PEMANFAATAN CITRA SATELIT MODIS UNTUK IDENTIFIKASI

SEBARAN TITIK PANAS KAWASAN HUTAN JATI

(STUDI KASUS : KABUPATEN BLORA)

Resiyana Hanifatuzzulfah

Jurusan Teknik Geodesi S-1, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi Nasional Malang,
Jalan Bendungan Sigura-gura No. 2 Lowokwaru, Kecamatan Sumbersari, Kota Malang - resiyana96@gmail.com

KATA KUNCI : Penginderaan Jauh, Citra Satelit, MODIS, Threshold, Kebakaran Hutan, Titik Panas.

ABSTRAK :

Sampai sekarang penanganan kebakaran hutan di Kabupaten Blora masih dilakukan secara tradisional sehingga membutuhkan waktu
yang lebih lama. Padahal saat ini telah berkembang teknologi penginderaan jauh (remote sensing) yang bisa menangani kebakaran
hutan secara lebih cepat. Oleh karena itu dalam penulisan ini bertujuan untuk mengetahui persebaran titik-titik panas kebakaran hutan
dengan menggunakan teknologi penginderaan jauh citra satelit dan mengetahui faktor-faktor yang perlu diperhatikan dalam
memanfaatkan teknologi tersebut. Teknologi penginderaan jauh yang digunakan untuk mendeteksi persebaran titik panas kebakaran
hutan adalah citra satelit MODIS (Moderate Resolution Imaging Spectroradiometer). Penentuan persebaran titik panas tersebut
menggunakan nilai threshold dengan menghitung nilai NBR (Normalized Burn Ration). Sedangkan cara mengidentifikasi area yang
terbakar menggunakan rumus rata-rata dan standar deviasi. Adapun tingkat akurasi data hasil perhitungan dan pengolahan dapat
diketahui dengan menghitung nilai ICSI (Individual Classification Success Index).

