1, Januari 2020:32-38
P-ISSN: 2579–8499; E-ISSN: 2579–8510
Doi: https://doi.org/10.29405/jgel.v4i1.4229
Website: http://journal.uhamka.ac.id/index.php/jgel
Dwi Yanti*, Indri Megantara, Muhamad Akbar, Sabila Meiwanda, Syauqi Izzul
M, Dede Sugandi, dan Riki Ridwana
Prodi Pendidikan Geografi Departemen Pendidikan Geografi
Fakultas Pendidikan Ilmu Pengetahuan Sosial, Universitas Pendidikan Indonesia
Jl Dr. Setiabudhi No. 229 Bandung 40154 Jawa Barat Indonesia
*E-mail: yantidwi@gmail.com
Received: 26 08 2019 / Accepted: 31 12 2019 / Published online: 30 01 2020
ABSTRAK
Penginderaan jauh merupakan alat dan teknik untuk mengambil data spasial tanpa
menyentuh secara langsung objek yang dituju. Salah satu kegunaan penginderaan jauh
adalah mengetahui tingkat kerapatan vegetasi menggunakan metode unsupervised
classification K- Means dan perhitungan NDVI. Penelitian ini dilakukan di Kecamatan
Pangandaran dan menghasilkan peta kerapatan vegetasi. Metode penelitian yang
digunakan merupakan penelitian survey, pengolahan data citra dengan menggunakan
unsupervised classification menggunakan metode K-Means. Kemudian dilanjutkan
dengan pengklasifikasian kelas kerapatan vegetasi menggunakan metode NDVI. Hasil
klasifikasi kerapatan vegetasi di Kecamatan Pangandaran menghasilkan sebanyak 5
klasifikasi yaitu badan air, vegetasi jarang, cukup rapat, rapat, sangat rapat. Peta kerapatan
vegetasi tersebut telah dilakukan uji akurasi dan validasi lapangan dengan akurasi sebesar
25%, tingkat akurasi dari hasil interpretasi yang diperoleh menunjukan bahwa peta yang
dihasilkan belum memenuhi standar USGS untuk dapat digunakan yaitu sebesar 85%.
ABSTRACT
Remote sensing is a tool and technique for retrieving spatial data without touching the
intended object. One of the uses of remote sensing is to knowing the level of vegetation
density using the unsupervised classification K-Means method and NDVI
calculations.This research was conducted in Pandandaran District and produced a map
of vegetation density. The research method used survey, image data processing using
unsupervised classification with the K-Means method. Then proceed with the
classification of vegetation density classes using the NDVI method. The results of the
classification of vegetation density in the Pangandaran District resulted in as many as 5
classifications namely water bodies, sparse vegetation, fairly dense, dense, very dense.
Vegetation density map has been carried out field accuracy and validation tests with an
accuracy of 25%. The accuracy of the interpretation results obtained shows that the map
produced does not meet USGS standards to be used that is equal to 85%.
Selain menghindari banjir, tentu saja untuk a. Laptop Acer AMD E2-6110 APU
daerah pesisir pantai akan sangat with AMD Radeon R2 Graphics
bermanfaat ketika kerapatan vegetasi di 1.50 GHz, RAM 2,00 GB, System
tingkat sangat rapat untuk mengurangi type 64-bit Operating System
tekanan air ketika terjadi tsunami. b. Meteran gulung
Berdasarkan hal itu, bahwa tingkat c. Alat tulis
kerapatan vegetasi sangatlah penting alam d. Instrumen penelitian
maupun kehidupan manusia yang tinggal e. Handphone
berdampingan dengan hutan. Untuk 2. Perangkat lunak dan aplikasi
mengetahui tingkat kerapatan vegetasi di penunjang:
Kecamatan Pangandaran, maka a. ArcGIS 10.4
dilakukanlah penelitian ini. b. Envi Classic 5
c. Microsoft Word
METODE PENELITIAN d. Fish Eye Camera
Waktu dan Lokasi Penelitian e. Avenza Map
Kegiatan penelitian dilakukan di f. Handy GPS
Kecamatan Pangandaran, Kabupaten g. GPS Essential.
