN UKURAN TRAINING SAMPLE OPTIMUM UNTUK KLASIFIKASI PENUTUP LAHAN DENGAN METODE KEMUNGKINAN MAKSIMUM ALFIANSYAH MUHAMMAD DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT

Lebih terperinci

KAJIAN CITRA RESOLUSI TINGGI WORLDVIEW-2

KAJIAN CITRA RESOLUSI TINGGI WORLDVIEW-2 KAJIAN CITRA RESOLUSI TINGGI WORLDVIEW-2 SEBAGAI PENUNJANG DATA DASAR UNTUK RENCANA DETAIL TATA RUANG KOTA (RDTRK) Heri Setiawan, Yanto Budisusanto Program Studi Teknik Geomatika, FTSP, ITS-Sukolilo, Surabaya,

Lebih terperinci

Evaluasi Kesesuaian Tutupan Lahan Menggunakan Citra ALOS AVNIR-2 Tahun 2009 Dengan Peta RTRW Kabupaten Sidoarjo Tahun 2007

Evaluasi Kesesuaian Tutupan Lahan Menggunakan Citra ALOS AVNIR-2 Tahun 2009 Dengan Peta RTRW Kabupaten Sidoarjo Tahun 2007 JURNAL TEKNIK POMITS Vol. x, No. x, (Oktober, 2013) ISSN: 2301-9271 Evaluasi Kesesuaian Tutupan Lahan Menggunakan Citra ALOS AVNIR-2 Tahun 2009 Dengan Peta RTRW Kabupaten Sidoarjo Tahun 2007 Latri Wartika

Lebih terperinci

BAB IV HASIL DAN ANALISIS

BAB IV HASIL DAN ANALISIS BAB IV HASIL DAN ANALISIS 4.1 Hasil Segmentasi Dari beberapa kombinasi scale parameter yang digunakan untuk mendapatkan segmentasi terbaik, untuk mengklasifikasikan citra pada penelitian ini hanya mengambil

Lebih terperinci

V. HASIL DAN PEMBAHASAN

V. HASIL DAN PEMBAHASAN V. HASIL DAN PEMBAHASAN 5.1 Analisis Citra 5.1.1 Kompilasi Citra Penelitian menggunakan citra Quickbird yang diunduh dari salah satu situs Internet yaitu, Wikimapia. Dalam hal ini penulis memilih mengambil

Lebih terperinci

III. METODE PENELITIAN. Tampak pada bulan Januari September Resort Pugung Tampak memiliki luas

III. METODE PENELITIAN. Tampak pada bulan Januari September Resort Pugung Tampak memiliki luas 23 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan di Taman Nasional Bukit Barisan Selatan Resort Pugung Tampak pada bulan Januari September 2012. Resort Pugung Tampak

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian tugas akhir ini. Proses ini sangat berpengaruh terhadap hasil akhir penellitan. Pada tahap ini dilakukan

Lebih terperinci

Pemanfaatan Citra Aster untuk Inventarisasi Sumberdaya Laut dan Pesisir Pulau Karimunjawa dan Kemujan, Kepulauan Karimunjawa

Pemanfaatan Citra Aster untuk Inventarisasi Sumberdaya Laut dan Pesisir Pulau Karimunjawa dan Kemujan, Kepulauan Karimunjawa ISSN 0853-7291 Pemanfaatan Citra Aster untuk Inventarisasi Sumberdaya Laut dan Pesisir Pulau Karimunjawa dan Kemujan, Kepulauan Karimunjawa Petrus Soebardjo*, Baskoro Rochaddi, Sigit Purnomo Jurusan Ilmu

Lebih terperinci

Aninda Nurry M.F., Ira Mutiara Anjasmara Jurusan Teknik Geomatika FTSP-ITS, Kampus ITS Sukolilo, Surabaya,

Aninda Nurry M.F., Ira Mutiara Anjasmara Jurusan Teknik Geomatika FTSP-ITS, Kampus ITS Sukolilo, Surabaya, KAJIAN PERUBAHAN TUTUPAN LAHAN DAERAH ALIRAN SUNGAI BRANTAS BAGIAN HILIR MENGGUNAKAN CITRA SATELIT MULTI TEMPORAL (STUDI KASUS: KALI PORONG, KABUPATEN SIDOARJO) Aninda Nurry M.F., Ira Mutiara Anjasmara

