Anda di halaman 1dari 153

PEMANFAATAN DATA

PENGINDERAAN JAUH UNTUK PEMANTAUAN


DAN ANALISIS SEBARAN TITIK PANAS
(STUDI KASUS: PROVINSI KALIMANTAN TENGAH)

Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer

Oleh :
Reny Eko Afniati
103093029685

PROGRAM STUDI SISTEM INFORMASI


FAKULTAS SAINS DAN TEKNOLOGI
UIN SYARIF HIDAYATULLAH JAKARTA
2010 M / 1431 H
PEMANFAATAN DATA
PENGINDERAAN JAUH UNTUK PEMANTAUAN
DAN ANALISIS SEBARAN TITIK PANAS
(STUDI KASUS: PROVINSI KALIMANTAN TENGAH)

Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta

oleh :
Reny Eko Afniati
103093029685

PROGRAM STUDI SISTEM INFORMASI


FAKULTAS SAINS DAN TEKNOLOGI
UIN SYARIF HIDAYATULLAH JAKARTA
2010 M / 1431 H

ii
PEMANFAATAN DATA
PENGINDERAAN JAUH UNTUK PEMANTAUAN
DAN ANALISIS SEBARAN TITIK PANAS
(STUDI KASUS: PROVINSI KALIMANTAN TENGAH)

Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer
Pada Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta

oleh :

Reny Eko Afniati


103093029685

Menyetujui,
Pembimbing I Pembimbing II

Nur Aeni Hidayah, MMSI Ir. Mahdi Kartasasmita M.S, Ph.D


NIP. 19750818 200501 2 008 NIP. 19460404 197611 1 001

Mengetahui,
Ketua Program Studi Sistem Informasi

A’ang Subiyakto, M. Kom


NIP. 150 411 252

iii
PENGESAHAN UJIAN

Skripsi yang berjudul “Pemanfaatan Data Penginderaan Jauh Untuk


Pemantauan dan Analisis Sebaran Titik Panas (Studi Kasus: Provinsi Kalimantan
Tengah)” yang ditulis oleh Reny Eko Afniati, NIM : 103093029685 telah diuji
dan dinyatakan Lulus dalam sidang Munaqosyah Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta pada hari Rabu, tanggal 05
Mei 2010. Skripsi ini telah diterima sebagai salah satu syarat untuk memperoleh
gelar Sarjana Strata Satu (S1) Program Studi Sistem Informasi.

Jakarta, Mei 2010

Tim Penguji,
Penguji I Penguji II

Zainul Arham, M. Si Ir. Bakri La Katjong, MT


NIP. 150 411 259 NIP. 470 035 764
Menyetujui,
Pembimbing I Pembimbing II

Nur Aeni Hidayah, MMSI Ir. Mahdi Kartasasmita M.S, Ph.D


NIP. 19750818 200501 2 008 NIP. 19460404 197611 1 001
Mengetahui,
Dekan Fakultas Sains dan Teknologi Ketua Program Studi Sistem Informasi

DR. Syopiansyah Jaya Putra, M.Sis A’ang Subiyakto, M. Kom


NIP. 19680117 200112 1 001 NIP. 150 411 252

iv
PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI


BENAR-BENAR HASIL KARYA SENDIRI YANG BELUM
PERNAH DIAJUKAN SEBAGAI SKRIPSI ATAU KARYA
ILMIAH PADA PERGURUAN TINGGI ATAU LEMBAGA
MANAPUN.

Jakarta, Maret 2010

Reny Eko Afniati


103093029685

v
ABSTRAK

RENY EKO AFNIATI, Pemanfaatan Data Penginderaan Jauh Untuk


Pemantauan Dan Analisis Sebaran Titik Panas (Studi Kasus: Provinsi Kalimantan
Tengah), di bawah bimbingan Ibu NUR AENI HIDAYAH dan Bapak MAHDI
KARTASASMITA.

Provinsi Kalimantan Tengah merupakan urutan frekuensi kebakaran


tertinggi pada Pulau Kalimantan. Pemanfaatan sarana penginderaan jauh adalah
cara yang efisien dalam memantau dan mendeteksi kebakaran hutan atau lahan
untuk skala wilayah yang luas, oleh karena itu digunakanlah satelit Terra dengan
sensornya MODIS (Moderate Resolution Imaging Spectroradiometer) yang
merupakan citra satelit hiperspektral generasi baru di gunakan untuk pengamatan
daratan dan perairan. Parameter yang digunakan untuk memantau kebakaran
hutan dan lahan dari satelit adalah titik panas yang merupakan indikasi terjadinya
kebakaran.
Untuk mendapatkan sebaran titik panas di Provinsi Kalimantan Tengah
diperlukan data satelit Terra yang terdiri dari 4 (empat) file dalam format HDF
(Hierarchical Data Format) yaitu: (1) MOD02QKM = Quarter Kilometer yang
berarti memiliki resolusi spasial 250 meter, (2) MOD02HKM = Half Kilometer
yang berarti memiliki resolusi spasial 500 meter, (3) MOD021KM = 1 Kilometer
yang berarti memiliki resolusi spasial 1000 meter, dan (4) MOD03 = geolocation
hotspot. Kemudian digunakan program imapp2bin yang berfungsi menyaring
band yang diperlukan dari 4 file HDF (Hierarchical Data Format), sedangkan
program mod2rect berfungsi untuk memetakan kembali band ke area yang
terpilih, sehingga menghasilkan file dalam format ers. Algoritma mod14
digunakan untuk pendeteksian titik panas secara global, dalam pendeteksian titik
panas apabila data pada band 22 hilang atau rusak dapat digantikan dengan band
21 yang mempunyai saluran jangkauan tinggi untuk deteksi kebakaran aktif.
Hasil dari Pemanfaatan Data Penginderaan Jauh untuk Pemantauan dan
Analisis Sebaran Titik Panas (Studi Kasus: Provinsi Kalimantan Tengah) terbagi
menjadi 2 (dua) yaitu peta lokasi dan keberadaan sebaran titik panas dalam bentuk
vektor dan peta citra satelit dalam bentuk raster. Dengan begitu informasi tersebut
bagi para pengguna dapat dimanfaatkan untuk membantu dalam proses
pengambilan keputusan seperti bila diketahui titik panas pada area tertentu masih
kecil maka dapat mempermudah pemadamannya. Selain itu dapat bermanfaat
untuk melakukan perencanaan terhadap kerusakan-kerusakan hutan akibat
kebakaran hutan atau lahan dan pencegahan adanya penyebaran asap.

Kata Kunci: Penginderaan Jauh, Titik Panas, MODIS (Moderate Resolution


Imaging Spectroradiometer), algoritma mod14, band 21, serta band
22

xviii + 95 Halaman + 31 Gambar + 13 Tabel + 31 Lampiran + 33 Daftar Pustaka


(1994 - 2007)
viii
KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat Allah SWT yang telah

memberikan rahmat sehingga penulis dapat menyelesaikan penulisan skripsi ini

dengan judul “PEMANFAATAN DATA PENGINDERAAN JAUH UNTUK

PEMANTAUAN DAN ANALISIS SEBARAN TITIK PANAS (STUDI

KASUS: PROVINSI KALIMANTAN TENGAH)”. Shalawat serta salam

teruntuk Nabi Muhammad SAW yang telah memberikan syafa’atnya kepada kita

semua.

Dalam penulisan skripsi ini tidak akan berhasil tanpa bantuan dari rekan-

rekan kerja. Terima kasih penulis ucapkan kepada pihak-pihak yang telah

membantu dalam terselesaikannya skripsi ini yaitu kepada:

1. Bapak DR. Syopiansyah Jaya Putra, M.Sis, selaku dekan Fakultas Sains dan

Teknologi.

2. Ibu Nur Aeni Hidayah, MMSI, selaku pembimbing I yang telah memberikan

dorongan agar cepat selesai.

3. Bapak Ir. Mahdi Kartasasmita M.S, Ph.D, selaku pembimbing II atau

pembimbing lapangan dari LAPAN (Lembaga Penerbangan dan Antariksa

Nasional) yang telah memberikan bimbingan, saran, serta waktunya.

4. Alm. Bapak Muji Haryadi, S. Hut, MT, yang pernah membimbing penulis.

5. Bapak A’ang Subiyakto, M. Kom, selaku Ketua Program Studi Sistem

Informasi.

vi
6. Orang Tuaku yang senantiasa memberikan doa, serta suamiku. My Baby “Adi”

sebagai pelipur lara dari hati yamg gundah.

7. Bapak Kustio yang telah mengajarkan mengenai pengolahan titik panas.

8. Bu Dianovita yang sebagai perantara Pak Mahdi atau asistennya yang telah

banyak membantu penulis. Terima kasih juga kepada staf lainnya seperti

Mbak Iken, Mbak Aida, Pak Wiji, serta rekan-rekan kerja sekalian yang tidak

disebutkan satu persatu.

9. Terima kasih pula kepada temanku Farrah, Yati, Dede, dan Uut yang telah

memberikan saran dan bantuan kepada penulis.

10. Serta teman-teman sekalian SI angkatan 2003 dan semua pihak yang telah

membantu dan mendukung selesainya penulisan skripsi ini.

Akhir kata, saya berharap semoga skripsi ini dapat bermanfaat bagi kita

semua, khususnya untuk penulis maupun mahasiswa lain pada umumnya.

Jakarta, Maret 2010

Reny Eko Afniati

vii
DAFTAR ISI

HALAMAN SAMPUL .................................................................................. i


HALAMAN JUDUL ..................................................................................... ii
LEMBAR PENGESAHAN ........................................................................... iii
LEMBAR PENGESAHAN UJIAN .............................................................. iv
PERNYATAAN ............................................................................................ v
KATA PENGANTAR ................................................................................... vi
ABSTRAK ..................................................................................................... viii
DAFTAR ISI .................................................................................................. ix
DAFTAR GAMBAR .................................................................................... xii
DAFTAR TABEL .......................................................................................... xiv
DAFTAR LAMPIRAN ................................................................................. xv
DAFTAR ISTILAH ...................................................................................... xvi
TABEL KARAKTERISTIK DATA CITRA SATELIT TERRA DENGAN
SENSORNYA MODIS (MODERATE RESOLUTION IMAGING
SPECTRORADIOMETER) ............................................................................ xviii

BAB I PENDAHULUAN ............................................................................. 1


1.1 LATAR BELAKANG ................................................................. 1
1.2 PERUMUSAN MASALAH ........................................................ 3
1.3 BATASAN MASALAH .............................................................. 4
1.4 TUJUAN DAN MANFAAT ........................................................ 4
1.4.1 Tujuan ................................................................................. 4
1.4.2 Manfaat ............................................................................... 5
1.5 SISTEMATIKA PENULISAN ..................................…………. 5

ix
BAB II LANDASAN TEORI ......………………………………………… 7
2.1 PROVINSI KALIMANTAN TENGAH ..................................... 7
2.1.1 Keadaan Geografis .............................................................. 7
2.1.2 Titik Panas di Provinsi Kalimantan Tengah ....................... 9
2.2 SISTEM INFORMASI GEOGRAFIS ......................................... 9
2.2.1 Konsep Dasar Sistem .......................................................... 9
2.2.2 Konsep Dasar Sistem Informasi ......................................... 10
2.2.3 Konsep Dasar SIG (Sistem Informasi Geografis) .............. 10
2.2.4 Model Data Spasial di Dalam SIG (Sistem Informasi
Geografis) ........................................................................... 12
2.2.4.1 Model Data Raster .................................................. 12
2.2.4.2 Model Data Vektor ................................................. 12
2.3 PENGINDERAAN JAUH .......................................................... 13
2.3.1 Konsep Dasar Penginderaan Jauh ....................................... 13
2.3.2 Komponen Sistem Penginderaan Jauh ................................ 14
2.4 KARAKTERISTIK CITRA ........................................................ 19
2.5 KARAKTERISTIK CITRA SATELIT SECARA UMUM ........ 20
2.5.1 Resolusi Spasial .................................................................. 20
2.5.2 Resolusi Spektral ................................................................ 21
2.5.3 Resolusi Temporal .............................................................. 24
2.5.4 Resolusi Radiometrik .......................................................... 24
2.6 KARAKTERISTIK CITRA SATELIT TERRA-MODIS .......... 24
2.6.1 Resolusi Spasial .................................................................. 27
2.6.2 Resolusi Spektral ................................................................ 27
2.6.3 Resolusi Temporal .............................................................. 31
2.6.4 Resolusi Radiometrik .......................................................... 32
2.7 KARAKTERISTIK TITIK PANAS ........................................... 33
2.8 KLASIFIKASI PENUTUPAN LAHAN ..................................... 37
2.9 PERANGKAT LUNAK (SOFTWARE) ...................................... 39
2.9.1 Penggunaan Software MODIS ............................................ 39
2.9.2 Algoritma Mod14 ................................................................ 40

x
2.9.3 HDFView 2.3 ...................................................................... 40
2.9.4 ER Mapper 7.0 .................................................................... 41
2.9.5 Microsoft Excel 2003 .......................................................... 41
2.9.6 ArcView 3.2 ........................................................................ 41
2.10 TELAAH PENELITIAN SEBELUMNYA ........................... 42

BAB III METODOLOGI PENELITIAN .................................................. 48


3.1 ALAT DAN BAHAN ………………………………..………… 50
3.1.1 Alat ..................................................................................... 50
3.1.2 Bahan .................................................................................. 50
3.2 WAKTU DAN TEMPAT PENELITIAN ................................... 51
3.3 PENGUMPULAN DATA ........................................................... 51
3.4 PENGOLAHAN DATA .............................................................. 52
3.4.1 Data Satelit Terra Dengan Sensornya MODIS ................... 52
3.4.2 Quicklook Serta Nilai Yang Diolah .................................... 54
3.4.3 Menghasilkan Titik Panas Dengan Algoritma Mod14 ....... 55
3.4.4 Input Nilai Pada Program Imapp2bin dan Mod2rect .......... 61
3.4.5 Pemotongan Citra (Cropping) ............................................. 63
3.4.6 Pembuatan Layout ............................................................... 66

BAB IV HASIL DAN PEMBAHASAN ..................................................... 68


4.1 HASIL ......................................................................................... 68
4.2 PEMBAHASAN ......................................................................... 69

BAB V PENUTUP ........................................................................................ 93


5.1 KESIMPULAN ............................................................................ 93
5.2 SARAN ........................................................................................ 94

DAFTAR PUSTAKA

xi
DAFTAR GAMBAR

Gambar 2.1 Sistem penginderaan jauh …………...………...……..……..... 14


Gambar 2.2 Energi elektromagnetik ……….…………………………….... 14
Gambar 2.3 Spektrum elektromagnetik ………..………………………...... 18
Gambar 2.4 Inframerah ………………………….…………………….…... 18
Gambar 2.5 Citra Landsat komposit …………………………….. ……...... 19
Gambar 2.6 Panjang gelombang yang cocok untuk mendeteksi kebakaran 30
Gambar 2.7 Pola pikir pengolahan ...............…...………………................. 35
Gambar 3.1 Gambaran pola pikir penelitian ...............…...……………….. 49
Gambar 3.2 Quicklook ....................................…………............................. 55
Gambar 3.3 Algoritma mod14 ............................………………................. 57
Gambar 3.4 Tampilan HDF ..............................…....................................... 58
Gambar 3.5 Tampilan excel ......................……..……………..……........... 58
Gambar 3.6 Open table dbf ................................……….............................. 59
Gambar 3.7 Add event theme ....................……..………..……….............. 60
Gambar 3.8 Titik panas setelah dikonversi dari dbf ...................……..…... 60
Gambar 3.9 Program imapp2bin dan mod2rect ...............................……... 61
Gambar 3.10 Tampilan tipe data ers ..........................………..................... 63
Gambar 3.11 Window algorithm ......................………….......................... 64
Gambar 3.12 Raster region ………………………..................................... 65
Gambar 3.13 Hasil cropping .........................……….................................. 66
Gambar 3.14 Layout .........................………............................................... 67
Gambar 4.1 Peta lokasi dan keberadaan sebaran titik panas ..............……. 68
Gambar 4.2 Peta citra satelit ........................................................................ 69
Gambar 4.3 Sebaran titik panas pada bulan September tahun 2007 …….... 76
Gambar 4.4 Grafik sebaran titik panas berdasarkan batas administrasi ......... 78
Gambar 4.5 Query builder untuk mencari nilai confidence tertinggi ............ 80
Gambar 4.6 Query builder untuk mencari nilai confidence terendah ............ 81

xii
Gambar 4.7 Grafik sebaran titik panas berdasarkan kelas penutupan lahan .. 86
Gambar 4.8 Kombinasi band 721 ……………..……………........................ 87
Gambar 4.9 Peta citra satelit Provinsi Kalimantan Tengah ........................... 88
Gambar 4.10 Panjang gelombang yang cocok untuk mendeteksi kebakaran 89

xiii
DAFTAR TABEL

Tabel 2.1 Karakteristik sensor AVHRR dan fungsi masing-masing band


pada NOAA ……………………................................................ 21
Tabel 2.2 MODIS mempunyai 36 saluran spektral untuk memotret darat,
laut, dan atmosfer dari jarak jauh ................................................. 28
Tabel 2.3 Saluran MODIS dapat digunakan untuk mendeteksi kebakaran
aktif …………………………….................................................. 29
Tabel 2.4 Standard klasifikasi penutupan lahan hasil penafsiran citra
satelit Landsat untuk kepentingan kehutanan .............................. 37
Tabel 4.1 Hasil pengolahan titik panas berdasarkan peta tutupan lahan
selama 1 (satu) bulan pada bulan September tahun 2007 ............ 71
Tabel 4.2 Hasil pengolahan titik panas berdasarkan batas administrasi
selama 1 (satu) bulan pada bulan September tahun 2007 ............ 72
Tabel 4.3 Perbandingan hasil pengolahan titik panas antara data NOAA
dengan data Terra-MODIS pada tanggal 20 September tahun
2007 .......................…………....................................................... 74
Tabel 4.4 Hasil pengolahan titik panas pada bulan September tahun 2007 76
Tabel 4.5 Hasil sebaran titik panas berdasarkan batas
administrasi pada bulan September tahun 2007 ........................... 77
Tabel 4.6 Hasil pengolahan titik panas berdasarkan peta tutupan lahan
pada bulan September tahun 2007 ………………………........... 83
Tabel 4.7 Hasil sebaran titik panas berdasarkan kelas penutupan lahan
pada bulan September tahun 2007 ............................................... 84
Tabel 4.8 Luas kelas penutupan lahan di Provinsi Kalimantan Tengah 85
Tabel 4.9 Saluran MODIS dapat digunakan untuk mendeteksi kebakaran
aktif …………………………….................................................. 90

xiv
DAFTAR LAMPIRAN

1. Hasil pengolahan sebaran titik panas harian berdasarkan peta tutupan lahan

dan berdasarkan peta citra satelit

2. Perbandingkan antara tabel data NOAA 18 (National Oceanic and

Atmospheric Administration) yang diperoleh dari LAPAN (Lembaga

Penerbangan dan Antariksa Nasional) dengan hasil pengolahan yang telah

dilakukan dari data yang diperoleh melalui satelit Terra dengan sensornya

MODIS (Moderate Resolution Imaging Spectroradiometer)

3. Definisi level pengolahan data MODIS (Moderate Resolution Imaging

spectroradiometer)

4. Spatial Resolution

5. Kode-kode program projectl1b.csh (yang menjalankan program imapp2bin

v4.4 dan program mod2rect v1.10)

6. Julian Day Calendar

xv
DAFTAR ISTILAH

Band atau saluran adalah informasi dari range panjang gelombang yang

berdekatan dikumpulkan menjadi satu dan disimpan dalam band.

Citra penginderaan jauh adalah gambaran suatu obyek dari pantulan atau pancaran

radiasi elektromagnetik obyek, yang direkam dengan cara optik, elektro

optik, optik mekanik, atau elektronik.

Koreksi geometrik adalah proses perbaikan kesalahan geometrik dan transformasi

citra penginderaan jauh agar memberikan hasil citra yang mempunyai skala

tertentu dan mengikuti proyeksi peta tertentu.

Koreksi radiometrik merupakan perbaikan akibat cacat atau kesalahan

radiometrik, yaitu kesalahan pada sistem optik, kesalahan karena gangguan

energi radiasi elektromagnetik pada atmosfer, dan kesalahan karena

pengaruh sudut elevasi matahari.

Level 1B merupakan data L 1A (dengan Geolocation) dikalibrasi, sehingga

diperoleh data terkalibrasi baik radiometrik maupun geometriknya.

xvi
MODIS (Moderate Resolution Imaging spectroradiometer) adalah sensor utama

pada satelit Terra dan satelit Aqua yang mengorbit bumi secara polar (arah

utara selatan) pada ketinggian 705 Kilometer dan melewati garis

khatulistiwa pada jam 10:30 dan pada jam 22:30 waktu lokal (Justice, 2006).

Lebar cakupan lahan pada permukaan bumi setiap putarannya sekitar 2330

Kilometer.

Resolusi radiometrik ditunjukkan oleh jumlah nilai data yang dimungkinkan pada

setiap band.

Resolusi spasial adalah ukuran obyek terkecil yang masih dapat disajikan,

dibedakan, dan dikenali pada citra.

Resolusi spektral merupakan daya pisah obyek berdasarkan besarnya spektrum

elektromagnetik yang digunakan untuk perekaman data.

Resolusi temporal ditunjukkan dengan seringnya citra merekam suatu daerah yang

sama.

Sensor dipergunakan untuk menangkap energi dan mengubahnya dalam bentuk

sinyal dan menyajikannya ke dalam bentuk yang sesuai dengan informasi

yang ingin disadap (Colwell, 1983).

xvii
TABEL KARAKTERISTIK DATA CITRA SATELIT TERRA DENGAN SENSORNYA MODIS (MODERATE
RESOLUTION IMAGING SPECTRORADIOMETER)
Platform Visible Bands (μm) Near IR Bands (μm) Thermal IR Bands (μm) Image Size Pankromatik Sensor Satelit
MODIS Band 1 (0,620 – 0,670) Band 2 (0,841 – 0,876) Band 20 (3,660 – 3,840) 1000 meter MODIS (Moderate Terra
Band 3 (0,459 – 0,479) Band 5 (1,230 – 1,250) Band 21 (3,929 – 3,989) Resolution Imaging
Band 4 (0,545 – 0,565) Band 6 (1,628 – 1,652) Band 22 (3,929 – 3,989) Spectroradiometer)
Band 8 (0,405 – 0,420) Band 7 (2,105 – 2,155) Band 23 (4,020 – 4,080)
Band 9 (0,438 – 0,448) Band 15 (0,743 – 0,753) Band 24 (4,433 – 4,498)
Band 10 (0,483 – 0,493) Band 16 (0,862 – 0,877) Band 25 (4,482 – 4,549)
Band 11 (0,526 – 0,536) Band 17 (0,890 – 0,920) Band 27 (6,535 – 6,895)
Band 12 (0,546 – 0,556) Band 18 (0,931 – 0,941) Band 28 (7,175 – 7,475)
Band 13 (0,662 – 0,672) Band 19 (0,915 – 0,965) Band 29 (8,400 – 8,700)
Band 14 (0,673 – 0,683) Band 26 (1,360 – 1,390) Band 30 (9,580 – 9,880)
Band 31 (10,780 – 11,280)
Band 32 (11,770 – 12,270)
Band 33 (13,185 – 13,485)
Band 34 (13,485 – 13,785)
Band 35 (13,785 – 14,085)
Band 36 (14,085 – 14,385)

xviii
xix
BAB I

PENDAHULUAN

1.1 LATAR BELAKANG

Kebakaran hutan merupakan salah satu bentuk gangguan yang makin

sering terjadi. Dampak negatif yang ditimbulkan oleh kebakaran hutan cukup

besar mencakup kerusakan ekologis, menurunnya keanekaragaman hayati,

menurunnya populasi satwa, merosotnya nilai ekonomi hutan dan produktivitas

tanah, perubahan iklim mikro maupun global, dan asapnya mengganggu kesehatan

masyarakat serta mengganggu transportasi baik darat, sungai, danau, laut dan

udara. Hutan yang terbakar berat akan sulit dipulihkan, karena struktur tanahnya

mengalami kerusakan. Hilangnya tumbuh-tumbuhan menyebabkan lahan terbuka,

sehingga mudah tererosi, dan tidak dapat lagi menahan banjir. Karena itu setelah

hutan terbakar, sering muncul bencana banjir pada musim hujan di berbagai

daerah yang hutannya terbakar.

