1
Bab 1. Pendahuluan
2
Bab identifikasi penutupan lahan memaparkan teknis identifikasi
penutupan lahan menggunakan metode terpilih.
3
Gambar 1. Tahapan proses perhitungan REL
4
Gambar 2. Bagan alur analisis teknis identifikasi REL (Sumber: UN-
REDD Indonesia, 2012)
5
Secara umum, memiliki tingkat kebutuhan biaya biaya
yang lebih rendah dibandingkan dengan metode lain.
Hanya memerlukanalat (tool) Sistem Informasi Geografis
yang sederhana dalam melakukan analisis /
perhitungannya.
Karena merupakan metode yang paling sederhana,
metode mudah untuk dipahami oleh pemerintah daerah.
Metode ini menguntungkan bagi daerah yang memiliki
angka sejarah emisi yang tinggi.
Metode ini tidak mempertimbangkan kebijakan
pemerintah terkait dengan alokasi penggunaan lahan di
masa depan.
Metode ini tidak mempertimbangkan hubungan dan
dampak dari berbagai faktor yang mempengaruhi atau
memicu perubahan tutupan lahan dimasa depan.
Metode ini tidak menguntungkan bagi daerah yang
memiliki sejarah emisi yang rendah.
6
Hanya memerlukan standar Geographics syatem
Informasi dan alat Penginderaan Jauh dalam melakukan
analisisnya.
7
mendiskusikan dengan pemerintah daerah, terutama
dalam hal strategi pengurangan emisi.
Metode ini mudah dipahami oleh pemerintah daerah
untuk proyeksi emisi didasarkan pada data spasial dan
rencana pembangunan yang relevan daerah.
Karena mempertimbangkan rencana pengembagan
wilayah dan pembangunan daerah setempat, maka
metode ini oleh beberapa pihak dianggap mewakili
kepentingan ekonomi dan pertumbuhan daerah yang
bersangkutan.
Metode ini dianggap oleh beberapa pihak adalah cukup
komprehensif untuk menggunakan berbagai proxy data
dalam memproyeksikan emisi masa depan.
8
Kompleksitas Sederhana Sederhana Moderate Kompleks
3.1. Perangkat
9
Perangkat atau alat yang diperlukan dalam perhitungan REL
akan sangat bergantung dengan metode yang digunakan.
Berikut tabel kebutuhan alat atau perangkat yang diperlukan
dalam perhitungan REL pada berbagai metode.
3.2. Data
10
Peta Tata √
Ruang
Wilayah
Peta √
Penunjukan
Kawasan dan
Perairan
Peta √
Perkebunan
Peta √
Pertambangan
Peta Jalan √
Peta Sungai √
Peta Batas √ √ √ √
Administrasi
Peta √
Ketinggian
Demografi √
Rencana √
Pembangunan
Jangka
Menegah
Daerah
11
Pembangunan Jangka
Menengah, Peta Administrasi
Biro Pusat Statistik Data Demografi
BPDAS Peta Jaringan Sungai
Dinas Perkebunan Peta Perkebunan
Dinas Pertambangan Peta Pertambangan
12
Citra satelit dapat diinterpretasi melalui beberapa cara: [a] interpretasi
manual (manual interpretation), dan [b] interpretasi digital (digital
interpretation). Interpretasi manual dilakukan secara visual menggunakan
meja digitasi (digitation tablet) ataupun digitasi on screen (on screen
digitation), sementara interpretasi digital dilakukan menggunakan sistem
yang terkomputerisasi berdasarkan dengan atau tanpa menggunakan
sample atau alghorithma yang telah pengguna tetapkan.
Terkait dengan interpretasi digital, ada dua kelompok ektraksi data: [a]
berbasis piksel, dan [b] berbasis objek (object oriented classification).
Interpretasi berbasis piksel meliputi klasifikasi terbimbing (supervised
classification) dan klasifikasi tidak terbimbing (un-supervised classification).
Klasifikasi terbimbing adalah metode klasifikasi berdasarkan sample yang
telah ditentukan olah pengguna, sementara klasifikasi tidak terbimbing
akan memberikan keleluasaan kepada komputer untuk mengklasifikasikan
kelas yang junlahnya telah pengguna tentukan untuk kemudian hasilnya
didefinisikan selanjutnya berdasarkan atribut kelas yang telah ditentukan.
13
SAM membandingkan sudut antara setiap piksel dengan rerata
samplenya dalam ruang nD. Sudut yang lebih kecil merupakan
pertanda jarak yang lebih dekat dengan spektrum sample. Piksel dalam
hal ini diklasifikasikan ke dalam kelas yang memiliki sudut terkecil.
