BAB I PENDAHULUAN 1.1. Latar Belakang Indonesia merupakan negara agraris dimana sebagian besar penduduknya bekerja sebagai petani. Berdasarkan sensus penduduk tahun 2010, jumlah penduduk yang bermata pencaharian sebagai petani mencapai lebih dari 5 juta penduduk hal ini menunjukkan pertanian di Indonesia masih merupakan sektor utama mata pencaharian penduduknya. Hasil dari sensus pertanian 2013 menunjukkan komoditas padi masih menjadi pertanian utama di Indonesia. Jumlah rumah tangga usaha pertanian saat ini sebanyak 26,13 juta dengan komoditas pertanian yakni tanaman pangan (padi dan palawija), hortikultura, perkebunan, peternakan, perikanan, dan kehutanan (Sensus Pertanian, 2013). Salah satu wilayah yang menjadi lumbung padi di Provinsi Jawa Tengah adalah Kabupaten Karanganyar (BULOG, 2012). Kabupaten tersebut terletak di lereng sebelah barat dari Gunung Lawu, kondisi tersebut mendukung kondisi tanah dari kabupaten karanyar untuk aktivitas pertanian khususnya pertanian padi. Penelitian ini diharapkan mampu mengetahui estimasi produksi padi di Kabupaten Karanganyar. Hasil pertanian khususnya padi, yang melimpah pada wilayah tersebut ditunjang oleh kondisi fisiografi lahan, yaitu dataran rendah yang merupakan lembah Bengawan Solo, serta situs kabupaten yang masih termasuk kedalam sistem dari Gunung Lawu. Posisi kabupaten yang berada pada lereng gunungapi aktif dan terpengaruh oleh proses fluvial memiliki pengaruh cukup besar terhadap kesuburan tanah pada wilayah tersebut (Srijono, dkk, 2008). Kabupaten Kranganyar merupakan salah satu daerah penyangga pangan di Jawa Tengah yang memiliki produksi beras surplus mencapai 93,241 ton pada tahun 2012 (BKPRN, 2013). Lahan panen padi yang terdapat di wilayah tersebut pada tahun 2012 mencapai 46,356 Ha (BPS, 2013). Jumlah usaha pertanian di Kabupaten Karanganyar sebanyak 104.847 dikelola oleh rumah tangga, sebanyak 6 dikelola oleh perusahaan pertanian berbadan hukum dan sebanyak 8 dikelola oleh selain rumah tangga dan perusahaan berbadan hukum (BPS, 2013). 1
Berdasarkan data dari pemerintah Kabupaten Karanganyar hasil produksi padi setiap tahun selalu berubah-ubah, dan tren tiga tahun terakir selalu mengalami penurunan. Dinamika hasil produksi padi yang fluktuatif tiap tahun menunjukkan kajian mengenai estimasi produksi padi di daerah Kabupaten Karanganyar menarik untuk dilakukan kajian. Perkembangan teknologi dewasa ini dapat digunakan untuk melakukan perhitungan estimasi produksi padi. Salah satu alternatif yang dapat digunakan adalah dengan penginderaan jauh. Penginderaan jauh didefinisikan sebagai ilmu pengetahuan, teknologi dan seni dalam memperoleh data obyek di permukaan bumi tanpa langsung berinteraksi dengan obyek tersebut (Sutanto, 2013). Dalam perkembangannya penginderaan jauh banyak diterapkan diberbagai bidang seperti militer, perikanan dan kelautan, dan juga di bidang pertanian. Data penginderaan jauh berupa citra yang dapat diolah menjadi informasiinformasi sesuai kebutuhan dan tujuan. Pemrosesan citra satelit dapat dilakukan dengan metode interpretasi citra satelit. Interpretasi merupakan metode untuk menemu kenali obyek yang ada di dalam citra penginderaan jauh, Perkembangan metode interpretasi dibagi menjadi dua, yaitu interpretasi secata visual dan interpretasi secara digital berdasarkan nilai spektralnya. Pemilihan penggunaan jenis citra satelit disesuaikan dengan tingkat kebutuhan informasi yang ingin diperoleh sehingga spesifikasi citra perlu diperhatikan. Citra ALOS merupakan salah satu citra satelit yang memiliki resolusi spasial menengah. Pada unit pemetaan tingkat kabupaten, citra ALOS dianggap mampu memberikan infomasi spasial. Hal tersebut dapat dilihat berdasarkan cakupan wilayah ALOS yang cukup besar yakni 70 km x 60 km. Disamping itu, citra ALOS dibekali sensor dan resolusi spektral yang cukup baik, sehingga mampu mampu memberikan inforrmasi yang cukup detil pada skala tinjau (ALOS, 2008). Pemanfaatan data penginderaaan jauh untuk kajian pertanian salah satu nya adalah estimasi produksi padi dengan menggunakan citra satelit tertentu. Salah satu pendekatan yang dapat digunakan dalam kajian estimasi produksi adalah pendekatan spektral melalui transformasi citra satelit menjadi NDVI 2
