PEMANF AA TAN CITRA SA TELIT RESOLUSI TINGGI, DGPS, DAN SIG UNTUK MENDETEKSI KONDISI PENGGUNAAN LAHAN DI KOTA

YOGY AKARTA Subaryono', ABSTRACT
The geomatics technology, especially remote sensing technology, has developed sensors capable of producing satellite images such as "IKONOS" images with very high spatial resolution (0.6 - lm). However, the high spatial resolution has no high values when its geometric positions are not well corrected. The combination of the use of high spatial resolution image and the DGPS will be able to produce high quality information of objects in the earth surface in terms of both the content and its geometric positions. Information about land use with such quality is very useful in support oj urban planning and management. This research used a high spatial resolution image "IKONOS" which was corrected using primary data obtained through the application of the DGPS (Differential Global Positioning System) in the City oj Yogyakarta. The combination of both procedures (data processing of IKONOS and DGPS) has resulted in the corrected IKONOS image with higher geometric accuracy. This image was interpreted to extract information about urban land use oj Yogyakarta. This information then was contrasted with the actual conditions. The results show that the DGPS measurement was able to achieve sub-em absolute accuracy. The use oj the data obtained from this method ill correcting the geometric positions of IKONOS image was able to achieve sub-pixel accuracy. This research applied a land classification scheme covering 9 land use classes developed by Sutanto et al. (198/) to classify the IKONOS data of Yogyakarta city. The scheme was selected because of the large volume 0/ data and the actual land use ill Yogyakarta. Spatial analysis using GIS (Geographic Information SystemlSIG) in this research show that there were changes in land lise classes, particularly the agricultural class into the settlement class.

Harlntaka', Bilal Ma'rur'

Key words: DGPS, IKONOS, Yogyakarta City, Urban Land Use PENGANTAR Latar Belakang Penggunaan berbagai platform citra satelit untuk pemetaan penggunaan lahan telah banyak dilakukan semenjak diluncurkannya satelit surnberdaya alam pada tahun tujuh-puluhan. Berbagai teknik telah dikembangkan untuk mengekstrak data citra satelit guna memperoleh data penggunaan lahan, termasuk lahan perkotaan (Epstein et aI., 2002, dan GIuch, 2002). Metode utama untuk klasifikasi citra adalah (1) Supervised, dan «2) Unsupervised classification (Jensen, 1996). Namun, penggunaan citra satelit resolusi spasial yang relatifkasar (15 m - 30 m) tidak dapat digunakan untuk mengidentifikasi penggunaan lahan sebagaimana disyaratkan pad a data untuk keperluan perencananaan dan pengelolaan lahan perkotaan (Anggorowati, 2003; Kartesa, 2003; Rubiasih, 2003; Yulianti, 2003). Dengan dikembangkannya citra satelit resolusi tinggi, teknikteknik yang telah dikembangkan tersebut belum tentu sesuai digunakan untuk mernperoleh informasi detail daerah perkotaan. Gluch (2002) menggunakan tekstur analisis atas 2 citra yang digabungkan (merged), yaitu Landsat TM dan SPOT-P data. Persyaratan titik kontrol tanah (ground control points= GCP) untuk pemetaan penggunaan lahan perkotaan dengan metode penginderaan jauh menjadi sangat ketat, mengingat tuntutan ketelitian geometrik yang tinggi terhadap data yang dihasilkan. GCP yang diekstrak dari peta topografi sudah cukup memadai untuk mengolah citra satelit dengan resolusi rendah, tetapi untuk citra dengan resolusi tinggi memerlukan GCP ketelitian dengan fraksi ern, Hal tersebut dilakukan dengan pengukuran GPS secara diferensial atau DGPS (Kleusberg and Teunissen, 1996). Untuk mengolah dan mengkontraskan data hasil dari citra dan data lainnya yang terkait dengan objekobjek spasial perkotaan digunakan pendekatan Geographic Information Systems (GIS) atau SIG (Sistem Informasi Geografis). Dalam hal ini, SIG berguna untuk menyediakan gambaran yang lebih lengkap dari hubungan (relationships) antar elemen natural dan kultural dalam sistem perkotaan (Huxhold, 1991). Permasalahan Berbagai kegiatan yang ada di kota Yogyakarta telah mengubah kondisi penggunaan lahan perkotaan. Fenomena tersebut memerlukan penanganan sejak

Ir. Subaryono, MA, Ph.D. Dosen Jurusan Teknik Geodesi Fakultas Teknik UGM. E-mail: sssubar@ugm.ac.id Harintaka, ST, MT. Dosen lurusan Teknik Geodesi Fakultas Teknik UGM. E-mail: harintaka@ugm.ac.id 3 Bilal Ma'ruf, ST, MT. Dosen lurusan Teknik Geodesi Fakultas Teknik UGM.
I 2

