Proposal Tugas Akhir

IDENTIFIKASI LAHAN SAWAH PADI MENGGUNAKAN

NDVI DAN PCA PADA CITRA LANDSAT 8
(Studi Kasus : Kabupaten Demak, Jawa Tengah)
Ardiansyah1)
21110111140074
1)

Mahasiswa Teknik Geodesi Universitas Diponegoro, Semarang

ardian.syah2593@gmail.com

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

Proposal Tugas Akhir

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

Proposal Tugas Akhir

Indeks vegetasi merupakan suatu bentuk transformasi spektral yang

diterapkan terhadap citra multisaluran untuk menonjolkan aspek kerapatan
vegetasi ataupun aspek lain yang berkaitan dengan kerapatan, misalnya biomassa,
Leaf Area Index (LAI), konsentrasi klorofil dan sebagainya. Secara praktis, indeks
vegetasi ini merupakan suatu transformasi matematis yang melibatkan beberapa
saluran sekaligus, dan menghasilkan citra baru yang lebih representatif dalam
menyajikan fenomena vegetasi (Projo Danoedono, 2012).
Berkaitan dengan hal itu, dalam penelitian ini dilakukan identifikasi lahan
sawah padi menggunakan NDVI, PCA dan kombinasi band pada citra Landsat-8,
studi kasus dilakukan di Kabupaten Demak. Pada tahun 2009, Demak adalah
pemasok beras terbesar di Jawa Tengah, dan saat itu pula pemasok beras terbesar
di Indonesia adalah Jawa Tengah. Berdasarkan data BPS Provinsi Jawa Tengah
mengenai Luas Panen, Produksi dan Produktivitas Padi Sawah Menurut
Kabupaten/Kota di Jawa Tengah tahun 2013, Demak memiliki luas
panen/harvested area sebesar 100.610 Ha, produksi/production sebesar 586.079
ton dan produktivitas/productivity sebesar 58,25 kw/Ha.
I.3

Perumusan Masalah
Rumusan masalah dalam penelitian tugas akhir ini adalah sebagai berikut:

a. Bagaimana hasil penggunaan NDVI, PCA dan kombinasi band untuk

identifikasi lahan sawah padi ?
b. Berapa luas lahan sawah padi di Kabupaten Demak dengan menggunakan
NDVI, PCA dan kombinasi band ?
I.4

Maksud dan Tujuan Penelitian

Maksud dan tujuan dari penelitian ini adalah sebagai berikut :
a. Mengidentifikasi lahan sawah padi menggunakan NDVI, PCA dan
kombinasi band pada citra Landsat 8.
b. Mengetahui luas lahan sawah padi di Kabupaten Demak dengan
menggunakan NDVI, PCA dan kombinasi band.

Batur
000000000000

Proposal Tugas Akhir

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

Sistematika Penulisan Laporan

Agar dapat memberikan gambaran

jelas dan

memudahkan dalam

memahami keseluruhan laporan tugas akhir, maka dipergunakan sistematika

laporan sebagai berikut :
BAB I PENDAHULUAN
Berisi tentang latar belakang, perumusan masalah, maksud dan tujuan
penelitian, batasan masalah dan sistematika penulisan laporan.
BAB II TINJAUAN PUSTAKA
Bab ini menjelaskan mengenai landasan teori yang berkaitan dengan
kondisi geografis dan geologi wilayah penelitian, lahan sawah, metode
penginderaan jauh, dan metode analisis vegetasi serta penelitian
sebelumnya.
BAB III PELAKSANAAN PENELITIAN
Metode penelitian adalah langkah sistematik yang ditempuh untuk
mencapai tujuan dari topik bahasan.
BAB IV HASIL DAN PEMBAHASAN
Hasil penelitian berupa penemuan umum dan temuan khusus yang
diperoleh di lapangan, disajikan dengan topik sesuai dengan pertanyaanpertanyaan penelitian dan hasil analisis data.
BAB V PENUTUP
Berisi kesimpulan dari keseluruhan pelaksanaan penelitian dan saransaran.
II. TINJAUAN PUSTAKA
II.1 Kabupaten Demak

Batur
000000000000

Proposal Tugas Akhir

Demak sebagai salah satu kabupaten di Provinsi Jawa Tengah terletak

pada koordinat 64326 70943 Lintang Selatan dan 1102758 11048'47" Bujur Timur dan terletak sekitar 25 km di sebelah timur Kota
Semarang. Jarak terjauh dari barat ke timur adalah sepanjang 49 km dan dari
utara ke selatan sepanjang 41 km. Batas wilayah administrasi Kabupaten Demak
meliputi :
a. Sebelah Utara

