Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember Kampus ITS Sukolilo, Surabaya Indonesia

Transkripsi

1 ANALISA DISTRIBUSI KEPADATAN PENDUDUK BERDASARKAN ANALISA SPEKTRAL MENGGUNAKAN CITRA LANDSAT 8 (STUDI KASUS: KOTA KEDIRI) Oleh : Fahrurrozi Pembimbing : Yanto Budisusanto Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember Kampus ITS Sukolilo, Surabaya Indonesia

2 Jumlah Penduduk Kepadatan Penduduk (Pupulation Density) Alternatif Mahal, Lama, Sulit updating (Li &Weng, 2005) Luas Wilayah Pemodelan Statistik Dalam remote sensing, pemodelan hubungan kependudukan bisa dilakukan dengan urban area, tutupan lahan, unit hunian, karakteristik spektral, dan karakteristik fisik atau sosial-ekonomi Remote Sensing

3 Citra satelit yang digunakan dalam penelitian pemetaan kepadatan penduduk adalah citra Landsat 8 dan data jumlah penduduk yang digunakan adalah data kependudukan dari Dinas Kependudukan dan Pencatatan Sipil Kota Kediri tahun 2013 Batas dan luas area studi diperoleh dari batas administrasi Peta Rupa Bumi Indonesia Pemaparan kepadatan penduduk dalam kajian hanya mencakup kawasan Kota Kediri Uji statistik tidak dilakukan untuk menguji model regresi, pengujian hanya dilakukan pada tingkat akurasi model Analisa distribusi kepadatan penduduk terhadap hasil bentuk hubungan yang terjadi pada proses analisa regresi

4 Untuk mengetahui hubungan variabel-variabel yang diperoleh dari Citra Landsat 8 dan kepadatan penduduk Untuk mengetahui pola distribusi kepadatan penduduk di Kota Kediri berdasarkan analisis regresi dari Citra Landsat 8 Memberikan informasi mengenai distribusi kepadatan penduduk di kawasan Kota Kediri Sebagai landasan penelitian selanjutnya yang terkait dengan pemetaan kependudukan menggunakan penginderaan jauh Sebagai bahan pertimbangan dalam perencanaan dan pengembangan wilayah Kota Kediri

5 Data spasial : Citra Landsat 8 tahun 2013, Peta Rupa Bumi Indonesia (RBI) Lembar dan Lembar Data non-spasial : data jumlah penduduk Kota Kediri yang diperoleh dari Dinas Kependudukan dan Pencatatan Sipil Kota Kediri

6

7 Citra Terkoreksi Koreksi Radiometrik Ya RMSE 1 piksel Koreksi Geometrik Citra Landsat 8 Tahun 2013 Tidak Pemotongan Citra Kombinasi Band (RGB=764) Klasifikasi Citra Akurasi 85% Citra Terklasifikasi Tidak Peta Tutupan Lahan Kota Kediri Tahun 2013 Proses Kartografi Export to SHP Transformasi Citra SAVI, RDVI, TNDVI, RVI, SVI

8 Citra Terklasifikasi (format SHP) SAVI, RDVI, TNDVI, RVI, SVI Band Multispektral Data Spasial Peta RBI Jumlah Penduduk Kota Kediri Tahun 2013 Perhitungan Luas Permukiman Tiap Kelurahan Perhitungan Rata-rata Piksel Tiap Kelurahan Digitasi Export to SHP Luas Permukiman Per Kelurahan Luas Kelurahan Tabulasi Variabel Bebas Perhitungan Kepadatan Penduduk (PD) dan Square Root Population Density (SPD) Eksplorasi Data Tabulasi Variabel Terikat

9 Eksplorasi Data Pembentukan Model Regresi Model Terbaik Ya Estimasi Kepadatan Penduduk Tidak Peta Distribusi Kepadatan Penduduk Kota Kediri Tahun 2013 Analisis Tabulasi Hasil

10 Koreksi Geometrik menggunakan 15 titik GCP yang tersebar pada seluruh area penelitian Citra yang dikoreksi geomatrik menghasilkan root mean square error (RMSE) secara keseluruhan kurang dari satu piksel, yaitu sebesar Hasil ini dianggap cukup baik mewakili geometri sebenarnya di lapangan. Dari 15 titik GCP, kesalahan RMS terbesar berada pada titik 11, yaitu sebesar dengan kesalahan X sebesar dan kesalahan Y sebesar 0.026