24

MEDIA TEKNIK

No.4 Tahun XXVIII Edisi Nopember

2006 No.ISSN

0216-3012

2002). diharapkan lebih jauh lagi dapat mengeliminir atau meminimalisir permasalahan klasik yang selalu dihadapi oleh kota. Keseluruhan penelitian tersebut mengkaji pemanfaatan citra lKONOS dari aspek informasi tematiknya saja.7 feet) panchrornatik 3. 2003.2 mil) per detik 14. R. Pemerintah Kota Yogyakarta sudah menyusun Rencana Tata Ruang Wilayah Kota Yogyakarta (RTRWK) Periode 1994 sampai dengan 2004 yang mengakomodasi arahan peruntukkan lahan yang berdasarkan berbagai pertimbangan dan kepentingan.3 kilometer (7. Mengekstrak dan mengklasifikasi obyek yang ada pada citra satelit IKONOS di Kota Yogyakarta LANDASAN TEORI Citra Satelit IKONOS Beberapa penelitian yang menggunakan citra satelit untuk mengidentifikasi penggunaan lahan di daerah perkotaan menunjukkan hasil yang tidak memuaskan. dimana waktu pencitraan dilakukan secara serempak. telah dihasilkan citra satelit komersial IKONOS dengan resolusi spasial yang sangat tinggi.0 meter (3. California Lebih dari 7 tahun 98.82 meter (2. Amerika Serikat (Space Imaging. ekonomi (perdagangan. dan Westiyani (2006). yaitu: banjir. perpajakan).m. kesehatan. pelayanan pendidikan. Tabel 1. solar time Sekitar 3 jam pada resolusi l-meter. khususnya kota Yogyakarta. Swartoko (2005). Adapun karakteristik satelit IKONOS dapat disimak pada Tabel 1.8 kilometer (4. dan NIR MEDIA TEKNIK No. 2003.1 derajad. SUII synchronous 7.). Kartesa. G.dini dan terintegrasi berbagai aspek yang berkaitan dengan pengelolaan kota seperti fisik (ruang dan infrastruktur kota). Berdasarkan karakteristik citra lKONOS tersebut.1 feet) multispektral 11. yaitu an tara 1. Disisi lain penggunaan citra satelit lKONOS dengan tingkat orto memerlukan dana yang cukup besar.0 meters (13.7 mil) per detik 6. Karakteristik Citra IKONOS (Space Imaging. maka sangat perlu diteliti kegunaanya untuk mendeteksi penggunaan lahan di daerah perkotaan.8 kilometer (8. 40° L 11 bits per piksel Pankromatik. Satelit IKONOS memiliki resolusi spasial 1 m pada mode pankromatik dan 4 m pada mode multispektral. California. Tinjauan Pustaka satelit dengan resolusi spasial yang cukup kasar (10 30 m) (Anggorowati. 2003.5 sampai 3 hari.5 kilometer (4. Djoewadi (2005).7 setiap 24 jam 98 menit 681 kilometer (423 mil) Nadir: 0.5 feet) multispektral 26° OffNadir: 1.3 feet) pankromatik 4. 2003). Hal ini disebabkan oleh penggunaan citra Sate!it IKONOS diluncurkan pada tanggal 24 September 1999 di Vandenberg Air Force Base. Penelitian pemanfaatan citra lKONOS untuk keperluan pajak bumi dan bangunan dilakukan oleh Arwiyanto (2004).6 mil) pada 26° off-nadir Sekitar jam 10:30 a. dan ketidakcukupan fasilitas kota untuk melayani ledakan pertumbuhan penduduk seperti yang disebabkan oleh laju urbanisasi. d11. Dewasa ini dengan berkembangnya teknologi sensor satelit. kekumuhan kota. RTRWK diharapkan dapat menjadi acuan bagi pengelola pemerintahan daerah sebagai pengendali pertumbuhan dan pengembangan kota sampai dengan tahun 2004. IKONOS memiliki resolusi temporal yang cukup singkat. Meningkatkan ketelitian geometrik citra satelit IKONOS tingkat geo sehingga memenuhi ketentuan ketelitian peta penggunaan lahan yang sesuai untuk RTRWK Kota Yogyakarta 2. Yulianti. Rubiasih. kemacetan lalu lintas. Bahkan.lSSN 0216-3012 25 .4 Tahun XXVIII Edisi Nopember 2006 No. B. dan aspek sosial-budaya (pengembangan masyarakat. Tujuan Penelitian I. 2002) Elemen Tanggal Peluncuran Usia operasi Orbit Kecepatan pada orbit Kecepatan di atas tanah Jurnlah revolusi Waktu orbit mengelilingi bumi Ketinggian Resolusi Lebar Swath Waktu melewati ekuator Waktu revisit Dynamic range Jumlah band Keterangan 24 September 1999 di Vandenberg Air Force Base.0 mil) pada nadir 13.2 meter (10.

