II. BAHAN DAN METODE

9 II. BAHAN DAN METODE 2.1 Tempat dan Waktu Penelitian Penelitian ini dilaksanakan di wilayah Kabupaten Simalungun, Kabupaten Serdang Bedagai, Kabupaten Asahan dan Kota Pematang Siantar Provinsi Sumatera Utara. Terletak pada 98º57 50,78 BT ~ 99º30 11,50 BT dan 2º46 30,48 LU ~ 3º18 55,07 LU. Pengolahan dan analisis data dilaksanakan di Laboratorium Fisik Remote Sensing dan Sistem Informasi Geografis Fakultas Kehutanan Institut Pertanian Bogor. Penelitian dimulai Juli 2010 sampai dengan Mei 2011 meliputi persiapan, pelaksanaan penelitian, pengolahan dan analisis data, dan penulisan tesis. 2.2 Data, Software dan Hardware Penelitian ini menggunakan citra radar dengan menggunakan spektrum panjang gelombang L-band 19,3 ~ 76,9 cm (Tabel 1). Radar merupakan sensor sistem aktif yang mempunyai kelebihan dalam hal mampu menembus awan dan dapat dioperasikan pada malam hari karena tidak tergantung pada sinar matahari. Radar mulai dikembangkan sejak tahun 1960-an untuk kepentingan sipil (Avery & Berlin 1985, Henderson & Merchant 1978, Sabins 1978). Tabel 1 Rentang panjang gelombang pada penginderaan jauh Spektrum Panjang Gelombang Penginderaan jauh optik (band reflektif) Biru 400 ~ 500 nm Hijau 500 ~ 600 nm Merah 600 ~ 700 nm NIR 700 ~ 1000 nm MIR 1000 ~ 3000 nm Penginderaan jauh optik (band radiatif) TIR 3000 ~ 15000 nm Penginderaan jauh mikro (radar) Radar 1 mm (1000000 nm) ~ 1 m K 0.83 ~ 2.75 cm X 2.75 ~ 4.84 cm C 4.84 ~ 7.69 cm S 7.69 ~ 19.3 cm L 19.3 ~ 76.9 cm*) P 77.0 ~ 133 cm Sumber: Jaya 2009 Keterangan: *) panjang gelombang yang digunakan oleh citra ALOS PALSAR

10 Gambar 2 Peta lokasi penelitian di Provinsi Sumatera Utara.

11 (a) (b) Gambar 3 Citra ALOS PALSAR resolusi 50 meter; (a) Polarisasi HH, dan (b) Polarisasi HV.

12 (a) (b) Gambar 4 Citra ALOS PALSAR resolusi 12.5 meter; (a) Polarisasi HH, dan (b) Polarisasi HV.

13 Data yang digunakan berupa data citra ALOS PALSAR resolusi 50 meter dan 12,5 meter tahun liputan 2009. ALOS (Advanced Land Observing Satellite) adalah satelit milik pemerintah Jepang merupakan satelit generasi lanjutan dari JERS-1 dan ADEOS yang dilengkapi dengan teknologi yang lebih maju, yaitu teknologi yang mampu mengerjakan data dalam kapasitas yang sangat besar dengan kecepatan tinggi dan kapasitas untuk menentukan posisi satelit dan ketinggian yang lebih tepat. Satelit ALOS dilengkapi dengan sensor PALSAR (Phased-Array type L-band Synthetic Aperture Radar) menggunakan frekuensi L- band untuk pengamatan cuaca dan permukaan daratan pada siang dan malam hari (JAXA 2007). Karakteristik sensor PALSAR seperti tersaji pada Tabel 2. Tabel 2 Karakteristik sensor PALSAR Mode Fine ScanSAR Polarimetric (Experimenta l mode)*1 Frekuensi 1270 MHz (L - BAND) Lebar Kanal 28 MHz 14 MHz 14 MHz, 28 MHz 14 MHz Polarisasi HH atau HV HH + HV atau VV + VH HH atau VV HH + HV + VH + VV Incident Angle 8-60 derajat 8-60 derajat 18-43 derajat 8-30 derajat Resolusi Spasial 7-44 m 14-88 m 100 m (multi look) 24-89 m Lebar Cakupan 40-70 km 40-70 km 250-350 km 20-65 km Panjang bit 5 bit 5 bit 5 bit 3 bit / 5 bit Data rata-rata 240 Mbps 240 Mbps 120 Mbps,240 Mbps 240 Mbps NE Sigma 0*2 < - 23 db (70 km) < - 25 db < - 29 db < -25 db (60 km) S/A*2,*3 < 16 db (70 km) < 21 db (60 km) < 21 db < 19 db Akurasi scene: 1 db / orbit: 1,5 db radiometrik Ukuran Antena AZ: 8.9 m x EL: 2,9 m Sumber: JAXA (2007) Catatan: PALSAR tidak dapat mengamati kawasan di luar 87,8º LU dan 75,9 º LS ketika sudut off-nadir adalah 41,5º * 1 karena konsumsi daya, waktu operasi akan dibatasi. * 2 berlaku untuk off-nadir sudut 34,3º. (Fine mode), 34,1º (ScanSAR mode), 21,5º (polarimetrik mode) * 3 level S/A dapat memburuk akibat perubahan teknik di PALSAR. Data lainnya berupa peta Rupa Bumi Indonedia (RBI). Peralatan yang digunakan adalah Global Positioning System (GPS), kompas, clinometer, pita ukur, phi-band, kamera digital yang dilengkapi dengan lensa fisheye, dan