Pangandaran, Provinsi Jawa Barat, 3. Data:
Indonesia. Dengan luas wilayah 1680 km². a. Citra Satelit Landsat 8 OLI
Penelitian dilaksanakan pada tanggal 30 wilayah Kabupaten Pangandaran
November sampai 1 Desember 2019. b. Peta Rupa Bumi Indonesia:
Wilayah penelitian merupakan area yang Lembar 1308-232 Pananjung
terkenal dengan pantai pasir putih, cagar skala 1:25.000.
alam, dan daya tarik wisata lainnya. Di
daerah selatan kecamatan ini terdapat Jenis Penelitian
sebuah Tombolo atau bentukan seperti Jenis penelitian yang telah
jembatan yang menghubungkan dua pulau. dilakukan dalam pembuatan artikel ilmiah
Terdapat juga pantai barat dan pantai timur ini yaitu survei atau melihat langsung
yang merupakan keunikan tersendiri yang keadaan di lapangan. Survei di lakukan
dimilikinya. Mayoritas penduduk bermata selama 2 hari berturut turut, tepatnya di
pencaharian sebagai penyedia layanan bagian Timur Laut dan pada hari kedua di
pariwisata serta sebagian lainnya bagian Timur Kecamatan Pangandaran.
berprofesi sebagai petani dan nelayan. Dengan objek penelitiannya yaitu
Dari hasil penelitian dilapangan, terlihat kerapatan vegetasi, dengan menggunakan
bahwa hutan di Kecamatan Pangandaran metode K-Means pada Citra Landsat 8.
telah mengalami sedikit kerusakan. Ketika berada di titik plot pertama sampai
Diperkirakan hutan yang dulu rimba, kini plot terakhir, dilakukan pemotretan kanopi
dialih fungsikan menjadi lahan pohon dengan menggunakan kamera
perkebunan sehingga kawasan hutan ini Fisheye yang sudah terinstal di
telah menjadi kebun campuran karena handphone.
kebun yang ada di Kecamatan Alasan memilih penelitian jenis ini
Pangandaran bersandingan dengan sawah adalah karena kerapatan vegetasi yang
warga, dan sebagian kawasan lain terdapat terdapat dalam citra ketika dilihat
hutan yang masih terlihat alami. dilapangan secara langsung, memiliki
perbedaan. Jika dalam citra satelit terlihat
Alat dan Bahan bahwa vegetasi diklasifikasikan kedalam
1. Alat penunjang kegiatan dan proses vegetasi sangat rapat. Namun, ketika di
pengamatan: lapangan langsung, kerapatan vegetasi
35 | Jurnal Geografi, Edukasi dan Lingkungan (JGEL) Vol. 4, No. 1, Januari 2020:32-38
Clipping
classification menggunakan metode K- Citra
Means. Kemudian dilanjutkan dengan
pengklasifikasian kelas kerapatan vegetasi Unsupervised Transformasi
Classification NDVI
menggunakan metode NDVI. Setelah itu
dihasilkanlah peta lapangan yang
Algoritma Kelas
dilanjutkan dengan pengecekan kondisi K-Mean Kerapatan
Vegetasi
dilapangan. Setelah selesai melakukan
pengecekan di lapangan maka dilakukan
uji akurasi untuk menguji tingkat akurasi
Overlay
peta yang dibuat, meskipun dalam tahap
uji akurasi, hasilnya dibawah standar
USGS. Setelah melakukan uji akurasi, Peta Klasifikasi
tahapan selanjutnya yaitu melakukan Kerapatan
Vegetasi
revisi pada peta yang telah dibuat
sebelumnya. Diagram alir penelitian Gambar 1. Bagan Alur Penelitian
disajikan pada Gambar 1.