seperti jalan raya dan jaringan irigasi. Persamaan matematik untuk menghitung RMSE setiap titik kontrol adalah (Jensen. Secara tegas Pohl (1996) mengklasifikasikan distorsi geometrik citra dalam 2 go longan. Jika citra merniliki saluran tnultispektral maka dapat d ibuat warna natural sehingga kenampakan obyek di citra akan sama dengan kondisi sebenarnya di pennukaan bumi. standard ortho. 1996) adalah: x'= aD . -1996). Jika dilakukan klasifikasi secara digital unsur-unsur penting tersebut tidak terklasifikasi atau bahkan akan hilang. 1994.a. yaitu geo. tekstur dan assosiasi.azy y'= bo + b. Beberapa faktor penting yang menyebabkan distorsi geometrik yang bersifat sistematik antara lain: kelengkungan bumi. 26 MEDrA TEKNIK = J(X'-X)2 + (Y'_Y)2 benar (2) Dalam hal ini: x'.x . Ketelitian posisi IKONOS tingkat geo ini dapat ditingkatkan dengan menggunakan GCP teliti.bz = Parameter transformasi Ketelitian transforrnasi ditentukan oleh harga RMSE (Root Mean Square Error). tone. . Kesalahan internal lebih banyak disebabkan oleh kondisi geometrik sensor dan bersifat sistematik sedangkan kesalahan eksternal disebabkan oleh bentuk obyek dan karakter dari data tersebut. menyatakan ada 8 kunci yang dipergunakan untuk melakukan klasifikasi obyek secara visual. Ditinjau dari sumber kesalahannya. 1996). y' = Posisi obyek dalam sistem koordinat citra x. pola. identifikasi jaringan jalan. ukuran.4 Tahun XXVIII Edisi Nopember . Melihat karakter resolusi spasialnya yang sangat baik. distorsi geometrik disebabkan oleh kesalahan internal dan ekstemal. Umumnya sebelurn citra satelit didistribusikan kepada pengguna. tetapi dapat diterapkan pada citra satelit. dalam hal ini terkait erat dengan tingkat pengolahan dan harga. Peta topografi merniliki unsur-unsur atau obyek penting dengan ukuran yang relatif kecil sehingga pada citra satelit SPOT Pankrornatik akan tampak beberapa piksel. Lillesand and Kiefer (2000). Untuk menggunakan citra IKONOS pada suatu bidang aplikasi harus diperhatikan kondisi citra. Faktor yang membedakan antar tingkat produk adalah ketelitian posisinya. Semakin tinggi tingkatnya maka ketelitian posisi semakin tinggi.. dan identifikasi bangunan (Transavia Informatika Pratama. Untuk membantu pengenalan 2006 No. y' = Koordinat titik yang dianggap x. Pengolahan Citra Satelit Distorsi geometrik citra yang bersifat random dapat dikoreksi dengan meregistrasi citra terhadap peta (ENVI. yaitu distorsi yang bersifat sisternatik dan random. 1996) atau polinomial orde satu (Toutin. bayangan. Wolf(1983). Rumus transformasi affine 2D (Jensen. 1996). Perentangan kontras bertujuan mengoptimisasi penampilan citra menjadi 256 derajad kecerahan. Semakin kecil RMSE-nya maka semakin teliti penentuan titik kontrol tanah di citra. rona atau warna. Sinyal pantulan obyek dalam perjalanannya menuju sensor satelit dipengaruhi oleh kondisi atmosfer. 2000). 1994 dalam Pohl. Cara ini dilakukan pada sernua'jenis saluran citra dengan cara perentangan linier (Pohl. Jensen.x + bzY (I) Dalam hal ini: x'. Ketelitian registrasi citra sangat ditentukan oleh ketelitian sumber data acuannya.. yaitu bentuk. Space Imaging (2002) menyebutkan tingkat citra IKONOS. reference. y = Koordinat titik hasil hitungan Interpretasi Visual Untuk Pengenalan Citra Satelit Obyek pada Identifikasi dan pengenalan obyek pada citra untuk keperJuan revisi peta topografi umumnya dilakukan secara manual dengan interpretasi visual. y = Posisi obyek dalam sistem koordinat peta ao. Pada awalnya kunci interpretasi ini sangat cocok diterapkan pada citra foto udara pankromatik. . pro.ISSN 0216-3012 No. preCISIOIl. Koreksi distorsi geometrik yang bersifar random umumnya menggunakan transformasi 2 dimensi dengan persamaan polinomiai. . transportasi. distorsi geometrik yang bersifat sistematik sudah dikoreksi oleh pengelola satelit. Tingkat (level) geo adalah tingkatan terendah dengan karakteristik ketelitian posisi sekitar 15 111 (standar CE 90). dan precis 1011 pills. Hal ini disebabkan parameter-parameter kalibrasi hanya diketahui oleh pemilik satelit. dimana hal 101 secara geometrik menyebabkan pergeseran bayangan obyek pada citra satelit. beberapa aplikasi yang menggunakan citra satelit IKONOS an tara lain: penentuan batas bidang. Sumber kesalahan umum yang terjadi dan parameter koreksinya telah diketahui adalah efek kelengkungan bumi.a2 = Parameter transformasi bo. JARS (1993). tetapi dengan konsekuensi harga yang juga semakin mahal. 1996): RMSE Untuk keperluan interpretasi visual unsur topografi pada citra satelit digunakan penajaman kontras dengan perentangan kontras (contrast stretching). variasi tinggi permukaan tanah.IKONOS didesain untuk digunakan pada berbagai macam bidang aplikasi. dan sudut pandang perekaman (Pohl.

