GEOMORFOLOGI GUNUNGAPI GUNTUR (GARUT, JAWA BARAT) DAN ANALISIS ALIRAN LAVA MENGGUNAKAN DATA SYNTHETIC APERTURE RADAR

Transkripsi

1 GEOMORFOLOGI GUNUNGAPI GUNTUR (GARUT, JAWA BARAT) DAN ANALISIS ALIRAN LAVA MENGGUNAKAN DATA SYNTHETIC APERTURE RADAR POLARIMETRI PENUH (FULLY POLARIMETRY) LULUK DWI WULAN HANDAYANI A DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN FAKULTAS PERTANIAN INSTITUT PERTANIAN BOGOR 2011

2 RINGKASAN LULUK DWI WULAN HANDAYANI. Geomorfologi Gunungapi Guntur (Garut, Jawa Barat) dan Analisis Aliran Lava Menggunakan Data Synthetic Aperture Radar Polarimetri Penuh (fully polarimetry). Dibawah bimbingan BOEDI TJAHJONO dan BAMBANG HENDRO TRISASONGKO. Indonesia merupakan negara yang dilalui oleh jalur gunungapi aktif (Ring of fire) sehingga memiliki lebih dari 400 gunung berapi dan 130 diantaranya termasuk dalam kategori gunungapi aktif. Persebaran gunungapi yang merata hampir diseluruh wilayah merupakan konsekuensi dari tumbukan lempeng tektonik. Letusan gunungapi adalah salah satu gejala alam yang berbahaya bagi makhluk hidup di sekitar gunungapi tersebut, meskipun gunungapi juga banyak memberikan manfaat bagi manusia seperti abu vulkanik yang dapat meningkatkan kesuburan tanah. Gunungapi Guntur yang berada di Kabupaten Garut memiliki karakteristik produk aliran lava yang dominan dan jelas terlihat secara visual dibandingkan aliran lava gunungapi lainnya. Oleh karena itu, identifikasi dan pemetaan aliran lava penting dikaji untuk studi geomorfologi dan pemetaan bahaya gunungapi. Hal ini dapat dilakukan melalui analisis geomorfologi dan pemanfaatan teknologi geospasial, yaitu dengan penginderaan jauh optik maupun non optik (radar). Sejak tahun 1980, data optik telah banyak digunakan untuk pemetaan gunungapi. Namun jenis data ini memiliki keterbatasan informasi dikarenakan adanya penutupan awan. Hal ini dapat diatasi dengan memanfaatkan data radar yaitu SAR Polarimetri band L sehingga perlu dilakukan penelitian yang mengetengahkan pemanfaatan data SAR polarimetri untuk mengidentifikasi karakteristik hamburan (scattering) aliran lava yang dipadukan dengan analisis geomorfologi pada G. Guntur sehingga dapat dilakukan pencirian (signature) pada obyek. Penelitian ini bertujuan untuk menelaah : 1) Geomorfologi bentuklahan G. Guntur dengan menggunakan citra optik IKONOS, 2) Geomorfologi bentuklahan G. Guntur dengan menggunakan citra non optik PALSAR (Phased Array Type L- Band Synthetic Aperture Radar) polarimetri penuh dan membandingkannya dengan data optik IKONOS, 3) Kombinasi sinyal polarisasi ganda yang efisien untuk identifikasi aliran lava menggunakan radar polarimetri band-l, dan 4) Klasifikasi obyek menggunakan teknik klasifikasi Pohon Keputusan (decision tree) dengan algoritma QUEST. Hasil analisis menunjukkan bahwa analisis geomorfologi dapat digunakan untuk pemetaan bentuklahan gunungapi (V) didasarkan pada aspek morfologi, morfogenesis, morfokronologi dan litologi. Berdasarkan hasil interpretasi diketahui bahwa bentuklahan yang diidentifikasi menggunakan citra IKONOS Google Earth menghasilkan 17 bentuklahan yaitu 3 kawah (crater), 1 kubah lava (lava dome), 9 aliran lava (lava flow) yang merupakan hasil erupsi eksplosif membentuk lava bongkah segar dan saling menindih. Hasil erupsi tahun 1840 (aliran lava muda) membentuk lidah memanjang dan tapal kuda pada bagian ujung yang berkomposisi basaltik. Tubuh kerucut terdiri dari 3 bentukan yang

3 tersusun atas blok lava basaltik dengan matriks pasir kasar berwarna abu kehitaman hingga cokelat. Selain itu, terdapat 1 bentuklahan terdegradasi (Degraded Lower Slope Volcanic Cone) akibat proses geomorfik antropogenik sedangkan interpretasi pada citra PALSAR dapat diidentifikasi 6 bentuklahan aliran lava dan 1 bentuklahan kawah. Perbedaan hasil interpretasi ini dipengaruhi oleh panjang gelombang dan resolusi spasial yang dimiliki masing-masing citra. Namun pada data polarimetri penuh dapat ditentukan nilai hamburan balik (backscatter) dari permukaan bentuklahan. Hasil klasifikasi pohon keputusan dengan algoritma QUEST dan analisis keterpisahan spektral menunjukkan bahwa polarisasi HV dan VV berperan sebagai kombinasi terbaik dalam identifikasi aliran lava. Keterpisahan spektral ditunjukkan dengan metode Transformed Divergence (TD) pada data training. Hasilnya, bentuklahan kawah memiliki keterpisahan yang tinggi (nilai mendekati 2) dan demikian pula dengan bentuklahan aliran lava termuda sehingga dapat diidentifikasi dengan mudah. Sedangkan bentuklahan aliran lava 1, aliran lava 3, dan aliran lava tua tidak terpisah dengan cukup baik (nilai mendekati 0). Pada nilai statistik deskriptif ini dapat ditunjukkan bahwa bentuklahan aliran lava termuda memiliki nilai rataan tertinggi pada polarisasi HV dibandingkan bentuklahan aliran lava lainnya. Hasil klasifikasi menunjukkan bahwa nilai akurasi yang cukup baik yaitu 51,80 % dengan nilai koefisien Kappa sebesar 0,43. Hal ini menunjukkan bahwa identifikasi aliran lava menggunakan polarisasi linier dipadukan dengan klasifikasi pohon keputusan memiliki tingkat kepercayaan yang cukup baik. Kata kunci : Geomorfologi, Bentuklahan, Aliran Lava, SAR Polarimetri, G. Guntur