11 Koordinat Raw Data Koordinat Referensi X Y X Y Error X Error Y RMS

12 Tutupan lahan yang diperoleh diuji dengan menggunakan confusion matrix. Hasil pengujian secara keseluruhan menghasilkan akurasi klasifikasi (overall accuracy) sebesar atau persen. Hasil ini menunjukkan klasifikasi sudah cukup baik karena melebihi 85 persen secara keseluruhan ( Anderson, 1971 dalam Anderson, et al., 1976). Koefisien kappa yang diperoleh sebesar Nilai ini dianggap sudah cukup baik karena sudah melebihi 0.75 (Mather, 2004). Uji Lapangan dilakukan dengan memilih secara acak di lapangan untuk masing-masing kelas, hasilnya menunjukkan kelas tutupan lahan sesuai dengan hasil klasifikasi tutupan lahan

13 ( ; ) ( ; ) ( ; ) ( ; ) ( ; )

14 Variabel Bebas Koefisien Korelasi Pearson PD SPD Band 1 (B1) Band 2 (B2) Band 3 (B3) Band 4 (B4) Band 5 (B5) Band 6 (B6) Band 7 (B7) Band 9 (B8) Band 10 (B10) Band 11 (B11) Variabel Bebas Koefisien Korelasi Pearson PD SPD SAVI RDVI TNDVI SVI RVI Permukiman (P)

15 Susunan Variabel Bebas (X) Koefisien Determinasi (R 2 ) X1 X2 X3 X4 X5 X6 X7 X8 X9 PD SPD B1 B2 B3 B4 B5 B6 B7 B B1 B2 B3 B4 B5 B6 B7 B9 P B1 B5 B7 B B1 B5 B7 B11 P

16 Susunan Variabel Bebas (X) Koefisien Determinasi (R 2 ) X1 X2 X3 X4 X5 X6 PD SPD SAVI RDVI TNDVI SVI RVI SAVI RDVI TNDVI SVI RVI P RDVI SAVI SVI RDVI SAVI SVI P SVI SAVI P

17 Susunan Variabel Bebas (X) (R 2 ) X1 X2 X3 X4 X5 X6 X7 X8 PD SPD B1 B5 B11 RDVI SVI B1 B5 B11 RDVI SVI P B1 B5 B11 SVI SAVI B1 B5 B11 SVI SAVI P B1 B2 B5 B7 SVI B11 SAVI B1 B2 B5 B7 SVI B11 SAVI P B1 B2 B5 B7 SVI B11 RDVI B1 B2 B5 B7 SVI B11 RDVI P

18 PD = *B *B *B *RDVI *SVI *P PD R 2 MAPE PD = *B *B *B *B *B *SVI *SAVI *P PD = *B *B *B *B *B *SVI *RDVI *P SPD SPD = *B *B *B *B *B *SVI *RDVI *P SPD = *B *B *B *B *B *SVI *SAVI *P SPD = *B *B *B *B *B *SVI *RDVI SPD = *B *B *B *B *B *B *B *B *P

19 Source of Variation Sum of Squares Degree of Freedom Mean Square 1 Regression Residual Total F Sig.

20 MODEL Residual Desa

21 Hasil Estimasi Kepadatan Penduduk (PD) Kelurahan Distribusi Kepadatan Penduduk di Lapangan Kelurahan 46

22

23

24 Pola distribusi yang diperoleh dari hasil prediksi model regresi kepadatan penduduk menunjukkan pola yang mirip dengan yang sebenarnya, dimana kelurahan-kelurahan yang lebih padat umumnya berada di Kecamatan Kota denga Kelurahan Jagalan sebagai kelurahan terpadat dan kelurahan Gayam dengan kepadatan paling rendah Koefisien korelasi Pearson menunjukkan hubungan yang sangat kuat antara variabel indeks vegetasi (SAVI, RDVI, TNDVI) dan luas permukiman tiap area (kelurahan) dengan kepadatan penduduk, sedangkan dari variabel multispektral hanya Band 5 yang menunjukkan hubungan yang sangat kuat dengan kepadatan penduduk Persamaan regresi terbaik diperoleh dari persamaan regresi dengan kombinasi 8 variabel bebas yang terdiri dari 4 band multispektral (band 1, band 2, band 5, dan band 7), band thermal, 2 indeks vegetasi (SVI dan RDVI), dan luas area permukiman, Variabel spektral dari Landsat 8 masih membutuhkan faktor lain dalam membentuk model kepadatan penduduk, meskipun digunakan pula variabel spasial permukiman (settlement) pengaruh yang dihasilkan tidak melebihi 80 persen.

25 Diperlukan penelitian lebih lanjut untuk membentuk model yang lebih baik untuk kepadatan penduduk berdasarkan penginderaan jauh karena masih terdapat faktor lain yang masih berpengaruh, Dalam penerapan masih diperlukan uji statistik, sehingga dapat memenuhi kriteria statistik model regresi, Penelitian terkait Landsat 8 untuk pemetaan kependudukan perlu ditingkatkan karena pemetaan kependudukan dengan Landsat 8 belum pernah dilakukan sebelumnya,

26 Thank You