Berita Inderaja 14

BERITA INDERAJA, Volume VIII, No.
14, Juli 2009
BERITA INDERAJA, Volume VIII, No. 14, Juli 2009
.......................Dari Redaksi
Sidang Pembaca Yang Terhormat,
ajalah Berita Inderaja kembali terbit dan

mengunjungi para pembaca setia untuk
memenuhi kebutuhan informasi perkembangan teknologi penginderaan jauh (inderaja).
Materi tulisan yang disajikan pada edisi Juli
2009 kali ini, merupakan hasil kegiatan penelitian dan operasional di Kantor Kedeputian
Bidang Penginderaan Jauh LAPAN dan kiriman tulisan dari teman-teman di LEMIGAS serta UNIVERSITAS GADJAH MADA.
Tulisan/artikel adalah hasil pemanfaatan
data satelit inderaja, diantaranya menggunakan data satelit Landsat7, ALOS,
TRMM, CBERS dan NPP. Diharapkan materi/tulisan yang disampaikan dapat bermanfaat
bagi para pembaca.
Tema tentang pemanfaatan data satelit inderaja dan pemodelan 3D turunan SRTM mengisi ruang pada Rubrik Topik Inderaja dengan judul adalah:
Penurunan Digital Elevation Model (DEM) ALOS untuk Simulasi Genangan
Tsunami, Pemanfaatan Data Alos untuk Deteksi Perubahan Tutupan Lahan
Akibat Bencana Tsunami dan Pengenalan Aplikasi Geologi Daerah Bojonegoro dan Sekitarnya Menggunakan Data Landsat-7 ETM+.
Pada Rubrik Aplikasi Inderaja, disajikan beberapa judul tulisan, diantaranya
adalah: Aplikasi Data Satelit Inderaja untuk Mendukung Pengelolaan Kawasan Danau - Studi Kasus: Danau Toba, Pemanfaatan Data Trmm dalam Mendukung Pemantauan dan Prediksi Curah Hujan Di Indonesia, Menggunakan
Data Satelit Mendeteksi Titik Panas (Hotspot), Kebakaran Hutan dan Lahan
dan Sistem Informasi Data Spasial Daerah (Sisda) Berbasis Web untuk Manajemen Data Spasial Daerah Studi Kasus Kab. Biak Numfor. Judul tulisan
yang dimuat pada rubrik Aplikasi Inderaja tersebut merupakan hasil kegiatan
penelitian yang berkaitan dengan pemanfaatan data dan informasi inderaja.
Penyebarluasan informasi tentang produk data satelit masa depan dan
perkembangan teknologi satelit inderaja saat ini, dimuat pada Rubrik Informasi Data Inderaja. Judul tulisannya adalah: China-Brazil Operasikan Serial Satelit Sumber Alam CBERS, Program Satelit Lingkungan Orbit Polar NPOESS
Preparatory Project (NPP) Pasca Satelit Terra dan Aqua, dan Siklon Tropis
Memasuki Wilayah Indonesia.
Kami tetap berusaha untuk menyajikan informasi pemanfaatan data inderaja kepada para pembaca setia. Informasi disampaikan melalui makalah/
tulisan, artikel dan pemuatan poster Peta Citra Satelit inderaja yang meliputi
wilayah-wilayah di seluruh Indonesia. Dan pada kesempatan ini pula, redaksi menyampaikan permohonan maaf, karena belum dapat memenuhi semua
permintaan pembaca yang disampaikan melalui pengembalian Formulir Tanggapan Surat Pembaca. Tetapi, insya Allah pada edisi-edisi mendatang, secara
bertahap kami dapat memenuhi permintaan dan harapan pembaca. Terima
kasih atas perhatiannya, selamat membaca.
Diterbitkan oleh:
Bidang Penyajian Data,
Pusat Data Penginderaan Jauh Lembaga
Penerbangan dan Antariksa Nasional
Pelindung:
Kepala LAPAN, Deputi Bidang
Penginderaan Jauh LAPAN
Penanggung Jawab:
Kepala Pusat Data Penginderaan Jauh
Editor:
Ir. Mahdi Kartasasmita M.S, Ph.D,
Prof. Drs. Mulyadi Kusumowidagdo, Prof.
DR. F. S. Hardiyanti Purwadhi.
Staf Redaksi:
Ir. Yuliantini Erowati, M. Si,
Yudho Dewanto ST,
Drs. Mohammad Natsir, M.T,
Ir. Wawan K. Harsa Nugraha, M.Si.
Staf Sekretariat:
Liberson Pakpahan, Arief Nurcahyo,
Abdul Makmun, Bambang Haryanto, SE,
Sri Sulistini.
Alamat Redaksi:
Bidang Penyajian Data,
Pusat Data Penginderaan Jauh LAPAN,
Jl. Lapan No. 70 Jakarta 13710.
Telp.: (021) 8717715, 8710786, 8721870.
Fax.: (021) 8717715
Website: http://www.lapanrs.com.
Email: bankdata@lapanrs.com.
Majalah ini diterbitkan untuk pengguna
data satelit penginderaan jauh LAPAN.
Redaksi menerima tulisan, saran, dan kritik
dari para pembaca. Naskah mohon diketik
satu spasi dan bila ada gambar dalam
format (.gif/.tiff ).
Frekuensi terbit: 2 kali setahun.
Hormat Kami,
Redaksi
Surat Pembaca.............................................
Informasi yang Bermanfaat untuk
Pengembangan Sumber Daya Air
Buku/majalah inderaja ini sangat bermanfaat untuk
pengembangan Sumber Daya Air di Indonesia.
Ir. Eko Winar Irianto, MT
Peneliti Madya Pusat Litbang SDA
Jl. Juanda 193, Bandung 40153
Telp: 022-2504053
Fax: 022-2500163
Pada edisi kali ini, salah satu topik yang dimuat adalah tentang pengelolaan kawasan danau, dengan judul
tulisan adalah: Aplikasi Data Satelit Inderaja untuk Mendukung Pengelolaan Kawasan Danau (Studi Kasus: Danau Toba). Dengan dimuatnya topik ini, redaksi berharap
majalah ini dapat bermanfaat dan menambah informasi
bagi para pembaca dan khususnya para Peneliti di bidang pengembangan Sumber Daya Air. Bapak Ir. Eko
Winar Irianto, MT, terima kasih atas atensinya.
Informasi Pengembangan PJ & SIG

untuk Pemerintah Daerah
Isi/topik lebih difokuskan kepada aplikasi, agar lebih mudah untuk di pahami (disamping informasi pengembangan
PJ & SIG, juga dapat dimanfaatkan secara langsung oleh
pemerintah daerah).
DR. Ir. Ribaldi, M.Si
Kepala Bappeda Kabupaten Pasaman Barat
Jl. Ki Hajar Dewantara No. 29, Pasaman Barat
Telp: 0753-65405
Fax: 0753-65405
E-mail: ribaldi_ahda@yahoo.co.id
Terima kasih atas masukan/saran Bapak DR. Ir. Ribaldi, M.Si
tentang fokus tulisan kepada aplikasi. Pada penerbitan majalah
edisi Juli 2009, redaksi menampilkan tulisan mengenai aplikasi
PJ & SIG yang disajikan pada rubrik Aplikasi Inderaja. Judul tulisan yang kami angkat adalah: Sistem Informasi Data Spasial
Daerah (Sisda) Berbasis Web Untuk Manajemen Data Spasial
Daerah Studi Kasus Kab. Biak Numfor. Dimuatnya judul tulisan
ini, redaksi berharap majalah Berita Inderaja dapat membantu/
mendukung dalam pelaksanaan tugas Bapak sehari-hari dan
juga dapat dimanfaatkan secara langsung khususnya bagi
pemerintah daerah.
Informasi GIS
Kami sampaikan penghargaan dan terimakasih atas pengiriman informasi ini dan sangat bermanfaat karena kami
memiliki GIS center Bappeda Aceh Besar.
Bentuk, isi dan informasi sangat exlusive.
Tingkatkan terus mutu dan info untuk membangun

bangsa, salam.
Ir. Zulkifli R
Kepala Bappeda Aceh Besar
Jl. Prof. A. Majid Ibrahim No. 3 Kota Jantho Aceh Besar
Telp: 0651-92569
Fax: 0651-92241
E-mail: zulkifli_rasyid@yahoo.com
Terima kasih atas atensi dan dorongan yang telah Bapak
Ir. Zulkifli R berikan kepada kami. Diharapkan, semoga majalah
Berita Inderaja dapat bermanfaat bagi pembangunan di daerah
Bapak dan daerah lainnya di Indonesia. Melalui kesempatan ini,
redaksi majalah juga mengharapkan adanya peran serta dan
partisipasi dari Pembaca majalah Berita Inderaja untuk mengirimkan tulisan/ artikel sampai ke meja redaksi, sehingga pada penerbitan majalah yang akan datang tulisan yang dimuat dapat memenuhi keinginan dan kebutuhan dari para pembacanya.
Informasi Sangat Baik dalam

Menyiapkan Kebijakan Perencanaan
Pembangunan Kota
Atas nama Bappeda Kota Medan, kami mengucapkan
terima kasih atas penyampaian majalah Berita Inderaja Volume VII No. 13 Desember 2008. Informasi yang ada dalam
majalah tersebut kami nilai sangat baik dalam menyiapkan
kebijakan perencanaan pembangunan kota, khususnya peningkatan penataan ruang di kota medan. Demikian, atas
kerjasamanya diucapkan terima kasih.
Ir. Syaiful Bahri
Kepala Badan Perencanaan Pembangunan Daerah
Kabupaten Kota Medan
Jl. Kapten Maulana Lubis No. 2 Lt. III, Medan 20112
Telp: 4517646
Fax: 4571753
Terima kasih atas atensi yang telah Bapak Ir. Syaiful Bahri
sampaikan, dan redaksi berharap semoga majalah Berita Inderaja ini dapat bermanfaat bagi pembangunan di daerah Bapak serta di daerah lainnya di Indonesia. Dan untuk masa yang
akan datang, redaksi juga berharap dapat menjalin hubungan
kerjasama yang lebih baik antara LAPAN dengan Badan Perencanaan Pembangunan Daerah Kabupaten Kota Medan.
DAFTAR ISI
BERITA INDERAJA Volume VIII, No. 14, Juli 2009 - ISSN 1412-4564
APLIKASI INDERAJA
Aplikasi
Data Satelit
Inderaja untuk
Mendukung
Pengelolaan
Kawasan Danau.
Studi Kasus: Danau Toba
Halaman 23
DARI REDAKSI 3
SURAT PEMBACA
TOPIK INDERAJA
z Penurunan Digital Elevation Model (DEM) dari

Data ALOS untuk Simulasi Genangan Tsunami 6
z Pemanfaatan Data ALOS untuk Deteksi Perubahan
Tutupan Lahan Akibat Bencana Tsunami 10
z Pengenalan Aplikasi Geologi Daerah Bojonegoro dan
Sekitarnya Menggunakan Data Lansat-7 ETM+ 15
APLIKASI INDERAJA
z Pemanfaatan Data Trmm dalam Mendukung

Pemantauan dan Prediksi Curah Hujan Di Indonesia 29
z Mendeteksi Titik Panas (Hotspot), Kebakaran Hutan
dan Lahan Menggunakan Data Satelit 35
z Sistem Informasi Data Spasial Daerah (Sisda) Berbasis
Web untuk Manajemen Data Spasial Daerah.
Studi Kasus Kabupaten Biak Numfor 40
INFORMASI DATA INDERAJA
z China - Brazil Operasikan Seri Satelit Sumber Alam

Cbers 46
z Program Satelit Lingkungan Orbit Polar NPOESS
Preparatory Project (NPP) Pasca Satelit Terra
dan Aqua 53
z Siklon Tropis Memasuki Wilayah Indonesia 61
BERITA RINGAN
z Kedeputian Bidang Penginderaan Jauh LAPAN Mengikuti

Pameran Static Show Di Mabes TNI Cilangkap, Jakarta 66
z Kunjungan Siswa Pendidikan Spesialis Perwira Hidro

Oseanografi (DIKSPESPA HIDROS - TNI AL) ke Kantor
Kedeputian Bidang Penginderaan Jauh LAPAN 67
z Sosialisasi Pilot Project Penggunaan Data ALOS
di Indonesia 68
z Bimbingan Teknis Pengelahan Data Penginderaan Jauh
untuk Peningkatan SDM Pemda Kabupaten Sampang,
Provinsi Jawa Timur 70
z Peresmian Pengoperasian Sistem Antena X-Band
AXYOM Model 50 di Stasiun Bumi Satelit Penginderaan
Jauh LAPAN, Parepare
71
PERISTIWA DALAM GAMBAR
z LAPAN Tandatangani MoU dengan Dirjen Perkebunan

Departemen Pertanian 72
z Kerjasama antara LAPAN dengan ITC Belanda 72
z Penandatangan MoU antara Deputi Inderaja dengan
Seslakhar Bakorkamla 73
POSTER
z
z
z
z
PCS Sibolga 75
PCS Kota Agung 76
PCS Kalabahi 77
PCS Cilacap 78
COVER
Depan
:
Depan Dalam :
Belakang Dalam:
Belakang
:
Penutup Lahan Danau Toba 2006

PCS Pameungpeuk
PCS P. Ternate
PCS Majene
TOPIK INDERAJA
Penurunan Digital Elevation Model (DEM)

dari Data ALOS untuk Simulasi
Genangan Tsunami
Bambang Trisakti*, Ita Carolita*, Aris Subarkah**, dan Samsul Arin*
* Peneliti LAPAN ** Peneliti BPPT
E-mail: btris01@yahoo.com
odel Elevasi Digital (Digital Elevation Model

- DEM) merupakan informasi atau data ketinggian (topogra) suatu wilayah permukaan
bumi dalam bilangan digital, yang dapat disimpan dalam
bentuk raster berbasis piksel atau dalam bentuk data
vektor dengan format Triangulated Irregular Network
(TIN). Data DEM digunakan untuk mendukung berbagai kegiatan, seperti: koreksi citra, pemetaan daerah rawan bencana (banjir, longsor dan tsunami), pembuatan
kontur dan penyusunan tata ruang. Tulisan ini membahas mengenai DEM yang dihasilkan menggunakan data
satelit penginderaan jauh, dan aplikasinya untuk sebagai
data masukan untuk simulasi daerah genangan tsunami.
Simulasi daerah genangan ini merupakan hasil kerjasama antara LAPAN dan BPPT.
DEM dapat dihasilkan dengan beberapa teknik: 1) Interpolasi titik ketinggian hasil pengukuran lapangan atau
hasil digitasi dari peta topogra, 2) Menghitung ketinggian dari paralaks menggunakan citra stereo optik, dan
3) menghitung ketinggian dengan metode interferometri menggunakan data Synthetic Aperture Radar (SAR).
Arah satelit
Arah belakang
Backward
Tegak lurus
Nadir
Arah Depan
Forward
M
Objek
Mf G
Mb
Arah
satelit
M=G
Paralak
Mf
Citra Nadir
Citra Forward
Gambar 1. Sistem stereo pada sensor ALOS PRISM (atas), Paralaks pada citra stereo (bawah).
(Sumber: Ono, 2009)
6
TOPIK INDERAJA
Teknik kedua dan ketiga juga memerlukan interpolasi
untuk dapat memperoleh informasi ketinggian seluruh
titik dalam jaringan (grid) yang melingkupi wilayah yang
diperhatikan (area of interest). Penurunan DEM dengan
teknik menghitung ketinggian dari paralaks dilakukan
dengan memanfaatkan satelit optik yang dapat merekam
citra stereo (dua atau lebih citra yang direkam dari sudut sensor yang berbeda), seperti : sensor Panchromatic
Remote-Sensing Instrument for Stereo Mapping (PRISM)
yang dipasang pada satelit Advanved Land Observing Satellite (ALOS) dapat menghasilkan citra stereo pankromatik (panjang gelombang 0.52-0.77m) dari arah nadir
(tegak lurus), forward (arah depan) dan backward (arah
belakang) dalam sekali perekaman. Berdasarkan laporan Japan Aerospace Exploration Agency (JAXA), DEM
yang dihasilkan dari citra stereo ALOS PRISM dapat
mempunyai akurasi yang cukup untuk memetakan topogra permukaan bumi dengan skala 1:25.000 atau lebih
besar.
Prinsip penurunan DEM dari satelit ALOS diperlihatkan pada Gambar 1 (atas). Sensor PRISM mempunyai tiga teleskop yang digunakan untuk merekam permukaan bumi dengan tiga arah yaitu arah tegak lurus,
depan dan belakang (Gambar 1a). Sistem stereo (multi
looking) ini memetakan objek permukaan bumi yang
mempunyai ketinggian pada posisi yang berbeda. Bila
diasumsikan terdapat objek di permukaan bumi dengan
dasar pada titik G (titik 0 m) dan puncak pada titik M.
Pada saat sensor merekam citra dari arah tegak lurus,
maka G dan M akan dipetakan pada posisi yang sama
(M=G). Tetapi pada saat merekam citra dari arah miring
(misal: arah depan), maka M akan dipetakan ke Mf yang
mempunyai posisi yang berbeda dari G. Jarak perbedaan posisi Mf dan G disebut paralaks yang disebabkan
karena pengaruh ketinggian objek di permukaan bumi.
Paralaks tidak terjadi pada objek yang mempunyai ketinggian 0 m, sebagai contoh G akan dipetakan pada posisi yang sama walau direkam dari arah yang berbeda.
Sebaliknya, paralaks yang terjadi akan menjadi semakin
besar bila objek permukaan bumi yang akan direkam
semakin tinggi. Gambar 1 (bawah) memperlihatkan
paralaks yang terjadi dari perekaman arah tegak lurus
dan arah depan. Selanjutnya hubungan antara paralaks
(Mf-G atau Mb-G), sudut perekaman satelit (model sensor) dan ketinggian objek dapat digunakan untuk menghitung ketinggian objek permukaan bumi.
Perhitungan paralaks yang selanjutnya digunakan
untuk menghasilkan informasi DEM diperlukan minimal dua citra yang direkam dari arah berbeda. Gambar 2
B e ka si
D e po k
1000 m
Bogor
0m
B e ka si
D e po k
Bogor
Gambar 2. Data DEM dari citra stereo ALOS PRISM (atas),

Tampilan 3D permukaan bumi untuk wilayah pengamatan
(bawah)
(atas) memperlihatkan DEM dengan cakupan sekitar 35

x 35 km untuk wilayah Bogor, Depok dan Bekasi yang
dihasilkan dengan menggunakan citra Nadir dan citra
Forward data ALOS PRISM. Citra DEM yang dihasilkan
mempunyai resolusi spasial tinggi 2.5 m, walaupun untuk
menghasilkan DEM dengan pola yang lebih halus perlu
dilakukan proses lanjut dengan melakukan ltering dan
penurunan resolusi menjadi 5-10 m. Penggabungan antara DEM (informasi topogra) dan citra pankromatik
dapat membentuk tampilan 3 dimensi dari permukaan
bumi untuk wilayah pengamatan (bawah).
Informasi DEM yang diturunkan dari data pengin7
TOPIK INDERAJA
deraan jauh, khususnya tutupan lahan dan topogra,
sangat dibutuhkan untuk mendukung kegiatan mitigasi
bencana, seperti: pemetaan daerah rawan bencana dan
penentuan lokasi evakuasi. Pemetaan daerah rawan tsunami umumnya dilakukan dengan menggunakan model
simulasi genangan tsunami (tsunami inundation model)
yang menggunakan data topogra wilayah sebagai salah
satu parameter kunci. Gambar 3 memperlihatkan DEM
dari data ALOS PRISM untuk wilayah pesisir Kabupaten
Cilacap. Kabupaten Cilacap mempunyai populasi penduduk mencapai 1.8 juta orang dan merupakan daerah
industri yang strategis di pantai selatan pulau Jawa, yang
dibuktikan dengan adanya fasilitas pengolahan minyak
dan pelabuhan pengisian minyak untuk keperluan ekspor. Tetapi wilayah ini sangat rawan terhadap bencana
tsunami karena letaknya yang berdekatan dengan daerah subduksi (daerah pertumbukan antara lempeng Eroasia dan lempeng Indoaustralia) di selatan pulau Jawa
dan kondisi topogranya wilayah pesisirnya yang relatif
datar. Daerah subduksi ini selalu bergerak dan menyebabkan terjadinya gempa tektonik yang mengakibatkan
terjadinya tsunami, seperti kejadian gempa bumi yang
diiringi oleh tsunami pada tahun 1994 dan 2006 yang
menghantam wilayah pesisir Banyuwangi dan Pangandaran.
Pembuatan daerah genangan tsunami dilakukan
dengan menggunakan perangkat lunak TUNAMI N2
yang dibuat oleh Profesor Imamura dari Universitas
Tohoku, Jepang. Perangkat lunak ini dilengkapi dengan
program untuk melakukan simulasi numerik pergerakan

gelombang tsunami di laut dalam, laut dangkal dan naiknya tsunami ke daratan (run-up). Yang pertama harus
dilakukan adalah membuat skenario dengan mengasumsikan parameter gempa, seperti: lokasi pusat gempa,
kekuatan gempa, panjang dan lebar patahan, kedalaman
gempa dan beberapa parameter lainnya. Pada kegiatan
ini, kekuatan gempa diasumsikan sebesar 8.9 Mw (sama
dengan magnitude gempa yang terjadi di Aceh), dan pusat gempa terletak di daerah subduksi selatan Cilacap
dengan jarak 240 km dari garis pantai. Asumsi ini bertujuan untuk mengetahui resiko terburuk yang mungkin
terjadi bila terjadi bencana tsunami. Selanjutnya, sumber
data spasial yang digunakan adalah data bathymetri dari
General Bathymetric Chart of the Oceans (GEBCO) untuk wilayah perairan dan data topogra dari DEM ALOS
PRISM untuk wilayah daratan yang diturunkan dengan
teknik yang telah dibahas di depan.
Simulasi pergerakan awal gelombang tsunami yang
disebabkan oleh gempa diperlihatkan pada Gambar 4, dimana perbedaan ketinggian gelombang ditampilkan dengan perbedaan warna. Hasil simulasi memperlihatkan
terjadinya perubahan ketinggian gelombang terhadap
ketinggian perairan di sekeliling lokasi epicenter gempa. Dengan menarik garis transek A-A, dapat diketahui
bahwa gempa dengan magnitude 8.9 Mw mengakibatkan
perubahan (turun-naik) ketinggian gelombang tsunami
hingga mencapai 3.5 m pada awal terjadinya gempa. Gelombang tsunami akan bergerak seluruh arah, dengan
Latitude
170 m
Longitude
Tinggi air
0m
Gambar 3. Data DEM wilayah pesisir Cilacap

dari data ALOS
8
Gambar 4. Simulasi pergerakan awal gelombang tsunami

yang disebabkan oleh gempa
TOPIK INDERAJA
G enangan
G enangan
(a)
(b)
(c)
Keterangan: (a) 1 jam setelah gempa; (b) 2 jam setelah gempa; (c) 3 jam setelah gempa
Gambar 5. Simulasi run-up tsunami beberapa waktu setelah gempa.
perubahan arah dan ketinggian gelombang tsunami dipengaruhi oleh kondisi topogra dasar laut. Selanjutnya
gelombang tsunami akan mencapai pantai dan menyapu
wilayah pesisir Cilacap.
Gambar 5 memperlihatkan run-up tsunami (naiknya
air ke daratan) setelah, 1 jam, 2 jam dan 3 jam setelah
terjadi gempa. Hasil memperlihatkan bahwa pada menitmenit awal setelah gempa kondisi perairan pantai Cilacap
masih belum dipengaruhi gelombang tsunami. Setelah 1
jam, pengaruh gelombang tsunami sudah dapat dilihat
walaupun energi dan ketinggian gelombang masih belum cukup untuk membawa air naik ke daratan. Selanjutnya setelah 2 jam, gelombang tsunami dan gelombang susulannya telah naik dan mengenangi daratan. Terakhir,
hasil 3 jam setelah gempa memperlihatkan bahwa luasan
genangan tsunami tidak bertambah bahkan cenderung
berkurang yang menandakan bahwa energi gelombang
tsunami yang semakin berkurang. Berdasarkan hasil
analisis diketahui bahwa maksimum daerah genangan
adalah sekitar 11,95 Km2, sedangkan maksimum ketinggian genangan adalah 5,25 m. Luasan daerah genangan
ini tentunya akan menimbulkan kerusakan dan kerugian yang cukup besar, terutama bila terjadi di wilayah
pemukiman atau lokasi industri strategis. Batas daerah
genangan maksimum merupakan data utama untuk memetakan daerah rawan tsunami, selanjutnya daerah resiko tsunami diperoleh dengan mengabungkan daerah
rawan dan daerah rentan (dipengaruhi oleh kondisi sik
lahan dan sosial ekonomi masyarakat).
Analisis yang akurat untuk menentukan daerah rawan bencana dan menghitung dampak bila terjadi bencana membutuhkan informasi spasial yang detil (seperti
informasi topogra dan tutupan/penggunaan lahan).