Metode K-means clustering Metode K-Means berusaha
merupakan metode clustering yang mengelompokkan data yang ada ke dalam
dikenalkan oleh MacQueen JB pada tahun beberapa kelompok. Data dalam satu
1976. Metode K-Means adalah metode kelompok mempunyai karakteristik yang
yang terkenal cepat dan simpel. K-Means sama satu sama lainnya dan mempunyai
clustering merupakan salah satu metode karakteristik yang berbeda dengan data
data clustering non-hirarki yang yang ada di dalam kelompok yang lain.
mengelompokan data dalam bentuk satu Metode ini berusaha untuk meminimalkan
atau lebih cluster/kelompok. Data-data variasi antar data yang ada di dalam suatu
yang memiliki karakteristik yang sama cluster dan memaksimalkan variasi
dikelompokan dalam satu cluster/ dengan data yang ada di klaster lainnya.
kelompok dan data yang memiliki Normalized Difference Vegetation
karakteristik yang berbeda dikelompokan Index (NDVI) adalah perhitungan pada
dengan cluster/kelompok yang lain sebuah citra yang digunakan untuk
sehingga data yang berada dalam satu mengetahui tingkat kehijauan sebagai awal
cluster/kelompok memiliki tingkat variasi pembagian daerah vegetasi (Purwanto A,
yang kecil (Bastian, A. 2018). 2016). NDVI dilakukan untuk menentukan
klasifikasi kelas kerapatan vegetasi dari
suatu citra. Kemudian setelah dilakukan
36 | Jurnal Geografi, Edukasi dan Lingkungan (JGEL) Vol. 4, No. 1, Januari 2020:32-38
titik sampel. Hal dilakukan untuk Tabel 4. Tabel akurasi pembuat dan pengguna
mewakili 1 pixel dari citra Landsat 8 OLI peta berdasarkan matriks akurasi
yang memiliki resolusi 30 meter. Hasil Akurasi
rata-rata kerapatan vegetasi di sajikan pada Kelas
Pembuat Akurasi Pengguna Peta
Peta
Tabel 2. Akurasi Komisi Akurasi Omisi
Badan
Tabel 2. Hasil rata rata kerapatan vegetasi 0/0 = 0% 100% 0/1 = 0% 100%
Air
Vegetasi
0/0 = 0% 100% 0/1 = 0% 100%
Hasil Jumlah Keterangan Jarang
Interpretasi Sampel Cukup 1/1 = 1/5 =
0% 80%
Rapat 100% 20%
Keraapatan 1/1 =
Rapat 1/3 = 33% 67% 0%
Vegetasi 10%
Badan Air 1 0-10% Sangat
0/4 = 0% 100% 0/0 + 0% 100%
Rapat
Vegetasi 1 11-30%
Jarang
Cukup Rapat 5 31-60% Sebab-sebab Akurasi Peta Kurang
Rapat 1 61-75% Maksimal
Sangat Rapat 0 76-100% Ada beberapa hal yang menyebabkan
peta yang dihasilkan kurang maksimal
Tabel 3. Matriks Kesalahan yaitu diantaranya adalah kurangnya
HASIL INTERPRETASI
pengalaman dari interpreter dalam
Badan
Veget-
Cukup
San-
Jum-
menginterpretasi peta digital. Kurangnya
Objek asi Rapat gat
Air
Jarang
Rapat
Rapat
lah pengalaman menjadikan hasil interpretasi
DATA LAPANGAN
Badan
Air
0 0 0 1 0 1 kurang maksimal.
Veget- Selain itu, pemilihan titik sampel juga
asi 0 0 0 0 1 1
Jarang perlu diperhatikan. Dalam penelitian kali
Cukup
Rapat
0 0 1 1 3 5 ini, penentuan titik sampel dilakukan
Rapat 0 0 0 1 0 1 dengan cara random sampling atau
Sangat
Rapat
0 0 0 0 0 0 pengambilan sampel secara acak dengan
Jumlah 0 0 1 3 4 8 jumlah yang juga tidak proporsional. Hal
ini menjadikan sampel yang diambil tidak
dapat mewakili keseluruhan hasil
Tabel 3 merupakan tabel matriks
interpretasi dan menjadikan tingkat
kesalahan. Baris horizontal merupakan
akurasi rendah.