Perangkat lunak Map Info 6. perhitungan luas setiap kelas penggunaan lahan. dan sisi obyek pad a citra digital. Vi"~Zi) posisi satelit da1am sistem koordinat kartesian i NA : cycle ambiquity <piA : rase hasil ukuran '). Prosedur pelaksanaan penelitian dilakukan dengan tahapantahapan (I). 4. pengolahan data pengamatan GPS secara post processing. pengamatanlpengukuran titik kontrol tanah menggunakan GPS secara radial (3).T (t)+ 16. Persamaan ini disebut persamaan pengamatan fase single difference.. 6. efek dominan kesa1ahan dan bias tersebut MEDIA TEKNIK No.4 Tahun XXVIII Edisi Nopember 2006 No. sedangkan peralatan yang digunakan adalah: I. parameter kesalahan jam satelit sudah tereliminasi sedangkan kesa1ahan karena atmosfer (ionosfer dan troposfer) dapat dikatakan sebagian besar tereduksi. Perangkat lunak Map imagery 2. peningkatan kualitas geometrik citra satelit IKONOS tingkat geo. Beberapa jenis filter digunakan untuk mengekstrak titik. garis. ring road selatan. : panjang gelombang sinyal GPS Jika 2 receiver mengamati satu sate1it secara simultan diperoleh 2 buah persamaan pengamatan rase one-way sebagai berikut : ¢~B(/) = * P~B(I)- N~B i -16. Pengamatan/pengukuran titik kontrol tanah menggunakan GPS dilakukan dengan distribusi yang menyebar di daerah penelitian. 5. dan TVRI Stasiun Yogyakarta di JL. Citra Satelit IKONOS tingkat geo mode Pan Sharpened rekaman di daerah Kota Yogyakarta. (6). Distribusi titik kontrol tanah pada citra satelit IKONOS dapat dilihat pada Gambar 2.Ti : lama waktu perambatan sinya1 GPS dari satelit ke pengamat di dasarkan pada jam satelit 6.2004. 2.1 untuk keperluan pengolahan citra satelit. Adapun lokasi yang dipilih meliputi boulevard UGM. 3. (2). kesa1ahan dan bias yang melekat pada data pengamatan GPS dengan menggunakan data rase. 1 tim yang selalu stand by di reference station yang terletak di Boulevard UGM dan 2 tim sebagai rover yang mengamat GPS secara mobile di titik yang yang akan Konsep dasar penentuan POStSI dengan menggunakan GPS adalah reseksi jarak antara satelit dan receiver. Tiga set alat receiver GPS single frequency tipe Geodetik merk Laica. (4). interpretasi visual dan ekstraksi informasi penggunaan lahan dari citra satelit IKONOS.4. lingkar ring road utara. persiapan bahan dan materi penelitian.30 untuk pengolahan data pengamatan GPS. Komputer Pentium 4 yang dilengkapi dengan CD ROM drive. Magelang Km. I (4) Dalam hal ini. analisis penggunaan lahan di Kota Yogyakarta dikomparasikan dengan dokumen RUTRW Kota Yogyakarta. Menurut Kleusberg dan Teunissen (1996). 2. (differentia!). Metode pengukuran GPS dilakukan secara radial.ISSN 0216-3012 27 . Penentuan Posisi dengan GPS secara Diferensial tereduksi dan tereliminasi dengan proses pengurangan Konsekuensinya ketelitian posisi akan meningkat secara drastis dibandingkan dengan metode penentuan posisi absolut. CARA PENELITJAN Bahan yang diper1ukan untuk penelitian ini adalah: I.TAB (1)+ A¢ioll+6. Perangkat lunak SKI 2. Tahapan pelaksanaan penelitian dapat dijelaskan sebagaimana digambarkan pada Gambar 1. ring road timur. Perangkat lunak ER Mapper 6.0 untuk digitasi dan pembuatan/analisis SIG..karakter dan ukuran obyek dapat digunakan teknik filtering dengan menggunakan filter yang sesuai.0 untuk meloading data citra IKONOS sehingga dapat dibaca oleh Map Info.T A: lama waktu perambatan sinya! GPS dari satelit ke pengamat di dasarkan pada jam receiver (pengamat) ~ion : kesalahan jarak yang disebabkan karena bias ionosfer ~'rop: kesalahan jarak yang diakibatkan karena bias troposfer Pada persamaan 5. Dokumen Rencana Tata Ruang Wilayah Kota Yogyakarta Peri ode 1994 . diA : jarak geometrik antara sate1it ke pengamat piA : jarak rase (ukuran) antara satelit ke pengamat (XA. Secara teoritik. (7). jarak antara receiver dan satelit yang diukur dengan menggunakan data fase (jarak fase) dapat ditulis sebagai berikut : d~(t)=A(<1>~(t)+N~) p~(t)= 1(Xi -XA)2 (3) +(r. pengamat GPS dibagi dalam 3 tim. -y"r +(Zi -ZJ2 f. Y A" ZA) posisi pengamat dalam sistem koordinat kartesian (Xi. Jalan HOS Cokroaminoto. (5).¢lrw (5) Dalam hal ini. c cepat rambat gelombang cahaya 6.

