Peneliti :
I Made Yuliara, S.Si., M.T.
JURUSAN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS UDAYANA
2015
Abstrak
Kata kunci : Model, Prediksi, Bahan organik tanah, Metode Penginderaan Jauh,
Citra Landsat 8
i
KATA PENGANTAR
Puji Syukur kehadirat Tuhan Yang Maha Esa, karena atas berkat rahmat-Nya
Dengan hati yang tulus, penulis mengucapkan terima kasih yang sebesar-
dan staf, Unud, dan rekan-rekan dosen yang telah memberikan semangat dan
pengetahuan dan akhir kata, penulis menyadari bahwa penelitian ini tak luput dari
kesalahan dan kekurangan, maka dari itu segala koreksi dan saran dari semua pihak
ii
DAFTAR ISI
Hal
Abstrak i
Kata Pengantar ii
Daftar Isi iii
Daftar Tabel iv
Daftar Gambar v
BAB I PENDAHULUAN
1.1. Latar Belakang ……………………………………………………. 1
1.2. Rumusan Masalah…………………………………………………. 3
1.3. Tujuan Penelitian………………………………………………...... 4
1.4. Maanfaat Penelitian……………………………………………...... 4
BAB II KAJIAN PUSTAKA
2.1. Dasar Fisika Penginderaan Jauh…………………………………… 5
2,2. Karakteristik Reflectance Obyek………………………………….. 8
2.3. Citra Satelit Penginderaan Jauh…………………………………… 9
2.4. Karakteristik Citra Satelit Landsat 8………………………………. 10
2.5. Bahan Organik (BO) Tanah……………………………………….. 12
2.6. Pra Pengolahan Citra Penginderaan Jauh………………………….. 13
Bab III METODE PENELITIAN
3.1. Rancangan Penelitian……………………………………………… 15
3.2. Lokasi Penelitian…………………………………………………... 15
3.3. Ruang Lingkup Penelitian…………………………………………. 16
3.4. Penentuan Sumber Data…………………………………………… 16
3.5. Variabel Penelitian………………………………………………… 17
3.6. Bahan Penelitian…………………………………………………… 17
3.7. Instrumen Penelitian……………………………………………….. 17
3.8. Prosedur Penelitian………………………………………………… 18
3.9. Analisis Data………………………………………………………. 19
BAB IV HASIL DAN PEMBAHASAN
4.1. Hasil Pengolaha Landsat 8…………………………………………. 21
4.2. Analisis Data Statistik……………………………………………… 24
BAB V KESIMPULAN DAN SARAN
5.1. Kesimpulan………………………………………………………… 27
5.2. Saran……………………………………………………………….. 27
Daftar Pustaka………………………………………………………………………...
Lampiran……………………………………………………………………………...
iii
DAFTAR TABEL
iv
DAFTAR GAMBAR
v
BAB I. PENDAHULUAN
Bahan organik (BO) tanah disamping merupakan unsur hara makro yang
esensial bagi pertumbuhan tanaman, juga dapat menjadi indikator kesuburan tanah
(Luo dkk., 2008; Wu dkk., 2009). Kadar BO tanah berkaitan dengan warna dari
tanah. Warna tanah yang gelap mengindikasikan bahwa tanah tersebut kaya akan
BO, demikian sebaliknya warna yang lebih terang mengindikasikan miskin BO.
dengan warna standar yang telah diketahui kadar bahan organiknya (Plaster, 1992).
kerusakan lahan, terutama jika pada bagian permukaan lahan mengalami erosi yang
Dalam area lahan pertanian yang relatif luas, kebutuhan akan identifikasi
handal memberikan prediksi informasi yang cepat dan akurat baik keberadaan
permukaan bumi secara optik. Obyek yang terekam dalam citra, berisi informasi
1
2
nilai reflektan spektral (spectral reflectance) yang diekspresikan oleh nilai piksel
kadar air tanah, akan tetapi model matematik yang akan menjelaskan hubungan
antara sinyal atau nilai reflektan yang terukur dengan kelembaban tanah.
Kadar dan komposisi BO tanah memberikan pengaruh yang sangat kuat terhadap
reflektan spektral tanah (Ting dkk., 2008) dan berkorelasi signifikan dalam daerah
reflektan Visible dan Near Infra Red (NIR) (Wu dkk., 2009).