4 SUMMARY LULUK DWI WULAN HANDAYANI. Geomorphology Guntur Volcano (Garut, Jawa Barat) and Lava Flow Analysis Using Synthetic Aperture Radar Fully Polarimetry Data. Under supervision of BOEDI TJAHJONO and BAMBANG H. TRISASONGKO. Indonesia is a country which is traversed by ring of fire, it has more than 400 volcanoes and 130 of them are in category of active volcanoes. Equitable distribution of volcanoes in nearly all region consequently impacts tectonic plates. Volcanic eruption is one of the natural phenomena considered harmful to inhabitants around the volcano. Although the volcano also provides many benefits to human such as volcanic ashes that could increase soil fertility. Mt. Guntur in Garut Regency dominantly characterize by lava flows and visually distinctive toother volcans. Identification and mapping of the lava flows is important to study geomorphological aspect and mapping of volcanic hazardous materials. This can be done through geomorphological analysis and utilization of geospatial technologies, i.e. remote sensing with optical and non-optical (Radar) sensors. Since 1980, the optical data has been widely used for mapping the volcano. However, this kind of data have limited information due to cloud cover. This can be subsituted by using radar data, especially L-band SAR Polarimetry. Therefore a research to explore the use of SAR Polarimetry data for identifying the characteristic of scattering lava flows combined with analysis of geomorphology is needed. This study aims to examine : 1) Landform geomorphology of Mt. Guntur using optical IKONOS imagery, 2) landform geomorphology of Mt. Guntur using non optical PALSAR (Phased Array Type L-Band Synthetic Aperture Radar) fully polarimetry and comparison with IKONOS optic data, 3) The combination of an efficient dual polarization signal for the identification of the lava flow using L-band radar polarimetry, and 4) Classification of object using decision tree (QUEST) algorithm. The analysis suggested that the geomorphological analysis can be used for volcanic (V) landform mapping based on aspects of morphology, morphogenesis, morfokronology and litology. Based on the result of interpretation, 17 landforms were identified using IKONOS imagery of Google Earth i.e : 3 craters, a lava dome, 9 lava flows which were results of explosive eruption which formed fresh lava chunks on top of each other. Results of 1840 eruption (youngest lava flow) created an elongated tongue and horseshoe at the end with basaltic composition. Cone body consists of 3 block structure composed of basaltic lava with a matrix of coarse sand colored brown black ash. In addition, there was a degraded landforms (Degraded Lower Slope Volcanic Cone) due to antropogenic geomorphic processes. Although, PALSAR interpretation could identify 6 landforms lava flows and a crater landforms. Differences in interpretation were influenced by the wavelength and spatial resolution of each image. Full polarimetry data however contributed to backscattering retrievals from the surface landforms.

5 Decision tree classification using algorithm QUEST and spectral separability analysis showed that the HV and VV polarization served as the best combination in the identification of lava flows. Spectral separability was shown by transformed divergence (TD) method on the training data. The result indicated that crater had high separation (close to 2), as well as the youngest lava flow that was easly identified. Meanwhile, landforms of lava flow 1, lava flow 3, and an old lava flow did not separate well (close to 0). Descriptive statistics on the feature showed that the youngest lava flow ranked highest average value at HV polarization, compared to other lava flows. Classification showed a fairly good accuracy, around 51,80% with kappa coefficient value of 0,43. This suggested that the identification of lava flows using linear polarization combined with a classification decision tree produced fairly good level of confidence. Keywords : Geomorphology, Landform, Lava Flow, SAR Polarimetry, Mt. Guntur

6 GEOMORFOLOGI GUNUNGAPI GUNTUR (GARUT, JAWA BARAT) DAN ANALISIS ALIRAN LAVA MENGGUNAKAN DATA SYNTHETIC APERTURE RADAR POLARIMETRI PENUH (FULLY POLARIMETRY) LULUK DWI WULAN HANDAYANI A Skripsi sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Pertanian pada Fakultas Pertanian, Institut Pertanian Bogor DEPARTEMEN ILMU TANAH DAN SUMBERDAYA LAHAN FAKULTAS PERTANIAN INSTITUT PERTANIAN BOGOR 2011

7 Judul Skripsi Nama Mahasiswa Nomor Pokok : Geomorfologi Gunungapi Guntur (Garut, Jawa Barat) dan Analisis Aliran Lava Menggunakan Data Synthetic Aperture Radar Polarimetri Penuh (Fully Polarimetry) : Luluk Dwi Wulan Handayani : A Menyetujui, Dosen Pembimbing I Dosen Pembimbing II Dr. Boedi Tjahjono Ir. Bambang H. Trisasongko, M. Sc. NIP : NIP : Mengetahui, Ketua Departemen Dr. Ir. Syaiful Anwar, M. Sc. NIP Tanggal lulus :

8 RIWAYAT HIDUP Penulis lahir di Sumbawa Besar pada tanggal 1 Mei 1988 sebagai anak kedua dari tiga bersaudara pasangan Y. Yoyok Sutarto, S.Pd (alm) dan Aisyah S. Pendidikan formal yang ditempuh oleh penulis berawal dari SD Negeri 1 Sumbawa Besar ( ). Selepas Sekolah Dasar, penulis melanjutkan pendidikan ke SMP Negeri 1 Sumbawa Besar ( ) dan SMA Negeri 1 Sumbawa Besar ( ). Pada tahun 2006 penulis diterima di Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB (USMI) dan pada tahun 2007 penulis diterima di Departemen Ilmu Tanah dan sumberdaya Lahan. Selama menjadi mahasiswa, penulis mengikuti kegiatan kemahasiswaan sebagai Public Relation BEM KM IPB Departemen Informasi dan Komunikasi ( ), anggota International Association of Agriculture and Science (IAAS) IPB, staf pengurus Himpunan Mahasiswa Ilmu Tanah IPB divisi PSDM dan Pengembangan & Penelitian ( ), dan anggota Himpunan Mahasiswa Islam (HMI) IPB. Penulis juga aktif sebagai asisten praktikum mata kuliah Penginderaan Jauh dan Interpretasi Citra 2008/2009, mata kuliah Geomorfologi dan Analisis Lanskap 2008/2009, dan mata kuliah sistem Informasi Geografis 2009/2010. Selain itu juga aktif di beberapa kepanitiaan lain yang diselenggarakan oleh Institut Pertanian Bogor, Fakultas Pertanian, dan Departemen Ilmu Tanah dan Sumberdaya Lahan. Penulis juga menjadi juara III dalam lomba GISIC 2010-GIS for natural Disaster di ITB. Selain itu penulis juga menjadi juara poster terbaik dalam Seminar Nasional Geomatika Bakosurtanal tahun 2011.

9 KATA PENGANTAR Puji Syukur atas kehadirat Allah SWT yang telah melimpahkan rahmat dan karunia-nya sehingga penlis dapat menyelesaikan penelitian dan penulisan skripsi ini. Penelitian ini berjudul Geomorfologi Gunungapi Guntur (Garut, Jawa Barat) dan Analisis Aliran Lava Menggunakan Data Synthetic Aperture Radar Polarimetri Penuh (Fully Polarimetry). Pada kesempatan ini penulis ingin menyampaikan rasa terima kasih dan penghargaan yang sebesar-besarnya kepada : 1. Dr. Boedi Tjahjono dan Bambang H. Trisasongko, M. Sc. selaku pembimbing I dan II yang telah banyak memberikan bimbingan, saran dan motivasi dalam pelaksanaan kegiatan penelitian dan penulisan karya ilmiah ini. 2. Dr. Ir. Kukuh Murtilaksono, M.S. selaku penguji yang telah memberikan saran dan masukan dalam penyempurnaan karya ilmiah ini. 3. Badan Vulkanologi dan Mitigasi Bencana Geologi Direktorat jenderal Geologi dan Sumberdaya Mineral Departemen Energi dan Sumberdaya Mineral Republik Indonesia yang telah membantu penulis dalam memberikan data yang sangat dibutuhkan selama pelaksanaan karya ilmiah ini. 4. Pusat Perencanaan, Pengembangan dan Pengkajian Wilayah LPPM IPB atas kesempatan yang telah diberikan untuk memperoleh ilmu dalam pelaksanaan karya ilmiah ini. 5. Orang tua tercinta Mama dan Almarhum Papa, Ieke Wulan Ayu, Heru TS dan adik Reyga Yhosa N yang senantiasa memberikan kasih sayang, doa, restu, kepercayaan serta dukungan moral dan spiritual sehingga penulis dapat menyelesaikan pendidikan. 6. Keluarga besar Bpk Tjejep Hasmitha atas doa, restu dan dukungannya selama ini 7. Sheila N, Sri Malahayati, Irma N, Emma P, Ida S, dan Ina F atas kesabaran, doa dan dukungannya selama ini. 8. Decky Sanjaya, Zaini, Stefanny, Dodo, Anggi, Mike, Purwanti, dan Rudi atas doa, motivasi, dan kebersamaanya selama ini