kenampakan asli di lapangan, sedangkan
kolom vertikal merupakan kenampakan di
Pentingnya Melakukan Penelitian
peta. Adapun angka yang ditebalkan
Meskipun Hasilnya Tidak Mencapai
merupakan jumlah titik sampel yang sesuai
Standar USGS
antara kenampakan di peta dan kondisi di
United States Geological Survey
lapangan. Untuk mengetahui keakuratan
(USGS) menetapkan sebuah standar
hasil interpretasi dapat dilakukan dengan
tingkat akurasi peta hasil interpretasi untuk
cara menjumlahkan semua kategori yang
dapat digunakan untuk berbagai keperluan
benar kemudian dibagi jumlah titik sampel
yaitu sebesar 85% atau lebih. Sedangkan
lalu dikali 100% Pada kajian kali ini
dalam kajian kali ini, peta yang dihasilkan
tingkat akurasinya yaitu: 2/8 x 100%=
hanya memiliki tingkat akurasi sebesar
25% (Tabel 4) .
25% saja. Hal ini bukan berarti kajian yang
telah dilakukan sia-sia.
Dengan dilakukannya kajian ini dapat
membuat pengalaman baru bagi interpreter
38 | Jurnal Geografi, Edukasi dan Lingkungan (JGEL) Vol. 4, No. 1, Januari 2020:32-38
dan peneliti dalam hal interpretasi citra Putra, A., Al Tanto, T., Riza Farhan, A.,
digital. Selain itu hasil dari penelitian, Husrin, S., S Pranowo, W., 2017.,
meskipun tidak memenuhi standar, tetap Pendekatan Metode Normalized
dapat memperkaya khasanah pengetahuan, Difference Vegetation Index
khususnya berkaitan dengan sebab-sebab (NDVI) dan Lyzenga Untuk
penelitian tersebut memiliki hasil yang Pemetaan Sebaran Ekosistem
tidak maksimal. Hal tersebut sangat Perairan di Kawasan Pesisir Teluk
penting mengingat dengan diketahui Benoa-Bali 23(2): 87-94.
penyebabnya hal tersebut dapat dihindari
dalam penelitian selanjutnya. Propastin, P.A., dkk. 2008. A Remote
Sensing Based Monitoring
System for Discrimination
KESIMPULAN
Berdasarkan pemaparan materi yang Between Climate and Human-
telah disampaikan di atas, maka dapat induced Vegetation Change in
disimpulkan bahwa, kerapatan vegetasi Central Asia. Management of
dapat dianalisis dengan interpretasi citra Enviromental Quality: An
digital menggunakan metode K-Means International Journal, 19(5),579-
sesuai tahapan yang sudah dijelaskan 596.
diatas. Interpretasi citra digital Syah, A. F. (2010). Penginderaan jauh
menghasilkan 5 klasifikasi kerapatan dan aplikasinya di wilayah pesisir
vegetasi yaitu badan air, vegetasi jarang, dan lautan. Jurnal Kelautan:
cukup rapat, rapat, sangat rapat. Peta yang Indonesian Journal of Marine
dihasilkan memiliki tingkat akurasi Science and Technology, 3(1),
sebesar 25% atau masih dibawah standar 18-28.
yang ditetapkan USGS yaitu sebesar 85%.
Tingkat akurasi yang rendah disebabkan Wahrudin, U., Atikah, S., Habibah, A. Al,
oleh pengalaman interpreter yang masih Paramita, Q. P., Tampubolon, H.,
sedikit, kurangnya keahlian dalam Sugandi, D., & Ridawana, R. (2019).
pengolahan citra digital serta pengambilan Pemanfaatan Citra Landsat 8 Untuk
titik sampel yang tidak proporsional. Identifikasi Sebaran Kerapatan
Meskipun belum memenuhi standar, Vegetasi Di Pangandaran. 3, 90–101.
penelitian ini tetap penting dan tidak sia-
sia. Hal ini karena dengan adanya
penelitian ini, bisa dijadikan rujukan untuk
peneliti lain yang akan melakukan
penelitain yang serupa, agar tidak
mengulangi kesalahan yang sama.
DAFTAR PUSTAKA
Iskandar, M., Sanjoto, T. B., & Sutardji, S.
(2012). Analisis Kerapatan Vegetasi
Menggunakan Teknik Penginderaan
Jauh Sebagai Basis Evaluasi
Kerusakan Hutan di Taman
Nasional Gunung Gede Pangrango.
Geo-Image. 1(1): 94-101.