Titik panas merupakan indikasi terjadinya kebakaran hutan atau lahan.

Titik panas menunjukkan bahwa daerah tersebut mengeluarkan panas melebihi

ambang batas yang sudah ditentukan sehingga tertangkap sensor panas satelit.

Parameter ini sudah digunakan secara meluas di berbagai negara untuk memantau

kebakaran hutan dan lahan dari satelit. Berbeda dengan daerah-daerah di

Sumatera, wilayah Kalimantan memiliki daerah-daerah yang termasuk rawan

kebakaran hutan dan lahan dengan puncak jumlah titik panas yang hampir sama,

1
yaitu bulan Agustus sampai September. Jumlah titik panas akan benar- benar

berkurang mulai Oktober, karena mulai bulan tersebut curah hujan meningkat.

Provinsi Kalimantan Tengah merupakan urutan frekuensi kebakaran

tertinggi pada Pulau Kalimantan dengan jumlah titik panas sebanyak 223 titik

panas yang dilanjutkan dengan Provinsi Kalimantan Timur sebanyak 152 titik

panas, Provinsi Kalimantan Barat sebanyak 45 jumlah titik panas, serta yang

terakhir Provinsi Kalimantan Selatan sejumlah 34 titik panas dari hasil pantauan

pada bulan September 2001 dengan menggunakan satelit NOAA-AVHRR

(National Oceanic and Atmospheric Administration - Advanced Very High

Resolution Radiometer) (Dewanti, 2001; hal 26). Sedangkan berdasarkan

penyebarannya dalam periode Juli sampai November pada tahun 2006, jumlah

titik panas yang tercatat menurut data satelit NOAA 12 (National Oceanic and

Atmospheric Administration) masih dipimpin oleh Provinsi Kalimantan Tengah

sebanyak 46.285 titik panas, diikuti oleh Kalimantan Barat 28.061 titik panas,

Sumatera Selatan 21.030 titik panas, dan Riau sebanyak 10.784 titik panas (Fire

Bulletin, 2007; hal 1).

Pemanfaatan sarana penginderaan jauh adalah cara yang efisien dalam

memantau dan mendeteksi kebakaran hutan atau lahan untuk skala wilayah yang

luas. Dalam Pemanfaatan Data Penginderaan Jauh untuk Pemantauan dan Analisis

Sebaran Titik Panas (Studi Kasus: Provinsi Kalimantan Tengah) ini

memanfaatkan teknologi penginderaan jauh dengan menggunakan data dari satelit

Terra dengan sensornya MODIS (Moderate Resolution Imaging

spectroradiometer) yang merupakan citra satelit hiperspektral generasi baru di

2
gunakan untuk pengamatan daratan dan perairan. Selain itu dalam Pemanfaataan

Data Penginderaan Jauh untuk Pemantauan dan Analisis Sebaran Ttik Panas

(Studi Kasus: Provinsi Kalimantan Tengah) sekaligus melakukan proses

pengolahan sehingga menghasilkan titik panas, untuk mengetahui jenis

penggunaan lahan yang terbakar digunakan peta digital klasifikasi tutupan lahan

yang bersumber dari Departemen Kehutanan dan untuk mengetahui informasi

lokasi keberadaan titik panas digunakan peta digital batas administrasi

berdasarkan Kabupaten yang berasal dari Bakosurtanal (Badan Koordinasi Survei

dan Pemetaan Nasional).

1.2 PERUMUSAN MASALAH

Masalah yang dibahas dalam Pemanfaatan Data Penginderaan Jauh

untuk Pemantauan dan Analisis Sebaran Titik Panas (Studi Kasus: Provinsi

Kalimantan Tengah) adalah:

1. Bagaimana mendeteksi titik panas dan lokasinya dari data satelit?

2. Bagaimana penyebaran titik panas pada tiap kabupaten selama 1

bulan?

3. Bagaimana mengetahui area atau tutupan lahan yang terbakar?

3
1.3 BATASAN MASALAH

Batasan masalah di dalam Pemanfaatan Data Penginderaan Jauh untuk

Pemantauan dan Analisis Sebaran Titik Panas (Studi Kasus: Provinsi Kalimantan

Tengah) adalah:

1. Batasan daerah yang diteliti hanya pada Provinsi Kalimantan

Tengah.

2. Waktu yang diteliti selama 1 bulan di bulan September 2007.

3. Sumber data utama yang digunakan yaitu data satelit Terra dengan

sensornya MODIS (Moderate Resolution Imaging

Spectroradiometer).

1.4 TUJUAN DAN MANFAAT

1.4.1 Tujuan

Pemanfaatan Data Penginderaan Jauh untuk Pemantauan dan

Analisis Sebaran Titik Panas (Studi Kasus: Provinsi Kalimantan Tengah)

bertujuan untuk mengetahui terdeteksinya titik panas dan lokasinya dari data

satelit sehingga dapat diperoleh informasi spasial penyebaran titik panas.

4
1.4.2 Manfaat

Manfaat-manfaat yang diperoleh dari Pemanfaatan Data

Penginderaan Jauh untuk Pemantauan dan Analisis Sebaran Titik Panas

(Studi Kasus: Provinsi Kalimantan Tengah) adalah:

1. Memudahkan mendeteksi titik panas secara penginderaan jauh

dengan satelit khususnya untuk daerah yang luas seperti

Kalimantan Tengah.

2. Hal ini akan mempermudah pemadamannya bila diketahui titik

panas pada area tertentu masih kecil.

3. Dapat dilakukan perencanaan terhadap kerusakan-kerusakan

hutan akibat kebakaran hutan atau lahan dan pencegahan

adanya penyebaran asap.

1.5 SISTEMATIKA PENULISAN

Secara garis besar, penulisan skripsi ini terbagi menjadi 5 (lima) bab,

yaitu:

BAB I: PENDAHULUAN

Bab ini mengemukakan mengenai latar belakang yaitu alasan mengapa topik atau

masalah ini dipilih, serta terdapat perumusan masalah yang memaparkan secara

ringkas dan jelas tentang permasalahan utama penelitian, batasan masalah yaitu

aspek-aspek apa saja yang dikaji dalam penelitian ini, tujuan yaitu menjelaskan

hasil yang hendak dicapai setelah penelitian selesai, manfaat yaitu kontribusi yang

5
diberikan atas hasil penelitian, dan sistematika penulisan yaitu sistematika yang

direncanakan untuk penulisan skripsi.

BAB II: LANDASAN TEORI

Bab ini menguraikan tentang teori-teori yang digunakan sebagai landasan atau

dasar dari penulisan skripsi.

BAB III: METODOLOGI PENELITIAN

Dalam bab ini menjelaskan alur pola pikir penelitian, alat dan bahan yang

digunakan, waktu dan tempat penelitian, pengumpulan data, pengolahan data yang

mencakup beberapa proses didalamnya seperti menghasilkan titik panas dengan

algoritma mod14, input nilai pada program imapp2bin dan mod2rect, pemotongan

citra (cropping), kemudian lakukan pembuatan layout.

BAB IV: HASIL DAN PEMBAHASAN

Pada bab ini menguraikan hasil dan pembahasan dari Pemanfaatan Data

Penginderaan Jauh untuk Pemantauan dan Analisis Sebaran Titik Panas (Studi

Kasus: Provinsi Kalimantan Tengah).

BAB V: PENUTUP

Bab ini menguraikan kesimpulan dan saran dari Pemanfaatan Data Penginderaan

Jauh untuk Pemantauan dan Analisis Sebaran Titik Panas (Studi Kasus: Provinsi

Kalimantan Tengah).

6
BAB II

LANDASAN TEORI

2.1 PROVINSI KALIMANTAN TENGAH

2.1.1 Keadaan Geografis

Provinsi Kalimantan Tengah secara geografis terletak di daerah

khatulistiwa, yaitu 00 45’ LU sampai 30 30’ LS, 1110 BT sampai 1160 BT

(Portal Nasional REPUBLIK INDONESIA, 2006). Provinsi Kalimantan

Tengah merupakan Provinsi terluas nomor 4 (empat) setelah Provinsi Irian

Jaya Barat, Provinsi Papua, dan Provinsi Kalimantan Timur. Provinsi ini

dihuni oleh 1.958.428 jiwa dengan tingkat kepadatan penduduk sebesar 12

jiwa/Km2 (Kalimantan Tengah, 2006). Luas wilayah Provinsi Kalimantan

Tengah 157.983 Km2 mencakup 13 Kabupaten dan 1 Kota dengan 85

Kecamatan terdiri dari 1.340 Desa dan 101 Kelurahan. Jumlah Kecamatan

akan meningkat seiring dengan pemekaran Kabupaten tersebut (Portal

Nasional REPUBLIK INDONESIA, 2006).

Semula, daerah Kalimantan Tengah terdiri dari tiga Kabupaten

Otonom berasal dari eks Daerah Dayak Besar dan Swapraja Kotawaringin

yang termasuk dalam wilayah Keresidenan Kalimantan Selatan. Ketiga

Kabupaten otonom itu adalah Kabupaten Barito, Kabupaten Kapuas dan

Kabupaten Kotawaringin (Portal Nasional REPUBLIK INDONESIA, 2006).

7
Pemekaran daerah otonom Kabupaten dan Kota terjadi dalam masa

Provinsi Kalimantan Tengah menjadi daerah otonom (Portal Nasional

REPUBLIK INDONESIA, 2006). Kabupaten Barito dimekarkan menjadi

Kabupaten Barito Utara dan Barito Selatan, sedangkan Kabupaten

Kotawaringin dimekarkan menjadi Kabupaten Kotawaringin Barat dan

Kabupaten Kotawaringin Timur. Sementara itu, daerah otonom Kota

diberikan kepada Palangka Raya sebagai ibukota Provinsi Kalimantan

Tengah.

Sejak tahun 2002 lalu, dengan diterbitkannya Undang-undang

Nomor 5 Tahun 2002, telah berlangsung pemekaran wilayah, ditambah 8

(delapan) Kabupaten baru, sehingga jumlahnya saat ini menjadi 13

Kabupaten dan 1 (satu) Kota, yaitu (Portal Nasional REPUBLIK

INDONESIA, 2006): (1))Kabupaten Kapuas, (2) Kabupaten Kotawaringin

Timur, (3) Kabupaten Kotawaringin Barat, (4) Kota Palangka Raya, (5)

Kabupaten Katingan dengan ibukotanya Kasongan, (6) Kabupaten Barito

Selatan, (7) Kabupaten Pulang Pisau dengan ibukotanya Pulang Pisau, (8)

Kabupaten Seruyan dengan ibukotanya Kuala Pembuang, (9) Kabupaten

Barito Utara, (10) Kabupaten Barito Timur dengan ibukotanya Tamiyang

Layang, (11) Kabupaten Murung Raya dengan ibukotanya Puruk Cahu, (12)

Kabupaten Gunung Mas dengan ibukotanya Kuala Kurun, (13) Kabupaten

Lamandau dengan ibukotanya Nanga Bulik, dan (14) Kabupaten Sukamara

dengan ibukotanya Sukamara.

8
2.1.2 Titik Panas di Provinsi Kalimantan Tengah

Provinsi Kalimantan Tengah merupakan urutan frekuensi

kebakaran tertinggi pada Pulau Kalimantan dengan jumlah titik panas

sebanyak 223 titik panas yang dilanjutkan dengan Provinsi Kalimantan

Timur sebanyak 152 titik panas, Provinsi Kalimantan Barat sebanyak 45

jumlah titik panas, serta yang terakhir Provinsi Kalimantan Selatan sejumlah

34 titik panas dari hasil pantauan pada bulan September 2001 dengan

menggunakan satelit NOAA-AVHRR (National Oceanic and Atmospheric

Administration - Advanced Very High Resolution Radiometer) (Dewanti,

2001; hal 26).

Sedangkan berdasarkan penyebarannya dalam periode Juli sampai

November pada tahun 2006, jumlah titik panas yang tercatat menurut data

satelit NOAA 12 (National Oceanic and Atmospheric Administration) masih

dipimpin oleh Provinsi Kalimantan Tengah sebanyak 46.285 titik panas,

diikuti oleh Kalimantan Barat 28.061 titik panas, Sumatera Selatan 21.030

titik panas, dan Riau sebanyak 10.784 titik panas (Fire Bulletin, 2007; hal

1).

2.2 SISTEM INFORMASI GEOGRAFIS

2.2.1 Konsep Dasar Sistem

Penggunaan kata sistem sering dimaksudkan untuk menyatakan

kelengkapan sesuatu yang kompleks, bahwa semua bagian yang ada adalah

merupakan bagian keseluruhan dalam bentuk sistem. Pengertian sistem

9
dalam kaitan dengan SIG (Sistem Informasi Geografis) adalah keterkaitan

antara berbagai komponen seperti komputer dengan berbagai bagiannya

yang bervariasi, perangkat lunak yang rancangannya juga berbeda-beda, dan

informasi serta proses-proses analisis yang secara implisit tercakup

didalamnya (Barus dan Wiradisastra, 2000; hal 3). Sistem merupakan

integrasi pemakai dengan sarana atau alat untuk menghasilkan informasi,

untuk mendukung operasi, manajemen, analisis dan pengambil keputusan

dalam suatu organisasi (Meijerink et.al., 1994).

2.2.2 Konsep Dasar Sistem Informasi

Sistem informasi adalah suatu jaringan perangkat keras dan lunak

yang dapat menjalankan operasi perencanaan pengamatan dan pengumpulan

data, penyimpanan, dan analisis data, termasuk penggunaan informasi dalam

proses pengambilan keputusan (Barus dan Wiradisastra, 2000; hal 3). Fungsi

sistem informasi adalah sebagai sarana untuk meningkatkan kemampuan

seseorang dalam mengambil keputusan. Oleh karena itu peta merupakan

bagian dari sistem informasi spasial. Peta baru dianggap sebagai sistem

apabila sudah terjadi interaksi antara pemakai dengan peta itu sendiri.

2.2.3 Konsep Dasar SIG (Sistem Informasi Geografis)

SIG (Sistem Informasi Geografis) adalah suatu sistem informasi

yang dirancang untuk bekerja dengan data yang berreferensi spasial atau

berkoordinat geografi (Barus dan Wiradisastra, 2000; hal 3). Pendapat lain

mengenai SIG (Sistem Informasi Geografis) yaitu dapat diasosiasikan

sebagai peta yang berorde tinggi, yang juga mengoperasikan dan

10
menyimpan data non spasial (Star dan Estes, 1990). Disebutkan juga SIG

(Sistem Informasi Geografis) telah terbukti kehandalannya untuk

mengumpulkan, menyimpan, mengelola, menganalisa, dan menampilkan

data spasial baik biofisik maupun sosial ekonomi. Star dan Estes

mengemukakan bahwa secara umum SIG (Sistem Informasi Geografis)

menyediakan fasilitas-fasilitas untuk mengambil, mengelola, memanipulasi

dan menganalisa data serta menyediakan hasil baik dalam bentuk grafik

maupun dalam bentuk tabel, namun demikian fungsi utamanya adalah untuk

mengelola data spasial

Keuntungan SIG (Sistem Informasi Geografis) adalah kemampuan

untuk menyertakan data dari sumber berbeda untuk aplikasi deteksi

perubahan. Walaupun, penggabungan sumber data dengan perbedaan

akurasi sering mempengaruhi hasil deteksi perubahan. Pendekatan SIG

(Sistem Informasi Geografis) untuk menghitung dampak pengembangan

kota baru di Hong Kong, melalui integrasi data multi temporal foto udara

pada land use dan menemukan bahwa overlay citra dengan teknik masking

biner bermanfaat dalam menyatakan secara kuantitatif dinamika perubahan

pada masing-masing kategori landuse (Lo dan Shipman, 1990).

Banyak pendekatan aplikasi SIG (Sistem informasi Geografis)

terdahulu untuk deteksi perubahan yang difokuskan pada daerah urban. Ini

mungkin karena metoda deteksi perubahan tradisional sering menghasilkan

deteksi perubahan yang tidak benar karena kompleksitas landscape urban

dan model tradisional tidak bisa digunakan secara efektif menganalisa data

11
multi sumber. Sehingga, kekuatan fungsi SIG (Sistem Informasi Geografis)

memberikan alat untuk pengolahan data multi sumber dan efektif dalam

menangani analisa deteksi perubahan yang menggunakan data multi sumber.

Banyak penelitian difokuskan pada integrasi SIG (Sistem Informasi

Geografis) dan teknik penginderaan jauh yang diperlukan untuk analisis

deteksi perubahan yang lebih akurat.

2.2.4 Model Data Spasial di Dalam SIG (Sistem Informasi Geografis)

2.2.4.1 Model Data Raster

Model data raster menampilkan, menempatkan, dan

menyimpan data spasial dengan menggunakan struktur matriks atau

piksel-piksel yang membentuk grid (Prahasta, 2001; hal 146). Setiap

piksel atau sel ini memiliki atribut tersendiri, termasuk koordinatnya

yang unik. Akurasi model data ini sangat bergantung pada resolusi

atau ukuran pikselnya (sel grid) di permukaan bumi. Entity spasial

raster disimpan di dalam layers yang secara fungsionalitas

direlasikan dengan unsur-unsur petanya. Contoh sumber-sumber

entity spasial raster adalah citra satelit (misalnya NOAA, SPOT,

Landsat, Ikonos).

2.2.4.2 Model Data Vektor

Model data vektor menampilkan, menempatkan, dan

menyimpan data spasial dengan menggunakan titik, garis, atau

poligon beserta atributnya (Prahasta, 2001; hal 158). Bentuk-bentuk

dasar representasi data spasial ini, di dalam sistem model data vektor,

12
didefinisikan oleh sistem koordinat kartesian dua dimensi (x, y). Di

dalam model data spasial vektor, garis merupakan sekumpulan titik-

titik terurut yang dihubungkan. Sedangkan area atau poligon juga

disimpan sebagai sekumpulan list titik-titik, tetapi dengan catatan

bahwa titik awal dan titik akhir poligon memiliki nilai koordinat

yang sama (poligon tertutup sempurna).

2.3 PENGINDERAAN JAUH

2.3.1 Konsep Dasar Penginderaan Jauh

Penginderaan jauh (remote sensing) adalah ilmu dan seni untuk

memperoleh informasi tentang suatu obyek, daerah, atau fenomena melalui

analisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan

obyek, daerah, atau fenomena yang dikaji (Lillesand dan Kiefer, 1994 dalam

Purwadhi, 2001; hal 2).

Prinsip dasar penginderaan jauh (inderaja) adalah sumber energi

seperti yang terlihat pada gambar 2.1 dijelaskan bahwa dalam hal ini energi

matahari memancarkan gelombang elektromagnetik, apabila gelombang

tersebut mengenai permukaan bumi akan terjadi penyerapan dan pemantulan

gelombang (Sutanto, 1994; hal 54). Dan ada pula energi yang diserap

dipancarkan dalam bentuk panas, dimana semua gelombang elektromagnetik

tersebut kemudian direkam oleh sensor. Setiap objek di bumi memiliki daya

pantul yang bervariasi, sehingga berdasarkan tinggi rendahnya gelombang

elektromagnetik yang terpantul, objek tersebut dapat dideteksi.

13
Gambar 2.1 Sistem penginderaan jauh

2.3.2 Komponen Sistem Penginderaan Jauh

Energi elektromagnetik adalah sebuah komponen utama dari

kebanyakan sistem penginderaan jauh untuk lingkungan hidup yaitu sebagai

medium untuk pengiriman informasi dari target kepada sensor (Yaslinus,

2002). Energi elektromagnetik merambat dalam gelombang dengan

beberapa karakter yang bisa diukur yaitu: panjang gelombang atau

wavelength, frekuensi, amplitudo, dan kecepatan. Amplitudo adalah tinggi

gelombang, sedangkan panjang gelombang adalah jarak antara dua puncak

(Yaslinus, 2002).

Gambar 2.2 Energi elektromagnetik

14
Energi elektromagnetik dipancarkan atau dilepaskan oleh semua

masa di alam semesta pada level yang berbeda-beda. Semakin tinggi level

energi dalam suatu sumber energi, semakin rendah panjang gelombang dari

energi yang dihasilkan, dan semakin tinggi frekuensinya. Perbedaan

karakteristik energi gelombang digunakan untuk mengelompokkan energi

elektromagnetik.

Susunan semua bentuk gelombang elektromagnetik berdasarkan

panjang gelombang dan frekuensinya disebut spektrum elektromagnetik

(Yaslinus, 2002). Spektrum elektromagnetik merupakan berkas dari tenaga

elektromagnetik, yang meliputi spektra kosmis, Gamma, X, ultraviolet,

tampak, inframerah, gelombang mikro, dan gelombang radio (Purwadhi,

2001; hal 3). Gambar spektrum elektromagnetik di bawah pada gambar 2.3

disusun berdasarkan panjang gelombang (diukur dalam satuan μm)

mencakup kisaran energi yang sangat rendah, dengan panjang gelombang

tinggi dan frekuensi rendah, seperti gelombang radio sampai ke energi yang

sangat tinggi, dengan panjang gelombang rendah dan frekuensi tinggi seperti

radiasi X-ray dan Gamma Ray. Beberapa contoh kelompok energi pada

spektrum elektromagnetik yaitu:

1. Radio merupakan energi yang termasuk dalam bentuk level

energi elektromagnetik terendah dengan kisaran panjang

gelombang dari ribuan Kilometer sampai kurang dari satu

Meter. Penggunaan paling banyak adalah komunikasi, untuk

meneliti luar angkasa dan sistem radar. Radar berguna untuk

15
mempelajari pola cuaca, badai, membuat peta 3D permukaan

bumi, mengukur curah hujan, pergerakan es di daerah kutub

dan memonitor lingkungan. Panjang gelombang radar

berkisar antara 0,8 Centimeter sampai 100 Centimeter.

2. Microwave: panjang gelombang radiasi microwave berkisar

antara 0,3 Centimeter sampai 300 Centimeter.

Penggunaannya terutama dalam bidang komunikasi dan

pengiriman informasi melalui ruang terbuka, memasak, dan

sistem penginderaan jauh aktif. Pada sistem penginderaan

jauh aktif, pulsa microwave ditembakkan kepada sebuah

target dan refleksinya diukur untuk mempelajari karakteristik

target. Sebagai contoh aplikasi adalah TRMM (Tropical

Rainfall Measuring Mission’s) TMI (Microwave Imager),

yang mengukur radiasi microwave yang dipancarkan dari

spektrum elektromagnetik energi elektromagnetik atmosfer

bumi untuk mengukur penguapan, kandungan air di awan dan

intensitas hujan.

3. Inframerah atau infrared: radiasi inframerah atau infrared bisa

dipancarkan dari sebuah obyek ataupun dipantulkan dari

sebuah permukaan. Pancaran inframerah atau infrared

dideteksi sebagai energi panas dan disebut thermal infrared.

Energi yang dipantulkan hampir sama dengan energi sinar

nampak dan disebut dengan reflected IR atau near IR karena

16
posisinya pada spektrum elektromagnetik berada di dekat

sinar nampak. Panjang gelombang near IR atau reflected IR

berkisar antara 0,7 μm sampai 3 μm, sedangkan panjang

gelombang thermal IR berkisar antara 3 μm sampai 15 μm.

Untuk aplikasi penginderaan jauh lingkungan hidup

menggunakan citra Landsat, Reflected IR pada band 4 (near

IR), band 5,7 (Mid IR) dan thermal IR pada band 6,

merupakan karakteristik utama untuk interpretasi citra.