1. PENDAHULUAN
1.1. Latar Belakang
Kabupaten Blora merupakan salah satu daerah yang memiliki
kawasan hutan terbesar di pulau Jawa. Daerah ini memiliki luas
hutan sebesar 74.296,8 hektar. Vegetasi terbesar pada area hutan
Kabupaten Blora berupa pohon jati. Pohon ini menjadi aset yang
berharga karena kualitas pohon yang sangat baik. Hal ini
menjadikan produk jati diminati baik dalam negeri maupun luar
negeri. Oleh karena itu keberadaan pohon ini harus dilestarikan.
Salah satu cara melestarikan pohon jati tersebut dapat dilakukan
dengan meminimalisasikan kebakaran hutan.
Peraturan Menteri Kehutanan Nomor : P.12/Menhut-II/2009
tentang pengendalian kebakaran hutan menjelaskan bahwa
kebakaran hutan merupakan suatu keadaan dimana hutan dilanda
api sehingga mengakibatkan kerusakan hutan dan atau hasil
hutan yang menimbulkan kerugian ekonomis dan atau nilai
lingkungan. Kebakaran hutan terjadi karena beberapa faktor
seperti faktor alam dan manusia. Faktor alam tersebut disebabkan
karena daun-daun kering pohon jati yang meranggas disertai suhu
yang tinggi, sedangkan faktor manusia disebabkan karena
masyarakat secara sengaja membakar hutan untuk kepentingan
pribadi, seperti mengubah fungsi hutan menjadi area pertanian,
mengambil kayu untuk memenuhi kebutuhan.
Kebakaran hutan menjadi perhatian masyarakat karena dapat
mengganggu ekosistem hutan, kerugian material, bahkan
berdampak terhadap kesehatan. Kebakaran yang terjadi setiap
tahunnya menandakan perlu diadakan upaya pencegahan dan
upaya terpadu sehingga dapat meminimalisasikan dampak
terjadinya kebakaran hutan. Oleh karena itu, diperlukan
teknologi yang dapat mengetahui persebaran titik-titik api pada
area yang luas dan dapat dilakukan dengan waktu yang relatif
lebih cepat. Pendekteksian kebakaran hutan dapat dilakukan
menggunakan teknologi penginderaan jauh (remote sensing).
Teknologi penginderaan jauh memanfaatkan data citra satelit
untuk melakukan akuisisi data tanpa kontak langsung dengan
objek yang diamati. Data citra satelit yang dapat digunakan
dalam mendeteksi kebakaran hutan yaitu MODIS, NOAA-
AVHRR, Landsat, Ikonos dll. Mengingat ada berbagai
keterbatasan yang ada dan agar pembahasannya lebih fokus maka
penelitian ini akan memanfaatkan data citra satelit MODIS
(Moderate Resolution Imaging Spectroradiometer) dalam
mengidentifikasi persebaran titik-titik panas (hotspot) kebakan
hutan. Citra ini mengamati permukaan bumi selama 1 sampai 2
hari dengan whisk-broom scanning imaging radiometer yang
memiliki resolusi spasial berkisar 250 sampai 1000 meter
(Janseen & Hurneeman, 2001).
Gambaran yang telah diuraian di atas, mendorong Peneliti untuk
mengetahui persebaran titik-titik api (hotspot) pada kasus
kebakan hutan dengan memanfaatkan data citra satelit MODIS.
Adapun objek penelitian ini dipilih dilakukan di kawasan hutan
jati Kabupaten Blora. yang diharapkan dapat bermanfaat bagi
pemerintah dalam melakukan penanggulangan dan upaya
terpadu sehingga diharapkan dapat meminimalisasikan dampak
kebakaran hutan yang terjadi.
1.2. Rumusan Masalah
Berdasakan uraian pada latar belakang yang telah dijelaskan
sebelumnya, maka rumusan masalah dalam penelitian ini yaitu:
1). Bagaimana cara memanfaatkan citra satelit MODIS untuk
mengidentifikasi persebaran titik-titik panas kebakaran hutan di
kawasan hutan jati Kabupaten Blora? 2). Hal apa saja yang
diperhatikan untuk memanfaatkan metode ini?
1.3. Tujuan dan Manfaat Penelitian
1.3.1. Tujuan Penelitian: Penelitian ini bertujuan untuk 1).
Mengidentifikasi persebaran titik-titik panas kebakaran hutan di
kawasan hutan jati yang berada di Kabupaten Blora dengan
menggunakan teknologi citra satelit MODIS dan 2). Mengetahui
faktor-faktor yang perlu diperhatikan agar dapat memanfaatkan
teknologi citra satelit MODIS dalam mengidentifikasi persebaran
titik-titik panas kebakaran hutan.
1.3.2. Manfaat Penelitian: Manfaat penelitian ini yaitu: 1).
Bagi pihak peneliti, penelitian ini bermanfaat untuk menambah
wawasan dan pengalaman terkait pemanfaatan teknologi
penginderaan jauh dalam mengidentifikasi titik-titik panas
kebakaran hutan. 2). Bagi pihak kampus, penelitian dapat
digunakan sebagai referensi dalam melakukan penelitian-
penelitian selanjutnya. 3). Bagi pihak pemerintah Kabupaten
Blora, penelitian ini dapat digunakan sebagai acuan dalam
mengambil kebijakan guna melakukan upaya penanggulangan
bencana akibat kebakaran hutan, sehingga dapat meminimalisasi
kerugian yang ditimbulkan.
1.4. Batasan Masalah
Batasan masalah yang digunakan dalam penelitian ini yaitu: 1).
Penelitian ini menggunakan data citra satelit MODIS. 2).
Penelitian ini mengidentifikasi titik-titik panas pada kebakaran
hutan di kawasan hutan jati kabupaten Blora.
1.5. Sistematika Penulisan
Bab I Pendahuluan yang menjelaskan tentang latar belakang,
rumusan masalah, tujuan dan manfaat penelitian, batasan
masalah, dan sistematika penulisan. Bab II Dasar Teori yang