Dalal dan Henry, 1986; Ingleby dan Crowe, 2000; Huang dkk., 2007; Gomez dkk.,
2008 dalam Jaber, 2011 ) atau dengan sensor multispektral dari satelit
penginderaan jauh ( Agbu dkk., 1990, Chen dkk., 2000; Coleman dkk., 1993;
Huang dkk., 2007; Ishida dan Ando, 1999; Van Deventer, 1992; Wilcox dkk.,
menunjukkan hasil yang menjanjikan, akan tetapi memerlukan beaya yang sangat
(NIRS) untuk mengukur kadar BO tanah di laboratorium secara cepat dan realibel
pada tanah tropik lembab di Tabasco, Mexico. Lebih lanjut dikatakan bahwa, ada
beberapa aspek teknis yang harus diperhatikan (Martin dkk., 2003; Viscarra dkk.,
2005; He dkk., 2007 dalam Sanchez dkk., 2012), seperti pembacaan sampel tanah
menggunakan suatu probe fiber optik pada sampel-sampel tanah yang disimpan
dalam kantong plastik (Jarquin dkk., 2011 dalam Sanchez dkk., 2012). Teknik
Jerman (Jarmer dkk., 2010) dan kombinasi citra Hyperion dengan Potassium
Dichromate Capacity Method di China (Luo dkk., 2008). Jaber dan Al-Qinna
Jordania.
Landsat ?
Landsat ?
Buleleng, Bali ?
Sawan, Buleleng, Bali. Disamping itu, bagi pemerintah Daerah diharapkan dapat
digunakan sebagai salah satu pedoman bahan kajian akademik untuk pengambilan
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 dengan obyek, daerah atau gejala yang
matahari merambat dengan energi melalui lapisan atmosfer untuk mencapai obyek/
target yang ada di permukaan bumi. Energi gelombang elektromagnetik ini dikenal
sebagai energi foton. Ketergantungan energi foton dalam mengindera suatu target
5
6
=ℎ
=ℎ (1)
Ada tiga bentuk hasil interaksi ketika sumber energi radiasi elektromagnetik
energi, dapat diekspresikan hubungan ketiga jenis energi hasil interaksi (Lillesand,
( )= ( )+ ( )+ ( ) (2)
antara satu obyek dengan obyek lainnya. Penampakan dari suatu obyek
(cahaya reflectance).
Dengan memahami sifat reflectance setiap obyek, maka obyek akan dapat
dikuantifikasi dengan cara mengukur bagian tenaga yang dipantulkan. Hal ini
diukur sebagai fungsi panjang gelombang yang disebut pantulan spektral (spectral
9
reflectance) dan secara matematik diekspresikan oleh ( Lillesand, T.M. dan Kiefer,
R.W., 1997) :
E R
R ( ) 100% (3)
E I
yang mana :
R ( ) = Reflektan spektral
penginderaan jauh bekerja pada panjang gelombang pantulan. Oleh karena itu,
Citra merupakan rekaman visual yang dihasilkan oleh peralatan secara optik
dan elektronik. Citra terdiri dari array 2 dimensi yang dapat diekspresikan dengan
suatu matriks dan setiap elemen matriks disebut dengan piksel (pixel). Kecerahan
obyek-obyek sebagai target yang ada di permukaan bumi yang dideteksi oleh sensor
yang dibawa wahana (platform) satelit mengitari bumi. Obyek yang terekam dalam
diekspresikan oleh nilai piksel dan berkaitan erat dengan karakteristik obyek yang
terekam.
Nilai piksel pada citra diekpresikan oleh angka numerik (1 byte) yang sering
dikenal dengan nilai digital (digital number, DN). Level energi yang terdeteksi
keabuan (gray scale). Skala gradasi yang dipakai adalah 256 shade gray scale, yang
Citra Landsat merupakan data citra yang dihasilkan oleh satelit Landsat, yaitu
salah satu satelit sumber daya alam yang dikembangkan oleh NASA dan
Februari 2013, merupakan kelanjutan dari misi Landsat 1 yang untuk pertama kali
menjadi satelit pengamat bumi sejak tahun 1972. Landsat 8 hanya memerlukan
waktu 99 menit untuk mengorbit bumi dengan resolusi temporal 16 hari. Seperti
dipublikasikan oleh USGS, satelit Landsat 8 terbang dengan ketinggian 705 km dari
permukaan bumi dan memiliki area scan seluas 170 km x 183 km.
dan Thermal Infrared Sensor (TIRS) dengan jumlah band sebanyak 11 buah.