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Koreksi Geometrik Koreksi geometrik adalah suatu proses memproyeksikan data pada suatu bidang sehingga mempunyai proyeksi yang sama dengan proyeksi peta. Koreksi ini dilakukan untuk

Lebih terperinci

Sudaryanto dan Melania Swetika Rini*

Sudaryanto dan Melania Swetika Rini* PENENTUAN RUANG TERBUKA HIJAU (RTH) DENGAN INDEX VEGETASI NDVI BERBASIS CITRA ALOS AVNIR -2 DAN SISTEM INFORMASI GEOGRAFI DI KOTA YOGYAKARTA DAN SEKITARNYA Sudaryanto dan Melania Swetika Rini* Abstrak:

Lebih terperinci

KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN

KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN Rahayu *), Danang Surya Candra **) *) Universitas Jendral Soedirman

Lebih terperinci

LAPORAN PRAKTIKUM PENGINDERAAN JAUH KOMPOSIT BAND CITRA LANDSAT DENGAN ENVI. Oleh: Nama : Deasy Rosyida Rahmayunita NRP :

LAPORAN PRAKTIKUM PENGINDERAAN JAUH KOMPOSIT BAND CITRA LANDSAT DENGAN ENVI. Oleh: Nama : Deasy Rosyida Rahmayunita NRP : LAPORAN PRAKTIKUM PENGINDERAAN JAUH KOMPOSIT BAND CITRA LANDSAT DENGAN ENVI Oleh: Nama : Deasy Rosyida Rahmayunita NRP : 3513100016 Dosen Pembimbing: Nama : Prof.Dr.Ir. Bangun Muljo Sukojo, DEA, DESS NIP

Lebih terperinci

4. PERUBAHAN PENUTUP LAHAN

4. PERUBAHAN PENUTUP LAHAN 4. PERUBAHAN PENUTUP LAHAN 4.1. Latar Belakang Sebagaimana diuraikan terdahulu (Bab 1), DAS merupakan suatu ekosistem yang salah satu komponen penyusunannya adalah vegetasi terutama berupa hutan dan perkebunan

Lebih terperinci

Gambar 1. Peta Lokasi Penelitian

Gambar 1. Peta Lokasi Penelitian 10 BAB III BAHAN DAN METODE 3.1. Waktu dan Tempat Penelitian Penelitian ini dimulai pada bulan Maret 2011 dan berakhir pada bulan Oktober 2011. Penelitian ini terdiri atas pengamatan di lapang dan analisis

Lebih terperinci

BAB III PEMBAHASAN. 3.1 Data. Data yang digunakan dalam penelitian ini berupa :

BAB III PEMBAHASAN. 3.1 Data. Data yang digunakan dalam penelitian ini berupa : 3.1 Data BAB III PEMBAHASAN Data yang digunakan dalam penelitian ini berupa : 1. Citra Landsat-5 TM, path 122 row 065, wilayah Jawa Barat yang direkam pada 2 Juli 2005 (sumber: LAPAN). Band yang digunakan

Lebih terperinci

III. METODOLOGI. 3.1 Waktu dan Lokasi Penelitian

III. METODOLOGI. 3.1 Waktu dan Lokasi Penelitian III. METODOLOGI 3.1 Waktu dan Lokasi Penelitian Penelitian ini dilaksanakan sejak Juli 2010 sampai dengan Mei 2011. Lokasi penelitian terletak di wilayah Kabupaten Indramayu, Provinsi Jawa Barat. Pengolahan

Lebih terperinci

ANALISA KESEHATAN VEGETASI MANGROVE BERDASARKAN NILAI NDVI (NORMALIZED DIFFERENCE VEGETATION INDEX ) MENGGUNAKAN CITRA ALOS

