Gambar 1. Peta Kota Dumai

15 m. BAHAN DAN METODE 3.1. Waktu dan Tempat Penelitian ini dilaksanakan pada bulan Juni sampai Agustus 2009. Pengolahan dan analisa citra dilakukan di Fakultas Pertanian Universitas Riau dan uji lapangan (ground check) berlokasi di Kota Dumai. Secara geografis, Kota Dumai terletak di 1 23-1 24'23" BT dan 101 28'13 LU. Wilayah Kota Dumai beriklim tropis dengan curah hujan antara 100-300 cm dan suhu udara 24-33 C dengan kondisi tanah rawa bergambut. Kota Dumai memiliki luas wilayah 1.727.385 Km2 dan merupakan kota terluas nomor dua di Indonesia setelah Manokwari. Gambar 1. Peta Kota Dumai

16 Data yang diperoleh dari Dinas Pertanian, Perkebunan dan Kehutanan Kota Dumai menyatakan bahwa Kota Dumai menyimpan potensi yang sangat bagus di sektor pertanian. Berdasarkan data dari Biro Pusat Statistik (BPS), kota Dumai memiliki 3.595 Ha lahan tanaman pangan dan 624 Ha lahan Hortikultura (sayuran dan Buah). Hampir di seluruh Kecamatan di Kota Dumai berpotensi untuk diolah menjadi lahan pertanian mengingat tanahnya subur. Untuk melihat potensi pertanian kota dumai berikut disajikan dalam Tabel 4. Tabel 3. Potensi Pertanian Kota Dumai No KECAMATAN POTENSI PERTANIAN Tanaman Pangan Hortikultura 1 Bukit Kapur 1.100 255 2 Dumai Barat 300 270 3 Dumai Timur 50 50 4 Medang Kampai 900 2.900 5 Sungai sembilan 9.975 200 TOTAL 12.325 3675 Sumber: Dinas Pertanian, Perkebunan, kehutanan Kota Dumai (2009) Dari data-data yang diperoleh maka perlu adanya identifikasi kemampuan lahan yang dilihat dengan men identifikasi lahan kering yang terdapat pada daerah tersebut.

17 3.2. Bahan dan Alat 3.2.1, Data Primer Proses pengumpulan data primer parameter lahan kering ini dilakukan dengan cara cek lapangan kondisi penutupan lahan yang diperoleh dari interpretasi Citra Landsat 5 TM dengan path/row 127/59. Hasil dari interpretasi citra ini adalah Peta Penutupan Lahan Tentatif Kota Dumai pada skala 1 : 100.000. Hasil interpretasi citra ini pada dasamya masih merupakan data tentatif sampai dengan data itu di cek kebenarannya di lapangan. Cek lapangan hasil interpretasi citra ini juga dilakukan untuk mendapatkan informasi mengenai tingkat akurasi dari proses interpretasi. 3.2.2. Data sekunder Proses pengumpulan data sekunder parameter lahan kering ini dilakukan dengan cara studi pustaka yaitu mencari berbagai informasi dari literatur, peraturan-peraturan pemerintah, dll. Kajian literatur ini perlu untuk dilakukan karena dalam kenyataannya keberadaan lahan kering tidak hanya terkait dengan aspek biofisik, namun juga berkaitan erat dengan aspek legal, seperti status kawasan, dll. Studi pustaka ini juga penting dilakukan agar kegiatan penyusunan lahan kritis ini tetap mengikuti kaidah-kaidah ilmiah dari disiplin ilmu yang relevan dangan kajian lahan kering ini sepeti ilmu tanah, geomorfologi, geologi, dll. Dalam pengumpulan data sekunder ini juga dikumpulkan peta topografi, peta topografi yang digunakan adalah Peta Topografi Kota Dumai yang didapati dari Badan Perencanaan Kota dumai skala 1 : 50.000, dan peta administrasi yang didapati dari p)emerintah kota Dumai.

18 Tabel 4. Alat yang digunakan dalam penelitian No Sofware Fungsi 1. ER Mapper 7.0 Untuk pengolahan dan analisa citra serta pembuatan basis data pemetaan 2. ArcView versi 3.3 Untuk pelayoutan peta dan operasi spasial 3. MS Word Untuk pembuatan Laporan 4. MS Excell Untuk pemberian data atribut dan penghitungan validasi 5. Visio Untuk pembuatan flow chart. 6. Map Source Aplikasi GPS upload dan download data dari dan ke GPS 6. PC Intel(R) Core(TM)2 Untuk pengolahan data Duo CPU T5450 @ 1.66GHz, RAM 1,99 MB, hardisk 185 GB 7. GPS {Global Untuk menentukan titik point di lapangan Positioning System) Garmin 76 CS 8. Printer wama Untuk pencetakan laporan 9. Flash disk Untuk menyimpan data