penggunaan digital classification untuk daerah yang sangat heterogen (seperti daerah Kota Yogyakarta) dan menggunakan citra satelit resolusi tinggi. justru menyebabkan informasi yang penting (antara lain: jaringan jalan) tidak dapat terdeteksi. Tahap pengolahan ini meliputi pengolahan absolute positioning yang fungsinya 28 sebagai koordinat pendekatan dan pengolahan secara diferensial untuk mendapatkan posisi definitif titik-titik kontrol tanah tersebut. digitasi on screen. Teknis operasional koreksi geometrik menggunakan perangkat lunak Er Mapper.. Prosedur pengolahannya terdiri dari 2 tahap. et al (1981).4 Tahun XXVIII Edisi Nopember 2006 No. sedangkan tahap pengolahan digunakan untuk mendapatkan posisi definitif titik kontrol tanah. Untuk pengenalan obyek dipergunakan cara interpretasi visual dengan menggunakan kunci interpretasi dan ekstraksi informasi penggunaan lahan menggunakan cara digitasi secara langsung dimonitor. Diharapkan dengan alokasi waktu tersebut sudah dapat diperoleh konstelasi dan data ephemeris satelit GPS yang cukup teliti. -------. Titik kontrol tanah (GCP) diperoleh dengan melakukan pengukuran menggunakan GPS metode radial. h) .. JL HOS Cokromatinoto. Hal ini dilakukan karen a dari beberapa penelitian pendahuluan. Sebelum dilakukan perhitungan luas.a . • • • • Perslapan dan/atau pengadaan Pcrangkat keras dan lunak Citra satelit IKONOS Dokumcn Rencana Tala Ruang Kota Yogyakarta Dokumcn percncanaan rata ruang kota 'iiiimiiiiiiiii!i_iiiiiiilPliiciin~ilo. J. ring road selatan. Untuk itu pemilihan titik kontrol tanah dilakukan dengan sangat hati-hati. Sebelum dilakukan ekstraksi informasi tematik penggunaan lahan di Kota Yogyakarta. Pada penelitian ini koreksi geometri menggunakan transformasi polinomial orde 1 dan metode resampl ingnya menggunakan neirest neighbor. Peningkatan kualitas geometrik citra satelit IKONOS tingkat geo dilakukan dengan menggunakan 10 buah titik kontrol tanah hasil pengamatan GPS. Tahap akhir dari proses pengolahan data GPS adalah melakukan trans fonnas i koordinat titik-titik kontrol tanah dari sistem koordinat geodetik ke sistem koordinat UTM. terlebih dahulu harus ditentukan skema klasifikasi yang dipergunakan. dan klasifikasi (Er Marmer] Cek Lapangan Pcta Pcnggu naan L Koordinat Titik Kontrol Tanah dim sistem Geodctik (4). Lama waktu yang diperlukan oleh setiap rover untuk melakukan pengamatan GPS adalah 30 men it dengan sampling rate.Y) Dokumen Rencana Tata Ruang Kola Yogyakarta t.- Transformasi Titik Kontrol Tanah kc Sislem UTM (X. ring road timur. Pelaksanaan Penelitian Pengolahan data pengamatan GPS secara post processing dilakukan dengan menggunakan perangkat lunak SKI 2.al. MEDIA TEKNIK No. Perhitungan luas setiap kelas penggunaan lahan dilakukan setelah semua obyek yang nampak pada IKONOS sudah terklasifikasi."11 • Citra IKONOS tingkat geo Pengukuran Tjtik Kontrol Tanah dcnaan GPS Pcngolahan Data GPS (SKI) I I Pcrbaikan Kunlitas Gcomctrik Citra IKONOS Intcrprctasi visual.ditentukan posisinya yaitu disekitar ring road utara.lallha. Pada penelitian ini dipergunakan skema klasifikasi yang dikembangkan oleh Sutanto. terlebih dahulu dilakukan pengecekan hasil digitasi dengan cara melakukan anal isis SIG yaitu overlay citra IKONOS terhadap kelas penggunaan lahan di Kota Yogyakarta memakai perangkat lunak Map Info.ISSN 0216-3012 . Hasil pengolahan dan ketelitian koordinat titik kontrol tanah disajikan dalam Tabel 2. Perl u diperhatikan bahwa ketelitian koreksi geometrik sangat ditentukan oleh titik kontrol tanahnya. Data hasil pengukuran GPS selanjutnya diolah untuk mendapatkan koordinat dan ketelitian titik kontrol tanah tersebut. dan di JL Magelang. yaitu tahap editing data. Hasil akhir dari tahap pengolahan adalah koordinat titik kontrol tanah dalam sistem geodetik dan tingkat ketelitiannya. HASIL DAN PEMBAHASAN Titik kontrol tanah digunakan sebagai titik kontroI untuk koreksi geometris citra.ahan digital I _11 Analisis (Map Info) T Hasil dan Rekomendasi - Gambar I.nIiD. pengolahan dan transformasi koordinat.30. Tahap editing data dilakukan agar data pengamatan GPS tersebut siap digunakan untuk proses pengolahan.