14
Pengolahan
awal citra
Segmentasi
Identifikasi
training area
Klasifkasi
Penghitungan
Tidak
akurasi
Ya
Vektorisasi
15
Dalam format aslinya, sebagian data mentah citra disiapkan terpisah dalam
masing-masing band. Sehingga dipelukan satu langkah untuk
mengkonversi sekaligus menggabungkan band yang diperlukan kedalam
satu dataset citra. Dibawah ini adalah urutan langkah yang dilakukan
dalam membuat dataset dengan menggunakan contoh citra satelit landsat.
16
Setiap tipe band memiliki karakter merekam tipe objek tertentu. Dibawah
ini adalah contoh fungsi setiap band dari citra Landsat.
Band Contoh aplikasi
- Pada panduan teknis ini, band 543 akan digunakan sebagai contoh.
Selain band yang berkesesuaian dengan kebutuhan identifikasi
penutupan lahan, kombinasi ini memberikan informasi dan kombinasi
warna yang kontras, vegetasi hijau dan tanah berwarna merah.
Kombinasi band ini umum digunakan untuk kebutuhan kegiatan
monitoring hutan.
17
- Langkah selanjutnya adalah melakukan penggabungan citra, atau
mosaicking. Mosaic tool dapat di akses melalui Arc Toolbox>Data
Management Tool>Raster>Raster Dataset>Mosaic To New Raster
18
ArcGIS dalam tool geo-referncing, melalui menu
Tools>Customize>toolbar>Georeferencing.
- Buka file citra lalu pilihlah komposisi band yang akan digunakan
sebagai visualisasi.
19
- Koreksi Radiometrik selanjutnya dapat dilakukan melalui tool
histogram scrath dan filter yang ada pada tool, atau dapat juga
menggunakan teknik yang sangat sederhana dengan menyesuaikan tool
bright, contrast, atau sharpen.
20
- Bukalah “Data Manager” dari menu File, kemudian pilihlah band
komposit RGB, lalu buka “Load Data”
4.3.1. Segmentasi
21
Berikut adalah contoh segmentasi yang dilakukan pada empat skala
segmentasi yang berbeda (25, 40, 50, dan 75):
22
- Mengacu pada hasil diatas skala paramater 40 misalnya memberikan
hasil yang terbaik, maka skala ini selanjutnya dipilih untuk dan dibawa
pada proses selanjutnya.
- Tentukan band yang akan dipilih, misalnya 543, kemudian pilik OK.
23
- Pada tahap “refine”, threshold parameter dapat digunakan berdasarkan
interval nomer digital yang kita tentukan.
24
4.3.2. Identifikasi Training Area
- Pada tahapan ini tentukan jumlah dan nama kelas yang digunakan.
25
- Penambahan kelas dan perubahan nama dilakukan melalui tool berikut
(contoh: hutan mangrove, hutan rawa sekunder, perkebunan, lahan
terbuka, dll.)
- Pada tahap ini penentuan sample tipe penutupan lahan pada beberapa
segment dilakukan.
26
4.3.3. Klasifikasi
- Dibawah ini adalah contoh sample kelas yang dijadikan dasar dalam
klasifikasi.
27
4.3.2. Perhitungan Akurasi
Hutan Primer 28 3 4 35
Lahan Kering
Lahan 1 21 5 32
Terbuka
Perkebunan 1 1 31 33
28
Maka perhitungan akurasinya adalah sebagai berikut
= 80/100
= 80%
29
Bab 5. Analisis Perubahan Penutupan Lahan, Deforestasi,
dan Degradasi
Metode klasifikasi ini membandingkan dua peta hasil klasifikasi dari dua
waktu yang berbeda. Metode ini setidaknya memiliki beberapa persyaratan
berupa:
a. Peta hasil klasifikasi yang diperbandingkan berasal dari citra dengan
resolusi spasial yang sama.
b. Peta hasil klasifikasi yang diperbandingkan harus memiliki sistem
pengkelasan yang sama.
30
Munculkan kedua peta hasil klasifikasi dari dua waktu yang berbeda.
Dalam studi kasus kali ini yang diperbandingkan adalah peta penutup
lahan Provinsi Sulawesi Tengah tahun 2000 dan tahun 2009.
31
Setelah proses ini, maka kedua peta yang berbeda telah tergabung
kedalam satu file. Untuk melakukan pengecekan maka bukalah atribut
dari data hasil overlay diatas.