Hasil kajian pembuatan daerah genangan tsunami di
atas menunjukkan bahwa data ALOS khususnya maupun data inderaja satelit pada umumnya dapat menjadi
suatu alternatif untuk memenuhi kebutuhan ini. Selain
itu cakupan datanya yang luas dalam setiap perekaman
dan dapat mencapai seluruh wilayah Indonesia membuat
data ALOS khususnya data inderaja satelit pada umumnya sangat sesuai untuk memetakan daerah rawan bencana tsunami dan bencana lainnya di seluruh wilayah
Indonesia secara akurat dan ekonomis.
TOPIK INDERAJA
Pemanfaatan Data ALOS untuk

Deteksi Perubahan Tutupan Lahan
Akibat Bencana Tsunami
Ita Carolita1), Muzailin Affan2), Bambang Trisakti1), dan Muhammad Rusdi2)
1) Peneliti Pusat Pengembangan dan Pemanfaatan Teknologi Inderaja, LAPAN
2) Peneliti Pusat GIS dan RS, Universitas Syiah Kuala, Banda Aceh
ndonesia merupakan negara yang diberkahi sekaligus diancam oleh kondisi alamnya. Wilayah Indonesia sangat luas dengan panjang wilayah sekitar 6000
km dari ujung barat sampai ujung timur dan terbagi
menjadi 3 daerah waktu. Selain itu, Indonesia merupakan negara kepulauan terbesar di dunia dengan jumlah penduduk lebih dari 200 juta orang. Yang tak dapat
disangkal adalah kenyataan bahwa wilayah Indonesia
terletak pada pertemuan antara lempeng Caroline Pasik, lempeng laut Filipina, lempeng Asia dan lempeng
Hindia-Australia, yang mengakibatkan sebagian besar
wilayah Indonesia menjadi rawan terhadap bencana
alam seperti: gempa bumi, Tsunami, gunung berapi dan
tanah longsor.
Gempa bumi dan tsunami dengan kekuatan besar
pada tanggal 26 Desember 2004 dengan pusat di pantai barat Sumatra telah menghancurkan sebagian besar
infrastruktur transportasi, bangunan, area persawahan,
hutan mangrove dan juga merenggut korban jiwa di
beberapa kabupaten wilayah Aceh. Pasca bencana tersebut, pemerintah Indonesia telah melakukan program
rehabilitasi dan rekontruksi Aceh untuk membangun
kembali wilayah Aceh yang rusak akibat bencana gempa
dan tsunami yang masih terus berjalan hingga saat ini.
Untuk mendukung kelancaran pembangunan kembali
wilayah Aceh, masukan berupa data/informasi mengenai kondisi aktual tutupan lahan dan perubahan lahan
sangat dibutuhkan.
Selama 25 tahun terakhir, teknologi penginderaan
jauh telah dimanfaatkan secara intensive untuk memantau perubahan lingkungan, perluasan pemukiman dan
pemetaan tutupan/penggunaan lahan. Kelebihan dari
data penginderaan jauh adalah perulangan yang tinggi
(temporal), near real time, dan datanya dalam format
digital sehingga dapat dianalisis secara kuantitatif. Saat
10
ini data satelit ALOS (Advanced Land Observation Satellite) dengan tingkat kedetilannya yang tinggi (spasial 2.5
- 10m) dan cakupannya yang luas merupakan salah satu
data satelit yang potensial untuk menurunkan informasi
sik lingkungan yang mendukung kegiatan pengelolaan bencana. ALOS merupakan satelit dengan orbit sun
synchronous yang dilengkapi dengan 3 instrumen sensor,
yaitu: 1) Panchromatic Remote-sensing Instrument for
Stereo Mapping (PRISM) dengan resolusi spasial 2,5m;
2) Advanced Visible Near-Infrared Radiometer-2 (AVNIR-2) dengan resolusi spasial 10m; dan 3) Phased Array L-band Synthetic Aperture Radar (PALSAR) dengan
resolusi spasial 10-100m. Data stereo dari sensor PRISM
digunakan untuk menghasilkan Digital Elevation Model
(DEM), yang selanjutnya akan dimanfaatkan untuk memetakan topogra permukaan bumi. Data PALSAR digunakan untuk mengatasi masalah tutupan awan yang
sering menjadi kendala di wilayah tropis, sedangkan
data fusi sensor optis PRISM dan AVNIR-2 dimanfaatkan
untuk memantau kondisi permukaan bumi, terutama
tutupan lahan.
Kegiatan ini merupakan salah satu kerjasama antara
LAPAN-JAXA dalam kerangka ALOS Pilot Project 20062008 dimana Unsyiah menjadi anggotanya. Pada kegiatan ini data ALOS digunakan untuk memetakan perubahan tutupan lahan pasca bencana tsunami. Kemudian
hasilnya dibandingkan dengan tutupan lahan sebelum
bencana tsunami menggunakan data SPOT-5 dan Landsat ETM. Dengan menggunakan data multi temporal
dapat dianalisis perubahan tutupan lahan wilayah pesisir
akibat bencana gempa dan tsunami.
Daerah kajian (Gambar 1.) meliputi sebagian Kota
Banda Aceh dan Kabupaten Aceh Besar, Provinsi Nangroe Aceh Darussalam (NAD). Luas area mendekati
1.728 ha, yang terdiri dari beberapa desa di Kota BanBERITA INDERAJA, Volume VIII, No. 14, Juli 2009
TOPIK INDERAJA
(a). Peta lokasi
(b). Citra ALOS-AVNIR

Gambar 1. Daerah penelitian di wilayah Aceh.
(a). Data PRISM (2.5 m)

(b). Data AVNIR-2 (10 m)
(b). Data fusi ALOS (2.5 m)

Gambar 2. Fusi antara data PRISM dan data AVNIR-2.
da Aceh dan Kabupaten Aceh Besar. daerah ini meliputi

area dengan tutupan lahan berupa tambak, mangrove
dan pemukiman.
Data ALOS yang digunakan adalah data PRISM Nadir dan AVNIR-2 tahun 2007 (Gambar 1.(b)). Pertama,
melakukan koreksi geometrik menggunakan referensi
citra foto udara dengan resolusi spasial 30cm, yang bertujuan untuk menghasilkan citra terkoreksi geometrik
yang akurat yang dibutuhkan pada proses fusi. Proses
fusi dilakukan dengan menggunakan metoda Principal
Component antara data pankromatik PRISM resolusi
2.5m dengan data AVNIR-2 multispektral resolusi 10m.
Hasil fusi memperlihatkan citra dengan pewarnaan seperti data AVNIR-2 dan resolusi spasial 2.5m seperti
data PRISM (Gambar 2.).
Beberapa contoh hasil identikasi secara visual tutupan lahan dengan menggunakan citra fusi ALOS, SPOT-5
dan Landsat ETM pada daerah kajian diperlihatkan pada
Tabel 1. Citra fusi ALOS dan SPOT-5 memberikan hasil yang baik dan detil untuk mengindentikasi berbagai
jenis tutupan lahan disebabkan kedua citra ini mempunyai resolusi spasial yang tinggi (2.5m). Sedangkan data
Landsat memberikan hasil kurang detil dan sulit mengidentikasi objek berukuran kecil, disebabkan resolusi
spasial yang rendah (30m). Secara visual, citra setelah
tsunami (ALOS) mempunyai penampakan yang kurang
teratur dan pola yang agak kasar dibandingkan dengan
citra sebelum tsunami (SPOT-5), hal ini diperkirakan karena adanya bangunan serta infrastruktur yang masih
dalam kondisi rusak (belum diperbaiki).
11
TOPIK INDERAJA
No.
Objects
Vegetasi
Area
terbangun
Tambak
Pesisir pantai
Fusi ALOS (2.5m)
SPOT-5 (2.5m)
Landsat ETM (30m)
Tabel 1. Contoh beberapa penampakan tutupan lahan menggunakan citra fusi ALOS,
SPOT-5 dan Landsat ETM.
Kejadian Tsunami menyebabkan rusaknya area terbangun dan vegetasi (hutan mangrove, kebun dan sawah), dan berubah menjadi lahan tergenang atau lahan
terbuka. Kegiatan ini memantau kerusakan lahan dan
luas kerusakan akibat Tsunami, oleh karena itu identikasi hanya dilakukan untuk 4 objek, yaitu: tubuh air
(water body), vegetasi (vegetation), lahan terbuka (barren land) dan area terbangun (built up). Klasikasi dilakukan menggunakan metoda maximum likelihood
classication, dan diproses untuk data yang berlainan
waktu, sehingga dapat dipantau kondisi perubahan yang
terjadi. Hasil klasikasi tutupan lahan untuk citra Landsat ETM (akusisi 2002), SPOT-5 (akusisi 2004) dan citra
fusi ALOS (akusisi 2007) diperlihatkan pada Gambar
3. Perbandingan ketiga hasil klasikasi tutupan lahan
12
memperlihatkan bahwa citra ALOS dan SPOT-5 menghasilkan informasi yang dapat membedakan keempat
kelas secara jelas dengan tingkat kedetilan yang tinggi,
sedangkan citra Landsat menghasilkan informasi tutupan lahan dalam skala lebih global. Berdasarkan hasil
pengujian lapangan diperoleh bahwa tingkat akurasi klasikasi tutupan lahan dari data ALOS lebih besar dari
85%. Tingkat akurasi ini dapat ditingkatkan dengan meningkatkan keakuratan sampling yang digunakan dalam
proses klasikasi.
Dengan membandingkan hasil klasikasi menggunakan data SPOT-5 tahun 2004 (sebelum Tsunami) dan
data fusi ALOS tahun 2007 (setelah Tsunami), dapat dihitung luasan perubahan tutupan lahan yang terjadi (Tabel 2). Setelah terjadi Tsunami, area yang digenangi air
TOPIK INDERAJA
(a) Landsat ETM (2002)
(b) SPOT-5 (2004)
(c) Fusi ALOS (2007)
Gambar 3. Hasil klasifikasi tutupan/ penggunaan lahan.

13
TOPIK INDERAJA
Tutupan lahan
Tubuh air
Vegetasi
Lahan terbuka
Area terbangun
SPOT 2004
Ha
403.01
495.40
468.04
347.08
ALOS 2007
Ha
625.10
282.93
519.93
299.70
Perubahan
Ha
%
222.09
55.11
-212.48
-42.89
51.88
11.09
-47.38
-13.65
Tabel 2. Perubahan tutupan lahan tahun 2004 and 2007
Gambar 4. Perubahan lahan yang terjadi setelah bencana gempa dan Tsunami Aceh
(tubuh air) meningkat sebesar 222 ha atau 55% dari luas

sebelumnya. Penambahan area genangan air terutama
disebabkan karena rusak dan tergenangnya area bervegetasi (terutama hutan mangrove yang mendominasi
vegetasi wilayah pantai) dan sebagian area terbangun
yang terletak di dekat pantai. Gambar 4 memperlihatkan hutan mangrove yang masih baik sebelum Tsunami
dan hutan mangrove yang rusak dan tergenang setelah
bencana Tsunami. Lahan terbuka juga mengalami peningkatan sebesar 52 ha dibandingkan dengan kondisi
sebelum Tsunami. Walaupun ada beberapa area lahan
terbuka yang tergenangi air tetapi lebih banyak area terbangun (pemukiman) yang rusak dan hancur, sehingga
berubah menjadi lahan terbuka.
Berdasarkan pemaparan diatas, data fusi ALOS spasial 2.5m (penggabungan data AVNIR-2 dan PRISM)
mempunyai kemampuan yang baik dalam memetakan
kondisi tutupan lahan. Tingkat kedetilan dan akurasi dari
hasil pemetaan yang diperoleh menggunakan data fusi
ALOS relatif sama dengan hasil pemetaan menggunakan
data SPOT-5 resolusi spasial 2.5m. Berdasarkan hasil
pengujian tersebut, data ALOS dapat dipertimbangkan
untuk menjadi data utama dalam memenuhi kebutuhan
14
mendapatkan informasi secara kuantitatif perubahan lahan yang aktual dan up to date. Juga diharapkan data
ALOS mampu melakukan pemantauan perubahan tutupan lahan untuk mendukung kegiatan pengelolaan pasca
bencana di berbagai wilayah Indonesia.
TOPIK INDERAJA
Pengenalan Aplikasi Geologi

Daerah Bojonegoro dan Sekitarnya
Menggunakan Data Landsat-7 ETM+
Tri Muji Susantoro*, Projo Danoedoro**, Sutikno**
* Staf Kelompok Penginderaan Jauh, KPRT Eksplorasi, PPPTMGB LEMIGAS
** Staf Pengajar di Fakultas Geogra, Universitas Gadjah Mada.
plikasi data penginderaan jauh untuk geologi telah banyak dilakukan, terutama di negara-negara
yang cenderung kering. Hal ini karena secara
umum di daerah tersebut didominasi oleh lahan terbuka, padang rumput atau semak belukar sehingga struktur geologi dapat dikenali menggunakan data penginderaan jauh, dan sebagian batuan terekspose dipermukaan
sehingga dapat dijelaskan menggunakan aspek spektral
(Maruyama, 1994). Aspek spektral data penginderaan
jauh mencerminkan sifat tutupan lahan dan batuan di

permukaan bumi. Hal ini dikarenakan tutupan lahan dan
atau batuan di permukaan bumi mempunyai sifat memantulkan kembali gelombang elektromagnetik yang dipancarkan oleh sumbernya dan selanjutnya diterima sensor
penginderaan jauh. Pada spektrum panjang gelombang
optis obyek di permukaan bumi memantulkan gelombang elektromagnetik yang diterimanya sesuai dengan
karakteristik seperti obyek tersebut.
Gambar 1. Citra Landsat 7 ETM+ 3/1, 5/7, 3/5 RGB hasil fusi dengan SRTM
15
TOPIK INDERAJA
Rationing band (hasil bagi dua kanal yang berbeda)
merupakan salah satu cara yang digunakan untuk mengoptimalkan aspek spektral obyek, sehingga di harapkan
mampu menajamkan kenampakan berbagai tutupan lahan dan batuan seperti tingkat kehijauan daun, kandungan oksida besi, clay mineral dan lainnya. Melalui cara
ini akan diperoleh citra baru yang merupakan hasil bagi
atau ratio satu saluran dengan saluran yang lain. Secara
teori hal ini akan menghasilkan nilai digital number yang
baru (Drury, 1987). Sabin (1987) melakukan eksperimen
rationing band menghasilkan citra komposit dengan gabungan dari tiga band hasil rationing citra penisbahan
3/1, 5/7 dan 3/5 dari data Landsat TM berturut-turut
digabung sebagai RGB. Ternyata citra komposit yang dihasilkan lebih mengekspresikan informasi geologi dan
mempunyai kontras yang besar diantara unit batuan dibanding citra komposit konvensional.
Berdasarkan cara rationing band yang dilakukan
oleh Sabin (1987), pemetaan geologi yang dilakukan di
daerah Kawengan dan sekitarnya sebagai sebuah contoh pemetaan geologi di daerah tropis. Untuk lebih meningkatkan pemanfaatan citra hasil olahan perlu dilakukan penggabungan data Landsat 7 ETM+ yang terolah
dengan data DEM dari SRTM, sehingga dapat meningkatkan aspek relief, topogra dan pola aliran, artinya interpretasi geologi secara visual lebih baik (lihat Gambar
1). Selain itu langkah tersebut diharapkan juga dapat
digunakan sebagai dasar pemetaan geologi yang lebih
luas aplikasinya, misalnya untuk bidang migas, mineral
maupun bidang lainnya yang terkait.
Penginderaan jauh sistem optis secara umum menggunakan panjang gelombang tampak, near infrared and
short-wave infrared untuk membentuk citra pada permu-
Gambar 2. Kurva spektral pada obyek-obyek utama

di permukaan bumi (Sanderson, 2008).
16
kaan bumi dengan mendeteksi pantulan radiasi matahari dari obyek yang diindra. Setiap obyek yang berbeda
mempunyai pantulan dan penyerapan yang berbeda pada
berbagai macam panjang gelombang (Gambar 2).
Pantulan tubuh air yang jernih secara umum adalah
rendah dan mempunyai pantulan maksimum pada spektrum biru yang kemudian menurun dengan meningkatnya panjang gelombang. Pada air keruh yang terdapat
suspensi sedimen pantulan akan meningkat pada spektrum merah. Pada tanah terbuka secara umum tergantung dari komposisinya, sedangkan pada vegetasi mempunyai kurva spektral yang unik seperti terlihat pada
Gambar 2. pantulan pada vegetasi yang rendah pada
spektrum biru dan merah karena adanya penyerapan
oleh klorol untuk fotosintesis dan sangat rendah pada
spektrum hijau. Pada near infrared kurva pantulan adalah yang tertinggi karena adanya pantulan dari struktur
internal daun. Hal ini dapat digunakan sebagai kunci
identikasi untuk vegetasi dan dapat ditajamkan lagi
dengan rationing band (Sanderson, 2008).
Metode rationing band menekankan perbedaan slope kurva pantulan spektral antara dua band. Pada visible
dan inframerah pantulan perbedaan utama dari spektralnya adalah pada nilai material yang diekspresikan dalam
slope kurva pantulan, tetapi dengan citra penisbahan
memungkinkan untuk mengekstrak variasi pantulan
pada satu material. Ouattara, et al. (2004) menyatakan
pada penelitian di white mountain, beaver co., utah, USA
dengan saluran tunggal hasil rationing saluran 3 dengan
saluran 1 yang merupakan iron oxide menggambarkan
hampir semua area diberbagai bayangan tampak abuabu gelap dengan beberapa tampak lebih terang. Hal ini
sesuai dengan zona perubahan kandungan hematitic.
Perbandingan saluran 5 dan 7 sangat baik untuk deteksi
clay mineral. Hal ini karena pada saluran 7 clay mineral
menyerap radiasi sehingga secara signikan terjadi pengurangan pantulan sehingga nilai rationing band keduanya menjadi lebih tinggi (Gambar 3). Kelemahan dari
citra hasil rationing adalah menyembunyikan perbedaan
albedo sehingga material yang mempunyai perbedaan
albedo tetapi slope kurva pantulan sama pada kurva pantulan memungkinkan tidak dapat dibedakan. Citra hasil
rationing band juga meminimalisasikan kondisi illumination sehingga ekspresi topogra menjadi berkurang
atau hilang. Kelemahan citra hasil rationing band dapat
dieliminir melalui penggabungan dengan DEM dalam
hal ini menggunakan data SRTM atau kontur dari peta
yang ada. Penggabungan tersebut dapat dilakukan dengan metode topographic modeling.
TOPIK INDERAJA
SRTM
RAW DATA
LANDSAT 7ETM+
RAW DATA
PETA RBI
Skala 1:25.000
KOREKSI
GEOMETRIK
KOREKSI
GEOMETRIK
LANDSAT 7ETM+
TERKOREKSI
SRTM
TERKOREKSI
RATIONING BAND
PETA GEOLOGI
P3G BANDUNG
Skala 1:10.000
ANALISIS DAN
FUSI SRTM &
LANDSAT 7ETM+
Gambar 3. Kurva pantulan Calcite dan clay mineral
(Husen, 1994)
Pada kegiatan ini dilakukan pengolahan data penginderaan jauh menggunakan software ENVI dan Erdas Imagine sedangkan untuk visualisasi dalam sistem informasi
geogras menggunakan Mapinfo. Pengolahan data penginderaan jauh merupakan suatu teknik pengolahan data
yang berbasis raster. Pada pengolahan data penginderaan
jauh dilakukan standar pengolahan data, yaitu koreksi
geometrik antara Landsat 7 ETM+ dengan referensi Peta
Rupa Bumi yang bersumber dari Bakosurtanal skala 1 :
25.000. Hasil Landsat 7 ETM+ terkoreksi digunakan untuk
koreksi DEM dari SRTM sehingga error posisi geogras antara kedua citra penginderaan jauh tersebut dapat
dieliminir. Hal ini sangat penting untuk proses penggabungan antara kedua citra tersebut. Pengolahan selanjutnya
adalah rationing band, yaitu membandingkan antara band
satu dengan band yang lainnya sehingga diperoleh suatu data baru dengan nilai digital yang baru pula. Proses
selanjutnya adalah pembuatan citra komposit dengan
menggabungkan citra hasil rationing band sehingga diperoleh citra berwarna. Citra komposit tersebut selanjutnya
dilakukan penggabungan dengan DEM dari SRTM untuk meningkatkan kenampakan morfologi. Interpretasi
dilakukan secara manual pada citra hasil pengolahan dan
analisis dilakukan secara deskriptif. Diagram alir studi diberikan pada Gambar 4.
INTERPRETASI
GEOLOGI
SURVEI
LAPANGAN
ANALISIS DAN
LAPORAN
Gambar 4. Diagram Alir Penelitian.
Citra Landsat 7 ETM+ yang telah dilakukan koreksi

geometrik dengan peta RBI skala 1 : 25.000 dilakukan
pengolahan data dengan cara rationing band, yaitu
menggunakan perbandingan band 3/band 1, band 5/
band7 dan band3/band 5. Selain itu juga dilakukan koreksi geometrik DEM dari SRTM dengan referensi citra
Landsat ETM+ yang telah terkoreksi geometrik dengan
tujuan penyamaan posisi geogras keduanya. Hal hal
penting yang perlu diketahui dari hasil pengolahan citra,
lihat (Gambar 5).
a. Rationing band 3 dengan band 1.
Pada Gambar 5.a citra hasil rationing band 3 dengan
band 1 merupakan iron oxida index, sehingga pada hasilnya pada saluran tunggal obyek yang mempunyai oksida
besi yang tinggi akan tampak keputihan dan cerah. Hal
17
TOPIK INDERAJA
ini dikarenakan pantulan obyek yang mengandung oksida besi pada umumnya tinggi di band 3 dan rendah di
band 1 sehingga nilai digital yang dihasilkan pada citra
hasil rationing band menjadi tinggi. Citra ini dapat dimanfaatkan untuk membedakan satuan satuan batuan yang
mempunyai oksida besi. Pada sampel citra yang diolah,
oksida besi yang tinggi terletak di bagian Timur sebelah
Utara yang merupakan formasi Tawun dan Ngrayong.
Hal ini sesuai dengan penelitian. Pringgoprawiro (1983)
yang mennyatakan bahwa satuan ini mempunyai oksida
besi yang tinggi. Hasil survei lapangan menunjukan
bahwa daerah ini kebanyakan digunakan untuk ladang
yang tergantung pada hujan. Pada survei lapangan ditemukan pasir kuarsa lepas yang tebal berwarna putih
a. Citra hasil rationing band 3/1
kotor sampai kemerahan dan mudah diremas. Di beberapa lokasi ditemukan sisipan batugamping tipis dan
sisipan batulempung. Pada lembah-lembah soil relatif
tebal dan berwarna merah dan singkapan tidak begitu
baik. Lembah lembah tersebut digunakan untuk sebagai sawah tadah hujan dan sebagian lagi untuk ladang.
Perlapisan jarang ditemukan kecuali pada sisipan batugamping. Warna gelap pada citra hasil rationing index
band 3/ band 1 yang berwarna gelap merupakan vegetasi. Hal ini karena pada umumnya vegetasi pada band 3
pada umumnya lebih rendah pantulannya dibandingkan
dengan band 1, sehingga nilai digital citra hasil rationing
band menjadi rendah.
b. Citra hasil rationing band 5/7

ZONA REMBANG
ZONA RANDUBLATUNG
ZONA KENDENG
a. Citra hasil rationing band 3/5
b. Citra Komposit 3/1, 5/7 dan 3/5 (RGB)
Gambar 5. Citra hasil Rationing Band dan penggabungannya dalam bentuk Citra Komposit (RGB).
18
TOPIK INDERAJA
b. Rationing band 5 dengan band 7.
Citra hasil rationing band 5 dengan band 7 merupakan clay mineral index Gambar 5.b). Pada saluran 5 clay
yang mengandung mineral memantulkan secara maksimal energi elektromagnetik sehingga pada kurva pantulan menjadi tinggi (Gambar 3). Pada saluran 7 radiasi
diserap oleh clay yang mengandung mineral, sehingga
secara signikan perbandingan antara keduanya pada
lapisan clay yang mengandung mineral mempunyai nilai
digital yang tinggi. Pada citra hasil clay mineral index
terlihat bahwa di daerah yang bermorfologi datar dan
bergelombang lemah mempunyai nilai digital yang tinggi. Daerah ini merupakan endapan aluvium yang didominasi oleh clay. Mineral yang diduga tertransportasi
dan terendapkan di daerah ini. Daerah yang merupakan
satuan batugamping mempunyai nilai digital yang rendah sehingga berwarna gelap pada citra hasil rationing
band 5/7. Hal ini berarti batugamping menyerap radiasi gelombang electromagnetik secara maksimal pada
saluran 5 sehingga memudahkan dalam membedakan
satuan batugamping dengan batuan lainnya.
c. Rationing band 3 dengan band 5.
Citra hasil rationing band 3 dengan band 5 dapat
membedakan kelembaban tanah. Pada band 3 masih
peka terhadap kebasahan, sedangkan band 5 kurang
peka, sehingga perbandingan keduanya akan meningkatkan kecerahan pada tanah-tanah yang lembab atau basah
(Gambar 5.c). Citra yang berwarna cerah pada Gambar
5.c menunjukkan bahwa citra tersebut mempunyai kebasahan yang tinggi. Hal ini biasanya digunakan untuk
mengidentikasi satuan endapan aluvial dan tubuh air.
d. Penggabungan citra hasil Rationing dengan
DEM dan SRTM.
Penggabungan antara tiga citra hasil rationing band
(3/1, 5/7 dan 3/5) diperlukan untuk mengoptimalkan
keunggulan dari masing-masing citra tersebut dan mengeliminir kelemahannya. Kelemahan dari citra hasil
rationing band adalah hilangnya atau berkurangnya kenampakan suatu obyek karena ingin menonjolkan suatu
obyek yang lain. Kelemahan lainnya yang diperlukan dalam pemetaan geologi adalah hilangnya efek topogra,
sehingga perlu ditambahkan data lain yang dapat mengekspresikan efek topogra tersebut. Oleh karena itu
citra komposit hasil rationing band digabungkan dengan DEM dari SRTM. Keuntungannya adalah ekspresi
topogra menjadi sangat baik dan dapat mempertegas
kenampakan resistensi batuan (Gambar 5.d).
Interpretasi pada citra hasil rationing band citra Landsat 7 ETM+ yang digabungkan dengan SRTM dilakukan
secara visual dan digitasi langsung pada layar (on screen
digitizing). Obyek utama yang diinterpretasi adalah litologi dan struktur geologi dengan memperhatikan unsur
dasar pengenalan citra dan unsur dasar interpretasi geologi. Prinsip pengenalan suatu obyek mendasarkan karakteristiknya pada citra yang merupakan penciri obyek
tersebut sehingga dapat dibedakan dengan obyek lain.
Dasar interpretasi batas litologi dan struktur geologi
adalah Peta Geologi P3G Lembar Bojonegoro. Struktur
geologi menjadi sangat jelas, terutama struktur antiklin,
sinklin dan kelurusan-kelurusan baik yang diduga sebagai sesar maupun kelurusan lainnya. Sementara batas
litologi kurang begitu jelas, tetapi untuk batugamping
terlihat sangat jelas perbedaannya dengan batuan lain.
Demikian juga dengan endapan aluvial yang berupa dataran. Batas perlapisan secara umum mulai dapat teramati, sebagiannya relatif jelas dan sebagian lainnya kurang begitu jelas. Batas perlapisan yang jelas terutama di
daerah antiklin di sekitar zona Rembang. Sementara di
zona Kendeng batas perlapisan sebagian jelas sebagian
lagi samar.
Struktur pada citra hasil rationing band terlihat jelas
sebagai kenampakan kelurusan dan bidang perlapisan
(bedding trace). Struktur yang dimaksud adalah Sesar,
perlipatan dan kelurusan lainnya yang dimungkinkan sebagai kekar. Faktor pengenal dalam interpretasi struktur
antara lain perbedaan besar kemiringan lapisan batuan,
perbedaan rona/warna tutupan lahan, ketidak sesuaian
bidang perlapisan, kelurusan sungai dan pergeseran
morfologi. Faktor tersebut di atas juga digunakan sebagai penentu untuk mengidentikasi jenis strukturnya.
Berdasarkan interpretasi citra dikenali adanya struktur
lipatan sinklin dan antiklin. Struktur Lipatan sinklin diinterpretasikan berdasarkan arah dip yang ke dalam. Hal
ini dibuktikan pada survei lapangan, dimana berdasarkan pengukuran kemiringan diperoleh kemiringan yang
menuju pusat sumbu. Pada interpretasi struktur lipatan
sangat dipengaruhi oleh kemampuan interpreter dalam
menentukan jurus dan kemiringan (strike & dip). Hal ini
relatif sulit, terutama pada struktur lipatan yang bersifat
asimetri, sedangkan pengenalan yang paling mudah adalah berdasarkan pola elips/ lonjong pada citra.
Struktur lipatan antiklin di Zona Rembang mempunyai kecenderungan kemiringan bidang perlapisan
di bagian Selatan lebih curam dibanding bagian Utara.
Struktur lipatan antiklin ini merupakan struktur lipatan
antiklin asimetri dan menunjam. Perbedaan cukup je19
TOPIK INDERAJA
a. Sinklin
b. Antiklin Asimetri
Gambar 6. Kenampakan Struktur Lipatan pada citra hasil rationing band Landsat 7 ETM+ yang digabungkan dengan SRTM.
a. Formasi Paciran
b. Anggota Dander Formasi Lidah
Gambar 7. Kenampakan pada citra hasil rationing band Landsat 7 ETM+ yang digabungkan dengan SRTM.
las pada citra dengan melihat perbedaan bayangan dan

ekspresi morfologi yang ditimbulkan pada citra. Hal ini
dikuatkan denga hasil survei lapangan, dimana hasil
pengukuran memperlihatkan kemiringan di bagian Selatan lebih curam dibanding bagian Utara dengan arah
kemiringan yang menjauhi pusat sumbu antiklin. Di
Zona Kendeng struktur lipatan antiklin yang terbentuk
merupakan struktur lipatan antiklin normal, kecuali satu
buah di daerah Ngluyu yang relatif lebih curam di bagian
Selatan. Hasil survei di lapangan menunjukkan bahwa
struktur lipatan antiklin ini mempunyai dip dengan arah
kemiringan yang menuju pembaca (Gambar 6).
Fenomena sesar atau kekar dikenali dengan kenampakan kelurusan pada citra. Kelurusan-kelurusan tersebut dibedakan sebagai sesar normal, sesar geser, sesar
naik atau pun kelurusan biasa (sebagai kekar). Sesar
dikenali dengan kenampakan kelurusan yang relatif panjang, pergeseran kenampakan morfologi untuk sesar geser, kelurusan sungai dan kelurusan lembah. Kelurusan
dapat dianggap sebagai kekar apabila kelurusan tersebut
relatif pendek dibandingkan kelurusan pada sesar.
Beberapa litologi terlihat jelas pada citra, misalnya
20
Formasi Paciran dan Anggota Dander Formasi Lidah.