menjelaskan tentang teori-teori yang berhubungan dengan topik
penelitian yang dilakukan, seperti penginderaan jauh, citra satelit
MODIS, titik panas (hotspot), kebakaran hutan. Bab III
Metodologi Penelitian yang menguraikan tetang bahan dan alat
yang digunakan dalam melakukan penelitian, tahapan penelitian,
jadwal penelitian, dan diagram alir proses penelitian.
2. DASAR TEORI
2.1. Penginderaan Jauh
Penginderaan jauh ialah ilmu dan seni untuk memperoleh
informasi tentang obyek, daerah, atau gejala dengan jalan
meganalisis data yang diperoleh dengan menggunakan alat tanpa
kontak langsung (sensor) terhadap obyek, daerah, atau gejala
yang dikaji (Sutanto, 1994). Pada umumnya sensor dipasang
pada wahana yang berupa pesawat terbang, satelit, pesawat
ulang-alik, atau wahana lainnya.
Penginderaan jauh adalah pengambilan atau pengukuran data
atau informasi mengenai sifat dari sebuah fenomena, objek, atau
benda dengan menggunakan sebuah alat perekam tanpa
berhubungan langsung dengan objek atau benda tersebut
(Puntodewo, dkk., 2003). Empat komponen dasar dari sistem
penginderaan jauh adalah target, sumber energi, alur transmisi,
dan sensor yang dapat dilihat pada gambar 1.
Transmisi
Target
Sensor
Sumber Energi
Gambar 1. Komponen Dasar Penginderaan Jauh
Sumber energi yang memancarkan energi elektromagnetik pada
target mutlak diperlukan. Energi berinteraksi dengan target dan
sekaligs berfungsi sebagai media untuk meneruskan informasi
dari target kepada sensor. Sensor adalah sebuah alat yang
mengumpulkan dan mencatat radiasi elektromagnetik. Setelah
dicatat, data akan dikirim ke stasiun penerima dan diproses
menjadi format yang siap dipakai, diantaranya berupa citra. Citra
ini kemudian diinterpretasikan untuk menyarikan informasi
mengenai target (Puntodewo, dkk., 2003).
2.1.1. Sistem Satelit: Sistem satelit dalam penginderaan
jauh tersusun dari penyiam (scanner) dengan dilengkapi sensor
pada wahana (platform) satelit. Sensor tersebut dilengkapi oleh
detektor (Chrisnawati, 2008). Untuk lebih jelasnya dapat
diuraikan sebagai berikut: 1) Penyiam merupakan sistem
perolehan data secara keseluruhan termasuk sensor dan detektor.
2) Sensor dipergunakan untuk menangkap energi dan
mengubahnya dalam bentuk sinyal dan menyajikannya ke dalam
bentuk yang sesuai dengan informasi yang diinginkan. 3)
Detektor merupakan alat pada sistem sensor yang merekam
radiasi elektromagnetik.
2.1.2. Radiasi Elektromagnetik: Energi elektromagnetik
adalah sebuah komponen utama dari kebanyakan sistem
penginderaan jauh untuk lingkungan hidup yaitu sebagai medium
untuk pengirim informasi dari target kepada sensor (Puntodewo,
dkk., 2003). Energi elektromagnetik merambat dalam gelombang
dengan beberapa karakter yang bisa diukur yaitu panjang
gelombang (wavelength), frekuensi, amplitudo. Semakin panjang
suatu gelombang, semakin rendah frekuensinya, dan semakin
pendek suatu gelombang semakin tinggi frekuensinya.
Susunan semua bentuk gelombang elektromagetik berdasarkan
panjang gelombang dan frekuensinya disebut spektrum
elektromagnetik. Spektrum elektromagnetik disusun berdasarkan
panjang gelombang yang 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).
2.1.3. Sensor: Sensor merupakan piranti untuk mendeteksi
dan/atau merekam tenaga elektromagnetik (Sutanto, 1994).
Tenaga yang datang dari obyek di permukaan bumi diterima dan
direkam oleh sensor. Tiap sensor mempunyai kepekaan tersendiri
terhadap bagian spektrum elektromagnetik. Disamping itu juga
kepekaannya berbeda dalam merekam obyek terkecil yang masih
dapat dikenali dan dibedakan terhadap obyek lain atau terhadap
lingkungan sekitarnya. Kemampuan sensor untuk menyajikan
gambaran obyek terkecil ini disebut resolusi spasial. Semakin
kecil obyek yang direkam olehnya, semakin baik kualitas
sensornya.
Berdasarkan atas proses perekamannya, sensor dibedakan atas
sensor fotografik dan sensor elektronik. Pada sensor fotografik,
proses perekamannya berlangsung dengan cara kimiawi. Tenaga
elektromagnetik diterima dan direkam pada lapisan emulsi film
yang apabila diproses akan menghasilkan foto.
Berbeda dengan sensor fotografik, sensor elektromagnetik
menggunakan tenaga elektrik dalam bentuk sinyal elektrik. Alat
penerima dan perekamannya berupa pita magnetik atau detektor
lainnya, bukan film. Pemrosesan menjadi citra dapat dilakukan
dengan 2 (dua) cara yaitu memotret data yang direkam oleh pita
magnetik yang telah diwujudkan secara visual pada sejenis layar
televisi, atau menggunakan film perekam khusus.
2.1.4. Resolusi Sensor: Setiap aplikasi penginderaan jauh
mempunyai kebutuhan khusus mengenai luas cakupan area,
frekuensi pengukuran, dan tipe energi yang akan dideteksi.
Berdasarkan resolusi yang digunakan, citra hasil penginderaan
jarak jauh bisa dibedakan atas (Jaya, 2002) : 1). Resolusi spasial,
merupakan ukuran terkecil dari suatu bentuk (feature)
permukaan bumi yang bisa dibedakan dengan bentuk permukaan