: Kabupaten Jepara dan Laut Jawa

b. Sebelah Timur

: Kabupaten Kudus dan Kota Grobongan

c. Sebelah Barat

: Kota Semarang

d. Sebelah Selatan

: Kota Grobongan dan Kabupaten Semarang

Kabupaten Demak memiliki luas wilayah seluas 1.149,07 KM, yang

terdiri dari daratan seluas 897,43 KM, dan lautan seluas 252,34 KM dan
berpenduduk 1.055.579 jiwa (2010). Dilihat dari ketinggian permukaan tanah
dari permukaan laut (elevasi), wilayah Demak terletak mulai dari 0 m sampai
dengan 100 m dari permukaan laut. Sedangkan tekstur tanahnya, wilayah Demak
terdiri atas tekstur tanah halu (liat) seluas 49.066 ha dan tekstur tanah sedang
(lempung) seluas 40.677 ha.
Sebagai daerah agraris yang kebanyakan penduduknya hidup dari
pertanian, pada tahun 2013 sebagian besar wilayah Kabupaten Demak terdiri
atas lahan sawah yang mencapai luas 50.772 ha (56,58 persen). Sedang untuk
lahan kering sebesar 14,93 persen digunakan untuk tegal/kebun, 17,12 persen
digunakan untuk bangunan dan halaman, serta 10,63 persen digunakan untuk
tambak. Selain itu, pada tahun 2009 Demak adalah pemasok beras terbesar di
Jawa Tengah, dan saat itu pula pemasok beras terbesar di Indonesia adalah Jawa
Tengah. Pertanian Padi termasuk pertanian unggulan daerah Demak.
Berdasarkan data BPS Provinsi Jawa Tengah mengenai Luas Panen, Produksi
dan Produktivitas Padi Sawah Menurut Kabupaten/Kota di Jawa Tengah tahun
2013, Demak memiliki luas panen/harvested area sebesar 100.610 Ha,
produksi/production sebesar 586.079 ton dan produktivitas/productivity sebesar
58,25 kw/Ha.(BPS Demak, 2014)

Batur
000000000000

Proposal Tugas Akhir

II.2 Lahan Sawah

Lahan sawah menurut Pusat Data dan Informasi Departemen Pertanian
(2013) adalah lahan pertanian yang berpetak-petak dan dibatasi oleh pematang
(galengan), saluran untuk menahan/menyalurkan air, yang biasanya ditanami
padi sawah tanpa memandang dari mana diperolehnya atau status tanah
tersebut. Termasuk di sini lahan yang terdaftar di Pajak Hasil Bumi, Iuran
Pembangunan Daerah, lahan bengkok, lahan serobotan, lahan rawa yang
ditanami padi dan lahan-lahan bukaan baru (transmigrasi dan sebagainya).
Berdasarkan pengairannya lahan sawah dibedakan menjadi:
a. Lahan Sawah Berpengairan (Irigasi).
Lahan sawah yang memperoleh pengairan dari sistem irigasi, baik yang
bangunan penyadap dan jaringan-jaringannya diatur dan dikuasai dinas pengairan
PU maupun dikelola sendiri oleh masyarakat. Lahan sawah irigasi terdiri atas :
1.

Lahan sawah irigasi teknis

Lahan sawah yang mempunyai jaringan irigasi dimana saluran pemberi

terpisah dari saluran pembuang agar penyediaan dan pembagian air ke

dalam lahan sawah tersebut dapat sepenuhnya diatur dan diukur dengan
mudah.
1.

Lahan sawah irigasi setengah teknis

Lahan sawah yang memperoleh irigasi dari irigasi setengah teknis.

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.

Lahan sawah irigasi sederhana

Lahan sawah yang memperoleh pengairan dari irigasi sederhana yang

sebagian jaringannya dibangun oleh PU.

3.

Lahan sawah irigasi desa/non PU

Lahan sawah yang memperoleh pengairan dari sistem pengairan yang

dikelola sendiri oleh masyarakat.

Batur
000000000000

Proposal Tugas Akhir

b.

Lahan Sawah Tak Berpengairan (Non Irigasi)

Lahan sawah yang tidak memperoleh pengairan dari sistem irigasi tetapi

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.

berasal dari reklamasi rawa lebak (bukan pasang surut).