0069 m m m m m m m m m m m m m m m m Dari Tabel 2.0007 0.73 8893.24328 S 7 50 2.0008 m 0.3165 173. seperti pada Garnbar 2.0013 m Fix 0.12797 S 7 45 57.0006 m 0. Interpolasi nilai spektral (resampling) menggunakan metode tetangga terdekat (nearest neighbour ). Dari 10 titik kontrol diperoleh jumlah nilai residu rata-rata sebesar 0.3132 166.315 Penentuan Gambar 2.846 435047.66232 11023 18.47 431.39 0.168 428568.11 7388. Tabel 3.882 432592.70 0.0069 m untuk tingginya.0006 0. Metode yang digunakan dalam transformasi koordinat adalah fungsi polinomial orde satu.09 0.53 0.0014 III 0.0008 III 0.16 5219.0021 m untuk lintang.22684 S 747 57.4289 163.44 0. Koordinat Titik Kontrol Tanah Hasil Pengolahan No I 2 3 4 5 6 7 8 9 10 Titik BLY BNT JMB JNT MNDL SLKM TYRI UMY UPN GWG dan Keteiitiannya dalam Sistem Koordinat Geodetik Latitude 74625. pengukuran GPS menggunakan metode differensial baseline radial.0024 0.Tabel 2. dan 0. ketelitian data yang digunakan.0011 III 0.9024 099.32234 1102253.30 1642.74 7922.049 9134616.87 4761.9236 m m ill sH Fix 0.0018 0.09379 1102429.43786 1102122.1790 128.0007 0.83 212. 0. Dalam penelitian ini koreksi geometri dilakukan dengan data acuan berupa titik-titik kontrol tanah hasil Skema Klasifikasi Penggunaan Lahan Skema klasi fikasi yang dipergunakan pada penelitian ini mengadopsi pada skema klasifikasi penggunaan lahan yang telah dikembangkan oleh Sutanto.28 517.23221 S 7 49 42.101 432141. 1996) sehingga hasil RMS rata.0013 m untuk bujur.0008 In 0. Ketelitian posisi hasil pengolahan di atas dipengaruhi oleh beberapa faktor. Standar deviasi maksimum terdapat pada titik GWG dengan standar deviasi 0.29 X 431283. Adapun titik kontrol tanah dan besamya residu pada setiap titik kontrol tanah dapat dilihat pada Tabel 3.84 1190.0008 III 0.0008 0.0021 m m 1102236.65476E 11025 19.rata sebesar 0.402 m.36 0.41 4092.323 9134680. Dalam penel itian ini digunakan lO titik sekutu dengan distribusi yang rnerata di seluruh daerah penelitian.0021 0.236 9138083. Skema klasifikasi penggunaan lahan dikategorikan dalam bagian: MEDIA TEKNIK No. dan 0.68217S 74751.543 9137848.80609 I 10 21 41.708 9141529.27 0.942 434763.ISSN 0216-3012 29 . dkk (1981).0019 m untuk tingginya.0011 III 0.84 3861.956 9141753.10136 S 746 0.8661 105. 0.0006 0.0006 m untuk bujur. dan metode pengolahan data yang diterapkan.62 7311. yaitu: metode penentuan posisi yang digunakan.770 429615.36 7245.02331 S 7 45 50. Hasil pengolahan menunjukkan bahwa simpangan baku minimum terdapat pada titik UMY dengan standar deviasi 0.93721 S 74940.950 429015. Distribusi Titik Kontrol Tanah Pada Citra IKONOS Komposit.402 piksel atau 0.893 9138036.402 m telah memenuhi persyaratan tersebut.73 7664.5850 I S 74749.01 2229.0006 0. geometri dan distribusi dari satelit yang diamati.0006 m untuk Iintang.868 436281.08 4429.0656 132.0027 0. dapat dilihat bahwa seluruh koordinat titik kontrol tanah hasil pengolahan baseline memiliki ketelitian dalam fraksi milimeter.50720 S SLat Koordinat Titik Kontrol Tanah Longitude SlolI m m m m m m ill Height 156.676 Y 9140650.166 9141443. dengan pertimbangan tidak merubah piksel.837 431814.18253 110 23 4.04 1306.99804 110217.68 0.0008 0.4 Tahun XXVIII Edisi Nopember 2006 No.0022 0.0017 0.41 Koordinat Peta (m) RMSE (m) 0.77517E 110 24 39. Daftar Titik Kontrol Tanah dan Harga RMSE No Titik I 2 3 4 5 6 7 8 9 10 BLV MDL JNT UPN JMB SLKM TVRI UMY BNT GWG Koordlnat Citra (piksel) Baris Kolom 3899.1495 131.569 9134001.20 3907.0015 0.79 0.0027 0. Nilai RMS yang dapat diterima adalah kurang dari 0.0019 0.2472 104.5 piksel (Jansen.85121 E E E E E E E E Fix 0.