(Normalized Difference Vegetation Index) yang nantinya dikorelasikan dengan nilai produktivitas padi di lapangan sehingga dapat diketahui nilai estimasi produksi padi nya (Murthy,1995, Theruvengadachari, 1997 dan Lapan, 2000). NDVI (Normalized Difference Vegetation Index) merupakan nilai/index tingkat kehijauan vegetasi yang dapat dikaitkan dengan kondisi yang berkaitan dengan vegetasi seperti biomassa, kesehatan tanaman bahkan produktisitas tanaman. Tingkat akurasi estimasi produksi padi dengan menggunakan pendekatan spektral tidak lepas dari klasifikasi lahan pertanian untuk membatasi analisis menggunakan nilai NDVI di daerah kajian. Data lahan pertanian eksisting sawah dapat diperoleh dengan klasifikasi citra satelit. Teknik interpretasi yang dapat digunakan adalah interpretasi secara visual maupun secara digital. Untuk interpretasi secara visual dilakukan dengan cara digitasi kenampakan sawah pada citra yang digunakan. Metode ini ideal dilakukan pada citra resolusi tinggi. Teknik yang lain adalah dengan interpretasi secara digital dimana teknik ini sering disebut pemrosesan secara digital. Pemrosesan citra secara digital dengan menggunakan pendekatan nilai piksel yang mengidentifikasikan nilai pantulan obyek yang terekam dalam suatu citra, pemrosesan secara digital dibagi atas klasifikasi supervised dan unsupervised (Danoedoro, 2012). Model klasifikasi secara digital yang sering digunakan dalam pemetaan lahan pertanian diantaranya klasifikasi Maxsimum likelihood, Minimum distance to mean, Isodata, K-means. Hasil klasifikasi lahan pertanian yang diperoleh harus mengacu pada standart pemetaan, Salah satu standart akurasi pemetaan yang dijadikan acuan adalah standart dari USGS (U.S. Geological Survey) dalam National Spatial Data Infrastructure. Standart akurasi pemetaan yang baik adalah diatas 95 % (USGS, 1998). Klasifikasi yang masih baru berkembang salah satunya adalah model klasifikasi OBIA (Object Based Image Analysis). Klasifikasi OBIA selain mendasarkan pada nilai spektral citra juga mendasarkan pada aspek spasial sehingga diharapkan klasifikasi dengan metode ini akan memperoleh hasil klasifikasi yang lebih akurat dibandingkan dengan pendekatan secara spektral saja. Segmentasi merupakan salah satu penerapan dari metode klasifikasi OBIA yang dapat di terapkan untuk memetakan tutupan lahan maupun penggunaan 3
lahan. Dalam penelitian ini pemetaan lahan pertanian sawah yang akan dilakukan analisis estimasi produksi diperoleh dengan metode segmentasi yang harapannya menghasilkan hasil klasifikasi lahan sawah yang memenuhi standart USGS. Berdasarkan uraian diatas maka penelitian mengenai hubungan antara klasifikasi citra satelit dengan metode segmentasi untuk pemetaan sawah dalam kajian estimasi produksi padi menarik untuk dilakukan kajian secara lebih mendalam. Dengan dilakukan pemetaan menggunakan metode segmentasi diharapkan mampu memenuhi standart akurasi pemetaan diatas 95 % yang nantinya dapat menghasilkan perhitungan estimasi produksi padi di Kabupaten Karanganyar yang lebih akurat. 