Anda di halaman 1dari 28

INTEGRASI TEKNIK INTERPRETASI

VISUAL CITRA LANDSAT 7 ETM+


DENGAN SISTEM INFORMASI GEOGRAFIS
UNTUK PEMETAAN TUTUPAN LAHAN

Dept. GIS
Forest Watch Indonesia
INTEGRASI TEKNIK INTERPRETASI
VISUAL CITRA LANDSAT 7 ETM+
DENGAN SISTEM INFORMASI GEOGRAFIS
UNTUK PEMETAAN TUTUPAN LAHAN

LATAR BELAKANG

K awasan hutan di Indonesia seluas_± 120,35 juta ha atau_± 63% dari luas daratan
merupakan salah satu sumberdaya alam yang mempunyai nilai ekonomi dan
ekologis yang besar bagi Indonesia. Selama tiga dekade sektor kehutanan
menjadi andalan utama pembangunan meialul penghasilan devisa dan pasokan bahan
baku bagi Industri perkayuan. Di samping itu hutan alam tropika juga berfungsi sebagai
paru-paru dunia sehingga harus tetap dipertahankan kelestariannya. Pengelolaan hutan
yang berazaskan manfaat dan lestari membutuhkan data dan informasi mengenai
penutupan lahan yang terbaru.
Penutupan hutan suatu daerah mengalami perubahan yang begitu cepat dewasa
ini disebabkan oleh beberapa faktor antara lain pertambahan penduduk dan penggunaan
lahan untuk kepentiangan permukiman, pertambangan, pertanian dan lahan
penggembalaan ternak. Kondisi demikian diperparah dengan adaiya perambahan hutan
dan kebakaran hutan yang cukup luas sehingga pengurangan hutan alam tropika menjadi
semakin cepat.
Kegiatan pemetaan hutan diperlukan untuk mengetahui perubahan penutupan
lahan yang kemudian dapat dimanfaatkan untuk mendukung perencanaan pembangunan
bidang kehutanan. Kegiatan pemetaan hutan tersebut dilakukan dengan menggunakan
teknologi penginderaan jauh yaitu suatu teknologi untuk mengetahui obyek di
permukaan bumi tanpa menyentuh langsung. Teknologi penginderaan jauh yang
diaplikasikan di sektor kehutanan dan perkebunan yang mempunyai cakupan areal yang
luas adalah penggunaan citra satelit. Citra satelit yang digunakan adalah citra Landsat 7
Enhanced Thematic Mapper Plus (ETM+) yang mempunyai resolusi spasial 30m untuk
kanal multispektral, 60m untuk kanal thermal dan 15m untuk kanal pankromatik dengan
siklus merekam daerah yang sama setiap 16 hari. Citra satelit Landsat 7 ETM+ ini
merekam permukaan bumi termasuk liputan awannya, oleh karena itu untuk dapat
melihat penyebaran hutan diperlukan citra yang bebas ataupun relatif sedikit penutupan
awannya. Untuk mendapatkan citra yang bersih dan penutupan awan dapat dilakukan
dengan mengadakan 2 scene (liputan), kemudian dilakukan pemotongan citra pada scene
yang banyak awannya kemudian dilakukan penggabungan dengan scene yang bersih
awannya menjadi satu format yang utuh yang disebut dengan citra mosaic. Cara lainnya

1
Forest Watch Indonesia ...........................................................

adalah meialui kombinasi dengan data citra radar yang mempunyai kemampuan
penetrasi terhadap awan. Persebaran hutan di Indonesia diliput + 200 scene dan
termasuk citra tambahan untuk membuat citra mosaic.
Informasi mengenai sebaran penutupan lahan dari citra landsat ini dipergunakan
sebagai bahan dasar perencanaan, pengelolaan maupun pengawasan pengelolaan
rehabilitasi dan reboisasi sumberdaya hutan.

DASAR TEORI
PENGINDERAAN JAUH
Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang obyek,
daerah atau gejala dengan jalan menganalisis data yang diperoleh dengan menggunakan
alat tanpa kontak langsung terhadap obyek, daerah atau gejala yang dikaji (Lillesand dan
Kiefer, 1990). Menurut Hornby (1974 dalam Sutanto, 1986) mengemukakan bahwa
citra merupakan gambaran yang terekam oleh kamera atau oleh sensor penginderaan
jauh.
Interpertasi citra merupakan perbuatan mengkaji foto udara dan atau citra dengan
maksud untuk mengidentifikasi obyek dan menilai arti pentingnya obyek tersebut (Estes
dan Simonett, 1975 dalam Sutanto, 1986). Prinsip pengenalan obyek pada citra
mendasarkan atas penyidikan karakteristiknya atau atributnya pada citra.
Karakteristik obyek yang tergambar pada citra dan digunakan untuk mengenali
obyek disebut unsur interpretasi citra. Unsur interpretasi citra terdiri dari sembilan butir,
yaitu rona atau wama, ukuran, bentuk, tekstur, pola, tinggi, bayangan, situs dan asosiasi
(Estes et al., 1983; Lillesand dan Kiefer, 1990; Sutanto, 1986).
Pada dasamya obyek di permukaan bumi ini dapat dibedakan menjadi tiga
kelompok besar, yaitu tanah, air dan vegetasi. Ketiga obyek tersebut secara alami
mempunyai bentuk dan sifat berbeda, sehingga apabila dipotret dengan mengunakan
panjang gelombang tertentu akan menghasilkan karakteristik refiektan yang berbeda-
beda. Karakteristik reflektan dari obyek permukaan bumi (tanah, air dan vegetasi) dapat
digunakan sebagai dasar dalam pemilihan citra pengirideraan jauh yang digunakan dan
dasar dalam interpretasi obyek. Kurva karakteristik reflektan dari obyek tanah, air dan
vegetasi secara umum dapat diketahui dari Gambar 2.2.
Dalam penerapan teknik penginderaan jauh, detail dan ketelitian yang diinginkan,
luas wilayah terliput, ditentukan oleh jenis dan skala citra yang digunakan, karena setiap
jenis citra tertentu dengan skala tertentu menggambarkan dan bahkan menonjolkan
obyek-obyek tertentu sesuai dengan panjang gelombang yang digunakan untuk merekam
data dilapangan. Suatu hal yang perlu dipakai sebagai dasar pemikiran dalam setiap
penerapan teknik penginderaan jauh bahwa pada prinsipnya kamera/sensor penginderaan
jauh hanya merekam obyek-obyek di permukaan bumi, sehingga obyek-obyek di bawah
perrnukaan bumi atau yang tertutup oleh turnbuh-tumbuhan, dinterpretasi berdasarkan
obyek-obyek yan tampak pada permukaan bumi (Lillesand dan Kiefer, 1987; Estes et al,
1983; Sutanto, 1987).

2
Forest Watch Indonesia ...........................................................

Gambar 1. Kurva karakteristik reflektan dari obyek tanah, air dan


vegetasi (Sumber: Rehder, 1985 dalam Sutanto, 1987)

Penginderaan Jauh Sistem Fotografik


Penginderaan jauh fotograflk yaitu sistem penginderaan jauh yang di dalam merekam
obyek menggunakan kamera sebagai sensor, menggunakan film sebagal detektor (band
menggunakan tenaga elektromagnetik yang berupa spektrum tampak dan atau
perluasannya. Perluasan spektrum tampak dapat berupa saluran inframerah dekat
maupun saluran ultraviolet dekat, perekaman obyek atau pemotretannya dapat dilakukan
dari udara maupun dari antariksa. Hasil rekamannya setelah diproses menjadi foto
udara atau foto satelit. Tiga ciri ini secara keseluruhan membedakan penginderaan jauh
sistem fotografik terhadap penginderaan jauh sistem non fotografik.
Sesuai dengan kepekaan filmnya maka foto udara dibedakan atas: (1)foto
ultraviolet, (2)foto ortokromatik, (3)foto pankromatik hitam putih, (4)foto pankromatik
berwama, (5)foto inframerah hitam putih, (6)foto inframerah berwama dan (7)foto
multispektral.
Film pankromatik peka terhadap panjang gelombang 0,36 um hingga 0,72 um.
Kepekaannya hampir sama dengan kepekaan mata manusia sehingga hal ini merupakan
salah satu keunggulan film pankromatik, karena kesan ronanya sama dengan kesan mata
yang melihat obyek aslinya (Colwell, 1976).