Hal ini terlihat dari jumlah nilai rerata residu yang besamya 0.844. rekreasi. Perdagangan. sedangkan di dalam kota relatif tetap. tempat ibadah.14 Lahan Kosonz Industri Rekreasi lbadah Pernukiman Perdagangan Pertanian Jumlah Luas Pada penentuan skema klasifikasi penggunaan lahan diperlukan kunci interpretasi. gedung pertunjukan/kesenian 8. yang berupa jalan raya dengan berbagai kelas.61 20. KESIMPULAN Kesimpulan I. yang dapat berupa tempat pernakaman umum dan lahan kosong Jdentifikasi dan Digitasi Citra IKONOS Penggunaan Lahan Pada citra Er Mapper. yang terdiri dari: pasar. perkebunan bibit yang secara administrasi masih masuk dalam wilayah administrasi Kota Yogyakarta. Ada beberapa area di pinggir citra IKONOS yang tidak dapat diinterpretasi penggunaan lahannya (pada IKONOS terlihat hitam pekat). suatu obyek yang dapat dikategorikan dalam kelas-kelas yang berbeda. Luas Masing-Masing Lahan No I 2 3 4 5 6 7 8 Penggunaan Jasa Lahan Kelas Penggunaan Luas Total (m') 6. pernukiman.4 piksel (di bawah 0.998. Dalam teknis opersional. rekreasi. Sering ditemukan. (3). rumah makan.206. jasa.956. 2. reI KA (Kereta Api). Tabel 4.58 77. rumah praktek pengacara) 7. tegalan. faktor yang paling dominan yang dipakai untuk menentukan jenis kelas penggunaan lahan tersebut. dan apotik 3. dan rumah praktek dokter. dan lain-Iain/lahan kosong. antara lain masjid. Pengecekan lapangan menunjukkan terjadi perubahan penggunaan lahan di daerah pinggiran kota.5 piksel) 2. dan (9). misalnya: kawasan Malioboro dapat dikategorikan sebagai kawasan perdagangan. yang terdiri dari pabrik-pabrik 5. dari kelas pertanian menjadi pemukiman atau perdagangan. jasa.240.545. sehingga diperlukan suatu panduan yang jelas. pusat perbelanjaan. yaitu pemukiman. Luas jalan dan sungai belurn dihitung. citra IKONOS memiliki luas 78.865. Skema klasifikasi penggunaan lahan dari citra satelit IKONOS perlu dibuat lebih detail. Dari citra satelit IKONOS dapat diekstrak 9 kelas penggunaan lahan.402.1. Pada penelitian ini. Berdasarkan interpretasi penggunaan lahan dari citra IKONOS luas Kota Yogyakarta adalah 77.32 38. Tabel 4 menyajikan luas setiap kelas penggunaan lahan di Kota Yogyakarta. (5). Jasa. yang terdiri atas lapangan olah raga.4 Tahun XXVIII Edisi Nopember 2006 No. identifikasi obyek untuk klasifikasi bukanlah suatu pekerjaan yang rnudah. (4). Industri. Penggunaan Lahan di Kota Yogyakarta Pengecekan di lapangan menunjukkan adanya perubahan penggunaan lahan di daerah pinggiran kota. (6). yang terdiri atas persawahan. stadion.87 422. kolam renang. transportasi. Dengan memanfaatkan teknologi SIG. yaitu dari kelas pertanian menjadi pemukiman atau jasa. (2). pertanian.139. gedung olah raga. yang terdiri atas kelembagaan (antara lain: perkantoran. tempat ibadah. I7 19. Saran DAN SARAN Berdasarkan skema klasifikasi yang dipakai. kebun binatang. bank. Ketelitian geometrik citra satelit IKONOS tingkat geo dapat ditingkatkan dengan menggunakan titik kontrol tanah hasil pengamatan metode OOPS. Perubahan tersebut terutama di sekitar jalur ring road. misalnya rumah bangsawan di kraton.206. 4.ISSN 0216-3012 . maka dapat disajikan penggunaan lahan pada status Juni 2001 di Yogyakarta. industri. rumah sakit. citra IKONOS dikategorikan dalam 9 kelas penggunaan lahan.375. Perbedaan luas yang cukup besar ini dapat disebabkan oleh beberapa faktor: (1). (8).768.03 8. Adapun 9 kelas tersebut meliputi: (I).680. perdagangan. Tempat ibadah. Lain-lain. atau rekreasi. Rekreasi. tailor. industri.358. misalnya identifikasi dan delineasi dengan unit spasial persil atau obyek. Transportasi. pertanian.478 m . jasa. perdagangan. sehingga dapat digunakan untuk keperluan manajemen kota secara detail.701.175.768. dengan ciri: pola teratur dan ada beberapa yang mempunyai pola khusus. (7). lain-Iain/lahan kosong. Pemukiman. stasiun 6. dan sekolah).96 24. Dalam penelitian ini.461. dan (2). hasil identifikasi dan delineasi penggunaan lahan di Kota Yogyakarta tersebut dapat dihitung luasnya. non kelembagaan (antara lain: bengkel. No.14 m2 sedangkan berdasarkan hasil statistik perangkat lunak pengolah 30 MEDIA TEKNIK 1. Pertanian. pertokoan.60 4. transportasi. gereja 9.