11
Sembilan band (band 1 sampai 9) berada pada sensor OLI dan 2 lainnya (band 10
dan 11) pada sensor TIRS. Sebagian besar band pada Landsat 8 memiliki spesifikasi
mirip dengan Landsat 7. NASA menargetkan satelit Landsat 8 ini mengemban misi
selama 5 tahun (sensor OLI dirancang 5 tahun dan sensor TIRS 3 tahun). Pada citra
digital sesuai dengan jumlah band yang dimiliki. Untuk citra Landsat 8, masing-
Citra Landsat dapat ditampilkan secara single band dalam bentuk hitam dan
Karakteristik interval spektral dan resolusi spasial setiap band citra Landsat 8 dapat
modifikasi)
12
tanaman (Luo dkk., 2008; Wu dkk., 2009). BO tanah merupakan suatu sistem
kompleks, dinamis dan bagian dari tanah yang bersumber dari sisa tanaman dan
atau binatang yang terdapat di dalam tanah yang terus menerus mengalami
dekomposisi. Proses dekomposisi ini dipengaruhi oleh faktor biologi, fisika, dan
yang terdapat di dalam tanah, termasuk serasah, fraksi bahan organik ringan,
biomassa mikroorganisme, bahan organik yang terlarut di dalam air dan bahan
BO tanah dapat menjadi indikator kesuburan tanah (Luo dkk., 2008; Wu dkk.,
2009. Dalam sistem pertanian, BO tanah berperan sebagai faktor pengendali dalam
proses-proses penyediaan unsur hara bagi tanaman, membentuk agregat tanah yang
stabil untuk mempertahankan struktur tanah dan penyedia jalan bagi pergerakan air,
kerusakan lahan. Jika pada bagian permukaan lahan mengalami erosi, maka akan
Kadar BO tanah berkaitan dengan warna dari tanah. Warna tanah yang gelap
mengindikasikan bahwa tanah tersebut kaya akan BO, demikian sebaliknya warna
tanah dengan warna tanah standar yang telah diketahui kadar bahan organiknya
(Plaster, 1992).
Dalam kisaran wilayah lahan pertanian yang relatif luas, kebutuhan akan
wilayah pertanian.
mineral atau BO (Ting dkk., 2008). Akan tetapi, untuk menghasilkan interpretasi
yang akurat dan valid diperlukan strategi pengolahan, sehingga citra dapat
14
dan perbaikan terlebih dahulu. Hal ini dilakukan karena banyaknya noise atau
distorsi yang diakibatkan saat transmisi data ke sensor satelit dan dari satelit ke
stasiun penerima di bumi. Koreksi dapat berupa koreksi nilai piksel, posisi dari
Gangguan ini terjadi pada sinyal pantulan obyek yang pada saat proses perekaman
yang lebih baik dan memperbaiki nilai-nilai piksel yang mengalami distorsi pada
Kesalahan geometrik disebabkan oleh dua faktor, yaitu faktor internal dan
faktor eksternal. Faktor internal meliputi kesalahan sebagai akibat dari geometri
sensor yang bersifat sistematik. Faktor eksternal meliputi kesalahan bentuk dan
karakter obyek.
band citra, dimaksudkan untuk menonjolkan aspek studi dari obyek-obyek yang
ingin dikaji. Kombinasi Red Green Blue (RGB) dari band-band citra menentukan
mengamati dan mengambil secara langsung sampel tanah pada posisi yang telah
teridentifikasi sebagai BO tanah oleh nilai piksel (digital number, DN) pada citra
indeks tanah (Normalized Difference Soil Index, NDSI). Sampel tanah ini kemudian
2. Wawancara, yaitu bertanya dan diskusi secara langsung dengan para pakar
citra penginderaan jauh (citra Landsat 8), peta topografi dan peta tematik.