Formasi Paciran tampak berwarna magenta yang menandakan satuan ini tidak bervegetasi/ vegetasi tipis (dimungkinkan semak). Ciri khusus satuan ini adalah relief
yang tinggi, tekstur halus sedang dan pola pengaliran
subdendritik pada bagian atas dan paralel di lerengnya.
Hasil survei lapangan menunjukkan bahwa pada satuan
ini adalah batugamping. Ciri batugampingnya adalah
berwarna putih abu-abu, apabila ditumbuk berbutir
halus seperti lanau, masif membentuk morfologi yang
khas yaitu berbukit-bukit dan bersifat kapuran (Chalky)
pada bagian atasnya. Selain itu batugamping tersebut berongga halus (porous), rapuh lunak dan kaya akan fosilfosil. Batugamping ini dimanfaatkan oleh warga sekitar
dengan ditambang untuk bahan bangunan. Secara stratigra satuan ini ekuivalen dengan formasi Paciran pada
Peta Geologi Lembar Bojonegoro (Gambar 7.a).
Anggota Dander Formasi Lidah pada citra hasil rationing band Landsat 7 ETM+ yang digabungkan dengan
SRTM terlihat jelas berwarna magenta, biru dan hijau ke
arah kecoklatan dengan batas yang relatif tegas. Warna
magenta menunjukkan bahwa daerahnya relatif terbuka
TOPIK INDERAJA
a. Formasi Notopuro
b. Kemampuan Formasi Kabuh
Gambar 8. Kenampakan pada citra hasil rationing band Landsat ETM+ yang digabungkan dengan SRTM.
atau hanya terdapat semak tipis, warna hijau kecoklatan

menunjukkan bahwa daerahnya tertutup vegetasi, survei lapangan menunjukan bahwa daerahnya tertutup
hutan jati. Warna kebiruan menunjukkan daerahnya
mengandung air atau kelembaban tinggi. Hal ini terjadi
pada lembah-lembah dimana konsentrasi air terkumpul
(Gambar 7.b). Hasil survei lapangan menunjukkan bahwa batugamping yang ada merupakan batugamping
terumbu dengan warna putih kekuningan, berlubanglubang, sebagian kristalin dan mengandung koral. Batugamping yang ada mempunyai bentuk tidak beraturan
membentuk morfologi bergelombang karst. Soil tipis
diatas permukaan batugamping dimanfaatkan untuk
penanaman jati. Daerah ini merupakan milik perhutani,
dimana warga sekitar boleh memanfaatkan hasil hutan
berupa ranting-ranting kayu jati untuk bahan bakar.
Litologi lainnya yang terlihat jelas pada citra adalah
Formasi Notopuro dan Formasi Kabuh. Formasi Notopuro merupakan bagian dari zona Kendeng yang berumur paling muda. Dibedakan dengan satuan yang lainnya berdasarkan perbedaan teksturnya, dimana satuan
ini mempunyai tekstur lebih halus ke arah sedang dibandingkan dengan satuan batuan lainnya. Kedudukan relief termasuk sedang dan secara morfologi merupakan
bagian dari lereng gunungapi dengan pola pengaliran
paralel. Satuan ini pada citra berwarna hijau dan merah kecoklatan. Hal ini menunjukan bahwa permukaannya masih tertutupi vegetasi dengan baik. Hasil survei
menunjukkan bahwa daerah ini ditutupi oleh hutan jati
pada sebagian besar tutupannya dan sedikit hutan campur di Selatan Breksi Pandan. Menurut Pringgoprawiro
(1983) batuapung merupakan ciri kusus dari satuan ini
dan ditemukan sebagai fragmen dalam breksi vulkanik
oleh batulempung pasiran. Batulempung berwarna kuning kecoklatan dan batupasir berwarna putih ke arah
kuning hingga kemerahan. Batupasir yang ada merupakan batuan lepas yang mudah diremas dan mengandung
kuarsa. Sisipan batugamping yang ada berwarna abuabu coklat sampai kuning kecoklatan dan tersementasi
dengan baik dengan penyusun utama fosil foraminifera
(Gambar 8.a).
Formasi Kabuh pada citra masih dapat dibedakan
dengan satuan yang lainnya berdasarkan perbedaan
teksturnya, pola pengaliran dan reliefnya. Formasi mempunyai tekstur halus ke kasar dan mempunyai pola pengaliran paralel. Tekstur halus terdiri dari batupasir tufan
dan tekstur kasar berupa konglomerat. Satuan ini dari
citra mirip dengan Formasi Notopuro hanya saja dibedakan dan terlihat adanya batas perlapisan yang agak jelas. Formasi ini pada citra hasil rationing band Landsat 7
ETM+ yang digabungkan dengan SRTM berwarna hijau
cerah, hijau kecoklatan sampai merah. Perbedaan vegetasi yang ada sangat mempengaruhi perubahan warna
tersebut. Di sebelah Timur bagian Selatan ketersedian
air lebih banyak sehingga dimanfaatkan untuk pertanian
bukan kehutanan. Hasil survei lapangan menunjukan bahwa satuan ini ditempati batupasir kasar yang berwarna
abu-abu kecoklatan, konglomerat dan debu tufa yang
berwarna kekuningan dan terkadang batulempung dan
batulanau yang berwarna coklat. Melihat dari penyusunnya satuan ini masih terpengaruh dari aktivitas vulkanik.
Hal ini ditegaskan oleh Pringgoprawiro (1983) bahwa
di Zona Kendeng bagian Timur formasi ini terdiri dari
dua facies, yaitu facies vulkanik dan facies lempung laut
(Gambar 8.b)
Pemetaan geologi dapat dilakukan dengan menggunakan data Landsat 7 ETM+ dan SRTM. Penggunaan
cara rationing band (3/1, 5/7 dan 3/5) pada Landsat
7ETM+ yang dikompositkan dalam RGB dan digabungkan dengan SRTM menunjukkan hasil yang baik untuk
21
TOPIK INDERAJA
Gambar 9. Peta geologi Kab. Bojonegoro dan sekitarnya hasil interpretasi dari citra Landsat 7 ETM+ 3/1, 5/7, 3/5 RGB hasil fusi
dengan SRTM.
pemetaan geologi. Fungsi SRTM tersebut adalah untuk

meningkatkan efek topogra dan relief pada citra hasil
rationing band sehingga mempertegas kenampakan
resistensi batuan dan pola aliran. Pada hasil rationing
band yang digabungkan dengan SRTM tersebut dapat
dibedakan dengan jelas berbagai struktur yang ada (sinklin, antiklin dan kelurusan) dan litologi. Kenampakan
struktur menjadi lebih detil dengan adanya penggabungan tersebut. Demikian juga dalam hal litologi, penggunaan metode tersebut dengan jelas dapat membedaan
satuan-satuan litologi tertentu. Dan hasil kegiatan pada
pembuatan peta interpretasi geologi Kab. Bojonegoro
dan sekitarnya dapat dilihat pada Gambar 9.
22
APLIKASI INDERAJA
Aplikasi Data Satelit Inderaja

untuk Mendukung Pengelolaan
Kawasan Danau
Studi Kasus: Danau Toba
Oleh: Sukentyas Estuti Siwi
Staf Bidang Prodata PUSDATA LAPAN
anau/waduk berfungsi menampung air dan

sebagai sarana konservasi untuk menjaga keseimbangan air dan ketersediaan air. Kawasan
di sekitar danau/waduk merupakan bagian yang tidak
terpisahkan dari fungsi danau/waduk dan berpengaruh
dalam siklus hidrologi. Pada Keppres 32 Tahun 1990
tentang Pengelolaan Kawasan Lindung disebutkan kawasan sekitar danau/waduk adalah kawasan tertentu di
sekeliling danau/waduk yang mempunyai manfaat penting untuk mempertahankan kelestarian fungsi danau/
waduk. Dinyatakan pula bahwa kriteria kawasan sekitar
danau/waduk adalah daratan sepanjang tepian danau/
waduk yang lebarnya proporsional dengan bentuk dan
kondisi danau/waduk antara 50-100 meter dari titik pasang tertinggi ke arah daratan.
Jenis penutup lahan yang ideal di kawasan sekitar
danau/waduk, terlebih lagi yang merupakan Daerah
Tangkapan Air (DTA), adalah tegakan hutan atau lahan
bervegetasi dengan jenis tanaman menahun, bukan
tanaman budidaya. Perubahan penutup/penggunaan lahan di kawasan suatu danau atau di DTA dapat dipantau
dengan memanfaatkan potensi data satelit penginderaan
jauh (inderaja).
DTA suatu danau adalah permukaan bumi di sekeliling danau yang dibatasi oleh punggung bukit yang menampung air hujan dan mengalirkannya melalui sungai-
Gambar 1. Daerah Tangkapan Air Danau Toba di Provinsi Sumatera Utara

23
APLIKASI INDERAJA
sungai atau melalui aliran permukaan serta aliran bawah
tanah menuju danau. Pada Gambar 1. dapat dilihat batas
DTA salah satu danau yang terkenal keindahannya, yaitu Danau Toba di Provinsi Sumatera Utara. Batas DTA
tersebut diturunkan dari data Shuttle Radar Topographic
Mission (SRTM).
Berdasarkan proses terjadinya danau diketahui bahwa Danau Toba merupakan danau vulkanik, yaitu danau
yang terbentuk akibat aktivitas vulkanisme (gunung
berapi). Secara geogras DTA Danau Toba terletak antara koordinat 021200 Lintang Utara (LU) 025600
LU dan 982500 Bujur Timur (BT) 992100 BT.
Mengacu pada wilayah administrasi pemerintahan, DTA
Danau Toba meliputi wilayah di 7 (tujuh) kabupaten
yaitu Kabupaten Tapanuli Utara, Kabupaten Humbang
Hasundutan, Kabupaten Toba, Kabupaten Samosir, Kabupaten Simalungun, Kabupaten Karo, dan Kabupaten
Dairi.
Dimensi Danau Toba adalah panjang 100 kilometer
dan lebar 30 kilometer. Ciri khas Danau Toba adalah
adanya sebuah pulau vulkanik di tengah danau tersebut,
yaitu Pulau Samosir, dengan luas 64.000 hektar. Bentuk DTA Danau Toba adalah lonjong yang menyebabkan waktu konsentrasi air hujan yang mengalir menuju
outlet relatif lama sehingga uktuasi banjir juga relatif
rendah.
Air yang masuk ke dalam Danau Toba berasal dari

dua sumber, yaitu: a. Air hujan yang langsung jatuh di
Danau Toba dan sekitarnya, dan b. Air yang berasal dari
sungai-sungai yang masuk ke dalam danau. Menurut
Dokumen LTEMP-BKPEKDT No: 0401, di sekeliling
danau terdapat 19 Sub DTA yang merupakan daerah
tangkapan air bagi 19 sungai yang masuk ke dalam danau. Sungai-sungai tersebut adalah: Sungai Sigubang,
S. Bah Bolon, S. Guloan, S. Arun, S. Tomok, S. Pulau
Kecil/Sibandang, S. Halian, S. Simare, S. Aek Bolon, S.
Mandosi, S. Gongpan, S. Bah Tongguran, S. Mongu, S.
Kijang, S. Sinabung, S. Ringo, S. Prembakan, S. Sipultakhuda dan Sungai Silang. Di sisi lain, air yang keluar
dari Danau Toba dialirkan melalui Sungai Asahan.
Permukaan air Danau Toba terletak pada ketinggian
903 meter di atas permukaan laut (dpl), sedangkan DTAnya berada pada ketinggian lebih dari 903 meter dpl
sampai 1.981 meter dpl. Informasi ketinggian (elevasi)
Danau Toba dan DTA-nya secara spasial disajikan pada
Gambar 2. Informasi spasial tersebut dibuat berdasarkan data SRTM. Secara umum ketinggian di DTA Danau
Toba dibagi ke dalam tiga kelas elevasi, yaitu: a. Ketinggian 700-1.000 meter dpl, b. Ketinggian 1.000-1.400 meter dpl, dan c. Ketinggian 1.400-2.000 meter dpl.
Kondisi topogra didominasi oleh perbukitan dan
pegunungan, dengan variasi kondisi kelerengan lahan
Gambar 2. Informasi Ketinggian Daerah Tangkapan Air Danau Toba.

24
APLIKASI INDERAJA
adalah: datar, landai, agak curam, curam, dan sangat
curam sampai terjal. (Dapat dilihat pada Tabel 1). Luas
2D adalah hasil perhitungan luas berdasarkan citra
dua dimensi. Sementara itu, luas 3D diperoleh dengan
memperhatikan sudut kemiringan lahan pada citra tiga
dimensi. Luas 3D dihitung dengan rumus: L2D/cos ,
dimana L2D = luas dua dimensi; dan adalah sudut kemiringan lahan.
Berdasarkan hasil pengolahan data Shuttle Radar
Topographic Mission (SRTM), diperoleh informasi bahwa DTA Danau Toba memiliki luas 398.991,03 hektar
yang terdiri dari perairan Danau Toba 112.834,50 hektar dan kawasan daratan 286.156,53 hektar, sedangkan
keliling DTA adalah 553.740 kilometer. Akan tetapi, jika
dihitung berdasarkan citra 2D, tanpa memperhatikan
faktor kemiringan lahan, maka luas DTA tersebut adalah
392.362,68 hektar. Dengan demikian terdapat selisih
6.628,35 hektar.
Kondisi DTA Danau Toba didominasi oleh lahan

yang datar dan landai dengan luas mencapai 168.238,42
hektar, sedangkan luas lahan yang agak curam sampai
sangat curam adalah 117.918,11 hektar. Informasi spasial yang memberikan gambaran kelerengan lahan DTA
Danau Toba dapat dilihat pada Gambar 4.
Informasi jenis penutup lahan dan luasnya diperoleh
berdasarkan data Landsat_7 Ortho tahun 2001 dan Landsat_5 TM tahun 2006. Pada Tabel 2. disajikan informasi
spasial penutup lahan berdasarkan pada citra 2D, sedangkan pada Tabel 3. informasi penutup lahan berbasis citra
3D. Klasikasi penutup lahan dibagi menjadi delapan
kelas, yaitu danau, hutan, ladang/tegalan, permukiman,
sawah, semak/belukar, lahan terbuka, dan jenis penutup
lahan lainnya.
Pada tahun 2006 (Tabel 3.), jenis penutup lahan
yang memiliki luas paling besar adalah semak/belukar,
yaitu 142.119,99 hektar (=35,62%). Sementara itu, luas
Tabel 1. Kondisi Topografi di Daerah Tangkapan Air Danau Toba

NO
KONDISI
KEMIRINGAN (%)
(1)
1.
2.
3.
4.
5.
(2)
Lahan Datar
Lahan Landai
Lahan Agak Curam
Lahan Curam
Lahan Sangat Curam
Sub JUMLAH
Permukaan Air Danau
JUMLAH
(3)
0-8
>815
>15-25
>25-45
>45
81.493
LUAS (Hektar)
100.000
LUAS 2 DIMENSI
( Ha )
(4)
81.449,49
86.424,44
48.986,41
41.165,31
21.466,33
279.492,18
112.834,50
392.362,68
LUAS 3 DIMENSI
( Ha )
(%)
(5)
(6)
81.493,22
28.48
86.745,20
30,31
49.596,45
17,33
42.769,15
14,95
25.552,52
8,93
286.156,53
100,00
112.834,50
398.991,03
86.745
80.000
49.596
60.000
42.769
25.552
40.000
20.000
0
KEMIRINGAN LAHAN
D atar
Landai
A gak C uram
C uram
S angat C uram
Gambar 3. Histogram Kelas Kemiringan Lahan di Daerah Tangkapan Air Danau Toba
25
APLIKASI INDERAJA
Gambar 4. Informasi Kelerengan Daerah Tangkapan Air Danau Toba.

Tabel 2. Luas Penutup Lahan di Daerah
Tangkapan Air Danau Toba Tahun 2001
- 2006 Berbasis Citra Dua Dimensi (2D)..
Tabel 3. Luas Penutup

Lahan di Daerah
Tangkapan Air Danau
Toba Tahun 2001 2006 Bebasis Citra Tiga
Dimensi (3D).
Catatan: Tanda negatif

pada kolom (7) dan (8)
menunjukkan penurunan luas.
26
NO
(1)
1.
2.
3.
4.
5.
6.
7.
8.
TAHUN 2001
(Hektar)
(%)
(3)
(4)
112.834,50
28,74
71.209,19
18,14
40.520,60
10,32
1.858,84
0,47
27.668,45
7,05
137.641,88
35,06
638,63
0,16
172,09
0,04
392.544,18
100,00
PENUTUP LAHAN
(2)
Danau
Hutan
Ladang/Tegalan
Permukiman
Sawah
Semak/Belukar
Lahan Terbuka
Lainnya
JUMLAH
TAHUN 2001
NO
PENUTUP LAHAN
(1)
1.
2.
3.
4.
5.
6.
7.
8.
(2)
Danau
Hutan
Ladang/Tegalan
Permukiman
Sawah
Semak/Belukar
Lahan Terbuka
Lainnya
JUMLAH
(Hektar)
(3)
112.834,50
73.067,09
40.967,87
1.839,75
27.823,57
141.642,37
641,25
174,63
398.991,03
(%)
(4)
28,28
18,31
10,27
0,46
6,97
35,50
0,16
0,04
100,00
TAHUN 2006
(Hektar)
(5)
112.836,91
72.057,58
41.390,02
1.864,70
28.432,51
142.119,99
125,32
164,00
(%)
(6)
28,28
18,06
10,37
0,47
7,13
35,62
0,03
0,04
100,00
TAHUN 2006
(Hektar)
(%)
(5)
(6)
112.836,91
28,75
70.195,25
17,88
40.932,31
10,43
1.858,84
0,47
28.257,77
7,20
138.174,58
35,20
124,56
0,03
163,96
0,04
392.544,18
100,00
PERUBAHAN LUAS
Hektar
(7)=(5)-(3)
2,41
-1.009,51
422,15
24,95
608,94
477,62
-515,93
-10,63
0,00
(8)=(6)-(4)
0,00
-0,25
0,10
0,01
0,15
0,12
-0,13
0,00
0,00
APLIKASI INDERAJA
PERUBAHAN LUAS (Hektar)
608,94
800,00
422,15
477,62
600,00
24,95
400,00
200,00
0,00
-10,63
-200,00
-400,00
-515,93
-600,00
-800,00
-1.000,00
-1.009,51
-1.200,00
JENIS PENUTUP LAHAN

Hutan
Semak/Belukar
Ladang/Tegalan
Lahan Terbuka
Permukiman
Lainnya
Sawah
Gambar 5. Hitogram Perubahan Luas Penutup Lahan di DTA Danau Toba. Tahun 2001-2006.
Gambar 6. Penutup Lahan di Daerah Tangkapan Air Danau Toba Tahun 2001.
27
APLIKASI INDERAJA
Gambar 7. Penutup Lahan di Daerah Tangkapan Air Danau Toba Tahun 2006.
hutan, ladang/tegalan dan sawah masing-masing adalah

72.057,58 hektar (=18,06%), 41.390,02 hektar (=10,37%),
dan 28.432,51 hektar (=7,13%). Perbandingan antara luas
lahan yang bervegetasi (hutan, ladang/tegalan, sawah,
dan semak belukar) dan lahan non-vegetasi (permukiman dan lahan terbuka) adalah 284.000,10 hektar berbanding 1.990,02 hektar. Daerah-daerah yang bervegetasi tersebut harus dilindungi, terutama kawasan hutan, dan harus tetap dijaga kelestariannya sebagai lahan
bervegetasi.
Dalam periode tahun 2001 sampai 2006 di DTA Danau
Toba banyak terjadi perubahan penutup lahan. Hutan dan
lahan terbuka mengalami penurunan luas. Penurunan
luas yang paling besar adalah hutan, dalam periode enam
tahun terjadi alih fungsi hutan sebanyak 1.009,51 hektar.
Sementara itu, ladang/tegalan, sawah, dan semak/belukar mengalami pertambahan luas, masing-masing 422,15
hektar, 608,94 hektar, dan 477,62 hektar.
Dalam konteks konservasi sumber daya air dan kelestarian fungsi danau, yang perlu mendapat perhatian adalah
hutan. Berdasarkan peraturan yang berlaku, luas hutan di
daerah tangkapan air minimal harus 30% dari total luasnya. Luas hutan di DTA Danau Toba terdeteksi berdasarkan citra satelit sebanyak 73.067,09 hektar, yang artinya
hanya setara 25,53% dari luas lahan di DTA. Di samping
itu, dalam periode tahun 2001-2006 terjadi alih fungsi hu28
tan yang luasnya mencapai 1.009,51 hektar. Berkurangnya luas lahan yang bervegetasi di daerah tangkapan
air tersebut, terutama tegakan hutan, akan memberikan
dampak negatif terhadap siklus hidrologi yang bermuara
di Danau Toba, karena sebelum berkurang (2001) luas
hutannya sudah lebih kecil dari 30 %.
Pada Keppres No. 32/1990 Pasal 17 dinyatakan secara eksplisit bahwa perlindungan terhadap kawasan
di sekitar danau/waduk dilakukan untuk melindungi
danau/waduk dari kegiatan budidaya yang dapat mengganggu kelestarian fungsi danau/waduk. Pengawasan
pemanfaatan lahan di kawasan danau/waduk agar tidak
menyimpang dari peraturan yang berlaku dapat dibantu
dengan menggunakan data satelit inderaja, yaitu untuk
memantau penutup/penggunaan lahan dan mengetahui
perubahan yang terjadi.
APLIKASI INDERAJA
Pemanfaatan Data TRMM dalam