I. A. 2002.. Number 9. Urban Growth Detection Using Texture Analysis on Merged Landsat TM and SPOT-P Data.4 Tahun XXVIII Edisi Nopember 2006 No.. Anggorowati. 2002. and Kramer. Umbulharjo. ITe Rubiasih. Jurusan Teknik Geodesi FT-UGM. Yogyakarta). to Urban Oxfor University Press. Jurusan Teknik Geodesi FT-UGM. K. A. Research System. M. Techniques for Mapping Urban Sprawl... S. 2003.3 SE 2. Remote Sensing and Image Interpretation.R. 2005. 2005. Prentice Hall Inc. Tesis Magister Teknik Teknik Geomatika. Yogyakarta. Introductory Digital Image Processing: A Remote Sensing Perspective. GPSfor Geodesy... An Introduction Geographic Information Systems. Elements of Photogramnietry. 2nd Edition. Yulianti. 1. E. The Environment for Visualizing Images: ENVI User's Guide.. Gunawan. and Teunissen. Identifikasi Perubahan Penggunaan Lahan Menggunakan Citra IKONOS Tahun 2000 dan Quick Bird Tahun 2003 untuk Pemeliharaan Basis Data Pajak Bumi dan Bangunan (Studi Kasus Kelurahan Giwangan.. N. 25881P.ISSN 0216-3012 31 . 80241. PE & RS Journal. PT. Colorado. Version 1.D. DAFTAR PUSTAKA Jurusan Teknik Geodesi FT-UGM. Untuk keperluan manajemen kota secara detail (sesuai dengan saran 1). P. Nihon Printing Co.. K.C. Publikasi No. 1. Yogyakarta Space Imaging. John Wiley and Sons Pohl. USA Swartoko. J.2003. Skripsi. 1981. Penggunaan Foto Udara Untuk Pembuatan Peta Penggunaan Lahan Kota Kotamadya Yogyakarta. Aula Timur ITB. New York. Yogyakarta Kleusberg.2.. Tesis Magister Teknik Skripsi. Skripsi. Payne. 1983. Gluch. Sekolah Pascasarjana UGM Epstein. Geometric Aspects of Multisensor Image Fusion for Topographic Map Updating in The Humid Tropics.. MEDIA TEKNIK No. Remote Sensing Note. Pembuatan Peta Penggunaan Lahan Kabupaten Sleman Menggunakan Citra Satelit Landsat 7 ETM+ Tahun 2000. Nasional. Ltd. Vol 68. Kajian Penggunaan Citra Satelit IKONOS dan Quick Bird untuk Kepentingan Pemeliharaan Basis Data SfSMIOP (Studi Kasus di KP PBB Bandung Satu) . 2004. Djoewadi.Sc atas koreksi dan saran-sarannya. P. Magister Teknik Geomatika. Vol 68.. R. 39. UCAPAN TERIMAKASIH Kartesa. Bandung.. Tesis Number 12. Sekolah Pascasarjana UGM Wolf... USA Jurusan Teknik Geodesi FT-UGM. 1996.. W. 1993. Kajian Penggunaan Data Citra Satelit ASTER Untuk Pemetaan Penggunaan Lahan di Wi/ayah Pesisir (Studi Kasus di Daerah Pantai Selatan DIY). 2003. 2006. Skripsi. Sekolah Pascasarjana UGM Sutanto. Germany Lillesand and Kiefer. 2003. Yogyakarta Arwiyanto. Pembuatan Peta Penggunaan Lahan Kabupaten Bantul Menggunakan Citra Satelit Landsat 7 ETM+ Tahun 2000. Seminar Geomatika. dapat di tambahkan data infrastruktur yang detail dengan unit spasial persial. 2000. Dissertation. Ph. ITC Publication No. Jensen. Penulis menyampaikan ucapan terimakasih kepada Lembaga Penelitian UGM yang telah memberikan kesempatan penggunaan dana penelitian melalui Anggaran Dana Masyarakat Universitas Gadjah Mada berdasarkan Surat Perjanjian Pelaksanaan Penelitian No.. McGraw-Hili Book Company. 2000. Puspic UGM Transavia Infonnatika Pratama. 1994. New York.1. 1996. R. Tesis Magister Geomatika. JARS. Japan. C.II/LPN/2003 tertanggal 2 Juni 2003 serta Ir. Huxhold. Penentuan Citra Satelit IKONOS untuk Penentuan Priotritas Pendataan PBB di Kola Semarang. Springer-Verlag Berlin. Pemodelan Dinamis Wilayah Dengan SIG Berwawasan Untuk Pengembangan Lingkungan. New Jersey.. Boulder CO 80301. Sekolah Pascasarjana UGM ENVI. Westiyani. Second Edition. W. A. Dip. Pemanfaatan Citra IKONOS untuk Mengidentifikasi Jenis Penggunaan Lahan bagi Kepentingan PBB. E. PE & RS Journal. Aryono Prihandito. T. 1996. G. Pembuatan Peta Penggunaan Lahan Kabupaten Kulon Progo Menggunakan Citra Satelit Landsat 7 ETM+ Tahun 2000. 1991. Space Imaging Inc. 4th Edition. Gunadi.. Japan Association on Remote Sensing.. IKONOS Imagery Products and Product Guide. 2002.

Sign up to vote on this title
UsefulNot useful