3
Forest Watch Indonesia ...........................................................

Penginderaan Jauh Sistem Satelit


Perkembangan teknologi penginderaan jauh dewasa ini ataupun dimasa yang akan
datang memberikan kemungkinan memperoleh data untuk iventarisasi sumberdaya alam
yang baru, cepat dan akurat. Adanya satelit-satelit Landsat (Land Resources Sattelite),
SPOT (Sattelite Pour 1'Observation de la Terre), ERS-1 (E, urope Resource Sattelite),
NOAA (National Oceanic and Atmospheric Administration) dan lain-lain yang
mengorbit bumi dengan berbagai jenis sensor, resolusi spek-tral maupun spasial, sangat
menguntungkan para pemakai data satelit, karena dapat memilih berbagal macam data
satelit sesuai dengan kebutuhannya.
Dari berbagai macam satelit penginderaan jauh tersebut, satelit Landsat dengan
sensor TM merupakan satelit yang mempunyai beberapa keunggulan, antara lain
mempunyai kemampuan untuk mendeteksi benda atau kenampakkan terkecil di
perinukaan bumi, resolusi spasial sebesar 30 meter x 30 meter untuk saluran 1 - 5 dan 7.
Keenam saluran tersebut, terutama dirancang untuk pantauan vegetasi dan satu saluran
untuk pembedaan jenis batuan menjadikan Landsat TM mempunyai resolusi lebih tinggi
(Sutanto, 1987). Karakteristik sensor Landsat TM pada masing-masing saluran disajikan
pada Tabel 2.2.

Restorasi citra.
Restorasi citra diperlukan, apabila kualitas citra yang digunakan tidak
mencukupi dalam mendukung studi tertentu. Namun sebenarnya semua citra yang
diperoleh melalui perekaman sensor tidak lepas dari kesalahan, yang diakibatkan oleh
mekanisme perekaman sensornya, gerakan dan wujud geometri bumi, serta kondisi
atmosfer pada saat perekaman.
Atmosfer sebagai media penghantar gelombang elektromagnetik dari matahari
mempunyai pengaruh cukup besar terhadap citra satelit, yaitu berupa hainburan. Akibat
adanya efek atmosfer tersebut, nilai kecerahan pada citra digital tidak menggambarkan
keadaan obyek yang sebenarnya. Oleh sebab itu, untuk analisis lebih lanjut, efek
hamburan tersebut harus dihilangkan atau dikurangi terlebih dahulu. Proses ini disebut
dengan koreksi radiometrik.

4
Forest Watch Indonesia ...........................................................

Tabel 1. Karakteristik sensor Landsat TM

KISARAN
SALURAN PANJANG KEGUNAAN UTAMA
GELOMBANG
(uM)
1 0,45 -0,52 Penetrasi tubuh air, analisis penggunaan lahan , tanah dan
vegetasi. Pembedaan vegetasi dan lahan
2 0,52 -0,60 Pengamatan puncak pantulan vegetasi pada saluran hijau yang
terietak pada dua saluran penyerapan. Pengamatan ini
dimaksudkan untuk membedakan jenis vegetasi dan untuk
membedakan tanaman schat dan tanaman tidak sehat.
3 0,63 -0,69 Saluran terpenting untuk membedakan jenis vegetasi. Saluran
ini terietak pada salah satu daerah penyerapan klorofil dan
memudahkan untuk membedakan antara lahan terbuka
terhadap lahan bervegetasi.
4 0,76 -0,90 Saluran yang peka terhadap biomassa vegetasi. Juga untuk
teridentifikasi jenis tanaman, memudahkan pembedaan tanah
dan tanaman serta lahan dan air.
5 1,55 - 1,75 Saluran penting untuk pernbedaan jenis tanaman, kandungan
air pada tanaman, kondisi kelembaban tanah.
6 10,40 - 12,50 Untuk membedakan formasi batuan dan untuk pemetaan hidro
termal
7 2,08 - 2,35 Klasifikasi vegetasi, &ialisis gangguan vegetasi, pembedaan
kelembaban tanah, dan keperluan lain yang berhubungan
dengan gejala thermal.
Lindgren (1985); Lillesand dan Kiefer (1979 dalam Sutanto, 1997)

Koreksi radiometrik dapat dikedakan dengan 4 cara yaitu penyesuaian regresi


(regression adjustment), penyesuaian histogrwn (histogram adjustment), kalibrasi
kenampakan gelap (darkground calibration), dan kalibrasi bayangan (shadow
calibration).
Koreksi geometri adalah transformasi citra satelit sehingga citra tersebut
mempunyai sifat-sifat peta, dalam hal ini skala dan proyeksi. Pada koreksi geometric
citra digital. tedadi pengalihan posisi (relokasi) seluruh piksel pada citra sehingga
membentuk konfigurasi piksel baru yang secara mental dipersepsikan sebagai citra.
Pada koreksi ini, perubahan posisi piksel itu mencakup perubahan infonnasi
spektralnya. Untuk mengatasi hal tersebut, diperlukan interpolasi nilai spektral selama
transformasi geometri (yang disebut proses resampling), sehingga dihasilkan geometri
baru dengan nilai baru.
Dengan demikian, algoritma koreksi meliputi algoritma relokasi piksel dan
sekaligus algoritma interpolasi nilai spektral. Untuk relokasi piksel, algoritma ini
berupa fungsi polinomial. Untuk interpolasi nilai spektral, dikenal algoritma nearest
neighbour, bilinear serta cubic convolution.

5
Forest Watch Indonesia ...........................................................

Algoritma nearet neighbour diterapkan dengan 'hanya mengambil' nilai dari


piksel terdekat yang telah tergeser ke posisi baru. Algoritma biliniear interpolation
mempertimbangkan keempat nilal piksel yang berdekatan untuk kemudian dirataratakan
secara proporsional sesuai dengan jaraknya terhadap posisi baru. Algoritma cubic
convolution menggunakan prinsip interpolasi nilal seperti pada algoritma. bilinier
interpolation, tetapi dengan mempertimbangkan nilai 16 piksel disekitarnya. Kegunaan
koreksi geometrik selain menghilangkan kesalahan geometris citra juga menyamakan
koordinat citra dengan peta-peta yang lain, sehingga citra dapat ditumpangsusunkan
dengan peta-peta tersebut.

Klasifikasi Multispektral
Klasifikasi multispektral adalah proses pengumpulan inforinasi dan citra digital
berdasarkan analisis nilai spektral dan kemudian mengelompokkan infonnasi tersebut
menjadi kategori baru berdasarkan kesamaan nilai spektralnya. Pada klasifikasi
multispektral kriteria yang digunakan hanya nilal spektralnya, dengan asumsi perbedaan
obyek dapat dikenali berdasarkan perbedaan karakteristik spektralnya.
Proses klasifikasi multispektral dengan bantuan komputer dibedakan menjadi
dua jenis, berdasarkan tingkat otomasinya. Keduanya adalah klasiflkasi teraeu
(supervised classification, atau klasifikasi beracuan, atau klasifikasi terkontrol) dan
klasifikasi tak-terselia (unsupervised classification atau klasifikasi tak-beracuan, atau
klasifikasi tak terkontrol).
Klaslfikasi terselia meliputi sekumpulan algoritma yang didasari pemasukkan
contoh obyek (berupa nilai spektral) oleh operator. Algoritma klasifikasi terselia
meliputi: jarak minimum terdekat terhadap rerata (minimum distance to mean
algorithm), algoritma parallelepiped (Box classification algorithm), algoritma
kemiripan maksimum (maximum likelihood algorithm), algoritma tetangga terdekat
(K-Nearest neighbour algorithm).
Klasifikasi tak terselia secara otomatis diputuskan oleh komputer, tanpa campur
tangan operator. Proses tersebut adalah suatu proses iterasi sampai menghasilkan
pengelompokkan akhir gugus-gugus spektral. Campur tangan operator terutama setelah
gugus-gugus spektral terbentuk yaitu dengan menandai tiap gugus sebagai obyek
tertentu.Oleh karena itu, teknik klasifikasi semacam ini disebut klasifikasi a-posteriori
(setelah fakta), sebagal lawan dari klasifikasi a-priori (mendahului fakta). Ada tiga
algoritma klasifikasi tak terselia, yaltu jarak minimum ke pusat gugus, pengugusan
statistic, dan algoritma campuran (Jensen, 1986; Dulbahri, 1984; Danoedoro, 1996).