Polder adalah lahan sawah yang terdapat di delta sungai yang

5.

pengairannya dipengaruhi oleh air sungai tersebut

Sawah lainnya adalah rembesan - rembesan rawa yang biasanya
ditanami padi.

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

Proposal Tugas Akhir

Space

Flight

Center dan

diluncurkan

pada

hari Senin, 11

Februari

2013 di Pangkalan Angkatan Udara Vandeberg, California Amerika Serikat.

Satelit landsat 8 terbang dengan ketinggian 705 km dari permukaan bumi
dan memiliki area scan seluas 170 km x 183 km yang direncanakan mempunyai
durasi misi selama 5 10 tahun ini, dilengkapi dua sensor yang merupakan hasil
pengembangan dari sensor yang terdapat pada satelit-satelit pada Program Landsat
sebelumnya.

Kedua

Manager (OLI)

yang

sensor
terdiri

tersebut
dari 9

yaitu

Sensor

band serta Sensor

Operational
Thermal

Land

InfraRed

Sensors (TIRS) yang terdiri dari 2 band.

Untuk Sensor OLI yang dibuat oleh Ball Aerospace, terdapat 2 band yang
baru terdapat pada satelit Program Landsat yaitu Deep Blue Coastal/Aerosol Band
(0.433 0.453 mikrometer) untuk deteksi wilayah pesisir serta ShortwaveInfraRed Cirrus Band (1.360 1.390 mikrometer) untuk deteksi awan cirrus. Sisa
7 band lainnya merupakan band yang sebelumnya juga telah terdapat pada sensor
satelit Landsat generasi sebelumnya. Sedangkan untuk Sensor TIRS yang dibuat
oleh NASA Goddard Space Flight Center, akan terdapat dua band pada
region thermal yang mempunyai resolusi spasial 100 meter. (Renny, 2014)
Ada beberapa spesifikasi baru yang terpasang pada band landsat ini
khususnya pada band 1, 9, 10, dan 11. Band 1 (ultra blue) dapat menangkap
panjang gelombang elektromagnetik lebih rendah sehingga lebih sensitif terhadap
perbedaan reflektan air laut atau aerosol. Berikut ini daftar band yang terdapat
pada Landsat 8 :

Tabel 2.1 Landsat Data Descriptions (Levent, 2014)

Bands
BAND 1

Batur
000000000000

Name
Coastal Aerosol

Wavelength

Resolution

(m)
0.433-0.453

(m)
30

Proposal Tugas Akhir

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

Near InfraRed (NIR)

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

Thermal Infrared (TIRS) 1

10.30-11.30

100

BAND 11

Thermal Infrared (TIRS) 2

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

Proposal Tugas Akhir

Tanaman memancarkan dan menyerap gelombang yang unik sehingga

keadaan ini dapat di hubungakan dengan pancaran gelombang dari objek-objek
yang lain sehingga dapat di bedakan antara vegetasi dan objek selain vegetasi.
Indeks vegetasi biasanya hanya menggunakan saluran merah (visible) dalam
landsat 8 berada pada band 4 dan saluran inframerah dekat (NIR) dalam landsat 8
berada pada band 5. Tanaman hidup menyerap gelombang tanpak (visible) biru
dan merah dan memantulkan gelombang hijau sehingga mata manusia dapat
mendeteksi warna hijau pada tanaman. Namun ternyata tidak hanya gelombang
hijau yang dipantulkan oleh tanaman, pantulan paling dominan pada tanaman
ternyata adalah gelombang inframerah dekat (NIR). Tapi karena mata manusia
tidak dapat menangkap cahaya pada gelombang inframerah tersebut maka warna
merah ini tidak terlihat pada mata manusia. Padahal pantulan inframerah dekat
pada tanaman mencapai 60%, kontras sekali dengan pantulan gelombang hijau
yang hanya 20%. (Agung, 2013)
II.4

NDVI
Normalized Difference Vegetation Index (NDVI) merupakan metode standar

yang digunakan dalam membandingkan tingkat kehijauan vegetasi (kandungan

klorofil) pada tumbuhan. Transformasi NDVI ini merupakan salah satu produk
standar NOAA (National Oceanic and Atmospheric Administration), satelit cuaca
yang berobit polar namun memberikan perhatian khusus pada fenomena global
vegetasi dan cuaca. Berbagai penelitian mengenai perubahan liputan vegetasi di
berbagai benua banyak menggunakan transformasi ini. (Tucker, 1986; Projo
Danoedoro, 2012)
Formulasinya adalah sebagai berikut:
. . . . . . . . . . . . . . . . . . (2.1)
Keterangan:
NIR = NearRed = Red