10 9. Poppy, Melita, Bayu, Sabda, Ika, Suci, Raditya P, Pram, Melly, Miranti, Arif, Anief, Putri, Uli, Handris, Okky, Lili, Ranti, anak-anak pondok Amanah B dan C atas dukungannya selama ini. 10. Keluarga besar Bagian Penginderaan Jauh IPB dan seluruh mahasiswa MSL angkatan 43 atas dukungannya selama ini. 11. Dwi Shanty, Annisa N, Agi M, Reni K, Topan L, Ricky, Gusmaini, Febria, Vanesza, Rani Y, Afifah, Sri M, dan Bu Nina atas bantuan dan dukungannya selama ini. Kepada pihak-pihak yang tidak dapat disebutkan satu persatu, penulis mengucapkan banyak terima kasih. Penulis menyadari banyak kekurangan dalam karya ilmiah ini. Namun, penulis berharap semoga karya kecil ini bermanfaat bagi semua pihak. Bogor, Agustus 2011 Luluk Dwi Wulan Handayani

11 DAFTAR ISI Halaman DAFTAR TABEL... viii DAFTAR GAMBAR... ix I. PENDAHULUAN Latar Belakang Tujuan... 5 II. TINJAUAN PUSTAKA Geomorfologi Citra Satelit Radar SAR Polarimetri Hamburan Balik (Backscatters) Satelit ALOS Data Mining Metode Decision Tree Algoritma QUEST Gunung Api III. METODOLOGI PENELITIAN Lokasi dan Waktu Penelitian Bahan dan Alat Penelitian Metode Penelitian Tahap Persiapan dan Pengumpulan Data Tahap Pengecekan Lapang Tahap Pengolahan dan Interpretasi Data Tahap Analisis Hasil IV. KEADAAN UMUM LOKASI Letak Geografis Topografi Iklim Geologi Geokimia Batuan... 33

12 4.6. Tanah Penggunaan dan Penutupan Lahan Geomorfologi G. Guntur Satuan Morfologi Lereng Tertoreh Sedang Satuan Morfologi Lereng Tertoreh Lemah Satuan Morfologi Aliran Lava Sejarah Letusan G. Guntur V. HASIL DAN PEMBAHASAN Analisis Geomorfologi Kawah (Crater) Kubah Lava (Lava Dome) Lereng Bawah Kerucut Vulkanik Terdegradasi Aliran Lava (Lava Flow) Tubuh Kerucut Vulkanik Interpretasi Geomorfologi dari Citra PALSAR Keterpisahan Spektral Analisis Keterpisahan Statistik Klasifikasi Akurasi VI. KESIMPULAN DAN SARAN DAFTAR PUSTAKA LAMPIRAN... 79

13 DAFTAR TABEL No. Teks Halaman 1. Karakteristik Citra IKONOS Panjang Gelombang dan Frekuensi Radar Spesifikasi ALOS Spesifikasi ALOS PALSAR Komposisi Kandungan Unsur Mayor pada Batuan Penggunaan Lahan (BPN 2007) Sejarah Letusan G. Guntur Interpretasi Penutupan Lahan pada Citra PALSAR Ukuran Transformed Divergence (TD) Akurasi Klasifikasi Algoritma QUEST Akurasi Klsifikasi Maximum Likelihood... 71

14 DAFTAR GAMBAR No. Teks Halaman 1. Diagram Komponen Sistem Pencitraan Radar Polarisasi Energi Radar Pantulan Radar dari Berbagai Permukaan Satelit ALOS (JAXA EORC 1997) Instrumen PALSAR Prinsip Geometri PALSAR Diagram Alir Penelitian Lokasi Penelitian Peta Kelas Kemiringan Lereng Kabupaten Garut Peta Elevasi Kabupaten Garut Curah Hujan Tahunan Stasiun Nariewatie Tahun Curah Hujan Rata-rata Bulanan Stasiun Nariewatie Tahun Peta Geologi G. Guntur Batuan Skorea di G. Guntur Peta Tanah Kabupaten Garut Tipe Penggunaan Lahan Sekitar G. Guntur pada Citra IKONOS Kegiatan Penambangan Bahan Galian di G. Guntur tahun Citra IKONOS Google Earth Peta Bentuk Lahan G. Guntur Hasil Analisis Citra IKONOS GE Kawah G. Guntur Kubah Lava G. Guntur Degraded Lower Slope Volcanic Cone G. Guntur Aliran Lava (Lava Flow) 1, 2, 3, 4, 5, dan Aliran Lava (Lava Flow) tua, 1840 dan Tubuh Kerucut G. Guntur pada Citra IKONOS GE Citra PALSAR G. Guntur Hasil Interpretasi Citra PALSAR G. Guntur Kekasaran Permukaan Aliran Lava G. Guntur, Garut Perbandingan Nilai Polarisasi Aliran Lava G. Guntur Analisis Visual Kombinasi Polarisasi Citra PALSAR G. Guntur Klasifikasi Pohon Keputusan Algoritma QUEST Citra PALSAR.. 66 G. Guntur

15 32. Citra ALOS PALSAR G. Guntur dan Hasil Klasifikasi Algoritma QUEST Citra ALOS PALSAR G. Guntur 33. Hasil Klasifikasi Maximum Likelihood Citra PALSAR G. Guntur... 68

16 1 I. PENDAHULUAN 1.1. Latar Belakang Di Indonesia seringkali terjadi bencana alam yang sering mendatangkan kerugian bagi masyarakat. Fenomena bencana alam dapat terjadi akibat ulah manusia maupun oleh proses alami. Salah satu contoh fenomena alami yang melahirkan bencana alam adalah letusan gunungapi. Seperti yang telah diketahui bahwa Indonesia merupakan negara yang dilalui oleh jalur gunungapi aktif yang disebut cincin api pasifik atau ring of fire. Oleh karena itu, Indonesia memiliki lebih dari 400 gunungapi dan 130 diantaranya masuk ke dalam kategori gunungapi aktif. Dengan demikian Indonesia menjadi negara dengan jumlah gunungapi aktif terbanyak di dunia, dimana sebagian besar gunungapi tersebut berada di pulau Sumatera dan Jawa. Letusan gunungapi merupakan gejala alam yang sangat berbahaya bagi semua makhluk hidup yang berada di sekitarnya karena material yang dikeluarkan terdiri atas gas, piroklastika, dan lava yang mempunyai suhu yang tinggi. Lava merupakan salah satu material yang dikeluarkan pada suatu periode letusan yang dapat merusak semua obyek yang dilaluinya. Sehingga fenomena ini cukup berbahaya bagi manusia. Walaupun demikian, aktifitas gunungapi banyak memberikan manfaat bagi manusia karena abu vulkanik yang disemburkan dapat meningkatkan kesuburan tanah. Selain itu, bentang alam gunungapi dapat menjadi aset untuk wisata alam, lokasi konservasi air, cagar alam, margasatwa dan bahkan material dari lava dapat dimanfaatkan oleh masyarakat sebagai bahan galian untuk bahan bangunan hingga bahan industri kimia. Kajian bencana alam gunungapi merupakan suatu upaya yang sangat penting dilakukan untuk meminimalkan dampak buruk dari letusan gunungapi. Kajian dapat dilakukan melalui berbagai analisis dan salah satunya merupakan analisis geomorfologi. Kajian geomorfologi mencakup aspek morfologi (morfografi dan morfometri), morfogenesis (tenaga endogen dan eksogen), morfokronologi (dalam ruang dan waktu) serta struktur dan litologi penyusunnya (Wiradisastra dan Tjahjono, 1998). Analisis geomorfologi gunungapi dapat dilakukan melalui identifikasi bentuklahan, persebarannya, dan proses-proses