Mendukung Pemantauan dan Prediksi
Curah Hujan Di Indonesia
Oleh: Orbita Roswintiarti, Par wati Sofan, dan Any Zubaidah
Bidang Pemantauan Sumberdaya Alam dan Lingkungan (LAPAN)
urah hujan adalah salah satu komponen iklim

yang sangat penting bagi kehidupan mahluk hidup di bumi. Indonesia sebagai negara kepulauan di wilayah tropis mempunyai karakteristik hujan yang
berbeda-beda, baik di wilayah barat hingga ke timur
maupun di wilayah utara ekuator hingga selatan ekuator.
Kondisi curah hujan di Indonesia secara global dipengarui oleh Asia-Australia monsun, El Nio/La Nia, dan
Indian Ocean Dipole Mode (IOD). Sementara itu, secara
lokal curah hujan di Indonesia antara lain dipengaruhi
oleh perbedaan pemanasan daratan dan lautan yang dikenal dengan land-sea breeze.
Sebagai negara kepulauan yang terletak di katulistiwa,
Indonesia sangat rentan terhadap perubahan iklim global.
Perubahan iklim global yang dinyatakan sebagai dampak dari pemanasan suhu global terjadi akibat kenaikan
konsentasi gas-gas rumah kaca terutama karbondioksida (CO2) dan metana (CH4). Hasil pengamatan menunjukkan suhu rata-rata global naik hingga 0.74C antara
tahun 1906 sampai tahun 2005 (Solomon, et al. 2007). Intergovernmental Panel on Climate Change (IPCC) sebagai
lembaga dunia yang didirikan oleh World Meteorological
Organization dan United Nations Environment Programme memproyeksikan perubahan suhu dan curah hujan
hingga tahun 2099. Pada akhir abad ke 21 diproyeksikan
suhu di wilayah tropik akan terus meningkat hingga 3C,
sedangkan curah hujan akan meningkat terutama pada
musim hujan (Desember-Februari).
Upaya adaptasi (penyesuaian) dan mitigasi (penanggulangan) perlu dilakukan dalam menghadapi perubahan iklim dalam semua sektor, agar dapat mengantisipasi
berbagai kemungkinan buruk yang akan timbul akibat
terjadinya perubahan iklim. Salah satu upaya adaptasi
yang harus dilakukan adalah penyediaan informasi cuaca yang akurat, seperti pemantauan dan prediksi curah
hujan sebagai sistem peringatan dini terhadap dampak
yang akan ditimbulkannya. Informasi curah hujan yang

dikenal masyarakat, berasal dari hasil pengukuran stasiun pengamatan cuaca di lapangan. Saat ini, data curah
hujan yang berasal dari data satelit penginderaan jauh
mampu memberikan informasi terkini (near real-time),
baik secara temporal maupun spasial.
Sejak tahun 1994, LAPAN telah memberikan prediksi curah hujan bulanan melalui data Outgoing Longwave Radiation (OLR) yang mempunyai resolusi spasial
2.5 x 2.5. Data OLR diperoleh dari satelit National Oceanic and Atmospheric Administration (NOAA), tersedia
sejak Juni 1974 sampai sekarang (http://www.cdc.noaa.
gov/cdc/data.interp_OLR.html). Data tersebut kemudian dikonversi menjadi data curah hujan berdasarkan
beberapa data stasiun pengamatan di P. Jawa. Data Global Precipitation Climatological Project (GPCP) dengan
resolusi spasial 2.5 x 2.5 dari USA National Aeronautics and Space Administration (NASA) pada tahun 2004
digunakan sebagai pelengkap konversi data OLR menjadi curah hujan untuk seluruh wilayah Indonesia. Data
GPCP tersedia dari Januari 1979 dan berakhir pada April
2008 (http://precip.gsfc.nasa.gov), sedangkan. data satelit Tropical Rainfall Measuring Mission (TRMM) dengan
resolusi spasial 0.25 x 0.25 telah tersedia sejak Januari
1998 hingga sekarang, dan telah memberikan informasi
curah hujan terkini setiap tiga jam sekali, melalui website Sistem Informasi untuk Mitigasi Bencana Alam
(SIMBA) di http://www.rs.lapan.go.id/SIMBA. LAPAN
juga telah mengembangkan model prediksi curah hujan
bulanan dengan resolusi spasial yang lebih tinggi dari
data OLR.
Tulisan ini ditujukan untuk mensosialisasikan
pemanfaatan data TRMM sebagai alternatif sumber informasi curah hujan di wilayah Indonesia. Pembahasan
yang akan dikemukakan adalah mengenai spesikasi
data TRMM, beberapa perbandingan antara data curah
29
APLIKASI INDERAJA
hujan dari OLR, GPCP, dan
TRMM, juga hasil uji akurasi
antara curah hujan dari TRMM
dibandingkan dengan data curah
hujan hasil pengukuran stasiun
meteorologi di lapangan.
Satelit TRMM merupakan
misi kerjasama antara NASA
dan Japan Aerospace Exploration
Agency (JAXA) dalam memantau
dan mempelajari curah hujan di
wilayah tropik. TRMM diluncurkan pada tanggal 28 November
1997 pada ketinggian 403 km,
dan dapat memantau permukaan
bumi wilayah tropik (50LU
50LS) sebanyak 16 kali sehari
setiap 92.5 menit (Gambar 1). Jenis sensor TRMM dapat dilihat
pada Tabel 1.
Data TRMM tersedia dalam
berbagai produk dengan resolusi
spasial dan temporal yang berbeda-beda. Masing-masing produk
dihasilkan dari sensor berbeda.
Contoh beberapa produk data
TRMM dapat dilihat pada Tabel 2. Produk data TRMM dapat
diakses melalui website Goddard
Space Flight Center NASA (GSFC
Gambar 1. Karakteristik sensor-sensor yang

dibawa satelit TRMM.
NASA) di http://trmm.gsfc.nasa.gov
serta website Earth Observation
Research Center JAXA (EORC)
di http://www.eorc.java/TRMM/
index_e.htm. Berbagai penelitian,
validasi, serta aplikasi data TRMM
telah banyak dilakukan (Meneghini et al. 2004, Mori et al. 2004, Wolff
et al. 2005, Ichikawa and Yasunari
2006, Shige et al. 2007).
Data yang digunakan pada
analisis perbandingan hasil pemantauan dan prediksi curah hujan di
Indonesia adalah TRMM, OLR,
GPCP. Pada analisis perbandingan hasil pemantauan curah hujan digunakan periode data pada
saat kondisi iklim ekstrim yaitu
kejadian El Nio pada bulan Oktober 2006, dan La Nia pada
bulan Desember 2007. Peristiwa
El Nio dikenal sebagai suatu
periode dimana curah hujan di
Indonesia mengalami penurunan
dari kondisi normalnya sehingga
menimbulkan kekeringan yang
lebih parah daripada biasanya, sebaliknya curah hujan di Indonesia
pada kondisi La Nia cenderung
lebih tinggi dibanding kondisi nor-
Tabel 1. Jenis sensor TRMM.

Jenis Sensor
Resolusi spasial
Lebar sapuan
Precipitation Radar (PR)
TRMM Microwave Imager (TMI)

Visible and Infrared Scanner (VISR)
Lightning Imaging Sensor (LIS)
Cloud and Earth Radiant Energy
Sensor (CERES)
5 km
5.1 km
247 km
878 km
Kemampuan
menyediakan profil vertikal hujan/salju dari
permukaan hingga ketinggian 20 km
mendeteksi intensitas hujan ringan (sampai

0.7 mm/jam)
mendeteksi intensitas hujan lebat

menghitung kandungan uap air dalam
atmosfer dan awan
2 km
4 km
720 km
600 km
menghitung intensitas curah hujan

Mengetahui kondisi keawanan
Mengetahui penyebaran dan variabilitas awan
25 km
seluruh bumi
Mengetahui penyebaran dan variabilitas awan
SSM/I: Special Sensor Microwave Imager (satelit Defense Meteorological Satellite Program)
AMSR-E: Advanced Microwave Scanning Radiometer - Earth Observing System (satelit Aqua)
***
AMSU-B: Advanced Microwave Sounding Unit B (satelit NOAA)
**
30
APLIKASI INDERAJA
Tabel 2. Contoh produk data TRMM yang tersedia.
Jenis
Deskripsi
Spasial
Resolusi
Temporal
Periode
3A11
Khusus curah hujan di atas lautan, diperoleh dari

sensor PR.
5.0 x 5.0
bulanan
Desember 1997 - sekarang
3A25
Curah hujan di atas daratan dan lautan, diperoleh

dari sensor PR.
5.0 x 5.0
dan
0.5 x 0.5
bulanan
5.0 x 5.0
bulanan
5.0 x 5.0
bulanan
1.0 x 1.0
bulanan
Januari 1998 -sekarang
0.25 x 0.25
setiap 3 jam
0.25 x 0.25
setiap 3 jam
Januari 1998 - sekarang
3A26
3A31
3A46
3B42
3B46

dari sensor PR.
dari sensor PR dan TMI.
dari sensor SSM/I*.
dari sensor-sensor TRMM dan lainnya (SSM/I,
AMSR-E**, AMSU-B***).
dari gabungan data 3B42 dan raingauge.
malnya, sehingga dapat menimbulkan banyak bencana

banjir.
Gambar 2 menunjukkan perbandingan antara data
OLR, GPCP, dan TRMM pada puncak kejadian El Nio
2006 pada bulan Oktober 2006. Terlihat bahwa distribusi
OLR, GPCP, dan TRMM mempunyai pola yang relatif
sama. Apabila OLR rendah mempunyai potensi curah
hujan GPCP dan TRMM tinggi dan sebaliknya. Curah
hujan terendah (dibawah 50 mm/bulan) pada bulan Oktober 2006 terdapat di wilayah P. Jawa, sebagian Sumatera Selatan, Kalimantan, dan Sulawesi. Curah hujan di
wilayah tersebut pada kondisi iklim normal bulan Oktober rata-rata di atas 100 mm/bulan.
Sementara itu pada kondisi puncak La Nia 2007
pada bulan Desember 2007 (Gambar 3), ketiga data di
atas juga memberikan informasi curah hujan dengan
pola yang relatif sama. Curah hujan yang tinggi (diatas
350 mm/bulan) terdapat di sebagian wilayah P. Jawa,
Bengkulu, Padang, Kalimantan Barat, Sulawesi Selatan,
dan Papua. Pada kondisi iklim normal, curah hujan di
wilayah tersebut pada bulan Desember rata-rata di atas
300 mm/bulan. Dari uraian di atas dapat ditunjukkan
bahwa secara global data TRMM mampu merepresentasikan kondisi curah hujan pada saat kondisi ekstrim,
baik pada waktu El Nio maupun La Nia. Selain itu,
terlihat juga bahwa data TRMM mampu memberikan informasi curah hujan dengan kedetilan spasial yang lebih
baik dibandingkan dengan data OLR dan GPCP, karena
resolusi spasial data TRMM sepuluh kali lebih tinggi
dibandingkan data OLR dan GPCP.
Metode analisis yang kedua adalah dengan memBERITA INDERAJA, Volume VIII, No. 14, Juli 2009
bandingkan hasil prediksi curah hujan di Indonesia yang

dibangun dari data OLR dan SST (Sea Surface Temperature) Pasik Tropik (periode 1982 -2003), dengan hasil
prediksi curah hujan yang dibangun dari data TRMM
dan SST Pasik Tropik (periode 1998 2008). Metode statistik yang digunakan untuk menghasilkan model prediksi curah hujan tersebut adalah metode EOF
(Emphirical Orthogonal Function) dan CCA (Canonical
Correlation Analysis).
Gambar 4 menunjukkan perbandingan hasil prediksi
curah hujan pada bulan April 2009 untuk model prediksi
OLR (Gambar 4a-b) dan TRMM (Gambar 4c-d) dengan
input suhu permukaan laut Pasik Tropik bulan Maret
2009. Dapat dilihat bahwa dari kedua model tersebut,
prediksi curah hujan untuk bulan April 2009 menunjukkan distribusi yang sama dimana curah hujan di atas 250
mm/bulan akan terjadi di atas P. Sumatera, Kalimantan,
P. Sulawesi, dan Papua. Sementara itu, intensitas curah
hujan di P. Jawa umumnya diprediksikan lebih rendah
dibandingkan P. Sumatera, Kalimantan, P. Sulawesi, dan
Papua. Demikian pula dengan prediksi anomali curah
hujan di antara kedua model yang secara umum memberikan pola yang sama, yaitu rendah/negatif dibagian
selatan khatulistiwa. Akan tetapi, secara lebih detil memperlihatkan beberapa perbedaan. Hal ini dapat diakibatkan oleh perbedaan dalam menentukan nilai rata-rata
(klimatologi) curah hujannya.
Sementara itu, Gambar 5 menunjukkan perbandingan hasil prediksi curah hujan untuk bulan Mei 2009
untuk model prediksi OLR (Gambar 5a-b) dan TRMM
(Gambar 5c-d) dengan input suhu permukaan laut Pa31
APLIKASI INDERAJA
Gambar 2. Perbandingan antara data OLR, GPCP, dan

TRMM pada puncak kejadian El Nino bulan Oktober 2006.
Gambar 3. Perbandingan antara data OLR, GPCP, dan

TRMM pada puncak kejadian El Nino bulan Desember 2007.
sik Tropik bulan Maret 2009. Prediksi curah hujan

untuk bulan Mei 2009 dari kedua model tersebut masih
menunjukkan distribusi yang sama, dimana intensitas
curah hujan di P. Jawa, P. Sumatera, Kalimantan, P. Sulawesi dan Papua menjadi semakin lebih rendah dibandingkan pada bulan Apil 2009. Wilayah Nusa Tenggara
diprediksi memasuki musim kemarau. Sementara itu,
anomali curah hujan negatif terlihat sudah semakin bergerak ke utara.

Untuk mengetahui seberapa besar data curah hujan
TRMM mampu merepresentasikan kondisi curah hujan lokal di suatu wilayah, telah dilakukan validasi antara data TRMM dengan curah hujan hasil pengukuran
stasiun meteorologi. Wilayah yang dikaji adalah Kabu-
32
APLIKASI INDERAJA
Gambar 4. Prediksi curah hujan dan anomali curah hujan untuk bulan April 2009 yang diperoleh dari model statistik yang
dibangun dari data suhu permukaan laut Pasifik tropik dan data OLR tahun 1982 - 2003 (a dan b)
dan data TRMM tahun 1998 - 2008 (c - d)
Gambar 5. Prediksi curah hujan dan anomali curah hujan untuk bulan Mei 2009 yang diperoleh dari model statistik yang
dibangun dari data suhu permukaan laut Pasifik tropik dan data OLR tahun 1982 - 2003 (a dan b)
dan data TRMM tahun 1998 - 2008 (c - d)
33
APLIKASI INDERAJA
Curah Hujan Bulanan di Indramayu (1998 - 2004)
600
CH TRM M
CH O B S E RV A S I
500
Curah hujan (mm/bulan)
r = 0.807
400
300
200
100
0
1998
1999
2000
2001
2002
2003
2004
Curah Hujan Bulanan di Palangkaraya (1998 - 2007)

700
CH TRM M
CH O B S E RV A S I
600
r = 0.779
Curah hujan (mm/bulan)
500
400
300
200
100
0
19 9 8
19 9 9
2000
2001
2002
2003
2004
2005
2006
2007
Gambar 6. Hubungan curah hujan bulanan antara yang diperoleh dari data TRMM dan
dari stasiun meteorologi untuk a) Kabupaten Indramayu dan b) Kota Palngkaraya.
paten Indramayu dan Kota Palangkaraya. Data stasiun

meteorologi yang digunakan untuk wilayah di Kabupaten Indramayu adalah sebanyak 22 stasiun dengan
periode data bulanan (1998 2004). Sedangkan di Kota
Palangkaraya hanya dari 1 stasiun meteorologi dengan
periode data bulanan (1998 2007).
Hasil analisis timeseries pada Gambar 6a terlihat bahwa pola uktuasi curah hujan dari TRMM dan dari stasiun meteorologi di Kabupaten Indramayu relatif sama,
dan koesien korelasinya (r) sebesar 0.807. Begitu pula
di Kota Palangkaraya, pola uktuasi curah hujan dari
TRMM dan dari stasiun meteorologi relatif sama (Gambar 6b). Koesien korelasi (r) yang didapatkan adalah
sebesar 0.779. Dapat ditunjukkan bahwa data TRMM
mampu merepresentasikan curah hujan wilayah lokal
dengan cukup baik.
Berdasarkan hasil analisis di atas maka dapat ditunjukkan bahwa data TRMM sangat berpotensi untuk digunakan sebagai salah satu alternatif dalam memantau
34
dan memprediksi curah hujan di Indonesia. Data TRMM

juga mempunyai keunggulan, antara lain tersedia secara
near real-time setiap tiga jam sekali, konsisten, daerah
cakupan yang luas yaitu wilayah tropik, resolusi spasial
yang cukup tinggi (0.25 x 0.25), dan dapat diakses
secara gratis. Meskipun demikian, keterbatasan dari aplikasi data TRMM adalah periode waktu dari data yang
relatif masih singkat serta masih diperlukan banyak validasi terutama untuk pemanfaatan curah hujan lokal.
Generasi selanjutnya dari satelit TRMM adalah satelit
konstelasi Global Precipitation Measurement (GPM)
dengan cakupan yang lebih luas (68LU-68LS), dan diharapkan akan menghasilkan data curah hujan dengan
resolusi spasial dan temporal yang lebih tinggi, yaitu 1
km x 1 km tiap satu jam. Rencananya satelit GPM akan
mulai diluncurkan pada tahun 2013 dan saat ini sudah
dilakukan berbagai penelitian pemodelan dan masalah
teknis lainnya.
APLIKASI INDERAJA
Mendeteksi Titik Panas (Hotspot),

Kebakaran Hutan dan Lahan
Menggunakan Data Satelit
Oleh : Suwarsono*, Parwati* dan Totok Suprapto**
* Staf Peneliti Bidang PSDAL, Pusbangja, LAPAN
** Kepala Bidang PSDAL, Pusbangja, LAPAN
ampir pada setiap tahun di wilayah Pulau Sumatera dan Kalimantan terjadi kebakaran hutan
dan lahan, terutama sekali pada musim kemarau
yang umumnya terjadi pada bulan-bulan sekitar April
hingga Oktober. Terjadinya Kebakaran hutan dan lahan dapat diakibatkan oleh faktor-faktor alami dan juga
faktor manusia. Faktor alami berupa iklim dalam kondisi kering, kondisi tutupan vegetasi berupa rumput dan
semak belukar kering, serta tanah yang mengandung
bahan organik tinggi (tanah gambut) yang sangat berpotensi memicu terjadinya kebakaran. Faktor manusia
yang merupakan pemicu utama terjadinya kebakaran
hutan dan lahan adalah dengan pembukaan lahan (landclearing) baik untuk ladang maupun perkebunan dengan
cara membakar. Kebakaran hutan dan lahan akan semakin diperparah apabila terjadi El Nino. Dalam kurun
waktu 1997 2008, di Indonesia telah terjadi empat kali
El Nino, yaitu pada tahun 1997, 2002, 2004 dan 2006. Menurut prediksi International Research Institute (IRI), di
Indonesia pada tahun 2009 akan mengalami peristiwa El
Nino lagi.
Salah satu upaya untuk mengantisipasi terjadinya kebakaran hutan dan lahan ini adalah dengan melakukan
deteksi dini lokasi-lokasi daerah yang terbakar dengan
menggunakan satelit penginderaan jauh. Indikator yang
digunakan untuk mengetahui adanya kebakaran hutan
dan lahan dari data satelit adalah titik panas (hotspot).
Hotspot merupakan suatu lokasi di permukaan bumi
yang mempunyai suhu relatif lebih panas dibandingkan
daerah sekitarnya. Data satelit yang dapat digunakan
untuk kegiatan pemantauan dan deteksi titik panas kebakaran hutan dan lahan adalah data satelit penginderaan jauh NOAA (National Oceanic and Atmospheric
Administration), MODIS (Moderate Imaging Resolution
Spectroradiometer) dan ATSR (Along Track Scanning
Radiometer). Data satelit tersebut dilengkapi dengan

suatu alat pengukur (sensor) yang mampu menangkap
radiasi gelombang elektromagnetik yang dipancarkan
oleh permukaan bumi. Sedikitnya ada 2 jenis sensor
yang digunakan untuk pemantauan hotspot, yaitu sensor panas (thermal) dan sensor cahaya tampak (visible).
Sensor thermal digunakan untuk mendeteksi adanya
titik panas di areal kebakaran hutan dan lahan dimana
suhunya relatif lebih tinggi daripada daerah yang tidak
terbakar. Sensor visible digunakan untuk mengidentikasi kabut asap hasil kebakaran hutan dan lahan. Selain
itu, kedua satelit tersebut mampu mengamati permukaan bumi beberapa kali sehari dengan cakupan yang luas
dan mendekati real time, sehingga sangat cocok untuk
kegiatan pemantauan kebakaran lahan dan hutan di wilayah Indonesia.
Kegiatan pemantauan hotspot telah dilakukan oleh
beberapa institusi baik dalam maupun luar negeri dengan
menggunakan jenis-jenis data satelit yang beraneka ragam pula. Di tingkat nasional, Lembaga Penerbangan
dan Antariksa Nasional (LAPAN) memantau hotspot
dengan menggunakan data NOAA seri 18 dan MODIS,
sedangkan Direktorat Pengendalian Kebakaran Hutan
Departemen Kehutanan RI menggunakan data NOAA
seri 18. Di tingkat regional ASEAN, pemantauan hotspot
dilakukan oleh ASMC (ASEAN Specialised Meteorological Centre) yang juga menggunakan data NOAA seri 18.
Adapun untuk informasi hotspot di tingkat global terdapat sumber-sumber dari University of Maryland USA
yang menggunakan data MODIS dan European Space
Agency (ESA) yang menggunakan data ATSR.
Lembaga Penerbangan dan Antariksa Nasional (LAPAN) memiliki stasiun bumi (Ground Station) yang berlokasi di Jakarta, Biak, Pare-pare, dan Bogor. Stasiun
Bumi di Jakarta mengakuisisi data satelit NOAA (seri
35
APLIKASI INDERAJA
15, 16, 17, 18 dan 19), MTSAT (Multi-functional Transport Satellite) dan Feng Yun. Stasiun Bumi di Pare-pare
mengakuisi data satelit MODIS dan SPOT (seri 2 dan
4). Stasiun Bumi di Bogor mengakuisisi data satelit MODIS. Sedangkan stasiun bumi di Biak mengakuisisi data
satelit NOAA (seri 15, 16, 17, 18 dan 19) dan Feng Yun.
LAPAN memperoleh informasi hotspot dengan memanfaatkan data satelit NOAA seri 18 dan MODIS. Pada saat
ini operasional dari mulai akusisi data satelit, pengolahan data untuk mendapatkan informasi hotspot hingga
penyebarluasan informasi melalui situs internet memerlukan waktu kurang lebih 90 menit. Setiap harinya hasil
informasi hotspot dapat diunduh oleh masyarakat luas
sekitar pukul 15.00 16.00 WIB pada situs internet LAPAN di http://www.rs.lapan.go.id/SIMBA.
Adanya berbagai sumber data satelit yang digunakan untuk menghasilkan informasi hotspot tentu
saja terdapat perbedaan antara informasi hotspot yang
satu dengan lainnya. Umumnya perbedaan hasil informasi hotspot tersebut disebabkan oleh adanya perbedaan nilai ambang batas suhu yang digunakan, jenis
data yang digunakan dan perbedaan jam perekaman
oleh satelit pada daerah yang sama. Sebagai contoh,
penggunaan ambang batas suhu pada data NOAA seri
18 terutama pada spektrum radiasi inframerah tengah,

LAPAN menggunakan nilai ambang batas suhu 330 Kelvin (57Celcius), sedangkan ASMC menggunakan suhu
yang berbeda, yaitu 320 Kelvin (47Celcius) atau lebih
rendah 10Celcius dari yang LAPAN gunakan. Departemen Kehutanan menggunakan ambang batas suhu yang
lebih rendah lagi, yaitu 318 Kelvin (45Celcius). Secara
teknis, nilai ambang batas suhu yang lebih rendah akan
menghasilkan jumlah hotspot lebih banyak. Penggunaan
nilai ambang batas suhu yang berbeda ini tentu saja disesuaikan dengan tujuan penggunaan informasi hotspot
yang berbeda-beda di masing-masing instansi. Dalam hal
ini, LAPAN menggunakan nilai ambang suhu yang lebih
tinggi dibandingkan dengan institusi lainnya karena informasi hotspot yang dihasilkan ditujukan untuk mengidentikasi lokasi-lokasi yang berpeluang tinggi untuk terjadinya kebakaran hutan dan lahan. Sementara institusi
lain yang menggunakan nilai ambang suhu yang lebih
rendah ditujukan untuk menghasilkan informasi yang
lebih bersifat peringatan dini bahaya kebakaran.
Sebagai contoh perbandingan informasi hotspot yang
dilakukan terhadap beberapa sumber data, yaitu dari
satelit NOAA seri 18 yang diolah oleh LAPAN, ASMC
dan Departemen Kehutanan, serta dari data satelit MO-
Gambar 1. Hasil pemantauan hotspot dari

Departemen Kehutanan menggunakan
data NOAA-18
Sumber : Departemen Kehutanan
Jenis Data : NOAA-18
Tanggal : 16-Juli-2009
Jam : 13:08 WIB
Jumlah Hotspot : 313
36
APLIKASI INDERAJA

ASMC menggunakan data NOAA-18.
Sumber : ASMC
Jenis Data : NOAA-18
Jam : 13:04 WIB
Jumlah Hotspot : 235
DIS yang diolah oleh LAPAN pada tanggal 16 Juli 2009

dengan memilih waktu perekaman yang berdekatan untuk wilayah Kalimantan. Sumber dari Departemen Kehutanan perekaman data NOAA seri 18 jam 13.08 WIB
memberikan hasil paling tinggi yaitu 313 hotspot (Gambar 1), dari ASMC perekaman data NOAA seri 18 jam
13.04 WIB terdapat 235 hotspot (Gambar 2), dan dari
LAPAN perekaman data NOAA seri 18 jam 13.02 WIB
terdapat 35 hotspot (Gambar 3). Selain itu dari data
MODIS jam 12.05 yang diakuisisi oleh LAPAN terdapat 97 hotspot (Gambar 4). Memperhatikan informasi
hotspot dari berbagai sumber tersebut, tampak terdapat
perbedaan dalam jumlah.
Namun demikian semuanya menunjukkan lokasi
tertentu dengan pola sebaran yang mirip. Perhatikan
Gambar 1 dan 2, titik titik panas api yang terdeteksi
dari data satelit tersebut bisa saja berpeluang menjadi
daerah yang terbakar ataupun tidak terbakar.
Pada Tabel 1 dan Tabel 2 merupakan informasi
identikasi lokasi hotspot yang dapat dilihat pada website LAPAN, yang terdiri dari hotspot dari data NOAA18/AVHRR (Tabel 1) dan data MODIS (Tabel 2). Pada
informasi tersebut disertakan pula lokasi koordinat
lintang dan bujur (latitude dan longitude) serta wilayah

administrasi (Provinsi dan Kabupaten) untuk lebih memudahkan masyarakat dan instansi terkait dalam mempergunakan lebih lanjut informasi ini. Dengan adanya informasi ini, diharapkan dapat dimanfaatkan oleh Pemda
untuk mengantisipasi terjadinya kebakaran hutan dan
lahan di wilayahnya.
37
APLIKASI INDERAJA

