ABSTRAK :
Pemetaan lahan sawah padi dilakukan untuk mengupayakan stabilitas
pemenuhan kebutuhan pokok akan pangan karena padi merupakan salah satu
tanaman pertanian yang paling penting karena beras merupakan salah satu
makanan pokok utama di dunia termasuk Indonesia dengan lebih dari 95%
penduduk mengkonsumsi beras. Pada tahun 2009, Kabupaten Demak merupakan
salah satu Kabupaten di Jawa Tengah yang secara geografis terletak pada
koordinat 64326-70943 LS dan 1104847 BT adalah pemasok beras
terbesar di Jawa Tengah, dan saat itu pula pemasok beras terbesar di Indonesia
adalah Jawa Tengah.
Tujuan dari penelitian ini untuk melakukan identifikasi lahan sawah padi,
menghitung luasan lahan sawah padi dan memetakan lahan sawah padi di
Kabupaten Demak. Penelitian ini dilakukan pada citra landsat 8 dengan
menggunakan NDVI (Normalized Difference Vegetation Index), PCA (Principal
component Analysis) dan kombinasi band.
Kata kunci : Lahan Sawah Padi, Kabupaten Demak, Landsat 8, NDVI, PCA
Batur
000000000000
I.
I.1
PENDAHULUAN
Judul
Judul yang diberikan pada penelitian ini adalah Identifikasi Lahan Sawah
Padi Menggunakan NDVI dan PCA pada Citra Landsat 8 (Studi Kasus:
Kabupaten Demak, Jawa Tengah)
I.2
Latar Belakang
Padi merupakan salah satu tanaman pertanian yang paling penting karena
beras merupakan salah satu makanan pokok utama di dunia. Padi juga merupakan
komoditas strategis yang menjadi sensitivitas tinggi dari aspek politis, ekonomi
dan kerawanan sosial karena merupakan pangan pokok lebih dari 95 persen
penduduk Indonesia (Suryana, 2005). Dalam kerangka Millenium Devepement
Goals/MDGs, pemerintah berkewajiban menurunkan angka kemiskinan dan
kekurangan pangan sebanyak 50% dari kondisi 1990 pada tahun 2015 (Nazam,
2011).
Berdasarkan hal tersebut, pemerintah harus dapat mengupayakan stabilitas
pemenuhan kebutuhan pokok akan pangan, mulai dari kebijakan pemerintah,
kontrol sarana produksi pertanian dan teknik estimasi produksi serta yang
terpenting pemetaan lahan sawah padi untuk dapat mengetahui luas dan
produktivitas padi yang ada di tiap daerah di Indonesia. Untuk mendapatkan data
dan informasi yang akurat dengan waktu yang cepat dalam pemetaan lahan sawah
padi tersebut, pemerintah dapat menggunakan salah satu sarana teknologi yang
berkembang saat ini.
Penginderaan jauh merupakan salah satu cara yang dapat dilakukan, yaitu
suatu ilmu dan teknologi untuk memperoleh, mengolah dan menginterpretasi
citra yang dapat dimanfaatkan dalam berbagai aplikasi yang diinginkan.
Penginderaan jauh telah diakui sebagai alat yang ampuh dan efektif dalam
mendeteksi penggunaan lahan dan perubahan penutupan lahan. Citra satelit
digunakan untuk memantau jenis tutupan lahan terbatas menurut klasifikasi
spektral. (Steininger, 1996; I Made Parsa 2014).
Batur
000000000000
Perumusan Masalah
Rumusan masalah dalam penelitian tugas akhir ini adalah sebagai berikut:
Batur
000000000000
I.5
Batasan Masalah
Adapun batasan masalah pada penelitian tugas akhir ini adalah sebagai
berikut:
a. Daerah penelitian dilakukan di Kabupaten Demak.
b. Citra satelit yang digunakan adalah citra Landsat 8 (4 bulanan).
c. Metode yang digunakan adalah dengan metode NDVI, PCA dan kombinasi
band.
I.6
jelas dan
memudahkan dalam
Batur
000000000000
b. Sebelah Timur
c. Sebelah Barat
: Kota Semarang
d. Sebelah Selatan
Batur
000000000000
Sama halnya dengan pengairan teknis, namun dalam hal ini PU hanya
menguasai bangunan penyadap untuk dapat mengatur dan mengukur
pemasukan air, sedangkan pada jaringan selanjutnya tidak diukur dan tidak
dikuasai oleh PU.
2.
b.
tergantung pada air alam seperti : air hujan, pasang surutnya air sungai/laut, dan
air rembesan. Lahan sawah tak berpengairan (non irigasi) meliputi :
1.
Lahan Sawah Tadah Hujan adalah lahan sawah yang bergantung pada
2.
air hujan.
Lahan Sawah Pasang Surut adalah lahan sawah yang pengairannya
tergantung pada air sungai yang dipengaruhi oleh pasang surutnya air
laut
3. Lahan Sawah Lebak adalah adalah lahan sawah yang pengairannya
4.
5.