disekitarnya, atau sesuatu yang ukurannya bisa ditentukan. 2).
Resolusi spektral, merupakan dimensi dan jumlah daerah
panjang gelombang yang sensitif terhadap sensor. 3). Resolusi
radiometrik, merupakan ukuran sensitifitas sensor untuk
membedakan aliran radiasi (radiation flux) yang dipantulkan atau
diemisikan suatu objek oleh permukaan bumi. 4). Resolusi
temporal, merupakan frekuensi suatu sistem sensor merekam
suatu areal yang sama (revisit).
2.1.5. Karakteristik Citra: Setelah data dikumpulkan dan
dikirimkan ke stasiun penerima, data tersebut harus diproses dan
diubah ke dalam format yang bisa diinterpretasi. Untuk itu data
harus diproses ditajamkan, dan dimanipulasi. Teknik-teknik
tersebut disebut pengolah citra (Puntodewo, dkk., 2003).
Data citra satelit dikirm ke stasiun penerima dalam bentuk format
digital mentah merupakan sekumpulan data numerik. Unit
terkecil dari data digital adalah bit, yaitu angka biner 0 atau 1.
Kumpulan dari data sejumlah 8 bit data adalah sebuah unit data
yang disebut byte, dengan nilai dari 0 – 255. Dalam hal citra
digital nilai level energi dituliskan dalam satuan byte. Kumpulan
byte ini dengan struktur tertentu bisa dibaca oleh software dan
disebut citra digital 8 bit.
Piksel (picture element) adalah titik yang merupakan elemen
paling kecil pada citra satelit. Angka numerik (1 byte) dari piksel
disebut digital number (DN). DN bisa ditampilkan dalam wahana
kelabu, berkisar antara putih dan hitam (grayscale) tergantung
level energi yang terdeteksi. Piksel yang disusun dalam order
yang benar akan mebentuk sebuah citra.
2.2. Hotspot (Titik Panas)
Hotspot secara definisi dapat diartikan sebagai daerah yang
memiliki suhu permukaan relatif lebih tinggi dibandingkan
daerah di sekitarnya berdasarkan ambang batas suhu tertentu
yang terpantau oleh satelit penginderaan jauh. Tipologinya
adalah titik dan dihitung sebagai jumlah bukan suatu luasan.
Hotspot adalah hasil deteksi kebakaran hutan/lahan pada ukuran
piksel tertentu (misal 1 km x 1 km) yang kemungkinan terbakar
pada saat satelit melintas pada kondisi relatif bebas awan dengan
menggunakan algoritma tertentu (Giglio et al, 2003).
Hotspot biasanya digunakan sebagai indikator kebakaran lahan
dan hutan di suatu wilayah, sehingga semakin banyak titik
hotspot, maka semakin banyak potensi kejadian kebakaran lahan
di suatu wilayah. Secara lengkap bagaimana satelit penginderaan
jauh memantau kebakaran lahan/hutan di suatu wilayah
diilustrasikan dalam gambar 2. Pada gambar 2. menjelaskan
bahwa jika terjadi kebakaran lahan/hutan di suatu lokasi maka
bisa di deteksi oleh satelit dalam satu titik hotspot (kiri), dua
kejadian kebakaran masih dalam radius 500 m dapat dideteksi
hanya satu titik hotspot (tengah), sebaliknya kejadian kebakaran
yang sangat besar dapat dideteksi sebagai 4 atau lebih. Ilustrasi
ini menggambarkan bahwa titik hotspot tidak sama dengan
jumlah titik hotspot kejadian kebakaran lahan dan hutan di
lapangan.
Selain itu yang perlu juga diperhatikan terkait hotspot adalah
koordinat hotspot. Koordinat lokasi hotspot yang diekstraksi dari
data satelit tidak selalu tepat dengan koordinat lokasi di lapangan.
Salah satu penyebabnya adalah karena posisi koordinat lokasi
hotspot dari data satelit diekstrak pada posisi tengah piksel
(center of pixel). Oleh karena itu jika ada kejadian kebakaran
hutan di lapangan yang berada di lokasi pinggir piksel maka yang
koordinat yang akan diekstrak oleh satelit adalah posisi tengah
piksel.
Gambar 2. Ilustrasi Kebakaran Lahan Menggunakan Data Citra
Satelit Penginderaan Jauh (Giglio et al, 2003)
2.3. Citra Satelit MODIS
MODIS (Moderate Resolution Imaging Spectroradiometer)
mengamati seluruh permukaan bumi setiap 1-2 hari dengan
whisk-broom scanning imaging radiometer. MODIS dengan
lebar view/tampilan (lebih 2300 km) menyediakan citra radiasi
matahari yang direfleksikan pada siang hari dan emisi termal 13
siang/malam diseluruh penjuru bumi. Resolusi spasial MODIS
berkisar dari 250-1000 m (Janssen & Huurneman, 2001).
MODIS mengorbit bumi secara polar (arah utara-selatan) pada
ketinggian 705 km dan melewati garis khatulistiwa pada jam
10:30 waktu lokal. Lebar cakupan lahan pada permukaan bumi
setiap putarannya sekitar 2330 km. Pantulan gelombang
elektromagnetik yang diterima sensor MODIS sebanyak 36 band
(36 interval panjang gelombang). Data terkirim dari satelit
dengan kecepatan 11 mega bytes setiap detik dengan resolusi
radiometrik 12 bit, artinya obyek dapat dideteksi dan dibedakan
sampai 212 (= 4.096) derajat keabuan (grey levels). Satu elemen
citranya (piksel) berukuran 250 m (band 1-2), 500 m (band 3-7)
dan 1.000 m (band 8-36). Di dalam dunia penginderaan jauh
(remote sensing), ini dikenal dengan resolusi spasial. MODIS
dapat mengamati tempat yang sama di permukaan bumi setiap
hari, untuk kawasan di atas lintang 30, dan setiap 2 hari, untuk
kawasan di bawah lintang 30, termasuk Indonesia.