LAPAN menggunakan data NOAA18/ AVHRR.
Sumber : LAPAN
Jenis Data : NOAA-18/AVHRR
Jam : 13:02 WIB
Jumlah Hotspot : 35
Informasi hotspot dari LAPAN dapat diakses
melalui:
Website: http://www.rs.lapan.go.id/SIMBA, ASMC
(http://www.weather.gov.sg/wip/web/ASMC), dan
Departemen Kehutanan (http://www.dephut.go.id)

LAPAN menggunakan data MODIS.
Sumber : LAPAN
Jenis Data : MODIS
Jam : 12:05 WIB
Jumlah Hotspot : 97
38
APLIKASI INDERAJA
LATITUDE
LONGITUDE
PROVINSI
BANGKABELITUNG
BANGKABELITUNG
BANGKABELITUNG
BANGKABELITUNG
BANGKABELITUNG
BANGKABELITUNG
BANGKABELITUNG
KABUPATEN
-1.77
105.60
-1.90
105.58
-1.90
105.60
-1.92
105.26
-1.93
105.26
-1.93
105.27
-2.04
105.44
-1.74
102.15
JAMBI
BUNGO
-1.75
102.15
JAMBI
BUNGO
-2.27
102.43
JAMBI
SAROLANGUN
0.78
108.91
0.78
108.92
0.68
108.94
0.67
108.94
0.67
108.96
0.60
108.97
0.59
108.96
0.59
108.97
-0.85
109.60
-0.86
109.60
-0.87
109.60
-0.87
109.61
-0.87
109.61
1.49
109.08
1.49
109.10
1.48
109.08
1.48
109.10
1.45
109.11
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
KALIMANTAN
BARAT
LATITUDE
BANGKA BARAT
116.73
0.23
BANGKA BARAT
116.59
0.62
BANGKA BARAT
116.58
0.63
BANGKA BARAT
116.31
-1.57
BANGKA BARAT
114.91
-2.41
BANGKA BARAT
114.69
-2.25
BANGKA BARAT
114.68
-2.25
114.68
-2.24
114.67
-2.24
114.96
-2.06
115.20
-1.99
115.10
-1.64
113.49
-1.03
113.01
-0.98
114.25
-2.97
114.30
-2.92
114.63
-2.77
114.58
-2.75
114.59
-2.74
114.62
-2.65
114.76
-2.59
114.40
-2.47
114.39
-2.23
114.49
-1.95
113.41
-2.95
113.42
-2.94
113.41
-2.94
113.60
-2.22
BENGKAYANG
BENGKAYANG
BENGKAYANG
BENGKAYANG
BENGKAYANG
BENGKAYANG
BENGKAYANG
BENGKAYANG
PONTIANAK
PONTIANAK
PONTIANAK
PONTIANAK
PONTIANAK
SAMBAS
SAMBAS
SAMBAS
SAMBAS
SAMBAS
Tabel 1. Informasi identifikasi lokasi hotspot dari data

NOAA-18/AVHRR
(dapat dilihat pada website LAPAN).
LONGITUDE
PROVINSI
KALIMANTAN
TIMUR
KALIMANTAN
TIMUR
KALIMANTAN
TIMUR
KALIMANTAN
TIMUR
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KALIMANTAN
TENGAH
KABUPATEN
KUTAI TIMUR
KUTAI TIMUR
KUTAI TIMUR
PASIR
BARITO SELATAN
BARITO SELATAN
BARITO SELATAN
BARITO SELATAN
BARITO SELATAN
BARITO TIMUR
BARITO TIMUR
BARITO TIMUR
GUNUNGMAS
GUNUNGMAS
KAPUAS
KAPUAS
KAPUAS
KAPUAS
KAPUAS
KAPUAS
KAPUAS
KAPUAS
KAPUAS
KAPUAS
KATINGAN
KATINGAN
KATINGAN
KATINGAN
Tabel 2. Informasi identifikasi lokasi hotspot dari data MODIS

(dapat dilihat pada website LAPAN).
39
APLIKASI INDERAJA
Sistem Informasi Data Spasial

Daerah (SISDA) Berbasis Web untuk
Manajemen Data Spasial Daerah
Studi Kasus Kabupaten Biak, Numfor.
Riyan Mahendra Saputra *, Ruslan Ginting **
e-mail: riyan@lapan.go.id
Peneliti Instalasi Lingkungan dan Cuaca BIAK LAPAN *
Kepala Instalasi Lingkungan dan Cuaca BIAK LAPAN **
ewasa ini Lembaga Penerbangan dan Antariksa

Nasional (LAPAN) berusaha meningkatkan
pelayanan dalam pendistribusian data penginderaan jauh dan pemanfaatannya yang bertujuan untuk
mendukung pembangunan dan pengembangan daerah yang berkesinambungan. Citra Satelit penginderaan jauh yang dimiliki LAPAN dapat digunakan untuk
mendapatkan informasi mengenai sumber daya yang
dimiliki oleh suatu daerah. Penerapan teknologi penginderaan jauh, baik itu dengan menggunakan data citra
satelit dan Sistem Informasi Geogras (SIG) dapat digunakan dalam perencanaan tata ruang wilayah untuk
memberikan informasi yang lebih cepat, tepat, faktual
dan aktual terhadap perubahan yang terjadi baik secara
spasial (ruang) maupun temporal (waktu), serta mempunyai banyak manfaat (multipurpose).
Pembangunan data spasial memerlukan pembiayaan
yang relatif besar, baik dalam proses pengadaan data
dasar (mentah), pengolahan dan analisa data, maupun
penyajian dalam bentuk peta. Akses terhadap data spasial (seperti peta dasar atau citra satelit) umumnya diperlukan oleh lebih dari satu instansi. Oleh karena itu,
berbagai data spasial yang telah dibuat dan dikembangkan oleh masing-masing instansi akan lebih bermakna
bila dapat saling dipertukarkan (dapat saling diakses
oleh instansi terkait). Pertukaran data (data sharing)
antar instansi terkait akan memberikan esiensi pemanfaatan dana yang sangat signikan dan biaya proses pengolahan/analisa data dapat dihemat.
Sistem Informasi Geogras (SIG) merupakan bagian
dari kemajuan teknologi informasi (information technology). Sebagai teknologi berbasis komputer, SIG dapat
digunakan dalam berbagai bidang pekerjaan seperti pe-
40
rencanaan, inventarisasi, monitoring, dan sistem pendukung pengambilan keputusan (decission support system).
Bidang aplikasi SIG yang demikian luas, dari urusan
perencanaan tata ruang wilayah sampai pada persoalan
bagaimana membagi jalur jalan untuk menentukan rute
kendaraan umum, pembuatan jaringan pipa distribusi air
dan sebagainya, menghendaki penanganan pekerjaan
yang dilakukan secara terpadu (integrated) dan multidisiplin ilmu. Dengan semakin berkembangnya pemanfaatan SIG, kegiatan pengadaan data spasial semakin meningkat. Data spasial akan memberikan informasi secara
keruangan, letak dan posisi, sesuai dengan tema yang
dikembangkan. Pengadaan data merupakan salah satu
kegiatan yang memerlukan biaya tinggi dan alokasi waktu yang cukup lama. Mengingat besarnya investasi yang
harus dikeluarkan untuk pengadaan dan pemeliharaan,
maka diperlukan adanya suatu upaya untuk menekan biaya. Pertukaran data spasial (spatial data exchange) atau
menggunakan data spasial secara bersama-sama (spatial
data sharing), merupakan salah satu upaya untuk mengurangi biaya yang diperlukan. Setiap pengguna (users)
yang memerlukan data spasial di lokasi tertentu, dapat
menggunakan data dari institusi penyedia data atau dari
pengguna lain yang telah memiliki data spasial di lokasi
tersebut dan contohnya dapat dilihat seperti pada gambar
1, yaitu: informasi peta citra satelit.
Institusi penyedia data spasial umumnya menyimpan
dan mengelola data spasial dalam model/ format yang
berbeda-beda. Akibatnya para pengguna akan menemui
kesulitan apabila ingin menggunakan data tersebut, dan
memerlukan konversi data yang nanti akan dipergunakan dalam aplikasi yang diinginkan, maka diperlukan
suatu standar data yang akan digunakan.
APLIKASI INDERAJA
Gambar 1. Tampilan data spasial daerah detil (dengan peta citra satelit)
Pada dasarnya Infrastruktur Data Spasial (IDS)

merupakan inisiatif untuk membuat suatu kondisi yang
memungkinkan berbagai macam pengguna dapat mengakses dan memperoleh data dalam cakupan wilayah tertentu, secara lengkap, konsisten, mudah dan aman. IDS
juga merupakan dasar dalam melakukan fasilitasi dan
koordinasi dalam melakukan pertukaran data spasial
diantara stakeholder dari berbagai macam tingkat jurisdiksi dalam komunitas data spasial (Rajabidfard and Williamson, 2000).
Infrastruktur SIG oleh komite tetap untuk infrastruktur SIG di Asia Pasik (PCGIAP, 1998), dirumuskan sebagai berikut:
1. Kerangka kerja kelembagaan/ institusi untuk menentukan kebijakan, legislasi dan pengaturan administratif dalam membangun, memelihara, mengakses dan menerapkan standard dan data dasar.
2. Standard teknis yang menggambarkan karakteristik
teknis dari data dasar.
3. Data dasar yang meliputi kerangka geodesi, data
topogras dan data mengenai tanah.
4. Kerangka kerja teknis yang memungkinkan pengguna untuk mengidentikasi dan mengakses data dasar
seperti hak kepemilikan tanah dan penggunaannya,
manajemen sumber daya dan konservasi serta pembangunan ekonomi yang didukung organisasi dalam
bentuk basis nasional atau suatu kawasan administrasi dan untuk tujuan analisa meliputi cakupan spasial dan cakupan informasi yang luas dan berkaitan
mengenai sosial, ekonomi dan lingkungan.
Kabupaten Biak Numfor memiliki data dan informasi spasial yang masih relatif sangat terbatas, terfragmentasi dan tersedia dalam skala kecil. Melihat kondisi
seperti ini diperlukan sebuah sistem informasi data
spasial yang dapat digunakan untuk model pengelolaan
dan penyimpanan data. Pembangunan infrastruktur data
spasial daerah sangat berguna dalam menyusun suatu
perencanaan pengembangan daerah. Model dan desain
sistem informasi spasial daerah dihimpun berdasarkan
standar tertentu dalam bentuk basis data spasial, aturan
atau prosedur, bentuk dan aturan kerjasama antar instansi pengguna data tersebut.
Tahapan yang dikerjakan pada pembuatan sistem informasi spasial daerah, yaitu melalui penyusunan peta
tematik dengan metode klasikasi, analisis spasial dan
survei ke dinas/ instansi terkait. Kemudian untuk menyusun peta tematik, diperlukan standarisasi data agar
dapat menyamakan format peta tematik. Hal ini juga
dimaksudkan untuk memudahkan dalam berbagi data
(data sharing). Selanjutnya membuat basis data spasial yang diintegrasikan dengan data tabular, sehingga
41
APLIKASI INDERAJA
menghasilkan peta-peta tematik dengan informasi yang
baru. Peta tersebut digunakan sebagai bahan dasar
pembentukan kerangka basis data spasial daerah Kabupaten Biak Numfor (rancangan sistem informasi spasial
daerah). Setelah itu rancangan sistem informasi spasial
daerah serta desain basis data disusun pada sebuah program sistem informasi berbasis web, dan hasilnya dapat
ditampilkan sebagai informasi peta penutup lahan pada
gambar 2.
Pengolahan data yang dilakukan adalah dengan
mengekstraksi informasi dari citra satelit Landsat 7
ETM+ tanggal perekaman 12 Mei 2002, Ikonos perekaman 2006, Quickbird perekaman 2006 dan data SRTM.
Dimana sebelum melakukan pengolahan data dilakukan
proses pra-pengolahan data, yaitu berupa rektikasi
citra melalui proses koreksi geometris, translasi dan
rotasi pada citra penginderaan jauh. Hal ini dilakukan
untuk menghasilkan citra yang sesuai dengan posisi
dan lokasi dipermukaan bumi dengan koordinat standar
(UTM Zona 53 S). Dalam melakukan koreksi geometri
terhadap data citra satelit digunakan titik kontrol tanah
(GCP) dengan titik ikat orde 4 dari BPN Biak Numfor
(terlebih dahulu diubah proyeksinya dari TM-3 menjadi
UTM). Selanjutnya untuk koreksi datanya dilakukan
pengolahan data, yaitu berupa penajaman citra (image
enhancement), pemotongan citra (cropping) berdasarkan studi area dan pengolahan digital. Sedangkan pada
tahap pengolahan SIG dilakukan interpretasi data citra
dengan cara interpretasi secara visual yang dilanjutkan
dengan proses digitasi pada layar (on screen digitation)
untuk meghasilkan data vektor sesuai dari tema (sangat
dimungkinkan untuk dilakukan analisa objek sesuai dengan tema dan kebutuhan tertentu). Tema-tema tertentu
dapat diperoleh melalui proses tumpang susun (overlay)
sehingga menghasilkan informasi baru (batas administrasi, ketinggian, kelerengan, jaringan jalan, penutup
lahan, sarana kesehatan, sarana pendidikan, kesesuaian
lahan dan sebagainya).
Perancangan sistem informasi dilakukan untuk
merancang prosedur yang akan dijalankan pada sistem
dengan membuat diagram alir yang dapat mewakili setiap proses yang akan dilaksanakan didalam sistem dan
menetapkan standar yang akan digunakan oleh sistem.
Perancangan sistem ini dibuat berdasarkan kelompok
(entity) yang berpengaruh terhadap sistem yang akan
didesain dan menjadi dasar dalam membuat basis data.
Untuk suatu sistem tertentu perlu dibuat terlebih dahulu desain Diagram alir data yang bertujuan untuk
mengetahui aliran data/ informasi yang masuk kedalam
sistem dan keluar dari sistem yang akan didesain. Hasil
Gambar 2. Halaman data spasial daerah detil (dengan peta penutup lahan)
42
APLIKASI INDERAJA
perancangan tersebut akan menjadi acuan dalam perancangan basis data spasial. Desain sistem informasi spasial daerah yang akan dibuat ditunjukkan pada gambar
3. Diagram level 0 adalah diagram level tertinggi dari
DFD yang menggambarkan hubungan sistem dengan
lingkungan luarnya, dilanjutkan dengan level 1 yang
berisi proses/prosedur yang terjadi/dirancang didalam
sistem, pada level selanjutnya diuraikan proses-proses
pada level 1 menjadi proses yang lebih detail.
Gambar 3. Data diagram alir Level 0 (DFD) Sistem Informasi

Spasial Daerah.
Sistem yang dibuat mempunyai 3 kelompok

yang akan dibuat tabel dari kelompok tersebut
yaitu:
Kelompok User: pengguna dari sistem ini terdiri dari tiga pengguna yaitu pengguna umum,
pengguna khusus (manajemen) dan pengguna
administrator, setiap pengguna mempunyai hak
akses (privillage) ke basis data yang berbeda,
untuk pengguna umum hanya diberikan hak
akses untuk membaca data sedangkan untuk
pengguna khusus diberikan hak akses baca,
update data, untuk pengguna administrator
mempunyai hak akses untuk baca, update dan
hapus data.
Kelompok Peta-peta tematik: data-data peta tematik
Kelompok Citra satelit: data-data citra satelit
Dari kelompok-kelompok yang dihasilkan akan digunakan sebagai dasar untuk pembuatan tabel dalam
basis data spasial.
Tahap kegiatan pembuatan kerangka basis data yang
dilakukan adalah merancang basis data berdasarkan deBERITA INDERAJA, Volume VIII, No. 14, Juli 2009
sain sistem yang akan dibuat yaitu sistem informasi spasial daerah dengan mengkonstruksi model data konseptual, yang mencerminkan struktur dan batasan dari basis
data (Eddy Prahasta, 2005). Kegiatan ini menghasilkan
tabel-tabel kelompok dalam sistem dan tabeltabel yang
mencerminkan proses-proses yang akan berjalan pada
sistem dan pembentuk basis data. Hasil kegiatan desain
basis data dilanjutkan pada tahap berikutnya yaitu desain
model relasi antar tabel yang telah dibuat menggunakan
model entity-relasional data. Hubungan yang terjadi dari
tabel-tabel tersebut dibuatkan model hubungan yang terjadi pada basis data dan akan menjadi dasar untuk tahap
selanjutnya yaitu pemrograman sistem informasi.
Tahap pemograman sistem informasi web dilakukan
proses penerjemahan algoritma model, alur kerja sistem,
integrasi tiap komponen sistem dan antarmuka sistem
kedalam bahasa komputasi. Bahasa pemrograman yang
digunakan adalah PHP/ Mapscript. Hasil proses ini
berupa perangkat lunak sistem informasi berbasis web.
Untuk dapat menampilkan data spasial (raster dan vektor) dalam bentuk peta dihalaman web memiliki prosedur/ aturan tersendiri, data raster atau data vektor yang
diakses pengguna akan dikonversikan kedalam format
le gambar (JPG/PNG/GIF) kemudian dikirimkan kembali ke pengguna, dapat dilihat arsitektur umum aplikasi
pemetaan di web pada gambar 4.
Gambar 4. Arsitektur Umum Aplikasi Pemetaan di Web.
Web browser disisi client mengirim data request ke

server web. Karena server web tidak memiliki kemampuan pemrosesan peta, maka request client akan diteruskan oleh server web ke server aplikasi (web image), dalam
kegiatan ini menggunakan MapServer kemudian hasil
pemrosesan akan dikirim kembali melalui server web
dalam bentuk html/php atau applet ke komputer client.
MapServer menggunakan le *.map sebagi le kongurasi peta (gambar 5). File ini berisi komponen tam43
APLIKASI INDERAJA
pilan peta seperti denisi layer, denisi proyeksi peta,
pengaturan legenda, skala dan sebagainya. Di dalam le*.
map layer-layer yang ada akan diproses oleh mapserver,
kemudian akan dikirimkan hasilnya berupa data spasial
dan data citra dalam format le gambar (PNG), yang
memiliki kompresi data yang kecil (loss-less compretion)
yang tergabung dalam le html/ php ke komputer client
(Ruslan Nuryadin, 2005).
Gambar 5. Komponen file *.map di MapServer.
Perancangan halaman web dalam pembuatan sistem

informasi spasial daerah terdiri dari menu utama (gambar 6) dan menu untuk manajemen data spasial (gambar
7). Menu utama dapat diakses oleh semua pengguna,

berisi menu data citra dan data spasial (gambar 8, 7 dan
8). Menu data citra berisi informasi mengenai data citra satelit yang dimiliki oleh daerah, tanggal perekaman
data dan instansi yang memiliki data tersebut. Menu
data spasial berisi informasi peta-peta tematik yang dimiliki oleh daerah. Untuk fungsi manajemen data spasial, pengguna diharuskan untuk login terlebih dahulu,
agar bisa masuk kehalaman menu manajemen, yang terdiri dari menu data spasial, data citra, entry data, edit
data, manajemen menu dan manajemen user. Menu data
spasial dan data citra pada menu manajemen sedikit
berbeda dengan menu utama, terdapat link untuk entry
data, update data, hapus data sesuai dengan hak akses
yang diberikan. Dalam menu entry data, pengguna dapat
menambahkan data baru, baik itu data spasial maupun
data citra. menu edit data, pengguna dapat merubah
informasi dari data yang telah ada. Untuk manajemen
user, terdapat menu untuk tambah pengguna baru, dan
setiap pengguna mempunyai hak akses (privillage) yang
berbeda-beda yang ditentukan oleh pihak manajemen.
Manajemen menu berisi informasi menu dan sub menu
yang terdapat pada aplikasi, dimungkinkan untuk menambah, update, hapus menu dan sub menu.
Dengan adanya sistem informasi spasial daerah, sehingga dapat memberi kemudahan dalam menangani/
Gambar 6. Halaman utama sistem informasi spasial daerah
44
APLIKASI INDERAJA
mengelola data spasial disuatu daerah, dimungkinkannya untuk pertukaran data spasial (spatial data
exchange), menggunakan data spasial secara bersamasama (spatial data sharing), serta kemudahan pengguna (user) untuk mencari informasi mengenai data spa-
sial dan potensi yang dimiliki di suatu daerah melalui

web browser. Model dan desain dari sistem informasi
spasial daerah dapat dikembangkan untuk pembuatan
aplikasi sistem informasi geogras dengan tema tertentu disuatu daerah.
Gambar 7. Halaman pengelolaan sistem informasi spasial daerah.
Gambar 8. Halaman data spasial daerah.

45
Informasi Data INDERAJA
China - Brazil Operasikan Seri

Satelit Sumber Alam CBERS
Oleh: Gokmaria Sitanggang
(Peneliti di Bidang Bangfatja, Pusat Pengembangan Pemanfaatan
dan Teknologi Penginderaan Jauh LAPAN)
eri satelit CBERS (China Brazil Earth Resources

Satellite) atau ZY (Zi Yuan) adalah program kerjasama antara CAST (Chinese Academy of Space
Technology), China, dan INPE (Instituto de Pesquisas Espaciais), Brazil. Program CBERS dimulai sejak persetujuan
awal antar dua negara China-Brazil ditandatangani pada
tanggal 6 Juli 1988, yang tujuannya adalah membangun
suatu sistem penginderaan jauh (inderaja) yang lengkap
(ruas bumi dan ruas antariksa) untuk memperlengkapi
citra inderaja multispektral kedua negara tersebut dengan mengembangkan dan mengoperasikan dua satelit
inderaja pada orbitnya. Program CBERS pada awalnya
adalah untuk meluncurkan dua satelit pada tahun 1996
dan 1998-1999. Dua satelit inderaja tersebut diprogramkan diluncurkan dengan roket China: Long March dari
lokasi peluncuran Shanxi. Pesawat antariksa CBERS dirancang mempunyai massa 1,450-kg dengan dimensi keseluruhan 2 m x 3.3 m x 8.3 m serta dengan kapasitas 1,1
kW, panel sel surya tunggal, dan akan beroperasi dalam
suatu orbit sinkron matahari, pada ketinggian orbit sekitar 800-km dengan pola waktu pengulangan setiap 26
hari untuk suatu lokasi di permukaan bumi. Pada tahun
2002, kedua pemerintah tersebut memutuskan untuk
memperluas kerjasama awalnya dengan menyertakan
dua tambahan satelit inderaja.
Tujuan diluncurkannya seri satelit CBERS adalah
untuk menghasilkan citra permukaan bumi untuk aplikasi di berbagai sektor seperti pertanian, lingkungan,
hidrologi dan sumber daya laut, hutan, geologi dan lainlain. Payload observasi bumi atau sensor pencitra yang
dirancang dibawa adalah tiga kamera yaitu : 1). Kamera
CCD Resolusi Tinggi (High Resolution CCD CameraHRCC), 2). Kamera IRMSS (Infrared Multispectral Scan46
ner Camera), dan 3). Kamera WFI (Wide Field Imager

Camera).
CBERS-1 diluncurkan pada tanggal 14 Oktober 1999
dari Pusat Peluncuran Satelit Taiyuan, yang berjarak
sekitar 750 km dari Beijing, di propinsi Chinese Sanxi,
menggunakan peluncur Roket Long March 4B dan
beroperasi hingga tanggal 13 Agustus 2003. CBERS-2
juga diluncurkan dari Pusat Peluncuran Satelit Taiyuan
dengan menggunakan peluncur Roket Long March 4B
pada tanggal 21 Oktober 2003, sebagai pengganti dari
pendahulunya CBERS-1, dan terus menerus menghasilkan produk citra, sekalipun hanya dalam mode yang terdegradasi. Kedua pesawat antariksa tersebut melampaui
waktu hidupnya, yang dirancang untuk 2 tahun.
Pada tanggal 19 September 2007, satelit inderaja
CBERS-2B berhasil diluncurkan menggunakan roket
peluncur Long March 4B, dari Pusat Peluncuran Satelit
Taiyuan. CBERS-2B adalah satelit ketiga dari kerjasama
antara China dan Brazil yang dibangun untuk melanjutkan keberlangsungan program pencitraan nasional
dalam pemanfaatan antariksa, dan untuk menjamin
kelangsungan proyek-proyek ribuan institusi dan pengguna program CBERS yang sudah terbiasa menggunakan data CBERS generasi pertama, dan oleh karenanya
CBERS-2B hampir identik dengan CBERS-1 dan 2. Meski
demikian, beberapa peningkatan dilakukan yaitu terutama pada muatan (payload), yang mengalami perubahan
yang sebelumnya pencitra IRMSS menjadi HRC (High
Resolution Panchromatic Camera). Peningkatan lainnya
adalah suatu sistem perekaman pada satelit (on-board)
yang baru, dan sebuah Sistem Posisi Lebih Maju (Advanced Positioning System), yang meliputi GPS (Global
Positioning System) dan sensor bintang.