17 2 vulkanik yang terjadi sebelumnya atau sejarah letusannya, dan jenis-jenis produk letusan yang dominan. Penyebaran gunungapi di Indonesia terbentang dari barat ke timur mengikuti busur gunungapi Indonesia, sehingga kegiatan-kegiatan identifikasi, pemantauan lapang, dan mitigasi bahaya gunungapi memerlukan waktu dan biaya yang besar. Oleh karena itu, pemanfaatan teknologi geospasial berupa penginderaan jauh sangat dibutuhkan. Salah satu penelitian menunjukkan bahwa studi gunungapi melalui pendekatan penginderaan jauh cukup baik, efektif dan efisien serta menghemat biaya untuk pemetaan produk-produk vulkanik seperti piroklastik, aliran lava dan sebagainya (Crowley et al., 2003). Pemanfaatan data penginderaan jauh saat ini telah berkembang pesat baik penggunaan data hyperspectral maupun multispectral. Namun demikian, dikarenakan Indonesia merupakan daerah tropik maka tutupan awan seringkali menjadi kendala dalam pemanfaatan data penginderaan jauh optik. Gangguan awan dan bayangannya pada umumnya tidak dapat diperbaiki. Dalam penginderaan jauh gangguan ini direpresentasikan sebagai data yang hilang (missing data) dalam analisisnya, sehingga memerlukan proses masking dalam keseluruhan analisis (Tjahjono et al., 2009). Oleh karena itu, pemanfaatan Radar (SAR) cukup menarik untuk dapat menjadi salah satu alternatif guna mengatasi masalah tersebut. Radar (SAR) merupakan salah satu jenis penginderaan jauh yang tidak tergantung pada kondisi cuaca dan dapat beroperasi siang maupun malam. Pemanfaatan teknologi spektrum elektromagnetik gelombang mikro khususnya Radar saat ini berkembang sangat pesat. Bukan hanya dimanfaatkan dalam bidang kemiliteran, pelayaran, dan prakiraan cuaca tetapi juga diterapkan dalam pengelolaan sumberdaya alam. Radar banyak dimanfaatkan untuk mendapatkan data sumberdaya alam seperti analisis geologi (Weeks et al., 1997), pemetaan pola aliran permukaan (Vieux et al., 2005), pemetaan tipe tumbuhan (Simard et al., 2002), pemetaan hutan mangrove (Trisasongko, 2009), pemetaan gunung berapi (Weissel et al., 2004), dan aplikasi lainnya. Perkembangan terakhir pemanfaatan Radar juga dimanfaatkan untuk pengidentifikasian deposit lava melalui pencirian

18 3 obyek lava pada gunungapi yang dikaitkan dengan aspek geomorfologi (Handayani et al., 2011). Secara umum, SAR (Synthetic Apreture Radar) merupakan penginderaan jauh aktif yang terdiri atas komponen pemancar (transmitter), penerima (receiver), antena, dan sistem elektronik untuk memproses dan merekam data. Rekaman data SAR dapat disimpan dalam berbagai format yang mengandung informasi tentang amplitudo dan beda fase (phase). Untuk mendapatkan hasil dengan tingkat reabilitas tinggi, maka diperlukan beragam dimensi parameter (multi parameter) yang bisa didapatkan dengan pendekatan data multi-temporal, multi-frekuensi, dan multi-polarisasi. Beberapa telaah pendahulu mengenai pengidentifikasian aliran lava dengan memanfaatkan data SAR telah dilakukan oleh Rodriguez et al. (2001) dalam penelitiannya dengan menggunakan polarimetri multi frekuensi Shuttle Imaging Radar-C (SIR-C). Hasil penelitiannya menunjukkan bahwa tekstur aliran lava dapat digunakan untuk estimasi usia aliran di kompleks gunungapi Virunga, Afrika Timur. Menurut hasil penelitian ini aliran lava yang berumur kurang dari 30 tahun menghasilkan peningkatan polarisasi silang (cross- polarization) adapun pencirian yang diperoleh merupakan hasil dari volume scattering dan kanopi hutan. Menurut Plaut et al. (2004) karakteristik hamburan balik (backscatters) dalam sistem radar dapat digunakan untuk memisahkan kekasaran permukaan kubah lava kental yang memiliki struktur geometrik unik pada kompleks gunungapi Inyo, California. Selanjutnya dinyatakan pula bahwa ukuran dan bentuk permukaan lava menhasilkan karakteristik hamburan yang unik dibandingkan dengan aliran lava lainnya. Kaupp et al. (1986) menggunakan L- band dari Shuttle Imaging Radar-B (SIR-B) untuk mengidentifikasi aliran lava dan deposit piroklastika terbaru pada aliran lava gunungapi Kilauea, Hawaii Selatan menghasilkan bahwa Radar dapat digunakan untuk memisahkan lava tipe aa dan pahoehoe dimana proses identifikasi pahoehoe lebih sulit dibandingkan dengan tipe aa namun pada lava pahoehoe ditunjukkan suatu hamburan permukaan yang mendekati ideal. Campbell et al. (1989) dalam penelitiannya di Monumen National Moon, Idaho Selatan memaparkan bahwa komponen hamburan Radar quad-polarization (quad-pol) dapat digunakan untuk analisis