Infrared (Band Inframerah)

(Band Merah)

Berikut ini Pembagian objek berdasarkan nilai NDVI

Batur
000000000000

10

Proposal Tugas Akhir

Tabel 2.2 Pembagian Objek berdasarkan nilai NDVI

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

PCA (Principal Component Analysis)

Penggabungan citra menggunakan Principal Camponent Analysis (PCA)

merupakan transformasi yang bertujuan mereduksi informasi dari komponen yang

saling berkorelasi menjadi komponen tereduksi baru yang saling tidak berkorelasi.
PCA digunakan untuk mentransformasi citra multispektral beresolusi rendah
Batur
000000000000

11

Proposal Tugas Akhir

untuk mendapatkan komponen penting (Principal Component) representatif baru

yang tidak saling berkorelasi. Komponen penting ini berisi informasi umum
keseluruhan nilai spektral yang dipresentasikan dalam vektor nilai eigen. Proses
mendapatkan Principal Component disebut sebagai Transformasi Forward PC.
Secara matematis dijelaskan pada rumus persamaan berikut:

. . . . . . . . . . . . . (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

DNhPAN adalah citra pankromatik hasil perentangan histogram yang menyamai

rataan dari PC1. Jika digabungkan maka akan didapat persamaan berikut:

. . . . . . . . . . . . (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

Proposal Tugas Akhir

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

meningkatkan kenampakan objek (enchancement) sebelum melakukan interpretasi

visual data atau sebagai prosedur pengolahan awal sebelum melakukan proses
klasifikasi secara otomatis. Jika diterapkan dalam konteks terakhir, transformasi
ini biasanya meningkatkan efisiensi perhitungan pada proses klasifikasi karena
analisis komponen utama dapat menghasilkan pengurangan ukuran pada
serangkaian data asli. Dengan kata lain, kegunan/tujuan dari prosedur ini adalah
untuk memadatkan semua informasi yang ada di dalam serangkaian n kanal data
asli ke dalam n1 kanal baru atau komponen yang lebih sedikit. Komponenkomponen tersebut kemudian digunakan sebagai pengganti data asli.
Penerapan metode ini dapat dilihat dalam sejumlah studi antara lain
pengamatan tahap-tahap pertumbuhan vegetasi, kandungan biomassa, kandungan
nitrogen, bidang geologi terutama untuk negara-negara beriklim sedang ataupun
kering, dimana hasil penelitian beberapa penelitian menunjukkan bahwa PCA
mampun mempertajan perbedaan litologi. Metode PCA telah terbukti signifikan
dalam analisis data digital penginderaan jauh (dalam penelitian Jensen 1991).
Kelebihan PCA dalam mereduksi dimensi atau jumlah kanal tersebut sangat
ekonomis, khususnya jika informasi yang dapat dicakup data hasil transformasi
tersebut sama baiknya dengan data yang terdapat dalam data penginderaan jauh
yang asli. (Meinardy, 2001)
II.6