6
Forest Watch Indonesia ...........................................................

SISTEM INFORMASI GEOGRAFIS


Aronoff (1989) mendefinisikan pengertian SIG sebagai suatu sistem berbasis komputer
yang memberikan empat kemampuan untuk menangani data bereferensi geografis, yaitu
pemasukan, pengelolaan atau manajemen data (menyimpan atau pengaktifan kembali),
manipulasi dan analisis serta keluaran.Pemasukan data ke dalam SIG dilakukan dengan
cara digitasi dan tabulasi. Manajemen data meliputi semua operasi penyimpanan,
pengaktifan, penyimpanan kembali, dan pencetakan semua data yang diperoleh dafi
masukan data. Proses manipulasi dan analisa data dilakukan interpolasi spasial dari data
non-spasial menjadi data spasial, mengkaitkan data tabuler ke data raster, tumpang susun
peta yang meliputi map crossing, tumpang susun dengan bantuan matriks atau tabel 2-
dimensi, dan kalkulasi peta. Keluamn utama dari SIG adalah informasi spasial baru
yang dapat disajikan dalam dua bentuk yaltu tersirnpan dalam format raster dan tercetak
ke hardcopy, sehingga dapat dimanfaatkan secara operasional.
Struktur data spasial dalam SIG dapat dibedakan menjadi dua macam, yaitu
struktur data vektor dan raster. Struktur data vektor kenampakan keruangan akan
dihasilkan dalam bentuk titik dan garis yang membentuk kenampakan tertentu,
sedangkan struktur data raster kenampakan keruangan akan disajikan dalam bentuk
konfigurasi sel-sel yang membentuk gambar. Masing-masing struktur data tersebut
mempunyai kelebihan dan kekurangan. Secara garis besar kelebihan dan kekurangan
strukur data tersebut disajikan dalam Tabel 2. dan 3. (Aronoff, 1989)
Berdasarkan uraian kelebihan dan kekurangan masing-masing struktur data SIG
tersebut, maka pemilihan dan penggunaanya harus disesuaikan dengan jenis masalah dan
analisis yang hendak dilakukan.

Tabel 2. Kelebihan dan kekurangan struktur data raster

Kelebihan Kekurangan
Struktur data sederhana Pemakaian memori komputer lebih banyak
Overlay dan kombinasi dengan data Terdapat kesalahan untuk estimasi keliling dan
penginderaan jauh mudah bentuk
Analisa spasial mudah dilakukan Kaitan jaringan lebih sulit dibangun
Simulasi mudah dilakukan karena unit Pro ses t ransformasi lebih lama
spasialnya sama dalam bentuk dan ukuran yaitu
piksel
Teknologinya murah dan berkembang secara Terdapat kehilangan informasi pada saat
cepat memperbesar ukuran sel atau memperkecil ukuran
data
Sebuah/satu set grid sel dapat digunakan untuk Tampilan grafisnya kurang akurat, kasar dan kurang
beberapa variabel menarik untuk dilihat
Mudah untuk membuat program sendiri

7
Forest Watch Indonesia ...........................................................

Tabel 3. Kelebihan dan kekurangan struktur data vektor

Kelebihan Kekurangan
Representasi struktur datanya baik Struktur datanya kompleks
Struktur data lebih kompak Sulit dilakukan simulasi karena setiap satuan
mempunyai bentuk topologi yang berbeda
Gambaran topologinya berupa network Overlay dengan data raster sulit dilakukan
linkages
Pengaktifan kembali, updating dan Tampilan dan plotting data mahal
generalisasi data gxafis dan atributnya lebih
memungkinkan
Digunakansecara luas untuk menggambarkan Teknologinya lebih mahal
zona-zolia administrasi
Tampilan grafis lebih akurat Variabilitas spasial t idak secara implisit t erwakili

INTEGRASI PENGINDERAAN JAUH


DAN SISTEM INFORMASI GEOGRAFIS
Danoedoro (1996) mengemukakan bahwa integrasi yang berarti penyatuan memberikan
implikasi adanya kesatuan (dan konsistensi) dalam pengolahan data mulai awal sampai
akhir, yang mempertimbangkan adanya masalah ketidakkompatibelan antar data yang
disebabkan oleh bentuk, struktur asli, serta sifat-sifatnya. Produk penginderaan jauh
berupa hasil interpretasi visual seringkali mempunyai kerincian geometri yang relatif
rendah, namun mempunyai keunggulan dalam hal penentuan batas satuan pemetaan
lahan yang lebih baik. Disisi lain, produk pengolahan citra digital satelit biasanya
memiliki kekurangan karena resolusi spasialnya yang relatif rendah, namun sekaligus
mempunyai keuntungan karena kerincian geometri yang lebih tinggi.
Apabila keduanya dipadukan, maka satu sama lain dapat saling melengkapi.
Informasi mengenal aspek relief, medan atau bentuk lahan dapat disadap dari foto udara
derigan lebih tepat, sedangkan pembuatan model spasial melalui pendekatan spektral
(spectral-based spatial modelling) dapat dilakukan dengan pengolahan citra. Hasil dari
perpaduan ini dapat menonjolkan keunggulan masing-masing sistem. Hal ini dapat
dilakukan apabila kedua sumber data telah kompatibel satu sama lain dalam format atau
struktur data yang sama serta diperlakukan oleh sistem pengolah yang sama, yaitu SIG.
Menurut Estes (1992) mengemukakan pentingnya memahami kunci kunci kendala
integrasi penginderaan jauh dan sistem informasi geografis. Dengan memahami hal
tersebut integrasi PJ dan SIG dapat dikembangkan sedemikian rupa sehingga
menghasilkan suatu alat yang efektif dan efisien penggunaannya.

8
Forest Watch Indonesia ...........................................................

KARAKTERISTIK CITRA LANDSAT 7 ETM+

Karakteristik spasial
Karakteristik spasial ditandai dengan resolusi spasial yang digunakan sensor untuk
mendeteksi obyek. Resolusi spasial adalah daya pilah sensor yang diperlukan untuk bisa
membedakan obyek-obyek yang ada dipermukaan bumi. Istilah lain yang umum
digunakan untuk resolusi spasial adalah medan pandang sesaat (Intantenous Field of
View /IFOV).
Tabel 4. Tabel IFOV pada masing-masing saluran.

No Saluran IFOV
1-5,7 30 m x 30 m
6 60 m
8 15 m

Karakteristik spektral
Karakteristik spektral terkait dengan panjang gelombang yang digunakan untuk
mendeteksi obyek-obyek yang ada di permukaan bumi. Semakin sempit julat (range)
panjang gelombang yang digunakan maka, semakin tinggi kemampuan sensor itu dalam
membedakan obyek.

Tabel 5.Tabel nama gelombang dan range panjang gelombang


pada masing-masing saluran
No Nama gelombang Range panjang
Saluran gelombang (um)
1 Biru 0.45 – 0.52
2 Hijau 0.53 – 0.61
3 Merah 0.63 – 0.69
4 Inframerah dekat 0.78 – 0.90
5 Inframerah gelombang pendek 1.55 – 1.75
6 Inframerah tengah 10.4 – 12.5
7 Inframerah gelombang pendek 2.09 – 2.35
8 pankromatik 0.52 – 0.9

Karakteristik Temporal
Landsat 7 merupakan satelit dengan orbit yang selaras matahari (sun synchronous), dan
melintas di ekuator pada waktu lokal pukul 10:00 pagi. Landsat TM memiliki
kemanpuan meliput scenes yang sama (revisit oppotunity) setiap 16 hari.