Sebagai contoh, gambar 2.4 menunjukkan suhu permukaan

laut global (dengan thermal IR) dan sebaran vegetasi (dengan

near IR).

4. Visible: posisi sinar nampak pada spektrum elektromagnetik

adalah di tengah. Tipe energi ini bisa dideteksi oleh mata

manusia, film dan detektor elektronik. Panjang gelombang

berkisar antara 0,4 μm sampai 0,7 μm. Perbedaan panjang

gelombang dalam kisaran ini dideteksi oleh mata manusia

dan oleh otak diterjemahkan menjadi warna. Gambar 2.5

adalah contoh komposit dari citra Landsat 7.

5. Radiasi ultraviolet, X-Ray, Gamma Ray berada dalam urutan

paling kiri pada spektrum elektromagnetik. Tipe radiasinya

berasosiasi dengan energi tinggi, seperti pembentukan

bintang, reaksi nuklir, ledakan bintang. Panjang gelombang

radiasi ultraviolet berkisar antara 0,3 μm sampai 0,4 μm.

17
Radiasi UV bisa dideteksi oleh film dan detektor elektronik,

sedangkan X-ray dan Gamma-ray diserap sepenuhnya oleh

atmosfer, sehingga tidak bisa diukur dengan penginderaan

jauh.

Gambar 2.3 Spektrum elektromagnetik

Gambar 2.4 Inframerah

18
Gambar 2.5 Citra Landsat komposit

2.4 KARAKTERISTIK CITRA

Dalam penginderaan jauh, citra berkaitan dengan representasi pictorial

tanpa peduli media apa yang digunakan untuk mendeteksi dan merekam energi

elektromagnetik (Samsuri, 2004; hal 3). Pendapat lain mengemukakan bahwa

secara definitif citra penginderaan jauh adalah gambaran suatu obyek dari

pantulan atau pancaran radiasi elektromagnetik obyek, yang direkam dengan cara

optik, elektro optik, optik mekanik, atau elektronik (Purwadhi, 2001; hal 22).

Normalnya foto dapat direkam diluar dari range panjang gelombang 0,3 μm

sampai 0,9 μm. Semua foto dapat dikategorikan sebagai citra tetapi tidak semua

citra dapat dikatakan foto.

Sebuah citra terbentuk dalam format digital yang tersusun dari beberapa

unsur gambar atau disebut piksel (Samsuri, 2004; hal 3). Tingkat kecerahan piksel

ini direpresentasikan oleh nilai numerik atau DN (Digital Number) pada masing-

masing piksel. Sensor secara elektronik merekam energi elektromagnetik sebagai

sekumpulan DN (Digital Number) yang akan menyusun gambar.

19
2.5 KARAKTERISTIK CITRA SATELIT SECARA UMUM

Untuk informasi yang detail (skala besar) dapat menggunakan citra

satelit Quickbird, Ikonos, dan SPOT. Untuk informasi regional (skala menengah)

dapat menggunakan citra satelit SPOT, Aster, dan Landsat. Untuk informasi

global (skala kecil) dapat menggunakan citra satelit NOAA (National Oceanic

and Atmospheric Administration) dan MODIS (Moderate Resolution Imaging

spectroradiometer). Salah satu satelit yang sangat terkenal adalah satelit NOAA-

AVHRR (National Oceanic and Atmospheric Administration – Advanced Very

High Resolution radiometer) yang dikembangkan oleh lembaga antariksa

Amerika NASA sejak tahun 1978 untuk pemantauan iklim dan kelautan global

(Anonim, 2007).

2.5.1 Resolusi Spasial

Resolusi spasial adalah ukuran obyek terkecil yang masih dapat

disajikan, dibedakan, dan dikenali pada citra (Purwadhi, 2001, hal 18).

Semakin kecil ukuran obyek yang dapat direkam, semakin baik kualitas

sensornya. Contoh: bila sebuah sensor memiliki resolusi spasial 20 meter,

maka citra yang dihasilkannya ditampilkan dengan resolusi penuh, maka

setiap piksel mewakili luasan area 20 x 20 meter di lapangan. Semakin

tinggi resolusinya, maka semakin kecil area yang dapat dicakupnya. Contoh

lain seperti satelit NOAA (National Oceanic and Atmospheric

Administration) yang merupakan satelit yang berfungsi mengamati

lingkungan dan cuaca dengan ketinggian 850 Kilometer. Luas liputan

AVHRR (Advanced Very High Resolution radiometer) setara dengan 3000 x

20
3000 Kilometer permukaan bumi. Kelebihan lainnya, sensor AVHRR

(Advanced Very High Resolution radiometer) dapat dimanfaatkan dalam

pemantauan kondisi lingkungan suatu areal pengamatan secara kontinyu

dalam suatu periode.

2.5.2 Resolusi Spektral

Resolusi spektral merupakan daya pisah obyek berdasarkan

besarnya spektrum elektromagnetik yang digunakan untuk perekaman data

(Purwadhi, 2001; hal 19). Semakin sempit panjang gelombang, resolusi

spektral akan menjadi semakin tinggi, sebagai contoh dapat dilihat tabel 2.1.

Tabel 2.1 Karakteristik sensor AVHRR dan fungsi masing-masing band

pada NOAA

Band Spektrum Radiasi Panjang Pemanfaatan

Gelombang

(μm)

1 Visibel 0,58 – 0,68 Berpotensi dalam perhitungan

albedo permukaan bumi dan puncak

awan, mendeteksi kondisi

permukaan darat dan laut,

memantau kondisi vegetasi,

mendeteksi lapisan salju dan es di

muka bumi dan mendeteksi jenis

awan tertentu

21
Tabel 2.1 (lanjutan)

Band Spektrum Radiasi Panjang Pemanfaatan

Gelombang

(μm)

2 Inframerah dekat 0,728 – 1,10 Berpotensi dalam

pemantauan kondisi vegetasi,

deteksi es dan salju di muka

bumi, dan komputasi albedo

permukaan bumi atau puncak

awan

3B Inframerah sedang 3,550 – 3,930 Digunakan dalam estimasi

temperatur permukaan laut

atau darat, mendeteksi

distribusi awan pada

pengamatan malam hari,

mendeteksi daerah hutan

yang rawan kebakaran dan

mendeteksi titik panas

22
Tabel 2.1 (lanjutan)

Band Spektrum Radiasi Panjang Pemanfaatan

Gelombang

(μm)

4 Inframerah jauh 10,30 – 11,30 Berpotensi dalam ekstraksi

parameter temperatur

permukaan bumi atau laut,

mendeteksi awan,

mengestimasi temperatur

puncak awan dan

pemantauan bencana alam

seperti letusan gunung

berapi

5 Inframerah jauh 11,50 – 12,50 Berpotensi dalam ekstraksi

parameter temperatur

permukaan bumi atau laut,

mendeteksi awan,

mengestimasi temperatur

puncak awan dan

pemantauan bencana alam

seperti letusan gunung

berapi

23
2.5.3 Resolusi Temporal

Resolusi temporal ditunjukkan dengan seringnya citra merekam

suatu daerah yang sama (Samsuri, 2004; hal 4). Contoh : jika citra Landsat

TM melewati suatu daerah yang sama sebanyak 16 hari sekali, sedangkan

NOAA (National Oceanic and Atmospheric Administration) dapat 2 kali

sehari melewati daerah yang sama di permukaan bumi. Oleh kerena itu

resolusi temporal NOAA (National Oceanic and Atmospheric

Administration) lebih tinggi daripada Landsat TM.

2.5.4 Resolusi Radiometrik

Resolusi radiometrik ditunjukkan oleh jumlah nilai data yang

dimungkinkan pada setiap band (Samsuri, 2004; hal 4). Hal ini ditunjukkan

dengan jumlah bit perekaman. Contoh pada Landsat TM mencakup 8 bit,

sehingga jumlah nilai data pada spektral untuk setiap piksel adalah 0 sampai

255. Untuk satelit NOAA (National Oceanic and Atmospheric

Administration) mencakup 10 bit, sehingga jumlah nilai data pada spektral

untuk setiap piksel adalah 0 sampai 1.023. Resolusi ini lebih tinggi

dibanding dengan Landsat TM.

2.6 KARAKTERISTIK CITRA SATELIT TERRA-MODIS

Pada tahun 1999, NASA (National Aeronautics and Space

Administration) meluncurkan satelit Terra dan Aqua yang membawa sensor

MODIS (Moderate Resolution Imaging Spectro-radiometer). Kedua satelit

24
tersebut melengkapi sistem pemantauan titik panas menggunakan satelit, sehingga

dapat diperoleh informasi pada jam-jam yang berbeda.

MODIS (Moderate Resolution Imaging spectroradiometer) adalah

sensor utama pada satelit Terra dan satelit Aqua yang mengorbit bumi secara

polar (arah utara selatan) pada ketinggian 705 Kilometer dan melewati garis

khatulistiwa pada jam 10:30 dan pada jam 22:30 waktu lokal (Justice, 2006; hal

1). Lebar cakupan lahan pada permukaan bumi setiap putarannya sekitar 2330

Kilometer. Pantulan gelombang elektromagnetik yang diterima sensor MODIS

(Moderate Resolution Imaging spectroradiometer) sebanyak 36 band (36 interval

panjang gelombang), mulai dari 0,620 μm sampai 14,385 μm (1 μm = 1/1.000.000

meter).

MODIS (Moderate Resolution Imaging spectroradiometer) merupakan

citra satelit hiperspektral generasi baru di gunakan untuk pengamatan daratan dan

perairan. Citra satelit MODIS (Moderate Resolution Imaging spectroradiometer)

merupakan salah satu sensor yang dimiliki oleh EOS (Earth Observing System)

dan dibawa oleh dua wahana yaitu Terra yang diluncurkan pada 18 Desember

1999 dan Aqua pada tanggal 4 Mei 2002 (Darmawan, 2006). Sensor MODIS

(Moderate Resolution Imaging spectroradiometer) merupakan turunan dari sensor

AVHRR (Advanced Very High Resolution Radiometer), SeaWIFS (Sea Viewing

Wide Field of view sensor), dan HIRS (High Resolution Imaging Spectrometer)

yang dimiliki EOS yang sebelumnya telah mengorbit (Darmawan, 2006).

Layaknya sebuah kamera, satelit-satelit tersebut menangkap citra atau

memotret bumi dengan sensor-sensor optiknya. Namun sensor yang digunakan

25
memotret bumi dengan gelombang infra merah dan termal infra merah, karena itu

suhu permukaan bumilah yang terpantau oleh sensor tersebut. Dengan berbagai

formula yang diterapkan di berbagai stasiun pemantau, jumlah titik panas yang

terpantau juga cenderung berbeda-beda. Sebagai contoh data titik panas NOAA

(National Oceanic and Atmospheric Administration) menerapkan ambang batas

3180 Kelvin (0Kelvin = 0Celcius + 273) atau setara dengan 450 Celcius (Anonim,

2007). Artinya adalah jika suatu daerah yang dipantau oleh satelit memiliki suhu

diatas ambang batas tersebut, maka areal tersebut terdeteksi sebagai titik panas.

Sementara itu MODIS (Moderate Resolution Imaging spectroradiometer)

menerapkan ambang batas suhu yang lebih tinggi yaitu sebesar 3200 Kelvin atau

sekitar 470 Celcius (Anonim, 2007). Sehingga secara teori, jumlah titik panas

NOAA (National Oceanic and Atmospheric Administration) yang cenderung lebih

banyak dibandingkan data titik panas MODIS (Moderate Resolution Imaging

spectroradiometer), jika waktu pemantauannya sama. Namun demikian

pemantauan kebakaran melalui satelit juga memiliki beberapa kelemahan. Sensor

optik satelit-satelit tersebut tidak mampu menembus awan, sehingga kebakaran

yang terjadi di bawahnya tidak dapat terdeteksi.

Adapun kelebihan dari MODIS (Moderate Resolution Imaging

spectroradiometer) berupa kalibrasi radiometrik, spasial dan spektral dilakukan

waktu mengorbit, peningkatan akurasi atau presisi radiometrik dan peningkatan

akurasi posisi geografis. Dikarenakan resolusi spasial citra satelit MODIS

(Moderate Resolution Imaging spectroradiometer) hanya mampu menghasilkan

informasi dengan skala global (1:500.000 s.d. 1:1.000.000). MODIS (Moderate

26
Resolution Imaging spectroradiometer) memiliki beberapa kelebihan dibanding

NOAA-AVHRR (National Oceanic and Atmospheric Administration – Advanced

Very High Resolution radiometer). Diantara kelebihannya adalah lebih banyaknya

spektral panjang gelombang (resolusi radiometrik) dan lebih telitinya cakupan

lahan (resolusi spasial) (Mustafa, 2004). Sensor MODIS (Moderate Resolution

Imaging spectroradiometer) dapat digunakan dalam riset untuk pendeteksian

kebakaran hutan, pendeteksian perubahan tutupan lahan dan pengukuran suhu

permukaan bumi.

2.6.1 Resolusi Spasial

Kelebihan dari sensor MODIS (Moderate Resolution Imaging

spectroradiometer) dibandingkan dengan sensor global lainnya adalah

dalam hal resolusi spasial 250 meter, 500 meter dan 1 Kilometer (Steber,

2007; hal 6). Resolusi spasial citra satelit MODIS (Moderate Resolution

Imaging spectroradiometer) hanya mampu menghasilkan informasi dengan

skala global (1:500.000 sampai dengan 1:1.000.000) (Darmawan, 2006).

2.6.2 Resolusi Spektral

MODIS (Moderate Resolution Imaging spectroradiometer)

mempunyai 36 band atau saluran spektral dapat dilihat pada tabel 2.2, yang

terbagi menjadi 2 (dua) gelombang yaitu gelombang reflektif dan

gelombang emisif. Gelombang Reflektif cocok untuk mengamati daratan

yang membutuhkan transmisi atmosfer tinggi, sedangkan gelombang emisif

cocok untuk mengamati daratan yang membutuhkan penyerapan atmosfer

rendah (Steber, 2007; hal 8). Namun band atau saluran spektral MODIS

27
(Moderate Resolution Imaging spectroradiometer) yang dapat digunakan

untuk mendeteksi kebakaran aktif terdapat pada tabel 2.3.

Tabel 2.2 MODIS mempunyai 36 saluran spektral untuk memotret darat,


laut, dan atmosfer dari jarak jauh (Steber, 2007)
Gelombang Reflektif
Panjang Gelombang
Band (µm) Penggunaan
1, 2 0.645, 0.865 Vegetasi darat atau batas awan
3, 4 0.470, 0.555 Darat atau properti awan
5-7 1.24, 1.64, 2.13 Darat atau properti awan
8 - 10 0.415, 0.443, 0.490 Warna laut atau klorofil
11 - 13 0.531, 0.565, 0.653 Warna laut atau klorofil
14 - 16 0.681, 0.75, 0.865 Warna laut atau klorofil
17 - 19 0.905, 0.936, 0.940 Penguapan air atmosfer
26 1.375 Awan cirrus

Gelombang Emisif
Panjang Gelombang
Band (µm) Penggunaan
20 – 23 3.750, 3.959(2), 4.050 Suhu permukaan atau awan
24, 25 4.465, 4.515 Suhu atmosfer
27, 28 6.715, 7.325 Uap air
29 8.550 Suhu permukaan atau awan
30 9.730 Ozon
31, 32 11.030, 12.020 Suhu permukaan atau awan
33 – 34 13.335, 13.635 Properti puncak awan
35 – 36 13.935, 14.235 Properti puncak awan

28
Tabel 2.3 Saluran MODIS dapat digunakan untuk mendeteksi kebakaran
aktif (Steber, 2007)
Band Panjang Kegunaan Saluran
Gelombang
(µm)
1 0,620 – 0,670 Menolak sunglint, menolak tanda kebakaran
palsu dan balutan awan
2 0,841 – 0,876 Menolak sunglint, menolak tanda kebakaran
palsu dan balutan awan
7 2,105 – 2,155 Menolak sunglint dan menolak tanda
kebakaran palsu
20 3,660 – 3,840 Saluran jangkauan untuk deteksi kebakaran
aktif (3300 Kelvin)
21 3,929 – 3,989 Saluran jangkauan tinggi untuk deteksi
kebakaran aktif (5000 Kelvin)
22 3,929 – 3,989 Saluran jangkauan rendah untuk deteksi
kebakaran aktif (3310 Kelvin)
31 10,780 – 11,280 Latar belakang suhu untuk deteksi kebakaran
tertentu dan balutan awan (3400 Kelvin)
32 11,770 – 12,270 Balutan awan (3880 Kelvin)

Kurva pada gambar 2.6 menunjukkan adanya pergeseran puncak

distribusi radiasi benda hitam ke arah panjang gelombang yang semakin

pendek apabila suhunya naik (Lillesand dan Kiefer, 1997; hal 7). Dapat

diketahui bahwa panjang gelombang dengan pancaran maksimum

berbanding terbalik terhadap suhu absolut benda pemancarnya. Contohnya

apabila sebuah logam seperti sepotong besi dipanasi, ketika besi tersebut

bertambah panas, benda tersebut mulai bersinar dan warnanya berubah

29
secara berurutan ke arah panjang gelombang yang pendek, yaitu dari warna

merah bata ke arah oranye, kuning, dan kadang-kadang ke arah warna putih.

Gambar 2.6 Panjang gelombang yang cocok untuk mendeteksi kebakaran

Matahari memancarkan dengan cara yang sama seperti sebuah

radiator benda hitam, kurva pancaran matahari dengan suhu 60000 Kelvin

mencapai radiasi maksimum pada panjang gelombang 0,5 μm (Lillesand dan

Kiefer, 1997; hal 9). Oleh karena itu penginderaan jauh yang menggunakan

matahari sebagai sumber tenaganya pada umumnya menggunakan spektrum

tampak di sekitar panjang gelombang 0,5 μm dan perluasannya. Sebaliknya

bagi suhu permukaan bumi (yaitu suhu permukaan obyek seperti tanah, air,

dan vegetasi) yang suhu rata-ratanya 3000 Kelvin, pancaran maksimum

tercapai pada panjang gelombang 9,7 μm. Oleh karena ini berkaitan dengan

30
panas obyek di bumi, maka disebut tenaga inframerah termal (Lillesand dan

Kiefer, 1997; hal 9).

Suhu kobaran api pada kebakaran liar biasanya sekitar 10000

Kelvin, namun karena satelit hanya mengukur area dengan luas 1 Km2 dan

ada pula penyerapan atmosfer, maka rata-rata suhunya sekitar 3000 Kelvin

sampai 5000 Kelvin. Dari gambar 2.6 diatas, dapat dilihat bahwa pancaran

maksimum pada suhu tersebut terjadi pada gelombang 4 mikrometer,

Gelombang ini terdapat pada sensor MODIS (Moderate Resolution Imaging

spectroradiometer) dan AVHRR (Advanced Very High Resolution

radiometer) yang dapat digunakan untuk mendeteksi kebakaran. Pancaran

radiasi darat, awan dan permukaan air pada panjang gelombang 4

mikrometer adalah antara 0,8 sampai 0,9 artinya bahwa bagian matahari

yang tidak memancar pada panjang gelombang ini akan direfleksikan dan

mempengaruhi sensor dan dapat menyebabkan deteksi kebakaran palsu.

Kesalahan seperti ini tidak terjadi pada malam hari. Algoritma otomatis

dapat menghitung semua faktor tersebut.

2.6.3 Resolusi Temporal

MODIS (Moderate Resolution Imaging spectroradiometer)

mampu mendatangi lokasi yang sama sebanyak 1 sampai 2 kali setiap

harinya dipermukaan bumi (Anonim, 2007). Untuk sebuah satelit pemantau

global, hal ini merupakan tingkat kunjungan dengan frekuensi tinggi atau

dikenal dengan resolusi temporal yang tinggi. Karena itu kita bisa

mendapatkan informasi penyebaran titik panas (hotspot) setiap hari. Hal

31
inilah yang menjadi salah satu alasan penting digunakannya citra satelit

dengan resoulsi temporal harian di dalam pemantauan kebakaran secara

global.

2.6.4 Resolusi Radiometrik

Data yang terkirim dari satelit Terra adalah dengan kecepatan 11

Mega bytes setiap detik dengan resolusi radiometrik 12 bit (Mustafa, 2004).

Artinya obyek dapat dideteksi dan dibedakan sampai 212 (4.096) derajat

keabuan (grey levels).

Peluang pemanfaatan data satelit generasi EOS (Earth Observing

System) (LAPAN, 2005):

1. Data satelit EOS (Earth Observing System) bersifat publik dan

ditransmisikan tanpa bayar ke semua stasiun di dunia.

2. Software akusisi dan pengolahan datanya bersifat “open source” dan

tersedia di berbagai website. Pengembangan modul aplikasinya di

sesuaikan dengan minat : institusi, universitas atau kelompok peneliti

di berbagai negara.

3. Sebagian algoritma dan software pengolahannya belum tervalidasi.

Sehingga update terus berlangsung (baik karena revisi algoritma,

validasi software maupun karena standarisasi format).

4. Modul pengolahan data dengan algoritma yang telah di validasi dan

bersifat “standalone” di publikasi melalui “Direct Broadcast”, dan

untuk yang dalam proses pengembangan atau validasi, softwarenya

di publikasi melalui “Institutional Algorithm”.

32
5. Hingga level tertentu, cukup ideal mengikuti perkembangan yang

ada melalui proses integrasi dan adaptasi yang disesuaikan dengan

kebutuhan.

Produk level 1B MODIS (Moderate Resolution Imaging

spectroradiometer) memiliki informasi geolokasi yang ditempatkan pada file

terpisah, sehingga tampilan citra akan ”tidak benar” bila menggunakan modul

penampil yang tidak mampu mengintegrasikan data citra dan informasi geometrik

secara bersamaan (LAPAN, 2005).

2.7 KARAKTERISTIK TITIK PANAS

Titik panas merupakan indikasi terjadinya kebakaran (WWF Indonesia,

2007). Titik panas menunjukkan bahwa daerah tersebut mengeluarkan panas

melebihi ambang batas yang sudah ditentukan sehingga tertangkap sensor panas

satelit.

Titik panas mempunyai nilai confidence yang dimaksudkan untuk

membantu para pemakai mengukur mutu masing-masing nilai piksel api (Giglio,

2007). Nilai confidence yang terkandung dalam MODIS (Moderate Resolution

Imaging Spectroradiometer) merupakan tingkatan-tingkatan rendah, sedang, dan

tinggi suatu nilai piksel api (Giglio, 2007). Nilai confidence ini mencakup antara 0

sampai dengan 100, dimana tingkatan rendah bernilai 0 sampai 30, tingkatan

sedang bernilai 30 sampai 80, dan tingkatan tinggi bernilai 80 sampai dengan 100.

33
Dapat digambarkan pola pikir pengolahan titik panas dengan

menggunakan beberapa persamaan seperti yang terlihat pada gambar 2.7 berikut.

Karena data yang dipancarkan satelit dalam bentuk digital yang disebut

radiometer count (DNk ), maka konversi radiansi (Lk) dari radiometer count (DNk)

dapat dilakukan melalui persamaan linier sebagai berikut: Lk (i, j) = Gk DNk (i, j) +

Ik. Sedangkan persamaan untuk konversi temperatur kecerahan dari radiansi

adalah sebagai berikut: Tbk = __ _ βk ____ .Dimana nilai koefisien Gain,


ln Lk (i, j)-αk
Intercept, αk dan βk didapat dari satelit.