19 3.3. Jalan Penelitian dibawah ini: Penelitian ini dilaksanakan dengan tahap - tahap sesuai dengan gambar I. Citra Landsat TM Persiapan 1 Peta Topografi Digital Skala 1 : 50.000 Proses tumpang susun (overlay) I Koreksi Geometrik Koreksi Radiometrik - Penajaman Citra - Pemilihan Kanal r - NDVI - TCT Pra Procesing Pengklasifikasian Citra NDVI dan TCT Citra NDVI Citra TCT Pemotongan Procesing Analisis Analisa Data NDVI dan TCT CitraSebaran Lahan Kering Uji Lapangan Peta Lahan Kering Kota Dumai Pembahasan dan Pelaporan Gambar 2. Diagram Alir Metode Penelitian

20 3.4. Metode Penelitian Prosedur penelitian yang dilakukan meliputi beberapa tahapan, yaitu penyediaan dan pengumpulan data baik citra maupun peta referensi. Pengolahan data yang terdiri dari beberapa tahapan yaitu pemetaan lahan kering, pengolahan citra dan serta uji lapangan. 3.4.1. Pra Pengolahan Citra Manfaat dari pra pengolahan ini adalah untuk menganalisa dan mengurangi kesalahan - kesalahan pada citra. Pra pengolahan citra merupakan analisa yang terdiri dari dua bagian yaitu koreksi geometrik dan koreksi radiometrik yang merupakan koreksi kesalahan yang sering/umum terjadi pada citra. 3.4.1.1. Koreksi Radiometrik Koreksi radiometrik merupakan proses pra pengolahan citra untuk meminimalisir terjadinya gangguan radiometrik. Gangguan ini disebabkan oleh terjadinya penghamburan cahaya karena adanya molekul-molekul air, sensor dan ilumineisi cahaya. Ini menjadi masalah pada citra sehingga perlu dikoreksi agar tidak terjadi bias (pohl, 1998). Koreksi radiometrik ini dimaksudkan untuk mengeliminasi gangguan atmosfer. Termasuk adanya kabut tipis dan menstandarisasi data akibat kondisi atmosfer pada waktu perekaman dan lokasi yang berbeda. Pada koreksi ini, diasumsikan bahwa nilai piksel terendah pada suatu kerangka liputan tersebut bukan nol, maka penambah atau offset tersebut dipandang sebagai hasil dari hamburan atmosfer. Koreksi radiometrik diperlukan atas dasar dua dasar alasan, yaitu untuk memperbaiki kualitas visual citra dan sekaligus memperbaiki nilai-nilai piksel yang tidak sesuai dengan nilai pantulan atau pancaran spektral objek yang sebenamya. Koreksi radiometrik citra yang ditujukan untuk memperbaiki kualitas visual citra berupa pengikisan kembali baris yang kosong karena drop-out baris maupun masalah kesalahan awal pelarikan (scanning start). Baris atau bagian

21 baris yang bemilai tidak sesuai dengan yang seharusnya dikoreksi dengan mengambil nilai piksel satu baris diatas dan dibawahnya, kemudian dirataratakan. 3.4.1.2. Koreksi Geometrik Koreksi ini dilakukan untuk mengatasi distorsi yang dialami satelit saat pengambilan citra. Distorsi ini diakibatkan oleh variasi letak satelit diatmosfer, letak lintang dan bujur dari sensomya. Koreksi geometrik dilakukan dengan mengunakan peta digital, citra terkoreksi. Koreksi geometrik dimaksudkan untuk menempatkan setiap pixel pada posisi yang sebenamya di permukaan bumi. Distorsi ini dikoreksi dengan mengunakan analisis titik kontrol medan Ground Control Point/ GCP, sehinga memerlukan peta yang teliti pada daerah liputan citra dan titik-titik ikat medan dan dapat diidentifikasi pada citra. Koreksi ini mencakup perajukan titik - titik tertentu pada citra ke titiktitik yang sama dengan medan maupun dipeta. Pasangan titik-titik ini kemudian digunakan untuk membangun fungsi matematis yang menyatakan hubungan antara posisi sembarang titik-titik pada citra dengan titik objek yang sama pada peta dan lapangan. Perlu diperhatikan posisi piksel yang dimaksud adalah piksel yang dimaksud adalah pusat piksel. Pada koreksi ini telah dipertimbangkan bahwa perubahan posisi piksel itu juga mencakup pembahan informasi spektralnya. Untuk mengatasi hal itu, diperlukan interpolasi nilai spektral selama transformasi geometri (yang disebut resampling), sehingga dihasilkan georaetri baru dengan nilai bam. 3.4.2. Pengolahan Citra 3.4.2.1. Peningkatan Kualitas Citra Penajaman citra dilakukan untuk meningkatkan tampilan sehingga dapat diterjermahkan dengan jelas perbedaan satu kenampakkan dengan kenampak lainnya (Lillesand dan Kiefer, 1994), Penajaman citra dilakukan untuk mengetahui kawasan lahan kering secara lebih jelas dan tegas. Dengan demikian