19 4 morfologi permukaan aliran lava. Jika hasil hamburan dibandingkan dengan pengamatan lapang yang konsisten maka akan memperlihatkan bahwa perilaku hamburan berkorelasi dengan kekasaran permukaan yang mengindikasikan bahwa Radar sensitif terhadap perubahan kekasaran. Selain itu, Dierking dan Haack (1998) dalam penelitiannya menunjukkan bahwa pencirian suatu aliran lava dapat dilakukan dengan polarisasi penuh band L citra EMISAR dari kompleks gunungapi di Islandia utara. Dalam penelitiannya, ditunjukkan bahwa perbedaan beda fase antara polarisasi VV dan HH dapat menyediakan informasi mengenai vegetasi penutup pada aliran lava. SAR polarimetri dapat digunakan untuk menentukan respon sasaran (obyek) atau hamburan balik (backscatters) dengan menggunakan citra SAR polarisasi penuh (fully polarimetry) berdasarkan keempat polarisasi (HH, VV, HV dan VH). Selain itu analisis data polarisasi penuh dapat menggunakan teknologi sintesis polarisasi (polarization synthesys), yaitu teknik pengolahan sinyal polarisasi dasar baik vertikal (V) maupun horizontal (H) menjadi berbagai bentuk polarisasi turunannya (linear, ellips dan circular) yang didapatkan pada modifikasi fasenya. Oleh karena itu, sangat bermanfaat jika dilakukan penyajian suatu metode grafis untuk memvisualisasikan respon dari suatu sasaran (obyek) sebagai fungsi dari polarisasi datang dan hamburan balik (backscatters). Salah satu visualisasi yang dapat disajikan adalah melalui penciri polarisasi (polarization signature) dari suatu obyek. Beberapa penelitian yang menggunakan citra SAR polarisasi penuh umumnya menghasilkan suatu keakuratan klasifikasi yang cukup tinggi. Namun sering bersifat khas untuk daerah tertentu (site-specific). Hal ini disebabkan hamburan balik (backscatters) dipengaruhi oleh faktor sifat khas geometris yang terkait dengan kekasaran permukaan dan sifat khas dielektrik masing-masing obyek. Oleh karena itu, metode yang sama belum tentu dapat diterapkan untuk daerah lainnya. Gunung Guntur merupakan salah satu gunungapi aktif di Indonesia yang memiliki karakteristik produk aliran lava yang sangat dominan dibandingkan dengan produk-produk aliran lava gunungapi lainnya. Aliran lava pada G. Guntur secara visual sangat jelas terlihat sehingga pemetaan landform aliran lava dapat

20 5 dilakukan. Selain itu, penelusuran literatur menunjukkan bahwa telaah mengenai identifikasi aliran lava dengan menggunakan SAR polarimetri untuk daerah tropis seperti Indonesia masih sangat minim. Untuk itu dalam kaitan dengan pengembangan aplikasi data Radar perlu dilakukan penelitian yang mengetengahkan analisis geomorfologi yang dipadukan dengan teknologi pemanfaatan data SAR polarimetri untuk mengidentifikasi karakteristik hamburan (scattering) dari aliran lava G. Guntur sehingga dapat dilakukan pencirian pada obyek gunungapi tersebut 1.2. Tujuan Penelitian ini bertujuan untuk : 1. Melakukan analisis geomorfologi bentuklahan G. Guntur menggunakan citra Optik IKONOS. 2. Melakukan analisis geomorfologi bentuklahan G. Guntur menggunakan citra non optik PALSAR (Phased Array Type L-Band Synthetic Aperture Radar) polarimetri penuh dan membandingkannya dengan data optik IKONOS 3. Menentukan kombinasi sinyal polarisasi penuh yang efisien untuk identifikasi aliran lava dengan menggunakan Radar polarimetri band L. 4. Melakukan klasifikasi obyek dengan menggunakan teknik klasifikasi pohon keputusan (decision tree) dengan algoritma QUEST.

21 6 II. TINJAUAN PUSTAKA 2.1. Geomorfologi Geomorfologi merupakan salah satu cabang ilmu kebumian (earth sciences) yang mempelajari tentang bentuk permukaan bumi atau bentuklahan (landform). Perhatian geomorfologi mencakup proses terbentuknya bentuklahan, sifat-sifatnya, perkembangannya dan komposisi material yang menyusunnya. Dengan kata lain kajian geomorfologi merupakan pemerian (description) dan penjelasan (explanation) bentuklahan yang mencakup aspek-aspek morfologi (morfografi dan morfometri), morfogenesis (endogen dan eksogen), morfokronologi (dalam ruang dan waktu) serta struktur dan litologi penyusunnya. Selain itu, geomorfologi merupakan suatu dieliktika antara geologi, topografi, proses geomorfik dan iklim (Wiradisastra dan Tjahjono, 1998) Citra Satelit Citra adalah gambaran kenampakan bumi hasil penginderaan pada spektrum elektromagnetik tertentu yang ditayangkan pada layar atau disimpan pada media rekam/cetak. Citra satelit adalah citra hasil penginderaan suatu jenis satelit tertentu (Departemen Kehutanan, 2009). Jenis citra satelit berdasarkan tingkat resolusi spasial ; Citra resolusi rendah memiliki resolusi spasial antara > 30 m Contoh : citra satelit Landsat 1-3 MSS, Landsat TM, Landsat ETM Citra resolusi sedang memiliki resolusi spasial antara 2,5-10 m Contoh : citra satelit SPOT Citra resolusi tinggi memiliki resolusi spasial antara 0,6 1 m Contoh : citra satelit IKONOS dan Quickbird Satelit IKONOS adalah satelit observasi bumi komerisal pertama yang beresolusi tinggi. Satelit ini diluncurkan oleh perusahaan GeoEye pada tanggal 24 September IKONOS membawa satu sensor pankromatik dan satu sensor multispektral (Geoeye, 2006). Karakteristik citra IKONOS disajikan pada Tabel 1.

22 7 Tabel 1. Karakteristik Citra IKONOS (Geoeye, 2006) Karakteristik Resolusi Spasial 4 m (Multispektral) 1 m (Pankromatik) Resolusi Spektral Band 1 (Blue) 0,445-0,516 µm Band 2 (Green) 0,506-0,595 µm Band 3 (Red) 0,632-1,698 µm Band 4 (NIR) ,853 µm Pankromatik 0,526-0,929 µm Resolusi Temporal 3 hari pada latitude 40 dan elevation > 60 Tinggi Orbit 681 km Ukuran Scene Maksimum 11x13 km 2.3. Radar Radar merupakan sistem penginderaan jauh aktif karena dapat menyediakan sendiri sumber energinya. Sistem mengiluminasi medan dengan energi elektromagnetik, mendeteksi pantulan energi dari medan, dan mencatat pantulan energi sebagai sebuah citra. Sistem Radar beroperasi secara bebas pada berbagai kondisi pencahayaan dan umumnya tidak tergantung pada cuaca. Radar merupakan singkatan dari radio detection and ranging bekerja pada spektrum elektomagnetik dengan panjang gelombang 1 mm - 1 m (Sabins, 2007). Komponen sistem pencitraan Radar disajikan pada Gambar 1. Gambar 1. Diagram Komponen Sistem Pencitraan Radar (Sabins, 2007)

23 8 Menurut Lillesand dan Kiefer (1990), Radar merupakan suatu cara penggunaan gelombang radio untuk mendeteksi adanya objek dan menentukan letak posisinya. Prosesnya meliputi transmisi gelombang pendek dan atau pulsa tenaga gelombang mikro ke arah yang dikehendaki dan merekam kekuatannya dari echo atau pantulan yang diterima objek dalam sistem medan pandang. Tabel 2 dibawah menunjukkan panjang gelombang dan frekuensi Radar yang digunakan dalam penginderaan jauh. Tabel 2. Panjang Gelombang dan Frekuensi Radar (Sabins, 2007) No Band Panjang Gelombang (λ) Frekuensi (v) cm GHz 1 K X (3.0 cm) C (6 cm) S (8.0 cm, 12.6 cm) L (23.5 cm, 25.0 cm) P (68 cm) Panjang gelombang sinyal Radar menentukan bentangan yang terpencar oleh atmosfer. Efek atmosferik yang parah pada sinyal Radar terbatas pada gelombang lebih pendek (kurang dari 3 cm) (Lillesand dan Kiefer 1990). Gelombang Radar dapat menembus lapisan pelindung yang tipis seperti abu dan aeolian deposit (Carter et al., 2006). Besar kecilnya panjang gelombang yang digunakan berpengaruh pada citra yang diperoleh. Semakin besar panjang gelombang maka semakin kuat daya tembus gelombang (Sabins, 2007) SAR Polarimetri Polarisasi gelombang elektromagnetik menggambarkan orientasi vektor bidang elektrik pada titik yang diberikan selama satu periode gerakan (Ban, 1996). Kedalaman penetrasi dari sumber gelombang mikro tergantung pada polarisasi dan frekuensi gelombang (Sabins, 2007). Gambar 2 menyajikan polarisasi energi Radar. Panjang gelombang sinyal Radar dapat ditansmisikan atau diterima dalam bentuk polarisasi yang berbeda. Sinyal dapat disaring sehingga gelombang elektrik dibatasi hanya pada satu bidang datar yang tegak lurus arah perjalanan