14 notebook. Software yang digunakan untuk pengolahan dan analisis citra berbasis GIS (ArcView 3.2 dan Erdas Imagine 9.1), software Hemiview 2.1 untuk menghitung nilai leaf area index (LAI) serta software pengolah data Microsoft Excel dan SPSS Statistics 17.0. 2.3 Tahapan Penelitian 2.3.1 Tahap Persiapan Kegiatan yang dilakukan pada tahap persiapan yaitu melakukan pengumpulan data dan literatur yang meliputi: 1) data citra ALOS PALSAR resolusi 50 meter (Gambar 3) dan resolusi 12,5 meter liputan tahun 2009 (Gambar 4), 2) peta Rupa Bumi Indonesia (RBI), dan 3) buku-buku, laporan atau jurnal yang menunjang penelitian. Tahapan penelitian secara singkat tersaji dalam Tabel 3. Tabel 3 Tahapan kegiatan, input, proses dan output pada kegiatan penelitian Kegiatan Input Proses Output 1. Tahap persiapan - Pengumpulan data citra, peta RBI dan penelusuran literatur 2. Pra-pengolahan citra - Citra ALOS PALSAR resolusi 50m & 12,5 m tahun 2009 Pengumpulan data dari JAXA, Bakosurtanal, laboratorium remote sensing FAHUTAN IPB, Perpustakaan IPB, download di internet dan sumber lain - Mozaik citra & clip area - Filtering citra - Citra PALSAR res. 50m & 12,5m 09 - Peta RBI skala 1 : 50.000 - Peta adm. wilayah - Buku-buku, jurnal & laporan Citra ALOS PALSAR 3. Pengolahan citra - Citra ALOS PALSAR - Pembuatan band sintetis - Peta kebun Kelapa hasil pra pengolahan; - Klasifikasi tidak terbimbing Sawit dan Karet, resolusi 50m dan 12,5m - Menghitung nilai backscatter - Titik plot contoh (σ =10 x log10 (DN 2 ) + CF) - Backscatter citra - penentuan titik plot contoh 4. Pengambilan data lapangan 5. Pengolahan data lapangan - Peta kebun Kelapa Sawit & Karet - Titik plot contoh - Titik plot contoh & data dimensi tanaman - Persamaan alometrik Kelapa Sawit & Karet - Pembuatan plot contoh lingkaran; radius 17,85 m (tan. tua), 11,8m (tan. remaja) dan 7,9m (tan. muda) - Pengukuran dan pencatatan data dimensi tanaman n a) LBDS = i = 1 ¼. π.d² Lp n b) V = i = 1 ¼. π.d².h Lp Titik-titik plot dan data dimensi tanaman Peubah-peubah dimensi tanaman siap di analisis