34
Gambar 2.7 Pola pikir pengolahan

35
Keterangan:

k = kanal atau band

DNk (i, j) = radiometer count (latitude, longitude)

Lk (i, j) = radiansi (latitude, longitude)

Gk = koefisien Gain

Ik = Intercept

Tbk = suhu kecerahan (brightness temprorary)

αk dan βk = konstanta

Setelah didapat nilai suhu kecerahan (Tbk), selanjutnya adalah

menentukan lokasi dan distribusi titik panas harian menggunakan data MODIS

(Moderate Resolution Imaging Spectroradiometer) dengan memanfaatkan data

suhu kenampakan band 21 atau band 22 (T4) dan band 31 (T11). Adapun kriteria

penentuan titik panas yang digunakan adalah sebagai berikut:

• Bukan titik panas, apabila:

– T4 < 315° Kelvin (305° Kelvin pada malam hari) atau

– Δ T41 < 5° Kelvin (3° Kelvin pada malam hari)

• Titik panas, apabila satu dari lima kombinasi berikut dipenuhi:

– { [(T 4 > T4b + 4 δ T4b) atau T4 > 320° Kelvin (315° Kelvin pada malam

hari ) ] dan [( Δ T41> Δ T41b + 4δΔT4 1 b) atau ΔT41> 20° Kelvin (10°

Kelvin pada malam hari)] } atau

– {T4> 360° Kelvin (330° Kelvin pada malam hari) }

36
Dimana:

Δ T 41 = T 4 – T 11

T 4b = suhu kenampakan latar belakang (background temperature) band 4 µm,

................yaitu suhu kenampakan dari piksel-piksel sekitarnya (21 x 21 piksel)

δ T 4b = standard deviasi suhu kenampakan latar belakang band 4 µ m

Δ T 41b = T 4b – T 11b

2.8 KLASIFIKASI PENUTUPAN LAHAN

Penggunaan lahan adalah semua bentuk pemanfaatan lahan yang ada

secara alami maupun yang dibuat manusia yang ditujukan untuk memenuhi

kebutuhannya atas suatu bentang alam yang kompleks yang disebut lahan (Vink

dan Bahri, 1998). Sebagai contoh: semak belukar, tegalan atau ladang,

perkebunan, hutan, sawah, permukiman, rawa, dan lahan terbuka, penjelasannya

dapat dilihat pada tabel 2.4.

Tabel 2.4 Standard klasifikasi penutupan lahan hasil penafsiran citra satelit

Landsat untuk kepentingan kehutanan

Kodefikasi Kelas Penutupan Lahan Keterangan


2001 Hutan Seluruh kenampakan hutan alamiah
atau hasil tanaman manusia baik yang
berada didaratan maupun yang berada
di sekitar pantai
2007 Semak belukar Seluruh kenampakan bekas hutan yang
telah tumbuh kembali namun tidak
optimal

37
Tabel 2.4 (lanjutan)
Kodefikasi Kelas Penutupan Lahan Keterangan
2010 Perkebunan Seluruh kenampakan hamparan kebun
(perkebunan) yang sudah ditanami
2012 Permukiman Seluruh kenampakan permukiman,
baik perkotaan, perdesaan, industri,
dan fasilitas umum
2014 Lahan terbuka Pada umumnya merupakan daerah
tidak bervegetasi seperti lahan terbuka
bekas pembersihan lahan (land
clearing)
2500 Awan Seluruh kenampakan awan dan
bayangan awan
3000 Savanna (padang Seluruh kenampakan hamparan non
rumput) hutan alami berupa padang rumput
5001 Tubuh air Seluruh kenampakan perairan,
termasuk laut, sungai, danau, waduk,
dan terumbu karang
20091 Pertanian Lahan pertanian yang bersifat alam
maupun buatan manusia
20094 Tambak Seluruh kenampakan aktivitas
perikanan darat (ikan atau udang) atau
penggaraman yang dicirikan dengan
pola pematang (umumnya), serta
biasanya tergenang dan berada di
sekitar pantai
20121 Bandara Seluruh kenampakan bandara yang
berukuran besar dan memungkinkan
untuk didelineasi tersendiri

38
Tabel 2.4 (lanjutan)
Kodefikasi Kelas Penutupan Lahan Keterangan
20122 Transmigrasi Seluruh kenampakan areal
permukiman perdesaan (transmigrasi)
beserta pekarangan di sekitarnya
20141 Pertambangan Seluruh kenampakan lahan terbuka
yang digunakan untuk aktivitas
pertambangan terbuka (open pit)
seperti batubara, timah, dan tembaga.
Serta lahan pertambangan tertutup
skala besar yang dapat diidentifikasi
kenampakan obyeknya seperti tailing
ground (penimbunan limbah
penambangan)
50011 Rawa Seluruh kenampakan lahan rawa yang
sudah tidak berhutan (tidak ada
vegetasi pohon)

2.9 PERANGKAT LUNAK (SOFTWARE)

2.9.1 Penggunaan Software MODIS

Cygwin mempunyai tugas untuk menjalankan program

imapp2bin dan mod2rect (Steber, 2007; hal 64). Dimana program imapp2bin

ini berfungsi menyaring band yang diperlukan dari 4 file HDF (Hierarchical

Data Format), sedangkan program mod2rect berfungsi untuk memetakan

kembali band ke area yang terpilih.

39
2.9.2 Algoritma Mod14

Algoritma mod14 digunakan untuk pendeteksian titik panas

secara global (Steber, 2007; hal 31). Pengujian masing-masing piksel ini di

kelaskan sebagai berikut: data hilang, awan, air, bukan api, api, atau tak

dikenal. Apabila data pada band 22 hilang atau rusak dapat digantikan

dengan band 21 yang mempunyai saluran jangkauan tinggi untuk deteksi

kebakaran aktif. Waktu yang diperlukan saat menjalankan algoritma ini

yaitu sekitar 10 menit atau 20 menit.

Untuk mendeteksi titik api palsu (awan, sinar matahari, dan

permukaan berbayangan tinggi) dengan menggunakan mod14 dan anomali

panas lain untuk MODIS (Giglio, 2005), yaitu dengan band 21 dan band 22

yang dapat mengeluarkan pancaran radiasi kuat dari inframerah sedang.

2.9.3 HDFView 2.3

Format standard untuk produk MODIS (Moderate Resolution

Imaging Spectroradiometer) adalah HDF (Hierarchical Data Format)

(Steber, 2007; hal 54). Format ini dimaksudkan agar dapat membuat

dokumentasi sendiri, yaitu dengan "metadata" yang diimbuhkan didalam

setiap produk file nya. HDFView adalah suatu alat bantu berbasis Java

untuk file-file NCSA (The National Center for Supercomputing

Applications) HDF4 dan HDF5 (University of Illinois at Urbana-

Champaign, 2005). HDFView ini tersedia file HDF4 dan file HDF5,

disertai dengan file-file hirarki HDF (Hierarchical Data Format) yang

menyediakan akses efisien dan interaktif. HDFView merupakan alat

40
penghubung yang dirancang untuk memudahkan pemakai untuk

menggunakan data-data yang diperoleh dalam format HDF (Hierarchical

Data Format) yang termasuk dalam format level 1B.

2.9.4 ER Mapper 7.0

ER Mapper 7.0 adalah salah satu perangkat lunak (software)

pengolah data berbasis raster yang digunakan untuk mengolah data-data

citra atau satelit (geographic image processing product) sekaligus

merupakan produk dari Earth Resources Mapping, Australia (Hidayat, 2005;

hal 1). Pengolahan data citra merupakan suatu cara memanipulasi data citra

atau mengolah suatu data citra menjadi suatu keluaran (output) yang sesuai

dengan yang diharapkan.

2.9.5 Microsoft Excel 2003

Penggunaan Microsoft Excel 2003 ini adalah dengan

memanfaatkan format penyimpanannya sebagai database dengan tipe data

DBF 4 (dBASE IV), yang nantinya dapat dipanggil pada software ArcView

3.2 karena mendukung adanya format data dbf.

2.9.6 ArcView 3.2

Arcview 3.2 adalah salah satu perangkat lunak (software)

pengolah data berbasis vektor dan merupakan produk dari ESRI

(Environmental Systems Research Institute). Perangkat lunak (software) ini

dapat memberikan visualisasi, query, dan analisa secara spasial (keruangan).

Selain itu terdapat pula feature-feature dari arcview ini seperti pembuatan

41
layout, model overlay, serta pemanggilan data eksternal tertentu dengan

penambahan ekstention pendukungnya.

2.10 TELAAH PENELITIAN SEBELUMNYA

Beberapa penelitian yang sudah dilakukan berkaitan dengan titik panas

ataupun kebakaran hutan dan lahan, yaitu:

1. UPTD Pengendalian Kebakaran Hutan dan Lahan Samarinda,

September 2004 dalam penelitiannya mengenai pengelolaan

kebakaran hutan dan lahan terpadu di Kalimantan Timur.

Penggunaan sarana penginderaan jauh adalah cara yang efisien

dalam memantau dan mendeteksi kebakaran hutan dan lahan untuk

skala wilayah yang luas. Di Kalimantan Timur sudah dibangun

sebuah stasiun penerima satelit NOAA (National Oceanic and

Atmospheric Administration) dengan bantuan Jerman, tepatnya

berada di UPTD Pengendalian Kebakaran Hutan dan Lahan

Samarinda. Data kiriman dari satelit NOAA-AVHRR (National

Oceanic and Atmospheric Administration-Advanced Very High

Resolution Radiometer) merupakan deteksi pada waktu sebenarnya.

Sebuah titik panas (hotspot) adalah sebuah pixel kebakaran yang

mewakili areal 1,1 Km2, ini menunjukkan bahwa ada satu kebakaran

atau beberapa kebakaran dalam areal itu, namun itu tidak

menjelaskan jumlah, ukuran dan intensitas kebakaran dan areal

terbakar. Informasi dari satelit berupa lokasi panas (lokasi hotspot)

42
yang diperoleh setiap hari dari satelit NOAA 12 dan 16. Data ini

harus dianalisis untuk memperoleh koordinat hotspot dan di-update

secara teratur. Sistem peringatan dini yang dipergunakan adalah Fire

Danger Rating (Tingkat Bahaya Kebakaran). Satu indeks bahaya

kebakaran sederhana telah diadopsi dan dimodifikasi untuk

Kalimantan Timur. Sistem ini disebut Keetch-Byram Drought Index

(KBDI) atau Indeks Kekeringan Keetch-Byram. Indeks ini hanya

memperhitungkan tiga variabel cuaca yaitu temperatur maksimum

harian, curah hujan harian dan rata-rata curah hujan tahunan. KBDI

mempunyai kisaran nilai 0 sampai dengan 2.000. Untuk kemudahan

interpretasi bagi para manager kebakaran, KBDI dibagi dalam empat

kelas yang terkait dengan skala sifat bahaya kebakaran yaitu;

- Rendah : 0 sampai dengan 900

- Sedang : 1000 sampai dengan 1499

- Tinggi : 1500 sampai dengan 1749

- Sangat tinggi : 1750 sampai dengan 2000

2. Muslikh Musawijaya, Agus Hidayat, M. Rokhis Khomarudin,

Kustiyo, Maswardi, 2001 dalam penelitiannya mengenai deteksi dan

pemantauan kebakaran hutan atau lahan menggunakan data

penginderaan jauh data satelit NOAA (National Oceanic and

Atmospheric Administration) untuk memantau kebakaran hutan atau

lahan pada lokasi yang rawan kebakaran yaitu Sumatera dan

Kalimantan, dimana intensitas pembakaran dan frekuensi kebakaran

43
cukup tinggi berpotensi menimbulkan gangguan asap lintas batas

yang rutin terjadi setiap musim kemarau. Berdasarkan hasil

pemantauan yang dilakukan oleh LAPAN-Pekayon dari tahun 1997

sampai dengan tahun 2001, terlihat peristiwa kebakaran hutan atau

lahan menunjukkan hal-hal yang signifikan yaitu terjadi secara

periodik setiap tahun dan intensitas kebakaran hutan atau lahan

paling tinggi terjadi pada puncak musim kemarau antara bulan Juli

sampai dengan bulan September. Metode pemantauan titik panas di

permukaan bumi ditentukan berdasarkan pada metode dari

(MATSON dan DOZIER, 1981) dengan menghitung temperatur

pada band 3 (λ=3.8 μ) dan band 4 (λ=10.8 μ). Untuk meningkatkan

kualitas kenampakan titik panas (hotspot), (Lee and Tag, 1990)

menyarankan untuk menggunakan kombinasi dari tiga band

inframerah AVHRR (Advanced Very High Resolution radiometer)

yaitu band 3 (3.8 μm), band 4 (10.8 μm), dan band 5 (11.8 μm).

Untuk obyek-obyek seperti awan, lahan, dan laut, radiasi yang

diterima oleh band 4 dan band 5 jauh lebih tinggi bila dibandingkan

dengan radiasi yang diterima oleh band 3. Akan tetapi untuk obyek-

obyek yang memiliki suhu tinggi keadaannya menjadi sebaliknya,

dimana respon tertinggi justru pada band 3. Fenomena ini

memungkinkan bagi terdeteksinya titik panas (hotspot) yang lebih

kecil dari satu piksel, karena energi yang dikeluarkan oleh titik panas

(hotspot) tersebut meningkatkan suhu kecerahan (brightness

44
temperature) jauh lebih tinggi pada band 3 dibanding pada band 4

dan band 5 (Dozeer, 1981; Matson et.al., 1987 dalam Lee and Tag,

1990). Sedangkan dengan menggunakan band 3 dan 4 mampu

mendeteksi kebakaran kecil seluas 1 hektar (Flannigan and Haar,

1986).

3. Ety Parwati, Muslikh Musawijaya, Kustiyo, 2001 dalam

penelitiannya mengenai analisis kebakaran hutan atau lahan

menggunakan citra Landsat-TM dengan kombinasi band yang

digunakan adalah 542 untuk membantu dalam analisis visual. Citra

yang digunakan adalah citra Landsat-TM Pulau Sumatera dengan

Path/Row (P/R) 131/56 sampai dengan P/R 123/64 dan Pulau

Kalimantan dengan P/R 122/59 sampai dengan 115/59 dikumpulkan,

kemudian dipilih daerah yang memiliki titik-titik panas berdasarkan

hasil pemantauan menggunakan data NOAA-AVHRR (National

Oceanic and Atmospheric Administration - Advanced Very High

Resolution radiometer). Pada kajian ini acuan titik-titik panas yang

digunakan adalah hasil pemantauan selama bulan Juli, Agustus, dan

September 2001. Citra yang digunakan perlu dilakukan koreksi

untuk mengkonversi posisi (baris, kolom) menjadi posisi (lintang,

bujur). Sebagai acuan, titik-titik kontrol yang digunakan adalah

empat titik pada posisi kiri atas, kanan atas, kiri bawah, dan kanan

bawah citra, yang tersedia pada setiap data header. Untuk

memudahkan analisis, citra titik panas (hotspot) yang diperoleh

45
dikelompokkan menjadi 3 kelas menurut banyaknya titik panas yang

ditemukan. Penentuan kelas tiap kelompok bervariasi setiap

waktunya, disesuaikan dengan kondisi yang ada. Contohnya kelas

titik panas (hotspot) di Pulau Kalimantan pada bulan Juli adalah

kelas 1 untuk jumlah titik panas = 1, kelas 2 banyaknya titik panas

antara 2 sampai 3, dan kelas 3 untuk titik panas yang berjumlah

antara 4 sampai dengan 5. Sementara itu pengelompokan untuk citra

bulan Agustus adalah kelas 1 untuk citra titik panas yang berjumlah

1 sampai dengan 7, kelas 2 jumlah titik panas 8 sampai dengan 15,

dan kelas 3 jumlah titik panas berjumlah lebih dari 15 (Musawijaya,

2001).

4. M. Rokhis Khomarudin, Nur Satriani, Heny Suharsono, dan Muslikh

Musawijaya, 2000 dalam penelitiannya mengenai tingkat kerawanan

kebakaran hutan di Kalimantan dengan menggunakan data

penginderaan dan Sistem Informasi Geografis. Faktor-faktor yang

mendorong timbulnya kebakaran hutan adalah bahan bakar, tanah

(yang meliputi kadar air tanah dan jenis tanah), cuaca (angin,

kelembaban nisbi, hujan, intensitas radiasi matahari, suhu, dan

tekanan udara), dan topografi (Hamzah, 1985). Unsur cuaca

merupakan unsur yang sangat penting kaitannya dengan kebakaran

hutan. Unsur ini merupakan pemicu terjadinya kebakaran hutan dan

lahan yaitu suhu udara, kelembaban udara, curah hujan, dan angin

(JICA, 2000). Salah satu cara untuk menduga tingkat kebakaran

46
dengan memetakan kerawanan kebakaran hutan. Ada beberapa

pendekatan atau metode yang harus dipadukan sehingga hasilnya

menjadi suatu sistem informasi kebakaran hutan. Metode yang

digunakan adalah pemanfaatan SIG (Sistem Informasi Geografis)

dengan menggabungkan parameter jumlah hotspot, iklim, IKKB

(Indeks Kekeringan Keetch Byram), GVI (Indeks Vegetasi Global),

dan TGHK (peta tata guna hutan kesepakatan) pada tahun 1997

sampai dengan 2000. Kesimpulan yang dapat diambil dari penelitian

ini adalah bahwa tingkat kerawanan kebakaran hutan di Pulau

Kalimantan terjadi pada bulan Agustus, sedangkan bulan-bulan yang

memiliki tingkat kerawanan tinggi dapat terjadi pada bulan Juli

sampai bulan September. Pada kejadian El Nino tahun 1997 sampai

dengan 1998 membawa pengaruh terhadap tingkat kerawanan

kebakaran hutan dengan luasan kerawanan yang meningkat. Secara

umum data yang dipergunakan dalam penelitian ini sudah dapat

menggambarkan tingkat kerawanan kebakaran hutan.

47
BAB III

METODOLOGI PENELITIAN

Metode penelitian merupakan salah satu ciri utama bagi ilmu pengetahuan.

Bagi penginderaan jauh sebagai ilmu baru, metode penelitiannya belum banyak

diungkap pada pustaka yang ada (Sutanto, 1994; hal 81). Metode penginderaan

jauh secara lengkap, yaitu yang dimulai dari perumusan masalah dan tujuan

hingga penyelesaiannya. Pada gambar 3.1 adalah gambaran pola pikir penelitian

mengenai Pemanfaatan Data Penginderaan Jauh untuk Pemantauan dan Analisis

Sebaran Titik Panas (Studi Kasus: Provinsi Kalimantan Tengah) dijelaskan bahwa

data bersumber dari data mentah satelit Terra dengan sensornya yaitu MODIS

(Moderate Resolution Imaging Spectroradiometer) yanng memiliki resolusi

spasial 250 meter, 500 meter, 1000 meter, serta dilengkapi dengan geolocation.

Level 1B merupakan data L 1A (dengan Geolocation) dikalibrasi, sehingga

diperoleh data terkalibrasi baik radiometrik maupun geometriknya (Mulyadi,

2003). Jadi data level 1B diproses menghasilkan Tbk (brightness temprorary)

yang berarti suhu kecerahan untuk menentukan titik panas dan menampilan citra

dengan menentukan kombinasi band yang digunakan kemudian dilakukan

pemotongan citra (cropping) yang kemudian hasilnya dipadukan dengan peta

tutupan lahan serta untuk menambah kelengkapan informasi lokasinya

ditambahkan data peta batas administrasi sehingga menghasilkan gambaran visual

berupa peta lokasi dan keberadaan sebaran titik panas.

48
Gambar 3.1 Gambaran pola pikir penelitian

49
3.1 ALAT DAN BAHAN

3.1.1 Alat

Alat yang digunakan untuk membantu proses pengolahan data

dalam penelitian ini adalah dengan bantuan perangkat keras (hardware) dan

perangkat lunak (software). Untuk perangkat keras (hardware) yang

digunakan yaitu seperangkat komputer yang terdiri dari: (1) Alat untuk

masukan data (input) seperti keyboard dan mouse; (2) Alat untuk

pengolahan seperti CPU (Central Processing Unit) dengan spesifikasi Intel

Pentium D, sistem operasi Microsoft Windows XP Professional Version

2002 Service Pack 2, RAM 1.00 GB, harddisk 306.5 GB dan; (3) Alat untuk

keluaran (output) seperti monitor dan printer.

Sedangkan untuk perangkat lunak (software) yang digunakan

adalah: (1) Cygwin (menjalankan program imapp2bin v4.4 dan program

mod2rect v1.10); (2) Algoritma mod14; (3) ER Mapper 7.0; (4) HDFView

2.3; (5) Microsoft Excel 2003 dan; (6) Arc View 3.2.

3.1.2 Bahan

Bahan-bahan yang digunakan dalam penelitian ini adalah data

yang di download dari website

http://ladsweb.nascom.nasa.gov/data/search.html berupa data dari Satelit

Terra dengan sensornya yaitu MODIS (Moderate Resolution Imaging

Spectroradiometer) pada bulan September tahun 2007, serta data sekunder

berupa peta digital tutupan lahan yang berasal dari Departemen Kehutanan

tahun 2003 dan peta digital batas administrasi yang berasal dari

50
Bakosurtanal (Badan Koordinasi Survei dan Pemetaan Nasional) tahun

2007.

3.2 WAKTU DAN TEMPAT PENELITIAN

Waktu yang dibutuhkan dalam penelitian ini yaitu dalam kurun waktu 4

bulan, yang dimulai pada tanggal 01 Oktober 2007 sampai dengan tanggal 31

Januari 2008 di Pusat Data Penginderaan Jauh, LAPAN (Lembaga Penerbangan

dan Antariksa Nasional).

3.3 PENGUMPULAN DATA

Pengumpulan data pada penelitian ini yaitu dengan mengunjugi website

http://ladsweb.nascom.nasa.gov/data/search.html untuk mencari daerah yang akan

didownload. Setelah itu lakukan pemesanan melalui

ftp://ladsweb.nascom.nasa.gov, dan pilih nomor ID sesuai daerah yang ingin

diambil untuk penelitian kemudian download data tersebut. Perolehan data

tersebut berupa digital number sesuai dengan apa yang telah terekam pada satelit

diantariksa disertai quicklook berupa gambar yang direkam satelit, dengan resolusi

spasial 250 meter, 500 meter, 1 Kilometer.

Serta menggunakan studi pustaka yang mengacu kepada ketentuan dan

referensi-referensi mengenai pemanfaatan penginderaan jauh maupun titik panas.

51
3.4 PENGOLAHAN DATA

3.4.1 Data Satelit Terra Dengan Sensornya MODIS

Data satelit Terra terdiri dari 4 (empat) file dalam format HDF

(Hierarchical Data Format) yaitu: (1) MOD02QKM = Quarter Kilometer

yang berarti memiliki resolusi spasial 250 meter (band 1 sampai dengan

band 2), (2) MOD02HKM = Half Kilometer yang berarti memiliki resolusi

spasial 500 meter (band 3 sampai dengan band 7), (3) MOD021KM = 1

Kilometer yang berarti memiliki resolusi spasial 1000 meter (band 8 sampai

dengan band 36), dan (4) MOD03 = geolocation hotspot (Steber, 2007; hal

6).

Pengolahan data MODIS (Moderate Resolution Imaging

Spectroradiometer) distandarisasi menjadi 5 macam level (tingkat)

pengolahan yakni level 0 (L 0), level 1 (L 1), level 2 (L 2), level 3 (L 3), dan

level 4 (L 4). Namun yang digunakan pada penelitian ini adalah level L 1B

yang merupakan data L 1A (dengan Geolocation) dikalibrasi, sehingga

diperoleh data terkalibrasi baik radiometrik maupun geometriknya (Mulyadi,

2003).

Koreksi radiometrik merupakan perbaikan akibat cacat atau

kesalahan radiometrik, yaitu kesalahan pada sistem optik, kesalahan karena

gangguan energi radiasi elektromagnetik pada atmosfer, dan kesalahan

karena pengaruh sudut elevasi matahari (Purwadhi, 2001; hal 144).

Sedangkan koreksi geometrik adalah proses perbaikan kesalahan geometrik

dan transformasi citra penginderaan jauh agar memberikan hasil citra yang

52
mempunyai skala tertentu dan mengikuti proyeksi peta tertentu (Purwadhi.