China dan Brazil telah mengakhiri studi-studi kelayakan untuk membuat dua lagi satelit inderaja yaitu:
CBERS-3 dan CBERS-4, yang direncanakan akan diluncurkan masing-masing pada tahun 2010 dan 2012,
dengan sensor-sensor yang baru. Pada CBERS-3 dan 4,
kamera CCD yang ada pada CBERS-1, 2, dan 2B, akan
digantikan dengan yang mempunyai resolusi spasial 5
meter. Kedua satelit juga akan membawa perekam data
solid-state digital untuk keempat pencitra yaitu sepasang
kamera CCD, salah satunya Pankromatik dan satu lagi
multi-spektral, ditambah satu versi lanjut dari pencitra
Infrared Multispectral dan Wide Field Imager.
Lembaga yang tegabung dalam program CBERS
adalah untuk Brazil: INPE - National Institute for Space
Research, sebagai penanggung jawab pengembangan,
dan AEB, Brazilian Space Agency, sebagai penanggung
jawab sektor industri. Untuk China: CAST (Chinese
Academy for Space Technolog), sebagai penanggung
jawab pengembangan, CNSA (China National Space
Administration), CRESDA (China Center for Resources
Satellite Data and Applications), bertanggung jawab
atas citra permukaan bumi, dan CLTC (China Satellite
and Tracking General), bertanggung jawab atas stasiun/
kontrol bumi. Pembagian tanggung jawab antara China
dan Brazil adalah: Brazil menyumbang 30% dari total investasi dan sisanya China yakni sebesar 70%.
Satelit CBERS-1, 2 dan 2B dirancang untuk cakupan
global dan melakukan observasi optik dengan orbit sinkron matahari pada ketinggian 778 km, menyelesaikan
sekitar 14 putaran bumi setiap harinya dan dilengkapi
dengan suatu Transponder Sistem Pengumpulan Data
untuk mengumpulkan data sumber daya alam dan lingkungan. Waktu matahari lokal pada saat melewati ekuator adalah 10.30 pagi, sehingga menghasilkan kondisi
iluminasi matahari yang sama dari citra yang diambil dihari yang berbeda. Karakteristik teknis orbit seri satelit
satelit CBERS ditunjukkan di dalam Gambar 1.
Sistem satelit CBERS-1, 2 dan 2B terdiri dari dua
modul, yaitu: Modul Payload dan Modul Pelayanan.
Modul Payload menyimpan sistem optik dan elektronik
yang digunakan untuk observasi bumi dan pengumpulan
data, mendukung pelaksanaan fungsi kamera, merekam
dan mentransmisikan data citra, serta mendukung fungsi transponder untuk Sistem Pengumpulan Data Lingkungan Brazil (Brazilian Environmental Data Collection
System). Modul Payload terdiri dari subsistem: 1) High
Resolution CCD Camera (HRCC) (pada satelit CBERS-1,

2, 2B), 2) Infrared Multispectral Scanner (IR-MSS) (hanya pada CBERS-1 dan 2), 3) Wide Field Imager (WFI)
(pada satelit CBERS-1, 2, 2B) dan High-Resolution Panchromatic Camera (HRC) (hanya dalam CBERS-2B), 4)
Pentransmisi Data Citra, 5) Transponder untuk Sistem
Pengumpulan Data Lingkungan Brazil, dan 6) Pemantauan Lingkungan Antariksa.
Modul Pelayanan melakukan fungsi penyediaan
persediaan energi, kontrol, komunikasi pelayanan, supervisi pada satelit (onboard) dan fungsi-fungsi lainnya
yang diperlukan untuk operasi satelit. Modul ini terdiri
dari subsistem: 1) Struktur, 2) Kontrol Termal, 3) Kontrol Orbit dan Sikap Satelit (Orbit and Attitude Control),
4) Persediaan Energi, 5) Supervisi Pada Satelit (OnBoard Supervision), dan 6) Telekomunikasi Pelayanan.
Tenaga listrik 1100 W yang diperlukan untuk mengoperasikan peralatan pada satelit, diperoleh melalui panel
surya yang dibuka pada saat satelit tersebut berada di
orbit dan secara kontinu diorientasikan ke arah matahari
secara automatik. Untuk menghasilkan akurasi pengarahan (pointing) yang tinggi, yang diperlukan oleh sistem
sensor citra-citra resolusi tinggi dari jarak kira-kira 800
km, satelit tersebut dilengkapi dengan suatu Sistem Kontrol Sikap Satelit (Attitude Control System) yang sensitif
yang juga digabung dengan satu set pendorong (thrusters) hydrazine, yang juga akan digunakan pada manuver koreksi orbit. Data internal yang digunakan untuk
memantau kesehatan satelit dikumpulkan dan diproses
oleh sistem komputer terdistribusi sebelum data tersebut dtransmisikan ke bumi. Sistem Kontrol Termal aktif
dan passif menghasilkan kondisi lingkungan yang tepat
untuk operasi peralatan pada satelit. Karakteristik teknis satelit CBERS-1, 2 dan 2B ditunjukkan pada Tabel 1,
dan Struktur/Komponen satelit CBERS-1, 2 ditunjukkan
pada Gambar 2.
Pembuatan Subsistem Modul Pelayanan dan Modul
Payload dilakukan oleh masing-masing negara Brazil dan
China sesuai dengan tanggung jawabnya masing-masing. Selain menyediakan subsistem-subsistem di bawah
tanggung jawabnya secara langsung, Brazil juga menyediakan beberapa peralatan untuk beberapa subsistem
di bawah tanggung-jawab China, antara lain: Unit-unit
Terminal-terminal Pusat (Central Terminals Units) dan
Unit-unit Terminal Jarak Jauh (Remote Terminal Units)
untuk Subsistem-subsistem Supervisi Pada Satelit (On47

Board Supervision Subsystem), Solid State Power Amplier untuk Pentransmisi Data Citra dan Komputer Pengontrol Orbit.
pada dua kanal spektral (merah dan inframerah), menghasilkan citra dengan lebar liputan 890 km dengan suatu
pandangan sinoptik dengan resolusi spasial 260 meter.
Permukaan bumi secara lengkap diliput dalam 5 hari.
Sensor pencitra berupa Kamera CCD Resolusi Tinggi
(High Resolution CCD Camera HRCC) menghasilkan
citra dengan lebar liputan 113 km dan resolusi spasial 20
meter. Kamera HRCC beroperasi dalam 5 kanal spektral
yang terdiri dari: tiga kanal tampak, satu kanal inframerah dekat, dan satu kanal Pankromatik. Kedua kanal
spektral WFI juga terdapat dalam kamera HRCC untuk
melengkapi data dari dua jenis citra inderaja tersebut.
Karena kamera ini memiliki kemampuan pengarahan
ke samping (sideways pointing) sebesar 32 derajad,
menjadikannya mampu mengambil citra stereoskopik
pada suatu wilayah tertentu. Di samping itu, fenomena
apapun yang dideteksi oleh WFI dapat diperbesar dengan pandangan oblique kamera CCD dengan maksimum
Ketinggian Orbit: 778 km, Inklinasi: 98.504
waktu tunda tiga hari. Satu siklus cakupan lengkap kaPeriode: 100,26 min.
mera HRCC membutuhkan waktu 26 hari.
Gambar 1. Konfigurasi satelit dan Karakteristik teknis orbit
Sensor pencitra Infrared Multispectral Scanner
serial satelit satelit CBERS
(IRMSS) hanya terdapat dalam CBERS-1 dan 2, tetapi
tidak ada dalam CBERS-2B. IRMSS beroperasi dalam 4
Tabel 1. Karakteristk Teknis Satelit Cbers-1, 2, dan 2B
kanal spektral, termasuk di dalamnya satu
Satelit
CBERS-1, 2 , 2B
kanal Pankromatik, dan memperluas cakuNegara
China, Brazil
pan spektral citra hingga kisaran inframJenis/ Aplikasi
Observasi Bumi
erah termal. IRMSS menghasilkan citra
Massa Total
1450 Kg
dengan lebar liputan 120 km dengan resoluMenghasilkan Power
1100 W
si spasial 80 meter (160 meter untuk kanal
Baterei
2 X 30 Ah Nicd
inframerah termal). Dalam 26 hari mampu
Dimensi Tubuh Satelit
(1.8 X 2.0 X 2.2) M
memperoleh cakupan lengkap permukaan
Dimensi Panel Matahari
6.3 X 2.6 M
bumi yang dapat dikorelasikan dengan ciKetinggian Orbit Sinkron Matahari
778 Km
tra-citra kamera CCD. Karakteristik teknis
CCD, WFI, IRMSS (#1, 2) HRC
sensor-sensor: kamera WFI, kamera CCD
Sensor
(#2B)
dan IRMSS pada seri satelit CBERS, serta
Propulsi Hydrazine
16 X 1 N; 2 X 20 N
karakteristik data citranya ditunjukkan
Stabilisasi
3 Axis
pada Tabel 2. Contoh citra satelit CBERS
Supervisi Pada Satelit ( Onboard)
Didistribusikan
menggunakan kamera WFI, kamera CCD
Komunikasi Pelayanan (TT&C)
Kanal UHF Dan S
dan Kamera IRMSS ditunjukkan masingUmur Satelit ( Lifetime) (0.6 Reliabilitas) 2 Tahun
masing pada Gambar 3, 4 dan 5.
Kamera Pankromatik Resolusi Tinggi
Karakteristik yang unik dari satelit CBERS-1,2 dan
(High Resolution Panchromatic Camera - HRC) berop2B adalah payload multi-sensornya dengan resolusi spaerasi dalam kanal spektral tunggal: 0,50 0,80 m (Pansial dan frekuensi pengumpulan citra yang berbeda. Senkromatik). HRC hanya ada dalam CBERS-2B (tidak ada
sor berupa Kamera Pencitra Medan Luas (Wide Field
dalam CBERS-1 dan 2). HRC menghasilkan citra dengan
Imager - WFI) (pada satelit CBERS-1, 2, 2B) beroperasi
lebar liputan 27 km dengan resolusi spasial 2.7 meter,
48
1. Modul Pelayanan
2. Sensor Matahari
3. Kumpulan Pendorong
(Thruster Assembly) 20N
4. Kumpulan Pendorong
(Thruster Assembly) 1N
5. Dinding Bagian Tengah
6. Antenna Penerima UHF
7. Infrared Scanner (IRMSS)
8. AntennaPemancar IR
9. AntennaPemancar VHF
10. Antenna UHF Tx/Rx

11. Antenna Kanal- S (DCS)
12. Antenna Pemancar CCD
13. AntennaPemancar UHF
14. KameraCCD
15. Antenna Kanal- S(TT&C)
16. Modul Payload
17. Array Matahari
18. Antenna Kanal- S (TT&C)
19. Antenna Penerima UHF
20. WFI
Gambar 2. Struktur/Komponen-komponen satelit CBERS-1, 2.
yang memungkinkan observasi objek-objek permukaan

bumi dengan detil dan luas. Dengan lebar liputan 27
km, lima kali siklus 26 hari diperlukan bagi HRC untuk
mencakup 113 km lebar liputan satu citra standar CCD.
Dengan kemampuan seperti ini sangatlah mungkin untuk memperoleh, setiap 130 hari, satu cakupan lengkap
suatu negara untuk dikorelasikan dengan yang diperoleh
kamera CCD, yang dalam periode tersebut, sudah akan
mencakup negara tersebut sebanyak lima kali.
Penanganan data payload CBERS dilaksanakan oleh

Pusat Aplikasi dan Data Satelit Sumber Alam China
(China Centre for Resources Satellite Data and Application - CRESDA) di China, dan INPE di Brazil. Keduanya
beroperasi secara mandiri satu sama lain. CRESDA menggunakan data yang dikumpulkan dari stasiun stasiun
penerima data citra di China, dan INPE menerima di
counterpart Brazilia.
Produk-produk citra INPE disediakan kepada para
Tabel 2. Karakteristik Teknis Sensor Inderaja Pada Serial Satelit CBERS

Sensor Penginderaan
Jauh
Medan pandang (FOV)
Kanal Spektral
Resolusi spasial
Resolusi Suhu
Resolusi temporal
Lebar liputan satu citra di
permukaan bumi.
Kemampuan pointing
cermin
Kecepatan bit data citra
Frequensi pembawa RF
EIRP
Umur satelit
Kamera CCD Resolusi Tinggi (High

Resolution CCD Camera-HRCC)
(pada satelit CBERS-1, 2, 2B)
Kamera IRMSS (Infrared

Multispectral Scanner CameraIRMSS) (hanya pada CBERS-1 dan 2)
Kamera WFI (Wide Field

Imager Camera-WFI) (pada
satelit CBERS-1, 2, 2B)B )
8.3
0,51 0,73 m (pan)
0,45 0,52 m (biru)
0,52 0,59 m (hijau)
0,63 0,69 m (merah)
0,77 0,89 m (inframerah dekat)
0.5- 0.8 m (PanKro HRC, hanya pd.
CBERS-2B)
20 x 20 m
PanKro HRC 2.7x2.7 m
2.1
60
0.50 1.10 m (pan)

1.55 1.75 m
2.08 2.35 m
10.40 12.50 m
0.63 0.69 m (merah)

0.77 0.89 m (inframerah)
26 hari (arah nadir)

3 hari (arah samping maksimum)
113 km
PanKro HRC 27 km
80 x 80 m (160 x 160 m termal,

malam)
1.2 K
260 x 260 m
26 hari
5 hari
120 km
890 km
6.13 Mbit/detik
1.1 Mbit/detik
8216.84 MHz
8203.35 MHz
32
2 x 53 Mbit/detik
8103 MHz and 8321 MHz
43 dBm
Dua tahun
49

pengguna melalui sistem browsing online, yang dikembangkan oleh suatu perusahaan Brazil. Para pengguna
dapat menyampaikan pertanyaan melalui internet, memvisualkan sampel pada daerah target yang terpilih, memesan produk yang menarik bagi mereka, dan menerima data citra melalui e-mail. INPE melakukan perolehan
kembali data citra pada stasiun penerimanya di Cuiab,
mengarsipkan dan mengolah data di INPE Pusat, dan
penyebaran produk dari cabangnya di Cachoeira Paulista. Data DCS (Data Collection Subsystem) lingkungan
diterima pada stasiun-stasiun penerima data di Cuiab
dan Alcntara, yang membagi infrastruktur yang sama
pada sistem TT&C (Telemetry, Tracking and Control).
Data ini ditransfer ke Cachoeira Paulista untuk diolah,
digunakan dan didesiminasikan.
Untuk mengaplikasikan data serial satelit CBERS ke
dalam berbagai bidang secara efektif, sangat diperlukan
kajian mengenai kualitas data dan riset demonstrasi aplikasi data CBERS. Sehubungan dengan hal itu, Zhao, et
al., 2001, dari Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, dan Wua,X., et al,
2001 dari China Centre for Resource Satellite Data and

Application (CRESDA) melakukan studi untuk mengevaluasi kualitas data CBERS-1 dengan mengaplikasikan
data tersebut ke berbagai bidang secara efektif. Hasil
evaluasi kualitas data CBERS-1 menunjukkan bahwa
data CBERS-1 dijamin dapat dimanfaatkan dan lebih baik
dari data TM Landsat, dan data kamera CCD (HRCC)
- CBERS-1 dapat digunakan dalam berbagai bidang, seperti Penggunaan/ Tutupan Lahan, Tutupan Hutan, Geologi dan Pertanian, dan lain-lain, yang dapat dimanfaatkan untuk membantu mendukung pengembangan sumberdaya alam. Antunes (2001) di dalam Leila M.G et al,
2003 meringkaskan empat cabang aplikasi utama daratan yang dapat didukung secara keilmuan menggunakan
citra-citra kamera CCD ( HRCC) kanal 2, 3 dan 4 yaitu:
1) Pertanian dan Sumberdaya Kehutanan, 2) Analisis
Lingkungan, 3) Evaluasi dan Manajemen Batas Air, dan
4) Evaluasi, Pemantauan dan Manajemen Sumberdaya
air. Leila M.G et al, 2003 dari National Institute for Space
Research. (INPE) mempresentasikan beberapa aplikasi
CBERS-1 yang dilaksanakan di Brazil, diantaranya: Pe-
Gambar 3. Contoh Citra kamera WFI CBERS-2: Bendungan Itaipu.
50
Gambar 4. Contoh citra kamera CCD resolusi tinggi - CBERS-2: Wilayah Man.
Gambar 5. Contoh Citra kamera IRMSS - CBERS-2: Pemandangan

Vale do Rio Au yang berlokasi di Rio Grande de Norte State.
51

mantauan penebangan hutan, Perencanaan penggunaan
lahan, Peta-peta citra. Contoh Peta Citra Negara bagian
Sao Paulo menggunakan citra WFI CBERS-1 ditunjukkan pada Gambar 6.
Data citra Wide Field Imager (WFI) dapat diaplikasikan untuk bermacam bidang seperti: 1) Mosail-mosaik
skala besar, 2) Deteksi perubahan penutup lahan dan Indeks Vegetasi untuk tujuan pemantauan, 3) Pemantauan
masa panen pertanian, 4) Penilaian canopy, 5) Tree grading, 6) Penebangan hutan, 7) Kehutanan, 8) Kebakaran
hutan/wildres, dan infestasion, 9) Operasi bersama dengan data dunia lain.

Data citra High Resolution CCD Camera (HRCC)
dapat diaplikasikan untuk bermacam bidang, seperti: 1)
Vegetasi, 2) Pertanian, 3) Lingkungan, 4) Perairan, 5)
Kartogra, 6) Geologi dan tanah.
Data citra Infrared Multispectral Scanner (IR-MSS)
(hanya dalam CBERS-1 dan 2) dapat diaplikasikan untuk
bermacam bidang seperti: 1) Analisis modikasi temperatur permukaan, 2) Mosaik-mosaik skala luas.
Gambar 6. Peta Citra Negara bagian Sao Paulo dalam skala jutaan memperlihatkan mosaik WFI
(940 km) dengan luas sekitar 240.000 km persegi. Waktu antara akuisisi bingkai pertama dan
terakhir adalah 30 hari atau 6 rekaman berurutan
52
Program Satelit Lingkungan Orbit Polar

NPOESS Preparatory Project (NPP)
Pasca Satelit Terra dan Aqua
Oleh: Ali Syahputra Nasution*, Islam W. Bagdja*, Suhermanto*
Dony Kushardono**
* Peneliti Pusat Pengembangan Pemanfaatan dan Teknologi Penginderaan Jauh LAPAN
** Kepala Bidang Pengembangan Teknologi Penginderaan Jauh LAPAN
emanfaatan teknologi satelit penginderaan jauh

untuk pemantauan lingkunngan dan cuaca merupakan hajat hidup masyarakat dalam mengelola
kehidupannya. Sejak dikembangkannya satelit penginderaan jauh untuk pemantauan lingkungan dan cuaca
oleh Amerika Serikat dalam hal ini NASA (National Aeronautics and Space Administration) seperti satelit NOAA
(National Oceanic Atmospheric Administration), Jepang
seperti satelit GMS (Geo-Stationary Meteorological Satellite) dan lain sebagainya, kesinambungan satelit lingkungan dan cuaca tersebut menjadi keharusan sesuai dengan
meningkatnya kebutuhan informasi lingkungan.
Indonesia sejak awal tahun 1970-an telah melihat kebutuhan data satelit lingkungan dan cuaca menjadi penting. Oleh karena itu, LAPAN membangun stasiun bumi
lingkungan dan cuaca agar dapat menerima data satelit
NOAA hingga kini. Perkembangan satelit lingkungan
dan cuaca yang dikembangkan NASA maju sedemikian
pesatnya, dengan dibuatnya satelit generasi riset Terra
dan Aqua dengan berbagai macam sensor untuk berbagai aplikasi pemantauan lingkungan. Kemudian dikembangkan generasi satelit operasional yaitu NPOESS (National Polar-orbiting Operational Environmental Satellite
System). Sebelum beroperasinya satelit NPOESS tersebut, dibangunlah satelit riset yang bersifat semi operasinal yaitu satelit NPP (NPOESS Preparatory Project).
NPP merupakan misi kerjasama program antara
Badan Antariksa NASA, IPO (Integrated Program Ofce)
dan NOAA. NPP merupakan proyek persiapan satelit
sebelum diluncurkannya satelit NPOESS. Dengan pertimbangan efektivitas dan kesinambungan misi satelit.
NPP dimaksudkan untuk menggabungkan beberapa

misi generasi satelit lingkungan sebelumnya yang terpisah antara misi militer dengan satelit DMSP (Defense
Meteorological Satellite Program) dan misi sipil dengan
satelit NOAA dan MODIS-TERRA/AQUA.
Satelit NPP direncanakan akan diluncurkan sekitar
tahun 2010 dari Western Range di pangkalan angkatan
udara Vandenberg dari SLC-2, California, dengan menggunakan peluncur Boeing Delta II-7920-10. Satelit NPP
akan membawa misi antara lain sebagai berikut :
a. Menjadi satelit transisi antara EOS (Earth Observing
System) NASA meliputi Terra, Aqua, dan Aura dengan NPOESS.
b. Melanjutkan perekaman data observasi lingkungan
dan iklim global yang telah dilakukan oleh satelit
EOS NASA sebelumnya.
c. Menjadi sarana uji coba sensor-sensor yang telah
dikembangkan dengan cara mendemonstrasikan
dan memvalidasi instrumen baru dan algoritma
pemrosesan data guna mengurangi resiko kegagalan operasi.
Satelit NPP akan diluncurkan pada orbit polar sunsynchronous dengan ketinggian = 824 km, inklinasi =
98.7, periode = 101 menit, melintasi ekuator (khatulistiwa) pada jam 10.30 10 menit (descending node). Satelit
NPP direncanakan akan beroperasi selama 5 tahun. Data
seluruh perekaman pertiap putaran akan dikirimkan
(downlink) ke stasiun bumi Svalbard Norwegia, sedang
seluruh data misi akan dikirimkan keseluruh stasiun
bumi yang dilintasi secara real time direct broadcast me53

lalui X-band. Ilustrasi satelit NPP terlihat seperti gambar
1. Satelit NPP akan membawa empat buah sensor sebagai berikut :
Gambar 1. Illustrasi Satelit NPP
Visible/Infrared Imager and Radiometer Suite

(VIIRS)
VIIRS menggambarkan kemampuan terbaik dari
sensor-sensor observasi bumi yang bersifat riset maupun operasional yang sekarang ada. Sensor VIIRS berfungsi mengumpulkan data radiometrik dan citra visible/
infrared. Tipe data yang dikumpulkan meliputi atmosfer,
awan, radiasi bumi, permukaan air/udara bersih, suhu
permukaan laut, ocean color dan citra visible resolusi rendah. Gambar 2 memperlihat ilustrasi dari sensor VIIRS.
Sensor VIIRS mempunyai 22 kanal multispektral
yang terdiri 9 kanal Visible/Near IR, 8 kanal Middle Wave
IR, 4 kanal Long Wave IR, dan 1 kanal DayNight. Ke-22

kanal tersebut memiliki resolusi 370 m dan 740 m. Sensor
ini didesain berbasis beberapa sensor seperti Advanced
Very High Resolution Radiometer (AVHRR) dari NOAA,
MODIS dari NASA Terra/Aqua , serta Operational Linescan Sensor (OLS) dari DMSP. Sensor ini memiliki lebar sapuan 3040 km, massa 275 kg, mengkonsumsi power maksimum sebesar 240 W, dan laju data maksimum
10.5 Mbps. Tabel 1 di bawah ini menunjukkan distribusi
kanal spektral sensor VIIRS dan Environmental Data Records (EDRs) yang akan dihasilkan.
Cross-Track Infrared Sounder (CrIS)

Bersama dengan ATMS, sensor CrIS berfungsi
mengumpulkan data atmosfer yang diperlukan dalam
perhitungan prol suhu dan kelembaban udara dengan
resolusi temporal (harian) yang tinggi. Permukaan bumi
dapat diliput dalam periode 2 sampai dengan 3 hari. Data
tersebut akan digunakan untuk model prediksi cuaca
baik global maupun regional seperti prediksi pola cuaca,
jalur badai dan curah hujan. Dibandingkan dengan sensor HIRS (High-resolution Infrared Radiation Sounder)
pada satelit POES (Polar-orbiting Operational Environmental Satellite System) dengan 20 buah kanal infrared
yang mampu menyediakan karakteristik prol suhu atmosfer dengan akurasi suhu antara 2 3 K, sensor CrIS
menyediakan lebih dari 1000 kanal spektral (hyperspectral) infrared pada arah resolusi spasial horisontal dan
dapat mengukur prol suhu vertikal dengan akurasi
mendekati 1 K (pada skala suhu mutlak). Akurasi tinggi
tersebut mampu meningkatkan kualitas model suhu
yang dihasilkan oleh senor CrIS.
Sensor ini bekerja pada panjang gelombang 3,92
15,38 m. Selain itu sensor ini memiliki massa 152 kg,
Gambar 2. Ilustrasi Sensor VIIRS.