Kecamatan Sawan. Luas Kecamatan Sawan sekitas 92,52 km2. Penelitian ini
dilaksanakan dari bulan Pebruari 2015 sampai Juni 2015. Peta lokasi penelitian
15
16
Mengingat obyek/ data yang terekam dalam citra penginderaan jauh dominan
diberikan oleh spectral reflectance yang menutupi permukaan bumi, maka ruang
lingkup penelitian dipilih daerah yang cukup terbuka sampai terbuka penuh. Hal ini
dimaksudkan supaya spectral reflectance pada citra secara langsung didominasi oleh
acak melalui density slice DN citra indeks tanah yang dibangun dari citra NDSI
Sumber data penelitian ini berasal dari pengumpulan data primer dan sekunder.
Data primer, yaitu data kuantitatif, diperoleh dari hasil pengukuran bahan organik
dengan 9 sampel tanah di Laboratorium. Data primer lainnya adalah data citra
keberadaan BO tanah. Data sekunder, yaitu peta digital, peta tematik, peta topografi
pada posisi koordinat geografis yang telah teridentifikasi sebagai BO tanah pada citra
NDSI. Nilai-nilai piksel citra indeks tanah diperoleh dengan melakukan density slice
( ) ( )
NDSI = (4)
( ) ( )
yang mana Band6 = band pada interval panjang gelombang 1,560 – 1,660 m
kadar BO tanah dari sampel tanah yang diambil pada posisi koordinat geografis yang
2. Sampling tanah yang telah teridentifikasi sebagai BO tanah pada citra NDSI.
Citra satelit yang digunakan dalam penelitian ini adalah citra Landsat 8 level
1G, yaitu citra yang telah terkoreksi secara radiometrik maupun geometrik.
beberapa metode yang tersedia pada software IDRISI 16.03 : The Taiga
dipakai untuk analisis. Pembuatan citra komposit (RGB), disusun dari citra
yang memiliki kekontrasan yang terbaik. Jika ternyata hasil citra kompositnya
sebagai obyek BO. Density slice dilakukan dengan DN awal citra NDSI = 0,3
19
posisi dan disesuaikan dengan posisi DN pada citra NDSI yang diidentifikasi
sebagai BO tanah. Volume sampel tanah lebih kurang 1 liter dan diambil 2 cm
tanah. Hasil pengukuran bahan organik tanah di Lab. merupakan variabel tergantung
(dependent), sedangkan variabel bebas (independent) adalah seluruh (ke-6) band citra
software SPSS.
linier berganda terhadap data hasil pengamatan dan pengukuran. Sebagai variabel
terikat (dependent) adalah kadar BO tanah hasil pengukuran dari Laboratorium dan
sebagai variabel bebas (independent) adalah nilai digital ke-6 band citra yang
digunakan dalam studi pada koordinat yang terindikasi sebagai BO tanah. Ke-6 band
citra adalah :
1. Band2 = X1
2. Band3 = X2
3. Band4 = X3
4. Band5 = X4
20
5. Band6 = X5
6. Band7 = X6
dimana a : Konstanta
c : Kesalahan
Secara garis besar, diagram alir metode penelitian disajikan pada Gambar 5.
Penelitian ini menggunakan satu set data citra Landsat 8 ; L8 OLI/TIRS, Level
1 G, rekaman 25 april 2013. Band yang digunakan adalah band 2,3,4,5,6 dan 7
dengan resolusi spasial 30 m. Band 5 (NIR, λ= 0,845 – 0,885 µm) dan band 6
Taiga V16, disajikan pada Gambar 6, 7 dan 8. Gambar 6, merupakan citra hasil dari
penerapan Persamaa (4). Pada citra ini (citra NDSI), nilai-nilai piksel berkisar
21
22
permukaan oleh air, yang dekat dengan 0 tutupan permukaan tanah didominasi oleh
vegetasi dan yang mendekati 1 mengindikasikan tutupan oleh tanah terbuka (non
dilakukan dengan menyeleksi nilai piksel-piksel citra NDSI (density slicing) ≥ 0,3.