24 9 gelombang (tenaga yang tidak terpolarisasi menyebar kesemua arah tegak lurus arah perambatannya) X Y Magnetic Field Z Gambar 2. Polarisasi Energi Radar (Sabins, 2007) Satu sinyal SAR (Synthetic Aperture Radar) dapat ditransmisikan pada bidang mendatar (H) ataupun tegak (V). Jadi terdapat empat kemungkinan kombinasi sinyal transmisi dan penerimaan yang berbeda, yaitu dikirim Horizontal diterima Horizontal (HH), dikirim Horizontal diterima Vertikal (HV), dikirim Vertikal diterima Horizontal (VH), dan dikirim Vertikal diterima Vertikal (VV). Citra dengan polarisasi searah (parallel polarization) dihasilkan dari paduan HH dan VV. Citra polarisasi silang (cross polarization) dihasilkan dari paduan HV atau VH (Lillesand dan Kiefer, 1990). Berbagai obyek dapat mengubah polarisasi energi Radar yang dipantulkan sehingga bentuk polarisasi sinyal sangat mempengaruhi kenampakan obyek pada citra yang dihasilkan (Sabins, 2007) 2.5. Hamburan Balik (backscatters) Koefisien hamburan balik (backscatter coefficient) adalah ukuran kuantitatif dari intensitas energi yang balik ke antena. Hamburan balik Radar banyak dipengaruhi oleh karakteristik permukaan seperti kekasaran permukaan

25 10 (Sabins, 2007). Oleh karena itu, hasil interpretasi Radar ditentukan oleh hamburan balik (backscatter) dari obyek yang diterima kembali oleh sensor. Ada dua parameter yang mempengaruhi sinyal balik yaitu parameter sistem sensor yang meliputi panjang gelombang, polarisasi, dan sudut pancaran (incident angle, depression angle, look angle dan look direction) sedangkan parameter permukaan obyek meliputi kekasaran permukaan (roughness surface), efek geometri permukaan, dan sifat dieletrik obyek. Permukaan yang memiliki kekasaran yang sama atau lebih besar dari panjang gelombang akan tampak kasar karena permukaan yang kasar akan bertindak sebagai pemantul baur dan memencarkan tenaga yang datang ke semua arah dan hanya mengembalikan sebagian kecil ke antena. Permukaan halus pada umumnya akan memantulkan sebagian besar energi Radar dengan sudut pantul yang sama menjauhi sensor dan mengakibatkan hamburan balik (backscatter) menjadi rendah namun apabila orientasi obyek mengarah ke sensor maka hamburan balik yang dihasilkan akan sangat kuat. Untuk permukaan dengan kekasaran permukaan yang sedang, akan memantulkan sebagian kecil energi Radar melalui hamburan balik (backscatter) secara acak (Hemphill, 2007). Efek geometri obyek dan intensitas sinyal hasil balik Radar akan berpadu dengan efek kekasaran permukaan. Adapun kekasaran permukaan obyek merupakan fungsi dari variasi relief yang berkaitan dengan panjang gelombang pantulan seperti yang ditunjukkan pada Gambar 3. Keterangan : A = Pemantulan sempurna B = Pemantulan baur C = Pemantulan sudut Gambar 3. Pantulan Radar dari Berbagai Permukaan (Lillesand dan Kiefer, 1990)

26 11 Mengingat gelombang datang dapat dibuat dari berbagai jenis polarisasi, dan matriks hamburan adalah 4 bilangan kompleks (VV, HH, VH, dan HV), maka sangatlah bermanfaat jika mempunyai sebuah metode grafis untuk dapat memvisualkan respon dari suatu sasaran sebagai fungsi dari polarisasi datang dan hamburan balik. Visualisasi tersebut salah satunya diberikan oleh penciri polarisasi (polarization signature) (Susilo, 2007). Incident angle juga mempengaruhi hamburan balik ke antenna. Incident angle merupakan sudut yang terbentuk antara pancaran gelombang dengan garis yang tegak lurus pada permukaan obyek. Permukaan obyek yang halus akan memantulkan sinyal secara sempurna pada sudut lebih kecil 20, namun sebaliknya pada permukaan kasar dengan sudut lebih kecil dari 20, sebagian besar sinyal akan dipancarkan secara acak sehingga total hamburan balik yang diterima antena lebih rendah dibandingkan dengan permukaan halus dengan sudut yang sama (Hemphill, 2007) Satelit ALOS Satelit ALOS (Advanched Land Observing Satelite) merupakan satelit yang diluncurkan oleh Japan Aerospace Exploration Agency (JAXA) pada tanggal 24 Januari Satelit ini adalah satelit generasi lanjutan dari Japanese Earth Resources Satellite-1 (JERS-1) dan Advanced Earth Observing Satellite (ADEOS). ALOS merupakan satelit terbesar yang dikembangkan oleh JAXA dan diluncurkan dari Tanegashima Space Center Jepang dengan menggunakan wahana peluncuran H-IIA. Satelit ini memiliki periode kunjungan ulang (revisiting period) 46 hari. Akan tetapi, untuk kepentingan pemantauan bencana alam atau kondisi darurat, maka satelit ALOS ini mampu melakukan observasi dalam waktu dua hari. ALOS dapat digunakan untuk kartografi, observasi regional, pemantauan bencana dan peninjauan sumberdaya. Tabel 3 berikut ini menyajikan spesifikasi dari satelit tersebut (EORC JAXA, 1997). ALOS merupakan salah satu satelit terbesar untuk pengamatan permukaan bumi yang dikembangkan dengan tujuan antara lain : 1. Menyediakan peta untuk Jepang dan Negara lain yang termasuk dalam wilayah Asia-Pasifik (Cartography).

27 12 2. Melakukan pengamatan regional untuk pembangunan berkelanjutan, yaitu kesesuaian antara lingkungan bumi dengan pembangunan (Regional Observation). 3. Melakukan pemantauan bencana di seluruh dunia (Disaster Monitoring). 4. Melakukan survei sumberdaya alam (Resources Surveying). 5. Mengembangkan teknologi yang diperlukan untuk satelit pengamatan bumi masa depan (Technology Development). Tabel 3. Spesifikasi ALOS No Tipe Karakteristik 1 Bobot 4 ton 2 Jangka Waktu 3-5 Tahun 3 Ketinggian Orbit 691, 65 km (di khatulistiwa) 4 Periode Orbital 98,7 menit Tipe Orbit Inklinasi Siklus kunjungan ulang Power Sun-synchronous Subrecurrent 98,16 deg 46 hari Approx. 7 kw (pada akhir operasional) Sumber : (diakses 22 Februari 2010) Satelit ALOS memiliki tiga jenis sensor, yaitu PRISM (Panchromatic Remote-sensing Instrument for Stereo Mapping) untuk pemetaan elevasi digital, AVNIR-2 (Advanched Visible and Near Infrared Radiometer type 2) untuk pengamatan penutupan lahan, dan PALSAR (Phased Array type L-Band Synthetic Aperture Radar) untuk pengamatan lahan sepanjang siang-malam pada berbagai kondisi cuaca. Satelit ALOS ditunjukkan pada Gambar 4. ALOS dirancang dengan dua teknologi maju, pertama adalah mempunyai kecepatan tinggi dan memiliki kapasitas penyimpanan data yang besar, dan kedua adalah mempunyai presisi tinggi terhadap posisi pesawat ruang angkasa dan kemampuan penentuan ketinggian. PALSAR merupakan suatu sensor gelombang mikro aktif yang bekerja pada tipe frekuensi band L (1, 27GHz) dengan lebar kanal 28/14 MHz untuk melakukan observasi siang dan malam tanpa dipengaruhi oleh gangguan awan.