Produk MODIS dikatagorikan menjadi tiga bagian yaitu: produk
pengamatan vegetasi, radiasi permukaan bumi, dan tutupan
lahan. Diantara capaian riset adalah pendeteksian kebakaran
hutan, pendeteksian perubahan tutupan lahan dan pengukuran
suhu permukaan bumi. Suhu permukaan bumi dipadukan dengan
data albedo (fraksi cahaya yang dipantulkan permukaan bumi)
dimanfaatkan untuk pemodelan iklim. Dengan resolusi spasial
yang semakin tinggi, dimungkinkan riset tentang prakiraan,
dampak serta adaptasi regional yang diperlukan dalam
menghadap perubahan lingkungan.
2.4. Koreksi Citra
Data penginderaan jauh digital merupakan data yang dapat
diperoleh, disimpan, dimanipulasi, dan ditampilkan dengan baris
logika biner (Danoedoro, 2012). Sensor yang terdapat pada satelit
pengindraan jauh merekam energi matahari yang dipancarkan
oleh objek tertentu yang melewati atmosfir, sehingga energi yang
terekam oleh sensor merupakan energi pantulan dan bias
atmosfir. Energi yang direkam tersebut dijadikan sebagai sinyal
energi analog kemudian dikonversi menjadi digital number
(DN).
2.4.1. Koreksi Geometrik: Koreksi geometrik (Mather, 2004)
merupakan transformasi citra penginderaan jauh sehingga citra
tesebut memiliki sifat, bentuk, skala, dan proyeksi peta. Koreksi
geometrik dibagi menjadi 2 (dua) macam yaitu: 1). Koreksi
geometrik sistematik, merupakan koreksi pada kesalahan
geometrik yang disebabkan karena kesalahan sensor sehingga
diperlukan informasi mengenai sensor dan data ephemeris saat
dilakukan pemotretan untuk mengkoreksi kesalahan tersebut.
Dilakukan Transformasi ini diterapkan pada raw data dan dapat
mengubah bentuk kerangka. 2). Koreksi geometrik non-
sistematik, mrupakan koreksi pada kesalahan geometrik yang
disebabkan karena orbit, perilaku satelit, dan efek rotasi bumi.
Diperlukan titik kontrol tanah atau GCP (Ground Control Point)
yang permanen dan tersebar merata untuk mengkoreksinya.
Berdasarkan titik-titik GCP tersebut, sistem proyeksi citra
mengikuti sistem proyeksi koordinat referensi. Kegiatan yang
dilakukan untuk menghasilkan citra yang terkoreksi geometrik
memerlukan tahapan berikut: (1). Transformasi koordinat,
koreksi geometrik menggunakan persamaan polinomial untuk
melakukan transformasi 2D. Transformasi polinomial dapat
dilihat pada rumus berikut ini:
Xc = a0 + a1. Xp + a2.Yp (1)
Yc = b0 + b1. Xp + b2.Yp (2)
Dimana Xp, Yp = posisi objek koordinat peta
Xc, Yc = posisi objek koordinat citra
a0,a1,a2,b0,b1,b2 = parameter transformasi
(2). Resampling merupakan proses penentuan kembali nilai
piksel sehubungan dengan koordinat baru setelah transformasi
koordinat. Terdapat 3 (tiga) metode dalam melakukan
resampling yaitu: nearest neighbour, bilinear, dan bicubic.
Pengecekan ketepatan pada titik GCP perlu dilakukan untuk
mengetahui tingkat akurasinya. Pengecekan akurasi ini dilakukan
dengan menghitung kesalahan RMSE (Root Mean Square Error)
dari titik kontrol yang dipilih. Nilai RMSE diusahakan tidak lebih
dari 1 piksel. Semakin kecil nilai RMSE maka semakin teliti
dalam menentuan titik GCP pada citra.
(𝒙′ −𝒙)𝟐 +(𝒚′−𝒚)𝟐
𝑅𝑀𝑆𝑒𝑟𝑟𝑜𝑟 =√ (3)
𝒏
Dimana x’, y’= koordinat citra hasil koreksi geometrik
x, y = koordinat titik kontrol tanah pada bidang referensi
n = Jumlah titik referensi (GCP)
2.6. Klasifikasi Digital
Berdasarkan tingkat otomatisnya, klasifikasi citra multispektral
dapat dibedakan menjadi 2 (dua) jenis yaitu: klasifikasi terkontrol
(supervised classification) dan klasifikasi tidak terkontrol
(unsupervised classification). Klasifikasi digital termasuk
klasifikasi terkontrol (supervised classification) yang membagi
kelas objek berdasarkan nilai piksel sampel dari tiap kelas.
Metode klasifikasi terkontol dapat dilakukan menggunakan
persamaan maximum likelihood. Algoritma maximum likelihood
memperhitungkan kemiripan setiap piksel dengan asumsi bahwa
objek homogen selalu menampilkan histogram yang terdistribusi
normal. Piksel diklasifikasikan sebagai kelas tertentu seperti
bentuk, ukuran, dan orientasi sampel yberupa elipsoida. Ukuran
elipsoida ditentukan oleh variansi pada tiap saluran, sedangkan
bentuk dan orientasi elipsoida ditentukan oleh kovariannya
(Danoedoro, 2012).
2.7. Pengolahan Data Hotspot pada Citra MODIS
Satelit penginderaan jauh memotret informasi permukaan bumi
seperti kebakaran lahan dan hutan yang dikirimkan melalui
antena pada stasiun bumi dan disimpan dalam media penyimpan
data yang baik. Data tersebut kemudian diproses secara otomatis
dengan menggunakan algoritma tertentu sehingga menghasilkan
informasi hotspot. Terdapat 7 (tujuh) spektrum gelombang
elektromagnetik yang digunakan dalam menganalisis hotspot
dari data MODIS (Giglio et al,2016) yaitu: spektrum thermal 4
µm, 11 µm, dan 12 µm, serta reflektansi spektrum 0,65 µm, 0,86
µm, dan 2,1 µm yang digunakan untuk meminimalisasikan
gangguan awan, pantulan sinar matahari terhadap lautan (sun
glint), pesisir, serta pembukaan hutan. Secara lebih lengkap dapat
dilihat ada Tabel 3.