54

Tabel 1. Distribusi Kanal Spektral Sensor VIIRS.
mengkonsumsi power maksimum sebesar 245 W dan

laju data maksimum 1,8 Mbps. Gambar 3 di bawah ini
memperlihatkan ilustrasi dari sensor CrIS.
Advaned Technology Microwave Sounder

(ATMS)
Sensor ini pada dasarnya merupakan gabungan sensor gelombang mikro-pasif yaitu antara AMSU (Advance
Microwave Sounding Unit)-A1/A2 dan AMSU-B/MHS
(Microwave Humidity Sounding) dengan tujuan mengurangi konsumsi energi yang diperlukan dan memperkecil ukuran massa (menjadi kali ukuran instrument microwave sounder pada satelit POES dan AQUA). Sensor
ATMS digunakan untuk mengukur energi gelombang
mikro yang dipancarkan atau dihamburkan oleh atmosfer, yang jika dikombinasikan dengan sensor CrIS akan
mampu mengamati temperature atmosfer global harian,
uap air (embun) dan prol tekanan udara. Hal ini sama
seperti yang telah dijelaskan sebelumnya.
ATMS juga merupakan radiometer gelombang mikro dengan teknik scanning whiskbroom (cross-track),
dengan resolusi spasial 1.5 km. Detektornya terbagi
menjadi 22 buah kanal yang berada pada rentang frekueBERITA INDERAJA, Volume VIII, No. 14, Juli 2009
Gambar 3. Ilustrasi Sensor CrIS

55

nsi 23 183 GHz. Ke-22 kanal ini dikelompokkan lagi ke
dalam dua grup, yaitu grup frekuensi rendah (23 57
GHz) dan grup frekuensi tinggi (88 183 GHz). Kanal
dengan frekuensi rendah (kanal 1 15) digunakan untuk mengukur temperatur udara, sedangkan kanal dengan frekuensi tinggi (kanal 16 22) digunakan untuk
mengukur kelembaban udara (prol uap air). Sensor
ATMS memiliki massa 85 kg, mengkonsumsi power
maksimum sebesar 160 W, dan laju data maksimum 30
Kbps (maksimum). Gambar 4 di bawah ini memperlihatkan ilustrasi sensor ATMS.
Gambar 4. Ilustrasi Sensor ATMS
Tabel 2 di bawah menunjukkan karakteristik masing-masing kanal pada sensor ATMS.
Ozone Mapping and Proler Suite (OMPS)

OMPS merupakan sensor yang berfungsi memantau
kandungan ozon di ruang angkasa. OMPS mengumpulkan prol vertikal dan kolom total data ozon serta menghasilkan data kontinyu ozon global harian melalui sistem
pemantauan ozon secara langsung, yaitu berupa instrumen SBUV/2 (Solar Backscatter Ultaviolet Radiometer)
dan TOMS (Total Ozone Mapping Spectrometer) dengan
akurasi yang lebih tinggi. Data ini digunakan untuk memantau penipisan lapisan ozon.
Sensor nadir menggunakan teleskop pushbroom
dengan sudut pandang yang lebar untuk menjangkau
dua buah spektrometer yang terpisah. Total nadir spektometer kolom (mapper) mampu mengukur radiansi antara 300 380 nm dengan resolusi 1 nm yang disampling
pada panjang gelombang 0.42 nm. Sementara sensor
limb dengan along-track limb digunakan untuk mengukur radiansi matahari yang terhambur dengan sampling
sejauh 1 km pada rentang panjang gelombang 290 1000
nm. Tiga sampel slit vertical limb pada interval 250 km.
Tiga slit tersebut akan diumpan menjadi citra ke dalam
satu CCD (charge couple device).
Sensor ini memiliki lebar sapuan 2600 km, massa 63
kg, mengkonsumsi power maksimum sebesar 97 W, dan
laju data maksimum 190 Kbps. Gambar 5 di bawah memperlihatkan ilustrasi sensor OMPS.
Tabel 2. Karakteristik Kanal Spektral pada Sensor ATMS.

Channel
Center
frequency (GHz)
Max.
bandwidth
(GHz)
Center
frequency
stability (MHz)
Temp.
sensitivity
NEDT (K)
Calibration
accuracy (K)
Static
beamwidth ()
Quasi
polarization
Characterization at nadir
(reference only)
23.8
0.27
10
0.9
2.0
5.2
QV
Window-water
Vapor 100 mm
31.4
0.18
10
0.9
2.0
5.2
QV
Window-water
Vapor 500 mm
50.3
0.18
10
1.20
1.5
2.2
QH
Window-surface
Emissivity
51.76
0.40
0.75
1.5
2.2
QH
Window-surface
Emissivity
52.8
0.40
0.75
1.5
2.2
QH
Surface air
53.596 0.115
0.17
0.75
1.5
2.2
QH
4 km ~700 mb
54.40
0.40
0.75
1.5
2.2
QH
9 km ~ 400 mb
54.94
0.40
10
0.75
1.5
2.2
QH
11 km ~ 250 mb
55.50
0.33
10
0.75
1.5
2.2
QH
13 km ~ 180 mb
10
57.290344
0.33
0.5
0.75
1.5
2.2
QH
17 km ~ 90 mb
11
57.290344 0.217
0.078
0.5
1.20
1.5
2.2
QH
19 km ~ 50 mb
12
57.290344 0.3222
0.048
0.036
1.2
1.20
1.5
2.2
QH
25 km ~ 25 mb
56

13
57.290344 0.3222
0.022
0.016
1.6
1.50
1.5
2.2
QH
29 km ~ 10 mb
14
57.290344 0.3222
0.010
0.008
0.5
2.40
1.5
2.2
QH
32 km ~ 6 mb
15
57.290344 0.3222
0.0045
0.003
0.5
3.60
1.5
2.2
QH
37 km ~ 3 mb
16
87-91
2.0
200
0.5
2.0
2.2
QV
Window H2O 150 mm
17
166.31
2.0
200
0.6
2.0
1.1
QH
H2O 18 mm
18
183.317.0
2.0
100
0.8
2.0
1.1
QH
H2O 8 mm
19
183.314.5
2.0
100
0.8
2.0
1.1
QH
H2O 4.5 mm
20
183.313.0
1.0
50
0.8
2.0
1.1
QH
H2O 2.5 mm
21
183.311.8
1.0
50
0.8
2.0
1.1
QH
H2O 1.2 mm
22
183.311.0
0.5
30
0.9
2.0
1.1
QH
H2O 0.5 mm
dan sensor OMPS menghasilkan 1 EDRs.

Gambar-gambar di bawah ini memperlihatkan beberapa contoh data simulasi yang akan dihasilkan oleh
sensor satelit NPP dibandingkan dengan satelit lingkungan orbit polar lainnya.
Pada tulisan ini hanya diperlihatkan data simulasi
berikut perbandingannya antara sensor VIIRS dengan
NOAA, sedangkan untuk sensor CrIS, ATMS dan OMPS
tidak dijelaskan.
Gambar 5. Ilustrasi Sensor OMPS
Gambar 6. NPP EDRs
NPP akan menghasilkan

tiga jenis produk yaitu :
Raw Data Records (RDRs) :
sama dengan produk level 0
EOS NASA
Sensor Data Records (SDRs)
: sama dengan produk level
1B EOS NASA
Environmental Data Records (EDRs) : sama dengan
produk level 2 EOS NASA
Produk level 2 (EDRs) yang
dihasilkan oleh sensor-sensor
satelit NPP seperti yang terlihat
pada gambar 6 yaitu sejumlah 24
EDRs. Dari gambar 6 di bawah
terlihat bahwa sensor VIIRS
menghasilkan 20 EDRs. Sensor
CrIS bersama dengan sensor
ATMS menghasilkan 3 EDRs
57
Gambar 7. Perbandingan Citra visible simulasi Sensor

AVHRR NOAA dan Sensor VIIRS NPP pada Posisi Nadir.
Gambar 7 di atas merupakan simulasi sensor AVHRR

satelit NOAA dan sensor VIIRS satelit NPP pada posisi
nadir. Citra simulasi diperoleh dari satelit Landsat yang
didasarkan pada panjang gelombang yang sama atau
berdekatan dengan kanal sensor AVHRR dan VIIRS. Terlihat bahwa citra simulasi sensor VIIRS lebih baik kualitasnya daripada citra simulasi sensor AVHRR.
Gambar 9. Perbandingan citra simulasi sensor satelit NOAA17 (kiri) dan satelit NPP (kanan).
formasi yang akan bisa dipergunakan untuk berbagai

aplikasi seperti pemantauan cuaca, lingkungan atmosfer
dan sik perairan hingga produksi informasi untuk mendukung penangkapan ikan di laut.
Gambar 8. Perbandingan Citra visible simulasi Sensor

AVHRR NOAA dan Sensor VIRRS NPP pada Posisi Edge of Scan
Pada gambar 8 diatas terlihat bahwa citra AVHRR

menurun kualitasnya pada posisi edge of scan sedangkan
VIIRS akan menjaga kualitas (resolusi) sampai keseluruhan scan.
Gambar 9 merupakan simulasi kanal visible satelit
NOAA-17 dan satelit NPP. Citra simulasi diperoleh dari
MODIS Aqua yang didasarkan pada panjang gelombang
yang sama atau berdekatan dengan satelit NOAA-17
dan NPP. Terlihat bahwa satelit NPP memiliki resolusi
spasial yang lebih tinggi sehingga kualitas citra yang dihasilkan lebih baik daripada NOAA-17.
Berikut diperlihatkan beberapa contoh keluaran
citra informasi (EDRs) yang akan dihasilkan oleh sensor-sensor satelit NPP. Dimana ditunjukan bahwa dari
sensor satelit NPP akan dapat dihasilkan berbagai in58
Gambar 10. VIIRS Land Surface Temperature.
Land Surface Temperature merupakan suhu luar dari

lapisan paling atas permukaan daratan. EDR ini hanya
diperlukan untuk sel-sel horizontal dimana sel dan seluruh sel tetangganya dikategorikan sebagai kondisi
bebas dari tutupan awan. EDR ini menyediakan pengukuran suhu untuk daerah inland (navigable water) dan
coastal water.
Gambar 11. VIIRS Sea Surface Temperature.
Gambar 13. VIIRS Aerosol Optical Thickness.
Sea Surface Temperature (SST) merupakan pengukuran suhu air laut pada lapisan batas permukaan (skin)
dan 1 meter lebih atas (bulk).
Aerosol Optical Thickness (AOT) merupakan pemunahan (hamburan + penyerapan) suspensi partikel cair
atau padat di atmosfer pada narrow band sekitar panjang
gelombang tertentu.
Gambar 12. VIIRS Cloud Base Height.
Gambar 14. CrIS/ATMS Atmospheric Vertical Temperature

Profile.
Cloud Base Height (CBH) merupakan ketinggian di

atas permukaan laut saat cloud base terjadi.
CBH = Ketinggan awan paling atas Ketebalan
awan
Atmospheric Vertical Temperature Prole merupakan

serangkaian perkiraan suhu atmosfer rata-rata sel tiga
dimensi yang terpusat pada titik-titik tertentu sepanjang
suatu vertikal lokal. EDR ini dibutuhkan dalam kondisi
cerah, sedikit berawan dan berawan.
59
Gambar 15. CrIS/ATMS Atmosheric Vertical Moisture Profile.
Atmospheric Vertical Moisture Prole merupakan

serangkaian perkiraan mixing ratio rata-rata dalam sel
tiga dimensi yang terpusat pada titik-titik tertentu sepanjang suatu vertikal lokal. Mixing ratio pada suatu sample
udara adalah rasio sample uap air dalam sample dengan
massa udara kering dalam sample. Satuan mixing ratio
adalah g/kg. EDR ini dibutuhkan dalam kondisi cerah,
sedikit berawan dan berawan.
Berdasarkan pembahasan yang telah dikemukakan

di atas, dapat disimpulkan bahwa :
1. NPOESS merupakan satelit operasional kelanjutan
satelit NOAA yang teknologinya sangat berbeda
dengan satelit yang operasional saat ini (NOAA). Untuk itu diperlukan serangkaian uji coba dan testing
melalui beberapa tahap yang dimulai dari generasi
satelit EOS (Terra, Aqua).
2. NPP merupakan satelit yang menjembatani antara
satelit generasi EOS yang bersifat research (Terra,
Aqua) menuju satelit operasional NPOESS. Sedangkan sensor-sensor yang akan dibawa satelit NPP
kelak sama dan merupakan sebagian dari beberapa
sensor yang akan dibawa satelit NPOESS.
3. Terkait dengan perubahan iklim global, instrumen
satelit NOAA yang dioperasionalkan mulai tahun
1970, telah tidak sesuai lagi dengan konsep penggunaan pasangan satelit pada satelit NOAA. Dan saat
ini telah menjadi 1 sistem yang terintegrasi, yaitu:
satelit NPOESS. Sehingga bisa dikatakan, bahwa
dengan diluncurkannya satelit NPP akan memberikan manfaat yang luas dan dapat menambah kemampuan satelit-satelit lingkungan yang sudah ada.
Gambar 16. OMPS Ozone Total Column
Ozone Total Column (TC) merupakan jumlah ozone

dalam vertikal kolom atmosfer yang diukur dalam satuan Dobson.
60
Siklon Tropis
Memasuki Wilayah Indonesia
Oleh: Nanik Sur yo Har yani*, Any Zubaidah*, Totok Suprapto**
* Peneliti Iklim dan Cuaca, Bidang Pemantauan Sumberdaya Alam dan Lingkungan - Pusbangja LAPAN
** Kepala Bidang Pemantauan Sumberdaya Alam dan Lingkungan - Pusbangja LAPAN
ndonesia sebagai negara kepulauan yang terletak di

wilayah katulistiwa sangat rentan terhadap perubahan iklim global, khususnya yang saat ini sudah mulai dirasakan sebagai akibat terjadinya perubahan iklim.
Perubahan iklim ini yang dinyatakan dengan adanya
peningkatan suhu bumi yang menimbulkan terjadinya
peningkatan curah hujan, sebagai akibat pemanasan global yang disebabkan oleh kenaikan gas-gas rumah kaca
terutama karbondioksida (CO2) dan metana (CH4).
Pengamatan suhu global sejak abad 19 menunjukkan
adanya perubahan, rata-rata suhu naik hingga 0,74 C
terjadi pada tahun 1906 hingga tahun 2005. (Solomon,
et.al.,2007). Perubahan suhu rata-rata ini ditandai dengan adanya gejala alam, salah satu gejala alam tersebut
adanya kejadian siklon.
Siklon adalah sebuah wilayah atmosfer bertekanan
rendah, bercirikan terjadinya pusaran angin yang berputar berlawanan dengan arah jarum jam untuk wilayah
di belahan bumi utara dan sebaliknya di belahan bumi
selatan (UCAR dan BBC Weather, 2006). Siklon merupakan gejala alam yang berlangsung secara periodik, yaitu
berupa cuaca buruk yang merusak dan sangat mengancam kehidupan manusia. Siklon tropis sangat berbahaya
karena energi perusaknya berupa angin berkecepatan
tinggi, hujan deras, badai petir yang seringkali disertai
banjir, tornado, dan tanah longsor. Tornado adalah suatu
kolom udara yang berputar dengan kencang yang timbul
dari dasar awan comulunimbus atau cumulus (dalam beberapa kejadian) dan sering (tidak selalu) tampak seperti corong awan. Sebuah pusaran angin dapat dianggap
sebagai tornado jika pusaran angin tersebut menyentuh
tanah dari dasar awan comulunimbus.
Daerah pertumbuhan siklon tropis paling subur di
dunia adalah Samudra Hindia dan perairan barat Australia. Pertumbuhan siklon di kawasan tersebut ratarata mencapai 10 kali per tahun (Biro Meteorologi
Australia, 1960). Siklon tropis di Selatan Indonesia ini
selalu muncul setiap tahun. Penyebabnya adalah tingginya suhu muka laut di timur laut Australia. Wilayah
Indonesia tidak dilalui pusat badai tropis, hanya terkena imbas dari ekor badai tersebut. Imbasnya berupa
angin kencang, hujan deras, dan tingginya gelombang
laut. Pemunculan siklon diawali pusat tekanan rendah
di barat laut Australia dan bergerak menuju barat daya.
Efek yang biasa terjadi di wilayah pantai selatan Indonesia di pengaruhi oleh ekor siklon, bukan akibat pusat
badai tropis. Fenomena siklon tropis memang sangat
menarik, karena walaupun kehilangan energi ketika
melewati daratan, siklon tropis masih membawa sejumlah moisture/uap air di atas daratan yang menyebabkan
munculnya thunderstorms yang berkolaborasi dengan
banjir dan tanah longsor.
Siklon mempunyai bagian-bagian antara lain: kumpulan hujan, dinding mata dan mata (pusat dari pusaran
Gambar 1. Siklon.
61

siklon). Siklon dan bagianbagiannya dapat dilihat pada
April 2009, dan siklon Kirrili yang terjadi pada tanggal
Gambar 1.
27 sampai dengan 29 April 2009. Pengaruh kedua siklon
Dampak adanya siklon tropis yang muncul bukan
yaitu menarik awan-awan yang ada di Indonesia ke arah
hanya di pusat wilayah tempat terjadinya siklon tropis
pusat siklon (Laut Banda). Akibatnya sebagian besar wisaja melainkan juga sangat dirasakan di wilayah
layah Indonesia bagian barat berpeluang cerah hingga
sekitarnya. Sebagai contoh badai yang terjadi di laut
berawan, sedangkan wilayah Indonesia bagian timur
selatan Indonesia, sebenarnya bukan akibat pusat badai
berpeluang hujan lebat selama beberapa hari. Terutama
tropis melainkan hanya akibat/pengaruh ekor siklon
wilayah Papua dan Maluku yang berpeluang kuat tertropis yang terjadi di wilayah barat laut Australia bagian
jadi hujan lebat karena lebih dekat dengan pusat siklon
utara, seperti dijelaskan sebelumnya. Bahkan karena
Twentysave dan Kirrili.
wilayah Indonesia yang berada tepat di daerah tropis
Dampak siklon yang sama dapat dilihat pada Gamsangat mungkin dilanda badai tropis secara periodik.
bar 3, yaitu citra infra merah MTSAT (Meteorological
Menurut Landsea, C.W.(2000) kondisi yang meSatellite) pada tanggal 26 April 2009 Jam 16 19 UTC.
mungkinkan terjadinya siklon tropis di suatu wilayah,
Terlihat bahwa di wilayah Indonesia bagian barat Pulau
biasanya memenuhi persyaratan sebagai berikut: a)
Sumatera, Pulau Jawa, Kalimantan Selatan dan Sulawesi
suhu laut lebih besar atau sama dengan 26,5 Celcius, b)
Selatan terlihat awan cerah sampai berawan tipis (tamkondisi pendinginan atmosfer yang lebih cepat sehingga
pak dengan warna putih sampai dengan biru muda), seterjadi pengangkatan masa konveksi (kumpulan awan
dangkan di wilayah Indonesia bagian tengah dan timur
tebal), c) jarak minimum dari equator 10 lintang utara
terutama di Kalimantan Barat, Kalimantan Tengah, Sudan 10 lintang selatan merupakan wilayah yang potenlawesi Tengah, Sulawesi Utara tampak liputan awan sesial terjadinya siklon, d) pengaruh gaya memutar dan
dang sampai dengan tinggi (dengan warna biru sampai
konvergensi di dekat permukaan, dan e) nilai kecepakuning), sementara Wilayah Maluku dan Papua liputan
tan angin vertikal yang rendah kurang dari 10 m/detik,
awan tinggi sampai dengan sangat tinggi (warna kuning
apabila kecepatan angin vertikal lebih tinggi dari 10 m/
sampai dengan merah).
detik akan mencegah terjadinya pembentukan siklon.
Kejadian siklon Twentysave dan Kirrili juga berpengaSiklon tropis yang terjadi di Asia Tenggara selama
ruh terhadap peluang hujan yang terjadi di wilayah Indobulan April 2009 tercatat sebanyak 3 (tiga) kejadian,
nesia. Hal ini dapat dilihat pada Gambar 4, data TRMM
yaitu siklon Bijli yang terjadi pada tanggal 15 sampai
(Tropical Rainfall Measurement Mission) pada tanggal
dengan 17 April 2009 di Samudera Hindia sebelah barat daya Pulau Sumatera.
Siklon Twentyseve yang terjadi pada
tanggal 26 sampai dengan 29 April 2009
bersamaan dengan siklon Kirrily yang
terjadi pada tanggal 27 sampai dengan
29 April 2009 kedua-duanya terjadi di
Laut Banda. Dampak siklon tropis Bijiil,
Twentysave dan Kirrili mengakibatkan
peningkatan peluang hujan di wilayah
yang berada di daerah sekitarnya. Kejadian siklon tropis selama bulan April
2009 dapat dilihat pada Gambar 2.
Di wilayah tersebut terjadi tekanan
rendah yang memusat dan memutar di
wilayah Indonesia tepatnya di Laut Banda yang dinamakan siklon Twentysave
Gambar 2. Siklon di Indonesia dan Asia Tenggara Bulan Januari Juni 2009.
terjadi pada tanggal 26 sampai dengan 29
62
Gambar 3a. MTSAT 1R 26 April 2009 jam 16 UTC
Gambar 3b. MTSAT 1R 26 April 2009 jam 17 UTC
Gambar 3c. MTSAT 1R 26 April 2009

jam 16 UTC (cropping)
Gambar 3. Citra infra Merah MTSAT
Tanggal 26 April 2009 Jam 16 19 UTC.
24 - 29 April 2009 Jam 00 23 UTC. Pada data TRMM

tanggal 24 - 25 April 2009 (Gambar 4a dan 4b) sebelum terjadi siklon terlihat bahwa peluang hujan sedang
di wilayah Indonesia bagian tengah dan timur terutama
Kalimantan Timur, Sulawesi Selatan, Sulawesi Tengah
dan Papua bagian selatan. Sedangkan setelah adanya
kejadian siklon Twentysave dan Kirrili dapat dilihat pada
data TRMM tanggal 26 - 27 April 2009 (Gambar 4c dan
4d) adanya peluang hujan di sebagian Pulau Sumatera,
sebagian Pulau Jawa, Kalimantan, Sulawesi, Maluku dan
Papua berpeluang hujan sedang, tinggi sampai dengan
sangat tinggi, dimana pada Gambar 4c dan 4d terlihat
peluang hujan berwarna biru, hijau sampai merah. Sedangkan pada Gambar 4e dan 4f pada tahap berakhirnya kejadian siklon terlihat bahwa peluang hujan sudah
berkurang, peluang hujan hanya terjadi di wilayah sekitar lokasi kejadian siklon saja.
Kejadian siklon tropis yang terjadi di Indonesia disebabkan oleh anomali/ penyimpangan perubahan iklim
yang terjadi di Benua Australia. Perubahan iklim itu terjadi sangat signikan, sehingga berdampak pada angin
yang sangat kencang di laut disebut siklon, dan apabila
terjadi di darat biasa disebut dengan angin puting beliung. Perubahan iklim itu bisa menyebabkan kondisi
gelombang tinggi yang disertai hujan lebat. Meski kondisinya seperti itu, wilayah laut yang terkena siklon tropis akan terasa kering akibat tebaran udara yang sangat
panas di sekitar kawasan yang terkena badai.
Wilayah Indonesia bukan merupakan daerah pembentukan siklon tropis namun hanya berbatasan dengan
daerah pembentukan dan lintasan siklon tropis yaitu
pada daerah yang mempunyai letak geogras lebih besar dari 10 Lintang Utara dan 10 Lintang Selatan.
Berdasarkan pembahasan kejadian siklon tropis di wilayah Indonesia menunjukkan bahwa adanya anomali/
penyimpangan kejadian siklon yaitu siklon tropis telah
memasuki wilayah Indonesia yaitu di Laut Banda (Gambar 2) yang terjadi pada tanggal 26 sampai dengan 29
April 2009 adalah siklon Twentysave dan Kirrili. Hal ini
menunjukkan salah satu indikasi adanya perubahan
iklim khususnya di Indonesia yang berakibat pada berubahnya arah dan kecepatan angin serta di wilayah
terjadinya siklon akan turun hujan lebat, sehingga akan
berdampak pada bergesernya musim.
63
Gambar 4a. TRMM 24 April 2009 jam 00-23 UTC
Gambar 4b. TRMM 25 April 2009 jam 00-23 UTC
Gambar 4c. TRMM 26 April 2009 jam 00-23 UTC
Gambar 4d. TRMM 27 April 2009 jam 00-23 UTC
Gambar 4e. TRMM 28 April 2009 jam 00-23 UTC
Gambar 4f. TRMM 29 April 2009 jam 00-23 UTC
Gambar 4. TRMM Tanggal 24 - 29 April 2009 Jam 00 23 UTC.
64
65
BERITA RINGAN
Kedeputian Bidang Penginderaan Jauh LAPAN
Mengikuti Pameran Static Show di Mabes TNI Cilangkap Jakarta
alam rangka mendukung kegiatan Rapat

Pimpinan (Rapim) TNI Tahun Anggaran 2009
diselenggarakan Pameran Static Show di Markas
Besar Tentara Nasional Indonesia (TNI) Cilangkap
Jakarta Timur. Pameran dilaksanaan pada 22 23
Januari 2009 bertempat di arena Parkir Timur
Mabes TNI Cilangkap, Jakarta Timur.
Kunjungan Panglima TNI Jend. DJoko Santoso beserta Kasal Jend.