15 Tabel 3 (lanjutan) 6. Analisis data - Nilai backscatter citra ALOS PALSAR - Peubah dimensi tanaman yang berpengaruh 2 n i = 1 ¼. π.d tjk c) L Tjk = Lp d) Rasio jarak tan. & luas tajuk: R tjk = ² e) Biomassa Karet (W): 2.4440 n i = 1 0,0124 * D = Lp f) Biomassa Sawit (W): f.1diameter dgn pelepah n -5 1,51 1,33 i =1 2,14exp D H = Lp f.2 diameter tanpa pelepah n -5 1,11 1,47 = i= 1 7,08exp Dp H Lp g) Nilai LAI (dengan software Hemiview 2.1) Penentuan variabel yang mempengaruhi nilai backscatter; - Analisis korelasi, - Analisis diskriminan Klasifikasi kelas perkebunan karet & kelapa sawit berdasarkan peubah dimensi tanaman Dimensi tanaman yg mempengaruhi nilai backscatter Kelas klasifikasi dimensi tanaman perkebunan karet & kelapa sawit 2.3.2 Pra-Pengolahan Citra 2.3.2.1 Mozaik dan Pemotongan Citra Mozaik citra dilakukan karena lokasi penelitian ini terdiri dari dua scene (lembar) citra sehingga perlu dilakukan penggabungan untuk mendapatkan satu lembar citra yang kompak. Citra yang telah digabung kemudian dipotong kembali (cropping) sesuai luas areal penelitian yang akan dilaksanakan. Hasil mozaik citra seperti disajikan pada Gambar 5.

16 (a) (b) (c) Gambar 5 Citra mozaik; (a) dan (b) sebelum dimozaik, (c) citra setelah mozaik dan dipotong ukuran lokasi penelitian. 2.3.2.2 Filtering Citra Data citra ALOS PALSAR biasanya mengalami pelemahan (fading) dan speckle yang merupakan gangguan (noise) yang mempengaruhi kualitas citra dari sebuah sistem pencitraan yang koheren. Proses gangguan dapat terjadi secara konstruktif maupun destruktif yang terlihat dalam citra sebagai cerah dan gelap sekaligus (JICA & IPB 2010). Jika kondisi ini mengganggu dalam proses klasifikasi perlu dilakukan langkah-langkah perbaikan dengan melakukan speckle

17 suppression (filtering citra) yaitu proses untuk mengurangi atau menghilangkan bintik yang terjadi pada citra radar. Pada penelitian ini untuk citra ALOS PALSAR resolusi 50 meter tidak dilakukan filtering karena tidak mengalami gangguan (noise). Sedangkan untuk resolusi 12,5 meter dilakukan filtering menggunakan frost filter dengan kernel berukuran 7x7 (Gambar 6). Y 1 X 1 X 2 X 3 X 4 X 5 X 6 X 7 Y 2 Y 3 piksel tujuan (X 0, Y 0 ) Y 4 Y 5 Y 6 Y 7 Gambar 6 Kernel ukuran 7x7 untuk frost filter pada citra resolusi 12,5 meter. Frost filter menggantikan nilai piksel tujuan dengan jumlah nilai tertimbang (rataan) dari beberapa kernel nxn di sekitarnya dan terus bergerak menyapu semua piksel dalam citra. Perhitungan setiap nilai piksel tujuan menggunakan persamaan sebagai berikut: dimana, = Kαe nxn α t DN... (1) α 4 nσ σ 2 = 2 2 Keterangan: K = normalization constant = local mean σ = local variance = image coefficient of variation value σ I... (2) keragaman σ =... (3) rata - rata t = X X + Y... (4) 0 Y 0 X, Y = posisi koordinat piksel ke-i terhadap piksel tujuan (pusat kernel) X 0,Y 0 = piksel tujuan (pusat kernel) n = ukuran kernel (Lopes et al. 1990)

18 Alasan dipilihnya frost filter dengan kernel 7x7 karena filter ini mampu mereduksi bintik-bintik (noise) pada citra resolusi 12,5 meter, sehingga citra tersebut dapat diklasifikasikan secara visual dengan baik (Gambar 7). Mansourpour et al.( ) menyatakan bahwa frost filter memiliki mean square error (MSE) atau standar deviasi yang rendah dan nilai signal-to-noise ratio (SNR) tertinggi. Frost filter melakukan filter yang lebih baik dibanding filter lain terutama untuk menjaga informasi tepi. (a) (b) Gambar 7 Hasil filtering citra ALOS PALSAR resolusi 12,5 meter; (a) sebelum filtering, dan (b) sesudah filtering 2.3.3 Pengolahan Citra 2.3.3.1 Pembuatan Citra Komposit Syarat untuk proses klasifikasi dan dapat diinterpretasi dengan baik setiap citra komposit harus memiliki minimal tiga band. Citra ALOS PALSAR hanya memiliki 2 band (HH dan HV), maka dilakukan penambahan band sintetis berupa band kombinasi rasio (HH/HV) seperti Gambar 8. Ketiga band tersebut digabung (stacking) dengan meletakkan HH pada guns red, HV guns green dan HH/HV pada guns blue. Hasilnya diperoleh citra komposit (HH-HV-HH/HV) yang secara visual memiliki tingkat kecerahan tinggi, kaya warna dan memiliki tampilan yang menyerupai warna pada kondisi sebenarnya (Gambar 9).