ANALISA KESEHATAN VEGETASI MANGROVE BERDASARKAN NILAI NDVI (NORMALIZED DIFFERENCE VEGETATION INDEX ) MENGGUNAKAN CITRA ALOS ANALISA KESEHATAN VEGETASI MANGROVE BERDASARKAN NILAI NDVI (NORMALIZED DIFFERENCE VEGETATION INDEX ) MENGGUNAKAN CITRA ALOS Oleh : Tyas Eka Kusumaningrum 3509 100 001 LATAR BELAKANG Kawasan Pesisir Kota

Lebih terperinci

PEMETAAN HUTAN RAKYAT PALA MENGGUNAKAN CITRA LANDSAT 8 OLI DI KABUPATEN ACEH SELATAN YUNI RISMELIA BUNTANG

PEMETAAN HUTAN RAKYAT PALA MENGGUNAKAN CITRA LANDSAT 8 OLI DI KABUPATEN ACEH SELATAN YUNI RISMELIA BUNTANG PEMETAAN HUTAN RAKYAT PALA MENGGUNAKAN CITRA LANDSAT 8 OLI DI KABUPATEN ACEH SELATAN YUNI RISMELIA BUNTANG DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN

Lebih terperinci

Gambar 1. Satelit Landsat

Gambar 1. Satelit Landsat 3 II. TINJAUAN PUSTAKA 2.1. Penginderaan Jauh Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah, atau fenomena melalui analisis data yang diperoleh dengan suatu

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN 5.1 Ekstraksi Citra TerraSAR-X Dual Polarization Citra RGB terbaik idealnya mampu memberikan informasi mengenai objek, daerah atau fenomena yang dikaji secara lengkap. Oleh karena

Lebih terperinci

II. TINJAUAN PUSTAKA 2.1. Masyarakat Adat Kasepuhan

II. TINJAUAN PUSTAKA 2.1. Masyarakat Adat Kasepuhan 3 II. TINJAUAN PUSTAKA 2.1. Masyarakat Adat Kasepuhan Pengertian masyarakat adat berdasarkan Aliansi Masyarakat Adat Nusantara adalah kelompok masyarakat yang memiliki asal usul leluhur (secara turun temurun)

Lebih terperinci

Jurnal Geodesi Undip Oktober 2015

Jurnal Geodesi Undip Oktober 2015 IDENTIFIKASI LAHAN SAWAH MENGGUNAKAN NDVI DAN PCA PADA CITRA LANDSAT 8 (Studi Kasus: Kabupaten Demak, Jawa Tengah) Ardiansyah, Sawitri Subiyanto, Abdi Sukmono *) Program Studi Teknik Geodesi Fakultas Teknik,

Lebih terperinci

BAB III METODA. Gambar 3.1 Intensitas total yang diterima sensor radar (dimodifikasi dari GlobeSAR, 2002)

BAB III METODA. Gambar 3.1 Intensitas total yang diterima sensor radar (dimodifikasi dari GlobeSAR, 2002) BAB III METODA 3.1 Penginderaan Jauh Pertanian Pada penginderaan jauh pertanian, total intensitas yang diterima sensor radar (radar backscattering) merupakan energi elektromagnetik yang terpantul dari

Lebih terperinci

PEMANFAATAN CITRA LANDSAT 8 UNTUK IDENTIFIKASI NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) DI KECAMATAN SILAT HILIR KABUPATEN KAPUAS HULU

PEMANFAATAN CITRA LANDSAT 8 UNTUK IDENTIFIKASI NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) DI KECAMATAN SILAT HILIR KABUPATEN KAPUAS HULU PEMANFAATAN CITRA LANDSAT 8 UNTUK IDENTIFIKASI NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) DI KECAMATAN SILAT HILIR KABUPATEN KAPUAS HULU Ajun Purwanto Program Sudi Pendidikan Geografi Fakultas Ilmu

Lebih terperinci

5. PEMBAHASAN 5.1 Koreksi Radiometrik

5. PEMBAHASAN 5.1 Koreksi Radiometrik 5. PEMBAHASAN Penginderaan jauh mempunyai peran penting dalam inventarisasi sumberdaya alam. Berbagai kekurangan dan kelebihan yang dimiliki penginderaan jauh mampu memberikan informasi yang cepat khususnya

Lebih terperinci