Abstrak - Menurut Badan Pusat Statistik (BPS), pada klasifikasi berbasis piksel (Kusama I.J., Handayani, H.H.,
tahun 2013, kelapa sawit merupakan komoditi ketiga 2015)
setelah karet dan kelapa di Provinsi Kalimantan Selatan, Menurut Badan Pusat Statistik (BPS), pada tahun 2013,
di Kabupaten Tanah Laut, kelapa sawit menduduki kelapa sawit merupakan komoditi ketiga setelah karet dan
urutan kedua setelah karet. Sampai tahun 2013 tercatat kelapa di Provinsi Kalimantan Selatan, namun di Kabupaten
luas tanam kelapa sawit di Provinsi Kalimantan Selatan Tanah Laut, kelapa sawit menduduki urutan kedua setelah
mencapai 353.984.052 m2 , sedangkan di Kabupaten karet. Sampai tahun 2013 tercatat luas tanam kelapa sawit di
Tanah Laut, tercatat memiliki area tanam seluas Provinsi Kalimantan Selatan mencapai 353984052 m2,
81.054.820 m2. Sebagai komoditas unggulan, perlu sedangkan di Kabupaten Tanah Laut, tercatat memiliki area
adanya monitoring lahan secara akurat dan berkala tanam seluas 81.054.820 m2 (Badan Pusat Statistik 2013).
untuk mengontrol produktivitas kelapa sawit. Fotogrametri sebagai seni, ilmu, dan teknologi untuk
Salah satu metode yang dapat digunakan untuk memperoleh informasi terpercaya tentang objek fisik dan
perhitungan jumlah pohon kelapa sawit dengan tepat, lingkungan melalui proses perekaman, pengukuran, dan
dan cepat adalah dengan klasifikasi berbasis objek interpretasi gambaran fotografik dan pola radiasi tenaga
menggunakan data mozaik orthophoto dari 60 foto elektromagnetik yang terekam (Hariyanto 2003). Dengan
udara. Kamera yang digunakan dalam penelitian ini melakukan pengukuran fotogrametri, maka surveyor cukup
adalah kamera metrik. Untuk mengetahui nilai menggunakan foto udara sebagai data input. Salah satu
parameter yang tepat pada proses perhitungan otomatis permasalahan yang dapat diselesaikan dengan pengukuran
dengan metode klasifikasi berbasis objek, dilakukan uji fotogrametri adalah upaya monitoring lahan perkebunan
perbandingan dengan hasil perhitungan manual jumlah kelapa sawit dengan cara menghitung jumlah keseluruhan
pohon kelapa sawit dengan metode deliniasi. pohon menggunakan metode klasifikasi berbasis objek.
Sehingga didapat prosentase jumlah perhitungan Manfaat dari kegiatan aplikatif ini adalah didapat metode
otomatis pada metode klasifikasi berbasis objek alternatif secara otomatis untuk perhitungan jumlah pohon
terhadap perhitungan manual pada metode deliniasi kelapa sawit dengan teliti dan cepat yang bermanfaat untuk
sebesar 84,64%. Yaitu sejumlah 518 pohon pada kepentingan monitoring lahan perkebunan kelapa sawit.
perhitungan otomatis, sedangkan dari perhitungan
manual didapat 612 pohon. Dengan menggunakan Scale II. METODOLOGI PENELITIAN
Level pada proses Segmentasi sebesar 54,8, dan Merge
Level 80,4 dengan algoritma K-Nearest Neighbor. A. Lokasi Penelitian
Lokasi penelitian adalah di Kecamatan Kintap, Kabupaten
Kata Kunci—kelapa sawit, Klasifikasi Berbasis Tanah Laut, Provinsi Kalimantan Selatan. Kabupaten ini
Objek, Deliniasi, Foto Udara. terletak pada koordinat 114º30'20'' BT - 115º23'31'' BT dan
3º30'33'' LS - 4º11'38'' LS.
I. PENDAHULUAN
Orthophoto
Croping
Citra Hasil
Segmentasi Citra
Level 1 Digitasi
Gambar 1. Lokasi penelitian, Kecamatan Kintap-Tanah Laut
(Sumber: Pemerintah Kabupaten Tanah Laut, 2013)
B. Data dan Peralatan
1) Data Region Merging
Penelitian ini menggunakan data mozaik orthophoto hasil (Level 2
Segmentation)
pengolahan foto udara area perkebunan kelapa sawit di Peta Klasifikasi
Kecamatan Kintap, Kabupaten Tanah Laut, Provinsi
Kalimantan Selatan yang terdiri dari 60 buah foto, dan
Training Area sejumlah 11 buah foto.