1.2. Pertanyaan penelitian Penggunaan data penginderaan jauh untuk studi pertanian telah banyak dilakukan di Indonesia. Dalam penelitian yang dilakukan Wahyunto, 2004 melakukan pemetaan lahan sawah di Provinsi Lampung menggunakan Citra Landsat ETM dengan pendekatan spektral, dalam penelitian tersebut dilakukan uji akurasi dengan beberapa metode dengan tingkat ketelitan 80 % - 95 % untuk berbagai jenis sawah. Beberapa penelitian lain yang berkaitan dengan pemetaan lahan sawah dan estimasi produksi padi dengan data penginderaan jauh diantaranya oleh Heru Murti (2013), Goswani et al (2012), Estoque et al (2011), Salazar et al (2007), Wahyunto (2004) (detail penelitian tabel 1) dalam penelitian tersebut menggunakan penggunaan pendekatan spekral dan NDVI dalam identifikasi lahan pertanian baik padi, tembakau maupun gandum. Ketelitian pemetaan yang di capai dalam penelitian-penelitian terdahulu berkisar antara 80 % hingga 95 %. Berdasarkan standart akurasi pemetaan USGS, (U.S. Geological Survey) dalam National Spatial Data Infrastructure untuk akurasi pemetaan adalah diatas 95 %. Penelitian sebelumnya untuk klasifikasi secara spektral dengan menggunakan data citra resolusi spasial menengah masih dirasa belum mampu untuk memenuhi standart tersebut. Model klasifikasi yang telah banyak berkembang sampai sekarang diantaranya Maximum likelihood, Minimum distance to mean, Parallelepiped, Mahalanobis Distance, Isodata, K- 4
means. Model-model tersebut merupakan klasifikasi citra dengan pendekatan secara spektral yang paling sering dilakukan dalam penelitian-penelitian klasifikasi penutup maupun penggunaan lahan menggunakan data penginderaan jauh. Model klasifikasi yang baru berkembang adalah klasifikasi OBIA (Object Based Image Analysis) yaitu model klasifikasi penutup atau penggunaan lahan dari data penginderaan jauh berdasarkan spektral dan spasialnya (Danoedoro, 2012). Model klasifikasi OBIA yang sering di gunakan adalah metode segmentasi, metode ini dirasa mampu memberi hasil klasifikasi yang lebih baik. Penelitianpenelitian sebelumnya menghasil kan akurasi antata 85 % hingga 95 % dengan menerapkan model model yang sudah ada. Hal ini masih dirasa belum memenuhi standart akurasi penelitian berdasarkan USGS. Dengan menggunakan klasifikasi segmentasi berbasis OBIA diharapkan mampu menghasilkan akurasi yang lebih baik dan sesuai dengan standart akurasi pemetaan USGS yaitu diatas 95 %. Dengan diperoleh hasil pemetaan sawah yang akurat diharapkan mampu merepresentasikan nilai estimasi produksi padi yang akurat. Berdasarkan Permasalahan yang telah diuraikan di atas, dapat diambil pertanyaan penelitian sebagai berikut : 1) Apakah hasil segmentasi Citra ALOS AVNIR dapat menghasilkan identifikasi lahan pertanian sawah dengan akurasi diatas 95 % sesuai standart pemetaan National Spatial Data Infrastructure dari USGS? 2) Berapakah hasil estimasi produksi padi di Kabupaten Karanganyar menggunakan data penginderaan jauh? 3) Bagaimanakah ketelitian hasil estimasi produksi padi di Kabupaten Karanganyar dengan menggunakan data penginderaan jauh? 1.3. Tujuan Tujuan dari penelitian ini adalah: 1) Menghitung estimasi produksi padi di Kabupaten Karanganyar menggunakan metode NDVI berdasarkan hasil segmentasi citra ALOS. 5
2) Melakukan pemetaan lahan pertanian sawah di Kabupaten Karanganyar menggunakan metode segmentasi Citra ALOS. 3) Menghitung tingkat ketelitian hasil estimasi produksi padi di Kabupaten Karanganyar menggunakan data penginderaan jauh. 1.4. Kegunaan Diharapkan melalui penelitian ini diperoleh manfaat : a. Bagi pengembangan ilmu pengetahuan, dalam hal: Mengemukakan keterkaitan antara hasil identifikasi lahan pertanian sawah menggunakan segmentasi terhadap hasil estimasi produksi padi. b. Bagi pemerintah, memberikan masukan dalam hal : 1. Mengetahui hasil estimasi produksi padi di Kabupaten Karanganyar. 2. Sebagai masukan dan pertimbangan pengambilan kebijakan dibidang pertanian khususnya pengelolaan pertanian padi di Kabupaten Karanganyar. 6