22 maka keraampuan deteksi akan meningkatkan dengan dalam menampilkan sebuah objek/pola citra. 3.4.2.2. Pemilihan KanaVComposit Band RGB Mengkombinasikan band yang ada yang nantinya akan menunjukan kelembapan tanah, vegetasi, penetrasi awan tipis dan sebagainya untuk menunjukan sebaran lahan kering. 3.4.2.3. Normalized Difference Vegetation Index (NDVI) Beberapa studi menunjukkan bahwa indek vegetasi (NDVI) masih menunjukkan sebagai parameter terbaik dalam membedakan berbagai klas vegetasi. Sekitar 123 scene NDVI diturunkan dari data SPOT VEGETASI (SPOT-VG) periode April 1998 sampai Agustus 2001. Untuk meminimalkan gangguan awan Local Maximum Filter (LMF) (JST, http://www.act.jst.go.jp/index.e.html) digunakan terhadap setiap data NDVI (Darmawan, 2005). Teknik analisis dengan NDVI untuk deteksi perubahan vegetasi banyak digunakan karena kesederhanaan prosedur dan kemudahan interpretasinya (Gomez, Kazar,2001 dalam Darmawan, 2005). Bahkan Gomez melakukan teknik pengkom-positan citra NDVI tiga-waktu untuk mempe-roleh citra 8-bit grayscale dan hasilnya mampu menunjukkan perubahan vegetasi dari waktu ke waktu. Indeks vegetasi adalah pengukuran kuantitatif berdasarkan nilai digital dari data penginderaan jauh yang digunakan untuk mengukur biomass atau intensitas vegetasi di permukaan bumi. Salah satu metode perhitungan indeks vegetasi yang umum digunakan adalah NDVI (Normalized Diference Vegetation Index). NDVI diperoleh berdasarkan perbandingan antara pantulan sinar merah dan infra merah dekat dari spektrum elektromagnetik. Kedua spektrum ini dipilih karena mempunyai kemampuan lebih dalam menyerap klorfil dan kepadatan vegetasi. Selain itu, pada band sinar merah dan infra merah dekat, vegetasi dan non-vegetasi dapat dibedakan secara jelas. Formula untuk menghitung nilai NDVI adalah : NDVI = NIR - Red NIR + Red

23 Nilai NDVI berkisar antara -1 hingga +1. Nilai NDVI yang rendah (negatif) menunjukkan tingkat vegetasi yang rendah seperti awan, air, tanah kosong, bangunan, dan unsur non-vegetasi lainnya. Sedangkan nilai NDVI yang tinggi (positif) menunjukkan tingkat vegetasi hijau yang tinggi. Jadi, nilai NDVI sebanding dengan kuantitas tutupan vegetasinya, yang dapat dilihat pada tabel 6. Tabel 5. Klasifikasi Tingkat Kehijauan Tanaman Kelas Nilai NDVI Tingkat Kehijauan/Kondisi Tutupan Lahan 1 < - 0,03 Lahan tidak bervegetasi 2-0,03s/dO,15 Kehijauan sangat rendah 3 0,15 s/d0,25 Kehijauan rendah 4 0,26 s/d 0,35 Kehijauan sedang 5 0,36 s/d 0,61 Kehijauan tinggi Sumber: S hofiyati, 2005 NDVI adalah nilai NDVI minimum dan umumnya merupakan titik terendah dari kegiatan fotosintesa, sementar maximum NDVI adalah nilai maksimum yang merupakan titik tertinggi aktivitas fotosintesis. Selisih antara maximum dan minimum dapat dihitung yang merupakan amplitude NDVI. 3.4.2.4. Tasseled cap transformation (TCT) Perhitungan tingkat kehijauan dengan metode TCT hanya bisa diaplikasikan dengan data satelit Landsat saja. TCT juga untuk menghitung nilai kelembaban permukaan (Wetness). Dalam mengkaji tingkat kekeringan, analisis TCT dibagi menjadi 5 kelas kelembaban lahan seperti disajikan pada tabel 7. Tabel 6. Klasifikasi Tingkat Kelembaban Permukaan Lahan Kelas Nlai Indeks Kelembapan (Nilai TCT) Kandungan Air (%) Tingkat Kelembapan 1-30 s/d -295 <5 Sangat rendah (sangat kering) 2-30 s/d -13 5-20 Rendah (kering 3-13 s/d 10 20-70 Sedang (lembab) 4 10 s/d 35 70-100 Tinggi (sangat lembab) 5 35 s/d 168 > 100 Sangat tinggi (tergenang) Sumber: S hofiyati, 2005