2001; hal 162). Proses perbaikan pada koreksi geometrik yaitu memperbaiki

kemencengan, rotasi dan perspektif citra sehingga orientasi, proyeksi dan

anotasinya sesuai dengan yang ada pada peta.

Adapun data L 1B harus mengikuti ketentuan penamaan file,

sebagai berikut (Steber, 2007; hal 63):

rrsss_YYYYMMDD_hhmm_MODxxx.hdf

Dimana:

rr: stasiun penerima (as: Alice Springs, da: Darwin, gd: GSFC/DAAC, ho:

Hobart, mu: Murdoch University, wi: University of Wisconsin

sss: satelit (t01: Terra online attitude/ephemeris, t11: Terra post processed

attitude/ephemeris, a01: Aqua online/predicted attitude/ephemeris, a11:

Aqua post processed attitude/ephemeris)

YYYY: data set tahun

MM: data set bulan

DD: data set hari

hh: data set jam

mm: data set menit

xxx: identitas produk (021KM: 1 kilometer data bayangan/radiasi, 02HKM:

500 meter data bayangan/radiasi, 02QKM: 250 meter data bayangan/radiasi,

03: data geolokasi)

53
Contoh:

DAAC data set

gdt01_20070913_0255_MOD02QKM

gdt01_20070913_0255_MOD02HKM

gdt01_20070913_0255_MOD021KM

gdt01_20070913_0255_MOD03

3.4.2 Quicklook Serta Nilai Yang Diolah

Quicklook berupa gambar yang direkam satelit Terra dengan

sensornya MODIS (Moderate Resolution Imaging Spectroradiometer), dari

quicklook ini dapat melihat nilai longitude dan nilai latitude yang akan

diambil yang kemudian diketahui nilai piksel untuk proses pengolahan

selanjutnya. Contoh: pada gambar 3.2 terdapat tanda kotak berwarna merah,

pada kotak tersebut ambil nilai yang terdapat pada quicklook yang berada

pada sudut kiri atas dan kanan bawah. Sudut kiri atas mempunyai latitude =

7 dan longitude = 108, sedangkan untuk kanan bawah mempunyai latitude =

-4 dan longitude = 119. Arti 10 menunjukan bahwa 100 kilometer pada

permukaan bumi yang dapat diartikan mempunyai 100 piksel (Steber, 2007).

Selisih antara latitude kiri atas atau latitude maksimal dan latitude kanan

bawah atau latitude minimal mempunyai selisih nilai 110 begitu juga dengan

nilai longitude maksimal dan nilai longitude minimalnya yang berarti

menunjukkan 1100 Kilometer pada permukaan bumi dan dapat diartikan

memiliki 1100 piksel.

54
L
a
t
i
t
u
d
e

Longitude

Gambar 3.2 Quicklook

3.4.3 Menghasilkan Titik Panas Dengan Algoritma Mod14

Mod14 digunakan untuk pendeteksian titik panas secara global

(Steber, 2007; hal 31). Berikut adalah input nilai untuk menghasilkan titik

panas dengan perintah:

cd\Reny

cd 256

mod14

mod14 [-tvgdc] [-c coarse_output] MOD021KM_input MOD03_input

output_file

55
input menurut perintah diatas: mod14 –v

gdt01_20070913_0255_MOD021KM.hdf

gdt01_20070913_0255_MOD03.hdf hotspot_20070913.hdf

Hasil output dari perintah di atas dapat terlihat pada gambar 3.3.

Untuk langkah selanjutnya adalah dengan menggunakan software HDFView

2.3 untuk melihat nilai-nilai yang telah dihasilkan algoritma mod14,

kemudian pilih field-field yang dibutuhkan seperti longitude, latitude, dan

confidence lalu copy data ke Microsoft Excel 2003 dengan format

penyimpanannya sebagai tipe data DBF 4 (dBASE IV) seperti pada gambar

3.4 dan gambar 3.5, agar nantinya tipe data dbf ini dapat dibaca software

Arc View 3.2 sebagai tabel titik panas.

56
Gambar 3.3 Algoritma mod14

57
Gambar 3.4 Tampilan HDF

Gambar 3.5 Tampilan excel

58
Untuk membuka file yang telah disimpan dengan tipe data DBF

4 (dBASE IV) yang diberi nama 20070913.dbf yaitu terlebih dahulu buka

software Arc View 3.3 kemudian lakukan langkah seperti yang terlihat pada

gambar 3.6 dengan cara klik Tables Æ Add, sehingga muncul tampilan Add

Table kemudian cari nama file pada directories yang dituju. Sedangkan

untuk menampilkan simbol titik dari format penyimpanan tipe data dbf tadi

yaitu dengan cara pilih menu bar View Æ Add Event Theme sehingga

muncul tampilan seperti yang terlihat pada gambar 3.7 kemudian tentukan

longitude sebagai X field dan latitude sebagai Y field. Setelah simbol titik

dari format penyimpanan tipe data dbf tampil, maka langkah selanjutnya

adalah lakukan konversi ke tipe data shp sesuai dengan format penyimpanan

yang dimiliki oleh software Arc View yaitu dengan cara pilih menu bar

Theme Æ Convert to Shapefile sehingga tampilan akan terlihat seperti pada

gambar 3.8.

Gambar 3.6 Open table dbf

59
Gambar 3.7 Add event theme

Gambar 3.8 Titik panas setelah dikonversi dari dbf

60
3.4.4 Input Nilai Pada Program Imapp2bin dan Mod2rect

Program imapp2bin berfungsi menyaring band yang diperlukan 4

file HDF (Hierarchical Data Format), sedangkan program mod2rect

berfungsi untuk memetakan kembali band ke area yang terpilih (Steber,

2007; hal 64). Terlebih dahulu buka cygwin, karena cygwin mempunyai

tugas untuk menjalankan program imapp2bin v4.4 dan mod2rect v1.10

seperti perintah yang terlihat di bawah ini:

cd Reny

cd 256

ls

projectl1b.csh

/usr/bin/projectl1b.csh base latmin latmax lonmin lonmax maplines

mapsamples bandlist

input sesuai perintah diatas: projectl1b.csh gdt01_20070913_0255 -4 7 108


119 4400 4400 r1 r2

Gambar 3.9 Program imapp2bin dan mod2rect

61
Keterangan:

ls = list files at current directory

latmin = latitude minimal

latmax = latitude maksimal

lonmin = longitude minimal

lonmax = longitude maksimal

maplines, mapsamples = jumlah piksel

Contoh perintah di atas atau yang terlihat pada gambar 3.9 seperti

projectl1b gdt01_20070913_0255 -4 7 108 119 4400 4400 r1 r2 merupakan

perintah untuk reflektansi. Sedangkan contoh untuk perintah temperatur

adalah sebagai berikut: projectl1b gdt01_20070913_0255 -4 7 108 119 1100

1100 t21 t22 t31. Hasil dari program imapp2bin v4.4 dan mod2rect v1.10

adalah berbentuk ers yang sebelumnya bentuk file dengan format

penyimpanan tipe data HDF (Hierarchical Data Format). Dari tipe data ers

ini sudah dapat terlihat secara visual dengan menggunakan software ER

Mapper seperti yang terlihat pada gambar 3.10 dibawah ini.

62
Gambar 3.10 Tampilan tipe data ers

3.4.5 Pemotongan Citra (Cropping)

Pemotongan citra (cropping) digunakan untuk memperkecil

daerah yang dikaji (Hidayat, 2005; hal 39). Langkah untuk memotong citra

(cropping) adalah sebagai berikut:

1. Data dari tiap band yang digabung dibuka, contoh:

256gdt01_20070913_0255. kemudian tampilkan semua band

pada file tersebut, lalu ganti dengan

nama-nama bandnya.

2. Setelah itu dari window Algorithm pilih Edit Æ Add Vector

Layer Æ Annotation/Map Compotion, untuk mengeluarkan

layer khusus vektor seperti contoh pada gambar 3.11 di

bawah. Selanjutnya adalah klik icon , akan muncul

window Tools kemudian pilih icon load file untuk dapat

63
menampilkan data vektor dengan format penyimpanan tipe

data erv.

Klik load file untuk dapat


menampilkan data vektor
(*.erv)

Gambar 3.11 Window algorithm

3. Setelah selesai simpan dengan memilih icon pada window

Tools dengan memilih penyimpanan sebagai raster region dan

saat penyimpanan sebagai raster dengan tiap band haruslah

sama nama file tersebut seperti yang terlihat pada gambar

3.12 berikut.

64
Gambar 3.12 Raster region

4. Langkah selanjutnya adalah memberikan formula untuk

memotong citra (cropping) tersebut dengan cara: klik icon

pada window Algorithm, kemudian pada window

65
Formula Editor pilih menu Standard Æ Inside region

polygon test. Lalu isi INPUT1: B1:r1 dan REGION1:

Region_0, lakukan hal tersebut pada tiap band yang ada.

5. Selanjutnya file dapat disimpan dalam bentuk virtual, misal:

Crop_256gdt01_20070913_0255.ers (lihat gambar 3.13)

Gambar 3.13 Hasil cropping

3.4.6 Pembuatan Layout

Layout merupakan frame atau lembar yang ditujukan untuk

membuat pengaturan layout peta yang interaktif untuk dapat dicetak atau

diplotting (Sarip Hidayat, 2005; hal 74). Lembar ini mengorganisir obyek-

obyek (data spasial, legenda, dan simbol) dan teks. Caranya yaitu dengan

membuka semua obyek-obyek yang ingin ditampilkan pada view di Arc

View 3.2, misal: Crop_256gdt01_20070913_0255.ers, Titik_panas.shp,

Tu2pan_kalteng.shp setelah itu pilih menu bar View Æ Layout, selanjutnya

akan muncul template manager dan pilih Landscape Æ OK. Maka secara

otomatis semua yang terdapat pada view dapat terlihat di layout seperti yang

66
terlihat pada gambar 3.14, selanjutnya layout tersebut dapat dimodifikasi

sesuai keinginan mengenai informasi apa saja yang ingin ditampilkan.

Untuk penyimpanan layout, selain tersedia fasilitas penyimpanan dari

masing-masing aplikasi mapping, dapat pula menggunakan file image

dengan standar format grafik seperti BMP, GIF, dan JPEG.

Layout ini berisikan informasi sebaran titik panas dengan nilai

confidence tertinggi dan terendah pada tiap Kabupaten, serta informasi

tutupan lahan yang terbakar apabila terdapat titik panas dan berpotensi

terjadinya kebakaran.

Gambar 3.14 Layout

67
BAB IV

HASIL DAN PEMBAHASAN

4.1 HASIL

Hasil dari Pemanfaatan Data Penginderaan Jauh untuk Pemantauan dan

Analisis Sebaran Titik Panas (Studi Kasus: Provinsi Kalimantan Tengah) dengan

menggunakan data yang diperoleh dari satelit Terra dengan sensornya MODIS

(Moderate Resolution Imaging Spectroradiometer) yang telah diproses selama 1

(satu) bulan yaitu pada bulan September tahun 2007 terbagi menjadi 2 (dua) yaitu

peta lokasi dan keberadaan sebaran titik panas dalam bentuk vektor dan peta citra

satelit dalam bentuk raster. Gambar 4.1 merupakan tampilan peta lokasi dan

keberadaan sebaran titik panas dan pada gambar 4.2 merupakan tampilan dari peta

citra satelit.

Gambar 4.1 Peta lokasi dan keberadaan sebaran titik panas

68
Gambar 4.2 Peta citra satelit
4.2 PEMBAHASAN

Pengolahan data MODIS (Moderate Resolution Imaging

Spectroradiometer) menghasilkan data sebaran titik panas harian dalam bentuk

informasi lokasi geografi yaitu posisi lintang dan bujur. Dimana sebaran titik

panas ini dapat dijadikan sebagai indikasi terjadinya kebakaran. Berdasarkan hasil

pengolahan titik panas yang terlihat pada gambar 4.1 menunjukkan bahwa titik

panas disimbolkan berupa titik yang dapat dijadikan sebagai indikasi terjadinya

kebakaran dengan dipadukan peta digital klasifikasi tutupan lahan yang bersumber

dari Departemen Kehutanan untuk mengetahui jenis penggunaan lahannya dan

untuk melengkapi adanya informasi lokasi keberadaan titik panas digunakan peta

digital batas administrasi berdasarkan Kabupaten yang berasal dari Bakosurtanal

(Badan Koordinasi Survei dan Pemetaan Nasional). Untuk melihat peta lokasi dan

keberadaan sebaran titik panas harian dan peta citra satelit harian dapat dilihat

69
pada lampiran1. Adapun hasil pengolahan titik panas berdasarkan peta tutupan

lahan selama 1 (satu) bulan pada bulan September tahun 2007 dapat dilihat pada

tabel 4.1. Sedangkan untuk hasil pengolahan titik panas berdasarkan batas

administrasi selama 1 (satu) bulan pada bulan September tahun 2007 dapat dilihat

pada tabel 4.2. Beberapa Kabupaten pada Provinsi Kalimantan Tengah yang tidak

disinggahi titik panas yaitu Kabupaten Seruyan, Kabupaten Barito Utara,

Kabupaten Barito Timur, dan Kabupaten Murung Raya.

70
Tabel 4.1 Hasil pengolahan titik panas berdasarkan peta tutupan lahan selama 1 (satu) bulan pada bulan September tahun 2007

No. Kelas Penutupan Lahan Hari


1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
1. Hutan 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 2 3 0 0 0 1 0 0 0
2. Semak belukar 0 0 0 0 0 0 0 0 0 0 0 0 2 0 5 0 0 1 0 11 0 1 1 0 8 0 5 0 0 0
3. Perkebunan 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
4. Lahan terbuka 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0
5. Savanna (padang rumput) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
6. Pertanian 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 2 0 2 0 1 0 0 1 0 3 0 0 0 0 0
7. Sawah 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 7 0 1 0 0 2 0 1 0 0 0
8. Rawa 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 1 0 0 0 0 0 0 0 0
Jumlah 0 0 0 0 0 0 0 0 0 0 0 0 5 0 6 3 0 6 0 22 0 5 5 0 13 0 7 0 0 0

71
Tabel 4.2 Hasil pengolahan titik panas berdasarkan batas administrasi selama 1 (satu) bulan pada bulan September tahun 2007

No. Kabupaten Hari


1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
1. Kapuas 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 1 0 4 0 2 0 0 1 0 5 0 0 0
2. Kotawaringin Timur 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 0 3 0 0 1 0 4 0 1 0 0 0
3. Kotawaringin Barat 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 3 0 0 0 0 0 0 1 0 0 0 0 0
4. Kota Palangka Raya 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0
5. Katingan 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 2 0 0 2 0 2 0 0 0 0 0
6. Barito Selatan 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3 0 1 0 0 0 0 0 0 0 0
7. Pulang Pisau 0 0 0 0 0 0 0 0 0 0 0 0 2 0 5 0 0 0 0 10 0 2 0 0 2 0 1 0 0 0
8. Gunung Mas 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0
9. Lamandau 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 1 0 0 0 0 0
10. Sukamara 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
Jumlah 0 0 0 0 0 0 0 0 0 0 0 0 5 0 6 3 0 6 0 22 0 5 5 0 13 0 7 0 0 0

72
Sedangkan untuk tabular pada masing-masing tanggal dapat

dibandingkan antara tabel data NOAA 18 (National Oceanic and Atmospheric

Administration) yang diperoleh dari LAPAN (Lembaga Penerbangan dan

Antariksa Nasional) dengan hasil pengolahan yang telah dilakukan dari data yang

diperoleh melalui satelit Terra dengan sensornya MODIS (Moderate Resolution

Imaging Spectroradiometer), seperti yang terlihat pada lembar lampiran 2, sebagai

contoh dapat dilihat tabel 4.1.

Dengan memperhatikan tabel 4.3 dapat terlihat jelas jumlah titik panas

yang dihasilkan pada satelit NOAA 18 (National Oceanic and Atmospheric

Administration) dengan hasil pengolahan yang telah dilakukan dari data yang

diperoleh melalui satelit Terra dengan sensornya MODIS (Moderate Resolution

Imaging Spectroradiometer) sangatlah berbeda, jika pada satelit NOAA 18

(National Oceanic and Atmospheric Administration) jumlah titik panas pada

tanggal 20 September tahun 2007 sebanyak 35 titik panas, lain halnya dengan

jumlah titik panas pada satelit Terra dengan sensornya MODIS (Moderate

Resolution Imaging Spectroradiometer) yang hanya terdapat 22 titik panas. Selain

dikarenakakan menerapkan ambang batas suhu yang berbeda, dalam hal

perekamannya pun mempunyai selisih + 3 jam, perbedaan Kabupaten yang

disinggahi titik panas antara kedua satelit tersebut yaitu pada satelit NOAA 18

(National Oceanic and Atmospheric Administration) Kabupaten Gunung Mas

lebih mendominasi dengan titik panas sebanyak 20 titik panas, sedangkan untuk

satelit Terra dengan sensornya MODIS (Moderate Resolution Imaging

73
Spectroradiometer) Kabupaten yang mendominasi dengan jumlah titik panas

terbanyak sebanyak 10 titik panas berada pada Kabupaten Pulang Pisau.

Persamaan Kabupaten dari kedua satelit tersebut yaitu titik panas

terdapat pada Kabupaten Kapuas, Kabupaten Kotawaringin Timur, dan Kabupaten

Katingan. Pemantauan kebakaran melalui satelit juga memiliki kelemahan

diantaranya yaitu sensor optik satelit-satelit tersebut tidak mampu menembus

awan, sehingga kebakaran yang terjadi di bawahnya tidak dapat terdeteksi. Untuk

waktu perekaman yang diperoleh pada penelitian ini adalah UTC (Coordinated

Universal Time). UTC (Coordinated Universal Time) adalah dasar waktu legal di

seluruh dunia, yang merupakan realisasi dari waktu atom dari UT (Universal

Time) atau GMT (Greenwich Mean Time) (Anonim, 2005). Skala waktu UTC

(Coordinated Universal Time) ditentukan oleh rotasi bumi, sehingga sedikit demi

sedikit mengalami perlambatan.

Tabel 4.3 Perbandingan hasil pengolahan titik panas antara data NOAA dengan

data Terra-MODIS pada tanggal 20 September tahun 2007

Hasil pengolahan MODIS, waktu perekaman 03.00 UTC

74
Tabel 4.3 (lanjutan)
Bujur Lintang Provinsi Kabupaten
113.3471 -0.8909 Kalimantan Tengah Gunung Mas
113.357 -0.8909 Kalimantan Tengah Gunung Mas
113.3669 -0.8909 Kalimantan Tengah Gunung Mas
113.3768 -0.8909 Kalimantan Tengah Gunung Mas
113.3867 -0.8909 Kalimantan Tengah Gunung Mas
113.3768 -0.9008 Kalimantan Tengah Gunung Mas
113.3966 -0.9107 Kalimantan Tengah Gunung Mas
113.3867 -0.9206 Kalimantan Tengah Gunung Mas
113.3966 -0.9206 Kalimantan Tengah Gunung Mas
113.3669 -0.98 Kalimantan Tengah Gunung Mas
113.3768 -0.98 Kalimantan Tengah Gunung Mas
113.3867 -0.98 Kalimantan Tengah Gunung Mas
113.3768 -0.9899 Kalimantan Tengah Gunung Mas
113.3867 -0.9899 Kalimantan Tengah Gunung Mas
113.4659 -1.0097 Kalimantan Tengah Gunung Mas
113.3669 -1.2671 Kalimantan Tengah Gunung Mas
113.3768 -1.2671 Kalimantan Tengah Gunung Mas
113.3669 -1.277 Kalimantan Tengah Gunung Mas
114.1094 -1.0196 Kalimantan Tengah Kapuas
113.2976 -1.3562 Kalimantan Tengah Katingan
112.862 -1.4156 Kalimantan Tengah Katingan
112.2284 -1.9304 Kalimantan Tengah Kotawaringin Timur
113.0105 -2.0888 Kalimantan Tengah Kotawaringin Timur
113.0204 -2.0888 Kalimantan Tengah Kotawaringin Timur
113.0303 -2.0888 Kalimantan Tengah Kotawaringin Timur
113.0105 -2.0987 Kalimantan Tengah Kotawaringin Timur
113.0204 -2.0987 Kalimantan Tengah Kotawaringin Timur
111.1592 -1.6532 Kalimantan Tengah Lamandau
111.1691 -1.6532 Kalimantan Tengah Lamandau
111.1592 -1.6631 Kalimantan Tengah Lamandau
111.4166 -2.0987 Kalimantan Tengah Lamandau
112.1393 -2.1482 Kalimantan Tengah Seruyan
Sumber: LAPAN, waktu perekaman 06.18 UTC (13.18 WIB)

Jumlah titik panas yang dihasilkan bervariasi setiap harinya dan dalam

penelitian yang diambil selama 1 (satu) bulan dibulan September tahun 2007

dengan menggunakan data yang diperoleh dari satelit Terra dengan sensornya

MODIS (Moderate Resolution Imaging Spectroradiometer) tidak setiap hari

75
satelit menangkap sensor panas di Provinsi Kalimantan Tengah, hanya terdapat 9

(sembilan) hari adanya titik panas di Provinsi Kalimantan Tengah, secara visual

dapat dilihat pada gambar 4.3 dan untuk tabel dapat dilihat pada tabel 4.4.

Gambar 4.3 Sebaran titik panas pada bulan September tahun 2007

Tabel 4.4 Hasil pengolahan titik panas pada bulan September tahun 2007

No. Tanggal Jumlah Titik Panas


1. 13 September 2007 5
2. 15 September 2007 6
3. 16 September 2007 3
4. 18 September 2007 6
5. 20 September 2007 22
6. 22 September 2007 5
7. 23 September 2007 5
8. 25 September 2007 13
9. 27 September 2007 7
Jumlah 72

76
Jadi, jumlah titik panas secara keseluruhan selama bulan September

tahun 2007 seperti yang terlihat pada tabel 4.4 terdapat sebanyak 72 titik panas.

Dengan berdasarkan batas administrasi yaitu Kabupaten, maka jumlah titik panas

terbanyak dari masing-masing Kabupaten dipimpin oleh Kabupaten Pulang Pisau

yang memiliki 22 titik panas, dilanjutkan oleh Kabupaten Kapuas sebanyak 15

titik panas, Kabupaten Kotawaringin Timur sebanyak 11 titik panas, Kabupaten

Katingan sebanyak 7 titik panas, Kabupaten Kotawaringin Barat sebanyak 5 titik

panas, Kabupaten Barito Selatan terdapat 4 titik panas, Kabupaten Lamandau

sebanyak 3 titik panas, Kabupaten Gunung Mas dan Kota Palangka Raya masing-

masing terdapat 2 titik panas, sedangkan untuk Kabupaten yang mempunyai titik

panas paling sedikit terdapat pada Kabupaten Sukamara dengan 1 titik panas dapat

dilihat pada tabel 4.5 dan ditampilkan pula dalam bentuk grafik pada gambar 4.4.

Tabel 4.5 Hasil sebaran titik panas berdasarkan batas administrasi pada bulan

September tahun 2007

No. Kabupaten Jumlah Titik Panas


1. Kapuas 15
2. Kotawaringin Timur 11
3. Kotawaringin Barat 5
4. Kota Palangka Raya 2
5. Katingan 7
6. Barito Selatan 4
7. Pulang Pisau 22
8. Gunung Mas 2
9. Lamandau 3
10. Sukamara 1
Jumlah 72

77
15%

7%
20%

3%

10% 1%
5%

3%
6%

30%

Gambar 4.4 Grafik sebaran titik panas berdasarkan batas administrasi

Titik panas mempunyai nilai confidence yang dimaksudkan untuk

membantu para pemakai mengukur mutu masing-masing nilai piksel api (Giglio,

2007). Nilai confidence yang terkandung dalam MODIS (Moderate Resolution

Imaging Spectroradiometer) merupakan tingkatan-tingkatan rendah, sedang, dan

tinggi suatu nilai piksel api (Giglio, 2007). Nilai confidence ini mencakup antara 0

sampai dengan 100, dimana tingkatan rendah bernilai 0 sampai 30, tingkatan

sedang bernilai 30 sampai 80, dan tingkatan tinggi bernilai 80 sampai dengan 100.