9
Forest Watch Indonesia ...........................................................

Interaksi gelombang elektromagnetik dengan obyek


Ketika energi matahari mengenai obyek maka terdapat 5 kemungkinan interaksi yang
terjadi yaitu:

Tabel 6. Tabel interaksi gelombang elektromagnetik dengan obyek


Interaksi keterangan
Transmisi energi tersebut akan ditransmisikan (diteruskan) oleh obyek tersebut.

Absorpsi energi akan diserap oleh obyek tersebut

Refleksi: energi akan di pantulkan sempurna dengan sudut datang energi tersebut sama
dengan sudut pantulnya oleh obyek. Panjang gelombang yang dipantulkan oleh
obyek (bukan yang diserap) akan mengindikasikan warna dari obyek tersebut.

Hamburan energi akan dihamburkan secara acak ke segala arah oleh obyek tersebut.
Hamburan Rayleigh dan Hamburan Mie merupakan tipe hamburan yang paling
sering terjadi di atmosfir.

Emisi energi yang telah diserap, akan dipancarkan lagi, biasanya pada panjang
gelombang yang lebuh panjang.

Sistem pada Landsat 7 dirancang untuk mengumpulkan energi pantulan yang


dilakukan oleh saluran 1 5, 7,8 (7 saluran) dan energi pancaran yang dilakukan oleh
saluran 6 (1 saluran). Sensor Landsat akan mengkonversi energi pantulan matahari yang
diterimanya menjadi satuan radiansi. Radiansi adalah flux energi per satu satuan sudut
ruang yang meninggalkan satu satuan area permukaan, pada arah tertentu. Radiansi ini
terkait erat dengan kecerahan pada arah tertentu terhadap sensor. Radiansi adalah
sesuatu yang diukur oleh sensor dan agak terkait dengan pantulan. Nilai radiansi
kemudian dikuantifikasi menjadi nilai kecerahan (brighness value) citra yang tersimpan
dalam format digital.

10
Forest Watch Indonesia ...........................................................

Karakteristik Produk
Produk keluaran satelit Landsat 7 dibagi menjadi 3 level produk yaitu:

Tabel 7. Tabel karakteristik level Landsat 7 ETM +


Level Karakteristik
0R Level ini dapat dikatakan sebagai data mentahnya Landsat 7, dimana dalam data
Landsat belum mengalami koreksi radiometerik dan geomterik
1R Produk pada level ini adalah level 0-R yang telah mengalami koreksi radiometri.
1G Produk pada level ini adalah level 1-R yang telah mengalami koreksi geometri pada
proyeksi tertentu. Terdapat 7 pilihan proyeksi yang bisa digunakan yaitu:
ü Universal Transverse Mercator
ü Lambert Conformal Conic
ü Polyconic
ü Transverse Mercator
ü Polar Stereografik.
ü Hotine Oblique Mercator A
ü Space Oblique Mercator

KERANGKA PEMIKIRAN DAN METODOLOGI


Kerangka Pemikiran
Untuk lebih mendayagunakan citra satelit sehingga bisa digunakan oleh banyak
kalangan, maka citra satelit tersebut harus diinterpretasi (ditafsirkan) menjadi informasi.
Salah satu proses interpretasi yang paling sering dilakukan adalah interpretasi untuk
pemetaan penutup lahan dan vegetasi.
Dalam teori penginderaan jauh, terdapat dua pendekatan yang dapat dilakukan
untuk proses interpretasi citra satelit yaitu interpretasi otomatis atau yang juga disebut
dengan klasifikasi multispektral dan interpretasi visual (manual).
Interpretasi otomatis hanya bisa dilakukan pada citra satelit format digital dengan
bantuan sistem komputer. Interpretasi otomatis ini semata-mata hanya mengandalkan
nilai kecerahan untuk membedakan obyek-obyek yang terekam pada citra. Garis besar
proses interpretasi otomatis ini adalah, interpreter harus memilih sekelompok nilai
kecerahan yang homogen sebagai daerah contoh (sampel area) dan dianggap mewakili
obyek tertentu. Diambil beberapa sampel untuk mewakili setiap kelas tutupan lahan.
Berdasarkan sampel-sampel ini komputer akan mencocokan nilai kecerahan sampel
(dengan aturan matematis tertentu) dengan nilai-nilai kecerahan pada keseluruhan citra
dan menggolongkannya ke dalam kelas tutupan lahan tertentu.
Kelebihan dari teknik interpretasi otomatis ini adalah cepat, karena dilakukan
dengan bantuan komputer. Namun dalam pelaksanaannya teknik ini akan optimal jika
daerah kajian memiliki obyek-obyek yang relatif homogen dengan cakupan yang luas.

11
Forest Watch Indonesia ...........................................................

Disamping itu karena teknik ini mengandalkan nilai kecerahan, maka gangguan atmosfir
seperti hamburan dan awan juga harus sekecil mungkin. Sayangnya kondisi ini sulit
ditemui di daerah tropis seperti Indonesia. Penutup lahan di Indonesia sebagian besar
adalah heterogen dan gangguan atmosfir seperti hamburan dan awan juga cukup tinggi.
Disisi lain terdapat teknik interpretasi visual (manual) citra satelit yang
merupakan adaptasi dari teknik interpretasi foto udara. Citra satelit yang dimaksudkan
disini adalah citra satelit pada saluran tampak dan perluasannya. Adaptasi teknik ini bisa
dilakukan karena baik citra satelit tesebut dan foto udara, sama-sama merupakan
rekaman nilai pantulan dari obyek. Namun karena perbedaan karakteristik spasial dan
spektralnya, maka tidak keseluruhan kunci interpretasi dalam teknik interpretasi visual
ini bisa digunakan. Kelebihan dari teknik interpretasi visual ini dibandingkan dengan
interpretasi otomatis adalah dasar interpretasi tidak semata-mata kepada nilai kecerahan,
tetapi konteks keruangan pada daerah yang dikaji juga ikut dipertimbangkan. Dalam
interpretasi manual ini peranan interpreter dalam mengontrol hasil klasifikasi menjadi
sangat dominan, sehingga hasil klasifikasi yang diperoleh relatif lebih masuk akal.
Berdasarkan kerangka pemikiran tersebut maka interpretasi citra Landsat 7 ETM
digital menggunakan gabungan metode penafsiran secara klasifikasi teracu (supervised
classification) dan metode secara manual/visual atau delineasi secara on screen
digitation. Penggabungan kedua metode ini menghasilkan klasifikasi yang lebih rinci
dan cepat sebab klasifikasi teracu akan membantu mempermudah klasifikasi secara
keseluruhan, terutama untuk memperoleh batas delineasi pada kelas-kelas dengan
poligon yang besar seperti kelas hutan, laut, danau dan yang lainnya. Sedangkan metode
secara manual/visual dapat lebih memperinci hasil kliasifikasi teracu, terutama untuk
memisahkan, menggabungkan atau menambahkan kelas-kelas yang tidak bisa dilakukan
secara klasifikasi teracu.

Metodologi
Pengumpulan Data Sekunder
1. Peta topografi dan Peta RePPProt skala 1: 100.000 / 1:250.000
2. Peta Vegetasi (Land Use) skala 1:?
3. Peta kawasan hutan dan kawasan konservasi perairan skala 1:250.000
4. Peta hasil penafsiran potret udara skala 1:25.000 dan 1:50.000
5. Data lapangan hasil pengamatan TSP/PSP

Pemrosesan Citra Digital


a. Koreksi radiometri
Koreksi radiometri diperlukan untuk memperbaiki kualitas visual citra dan sekaligus
memperbaiki nilai-nilai piksel yang tidak sesuai dengan nilai pantulan atau pancaran
spektral obyek yang sebenamya. Koreksi radiometri ini dilakukan dengan beberapa cara,
antara lain: penggeseran histogram (histogram adjustment), metode regresi dan metode
kalibrasi bayangan (Jensen, 1986; Danoedoro, 1996). Koreksi radiornetrik pada
penelitian ini dilakukan dengan metode penyesuaian histogram (histogram ajustment)
dengan pertimbangan caranya sederhana, mudah dan tidak adanya subyektivitas dari
pengguna saat melakukan koreksi.