2.4.2. Koreksi Radiometrik: Koreksi radiometrik bertujuan Central

untuk memperbaiki nilai piksel dengan mempertimbangkan No.
Wavelength Kegunaan
faktor gangguan atmosfir sebagai sumber kesalahan utama Kanal
(µm)
(Istiarni, 2013). Koreksi radiometrik diperlukan untuk 1 0.65 Meminimalisir kesalahan deteksi
memperbaiki kualitas visual citra dan memperbaiki nilai piksel akibat pantulan sinar matahari
yang tidak sesuai dengan nilai pantulan objek yang sebenarnya. terhadap lautan (sun glint), pesisir,
Salah satu koreksi radiometrik adalah penyesuaian histogram dan awan
(histogram adjustment). Metode ini mengasumsikan bahwa 2 0.86 Meminimalisir kesalahan deteksi
dalam proses loading digital diperoleh respon spektral yang akan akibat sun glint dan pesisir
memberikan nilai 0 (null value) pada respon yang paling lemah. 7 21 Meminimalisir kesalahan deteksi
Apabila hasilnya lebih dari 0 maka nilai tersebut dihitung sebagai akibat sun glint dan pesisir
offset dan koreksinya dilakukan pada seluruh nilai pada saluran 21 4.0 Merupakan kanal yang
tersebut. Besarnya nilai offset diaggap sebagai pengaruh mempunyai kisaran tinggi untuk
gangguan atmosfer (Danoedoro, 2012). deteksi kebakaran
22 4.0 Merupakan kanal yang
2.5. RMSE (Root Mean Square Error) mempunyai kisaran rendah untuk
Root Mean Square error (RMSE) merupakan parameter yang deteksi kebakaran
digunakan untuk mengevaluasi nilai hasil
31 11.0 Mendeteksi kebakaran serta
pengamatan/pengukuran terhadap nilai sebenarnya atau nilai
meminimalisir kesalahan deteksi
yang dianggap benar (Alfurqon, 2007). RMSE ini dihitung
dari awan dan pembukaan hutan
setelah dilakukan transformasi koordinat. Cara mengkoreksinya
(forest clearing
yaitu menguji beberapa titik citra hasil koreksi geometrik
32 12.0 Meminimalisir kesalahan deteksi
terhadap titik kontrol tanah yang sudah tereferensi dengan sistem
akibat awan
koreksi tertentu. Persamaan untuk menghitung besarnya RMSE
Tabel 3. Kanal MODIS yang Digunakan untuk Menganalisis
dalam bidang 2D sebagai berikut (Alfurqon, 2007) :
Hotspot (Giglio et al, 2016)
Urutan proses deteksi hotspot meliputi: 1). Pengolahan hotspot terjadi berulang, dimungkinkan adanya kebakaran di
pemisahan darat dan air. 2). Pengolahan pemisahan awan. 3). wilayah tersebut.
Pengolahan identifikasi piksel yang berpotensi terdapat
kebakaran. 4). Pengolahan analisis piksel sekitarnya (dimensi 21 Jumlah titik hotspot bukan merupakan jumlah kejadian
piksel x 21 piksel). 5) Pengolahan uji nilai ambang batas kebakaran lahan dan hutan yang terjadi melainkan indikator
(threshold). 6). Pengolahan uji kesalahan deteksi (sun glint, adanya kebakaran lahan dan hutan.
gurun, pesisir, pembukaan hutan). 7). Pengolahan analisis tingkat
kepercayaan hotspot. 3. METODOLOGI PENELITIAN

Sensor MODIS menerapkan algoritma yang berbeda untuk 3.1. Setting Penelitian
mendapatkan sebaran titik panas dari suatu citra. Algoritma
tersebut dijelaskan pada Tabel 4. 3.1.1. Waktu penelitian: Perencanaan jadwal penelitian
digunakan sebagai estimasi waktu dalam melakukan penelitian
Siang Hari Malam Hari sehingga seuatu penelitian dapat selesai sesuai dengan waktu
Contextual Absolute Contextual Absolute yang direncakan. Adapun rencana tersebut dapat dilihat pada
Algorithm Algorithm Algorithm Algorithm Tabel 6 sebagai berikut :
T4 > T4b + T4 > 320°K T4 > T4b + T4 > 330°K
4δT4b atau 4δT4b atau Bulan
T4 > 320°K T4 > 315°K No. Kegiatan
Januari Februari
∆T41 > ∆T41 > 2018 2018
∆T41b + ∆T41b + 1 Tahap persiapan v
4δ∆T41b 4δ∆T41b Pengumpulan data v
2
atau ∆T41 > atau ∆T41 > penelitian
20°K 10°K Pengolahan data citra v
3
Tabel 4. Algoritma Mendapatkan Titik Panas Citra MODIS satelit
(LAPAN, 2007) Uji akurasi data dengan v
melakukan pengecekan
4
Dimana T41 = T4 – T11 hasil pengolahan data di
T4b = Suhu kenampakan latar belakang (background lapangan
temperature) kanal 4 μm, yaitu suhu kenampakan 5
Finishing visualisasi peta v
dari piksel-piksel sekitarnya (21 x 21 piksel) sebaran titik panas
δT4b = Standard deviasi suhu kenampakan latar 6 Penyusunan laporan v
belakang kanal 4 μm Tabel 6. Rencana Jadwal Penelitian
∆T41b = T4b – T11b
3.1.2. Lokasi Penelitian: Penelitian ini dilakukan di daerah
Selang kepercayaan atau confidence level menunjukkan tingkat Kabupaten Blora. Berdasarkan letak geografis, daerah
kepercayaan bahwa hotspot yang dipantau dari data satelit Kabupaten Blora terletak pada 111°15’48” sampai 111°35’21”
penginderaan jauh merupakan benar-benar kejadian kebakaran BT dan 6°51’20” sampai 6°54’38” LS. Wilayah ini memiliki luas
yang sebenarnya di lapangan. Semakin tinggi selang wilayah sebesar 1.821,59 km2. Pemilihan lokasi ini didasari
kepercayaan, maka semakin tinggi pula potensi bahwa hotspot pertimbangan bahwa: 1). Kabupaten Blora merupakan salah satu
tersebut adalah benar-benar kebakaran lahan atau hutan yang wilayah yang memiliki luas hutan terbesar di pulau Jawa dengan
terjadi. Menurut Giglio (2015) dalam MODIS Active Fire luas hutan sebesar 74.296,8 hektar. 3). Dominasi vegetasi pohon
Product User's Guide membagi tiga kelas tingkat kepercayaan jati di wilayah Kabupaten Blora dan terjadinya musim kemarau
yang dijelaskan pada Tabel 5. panjang menyebabkan kebakaran di beberapa titik hutan.