Dari proses pengolahan yang dilakukan pada bulan September tahun

2007 menunjukkan bahwa nilai confidence tertinggi pada tiap Kabupaten di

Provinsi Kalimantan Tengah terdapat pada Kabupaten Pulang Pisau, Kabupaten

78
Lamandau, dan Kabupaten Kotawaringin Timur dengan masing-masing bernilai

92 seperti yang terlihat pada gambar 4.5. Dari nilai confidence tertinggi tersebut,

bila dilihat berdasarkan peta tutupan lahan maka akan diketahui lokasi keberadaan

titik panas seperti pada gambar 4.5 menunjukkan bahwa pada Kabupaten

Lamandau keberadaan titik panas berada pada lahan pertanian yang ditunjukkan

dengan penomoran 20091 pada field Kode04, untuk Kabupaten Pulang Pisau dan

Kabupaten Kotawaringin Timur berada pada lahan semak belukar sesuai yang

tertera pada field Kode04 dengan penomoran 2007. Sedangkan untuk nilai

confidence terendah berada pada Kabupaten Kotawaringin Barat dan Kabupaten

Katingan yang masing-masing bernilai 24 seperti pada gambar 4.6. Pada nilai

confidence terendah ini bila dilihat berdasarkan peta tutupan lahannya, maka

keberadaan titik panas pada Kabupaten Kotawaringin Barat berada pada area

hutan dengan penomoran 2001 pada field Kode04 dan untuk Kabupaten Katingan

berada pada lahan pertanian dengan penomoran 20091 pada field Kode04.

79
Gambar 4.5 Query builder untuk mencari nilai confidence tertinggi

80
Gambar 4.6 Query builder untuk mencari nilai confidence terendah

Penggunaan lahan adalah semua bentuk pemanfaatan lahan yang ada

secara alami maupun yang dibuat manusia yang ditujukan untuk memenuhi

kebutuhannya atas suatu bentang alam yang kompleks yang disebut lahan (Vink

dan Bahri, 1998). Sebagai contoh: semak belukar, tegalan atau ladang,

perkebunan, hutan, sawah, permukiman, rawa, dan lahan terbuka. Dari tabel 4.6

dengan memperhatikan jumlah titik panas yang tersebar diberbagai jenis kelas

penutupan lahan dapat diketahui objek penggunaan lahan yang dikategorikan

81
sangat rawan terbakar yaitu semak belukar. Dari tabel 4.6 dapat pula diidentifikasi

tiga jenis tutupan lahan yang dominan terbakar masing-masing adalah semak

belukar, hutan, dan pertanian. Selama bulan September 2007 di Provinsi

Kalimantan Tengah, tutupan lahan yang banyak disinggahi titik panas adalah

semak belukar, ini dikarenakan hutan-hutan yang telah dibalak, mengalami

degradasi, dan ditumbuhi semak belukar jauh lebih rentan terhadap kebakaran

(Schindler, 1989). Selain itu penyebaran titik panas yang muncul di penutupan

lahan biasanya cenderung lebih menyebar dan tidak membentuk sebuah kelompok

besar. Berdasarkan pantauan di lapangan, fenomena ini didominasi oleh upaya

pembukaan ladang oleh masyarakat dengan membakar (Anonim, 2007). Penyebab

kebakaran hutan dan lahan umumnya akibat perbuatan manusia, karena aktifitas

membakar lahan yang dipandang sebagai cara paling murah, mudah dan cepat.

Pengembangan alternatif lain untuk pembukaan lahan tanpa bakar yang dapat

diaplikasikan masyarakat belum dapat dikembangkan.

82
Tabel 4.6 Hasil pengolahan titik panas berdasarkan peta tutupan lahan pada bulan September tahun 2007
No. Kelas Kapuas Kotawaringin Kotawaringin Kota Katingan Barito Pulang Gunung Lamandau Sukamara
Penutupan Timur Barat Palangka Selatan Pisau Mas
Lahan Raya
1. Hutan 1 1 3 2 1
2. Semak
belukar 8 7 1 2 3 11 1 1
3. Perkebunan 1
4. Lahan
terbuka 2
5. Savanna
(padang
rumput) 1
6. Pertanian 3 2 2 1 2
7. Sawah 6 1 6
8. Rawa 1 1 1
Jumlah 15 11 5 2 7 4 22 2 3 1

83
Secara keseluruhan dari hasil pengolahan terhadap penyebaran titik

panas selama 1 (satu) bulan pada bulan September tahun 2007 berdasarkan peta

tutupan lahan dapat dilihat pada tabel 4.7 dan disertai pula gambar grafik sebaran

titik panas berdasarkan kelas penutupan lahan pada gambar 4.7. Hampir sebagian

lebih Kabupaten di Provinsi Kalimantan Tengah disinggahi titik panas pada

tutupan lahan berjenis semak belukar dengan luas sebesar 3.854.499,8040 hektar.

Pada Provinsi Kalimantan Tengah, kelas penutupan lahan yang mendominasi

Provinsi tersebut adalah hutan sebanyak 58%, diikuti dengan semak belukar yaitu

25%, luas kelas penutupan lahan lainnya dapat dilihat pada tabel 4.8.

Tabel 4.7 Hasil sebaran titik panas berdasarkan kelas penutupan lahan pada bulan

September tahun 2007

No. Kelas Penutupan Lahan Jumlah Titik Panas


1. Hutan 8
2. Semak belukar 34
3. Perkebunan 1
4. Lahan terbuka 2
5. Savanna (padang rumput) 1
6. Pertanian 10
7. Sawah 13
8. Rawa 3
Jumlah 72

84
Tabel 4.8 Luas kelas penutupan lahan di Provinsi Kalimantan Tengah

No. Kelas Penutupan Lahan Luas (ha)


1. Hutan 8919470,9490
2. Semak belukar 3854499,8040
3. Perkebunan 432204,8580
4. Permukiman 57671,3240
5. Lahan terbuka 199306,5330
6. Awan 6410,8900
7. Savanna (padang rumput) 54336,8100
8. Tubuh air 133682,9410
9. Pertanian 1008811,8250
10. Sawah 258984,7720
11. Tambak 2187,8080
12. Bandara 292,7990
13. Transmigrasi 49360,0400
14. Pertambangan 41662,6330
15. Rawa 349849,6450
Jumlah 15368733,6310

85
47%

11%

5%

1%
3%
1% 19%

13%

Gambar 4.7 Grafik sebaran titik panas berdasarkan kelas penutupan lahan

Kombinasi band yang digunakan adalah 721 untuk menghasilkan citra

berwarna yang disebut juga citra komposit atau RGB (Red Green Blue) yang

artinya merah untuk band 7, hijau untuk band 2, dan biru untuk band 1 dapat

terlihat pada gambar 4.8. Melalui penggabungan dari ketiga citra hitam putih

tersebut tampak jelas bahwa informasi citra baru (citra komposit) jauh lebih

lengkap dari citra hitam putih yang asli. Manfaat dari tiap-tiap band yang dipilih

yaitu band 7 mempunyai kisaran panjang gelombang 2,105 µm sampai dengan

2,155 µm dengan manfaat yang berada pada daerah inframerah gelombang

pendek (short wave infrared atau SWIR). Alaminya tanah kosong seperti juga

gurun, cocok di segala gelombang yang digunakan pada kombinasi band ini, tetapi

86
lebih banyak pada SWIR (short wave infrared) sehingga tanah akan sedikit

berwarna kemerahan. Panjang gelombang pada band 7 akan menampilkan bekas

kebakaran dengan warna merah terang. Band 2 mempunyai panjang gelombang

0,841 µm sampai dengan 0,876 µm dengan manfaat yang berada pada daerah

inframerah dekat cocok untuk vegetasi, yang menunjukkan bahwa sekecil apapun

titik vegetasinya akan tampak berwarna hijau terang. Sedangkan untuk band 1

mempunyai panjang gelombang 0,620 µm sampai dengan 0,670 µm.

Gambar 4.8 Kombinasi band 721

Pada gambar 4.9 merupakan peta citra satelit yang tidak terlalu banyak

tertutup oleh awan selama 1 (satu) bulan pada bulan September tahun 2007 di

Provinsi Kalimantan Tengah.

87
Gambar 4.9 Peta citra satelit Provinsi Kalimantan Tengah

88
Suhu kobaran api pada kebakaran liar biasanya sekitar 10000 Kelvin,

namun karena satelit hanya mengukur area dengan luas 1 Km2 dan ada pula

penyerapan atmosfer, maka rata-rata suhunya sekitar 3000 Kelvin sampai 5000

Kelvin. Band yang dapat mendeteksi titik panas yaitu band 21, band 22, dan band

31. Dari gambar 4.10 bila dicocokkan dengan band 21 atau band 22 berdasarkan

panjang gelombangnya yang dapat dilihat pada tabel 4.9, dapat dilihat bahwa

pancaran maksimum pada suhu tersebut terjadi pada gelombang 4 mikrometer.

Sedangkan pancaran maksimum untuk band 31 berada pada gelombang 11

mikrometer.

Wild fires

Gambar 4.10 Panjang gelombang yang cocok untuk mendeteksi kebakaran

89
Tabel 4.9 Saluran MODIS dapat digunakan untuk mendeteksi kebakaran aktif

(Steber, 2007)

Band Panjang Kegunaan Saluran


Gelombang
(µm)
1 0,620 – 0,670 Menolak sunglint, menolak tanda kebakaran
palsu dan balutan awan
2 0,841 – 0,876 Menolak sunglint, menolak tanda kebakaran
palsu dan balutan awan
7 2,105 – 2,155 Menolak sunglint dan menolak tanda
kebakaran palsu
20 3,660 – 3,840 Saluran jangkauan untuk deteksi kebakaran
aktif (3300 Kelvin)
21 3,929 – 3,989 Saluran jangkauan tinggi untuk deteksi
kebakaran aktif (5000 Kelvin)
22 3,929 – 3,989 Saluran jangkauan rendah untuk deteksi
kebakaran aktif (3310 Kelvin)
31 10,780 – 11,280 Latar belakang suhu untuk deteksi kebakaran
tertentu dan balutan awan (3400 Kelvin)
32 11,770 – 12,270 Balutan awan (3880 Kelvin)
Pendeteksian titik panas menggunakan algoritma mod14. Pengujian

masing-masing piksel ini di kelaskan sebagai data hilang, awan, air, bukan api,

api, atau tak dikenal. Untuk mendeteksi titik api palsu (awan, sinar matahari, dan

permukaan berbayangan tinggi) dengan menggunakan mod14 untuk MODIS

(Moderate Resolution Imaging Spectroradiometer) (Giglio, 2005), yaitu dengan

band 21 dan band 22 yang dapat mengeluarkan pancaran radiasi kuat dari

inframerah sedang.

90
Apabila data pada band 22 hilang atau rusak dapat digantikan dengan

band 21 yang mempunyai saluran jangkauan tinggi untuk deteksi kebakaran aktif.

Waktu yang diperlukan saat menjalankan algoritma mod14 yaitu sekitar 10 menit

atau 20 menit. Tidak ada algoritma deteksi kebakaran yang sempurna dan akan

selalu ada kesalahan diantaranya kebakaran yang terjadi dibawah awan atau asap

sulit terdeteksi karena tidak terlihat atau kelihatan pada gelombang manapun

sehingga yang tidak dianggap sebagai titik panas merupakan titik panas

sebenarnya.

Manfaat yang diperoleh dengan adanya Pemanfaatan Data Penginderaan

Jauh Untuk Pemantauan dan Analisis Sebaran Titik Panas (Studi Kasus: Provinsi

Kalimantan Tengah) yang memadukan data sekunder berupa peta digital tutupan

lahan yang berasal dari Departemen Kehutanan dan peta digital batas administrasi

yang berasal dari Bakosurtanal (Badan Koordinasi Survei Lapangan) adalah

menyajikan informasi visual tentang sebaran titik panas di suatu Kabupaten yang

kemudian dari informasi tersebut dapat dijadikan sebagai data dasar untuk

selanjutnya dilakukan pencegahan atau pemulihan hutan. Hal yang terpenting

adalah penyebarluasan informasi situasi dan kondisi kebakaran ke berbagai pihak

terkait seperti Pemerintah Daerah Kalimantan Tengah. Data dan informasi

mengenai situai kebakaran secara rutin dapat disebarluaskan kepada Gubernur,

Bupati, dan Walikota beserta instansi terkait didalamnya.

Dapat pula data titik panas disebarkan kepada pihak terkait yang lokasi

atau arealnya terdeteksi titik panas. Hal ini dimaksudkan untuk pencegahan guna

mengantisipasi apabila keberadaan letak titik panas berada pada area hutan maka

91
mempunyai potensi adanya kebakaran hutan, maka agar ditingkatkan

kewaspadaan adanya kebakaran hutan berskala besar yang dikhawatirkan berada

pada area hutan yang sulit diketahui oleh penduduk sekitar atau jauh dari tempat

permukiman. Dengan begitu informasi tersebut bagi para pengguna dapat

dimanfaatkan untuk membantu dalam proses pengambilan keputusan seperti bila

diketahui titik panas pada area tertentu masih kecil maka dapat mempermudah

pemadamannya. Selain itu dapat bermanfaat untuk melakukan perencanaan

terhadap kerusakan-kerusakan hutan akibat kebakaran hutan atau lahan dan

pencegahan adanya penyebaran asap.

Selain itu perlu adanya pengembangan teknik pembukaan lahan tanpa

bakar karena pada umumnya fenomena ini didominasi oleh upaya pembukaan

ladang oleh masyarakat dengan membakar lahan yang dipandang sebagai cara

paling murah, mudah dan cepat. Serta perlu adanya pelarangan atau pembatasan

pembukaan lahan dengan membakar pada musim kemarau.

92
BAB V

PENUTUP

5.1 KESIMPULAN

Berdasarkan yang telah dikemukakan pada bab sebelumnya, maka dapat

disimpulkan beberapa pernyataan sebagai berikut:

1. Telah dilakukan pemantauan atau pendeteksian titik panas dengan

menggunakan data yang diperoleh dari satelit Terra dengan

sensornya MODIS (Moderate Resolution Imaging

Spectroradiometer) dengan cakupan Provinsi Kalimantan Tengah

selama 1 bulan yaitu bulan September tahun 2007. Untuk mendeteksi

titik panas dan lokasinya dari data satelit adalah dengan

menggunakan algoritma mod14 yang merupakan algoritma yang

digunakan untuk pendeteksian titik panas secara global.

2. Penyebaran titik panas pada tiap Kabupaten selama 1 (satu) bulan

yaitu terkonsentrasi pada Kabupaten Pulang Pisau yang memiliki

titik panas sebanyak 22 titik panas, dilanjutkan oleh Kabupaten

Kapuas sebanyak 15 titik panas, Kabupaten Kotawaringin Timur

sebanyak 11 titik panas, Kabupaten Katingan sebanyak 7 titik panas,

Kabupaten Kotawaringin Barat sebanyak 5 titik panas, Kabupaten

Barito Selatan terdapat 4 titik panas, Kabupaten Lamandau sebanyak

3 titik panas, Kabupaten Gunung Mas dan Kota Palangka Raya

93
masing-masing terdapat 2 titik panas, sedangkan untuk Kabupaten

yang mempunyai titik panas paling sedikit terdapat pada Kabupaten

Sukamara dengan 1 titik panas.

3. Untuk mengetahui area atau tutupan lahan yang terbakar yaitu

dengan peta digital klasifikasi tutupan lahan yang bersumber dari

Departemen Kehutanan untuk mengetahui jenis penggunaan

lahannya.

5.2 SARAN

Masih terdapatnya kekurangan serta keterbatasan dalam penulisan

skripsi ini. Adapun beberapa usulan yang dapat dilakukan untuk penelitian

berikutnya guna melengkapi dari kekurangan penulisan skripsi mengenai

Pemanfaatan Data Penginderaan Jauh Untuk Pemantauan dan Analisis Sebaran

Titik Panas (Studi Kasus: Provinsi Kalimantan Tengah) adalah:

1. Untuk batasan daerah selanjutnya diharapkan cakupan daerah yang

diteliti tidak hanya pada tingkat Provinsi seperti Provinsi Kalimantan

Tengah saja, melainkan dapat berdasarkan Pulau Kalimantan atau

membandingkan pada tiap Provinsi pada Pulau Kalimantan.

2. Selain itu dalam hal waktu penelitian dapat lebih lama, misalnya

dalam kurun waktu beberapa bulan untuk dapat mengetahui tingkat

perbedaan penyebaran titik panas.

94
3. Agar dilakukan verifikasi untuk memastikan adanya titik panas, hal

ini dapat dilakukan dengan menggunakan data yang memiliki

resolusi yang lebih tinggi, misal: Landsat, SPOT, dan Ikonos.

4. Pemantauan kebakaran melalui satelit juga memiliki kelemahan yaitu

sensor optik satelit-satelit tersebut tidak mampu menembus awan,

sehingga kebakaran yang terjadi di bawahnya tidak dapat terdeteksi.

5. Dengan adanya Pemanfaatan Data Penginderaan Jauh Untuk

Pemantauan dan Analisis Sebaran Titik Panas (Studi Kasus: Provinsi

Kalimantan Tengah) ini, diharapkan selanjutnya dapat dibuat suatu

simulasi pencegahan terjadinya kebakaran hutan secara terpadu yang

dimulai dari cara mengantisipasinya sampai kepada pemulihan

keadaan hutan yang rusak akibat terbakar tersebut.

95
DAFTAR PUSTAKA

Anonim, (21/09/2007, 5:17 PM), “Hotspot, Kebakaran dan Kabut Asap”, 09

Februari 2007, http://www.alesklar.wordpress.com/2007/02/09/4/

Anonim, (10/11/2007, 6:14 PM), “Sumatera dan Kalimantan dalam Kabut Asap”,

Sumatera Selatan, 06 Juli 2004, http://www.ssffmp.or.id/ssffmp/news-

2.asp?id=49

Anonim, (30/11/2007, 1:40 PM), “UTC”, Indonesia, 2 Agustus 2005,

http://www.id.wikipedia.org/wiki/UTC

Anonim, (30/11/2007, 1:40 PM), “Waktu Atom Internasional”, Indonesia, 29 Juli

2005, http://www.id.wikipedia.org/wiki/Waktu_Atom_Internasional

Barus Baba, Wiradisastra, “Sistem Informasi Geografi Sarana Manajemen

Sumberdaya”, Penerbit Institut Pertanian Bogor, Bogor, Maret 1997

Darmawan Soni, Wikantika Ketut, Cempaka Rinny, (23/10/2007, 9:57 AM),

“Teknologi Satelit Inderaja Untuk Sektor Pertanian“, Bandung, 24 Maret

2006, http://www.pikiran-

rakyat.com/cetak/2006/042006/20/cakrawala/lainnya03.htm
Dewanti Ratih, Sariwulan Betty, Khomarudin Rokhis M., Asriningrum Wikanti,

Winarso Gathot, Haryani Suryo Nanik, “Pemanfaatan Data Penginderaan

Jauh Satelit dan SIG dalam Penyediaan Informasi untuk Mitigasi Rawan

Bencana”, Penerbit Pusat Pengembangan Pemanfaatan dan Teknologi

Penginderaan Jauh, Lembaga Penerbangan dan Antariksa Nasional, Jakarta,

2002

Fire Bulletin, (18/9/2007, 6:06 PM), “Titik Panas Utama dan Analisis”, Indonesia,

18 January 2007, http://www.fire.uni-

freiburg.de/GFMCnew/2007/01/0119/Fire Bulletin Special Edition-End of

Year_18Jan07.pdf

Giglio Louis, (1/4/2008, 9:02 PM), “MODIS Collection 4 Active Fire Product

User’s Guide Version 2.3”, 28 February 2007,

http://www.maps.geog.umd.edu/product/MODIS Fire Users Guide 2.3.pdf

Gunawan Hidayat, Bagdja Widya Islam, Suhermanto, (22/10/2007, 10:34 AM),

“Instalasi dan Integrasi SW Open Source Untuk Re-konstruksi dan

Pengolahan (Sistematik dan Informasi) Data MODIS, AIRS/AMSU/HSB,

AMSR-E”, Jakarta, 11 Agustus 2005,

http://www.lapanrs.com/Integrasi_SW_MODIS_HGun_Islam_LPN.pdf
Hidayat Sarip, Siwi Estuti Sukentyas, Novita Dian, “Pengantar Diklat

Penginderaan Jauh”, Parepare, 13 Juni 2005

Justice Christopher, Giglio Louis, Boschetti Luigi, Roy David, Csiszar Ivan,

Morisette Jeffrey, Kaufman Yoram, “MODIS Fire Products Version 2.3”,

October 2006

Kalimantan Tengah, (18/9/2007, 5:01 PM), “Profil Kalimantan Tengah”,

Indonesia, 15 Desember 2006,

http://www.regionalinvestment.com/sipid/id/displayprofil.php?ia=62

LAADS Web, (22/10/2007, 10:06 AM), “Search for Level 1 and Atmosphere

Products”, United States, 2007,

http://ladsweb.nascom.nasa.gov/data/search.html

Lillesand M. Thomas, Kiefer W. Ralph, “Penginderaan Jauh dan Interpretasi

Citra”, Penerbit Gadjah Mada University Press, Yogyakarta, 1997

Mulyadi, Damanik NRT Milton, Soelaeman Slamet, Purwanti Endang, Parwoto,

Rushadi, “Pengembangan Modul Modis Level 2 (Aerosol, SST, NDVI)”,

Penerbit Pusat Data Penginderaan Jauh, Lembaga Penerbangan dan Antariksa

Nasional, Jakarta, 2003


Musawijaya Muslikh, Hidayat Agus, Khomarudin Rokhis M., Kustiyo, Maswardi,

“Deteksi dan Pemantauan Kebakaran Hutan/Lahan Menggunakan Data

Penginderaan Jauh”, Penerbit Pusat Pengembangan Pemanfaatan dan

Teknologi Penginderaan Jauh, Lembaga Penerbangan dan Antariksa Nasional,

Jakarta, 2002

Mustafa Junjunan Adi, (23/10/2007, 10:04 AM), “MODIS, Mengamati

Lingkungan Global dari Angkasa”, 8 September 2004,

http://www.beritaiptek.com/zberita-beritaiptek-2004-09-08-MODIS,-

Mengamati-Lingkungan-Global-dari-Angkasa.shtml

Portal Nasional REPUBLIK INDONESIA, (18/9/2007, 4:57 PM), “Provinsi

Kalimantan Tengah”, Palangka Raya, 2006,

http://www.indonesia.go.id/id/index.php?option=com_content&task=view&id

=2575&Itemid=1352

Prahasta Eddy, “Konsep-konsep Dasar Sistem Informasi Geografis”, Penerbit

Informatika, Bandung, 2002

Purwadhi Hardiyanti Sri, “Interpretasi Citra Digital”, Penerbit Grasindo, Jakarta,

2001
Roswintiarti Orbita, Zubaidah Any, Suwarsono, “Sistem Informasi Mitigasi

Bencana Alam Berbasis Data Penginderaan Jauh”, Penerbit Lembaga

Penerbangan dan Antariksa Nasional, Jakarta, 2005

Samsuri, (21/9/2007, 4:47 PM), “Aplikasi Penginderaan Jauh Dalam Pengelolaan

Sumberdaya Hutan”, Sumatera Utara, 2004,

http://www.library.usu.ac.id/download/fp/hutan-samsuri4.pdf

SIMBA-LAPAN, “Sistem Informasi Untuk Mitigasi Bencana Alam Menggunakan

Data Penginderaan Jauh ”, Jakarta, 24 Oktober 2007,

http://www.lapanrs.com/SMBA/smba.php?agr=1&hal=3&kat=hs&per=bl&dr

h=kal

Steber Mike, (28/9/2007, 12:46 PM), “Installing Cygwin & MODIS Software”,

2007, http://www.landgate.wa.gov.au

Steber Mike, (24/7/2007, 1:25 PM), “Introduction to MODIS”, 2007,

http://www.landgate.wa.gov.au

Suhermanto, (23/10/2007, 11:16 AM), “Integrasi dan Pengembangan Software

Open Source Untuk Penerimaan, Perekaman, dan MWD MODIS Terra-

Aqua”, Jakarta, 11 Agustus 2005, http://www.lapanrs.com/

Integrasi_MWD_MODIS_Suhermanto-1.pdf
Sutanto, “Penginderaan Jauh”, jilid 1, Penerbit Gadjah Mada University Press,

Yogyakarta, 1994

University of Illinois at Urbana-Champaign, “HDFView User’s Guide”, 21

November 2005, http://www.hdf.ncsa.uiuc.edu

UPTD Pengendalian Kebakaran Hutan dan Lahan Samarinda, (16/8/2007, 10:17

AM), “Pengelolaan Kebakaran Hutan dan Lahan Terpadu di Kalimantan

Timur”, Pelatihan Kebakaran Hutan dan Lahan di Jayapura, Papua.