12
Forest Watch Indonesia ...........................................................

Metode penyesuaian histogram merupakan metode yang paling sederhana dengan


hanya melihat histogram setiap saluran secara independen. Asurnsi yang melandasi
metode ini adalah bahwa dalam proses koding digital oleh sensor, obyek yang
memberikan respons spektral yang paling lemah -atau tidak memberikan respons sama
sekali - seharusnya bemilai 0. Apabila nilai ini temyata > 0, maka nilai tersebut dihitung
sebagai offset.
Koreksi radiometri dengan penyesuaian histogram yang dengan mencari bias
yang terdapat pada setiap saluran citra yang digunakan dengan cara menghitung
histogram. Apabila histogram pada saluran yang digunakan memberikan nilai minim
cukup tinggi maka nilai tersebut dianggap sebagai angka bias dan akan digunakan
sebagai nilai pengurangan terhadap setiap nilai spektral dalam saluran tersebut. Dengan
kata lain, besamya offset menunjukkan besamya pengaruh gangguan atmosfir.

Gambar 2. Koreksi radiometri dengan penyesuaian histogram (Jensen, 1986)

b. Koreksi geometri
Transformasi geometri yang paling mendasar adalah penempatan kembali posisi piksel
sedemikian rupa, sehingga pada citra digital yang tertransformasi dapat dilihat gambaran
obyek dipemukaan bumi yang terekam sensor. Menurut Jensen (1986) koreksi geometri
merupakan proses transfomasi citra sehingga citra menjadi bersifat planimetrik (bersifat
peta). Koreksi ini mencakup perujukan titik-titik tertentu pada citra ke titik-titik yang
sama di medan maupun di peta. Koreksi ini mencakup perujukan titik-titik tertentu pada
citra ke titik-titik yang sama di medan maupun di peta. Pasangan titik-titik ini kemudian
digunakan untuk membangun fungsi matematis yang menyatakan hubungan antara
posisi sembarang titik pada citra yang mempakan posisi pusat piksel dengan titik obyek
yang sama pada peta maupun dilapangan. Pada dasarnya koreksi geometri dilakukan
melalui dua proses utama yaitu interpolasi spasial dan interpolasi intensitas.
Metode transfomasi geometris tersebut, merupakan suatu persamaan matematis
yang koefisiennya ditentukan dengan analisis kuadrat terkecil regresi ganda (multiple
regression) dan pasangan posis titik ikat medan (ground control point) koordinat citra

13
Forest Watch Indonesia ...........................................................

(baris, kolom) dan koordinat peta topografi yang menjadi acuannya. Secara umum
bentuk persamaan matematik itu adalah sebagai berikut:
X' = ao + a1X + a2Y
Y' = bo + b1X + b2Y
Dimana X' dan Y' adalah posisi koordinat asal pada peta dan X serta Y adalah
koordinat keluaran (hasil rektifikasi). Sedangkan a0, a1, a2, serta b0, bl , b2 adalah koefisien
yang diperoleh dari analisis kuadrat terkecil regresi ganda tersebut.
Analisis kuadrat terkecil regresi ganda tersebut hanyalah merupakan salah satu
metode perhitungan. Selain metode tersebut umumnya digunakan transfomasi Affine dan
metode persamaan polinomial dengan banyak orde. Pemilihan orde persamaan
polinomial tersebut ditentukan dengan melihat kondisi topografi dari daerah yang dikaji.
Daerah dengan topografi datar, cukup dihitung dengan persamaan transfomasi
Affine,sedangkan daerah dengan topografi bergunung, harus menggunakan persamaan
orde yang lebih tinggi. misalnya: persamaan transformasi orde tiga (third order
tranformation).
Semakin tinggi orde persamaannya maka titik ikat yang dibutuhkan juga semakin
banyak. Untuk mengetahui seberapa besar ketelitian dan koefisien-koefisien tersebut
dalam mentransfomasikan posisi koordinat citra, maka biasanya terlebih dahulu dihitung
RMS, (roof mean square error), Adapun RMS, diekspresikan dengan persaman sebagai
berikut:
RMSerror = v(x´-xasal )2 + (y´-yasal)2

Dimana x' dan y' adalah posisi titik ikat medan (baris dan kolom) hasil
perhitungan sedangkan Xasal, dan yasal posisi baris dan kolom pada citra asli. Hasil tumpang
susun grid posisi baris dan kolom citra asli dengan baris dan kolom basis perhitungan
transfomasi, seandainya digambarkan adalah sebagai berikut:

Gambar 3. Posisi grid sebelum dan sesudah koreksi geometri

(Lillesand dan Kiefer, 1990 dengan perubahan).

14
Forest Watch Indonesia ...........................................................

Seperti terlihat pada gambar diatas bahwa pada posisi pixel baru hasil
transformasi (pixel yang diarsir), meliputi 4 pixel pada citra asli yaitu a, b, c, d. Untuk
menentukan nilai kecerahan pixel pada posisi baru ini dilakukan proses interpolasi
intensitas vaitu penentuan nilai kecerahan pixel pada lokasinya yang baru tersebut
berdasarkan nilai-nilai pixel citra asli disekitarnya. Untuk menentukan nilai kecerahan
piksel setelah proses interpolasi spasial terdapat tiga metode yang sering digunakan
untuk interpolasi intensitas yaitu metode tetangga terdekat (nearest neighbour method),
interpolasi bilinear dan cubic convolution. Masing-masing memberikan efek yang
berbeda pada kenampakan citra.

c. Klasifikasi Multispektral
Pemetaan penutup lahan diperoleh dari hasil klasifikasi multispektral citra digital.
Klasifikasi multispektral merupakan suatu algoritma yang dirancang untuk menyajikan
informasi tematik dengan cara mengelompokkan fenomena berdasarkan satu kriteria
yaitu nilai spektral pada beberapa saluran sekaligus. Tiap obyek cenderung memberikan
pola respon spektral yang spesifik. Semakin sempit dan banyak saluran yang digunakan,
semakin teliti hasil klasifikasi multispektral tersebut.
Klasifikasi multispektral diawali dengan menentukan nilai pixel representatif tiap
obyek secara sampling. Nilai pixel dari tiap sampel tersebut digunakan sebagai masukan
dalam proses klasifikasi. Ektraksi informasi penutup lahan dikerjakan berdasarkan warna
pada citra komposit, analisis statistik dan analisis grafis. Analisis statistik digunakan
dengan memperhatikan nilai rerata, standar deviasi, varians, dan kovarians, dari setiap
kelas sampel yang diambil guna menentukan keterpisahan sampel. Analisis grafis
digunakan untuk melihat sebaran piksel-piksel suatu kelas yang diasumsikan sebagai
kelas yang homogen apabila piksel-piksel yang diambil sebagai sampel, bergerombol
dalam satu gugus, dengan memperhatikan posisi gugus sampel dalam diagram pencar.
Dalam mengkelaskan nilai-nilai spektral citra menggunakan banyak feature
tersebut, dikenal istilah klasifikasi teracu (supervised classification) dan klasifikasi tak
teracu (unsupervised classification). Istilah 'klasifikasi teracu digunakan, karena metode
ini mengelompokan nilai pixel berdasarkan informasi penutup lahan aktual di pemukan
bumi, sedangkan istilah 'klasifikasi tak teracu' digunakan, karena proses pengkelasannya
hanya mendasarkan pada infomasi gugus-gugus spektal yang tidak bertumpang susun,
pada ambang jarak (threshold distance) tertentu, dan saluran-saluran yang digunakan.
Informasi yang diperoleh dari proses pengkelasan nilai-nilai spektral bukan
merupakan tipe penggunaan lahan, melainkan berupa klas penutup lahan. Berdasarkan
hal tersebut, penamaan sampel mengacu pada posisi sampel dalam feature,space, dan
diarahkan pada penyusunan klas-klas spektral seperti pada diagram pencar Gambar 4
dan 5.
Dengan mengacu diagram pencar tersebut, dapat diketahui bahwa terdapat suatu
trend atau kecenderungan obyek permukaan bumi meliputi vegetasi, air dan tanah
bahkan dapat dibedakan kondisi kerapatan vegetasi secara horisontal (ground cover) dan
vertikal (Leaf Area Index)

15
Forest Watch Indonesia ...........................................................

Gambar 4. Distribusi vegetasi, tanah, dan air pada diagram pencar saluran
merah dan inframerah dekat.