28 Hal ini memberikan kinerja yang lebih tinggi dibandingkan dengan Synthetic Aperture Radar (SAR) JERS Gambar 4. Satelit ALOS (JAXA EORC, 1997) Salah satu mode observasi PALSAR, yaitu ScanSAR yang memungkinkan PALSAR dapat melakukan pengamatan permukaan bumi dengan cakupan area yang lebih luas, yaitu km. Pembangunan PALSAR merupakan proyek kerjasama antara JAXA dan Japan Resources Observation System Organization (JAROS). Tabel 4 menyajikan spesifikasi sensor PALSAR dan Gambar 5 menyajikan bentuk dari instrument PALSAR. Sensor PALSAR tidak dapat mengamati daerah-daerah yang berada diluar posisi geografis berikut : 87,8 Lintang Utara dan 75,9 Lintang Selatan ketika off-nadir mempunyai sudut 41,5. Hal ini dikarenakan terbatasnya konsumsi daya yang mengakibatkan waktu operasi sensor dibatasi. Fine mode bekerja pada incident angle dengan sudut 34,3, ScanSAR mode pada incident angle dengan sudut 34,1 dan Polarimetric Mode pada incident angle dengan sudut 21,5 (EORC JAXA, 1997). Gambar 6 menyajikan prinsip geometri PALSAR Data Mining Data Mining adalah proses analitik yang dirancang untuk menggali data (biasanya data dalam jumlah besar seperti dalam bisnis atau pasar terkait) untuk mencari pola yang konsisten dan atau hubungan sistematis antar variabel, dan

29 kemudian untuk memvalidasi temuan dengan menerapkan pola terdeteksi subset data baru (Elektronik Statistik, 2011) 14 Tabel 4. Spesifikasi ALOS PALSAR No Mode Fine Polarimetric Resolution ScanSAR Mode (Experimental mode)* Mode 1 Frekuensi Pusat Tipe L-Band 1270 mhz 2 Chrip 14 MHz, 28 Bandwidth 28 MHz 14 MHz MHz 14 MHz 3 Polarisasi HH/VV HH+HV/VV+VH HH/VV HH+VH+HV+VV 4 Incident angle Range 100 m Resolution 7-44 m m (multilook) m 6 Observation Swath km km km km 7 Bit Length 5 bit 5 bit 5 bit 3-5 bit 8 Date Rate 240 Mbps 240 Mbps 120 Mbps 240 Mbps 240 Mbps Sumber : (diakses 22 Februari 2010) Sumber : RESTEC (2010) Gambar 5. Instrumen PALSAR

30 15 Sumber : RESTEC (2010) Gambar 6. Prinsip Geometri PALSAR Data mining dapat diaplikasikan pada representasi data seperti domain data spatial berbasis teks dan multimedia (citra) (Seiner, 1999). Data mining melakukan pencocokan model atau menentukan pola dari data yang diobservasi. Ada dua pendekatan matematis yang digunakan dalam pencocokan model statistik yang memberikan efek non-deterministik dan logik yang murni determinstik (Seiner, 1999). Data mining merupakan himpunan algoritma yang sangat besar. Berbagai teknik dapat ditemui pada himpunan tersebut, seperti jaringan syaraf tiruan (artificial neural network), support vector machines, analisis gerombol (clustering), dan pohon keputusan (decision tree) Metode Decision Tree Pohon keputusan berbasis logika dimana metodologi aturan keputusan adalah tipe yang paling kuat dari klasifikasi terbimbing yang menunjukkan kinerja baik di berbagai masalah data mining (Leung, 2007). Klasifikasi ini mengadopsi pendekatan topdown dan menggunakan pembelajaran terbimbing untuk membangun pohon keputusan (decision tree) dari satu set data pembangun yang ditetapkan. Sebuah pohon keputusan terdiri dari node yang merupakan atribut yang diuji. Keluaran dari cabang node sesuai dengan semua kemungkinan hasil uji pada setiap node (Leung, 2007). Teknik ini sangat bermanfaat untuk analisis data pendahuluan mengingat kesederhanaan pola pikir dalam pengembangan

31 16 pembuatan keputusan (rule). Namun demikian, kesederhanaan ini tidak identik dengan ketidakakuratan. Penelitian pendahuluan dari Panuju dan Trisasongko (2008) menunjukkan bahwa walaupun perbedaan kinerja algoritma pohon keputusan tidak terlalu signifikan, namun kinerja algoritma pohon keputusan secara konsisten selalu lebih baik dibandingkan dengan algoritma klasik seperti algoritma kemungkinan maximum likelihood classification Algoritma QUEST QUEST (Quick, Unbiased, Efficient Statistical Trees) merupakan salah satu algoritma dari metode pohon keputusan yang diperkenalkan oleh Loh dan Shih (1997). Secara subtansial QUEST ditunjukkan dengan proses cepat dengan ketelitian dan keakuratan klasifikasi yang sebanding dengan metode klasifikasi rumit lainnya. Algoritma ini merupakan algoritma pemisahan (split) biner pohon keputusan yang dapat digunakan untuk tujuan klasifikasi. Pada algoritma ini, proses pemisahan dapat dilakukan pada peubah tunggal (unvariate) atau berdasarkan pemisahan (split) kombinasi linear. Pada algoritma QUEST, seleksi peubah bias dapat diabaikan, mempertahankan kesederhanaan, pemangkasan sebagai pilihan, dan menghasilkan pemisahan biner. Alasan pemisahan binary adalah agar pohon QUEST mudah dibandingkan dengan pencarian pohon lengkap dalam stabilitas pemisahan dan jumlah nodes. QUEST menggunakan satu atau dua akar sebagai titik pemisahan yang salah satunya memiliki nilai yang lebih dekat dengan mean sampel masing-masing kelas (Loh and Shih, 1997). Ciri unik dari algoritma ini adalah pemilihan seleksi atribut yang memiliki penyimpangan yang tidak terlalu penting. Parameter pada QUEST antara lain akurasi klasifikasi, variabilitas pemisahan dan ukuran pohon. Model ini dapat mengurangi ukuran pohon, mengembangkan prediksi kelas, dan membangun data visualisasi. Telaah dengan menggunakan pendekatan algoritma ini telah digunakan sebelumnya untuk pemantauan lahan sawah (Tjahjono et al., 2009a; Panuju dan Trisasongko, 2008).