19 2.3.3.2 Menghitung Nilai Backscatter Koefisien backscatter merupakan ukuran kuantitatif kekuatan sinyal pancar balik radar dari obyek. Ukuran backscatter sama seperti reflektansi pada sistem optik dan nilainya berlainan tergantung jenis obyeknya. Koefisien backscatter ALOS PALSAR (σ ) resolusi 50 meter maupun 12,5 meter pada polarisasi utamanya (HH dan HV) dihitung menggunakan persamaan berikut: σ = 10*log10 (DN 2 ) + CF (Shimada et al. 2009)... (5) Keterangan: σ = Koefisien backscatter dalam desibel (db) DN = Digital Number CF = Corection Factor (-83) Nilai backscatter tiap titik plot contoh merupakan nilai rataan dari beberapa piksel di dalam bufer plot tersebut. Untuk citra ALOS PALSAR resolusi 50 meter radius bufer adalah 3 x 3 piksel dan 9 x 9 piksel untuk resolusi 12,5 meter. 2.3.3.3 Klasifikasi Citra Citra ALOS PALSAR selanjutnya diklasifikasikan dengan metode klasifikasi tidak terbimbing (unsupervised classification). Klasifikasi tidak terbimbing dalam pembentukan kelas-kelasnya (cluster) dikerjakan oleh komputer yang sangat tergantung dari data pada citra. Klasifikasi ini mengelompokkan piksel-piksel berdasarkan kesamaan atau kemiripan nilai spektralnya. Analis hanya menentukan jumlah kelas (cluster) yang akan dibuat (Jaya 2009). Klasifikasi diawali dengan membuat 20 kelas, selanjutnya kelas yang memiliki jarak nilai terdekat dikelompokkan menjadi satu kelas. Proses klasifikasi menggunakan metode rata-rata bergerak (migrating means) atau dikenal dengan istilah metode K-mean clustering. Agar memudahkan melakukan pengkelasan berdasarkan tingkat kemiripan dari masing-masing ukuran kelas yang digunakan, maka diperlukan teknik untuk menyusun urutan pengklasifikasian kelas yang dinamakan dendrogram. Dendrogram merupakan kurva yang menggambarkan pengkelasan dengan menggunakan metode single linkage. Kelas diklasifikasikan berdasarkan nilai jarak terdekat dari kelas tetangganya (nearest neighbor method). Kelas tersebut digabungkan (merge) menjadi satu kelas yang sama.

20 (a) (b) Gambar 8 Band sintetis rasio (HH/HV) citra ALOS PALSAR; (a) resolusi 50 meter dan (b) resolusi 12,5 meter.

21 (a) (b) Gambar 9 Band komposit (HH-HV-HH/HV) citra ALOS PALSAR; (a) resolusi 50 meter dan (b) resolusi 12,5 meter.

22 2.3.3.4 Penarikan Plot Contoh Plot contoh letaknya ditentukan dengan purposive sampling berdasarkan kelas nilai backscatter citra ALOS PALSAR pada perkebunan karet dan kelapa sawit. Posisi plot contoh ditentukan berada dalam bufer jalan dengan radius 500 meter. Jarak antar plot contoh minimal 300 meter (6 piksel) agar tidak terjadi tumpang tindih (overlay) dengan plot sebelahnya. Jumlah plot contoh yang dibuat sebanyak 108 plot, terdiri dari 57 plot pada perkebunan karet dan 51 plot di perkebunan kelapa sawit. Sebaran plot contoh di perkebunan karet dan kelapa sawit seperti disajikan pada Gambar 10. Gambar 10 Peta sebaran plot contoh pada areal penelitian