Samarinda, September 2004,

http://www.papua.go.id/bkpbapedalda/Makalah%20rian%20Jaya.htm

WFP-LAPAN Early Warning Bulletin, (10/11/2007, 6:17 PM), “Indonesia Early

Warning Bulletin on Natural Hazards”, Indonesia, 20 November 2006,

http://www.lapanrs.com/SMBA/pdf/WFP-LAPAN Early Warning Bulletin

20November06.pdf

WWF Indonesia, (18/9/2007, 4:29 PM), “Luas Areal Hutan Terbakar vs Jumlah

Titik Panas”, Jakarta, 30 April 2007,

http://www.wwf.or.id/index.php?fuseaction=newsroom.detail&id=NWS11779

46373&language=i
Yaslinus, (27/11/2007, 3:29 PM), “Radiasi Elektromagnetik”, Jakarta, 2002,

http://www.geocities.com/yaslinus/pj_02.html
LAMPIRAN 1

Hasil pengolahan sebaran titik panas harian berdasarkan peta tutupan lahan dan

berdasarkan peta citra satelit

SEBARAN TITIK PANAS (HOTSPOT) PADA TANGGAL 13 SEPTEMBER 2007


SEBARAN TITIK PANAS (HOTSPOT) PADA TANGGAL 15 SEPTEMBER 2007
SEBARAN TITIK PANAS (HOTSPOT) PADA TANGGAL 16 SEPTEMBER 2007
SEBARAN TITIK PANAS (HOTSPOT) PADA TANGGAL 18 SEPTEMBER 2007
SEBARAN TITIK PANAS (HOTSPOT) PADA TANGGAL 20 SEPTEMBER 2007
SEBARAN TITIK PANAS (HOTSPOT) PADA TANGGAL 22 SEPTEMBER 2007
SEBARAN TITIK PANAS (HOTSPOT) PADA TANGGAL 23 SEPTEMBER 2007
SEBARAN TITIK PANAS (HOTSPOT) PADA TANGGAL 25 SEPTEMBER 2007
SEBARAN TITIK PANAS (HOTSPOT) PADA TANGGAL 27 SEPTEMBER 2007
LAMPIRAN 2

Perbandingkan antara tabel data NOAA 18 (National Oceanic and Atmospheric

Administration) yang diperoleh dari LAPAN (Lembaga Penerbangan dan

Antariksa Nasional) dengan hasil pengolahan yang telah dilakukan dari data yang

diperoleh melalui satelit Terra dengan sensornya MODIS (Moderate Resolution

Imaging Spectroradiometer)

PERBANDINGAN PADA TANGGAL 13 SEPTEMBER 2007

Hasil pengolahan MODIS, waktu perekaman 02.55 UTC

BUJUR LINTANG PROVINSI KABUPATEN


112.2795 -2.7424 Kalimantan Tengah Seruyan
112.2894 -2.7424 Kalimantan Tengah Seruyan
112.2894 -2.7523 Kalimantan Tengah Seruyan
112.2993 -2.7523 Kalimantan Tengah Seruyan
Sumber: LAPAN, waktu perekaman 05.49 UTC (12.49 WIB)

PERBANDINGAN PADA TANGGAL 15 SEPTEMBER 2007

Hasil pengolahan MODIS, waktu perekaman 02.45 UTC


BUJUR LINTANG PROVINSI KABUPATEN
112.3498 -1.1702 Kalimantan Tengah Katingan
112.3597 -1.1702 Kalimantan Tengah Katingan
112.3498 -1.1801 Kalimantan Tengah Katingan
112.3597 -1.1801 Kalimantan Tengah Katingan
112.726 -1.1999 Kalimantan Tengah Katingan
112.7062 -1.2098 Kalimantan Tengah Katingan
112.7161 -1.2098 Kalimantan Tengah Katingan
112.726 -1.2098 Kalimantan Tengah Katingan
112.7359 -1.2098 Kalimantan Tengah Katingan
111.637 -1.784 Kalimantan Tengah Kotawaringin Barat
111.6469 -1.784 Kalimantan Tengah Kotawaringin Barat
111.6568 -1.784 Kalimantan Tengah Kotawaringin Barat
111.6667 -1.784 Kalimantan Tengah Kotawaringin Barat
111.6469 -1.7939 Kalimantan Tengah Kotawaringin Barat
111.6568 -1.7939 Kalimantan Tengah Kotawaringin Barat
111.6667 -1.7939 Kalimantan Tengah Kotawaringin Barat
111.6766 -1.7939 Kalimantan Tengah Kotawaringin Barat
114.3397 -0.695 Kalimantan Tengah Murung Raya
113.5279 -1.5068 Kalimantan Tengah Palangka Raya
113.5378 -1.5068 Kalimantan Tengah Palangka Raya
113.5477 -1.5068 Kalimantan Tengah Palangka Raya
113.5576 -1.5068 Kalimantan Tengah Palangka Raya
113.5279 -1.5167 Kalimantan Tengah Palangka Raya
113.5378 -1.5167 Kalimantan Tengah Palangka Raya
113.5477 -1.5167 Kalimantan Tengah Palangka Raya
111.7855 -1.2989 Kalimantan Tengah Seruyan
111.7954 -1.2989 Kalimantan Tengah Seruyan
111.8053 -1.2989 Kalimantan Tengah Seruyan
111.8053 -1.3088 Kalimantan Tengah Seruyan
111.9043 -1.3385 Kalimantan Tengah Seruyan
111.8944 -1.3484 Kalimantan Tengah Seruyan
111.9043 -1.3484 Kalimantan Tengah Seruyan
111.9142 -1.3484 Kalimantan Tengah Seruyan
111.8944 -1.3583 Kalimantan Tengah Seruyan
Sumber: LAPAN, waktu perekaman 05.29 UTC (12.29 WIB)
PERBANDINGAN PADA TANGGAL 16 SEPTEMBER 2007

Hasil pengolahan MODIS, waktu perekaman 03.25 UTC

BUJUR LINTANG PROVINSI KABUPATEN


112.5392 -1.4886 Kalimantan Tengah Kotawaringin Timur
112.5491 -1.4886 Kalimantan Tengah Kotawaringin Timur
112.559 -1.4886 Kalimantan Tengah Kotawaringin Timur
112.5689 -1.4886 Kalimantan Tengah Kotawaringin Timur
112.5788 -1.4886 Kalimantan Tengah Kotawaringin Timur
113.5094 -1.4985 Kalimantan Tengah Palangka Raya
113.5193 -1.4985 Kalimantan Tengah Palangka Raya
113.5292 -1.4985 Kalimantan Tengah Palangka Raya
113.5094 -1.5084 Kalimantan Tengah Palangka Raya
113.5193 -1.5084 Kalimantan Tengah Palangka Raya
113.5292 -1.5084 Kalimantan Tengah Palangka Raya
113.5391 -1.5084 Kalimantan Tengah Palangka Raya
Sumber: LAPAN, waktu perekaman 05.19 UTC (12.19 WIB)

PERBANDINGAN PADA TANGGAL 18 SEPTEMBER 2007

Hasil pengolahan MODIS, waktu perekaman 03.15 UTC

BUJUR LINTANG PROVINSI KABUPATEN


115.1316 -2.004 Kalimantan Tengah Barito Timur
115.1415 -2.004 Kalimantan Tengah Barito Timur
115.1316 -2.0139 Kalimantan Tengah Barito Timur
115.1415 -2.0139 Kalimantan Tengah Barito Timur
Sumber: LAPAN, waktu perekaman 08.05 UTC (15.05 WIB)
PERBANDINGAN PADA TANGGAL 20 SEPTEMBER 2007

Hasil pengolahan MODIS, waktu perekaman 03.00 UTC

BUJUR LINTANG PROVINSI KABUPATEN


113.3471 -0.8909 Kalimantan Tengah Gunung Mas
113.357 -0.8909 Kalimantan Tengah Gunung Mas
113.3669 -0.8909 Kalimantan Tengah Gunung Mas
113.3768 -0.8909 Kalimantan Tengah Gunung Mas
113.3867 -0.8909 Kalimantan Tengah Gunung Mas
113.3768 -0.9008 Kalimantan Tengah Gunung Mas
113.3966 -0.9107 Kalimantan Tengah Gunung Mas
113.3867 -0.9206 Kalimantan Tengah Gunung Mas
113.3966 -0.9206 Kalimantan Tengah Gunung Mas
113.3669 -0.98 Kalimantan Tengah Gunung Mas
113.3768 -0.98 Kalimantan Tengah Gunung Mas
113.3867 -0.98 Kalimantan Tengah Gunung Mas
113.3768 -0.9899 Kalimantan Tengah Gunung Mas
113.3867 -0.9899 Kalimantan Tengah Gunung Mas
113.4659 -1.0097 Kalimantan Tengah Gunung Mas
113.3669 -1.2671 Kalimantan Tengah Gunung Mas
113.3768 -1.2671 Kalimantan Tengah Gunung Mas
113.3669 -1.277 Kalimantan Tengah Gunung Mas
113.3768 -1.277 Kalimantan Tengah Gunung Mas
BUJUR LINTANG PROVINSI KABUPATEN
114.1094 -1.0196 Kalimantan Tengah Kapuas
113.2976 -1.3562 Kalimantan Tengah Katingan
112.862 -1.4156 Kalimantan Tengah Katingan
112.2284 -1.9304 Kalimantan Tengah Kotawaringin Timur
113.0105 -2.0888 Kalimantan Tengah Kotawaringin Timur
113.0204 -2.0888 Kalimantan Tengah Kotawaringin Timur
113.0303 -2.0888 Kalimantan Tengah Kotawaringin Timur
113.0105 -2.0987 Kalimantan Tengah Kotawaringin Timur
113.0204 -2.0987 Kalimantan Tengah Kotawaringin Timur
111.1592 -1.6532 Kalimantan Tengah Lamandau
111.1691 -1.6532 Kalimantan Tengah Lamandau
111.1592 -1.6631 Kalimantan Tengah Lamandau
111.4166 -2.0987 Kalimantan Tengah Lamandau
112.1393 -2.1482 Kalimantan Tengah Seruyan
Sumber: LAPAN, waktu perekaman 06.18 UTC (13.18 WIB)

PERBANDINGAN PADA TANGGAL 22 SEPTEMBER 2007

Hasil pengolahan MODIS, waktu perekaman 02.50 UTC

BUJUR LINTANG PROVINSI KABUPATEN


115.367 -0.9314 Kalimantan Tengah Barito Utara
115.3769 -0.9314 Kalimantan Tengah Barito Utara
113.6246 -0.6443 Kalimantan Tengah Gunung Mas
113.7434 -0.9215 Kalimantan Tengah Gunung Mas
113.7533 -0.9215 Kalimantan Tengah Gunung Mas
113.8622 -0.971 Kalimantan Tengah Gunung Mas
113.8721 -0.971 Kalimantan Tengah Gunung Mas
113.8622 -0.9809 Kalimantan Tengah Gunung Mas
113.8721 -0.9809 Kalimantan Tengah Gunung Mas
113.2286 -1.0799 Kalimantan Tengah Gunung Mas
113.3474 -1.0799 Kalimantan Tengah Gunung Mas
113.2187 -1.0898 Kalimantan Tengah Gunung Mas
113.3375 -1.0898 Kalimantan Tengah Gunung Mas
113.3474 -1.0898 Kalimantan Tengah Gunung Mas
113.2682 -1.169 Kalimantan Tengah Gunung Mas
BUJUR LINTANG PROVINSI KABUPATEN
113.2682 -1.1789 Kalimantan Tengah Gunung Mas
113.3771 -1.4066 Kalimantan Tengah Gunung Mas
113.3771 -1.4165 Kalimantan Tengah Gunung Mas
113.684 -0.575 Kalimantan Tengah Kapuas
114.1394 -0.5948 Kalimantan Tengah Kapuas
114.1394 -0.6047 Kalimantan Tengah Kapuas
113.9909 -0.7433 Kalimantan Tengah Kapuas
114.1592 -0.7433 Kalimantan Tengah Kapuas
114.1691 -0.7433 Kalimantan Tengah Kapuas
114.179 -0.7433 Kalimantan Tengah Kapuas
113.9909 -0.7532 Kalimantan Tengah Kapuas
114.1691 -0.7532 Kalimantan Tengah Kapuas
114.3374 -1.0106 Kalimantan Tengah Kapuas
114.3473 -1.0106 Kalimantan Tengah Kapuas
114.3671 -1.0403 Kalimantan Tengah Kapuas
114.377 -1.0403 Kalimantan Tengah Kapuas
114.3671 -1.0502 Kalimantan Tengah Kapuas
114.377 -1.0502 Kalimantan Tengah Kapuas
114.2384 -1.0799 Kalimantan Tengah Kapuas
114.2186 -1.0997 Kalimantan Tengah Kapuas
114.2285 -1.0997 Kalimantan Tengah Kapuas
114.2384 -1.1096 Kalimantan Tengah Kapuas
114.4463 -1.1492 Kalimantan Tengah Kapuas
114.4562 -1.1591 Kalimantan Tengah Kapuas
114.2978 -1.1789 Kalimantan Tengah Kapuas
114.2978 -1.1888 Kalimantan Tengah Kapuas
112.9811 -1.5947 Kalimantan Tengah Katingan
112.991 -1.5947 Kalimantan Tengah Katingan
112.9811 -1.6046 Kalimantan Tengah Katingan
112.8425 -2.2778 Kalimantan Tengah Kotawaringin Timur
112.8524 -2.2778 Kalimantan Tengah Kotawaringin Timur
112.8425 -2.2877 Kalimantan Tengah Kotawaringin Timur
114.4463 -0.2384 Kalimantan Tengah Murung Raya
114.4463 -0.2483 Kalimantan Tengah Murung Raya
114.4562 -0.2483 Kalimantan Tengah Murung Raya
114.2384 -0.7037 Kalimantan Tengah Murung Raya
114.2483 -0.7136 Kalimantan Tengah Murung Raya
114.2483 -0.7235 Kalimantan Tengah Murung Raya
114.3671 -0.7334 Kalimantan Tengah Murung Raya
114.377 -0.7334 Kalimantan Tengah Murung Raya
114.3671 -0.7433 Kalimantan Tengah Murung Raya
114.377 -0.7433 Kalimantan Tengah Murung Raya
114.3671 -0.7532 Kalimantan Tengah Murung Raya
BUJUR LINTANG PROPINSI KABUPATEN
114.377 -0.7532 Kalimantan Tengah Murung Raya
112.1891 -2.0105 Kalimantan Tengah Seruyan
112.2089 -2.0105 Kalimantan Tengah Seruyan
112.2188 -2.0105 Kalimantan Tengah Seruyan
112.2188 -2.0204 Kalimantan Tengah Seruyan
Sumber: LAPAN, waktu perekaman 05.57 UTC (12.57 WIB)

PERBANDINGAN PADA TANGGAL 23 SEPTEMBER 2007

Hasil pengolahan MODIS, waktu perekaman 03.30 UTC

BUJUR LINTANG PROVINSI KABUPATEN


114.828 -0.8972 Kalimantan Tengah Barito Utara
114.8379 -0.8972 Kalimantan Tengah Barito Utara
115.0359 -0.8972 Kalimantan Tengah Barito Utara
115.0458 -0.8972 Kalimantan Tengah Barito Utara
114.828 -0.9071 Kalimantan Tengah Barito Utara
114.5706 -1.0457 Kalimantan Tengah Barito Utara
114.7389 -1.1744 Kalimantan Tengah Barito Utara
114.7488 -1.1942 Kalimantan Tengah Barito Utara
114.7587 -1.1942 Kalimantan Tengah Barito Utara
114.7488 -1.2041 Kalimantan Tengah Barito Utara
114.7587 -1.2041 Kalimantan Tengah Barito Utara
114.9369 -1.214 Kalimantan Tengah Barito Utara
114.9666 -1.2437 Kalimantan Tengah Barito Utara
115.0161 -1.313 Kalimantan Tengah Barito Utara
113.4717 -0.8279 Kalimantan Tengah Gunung Mas
113.4816 -0.8378 Kalimantan Tengah Gunung Mas
113.6994 -0.9665 Kalimantan Tengah Gunung Mas
113.7093 -0.9764 Kalimantan Tengah Gunung Mas
113.6994 -0.9863 Kalimantan Tengah Gunung Mas
113.7093 -0.9863 Kalimantan Tengah Gunung Mas
113.7192 -0.9962 Kalimantan Tengah Gunung Mas
113.937 -1.0061 Kalimantan Tengah Gunung Mas
113.7489 -1.016 Kalimantan Tengah Gunung Mas
113.937 -1.016 Kalimantan Tengah Gunung Mas
BUJUR LINTANG PROVINSI KABUPATEN
113.9469 -1.016 Kalimantan Tengah Gunung Mas
113.739 -1.0259 Kalimantan Tengah Gunung Mas
113.7489 -1.0259 Kalimantan Tengah Gunung Mas
113.739 -1.0358 Kalimantan Tengah Gunung Mas
113.7489 -1.0358 Kalimantan Tengah Gunung Mas
113.64 -1.1249 Kalimantan Tengah Gunung Mas
113.64 -1.1348 Kalimantan Tengah Gunung Mas
113.2539 -1.2239 Kalimantan Tengah Gunung Mas
113.2638 -1.2239 Kalimantan Tengah Gunung Mas
113.2638 -1.2338 Kalimantan Tengah Gunung Mas
113.6004 -1.2932 Kalimantan Tengah Gunung Mas
113.3628 -1.412 Kalimantan Tengah Gunung Mas
113.3727 -1.412 Kalimantan Tengah Gunung Mas
113.3826 -1.412 Kalimantan Tengah Gunung Mas
113.9073 -0.7289 Kalimantan Tengah Kapuas
114.0162 -0.8081 Kalimantan Tengah Kapuas
114.0162 -0.818 Kalimantan Tengah Kapuas
114.0261 -0.818 Kalimantan Tengah Kapuas
114.036 -0.818 Kalimantan Tengah Kapuas
114.036 -0.9467 Kalimantan Tengah Kapuas
114.036 -0.9566 Kalimantan Tengah Kapuas
114.0954 -1.0259 Kalimantan Tengah Kapuas
114.333 -1.0358 Kalimantan Tengah Kapuas
114.3429 -1.0358 Kalimantan Tengah Kapuas
114.333 -1.0457 Kalimantan Tengah Kapuas
114.0558 -1.0655 Kalimantan Tengah Kapuas
114.0558 -1.0754 Kalimantan Tengah Kapuas
114.0657 -1.0754 Kalimantan Tengah Kapuas
114.3825 -1.2635 Kalimantan Tengah Kapuas
114.3924 -1.2635 Kalimantan Tengah Kapuas
114.5904 -1.3724 Kalimantan Tengah Kapuas
114.6003 -1.3724 Kalimantan Tengah Kapuas
114.5904 -1.3823 Kalimantan Tengah Kapuas
114.234 -1.4516 Kalimantan Tengah Kapuas
114.234 -1.4615 Kalimantan Tengah Kapuas
112.8876 -0.8378 Kalimantan Tengah Katingan
112.8777 -1.016 Kalimantan Tengah Katingan
112.848 -1.3427 Kalimantan Tengah Katingan
112.848 -1.3526 Kalimantan Tengah Katingan
113.0361 -1.3526 Kalimantan Tengah Katingan
112.8579 -1.3625 Kalimantan Tengah Katingan
113.0262 -1.3625 Kalimantan Tengah Katingan
113.0361 -1.3625 Kalimantan Tengah Katingan
BUJUR LINTANG PROVINSI KABUPATEN
112.0065 -2.1248 Kalimantan Tengah Kotawaringin Barat
112.0164 -2.1248 Kalimantan Tengah Kotawaringin Barat
114.6597 -0.3329 Kalimantan Tengah Murung Raya
114.6696 -0.3329 Kalimantan Tengah Murung Raya
114.0558 -0.3428 Kalimantan Tengah Murung Raya
114.0657 -0.3428 Kalimantan Tengah Murung Raya
114.6597 -0.3428 Kalimantan Tengah Murung Raya
114.0558 -0.3527 Kalimantan Tengah Murung Raya
114.0657 -0.3527 Kalimantan Tengah Murung Raya
114.4617 -0.6101 Kalimantan Tengah Murung Raya
114.4716 -0.6101 Kalimantan Tengah Murung Raya
114.4518 -0.62 Kalimantan Tengah Murung Raya
114.4617 -0.62 Kalimantan Tengah Murung Raya
114.2538 -0.7685 Kalimantan Tengah Murung Raya
114.2538 -0.7784 Kalimantan Tengah Murung Raya
114.6003 -0.7784 Kalimantan Tengah Murung Raya
114.135 -3.1247 Kalimantan Tengah Pulang Pisau
114.1449 -3.1247 Kalimantan Tengah Pulang Pisau
114.135 -3.1346 Kalimantan Tengah Pulang Pisau
114.1449 -3.1346 Kalimantan Tengah Pulang Pisau
112.1253 -1.9268 Kalimantan Tengah Seruyan
Sumber: LAPAN, waktu perekaman 05.46 UTC (12.46 WIB)