Tingkat Kepercayaan 3.2. Alat dan Bahan Penelitian

Kelas Tindakan
(C)
Perlu Alat dan bahan yang digunakan dalam melakukan
0% ≤ C ≤ 30% Rendah penelitian mengidentifikasi sebaran titik panas menggunakan
diperhatikan
citra MODIS yaitu:
30% ≤ C ≤ 80% Normal Waspada
Segera 3.2.1. Alat: Peralatan yang digunakan dalam melakukan
80% ≤ C ≤ 100% Tinggi penelitian ini yaitu: laptop, software ENVI 4.8, Microsoft office
penaggulangan
Tabel 5. Makna Selang Kepercayaan dalam Informasi Hotspot 2016, software ArcGIS 10.3.
(Giglio, 2015)
3.2.2. Bahan: Bahan yang dibutuhkan dalam melakukan
penelitian ini yaitu: data citra satelit Aqua MODIS bulan Agustus
Selain informasi selang kepercayaan sebagai penanda adanya
2017, data kebakaran hutan Kabupaten Blora, peta administrasi
kebakaran lahan dan hutan, berikut adalah ciri-ciri hotspot yang
Kabupaten Blora skala 1 : 1.000.000.
benar-benar terjadi kebakaran lahan atau hutan antara lain: 1).
Hotspot bergerombol, biasanya kebakaran lahan yang cukup
besar tidak dideteksi hanya sebagai satu hotspot karena efek 3.3. Tahapan Penelitian
panasnya menyebar ke lingkungannya. 2). Hotspot disertai Penelitian tentang mengidentifikasi sebaran titik panas di daerah
dengan asap, dalam menganalisa titik api sebagai penanda kawasan hutan jati Kabupaten Blora dengan citra MODIS dapat
kebakaran lahan/hutan, maka perlu juga dilihat RGB (red, green, digambarkan pada diagram alir 7.
blue) citra yang bersangkutan, sehingga dapat diketahui apakah
titik hotspot tersebut terdapat asap atau tidak dalam citra. 3). Titik

Mulai
Peta RBI Citra Aqua MODIS
Administrasi
Koreksi Geometrik
Koreksi Radiometrik
3.3.2. Koreksi geometrik: Koreksi geomterik terdiri dari dua
proses yaitu registrasi dan rektifikasi citra dengan menggunakan
minimal 3 (tiga) GCP (Ground Control Point). Registrasi
merupakan proses menyamakan koordinat suatu citra dengan
mengacu terhadap koordinat sistem proyeksi tertentu, sedangkan
Peta rektifikasi merupakan proses transformasi suatu sistem grid ke
sistem grid yang lain menggunakan persamaan tertentu. Apabila
hasil koreksi ini didapatkan nilai RMSE < 1 piksel, maka citra
memiliki spesifikasi sebagai citra yang terkoreksi geometrik.
Koreksi ini juga menggunakan peta administrasi sebagai acuan
dalam melakukan koreksi. Peta administrasi dan hasil citra yang
sudah terkoreksi geometrik dilakukan proses overlay.

3.3.3. Koreksi radiometrik: Koreksi radiometrik dilakukan

untuk memperbaiki kualitas visual suatu citra dan memperbaiki
RMSE < 1 piksel nilai-nilai piksel yang tidak sesuai dengan nilai pantulan atau
Tidak pancaran spektral objek sebenarnya. Proses ini menggunakan
software ENVI 4.8.
Ya
3.3.4. Perhitungan nilai NBR (Normalized Burn Ratio):
Citra MODIS terkoreksi
Proses perhitungan NBR dilakukan untuk melakukan klasifikasi
geometrik dan radiometrik area terbakar. Penentuan area terbakar menggunakan nilai
threshold (t) dengan rumus (Eidenshink et al, 2007):
𝑁𝐼𝑅 − 𝑆𝑊𝐼𝑅
Perhitungan Nilai NBR NBR = (4)
𝑁𝐼𝑅+𝑆𝑊𝐼𝑅
𝐵2 − 𝐵7
NBR = (5)
𝐵2+𝐵7
Identifikasi Area Terbakar
Dimana NIR = nilai reflektan band NIR (Near infrared)
SWIR = nilai reflektan band SWIR (Short wave
infrared)
Cropping Area B2 = reflektansi kanal 2
B7 = reflektansi kanal 7

Kartografi 3.3.5. Identifikasi area terbakar: Area terbakar

Tidak diidentifikasi berdasarkan model ambang batas (treshold). Nilai
ini menentukan tingkat akurasi area terbakar. Perhitungan ini
dilakukan menggunakan rumus rata-rata (μ) dan standar deviasi
Peta Sebaran (σ) yang masing-masing nilai diperoleh dari citra MODIS.
Titik-titik Panas Rumus yang digunakan untuk menentukan area terbakar yaitu
(Herwanda & Sukojo, 2016):

μ = 1σ (6)
Uji Akurasi
Identifikasi area terbakar dinyatakan sebagai area terbakar
Memenuhi apabila nilainya lebih kecil dari nilai threshold.