Indikator atau fenomena umum yang dapat dipergunakan sebagai ciri atau
indikasi keberadaan lahan sawah antara lain sebagai berikut:
a. Kenampakan vegetasi
Yaitu adanya kebun campuran dan pekarangan atau pemukiman (umumnya
didominasi oleh tanaman tahunan atau buah-buahan). Biasanya petani tinggal di
daerah permukiman yang dekat dengan lahan sawah yang mereka garap.
b. Kenampakan buatan
Yaitu adanya bangunan seperti waduk, dam atau bendungan, saluran irigasi,
jarring-jaring jalan. Sarana ini merupakan sarana penunjang dalam produksi padi.
Ciri-ciri kenampakan tersebut digunakan sebagai acuan dalam analisis untuk
pengenalan sawah. Untuk memudahkan pengenalan lahan sawah dan tanaman
padi pada citra satelit dilakukan pemilihan kombinasi atau gabungan band.
II.3
Citra Landsat 8
Landsat Data Continuity Mission (LDCM) atau dikenal juga dengan
nama Landsat 8 merupakan satelit generasi terbaru dari Program Landsat. Satelit
ini merupakan project gabungan antara USGS dan NASA beserta NASA Goddard
Batur
000000000000
Space
Flight
Center dan
diluncurkan
pada
hari Senin, 11
Februari
Kedua
Manager (OLI)
yang
sensor
terdiri
tersebut
dari 9
yaitu
Sensor
Operational
Thermal
Land
InfraRed
Batur
000000000000
Name
Coastal Aerosol
Wavelength
Resolution
(m)
0.433-0.453
(m)
30
BAND 2
Blue
0.450-0.515
30
BAND 3
Green
0.525-0.600
30
BAND 4
Red
0.630-0.680
30
BAND 5
0.845-0.885
30
BAND 6
SWIR 1
1.560-1.660
30
BAND 7
SWIR 2
2.100-2.300
30
BAND 8
Panchromatic
0.500-0.680
15
BAND 9
Cirrus
1.360-1.390
30
BAND 10
10.30-11.30
100
BAND 11
11.50-12.50
100
Pada landsat 8, band 4 merupakan band merah (red) yang dapat membantu
membedakan mineral dan tanah yang mengandung konsentrasi tinggi dari besi
atau besi oksida, sehingga bermanfaat untuk mempelajari geologi. Karena klorofil
menyerap cahaya merah, band ini biasanya digunakan untuk memantau
pertumbuhan dan kesehatan pohon, rumput, semak dan tanaman. Dapat juga
membantu membedakan antara berbagai jenis tanaman dalam skala yang luas.
Band ini menyoroti lahan tandus, daerah perkotaan, pola jalan di daerah perkotaan
dan jalan raya. Hal ini juga dipisahkan lahan pertanian dengan berdiri tanaman
dari lahan pertanian kosong dengan jerami. Band merah ini memiliki informasi
mengenai perbedaan antara vegetasi dan non vegetasi, misalnya dapat dilihat
adanya perbedaan antara vegetasi dengan tanah khususnya pada daerah urban.
Band 5 yaitu Near-IR (NIR) meliputi panjang gelombang antara 0.8450.885 nanometer, beroperasi di wilayah spektral terbaik untuk membedakan varietas dan
kondisi vegetasi. Air merupakan penyerap kuat dari Near-IR, sehingga sangat berguna
untuk membedakan batas-batas tanah dan air yang tidak terlihat jelas dalam cahaya
tampak. Band ini juga memisahkan dan mengidentifikasi lahan pertanian dan lahan non
pertanian.
Batur
000000000000
NDVI
Normalized Difference Vegetation Index (NDVI) merupakan metode standar
10
Daerah Pembagian
Awan es, awan air, salju
Batuan dan lahan Kosong
Padang Rumput dan semak belukar
Hutan daerah hangat dan hutan
Nilai NDVI
<0
0-0.1
0.2-0.3
0.4-0.8
hujan tropis
Rentang nilai NDVI adalah antara -1.0 hingga +1.0. Nilai yang lebih besar
dari 0.1 biasanya menandakan peningkatan derajat kehijauan dan intensitas dari
vegetasi. Nilai diantara 0 dan 0.1 umumnya merupakan karakteristik dari bebatuan
dan lahan kosong, dan nilai yang kurang dari 0 kemungkinan mengindikasikan awan es,
awan uap air dan salju. Permukaan vegetasi memiliki rentang nilai NDVI 0.1 untuk
lahan savanna (padang rumput) hingga 0.8 untuk daerah hutan hujan tropis.