Jika proses overlay berhasil maka atribut dari data yang bersangkutan
dapat dilihat pada tabel ini.
32
Pada tabel atribut data hasil overlay kedua penutup lahan diatas,
buatlah field baru untuk mengidentifikasikan deforestasi dan degradasi
lahan yang terjadi. Deforestasi ditandai dengan perubahan dari tutupan
hutan menjadi tutupan non hutan, sementara degradasi hutan ditandai
dengan penurunan kualitas kerapatan tutupan hutan (dari primer
menjadi sekunder).
33
5.2. Identifikasi deforestasi dan degradasi hutan
34
Tentukan perubahan lahan yang masuk kedalam kelompok deforestasi
dan degradasi hutan.
35
Perhitungan luas area yang terdeforestasi dan terdegradasi merupakan
tahap selanjutnya. Perhitungan luas dilakukan dengan membuat field
luas terlebih dahulu, melalui “Add Fied” yang dapat dibuka melalui
menu Option yang berada pada tabel atribut.
36
Pada field “luas_ha” yang telah dibuat aktifkan Calculate Geometry,
dengan cara meng-klik kanan diatas nama field luas_ha.
Pada property –nya, pilih Area. Pada Coordinate System, pilih sistem
coordinat UTM. Dan pada unitnya, pilih satuan luas Hectares (ha).
Setelahnya, ArcGIS akan menghitung luas tersebut dan menyimpannya
dalam field luas_ha yang telah kita siapkan sebelumnya.
37
Lakukan proses export tabel atribut yang telah dikerjakan hingga
perhitungan luas diatas. Melalui menu Option yang ada pada tabel
atribut > pilih Export, tentukan nama file dbf yang akan dihasilkan
beserta posisinya.
38
Contoh matrik deforestasi dan degradasi hutan disajikan dalam tabel
berikut
39
Salah satu keluaran dalam tahap ini adalah grafik transisi penutupan
hutan (forest transition) dari waktu ke waktu dalam selang yang telah
ditentukan. Forest transition ini sangat bermanfaat sebagai konsideran
dalam menentukan proyeksi emisi dimasa depan yang disebabkan oleh
kegiatan deforestasi. Gambar dibawah ini merupakan contoh dari forest
transition graph dari data studi kasus yang digunakan.
40
Bab 6. Estimasi Sejarah Emisi
41
Buat empat field baru dalam tabel atribut data shapefile perubahan
penutupan lahan yang telah dibuat sebelumnya. Caranya sama dengan
cara yang sebelumnya. Field selanjutnya diberi nama misalnya sebagai
C_ha_2000, C_ha_2011, Cstok_2000 dan Cstok_2011.
Aktifkan Field Calculator pada menu Option yang berada tabel atribut.
42
Tabel hasil export tersebut kemudian dibuka dengan menggunakan
Microsoft Excel.
Matrik emisi yang terjadi sejak tahun 2000hingga 2011 (sebagai contoh
kasus) disajikan dibawah ini.
43
Grafik emisi masa lalu dalam setiap selang monitoring penutupan
lahan disajikan pada gambar berikut.
44
Bab 7. Proyeksi Emisi Masa Depan
Tentukan tahun proyeksi emisi yang akan dituju. Tahun proyeksi dapat
ditentukan berdasarkan pada komitmen pemerintah dalam
menurunkan emisi nasionalnya (tahun 2020).
45
Angka prediksi emisi masa depan tersebut selanjutya disajikan dengan
menggunakan grafik garis untuk menghasilkan grafik tingkat acuan
emisi seperti contoh dibawah ini.
46
membandingkan proporsi hutan dengan luasan lahan secara keseluruhan
serta tingkat kepadatan penduduk.
47
Berikut adalah contoh hasil REL setelah proses adjustment.
-0-
48
DAFTAR PUSTAKA
Dewi, S., Griscom, B., Hovani, L., and Boer, R. 2011. Presentation material;
“REL at Subnational Level: Lessens Learned from Berau” World
Agroforestry Centre.
Dewi, Sonya and Ekadinata, Andree, 2011. “Proposed Method for Setting
REL at Subnational Level”, presentation FGD REL, UN-REDD, 30
September 2011, Jakarta.
49
Angelsen, Dough Boucher, Sandra Brown, Valerie Merckx, Charlotte Streck,
and Daniel Zarin. Available at: http://www.REDD-OAR.org.
Yan, Gao. 2003. Tesis report: Pixel Based and Object Oriented Image
Analysis for Coal Fire Research. International Institute for Geo-Information
Science and Earth Observation. Enschede.
50