Citra NDSI hasil density slicing disajikan pada Gambar 7 di atas dan citra ini
Pengambilan sampel dilakukan berdasarkan nilai indeks tanah citra NDSI pada
lokasi piksel-piksel yang teridentifikasi sebagai BO. Sampel diambil di 9 titik lokasi
daerah Kecamatan Sawan di 3 Desa, yaitu Desa Jagaraga, Desa Bungkulan dan
nilai piksel citra asli sesuai dengan 9 lokasi titik pengamatan. Nilai piksel citra ini
Tabel 3. Nilai Digital Citra Asli dan BO Tanah pada 9 Titik Pengamatan.
Pada Tabel 4 dapat dilihat korelasi Pearson sangat kuat ada pada band 5 dan
band 6. Hal ini membuktikan bahwa, spektrum panjang gelombang yang ada pada
26
band ini memberikan nilai reflektan sangat kuat pada obyek tanah dibandingkan
digital citra asli. Nilai ini lebih kecil dibandingkan dengan nilai 95 %, mungkin pd
citra. Untuk itu, perlu dilakukan transformasi terhadap semua band data citra asli
yang digunakan dalam studi dengan transformasi analisis komponen utama (PCA).
Akan tetapi, dalam studi ini tidak dilakukan, karena hanya ingin melihat peranan
PCA.
Dari analisis varian yang ditunjukkan pada Tabel 6, terlihat bahwa nilai tingkat
signifikan sebesar 0,242. Hal ini berarti, model prediksi yang akan disusun
menggunakan nilai digital citra asli memiliki tingkat kepercayaan sekitar 76 % atau
Berdasarkan koefisien hasil regresi linier berganda pada Table 7, maka dengan
5.1 KESIMPULAN
Berdasarkan hasil penelitian pengolahan data citra dan analisis statistik, maka
menggunakan citra satelit Landsat 8 dan melalui analisis multi regresi linier
0,037X6
5.2 SARAN
citra yang mempunyai resolusi lebih tinggi dari data Landsat 8, sehingga proses
interpretasi secara visual akan lebih detail dan klasifikasi akan semakin akurat.
27
DAFTAR PUSTAKA
28
Rees, W. G. 2006. Physical Principles Of Remote Sensing. Second Edition. UK:
Cambridge University Press.p.10-13
Sachez, A.J., Sergio Salgado-García, David J. Palma-López, and Wilder Camacho-
Chiu.2012. Analysis of soil organic matter in tropical soils with near-infrared
spectroscopy (NIRS) and chemometrics. Cien. Inv. Agr. 39(2):387-394.
Stevens, A., M. Nocita., G. Toth., L. Montanarella., B. V. Wesemael. 2013.
Prediction of Soil Organic Carbon at the European Scale by Visible and Near
InfraRed Reflectance Spectroscopy. Plos One. 8(6):e66409.
Ting, H., W. Jing., L. Zongjian., C. Ye. 2008. Study On Spectral Features Of Soil
Organic Matter. The International Archives of the Photogrammetry, Remote
Sensing and Spatial Information Sciences. Vol. XXXVII. Part B7. Beijing.
Viscarra, R.R.A., D.J.J. Walvoort., J.L. McBratney, and J.O. Skjemstad. 2005.
Visible, Near Infrared, mid infrared or combined diffuse reflectance
spectroscopy for simultaneous assessment of various soil properties.
Geoderma 131: 59-75.
Wang, L., J. J.QU. 2009. Satellite remote sensing applications for surface soil
moisture monitoring: A review. Front. Earth Sci. China, 3(2): 237-247
Wetterlind. J., Bo Stenberg and Raphael A., Viscarra Rossel. 2013. Soil Analysis
Using Visible And Near Infrared Spectroscopy. In : Maathuis, F.J.M., Editors.
Plant Mineral Nutrients:Methods and Protocols. New York:Humana Press,
Springer.p.95-107.
Wu, C., J. Wu., Y. Luo., L. Zhang., S.D. DeGloria. 2009. Spasial Prediction of Soil
Organic Matter Content Using Cokriging with Remotely Sensed Data. Soil
Sci. Soc. Am. J. 73(4): 1202-1208.
29