23 2.3.4 Pengambilan Data Lapangan Perkebunan karet dan kelapa sawit memiliki kondisi tanaman yang homogen, jarak tanam sama dan tahun tanam yang sama pada setiap petak tanam. Kondisi perkebunan demikian maka pengambilan data dimensi tanaman dilakukan dengan membuat plot contoh berbentuk lingkaran. Plot contoh dibuat dengan radius 17,85 meter (0,1 ha) untuk tanaman tua atau diameter batang lebih dari 10 cm, radius 11,8 meter (0,04 ha) untuk tanaman umur remaja dan radius 7,9 meter (0,02 ha) untuk tanaman muda berdiameter kurang dari 10 cm (Gambar 11). 17,85 m 11,8 m 7,9 m Gambar 11 Bentuk plot contoh di lapangan Pengumpulan data lapangan pada setiap plot contoh berupa dimensi tanaman pada perkebunan karet dan kelapa sawit yang mempengaruhi nilai backscatter pada citra ALOS PALSAR. Purwadhi (2001) menyatakan intensitas atau kekuatan tenaga balik (backscatter) pada dasarnya dipengaruhi oleh sifat objek yang diindera dan sistem sensor radar. Objek yang diindera akan mempengaruhi tingkat kekasaran permukaan objek tersebut. Permukaan vegetasi hutan, perkebunan dan daerah bebatuan menghasilkan pancaran baur atau reflektansi kesegala arah (diffuse reflector) yang menyebabkan kenampakan kecerahan yang tinggi pada citra radar. Permukaan halus berupa air yang tenang, tanah yang datar dan diperkeras terjadi reflektansi cermin atau arah pancaran berlawanan dengan arah datangnya sinar (specular reflector). Pada reflektansi ini menyebabkan citra radar berwarna gelap. Pancaran sudut (corner reflector) menyebabkan kenampakan cerah yang tinggi dan melebar, terjadi pada objek yang bersudut seperti bangunan gedung bertingkat, lereng yang terjal (cliff).

24 Kekasaran permukaan objek ditentukan oleh beda tinggi rata-rata (h) objek terhadap panjang gelombang (λ). Permukaan halus menunjukkan beda tinggi ratarata objek lebih kecil dari panjang gelombang λ, dimana β = sudut depresi antena. Beberapa bentuk reflektansi karena perbedaan kekasaran permukaan objek disajikan pada Gambar 12. Gambar 12 Bentuk-bentuk reflektansi atau backscatter SAR Untuk mengetahui tingkat kekasaran objek, baik diperkebunan karet maupun diperkebunan kelapa sawit maka dikumpulkan data-data mengenai peubah tanaman dan kondisi lapangan yang meliputi: 1) Titik koordinat pusat plot contoh; untuk mendapatkan posisi koordinat x dan y plot contoh di lapangan diambil menggunakan Global Position System (GPS), 2) Jenis dan umur tanaman; dalam hal ini meliputi jenis tanaman karet dan kelapa sawit berdasarkan tahun tanam, 3) Diameter tanaman; untuk tanaman berdiameter lebih dari 10 cm diukur pada setinggi dada (130 cm) dan untuk tanaman berdiameter kurang dari 10 cm

25 diameter diukur pada pangkal batang. Khusus untuk tanaman kelapa sawit pengukuran diameter tanaman berbeda antara tanaman muda dan tanaman tua. Pada tanaman muda pengukuran diameter tanaman dilakukan pada batang dengan pelepah, sedangkan tanaman tua diameter yang diukur tanpa pelepah (Gambar 13). a b Gambar 13 Batang kelapa sawit (a) dengan pelepah dan (b) batang tanpa pelepah 4) Tinggi total; merupakan tinggi tanaman dari pangkal batang sampai ujung tajuk tanaman yang sejajar tanah, 5) Diameter tajuk; merupakan diameter rata-rata tajuk yang diukur dua kali pada arah Utara-Selatan dan Barat-Timur, 6) Tebal tajuk; diukur dari pangkal bebas cabang (karet) atau pangkal pelepah yang masih berdaun (sawit) sampai ujung tajuk (sejajar tanah), 7) Jarak tanam; merupakan jarak tanam antar tanaman yang diukur pada posisi perpotongan (90º) Utara-Selatan dan Barat-Timur, 8) Arah lajur; merupakan arah jalur tanam yang ditentukan dengan jarak tanam terlebar, 9) Jenis penutupan di bawah tanaman; adanya jenis-jenis tanaman penutup tanah di bawah tanaman tanaman utama, 10) Jumlah pelepah; merupakan banyaknya pelepah yang terdapat pada tanaman sawit untuk melihat kerapatan tajuk tanaman sawit,