PERBANDINGAN PADA TANGGAL 25 SEPTEMBER 2007

Hasil pengolahan MODIS, waktu perekaman 03.20 UTC


BUJUR LINTANG PROVINSI KABUPATEN
115.1407 -1.8678 Kalimantan Tengah Barito Timur
115.1506 -1.8678 Kalimantan Tengah Barito Timur
113.9131 -1.0065 Kalimantan Tengah Gunung Mas
113.923 -1.0065 Kalimantan Tengah Gunung Mas
113.9131 -1.0164 Kalimantan Tengah Gunung Mas
113.923 -1.0164 Kalimantan Tengah Gunung Mas
113.9824 -1.0164 Kalimantan Tengah Gunung Mas
113.9725 -1.0263 Kalimantan Tengah Gunung Mas
113.9824 -1.0263 Kalimantan Tengah Gunung Mas
113.8042 -1.0362 Kalimantan Tengah Gunung Mas
113.8141 -1.0362 Kalimantan Tengah Gunung Mas
113.824 -1.0362 Kalimantan Tengah Gunung Mas
113.8042 -1.0461 Kalimantan Tengah Gunung Mas
113.8141 -1.0461 Kalimantan Tengah Gunung Mas
113.824 -1.0461 Kalimantan Tengah Gunung Mas
113.9824 -1.0461 Kalimantan Tengah Gunung Mas
113.9131 -1.0659 Kalimantan Tengah Gunung Mas
113.329 -1.2045 Kalimantan Tengah Gunung Mas
113.3092 -1.2144 Kalimantan Tengah Gunung Mas
113.3191 -1.2144 Kalimantan Tengah Gunung Mas
113.329 -1.2144 Kalimantan Tengah Gunung Mas
113.3191 -1.2243 Kalimantan Tengah Gunung Mas
114.0319 -0.9372 Kalimantan Tengah Kapuas
114.0418 -0.9372 Kalimantan Tengah Kapuas
114.0517 -0.9372 Kalimantan Tengah Kapuas
114.0319 -0.9471 Kalimantan Tengah Kapuas
114.0418 -0.9471 Kalimantan Tengah Kapuas
114.0022 -1.0065 Kalimantan Tengah Kapuas
114.0121 -1.0065 Kalimantan Tengah Kapuas
113.9923 -1.0164 Kalimantan Tengah Kapuas
114.0022 -1.0164 Kalimantan Tengah Kapuas
113.9923 -1.0263 Kalimantan Tengah Kapuas
113.9923 -1.0362 Kalimantan Tengah Kapuas
114.0022 -1.0362 Kalimantan Tengah Kapuas
113.9923 -1.0461 Kalimantan Tengah Kapuas
114.0022 -1.0461 Kalimantan Tengah Kapuas
114.0121 -1.0461 Kalimantan Tengah Kapuas
113.9923 -1.056 Kalimantan Tengah Kapuas
114.0022 -1.056 Kalimantan Tengah Kapuas
114.0616 -1.2837 Kalimantan Tengah Kapuas
114.0319 -1.2936 Kalimantan Tengah Kapuas
114.0418 -1.2936 Kalimantan Tengah Kapuas
114.0517 -1.2936 Kalimantan Tengah Kapuas
BUJUR LINTANG PROVINSI KABUPATEN
114.0418 -1.3035 Kalimantan Tengah Kapuas
114.0517 -1.3035 Kalimantan Tengah Kapuas
114.418 -1.452 Kalimantan Tengah Kapuas
114.4279 -1.452 Kalimantan Tengah Kapuas
114.4378 -1.452 Kalimantan Tengah Kapuas
114.418 -1.4619 Kalimantan Tengah Kapuas
114.4279 -1.4619 Kalimantan Tengah Kapuas
114.4378 -1.4619 Kalimantan Tengah Kapuas
114.4477 -1.4619 Kalimantan Tengah Kapuas
114.4972 -2.4915 Kalimantan Tengah Kapuas
114.5071 -2.4915 Kalimantan Tengah Kapuas
114.4873 -2.5014 Kalimantan Tengah Kapuas
114.4972 -2.5014 Kalimantan Tengah Kapuas
114.5071 -2.5014 Kalimantan Tengah Kapuas
114.5269 -2.5014 Kalimantan Tengah Kapuas
114.517 -2.5113 Kalimantan Tengah Kapuas
114.5962 -2.5311 Kalimantan Tengah Kapuas
114.6061 -2.5311 Kalimantan Tengah Kapuas
114.616 -2.5311 Kalimantan Tengah Kapuas
114.6061 -2.541 Kalimantan Tengah Kapuas
114.616 -2.541 Kalimantan Tengah Kapuas
112.9825 -1.0164 Kalimantan Tengah Katingan
112.9627 -1.0263 Kalimantan Tengah Katingan
112.9726 -1.0263 Kalimantan Tengah Katingan
112.9825 -1.0263 Kalimantan Tengah Katingan
113.23 -1.4421 Kalimantan Tengah Katingan
113.2102 -1.452 Kalimantan Tengah Katingan
113.2201 -1.452 Kalimantan Tengah Katingan
113.23 -1.452 Kalimantan Tengah Katingan
113.2201 -1.5213 Kalimantan Tengah Katingan
113.23 -1.5213 Kalimantan Tengah Katingan
113.2201 -1.5312 Kalimantan Tengah Katingan
113.23 -1.5312 Kalimantan Tengah Katingan
113.2399 -1.5312 Kalimantan Tengah Katingan
113.2498 -1.5312 Kalimantan Tengah Katingan
113.2201 -1.5411 Kalimantan Tengah Katingan
113.23 -1.5411 Kalimantan Tengah Katingan
113.2399 -1.5411 Kalimantan Tengah Katingan
113.2498 -1.5411 Kalimantan Tengah Katingan
111.8044 -2.2242 Kalimantan Tengah Kotawaringin Barat
111.8143 -2.2242 Kalimantan Tengah Kotawaringin Barat
111.8242 -2.2242 Kalimantan Tengah Kotawaringin Barat
111.7945 -2.2341 Kalimantan Tengah Kotawaringin Barat
111.8044 -2.2341 Kalimantan Tengah Kotawaringin Barat
111.8143 -2.2341 Kalimantan Tengah Kotawaringin Barat
BUJUR LINTANG PROVINSI KABUPATEN
111.8242 -2.2341 Kalimantan Tengah Kotawaringin Barat
112.7053 -1.4718 Kalimantan Tengah Kotawaringin Timur
112.7152 -1.4718 Kalimantan Tengah Kotawaringin Timur
112.7251 -1.4718 Kalimantan Tengah Kotawaringin Timur
112.7053 -1.4817 Kalimantan Tengah Kotawaringin Timur
112.7152 -1.4817 Kalimantan Tengah Kotawaringin Timur
112.7251 -1.4817 Kalimantan Tengah Kotawaringin Timur
112.2499 -2.0262 Kalimantan Tengah Kotawaringin Timur
112.24 -2.0361 Kalimantan Tengah Kotawaringin Timur
113.7151 -1.4025 Kalimantan Tengah Palangka Raya
113.725 -1.4025 Kalimantan Tengah Palangka Raya
113.7151 -1.4124 Kalimantan Tengah Palangka Raya
113.725 -1.4124 Kalimantan Tengah Palangka Raya
112.1311 -1.9074 Kalimantan Tengah Seruyan
112.141 -1.9074 Kalimantan Tengah Seruyan
112.1509 -1.9074 Kalimantan Tengah Seruyan
112.141 -1.9173 Kalimantan Tengah Seruyan
112.2796 -2.3034 Kalimantan Tengah Seruyan
112.2697 -2.3133 Kalimantan Tengah Seruyan
112.2796 -2.3133 Kalimantan Tengah Seruyan
Sumber: LAPAN, waktu perekaman 05.26 UTC (12.26 WIB)

PERBANDINGAN PADA TANGGAL 27 SEPTEMBER 2007

Hasil pengolahan MODIS, waktu perekaman 03.10 UTC

BUJUR LINTANG PROVINSI KABUPATEN


113.3718 -1.1555 Kalimantan Tengah Gunung Mas
113.3817 -1.1555 Kalimantan Tengah Gunung Mas
113.3916 -1.1555 Kalimantan Tengah Gunung Mas
113.4015 -1.1555 Kalimantan Tengah Gunung Mas
113.352 -1.1654 Kalimantan Tengah Gunung Mas
113.3619 -1.1654 Kalimantan Tengah Gunung Mas
113.3718 -1.1654 Kalimantan Tengah Gunung Mas
113.3817 -1.1654 Kalimantan Tengah Gunung Mas
113.3916 -1.1654 Kalimantan Tengah Gunung Mas
113.4015 -1.1654 Kalimantan Tengah Gunung Mas
BUJUR LINTANG PROVINSI KABUPATEN
113.4114 -1.1654 Kalimantan Tengah Gunung Mas
113.352 -1.1753 Kalimantan Tengah Gunung Mas
113.3619 -1.1753 Kalimantan Tengah Gunung Mas
113.3718 -1.1753 Kalimantan Tengah Gunung Mas
113.3817 -1.1753 Kalimantan Tengah Gunung Mas
113.3916 -1.1753 Kalimantan Tengah Gunung Mas
113.4015 -1.1753 Kalimantan Tengah Gunung Mas
113.3619 -1.1852 Kalimantan Tengah Gunung Mas
113.3718 -1.1852 Kalimantan Tengah Gunung Mas
114.9502 -1.4096 Kalimantan Tengah Barito Utara
114.9403 -1.4195 Kalimantan Tengah Barito Selatan
114.9502 -1.4195 Kalimantan Tengah Barito Selatan
114.9601 -1.4195 Kalimantan Tengah Barito Selatan
Sumber: LAPAN, waktu perekaman 05.07 UTC (12.07 WIB)

LAMPIRAN 3

Definisi level pengolahan data MODIS (Moderate Resolution Imaging

spectroradiometer)

No. Level Definisi


1. L0 Level ini diproduksi oleh instrumen dari EDOS (EOS Data and
Operation System) dan disimpan dalam hard disk, berisi paket
data telemetri dikuantisasi dalam sistem biner 12 bit. Kode
pengolahan MODPRO1.
Telemetri: (1) ilmu tentang pengukuran jarak dengan telemeter, (2) pengiriman data
rekaman dengan cara radio, telepon, atau telegraf.

2. L 1A Adalah data level 0 yang telah direformat dan ditambahkan data


ancilary. Informasi Geolocation juga ditambahkan pada resolusi
spasial 1 km. Kode pengolahan MODPRO 3.
3. L 1B Data L 1A (dengan Geolocation) dikalibrasi, sehingga diperoleh
data terkalibrasi baik radiometrik maupun geometriknya. Kode
pengolahan MODPRO2.
4. L2 Data geofisik tang dapat diturunkan dari data L 1B menggunakan
algoritma parameter geofisik.
No. Level Definisi
5. L 2G Adalah data L2 tetapi tiap-tiap pixel dapat dipetakan dalam grid
tertentu.
6. L3 Parameter geofisik telah mengalami proses perataan dengan
mengganti ukuran pixel dengan orde lebih luas (misal 4 km),
dengan menggabungkan data yang berbeda baik waktu dan
tempatnya.
7. L4 Model output atau hasil analisis dari level lebih rendah tetapi
variabel yang dijelaskan melalui berbagai pengukuran.

LAMPIRAN 4

Spatial Resolution is based on (Steber, 2007):

The relationship between latmin latmax lonmin lonmax maplines mapsamples.

Since 10 of latitude or longitude approximates 100 km the following relationships

can be used depending which bands are being used.

For 1km resolution maplines = 100 * (latmax – latmin)

mapsamples = 100 * (lonmax –lonmin)

For 500m resolution maplines = 200 * (latmax – latmin)

mapsamples = 200 * (lonmax –lonmin)

For 250m resolution maplines = 400 * (latmax – latmin)

mapsamples = 400 * (lonmax –lonmin)


LAMPIRAN 5

Kode-kode program projectl1b.csh (yang menjalankan program imapp2bin v4.4

dan program mod2rect v1.10)

#!/bin/tcsh
# Modified : 23/03/2007 - Changed exscalev for t23 to 0.1.

if($#argv < 8) then


echo "USAGE: $0 base latmin latmax lonmin lonmax maplines
mapsamples bandlist"
exit -1
endif

set bands = (r1 r1fk r2 r2fk l2fk r3 r3fk l3fk r4 l4fk r5 l5fk r6 l6fk r7 r7fk l7fk l17
l18 l19 t20 t21 t22 t23 t31 t32 vz va sz sa r4fk)
set exfile = (B1REF B1FKREF B2REF B2FKREF B2FKRAD B3REF B3FKREF
B3FKRAD B4REF B4FKRAD B5REF B5FKRAD B6REF B6FKRAD
B7REF B7FKREF B7FKRAD B17RAD B18RAD B19RAD B20TEM
B21TEM B22TEM B23TEM B31TEM B32TEM SENSORZENITH
SENSORAZIMUTH SOLARZENITH SOLARAZIMUTH B4FKREF)
set exscale = (B1REFSCALE B1FKREFSCALE B2REFSCALE
B2FKREFSCALE B2FKRADSCALE B3REFSCALE B3FKREFSCALE
B3FKRADSCALE B4REFSCALE B4FKRADSCALE B5REFSCALE
B5FKRADSCALE B6REFSCALE B6FKRADSCALE B7REFSCALE
B7FKREFSCALE B7FKRADSCALE B17RADSCALE B18RADSCALE
B19RADSCALE B20TEMSCALE B21TEMSCALE B22TEMSCALE
B23TEMSCALE B31TEMSCALE B32TEMSCALE DUMMY DUMMY
DUMMY DUMMY B4FKREFSCALE)
set exscalev = (0.0001 0.0001 0.0001 0.0001 0.01 0.0001 0.0001 0.01 0.0001 0.01
0.0001 0.01 0.0001 0.01 0.0001 0.0001 0.01 0.01 0.01 0.01 0.1 0.1 0.1 0.1
0.01 0.01 0 0 0 0 0.0001)
set exoffset = (B1REFOFFSET B1FKREFOFFSET B2REFOFFSET
B2FKREFOFFSET B2FKRADOFFSET B3REFOFFSET
B3FKREFOFFSET B3FKRADOFFSET B4REFOFFSET
B4FKRADOFFSET B5REFOFFSET B5FKRADOFFSET B6REFOFFSET
B6FKRADOFFSET B7REFOFFSET B7FKREFOFFSET
B7FKRADOFFSET B17RADOFFSET B18RADOFFSET
B19RADOFFSET B20TEMOFFSET B21TEMOFFSET B22TEMOFFSET
B23TEMOFFSET B31TEMOFFSET B32TEMOFFSET DUMMY
DUMMY DUMMY DUMMY B4FKREFOFFSET)
set exfill = (B1REFFILL B1FKREFFILL B2REFFILL B2FKREFFILL
B2FKRADFILL B3REFFILL B3FKREFFILL B3FKRADFILL
B4REFFILL B4FKRADFILL B5REFFILL B5FKRADFILL B6REFFILL
B6FKRADFILL B7REFFILL B7FKREFFILL B7FKRADFILL
B17RADFILL B18RADFILL B19RADFILL B20TEMFILL B21TEMFILL
B22TEMFILL B23TEMFILL B31TEMFILL B32TEMFILL DUMMY
DUMMY DUMMY DUMMY B4FKREFFILL)
set exsat = (B1REFSAT B1FKREFSAT B2REFSAT B2FKREFSAT
B2FKRADSAT B3REFSAT B3FKREFSAT B3FKRADSAT B4REFSAT
B4FKRADSAT B5REFSAT B5FKRADSAT B6REFSAT B6FKRADSAT
B7REFSAT B7FKREFSAT B7FKRADSAT B17RADSAT B18RADSAT
B19RADSAT B20TEMSAT B21TEMSAT B22TEMSAT B23TEMSAT
B31TEMSAT B32TEMSAT DUMMY DUMMY DUMMY DUMMY
B4FKREFSAT)
set ex1km = (0 1 0 1 1 0 1 1 0 1 0 1 0 1 0 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 1)
set exhkm = (0 0 0 0 0 1 0 0 1 0 1 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0)
set exqkm = (1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0)
set exgeo = (0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0)

set i = 8
set IN1KM = ""
set IN500 = ""
set IN250 = ""
set OUT1KM = ""
set OUT500 = ""
set OUT250 = ""
set need1km = 0
set needhkm = 0
set needqkm = 0
while($i <= $#argv)
set j = 1
foreach band ($bands)
if($band == $argv[$i]) break;
@ j++
end
if($j > $#bands) then
echo band $argv[$i] not supported
exit
endif

setenv $exfile[$j] $band


setenv $exscale[$j] $exscalev[$j]
setenv $exoffset[$j] 0
setenv $exfill[$j] -32767
setenv $exsat[$j] 32767

if($ex1km[$j]) then
set IN1KM = ${IN1KM}${band}":"
set OUT1KM =
${OUT1KM}${1}_${band}_map":"
set need1km = 1
endif

if($exgeo[$j]) then
set IN1KM = ${IN1KM}${band}":"
set OUT1KM =
${OUT1KM}${1}_${band}_map":"
endif

if($exhkm[$j]) then
set IN500 = ${IN500}${band}":"
set OUT500 = ${OUT500}${1}_${band}_map":"
set needhkm = 1
endif

if($exqkm[$j]) then
set IN250 = ${IN250}${band}":"
set OUT250 = ${OUT250}${1}_${band}_map":"
set needqkm = 1
endif
@ i++
end

if($need1km) setenv MOD021KM ${1}_MOD021KM.hdf


if($needhkm) setenv MOD02HKM ${1}_MOD02HKM.hdf
if($needqkm) setenv MOD02QKM ${1}_MOD02QKM.hdf
if($IN1KM != "") then
setenv IN1KM $IN1KM
setenv OUT1KM $OUT1KM
endif
if($IN500 != "") then
setenv IN500 $IN500
setenv OUT500 $OUT500
endif
if($IN250 != "") then
setenv IN250 $IN250
setenv OUT250 $OUT250
endif
setenv MOD03 ${1}_MOD03.hdf

setenv LATITUDE lat


setenv LONGITUDE lon

setenv LATITUDE lat


setenv LONGITUDE lon
setenv MAPLINES $6
setenv MAPSAMPLES $7
setenv FILLVALUE -32767

echo extracting

setenv LATMIN `echo $2 | awk '{printf "%f", $1 - 1}'`


setenv LATMAX `echo $3 | awk '{printf "%f", $1 + 1}'`
setenv LONMIN `echo $4 | awk '{printf "%f", $1 - 1}'`
setenv LONMAX `echo $5 | awk '{printf "%f", $1 + 1}'`

imapp2bin
switch( $status )
case 0:
breaksw
case 1:
exit
breaksw
default:
echo ":ERROR extracting"
exit
endsw

echo remapping
setenv LATMIN $2
setenv LATMAX $3
setenv LONMIN $4
setenv LONMAX $5
mod2rect
if($status) then
echo ":ERROR remapping"
exit
endif

echo removing temporary files


set i = 8
while($i <= $#argv)
rm -f $argv[$i]
@ i++
end
rm -f lat lon

echo creating header files


set xdim = `echo $4 $5 $7 | awk '{printf "%.8f", ($2 - $1)/$3}'`
set ydim = `echo $2 $3 $6 | awk '{printf "%.8f", ($2 - $1)/$3}'`
set i = 8
while($i <= $#argv)
echo "DatasetHeader Begin" >${1}_$argv[$i]_map.ers
echo " DataSetType = ERStorage" >>${1}_$argv[$i]_map.ers
echo " DataType = Raster" >>${1}_$argv[$i]_map.ers
echo " ByteOrder = LSBFirst" >>${1}_$argv[$i]_map.ers
echo " CoordinateSpace Begin" >>${1}_$argv[$i]_map.ers
echo ' Datum = "WGS84"' >>${1}_$argv[$i]_map.ers
echo ' Projection = "GEODETIC"' >>${1}_$argv[$i]_map.ers
echo " CoordinateType = EN" >>${1}_$argv[$i]_map.ers
echo " Rotation = 0:0:0.0" >>${1}_$argv[$i]_map.ers
echo " CoordinateSpace End" >>${1}_$argv[$i]_map.ers
echo " RasterInfo Begin" >>${1}_$argv[$i]_map.ers
echo " CellType = Signed16BitInteger"
>>${1}_$argv[$i]_map.ers
echo " NullCellValue = -32767" >>${1}_$argv[$i]_map.ers
echo " CellInfo Begin" >>${1}_$argv[$i]_map.ers
echo " Xdimension = $xdim" >>${1}_$argv[$i]_map.ers
echo " Ydimension = $ydim" >>${1}_$argv[$i]_map.ers
echo " CellInfo End" >>${1}_$argv[$i]_map.ers
echo " NrOfLines = $6" >>${1}_$argv[$i]_map.ers
echo " NrOfCellsPerLine = $7" >>${1}_$argv[$i]_map.ers
echo " RegistrationCoord Begin" >>${1}_$argv[$i]_map.ers
echo " Eastings = $4" >>${1}_$argv[$i]_map.ers
echo " Northings = $3" >>${1}_$argv[$i]_map.ers
echo " RegistrationCoord End" >>${1}_$argv[$i]_map.ers
echo " RegistrationCellX = 0" >>${1}_$argv[$i]_map.ers
echo " RegistrationCellY = 0" >>${1}_$argv[$i]_map.ers
echo " NrOfBands = 1" >>${1}_$argv[$i]_map.ers
echo " RasterInfo End" >>${1}_$argv[$i]_map.ers
echo "DatasetHeader End" >>${1}_$argv[$i]_map.ers

@ i++
end

echo done
LAMPIRAN 6
Julian Day Calendar
Leap years:
(1988, 1992, 1996, 2000, 2004, 2008, 2012, ...)
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
1 1 32 61 92 122 153 183 214 245 275 306 336
2 2 33 62 93 123 154 184 215 246 276 307 337
3 3 34 63 94 124 155 185 216 247 277 308 338
4 4 35 64 95 125 156 186 217 248 278 309 339
5 5 36 65 96 126 157 187 218 249 279 310 340
6 6 37 66 97 127 158 188 219 250 280 311 341
7 7 38 67 98 128 159 189 220 251 281 312 342
8 8 39 68 99 129 160 190 221 252 282 313 343
9 9 40 69 100 130 161 191 222 253 283 314 344
10 10 41 70 101 131 162 192 223 254 284 315 345
11 11 42 71 102 132 163 193 224 255 285 316 346
12 12 43 72 103 133 164 194 225 256 286 317 347
13 13 44 73 104 134 165 195 226 257 287 318 348
14 14 45 74 105 135 166 196 227 258 288 319 349
15 15 46 75 106 136 167 197 228 259 289 320 350
16 16 47 76 107 137 168 198 229 260 290 321 351
17 17 48 77 108 138 169 199 230 261 291 322 352
18 18 49 78 109 139 170 200 231 262 292 323 353
19 19 50 79 110 140 171 201 232 263 293 324 354
20 20 51 80 111 141 172 202 233 264 294 325 355
21 21 52 81 112 142 173 203 234 265 295 326 356
22 22 53 82 113 143 174 204 235 266 296 327 357
23 23 54 83 114 144 175 205 236 267 297 328 358
24 24 55 84 115 145 176 206 237 268 298 329 359
25 25 56 85 116 146 177 207 238 269 299 330 360
26 26 57 86 117 147 178 208 239 270 300 331 361
27 27 58 87 118 148 179 209 240 271 301 332 362
28 28 59 88 119 149 180 210 241 272 302 333 363
29 29 60 89 120 150 181 211 242 273 303 334 364
30 30 90 121 151 182 212 243 274 304 335 365
31 31 91 152 213 244 305 366
Regular years:
(2001, 2002, 2003, 2005, 2006, 2007, 2009, 2010, ...)
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
1 1 32 60 91 121 152 182 213 244 274 305 335
2 2 33 61 92 122 153 183 214 245 275 306 336
3 3 34 62 93 123 154 184 215 246 276 307 337
4 4 35 63 94 124 155 185 216 247 277 308 338
5 5 36 64 95 125 156 186 217 248 278 309 339
6 6 37 65 96 126 157 187 218 249 279 310 340
7 7 38 66 97 127 158 188 219 250 280 311 341
8 8 39 67 98 128 159 189 220 251 281 312 342
9 9 40 68 99 129 160 190 221 252 282 313 343
10 10 41 69 100 130 161 191 222 253 283 314 344
11 11 42 70 101 131 162 192 223 254 284 315 345
12 12 43 71 102 132 163 193 224 255 285 316 346
13 13 44 72 103 133 164 194 225 256 286 317 347
14 14 45 73 104 134 165 195 226 257 287 318 348
15 15 46 74 105 135 166 196 227 258 288 319 349
16 16 47 75 106 136 167 197 228 259 289 320 350
17 17 48 76 107 137 168 198 229 260 290 321 351
18 18 49 77 108 138 169 199 230 261 291 322 352
19 19 50 78 109 139 170 200 231 262 292 323 353
20 20 51 79 110 140 171 201 232 263 293 324 354
21 21 52 80 111 141 172 202 233 264 294 325 355
22 22 53 81 112 142 173 203 234 265 295 326 356
23 23 54 82 113 143 174 204 235 266 296 327 357
24 24 55 83 114 144 175 205 236 267 297 328 358
25 25 56 84 115 145 176 206 237 268 298 329 359
26 26 57 85 116 146 177 207 238 269 299 330 360
27 27 58 86 117 147 178 208 239 270 300 331 361
28 28 59 87 118 148 179 209 240 271 301 332 362
29 29 88 119 149 180 210 241 272 302 333 363
30 30 89 120 150 181 211 242 273 303 334 364
31 31 90 151 212 243 304 365
LAMPIRAN