Nilai-nilai NDVI adalah parameter dasar yang diturunkan dari data
penginderaan jauh optic seperti citra satelit Landsat Thematic Mapper (TM ),
yang digunakan untuk mendeteksi nilai kehijauan vegetasi termasuk tanaman padi
(Lillesand and Keifer, 1994 dan Thiruvengadachari et al., 1997). Untuk tanaman
padi sawah, NDVI baru dapat diukur setelah tanaman padi mencapai umur 3-4
MST (Minggu Setelah Tanam), karena sebelum umur tersebut kenampakan
tanaman padi di lahan sawah masih didominasi kenampakan genangan air. Nilai
NDVI yang rendah berarti tingkat kehijauan tanamannya (aktivitas klorofil) juga
rendah, sedangkan nilai yang semakin tinggi menunjukkan bahwa tanaman
tersebut semakin lebat/hijau. Nilai NDVI dari saat tanaman padi berumur 3-4
MST sampai 10 MST menunjukkan bentuk kurva dengan puncaknya saat padi
pada umur (fase) vegetatif optimumpadi bunting (umur sekitar 70-80 hari setelah
tanam atau sekitar 10-11 MST). (Nasir, 2013)
II.5
11
. . . . . . . . . . . . . (2.2)
DN1MS adalah nilai digital number dari citra input multispektral beresolusi
rendah. PC1 adalah Principal Component pertama dan v yaitu vektor-vektor eigen
yang diurutkan berdasarkan nilai eigennya. Vektor eigen yang memiliki nilai eigen
tertinggi merupakan PC1. PC1 kemudian yang akan digantikan oleh data citra
pankromatik beresolusi spasial tinggi yang sebelumnya direntangkan agar
memiliki rataan yang menyamai PC1 dari hasil proses invers. Secara matematis
transformasi backward PC dari metode fusi citra menggunakan PCA dijelaskan
pada persamaan berikut:
. . . . . . . . . . . (2.3)
Dimana DNhMS adalah
citra
multispektral
dan
. . . . . . . . . . . . (2.4)
Dengan DNlPAN = PC1 dan DNhPAN adalah DNhPAN yang telah di rentangkan
agar memiliki nilai rataan yang menyerupai PC1 (Wang et al (2005) dalam
Wandayani, 2007; Reygian dkk, 2013).
Panjang sumbu-sumbu utama yang baru (PC1, PC2, PC3,....) dan arahnya,
yang ditentukan oleh nilai-eigen dan vektr-eigen, memberikan nilai-nilai piksel
yang baru, yang telah ter-redistribusi (atau ter-proyeksi). Berdasarkan banyak
Batur
000000000000
12
penelitian, berapa pun jumlah saluran masukannya, hanya tiga komponen saja
yang memuat informasi seluruh saluran pada persentase terbesar, yaitu PCI
(sekitar 90%), PC2 (sekitar 5%-7%), dan PC3 (sekitar 2%). Bila digunakan
sebagai masukan adalah ketujuh saluran TM-Landsat, misalnya, maka
penggunaan ketiga saluran baru ini sudah mewakili semuanya. (Projo
Danoedoro, 2012).
Transformasi komponen utama (Principal Component Analysis/PCA)
dibentuk untuk menghilangkan atau mengurangi beberapa kelebihan dalam data
multispektral.
Transformasi
ini
ditetapkan
baik
sebagai
operasi
untuk
Penelitian Terdahulu
Batur
000000000000
13
14
informasi
pertanian
menggunakan
sistem
informasi
III.
METODE PELAKSANAAN PENELITIAN
III.1 Persiapan
a. Data Penelitian
1. Data Spasial yang digunakan :
a) Citra Landsat 8 (4 bulan)
b) Peta RBI 1:25.000
c) Peta Administrasi Kabupaten Demak
d) Peta Tata Guna Lahan Kabupaten Demak
2. Data Non Spasial yang digunakan :
a) Data survei lapangan ke lahan sawah Kabupaten Demak
b) Data pertanian padi di Kabupaten Demak.
b. Peralatan
Peralatan yang akan digunakan pada penelitian tugas akhir ini:
1.
Perangkat keras
Penelitian ini dilakukan dengan menggunakan perangkat komputer
15
c) Processor
d) RAM
Perangkat lunak
Perangkat lunak yang digunakan adalah sebagai berikut :
a) ER-Mapper 7.0, digunakan untuk pemrosesan metode NDVI, PCA
III.2
III.3
Peta Administrasi
Kab. Demak
Citra Landsat-8
(4 Bulan)
Peta RBI
1:25.000
Koreksi Geometrik
tidak
Qualit
ya
y
Contro
l<1
Pemotongan
Citra
pixel
a.
b.
c.
d.
e.
f.
Perairan
Pemukiman
Lahan Sawah Padi
Non-sawah (pertanian)
Hutan
Perhitungan Luas
Lahan Sawah Padi
Perbandingan
Hasil Klasifikasi
Validasi Hasil
Batur
000000000000
Survei
Lapangan
16
III.4
No
1
2
3
4
5
6
7
Tahapan Penelitian
ai
Tabel 3.1 Jadwal Pelaksanaan
Penelitian
Bulan I
2
3
Bulan II
2
3
Bulan III
2
3
4
Bulan IV
2
3
4
Persiapan
Studi Literatur
Pengumpulan Data
Pengolahan Data
Survey Lapangan
Penyajian Informasi
Pembuatan Laporan
Batur
000000000000
17