26 11) Kemiringan lapangan (slope); merupakan beda tinggi pada pusat plot dengan kondisi di sekitarnya, 12) Aspect; arah kemiringan lapangan yang ditentukan dari pusat plot contoh, 13) Foto LAI (Leaf Area Index); Foto LAI diambil menggunakan kamera yang dilengkapi dengan lensa fish eye. Pengambilan foto LAI dengan mengarahkan lensa kamera ke atas sejajar tanah sehingga yang terpotret adalah tajuk-tajuk tanaman, dan 14) Foto lapangan plot contoh; diambil sebanyak empat kali dimulai dari arah Utara, Timur, Selatan dan Barat dengan maksud untuk mengetahui kondisi setiap plot contoh. 2.3.5 Pengolahan Data Data yang diperoleh dari lapangan selanjutnya di rekap dan dilakukan perhitungan untuk mengetahui data setiap plot contoh: 1) Posisi koordinat plot contoh sebenarnya dari GPS (koordinat dapat bergeser dari yang telah ditentukan) 2) Nilai rata-rata diameter, rata-rata tinggi tanaman, rata-rata lebar tajuk, rata-rata tebal tajuk dan rata-rata jumlah pelepah (sawit) pada tiap plot, 3) Jarak tanam dan jumlah tanaman setiap plot, yang selanjutnya digunakan untuk menghitung kerapatan tanaman (K), yaitu dengan membandingkan jumlah tanaman dalam plot dengan luas plot. K... (6) 4) Luas bidang dasar per hektar (m 2 /ha); dengan memanfaatkan diameter tanaman dapat dihitung menggunakan persamaan: LBDS = n i = 1 ¼. π.d²... (7) Lp Keterangan: LBDS = Luas bidang dasar per hektar (m 2 /Ha) π = Pi (3,14) D = diameter tanaman setinggi dada (130 cm) (meter) Lp = luas plot contoh (Ha)

27 5) Volume tanaman per hektar (m 3 /ha); dihitung berdasarkan diameter dan tinggi tanaman setiap plot menggunakan persamaan umum, yaitu: V = n i = 1 ¼. π.d².h Lp... (8) Keterangan: V = volume tanaman per hektar (m 3 /ha) π = Pi (3,14) D = diameter tanaman setinggi dada (130 cm) (meter) H = tinggi tanaman total (meter) Lp = luas plot contoh (Ha) 6) Luas tajuk per hektar (m 2 /ha); dengan memanfaatkan diameter tajuk dihitung menggunakan persamaan: L Tjk = n = i 1 ¼. π.d Lp 2 tjk Keterangan: L Tjk = Luas bidang dasar per hektar (m 2 /ha) π = Pi (3,14) D tjk = diameter tajuk tanaman (m) Lp = luas plot contoh (Ha)... (9) 7) Rasio jarak tanam dan luas tajuk (R tjk ); untuk melihat penutupan tajuk setiap individu tanaman dalam plot contoh, jika nilai R tjk < 1 berarti areal plot contoh tertutup tajuk dan jika nilai R tjk > 1 berarti areal plot contoh terbuka. Untuk ini dapat dihitung dengan persamaan: R tjk = ²... (10) 8) Biomassa tanaman per hektar; merupakan biomassa di atas permukaan tanah yang dihitung menggunakan persamaan sebagai berikut: a. Tanaman Karet, dihitung dengan persamaan Yulyana (2005); W = n = 2.4440 0,0124* D i 1... (11) Lp Keterangan: W = biomassa tanaman (kg) D = diameter tanaman setinggi dada (130 cm) (cm) Lp = luas plot contoh (Ha)

28 b. Tanaman Sawit, dihitung dengan persamaan Yulianti (2009); W= W= n i =1 2,14 exp -5 D1,51 H1,33 Lp n i =1 7,08 exp -5 Dtp 1,11 H 1,47 Lp... (12)... (13) Keterangan: W = biomassa tanaman (kg) D = diameter tanaman setinggi dada (130 cm) dengan pelepah (cm) Dtp = diameter tanaman setinggi dada (130 cm) tanpa pelepah (cm) H = tinggi total tanaman (cm) Lp = luas plot contoh (Ha) 9) Nilai LAI; nilai ini berupa indek yang diperoleh dengan menginput foto LAI ke dalam software Hemiview 2.1. 2.1. Nilai indek akan keluar secara otomatis berdasarkan kondisi objek setelah proses pada software selesai. Contoh foto LAI di perkebunan karet (Gambar 14) dan kelapa sawit (Gambar 15). Tanaman muda Tanaman remaja Tanaman tua Gambar 14 Foto LAI perkebunan karet Tanaman muda Tanaman remaja Tanaman tua Gambar 15 Foto LAI perkebunan kelapa sawit