Tedjo Edhy P didampingi oleh Staf LAPAN Ir. Sigit Julimantoro MSi.
Acara ini diikuti oleh berbagai Instansi baik

Pemerintah maupun Swasta. Peserta dari instansi Pemerintah diantranya adalah: beberapa
Litbang TNI, beberapa Perguruan Tinggi (Universitas Indonesia, Universitas Gadjah Mada, Institut
Teknologi Bandung, Institut Teknologi Sepuluh
Nopember Surabaya, UPN Veteran Jakarta, Universitas Surya Darma, dan beberapa Lembaga
Pemerintah Non Departemen (LIPI, LAPAN) dan
BPIS (PT. Pindad, PT. Dirgantara Indonesia, PT.
LEN, PT. PAL, PT. Dahana, PT. Krakatau Steel, PT.
INTI, PT. INKA, PT. Batara Indonesia). Pameran ini
juga diikuti oleh beberapa Perusahaan Swasta
dari dalam negeri.
Para kontributor Pameran: menampilkan
berbagai jenis alat pertahanan negara yang
diproduksi oleh industri dalam negeri. Kedeputian Bidang Penginderaan Jauh (Inderaja)
LAPAN pada acara ini turut berpartisipasi dan
menampilkan berbagai produk unggulan yang
merupakan hasil-hasil kegiatan Litbang yang
terkait dengan Sistem Pertahanan Nasional. Selain itu juga ditamplikan berbagai hasil produk
dari kegiatan kerjasama LAPAN dengan Instansi
TNI. Produk inderaja yang ditampilkan dalam
acara ini adalah Perbaharuan Peta Topografi TNI
AD, Peta Daerah Latihan TNI, Peta Perbatasan
Negara, dan Peta Pulau-Pulau Kecil Terluar.
Produk tersebut di layout dalam bentuk Panel/
Poster Peta Citra Satelit (PCS) ukuran kertas A1.
Dan pada kesempatan ini juga didistribusikan
beberapa Modul Promosi inderaja seperti Majalah Berita Inderaja, Buku Pulau-Pulau Kecil Terluar dan Brosur.
Melalui kegiatan semacam ini diharapkan
dapat disosialisasikan berbagai hasil produk
inderaja LAPAN guna mendukung industri Pertahanan Negara di dalam upaya menjaga keutuhan NKRI.
Kunjungan KASAD Jend. Agustadi.
66
BERITA RINGAN
Kunjungan Siswa Pendidikan Spesialis Per wira Hidro
Oseanogra (DIKSPESPA HIDROS - TNI AL)
Ke Kantor Kedeputian Bidang Penginderaan Jauh LAPAN
Pekayon, 3 Februari 2009
elasa, 3 Februari 2009, Kedeputian Bidang
Penginderaan Jauh LAPAN menerima rombongan tamu dari Siswa DIKSPESPA HIDROS TNI
Angkatan Laut yang didampingi oleh Pelatih
dan Pembantu Pelatih dengan jumlah keseluruhan rombongan adalah sebanyak: 29 orang.
Penerimaan kunjungan ini mendapat sambutan langsung dari Deputi Bidang Penginderaan Jauh, Bapak Ir. Nur Hidayat, Dipl. Ing. Acara
dilaksanakan di Gedung Training pada Kantor
Kedeputian Bidang Penginderaan Jauh LAPAN
Pekayon.
Pada acara pembukaan, Bapak Deputi Bidang Penginderaan Jauh menyampaikan kata
sambutan yang kemudian dilanjutkan oleh Kepala Bidang Produksi Data - Pusat Data, Bapak
Ir. Agus Hidayat, M.Sc. Kepala Bidang Produksi Data pada kesempatan ini menyapaikan
penjelasan materi tentang Tugas Pokok, Fungsi
dan Fasilitas-fasilitas yang di miliki De Inderaja
LAPAN - Pekayon. Setelah penjelasan materi,
selanjutnya Rombongan TNI AL beserta Siswa
peserta DIKSPESPA HIDROS diberi kesempatan
mengadakan Tour keliling untuk meyaksikan secara lebih dekat fasilitas-fasilitas LAPAN khususnya di Kantor Kedeputian Bidang Penginderaan
Jauh baik yang ada pada Pusat Data Penginderaan Jauh maupun pada Pusat Pengembangan
Pemafaatan dan Teknologi Penginderaan Jauh.
Acara semacam ini merupakan bentuk kontribusi dari Kedeputian Bidang Penginderaan Jauh
LAPAN dalam menyampaikan informasi perkembangan teknologi Penginderaan Jauh kepada
masyarakat dan khususnya kepada TNI AL.
Deputi Bidang Penginderaan Jauh, Ir. Nur Hidayat, Dipl Ing dan
Pengawas Latihan Letkol Laut (P) Amril.
Kepala Bidang Produksi Data Ir. Agus Hidayat, MSc memberikan penjelasan
tentang informasi Peta Citra Satelit (PCS) kepada rombongan tamu siswa
peserta Dikspespa Hidros
67
BERITA RINGAN
Sosialisasi Pilot Project Penggunaan Data ALOS
di Indonesia
Pembukaan acara oleh K. Pusbangja LAPAN Ibu Dra. Ratih Dewanti, MSc.
emanfaatan teknologi penginderaan jauh

di Indonesia sudah semakin pesat kemajuannya dan signifikan. Untuk lebih meningkatkan pemanfaatan teknologi inderaja diadakan
kerjasama antara LAPAN dengan JAXA (Jepang).
Kerjasama ini mencakup kegiatan kajian untuk
mengetahui tingkat akurasi/ ketelitian sistem
sensor pada satelit ALOS. Kegiatan kajian pemanfaatan teknologi inderaja menggunakan
data satelit ALOS (ALOS Pilot Project I) sudah dilaksanakan sejak 2006.
Dalam pemanfaatan data inderaja, LAPAN
telah mengadakan kerjasama dengan beberapa
instansi terkait: Departemen Pertanian, Departemen Kehutanan, Departemen Energy dan Sumber Daya Mineral, serta BAKOSURTANAL. Selain
itu kerjasama dengan beberapa Perguruan Tinggi, diantaranya adalah: Universitas Syiah Kuala
(Banda Aceh), Universitas Udayana (Bali), ITB dan
IPB. Dari beberapa kegiatan kajian pemanfaatan
data ALOS yang telah selesai dilaksanakan, setelah itu diadakan acara Seminar Sehari dengan
judul Final Seminar on Pilot Project of Utilizing
ALOS data in Indonesia. Acara ini diselenggara-
68
kan di Hotel Borobudur - Jakarta, pada tanggal

12 Maret 2009. Pembukaan acara dilakukan oleh
Kepala Pusat Pengembangan dan Pemanfaatan
Teknologi Penginderaan Jauh (Pusbangja) LAPAN, Ibu Dra. Ratih Dewanti, MSc.
Acara Seminar Sehari ini dihadiri oleh 150
orang, yang terdiri dari berbagai instansi Pemerintah: DEPTAN, DEPHUT, DESDM, KLH, TNI
AL, TNI AD, BAKOSURTANAL, DKP, RISTEK, BPPT,
LAPAN. Beberapa Perguruan Tinggi: UI, ITB, IPB,
UGM, Universitas Diponegoro, Universitas Pakuan, Universitas Syiah Kuala. Instansi lainnya yang
hadir: JICA dan Kedutaan Besar Jepang (Gambar
2). Tujuannya adalah: mensosialisasikan hasil kajian/ penelitian menggunakan data ALOS untuk
beberapa aplikasi kepada pengguna data Inderaja dan pengambil keputusan; mempromosikan
penggunaan data ALOS dan data penginderaan
jauh lainnya untuk pemetaan, manajemen sumber daya alam, mitigasi bencana dan juga sekaligus meningkatkan hubungan LAPAN dengan
instansi dalam maupun luar negeri.
BERITA RINGAN
Peserta seminar Sehari di Hotel Borobudur,

Jakarta 12 Maret 2009.
Saat acara diskusi panel pada sosialisasi Pilot Project ALOS.
Daftar Narasumber:
1. Presentasi utama:
LAPAN : Dra. Ratih Dewanti, MSc, Kapusbangja
LAPAN.
JAXA : Mr. Chiyoshi Kawamoto, Planning
Manager, Satellite Applications and
Promotion Center, JAXA.
Dr. Preesan Rakwatin, Researcher,
Earth Observation Research Center,
JAXA (Possibility of ALOS/ PALSAR
data for forest monitoring in
Indonesia).
RESTEC: Mr. Makoto Ono, Advisory
Scientist, RESTEC.
2. Presentasi hasil penelitian dengan menggunakan data satelit ALOS:
a. Muzailin Affan (Universitas Syiah Kuala, Banda Aceh): Aplikasi data ALOS untuk Penggunaan Lahan.
b. Dr. Baba Barus (IPB): Aplikasi data ALOS untuk Penggunaan Lahan.
c. Dr. Fahmi Amhar (BAKOSURTANAL): Aplikasi
data ALOS untuk pemetaan.
d. Retnosari (Departemen Kehutanan ): Aplikasi data ALOS untuk kehutanan.
e. Ita Carolita dan Dr. Bambang Trisakti (LABERITA INDERAJA, Volume VIII, No. 14, Juli 2009
PAN): Pemanfaatan Informasi DEM dan

Penggunaan Lahan dari ALOS untuk Mitigasi Bencana Tsunami.
f. Sidarto (Departemen Energy dan Sumber
daya Mineral): Aplikasi data ALOS untuk pemetaan Geologi.
g. Dr. Osawa (CreSOS, Universitas Udayana
Bali): Aplikasi data ALOS untuk pesisir (terumbu karang).
h. Wahyunto (Departemen Pertanian): Aplikasi
data ALOS untuk mitigasi bencana Longsor.
i. Firman Hadi (ITB) : Aplikasi data ALOS untuk
mitigasi bencana longsor.
j. Dr. Agus Kristijono (BPPT): Aplikasi data
ALOS untuk Volkanologi.
Beberapa makalah yang disampaikan narasumber, data ALOS mampu diekstrak untuk
memperoleh informasi spasial beragam (untuk
pemetaan, manajemen sumber daya alam, dan
mitigasi bencana). Selain itu hasil yang diperoleh,
data ALOS memiliki potensi yang baik serta punya pasar cukup bagus untuk dimanfaatkan oleh
para pengguna di Indonesia. Kedepan, diharapkan kegiatan ini dapat terus dilanjutkan, yaitu
pada kegiatan Pilot Project ALOS tahap ke-2.
69
BERITA RINGAN
Bimbingan Teknis Pengolahan Data Penginderaan Jauh
Untuk Peningkatan SDM Pemda Kabupaten Sampang Provinsi Jawa Timur
enin, 8/6, Lembaga Penerbangan dan Antariksa Nasional

(LAPAN) bekerjasama dengan Pemda Kabupaten Sampang - Provinsi Jawa Timur, menyelenggarakan Bimbingan
Teknis (Bimtek) Pemanfaatan Data Penginderaan Jauh untuk
Pembuatan Basis Data Spasial Kabupaten Sampang.
Kegiatan Bimtek diselenggarakan di Kantor Kedeputian Bidang Penginderaan Jauh LAPAN, Gedung Training
Pusat Data Penginderaan Jauh dan acara Bimtek dibuka
secara resmi oleh Deputi Bidang Penginderaan Jauh LAPAN, Ir. Nur Hidayat, Dipl.Ing. Dalam sambutannya Deputi
Inderaja menyambut baik pelaksanaan Bimtek ini yang
merupakan salah satu wujud kerjasama LAPAN dengan
Pemda. Dalam kerjasama tersebut LAPAN siap berkontribusi dalam penyediaan data dan informasi hasil-hasil
litbang penginderaan jauh untuk dimanfaatkan dalam
pengembangan wilayah Kabupaten Sampang. Hadir dalam pembukaan Bimtek ini antara lain, Bupati Sampang
Noer Tjahja yang didampingi beberapa Kepala Dinas dan
pejabat dari Kedeputian Bidang Penginderaan Jauh LAPAN, yaitu: Kapus Data Penginderaan Jauh. Ir. Agus Hidayat, M.Sc., Kapus Pemanfaatan Teknologi Dirgantara, Drs.
I.L. Arisdiyo, M.Si., Peneliti ahli Inderaja LAPAN Ir. Mahdi
Kartasasmita MS.Ph.D, dan Prof.Dr.Sri Hardiyanti Purwadhi
serta pelabat lainnya.
Bupati Sampang, dalam sambutannya menginformasikan bahwa dalam rencana pembangunan jangka menengah daerah Kabupaten Sampang menitik beratkan pada
pembanguan ekonomi, menciptakan lapangan kerja dan
mengentaskan kemiskinan. Sejalan dengan dioperasikannya
Jembatan Suramadu pada tanggal 10 Juni 2009, tentunya
mempermudah akses dari Kabupaten Sampang ke Surabaya
maupun sebaliknya. Sehingga akan menjadikan Kabupaten
Sampang sebagai alternatif untuk melakukan investasi. Kabupaten Sampang sampai saat ini belum mempunyai industri, padahal daerah ini kaya dengan Sumber Daya Alam
khususnya Gas Alam. Dengan dioperasikannya Jembatan
Suramadu diharapkan akan banyak investor yang tertarik
untuk melakukan investasi di Madura khususnya Kabupaten
Sampang dan akan menjadi titik sentra pembangunan di
Pulau Madura. Selanjutnya disampaikan oleh Bupati Sampang, bahwa hasil bimtek Pengolahan dan Pemanfaatan
Data Penginderajan Jauh yang dilaksanakan 8 s/d 19 Juni
2009 (selama 11 hari), merupakan persiapan aparat supaya
selalu berinovasi untuk mengolah sumberdaya alam yang
ada agar nantinya dapat menjadi pemain jangan hanya
menjadi penonton. Dengan menjadi pemain kita tentunya
akan dapat menciptakan lapangan kerja yang tentunya akan
mengurangi ketertinggalan dari daerah lain. (AK)
Foto Bersama: Kapus Data Penginderaan Jauh Ir. Agus Hidayat, M.Sc (duduk kesatu dari kiri), Prof.Dr.Sri Hardiyanti Purwadhi (duduk ketiga
dari kiri), Bupati Sampang Noer Tjahja (duduk keempat dari kiri), Deputi Bidang Penginderaan Jauh LAPAN Ir. Nur Hidayat, Dipl.Ing (duduk kelima dari kiri), Peneliti ahli Inderaja LAPAN Ir. Mahdi Kartasasmita MS.Ph.D (duduk keenam dari kiri), dan peserta Bimtek.
70
BERITA RINGAN
Peresmian Pengoperasian Sistem Antena X-Band AXYOM
Model 50 Di Stasiun Bumi Satelit Penginderaan Jauh
LAPAN, Parepare
abtu, 25 Juli 2009, peresmian pengoperasian sistem Antena X-Band AXYOM Model 50 di Stasiun Bumi Satelit
Penginderaan Jauh Sumber Daya Alam Parepare dilakukan
oleh Deputi Bidang Penginderaan Jauh LAPAN, Ir. Nur Hidayat, Dipl.Ing. Acara peresmian ini dihadiri oleh Deputi Bidang RIPTEK Kementrian Negara Riset dan Teknologi, Dr. Ir.
Teguh Raharjo, Kepala Badan Litbang Deptan, Dr. Ir. Gatot
Irianto serta Walikota Parepare yang diwakili oleh Sekretaris Kota, Drs. H. Rahim Rauf, M.M. Selain itu hadir pula dalam
acara ini Bupati Enrekang La Tinro La Tunrung, Bupati Polman Drs. Ali Baal, M.Si, Wakil Bupati Sidrap H. Dollah Mando
serta perwakilan dari 7 kabupaten/ kota di Sulawasi Barat
dan Sulawesi Selatan serta unsur pimpinan wilayah dan
MUSPIDA Kota Parepare.
Walikota Parepare dalam sambutannya yang dibacakan oleh Sekretaris Kota Parepare Drs. H. Rahim Rauf,
M.M menyambut baik kehadiran antena baru ini dan
mengharapkan antena tersebut dapat lebih meningkatkan kinerja LAPAN dalam melayani kebutuhan penyediaan
informasi geo-spasial bagi kepentingan perencanaan dan
pemantauan pembangunan, pelestarian lingkungan hidup
dan penanggulangan bencana. Walikota juga mendukung
kehadiran Stasiun Bumi Satelit Penginderaan Jauh di Parepare yang telah menjadi salah satu icon Kota Parepare sejak
Deputi Bidang Penginderaan Jauh LAPAN, Ir. Nur Hidayat, Dipl.Ing
saat menyampaikan sambutan pada acara peresmian
didirikannya pada tahun 1993.
Antena X-Band.
Deputi Bidang Penginderaan Jauh LAPAN, Ir. Nur Hidayat, Dipl.Ing dalam sambutannya mengharapkan denroket air yang merupakan kerjasama antara LAPAN dengan
gan penambahan sistem antena di Stasiun Bumi Parepare
PP IPTEK dan menugaskan Satker LAPAN Parepare untuk
dapat meningkatkan kualitas penyediaan data satelit
memfasilitasi kegiatan ini.
penginderaan jauh untuk seluruh Indonesia. Pada kesemAcara peresmian sistem Antena X-Band AXYOM Modpatan tersebut Deputi Bidang Inderaja berterima kasih
el 50, diakhiri oleh presentasi dan diskusi oleh Dr. Gatot
atas dukungan Bapak Bupati dan WaIrianto (Ka. Balitbang Deptan) yang
likota dalam pemanfaatan data satelit
membawakan topik pemanfataan data
penginderaan jauh untuk perencasatelit penginderaan jauh dalam bidang
naan dan pemantauan pembangunan
pertanian serta Dr. Bambang Semedi
di daerah. Dan juga berharap dapat
(UNHAS) dengan topik pemanfaatan
lebih meningkatkan mutu pelayanan
data satelit penginderaan jauh dalam
serta memperluas kerjasama dengan
bidang perikanan. Seluruh peserta yang
memanfaatkan hasil-hasil litbang LAhadir yang berasal dari perwakilan 11
PAN selain bidang penginderaan jauh,
Kabupaten/ Kota sangat antusias dalam
seperti dintaranya: AWS, Pembangkit
mengikuti diskusi ini dan sebagai modListrik Tenaga Hibrid, dll. Selain itu juga
erator adalah Kapusdata LAPAN, Ir. Agus
Deputi bidang inderaja LAPAN meSistem Antena X-Band AXYOM Model 50
Hidayat, M.Sc. (AK)
nyambut baik penyelenggaraan lomba
(latar belakang adalah Antena NEC)
71
PERISTIWA
Dalam Gambar
LAPAN Tandatangani MoU dengan DirJen Perkebunan

Departemen Pertanian
ada hari Rabu tanggal 20 Mei 2009, dilakukan Penandatanganan MoU oleh Deputi Bidang Penginderaan Jauh LAPAN
Ir.Nurhidayat, Dipl. Ing dan Direktorat Jenderal Perkebunan, Departemen Pertanian Republik Indonesia Ir. Achmad Mangga Barani,
MM. di Gedung C, Ruang Rapat Direktorat Jenderal Perkebunan Departemen Pertanian. Dalam sambutannya, Deputi Inderaja menginformasikan, LAPAN siap berkontribusi dalam pembiayaan dan penyediaan data satelit penginderaan jauh.
Dengan menggunakan dan memanfaatkan data satelit penginderaan jauh, dapat melakukan pemantauan sebaran tanaman kelapa
sawit, sebagai contoh adalah perkebunan kelapa sawit yang ada di
Kabupaten Pasaman, Sumatera Barat. Sehingga diharapkan informasi
yang dihasilkan dapat dimanfaatkan sebagai bahan untuk pengambilan keputusan dalam kaitannya dengan perkebunan di Indonesia.
Pada tingkat implementasinya, sebaiknya kegiatan ini jangan

berhenti sampai disitu. Karena data dan informasi pemetaan yang dihasilkan untuk perkebunan kelapa sawit itu sifatnya berkesinambungan dan harus up to date (secara terus menerus). Hal ini dilakukan untuk mengetahui perubahan-perubahan yang terjadi pada penutupan
lahannya dan selalu terpantau, ujar Deputi Inderaja. Untuk masa yang
akan datang, upaya pemanfaatan data penginderaan jauh khususnya
untuk pendataan sebaran kelapa sawit di Pulau Sumatera dan Kalimantan harus lebih ditingkatkan. Informasi ini dapat menjadi solusi
dalam rangka pemantauan lahan perkebunan, karena data ini memiliki tingkat akurasi dan ketelitian yang tinggi.
Sementara dalam sambutannya Ir. Achmad Mangga Barani,
MM, menginformasikan pada era tahun 80an, Departemen Pertanian sangat kaya akan peta-peta tentang komoditas hasil perkebunan di seluruh Indonesia. Namun seiring dengan adanya pemekaran daerah/ otonomi daerah, praktis data-data di daerah tersebut
kurang terinventarisasi dan kurang terkoordinasi dengan baik. Datadata tentang komoditas utama perkebunan yang di miliki menjadi
kurang lengkap.
Ia berharap, kerjasama dengan LAPAN dapat terus dibina dan
dikembangkan agar Deptan memiliki data-data yang lebih lengkap
dan akurat. Dengan informasi ini, dapat menjadi sumber masukan
dalam pembuatan/penyusunan kebijakan. Tak hanya terfokus pada
tanaman kelapa sawit, namun bisa juga dilaksanakan secara paralel untuk memperoleh informasi hasil dari komoditas lain di sektor
perkebunan. (AK)
Kerjasama Antara LAPAN

dengan ITC Belanda
eputi Bidang Penghinderaan Jauh Ir. Nurhidayat, Dipl.Ing. menyaksikan penandatanganan Nota Kesepahaman antara Kepala
LAPAN dan Rektor The International Institute for Geo-Information
Science and Earth Observation (ITC) Belanda, pada hari Senin, 1 Juni
2009, di kantor LAPAN Pusat, Rawamangun - Jakarta. Nota kesepahaman kerjasama tersebut dalam hal penelitian dan pengembangan penginderaan jauh.
ITC adalah lembaga pendidikan dan penelitian dalam bidang aplikasi teknik observasi bumi dan penggunaan informasi spasial untuk
perencanaan kota dan desa serta pengawasan dan pengelolaannya.
Kerjasama LAPAN dan ITC ini mencakup peningkatan sumberdaya
manusia, transfer teknologi, penelitian, pengembangan, dan diseminasi pengetahuan. Kerjasama keduanya mengkhususkan pada bidang
penginderaan jauh dan sistem informasi geografi serta aplikasinya.
72
Selain itu, kerjasama LAPAN dan ITC juga mencakup pertukaran

karyawan dan penelitian bersama. Dalam naskah kesepahaman,
keduanya sepakat untuk mengadakan penelitian bersama di bidang
penginderaan jauh, sistem informasi spasial, dan teknologi geo-informasi. (AK)
PERISTIWA
Dalam Gambar
Penandatangan MoU antara Deputi Inderaja dengan

Seslakhar Bakorkamla
eputi Bidang Penginderaan Jauh (De

Inderaja) LAPAN, Ir. Nurhidayat, Dipl.
Ing dan Sekretaris Pelaksana Harian (Ses
Lakhar) Bakorkamla, Dr.Ir.Dicky Munaf,
M,Sc. menandatangani Memorandum of
Understanding (MoU) pada tanggal 24
Juni 2009 di Hotel Borobudur, Flores A,
Jakarta. Penandatanganan MoU tersebut
merupakan tindak lanjut dari kerjasama
dalam bidang pemanfaatan penginderaan jauh untuk maritim.
Dalam penjelasannya, Dicky Munaf, menyatakan MoU ini dibuat
untuk menguatkan pelaksanaan kegiatan pemanfaatan penginderaan jauh pada kegiatan pemetaan maritim di Indonesia. Dalam hal
ini instansi yang berkompeten dibidang penginderaan jauh adalah
LAPAN, sehingga diharapkan dapat memperoleh informasi serta
manfaat yang lebih luas.
Sementara, dalam sambutannya, Nurhidayat menambahkan
bahwa proses kerjasama ini bukanlah proses yang tiba-tiba, sudah
dilakukan penjajakan lebih dahulu, ditandai dengan kunjungan tim teknis

dari BAKORKAMLA ke LAPAN Parepare.
Dengan kerjasama institusional ini diharapkan bisa saling bersinergi dalam
mengembangkan peralatan dan sumber daya manusia (SDM) sehingga manfaat teknologi satelit khususnya penginderaan jauh untuk bidang maritim bisa
dicapai dengan maksimal. Terlebih cakupan perairan Indonesia yang sangat
luas mengharuskan penggunaan teknologi satelit.
Kerjasama ini meliputi pendayagunaan fasilitas dan teknologi
perangkat keras dan perangkat lunak. Teknologi yang dikembangkan mencakup sistem perolehan, pengolahan, analisis, dan interpretasi data satelit penginderaan jauh untuk bidang maritim. Kegiatan
ini diharapkan di masa yang akan datang dapat membuka peluang
kerjasama internasional terkait dengan pemanfaatan penginderaan
jauh untuk maritim. (AK).
73
74
POSTER
75
POSTER
76
POSTER
77
POSTER
78

Bahasa

Berita Inderaja 14

Diunggah oleh

Informasi Dokumen

Deskripsi:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Deskripsi:

Hak Cipta:

Format Tersedia

Berita Inderaja 14

Diunggah oleh

Deskripsi:

Hak Cipta:

Format Tersedia

BERITA INDERAJA, Volume VIII, No.

14, Juli 2009

BERITA INDERAJA, Volume VIII, No. 14, Juli 2009

ajalah Berita Inderaja kembali terbit dan

BERITA INDERAJA, Volume VIII, No. 14, Juli 2009

Informasi Pengembangan PJ & SIG

Bentuk, isi dan informasi sangat exlusive.

Tingkatkan terus mutu dan info untuk membangun

Informasi Sangat Baik dalam

z Penurunan Digital Elevation Model (DEM) dari

z Pemanfaatan Data Trmm dalam Mendukung

INFORMASI DATA INDERAJA

z China - Brazil Operasikan Seri Satelit Sumber Alam

z Kedeputian Bidang Penginderaan Jauh LAPAN Mengikuti

z Kunjungan Siswa Pendidikan Spesialis Perwira Hidro

PERISTIWA DALAM GAMBAR

z LAPAN Tandatangani MoU dengan Dirjen Perkebunan

Penutup Lahan Danau Toba 2006

Penurunan Digital Elevation Model (DEM)

odel Elevasi Digital (Digital Elevation Model

BERITA INDERAJA, Volume VIII, No. 14, Juli 2009

Gambar 2. Data DEM dari citra stereo ALOS PRISM (atas),

(atas) memperlihatkan DEM dengan cakupan sekitar 35

program untuk melakukan simulasi numerik pergerakan

Gambar 3. Data DEM wilayah pesisir Cilacap

Gambar 4. Simulasi pergerakan awal gelombang tsunami

informasi topogra dan tutupan/penggunaan lahan).

Pemanfaatan Data ALOS untuk

(a). Peta lokasi

(b). Citra ALOS-AVNIR

(a). Data PRISM (2.5 m)

(b). Data fusi ALOS (2.5 m)

da Aceh dan Kabupaten Aceh Besar. daerah ini meliputi

Fusi ALOS (2.5m)

Landsat ETM (30m)

(a) Landsat ETM (2002)

(b) SPOT-5 (2004)

(c) Fusi ALOS (2007)

Gambar 3. Hasil klasifikasi tutupan/ penggunaan lahan.

Tabel 2. Perubahan tutupan lahan tahun 2004 and 2007

(tubuh air) meningkat sebesar 222 ha atau 55% dari luas

BERITA INDERAJA, Volume VIII, No. 14, Juli 2009

Pengenalan Aplikasi Geologi

jauh mencerminkan sifat tutupan lahan dan batuan di

Gambar 2. Kurva spektral pada obyek-obyek utama

Citra Landsat 7 ETM+ yang telah dilakukan koreksi

a. Citra hasil rationing band 3/1

b. Citra hasil rationing band 5/7

a. Citra hasil rationing band 3/5

b. Citra Komposit 3/1, 5/7 dan 3/5 (RGB)

BERITA INDERAJA, Volume VIII, No. 14, Juli 2009

las pada citra dengan melihat perbedaan bayangan dan

Formasi Paciran dan Anggota Dander Formasi Lidah.

b. Kemampuan Formasi Kabuh

atau hanya terdapat semak tipis, warna hijau kecoklatan

pemetaan geologi. Fungsi SRTM tersebut adalah untuk

BERITA INDERAJA, Volume VIII, No. 14, Juli 2009

Aplikasi Data Satelit Inderaja

anau/waduk berfungsi menampung air dan

Gambar 1. Daerah Tangkapan Air Danau Toba di Provinsi Sumatera Utara