Gambar 5. Nomogam saluran inframerah dekat (TM4) dengan inframerah tengah (TMS) sebagai sebuah fungsi
kombinasi variasi tutupan lahan (Verhoef dan Rosema,1991 dalam Danoedoro, 1994).

16
Forest Watch Indonesia ...........................................................

Jumlah pixel untuk daerah contoh minimal adalah n + 1 buah pixel, dimana n adalah
jumlah feature yang digunakan. Umumnya diambil >l0n pixel untuk tiap daerah contoh.
Sekelompok nilai pixel untuk daerah contoh tertentu ini membentuk suatu vektor
pengukuran Xc, (measurement vector), dimana:

Berdasarkan vektor pengukuran tersebut dihitung nilai-nilai statistik yaitu rerata


(uc), standar deviasi (sc), varians (Vc) dan covarians (Covc). Dengan
menggunakaninformasi statistik daerah contoh tersebut, maka disusun suatu metode
pengkelasan. Adapun melode pengkelasan vang sering digunakan adalah: jarak minimum
terhadap Rerata (minimum distance to mean algoritm), metode parallelepiped (box
classification) pengkelas centroid (k-mean nearestt neighbour) dan metode kemiripan
maksimum (Maksimum likelihood method).
Dari beberapa metode klasifikasi mullispektral tersebut diatas, dalam penelitian
ini digunakan metode kemiripan maksimum. Hal ini disebabkan karena, data-data
statistik daerah contoh digunakan untuk menentukan bentuk distribusi keanggotaan
(distribution of membership) tiap kelas, pada p-dimensi feature space-nya sehingga
metode ini lebih teliti dibanding metode yang lain. Setelah dilakukan proses klasifikasi
maka akan diperoleh kelas-kelas penutup lahan.
Asumsi yang digunakan metode kemiripan maksimum ini ialah bahwa obyek
homogen selalu menampilkan histogram yang terdistribusi normal ( Bayesian). Gugus-
gugus nilai kecerahan tiap daerah contoh dapat dipandang sebagai suatu elips yang
tertutup. Oleh karena itu, dalam algoritma ini, piksel diklaskan sebagai obyek tertentu
tidak berdasarkan jarak euklidiannya, melainkan oleh bentuk, ukuran dan orientasi
sampel pada featurespace yang berupa elipsoida.
Untuk memutuskan klasifikasi, dibutuhkan infomasi statistik berupa rerata dan
simpangan baku tiap sampel serta variansi (ragam) dan kovariansi. Nilai vektor rerata
menentukan posisi elipsoida sampel pada feature space. Ukuran elipsoida ditentukan oleh
nilai variansi pada tiap saluran, sedangkan bentuk dan orientasi elipsoida tersebut
ditentukan oleh kovariansinya (Sherstha, 1991 dalam Danoedoro, 1996).

17
Forest Watch Indonesia ...........................................................

Menurut Mather (1987) dimensi elips ini tergantung dari kovarians nilai
kecerahan daerah contoh pada tiap-tiap feature-nya. Dalam metode ini juga terdapat
istilah kontur equiprobabilitas, yaitu garis-garis khayal pada gugus daerah contoh yang
menunjukan nilai probalibilitas kemiripan suatu nilai kecerahan terhadap nilai pusat
gugus tersebut (Gambar 7) Interpretasi geometris dari metode pengkelasan kemiripan
maksimum ini disajikan pada gambar 8.
Secara matematis suatu pixel X akan masuk kedalam sualu kelas jika probalilitas
untuk kelas tersebut adalah paling besar. Probabilitas X untuk tiap kelas tersebut dihitung
dengan rumus

Gambar 7. Kovarians daerah contoh dari dua saluran, dapat dibayangkan berbentuk seperti 'buah
Halma' (pcrmainan Halma) Garis-garis yang melingkari 'buah Halma' tersebut menunjukan level
probabilitasnya (Davis, 1973, Mather, 1987, Lillesand dan Kiefer, 1990)

17
Forest Watch Indonesia ...........................................................

Gambar 8. Dua gugus distribusi kemungkinan bivariat-nomal. Titik, P dianggap secara statistik-
probabilitik lebih, mirip untuk masuk ke kelas 2 dan pada kelas 1, walaupun secara geometris titik,
P lebih, dekat ke pusat gugus 1 daripada pusat gugus 2 (Mather, 1987 dengan perubahan)

Integrasi Penginderaan Jauh dengan GIS


Penggabungan klas dan perapian hasil klasifikasi dengan digitizion on screen. Adapun
kombinasi band yang yang umum digunakan pada saat penafsiran citra satelit secara
manual/visual yaitu 4-5-3 dan 5-4-2 dimana berbagai kenampakkan vegetasi baik alami
maupun yang ditanam dapat terlihat dengan jelas.
Untuk mempermudah pengenalan tipe-tipe penutup lahan pada suatu citra, dapat
digunakan kunci penafsiran (Setiabudi dan Wasrin, 1996) yang dikembangkan untuk
penafsiran citra Landsat-TM warna tidak standar (band 2-3-4). Namun hal ini bisa pula
diterapkan pada citra dengan kombinasi band lainnya dengan menerapkan elemen-
elemen penafsiran lainnya selain warna. Kunci eliminasi teresebut pada prinsipnya
disusun agar interpretasi berlanjut langkah demi langkah dari yang umum ke yang
khusus, dan kemudian menyisihkan semua kenampakan atau kondisi kecuali satu yang
diidentifikasi. Kunci eliminasi sering tampil dalam bentuk kunci dua pilihan
(dichotomous key) dimana penafsir dapat melakukan serangkaian pilihan antara dua
alternatif dan menghilangkan secara langsung semuanya, kecuali satu jawaban yang
mungkin (Lillesand & Kiefer, 1990).

19
Forest Watch Indonesia ...........................................................

Sebagai contoh kunci eliminasi, seperti yang terdapat dalam Setiabudi dan Wasrin, 1996,
yang digunakan untuk interpretasi daerah Sumaera dengan menggunakan citra komposit
warna semu 432 adalah sebagai berikut:
1a - Merah .................................................................................................................... 2
1b - Lainnya ................................................................................................................. 15
2a - Merah Tua ........................................................................................................ 3
2b - Tidak sama dengan diatas ............................................................................... 9
3a - Merah kehitaman, lokasi di daerah berawa ............................................... 4
3b - Merah tua, lokasi di daerah kering .............................................................. 7
4a - Pada umumnya ditemukan di estuaria atau sepanjang
dataran pantai dipengaruhi oleh pasang surut dan memiliki
tekstur yang halus sampai sedang ............................... Hutan Mangrove
4b - Tidak sama dengan diatas ....................................................................... 5
5a - Terdapat pada dekat sungai besar, sepanjang sungai
yang tergenang banjir secara periodic. Memiliki kenampakan
tekstur yang sedang hingga agak kasar.
..................................................................... Hutan Rawa Air Tawar
5b - Tidak sama dengan diatas ............................................................... 6
6a - Terletak diantara dua sungai besar, yang memiliki
drainase yang buruk, dibelakang Hutan Rawa Air
Tawar, tampak dengan warna merah hingga merah
gelap dengan tektur yang halus hingga kasar.
................................................................... Hutan Rawa Gambut
6b - Sama dengan kondisi diatas , namun berasosiasi dengan
jalan-jalan rel (dengan jarak 1 km sejajar satu sama lain)
dan tegak lurus dengan sungai
................................................................. Hutan Rawa Tebangan
7a - Memiliki tekstur agak kasar dan terdapat pada relief
bergelombang hingga
...................................... Hutan Sub-Pegunungan atau Pegunungan
7b - Tidak sama dengan diatas ................................................................... 8
8a - Memiliki tekstur kasar dan terdapat pada relief datar
hingga bergelombang, dengan pola sungai meander
............................ Dataran Rendah atau Hutan Perbukitan
8b - Sama dengan kondisi diatas, tetapi berasosiasi
dengan jalan sarad, bercak-bercak tanah kosong,
log-yard, log pond atau base camp ...... Hutan Bekas Tebangan
9a Warna merah dengan tekstur sedang .................................................... 10
9b Warna selain warna merah dan selain tekstur diatas ............................. 12