Penelitian Terdahulu

Batur
000000000000

13

Proposal Tugas Akhir

Penelitian terdahulu terkait tentang pemanfaatan citra untuk pemantauan

lahan sawah padi adalah:
1. Latifah Rahmadany (2014) melakukan penelitian tentang deteksi zonasi
banjir pada lahan sawah menggunakan citra satelit terra modis dan
TRMM di Kabupaten Demak Jawa Tengah. Penelitian tersebut bertujuan
untuk memantau daerah lahan sawah yang terdeteksi banjir secara
temporal periode 8 harian Desember 2012 - Februari 2013 dan Desember
2013 - Februari 2014 untuk 5 kelas indeks banjir, mengetahui luas daerah
lahan sawah yang berpotensi banjir dan mengetahui zonasi kejadian
banjir lahan sawah dalam satu bulan. Data yang digunakan dalam
penelitian ini adalah Data citra Terra MODIS dan TRMM 3B42
Desember 2012 Februari 2013 dan Desember 2013 Februari 2014,
peta administrasi Kabupaten Demak diperoleh dari Bappeda Kabupaten
Demak dan peta luas baku lahan sawah diperoleh dari Departemen
pertanian. Metode yang digunakan adalah metode overlay indeks faktor
Enhance Vegetation Index (EVI) dengan curah hujan pada periode yang
sama sehingga diperoleh tingkat rawan banjir yang diklasifikasi menjadi
5 kelas. Penentuan potensi banjir juga menggunakan beberapa asumsi
yaitu: lahan sawah diasumsikan sebagai sawah tadah hujan sehingga
tidak ada aliran air keluar dan masuk lahan sawah, lahan sawah berada di
daerah datar (tidak terasering), curah hujan yang melebihi kebutuhan air
tanaman akan berpotensi banjir, curah hujan diasumsikan memiliki
pengaruh yang lebih besar dari pada indeks vegetasi.
2. Levent Genc, dkk (2014) melakukan penelitian tentang Determination of
Paddy Rice Field Using Landsat 8 Images. Penelitian tersebut dilakukan
di Kota Biga, Canakkale Turki. Bertujuan untuk mengembangkan metode
yang memungkinkan peningkatan akurasi klasifikasi tutupan lahan
(LCCA) menggunakan Landsat 8 data khususnya pemetaan sawah.
Menggunakan 4 citra berbeda hari yaitu 18 Mei, 19 Juni, 21 Juli dan 7
September 2013 dengan awan kurang dari 5%. Metode yang digunakan
adalah metode Normalized Difference Vegetation Index (NDVI),
Batur
000000000000

14

Proposal Tugas Akhir

Principal Camponent Analysis (PCA) dan kombinasi band dengan

klasifikasi menjadi 6 kelas yaitu lahan sawah padi, padang rumput, hutan,
air, pertanian, pemukiman.
3. Husen Ibnu Said (2014) melakukan penelitian tentang Analisis Produksi
Padi Dengan Penginderaan Jauh dan Sistem Informasi Geografis di Kota
Pekalongan. Penelitian tersebut dilakukan di Kota Pekalongan, Jawa
Tengah. Bertujuan untuk memperkirakan produksi padi di Kota
Pekalongan dengan memanfaatkan teknologi penginderaan jauh dan
menyajikan

informasi

pertanian

menggunakan

sistem

informasi

geografis. Menggunakan citra Landsat 8 tahun 2014. Metode yang

digunakan adalah metode Normalized Difference Vegetation Index
(NDVI) dan memperkirakan luas sawah dengan metode ubinan, dengan
klasifikasi menjadi 6 kelas yaitu pemukiman, sawah, air, semak, kebun
dan tanaman air

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

yang memiliki spesifikasi sebagai berikut:

a) Merek laptop : Toshiba Satellite C800 Series
b) Sistem Operasi : Microsoft Windows 7, 32-bit
Batur
000000000000

15

Proposal Tugas Akhir

c) Processor
d) RAM

: Intel(R) Core(TM) i3-2350M CPU @ 2.30 GHz

: 2.00 GB

Adapun perangkat keras yang lain, diantaranya:

a) Printer Canon iP2770 Series untuk pencetakan laporan
b) 1 unit GPS Handheld
2.

Perangkat lunak
Perangkat lunak yang digunakan adalah sebagai berikut :
a) ER-Mapper 7.0, digunakan untuk pemrosesan metode NDVI, PCA

III.2
III.3

dan kombinasi band.

b) ArcGIS 10, digunakan pada proses titik-titik validasi.
c) Microsoft Office 2007, digunakan untuk penyusunan laporan.
Lokasi
Lokasi Penelitian tugas akhir ini di Kabupaten Demak.
Diagram Alir Penelitian
Mula
i
Studi Literatur
Pengumpulan Data

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

Klasifikasi Metoda NDVI

a. Perairan
b. Pemukiman
c. Lahan sawah padi
d. Non-sawah (pertanian)
e. Hutan
Perhitungan Luas
Lahan Sawah Padi

Klasifikasi Metoda PCA

a. Perairan
b. Pemukiman
c. Lahan Sawah Padi
d. Non-sawah (pertanian)
e. Hutan
Perhitungan Luas
Lahan Sawah Padi

Klasifikasi Kombinasi Band

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

Analisis dan penyajian

Informasi Peta
Tanaman Padi

Survei
Lapangan

16

Proposal Tugas Akhir

III.4
No
1
2
3
4
5
6
7

Jadwal Pelaksanaan PenelitianSeles

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