Citra Hasil
2) Peralatan Segmentasi Citra
Level 2
Peralatan yang digunakan dalam penelitian ini adalah: Hitung jumlah
a. Laptop / Personal Computer pohon
b. Printer
c. Microsoft Office 2010
Klasifikasi Example-
d. Perangkat lunak ArcGis 10.2.2 based
e. Perangkat lunak pemrosesan foto udara
C. Diagram Alir Pengolahan Data
Secara garis besar tahapan pengolahan data pada
Peta Klasifikasi
penelitian ini adalah sebagai berikut:
Hitung jumlah
pohon
Bandingkan Hasil
Perhitungan
B A
3
(c) (d)
Gambar 5 Parameter segmentasi (a) Scale level 50,
merge level 87,6 (b) Scale level 50, merge level 38,4 (c)
Scale level 50, merge level 77,8 (d) Scale level 54,8, merge
level 80,4 (terbaik).
b. Example-based
Berikut adalah contoh kelas yang dibuat untuk
(a) (b) mengidentifikasi tiap objek:
Gambar 4 (a) Mozaik Orthophoto sebelum sawit diwakili warna merah sebanyak 87
cropping. (b)Hasil pemotongan orthophoto sample.
dahan diwakili warna ungu sebanyak 13 sample.
tanah diwakili warna putih sebanyak 22 sample.
5
rumput diwakili warna hijau muda sebanyak 12 Berikut hasil perhitungan manual luas dari tiap
sample. kelas:
dahan kering diwakili warna kuning sebanyak
14 sample. Tabel 4 Hasil perhitungan luas manual
Dahan Tanah Rumput Dahan
kering
D. Hasil Klasifikasi Otomatis Berbasis Objek Luas 30.853 1.500 3.460 986
Berikut hasil perhitungan luas otomatis dari tiap kelas: ( )
Tabel 2 Hasil perhitungan luas kelas non Sawit dengan Berikut hasil perhitungan jumlah pohon dengan
metode otomatis metode manual:
Dahan Tanah Rumput Dahan Tidak
kering dikenali
Luas 31.122,057 2.190,949 3.571,756 107,312 243,842 Tabel 5 Hasil perhitungan jumlah pohon manual
2
(m )
Sawit
Jumlah (pohon) 612
Berikut hasil perhitungan jumlah pohon dengan metode
otomatis:
Gambar 6 Hasil Peta Klasifikasi Berbasis Objek Tabel 6 Perbandingan hasil perhitungan luas
Tanah Rumput Dahan Dahan
E. Hasil Perhitungan Manual
(m2) (m2) kering (m2)
a.Interpretasi (m2)
Interpretasi Orthophoto dilakukan dengan Otomatis 2.190,94 3.571,75 107,31 31.122,05
visualisasi manual dengan tujuh kunci 9 6 2 7
interpretasi, dan menggunakan data training area Manual 1.500 3.460 986 30.853
sebagai validasi. Berikut hasil interpretasi objek
pada orthophoto: Tabel 7 Perbandingan hasil perhitungan jumlah pohon
sawit Sawit
dahan (yang saling overlap) Otomatis Manual
Jumlah pohon 518 pohon 621 pohon
tanah
rumput
dahan kering G. Analisa Perhitungan Pohon
b. Digitasi 1. Uji nilai parameter pada proses perhitungan
Untuk tiap objek yang teridentifikasi dilakukan menggunakan klasifikasi berbasis objek, dilakukan
digitasi. Sawit menggunakan editing tools point, terhadap nilai perhitungan secara deliniasi, dengan
sedangkan tanah, rumput, dan dahan kering target >80%. Dan didapat presentase hasil sebesar
menggunakan editing tools polygon. 84,64%, yaitu sejumlah 518 pohon pada metode
c. Hasil Perhitungan Manual klasifikasi berbasis objek, sedangkan pada metode
6
deliniasi didapat 612 pohon. Hal itu menunjukkan prosentase perhitungan tercapai, yaitu mencapai
bahwa perhitungan jumlah pohon menggunakan 84,64 %.
metode klasifikasi berbasis objek dapat digunakan 2. Hasil dari penelitian ini berupa peta klasifikasi
sebagai alternatif perhitungan jumlah pohon kelapa dengan metode manual dan otomatis. Dan dari hasil
sawit pada perkebunan kelapa sawit untuk perbandingannya diketahui bahwa jumlah hasil
kepentingan monitoring lahan. perhitungan luas dahan otomatis melebihi hasil
manual sebanyak 0,547%. Sedangkan kelas tanah
dan dahan kering mendapatkan akurasi yang kurang
baik. Yaitu dengan prosentase selisih perhitungan
700 sebesar 46,063 % untuk luas tanah dan 89,117 %
untuk kelas dahan kering.
500
Otomatis 3. Terdapat perbedaan jumlah pohon dengan
300 perhitungan otomatis dengan manual sebesar
Manual 15,36%. Meskipun prosentase tersebut telah
100
Otomatis memenuhi target penelitian ini, namun jumlah
Jumlah Sawit tersebut masih terbilang cukup siginifikan, oleh
karena itu diperlukan penelitian lebih lanjut.