24 Indeks kelembaban (TCT), nilai negatif menunjukkan kelembaban semakin rendah dan semakin tinggi nilai positifhya semakin lembab (memiliki kandungan air yang tinggi). 3.4.2.5. Integrasi Tingkat Kehijauan dan Kelembaban Permukaan Lahan Alasan utama digunakannya metode integrasi di atas adalah penggunaan analisis tunggal dengan hanya menggunakan NDVI atau TCT saja tidak dapat digunakan untuk menentukan kondisi kekeringan tanaman. Beberapa nilai hasil analisis NDVI aau TCT memiliki kenampakan yang sama pada kondisi kekeringan tanaman yang berbeda, sehingga bisa terjadi salah interpretasi, sehingga perlu dilakukan integrasi dengan menggabungkan nilai kehijauan (NDVI) dan kelembaban permukaan (TCT). Integrasi tingkat kehijauan dan kelembaban permukaan lahan dapat dilakukan dengan menggunakan matriks yang disajikan pada tabel 8. Berdasarkan matriks pada tabel 7, lahan yang tidak bervegetasi dan memiliki kehijauan yang sangat rendah yang mempunyai kelembaban permukaan sangat rendah dikategorikan sebagai lahan yang mengalami tingkat kekeringan berat (sangat kering). Sebaliknya, lahan tidak bervegetasi tetapi memiliki kelembaban tinggi sampai sangat tinggi dikelompokkan sebagai lahan tidak kering atau bahkan air.

25 Tabel 7. Matrik Penentuan Tingkat Kekeringan Aktuai Tingkat Kekeringan Tingkat Kelembaban permukaan lahan Sangat Rendah Sedang Tinggi Sangat rendah (2) (3) (4) Tinggi (1) (5) Tingkat kehijauan / kondisi tutupan lahan Sangat kering (Berat) u 1,2 1,3 1,4 1,5 Tidak bervegetasi (1) 2,1 2,2 2,3 2,4 2,5 Kehijauan sangat rendah (2) Kering 3,1 3,2 3,3 3,4 3,5 Kehijauan rendah (3) Kurang kering (Sedang) Tidak Kering 4,1 4,2 4,3 4,4 4,5 Kehijauan sedang (4) 5,1 5,2 5,3 5,4 5,5 Kehijauan tinggi (5) 3.4.3. Analisa Data 3.4.3.1. Ekstraksi Informasi Luas Lahan Kering Format data citra yaitu raster, dimana setiap gird sel atau piksel (bagian terkecil elemen data citra) berupa bujur sangkar yang mempunyai sebuah nilai. Nilai tersebut tergantung pada saat proses penginderaan dan dimanfaatkan untuk tujuan pemanfaatan tertentu. Satu sel pada citra mewakili luasan bagian tertentu di permukaan lahan yang dinyatakan dalam byte (binnary digit). Luas ini tergantung darijenis sensomya. Setelah mendapat hasil klasifikasi tutupan lahan kemudian dilakukan perhitungan perkiraan luas suatu dari masing-masing kawasan, karena dalam penelitian ini yang dilihat adalah sebaran lahan kritis maka yang hanya dihitung

26 hanya luas kawasan lahan kritis saja. Untuk itu digunakan rumus perhitungan sebagai berikut: Luas (Ha) = (Jumlah Piksel) X (Resolusi Spasial Landsat TM)X 0,0001 Dengan rumus tersebut, Resolusi Spasial Landsat - TM adalah 30 x 30m, nilai (0,0001) merupakan nilai konversi dari (m^) kedalam (ha). 3.4.4. Uji Lapangan Pada penelitian ini sangat penting sekali untuk mengamati daerah penelitian untuk terciptanya keakuratan. Pengecekan lokasi ini amat dibutuhkan untuk memvalidasi interpretasi dan menganalisa citra. Prosedur penentuan objek ini adalah dengan merekam koordianat pada lapangan didalam GPS yang kemudian akan diguanakan dalam validasi. Dalam hal ini minimal ditentukan 10 titik per area.