20
Forest Watch Indonesia ...........................................................
10a - Memiliki batas yang teratur, dan terdapat jaringan
jalan inspeksi, biasanya didaerah
...................... Perkebunan (karet, kelapa sawit, HTI)
10b - Tidak sama dengan diatas .................................................... 11
11a - Batas secara alami tidak, areal sempit, umumnya
terdapat dekat sungai, jalan lama, dan terdapat
pantulan cerah dari atap .............................. Kebun/Desa
11b - Batas secara alami tidak, areal sempit, umumnya
terdapat dekat sungai, jalan lama, terletak di belakang
desa lama ............................................ Vegetasi Sekunder Tua
12a - Warna merah muda dengan tekstura agak halus, umumnya
ditemukan diantara hutan alam dan vegetasi sekunder, dengan
batas tidak teratur ...................................... Vegetasi Sekunder atau Belukar
12b - Tidak sama dengan diatas ............................................................................ 13
13a - Warna merah keabuan, dengan tekstur halus, kadangkala
tercampur dengan belukar ........................... Padang Rumput/ Alang-alang
13b - Tidak sama dengan diatas .................................................................... 14
14a - Merah muda keabuan, dengan tekstur halus, umumnya
ditemukan sepanjang dataran aluvial tepi sungai, daerah
tenggelam ............................... Rumput rawa/Semak, Sawah
14b - Merah keabuan, dengan tekstur agak halus, umumya
ditemukan dekat sungai, dan secara periodik tergenang
................................................. Vegetasi Sekunder pada rawa
15a - Warna bitu hingga hitam ............................................................................ Water
15b - Tidak sama dengan diatas ................................................................................ 16
16a - Biru pucat hingga hijau keputihan, terletak pada dataran
aluvial atau daerah rawa dekat dengan ........................ Sawah tergenang
16b - Tidak sama dengan diatas .................................................................... 17
17a - Warna hijau keputihan, cakupan luas, umumnya
membentuk batas yang tidak teratur
...................................................... Lahan terbuka (land clearing),
persiapan untuk perkebunan
17b - Warna hijau keputihan hingga kemerahan, cakupan sempit,
umumnya terletak dibelakang hutan alam, sepanjang sisi
jalan sarad, belakang vegetasi sekundera tua
.................................. Ladang, perladangan berpindah, tanaman.

21
Forest Watch Indonesia ...........................................................

Untuk penafsiran manual/visual (on screen digitation), perlu memperhatikan pola


jaringan sungai, danau atau garis pantai didelineasi yang diikuti dengan pola jaringan
jalan, hal ini akan membantu dalam penafsiran obyek-obyek atau vegetasi yang terliput
pada citra yang ada. Selanjutnya dilakukan deteksi pada obyek-obyek dengan
melakukan delineasi batas luar pada kelompok yang yang mempunyai warna yang sama
dan memisahkannya dari yang lain. Langkah terakhir adalah mengidentifikasi dan
analisis obyek atau tipe vegetasi dengan menggunakan informasi spasial seperti ukuran,
bentuk, tekstur, pola, bayangan asosiasi dan situs (Lillesand dan Kiefer, 1979; Sutanto,
1985).
Integrasi data hasil klasifikasi penginderaan jauh dan GIS dilakukan dengan cara
menggabungkan citra hasil klasifikasi awal dengan peta referensi. Langkah yang
dilakukan adalah melakukan overlay data digital citra asli dan hasil klasifikasi teracu
dengan peta-peta penunjang (vegetasi, topograsi, konsesi, tanah dan persebaran lahan
kritis) sebagai referensi.

Mencetak citra asli dan citra hasil klasifikasi awal


Citra Landsat 7 ETM+ dan citra hasil klasifikasi awal dicetak untuk dijadikan bahan
acuan dalam cek lapangan.

Grount Thruth
Sebelum dilakukan cek lapangan dilakukan pemilihan titik sample. Pemilihan titik
sample dilakukan dengan memperhatikan ukuran piksel citra yang digunakan, variasi
penutup lahan dari hasil klasifikasi awal dan aksesibilitas daerah yang dikaji.
Pengambilan lokasi sample seperti ini termasuk dalammetode pengambilan sample
wilayah (area sampling) dan metode sampel bersyarat (purposive sampling)
(Singarimbun, 1983).
Mengingat daerah Irian Jaya aksesibilitasnya kurang maka selain melakukan
ground check secara langsung dibeberapa lokasi juga dilakukan overflight dengan
pesawat yang melintas di beberapa pangkalan udara yaitu : Sorong, Biak, Jayapura,
Merauke dan Fakfak).
Hal-hal yang dilakukan dalam ground thruth:
1. Melakukan cek lapangan kondisi penutup lahan, kondisi bentuklahan, penentuan tipe
penggunaan lahan dan kerapatan vegetasinya secara kualitatif pada setiap lokasi
sampel.
2. Mengenali bentuk penggunaan lahan yang meliputi pola, jenis dan rotasi tanaman dan
mengamati hubungan ekologis antara kondisi bentuk lahan, penutup lahan dan
penggunaan lahan.
3. Melakukan dokumentasi kondisi setiap sampel dengan Handycamp dan GPS (Global
Position System).
4. Semua data yang diperoleh dilapangan ini nantinya dijadikan database lapangan
untuk Propinsi Irian Jaya.

22
Forest Watch Indonesia ...........................................................

Reinterpretasi
Berdasarkan perbandingan obyek pada citra dan data yang diperoleh dari ground check
dibuat database interpretasi. Dengan menggunakan database interpretasi ini dilakukan
re-interpretasi untuk membetulkan kesalahan-kesalahan pada interpretasi awal. Database
interpretasi ini juga akan sangat bermanfaat untuk kepentingan pekerjaan pemutakhiran
data pada waktu yang akan datang.
Uji Ketelitian
Untuk menguji apakah peta penutup lahan yang dihasilkan valid atau akurat maka
dilakukan uji ketelitian. Uji ketelitian dilakukan dengan cara menghitung tingkat akurasi
hasil klasifikasi penutup lahan dengan membandingkan dua peta, yaitu (1) peta yang
diperoleh dari teknologi penginderaan jauh yang telah teruji ketelitiannya, (2) peta lain
yang diasumsikan benar. Metode uji akurasi peunutp lahan ini mengacu pada metode
ketelitian Short ( 1982) dalam Sutanto (1987). Pengujian peta penutup lahan dilakukan
dengan cara overlay peta yang akan diuji maupun peta yang dijadikan acuan uji
ketelitian. Hasil pemetaan dikatakan valid/akurat jika uji ketelitiannya lebih dari 85%.
Pemilihan lokasi pengujian dilakukan secara purposive sampling dengan beberapa
pertimbangan antara lain:
1. Memilih daerah yang relatif tetap, tidak berubah pada saat perekaman citra yang
digunakan maupun pada selang waktu proses pembuatan peta acuan.
2. Obyek yang jelas ada dan dapat dikenali pada peta acuan dan peta hasil klasifikasi
yang diuji.
Penyusunan peta hasil klasifikasi akhir dalam format ArcView dan
mengikuti pola pembagian peta standar Bakosurtanal
Pembuatan laporan
Penyusunan laporan akhir dilengkapi dengan peta hasil klasifikasi akhir yang telah
diperbaiki dengan berdasarkan hasil reinterpretasi. Laporan ini memuat hasil analisa
penutupan lahan per propinsi per fungsi berdasarkan peta penunjukkan kawasan hutan
dan perairan atau Peta Paduserasi TGHK dan RTRWP untuk propinsi yang belum ada
penunjukannya.