32 Gunungapi Gunungapi adalah lubang kepundan atau rekahan dalam kerak bumi tempat keluarnya cairan magma atau gas atau cairan lainnya ke permukaan bumi. Material yang dierupsikan ke permukaan bumi umumnya membentuk kerucut terpancung (Bakosurtanal, 2010). Gunungapi diklasifikasikan berdasarkan dua sumber erupsi yaitu erupsi pusat dan erupsi samping. Erupsi pusat adalah erupsi yang keluar melalui kawah utama dan erupsi samping adalah erupsi yang keluar dari lereng tubuhnya. Erupsi samping dapat dibedakan menjadi erupsi celah dan erupsi eksentrik. Erupsi celah adalah erupsi yang muncul pada retakan atau sesar yang memanjang sampai beberapa kilometer. Erupsi eksentrik adalah erupsi samping tetapi magma yang keluar bukan dari kepundan pusat yang menyimpang kesamping melainkan melalui kepundan tersendiri. Struktur cekungan gunungapi dapat dibedakan menjadi struktur kawah, kaldera, rekahan dan graben serta depresi vulkanotektonik (Bakosurtanal, 2010). Bahaya langsung akibat letusan gunungapi dapat berupa : Leleran Lava Leleran lava merupakan cairan lava yang pekat dan panas yang dapat merusak segala infrastruktur yang dilaluinya. Kecepatan aliran lava tergantung dari kekentalan magmanya. Suhu lava pada saat dierupsikan berkisar antara C. Aliran Piroklastik (awan panas) Aliran piroklastik dapat terjadi sebagai akibat runtuhan tiang asap erupsi, seperti yang terjadi pada erupsi tipe plinian. Mobilitas tinggi aliran piroklastik dipengaruhi oleh pelepasan gas dari magma atau lava. Kecepatan aliran dapat mencapai km/jam atau lebih. Jatuhan Piroklastik Jatuhan piroklastik terjadi dari letusan yang membentuk tiang asap cukup tinggi, pada saat energinya habis abu akan menyebar sesuai arah angin kemudian jatuh ke permukaan bumi.

33 18 Lahar Letusan Lahar letusan terjadi pada gunungapi yang mempunyai danau kawah. Apabila volume air alam dalam kawah cukup besar akan menjadi ancaman langsung apabila terjadi letusan sehingga akan menumpahkan lumpur panas. Gas Vulkanik Beracun Gas beracun umumnya muncul pada gunungapi aktif berupa CO, CO 2, HCN, H 2 S, SO 2 dan lain-lain. Konsentrasi gas ini jika melebihi ambang batas maka akan dapat berbahaya bagi makhluk hidup di sekelilingnya. Untuk bahaya sekunder akibat letusan gunungapi antara lain adalah lahar hujan dan longsoran vulkanik (Bakosurtanal, 2010).

34 19 III. METODOLOGI 3.1. Lokasi dan Waktu Penelitian Lokasi penelitian meliputi wilayah G. Guntur yang secara administratif berada di wilayah Desa Sirnajaya, Kecamatan Tarogong, Kabupaten Garut, Provinsi Jawa Barat dengan luas ± ha. Secara geografis G. Guntur terletak pada 07 11'55,2767'' Lintang Selatan dan '39,1195'' Bujur Timur. Penelitian ini dimulai dari bulan September 2010 sampai dengan bulan Maret Analisis data dilakukan di laboratorium Penginderaan Jauh dan Informasi Spasial, Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian, Institut Pertanian Bogor Bahan dan Alat Penelitian Bahan utama yang digunakan dalam penelitian ini adalah Citra Satelit yaitu ALOS PALSAR (Phased Array L-band Synthetic Aperture Radar) fully polarimetric yang diakuisisi pada tanggal 30 Maret 2009 dengan look angle 21,5 degree. Citra tambahan yang digunakan adalah Citra Satelit IKONOS Google Earth diakuisisi pada tanggal 28 Juni Data tambahan lainnya yang digunakan yaitu Peta Rupa Bumi Digital Indonesia skala 1: lembar Samarang ( ) yang diterbitkan oleh Badan Koordinasi Survey dan Pemetaan Nasional (BAKOSURTANAL) tahun 1999 dan Peta Geologi Gunungapi Guntur, Jawa Barat skala 1: yang diterbitkan oleh Direktorat Vulkanologi Indonesia tahun Alat yang digunakan dalam penelitian ini terdiri dari seperangkat komputer dengan perangkat lunak (software) Envi 4.5 disertai program (toolbox) tambahan, ASF MapReady 2.3.6, Google Earth versi 6.0, ArcView GIS versi 3.3 disertai program (toolbox) tambahan, ArcGIS versi 9.3, GPS, Microsoft Word 2007, Microsoft Excel 2007, Microsoft Visio 2007, kamera digital, dan alat tulis menulis Metode Penelitian Metode yang dilakukan dalam penelitian secara umum terdiri dari beberapa tahapan, yaitu : 1) tahap persiapan dan pengumpulan data, 2) tahap

35 20 pengecekan lapang, 3) tahap pengolahan dan interpretasi data, dan 4) tahap analisis hasil. Adapun diagram alir penelitian disajikan pada Gambar Tahap Persiapan dan Pengumpulan Data Pada tahap persiapan dilakukan studi pustaka dan pengumpulan data baik yang berasal dari penelitian sebelumnya maupun data penunjang untuk memahami metode yang telah berkembang berkaitan dengan penelitian ini. Data penunjang yang diperlukan antara lain : berbagai jurnal ilmiah, prosiding seminar, artikel ilmiah dan buku teks yang terkaitan dengan penelitian. Selain itu, melakukan eksplorasi perangkat lunak (software) Envi 4.5, ASF MapReady 2.3.6, dan Google Earth. Pada tahapan ini juga dilakukan identifikasi bentuklahan vulkanik pada data IKONOS Google Earth Tahap Pengecekan Lapang Tahap pengecekan lapang dilakukan pada tanggal 27 September Pada tahap ini dilakukan pengambilan beberapa lokasi piksel / titik (x,y) untuk menentukan daerah kajian penelitian (Region of Interest) dengan menggunakan perangkat GPS. Pada lokasi G. Guntur ditentukan 9 titik koordinat. Jumlah titik koordinat dipengaruhi oleh terbatasnya waktu dan akses perjalanan menuju puncak G. Guntur. Selain pengambilan titik pada setiap lokasi tersebut dilakukan pengamatan kekasaran permukaan untuk mendapat data secara kualitatif. Pengamatan kekasaran permukaan ini dilakukan dengan menggunakan millimeter block dengan satuan pengukuran per 5 cm sehingga didapatkan gambaran dari kekasaran permukaan lava (Gambar Lampiran 1). Pengamatan daerah sekitar lokasi pengambilan titik koordinat juga dilakukan seperti bentukan aliran lava (Gambar Lampiran 2), pengamatan batuan (Gambar Lampiran 3), serta pengamatan vegetasi (Gambar Lampiran 4) Tahap Pengolahan dan Interpretasi Data Pengolahan awal citra dilakukan koreksi terrain (geocoding) data dengan mengubah data SRTM (Shuttle Radar Topography Mission) G. Guntur menjadi data DEM (Digital Elevation Model) sebagai data masukan pada pengolahan koreksi terrain citra PALSAR sehingga dihasilkan data yang telah terkoreksi (registered). Citra geocoded yang dihasilkan menggunakan sistem proyeksi UTM