3.3.6. Cropping citra: Cropping citra dilakukan untuk

Analisis Data mengambil area tertentu agar dapat menghemat memori yang
digunakan dalam pengolahan data sehingga proses dapat
dilakukan lebih cepat (Wiyantoko, 2005). Proses ini dilakukan
menggunakan software ArcGIS 10.3.
Selesai
3.3.7. Kartografi: Kartografi merupakan ilmu dan teknik
pembuatan peta (Prihandito, 1989). Proses ini menggunakan
Gambar 7. Diagram Alir Tahapan Penelitian
software ArcGIS 10.3 untuk menyajikan area yang terbakar
menjadi peta 2D.
3.3.1. Data citra Aqua MODIS: Data citra Aqua MODIS
didapatkan dari hasil download data melalui website 3.4. Analisis Data
https://ladsweb.modaps.eosdis.nasa.gov/ dengan memasukkan
Analisis data dilakukan dengan melakukan uji akurasi data. Cara
waktu pengamatan dan lokasi yang diinginkan. Data citra yang
melakukan uji akurasi tersebut dengan membandingkan hasil
digunakan yaitu reflektansi kanal 1 sampai 7, dengan resolusi
pengolahan data citra satelit MODIS dengan data acuan. Tingkat
spasial 250 meter untuk kanal 1 dan 2 dan resolusi 500 meter
akurasi area yang terbakar dapat diketahui dengan nilai ICSI
untuk kanal 3 sampai 7. Sedangkan data kebakaran hutan
(Koukoulas & Blackburn, 2001):
diperoleh dari dinas kehutanan Kabupaten Blora dan peta
administrasi diperoleh dari BAPPEDA.
 ICSI = 1 – error of omm % + errror of comm %
Dimana ICSI = Individual Classification Success Index
Omm = Ommision yaitu area terbakar yang masuk ke
kelas lain
Comm = Commision yaitu area terbakar tambahan dari
kelas lain
(7) Mather, P.M., 2004. Computer Processing of Remotely Sensed
Data: An Introduction, 3rd edition. Brisbane: John Wiley and
Sons.
NASA. The Level-1 and Atmosphere Archive & Distribution
System (LAADS) Distributed Active Archive Center (DAAC).
Maryland. URL : https://ladsweb.modaps.eosdis.nasa.gov/.

DAFTAR PUSTAKA Peraturan Menteri Kehutanan Nomor 12 Tahun 2009 tentang

Alfurqon. 2007. Analisis kerapatan vegetasi menggunakan forest
canopy density (FCD) dan radar backscattering JERS-1 SAR.
Bandung: Jurusan Teknik Geodesi Institut Teknologi Bandung.
Chrisnawati, Giatika. 2008. Analisa Sebaran Titik Panas dan
Suhu Permukaan Daratan Sebagai Penduga Terjadinya
Kebakaran Hutan Menggunakan Sensor Satelit NOAA/AVHRR
dan EOS AQUA-TERRA/MODIS. Tugas Akhir. Departemen
Teknik Elektro Fakultas Teknik Universitas Indonesia.
Danoedoro, Projo. 2012. Pengantar Penginderaan Jauh Digital.
Yogyakarta : Fakultas Geografi Universitas Gadjah Mada.
Eidenshink, J et al. 2007. A Project for Monitoring Trends in
Burn Saverity. Fire Ecology Special Issues, 3(1) : 3-21.
Giglio, L. 2015. MODIS Collection 6 Active Fire Product User's
Guide Revision A. Department of Geographical Sciences
University of Maryland.
Pengendalian Kebakaran Hutan.
Prihandito, Aryono. 1989. Kartografi. Yogyakarta : Mitra Gama
Widya.
Puntodewo, A., Sonya Dewi, dan Jusupta Tarigan. 2003. Sistem
Informasi Geografis untuk Pengelolaan Sumberdaya Alam.
Bogor : CIFOR.
Sutanto. 1994. Penginderaan Jauh Jilid 1. Yogyakarta : Gadjah
Mada University Press.
Wiyantoko, Madya. 2005. Identifikasi Perubahan Objek
Bangunan Memanfaatkan Citra Quicbird untuk Pemeliharaan
Data Objek Pajak Bumi dan Bangunan (Studi kasus : Di
Kelurahan Sarijadi Kota Bandung). Pertemuan Ilmiah MAPIN,
14 : 238-247.

Giglio, L., J. Descloitres, C.O. Justice, dan Y.J. Kaufman. 2003.

An enhanced contextual fire detection algorithm for MODIS.
Remote Sensing of Environment, 87:273-282.

Giglio, L., W. Schroeder, dan C.O. Justice. 2016. The collection

6 MODIS active fire detection algorithm and fire products.
Remote Sensing of Environment, 178: 31-41.

Herwanda, Agita Setya dan Bangun Muljo Sukojo. 2016. Studi

Akurasi Citra Landsat 8 dan Citra MODIS untuk Pemetaan Area
Terbakar (Studi Kasus : Provinsi Riau). Jurnal Teknik ITS Vol.
5, 2337-3539.

Istiarni, Y. 2013. Koreksi radiometrik top of atmoshphere (TOA)

pada citra SPOT 5 sebagian propinsi Sulawesi Tenggara.
Yogyakarta: Jurusan penginderaan jauh dan sistem informasi
geografi. Universitas Gadjah Mada.

Janssen, L.F.L and G.C. Huurneman. 2001. Principles of Remote

Sensing. ITC Educational Textbooks Series. Netherlands.

Jaya, I Nengah Surati. 2002. Penginderaan Jauh Satelit untuk

Kehutanan. Laboratorium Invetarisasi Hutan. Fakultas
Kehutanan Institut Pertanian Bogor.

Koukoulas, S. Dan G.A. Blackburn. 2001. Introducing New

Indices for Accuracy Evaluation of Classified Images
Representatif Semi-Nat ural Woodland Environment.
Photogrammetric Engineering & Remote Sensing, 64(4) : 499-
510.

LAPAN. 2007. Laporan Pemantauan Bencana Alam

(Kebakaran Hutan/Lahan) Bulan Agustus 2007. URL :
http://www.pirba.ristek.go.id./str/perpus/
LaporanBencanaAlam_ Kebakaran_
Hutan_Lahan_Agustus2007.pdf.