BAHAN DAN ALAT


Bahan yang digunakan sebagai referensi:
1. Citra Landsat 7 ETM+ dalam format digital yang telah dikoreksi secara radiometrik
dan geometrik yang meliput tahun 1999 dan 2000.
2. Peta penunjukkan kawasan hutan dan perairan atau Peta Paduserasi TGHK dan
RTRWP skala ?
3. Peta topografi dan Peta RePPProt skala 1: 100.000 / 1:250.000
4. Peta Vegetasi (Land Use) skala 1:?
5. Peta kawasan hutan dan kawasan konservasi perairan skala 1:250.000
6. Peta hasil penafsiran potret udara skala 1:25.000 dan 1:50.000
7. Data lapangan hasil pengamatan TSP/PSP

23
Forest Watch Indonesia ...........................................................

Peralatan yang digunakan:


Seperangkat PC dengan spesifikasi tinggi, dengan plotter ukuran A0
Perangkat lunak ER Mapper versi 5.5
Perangkat lunak Arc View 3.2
GPS, Video Camera dan peralatan lain untuk kegiatan cek lapangan.

KRITERIA (DESKRIPSI)
KELAS TUTUPAN HUTAN /
PENGGUNAAN LAHAN

Kelas Simbol Kode Keterangan


Hutan lahan kering Hp 2001 Seluruh
2001 kenampakan hutan di dataran rendah,
perbukitan dan pegunungan yang belum
menampakkan penebangan, termasuk vegetasi
rendah alami yang tumbuh di atas batuan massif
Hutan lahan kering Hs 2002 Seluruh kenampakan hutan di dataran rendah,
sekunder perbukjtan dan pegunungan yang telah
menampakkan bekas penebangan (kenampakan
alur dan bercak bekas penebangan). Bekas
penebangan yang parah tapi tidak termasuk dalam
areai HTI, perkebunan atau pertanian dimasukkan
dalam lahan terbuka.
Hutan rawa primer Hrp 2005 Seluruh kenampakan hutan di daerah berawa-
rawa,termasuk rawa gambut yang belum
menampakkan tanda penebangan
Hutan rawa sekunder Hrs 20051 Seluruh kenampakan hutan di daerah berawa yang
telah menampakkan bekas penebangan. Bekas
penebangan yang parah jika tidak mempedihatkan
liputan air digolongkan tanah terbuka, sedangkan
jika mempedihatkan 1iputan air digolongkan
menjadi tubuh air (rawa)
Hutan mangrove primer Hmp 2004 Hutan bakau, nipah dan nibung yang berada di
sekitar pantai yang belum detebang.
Hutan mangrove Hms 20041 Hutan bakau, nipah dan nibung yang t elah
sekunder ditebang) yang ditampakkan dengan pole alur di
dalamnya. Khusus untuk areal bekas tebangan
yang telah dijadikan tambak/sawah (tampak pola
persegi pematang) dimasukkan dalam kelas
tambak/sawah (tampak pole persegi/pematang)
dimasukkan dalam kelas tambak /sawah

24
Forest Watch Indonesia ...........................................................

Semak/belukar B 2007 Kawasan bekas hutan lahan kedng yang telah


tumbuh kembali, didominasi vegetasi rendah dan
tidak menampakkan tagi bekas alur/ bercak
penebangan
Semak/belukar rawa Br 20071 Semak / belukar dari bekas hutan di daerah rawa
Savanna S 3000 Kenampakan non hutan alami berupa padang
rumput dengan sedikit pohon. (Kenampakan alami
daerah Nusa Tenggara Timur dan pantai selatan
Irian laya)
HTI Ht 2006 Seluruh kawasan HTI baik yang sudah ditanami
maupun yang belum (masih berupa kahan kosong).
Identifikasi lokasi dapat diperoleh pada Peta
Persebaran HTI.
Perkebunan Pk 2010 Seluruh kawasan perkebunan, baik yang sudah
ditanami maupun yang belum (masih berupa lahan
kosong). Identifikasi dapat diperoleh pada Peta
Persebaran Perkebunan (Perkebunan Besar).
Lokasi perkebunan rakyat mungidn ddak termasuk
dalam peta sehingga memedukan informasi
pendukung lain.
Pertanian lahan kering Pt 20091 Semua aktivitas pertanian di lahan kering seperti
tegalan, kebun campuran dan ladang
Pertanian lahan kering Pc 20092 Semua ativitas pertanian di lahan kering,
bercampur dengan berselang-seling dengan sernak, belukar dan hutan
semak bekas tebangan
Transrnigrasi Tr 20093 Seluruh kawasan baik yang sudah diusahakan
maupun yang belum, termasuk areal pertanian,
perladangan dan permukiman yang berada di
dalamnya
Sawah Sw 20093 Semua aktifias pertanian di lahan basah yang
dicirikan oleh pola pematang
Tambak Tm 20094 Aktivitas perikanan yang tampak seldtar pantai
Tanah terbuka T 2014 Seluruh kenampakan lahan terbuka tanpa vegetasi
(singkapan batuan puncak gunung, kawah vulkan,
gosong pasir, pasir pantal) tanah terbuka bekas
kebakaran dan tanah terbuka yang ditumbuhi
rumput /alang-alang. Kenamapakan tanah terbuka
untuk pertam-bangan dimasukkan ke kelas
pertambangan, sedang-kan lahan terbuka bekas
land clearing dimasukkan ke kelas pertanian,
perkebunan atau HTI.

25
Forest Watch Indonesia ...........................................................

Pertambangan Tb 20141 Tanah terbuka yang digunakan untuk kegiatan


pertambangan terbuka, openpit (batubara, timah,
tembaga dll.). Tambang tertutup seperti minyak,
gas dll. Tidak dikelaskan tersendiri, terkecuali
mempunyai areal yang luas sehingga dapat
dibedakan dengan jelas pada citra.
Permukiman Pm 2012 Kawasan permukiman baik perkotaan, perdesaan,
pelabuhan, bandara, industri dll. Yang
memperlihatkan pola alur yang rapat.
Tubuh air A 5001 Semua kenampakan perairan, termasuk laut,
sungai, danau, waduk, terumbu karang dan lamun
(Lumpur pantai). Khusus kenampakan tambak di
tepi pantai dimasukkan ke pertanian lahan basah.
Rawa Rw 50011 Kenampakan rawa yang sudah tidak berhutan
Awan Aw 2500 Semua kenampakan awan yang menutlipi suatu
kawasan. Jika terdapat awan tipis yang masih
mempedihatkan kenampakan di bawahnya dan
masih memungkinkan untuk ditafsir, penafsiran
tetap dilakukan. Poligon terkecil yang didelineasi
untuk awan adalah 2 x 2 cm2

26
Forest Watch Indonesia ...........................................................

DAFTAR PUSTAKA
Anonimous, , Landsat 7 Handbook, download dari www.brsi.msu.edu
Aronoff, 1989, Geographic Information Systems: A Management Perpective, Ottawa:
WDL Publication.
Danoedoro, Projo, 1996, Pengolahan Citra Digital, Yogyakarta: Fakultas Geografi,
Universitas Gadjah Mada.
Estes,J.E.,1992, Remote Sensing and GIS Integration; Research Needs, Status and
Trends, ITC Journal, 1992-1, pp 2-9.
Jensen, J.R., 1986, Introductory to Digital Image Processing; A Remote Sensing
Perpective, New Jersey: Prentice Hall Inc.
King, Bruce, 1999, Remote Sensing Manual for Humid Forest/Land Cover Mapping in
Indonesia, Jakarta: FIMP-EU/MoF.
Lillesand, T.M & Kiefer, R.W., 1990, Penginderaan Jauh dan Interpretasi Citra
(terjemahan), Yogyakarta: Fakultas Geografi UGM.
Setiabudi, Upik Rosalina W, 1996, Petunjuk Praktis Identifikasi dan Pemetaan Vegetasi
dengan menggunakan Penafsiran Citra Landsat TM; Studi Kasus Sumatera, Bogor:
makalah dalam seminar Tropical Forest Dynamic, SEAMEO-BIOTROP.
Sutanto, 1986, Penginderaan Jauh, Jilid 1 dan 2, Yogyakarta: Gadjah Mada University
Press.
Short, N.M., 1982, Landsat Tutorial Work Book Basic of Satelite Remote Sensing,
Washington DC:NASA.
Singarimbun,M., 1988, Metode Penelitian Survei,Jakarta:LP3ES.
Schowengerdt,R.A., 1983, Technique for Image Processing and Classification in
Remote Sensing, New York: Acasdemic Press.

27