29 10) Data kemiringan (slope) dan arah kemiringan (aspect), merupakan data kualitatatif dan akan dijadikan data kuantitatif dengan membuat skor pada masing-masing variabel tersebut: a. Skor slope; plot contoh yang memiliki slope 0 ~ 8 diberi skor nol, 9 ~ 20 diberi skor satu dan > 20 diberi skor dua. Hal ini karena pada daerah dengan slope yang tinggi akan menyebabkan tingkat kecerahan pada PALSAR yang tinggi. b. Skor aspect; plot contoh yang memiliki kemiringan ke arah Barat dan Utara akan diberi skor satu dan plot yang tidak memiliki kemiringan dan kemiringan ke arah Timur dan Selatan diberi skor nol. Hal ini didasarkan karena sensor bergerak dari utara ke selatan dan menghadap ke Timur, jadi pada sebelah Barat akan tampak lebih cerah dan disebelah timur tampak sebagai bayangan (JICA & IPB 2010). 2.3.6 Analisis Data 2.3.6.1 Uji Korelasi Data-data lapangan yang dikumpulkan merupakan peubah-peubah yang mempengaruhi nilai backscatter citra ALOS PALSAR selanjutnya disebut sebagai peubah penjelas. Untuk mengetahui keeratan hubungan antar peubah penjelas dilakukan uji korelasi. Hasil uji korelasi peubah-peubah penjelas ditunjukkan dengan besarnya nilai koefisien korelasi (r), nilai ini tidak menggambarkan hubungan sebab akibat antar peubah penjelas tetapi lebih menggambarkan keterkaitan linier antar peubah (Mattjik & Sumertajaya 2006). Koefisien korelasi dinotasikan dengan r, nilainya berkisar antara -1 dan 1 (-1 r 1). Nilai r mendekati +1 atau -1 menunjukkan semakin erat hubungan linier antara kedua peubah, sedangkan nilai r yang mendekati nol menggambarkan hubungan kedua peubah tersebut tidak linier (Mattjik & Sumertajaya 2006). Tanda + atau - hanya menunjukkan arah hubungan. Nilai r = +1 menunjukkan hubungan positip sempurna, sedangkan r = -1 menunjukkan hubungan negatip sempurna. Nilai r tidak mempunyai satuan atau dimensi. Hipotesis pada uji korelasi peubah dimensi tanaman adalah jika H o : r 0,7071 (akar dari 50%), maka tidak ada hubungan yang kuat antar peubah

30 tanaman (terima H o ) dan jika H 1 : r > 0,7071 maka ada hubungan yang kuat antar peubah tanaman (terima H 1 ). Nilai r = 0,7071 adalah akar dari nilai koefisien determinan (r 2 ) 50%, artinya jika nilai r lebih besar maka ada hubungan yang kuat antar peubah tanaman. Nilai r dapat dicari dengan menggunakan persamaan sebagai berikut: n xy x y r xy =... (14) [n( x 2 ) ( 2 2 x) ][n( y ) ( 2 y) ] Keterangan: r xy = koefisien korelasi X = nilai peubah pertama (peubah bebas) Y = nilai peubah ke dua (peubah terikat) N = banyaknya sampel 2.3.6.2 Identifikasi peubah tanaman yang mempengaruhi backscatter Untuk mengidentifikasi peubah tanaman yang mempengaruhi nilai backscatter perkebunan karet dan kelapa sawit pada citra ALOS PALSAR digunakan analisis diskriminan. Analisis diskriminan merupakan teknik menganalisis data dimana peubah respon merupakan kategori (non-metrik, nominal atau ordinal, bersifat kualitatif) sedangkan peubah penjelas sebagai prediktor merupakan metrik (interval atau rasio, bersifat kuantitatif). Tujuan analisis diskriminan adalah menentukan kombinasi dari prediktor atau peubah tanaman yang mempengaruhi perbedaan nilai backscatter pada perkebunan karet dan kelapa sawit. Metode yang paling umum untuk melakukan analisis diskriminan adalah metode analisis diskriminan bertahap (stepwise diskriminant analysis). Metode stepwise melakukan pendekatan terhadap peubah penjelas yang dimasukkan satu per satu dalam analisis. Metode stepwise tepat untuk menentukan peubah penjelas yang memiliki pengaruh dominan sehingga terpilih peubah diskriminan (Suliyanto 2005). Hasil dari analisis ini adalah peubah penjelas yang memberikan kontribusi paling besar dalam membedakan antar kelas pada perkebunan karet dan kelapa sawit. Model analisis diskriminan berkenaan dengan kombinasi linier yang bentuknya (Supranto 2004) adalah:

31 D i = b 0 + b 1 X i1 + b 2 X i2 + b 3 X i3 +... + b j X ij...(15) Keterangan: D i = nilai diskriminan dari responden (objek) ke-i. X ij = variabel ke-j dari responden ke-i. b j = koefisien diskriminan dari variabel ke-j. Validitas hasil analisis diskriminan pada perkebunan karet dan kelapa sawit berdasarkan peubah berpengaruh disajikan seperti Tabel 4 berikut: Tabel 4 Klasifikasi kelas hasil analisis diskriminan pada perkebunan karet dan kelapa sawit Kelas Klasifikasi Prediksi Anggota Kelompok I II III Jumlah Total I Y 1 Y 1 Y 1 Y 2 Y 1 Y 3 Y 1 II Y 2 Y 1 Y 2 Y 2 Y 2 Y 3 Y 2 III Y 3 Y 1 Y 3 Y 2 Y 3 Y 3 Y 3 Persentase I Y 1 Y 1 / Y 1 Y 1 Y 2 / Y 1 Y 1 Y 3 / Y 1 %Y 1 II Y 2 Y 1 / Y 2 Y 2 Y 2 / Y 2 Y 2 Y 3 / Y 2 %Y 2 III Y 3 Y 1 / Y 3 Y 3 Y 2 / Y 3 Y 3 Y 3 / Y 3 %Y 3 Untuk mengetahui validitas analisis diskriminan dilakukan dengan uji validasi yang pada hakekatnya adalah membandingkan antara kategori hasil observasi (senyatanya) dengan kategori yang dihasilkan oleh analisis diskriminan (Suliyanto 2005). Semakin banyak kesesuaian antara kategori aktual dengan kategori hasil analisis diskriminan maka semakin baik validitas analisis diskriminan tersebut. Hal ini ditunjukkan dengan persentase antara jumlah pengelompokan yang benar (hasil persamaan diskriminan) dengan jumlah plot contoh yang digunakan disebut hit ratio. Nilai hit ratio dihitung dengan persamaan sebagai berikut: Hit ratio = (n benar : N) x 100%... (16) Keterangan: n benar = jumlah contoh dengan alokasi prediksi yang benar N = jumlah contoh keseluruhan

32 2.3.6.3 Klasifikasi kelas perkebunan karet dan kelapa sawit Hasil analisis diskriminan adalah terpilihnya peubah tanaman perkebunan karet dan kelapa sawit yang mempengaruhi nilai backscatter. Peubah tersebut selanjutnya digunakan untuk mengklasifikasikan kelas perkebunan karet dan kelapa sawit. Kelas klasifikasi adalah perbedaan ukuran peubah tanaman pada perkebunan karet dan kelapa sawit yang membedakan nilai backscatter citra. Klasifikasi dilakukan dengan membagi kelas peubah tanaman yang berpengaruh sebanyak kelas yang mampu dibedakan oleh nilai backscatter citra ALOS PALSAR. Tahapan dari kegiatan penelitian mulai dari pengumpulan data, pengolahan citra, pengumpulan dan pengolahan data lapangan, dan analisis data, tersaji dalam skema tahapan kegiatan penelitian Gambar 16. Mulai Data Citra ALOS PALSAR - Mozaik & Pemotongan Citra - Pembuatan Citra Komposit Citra ALOS PALSAR 50 M Citra ALOS PALSAR 12,5 M Speckle Suppression (Filtering Citra) Backscatter Citra Clustering Citra Pengambilan Data Lapangan Re-Clustering Citra Field Atribut Joins Data Dimensi Tanaman Analisis Diskriminan Hasil & Akurasi Dimensi Tanaman yang Berpengaruh Kelas Klasifikasi Karet & Kelapa Sawit Selesai Gambar 16 Diagram alir tahapan penelitian